2014, Vol. 31
2. LUNAM-南特大学，法国国家科学研究中心编号6164，雷恩电信研究所(IETR)南特综合理工学院分所，法国 南特 44306;
3. 广州思泰信息技术有限公司，广东 广州 510663
2. LUNAM Université-Université de Nantes, UMR CNRS 6164, Institut d' Electronique et de Télécommunications de Rennes (IETR), Polytech Nantes, Nantes 44306, France;
3. Guangzhou Stratac Information Technology Co., Ltd, Guangzhou 510663, China
无线传感器网络的节点是由不可替换的电源提供能量的，通常情况下要工作数月或数年.因此，降低无线传感器网络的能耗研究成为核心问题[1-2].近年，节能路由协议[3]和数据链路层[4]方面的研究、调制技术的研究[5]、自适应载入算法[6]以及多输入多输出(Multi-input Multi-output, MIMO)技术[7]等均可提高无线传感器网络能耗利用率.另外从信源编码[8-9]的角度出发提出的ME-Coding信源编码算法[10]，对节点间传输的信号序列进行优化，从而提高了信噪比，降低误码率.但是当应用于无线传感网络节点的短距离通信中，总能耗的计算要综合考虑到传输能量的消耗和链路消耗[11].本文分析了最小能量法应用于传统无线网络系统模型中的能耗，在考虑到链路能耗时，总能耗与未经最小能量编码前相比并未得到优化.同时提出并验证了更加适合最小能量法实现总能量优化的系统模型，从而延长了无线传感器网络的生命周期.
1 最小能量法 1.1 最小能量信源编码方法最小能量编码方法起初是由Erin和Asada[12-13]提出，利用OOK调制只在传输高比特位时发射输出载频的特点，减少传输数据中的高比特位已达到降低发射功耗的目的.对于已知概率分布的信源使用最小能量编码主要分为两步，首先设计码字使所含的高比特数量最少，然后将概率最大的信号与码书中高比特位最少的码字相对应.为了将最小能量法应用于未知概率分布的信源，Prakash和Gupta在文献[14]中提出了一种新的最小能量编码方法，基本思想是将k比特的源比特与n比特(n=2k-1)的码字相对应.全零信源符号映射于全零码字，其他信源符号映射于只有一个高比特位的码字，从而减少传输能量的消耗.
1.2 最小能量法纠错方法通常使用形式标准的ME[n, k]码来表示这种新的最小能量法.由于这种最小能量法的码书中任意两个码字的欧氏距离dmin=1，这种码字不具备检错和纠错能力.如果使用0.5作为阈值的逐个比特位进行硬判决，将会出现一些非法码字导致解码时误比特率增加.因此根据最小能量法编码的特点，使用逐个码字的软判决，每个接收到的码字中能量最高的被判为高比特.这种差错检测方法首先可以消除无效码字的出现，其次它类似于最佳接收但是又比其简单.从图 1中可以看出最小能量法编码的OOK在能量有效性方面优于未经信源编码的OOK和Hamming编码的BPSK，并且随着编码码字长度增大优越性越明显.
|
图 1 不同编码方法的误码率 Figure 1 BER performance of ME-Coding |
通过ME-Coding编码，发射能量和多址干扰都减少了.但是由于最小能量编码在减少高比特位的同时使得码字长度增长.同时无线传感器传输距离比较短，对于发射端，发射设备链路功耗与发射功耗相比不可以忽略.从而增加的低比特位码字使得发送时间增长链路能耗增加，总发射端能量消耗可能不会减少反而增加.本文针对发射端总能量消耗问题提出了分析.
2 能耗模型及能耗分析通常情况下强调尽量减少传输能量是合理的，传统的无线连接的传输距离比较远(大于100 m)，因此传输能耗在总能量消费中占主导地位.然而，对于无线ad-hoc网络(例如，传感器网络)节点密集分布并且节点之间的平均距离通常是10 m以下，链路能耗便可以与传输能耗相当，甚至在总体能耗中占主要部分.因此，为了验证ME-Coding编码方案的能源优化性能，总体能量消耗需要综合考虑传输能耗和链路能耗.
2.1 能耗模型在本文中，使用一个普通SISO(Single-Input Single-Output, 单输入单输出系统)之间的通信连接两个传感器节点, 对于能量有效性的研究通常使用的发射端系统模型[5]如图 2所示.假设传输信息是在300 K的温度下，使用的载波频率为368 MHz，传输的比特率为250 kb/s.
