文摘
多次反射的水声传感器网络(M-UASN)收集海洋数据在不同的深度。由于严酷的水下环境,路线是一个主要的研究问题。在这篇文章中,路由路径从源到汇改编的基于矢量的转发(VBF)协议。在VBF,基于矢量大小,管道内的数据包传输跳来跳。管道内的限制是每个节点矢量接收相同的数据包。导致浪费电池能量和,反过来,减少声节点的生命周期。提高,在这篇文章中,它分为两个部分。第一部分是第一个跳从源节点最优分成子集,所有第二跳节点将收到数据包从每个子集。这个最优路线覆盖算法与进化的迷因子集。选举是通过电压参考模型的子集,电池电压是数学建模并给出节点的角色基于电压概要和马尔科夫概率的方法。 This method enhances the lifetime of the underwater acoustic network when compared with the VBF algorithm. The proposed model also provides improved throughput and equal load sharing. The results are compared with VBF, quality-of-service aware evolutionary routing protocol (QERP), and multiobjective optimized opportunistic routing (BMOOR).
1。介绍
大约三分之二的地球的星球被水包围。它已经发现,只有百分之五的海洋环境已经探索。的,许多研究人员和科学家们感兴趣的扩大研究深度。传统上,监测海洋科学家部署手册水浮标在一定深度探索感兴趣的特定区域。这导致了错过的时间和宽的覆盖范围监控(1]。在这种情况下,一个水下传感器网络有助于给水槽实时和密集的区域数据。
由于水下限制、特点不同温度、压力、盐度不同深度导致沟通至关重要。最初,电磁波还进行了短距离通信,但它需要一个大尺寸的天线传播低比特。这不是首选的沟通(很长一段距离2]。然后,光学波用于水下通信,导致大量的反射和折射问题。许多研究已经完成后,可以看出水下声学通信是最好的衣服相比,广播和光学波。但声音信号携带自己的缺点,比如长传播延迟,多普勒效应,多个来源的噪音,和有限的带宽问题[3]。很多新兴应用程序是用于商业、科学和军事目的。根据应用程序、节点传感器与静态或流动性等适应拓扑相连。很多研究是吸引了对静态节点,由于移动节点的实用性仍处于空白地带。在本文中,提出了一种路由协议为固定semimobility节点。
水声节点部署与动力电池的操作(4]。这些节点是固定在不同深度更换电池是不切实际的,是在图1。因此注意到,使用有限的能源应该保持控制来提高节点的寿命。在这篇文章中,VBF模型用于电池能量耗散,以减少冗余包传输,和深入的数学分析完成节点的传输和接收的数据包。结果与VBF相比,DBR, HH-VBF协议。
本文的其余部分组织如下:部分2分析了VBF路由方法。拟议的迷因算法中讨论部分3。能量分析方法及其比较与其他的出现在部分4和5。最后,部分6提供结果。
1.1。相关的研究
为了解决孔的能量最小化问题,作者在5)建议一个三级路由协议,详细描述。在第一步中,节点放置在围着一个水槽节点,称为电晕。节点在每个电晕是等距的,和所有电晕区域同样宽。负载重量为每个电晕在第二阶段生成。负载电晕影响电晕的节点的范围。平衡的能量耗散是更容易实现。在第三阶段,真正的数据传输发生取决于建立拓扑和负载转移。固定网络与预定义的拓扑结构,该方法成功地降低了能量洞周围的电晕水槽节点。它是可能的;然而,性能会因这种方法在事件的网络拓扑是不可预测的。
的作者(6开发了一种基于集群的路由机制。以确保对称模式,最接近的节点部署在阶段,层狭窄和遥远的层。这种分层结构的主要目标是减少热点的可能性发生再分配的节点传输功率取决于节点的距离汇聚节点。每一层是由集群的节点。一簇头选择为每个集群通过选择最多的一个社区连接,最小剩余能量,这是最接近水槽节点。当集群完成,开始数据传输。基于剩余能量和候选中继多远从水槽节点,中继选择。这最小化节点失去能量和过早死亡的可能性减少拥堵。论点是减少使用集群头参数根据每个集群头有多远从水槽里。
在[7),作者提出了一个数据采集方法,依赖于集群。节点是分散在一个网格,在六边形排列。剩余能量水平是用来选择簇头,然后由他们在集群节点的位置。更具体地说,最大的节点剩余能量,在集群的核心,应该选为集群首领。(8)选择使用一个水下机器人,它有一个计划,利用蚁群优化找出最快的路径可能在水下迷宫一般的路线,减少延误和交通堵塞。通过更好的能源管理,建议的方法降低延迟和提高网络寿命。
