文摘

能源效率一直是多年来的一个研究热点,许多路由算法提出了改进能源效率和延长寿命为无线传感器网络(网络)。因为靠近水槽节点通常需要消耗更多的能量来转发数据的邻国,他们将排气能量更快。这些节点被称为热点节点,我们把这种现象称之为热点问题。在这篇文章中,一个增强的力量有效聚集在传感器信息系统(EPEGASIS)算法缓解热点问题从四个方面。首先,最优通信距离是决心在传输过程中减少能源消耗。然后阈值设置为保护死亡节点和移动水槽技术用于平衡节点之间的能量消耗。接下来,节点可以调整其通信范围根据其距离汇聚节点。最后,大量的实验表明我们提出执行EPEGASIS执行更好的一生而言,能源消耗和网络延迟。

1。介绍

拓扑控制是一个非常重要的研究问题的新兴移动网络(人物)。无线传感器网络(网络),作为人物的一部分,通常是由大量微型传感器节点和他们的发展非常迅速,近年来由于其广泛的应用[1]。这些节点通常部署在一个随机的方式,他们可以从环境,收集信息,然后将数据包传输到水槽节点使用单个或多个跳通信网络形成。轮的出色表现容错、快速部署、自组织,及时反应,等使得网络广泛用于军事侦察等恶劣的环境,工业生产线监控、医疗保健、智能家居(2,3]。

能源效率和能源平衡一直是一个很热的和具有挑战性的研究问题轮为多年。因为大量的传感器节点部署在非常恶劣的环境下,是不现实的改变传感器的电池。此外,节点靠近水槽不仅需要收集数据,但还需要邻国的数据。因此,这些节点将排气能量比其他节点远离水槽要快多了。这种现象被称为热点问题。第一个节点死亡,因为能量耗尽时,网络的性能在连接方面,报道,一生等将大幅减少4,5]。

为了解决热点问题,水槽流动技术介绍给许多路由协议(6- - - - - -9]。采用水槽流动性,可以实现以下优点。首先,移动水槽节点沿着一定的轨迹,以便接近水槽可以轮流货代,这将很大程度上缓解热点问题(10]。其次,可以减少整个网络的能量消耗,因为传感器节点之间的平均传输距离短和移动水槽,如果移动下沉一个合适的轨迹11]。第三,网络的传输延迟的性能和网络吞吐量可以大大提高下合适的移动战略。最后,移动水槽可以提高稀疏网络中网络连接(12- - - - - -14]。

本文的主要贡献包括以下四个方面。首先,我们找到最优通信数据传输的距离。其次,我们为每个节点设置阈值较低的保护这些节点剩余能量。第三,我们调整节点的通信距离根据其距离移动下沉。最后,采用移动水槽技术来平衡不同地区的能量。大量模拟进行证明我们的算法优于现有的一些工作。

剩下的纸是组织如下。节1的背景,我们介绍我们的工作。节2,我们将讨论一些经典路由协议和一些最新研究成果。包含网络的系统模型和能量模型提出了部分3。节4,我们详细描述我们的算法。广泛进行模拟和实验结果进行了讨论和比较5。部分6总结了论文的一些未来的工作。

2。相关工作

许多研究人员关注近年来节能路由协议或算法。浸出(低能自适应聚类算法)是最著名的分层协议提出了约20年前(15]。在浸出,有两种类型的节点,即集群头(CHs)和普通节点(ONs)。每个收集数据从感兴趣的领域和发送数据包到一个最亲密的CH。每个CH负责融合的数据接收,然后融合数据传送到汇聚节点。CHs的引入可以避免长途和水槽节点之间的通信;因此保存能量。然而,CHs的选择是随机的方式作为一个随机选择的结果。所以,CH分配不均在整个网络性能的下降。与此同时,CHs与汇聚节点通信直接导致的能量耗散。

pegasi(权力有效聚集在传感器信息系统)是一个连锁酒店忠诚度奖励了网络路由协议(16]。在pegasi,每个传感器节点只需要传输数据到邻国靠近汇聚节点。可以建造一些连锁店根据贪婪算法和每个链的领导人负责将数据传递给汇聚节点。由于沉重的负担的领导人链,每个节点轮流领导平衡能源消耗。由于多次反射传播,长距离传感器节点和汇聚节点之间的通信是避免和保存能量。与此同时,由于多次反射传播,网络的延迟很严重,它不适合延迟敏感的应用程序。

在[17),作者提出了一个高效节能的路由协议使用移动水槽基于集群和适用于网络阻塞。移动水槽沿着CHs,单跳通信收集数据。在这个协议中,一个有效的调度机制提出了基于生成图表找到最短路径移动水槽避免障碍。仿真结果表明,网络的生命周期延长,减少网络的复杂性。

在[18),作者提出了一种基于树的数据收集算法使用移动水槽集群。该算法包含三个阶段,即树建设,树分解和subrendezvous点(SRP)选择,和数据收集阶段。移动水槽走向会合点(RP)并通过单跳通信SRP收集数据。在每一轮数据收集后,传感器节点将重新选择RP和SRP。仿真结果证明,该算法性能更好的网络寿命和移动路径移动的水槽是短暂的。

