基于移動Sink的WSNs在博物館環境監測中的應用研究

王紅林　 孫彩云

摘? 要： 為了提高大型WSNs的網絡資源配置效率，提出一種分布式離散化的最優Sink移動路徑求取方法，在博物館環境監測中引入基于移動Sink的無線傳感器網絡。首先，各節點無需全局采集路由信息，通過綜合考慮鄰居數、與Sink之間的距離等因素分布式采集數據;其次，構造全新的轉換矩陣，將移動距離約束下最長停留時間問題轉化為約束條件下最短路徑的求解問題;最后，將標準Leach和移動節點兩種算法運用在博物館展覽館實際場景中，對兩種算法的執行時間和網絡生存時間進行了比較。結果表明，移動節點方式提高了網絡的網絡生成時間，節約了各節點的能量損耗，消除了無線傳感器網絡的“能量空洞”問題，具有較強的應用和推廣價值，能夠勝任博物館場景的應用。

關鍵詞： 無線傳感器網絡; 博物館; 環境監測; 移動Sink; 多目標定位; 數據采集

中圖分類號： TN929.5?34; TP212.9? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）20?0050?03

Application research of mobile Sink?based WSNs in museum environment monitoring

WANG Honglin1，2， SUN Caiyun1，2

（1. College of Electronic&Information Engineering， Nanjing University of Information Science and Technology， Nanjing 210044， China; 2. Jiangsu Key Laboratory of Meteorological Observation and Information Processing， Nanjing University of Information Science and Technology， Nanjing 210044， China）

Abstract： A distributed discretization optimal Sink mobile path finding method is proposed to improve the efficiency of network resource allocation for large?scale WSNs. A wireless sensor networks （WSNs） based on mobile Sink is introduced into the museum environmental monitoring. Each node does not need to collect routing information globally， and can collect data with distributed by overall consideration the quantity of neighbors， the distance from Sink and other factors. A new transformation matrix is constructed to transform the longest residence time problem under moving distance constraint into the shortest path problem under constraints. The standard Leach algorithm and mobile node algorithm are applied into the exhibition actual scene of the museum， and the execution time and the creation time of networks of the standard Leach algorithm and mobile node algorithm are compared. The results show that the mobile node algorithm can increase the creation time of networks， save the energy loss of each node， and remove the “energy hole” of the WSNs. It has strong application and promotion value， and is competent for the application of the museum scene.

Keywords： wireless sensor network; museum; environment monitoring; mobile Sink， multi?target localization; data collection

0? 引? 言

博物館里珍藏著大量的珍貴文物，這些文物是人類重要的文化遺產。博物館作為典藏、陳列和研究代表自然與人類文化遺產的場所，基本功能包含征集、保存、保護、研究、展覽和社會教育等[1?2]。博物館的存放環境對文物的保存有著至關重要的影響，對博物館環境參數的連續自動化監測有利于實時發現環境風險并及時調整[3]。目前，隨著無線通信技術、傳感器技術的快速發展，無線傳感器網絡技術成為研究焦點，已應用于不同環境下的監控系統[4?5]。

WSNs（Wireless Sensor Networks）是21世紀最重要的且具有巨大影響力的一項新興技術，是下一代網絡中的關鍵技術之一[6?8]。WSNs包括傳感器節點、匯聚節點和基站[9]三個部分。在傳統的如基于Leach協議的WSNs中，節點的位置是固定不動的，傳感器節點之間通過多跳或單跳方式傳遞信息，離Sink較近的節點需要承擔更多的通信負載，會導致能量加速耗盡，能量耗盡后這些節點便無法發揮作用，出現“能量空洞”現象[10]。

研究發現，通過在網絡中引入節點移動性可以解決“能量空洞”問題，移動節點充當數據匯聚節點（Sink）在網絡中游走，其自身的數據處理能力和存儲容量比一般傳感器節點高出許多，當其移動到傳感器節點的通信范圍時移動節點與傳感器節點進行單跳數據傳輸。由于通信距離較短，傳感器節點的能量損耗較低，可以降低節點數據傳輸帶來的能量損耗，延長節點的生存時間;同時，傳感器節點數據無需通過其他節點轉發到基站處，無需基站附近節點轉發數據而消耗能量，可以消除“能量空洞”問題。