|
图 2 发射端等效模型 Figure 2 The equivalent analog block |
根据以上模块，可以得到传输L比特信息发射端传输能量消耗和总能量消耗为
| $ {E_{\rm{T}}} = \frac{{{P_{\rm{T}}}{T_{{\rm{on}}}}}}{L}, $ | (1) |
| $ {E_{{\rm{Total}}}} = \frac{{{P_T}{{\rm{T_{on}}}} + {P_{{\rm{amp}}}}{T_{{\rm{on}}}} + {P_{{\rm{ana\_T}}}}\;{T_{{\rm{on}}}} + {P_{{\rm{syn}}}}{T_{{\rm{tr}}}}}}{L}. $ | (2) |
其中，Ton是发射端传输L比特信息所需时间；Ttr是传感器由睡眠状态转换到工作状态所需时间；PT 是传输L比特信息所需功率消耗, 其中PL(d)为通道损耗[15]；
| $ \begin{array}{l} {P_{\rm{T}}}_{({\rm{dBw}})} = PL{\left( d \right)_{({\rm{dB}})}} + {E_{\rm{b}}}/{N_0}_{({\rm{dB}})} + {R_{({\rm{dBHz}})}} - \\ {204_{({\rm{dBW/Hz}})}} + {M_{({\rm{dB}})}}, \end{array} $ | (3) |
Pamp是功率放大器所需功率消耗
| $ {P_{{\rm{amp}}}} = \alpha {P_{\rm{T}}}, $ | (4) |
其中,
使用Matlab仿真实现以上模型可得出每传输1比特信息系统所需传输能耗和总体能耗，如图 3、图 4所示.
|
图 3 传统系统模型的传输能耗 Figure 3 Transmission energy consumption of the classical model |
|
图 4 传统系统模型的总能耗 Figure 4 Total energy consumption of the classical model |
从图 3中可以直观地看出，当只考虑传输能耗时，对于相同误比特率，最小能量法在不同的编码指数下均比未编码的之前的传输能量低, 并且当编码指数k越大时优化程度越明显.
当将链路能耗考虑进去以后，如图 4所示，与图 3的结论完全相反.在图 4中，当分析总能耗时，各种编码方法所对应的总能耗均高于传输能耗10倍以上.可见链路能耗在这种情况下不能忽略不计，并且其在总能耗中占主要部分.此外，编码后比未编码的能耗更高.因此，在传统系统模型中，当最小能量法应用于短距离的无限传感器网络通信时，其能耗优越性并未体现.
3 改进系统模型 3.1 基于MAX1472的能耗模型考虑到使用传统模型时并且将链路能耗考虑进去后, 最小能量法并未使得总能耗得到优化.因此，为获得更好的性能，使用了更适合于OOK调制的简单信号的芯片MAX1472，它是载频在300 MHz至450 MHz范围内的甚高频/超高频发射器.此模块的功能关系图见图 5.
|
图 5 功能关系图 Figure 5 Functional diagram |
基于MAX1472的等效能耗模块，其等效系统模型可简化为只包括功率放大器和模拟链路两部分，发射端设备总能量消耗可以由式(5)计算得出:
| $ {E_{{\rm{Total}}}} = ({P_{\rm{T}}} + {P_{{\rm{amp}}}} + {P_{{\rm{ana\_T}}}})\frac{{{T_{{\rm{on}}}}}}{L}, $ | (5) |
其中，PT是传输L比特信息所需传输能量, Pamp为功率放大器所需功率消耗, Pana_T是其他模拟链路所需功率消耗.
由系统模型可进一步得到总功耗的表达式:
| $ {P_{{\rm{Total}}}} = {P_{\rm{T}}} + {P_{{\rm{amp}}}} + {P_{{\rm{ana\_T}}}} = f\{ {P_{\rm{T}}}, {\rm{r}}\} + {P_{{\rm{ana\_T}}}}. $ | (6) |
从MAX1472的手册中电源电流与输出功率的相关图表进行三阶曲线拟合，可以得出在不同占空比下的输出功率与供应电流之间的关系, 然后由式PTotal=IU可以得到改进型能量模块总的功率消耗为
| $ \begin{array}{l} {P_{{\rm{Total}}}} = r(0.0147\;{P_{{\rm{T(mW)}}}}^3 - 0.3191\;{P_{{\rm{T(mW)}}}}{^2} + \\ 3.188\;7\;{P_{{\rm{T(mW)}}}} + 5.279\;4) + 3.825. \end{array} $ | (7) |
使用式(7)经过仿真，可以得到基于MAX1472的发射端总能量消耗，如图 6所示.与图 5相比较，在相同传输距离和相同比特误码率的情况下，新系统模型的总能量消耗呈现完全相反的结果.
|
图 6 基于MAX1472系统模型总能耗 Figure 6 Total energy consumption of the MAX1472 |
图 6表明最小能量法编码后较之编码前能耗降低，并且随着编码指数k增加，优化程度越显著.此改进型模型的低能耗特点应用于短距离无线传感网尤为明显.传输距离在50 m以内时，不同信源编码条件下能耗与图 4相比均有大幅度降低.其每比特能耗的数量级由原传统系统模型的10-5 J/bit降至10-7 J/bit.以上仿真结果表明基于MAX1472的改进型模型相较于传统系统模型，更适合于最小能量法编码的OOK调制的传输模块降低总体能量消耗，从而实现传感器网络节点能耗优化.
