无线传感器网络拓扑控制

无线传感器网络拓扑控制

0网络拓扑控制研究意义无线传感器网络（无线传感器网络）是由大量廉价微传感器节点组成的一个独立性网络。它是由无线通信模式形成的一个独立的网络。虽然WSN和移动ad-hoc网络(MANETs)一样,都采用多跳通信模式,但二者也存在很大差别:传统网络的首要设计目标是提高服务质量和高效利用带宽,其次才考虑节约能源;而由于组成WSN的传感器节点通常体积微小,携带能量十分有限的电池,且个数多,分布区域广,要通过及时更换电池的方式为节点补充能源是不现实的。因此,如何高效使用能量成为WSN的首要设计目标。传感器节点消耗能量的模块主要包括传感器模块、处理器模块、无线通信模块和能量供应模块4部分,其中无线通信模块消耗能量最多。要使能量得到最高效的利用,就要优化无线通信模块的设计,其中最重要的就是如何减少通信的数据量以及选择最佳的通信路径。而这些都建立在良好的网络拓扑结构的基础上,因此,网络的拓扑结构控制与优化具有十分重要的意义。通过拓扑控制自动生成良好的网络拓扑结构,能够提高路由协议和MAC协议的效率,为数据融合、时间同步和目标定位等奠定基础,有利于节省传感器节点的能量,从而延长网络的生存期,提高网络通信效率,并且可以弥补节点失效的影响。总之,网络拓扑控制的研究具有非常重要的意义。本文在对现有拓扑控制算法进行介绍和分析其优缺点的基础上,探讨了拓扑控制算法今后的研究方向。1系统结构类型无线传感器网络拓扑控制主要研究的问题:在满足网络覆盖度和连通度的前提下,通过功率控制和骨干网节点的选择,剔除节点之间不必要的通信链路,形成一个数据转发的优化网络结构。按照研究方向,可以分为2类:节点功率控制和层次型拓扑结构组织。本文主要对层次型拓扑结构组织(又称分簇算法)进行分析研究。1.1馅头控制算法在线融合LEACH算法是最先被提出的一种自适应分簇拓扑算法。该算法中,簇头周期性随机选举,选举方法:各节点分别产生一个[0,1]之间的随机数,若该随机数小于T(n),则该节点发布自己为簇头的公告消息。T(n)的计算公式:式中:p为网络中簇头数与总节点数的百分比;r为当前的选举轮数;G为这一轮中未当选过簇头的节点集。节点将数据传送给簇头,簇头将接收到的数据融合处理后传送给sink节点。该协议的优点:采用随机选举簇头的方式避免簇头过分消耗能量,提高了网络生存时间;数据融合可有效减少通信量。但是LEACH算法提出的簇头选举机制没有考虑节点的具体位置,选举出的簇头分布并不均匀,可能导致网络内节点的剩余能量级不均衡。如果簇头节点剩余能量低于网络的平均值,将会增加其成为盲节点的机会,过多的盲节点会降低网络的生命周期,这是需要改进的一个方面。1.2“灰色节点”方法TopDisc算法提出了2种具体的节点状态标记的算法:三色算法和四色算法。在三色算法中,节点可以处于3种状态,分别用白、黑和灰3种颜色表示。白色节点代表未被发现的节点;黑色节点代表成为簇头的节点;灰色节点代表应用该算法所确定的普通节点,即簇内节点。在骨干网形成之前,所有节点均被标记为白色,由一个初始节点发起三色算法,算法执行完毕后所有节点均被标记为黑色或灰色。而四色算法是为了扩大簇间间隔提出的,节点的状态由3种增加到了4种,分别由白、黑、灰和深灰4种颜色表示。增加的深灰色节点代表未被覆盖的节点,其距黑色节点的距离为两跳,其它3种颜色定义与三色算法相同。相对于三色算法而言,四色算法增加了相邻黑色节点间的距离,可以形成更少的簇,同时有可能出现孤独的黑色节点。