1? 問題描述

定義一個端到端通信網絡[N（V，E）]，它由一系列節點[V]和節點之間的連接邊[E]組成。網絡中任何一個節點均可以被其他節點訪問，任意兩個節點之間最多通過一條有向邊連接。有向邊定義為[e=（u，v）∈E]，它有兩個非負值屬性[D（e）]和[C（e）]。[D（e）]表示該有向邊長度，而[C（e）]表示經過有向邊時的代價或者任何其他希望優化的尺度。移動Sink距離受限的最長網絡生存時間問題優化目標為：

1） 每輪移動距離小于等于設置值L;

2） 在目標1）的前提下，系統網絡生存時間最長;

3） 算法執行時間在可以接受的范圍內。

具體的數學形式化可以表示為：

[Maxi=1nti] （1）

[s.t.? Distance（Pi）=e∈PiD（e）≤L]? ?（2）

2? 求解方案

首先，利用整數線性規劃模型計算無移動距離約束條件下在各節點的停留時間;其次，構造轉換函數將移動距離約束下最長停留時間問題轉化為最短代價路徑問題;然后，最優路徑生成過程中，下一個節點的選擇無需采集全局路由信息，僅需在局部范圍內尋找;最后，將節點連接邊的長度進行離散化，降低搜索算法時間復雜度。分布式算法克服了線性規劃模型求解的缺陷，可以大大提高算法的執行速度。

2.1? 節點預篩選

WSNs中的節點由于其地理位置和鄰居節點的個數不同，其成為最優路徑停留節點的概率不同，有些節點甚至由于距離基站過遠，根本沒有成為停留節點的可能性。為了減輕后續算法的計算強度，先通過預篩選環節將不參與最優路徑節點選擇的節點進行排除，主要方式包括：

1） 將與Sink距離超過移動距離上限[12]的節點設置為不可選。

2） 通過構造節點的停留時間系數，將系數過小的節點設置為不可選。

構造計算各個節點的停留時間系數[Ki]：

[Ki=t·sqrt（Ne）+αL+β，? 1≤i≤n] （3）

式中：[t，α，β]為修正系數，根據具體網絡進行訓練獲得;[Ne]為當前節點一跳距離內鄰居節點個數;[L]為當前節點與Sink節點之間的距離。[Ki]與[L]成反比，即遠離Sink的節點成為根節點的概率小;[Ki]與[Ne]成正比，即鄰居多的節點成為停留節點的概率大。這需要各節點滿足：

[i=1necvi（vj）Kit1≤IE（vj），? vj∈v]? （4）

2.2? 節點停留時間計算

WSNs中的每個節點都是Sink停留的潛在位置。為了計算Sink在各個節點的停留時間[ti]，對于各個可能的停留節點[vi]，以[vi]為根節點構造廣度優先生成樹（Breadth?First?Search）[Ti]。令[Tv]，[v∈V]表示以節點為根節點構造的節點路由訪問生成樹，[cv（u）]，[u∈V]為生成樹[Tv]的節點的子節點個數，則無移動距離限制條件下網絡最長生存時間問題可表示為：

[Maxi=1nti]

其中，約束各節點能量消耗之和不超過初始能量，即：

[i=1necviti≤IE（vj） ，? 1≤j≤n ] （5）

顯然，目標函數式（5）可以在多項式時間內求解。

2.3? 最優移動路徑選擇

將[G（V，E）]每個節點[vi]看成是兩個節點[vi，1]，[vi，2]，兩個節點之間的權重（代價）為Sink在[vi]節點停留的時間長度。節點[vi]和[vj]之間的距離用邊[]的長度表示。Sink節點用[v1]表示，其余n個節點序號為從2～n+1。構造兩個矩陣[c（2n+2，2n+2）]和[dr（2n+2，2n+2）]。其中，[c]表示停留時間;[dr]表示節點之間的離散化距離。

3? 系統部署實現

3.1? 部署環境

南京市博物館是一座綜合性歷史藝術類博物館，是江蘇省南京市愛國主義教育基地。館址朝天宮是江南地區最大的官式古建筑群，是全國重點文物保護單位之一。每個展廳中部署20～30個傳感器節點，共200個。移動節點置于汽車上，電動汽車在博物館內道路上行駛，當電動汽車與展廳在通信范圍之內時，傳感器節點與移動節點進行數據通信，電動汽車的電池容量有限。節點的傳輸范圍是[Rmax=35 m]，初始能量[IE]為[50 J]，設定每個節點采集數據的速率[r=40 b/s]。

