何世鈞，謝圣東，熊中敏，唐瑩莉，李 煜

(上海海洋大學(xué)信息學(xué)院，上海201306)

0 引言

隨著制造工藝的提高和集成電路技術(shù)的不斷進(jìn)步，傳感器節(jié)點(diǎn)中傳感模塊和處理器模塊的功耗已經(jīng)變得很低，節(jié)點(diǎn)的主要能耗在無(wú)線通信模塊上［1］。由于傳感器節(jié)點(diǎn)的能量由電池提供并且難以得到補(bǔ)充，所以，功率控制技術(shù)是無(wú)線傳感器網(wǎng)絡(luò)(WSNs)中的一個(gè)重要研究課題［2］。其中，鄰居節(jié)點(diǎn)級(jí)功率控制技術(shù)因其靈活性和分布式的特點(diǎn)成為功率控制技術(shù)中的一個(gè)研究熱點(diǎn)。

鄰居節(jié)點(diǎn)級(jí)功率控制技術(shù)是指在保證網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)連通的基礎(chǔ)上，每個(gè)節(jié)點(diǎn)使用可覆蓋鄰居節(jié)點(diǎn)的功率值發(fā)送數(shù)據(jù)，使節(jié)點(diǎn)的能量消耗最小，從而降低網(wǎng)絡(luò)整體能耗。近年來(lái)，已提出的WSNs功率控制算法較多。文獻(xiàn)［3］提出了本地平均(local mean algorithm，LMA)算法和本地鄰居平均(local mean of neighbors，LMN)算法，這兩種算法雖然通過(guò)少量的局部信息使網(wǎng)絡(luò)性能達(dá)到了一定程度的優(yōu)化，但是調(diào)整和收斂速度很慢且存在很大的冗余。文獻(xiàn)［4］提出了基于控制理論中的PID控制鄰居節(jié)點(diǎn)算法，該算法在網(wǎng)絡(luò)啟動(dòng)能耗和時(shí)耗上有了進(jìn)一步優(yōu)化，但是局限性在于PID參數(shù)在整個(gè)控制過(guò)程中是不可調(diào)的，算法不能對(duì)發(fā)射功率進(jìn)行實(shí)時(shí)有效的調(diào)整。

為此，本文建立了WSNs傳輸功率模型，并提出了一種基于單神經(jīng)元PID的WSNs鄰居節(jié)點(diǎn)級(jí)功率控制算法，能對(duì)網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的發(fā)射功率進(jìn)行實(shí)時(shí)地調(diào)整且收斂速率較快，達(dá)到有效降低網(wǎng)絡(luò)能耗的目的。

1 算法模型

1.1 單神經(jīng)元PID控制

神經(jīng)網(wǎng)絡(luò)具有強(qiáng)魯棒性、容錯(cuò)性、并行處理、自學(xué)習(xí)等特點(diǎn)，本文將神經(jīng)元模型和PID 控制器結(jié)合并形成了具有自適應(yīng)能力的單神經(jīng)元PID鄰居節(jié)點(diǎn)級(jí)功率控制算法，能夠根據(jù)網(wǎng)絡(luò)的變化情況實(shí)時(shí)地調(diào)整節(jié)點(diǎn)的發(fā)射功率，解決了PID控制算法中PID參數(shù)不可調(diào)的問(wèn)題。該算法的控制結(jié)構(gòu)圖如圖1所示。

圖1 控制結(jié)構(gòu)圖Fig 1 Diagram of control structure

其中，e(k)為偏差信號(hào)，是教師信號(hào);x1(k)=e(k)，x2(k)=e(k)-e(k-1)，x3(k)=e(k)-2e(k+1)-e(k-1);wi(k)為k時(shí)刻狀態(tài) xi(k)所對(duì)應(yīng)的權(quán)值;ηI，ηP，ηD分別為積分、比例、微分的學(xué)習(xí)速率;KU為神經(jīng)元的比例系數(shù)，KU＞0。

