自適應模糊無線傳感器網絡路由選擇

沈瑋娜， 胡黃水， 王宏志， 王 瑩

(長春工業大學 計算機科學與工程學院， 吉林 長春 130012)

?

自適應模糊無線傳感器網絡路由選擇

沈瑋娜， 胡黃水*， 王宏志， 王 瑩

(長春工業大學 計算機科學與工程學院， 吉林 長春 130012)

將下一跳節點的剩余能量、本節點與發送節點的通信距離以及到SINK節點的通信距離之和作為模糊理論綜合評判法的參數，通過模糊控制計算出下一跳節點的可選度。可選度最高的節點即為下一跳節點。建立了網絡自適應路由，通過多跳的方式傳輸數據。仿真實驗表明，RAFT算法可以更好地均衡網絡各節點的負載，明顯降低網絡能耗并提高節點生命周期。

無線傳感器網絡； 路由算法； 模糊控制

0 引 言

隨著無線電子技術的發展，無線傳感器網絡(Wireless Sensor Network, WSN)的應用越來越廣泛，包括環境監測、軍事偵查、醫療監護、倉儲管理等[1-2]。無線傳感器網絡包含大量體積小但能量有限的節點，由于節點經常分布在偏遠或惡劣的環境中，這些節點很可能因為能量耗盡而影響整個網絡的性能。因此，節約節點的能量消耗對網絡壽命的延長和網絡性能的保持至關重要。

選擇合適的網絡通信路由是降低網絡能耗的有效方法之一。近年來,許多國內外學者對這方面的問題進行了大量研究,并取得了豐富的成果。文獻[3]中的LEACH算法是最早提出的分簇式路由協議；文獻[4]提出了一個基于模糊推薦的自動組網信任路由模型；文獻[5]使用模糊邏輯方法，以鄰居節點數目和節點剩余能量為重要因素進行路由協議中的簇頭選擇。

在對無線傳感器網絡已有研究成果的基礎上，文中提出基于模糊控制理論的無線傳感器網絡路由選擇算法(Routing Algorithm for WSN based on Fuzzy Theory, RAFT)對網絡進行路由控制。在傳輸建立階段，網絡按照匯聚節點的位置劃分成不同的方形子域，當有數據需要傳輸時，子域內的節點廣播其狀態信息，利用模糊理論綜合評判法選出最優的下一跳節點，從而找到一條最優的路徑，達到均衡網絡能耗、延長網絡壽命的效果。

1 系統模型

1.1 參數確定

無線傳感器網絡中節點間的通信距離、下一跳節點的剩余能量和下一跳節點到SINK節點的通信距離都會影響節點的能耗。模糊控制是以人的控制經驗作為控制的知識模型，它不依賴于被控對象的數學模型，這對一些復雜可變或者結構不穩定、難以用數學模型描述的系統而言是非常合適的[6]。由于在無線傳感器網絡傳輸過程中，下一跳節點的確定難以用準確的數學模型表示，因此，文中引入下一跳節點的剩余能量、該節點與發送節點的通信距離與到SINK節點的通信距離之和作為模糊理論綜合評判法的參數，具體原因如下：

1)剩余能量。網絡節點的剩余能量值直接決定節點能否在網絡中正常工作，無論是采集還是傳輸數據，節點都需要消耗能量。節點剩余能量的多少直接決定該節點在網絡中工作時間的長短。

2)下一跳節點與發送節點的通信距離與到SINK節點的通信距離之和。從無線傳感器網絡能量消耗模型[7]可知，節點發送數據的能耗與節點間的通信距離成反比，即通信距離越短,能耗越低。下一跳節點與SINK節點之間距離越近，則數據傳播路徑越短，網絡能耗就越低。因此，綜合考慮這兩點因素，當下一跳節點與發送節點的通信距離與到SINK節點的通信距離之和越小，則對減小整個網絡的能耗越有利。

1.2 網絡結構假設

初始狀態下，無線傳感器網絡中的傳感器節點均勻分布，在分析基于模糊理論的無線傳感器網絡路由選擇算法(RAFT)之前，對網絡結構有以下假設：

1)節點隨機散布在方形監測區域內，所有節點初始能量相同；

2)節點具有移動性且具有一定的感知、計算和通信能力；

3)節點支持全向通信，每個節點具有唯一的ID號，如Ia…Ic；

4)節點可感知自身剩余能量和位置。

1.3 節點能耗模型

網絡中節點的能耗模型采用一階無線電模型[8]，該模型中Eelec代表發送節點發送每比特或接收節點接收每比特信息所消耗的能量;Eamp為發送節點發送信息時單位距離的能耗放大倍數。

