基于时序感知优化机制的无线传感网数据投递算法.pdf

2023 年 8 月第 19 卷 第 3 期系统仿真技术System Simulation TechnologyAug.，2023Vol.19，No.3基于时序感知优化机制的无线传感网数据投递算法杨巧曼（陕西交通职业技术学院 通识教育学院，陕西 西安 710018）摘要：为解决无线传感网数据投递算法存在的链路选取质量不高，且节点重投递现象严重，容易降低网络传输质量等不足，本研究提出一种基于时序感知优化机制的无线传感网数据投递算法。首先，算法通过感知节点接近状态的时序情形，设计了基于时序效应的链路筛选方法，通过优选中继节点的方式提升链路投递率，以降低网络链路丢包概率，进而增强数据传输质量。随后，算法通过自感知方式获取节点转发数据，设计了基于投递优选的拥塞控制方法，以提高多跳链路的稳健性，降低节点碰撞效应带来的拥塞现象，进而改善网络数据投递质量。仿真实验结果表明，本研究算法与当前无线传感网中常用的虫洞-路径投递算法和神经卷积深度投递算法相比，能够显著降低网络平均投递时延，且网络累计拥塞频次较低，网络数据投递成功率较高，具有较高的实际部署价值。关键词:时序感知；丢包；投递优选；碰撞效应Data Delivery Algorithm for Wireless Sensor Networks Based on Timing Awareness Optimization MechanismYANG Qiaoman（College of Generaleducation，Shaanxi College of Communications Technology，Xi an 710018，China）Abstract：In order to solve the problems of the wireless sensor network data delivery algorithm，such as the low quality of link selection，the serious phenomenon of node re-delivery，and easy to reduce the quality of network transmission，this paper proposes a wireless sensor network data delivery algorithm based on the timing awareness optimization mechanism.First of all，the algorithm designs a link screening method based on the timing effect by sensing the timing situation of the node approaching the state，and improves the link delivery rate by optimizing the relay node，so as to reduce the packet loss probability of the network link，and then enhance the data transmission quality.Subsequently，the algorithm obtains node forwarding data through self-sensing，and designs a congestion control method based on delivery optimization，which improves the robustness of multi-hop links，reduces congestion caused by node collision，and improves the quality of network data delivery.The simulation results show that the algorithm in this paper can significantly reduce the average delivery delay of the network compared with the wormhole-path delivery algorithm and the neural convolution deep delivery algorithm commonly used in the current wireless sensor network，and the cumulative congestion frequency of the network is low，the network data delivery success rate is high，and has high practical deployment value.Key words：temporal perception；packet loss；delivery optimization；collision effect基金项目：国家自然科学基金青年基金项目(61806023)通信作者：杨巧曼，E-mail:中图分类号:TN 929.5 文献标志码:A DOI:10.16812/31-1945.2023.03.011杨巧曼：基于时序感知优化机制的无线传感网数据投递算法就无线传感网技术而言，基于节点部署移动化的应用场景需要网络数据投递能够适用拓扑高速变更、节点分布密集等情形，特别是考虑到无线传感网节点在数据投递过程中应尽量做到对网络状况动态感知而使网络资源利用率较低等问题，极大地制约了无线传感网技术在国民经济领域进一步发挥前瞻性作用2。