1.2 WSNs傳輸功率模型

其中，RSSI為節(jié)點(diǎn)的接收信號(hào)強(qiáng)度指示，dBm;PT為無(wú)線信號(hào)的發(fā)射功率，dBm;r為收發(fā)節(jié)點(diǎn)之間的距離，m;n為路徑損耗指數(shù)，它的大小與環(huán)境相關(guān)［7］。由式(4)可知，在相同發(fā)射功率下，RSSI隨著通信距離增大而明顯降低，當(dāng)RSSI降到一定值時(shí)，節(jié)點(diǎn)間的鏈路質(zhì)量會(huì)很差，通信就可能發(fā)生中斷。

本文采用RSSI作為鄰居節(jié)點(diǎn)是否存在的依據(jù)，當(dāng)接收節(jié)點(diǎn)的RSSI大于閾值Rth時(shí)認(rèn)定其為鄰居節(jié)點(diǎn)。節(jié)點(diǎn)通過(guò)保持一定的鄰居節(jié)點(diǎn)個(gè)數(shù)保證網(wǎng)絡(luò)的連通性，在文獻(xiàn)［8］中已有相應(yīng)的證明，即

其中，Plink為網(wǎng)絡(luò)的連通率，Nneighbor為節(jié)點(diǎn)的鄰居節(jié)點(diǎn)個(gè)數(shù)，m為網(wǎng)絡(luò)中存在的節(jié)點(diǎn)個(gè)數(shù)。

每個(gè)節(jié)點(diǎn)所需的鄰居節(jié)點(diǎn)數(shù)隨著網(wǎng)絡(luò)中生存節(jié)點(diǎn)個(gè)數(shù)的變化而變化，本文以RSSI為判斷依據(jù)，將RSSI和網(wǎng)絡(luò)連通率形成關(guān)聯(lián)，建立WSNs傳輸功率模型。在保證網(wǎng)絡(luò)連通性的前提下實(shí)時(shí)控制鄰居節(jié)點(diǎn)數(shù)，調(diào)整節(jié)點(diǎn)發(fā)射功率以降低網(wǎng)絡(luò)能耗。

2 基于單神經(jīng)元PID的功率控制算法

該算法分為網(wǎng)絡(luò)初始化、功率調(diào)整和動(dòng)態(tài)實(shí)時(shí)跟蹤三個(gè)階段。算法執(zhí)行流程如圖2所示。

圖2 算法流程圖Fig 2 Algorithm flow chart

1)網(wǎng)絡(luò)初始化階段:每個(gè)節(jié)點(diǎn)以最小發(fā)射功率開(kāi)始工作。依據(jù)使用的具體傳感器節(jié)點(diǎn)確定接收靈敏度RSSI閾值Rth，當(dāng)RSSI高于Rth時(shí)認(rèn)定存在這個(gè)鄰居節(jié)點(diǎn)。通過(guò)上述方式獲取節(jié)點(diǎn)當(dāng)前的鄰居節(jié)點(diǎn)個(gè)數(shù)y(k)。對(duì)于Zig Bee節(jié)點(diǎn)，當(dāng)接收節(jié)點(diǎn)的RSSI值大于-58 dBm時(shí)，絕大多數(shù)丟包率小于1%，此時(shí)可認(rèn)為Zig Bee節(jié)點(diǎn)之間的通信具有較高的可靠性［9］。本文亦采用Rth為-58 dBm。

2)功率調(diào)整階段:根據(jù)網(wǎng)絡(luò)中節(jié)點(diǎn)的個(gè)數(shù)得出每個(gè)節(jié)點(diǎn)需要的鄰居節(jié)點(diǎn)個(gè)數(shù)為r(k)=5.177 4 lg m，經(jīng)比較得到誤差節(jié)點(diǎn)個(gè)數(shù)為e(k)=r(k)-y(k)。當(dāng)節(jié)點(diǎn)誤差個(gè)數(shù)e(k)作為單神經(jīng)元PID控制器的輸入，對(duì)下個(gè)周期的發(fā)射功率p(k)進(jìn)行調(diào)整時(shí)，單神經(jīng)元PID控制器會(huì)利用其自學(xué)習(xí)和自適應(yīng)能力準(zhǔn)確快速地對(duì)發(fā)射功率進(jìn)行調(diào)整，使節(jié)點(diǎn)在最短的時(shí)間內(nèi)獲取理想的鄰居節(jié)點(diǎn)個(gè)數(shù)。若鄰居節(jié)點(diǎn)個(gè)數(shù)已達(dá)到理想值，則當(dāng)前調(diào)整階段結(jié)束。

