基于能量和传输的无线传感器网络可靠性计算方法

摘要

本发明公开了一种精确评估无线传感器网络可靠性的方法，涉及无线传感器网络技术领域，针对利用基站划分网格进而分簇的无线传感器网络，结合节点工作内容以及感知、传输等能耗特征计算其瞬时可靠性。首先根据应用要求，计算节点正常工作且发送的数据成功传输到簇头的概率，其次利用簇内节点传输到簇头的数据数目和簇头节点的能耗模型计算出簇头节点在某一时刻的工作能力，最后根据簇间的路由方式，采用分解算法计算最终网络中数据到达sink节点的概率，即网络整体的可靠性。充分考虑了对其影响较大的因素：能耗和传输；采用有效的分簇及路由方式延长网络的寿命；计算过程简便，结果精确度较高，对于需要准确评估网络能力的应用具有很大的参考价值。

说明书

技术领域

本发明涉及无线传感器网络技术领域，特别是涉及基于能量和传输的无线传感器网络可靠性计算方法。

背景技术

无线传感器网络(WSN)是由大量的节点相互协作构成的用于监测目标区域的无线通信网络，主要任务是感知事件，生成数据包，通过单跳或多跳的无线通信将数据包发送到基站，最终由用户分析所监测区域的情况。目前，WSN应用范围较为广泛，是工业、医学、军事等领域获取信息的重要途径之一。

WSN的节点通常被密集地随机抛洒在环境较为恶劣的目标区域内，其采用的休眠机制和允许部分节点失效的容错性均使得网络结构动态变化，因此这些节点通过自组织方式形成网络对区域进行覆盖监测。密集的节点可重复覆盖区域以保证采集信息的准确性，增强网络系统的容错性。为提高网络的工作能力，可先对其进行可靠性评估。由于网络部署时通常选用体积较小，成本较低的节点，其电池容量较小，使得节点具有有限的能量，而在节点工作的过程中，能量是其正常工作的保障，因此学者们已针对网络能量利用情况进行了大量的研究。

一是对网络拓扑结构进行优化，例如采用最常用的以分簇结构工作的网络拓扑模型，使得WSN网络整体消耗能量减少，从而提高系统的可靠性。分簇是将网络中所有节点按照一定的规则分组，每组节点相互协作，作为一个小的网络子系统收集所在区域内的信息并将其发送到簇头节点。通常网络的分簇是按照节点所在地理位置，相近的节点构成一簇。

最早提出的比较成熟的算法是LEACH算法，在文献Energy-Efficientcommunication protoccol for wireless microsensor networks中，作者对该算法进行了说明。在建簇阶段，随机产生簇头，相邻节点动态成簇；在数据通信阶段，簇成员节点发送数据到各自簇头，簇头节点再进行数据融合，并把融合后数据发送到汇聚节点。由于簇头节点要接收成员节点的数据进行数据融合并与远处的汇聚节点通信，能耗很大，所以LEACH协议规定每轮的簇头节点都要进行轮换以均衡节点能量。后来，学者又提出了一系列网络分簇方法，例如PEGASIS算法、HEED算法等，但这些算法中出现了簇首节点与sink节点的单跳传输导致能耗过多且不均和通信开销较大的问题。

学者们在这些算法的思想上提出一系列基于虚拟网格的分簇算法用于均衡网络能耗，进而降低通信开销。在WSN中基于虚拟网格的分簇路由算法的文献中，作者提出先将目标监测区域划分为网格状，基站根据网格边长进行计算，确保有足够的网格数完全覆盖整个区域。而在文献基于基站划分网格的无线传感器网络分簇算法中，作者提出利用基站发射的信号将区域直接划分成网格状，每个网格中的节点自成一簇，簇间采取多跳的传输方式。经仿真验证这些分簇方法使得网络能耗均比LEACH、PEGASIS等算法有所减少。

另一种方法是对节点工作方式进行规划，例如采用一种节点活跃-休眠交替工作的模式，可有效降低工作过程的能耗。在文献Energy control in dependable WirelessSensor Networks:a modeling perspective中，作者针对网络冗余节点工作模式交替进行的状态分析其能耗问题，并针对网络内部拓扑结构获得WSN工作能力。但作为一个通信网络，网络中节点间的传输能力也是影响其工作能力的一大重要因素。

目前，关于提高WSN传输可靠性的技术较多，但对其进行精确的评估较少，并且没有统一的定义。在文献Esrt:Event-to-sink reliable transport in wireless sensornetworks中，作者以传输到sink节点的数据数目为指标评估WSN可靠性。而在文献Apractical approach for network application reliability assessment中作者以感知节点将数据成功发送到sink节点的概率作为评估网络可靠性的指标。这些文献中结合网络部件的选择、关键技术、应用模型等方面建立了一种可靠性评估方法。但是，这些可靠性定义均有一定的限制，并不适用常见的网络应用，文献中部件与各类应用的实际关系也未给出明确的解释，且并不适合大规模的网络可靠性仿真应用。

