无线传感器网络分布式单向链路检测算法.doc

第11期桑俊俊等：无线传感器网络分布式单向链路检测算法173无线传感器网络分布式单向链路检测算法桑俊俊，石胜飞，李建中，熊蜀光（哈尔滨工业大学 计算机科学与技术学院，黑龙江 哈尔滨 150001）摘 要：针对在存在单向链路的网络中如何检测单向链路和如何利用单向链路的问题，提出了3种分布式算法。这3种算法的基本思想是通过Beacon数据包交换一部分链路信息帮助发现单向链路。实验结果显示，使用提出的分布式链路检测算法可以将路由路径的平均长度减少37.8%39.24%，路由层平均数据发送成功率提高23.82%。模拟实验表明，提出的分布式单向链路检测算法具有很好的可扩展性。关键词：无线传感器网络；单向链路；拓扑发现中图分类号：TP393 文献标识码：B 文章编号：1000-436X(2008)11-0165-08Unidirectional-link detection algorithms in wireless sensor networksSANG Jun-jun, SHI Sheng-fei, LI Jiang-zhong, XIONG Shu-guang(School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001,China)Abstract: Three distributed approaches were presented to detect unidrectional-links and to support routing protocols to use them. The main idea of these approaches was using Beacon message to exchange some information between nodes. Real link data based experiments show that these approaches can reduce the average length of routing path by 37.8%39.24%, and can improve the average deliver ratio by 23.82%. Simulation experiments show that these approaches are both efficient and scalable.Key words: wireless sensor networks; unidirectional links; topology discovery1 引言收稿日期：2008-06-15；修回日期：2008-10-10基金项目：国家重点基础研究发展计划（“973”计划）基金资助项目（2006CB303000）；国家自然科学基金资助项目（60533110，60703012）；黑龙江省青年科技专项基金资助项目（QC06C033）Foundation Items: The National Basic Research and Development Program of China (973 Program) (2006CB303000); The National Natural Science Foundation of China (60533110, 60703012); Heilongjiang Province Foundation for Young Scholars (QC06C033)随着微电子技术和通信技术的日趋成熟，由大量同时具有通信能力、感知能力和计算能力的无线传感器节点构成的无线传感器网络成为学术界和工业界共同关注的研究热点。无线传感器网络是由部署在监测区域内的大量廉价微型传感器节点组成，通过无线通信方式形成的多跳自组织的网络系统。无线传感器节点通常是一个微型的嵌入式系统，它的通信能力、计算能力和存储能力都非常有限。同时，无线传感器节点通过电池供电，能量也非常有限。由于无线传感器网络节点数量众多、分布范围广泛、工作环境复杂，使得几乎不可能给传感器节点更换电池补充能量。因此，尽可能减少节点的能量消耗、延长网络的工作时间是无线传感器网络研究中重点关注的话题1。目前，在无线传感器网络通信的研究中，大量通信协议的提出都是基于链路是双向对称这一假设的。