在[19),作者研究了网络的事件驱动的应用程序移动下沉。在本文中,每个传感器节点有两个状态:监控和传输状态。事件时,节点的状态变化监测数据传输和群活跃传感器节点(ASN)构造的数据转发到移动下沉。在大规模网络中,感兴趣的领域分为几个分区的限制移动的速度下沉。每个分区包含一个移动水槽和asn选择收集和传输数据。同时,连续和最优轨迹(床)可以计算出移动水槽来实现更好的性能。

在[20.),作者提出了一个移动传感器网络节能路由协议使用path-constrained移动下沉。本协议适用于网络限制的移动路径移动下沉,如移动下沉部署在总线。源节点到目标节点发送数据包的最接近的位置移动下沉到下次,确保最短路径传输数据。这种全新协议是非常适合实现容忍延迟网络和具有更高的鲁棒性和降低能源消耗。

此外,一些启发式算法用于提高网络的性能(21- - - - - -26]。在[21),作者结合粒子群优化(PSO)算法和集群技术,以提高网络的生命周期。在[22),提出一个基于聚类蚁群优化(ACO)算法来找到一个最佳的移动轨迹移动下沉。在[23),像萤火虫群优化技术(GSO)聚类和移动水槽的结合在一起,提高能源效率,以及延长无线传感器网络的生命周期。

3所示。系统模型

3.1。基本假设

在本文中,我们做一些基本假设如下:(1)所有的传感器节点随机部署在部署后,保持静态。(2)每个传感器节点都有一个惟一的ID相互不同。(3)所有的传感器节点具有相同的初始能量和电池都不能改变。(4)移动水槽可以自由移动,并拥有不受约束的能量。(5)传动功率传感器可以调整根据通信距离(27]。

3.2。网络模型

摘要N个节点随机部署在一个圆形的领域与半径r表示,这些传感器节点 ,分别如图1。在每一轮中,每个传感器节点应该发送一个包到水槽使用单跳或多次反射通信基于相对距离。

3.3。能量模型

第一个采用比例模型来计算能耗(28,29日]。作为显示在图2能源消耗主要包含两部分传输能耗消耗和接待。

传播消费主要包括传输电路和功率放大器所消耗的能量支出。接待消费主要包括接收电路消耗的能量。传播消费可以用以下公式计算: 在哪里能源成本使用发射机或接收机电路处理一比特的信号。符号和表示的放大系数分别自由空间模型和多径衰落模型。度规阈值,可以计算吗 。

接待的能耗可以根据公式计算(2):

4所示。我们的算法

4.1。概述EPEGASIS

在本节中,我们将详细说明我们的算法。我们的算法是被称为增强型pegasi (EPEGASIS),属于连锁酒店忠诚度奖励路由算法。在EPEGASIS,每个节点使用最优通信距离选择中继节点数据传输从邻国。为了避免过度的能源消耗一些节点具有特殊位置,我们设置一个保护机制根据其邻国的平均剩余能量。移动水槽是用来收集数据对不同地区能源消耗平衡。网络中每个节点的工作流程如图所示3。

4.2。研究最优通信距离

根据能耗模型,能源消耗增加迅速的增加通信距离。为了节约能源,采用多次反射传播,避免长途通信。然而,过多的啤酒花增加转发的负担,可能导致增加的端到端延迟或延迟。

我们假设源节点米远的地方,移动下沉,它发送一个比特的数据移动水槽包啤酒花,能源消费总量可以计算使用公式(3): 能源消费总量和跳数之间的关系可以如图所示4。从图4我们可以清楚地看到,随着跳数的增加,能源消费总量下降首先达到最低点,然后上升。三角形的每一行表示时的能源消耗 它也表示每条线的最低点。因此,最优通信距离和最优跳计数显示为公式(4)和(5)。

4.3。初始阶段的网络

网络节点部署后,进入初始阶段。在初始阶段,主要对象是准备数据传输交换信息。在刚开始的时候,移动水槽广播NETWORK_INIT包提醒初始网络的所有节点。每个节点维护一个路由表称为“NBR_TABLE”来记录其邻居的信息。然后每个节点广播一个NODE_INFO包的最大传输距离。邻居接收NODE_INFO计划将相关信息写入路由表。在最初阶段,每个节点将其邻国的知识。为了更新能源信息的传感器,一个ENERGY_INFO包由每个节点在每一轮播放。随着网络的运行,系统时间和移动水槽的位置可能会出错,所以移动水槽将广播SINK_INFO包在整个网络在固定时期。包的详细信息见表1。

4.4。网络拓扑结构生成

在pegasi,每个节点选择最亲密的邻居作为中继节点进行数据转发和传播,造成沉重的负担和长网络延迟。在我们的算法中,我们主要是减少数据转发的时间,实现最优的能源消耗。我们使用最优通信和最优数据传输跳数。节点选择一个货代在路由表和货代满足以下两个公式。 在哪里 表示节点之间的距离和节点 。

