提出一种结合随机网络编码和占空比的无线传感器网络节能方案(RNC_DCES).该方案根据所接收数据标识信息决定节点处于工作状态或睡眠状态,以避免数据重复接收,并通过结合随机网络编码,增加相同传输次数下的数据信息量,从而实现节能.通过理论计算分析了RNC_DCES方案所构建传输模型下的网络能耗最大值,并验证了多跳网络能耗的最优解.实验结果表明,对比联合随机占空比网络编码(RDCNCode)算法和改进型自适应网络编码(AdapCode++)算法,RNC_DCES延长了网络生命周期4.02%和8.51%,提升了包投递率14.83%和4.65%,从而有效提升了数据包投递率和网络能量效率.
An energy-saving scheme for wireless sensor networks based on network coding and duty-cycle (NCDES) was proposed. The scheme determines the node's status based on the ID information which embedded in data information. When combining network coding and duty-cycle in wireless sensor networks, it will reduce transmission coding coefficients and retransmissions. The energy efficiency of the network increases as more volume of data will be transmitted to the sink with same number of transmissions. The optimal value of energy consumption for the multi-hop network was proved by analyzing the network topology and energy model. In contrast to RDCNCode and AdapCode++, the simulation shows that NCDES has a great improvement on data delivery ratio and energy efficiency, it extends the network lifetime about 4.02% and 8.51%, and improves the packet delivery rate about 14.83% and 4.65%.
随着无线传感器网络的发展,能量成为制约网络性能的主要瓶颈.占空比技术[1]让节点交替于工作或睡眠状态,成为传感器网络中主要的节能方式.网络编码由Ahlsewde等[2]提出,实现网络中间节点对来自不同链路的数据分组进行编码融合, 达到网络多播传输容量上限.覃团发等[3]将网络编码应用于无线网络路由协议中,有效提升了网络能效和减少了传输时延. Shwe等[4]提出AdapCode++算法,并结合占空比避免了不相关监听,但没有具体分析结合网络编码和占空比时网络节点能耗. Rout等[5]提出RDCNCode算法,对网络生命周期从理论上进行了分析,但采用的是随机占空比及丢弃所有冗余包策略,严重影响了数据传输的可靠性.
笔者提出RNC_DCES方案,该方案根据数据信息决定传感器节点的状态,并通过结合随机网络编码增加相同传输次数下传递的信息量,提升网络能量效率.并且本研究从理论上计算分析了泛洪、占空比、RNC_DCES数据传输过程和网络生命周期的上界.
1 系统模型假设无线网络中多个信源节点同时传输数据给网络中心的信宿节点,而信宿节点附近区域内节点因中继大量数据流而导致能量过快消耗,该区域称为瓶颈区域,系统网络模型如图 1所示.
设定无线传感器网络能耗集中于数据收发能耗及睡眠能耗.考虑n阶路径损耗、频移键控调制和符号错误率ρ,在M元调制下,传输一个符号所需的能量[6]为
(1) |
其中:No为噪声功率谱密度;G为信道增益,且G=1/(MldnGl)(Ml为链路边界参数,Gl为d=1时的衰减因子,d为传输距离).
假设功率放大器功耗为PAM,信号发送功率为PTX,PAM=αPTX,α为功耗因子,节点接收1 bit所需时间为M/(BlbM), 其中B为信道带宽.设PC为发送端电路损耗功率,PR为接收端电路功率,收发1 bit数据总能耗为
(2) |
用与距离有关的函数表示传输能耗为
(3) |
其中:b=(PCM+PRM)/(BlbM),a=2(1+α)×NOMlGlln(2(1-(1-ρ)1/(M-1)))-1/(lbM).
2 网络能耗和网络生命周期计算与分析假设N个节点均匀分布在面积为A的区域内,瓶颈区域ABN由以信宿节点为中心,半径为D的圆组成.根据凸函数定理,可得
(4) |
当d1=d2=…=dK=D/K时,等式成立,且网络传输总能耗最小.
定理 多跳传输中,跳数K的最优解为
证明 由式(4) 可知,当所有节点之间距离相等时, 传输能耗
(5) |
假设rs为感知数据速率,时间t内,瓶颈区域外节点感知数据量V=N(A-ABN)rst/ABN.设定上一跳节点到下一跳节点都有[1, m]个邻居节点,则冗余传输倍数为
(6) |
根据式(5) 和式(6) 可得
(7) |
设定传感器节点初始能耗为EINIT,则瓶颈区域内节点总能耗Es=NABNEINIT/A.式(7) 解得t为泛洪模式网络生命周期理论最大值.
2.2 瓶颈区域半径范围根据式(7) 得泛洪模式下网络生命周期的最大值,将式(7) 化简并写成与D有关的函数f(D),f(D)对D进行微分,可得
(8) |
令df(D)/dD=0,则可求出函数f(D)的极值点和极值.可以得出,瓶颈区域半径D由节点的收发能耗及网络覆盖面积A、邻居节点数m共同决定.
2.3 占空比模式网络生命周期上界笔者提出的占空比机制取决于节点所接收数据.当节点发送感知数据时,在报文序列中增加标识信息.节点接收数据时,记录数据标识信息.后续接收中,节点对比缓存中数据标识信息与正在接收数据标识信息,如果数据标识相同,节点转换至睡眠状态,否则继续接收数据.