即如果节点A能和节点B通信，那么节点B也能和节点A通信。随着研究的深入，越来越多的研究人员开始关注真实环境中的传感器网络的链路特性27。2002年，UCLA的研究人员Ganesan等人3通过实验方式对大规模无线传感器网络中的通信进行了分层研究。他们的实验结果表明：在链路层，随着节点之间距离的增加，对称链路所占的比例呈现加速减少的趋势；随着节点发射功率的减小，对称链路所占的比例也呈现加速减小的趋势；在低功耗模式下，单向链路大约占15%左右。实验结果还表明无线传感器网络中的这些复杂的通信特性对上层协议，尤其是路由层的协议影响非常明显。Cerpa等人在文献2中观察到由于不稳定的单向链路的存在，使得传统的基于Gabriel图的地理路由策略不再有效。他们的观察还显示大量的链路不符合简单的理想模型的假设，而是节点之间以一定的概率可以通信（大约0.40.5）。同时，Cerpa等8还对低功耗无线链路的时间特性进行了深入研究，他们的统计数据显示链路稳定性随时间变化是非常剧烈的，但短时间内链路质量变化不大。文献8中还说明链路质量比较差的链路要比链路质量较好的链路变动更加剧烈。Krishnamachari等4对无线传感器网络中的不对称链路进行了理论研究。文献4从理论上说明了无线通信中总存在一个变动的区域，在这个区域中，不对称的（包括单向的）、动态的链路大量存在。在真实环境中，节点通信时信号强度的分布呈现不规则形状9，导致节点的通信范围与圆形假设相差甚远。如图1所示，A节点的通信范围用虚线表示，B节点的通信范围用实线表示，节点B能接收到节点A发送的数据，而节点A不能接收到节点B的数据。由于大量不稳定、不对称、动态链路的存在，使得传感器网络中大量存在着这样的单向链路。Son等10对无线传感器网络中的并发数据传送进行了研究。对他们公布的实验数据进行分析的结果显示：在真实无线传感器网络环境中有超过30%的链路是单向的。在无线传感器网络的生命周期中，随着节点能量的减少、环境的变化、节点硬件的损坏，网络中的单向链路会逐渐增加。由于单向链路对上层协议的影响比较大3，当单向链路的比例超过一定值，必然会对网络性能产生严重的影响。因此，能够准确地监控网络中单向链路的分布情况，并向单向链路分布集中的区域补充一部分节点以消除单向链图1 一个单向链路的例子路过多对网络造成的影响可以有效地延长网络的工作时间。文中因此提出了一种分布式可扩展的单向链路检测算法（策略）用来帮助无线传感器网络管理者和使用者及时地监测网络中单向链路的分布情况。在当前无线传感器网络的研究中，大部分路由算法在进行邻居列表维护时都倾向于使用对称的链路，而没有利用这种广泛存在的单向链路。在AODV协议11中，源节点在请求到目的节点的路径时，如果目的节点不能够让源节点知道它的存在，那么路径就不能建立。如图2所示，存在节点2到节点D的路径2D，但节点D无法通知节点2路径的存在，从而路由失败。DSDV协议12中存在同样的问题，只不过DSDV协议是由目的节点发起的路由路径请求。如果有一种有效的算法可以发现如图1中AB这样的链路并提供给路由协议，在路由中使用这些链路将会提高路由的效率，并大大节省无线传感器网络通信的能量开销。图2 GFR路由失败示例下面以一个具体的例子来说明使用单向链路可以提高网络的性能。在无线传感器网络的路由协议中，贪心选择转发路由（GFR, greedy forward routing）策略被广泛采用13。考虑这样一种简单的GFR地理路由：每一个节点维护一个自己的一跳邻居列表，其中包含节点ID和节点对应的地理位置信息；每一个节点在转发数据包的时候选择自己邻居列表里离目标节点距离最近的节点进行转发。为了简单起见，这里假设网络拓扑能够保证这种策略找到一条到达目的节点的路径。贪心策略找不到转发节点的情况可以参考文献13中的周边路由策略。图2和图3是2个网络拓扑示意图，其中节点S是源节点，节点D是目的节点，节点S需要通过路由将数据发送到D节点。使用对称链路的GRF路由策略在图3上将会选择S12D这条路径，在不考虑重传的情况下，需要发送3个数据包。在图3的拓扑上， 如果数据包通过图中虚线所示的S3D这条路径传送，只需要发送2个数据包。由此可见，如果能够利用单向链路进行路由，可以大大减少发送数据包的数量。使用对称链路的GFR路由策略在图2上的情况更为特殊，如果一条路由路径上存在如图2中S12D 这样一条包含单向链路2D的路径。在基于对称链路的情况下，由于节点2无法知道节点D的存在，数据包会在节点2处被丢弃。