優化Sink速度的最大化WSNs數據收集算法研究

馬勇贊，方躍春，張玲玉

優化Sink速度的最大化WSNs數據收集算法研究

馬勇贊，方躍春，張玲玉

（長沙民政職業技術學院 電子信息工程學院，長沙 410004）

可靠高效的數據收集是無線傳感網絡（WSNs）應用中的關鍵問題。由于信宿的移動，平衡了傳感節點間的負擔，可延長網絡壽命。因此，基于移動信宿（Sink）的數據收集的研究受到研究者的廣泛關注，為此，提出優化Sink速度的最大化WSNs數據收集算法（MDG-SC）。MDG-SC算法通過優化Sink的移動，降低數據時延。具體而言，在給定時限內，Sink沿著固定路徑移動，MDG-SC算法優化Sink的移動速度，進而最大化數據收集量。實驗數據表明，MDG-SC算法能夠有效地收集數據同時；收集的數據量取決于傳感節點數和數據收集時間。

無線傳感網絡；數據收集；移動信宿；時延；速度優化

0 引言

無線傳感網絡（wireless sensor networks, WSNs）已在各類應用中廣泛使用，如森林火災檢測、戰場偵察、入侵檢測、目標跟蹤以及健康康復[1]。在WSNs中，傳感節點感測環境數據，將感測數據傳輸至匯聚節點，通常將匯聚節點也稱為信宿（Sink）。換而言之，信宿收集傳感節點的數據。然后，由信宿處理數據，并以互聯網（Internet）、衛星等通信方式將數據傳輸至遠端的終端用戶[2]，如數據庫、電腦、手機客戶端，如圖1所示。

數據收集是無線傳感網絡應用的重要階段。為了最大化數據收集量，常采用信宿移動策略。然而，由于移動信宿的移動速度較慢，采用移動信宿會增加數據傳輸時延。因此，優化數據傳輸時延是基于信宿移動策略的關鍵[3]。例如，基于WSNs的康復監測、森林防火監測應用，均要求低的數據收集時延[4]。因此，在收集數據時，需要最小化數據收集時延或降低數據收集時延。

圖1 WSNs的網絡結構圖

而優化、并安排移動信宿移動路徑是降低數據傳輸時延的有效方式[5]。但是，優化移動路徑是非常復雜的。特別是，當移動路徑涉及到空間域和時域，優化路徑更為復雜。在空間域，需控制移動信宿路徑；而在時域，需控制信宿移動速度。本文的研究思路就是通過控制信宿的移動速度，進而在給定時限條件內最大化數據收集量。

文獻[6-10]研究了基于限定路徑條件下，移動信宿的移動路徑問題。但是，規劃移動路徑是非常復雜，且在不同的應用環境下，信宿移動速度并不相同。為此，本文考慮固定的移動路徑，但移動信宿沿著路徑的移動速度是變化。

為此，本文提出優化Sink速度的最大化WSNs數據收集算法（maximum data gathering -based on speed control of mobile sink, MDG-SC）。MDG-SC算法是基于固定的移動路徑, 優化移動信宿，進而最大化數據收集量。實驗數據表明，提出的MDG-SC算法能在限定時間內，有效地收集數據。

1 系統模型

圖2 網絡模型

此外，網絡內每個節點的位置是已知的，且固定的。移動信宿（mobile sink, MS）不受能量和容量限制[7]。MS沿著固定路徑的最大移動速度為。

因此，本文的研究工作在于：在時限內，MDG-SC算法通過優化MS移動速度，收集更多數據。

2 MDG-SC算法

2.1 概述

圖3顯示了一些速度方案。顯示了SP1、SP2、SP3 3類不同速度，每1類速度的設置目的就是最大化數據收集量。SP1表示MS的位置只由單個子信宿覆蓋時的移動速度；SP2表示MS的位置只由多個子信宿覆蓋時的移動速度；SP3表示MS的位置未被子信宿覆蓋時的移動速度。

圖3 移動信宿的移動速度方案示例

首先，先引入2個變量：割線和子信宿數據速率。

圖4 割線示意圖

2.2 移動速度方案

接下來，分析當滿足上述3個條件時，如何更新MS的移動速度。

圖5 MS移動速度更新示例

3 性能仿真

3.1 仿真環境

表1 仿真參數

3.2 數據分析

首先分析移動信宿在不同時限條件下，所收集的數據量，如圖6所示。

圖6 移動信宿所收集的數據量

從圖6可知，節點數的增加有利于移動信宿MS所收集的數據量。例如，在時限=120 s時，當節點數為50時，收集的數據量約2000 kbit，而當節點數為300時，所收集的數據量達到約7500 kbit。此外，時限的提高，也增加了移動信宿MS所收集的數據量。這些數據表明，MDG-SC算法能夠有效地收集數據。

圖7顯示了節點數對移動信宿MS的平均移動速度的影響。從圖7可知，節點數和時限的變化，對信宿移動速度影響并不大。但是，節點數的增加，降低了信宿的平均移動速度。原因在于：節點數越多，子信宿所需傳輸的數據量也就越大，這就降低了移動信宿的平均移動速度。