4 结束语本文研究了最小能量法应用于无线传感器网络中的能耗优化问题.在系统所需传输比特率较低时，ME-Coding编码的OOK调制方法较之编码前误码率和比特传输能耗都有大幅度降低.并将最小能量法应用于两种发射端系统模型.首先验证了应用于无线传感器网络传统系统模型时，链路消耗占总能耗主要部分，导致ME-Coding作为能量有效的信源编码的优势无法体现.提出并仿真验证了更加适合最小能量法实现包括链路能耗在内的总能耗优化的系统模型.在接下来的研究工作中将考虑接收端设备能耗以及MAX1472的睡眠切换功能, 使得链路能耗得到进一步降低.
| [1] |
吴光斌. 无线传感器网络能量有效性研究[J].
传感器技术, 2004, 23(7): 74-80.
Wu G B. Research of energy-efficiency for wireless sensor networks[J]. Journal of Transducer Technology, 2004, 23(7): 74-80. |
| [2] |
杨奇, 史浩山, 蒋雯. 最小能量优化编码研究[J].
计算机工程与应用, 2010, 46(9): 13-15.
Yang Q, Shi H S, Jiang W. Research of source coding method for power saving[J]. Computer Engineering and Applications, 2010, 46(9): 13-15. |
| [3] |
Laneman J N, Tse D N C, ornell G W W. Cooperative diversity in wireless networks:efficient protocols and outage behavior[J].
IEEE Trans on Information Theory, Dec, 2004, 50(12): 3062-3080.
DOI: 10.1109/TIT.2004.838089. |
| [4] |
Shih E, Calhoun H, Cho S, et al. Energy-efficient link layer for wireless microsensor networks[C]//IEEE Computer Society Workshop on VLSI, April, 2001: 16-21.
https://ieeexplore.ieee.org/document/923134/
|
| [5] |
Shuguang Cui, Goldsmith A J, Bahai A. Energy-constrained modulation optimization[J].
IEEE Trans. on Wireless Communications, Sep, 2005, 4(5): 2349-2360.
DOI: 10.1109/TWC.2005.853882. |
| [6] |
Schurgers C, Srivastava M B, Energy efficient wireless scheduling: adaptive loading in time[C]//Wireless Communications and Networking Conference, March, 2002: 706-711.
https://ieeexplore.ieee.org/document/993354/?isnumber=21424&arnumber=993354&count=76&index=34
|
| [7] |
Cui S G, Goldsmith A J, Bahai A. Energy-efficiency of MIMO and Cooperative MIMO Techniques in Sensor Networks[J].
IEEE Journal on Selected Areas in Communications, 2004, 22(6): 1089-1098.
DOI: 10.1109/JSAC.2004.830916. |
| [8] |
Kim J, Andrews J G. An energy efficient source coding and modulation scheme for wireless sensor networks[C]//Proc. 6th IEEE Workshop Signal Processing Advances Wireless Communications, 2005: 710-714.
https://ieeexplore.ieee.org/document/1506232/
|
| [9] |
Tang Q, Gupta S, Schwiebert L. BER performance analysis of an on-off keying based minimum energy coding for energy constrained wireless sensor application[C]//Proc. IEEE International Conference on Communications, 2005: 2734-2738.
|
| [10] |
Kim, Andrews J G. An energy efficient source coding and modulation scheme for wireless sensor networks[C]//IEEE 6th Workshop on Signal Processing Advances in Wireless Communications, 2005: 710-714.
https://ieeexplore.ieee.org/document/1506232/
|
| [11] |
Fischione C, Johansson K H, Sangiovanni-Vincentelli A., et al. Minimum Energy Coding in CDMA Wireless Sensor Networks[J].
IEEE Transactions on Wireless Communications, 2009, 8(2): 212-227.
|
| [12] |
Liu C H, Asada H H. A source coding and modulation method for power saving and interference reduction in DS-CDMA sensor network systems[C]//Proc of American Control Conf, 2002, 4: 3003-3008.
https://ieeexplore.ieee.org/document/1025249/
|
| [13] |
Erin A C, Asada H H. Energy optimal codes for wireless communications[C]//IEEE Proceedings of the 38th conference on decesion and control, PHX, AZ, Dec 1999: 4446-4453.
https://www.researchgate.net/publication/3841816_Energy_optimal_codes_for_wireless_communications
|
| [14] |
Prakash Y, Gupta S K S. Energy efficient source coding and modulation for wireless applications[C]//IEEE Wireless Communications and Networking, Mar, 2003: 212-217.
http://www.ee.oulu.fi/~carlos/WSNPapers/PR03.pdf
|
| [15] |
Proakis J. Digital communications fourth edition[M]. New York: McGraw-Hill Book Co, 2001.
|