如果能让节点2知道存在一条节点2到节点D的路径，那么数据包就可以成功到达节点D。因此，利用单向链路可以提高路由协议的性能。为此，文中提出了2种针对路由协议的单向链路检测算法(机制)，使得节点在本地即可知道单向链路的存在，从而利用该链路。图3 GFR路由示例针对如何在传感器网络中检测单向链路和如何使用在传感器网络中广泛存在的单向链路这2个问题，本文提出了3种分布式算法。算法的主要思想是在路由层进行Beacon信息交换时加入一些邻居列表信息帮助节点发现单向链路的存在并通过Beacon信息提供给可以使用这些单向链路的节点。文中的主要贡献如下：1) 针对检测单向链路的问题，提出了3种分布式单向链路检测算法；其中B算法是一种分布式的面向网络性能监测的单向链路检测算法；A算法是一种支持路由协议使用单向链路的算法；kA算法是对A算法的改进，可以进一步帮助路由协议提高性能；2) 通过使用真实链路数据的实验证实了支持路由协议的分布式单向链路检测算法能够大幅度提高路由协议的性能，提升幅度在30%以上；3) 通过模拟实验证实了分布式单向链路检测算法的可扩展性。论文的结构如下：第2节首先针对如何检测单向链路这一问题，阐述了简单的集中式算法，然后提出一种分布式的单向检测算法；在第2节的后半部分，提出了2种支持路由协议的分布式单向链路检测算法。第3节用实验对算法进行了验证和比较，首先用模拟实验比较了分布式单向链路检测算法和集中时单向链路检测算法的有效性和可扩展性；然后用南加州大学提供的真实链路数据证实了支持路由协议的单向链路检测算法可以大幅度提高路由协议的性能。第4节为结束语。2 单向链路检测算法在这一节中详细阐述了集中式单向链路检测算法和提出的3种分布式单向链路检测算法。首先在2.1节中阐述了面向网络性能衡量的分布式单向链路检测算法，然后在2.2节中阐述了2种支持路由协议的分布式单向链路检测算法。2.1 面向网络性能衡量的单向链路检测算法由于单向链路对网络性能，尤其是路由协议影响非常明显3。有效的单向链路检测算法可以帮助无线传感器网络的使用者及时掌握网络的状况、估计网络的性能并及时对单向链路分布集中的区域补充一部分节点以延长网络的寿命。2.1.1 Nave算法在不考虑能量的情况下，所有节点在获得自己的邻居节点集合之后都把自己的邻居节点集合发送到基站节点。基站节点在收到所有节点的邻居列表后进行集中处理。如果发现节点A在节点B的邻居列表里，而节点B不在节点A的邻居列表里，那么存在一条节点A到节点B的单向链路。由于无线传感器网络中的链路具有动态性，而且变化非常剧烈3。为了检测出所有的单向链路，该算法在每次邻居列表发生变化后都需要将新的邻居列表发送回基站节点，造成了巨大的通信开销和能量消耗。在实验中，将Nave算法作为一个比较的标准。该算法分为2个部分：节点部分和基站部分。节点每隔一段时间（一个Beacon周期） 广播Beacon消息。在收到邻居节点的Beacon 消息后，将该邻居节点加入到自己的邻居节点集合N中。为了尽量减少数据传输量，每一个节点在统计完当前的邻居节点集合后将当前邻居节点集合与上一个周期的邻居节点集合进行比较，如果邻居节点集合发生变化，那么将变化的部分传回基站节点。表1用伪代码对Nave算法的节点部分进行了描述。基站节点在收到所有节点发回的数据包后，更新上一个周期的邻居节点列表，然后对这些邻居列表信息进行集中处理，表2用伪代码对Nave算法的基站部分进行了描述。在算法描述中Diff函数用来求得2个集合的差别，包括增加和减少的部分；SendBack函数用来向基站节点发送数据；Size函数返回集合的大小；ReportUni(A, B)用来汇报一个AB的单向链路。表1Nave算法节点部分Nd;Repeat 向邻居节点广播Beacon包； 接收邻居节点广播的Beacon包; 统计自己的邻居节点集合N; NdDiff(Nd,N); if Nd then SendBack(Nd); endif NdN;表2Nave算法基站部分Repeat 接收来自各个节点的数据包; 得到更新的邻居列表集合N1,N2, Nn; for i1 to n do for each jNi do if iNj then Report(j, i); endif endfor endfor2.1.2 B算法无线传感器节点通常使用电池供电，所能提供的能量非常有限。