作者的两级地路由方法出现在[9]。在第一阶段,称为更新阶段,节点互相更新剩余的能量,节点类型,等等。这使得填写节点邻居表,然后利用路由决策,这发生在第二步中,路由。空白区域是通过预先确定路由阶段。因为在本地任务完成了,没有通信开销。更高的交付率可能通过优化组织转发空间节点密度可以考虑。
作者描述(10两阶段,multisink路由策略。分层的部署是第一阶段,节点分布在同心层状结构,也就是创建一个网格中给定节点可能出现在许多网格。当数据包交付率(PDR)低于某一特定值,更新层。通信阶段遵循分层的一步,在这篇文章中,每个节点选择一个水槽节点和构建一个水槽的路径。为了更好的PDR和能源效率、路由创建标准将提供所需的结果。这个协议遭受贫穷连接解决方法。
(11)检查RMCN路由架构适合长期的传感应用。四分之一的整个网络区域属于下沉区,而其他四分之三属于节点区域。有相同数量的固定和移动节点的节点区域,而只有水槽节点水槽地区。选择候选节点的基础上深度、残余能量,追踪ID和一个成本函数。通过使用一个静态平衡和移动快递,RMCN最少的能源使用而提供了一个很好的改善一同通过冗余和适应的平衡。在RMCN不工作的实例,因为节点可能是随机分布的,而不是根据预先确定的部署策略,在这种情况下,至关重要的是,系统工作无论如何把节点,在情况下,整个网络节点可以自由移动。
作者提供了一个从几层路由的方法,收集信息的系统(物理、介质访问和网络)来确定最佳路径数据(12]。转发决策是决定基于两跳节点的状态从发送方。发送方选择三种类型的节点:一个单货代,中继节点和两跳货代。可靠性是通过使用一个中继节点。过程分为三个部分。在第一步中,社区在整个网络发送的信息。第二阶段包括决定哪些途径获得,而第三阶段涉及传输数据。这种方法提高整体可靠性,导致更好的PD性能利用冗余的中继节点,提高网络的可靠性,以及主要的货代。但为他人会让事情更加困难,等待这冗余消息每两跳。额外的努力和等待增加能源使用和困难。
摘要(13)描述了一个统一的协议进行功率控制和机会主义路由(PCR)。这种方法试图改善PDR。经营有三个阶段:第一阶段由节点广播信息在灯塔的形式,使用他们所有的可用功率水平。在第二阶段,在第一阶段收集的信息是用来选择未来的代理。下一阶段考虑每一个潜在的货代和它们相关的可用功率水平。选择货代根据这些信息。提高能源效率、消费必须被考虑。第三阶段考虑数据流和协调一切合作。通过这种方式,它平衡能量耗散。因为所有的传输功率用于灯塔,几个相同的信息结果的传输通信开销很大,因此更多的竞争和增加能源使用。 Connectivity gaps and partitions will be created, which will lead to a poor packet delivery ratio. Stage one needs to be completed occasionally, increasing the amount of energy needed dramatically.
此外,几个额外的路由算法已经提出。(14)是一个服务质量(QoS)的协议,它使用一个层级组织把节点,他们可能对流量的分布和能量耗散的影响最大。簇头选择使用哪个路线和如何使用它们。这些决定是在特别的基础上,只连接到其他集群的质量影响。帮助当有节点失败,连接的地方坏了,实现进一步传播范围变化。提高能源效率和负载分配公平,作者的15提供三种路由方法,共同运作。不同级别的力量,根据许多因素,包括距离、交通负荷,和货代产生的权力的程度,用于转发。残余能量被认为是在选择货代,帮助网络平衡负载分布。在[16),建议由被动源路由的方法。能够跟踪从开始到结束的旅程使源节点确定目的地的路径。系统使用一个停止前进,等待风暴过去自动重发请求(ARQ)发现拥挤的链接和意想不到的路径,给它一个跨层的方法。
2。VBF分析
路由水下分为三大类,即积极主动,活泼,和基于位置的协议。在reactive-based路由,控制数据包广播基于传输的表。从水下的特征在本质上是至关重要的,这种类型的协议并不鼓励UWASN。反过来,主动将只有当源节点发出的数据包被转发处理数据包。这个协议也为建立广播控制数据包路径不适合水下环境。基于地理位置的路由是每个传输数据包根据下一个节点的位置。这种能量最小化成本而主动和被动。水下的位置与定位服务节点与邻居分享。
最初,水下的路由是尝试使用基于矢量的转发。VBF是一个纯粹的基于地理位置的路由协议,每个节点位置计算信号强度或到达角。在数据包,每个节点有一个发送器、接收器,和货代的身份。基于向量的大小、发生传播路由内管从源节点。每个节点向量的内管是合格的多次反射的方式转发数据包。如果收到的数据包的节点不是在管,他们会将数据包。图显示,海底传感器节点作为源节点和他们沟通与第一跳节点通信范围。第二跳节点中继节点的数据包转发到水槽里。附近的中继节点概念处理节点水槽排水很快减少所有中继节点与邻近的节点分享他们的能量水平。
