WSNs中基于模糊邏輯系統的能耗感知的簇路由

林 勇

(重慶電子工程職業學院， 重慶 401331)

無線傳感網絡(Wireless Sensor Networks，WSNs)由大量、微型傳感節點組成。這些節點具有有限的感測、計算和無線通信能力[1]。目前，WSNs已廣泛應用于智能家居、污染檢測、目標跟蹤和康復醫療。在這些應用中，當節點能量消耗完畢后，補充節點能量是不可能的[2]。因此，能量供給的受限，激發了研究能量感知協議的動力。

引用簇結構能夠有效地降低WSNs的能耗。每個簇中由一個簇頭(Cluster Head,CH)和其他非簇頭節點(成員節點)組成。CH負責簇間通信[3]。當簇構建完成后，CH就給簇內每個成員節點分配時分多址接入TDMA時隙，成員節點就利用所分配的時隙向CH發送數據。

在基于簇WSNs中，每個成員節點先感測環境參數，再將感測數據傳輸至它的CH。然后，成員節點在預設的時間內進入休眠狀態[4]。與成員節點相反，簇頭CH在網絡操作期間內總是保持活動狀態。因此，CH的平均能耗遠高于成員節點的能耗。

為此，常由多個節點間輪換扮演CH角色，共同分擔通信負載，進而平衡節點間能耗。而重構簇便是實現CH角色的輪換的有效策略。

研究人員對重構簇進行了較深的研究[5-7]。例如，文獻[6]利用閾值函數產生簇頭，并利用節點角度比、距離比和吞吐率優化閾值函數。該方案仍是采用固定輪產生選擇簇頭。即以固定時間間隔啟動簇任務。類似地，文獻[7]也是在每輪內構建簇，每輪分為建立階段與數據傳輸階段。如圖1所示，在每一輪(Round)內均由簇建立和數據傳輸兩個階段構成。盡管每輪選擇簇能夠一定程度上平衡節點間的負載。然而，重構簇本身也消耗能量，加重網絡負擔。

圖1 基于輪策略的構簇任務的調度

若采用的Round過長，則CH的工作時間太長，可能導致其能量消耗過快。反之，若Round過短，系統需頻繁地重構簇，增加了構建簇所消耗的能量。因此，Round時長對能耗有一定的影響。

此外，選擇簇頭受多個因素影響，如距離，節點的剩余能量。那如何依據距離、能量等信息決定簇頭？實際上，這屬于多輸入單輸出系統。由多項輸入信息決策一個輸出量。而模糊邏輯系統常用于多輸入單輸出的決策系統。例如，文獻[8]中提出基于多參數模糊邏輯的車載通信資源協同優化算法。利用模糊邏輯系統對資源進行管理。文獻[9]中也采用模糊邏輯系統推理簇尺寸。

為此，本文引用超輪概念，提出基于模糊邏輯系統的能效感知的簇路由(Fuzzy Logic-based Energy-aware Clustering,FL-EAC)。FL-EAC路由不是每輪都構建簇，而是在一個超輪內才構建一次簇。同時，由模糊邏輯系統決策超輪長度。本文的主要工作可歸納以下兩點：① 引用超輪概念，不再采用的以固定時間內建立簇策略；② 利用節點剩余能量、距離信息作為模糊邏輯系統的輸入，由模糊邏輯系統決策超輪長度。

1 FL-EAC路由

1.1 能量消耗模型

引用與文獻[10]中所述的無線電能量消耗模型，如圖2所示。發射器向相距為d的接收節點傳輸m比特的數據包所消耗的能量ETX(q,d)：

(1)

其中：Eelec運行發射器或接收器固定的能量消耗；εfs、εamp分別表示發射器在自空間、雙徑傳播模型(two ray ground model)的單位功率放大器的能量消耗[11-15]。

相應地，對于接收m比特的數據包所消耗的能量：

ERX(m)=m*Eelec

(2)

