无线传感器网络环境下低能耗拓扑控制策略

王曦

摘要：无线传感器网络的能量消耗直接影响到整个通信系统的运行效率，本文主要针对无线传感器网络的拓扑结构特点，对其链路层的低能耗功率控制进行研究。通过降低冗余发射功率、提高信号的有效辐射、采用干扰消除技术以及进行干扰避免等策略完成了系统的低功耗功率控制。经过试验测试，本文提出的低功耗拓扑控制策略能够在一定程度上降低网络系统的能量消耗。

关键词：无线传感器网络；低能耗；功率控制；拓扑结构

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）31-0235-02

无线传感器网络（WSN ，Wireless Sensor Network）是由若干的固定或移动的传感器元件通过自组织及多跳的形式构成的无线网络，协同地采集、传输及协调网络覆盖范围内被感知对象的属性信息，并通过无线媒介将传感信息传输给网络的使用者[1-2]。

无线传感器网络中的传感器节点能够持续不断的完成数据采集、事件侦听、事件分类、位置定位以及节点控制[3]，以上传感器节点的关键特性及其无线连接形式使无线传感器网络的取得了异常繁荣的应用前景，可以广泛应用于军事、建筑、环境监测、地上交通流量监控、地下交通开发、农业种植技术、及食品安全监测等领域[4-5]。

如何高效和低能耗地维护无线传感器网络的拓扑结构是整个系统运行状况的关键[6-7]。本文研究一种无线传感器网络环境下的低能耗拓扑控制策略，整体降低无线通信系统的能力消耗。

1 无线传感器网络低能耗拓扑控制策略

1.1 无线传感器拓扑控制

无线传感器网络系统同时兼备了数据采集、数据存储、数据控制处理以及无线传输等能力的若干传感器节点，其作用是从物理空间获取数据，提供用户客户端与物理现象之间的接口。与典型的移动自组织网络存在差异，无线传感器网络的主要特征如下[8-9]：

①网络节点密度高；

②传感器节点资源受限；

③网络拓扑结构变化频繁；

④网络节点管理困难。

随着无线传感器网络应用利用的日趋广泛，导致其面临着越来越大的挑战。通信节点自己负责网络建立、管理及控制，因此节点除了是信息感知器之外，还必须担任路由器、信息转发器的角色。此外，节点中分布式的网络管理也加重了每个节点的负担。最后，节点本身的资源限制也使得网络的协议设计及性能优化更加复杂[10]。因此，国内外的专家学者针对不同的实际应用设计了很多优化协议及方法。

无线传感器网络的拓扑控制示意图如图1所示。对于普通情况下的WSN而言，对其进行拓扑控制的主要目的是：维护节点间可达性、减少能量损耗、增加网络系统容量、降低信道间干扰以及增加空间复用率等方面。针对某些特殊的实际应用，面对不同的网络需求，拓扑控制的目的还包括维持弱移动性、降低通信延迟、优化通信链路质量等方面。由于通信节点的发射功率具有全方位扩散特性， WSN拓扑可描述为单位圆图。由图论的基本原理可知，经拓扑控制调整所获拓扑图可以具备连通性、对称性或弱对称性、稀疏性、节点度受限性以及平面性等基本属性。根据拓扑控制算法的管理方式、组成依据、应用需求的不同，拓扑控制算法可以分为归类方法。

根据管理方式的不同，拓扑控制算法可以分为节点功率控制和分簇拓扑控制两种。节点功率控制机制的实现主要通过动态调节节点的发射功率完成，以达到维持拓扑结构多种连通性的目的，同时尽可能避免隐藏终端和暴露终端问题。分簇拓扑控制机制通过分层结构构成处理和分发信息的骨干网络，其中非簇头的普通节点能够利用空闲休眠策略降低能耗。

1.2 低能耗拓扑控制策略

WSN的低能耗拓扑控制技术主要是指功率控制技术，按照网络层次来划分，控制技术主要包括网络层和数据链路层的功率控制技术。作用于数据链路层的功率控制策略通过修改MAC层协议来完成，通过对数据报文的下一跳节点距离的计算和当前无线信道所处状况等辅助信息来动态调节节点的发射功率。但无线传感器网络的功率控制不仅仅依靠网络层和MAC层，还需要物理层、传输层的配合，因此， 在时机成熟的情况下可以采用跨层设计的方法。例如功率调节在影响到信息的可靠传输的同时，可能也会对物理层和MAC层产生影响，层与层直接是相互关联的；如果节点采用过大的功率进行传输，可能会阻塞数据的发送，降低通信效率，而拥塞控制是网络层和传输层负责的。本文仅对链路层的MAC层协议较为基础的低能耗功率控制进行研究分析。本文的低能耗拓扑控制策略从以下四個方面降低发射功率，以下方面可与其他方式进行融合使用。

（1）减少冗余传输功率：此类办法对通信节点的硬件要求不高，通信节点可以评估当前信道状态或利用功率状态反馈策略在一定程度上降低节点传输功率的冗余量。

（2）增加信号的有效辐射覆盖范围：在无线传感器网络中，通常采用全向天线发射信号，即使在没有传输任务的方向上信号也会向外辐射，在一定程度上造成了功率的浪费。而如果采用定向天线或智能控制天线，只有在有数据传输任务的方向上向外辐射信号，在额定发射功率的情况下，此策略可以在一定程度上避免不必要功率的浪费和消耗。