为提高无线传感网技术在部署中的经济价值和社会价值，推动无线传感网技术国产替代化过程，业界提出了一些性能较好的无线传感网数据投递算法。YOTH A等3提出了一种基于锚节点拥塞控制机制的无线传感网数据投递算法，该算法预先在热点区域部署锚节点，及时监控网络中可能出现的拥塞节点，采取锁定机制及时评估链路拥塞状况，从而实现较高的网络数据投递质量。不过，该算法部署的锚节点需要采取主备模式，网络链路处于抖动状态时将会导致锚节点切换失败率较高，使得该算法的数据投递质量难以进一步提升。AVT等4提出了一种基于网络编码更新机制的无线传感网数据投递算法，算法通过赋码具有较高传输质量所涉及的节点、链路，数据投递过程中将优选码值最高的节点及链路，从而达到优化数据投递的效果。不过，该算法尚存在一定的不足，特别是该算法在节点处于运动状态时需要频繁更迭码值，使得算法 的 网 络 动 态 适 应 效 果 难 以 得 到 进 一 步 改 善。NAIM5鉴于无线传感网技术出现的移动态势，提出了一种基于网络拓扑映射机制的无线传感网数据投递算法，该算法将具有较高传输质量的节点予以立体映射，可达到快速搜寻传输节点的目的，从而提高数据投递效率，进而降低网络拥塞。不过，该算法对映射周期具有较高的要求，网络处于快速变动环境下会使得算法映射效率下降，降低了数据投递性能。鉴于此，本研究提出了一种基于时序感知优化机制的无线传感网数据投递算法。该算法首先通过感知拓扑收敛过程中的时序偏移，设计传输阈值，优选传输链路，降低链路抖动概率。随后采取感应模型进一步控制传输拥塞，改善节点碰撞效应，进而提高数据投递效率。最后，本研究通过NS2仿真实验环境，证明了该算法性能。1 本研究算法设计 考虑到无线传感网移动拓扑特点，综合拥塞及传输控制效果，本研究提出的基于时序感知优化机制的无线传感网数据投递算法由以下2个部分构成。（1）基于时序效应的链路筛选方法：该方法主要在移动环境下评估节点间联通性能及成功投递概率，初步实现对传输链路的优选。（2）基于投递优选的拥塞控制方法：该方法主要通过设计传输阈值，提高多跳链路的稳健性，降低节点碰撞效应带来的拥塞，进而增强网络的拥塞控制效果并提高数据投递能力。1.1基于时序效应的链路筛选无线传感网拓扑具有快速更迭特性，网络传输链路抖动与其带来的数据投递效果呈显著的正比例关系6。不过，考虑到节点间均存在碰撞概率，即各节点均有一定概率进入其余节点一跳覆盖范围，因而可以选取一些性能优越的节点作为中继节点，根据节点间时序关系分析传输关系，进而提升数据投递性能7。设节点i为网络中任意节点，该节点通过有限跳数即能与Sink节点进行数据交互，假定节点i和节点j均能够同时与Sink节点实现数据互联互通，当且仅当节点i和节点j之间的时序低于数据投递周期，则说明这2个节点间能够顺利完成数据投递8。令Time(i，j)为节点i和节点j之间数据投递率，那么Time(i，j)可由如下规则唯一确定：Time(i，j)=min T(i)，T(j)T_(i，j)（1）式（1）中，T(i)表示节点i的数据传输周期，T_(i，j)表示节点i和节点j均能正常工作时网络的传输周期。一般而言，整条传输链路中间会存在一个或者多个中继节点9，针对节点i和节点j而言，不妨设两者间存在中继节点m，因而整条传输链路i m j的数据投递率Time(i，m，j)满足Time(i，m，j)=min T(i)，T(m)T_(i，m)min T(m)，T(j)T_(m，j)（2）式（2）中相关参数同式（1）。一般地，不妨设节点i和节点j之间的中继传输节点集合为，则=m1，m2，mn（3）根据式（1）、（2）可知节点i和节点j的数据投递率Time(i，j，)满足Time(i，j，)=n=1，2，j-1Time(i，mn，j)（4）式（4）中参数同式（3）相关定义。由式（4）可知，网络中任意节点进行数据投递的过程均遵循链式过程，数据投递率需要中继传输节点之间有较高的投递率，因此可以通过式（3）递归中继节点集合，见图1，从而提高节点间整体投递率。237系统仿真技术第 19 卷 第 3 期通过基于时序效应的链路筛选方法，能够计算节点成功投递率的方式，递归具有较高投递效率的链路，规避因网络抖动而出现链路失效现象，提高网络投递成功率。1.2基于投递优选的拥塞控制由上文可知，通过基于时序效应的链路筛选方法能够从多跳链路中优选最佳投递性能的链路，这条精选链路能够以最高的投递率实现数据投递。不过，考虑到投递的数据均存在生命周期10，当出现数据拥塞时需要采取重投递方式多次传输数据，若所耗时间大于网络传输周期，则需要丢弃该数据分组。因此，数据重投递过程中需要优先选择数据转发能力较强的节点，这些节点满足单位时间内接收/发送数据包比值最大，从而降低数据重投递概率，进一步优选具有较高传输能力的中继节点。