当移动沉在最优通信的传感器,他们将直接传输数据到移动下沉。中继节点选择后,远离移动水槽节点传输数据的几个继电器和生成网络的拓扑结构。网络的拓扑结构如图所示5。

4.5。死亡节点的保护机制

接近传感器节点字段数据转发中心承担沉重的负担;然而,接近传感器领域的边缘节点只需要把自己的数据和热点问题。图6描述了网络热点现象后竞选几轮。

为了防止节点过早死亡,我们设定一个阈值,根据平均邻居节点的能量。当节点的剩余能量小于一个阈值,不需要货代的角色,只发送自己的生成的数据。阈值计算使用公式(8)。 在哪里表示的邻居节点的集合 , 是邻国的数量,和当前节点的能量吗 。

通过设置阈值,节点在中央区域保护和第一个节点死亡时间大大延迟。在最初,所有节点的剩余能量达到阈值,它们可以作为中继节点选择。与圆的增加,节点接近中心区域的剩余能量低于阈值;因此,节点靠近边缘将逐渐变得环路由中继节点和原因。环路由是如图所示7。

4.6。边缘节点的通信距离的调整

节点在边缘地区几乎不需要货代,导致不同地区间的不平衡的能源消耗。为了充分利用边缘节点通信距离的调整,进一步介绍了平衡能源消耗。即节点的通信距离是根据距离调整移动下沉。节点远离移动水槽的使用不再完全能源利用和节点的通信距离接近移动水槽的使用较短的传输距离,减少能源消耗。节点的通信距离可以根据公式计算(9): 在哪里网络和的半径吗(下一节中讨论)是调整参数。通信距离调整后链式结构如图所示8。

4.7。移动下沉运动模式

在我们的算法中,移动水槽与预定的方向和速度。移动水槽围绕的中心圆半径与一个常数(在下一节中讨论)。因此,移动水槽只在初始阶段需要广播其地位。后时间间隔,移动下沉移动到一个新的位置如图9。

5。绩效评估

5.1。模拟环境

为了评估我们的表现提出EPEGASIS算法,用Matlab仿真器进行实验。我们将把我们的算法与典型pegasi。和仿真参数表中列出2。

5.2。网络生命周期分析

正如上面提到的,pegasi是一个典型的连锁酒店忠诚度奖励路由协议,我们将比较算法。提出的协议我们没有沟通适应范围叫做EPEGASIS1,和协议的进一步改善调整叫做EPEGASIS2介绍通信距离。仿真结果如图所示10。

图10描述了网络的生命周期是在EPEGASIS1 pegasi相比大大提高了。由于沉重的负担将数据传输包的邻居,节点靠近水槽在大约60轮开始死亡。然而,第一个死在EPEGASIS2约90轮,因为通信距离调整,节点保护,与水槽的流动性。

5.3。能源消费分析

我们比较不同的路由协议的平均能源消耗每轮,结果如图所示11。我们可以明显看到,平均能源消耗每轮EPEGASIS1减少约三分之一的pegasi由于使用最佳的通信距离。

5.4。研究网络延迟

我们也研究不同路由协议之间的网络延迟,结果如图所示12。我们可以清楚地看到,网络延迟EPEGASIS1和EPEGASIS2都有很大的提高。在EPEGASIS2,由于采用通信距离的调整,一些节点扩展他们的通信距离和节点通信距离短。因此,EPEGASIS1 EPEGASIS2几乎有相同的性能而言,网络延迟。

5.5。研究适应通信范围

正如我们上面所讨论的,依法调整每个传感器节点通信距离的距离移动水槽,并调整参数确定详细的变化。从图13我们可以明显看到,当= 0.2,网络具有更好的性能而言,网络的生命周期。

5.6。研究移动下沉运动轨迹

的移动轨迹移动下沉严重影响网络的生命周期。在我们提出PEGASIS2,移动水槽绕圆圈的中心,我们改变移动水槽的半径来提高网络的性能。仿真结果如图所示14,这表明,当移动水槽传感器向游历半径0.25 r,网络有更好的性能而言,网络的生命周期。

6。结论

在本文中,我们提出了一个与移动水槽支持增强pegasi算法,提高了网络的性能。节点使用最优通信距离选择货代和阈值设置为保护节点过早死亡。为了进一步提高网络的性能,我们调整节点的通信距离基于他们的距离移动下沉。因此,节点接近移动下沉会短通信距离减少能源消耗和第一个节点死亡的时间大大延长。大量仿真结果验证我们提出的算法的性能比传统pegasi。然而,热点问题是不能完全消除。我们未来的工作主要包括适当的下沉运动轨迹设计,以及联合优化的路由算法和水槽轨迹设计。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

信息披露

本文的修正和扩展版本一篇名为“一个增强pegasi算法与移动水槽支持无线传感器网络”在2018年国家中国,6月08-10。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由中国国家自然科学基金(61772454和61772454)和江苏省自然科学基金(BK20150460)。