基于软件定义WSN的同质节点的能耗均衡方法

王克重，鲍 宇，杨 轩，张 宇

1(中国矿业大学计算机科学与技术学院，江苏徐州221116)

2(中国矿业大学矿山数字化教育部工程中心，江苏徐州221116)

1 引 言

时消耗的能量较多.因此，需要对WSN 中节点的能耗均衡方法进行详细研究.

随着我国5G 技术的不断发展，无线传感器网络(Wireless Sensor Network)将更广泛的应用到工业，农业，医疗等各个领域［1］.在工业中，应用于生产过程自动化，设备状态监测;在农业中，应用于蔬菜生产基地中温室湿度，温度等的控制;在医疗中，应用于监测人体的各项生理指标等［2］.

WSN 中的感知节点(sensor nodes)分布在被监控区域的各个位置，与sink 的距离远近不一，而节点的能耗与距离有关，因此SNs 面临能耗不均的问题.另外，自组网的方式，网络不能灵活控制节点的数据传输方向，导致节点在传输数据

2 相关工作

软件定义网络(Software-defined Network)是美国斯坦福大学提出的一种网络架构，随后被学术研究人员和工业界广泛应用［3］.SDN 通过数据平面与控制平面分离的技术，将网络设备的控制功能从逻辑中分离出来，转移到概念上的高层网络实体控制器中［4］.

为延长WSN 的生存时间，提高WSN 的性能，可采取优化部署网络节点，或完善路由协议.文献［5］采用优化部署网络节点的方法，将WSN 划分为若干集群，在集群内部选举若干节点作为中继节点(relay nodes)，并为RNs 额外提供能量.数据在集群内部传输时，每个集群中的RNs 按照顺序转换，称之为“虚拟移动中继”方法.这种方法有效延长了网络的生存时间，但主要应用于线性网络中，并且需要事先选定RNs配给额外能量，如何选定RNs 是需要考虑的问题.文献［6］基于LEACH 协议提出EBCA 方法，将节点按层次划分为远层，中层和近层三层结构.选取中继时，远层SNs 选取中层SNs作为 RNs，中层 SNs 选取近层 SNs 作为 RNs.传输数据时，SNs 感知数据的一部分传输给RNs，一部分传输给簇首.而每条路径传输的数据量，则由远层SNs 根据路径上的节点数量，位置求解，以达到能耗均衡的目的.该方法在一定程度实现了能耗均衡，但选取中继的方法未阐述，并且没有考虑簇首的能量损耗.文献［7］采用博弈论方法完善路由协议，通过不断博弈，实现能耗均衡.在该方法中，节点首先确定邻居节点，然后将自身的剩余能量信息传递给邻居节点，以便在下一轮运行时进行概率判断.文献［6，7］中，簇内各节点均存储本簇内所有节点的剩余能量信息，以在下一轮选取最优中继节点，实现能量的均衡，但这需要更多的存储空间，以空间换时间，会对网络的性能有一定的影响.文献［10］提出了一个软件定义无线传感网络的结构，定义了设备管理，拓扑管理的相关报文格式，但是对于选举中继的报文格式未明确说明.

在大型WSN 中，使用LEACH 协议，将节点划分为若干集群，在集群中随机选取RNs，以延长网络的生存时间.在小型WSN 中，由于节点数较少，采用随机选举RNs 的方式对网络的生存时间提升较小，甚至会降低网络的生存时间.而采用非随机选取RNs，可以选择使网络生存时间最长的中继位置，有效提升网络生存时间.但是何时选取RNs，怎样选取RNs是现存的问题.

3 SDN-WSN 模型

3.1 SDN-WSN 网络结构

图1 SDN-WSN 模型Fig.1 SDN-WSN model

通过对现存网络结构的能耗分析，发现集中式的网络控制方式可以提高网络的生存时间，因此，本文提出了一种基于软件定义WSN 的网络结构.如图1所示，SDN-WSN 有基础设施层、控制与传输层和用户层三个层次.其中控制节点为单节点，由图中sink 节点充当.由于单节点控制相比于多节点控制具有存储开销少，通信开销小，响应速度快等优点［8］，因而SDN-WSN 中选取单节点控制方式.但是，单节点控制方式可能出现单点失效问题［9］.

1)基础设施层.在SDN-WSN 中，基础设施层由布置在各处的SNs 组成，网络初始时，直接与sink 通信.基础设施层的主要功能是感知数据和转发数据.

2)控制与传输层.由sink，无线路由器和无线电发射塔组成.基础设施层中SNs 的控制功能集中在sink 中，是网络的核心.sink 为用户提供了可编程的北向接口，以及定义了转发设备指令集合的南向接口［9］.sink 通过南向接口将数据转发规则传输给SNs，以此控制SNs 的数据流向.无线路由器与无线电发射塔是数据的传输中介，可将SNs 感知的数据传输给用户.