VBF,固定节点下工作识别向量大小路由的概念。海床源节点形成一条线到水槽节点,和基于密度矢量大小是决定。每当数据包送到中间节点,他们确定节点是否合格的数据转发到更高的层。只有节点货代向量内管被认为是协调源节点的数据包。在这方面,源节点广播数据包中间节点那些第一次跳节点传输相同的数据包第二跳节点。发现VBF有缺点发送重复的数据通过多个中间节点能量浪费从这些节点发送和接收。我们建议的工作集中在节能VBF在第一个层面上,所有的中间节点分为子集保持可靠性,第二跳节点将覆盖的子集。在每个子集,节点能量水平监测,基于阈值水平,数据包转发多次反射。
3所示。水声传感器网络传播延迟模型
UASN将数据包路由上游和下游的帮助下垂直声收发器。起初,水下节点部署在不同深度的初始能量相同的权力,维护权力矩阵。在水下声学包传输的速度是由海洋变量如温度、盐度、深度。这是Coppen所采用的模型(8水下]显示速度的变化在不同的深度。
它是由 在哪里
:在水下速度(声速),
:深度(0 - 4000),
:盐度(0-45零件‰),
:温度(0到35°C)。
通过不同深度方程(1),水下信道的盐度和温度变化和存储在传播延迟矩阵。不同深度的温度和盐度的变化如图所示2(8]。从方程(1),在一个水下声信号传播延迟的渠道表达基于温度、盐度、深度和可变性。
所有已部署的传感器保持两个矩阵,即权力和延迟矩阵。它已经指出,在每一个传感器都有耗尽的能量传输和接收的数据包。权力矩阵不同的间隔一段时间后。它是由水槽节点标识。水槽节点广播更新的动力矩阵到所有其他节点。这项工作的目的是传输数据包的最小延迟和最大残余能量路径有助于确保数据包的可靠路径。这个优化问题已经解决了使用一个进化迷因的算法。
4所示。水声传感器网络能量模型
经典的能耗水下声学调制解调器特点是讨论如下。被动声纳方程计算信噪比(信噪比)的声波是由链接 在哪里
:源的水平,
:传输损耗,
:噪音的损失,
:指令指数,
:检测阈值。
上述所有给定信噪比在dB和数量μ爸爸,1的参考价值μ爸爸等于 瓦特/ m2(17]。水下传输损耗计算通过使用索普模型(15)如下:
方程(5)和(6)指定深海和浅海的传输损耗,分别。它主要是由于与深度有关的衰减和频率相关衰减引起的。注意,是发送方和接收方之间的深度距离节点和米表示。让球在深海的吸收系数和圆柱形扩散损失在浅水中表示的单位的dB /公里,和在dB。吸收系数的频率给药在dB /公里(18]。
在距离衰减为给定的频率在水声给出的链接
在深水中,噪音很低,因为损失低扰动与浅水相比,在本文,问深水是50 dB (18]。而浅水时问,因为风吹,运动的船只,动荡,和一些生物噪音,浅水问所花费的价值是70分贝18]。信噪比和DL直接取决于水听器和调制解调器连接到传感器节点。它们的价值被认为是 dB和 分别dB。
源水平计算使用现有的被动声纳方程给出的
方程(9)是利用计算传输信号强度( )表示为
因此,源的发射功率( )1米的距离的传播信号强度( )浅水是由(8]
对于深水,
方程(9)和(10)是以瓦特/ m2,在那里源和接收器节点之间的距离。
能源消耗模型推导出基于信号频率( ),传播距离( ),和其他一些因素,如传播网络的信号强度和深度。
5。提出了系统
提出节能VBF,传感器节点是固定在不同深度监测水下环境。取决于应用程序,传感器可能调整其通信范围内相对的3 d区。部署UASNs初始化与相同的能量,示例部署如图3。
海床底部固定的传感器节点作为源节点 ,及其数据需要传输到水槽多次反射的方式通过管道路由。让 是第一个跳连接到源节点,他们也可以收集数据并将其转发给水槽通过中继节点 。这些中继节点一跳节点和节点两跳离。如果有数据包,首先创建一个向量管道向汇聚节点和节点参与路由半径管有资格。管道内的节点反复转发数据包,会导致交通堵塞和浪费能量耗散之间的节点,进而减少水下网络的生命周期。
为了优化能源使用建议的工作,它被认为是向量中的中间UASNs管划分为子节点。这些子节点形成一组一组个体可能节点的集合与邻国和垂直中继节点通信。这个子集标识使用进化的迷因算法最小化冗余数据包传输。最大化的能量,源标识的最高能级和将数据包转发到特定子集。这个节点接收数据包,并与邻国共享它们。
|
||||||||||||||||||||||||||||
在这方面,中间节点隔离成集,每个组的源节点数据传输能力能水槽附近所有中继节点。优化器将识别的最大连接和路由矩阵第一行位置。第二行占领一个中间节点部分继电器。现在,改进者将与最优匹配其余列中间节点形成一套路线。
