基于智能尋徑機制的WSN傳輸路徑穩定算法

程 龍

(恩施土家族苗族自治州中心醫院，湖北 恩施 445000)

0 引言

無線傳感網(WSN,wireless sensor network)作為近年來國家主推的制造業核心升級技術之一，正在新冠疫情防控、制造鏈升級、區塊鏈技術等新產業前沿領域進行深度融合[1]。無線傳感網在部署過程中需要采取預部署模型，將工業化制式節點散布在一定的地理區域內并形成采集-匯聚結構，網絡工作時將受到sink節點的控制[2-3]。一般而言，制式節點采取電池供電，因此可適用于各種較為復雜的部署環境。不過，由于無線傳感節點的能量消耗較高時，節點工作將受到嚴重的影響，使得數據采集及匯聚出現抖動現象[4-5]。

為解決無線傳感網在能量消耗較高時出現的傳輸抖動現象，研究者提出了一些傳輸路徑穩定方案，可起到穩定數據傳輸的效果[6]。文獻[7]基于聚類機制，提出了一種可降低傳輸抖動的WSN傳輸路徑穩定算法，其采取聚類方案對傳輸路徑予以聚合，傳輸路徑出現抖動時將從聚類中切換出一條可達路徑，因而具有傳輸路徑搜尋效率較高的特點，數據穩定傳輸性能較強。但是，該算法需要花費較多時間對可達路徑進行搜尋，網絡數據傳輸較高時將會出現較為嚴重的擁塞現象，降低了算法的適用性能。文獻[8]采取廣播機制，提出了一種基于路由重構方案的WSN傳輸路徑穩定算法，通過廣播Hello數據報文對路徑予以搜尋，結合擁塞緩存控制方式對路徑予以優化，能顯著降低節點能耗，傳輸路徑較為穩定。然而，由于該算法需要對全網節點進行一一遍歷，使其復雜度較高，使得算法在數據報文數量較多時難以進一步提升穩定性能。文獻[9]基于節點更新機制，提出了一種可顯著降低算法復雜度的WSN傳輸路徑穩定算法，算法將承擔數據傳輸任務的中繼節點予以備份，并在中繼節點失效前及時選取具有穩定傳輸性能的節點作為下一任節點，顯著提高了網絡鏈路的抗抖性能，具有路徑較為穩定的特點。但是，該算法在節點處于移動狀態時同樣具有節點衰減較快的特點，易發生區域性傳輸抖動現象，對部署環境的要求較高。

為了解決上述問題，提出了一種基于智能尋徑機制的WSN傳輸路徑穩定算法。首先，采用備用模式并結合能量、角度等因子提升網絡對抖動現象的抑制能力，降低因備用節點選取不當而導致的區域癱瘓現象，穩定網絡傳輸性能。隨后，為進一步提升備用節點有效性，采取動量優化模型對備用節點予以篩選，及時消除能量性能不佳的備用節點，進一步優化網絡傳輸路徑。最終采取MATLAB仿真實驗環境，證明了本文算法的性能。

1 本文WSN傳輸路徑穩定算法

針對傳統研究中存在的路徑穩定性與傳輸穩定性難以兼容的不足，特別是路徑在傳輸穩定過程中收斂性不強的問題，本文設計了一種新的基于智能尋徑機制的WSN傳輸路徑穩定算法。該算法主要由兩部分構成：①基于能量-角度刺激機制的區域路徑收斂方法。該方法主要兼顧能量及傳輸角度優化鏈路，解決因能量受限而導致鏈路抖動的問題。②基于動量優化機制的路徑集約方法。該方法主要采取隨機方式對中繼節點能量消耗予以優化，降低路徑因能量受限而出現抖動。詳細設計如下。

1.1 基于能量-角度刺激機制的區域路徑收斂

采用隨機布撒模型將無線傳感網節點布置于矩形區域中，見圖1，另設任意節點能量及處理能力均等價。sink節點被放置于中心位置，任意節點均可以特定通信加密信道與sink節點進行交互。sink節點統一對區域內節點及拓撲予以調度。此外，無線傳感節點處于自組模式，將能夠隨時與sink節點進行數據通信，從而便于網絡完成數據自組織過程，增強網絡節點對區域的傳感能力。

圖1 無線傳感網節點分布圖

此外，無線傳感網滿足如下假設：

1)各節點間均可以自組織方式成網，sink節點僅起管理作用，并對網絡數據流量進行調度

2)sink節點處于核心節點地位，可通過無線信道對節點予以充能。

3)無線傳感網網絡遵循時變特性，需要定時休眠以確保網絡可安全平穩運行。

由于制式節點易出現聚類現象[10-11]，節點在數據傳輸過程中一般會根據路徑使用強度優先篩選被多個節點共享的路徑[12-13]，因此本文算法主要采取能量激勵方式，兼顧傳輸角度因素，設計了區域路徑收斂方法如下。