对于中继传输节点集合中的任意节点i而言，本研究规定其拥塞控制阈值P(i)满足P(i)=iRecv(i)/iSent(i)（5）式（5）中，Recv(i)和Sent(i)分别表示节点i在网络传输周期内接收的数据和发送的数据总量，当且仅当拥塞控制阈值P(i)大于1时，说明该节点将不会导致重投递现象，见图2。此外，中继节点集合通过拥塞控制阈值来更新中继节点过程时，需要采用周期机制定期将相关信息及时反馈给下一跳节点，以便节点能够以较高的效率予以更新，进而提升网络的服务能力，降低因重投递现象而导致节点出现失效的情形。若当前链路出现抖动，说明网络出现一定程度的拥塞现象，应该及时对排序次优的链路予以升级处理，改善网络拥塞而导致的数据失效现象，降低拥塞控制风险。拥塞控制规则如下：（1）中继节点投递数据包时，根据式（4）逐个计算各条链路的数据投递率，优选投递性能最佳的链路进行数据投递。（2）数据投递过程中，遇到下一跳节点即进行拥塞控制阈值判断，当且仅当拥塞控制阈值P(i)小于1时说明该节点可进行数据投递。若多次重投递耗费时间大于网络传输周期，则选取投递性能排序第二的链路进行数据投递，并将原投递性能排序第三的链路升序为第二。采用上述拥塞控制规则能够通过拥塞控制阈值及时确定某个节点是否可以顺利进行数据传输，若节点在进行数据传输过程中出现诸如频繁重传输等现象，则网络应及时将备用或者服务能力稍次的链路予以升级处理，通过这种方式可提高网络投递效率，降低因链路抖动而导致数据传输出现失效的情形。2 仿真实验与分析 为便于对比分析本研究算法性能，仿真实验采用NS2仿真实验环境11。仿真对照实验为文献 12 所述的虫洞-路径投递算法和文献 13 所述的神经卷积深度投递算法，不失一般性，传感区域为矩形区域，大小设定为1 0240 m10240 m。数据传输方式采用中继节点传输，最大节点缓存设定为64 M，节点最高移动速度设定为20 m/s。此外，考虑到当前常用的节点制式，将信号制式设定为LTE-5G。网络传输信道抖动较低的适应性场景设定为高斯信道场景，网络传输信道抖动较高的适应性场景设定为莱斯信道场景。节点设定为游走状态，相关节点传输率和缓存均为初始指定。网络运行完毕，按照1 min的统计尺度记录网络数据投递成功情形和网络时延。相关仿真参数如表 1所示。网络数据投递成功率：指单位时间内，随着网络运行时间的延长，整体统计Sink节点接收到的数据报文和初始发送的数据报文之间的比例系数。显然，如果网络数据投递成功率较高，说明网络传输过程中失去图 1基于时序效应的链路筛选Fig.1Link screening based on temporal effects图 2中继节点的优化控制Fig.2Optimal Control of Relay Nodes238杨巧曼：基于时序感知优化机制的无线传感网数据投递算法的数据规模较小，整个网络具有更高的数据投递质量，可以更好地承担相关的数据传输任务。网络平均投递时延：指各节点从第一次发送数据到重投递数据之间的加权平均值。若网络平均投递时延为 0，说明网络中节点均未发生数据重投递现象。实践中需要采取一定的措施，降低节点重投递现象，并尽量降低网络平均投递时间，增加网络数据投递成功率。2.1网络数据投递成功率图3为本研究算法与文献 12 和文献 13 算法在网络数据投递成功率方面的仿真测试结果。由图3可知，本研究算法网络数据投递成功率始终较高。这是由于本研究算法通过基于时序效应的链路筛选方法和基于投递优选的拥塞控制方法，不仅能够优选中继传输链路，而且能够对中继节点拥塞控制能力予以优化，进而降低网络数据重传输概率。因此，具有网络数据投递成功率较高的特点。文献 12 所述算法主要通过规避低密度节点区域，将传输路径所涉及的中继节点设置为高热度节点，虽然能够在一定程度上提高网络数据投递成功率，不过由于该算法未考虑中继节点移动特性并优化网络重传输情形，因而网络数据投递成功率要低于本研究算法。文献 13 所述算法虽然通过神经网络算法实现路径优化，不过由于该算法未考虑中继节点拥塞情形，节点出现拥塞现象时将会自动启动重投递流程，网络冗余情况严重，降低了网络数据投递成功率。2.2网络平均投递时延图4为本研究算法与文献 12 和文献 13 算法在网络平均投递时延方面的仿真测试结果。由图 4 可知，本研究算法网络平均投递时延始终较低。这是由于本研究算法采用时序效应优选传输链路，链路能够以较高的投递成功率实现数据传输，特别是本研究算法考虑到网络数据重传输情形，当且仅当拥塞控制阈值小于1时方可启动数据投递流程，大大降低了网络拥塞概率。因此，本研究算法网络平均投递时延较低。文献 12 所述算法虽然能够规避网络虫洞，一定程度上降低拓扑抖动概率，不过由于该算法对节点处于拥塞状态引发的网络重投递现象考虑不足，链路稳定性能要低于本研究算法，降低了数据投递性能，网络平均投递时延因而要高于本研究算法。文献 13 所述算法仅针对路径予以优化，且当网络节点处于游走状态时存在神经网络紊乱的问题，导致链路收敛性能不佳，增大了网络平均投递时延。2.3网络累计拥塞频次图5为本研究算法与文献 12 和文献 13 算法在网络累计拥塞频次方面的仿真测试结果。由图 5 可知，本研究算法网络累计拥塞频次始终处于较低水平。