中的下一个跃点选择UWSN主要是基于当前能源和其他参数,如距离和信号的可靠性水平。选择的状态不依赖于过去的状态,因此,马尔可夫模型适合的方法选择下一跳UWSN环境。这些模块提供简单的交互和计算和推理;因此,他们可以很容易地适应瘦客户机硬件。这里,特定节点的状态变化与一个随机变量。模型被描述为一个有限通道的状态;状态变量的总和总是统一的。在齐次马尔可夫方法,信道序列中的位置提到同样的条件概率。马尔可夫在有限状态空间ω包含几个影响参数。这些依赖于先验假设状态转移概率。
图4显示了典型的说明电池特性曲线。电池电压指数随负荷增加。电池提供低电流在高压情况下满足负载功率。由于减费水平连续加载,这导致终端电压下降。终端电压下降的结果在一个指数进一步提高当前水平和结果的快速衰减的电池充电水平。节点的角色将根据电池特性曲线。节点是给定一个高负载路由和处理更多的信息在高压阶段,和它的作用是减少在降低电压值。
每个节点的作用是分为一个有限状态机FFD(即。全功能设备)或路由器如图5,一个RFD(即。,reduced function device) or subset member, and an idle or sleep state. The node probability of being a FFD is high when the voltage and distance are within the threshold limit, i.e., as per the voltage curve and acoustic model. The probability of the node being in the subset member is also high when it is greater than the minimal threshold limit. The node less than the curve voltage value is made to sleep so as to avoid intermediate wake up disturbances.
搬到一个的概率国家从国家由一个条件概率方程给出如下考虑。概率是主要由初始状态概率解释 。
单步过渡到移动到所需的概率以下方程。
在一个时间齐次马尔可夫链,之间的转移概率步骤来达到状态是作为
广义的概率选择步骤
方程(2),(3)和(4)表示的概率选择下一个状态的节点系统模型。
在这里,达到一个状态的概率,在一个单一的步骤步骤和总体概率的状态显然是被提及。的概率值是基于现状和主要预测未来的一代。节点子集的选择基于通信的状态传递给其他节点内部的子集。基于能量的传输数据包的电池。结果将在下面的小节中讨论。
6。结果和讨论
图6显示了EEMM[的端到端延迟19],QERP [20.],VBF [16与不同数量的节点)。在所有不同节点密度,我们看到VBF延迟和EEMM最高最低的延迟。在建议的方法中,减少延迟的原因是由于稳定簇头的选择。自从CH不经常变化,这种方法避免了CH移交过程中引起的延误。
图7给出了网络的生命周期与节点密度堆积图。由于改进的电压概要文件,使用马尔科夫概率导致的寿命增加EEMM QERP和VBF显著。提高网络寿命的第二个原因是由于优化集群大小获得使用该集群机制,导致平衡负载和增加网络的生命周期。
在图8,我们看到PDR和残余能量绘制的迭代次数。传感器节点的剩余能量随迭代次数的增加从1到5000。(请使用结果证明更好的残余能量的原因。)
这是显示在图9PDR增加在所有三个线性方法随着迭代次数的增加。最初,从1到1000次迭代,看到QERP执行和PDR高于EEMM VBF更好。然而,随着迭代次数的增加,显然明显,从2000年到3500年迭代,EEMM PDR遥遥领先,而QERP执行第二个最好和VBF至少PDR。迭代的数量达到5000的时候,看到EEMM优于QERP VBF因为有效CH的选择方法。
7所示。结论
本文提出了节能Markov-based一生增强优化传输数据包从源节点到中继或水槽节点。管向量的限制和电池能量包由进化的迷因技术优化。电压参考模型是用来选择子集时,电池电压是数学描述。节点的角色决定使用电压概要和马尔科夫概率的方法。可以看出VBF算法相比,这种策略扩展了水声网络的生命周期。提出的方法也提高了吞吐量和平均分配负载。VBF QERP,平衡,和多目标优化的机会主义路由都是用来比较的结果。增强包交货率和降低端到端延迟,这个方法优化能源利用提供数据包减少端到端延迟。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突。