Step 1：網絡中節點個數為N，處于熱點狀態的節點個數為M，第i號節點為第i個處于熱點狀態的節點。由于熱點的能量消耗較高，易出現抖動，因此首先對第i號節點進行刺激，以便盡量防止該節點處于抖動狀態。刺激開始時，第i號節點將自身一跳范圍內的能量剩余最高的節點作為備用節點，見圖2，刺激方式如下：

圖2 基于能量-角度刺激機制的區域路徑收斂方法

(1)

其中:Ri(k,t)表示第i號節點在第k次刺激過程中可搜尋到備用節點的概率，αi(t)表示t時刻第i號節點的能量剩余，βi(t)表示t時刻第i號節點的覆蓋半徑。αj(t)表示第k次搜尋時第i號節點一跳范圍內的能量剩余最高節點，βj(t)表示t時刻第i號節點的最大散射角度。a和b為調整系數，滿足如下模型：

a+b=1

(2)

Step 2：針對模型(1)的刺激模型，按如下方式予以收斂：

(3)

vi(t)=|(xi,yi),(xj,yj)|

(4)

其中:vi(t)表示第i號節點的動量，(xi,yi)表示第i號節點的當前地理坐標，(xj,yj)表示第i號節點一跳范圍內能量剩余最大節點的當前地理坐標。

Step 3：對Step 2中所提模型予以迭代，當僅當兩者處于收斂狀態未知：

βi(t,k)=aβi(t,k-1)+bβi(t,k-1)

(5)

vi(t,k)=avi(t,k-1)+bvi(t,k-1)

(6)

其中:k表示迭代周期。

Step 4：當僅當滿足如下條件時，流程結束：

(7)

其中:ω表示任意所給定的不為0的實數。

基于能量-角度刺激機制的路徑收斂方法執行完畢后，所選的備用節點將為剩余能量最大的節點，且處于當前節點的散射角范圍之內，能夠順利的完成數據的一次傳輸，使得網絡路徑散射現象得到有效抑制。網絡鏈路即將處于抖動時將能夠及時切換至備用節點，從而提高區域路徑收斂質量，降低因能量受限而導致數據傳輸受阻。

此外，從上述分析可看到，通過能量及角度兩方面對傳輸策略予以優化，能顯著提高節點抗抖性能，這是由于節點在進行數據傳輸時散射角越小，其傳輸信道將能夠保持較高的傳輸性能。結合能量因素，即可大大提高網絡路徑收斂質量，降低因數據傳輸波動而導致網絡傳輸路徑出現抖動，以增強網絡傳輸能力。

1.2 基于動量優化機制的路徑集約

通過節1.1所示的區域路徑收斂方法，雖然所選取的備用節點具有能量最優的特點。不過，單純采用該方法可能導致備用節點的能量消耗過高[14-16]，從而使得備用節點在加入網絡傳輸時即有一定概率處于受限狀態。鑒于此，考慮到傳輸路徑現象，設計了基于動量優化機制的路徑幾月方法，見圖3。詳情如下。

圖3 基于動量優化機制的路徑集約過程

Step 1：針對區域路徑收斂過程中可能出現的受限現象，因此引入動量機制對備用節點予以路徑集約，規避備用節點受限而出現抖動現象。集約模型如下：

Pi(t)=aδi(t)+bζi(t)

(8)

(9)

其中:Pi(t)表示備用節點的動量，E0表示備用節點的最小可工作能量，Emax(t)表示路徑中節點最大的能量剩余值，Emin(t)表示路徑中節點最小的能量剩余值。ζi(t)表示信道噪聲，一般為高斯噪聲、拉普拉斯噪聲、萊斯噪聲。

Step 2：按動量Pi(t)對路徑中全部備用節點予以排序操作，將當前能量低于最小能量剩余值的節點進行剔除，見圖2，算法結束。

完成基于動量優化機制的路徑集約方法后，備用節點在被替換為主節點時將不會出現能量受限現象，因此路徑集約化程度得以提高，進一步提高了算法的穩定性能。

此外，算法在基于動量優化過程中，能夠將部分動量條件較差的節點及時剔除出傳輸路徑，通過該方式能夠將可能出現受限狀態的網絡鏈路予以及時發現，從而大大增強網絡對傳輸抖動現象的抵抗能力，提升算法對復雜環境的適應性。

2 仿真實驗

為便于對比本文算法的性能，采用MATLAB仿真實驗環境[17-18]，與當前常用的基于能量管理及路徑優化機制的WSN傳輸路徑穩定算法[19](EED-EM算法，Elevated Ensemble Dynamic Energy-Aware Routing Optimization Based Energy Management and Network Lifetime Improvement in WSN)和基于概率貪心機制的3維WSN傳輸路徑穩定算法[20](3D-TC算法，WSN Deployment Strategy for Real 3D Terrain Coverage Based on Greedy Algorithm with DEM Probability Coverage Model)進行對比。考慮不失一般性，節點模型采用隨機撒點方式，節點數據傳輸帶寬不低于4 Mbps，網絡部署區域為矩形，大小為2 048 m×2048 m，網絡分區數量不低于24個，節點調制模型采用當前通用的256 PSK調制模式[21]，sink節點為1個，信號成型頻率為1.024 MHz，節點通信半徑不低于20 m。詳細仿真參數如表1所示。