（3）引入干扰消除技术：接收节点的信噪比是否与接收门限大小关系直接影响到通信节点间的通信质量。信噪比是衡量信号质量的重要指标。一般情况下，在施加了高斯白噪声情况下，如何降低噪声信号的比例是研究优化的重点。现假设通信节点不仅可以接收节点传输来的信号，还能够接收到其它节点的干扰信号，假定信道噪声设置为高斯白噪声，信噪比计算公式如公式（1）所示：

上式中， 定义为节点从节点处接收到的信号功率，定义为节点从其它节点处接收到的干扰功率，在节点处归类于噪声功率。如果减小而不变，则 信噪比SINR会明显增大；在网络节点发射功率同时等比下降的前提下， 保持不变，信噪比性能亦会增大。在减小的前提下，若期望信噪比不增大甚至可以减小，则需要降低。

本策略在接收节点处采用干扰抵消技术降低，通常情况下，在节点处是将作为干扰信号来进行处理，干扰抵消技术在解码时将信号同时也进行解码，在一定程度上可以将从总干扰中部分消除，提高信噪比。

（4）干扰避免控制机制：MAC 层的功率控制的目的是在共享信道中降低信号的。维持较小信噪比的另一个重要机制是冲突避免机制。在节点进行数据信息传输前，通过计算此刻需求，然后对潜在干扰节点发送冲突避免数据帧的广播，潜在的干扰节点根据接收到的冲突避免数据帧广播信息来动态调节自身的发射功率上限，进而避免冲突的发生。在使用冲突避免机制后，允许节点在以后的传输任务中，只有不对正在进行的传输构成冲突的前提下，才能进行數据传输。

以往 MAC 层的低功耗功率控制策略的主要目标是尽可能地使没有数据发送或接收任务的节点处于在睡眠状态，目前来看，本策略研究的重点转移到在维持网络连接性的前提下如何有效地控制节点信号的功率覆盖范围。

2 仿真实现及分析

为了测试本文研究的低能耗功率拓扑控制策略，作者对模型进行了性能对比测试。

对比测试实验在NS-2仿真软件中完成，设置100个自组织的无线传感器节点，每个节点随机发送大小固定为20字节的数据包，发送周期是20ms，而且目的节点也是随机的，对应用了低能耗功率拓扑控制策略的实验场景与为使用该策略的实验场景进行对比分，测试结果如图2所示。

3 结论

伴随着无线传感器网络的应用越来越广泛，其功率消耗问题必须重视，本文对无线传感器网络环境下的低功耗拓扑控制策略进行了研究，通过降低冗余发射功率、提高信号的有效辐射、采用干扰消除技术以及进行干扰避免等策略完成了系统的低功耗功率控制。经过实现和测试，本问题出的策略具备低功耗的特性，基本可以实现无线传感器网络的低能耗的设计目的。但是对于系统的测试研究仍有许多研究工作需要开展，例如引入跨层设计的概念，结合更加全面的应用情况进行低功耗拓扑控制策略的设计。

参考文献：

[1] Sohrabi K， Gao J，Ailawadhi V，et al. Protocols for self-organization of a wireless sensor network[J]. Personal Communications IEEE， 2000， 7（5）：16-27.

[2] Huang C F， Tseng Y C.The Coverage Problem in a Wireless Sensor Network [J]. Mobile Networks & Applications， 2005， 10（4）：519-528.

[3] Mao G， Fidan B， Anderson B D O. Wireless sensor network localization techniques [J].Computer Networks the International Journal of Computer & Telecommunications Networking， 2007， 51（10）：2529-2553.

[4] 李建中，高宏.无线传感器网络的研究进展[J].计算机研究与发展， 2008， 45（1）：1-15.

[5] Wang Y， Li W， Sun Y. Wireless sensor network cluster locations：A probabilistic inference approach[C]// Automation and Logistics （ICAL）， 2011 IEEE International Conference on. IEEE， 2011：76-80.

[6] Xiao J J， Luo Z Q. Universal decentralized detection in a bandwidth-constrained sensor network [J]. IEEE Transactions on Signal Processing， 2005， 53（8）：2617-2624.

[7] Tian Q， Coyle E J. Optimal Distributed Detection in Clustered Wireless Sensor Networks [J]. IEEE Transactions on Signal Processing， 2007， 55（7）：3892-3904.

[8] He B， Liebermann D H B， Roizman B， et al. Spatial–temporal compression and recovery in a wireless sensor network in an underground tunnel environment [J]. Journal of Virology， 2014， 41（2）：449-465.

[9] Enz C C， El-Hoiydi A， Decotignie J D， et al. WiseNET： An Ultralow-Power Wireless Sensor Network Solution [J]. Computer， 2004， 37（8）：62-70.

[10] Raymond D， Marchany R， Brownfield M， et al. Effects of Denial-of-Sleep Attacks on Wireless Sensor Network MAC Protocols [J]. IEEE Transactions on Vehicular Technology， 2009， 58（1）：367-380.