傳感器節點將kbit數據發送到距離為d的地方的能耗為:

2 RAFT算法設計

RAFT算法的基本思想是當節點要將感測到的數據傳送至SINK節點時，監測域中的節點廣播其ID、位置信息及剩余能量。域內所有節點都會收到這些信息,信息匯總至節點表，然后使用模糊控制的方法尋找最優的下一跳節點。節點見表1。

表1 節點表

模糊控制是以控制人員的經驗為基礎的智能控制。為減小計算量和計算時延，輸入變量設為節點剩余能量歸一化模糊變量RE_i,該節點與發送節點通信距離及到SINK節點距離之和歸一化模糊變量Dsum這兩項。文中采用文獻[9]中經典的Mamdani模糊邏輯系統模型，其具體結構如圖1所示。

圖1 模糊邏輯系統結構

2.1 輸入變量與輸出變量

模糊控制的輸出變量為節點可選度bj。

2.2 模糊化

模糊化階段就是把輸入變量的精確值轉換成模糊的語言變量值，各變量模糊子集分配如下：

1)剩余能量：設描述剩余能量RE_i的語言值模糊子集為{低、中、高}，依次為低=low,中=middle,高=high。

2)節點與發送節點通信距離及到SINK節點距離之和Dsum的語言值模糊子集為{近、中、遠}，依次為近=close，中=middle,遠=far。

3)節點可選度bj的語言模糊子集為{小、中、大}，依次為小=little,中=middle,大=large。

模糊控制中的隸屬度函數在誤差較大的區域應采用低分辨率的模糊集合，在誤差較小的區域選擇高分辨率的模糊集合，而隸屬度函數曲線形狀較尖時分辨率高、控制靈敏度好，在曲線形狀較平緩時系統穩定性佳、控制特性平緩。因此，文中的模糊集middle采用三角形隸屬函數，low、high、close、far、little、large采用梯形隸屬函數。輸入變量和輸出變量的隸屬度函數如圖2所示。

(a) RE_i隸屬度函數

(b) Dsum隸屬度函數

(c) bj隸屬度函數

2.3 模糊規則的定義

輸入變量模糊化之后，系統中的推理引擎則會根據規則庫中的控制規則推理出輸出集。剩余能量對能否成為下一跳節點起主要作用，即剩余能量越高，成為下一跳節點的可能性越大。距離之和起次要作用，即在剩余能量相同的情況下，距離之和越小的節點會加大成為下一跳節點的概率。文中使用“IF-THEN”的模糊規則形式[10]，具體規則見表2。

2.4 解模糊化

在模糊邏輯系統中，由于模糊控制器的輸出量為模糊集，該模糊集需要經過解模糊的過程變成具體的數值。因此，文中采用質心法[11]解模糊，具體公式如下：

u=

例如，當RE_i=0.1，Dsum=0.5時，該節點的可選度bj=0.169，推理過程如圖3所示。

表2 模糊規則表

圖3 模糊推理過程

3 仿真結果

將RAFT算法與LEACH比較，選取監測區域中的一個子域，仿真參數見表3。

表3 仿真參數表

3.1 RAFT算法模型

RAFT算法的仿真結果如圖4所示。

圖4 RAFT算法模糊推理模型仿真結果

當節點剩余能量RE_i接近于零時，不論Dsum多大，節點可選度bj都較小。當剩余能量增大時，距離之和Dsum越小，則可選度越大。這說明節點剩余能量是決定節點是否可選的最重要因素，與此同時，距離之和越小，可選度越大。

3.2 網絡能耗

進行LEACH與RAFT算法網絡剩余能量的比較,如圖5所示。

圖5 網絡剩余能量對比

由圖5可知，經歷相同的時間之后，使用RAFT算法的網絡剩余能量高于使用LEACH協議的網絡剩余能量。使用LEACH協議的網絡在經歷了大約1 000 s后剩余能量趨近于零，而使用RAFT算法的網絡在1 600 s附近網絡能耗才消耗殆盡。

產生這種現象的原因是，LEACH協議中簇頭將該簇的信息整合后直接發送給匯聚節點，由于數據量大，且距離匯聚節點較遠的簇發送數據的距離遠，極易導致該簇頭能量耗盡。RAFT算法中，下一跳節點的選取依次取決于節點的剩余能量及兩節點之間的距離與該節點到匯聚節點的距離之和，數據以多跳的方式傳送至匯聚節點，因此在避免低能耗節點能量過度消耗的同時盡可能減少傳輸距離。但RAFT算法需要節點廣播自身能量和位置信息，也會消耗少量能量。