WSN作为一个复杂系统，在实际应用中的工作模式多样，拓扑结构多变，提高其工作能力的方法也较为多样，因此精确评估一个网络系统的可靠性无论在理论还是计算上均存在一定的难度，这也为网络的可靠性分析和评估带来了巨大挑战。

发明内容

本发明实施例提供了基于能量和传输的无线传感器网络可靠性计算方法，可以解决现有技术中存在的问题。

一种基于能量和传输的无线传感器网络可靠性计算方法，包括以下步骤：

(1)在M×M的平面目标区域内随机均匀地抛洒n个节点，基站在相互垂直的两个方向上发射的具有等差性质的信号，将网络划分为N个虚拟网格；

(2)区域内节点根据接收到的基站信号判断属于哪些功率等级的网格中，并将自身的ID及能量信息进行广播，同时接收并比较其余节点发送的信息，判断自身所在的簇及簇内其余成员；

(3)各簇确定完成后，节点对接收的信息进行比较，选择簇内剩余能量最大的节点为当前簇的簇头节点，簇头节点确定后对簇内节点进行一次身份广播；

(4)根据簇内节点工作状态评估其能力，具体包括：

(4a)簇内节点进行数据感知，并将感知数据发送到簇头节点，感知和发送数据的数目相同，结合能耗模型可计算出簇内节点感知数据和发送数据的能耗；

(4b)在节点工作各环节的能耗获取后，计算某一时刻的剩余能量，分析其大于节点感知和发送一个数据的所需能量的概率，即为节点的瞬时可靠性；

(5)簇头节点的瞬时可靠性分析计算，具体包括：

(5a)簇头节点接收簇内所有节点发送的数据，根据簇内节点发送的数据计算出簇头节点接收到的数据；

(5b)簇头节点进行数据融合，将p个数据融合处理为一个数据，计算处理后的数据个数即为簇头所发送的数据个数，利用能耗模型即可计算得到消耗能量；

(6)针对簇内星状拓扑结构，根据应用要求每个簇内需要至少k个节点将数据成功传输到簇头，结合节点工作概率以及传输概率计算簇内传输可靠性；

(7)簇间路由采用高可靠性路由方式，利用分解算法采用递归方法推导出整个网络可靠性。

本发明实施例中的基于能量和传输的无线传感器网络可靠性计算方法具有以下优点：

本发明中网络采用的基于网格分簇方法和簇间采用的高可靠性路由方式，使得网络可均衡能耗，增强其容错性，延长工作时间；

本发明中针对寿命已延长的网络模型，精确地评估了在某些实际应用要求下的网络可靠性；

本发明对网络工作进行了划分，针对每部分的工作内容结合能耗以及传输概率，定义了各部分工作的可靠性；

本发明通过概率分布并结合网络分解算法推导出计算可靠性的方法，对于大型无线传感器网络的可靠性计算同样适用。

因此，本发明在分析计算网络工作能力的过程中，充分考虑了对其影响较大的两个因素：能耗和传输；采用有效的分簇及路由方式延长网络的寿命；计算过程简便，结果精确度较高，对于需要准确评估网络能力的应用具有很大的参考价值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中提供的方法的步骤流程图；

图2为无线传感器网络的分簇工作模式图；

图3为簇头节点的ID展示图；

图4为簇间数据传输方式图；

图5为簇内节点可靠性随时间变化图；

图6是不同的传输概率下簇内节点完成应用要求的可靠性图；

图7为取不同簇内节点数时的簇头可靠性图；

图8为簇间传输概率不同时网络整体的可靠性图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，本发明针对图2所示的网络工作模式结合能耗和传输给出计算网络瞬时可靠性的方法，具体步骤如下：

步骤100：在M×M的平面目标区域内随机均匀地抛洒n个节点，基站在相互垂直的两个方向上发射的具有等差性质的信号，将网络划分为N个虚拟网格；

步骤200：区域内节点根据接收到的基站信号判断属于哪些功率等级的网格中，并将自身的ID及能量信息进行广播，同时接收并比较其余节点发送的信息，判断自身所在的簇及簇内其余成员；

步骤300：各簇确定完成后，节点对接收的信息进行比较，选择簇内剩余能量最大的节点为当前簇的簇头节点，如图3所示，簇头节点确定后对簇内节点进行一次身份广播；

步骤400：根据簇内节点工作状态评估其能力；

(4a)簇内节点进行数据感知，并将感知数据发送到簇头节点。假设节点i在t时刻感知到的数据个数服从参数为λ的泊松分布，由于簇内节点只进行感知传输任务，因此其感知和传输数据的个数相同，即则簇内节点感知数据和发送数据的能耗分别为：

