張華南 劉勇奎 金 紅 王 峰

（1.廣東培正學(xué)院數(shù)據(jù)科學(xué)與計(jì)算機(jī)學(xué)院 廣州 510830）（2.湖北大學(xué)計(jì)算機(jī)與信息工程學(xué)院 武漢 430062）（3.湖北文理學(xué)院計(jì)算機(jī)工程學(xué)院 襄陽(yáng) 441053）

1 引言

傳感器網(wǎng)絡(luò)用于獲取溫度、濕度、壓力等環(huán)境信息。無(wú)線傳感器網(wǎng)絡(luò)（WSN）適用于不易到達(dá)的區(qū)域，如擴(kuò)展的開(kāi)放空間、戰(zhàn)場(chǎng)或深水。無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)通常由電池供電，當(dāng)它們的電池耗盡時(shí)，通常會(huì)被簡(jiǎn)單丟棄［1］。為了降低能源消耗延長(zhǎng)網(wǎng)絡(luò)壽命，采用收集環(huán)境能源是一種有效的方式，如收集太陽(yáng)能、風(fēng)能等。其中太陽(yáng)能容易獲取，能量密度比較高，最受歡迎。

在文獻(xiàn)［2］中，分析了收集環(huán)境能源（太陽(yáng)能）及能量管理策略，通過(guò)超級(jí)電容實(shí)現(xiàn)能量的存儲(chǔ)，能量管理主要通過(guò)能量預(yù)算讓傳感器節(jié)點(diǎn)處于能量中性區(qū)間。為了降低無(wú)線傳感器節(jié)點(diǎn)能量消耗，采用超低功耗喚醒接收器在低能耗的情況下連續(xù)偵聽(tīng)信道，降低與通信相關(guān)的功耗，通過(guò)星型異步MAC 協(xié)議結(jié)合超低功耗喚醒接收器，提高傳感器網(wǎng)絡(luò)的能源效率［3～4］。

在文獻(xiàn)［5］中，通過(guò)利用連接支配集減少傳輸來(lái)提高網(wǎng)絡(luò)洪泛的能源效率，提出了基于連通支配集的洪泛協(xié)議錐，在網(wǎng)絡(luò)洪泛過(guò)程中，禁止未在連通支配集中的節(jié)點(diǎn)重播數(shù)據(jù)包，提高了網(wǎng)絡(luò)洪泛端到端的可靠性，降低了網(wǎng)絡(luò)洪泛的占空比，有效降低平均能耗。

在WSN 中的每個(gè)節(jié)點(diǎn)發(fā)送自己的能量數(shù)據(jù)，并將其他節(jié)點(diǎn)的數(shù)據(jù)轉(zhuǎn)發(fā)給匯聚節(jié)點(diǎn)。因此，靠近匯聚節(jié)點(diǎn)會(huì)消耗更多的能量，這可能會(huì)導(dǎo)致比其他節(jié)點(diǎn)更頻繁地暫時(shí)停止工作或停電。這個(gè)問(wèn)題可以通過(guò)數(shù)據(jù)聚合方案解決，其中中繼節(jié)點(diǎn)將自己從其他節(jié)點(diǎn)接收到的數(shù)據(jù)合并在一起，可以提高數(shù)據(jù)傳輸?shù)哪芰啃?，但由于中繼節(jié)點(diǎn)需要等待合適的數(shù)據(jù)與自己的數(shù)據(jù)進(jìn)行聚合，增加了傳輸延遲。因此，聚合方案僅在數(shù)據(jù)到達(dá)時(shí)間不重要的網(wǎng)絡(luò)中使用。

另一種降低能源消耗的方案是數(shù)據(jù)壓縮。這需要相當(dāng)長(zhǎng)的處理時(shí)間，因此需要大量的能量，但如果遠(yuǎn)離匯聚節(jié)點(diǎn)壓縮自己的數(shù)據(jù)，那么靠近匯聚的節(jié)點(diǎn)在轉(zhuǎn)發(fā)數(shù)據(jù)時(shí)會(huì)消耗更少的能量，然后這些節(jié)點(diǎn)通過(guò)不壓縮自己的數(shù)據(jù)而節(jié)省能源。因此，整個(gè)網(wǎng)絡(luò)的能源消耗變得更加合理有效。