由于无线传感器网络中包含的节点数量众多、分布区域广，而且传感器网络工作的环境往往非常复杂，所以给传感器节点更换电池补充能量是不现实的。能否高效地使用有限的能源是衡量任何传感器网络应用算法能否实用的首要标准。研究表明，传感器节点的大部分能量消耗在无线通信模块，传输1bit信息所消耗的能量大约是执行一条计算指令所消耗能量的3 000倍14。因此，如果可以将单向链路的检测算法放到网络中的各个节点上去执行，只有检测出单向链路的节点才向基站汇报将会大大减少网络中的数据传输量，从而减少网络的能量消耗。下面介绍的算法就是这样一种分布式的单向链路发现算法。该算法可以有效地发现网络中所有的单向链路，并且在网络中的链路质量发生变化后能够很快地发现新增的单向链路。在每一个Beacon周期，每个节点将自己的邻居节点列表加入到Beacon中广播出去；每个节点在收到邻居节点发送过来的Beacon包后，检查其中的邻居节点列表，如果该列表中不包含自己的节点号，则说明存在一个该邻居节点指向自己的单向链路。为了获得初始邻居列表信息，将在算法广播Beacon包之前先广播一遍Hello消息以统计邻居列表情况。由于该算法中发现单向链路的节点是单向链路指向的节点，即单向链路AB中的B节点，因此称该算法为B算法。传感器网络中某一时刻的部分拓扑如图4所示。B算法在图4中A、B节点上具体执行过程如下：A节点将自己的邻居列表NA:C,D加入Beacon包中广播出去，B节点将自己的邻居列表NB:F,H加入Beacon包中广播出去；节点B收到A发来的Beacon包；节点B从收到的Beacon包中得到A节点的邻居节点信息NA；节点B检查NA，发现BNA，发现一条单向链路AB；将AB加入单向链路集合中；B节点在本次Beacon周期结束时将单向链路集合发送给基站节点。至此，完成一次单向链路检测过程。表3用伪代码对B算法进行了描述。函数From表示获得数据包的源节点ID号。图4 B算法示例表3B算法向邻居节点广播Hello消息；接收邻居节点发送的Hello消息；N统计自己的邻居节点集合；Repeat 向邻居节点广播包含N的Beacon包； 接收邻居节点广播的Beacon包p; 统计更新自己的邻居节点集合N; 得到p中的邻居节点集合N; if myIDN then ReportUni(From(p), myID); endif2.2 面向路由协议的单向链路检测算法2.2.1 A算法在2.1.2节提出的检测单向链路的B算法可以有效地检测出网络中所有的单向链路。但是，由于B算法是在单向链路指向的节点上发现单向链路的存在的，而路由协议要使用单向链路就必须在单向链路开始的节点上选择下一跳转发的节点。因此，B算法并不能帮助路由协议使用单向链路。在图1所示的AB单向链路中，B算法可以检测出该单向链路的存在，但是如果想在路由协议中使用AB链路，需要让A节点知道链路AB的存在。因此，需要能够将单向链路AB的信息提供给节点A的算法来帮助路由协议实现利用单向链路进行转发。如图5所示，如果存在一个节点C，使得在一个Beacon周期中节点C可以同时接收到节点A和节点B广播的包含各自邻居列表信息的Beacon包。节点C在收到节点A和节点B的Beacon包后，通过查看节点A的邻居列表NA和节点B的邻居列表NB就会发现节点ANB，而BNA。于是节点C发现了单向链路AB。如果节点C和节点A之间的链路是双向的，那么节点C就可以将其发现的单向链路分享给节点A，使得节点A上的路由协议在转发数据包的时候可以使用单向链路AB。以图5为例，A算法执行的过程如下：在Beacon周期的开始，节点A将自己的邻居列表NA:C加入到Beacon包中广播出去，节点A将自己的邻居列表NB:A加入到Beacon包中广播出去；节点C收到节点A和节点B广播的Beacon包；节点C获得节点A和节点B的邻居列表集合NA:C和NB:A；节点C检查NA:C和NB:A，发现ANB，而且BNA，说明存在单向链路AB；节点C通知节点A单向链路AB存在。A算法的伪代码描述如表4所示。图5 A算法示例表4A算法向邻居节点广播Hello消息；接收邻居节点发送的Hello消息；N统计自己的邻居节点集合；Repeat 向邻居节点广播包含N的Beacon包； 接收邻居节点广播的Beacon包p; 统计更新自己的邻居节点集合N; 统计收到的Beacon包集合P; for p1, p2P,p1p2 do N1p1中的邻居节点集合; N2p2中的邻居节点集合; if From(p1)N2 and From(p2)N1 then ReportUni(From(p1), From(p2); endif endfor2.2.2 kA算法A算法要求存在一个特殊的节点C，C节点可以同时接收到节点A和节点B广播的Beacon包并且节点C能够和节点A通信。