信道與能耗感知的農田WSN機會路由優化方法

繆祎晟，趙春江，吳華瑞

(1.北京工業大學 信息學部， 北京 100124； 2.國家農業信息化工程技術研究中心， 北京 100097；3.農業農村部 農業信息技術重點實驗室， 北京 100097)

精準農業通過調節作物生長的環境、水肥等條件對作物生長進行有效調控，以達到減施、增效、高產、優質等目的，以無線傳感器網絡(wireless sensor network，WSN)技術為代表的物聯網技術可實現精準農業生產過程中環境、土壤、作物生理等的實時監測和科學調控，達到合理使用農業資源、降低生產成本、改善生態環境、提高農產品產量和品質的目的，是實現精準農業的重要手段。大規模農田無線監測網絡存在覆蓋區域廣、種植周期長、能量供給不便、環境復雜多變等問題與特點，如何實現穩定可靠的數據傳輸匯集是研究應用中的難點[1-2]。

穩定的網絡通信是農田無線傳感器網絡監測應用的基礎，而良好的無線信號傳播質量是網絡穩定通信的基礎，但在實際應用條件下，無線通信的工作條件十分惡劣，電波不僅會隨著傳播的距離的增加而發生彌散損耗，而且信號經過多點反射，會從多條路徑到達接收地點，同時還會受到周圍環境中其他電磁輻射源的干擾。在農田復雜環境無線傳感器網絡監測應用中，由于作物的生長使得無線信號的傳播環境發生巨大變化，而繁茂的作物枝葉與果實對無線信號產生的遮擋作用十分明顯，必須充分考慮作物生長變化對無線信號傳播的影響[3]。

路由協議作為網絡數據采集應用的重要環節對網絡性能影響巨大，是近年來WSN網絡數據匯集研究的熱點之一[4-5]。在農田WSN應用中，農田多徑衰落信道使得網絡節點感知半徑的不規則概率分布，在概率信道條件下網絡節點間的鏈路也有別于傳統確定性感知信道鏈路而表現為概率連通，在概率連通鏈路條件下，傳統的確定路由選擇方法可能需要多次重傳才能保證數據正確投遞，對于高密度的無線傳感器網絡而言，重傳數據的提升可能還會進一步導致網絡阻塞問題，對網絡傳輸可靠性造成影響，因此適用于農田概率鏈路的路由傳輸方法是有待研究的重點。農田無線傳感器網絡是一種典型的資源受限網絡，其計算、存儲、供電、通信、網絡帶寬等方面資源十分有限，如何在資源受限條件下實現數據的可靠傳輸是農田WSN路由方法需要解決的問題。

1 農田WSN機會路由研究現狀

雖然農業無線傳感器網絡為節點位置固定的靜態網絡，但由于作物密集遮擋與生長變化等造成無線鏈路狀態隨環境動態變化，復雜多徑傳播的小尺度效應使得農業監測網絡節點間呈現為鏈路概率連通的機會網絡。而農業機會傳感網絡的拓撲根據環境、作物生長等不同隨時間動態變化，使得傳統固定路由方法不再適用于機會傳感網絡[6]。目前機會網絡研究成果主要可分為兩方面，一類機會網絡研究主要針對移動網絡中的“存儲-攜帶-轉發”路由模式實現節點間的通信，能夠處理網絡分裂、時延等傳統無線網絡技術不能解決的問題[7]。另一類是麻省理工學院的Biswas 等人于2004 年首次提出的概率信道機會路由概念。農田場景下作物密集遮擋與生長變化等造成無線鏈路動態等不可預見性，使得監測網絡節點間呈現間歇性連通關系，屬于典型的概率信道場景[8]。