在傳統(tǒng)的聚合和壓縮方案中，簇頭通常會(huì)丟棄冗余數(shù)據(jù)，本次研究通過(guò)一種自適應(yīng)的太陽(yáng)能無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合和壓縮方案來(lái)解決數(shù)據(jù)冗余等問(wèn)題，其中所有數(shù)據(jù)都應(yīng)該傳輸?shù)絽R聚節(jié)點(diǎn)。通過(guò)在能量可用時(shí)對(duì)數(shù)據(jù)進(jìn)行壓縮來(lái)增加安全到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量。每個(gè)節(jié)點(diǎn)周期性地估計(jì)其電池的狀態(tài)，并預(yù)測(cè)它在接下來(lái)的時(shí)期將獲得的太陽(yáng)能量。如果能獲得更多的能量，則傳輸聚集數(shù)據(jù)［3］。相反，如果在接下來(lái)的一段時(shí)間能量耗盡，就會(huì)進(jìn)入睡眠模式，關(guān)閉無(wú)線模塊。通過(guò)減少斷電節(jié)點(diǎn)的數(shù)量來(lái)增加收集的數(shù)據(jù)量。

2 無(wú)線傳感器網(wǎng)絡(luò)能量管理策略

2.1 數(shù)據(jù)聚合

數(shù)據(jù)聚合已被證明可以有效地降低無(wú)線傳感器網(wǎng)絡(luò)（WSNs）的能耗，因?yàn)樗梢詼p少?gòu)囊粋€(gè)節(jié)點(diǎn)傳輸?shù)搅硪粋€(gè)節(jié)點(diǎn)的數(shù)據(jù)量。

聚類是數(shù)據(jù)聚合的一種方法，每個(gè)節(jié)點(diǎn)只將數(shù)據(jù)傳輸給指定簇頭節(jié)點(diǎn)。每個(gè)簇頭將從其所屬簇的成員接收到的數(shù)據(jù)進(jìn)行聚合，并直接或通過(guò)其他簇頭將其傳輸給匯聚節(jié)點(diǎn)。在目前研究的大多數(shù)聚合方案中，都是采用聚類，節(jié)點(diǎn)去除不必要的數(shù)據(jù)，只傳輸一些樣本，使匯聚節(jié)點(diǎn)能夠估計(jì)原始數(shù)據(jù)。通過(guò)聚合策略可以應(yīng)用于所有數(shù)據(jù)在沒(méi)有集群的平面拓?fù)渲袀鬏?，以及一種可以應(yīng)用許多現(xiàn)有聚合方案的能量管理策略。

2.2 數(shù)據(jù)壓縮

數(shù)據(jù)壓縮是減少數(shù)據(jù)傳輸所需能量的另一種方法。然而，通用計(jì)算機(jī)中使用的數(shù)據(jù)壓縮算法不適用于無(wú)線傳感器節(jié)點(diǎn)中有限的硬件，因此引入低開(kāi)銷的壓縮算法。

通常從多個(gè)節(jié)點(diǎn)收集的數(shù)據(jù)中存在冗余，減少傳輸從而減少了能源消耗。聚合數(shù)據(jù)在不解壓的情況下被有效地重新壓縮。節(jié)點(diǎn)聚合一定數(shù)量的感知數(shù)據(jù)以達(dá)到最大的壓縮比，并對(duì)數(shù)據(jù)進(jìn)行壓縮和傳輸。在這種情況下，使用S-LZW（Sensor Lem?pel Ziv Welch）算法作為壓縮方法，這是一種廣泛應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)的無(wú)損壓縮算法。其他的無(wú)線傳感器網(wǎng)絡(luò)壓縮方案都是基于聚合方案設(shè)計(jì)的，可以應(yīng)用于S-LZW等多種壓縮算法。

2.3 能量利用

為了延長(zhǎng)無(wú)線傳感器網(wǎng)絡(luò)的壽命，除了數(shù)據(jù)聚合和壓縮方案外，還需提高能量利用率。通過(guò)收集的太陽(yáng)能在能源消耗或過(guò)剩的情況下進(jìn)行數(shù)據(jù)聚合和壓縮來(lái)提高能源利用率［6］。

在能量采集傳感器網(wǎng)絡(luò)中，一種確定傳輸路徑的路由方案，該方案考慮了太陽(yáng)能傳感器網(wǎng)絡(luò)中收獲的能量。根據(jù)太陽(yáng)能傳感器網(wǎng)絡(luò)中收獲的能量來(lái)決定是否壓縮數(shù)據(jù)，從而減少數(shù)據(jù)傳輸延遲［7］。通過(guò)利用太陽(yáng)能預(yù)測(cè)和太陽(yáng)能節(jié)點(diǎn)的消耗模型來(lái)管理數(shù)據(jù)聚合、壓縮和傳輸所需的能量。