其中，E_s(l)为感知到一个长度为l>t(d,l)为节点传输一个长度为l>

(4b)在节点工作各环节的能耗获取后，计算其在某一时刻的剩余能量，分析剩余能量大于节点感知和发送一个数据所需能量的概率，即为节点i在t时刻的瞬时可靠性：

整理后有

其中，E₀为节点的初始能量；

步骤500：簇头节点j的瞬时可靠性分析计算；

(5a)每个簇中有m个节点，根据应用要求至少需要簇内的k个节点正常工作且将数据成功传输到簇头，该簇才被认为符合要求，即簇内结构可视为k-out-of-m结构。由于簇内节点采用星状拓扑结构工作，因此簇头节点j将接收到数据的节点个数为故而簇头节点j接收数据所耗能量为：

其中，E_r(l)表示接收一个长度为l>

(5b)簇头节点将接收到的数据进行融合，将p个数据融合处理为一个数据，计算处理后的数据个数即为簇头所发送的数据个数，其所耗能量为：

其中，E_DA表示融合p个数据需要的能量；

(5c)根据剩余能量得出簇头节点j的可靠性：

整理后有其中，

F＝(E_s(l)+lE_DA)+λE_t(d,l)+fE_r(l)+fE_DA

步骤600：应用要求每个簇内至少需要k个节点将数据成功传输到簇头，在节点i能量充足并且传输过程成功的情况下，节点收集的数据才能到达簇头节点，故簇头j满足应用要求而正常工作的能力可表示为：

其中P_ij为节点i成功将数据传输到簇头j的概率；

步骤700：簇间路由采用如图4所示的高可靠性路由方式，利用分解算法采用递归方法推导出整个网络可靠性：

R(G)＝R(G*e)P_e+R(G-e)(1-P_e)

其中P_e为簇头间数据成功传输的概率，当收缩边e使得某一簇头节点与sink节点重合时，R(G*e)＝1，当删除边e使得所有簇头均与sink节点不连通，此时R(G-e)＝1。

通过对网络工作的各部分进行分析，最终可获得网络整体精确的可靠性。

本发明的分析计算可通过以下仿真计算进一步说明：

仿真条件

在一个M×M的正方形平面区域内随机均匀地部署n个初始能量相同的节点，每个节点具有属于自己唯一的ID。监测区域外部署一个能量充足，计算能力强大的基站。所有节点一经部署将不再移动。数据传输时采用TDMA规则,即时分多址协议。

其他仿真参数如表1所示：

表1参数设置

参数值参数值区域边长a(m)100m基站位置(50，150)节点初始能量E₀(J)0.5数据包长度l(bit)4000E_elec(nJ/bit)50ε_fs(pJ/bit/m2)10γ(nJ/bit)50E_DA(nJ/bit/signal)5簇内工作节点的最小数目k5泊松分布参数λ1分簇个数N4

仿真内容

结合上述参数及仿真条件，在网络分为4个簇，每个簇内节点数均为10的条件下，基于节点能耗模型，利用本发明所述的计算方法，计算各簇内节点的可靠性，再结合不同的节点数据传输概率，计算各簇在满足应用要求时的工作能力，分析不同的传输概率对其影响，通过簇内数据传输的个数，对比计算不同簇内节点数时簇头节点的可靠性，最后根据簇间路由方式，计算网络整体的可靠性，结果如图5-8所示。

在图5中，当节点工作300轮后其可靠性将迅速下降，这是因为在节点工作的初期，其剩余能量充足，完全可满足节点感知与发送数据所需能量，因此其正常工作的能力较强，但当工作一段时间后，节点消耗的能量增多，剩余能量满足其继续工作的能力将逐渐减弱。考虑到节点到簇头的数据传输能力，图6给出了簇内节点将数据传输到簇头的能力随时间的变化。在簇内节点数不变的情况下，节点到簇头的传输概率越大，整个簇的工作能力越好。簇头不同于普通节点的是其需要融合处理数据，因此将会消耗跟多的能量，从图7可知，簇头的高可靠性保持时间较短，这正是因为能耗的过度消耗。由于应用要求的限制，当簇内节点数越少时，造成簇头接收所需数据的可靠性较低，但随着簇内节点数增多，簇头节点接收数据所耗能量越多，导致其剩余能量减少从而降低其可靠性，因此，簇内节点数选择应较为恰当，避免过多或过少。簇头节点间进行数据传输时将受到外界环境的干扰，如图8所示，在簇内节点数为10时，考虑不同的簇间传输概率下的网络可靠性。相比图7中m＝10时簇头节点的可靠性，外界环境对数据的传输影响相对于其节点的能量影响较小。而在相同的簇头可靠性下，簇间传输概率越大，网络整体的可靠性越高。

符号说明：

a：目标区域的边长

E₀：节点的初始能量

l：每个数据包的大小

P_ij：网络中节点i所感知的数据成功传输到节点j的概率

N：网络分簇个数

k：簇内所需的最少成功传输数据节点个数

m：每个簇内的节点数

R(G)：无线传感器网络可靠性

WSN:无线传感器网络

LEACH:Low-Energy Adaptive Clustering Hierarchy低功耗自适应集簇分层协议

PEGASIS:Power-Efficient Gathering in Sensor Information Systems传感信息系统高效节能集簇协议

TDMA:Time Division Multiple Access时分多址

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。