馬勇贊，方躍春，張玲玉

優(yōu)化Sink速度的最大化WSNs數(shù)據(jù)收集算法研究

馬勇贊，方躍春，張玲玉

（長沙民政職業(yè)技術(shù)學(xué)院 電子信息工程學(xué)院，長沙 410004）

可靠高效的數(shù)據(jù)收集是無線傳感網(wǎng)絡(luò)（WSNs）應(yīng)用中的關(guān)鍵問題。由于信宿的移動，平衡了傳感節(jié)點間的負擔(dān)，可延長網(wǎng)絡(luò)壽命。因此，基于移動信宿（Sink）的數(shù)據(jù)收集的研究受到研究者的廣泛關(guān)注，為此，提出優(yōu)化Sink速度的最大化WSNs數(shù)據(jù)收集算法（MDG-SC）。MDG-SC算法通過優(yōu)化Sink的移動，降低數(shù)據(jù)時延。具體而言，在給定時限內(nèi)，Sink沿著固定路徑移動，MDG-SC算法優(yōu)化Sink的移動速度，進而最大化數(shù)據(jù)收集量。實驗數(shù)據(jù)表明，MDG-SC算法能夠有效地收集數(shù)據(jù)同時；收集的數(shù)據(jù)量取決于傳感節(jié)點數(shù)和數(shù)據(jù)收集時間。

無線傳感網(wǎng)絡(luò)；數(shù)據(jù)收集；移動信宿；時延；速度優(yōu)化

0 引言

無線傳感網(wǎng)絡(luò)（wireless sensor networks, WSNs）已在各類應(yīng)用中廣泛使用，如森林火災(zāi)檢測、戰(zhàn)場偵察、入侵檢測、目標跟蹤以及健康康復(fù)[1]。在WSNs中，傳感節(jié)點感測環(huán)境數(shù)據(jù)，將感測數(shù)據(jù)傳輸至匯聚節(jié)點，通常將匯聚節(jié)點也稱為信宿（Sink）。換而言之，信宿收集傳感節(jié)點的數(shù)據(jù)。然后，由信宿處理數(shù)據(jù)，并以互聯(lián)網(wǎng)（Internet）、衛(wèi)星等通信方式將數(shù)據(jù)傳輸至遠端的終端用戶[2]，如數(shù)據(jù)庫、電腦、手機客戶端，如圖1所示。

數(shù)據(jù)收集是無線傳感網(wǎng)絡(luò)應(yīng)用的重要階段。為了最大化數(shù)據(jù)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(shù)據(jù)傳輸時延。因此，優(yōu)化數(shù)據(jù)傳輸時延是基于信宿移動策略的關(guān)鍵[3]。例如，基于WSNs的康復(fù)監(jiān)測、森林防火監(jiān)測應(yīng)用，均要求低的數(shù)據(jù)收集時延[4]。因此，在收集數(shù)據(jù)時，需要最小化數(shù)據(jù)收集時延或降低數(shù)據(jù)收集時延。

圖1 WSNs的網(wǎng)絡(luò)結(jié)構(gòu)圖

而優(yōu)化、并安排移動信宿移動路徑是降低數(shù)據(jù)傳輸時延的有效方式[5]。但是，優(yōu)化移動路徑是非常復(fù)雜的。特別是，當(dāng)移動路徑涉及到空間域和時域，優(yōu)化路徑更為復(fù)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(nèi)最大化數(shù)據(jù)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(guī)劃移動路徑是非常復(fù)雜，且在不同的應(yīng)用環(huán)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(yōu)化Sink速度的最大化WSNs數(shù)據(jù)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(yōu)化移動信宿，進而最大化數(shù)據(jù)收集量。實驗數(shù)據(jù)表明，提出的MDG-SC算法能在限定時間內(nèi)，有效地收集數(shù)據(jù)。

1 系統(tǒng)模型

圖2 網(wǎng)絡(luò)模型

此外，網(wǎng)絡(luò)內(nèi)每個節(jié)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(nèi)，MDG-SC算法通過優(yōu)化MS移動速度，收集更多數(shù)據(jù)。

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(shè)置目的就是最大化數(shù)據(jù)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(shù)據(jù)速率。

圖4 割線示意圖

2.2 移動速度方案

接下來，分析當(dāng)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(huán)境

表1 仿真參數(shù)

3.2 數(shù)據(jù)分析

首先分析移動信宿在不同時限條件下，所收集的數(shù)據(jù)量，如圖6所示。

圖6 移動信宿所收集的數(shù)據(jù)量

從圖6可知，節(jié)點數(shù)的增加有利于移動信宿MS所收集的數(shù)據(jù)量。例如，在時限=120 s時，當(dāng)節(jié)點數(shù)為50時，收集的數(shù)據(jù)量約2000 kbit，而當(dāng)節(jié)點數(shù)為300時，所收集的數(shù)據(jù)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(shù)據(jù)量。這些數(shù)據(jù)表明，MDG-SC算法能夠有效地收集數(shù)據(jù)。

圖7顯示了節(jié)點數(shù)對移動信宿MS的平均移動速度的影響。從圖7可知，節(jié)點數(shù)和時限的變化，對信宿移動速度影響并不大。但是，節(jié)點數(shù)的增加，降低了信宿的平均移動速度。原因在于：節(jié)點數(shù)越多，子信宿所需傳輸?shù)臄?shù)據(jù)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(shù)據(jù)如圖8所示。從圖8可知，節(jié)點數(shù)的增加降低了移動距離，原因在于：節(jié)點數(shù)的增加，降低了MS的平均移動速度，相應(yīng)地，單位時間內(nèi)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(jié)束語

針對無線傳感網(wǎng)絡(luò)的數(shù)據(jù)收集問題，提出Sink速度控制的最大化WSNs數(shù)據(jù)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(yōu)化移動速度，最大化數(shù)據(jù)收集量。實驗數(shù)據(jù)驗證了MDG-SC算法的數(shù)據(jù)收集性能。后期，將規(guī)劃Sink的移動路徑作為研究內(nèi)容，進而實現(xiàn)以最小的能耗成本，最大化數(shù)據(jù)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(shù)據(jù)收集方案[J].自動化學(xué)報, 2016, 42(11)：1648-1657.

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

[3]屈應(yīng)照, 胡曉輝, 宗永勝, 等. WSN中一種基于數(shù)據(jù)融合的Mobile Agent 路徑規(guī)劃方法[J].傳感技術(shù)學(xué)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(shù)據(jù)收集算法[J]. 通信學(xué)報, 2016, 37(9): 131-142.

[5]張希偉, 陳貴海. 基于SDMA應(yīng)用的移動Sink節(jié)點的設(shè)計與實現(xiàn)[J].計算機研究與發(fā)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(yōu)化Sink速度的最大化WSNs數(shù)據(jù)收集算法研究[J].導(dǎo)航定位學(xué)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(tǒng)、物聯(lián)網(wǎng)、無線傳感技術(shù)。

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