概率信道機會路由是近年的研究熱點，其基本思想是利用信道廣播特性通過多個潛在中繼節點競爭，從鏈路可靠性、節點開銷、路徑開銷等角度進行下一跳節點選擇，有效提高了網絡吞吐量和傳輸可靠性。基于最短路徑的機會路由算法如ExOR(extremely opportunistic routing)、SOAR(simple opportunistic adaptive routing)、CBF(cluster-based forwarding)、GeRaF(Geographic random forwarding)等，如ExOR采用路徑平均傳送次數期望ETX(expected transmission count)進行中繼轉發節點選擇，而GeRaF算法則基于本次中繼傳輸節點與sink的距離進行優先級排序[5，9]。而基于迭代策略的機會路由如LCOR(least-cost opportunistic routing)、OAPF(opportunistic any-path forwarding)、BitSOR(bit-rate selection for opportunistic routing)等，算法考慮每個備選轉發節點的下一跳備選轉發節點集及其鏈路質量等因素，通過迭代方式計算端到端多路徑加權平均代價，可客觀地反映出一個機會路由協議的分組轉發狀況，從而更合理地優化轉發節點集及各備選轉發節點的優先級。上述機會路由算法主要從鏈路質量或路徑距離等方面對網絡性能進行優化。還有一些面向能耗優化的機會路由方法，LCOR(least-cost opportunistic routing)算法[10]討論了期望投遞次數與能耗之間的關系，并提出了一種期望能耗最小的機會路由方法；EEOR-FL(energy efficient opportunistic routing using a new forward list)算法根據環境與節點能耗期望建立并選擇中繼列表節點[11]。該類機會網絡路由方法主要是進行轉發優先排序選擇的路徑選擇方法，雖然利用了無線通信的多播效應，但最終實際的數據傳輸還是點對點路徑，而且在優先排序轉發過程中需要大量的監聽等待以保證傳輸可靠性[8]。高宏超等[12]提出的EDOR(balance of energy and delay opportunistic routing protocol)算法分析了機會轉發策略中的能耗與延時代價，提出了基于預期能耗排序的機會路由算法。該類機會網絡研究針對的是固定節點間歇連通鏈路的可靠傳輸方法，在利用無線多播效應提高傳輸效率方面仍有較大的提升空間。一般情況下傳輸效率、可靠性、能耗等性能互相制約，近年來研究人員針對數據監測時延要求不高的應用場景對時延容忍下的網絡優化開展了相應研究，使得傳輸效率、可靠性、能耗等性能均衡提高成為可能[13]。

但上述研究均未針對農業場景，也沒有考慮特定場景下的信號傳播特性，也沒有進行鏈路連通概率分析，因此對于數據投遞率的部分均是針對設定的理想模型。在農田監測應用中，地形、密集生長的作物等均會對無線信號產生顯著影響[3]，而農作物的生長變化使得信道環境呈現動態特性，在農田信道模型的基礎上，研究人員提出了網絡鏈路參數預測方法，主要包括分組接收率(packet receive rate，PRR)和期望傳輸次數(expected transmission count，ETX)等鏈路層參數。相較于信號強度和信噪比等直接表征數據包正確接收并解析的參數，PRR可以較好地反映鏈路的通信質量，Bangotra等[14]考慮了鏈路質量的不對稱特性，在PRR的基礎上提出期望分組傳輸次數指標，其通過計算端到端正反向鏈路PRR 得到，ETX 作為鏈路質量度量標準，在匯聚樹和動態原路由等協議中廣泛使用。

綜上所述，傳統機會路由的思想是利用了無線信道的廣播特性解決了其質量的時變性問題，進而有效地提高了網絡性能。但由于能量受限是限制農業無線傳感器網絡應用的瓶頸問題，而機會路由的廣播中繼轉發方法并不是一種能耗性能優先算法。因此，在農田WSN機會路由設計中，尤其應把降低與均衡能耗作為研究的重點。本文主要針對討論農田復雜環境下概率連通信道的傳輸可靠性問題，從鏈路質量與網絡能量均衡的角度出發，研究提出一種基于農田環境信道模型的能耗感知機會路由方法研究，通過選擇最小期望剩余能量最高的路徑，在滿足較好的數據吞吐量、傳輸可靠性前提下，有效降低與均衡節點能耗，延長網絡壽命。

2 網絡模型與假設

2.1 網絡模型

討論的農田無線傳感器網絡場景假定有N個傳感節點隨機地被部署在一個X*Y的二維矩形區域內，同時假定該無線傳感器網絡具有如下性質[1，3-4]：

1) 網絡屬于密度較高的靜態網絡，即傳感節點部署后位置保持不變，節點密度足以保證網絡連通性以及對監測區域的覆蓋度。

2) sink節點位置固定且唯一，其無線發射功率可控且能量不受限制。

3) 傳感節點類型同構，初始能量均相同為E0，且不能補充。

4) 傳感節點每輪消耗的能量不一定相同，即能量異構。

5) 節點具有自我能量感知能力，可獲得剩余能量數據。

6) 對于節點間鏈路概率連通的農田WSN場景，采用固定路由方式可能會由于鏈路中斷而引起頻繁重傳，增大網絡開銷。為此本文模型中采用機會傳輸方式[5-7]，即存在多條可能的機會傳輸路徑，節點根據預設的機會傳輸策略進行中繼轉發協調，機會傳輸示意圖如圖1所示。