1.2 構簇算法

為了平衡WSNs內的能耗，通常在多個傳感節點間輪換承擔CH角色。當構簇算法啟動時，一些傳感節點必須成為CHs。在構簇過程中，每個非CH節點向與它的CH發送加入信息Mes_Join。收到Mes_Join的CH就給它的成員(非CH節點)提供TDMA時隙。此外，將每個簇內的數據傳輸過程看成單跳傳輸。

圖2 無線電能量消耗模型

(3)

其中，Ej表示節點j的剩余能量。

圖3 構簇算法1的偽代碼

(4)

其中，i表示廣播CH_adv消息的簇頭。

1.3 調度策略

每個簇在一輪內完成它們的任務，然后再配置下一輪。FL-EAC路由允許所有節點參與構簇過程[11]。而傳統的簇路由是采用固定輪時長構建簇，這必然加大了構建簇的能耗。為此，提出的FL-EAC路由采用新的策略。

FL-EAC路由先建立簇，形成多層結構。然后，將網絡操作劃分為超輪(Hyper Rounds,HRs)，進而降低簇開銷。 FL-EAC路由規定在每個HRs內的第一個輪的建立階段重構簇。

HRs模型如圖4所示。值得注意的是，在實施階段，每一個HR的穩定時期可能被合并成一個長的穩定時期。換而言之，除HRs的第一個輪外，其他輪可以不重構簇，進而降低了構簇開銷。盡管輪長度是固定的，但HR長度隨傳感節點的狀態變化。現有的多數算法只關注HR策略，而提出的FL-EAC路由利用模糊邏輯系統處理變化的HR長度問題。

圖4 HRs模型

依據FL-EAC路由，在每個HR的開始執行構簇算法。因此，先將網內所有節點被劃分為CHs和非CH節點(普通節點)。然后，在構簇階段結束時，每個CH依據FLS計算HR長度。在分布算法中，將最短HR作為選為網絡內全局的HR長度。選擇最短的HR作為全局HR長度，是為了降低CH的能耗。

為此，每個CH需產生一個等待時間，其正比于它所計算的HR長度。HR長度越短，等待時間越短。一旦等待時間結束，并且在等待時間期間，沒有收到鄰居節點發送的Msg_Sch，每個CH就向鄰居CHs傳輸Msg_Sch，其包含了HR的長度。每個CH從所接收的Msg_Sch中提取HR長度，并與之前接收的HR長度進行比較，保存最短HR長度。接下來，分析計算HR長度的過程。

1.4 模糊邏輯系統

采用模糊邏輯系統FLS處理每個CH節點在估計HR長度的不確定性。FLS利用節點的剩余能量和離信宿的相對距離決定HR長度。相比于遠區的CHs，位于信宿附近的CHs承擔了更多數據轉發任務，因此，它們消耗了更多的能量。所以，它們的簇頭輪換頻率需更快[12]。

基于上述考慮，將離信宿相對距離和節點剩余能量作為FLS的輸入。FLS系統如圖5所示。剩余能量低的CHs難以完成它的任務，必須進行快速輪換。FLS的輸出就是HR長度。離信宿距離近的、低剩余能量的節點具有更短的HR長度。相反，離信宿距離遠的、高剩余能量節點的HR長度更長。因此，HR長度因節點個體不同而不同。

圖5 FLS系統

(5)

由于傳感節點是靜態的，離信宿最小和最大距離是固定參數。一旦網絡部署后，信宿就向所有節點廣播信號。因此，每個節點就可利用接收信號強度(Received Signal Strength Index,RSSI)估算離信宿近似距離。

1) 相對距離

節點i離信宿的相對距離RDi的定義如式(6):

(6)

其中，dmin、dmax分別表示離信宿的最近、最遠距離。而d(i,Sink)表示節點i離信宿的絕對距離。

2) 相對剩余能量

節點i的相對剩余能量REi的定義如式(7):

(7)

輸入變量RD、RE和輸出變量Out的隸屬函數如圖6所示。其中用非常低(very low)、低(low)、中(medium)、高(high)、非常高(very high)作為RE的語言變量。而用近(close)、中間(adequate)和遠(far)作為RD的語言變量。類似地，輸出變量Out可表述為：