假设节点感知数据的同时产生数据标识,数据标识产生率为ra,时间t内,瓶颈区域外节点所产生的总数据量为
(9) |
而传输平均冗余数据所需时间为
(10) |
当节点睡眠功耗为Psleep时,整个传输过程中,瓶颈区域内节点总能耗为
(11) |
所求得t则为网络生命周期最大值.
2.4 RNC_DCES网络生命周期上界为减少随机网络编码产生的编码系数开销,方案采用多项式插值法[7],编码过程中,只选取一个编码系数gi,不同编码数据所对应编码系数为giQ, Q∈Z+,信宿节点采用高斯消元法进行译码.
RNC_DCES中,假设瓶颈区域外感知数据1/h流过编码节点,剩余1-1/h流过非编码节点,则考虑占空比时流过编码节点的数据总量为
(12) |
流过非编码节点的数据总量为
(13) |
编码节点平均输入边为
(14) |
其中
(15) |
其中:Esleep为节点睡眠能耗,Ecoef为编码系数能耗.而多项式插值法将整个编码过程的编码系数维持在2字节(q=216),因此
(16) |
节点睡眠能耗为
(17) |
因而得出总能耗为
(18) |
解得t则为RNC_DCES模式下网络生命周期上界.
3 编码算法瓶颈区域内的节点,或为编码节点或为转发节点.编码时,对符合编码条件的节点全部进行编码,解码过程在信宿节点进行.但考虑误符号率会造成编码节点将错误信息也进行编码,导致信宿节点解码出错误信息.因此,方案增加编码节点的循环冗余校验进行检错,丢掉传输错误数据包,并将正确数据包编码成新的数据包. RNC_DCES所采用的随机网络编码算法主要流程如图 2所示.
使用基于事件驱动Matlab仿真平台Prowler进行实验仿真,在200×200区域随机部署1 000个节点,总传输数量为960 bit.
图 3所示为泛洪、占空比和RNC_DCES 3种模式下的网络生命周期,可以看出,网络生命周期随着误比特率的增大而增大.误比特率增大时,数据被正确传输到信宿节点的概率减小,节点传输和发送的数据也减少,因此节点能量消耗减少,整个网络生命周期延长.
图 4所示为泛洪、占空比和RNC_DCES 3种模式下的误比特率对数据包投递率的影响.可以看出,3种模式数据包投递率随误比特率的增加呈现平稳下降趋势.当误比特率接近0.009 5时,RNC_DCES减少了到达信宿节点数据量,所恢复数据随之减少,而泛洪增加数据冗余,包投递率减少速度相对较慢,因此包投递率出现重合.
在设定模型下对RDCNCode和AdapCode++进行仿真实验,结果如图 5和图 6所示.
由图 5和图 6可以看出,随着误比特率的增加,网络生命周期不断增加而包投递率不断降低.对比RDCNCode、AdapCode++,RNC_DCES网络生命周期平均提升4.02%和8.51%,包投递率平均提升14.83%和4.65%.由于RNC_DCES将编码节点扩大到整个瓶颈区域,增加了编码冗余,并将节点唤醒信息从只依赖于源节点转变到依赖于上一跳节点,增加了节点接收信息的成功率.
5 结束语笔者提出一种结合网络编码和占空比的无线传感器网络节能方案,该方案通过节点所接收数据ID信息决定节点处于工作状态或者睡眠状态,并结合随机网络编码,增加了传输相同次数时所传输的信息量和有损情况下恢复的数据量.仿真结果表明,提出的方案能有效延长网络生命周期和提升包的投递率,改善网络性能.
[1] | Hsin C, Liu Mingyan. Randomly duty-cycled wireless sensor networks:dynamics of coverage[J].IEEE Transactions on Wireless Communication, 2006, 5(11): 3182–3192. |
[2] | Ahlswede R, Cai Ning, Li Shouyen Robert, et al. Network information flow[J].IEEE Transactions on Information Theory, 2000, 46(4): 1204–1216. doi: 10.1109/18.850663 |
[3] |
覃团发, 廖素芸, 罗会平, 等. 支持网络编码的无线Mesh网络路由协议[J]. 北京邮电大学学报, 2009, 32(1): 15–18.
Qin Tuanfa, Liao Suyun, Luo Huiping, et al. A network coding-aware routing protocol in wireless mesh network[J].Journal of Beijing University of Posts and Telecommunications, 2009, 32(1): 15–18. |
[4] | Shwe H Y, Jiang Xiaohong. Efficient power savings in wireless sensor networks with network coding and overhearing avoidance[J].International Journal of Computer Engineering Research, 2011, 2(2): 34–44. |
[5] | Rout R R, Ghosh S K. Enhancement of lifetime using duty cycle and network coding in wireless sensor networks[J].IEEE Transactions on Wireless Communication, 2013, 12(2): 656–666. doi: 10.1109/TWC.2012.111412.112124 |
[6] | Tang Qiuling, Yang Liuqing, Giannakis G B, et al. Battery power efficiency of PPM and FSK in wireless sensor networks[J].IEEE Transactions on Wireless Communication, 2007, 6(4): 1308–1319. doi: 10.1109/TWC.2007.348327 |
[7] | Wang Dan, Zhang Qian, Liu Jiangchuan. Partial network coding: theory and application for continuous sensor data collection[C]//14th IEEE International Workshop on Quality of Service. New Haven: IEEE Press, 2006: 93-101. |