3.2? 算法實驗

實驗考察以下兩個方面：移動Sink網絡與標準Leach網絡性能對比;相同節點個數，不同移動距離上限Sink的移動路徑及最長生存時間。

1） 移動Sink方式與標準Leach性能對比

定義網絡存活時間為網絡從開始運行到所有節點全部死亡的時間。比較重要的指標包括：第一個節點死亡的時間、10%節點死亡的時間、80%節點死亡的時間。

從圖1可以看出，移動Sink在第175輪開始才有節點死亡，而Leach在第12輪就開始有節點死亡。這主要是由于長方形狹長環境中，Leach采用簇首與基站直接通信，道路出口處簇首距離基站較遠，遠距離傳輸數據快速消耗節點能量;而移動節點方式下，移動節點處于運動狀態，可以不停地改變數據采集中心點位置，避免“能量空洞”現象的發生，減少簇首節點與移動節點的通信開銷。通過通信方式的優化，可以降低網絡節點整體能耗，提高網絡生存時間。

2） 不同移動距離限制下路徑選擇

選擇其中的80個節點進行實驗，如表1所示。從表1可以看出，在不同的移動距離限制條件下，Sink節點的實際移動路徑不相同，移動上限值越大，網絡的生存時間越大。

圖2為不同移動距離上限運行結果。從圖中可以看出，隨著移動距離上限的增加，網絡生存時間和實際移動距離不是一直處于增長狀態。這主要是因為網絡生存時間由包括Sink移動距離上限、網絡中節點的初始能量、網絡中節點的部署和分布方式決定，當Sink移動距離上限超過一定值后，其他因素對網絡生存時間的影響將起主導作用，移動距離上限不再影響網絡的生存時間。

4? 結? 論

本文設計一種快速求解移動Sink最優路徑的方案，提出一種分布式離散化的最優Sink移動路徑求取算法。將標準Leach和移動節點兩種算法運用在博物館展覽館實際場景中，對兩種算法的執行時間和網絡生存時間進行了比較。結果表明，移動節點方式提高了網絡的網絡生成時間，節約了各節點的能量損耗，消除了無線傳感器網絡的“能量空洞”問題，具有較強的應用和推廣價值，能夠勝任博物館場景的應用。

參考文獻

[1] 何宏.國際博物館日主題與博物館社會功能再認識[J].文博，2013（1）：76?79.

[2] 王旭艷，鄭宜文，龔丹.博物館在現代公共文化服務體系中的功能定位及作用發揮：以上海地區的博物館、紀念館為例[J].博物館研究，2016（4）：40?48.

[3] 海鷗.物聯網技術在博物館環境監測中的應用[J].科技視界，2018（17）：9?11.

[4] 李軍，曾志平，張雯，等.基于LabVIEW 的嬰兒培養箱溫濕度檢測系統[J].重慶理工大學學報（自然科學版），2014（10）：86?89.

[5] 李金鳳，劉沁，張治國，等.基于無線傳感器網絡的礦井瓦斯監測系統[J].儀表技術與傳感器，2013（9）：73?76.

[6] MORCHE D， BERNIER C， SENTIEYS O， et al. HarvWSNet： A co?simulation framework for energy harvesting wireless sensor networks [C]// 2013 International Conference on Computing， Networking and Communications. San Diego： IEEE， 2013： 808?812.

[7] GADDAM A， MUKHOPADHYAY S C， SEN GUPTA G， et al. Wireless sensors networks based monitoring： review， challenges and implementation issues [C]// 2008 3rd International Conference on Sensing Technology. [S.l.]： IEEE， 2009： 533?538.

[8] JIMENEZ A， JIMENEZ S， LOZADA P， et al. Wireless sensors network in the efficient management of greenhouse crops [C]// 2012 Ninth International Conference on Information Technology?New Generations. Las Vegas： IEEE， 2012： 680?685.

[9] MO Q. A remark on the restricted isometry property in orthogonal matching pursuit [J]. IEEE transactions on information theory， 2012， 58（6）： 3654?3656.

[10] YAN J， YU K， CHEN R， et al. An improved compressive sensing and received signal strength?based target localization algorithm with unknown target population for wireless local area networks [J]. Sensors， 2017， 17（6）： 1246?1264.