由于A算法对节点C的特殊要求使得用A算法的路由协议只能够使用一部分单向链路。如果算法可以放宽对中间节点C的要求，将会进一步提高被使用的单向链路的比例，从而提高路由协议的性能。如果网络中存在一条从节点B到节点A的路径，如图6所示。那么，B节点在发现单向链路AB存在后（使用B算法）可以通过这条路径将单向链路信息传递给节点A。为了将单向链路的信息传递给A节点，B节点在发现单向链路的下一个Beacon 周期将单向链路信息加入到Beacon包中广播出去。为了避免过度广播，在广播单向链路消息时需要设置一个跳数限制信息k。其他节点在收到B节点广播的单向链路信息之后，如果是A节点，那么将单向链路信息加入自己的邻居列表中；否则，查看跳数是否超过k，图6 kA算法示例如果没有则将跳数加1，继续广播该消息。在3.2节中的实验结果显示，在真实的传感器网络环境中，k值往往很小，不超过4。表5用伪代码对kA算法进行了描述。表5kA算法向邻居节点广播Hello消息；接收邻居节点发送的Hello消息；N统计自己的邻居节点集合；Repeat 向邻居节点广播包含N的Beacon包； 接收邻居节点广播的Beacon包p; 统计更新自己的邻居节点集合N; if p 包含单向链路信息AB then if myID = A then 将B加入邻居列表N中； elsif 单向链路经过的跳数k then 将单向链路跳数加1； 继续广播单向链路信息； else 丢弃单向链路信息； endif endif 得到p中的邻居节点集合N； if myIDN then ReportUni(From(p), myID)； endif3 实验这一节用实验对提出的算法进行衡量。首先用模拟实验比较了B算法和集中时Nave算法在网络规模增长时需要发送数据包的数量，以及单向链路数量对算法性能的影响。然后，在真实链路数据的基础上通过实验评价了支持路由协议的2种分布式算法对网络性能的影响。3.1 分布式与集中式单向链路检测算法的比较这一部分将通过实验对分布式单向链路检测算法B算法和集中式单向链路检测算法Nave算法的性能进行比较。由于在无线传感器网络中通信开销是消耗能量最大的操作，因此在这里将采用数据包发送的次数作为衡量算法性能的标准。在Nave算法和B算法中，每一个周期都需要发送一次Beacon包，两者发送的Beacon包数量相当。在实验中仅统计通过路由层发送的数据包以及路由层转发的数据包。实验中的数据使用TinyOS-2.x自带的LinkLayerModel工具15生成。LinkLayerModel是tinyos社区的开发人员根据南加州大学自治网络研究组（ANRG, autonomous networks research group）提供的链路质量数据生成器16改写的适用于无线传感器网络模拟的链路质量数据生成工具。LinkLayerModel可以生成网格状的、随机分布的、均匀分布的以及自定义节点位置的拓扑。LinkLayerModel的参数包括信道参数、无线电参数和拓扑参数3大类，各参数的具体说明可以参照文献15。本实验中生成了4种规模的网格状拓扑。网络大小分别为25(55)个节点、100(1010)个节点、225(1515)个节点、400(2020)个节点。在这4种拓扑中节点之间间距均为2m。其余参数使用文献15中提供的足球场场景（football field）的参数。实验使用TinyOS-2.x自带的模拟器TOSSIM进行模拟。路由协议使用TinyOS-2.x提供的CTP协议。实验分2组进行：第1组实验衡量算法需要发送的数据包数量随网络规模的变化；第2组实验衡量在单向链路数量一定的时候算法发送的数据包数量随网络规模的变化。每组实验运行100个Beacon周期，然后统计每个周期发送数据包的平均值。第1组实验的结果如图7所示。从图7可以看出随着网络规模的增长，Nave算法和B算法发送的数据包数量都呈线性增长，但B算法的增长率远远小于Nave算法。在网络规模增长到400个节点时，Nave算法平均每个周期发送的路由层数据包（包括路由层转发的）的数量达到2 000个左右，而B算法大约是150个。