圖1 機會路由傳輸示意圖

2.2 信道模型

由于農田復雜多徑信道環境使得信號強度與通信質量呈現較大的不確定性，其網絡鏈路呈現為概率連通特性。在確定感知信道模型的基礎上，采用數據分組接收率定義網絡鏈路的連通概率，構建網絡連通概率模型[15]。

(1)

式中：RSSIrx為接收端信號強度；dTHL與dTHH為確定感知的上下界半徑；d為收發節點間距離；γ為接收端信噪比；l為數據幀的大小。

2.3 能耗模型

基于文獻[5]的無線通信能耗模型進行修正，考慮到概率信道模型中存在隨機分量X，忽略距離較近時的多徑概率衰減效應，則認為節點發送l比特數據需要消耗的能量Etx為

(2)

3 信道與能耗感知的機會路由方法

ExOR等機會路由算法沒有考慮網絡能耗均衡問題，LCOR等算法僅對候選轉發節點進行期望能耗估計，在一些關鍵路徑上的節點會以更高的概率和頻率成為中繼轉發節點，加速能量消耗，而造成關鍵節點死亡，進而導致網絡結構迅速破壞。為此，提出一種信道與能耗感知的機會路由方法(channel and energy-consumption based opportunistic routing，CECOR)，將節點的中繼能耗代價與節點剩余能量進行綜合加權，從而改進候選轉發集的構建與排序方法。

3.1 節點機會中繼能耗代價估計

3.1.1當前機會路徑能耗代價估計

對于任意一次數據傳輸，若源節點Ns到目標節點Nt之間存在的可能路徑均含于G，則采用機會傳輸路由策略，并按如下步驟進行候選轉發集構建。對于傳輸路徑上的某節點i及其候選轉發節點集FL(i)，其成為機會傳輸路徑后的網絡整體能耗期望為：

ECl=AECi+RECi，FL(i)

(3)

式中：AECi表示數據從節點i到被其候選轉發集中繼的能耗，即為當前機會路徑能耗代價；RECi、FL(i)表示從節點i的候選轉發節點集轉發后直至到達目標節點的能耗期望，即為剩余機會路徑能耗代價。

因為節點i為廣播發送，其單次廣播能耗固定，因此AECi取決于數據重發次數。即有：

(4)

式中：pij為節點i到節點j的連通概率；r為一跳傳輸距離；k為傳輸比特數。

3.1.2剩余機會路徑能耗代價估計

當節點i的候選轉發集節點收到來自節點i的數據包時，FL(i)中的節點將按預設的優先級順序進行數據中繼轉發，排在前面的候選轉發節點優先對數據進行接收和轉發，當優先級較高的候選轉發節點未能正常中繼數據時，后續節點才依次進行中繼。亦即，當某一候選轉發節點完成數據中繼轉發時，FL(i)中排序在其后的節點同時放棄該次轉發任務并丟棄接收到的數據。關于FL(i)中的排序問題，將在3.2節進行介紹。節點i的剩余機會路徑能耗代價估計方法如下：

當FL(i)中排序第1的節點成功轉發數據時的剩余機會路徑能耗代價為：

(5)

式中：EC1=(Etx(k，r)+|FL(i)|·Erx)；|FL(i)|為候選轉發集中的節點數量。

同理可得，第FL(i)中排序第j的節點成功轉發數據時的剩余機會路徑能耗代價為：

(6)

其中，ECj=(Etx(k，r)+(|FL(i)|-j+1)·Erx)。

綜合式(5)(6)，可得節點i的剩余機會路徑能耗代價為：

(7)

因此，節點i的機會轉發總能耗代價為：

(8)

3.2 候選轉發集構建與優先級排序

根據3.1中推導可知，當候選轉發集中的節點數量增加時，總體的傳輸成功率會隨之增加，但隨著監聽節點的增加，總能耗代價也會隨之增加。因此，為控制候選轉發集的節點數量，在利用EXOR機會路由算法得到初始化候選轉發集基礎上，將該初始候選轉發集作為節點i鄰居節點，通過迭代得到最終候選轉發集。而在迭代過程中判斷節點i的當前初始候選節點是否應該加入最終候選轉發集時，如果加入該節點到候選轉發集會使發送節點的傳輸代價減小，則在策略上將該節點加入節點i的候選轉發集；反之，加入當前初始候選節點會使節點i的傳輸代價增加，則不該在最終候選轉發集中加入該節點。

在候選轉發集優先排序方面，提出節點剩余能量和轉發期望代價加權的中繼節點轉發協調方法：

(9)