3.3 網絡存活節點數

進行了LEACH協議與RAFT算法網絡存活節點數的比較，LEACH協議在第203 s出現第一個死亡節點，而RAFT算法在第658 s出現，如圖6所示。

圖6 網絡存活節點數對比

從圖6曲線的總體趨勢來看，RAFT算法中節點死亡的速度比LEACH協議的慢。

上述現象表明，由于RAFT算法中優先考慮了節點剩余能量這一模糊變量，數據傳輸過程中盡量不選擇能量低的節點作為下一跳節點，有效均衡了網絡中的負載，從而延長了網絡的生命周期。

4 結 語

RAFT算法的中心思想是綜合考慮節點剩余能量及兩節點之間的距離與該節點到匯聚節點的距離之和這兩個模糊控制變量，采用模糊推理計算出該節點成為下一跳節點的概率值，合理選擇最優的下一跳節點。通過與LEACH協議的仿真對比，RAFT算法能夠有效均衡網絡負載的同時,減少網絡能耗和延長網絡生存周期。

[1] Ren Fengyuan, Huang Haining, Lin Chuang. Wireless sensornetwork [J]. Journal of Software,2003,14(7):1282-1291.

[2] Cui Li, Ju Hailing, Miao Yong, et al. Overview of wirelesssensor networks [J]. Journal of Computer Research and Development,2005,42(1):163-174.

[3] Wendi B Heinzelman， Anantha P Chandrakasan， Hari Balakrishnan. An application-specific protocol architecture for wireless micro sensor networks [J]. IEEE Transactions on Wireless Communications，2002，1(4):660-670.

[4] Yick J， Mukherjee B， Ghosal D． Wireless sensor networks survey [J]. Computer Networks，2008，52(12):2292-2330.

[5] 沈曉瑞.基于模糊邏輯的無線傳感器網絡分簇路由協議的研究[D]．太原：太原理工大學，2010.

[6] 彭祖贈，孫韞玉.模糊數學及其應用[M].武漢:武漢大學出版社,2007:1-3.

[7] 田勇,唐禎安,喻言.能量均衡的室內無線傳感器網絡自適應分簇路由算法[J].電子與信息學報,2013,35(12):2992-2998.

[8] 蘇金樹,郭文忠,余朝龍,等.負載均衡感知的無線傳感器網絡容錯分簇算法[J].計算機學報,2014,37(2):445-456.

[9] Mendel J M. Fuzzy logic systems for engeneering: a tutorial [J]. Proc. of the IEEE,1995,83(3):345-377.

[10] Mamdani E H. Applications of fuzzy logic to approximate reasoning using linguistic systems [J]. IEEE Transaction on Systems, Man, and Cybernetics,1977,26(12):1182-1191.

[11] 羅媛媛.基于模糊邏輯的無線傳感器網絡路由協議的研究[D]．武漢：武漢工程大學,2011.

A routing algorithm for wireless sensor networks based on adaptive fuzzy control

SHEN Weina, HU Huangshui*, WANG Hongzhi, WANG Ying

(School of Computer Science & Engineering, Changchun University of Technology, Changchun 130012， China)

The residual energy and sum of communication distance between the original node and the next hop node and between the original node and SINK node are taken as the parameters of comprehensive fuzzy evaluation to calculate the optional degree of next hop node. The node with the highest optional degree is the next hop node. Adaptive routing is built with multi hop manner for data transfer. Simulation shows that routing algorithm for WSN based on adaptive fuzzy theory is effective to balance the load of each node in the network, reduce power consumption and improve the node life cycle.

Wireless Sensor Network (WSN); routing algorithm; fuzzy control.

2017-02-20

吉林省發改委經濟結構戰略調整引導資金專項項目(2014Y125)； 吉林省教育廳“十二五”科學技術研究項目(吉教科合字[2015]第100號)； 吉林省科技廳科技發展計劃項目(20140204037GX)

沈瑋娜(1993-)，女，漢族，江蘇無錫人，長春工業大學碩士研究生，主要從事無線傳感器網絡方向研究,E-mail:SWN0715@163.com. *通訊作者：胡黃水(1974-)，男，漢族，湖南隆回人，長春工業大學副教授，博士，主要從事無線傳感器網絡及軌道車輛動力學方向研究,E-mail:huhs08@163.com.

10.15923/j.cnki.cn22-1382/t.2017.2.08

TP 393.1

A

1674-1374(2017)02-0144-06