3 自適應(yīng)聚合壓縮方案

如圖1 所示方案為網(wǎng)絡(luò)節(jié)點(diǎn)定期從其環(huán)境中收集數(shù)據(jù)。

圖1 數(shù)據(jù)傳輸和節(jié)點(diǎn)操作

3.1 傳感器節(jié)點(diǎn)的操作

每個(gè)節(jié)點(diǎn)感知其環(huán)境，壓縮結(jié)果數(shù)據(jù)，并將其傳輸?shù)絽R聚節(jié)點(diǎn)，如圖1（b）所示。每個(gè)節(jié)點(diǎn)還在一段固定的時(shí)間（稱為一輪）結(jié)束時(shí)檢查其狀態(tài)，并確定在下一輪中它將以何種模式運(yùn)行。下面是這些操作的更多細(xì)節(jié)［8］。

感知：數(shù)據(jù)采集間隔為psense，即感知周期。

壓縮：當(dāng)收集到足夠的數(shù)據(jù)以實(shí)現(xiàn)最大壓縮時(shí)，就對(duì)數(shù)據(jù)進(jìn)行壓縮。壓縮后的數(shù)據(jù)和從其他節(jié)點(diǎn)接收到的數(shù)據(jù)然后排隊(duì)傳輸。

傳播：節(jié)點(diǎn)以pTx為間隔決定是否傳輸其傳輸隊(duì)列中的數(shù)據(jù)。如果節(jié)點(diǎn)期望在下一個(gè)pTx期間接收到比它所能存儲(chǔ)的更多的能量，那么數(shù)據(jù)就會(huì)被傳輸。

模式選擇：在每一輪結(jié)束時(shí)，節(jié)點(diǎn)評(píng)估是否繼續(xù)與其他節(jié)點(diǎn)通信，其電池中的能量是否會(huì)耗盡來(lái)選擇自己的模式。如果剩余能量將在下一輪中耗盡，則選擇睡眠模式。在這種模式下，節(jié)點(diǎn)只執(zhí)行感知和壓縮，關(guān)閉無(wú)線模塊，以降低能耗。因此，在隨后的期間發(fā)送給它的任何數(shù)據(jù)都將丟失［9］。為了避免這種情況發(fā)生，節(jié)點(diǎn)路由應(yīng)排除處于睡眠模式的節(jié)點(diǎn)。

3.2 模式選擇

為了確定節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)量，需要計(jì)算出收集到的數(shù)據(jù)并將其放入傳輸隊(duì)列所需的時(shí)間［10］。如果一個(gè)節(jié)點(diǎn)在每個(gè)周期psense中獲取數(shù)據(jù)的ssense位，并將其累加到位并進(jìn)行壓縮，則數(shù)據(jù)壓縮所需的pcomp長(zhǎng)度可確定為

因此，如圖2 所示，如果當(dāng)前時(shí)間為t，最近一次數(shù)據(jù)壓縮在tcomp完成，則下一輪壓縮后的數(shù)據(jù)必須加入傳輸隊(duì)列的次數(shù)可表示為

圖2 方案的過(guò)程與狀態(tài)

利用能耗模型確定獲得太陽(yáng)能ETx可以傳輸?shù)臄?shù)據(jù)量：

式中，S為要傳輸?shù)臄?shù)據(jù)位數(shù)，d為傳輸距離，單位為m，α為 路 徑 損 耗 指 數(shù) (2 ≤α≤5) ；常 數(shù)β(J/(bits·dα))由設(shè)計(jì)的節(jié)點(diǎn)確定。由式（5），可以確定收獲能量可以傳輸?shù)臄?shù)據(jù)量Sh：

其中Eh(t,pround)是下一輪預(yù)計(jì)獲得的能量，Ec(t,pround)是pround期間估計(jì)的能量消耗，包括空閑和接收能量，而Ecomp(Sround(t,pround)）是壓縮Sround(t,pround)位數(shù)據(jù)時(shí)消耗的能量。

3.3 數(shù)據(jù)傳輸

如果一個(gè)節(jié)點(diǎn)需要的能量超過(guò)了它的存儲(chǔ)能力，它就用這些能量來(lái)傳輸數(shù)據(jù)。接下來(lái)，確定在pTx期間是否可能有足夠的可用存儲(chǔ)能量。