3)用户层.由各类用户组成，包括便携主机，智能终端等.通过控制与传输层提供的接口，用户根据需求开发应用程序.如果需要多用户监控，可在便携主机或智能终端上安装监测软件，对数据采集情况实时监控.

3.2 控制节点功能设计

控制与传输层中的sink 是SDN-WSN 的核心，主要包括拓扑发现功能，设备管理功能，存储功能以及重定义管理功能等［9］，如图2 所示.拓扑发现功能通过底层协议收集 SNs 的信息，形成全局视图下的网络拓扑结构信息，并保存在存储中.设备管理功能包括传感设备的管理，延迟管理等［10］.重定义管理功能是指，当SNs 能量降低到设定值后，sink 根据公式、算法为其选举中继的过程，该过程称之为重定义网络(Redefine the network).

图2 控制节点的功能Fig.2 Functions of the control node

重定义网络时，sink 需要将RNs 的编号发送给SNs.由于Samaresh Bera［10］等人未对重定义网络的报文格式设计，因此，本文根据Samaresh Bera 等人的报文格式，设计了重定义网络的报文格式，如图3 所示.其中重要字段的含义如下:

图3 重定义网络报文格式Fig.3 Redefine the network message format

长度:整个报文的长度L.

类型:设置为单播和多播，在网络运行初期，sink 通过多播向SNs 传输转发规则.当一个节点的能量下降到能量阈值后，sink 以单播形式将转发规则传输给SNs.

SNs-ID:表示感知节点的编号.

操作:定义了多种操作，主要包括节点登陆，退出，更改节点的数据传输目的地等，是重定义网络报文中重要的字段.

TTL:表示报文的生存时间.

校验位:检验数据完整性.

4 SDN-WSN 重定义网络方法

4.1 能耗模型

本文使用文献［11］提出的自由空间模型，即节点的能耗与距离的二次方相关.由于硬件技术的快速发展，采集设备的能量损耗主要集中在传输数据，接收数据，其他的能量损耗基本可以不计［12］.假设在单位时间内，SNs 采集和发送1bit 数据，由公式(1)，公式(2)可以分别计算在t 时间内SNs 传输、接收数据需要的能量［1，13］.

其中，εrx，εele是与距离相关的常量;εamp是与距离相关的系数，与发送放大器的能耗有关［13］;α 是路径损耗指数，且2≤α≤4［5］.

当SNs 剩余的能量低于设定值时，由A 类节点变为B 类节点，SDN-WSN 重定义网络，为B 类节点选举中继，更新网络拓扑.选举出RNs 的能量消耗可由公式(3)计算，其中t 表示运行时间，n 表示有(n-1)个节点将其作为中继.

4.2 重定义网络方法

为在下文表示方便，进行如下定义.

定义1.能量阈值(Ethreshold):SNs 的能量降低到设定值时，工作模式与网络拓扑将被SDN 能耗均衡算法重定义.

定义2.A 类节点:SNs 剩余的能量高于能量阈值，称这类节点为A 类节点.

定义3.B 类节点:SNs 剩余的能量低于能量阈值，称这类节点为B 类节点.

SDN-WSN 中与sink 距离近的节点能量消耗慢，与sink距离较远的节点能量消耗快，死亡早，导致网络中节点能量消耗不均问题突出.因此，本文为节点定义了能量阈值，当节点的能量低于能量阈值时，由A 类节点变为B 类节点，sink 根据SDN 能耗均衡算法为B 类节点选取中继，重定义网络，能量阈值的选取与最优中继节点的位置有关.如图4 所示，使用重定义网络后，SNs 变为两层结构，B 类节点在剩余生存时间内，只向中继传输数据.

图4 SDN-WSN 重定义网络图示Fig.4 SDN-WSN redefines the network diagram

由于sink 重定义网络，导致网络生存周期内出现两个阶段:t1阶段SNs 向 sink 传输数据，t2阶段 SNs 向中继传输数据.因此，为使网络的生存时间最长，需要求解t1，t2之和的最大值，也即求网络生存时间的最优解问题，其优化目标函数如公式(4)所示.

其中，d1表示 SNs 与 sink 之间的距离，d3表示 RNs 与sink 之间的距离，d2表示SNs 与RNs 之间的距离，约束公式(7)-公式(9)保证节点之间的距离符合要求.

根据目标函数及约束，可用优化工具求出d3的值.在部署节点时，可将中继部署在d3的位置，或者部署在最接近d3的位置，以延长网络的生存时间.

表1 算法涉及的变量及含义Table 1 Variables and implications of the algorithm

本文设计了SDN 能耗均衡算法(SDN Energy Consumption Equalization Algorithm)，当节点剩余的能量低于能量阈值时，sink 节点根据SDNECEA，重定义网络.SDNECEA 涉及的变量及含义如表1 所示.Clusterflag 值为1 时，表示消息来自 SNs，值为 2 时，表示消息来自 RNs.NodeType 值为 1 时，表示为A 类节点，值为2 时，表示为B 类节点，算法如下.