如图8所示，在单向链路数量一定时，随着网络规模的增长，B算法平均每个周期发送的数据包几乎没有变化。通过这部分实验可以看出，B算法的性能只与网络中单向链路数量有关，而与网络规模没有关系，具有很好的可扩展性。图7 发送数据包数量随网络规模的变化图8 不对称链路数量一定时发送数据包的数量3.2 单向链路检测算法对路由协议的影响这一部分将通过真实数据实验衡量支持路由协议的单向链路检测算法对路由协议的影响。主要的衡量标准有2个：平均路由路径长度和平均数据包接收率。平均路由路径长度指对网络中所有可达的节点之间的路由路径长度求平均值，主要用来衡量数据包在路由时经过的跳数。平均路径长度反应了数据包在网络中被发送（转发）的次数。平均路径长度越小，表示网络需要发送的次数越少，从而消耗的能量也越小。平均路由路径长度用表示，其定义如下其中，m为网络中的路径总数，指路径i的长度，用路径上的跳数表示。平均数据包接收率指的是每一对节点之间发送的数据包被目的节点成功接收的比例的平均值，用表示。平均数据包接收率的定义如下其中，n为网络中的节点总数，为节点i和节点j之间数据包成功接收的比例。值越高说明数据被成功送到目的节点的概率越高，即网络性能越好。实验中使用的链路数据是由南加州大学ANRG研究组提供的真实链路数据17。这部分数据是从一个由100个节点（59个Moteiv Tmote Sky节点，41个Crossbow MicaZ节点，均使用CC2420通信芯片）构成的1010的真实网络中采集的链路数据。经过统计，这些数据中大约有30%以上的链路是单向的。为了有效地验证算法的有效性，实验中不考虑链路层丢包的现象。在上述的基础上，另设计了2组实验分别评价单向链路检测算法对路由协议性能的改进。第1组实验比较了使用对称链路的路由协议和使用不对称链路的路由协议的平均路径长度。在实验中，不对称链路发现算法的参数k分别设为1、2、3、4四个值。其中k=1的时候，实验等价于采用对称链路路由；k=2时，kA算法和A算法等价。实验结果表明，算法对路由协议的平均路径长度的改进非常明显。其中，A算法将平均路径长度从使用不对称链路的3.311 5跳减少到2.083 5跳，减少了1.228跳，减少了37.08%。kA算法在k=3时，将平均路径长度进一步减少到2.012 3跳，相对于使用对称链路减少了39.24%。实验结果如图9所示。从图9中还可以看出，随着k值的增加，平均路径长度下降趋势非常明显。当k=3时，平均路径长度已经接近于极值。第2组实验比较了路由协议的数据包接收率在使用不对称链路后得到的改进。与第1组实验相同，不对称链路发现算法的参数k值分别设为1、2、3、4。实验结果如图10所示。实验结果表明，算法对路由协议的平均数据包接收率的改进也非常明显。A算法将平均数据包接收率从使用对称链路的74.1%提高到98.02%，提高了23.82%。kA算法在k=3时，将平均数据包接收率进一步提高到接近100%。图9 平均路由路径长度随k值变化图10 平均数据包接收率随k值变化4 结束语针对传感器网络中大量存在单向链路的特点，提出了3种分布式的单向链路检测算法。其中第1种分布式单向链路检测算法面向无线传感器网络性能的监测，可以帮助无线传感器网络的使用者发现网络中单向链路的数量以及分布情况，以便了解无线传感器网络自身的健康状况。后2种分布式单向链路检测算法面向支持路由协议在路由时使用广泛存在的单向链路，提高路由的性能。在真实链路数据上使用文中提出的面向路由协议分布式单向链路检测算法的实验结果显示，使用文中的分布式链路检测算法可以将路由路径的平均长度降低37.8%39.24%，路由层平均数据发送成功率提高23.82%。模拟实验表明，相对集中式链路检测，分布式单向链路检测算法大大减少了传输能量开销，并具有很好的可扩展性。本文主要基于如何利用真实传感器网络本身的特性来提高网络的性能这一思路进行研究。在真实的传感器网络环境下，如何利用网络本身的特性设计健壮有效的网络协议还有很多理论问题和实际问题需要进一步深入研究。参考文献：1李建中, 李金宝, 石胜飞. 传感器网络及其数据管理的概念、问题与进展J. 