若節(jié)點(diǎn)電池容量為C，則輪詢過(guò)程中可能獲得的剩余能量為

如果Eexcess(t,pTx)>0 表示節(jié)點(diǎn)進(jìn)行數(shù)據(jù)傳輸。利用Eexcess(t,pTx)傳輸?shù)?t,pTx)比特?cái)?shù)可以由式（5）推導(dǎo)：

因此，如果Eexcess(t,pTx)>0，則該節(jié)點(diǎn)傳輸Savail(t,pTx)位數(shù)據(jù)。該方案允許節(jié)點(diǎn)在太陽(yáng)能不可用時(shí)獲取數(shù)據(jù)。

4 實(shí)驗(yàn)評(píng)估

4.1 實(shí)驗(yàn)仿真

在實(shí)驗(yàn)中用到的參數(shù)如表1所示。

利用SolarCastalia 比較各方案的性能：1）沒(méi)有數(shù)據(jù)聚合和壓縮（No aggregation）；2）定時(shí)聚合數(shù)據(jù)（Aggregation-time）；3）定期聚合數(shù)據(jù)量（Aggrega?tion-size）；4）定 時(shí) 壓 縮 聚 合 數(shù) 據(jù)（compres?sion-time）；5）壓縮固定數(shù)量的聚合數(shù)據(jù)（compres?sion-size）。通過(guò)節(jié)點(diǎn)中的平均剩余能量、停電節(jié)點(diǎn)的數(shù)量和到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量進(jìn)行性能比較。模擬無(wú)線傳感器網(wǎng)絡(luò)由能量收集節(jié)點(diǎn)和一個(gè)匯聚節(jié)點(diǎn)組成，隨機(jī)放置。節(jié)點(diǎn)收獲的能量由實(shí)測(cè)數(shù)據(jù)建模，采用S-LZW 作為壓縮算法［11］。每個(gè)節(jié)點(diǎn)感知后，按照上述方案進(jìn)行聚合、壓縮和傳輸。

4.2 仿真結(jié)果

4.2.1 剩余能量和停電節(jié)點(diǎn)

圖3 顯示了剩余能量隨時(shí)間變化，遵循一天循環(huán)規(guī)律。節(jié)點(diǎn)根據(jù)能量預(yù)測(cè)進(jìn)入睡眠模式，夜間能量損失較小。

圖3 剩余能量周期變化

圖4 顯示了關(guān)閉節(jié)點(diǎn)的數(shù)量如何隨時(shí)間變化。在No aggregation、Aggregation-time和Aggrega?tion-size方案中，中斷節(jié)點(diǎn)的數(shù)量增長(zhǎng)更快。歸因于中間節(jié)點(diǎn)必須傳輸?shù)臄?shù)據(jù)量的增加。在使用壓縮的方案中，這一比例更低，因?yàn)閴嚎s會(huì)導(dǎo)致更少的節(jié)點(diǎn)斷電。

圖4 停電節(jié)點(diǎn)數(shù)量的變化

圖5 顯示了發(fā)生中斷節(jié)點(diǎn)總數(shù)（每一輪中斷節(jié)點(diǎn)時(shí)增加的總數(shù)）隨著ssense值的變化而變化［12］。在ssense達(dá)到64 字節(jié)之前，中斷節(jié)點(diǎn)輪數(shù)可以忽略不計(jì)。

圖5 累計(jì)停電節(jié)點(diǎn)數(shù)

4.2.2 到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量

圖6 顯示了所有節(jié)點(diǎn)感知數(shù)據(jù)量如何隨ssense變化。這些結(jié)果與中斷節(jié)點(diǎn)的數(shù)量相關(guān)，如圖6 所示，因?yàn)橹袛喙?jié)點(diǎn)不收集數(shù)據(jù)。

圖6 感知數(shù)據(jù)總量的比較

圖7 顯示了到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量如何隨ssense而變化。這些結(jié)果與圖5 所示相似，匯聚節(jié)點(diǎn)的感知數(shù)據(jù)的比例逐漸下降。因于網(wǎng)絡(luò)傳輸數(shù)據(jù)能力的能量限制［13］。其他方案沒(méi)有受到影響，因?yàn)樗鼈儾荒墚a(chǎn)生足夠的數(shù)據(jù)傳輸。

圖7 傳感數(shù)據(jù)比較

圖8 顯示了到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量如何隨節(jié)點(diǎn)密度（單位面積節(jié)點(diǎn)數(shù)）而變化。隨著密度的增加，當(dāng)一些節(jié)點(diǎn)中斷時(shí)，它更容易找到替代路徑［14］，因此到達(dá)匯聚節(jié)點(diǎn)的移動(dòng)數(shù)據(jù)隨著密度的增加而增加。