5 仿真与结果分析

设计实验，对网络中感知节点的能耗进行仿真测试.本文只考虑SNs，RNs 接收和转发时的能量损耗，不考虑其他能量损耗.仿真参数如表2 所示.为测试SDNECEA 方法是否有效、效果如何，设计实验1，实验2 进行验证.节点的能耗与距离有关，所以在SNs 与sink 间选取不同的距离，设计对比实验3，实验4，探索使用SDNECEA 方法与不使用SDNECEA 方法，使用SDNECEA 方法与其他方法，对网络生存时间的影响.

实验1.根据上节提出的重定义网络方法，选取d1=10m进行仿真实验，测试网络的生存时间是否延长.根据公式(4)-公式(9)求得 d1=10m 时 d3=4.795m.通过仿真发现，使用重定义网络方法前，网络的生存时间为1018，如图5(a)所示.使用重定义网络方法后，网络的生存时间为1021，如图5(b)所示.结果表明，经过重定义网络后，网络的能量消耗更均衡，网络的生存时间也延长了0.29%，但是延长的效果不显著.

表2 仿真参数设置Table 2 Simulation parameter setting

图5 d1=10 时能耗仿真结果Fig.5 Simulation results of energy consumption when d1=10

实验2.考虑到节点的能量消耗与距离有关，设置d1=20m 进行仿真实验，观察网络生存时间延长的效果是否显著.根据公式可求得d1=20m 时d3=8.685m.通过仿真发现，使用重定义网络方法前，网络的生存时间为679，如图6(a)所示.使用重定义网络方法后，网络的生存时间为706，如图6(b)所示.结果表明，经过重定义网络后，网络的生存时间延长了3.97%，网络延长的效果较为显著，能耗较为均衡.

图6 d1=20 时能耗仿真结果Fig.6 Simulation results of energy consumption when d1=20

根据实验1，实验2 推测，当d1的值越大时，网络生存时间延长的效果越显著，设计实验3 比较SNs 在不同距离下延长时间的效果如何.

实验3.设计 d1的值分别为10m，20m，30m，40m，50m，对应d3的值分别为 4.795m，8.685m，11.586m，13.758m，15.434m.通过仿真发现，使用重定义网络方法后，不同的d1值，网络的生存时间各延长了3，27，64，95，120，比使用重定义网络方法前的生存时间各延长了 0.29%，3.97%，14.68% ，32.65%，58.82%，如图8 所示.实验结果说明，SDNECEA 可以实现节点的能耗均衡.当d1的值较大时，网络生存时间延长较多，节点的能耗更均衡.但是当d1的值较小时，网络生存时间延长较少，SDNECEA 的效果不明显.

为了进一步确定该算法的优劣，对比了直接传输，随机选取中继位置，文献［6］的EBCA 以及SDNECEA，四种方法的网络生存时间.

实验4.如图7 所示，使用随机中继位置的方法，当中继节点选择适当的时候可以提升网络的生存时间，但是如果选择不当，甚至会降低网络的生存时间;使用EBCA 对网络的生存时间有提升，但是提升效果不明显;使用SDNECEA 对网络生存时间的提升较为显著，且较为稳定.

图7 四种方法实验结果Fig.7 Experimental results of four methods

图8 不同方法延长网络生存时间的比例Fig.8 Different methods to extend the proportion of network lifetime

如图8 所示，采用随机中继位置的方法，效果不稳定，当中继位置选取不当时，反而会降低网络的生存时间;采用EBCA，对网络生存时间有提升，但是提升效果有限;采用本文方法，网络的生存时间随着距离的增大而提升，效果较为显著，但是当距离较近时，提升的时间较短，效果较差.实验表明，本文提出的方法对提升网络生存时间更有效.

6 结束语

针对现有网络中，节点能耗严重不均衡的情况，本文提出了一种基于软件定义WSN 的同质节点的能耗均衡方法.为了减少数据传输过程中的能量损耗，采用软件定义网络的思想，将网络拓扑的重构控制功能从物理设备分离出来，集中在sink 节点，虽然集中管理控制功能会额外消耗能量，但现有条件下，可为sink 提供充分的能量.通过抽象的优化模型，求解最优中继位置.部署节点时，可选择最优中继位置，或者最接近中继的位置，以实现网络的能耗均衡.当节点的剩余能量降低到能量阈值后，sink 根据SDNECEA 重定义网络.实验结果表明，在节点剩余能量低于能量阈值后，使用SDNECEA 重定义网络，网络的能耗更均衡，网络生存时间最高可延长58.82%.但是，在近距离使用SDNECEA 方法，实验的效果不显著.在进一步的研究中，还需要对以下方面进行研究:

1)网络优化问题;

2)节点同步问题.