总体来说,TopDisc算法构建成的层次性网络灵活性不强,重复执行的开销过大,而且没有考虑节点的剩余能量问题。1.3质控算法及结果参考文献针对分层结构的无线传感器网络提出了一种簇头选择模型,根据节点的权值选择簇头,节点的权值综合考虑了节点度和节点剩余能量,其中节点度定义为一个节点的相邻节点数。另外,该模型考虑了簇的规模,得到了理想情况下簇内的簇成员数:式中:n为WSN的节点数;h为整个网络的簇数;B2为骨干网流量带宽;B1=B2/h。为均衡网络中的节点能量消耗,规定了一个时间门限值Tthr。当某节点担当簇头的时间超过Tthr,则进行簇重构,并且已经当选过簇头的节点再次被选为簇头节点的可能性会降低。参考文献提出的分簇算法反映局部空间相关性的数据相异度对节点剩余能量进行约束,并将约束后的预测能量作为竞选簇头的主要依据,被选举的簇头在WSN中具有良好的分布性,同时通过引入数据鉴定码,减少了簇内数据传输阶段的通信量及簇头数据融合的工作量,很大程度上节约了能量消耗,延长了网络的生存时间。参考文献的算法综合考虑了以下4个参数选择簇头节点:实际节点度和理想节点度的偏差、节点移动的平均速度、节点剩余能量以及节点到邻居节点的总距离,通过考虑WSN节点的能量问题确定了层次拓扑结构中簇头节点的最优个数,使整个无线传感器网络节点传播信号消耗的总能量有所降低。参考文献通过综合考虑候选节点的剩余能量级、通信能量损耗等参数优化簇首的选择,有效地避免了低能量节点被选为簇首的可能性,进一步保证网络内节点能量的均衡性。2wsn技术特点目前,无线传感器网络拓扑结构控制的研究有了初步的进展,出现了很多针对WSN自身特点的拓扑控制算法。从上面的分析可看出,大多数算法仍停留在理论研究阶段,没有充分考虑实际应用时的诸多困难。基于对上面算法的分析比较,今后拓扑控制算法的设计要在以实际应用为背景的前提下,着重考虑以下几个方面的问题:(1)引入启发机制,即启发式的节点唤醒和休眠机制。目前的大多数分簇算法以节点剩余能量、节点度、局部数据相异度等作为竞选簇头节点的参数,尽管从一定程度上节约了能量消耗,起到了延长网络生存时间的作用,但WSN是面向应用的事件驱动网络,骨干网节点在没有检测到事件时不必一直保持在活动状态,因此,可以在拓扑控制算法中通过引入启发式的节点唤醒和休眠机制,即采用“侦听/休眠”策略。该机制的引入使无线通信模块大部分时间都处于休眠状态,只有传感器模块处于工作状态,进一步节省了节点的能量消耗。该机制使节点根据网络情况动态地改变自身状态,从而动态地改变网络的拓扑结构。该机制需重点解决节点在睡眠状态和活动状态之间的转换问题,且其不能独立使用,需与其它算法结合使用。(2)保证算法的收敛速度。WSN的拓扑结构可因下面几个因素发生变化:环境因素或电能耗尽造成节点出现故障或失效;环境条件变化可能造成无线通信链路带宽发生变化,甚至时断时通;WSN节点、感知对象和观察者都可能具有移动性;新节点的加入。这就要求WSN的拓扑控制算法具有很快的收敛速度。如果网络拓扑结构发生变化,从该时刻开始到整个网络所有路由器的路由表重新一致的时间间隔就是收敛时间。收敛时间越短说明算法的收敛速度越快。(3)数据捎带技术:对于WSN来说,最基本的是要提高拓扑控制的自适应性和鲁棒性。对于大规模的节点分布应加入负载平衡技术,如果可以使用数据捎带技术,即在数据消息中捎带拓扑控制的相关信息,可进一步节约节点能耗。3拓扑控制算法设计中应注意的几个问题本文介绍了目前主要