圖8 到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量隨節(jié)點(diǎn)密度的變化

圖9 顯示了到達(dá)匯聚節(jié)點(diǎn)獲得太陽(yáng)能量的變化。通過(guò)對(duì)能量模型應(yīng)用一個(gè)因子，可以減少可用的能量。隨著可用能量的下降，該方案的相對(duì)性能顯著下降［13］。這是合理的，因?yàn)樵摲桨钢辉试S節(jié)點(diǎn)在預(yù)期有多余能量時(shí)傳輸數(shù)據(jù)，而當(dāng)能量供應(yīng)減少時(shí)，處于這種情況的節(jié)點(diǎn)就會(huì)更少。圖10顯示了到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量隨的變化情況。隨著的降低，現(xiàn)有方案的性能下降，而其他方案的性能不受影響。這種效應(yīng)歸因于數(shù)據(jù)的低壓縮比。由于壓縮數(shù)據(jù)量會(huì)隨著壓縮比的減小而增加，因此節(jié)點(diǎn)必須傳輸更多的數(shù)據(jù)。

圖9 太陽(yáng)能獲得的數(shù)據(jù)量比較

圖10 聚合數(shù)據(jù)量比較

圖11 顯示了根據(jù)感知周期獲得的數(shù)據(jù)量的對(duì)比。隨著psense的增加，傳輸?shù)臄?shù)據(jù)越少。它減少了停電節(jié)點(diǎn)的數(shù)量，所有方案的性能基本一致。相反，當(dāng)psense減少時(shí)，節(jié)點(diǎn)必須傳輸更多的數(shù)據(jù)，增加了感知數(shù)據(jù)量，從而增加了能量消耗。該方案由于能量消耗而降低了感知能力，優(yōu)于其他方案。

圖11 根據(jù)傳感周期獲得的數(shù)據(jù)量的比較

圖12 最大傳輸數(shù)據(jù)量比較

圖13 顯示了到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量隨節(jié)點(diǎn)密度的變化情況。當(dāng)使用MDT（Minimum Depth Tree）算法時(shí)，這個(gè)結(jié)果類似于圖8。然而，當(dāng)使用GPSR（Greedy Perimeter Stateless Routing）時(shí)［15］，在匯聚節(jié)點(diǎn)收集的數(shù)據(jù)較少，因?yàn)榕cMDT 相比，必須向一個(gè)包添加更多的路由信息。

圖13 到達(dá)匯聚節(jié)點(diǎn)的數(shù)據(jù)量隨節(jié)點(diǎn)密度的變化

隨著密度的降低，不使用壓縮的方案的性能會(huì)變差，因?yàn)樵诟嗟闹欣^節(jié)點(diǎn)上消耗能量。隨著密度的增加，由于傳輸路由的縮短，中繼節(jié)點(diǎn)的能耗降低。此外，由于路由隨每次傳輸而更新，因此更容易找到到匯聚節(jié)點(diǎn)的替代路徑。因此，可以看到GPSR 的偏差比MDT 小。但是，無(wú)論采用何種路由算法，該方案的性能都優(yōu)于其他方案。

5 結(jié)語(yǔ)

利用太陽(yáng)能傳感器網(wǎng)絡(luò)自適應(yīng)聚合壓縮方案不斷聚合和壓縮感知數(shù)據(jù)，當(dāng)預(yù)計(jì)接收到的能量超過(guò)其存儲(chǔ)能力時(shí)，才會(huì)將數(shù)據(jù)傳輸。當(dāng)只有很少或沒(méi)有太陽(yáng)能可用時(shí)，特別是在晚上，節(jié)點(diǎn)停止傳輸，只進(jìn)行傳感。該方案減少了停電節(jié)點(diǎn)的數(shù)量，從而可以獲得更多的數(shù)據(jù)。該方案的不足是夜間獲取的數(shù)據(jù)在第二天早上傳輸時(shí)，網(wǎng)絡(luò)工作負(fù)載可能達(dá)到峰值。由于轉(zhuǎn)發(fā)節(jié)點(diǎn)能量不足，可能導(dǎo)致部分?jǐn)?shù)據(jù)丟失?？梢酝ㄟ^(guò)更精確地預(yù)測(cè)能源獲取和消耗的模式來(lái)降低網(wǎng)絡(luò)負(fù)載高峰。