这是由于本研究算法设计了基于时序效应的链路筛选方法和基于投递优选的拥塞控制方法以增强网络抗拥塞能力，优选具有较高传输质量的链路进行数据投递，表1仿真参数表Tab.1Simulation parameter table参数区域布洒面积数据仿真时间数据传输方式最大节点缓存节点最高移动速度节点信号制式网络传输信道1网络传输信道2节点最高重投递次数网络分区数量网络运行时间数据统计粒度节点最高数据传输率数值1 0240 m1 0240 m60 h中继节点传输64 M20 m/sLTE-5G高斯信道莱斯信道10不低于12不低于20 min1 min1 Mbit/s图 3网络数据投递成功率的测试结果Fig.3Test results of the success rate of network data delivery239系统仿真技术第 19 卷 第 3 期因而网络累计拥塞频次较低。文献 12 所述算法仅针对网络虫洞进行数据传输优化，未考虑网络抖动所带来的数据重投递现象，因而网络累计拥塞频次较高。文献 13 所述算法只针对网络投递路径予以优化，选取的链路存在传输质量较低的问题，因而网络累计拥塞频次亦要高于本研究算法。3 结 语 为提高无线传感网数据投递能力，使得该项技术能够适应多种复杂环境进而增强社会效益与经济效益，提出了一种基于时序感知优化机制的无线传感网数据投递算法。该算法主要由基于时序效应的链路筛选方法和基于投递优选的拥塞控制方法 2 个步骤构成，能够提高网络对链路的筛选能力，降低节点重投递现象，进而增强数据投递质量。下一步，将针对本研究算法对稀疏网络环境适应性不足的特点，拟引入稀疏矩阵传感映射机制，通过预设具有较高传输质量的沉默链路，以提高本研究算法对稀疏网络环境的适应能力。参考文献：1KULKARNI P K H，JESUDASON P M.Multipath data transmission in WSN using exponential cat swarm and fuzzy optimisationJ.IET Communications，2019，13（11）：1685-1695.2陈彦如，魏亮雄，郭兵.一种基于速度的移动传感网快速邻居发现算法 J.西南师范大学学报（自然科学版），2018，44（6）：621-626.CHEN Yanru，WEI Liangxiong，GUO Bing.A speed based fast neighbor discovery algorithm for mobile sensor networks J Journal of Southwest Normal University（Natural Science Edition），2018，44（6）：621-626.3JYOTH A P，USHA S.Interstellar-based topology control scheme for optimal clustering performance in WSN J.International Journal of Communication Systems，2020，33（8）：667-672.（下转第278页）图 4网络平均投递时延的测试结果Fig.4Test results of average delivery delay in the network图 5网络累计拥塞频次的测试结果Fig.5Test results of cumulative network congestion frequency240系统仿真技术第 19 卷 第 3 期simulate the arch umbrella supporting system in deep tunnels based on convergence confinement methodJ.Tunnelling and Underground Space Technology，2018，82（12）：39-49.9高栋.面向软弱围岩大断面隧道开挖的超前支护技术研究 J.公路工程，2018，43（2）：239-245.GAO Dong.Research on advance support technology for large section tunnel excavation in soft surrounding rockJ.Highway Engineering，2018，43（2）：239-245.10白鹏程.超浅埋暗挖大跨隧道下穿既有隧道的沉降控制技术 J.现代隧道技术，2020，57（3）：175-181.BAI Pengcheng.Settlement control technology for undercrossing existing tunnels in ultra shallow buried and undercut large span tunnels J.Modern Tunnelling Technology，2020，57（3）：175-181.11赵晨阳，彭立敏，帅建兵，等.大跨地铁车站穿越断裂带段拱盖法施工变形控制分析 J.