仿真指標采取路徑累計抖動頻次和網絡傳輸帶寬兩項具體如下。

路徑累計抖動頻次：網絡運行過程中，按網絡運行時間逐步對存量拓撲予以累計統計所得到的的抖動次數，該次數越低說明網絡傳輸路徑穩定性能也就越強。

網絡傳輸帶寬：網絡運行過程中，按照網絡運行時間，統計匯入sink節點的帶寬大小，該數值越大說明網絡傳輸能力也就越高。

仿真實驗過程中，將節點傳輸帶寬設置為不低于4 Mbps，其中高斯信道中節點傳輸帶寬與拉普拉斯信道及萊斯信道中節點傳輸帶寬保持一致。路徑累計抖動頻次方面測試過程中，節點傳輸帶寬為10.48 Mbps；網絡傳輸帶寬測試過程中，節點傳輸帶寬設置為4.8 Mbps，以便能夠較為準確的獲取相關數據。網絡分區數量采用隨機模式，數量不低于24個。節點通信半徑設置為24 m，節點布設密度設置為固定模式，密度為12個/百m2。其余仿真參數同表1。

表1 仿真參數表

此外，在結果捕獲方面，按在10 min為尺度，逐秒統計sink節點捕獲的節點及鏈路數據，解析出路徑抖動及當前網絡傳輸帶寬，按照分鐘尺度分別將路徑累計抖動頻次和網絡傳輸帶寬作為縱軸，將網絡運行時間作為橫著，從而得到如下所示的路徑累計抖動頻次仿真測試圖和網絡傳輸帶寬測試結果。

2.1 路徑累計抖動頻次

圖4為本文算法與EED-EM算法及3D-TC算法在路徑累計抖動頻次方面的仿真對比。由圖可知，本文算法具有路徑累計抖動頻次較低的特點。這是由于本文算法通過基于能量-角度刺激機制的區域路徑收斂方法，所篩選的備用節點具有能量較高的特點，可顯著降低因能量消耗而導致路徑出現抖動的現象。特別是本文算法采取動量優化機制對可能出現受限現象的備用節點予以剔除處理，能夠提升備用節點傳輸質量，因而路徑累計抖動頻次較低。EED-EM算法主要基于能量優化機制對路徑予以改善，路徑中的中繼節點選擇存在盲目性，無法進一步在動量層次對節點予以二次優化，使得路徑在正常傳輸過程中也容易出現抖動現象，降低了網絡傳輸性能。3D-TC算法基于貪心機制，采用三維方案對備用節點予以更新，然而由于該算法備用節點為靜態模型，實時性較差，性能上易出現受限現象，因此該算法的路徑累計抖動頻次亦要低于本文算法。

圖4 路徑累計抖動頻次

2.2 網絡傳輸帶寬測試

圖5為本文算法與EED-EM算法及3D-TC算法在網絡傳輸帶寬方面的仿真對比。由圖可知，本文算法具有網絡傳輸帶寬較高的特點，說明本文算法傳輸路徑穩定性能卓越，具有很強的數據傳輸能力。這是由于本文算法采用動量方式，網絡出現抖動時可以選擇性能卓越的備用節點對當前路徑予以優化，因而路徑傳輸能量較強，網絡傳輸帶寬也隨之得到優化。EED-EM算法在備用節點更換后將采用重傳輸模型，使用累計模式對數據予以重傳輸，傳輸過程中需要頻繁根據路徑收到的傳輸報文以便對傳輸路徑予以重定向，因而路徑抖動時將會導致網絡出現嚴重的擁塞現象，降低了網絡傳輸帶寬。3D-TC算法采用靜態模型對備用節點予以歸納，需要預先針對傳輸路徑中較為穩定的節點進行一一備份，存在路由變化較低的特點，使得路徑難以針對諸如擁塞、重傳輸等異常予以路徑預判，傳輸能量較低，預判過程中選取的節點普遍存在能量易受限的特點，出現路徑抖動現象時存在備用節點實時性較低的特點，因此該算法的網絡傳輸帶寬亦要低于本文算法。

圖5 網絡傳輸帶寬

3 結束語

針對無線傳感網部署過程中存在的傳輸路徑穩定性問題，提出了一種基于智能尋徑機制的WSN傳輸路徑穩定算法。該算法主要從節點備份、能量、動量等維度優化路徑，有效降低網絡出現抖動時所導致的路徑抖動頻繁、網絡傳輸帶寬下降等問題。此外，所提算法亦考慮到動量因素，進一步從能量維度對網絡予以二次優化。仿真實驗表明，所提算法網絡傳輸能量較強，具有很好的傳輸路徑抖動抑制能力。

下一步，將積極考慮結合移動路徑搜尋算法，擬提升所提算法在5G部署領域內的適用性，進一步增強無線傳感網對超高速移動環境的適應能力。