软件学报, 2003, 14(10): 1717-1727.LI J Z, LI J B, SHI S F. Concepts, issues and adunace of sensor networks and data management of sensor networksJ. Journal of Software, 2003, 14(10): 1717-1727.2CERPA A, WONG J L, KUANG L, et al. Statistical model of lossy links in wireless sensor networksA. Proceedings of the 4th International Symposium on Information Processing in Sensor NetworksC. Los Angeles, California, 2005.24-27.3GANESAN D, KRISHNAMACHARI B, WOO A, et al. Complex Behavior at Scale: an Experimental Study of Low-Power Wireless Sensor NetworksR. Technical Report UCLA/CSD-TR02-0013, 2002.4ZUNIGA M, KRISHNAMACHARI B. An analysis of unreliability and asymmetry in low-power wireless linksJ. ACM Transactions on Sensor Networks, 2007, 3(2):7-41.5WOO A, TONG T, CULLER D. Taming the underlying challenges of reliable multihop routing in sensor networksA. Proceedings of the 1st International Conference on Embedded Networked Sensor SystemsC. Los Angeles, California, USA, 2003.6ZHAO J, GOVINDAN R. Understanding packet delivery performance in dense wireless sensor networksA. Proceedings of the 1st International Conference on Embedded Networked Sensor SystemsC. Los Angeles, California, USA, 2003. 5-7.7ZHOU G, HE T, KRISHNAMURTHY S, et al. Models and solutions for radio irregularity in wireless sensor networksJ. ACM Transactions on Sensor Networks, 2006, 2(2): 221-262.8CERPA A, WONG J L, POTKONJAK M, et al. Temporal properties of low power wireless links: modeling and implications on multi-hop routingA. Proceedings of the 6th ACM International Symposium on Mobile Ad Hoc Networking and ComputingC. Urbana Champaign, IL, USA, 2005. 25-27.9XU Y, LEE W C. Exploring spatial correlation for link quality estimation in wireless sensor networksA. Fourth Annual IEEE International Conference on Pervasive Computing and CommunicationsC. Pisa, Italy, 2006. 13-17.10SON D, KRISHNAMACHARI B, HEIDEMANN J. Experimental study of concurrent transmission in wireless sensor networksA. Proceedings of the 4th Interna