式中：ECi為節點i的期望轉發代價；REj為節點i候選轉發集中節點j的剩余能量；α、β分別為權重系數。

4 實驗仿真與結果分析

為對本文方法的性能進行驗證，仿真環境采用Matlab，系統仿真參數設定如表1所示。

表1 仿真參數

選擇LCOR[10]、IOP[14]、IPOR-OE[16]算法進行性能對比，其網絡節點存活曲線如圖2所示。從圖中可以看出，IOP算法大約20輪出現死亡節點，約30輪時死亡節點比例達到30%，到約80輪時約有10%的節點存活，直至約140輪時節點全部死亡。在IPOR-OE算法中，第1個死亡節點大約出現在40輪左右，約50輪時死亡節點比例達到30%，到約100輪時有10%的節點存活，直至約200輪時節點全部死亡。在LCOR算法中，第1個死亡節點大約出現在40輪左右，約120輪時死亡節點比例達到30%，到約220輪時有10%的節點存活，直至約200輪時節點全部死亡。在本文提出的CECOR算法中，第1個死亡節點大約出現在160輪左右，約260輪時死亡節點比例達到30%，到約320輪時有10%的節點存活，直至約480輪時節點全部死亡。以30%節點死亡時間作為網絡生命周期[4-6]，從圖2中可以看出，CECOR算法的網絡生命周期約為LCOR的2.2倍、IPOR-OE的5.2倍、IOP的8.7倍，在網絡生命周期性能方面CECOR明顯優于其他3種算法。

圖2 不同算法的存活節點數量變化曲線

網絡節點能量均方差如圖3所示。IOP算法中，網絡節點能量均方差在20輪前后達到最大值0.032 J，隨后開始迅速下降，在約150輪時節點能量均方差降為0。在IPOR-OE算法中，網絡節點能量均方差在約50輪時達到最大值0.034 J，隨后開始迅速下降，在約200輪時節點能量均方差降為0，其曲線上升下降的斜率和IOP算法基本相當。在LCOR算法中，網絡節點能量均方差在約90輪時達到最大值0.022 5 J，隨后開始逐步下降，在約240輪時節點能量均方差降至0。在CECOR算法中，網絡節點能量均方差首先隨輪數增大逐步增大，曲線上升斜率小于其他3種算法，在約280輪時達到最大值0.017 5 J，隨后開始下降，在約400輪時節點能量均方差降至0。從網絡節點能量均方差結果來看，CECOR算法的能耗均衡性最好，其次是LCOR算法，IOP和IPOR-OE算法的節點能耗均衡性相對較差。而圖3中的曲線拐點處也基本對應為節點開始死亡時間，即一開始部分節點能量迅速消耗，相應的節點能耗均方差也逐步上升，隨著部分節點的快速死亡，其余節點的能耗均方差逐步回落。從整體上看，CECOR算法的能耗均方差明顯低于其余3種算法，其最大能耗均方差分別是LCOR的3/4、IPOR-OE和IOP的1/2，可以認為CECOR算法從節點剩余能量角度對機會路由算法進行的能耗均衡改進取得了顯著效果。

圖3 不同算法的平均能耗方差變化曲線

4種算法的網絡重傳率如圖4所示，從圖中可以看出，各算法前期的網絡重傳率均為1%左右，但隨著網絡輪數的增加，出現明顯陡增，重傳率增加到5%～8%。陡增出現的輪數各有不同，LCOR算法出現在80輪左右，IOP算法出現在100～120輪，IPOR-OE算法出現在150～170輪，CECOR算法出現在約260輪處。

圖4 不同算法的重傳率曲線

對比圖2、3可知，圖4中重傳率的上升和陡增與存活節點數量變化存在明顯的對應關系，因為存活節點數量的減少，對原有網絡結構造成破壞，進而造成了重傳率的提高。

5 結論

路由協議作為網絡數據采集應用的重要環節對網絡性能影響巨大，是近年來WSN網絡數據匯集研究的熱點。針對農田復雜環境概率信道下數據穩定可靠傳輸問題，在傳統機會路由的基礎上充分考慮能量有限約束，根據節點轉發能耗期望和節點剩余能量進行候選轉發集加權排序，結果顯示：相對于傳統算法IOP、IPOR-OE、LCOR提高了節點間能耗均衡效果，延長了網絡生命周期，實現了農田復雜環境下的無線傳感器網絡高效可靠數據匯集。后續研究的重點為在農田生產決策、水肥管理、病蟲害預警應用中考慮圖像、音視頻等多媒體數據的源異構的高并發可靠傳輸問題。