3)動(dòng)態(tài)實(shí)時(shí)跟蹤階段:節(jié)點(diǎn)的數(shù)量在一段時(shí)間內(nèi)若有變化，則所要求的鄰居節(jié)點(diǎn)個(gè)數(shù)也會(huì)相應(yīng)的變化，單神經(jīng)元PID控制器會(huì)實(shí)時(shí)地跟蹤調(diào)整發(fā)射功率，保證全網(wǎng)的連通性同時(shí)降低網(wǎng)絡(luò)能耗。節(jié)點(diǎn)的數(shù)量若沒(méi)有變化，則控制算法處于監(jiān)聽(tīng)狀態(tài)，節(jié)點(diǎn)以當(dāng)前發(fā)射功率運(yùn)行。

3 仿真實(shí)現(xiàn)與分析

3.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

本文采用Matlab作為仿真工具，在Matlab中隨機(jī)生成并分布有50個(gè)節(jié)點(diǎn)。主要仿真參數(shù)設(shè)置為區(qū)域大小為100 m×100 m;節(jié)點(diǎn)類型為CC2430;路徑損耗指數(shù)為3;節(jié)點(diǎn)閑置狀態(tài)消耗功率為10-6W;節(jié)點(diǎn)接收狀態(tài)消耗功率為3×10-4W;節(jié)點(diǎn)初始能量為1 J;節(jié)點(diǎn)最大發(fā)射功率為10-3W;節(jié)點(diǎn)最小發(fā)射功率為3×10-6W。

3.2 仿真結(jié)果與分析

為了驗(yàn)證本文提出的基于單神經(jīng)元PID功率控制算法的優(yōu)越性，在Matlab中仿真，并就網(wǎng)絡(luò)初始化時(shí)調(diào)整的響應(yīng)時(shí)間、網(wǎng)絡(luò)中節(jié)點(diǎn)變化時(shí)實(shí)時(shí)跟蹤調(diào)整的響應(yīng)時(shí)間以及網(wǎng)絡(luò)的總能耗與LMA，PID控制鄰居節(jié)點(diǎn)算法進(jìn)行了比較。

1)網(wǎng)絡(luò)初始化時(shí)布放有50個(gè)節(jié)點(diǎn)，所以，需要的鄰居節(jié)點(diǎn)數(shù)為8個(gè)。三種算法分別完成整個(gè)網(wǎng)絡(luò)連接時(shí)，節(jié)點(diǎn)的發(fā)射功率調(diào)整時(shí)間響應(yīng)的對(duì)比如圖3所示。從圖3中可見(jiàn)，單神經(jīng)元PID控制算法用了3個(gè)周期完成網(wǎng)絡(luò)連接，系統(tǒng)輸出沒(méi)有震蕩，收斂速度很快;PID控制鄰居節(jié)點(diǎn)算法用了10個(gè)周期;LMA用了22個(gè)周期，且LMA不能精準(zhǔn)控制鄰居數(shù)，只能將其控制在一定的范圍之間。

圖3 網(wǎng)絡(luò)初始化時(shí)功率調(diào)整時(shí)間對(duì)比Fig 3 Comparison of power adjustment time in network initialization phase

2)隨著網(wǎng)絡(luò)的運(yùn)行和節(jié)點(diǎn)能量的消耗，網(wǎng)絡(luò)中生存節(jié)點(diǎn)的數(shù)量會(huì)不斷減少。在仿真時(shí)設(shè)定網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)量減少了，所需的鄰居節(jié)點(diǎn)數(shù)從8個(gè)降到6個(gè)，三種算法的調(diào)整時(shí)間對(duì)比如圖4所示。單神經(jīng)元PID控制算法幾乎是實(shí)時(shí)跟蹤，會(huì)立即調(diào)整節(jié)點(diǎn)發(fā)射功率，使鄰居節(jié)點(diǎn)數(shù)減少至6個(gè);PID控制算法用了28個(gè)周期進(jìn)行調(diào)整穩(wěn)定，大量的時(shí)間耗費(fèi)在后期消除震蕩上;LMA則用了8個(gè)周期，穩(wěn)定后仍未能達(dá)到實(shí)際控制效果。