圖7 移動信宿MS的平均移動速度

圖8 移動距離

最后，分析移動信宿所移動的距離，實驗數據如圖8所示。從圖8可知，節點數的增加降低了移動距離，原因在于：節點數的增加，降低了MS的平均移動速度，相應地，單位時間內所移動的距離就下降。此外，時限的增加，加大了移動信宿MS的移動距離，原因很簡單：MS的移動時間增長，總的移動距離肯定增加。

4 結束語

針對無線傳感網絡的數據收集問題，提出Sink速度控制的最大化WSNs數據收集算法MDG-SC算法。MDG-SC算法是基于固定的移動路徑，通過優化移動速度，最大化數據收集量。實驗數據驗證了MDG-SC算法的數據收集性能。后期，將規劃Sink的移動路徑作為研究內容，進而實現以最小的能耗成本，最大化數據收集量的目的。

[1]李鵬, 王建新, 丁長松. WSN中基于壓縮感知的高能效數據收集方案[J].自動化學報, 2016, 42(11)：1648-1657.

[2]劉曙琴, 陳珍萍, 黃友銳, 等. 無線傳感器網絡中帶延時的一致性時間同步[J].傳感器與微系統, 2017, 36(1): 64-66, 74.

[3]屈應照, 胡曉輝, 宗永勝, 等. WSN中一種基于數據融合的Mobile Agent 路徑規劃方法[J].傳感技術學報, 2016, 29(7): 1032-1042.

[4]張策, 張霞, 李鷗. 不可靠鏈路下基于壓縮感知的WSN數據收集算法[J]. 通信學報, 2016, 37(9): 131-142.

[5]張希偉, 陳貴海. 基于SDMA應用的移動Sink節點的設計與實現[J].計算機研究與發展, 2012, 49(3): 541-549.

[6]KANSAL A, SOMASUNDARA A A, JEA D D, et al. Intelligent ?uid infrastructure for embedded networks[EB/OL]. [2019-06-21]. https: //www. usenix. org/legacy/publications/library/proceedings/mobisys04/pdf/p111-kansal. pdf.

[7]JEA D, SOMASUNDARA A, SRIVASTAVA M. Multiple controlled mobile elements (data mules) for data collection in sensor networks[EB/OL]. [2019-06-21]. http: //users. ece. northwestern. edu/~peters/references/DatamulesSrivastava05. pdf.

[8]SOMASUNDARA A, KANSAL A, JEA D, et al. Controllably mobile infrastructure for low energy embedded networks[J]. IEEE Transaction Mobile Computing, 2016, 5(8): 958-973.

[9]SAYYED A, BECKER L B. Optimizing speed of mobile data collector in wireless sensor network[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of 2015 International Conference on Emerging Technologies (ICET). Peshawar, Pakistan: IEEE, 2015: 35-43.

[10]HUANG H L, SAVKIN A V. Optimal path planning for a vehicle collecting data in a wireless sensor network[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of 201635th Chinese Control Conference (CCC). Chengdu, China: IEEE, 2016: 61-69.

Research on optimizing sink speed control to maximize WSNs data collection algorithm

MA Yongzan, FANG Yuechun, ZHANG Lingyu

（Changsha Social Work College, School of Electronics, Changsha 410004, China）

Reliable and efficient data collection is a key issue in wireless sensor network (WSNs) applications. Due to the movement of the sink, the burden between the sensing nodes is balanced and the network life can be extended. Therefore, research on data collection based on mobile sink (Sink) has attracted wide attention of researchers. To this end, a maximum WSNs data collection algorithm (MDG-SC) for optimizing the speed of Sink is proposed. The MDG-SC algorithm reduces data latency by optimizing the movement of the sink. Specifically, within a given time limit, the Sink moves along a fixed path, and the MDG-SC algorithm optimizes the moving speed of the Sink, thereby maximizing data collection. Experimental data shows that the MDG-SC algorithm can effectively collect data. In addition, experimental data shows that the amount of data collected depends on the number of sensor nodes and data collection time.

Wireless Sensor Networks; Data Gathering; Mobile Sink; Delay; Speed Control

TPT393

A

2095-4999(2020)02-0106-005

馬勇贊，方躍春，張玲玉. 優化Sink速度的最大化WSNs數據收集算法研究[J].導航定位學報, 2020, 8(2): 106-110.（MA Yongzan, FANG Yuechun, ZHANG Lingyu. Research on optimizing sink speed control to maximize WSNs data collection algorithm[J]. Journal of Navigation and Positioning, 2020, 8(2): 106-110.）

10.16547/j.cnki.10-1096.20200218.

2019-07-23

馬勇贊（1977—），男（回族），湖南隆回人，碩士，副教授，研究方向為電路與系統、物聯網、無線傳感技術。

方躍春（1964—），男，湖南長沙人，本科，副教授，研究方向為電子技術，物聯網。