Out={Verylow,low,ratherlow,mediumlow,medium,

mediumhigh,ratherhigh,high,veryhigh}

(8)

圖6 隸屬函數

知識規則庫如表1所示，共有15條規則。系統輸出為模糊值，僅為語言輸出變量，需要將其轉換精確的數值，即去模糊化。利用文獻[13]的Mamdani模糊控制的重心法，可實現去模糊化。

表1 知識規則庫

2 性能分析

利用MATLAB R2012b建立仿真平臺[15]。在100 m×100 m網絡區域內部署100個節點，信宿位于(50 m,175 m)位置。傳感節點的初始能量Einit從[2,4]J區內隨機選取。數據包尺寸和控制包尺寸分別為4 000和200比特。有關的能量參數如下：Eelec=50 nJ/bit、εfs=10 pJ/bit/m2、εamp=0.001 3 pJ/bit/m4、dco=87 m。

同時，為了更好地分析FL-EAC路由的性能，選用EHEED[14]和EDIT[15]進行比較。EHEED算法是基于HEED算法的改進，它采用多跳路徑完成簇間通信。而EDIT算法降低了在簇構建過程中的消息交互，并且將節點剩余能量作為CH選擇的基本指標。

1) 實驗一

本次實驗HR長度變化，并通過本次實驗數據證明超輪策略的可用性。HR長度如圖7所示。

依圖7可知，HR長度隨仿真時間變化。這與傳統路由采用固定輪策略不同。最初，HR長度較長，隨后，逐步變短。原因在于：在最初，節點能量較充足，每個簇頭能維持較長的工作時間，而隨著時間推移，節點能量逐步下降，擔任簇頭的時間會縮短。因此，HR長度變短。當仿真結束后，HR就等于一輪。這些數據表明，利用模糊邏輯系統能夠依據節點能量動態地決策HR長度，有效地平衡節點間能量。

圖7 HR長度

2) 實驗二

本次實驗分析構建簇所消耗的能量占總消耗的能量的百分比，將此指標稱為簇開銷比。實驗數據如圖8所示。

從圖8可知，與采用基于輪的策略的EHEED和EDIT算法相比，提出的FL-EAC路由有效地控制了開銷。原因在于：FL-EAC路由減少了重構簇的次數。而EHEED算法具有最高的構簇開銷比，原因在于它需要多條消息才能形成簇，增加建立簇開銷的能耗。

圖8 構簇能耗比

3) 實驗三

本次實驗分析網絡壽命隨節點數和離信宿距離的變化情況，實驗數據如圖9、圖10所示。

圖9 節點數對網絡壽命的影響

從圖9可知，與EDIT和EHEED算法相比，FL-EAC路由的網絡壽命得到有效提高。原因在于：FL-EAC路由采用分布式能量感知算法選擇CHs，平衡節點間的能耗。此外，隨著節點數的增加，FL-EAC算法的網絡壽命并沒有下降。

圖10 離信宿距離對網絡壽命的影響

圖10的離信宿距離為信宿離感測區域中心位置的水平距離。換而言之，當信宿位于區域中心位置，則距離為零。在這種情況下，穩定階段的能耗比信宿遠離區域中心環境下的能耗降低了不少。原因在于：在穩定階段中傳感節點所消耗的能量主要取決于節點離信宿距離。

因此，當信宿位于感測區域中心時，節點能量的大部分消耗于穩定階段。相比于EDIT和EHEED算法，FL-EAC路由降低了構簇開銷，因此，它獲取較長的網絡壽命。此外，即使信宿位置遠區域，FL-EAC算法降低了能耗，相比EDIT和EHEED算法，網絡壽命得到有效地提高。

3 結論

提出基于模糊邏輯系統的能效感知的簇路由FL-EAC。與傳統輪策略不同，FL-EAC路由是在每個超輪的開始時重構簇，減少了構簇次數，降低能耗。利用模糊邏輯系統決策超輪長度，使得超輪長度能夠依據節點剩余能量和距離進行變化。實驗數據表明，提出的FL-EAC路由算法降低了能耗，延長了網絡壽命。