铁道科学与工程学报，2020，17（5）：1193-1200.ZHAO Chenyang，PENG Limin，SHUAI Jianbing，et al.Analysis of deformation control during arch cover construction of large span subway stations crossing fault zones J.Journal of Railway Science and Engineering，2020，17（5）：1193-1200.12李同安.浅埋软弱围岩隧道变形特征与施工控制研究以拱北隧道为例 J.公路工程，2018，43（2）：155-161.LI Tongan.Research on deformation characteristics and construction control of shallow buried soft surrounding rock tunnel：taking Gongbei tunnel as an exampleJ.Highway Engineering，2018，43（2）：155-161.李文瑜 女（1986-），江苏徐州人，硕士，讲师，主要研究方向为土建工程。4AVT A，AIK B，LM，et al.Construction of one-way hash functions with increased key space using adaptive chaotic mapsJ.Chaos，Solitons and Fractals：The Interdisciplinary Journal of Nonlinear Science，and Nonequilibrium and Complex Phenomena，2020，21（59）：141-148.5NAIM K.Energy efficient clustering algorithm for WSN with distributed structure J.Emerging Materials Research，2020，3（12）：1107-1114.6MOSTAFAVI S，HAKAMI V.A new rank order clustering algorithm for prolonging the lifetime of Wireless sensor networksJ.International Journal of Communication Systems，2020，33（7）：1127-1135.7AGBULU G P，JULIET A V.A lifetime-enhancing cooperative data gathering and relaying algorithm for cluster-based wireless sensor networks J.International Journal of Distributed Sensor Networks，2020，16（2）：52-64.8SALIM E K，REHAN U K.MW-LEACH：low energy adaptive clustering hierarchy approach for WSN J.IET Wireless Sensor Systems，2020，10（3）：126-129.9VINITHA A，RUKMINI M，SUNEHRA D.Energy-efficient multihop routing in WSN using the hybrid optimization algorithm J.International Journal of Communication Systems，2020，33（12）：874-881.10SAEED U，JAN S U，LEE Y D，et al.Fault diagnosis based on extremely randomized trees in wireless sensor networks J.Reliability Engineering and System Safety，2021，2（5）：107-119.11MAHDI E H F.Towards self-powered WSN：the design of ultra-low-power wireless sensor transmission unit based on indoor solar energy harvester J.Electronics，2022，11（13）：2077-2086.12VERMA V.An efficient wormhole detection and optimal path selection for secure data transmission in WSN environmentJ.Wireless Personal Communications，2021，121（4）：2927-2945.13SUGUNA M.Shift invariant deep convolution neural learning for resource efficient healthcare data Transmission in WSN J.Measurement：Sensors，2023，25（2）：618-627.杨巧曼 女（1990-），陕西咸阳人，硕士，讲师，主要研究方向为经济数学、数学教育。（上接第240页）278