圖4 動(dòng)態(tài)實(shí)時(shí)跟蹤階段功率調(diào)整時(shí)間對(duì)比Fig 4 Comparison of power adjustment time in dynamic real-time tracking phase

3)整個(gè)網(wǎng)絡(luò)運(yùn)行過(guò)程中，三種算法控制下的總能耗比較如圖5所示。從圖5中可見(jiàn)，當(dāng)網(wǎng)絡(luò)處于正常工作狀態(tài)時(shí)，單神經(jīng)元PID控制算法的能耗是PID控制鄰居節(jié)點(diǎn)算法的84%，是LMA的75%;當(dāng)網(wǎng)絡(luò)處于跟蹤調(diào)整階段時(shí)，單神經(jīng)元PID控制算法的能耗是PID控制鄰居節(jié)點(diǎn)算法的82%，是LMA的69%。所以，單神經(jīng)元PID控制算法較其他兩種算法的功率控制效果好，實(shí)現(xiàn)了實(shí)時(shí)平穩(wěn)地控制節(jié)點(diǎn)發(fā)射功率，有效地降低了網(wǎng)絡(luò)總能耗。

圖5 網(wǎng)絡(luò)總能耗對(duì)比Fig 5 Comparison of total energy consumption of network

4 結(jié)論

本文結(jié)合對(duì)WSNs傳輸功率模型的分析，將單神經(jīng)元PID控制器引入到功率控制中，提出了基于單神經(jīng)元PID的WSNs鄰居節(jié)點(diǎn)級(jí)功率控制算法。仿真結(jié)果表明:該算法更優(yōu)越，能根據(jù)網(wǎng)絡(luò)連通性要求精準(zhǔn)控制鄰居節(jié)點(diǎn)的數(shù)量，調(diào)整傳感器節(jié)點(diǎn)的功率，實(shí)時(shí)跟蹤響應(yīng)速度快，收斂性強(qiáng)。采用此方法可有效降低WSNs的整體能耗，延長(zhǎng)網(wǎng)絡(luò)生命周期。

［1］李 巧.工業(yè)無(wú)線網(wǎng)絡(luò)功率控制策略研究［D］.重慶:西南大學(xué)，2012:17.

［2］趙學(xué)健，莊 毅，趙 潔，等.無(wú)線傳感器網(wǎng)絡(luò)自適應(yīng)功率控制策略［J］.電子與信息學(xué)報(bào)，2010，32(9):2231-2235.

［3］Kubisch M，Karl H，Wolisz A，et al.Distributed algorithms for transmission power control in wireless sensor networks［C］∥Proc of Wireless Communications and Networking，New Orleans，LA，USA:IEEE Communications Society，2003:558-563.

［4］張建輝，申興發(fā)，陳積明，等.基于PID算法的無(wú)線傳感器網(wǎng)絡(luò)傳輸功率控制研究［J］.傳感技術(shù)學(xué)報(bào)，2007，20(1):177-182.

［5］劉金琨.先進(jìn)PID控制Matlab仿真［M］.3版.北京:電子工業(yè)出版社，2011:301.

［6］黃庭培，李 棟，張招亮，等.突發(fā)性鏈路感知的自適應(yīng)鏈路質(zhì)量估計(jì)方法［J］.通信學(xué)報(bào)，2012，33(6):30-39.

［7］文春武，宋 杰，姚家振.基于RSSI校正的無(wú)線傳感器網(wǎng)絡(luò)定位算法［J］.傳感器與微系統(tǒng)，2014，33(12):134-136.

［8］Xue F，Kumar P R.The number of neighbors needed for connectivity of wireless networks［J］.Wireless Networks，2004，10(2):169-181.

［9］徐立鴻，早明華，蔚瑞華，等.溫室無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)發(fā)射功率自適應(yīng)控制算法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2014，30(8):142-148.