分层的水下传感器网络策略范文

本站小编为你精心准备了分层的水下传感器网络策略参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《通信学报》2014年第六期

1网络与能耗模型

1.1网络模型在网络初始状态，n个传感器节点随机分布在一个M×M×N的长方体内，10个sink节点均匀地分布在监控领域的水面（长方体上表面），如图1所示，并假设水下传感器网络具有以下性质。1)水下传感器网络由固定在海底的静态节点、悬浮在水中的动态节点和浮在水面的sink节点构成。2)所有非sink节点均具有唯一的ID，并均匀地分布在监测区域。3)传感器节点采用水声通信进行数据通信，且数据分组传送到任意sink节点，均表示数据被成功采集。4)所有非sink节点具有相似的处理/通信能力。5)节点按照预先设置的功率进行数据通信，一经部署通信功率不再改变。6)节点不具有位置感知能力，但能感知深度信息。7)节点周期性进行数据采集任务，并始终有数据传送至基站。8)网络的生命周期被定义为10%节点死亡的时间[15]。

1.2能耗模型本文采用与文献[16]相同的水声通信能耗模型。对于当前的水下传感器网络节点，发送数据产生的能耗远远地超过节点接收数据产生的能耗，因此本文用节点发送数据产生的能耗来衡量整个网络的能耗，即不考虑数据接收带来的能耗。式(1)给出了水下传感器网络中节点发送数据的能耗模型。

1.3节点运动模型水下传感器网络节点通过锚链被锚定，通过调整锚链长度来形成三维网络，节点随着海流做受限的运动[17]。图2给出了节点的运动范围。如图2所示，锚链长度为L，通过对节点受力分析得知，节点受到了水流横向的冲击力F，水流产生的浮力f以及锚链对节点的拉力T，这3种力构成了一组平衡力，夹角度数为β。于是有tanβ=F/f，节点的运动范围Field=[Lcosβ,L]。为了模拟水下传感器网络的动态性特点，本文假定节点在运动范围内采用RandomWaypoint运动模型[18]。RandomWaypoint运动模型描述为：传感器节点在运动空间A内随机生成坐标值产生起始S和目的点D，节点运动速度在[Vmin，Vmax]之间随机取值并匀速从S沿直线运动到D，再在[Tmin，Tmax]中随机选取一个时间Tpause保持静止，这样完成一次运动过程。随后节点将本次运动的目的点D作为下次运动的起始点S，开始下一次运动过程，如此重复。网络中所有传感器节点均遵循上述运动过程，它们之间相互独立。

2算法设计

2.1算法设计路线首先分析水下传感器网络的环境特点，即水声通信、节点不具有感知全局位置信息的能力、网络高时延、节点移动性等，并建立相关的网络模型。如图3所示，该算法思想立足于网络冗余，建立与网络冗余相关的接收节点的深度范围和网络分层。同时针对特定深度范围内的传感器节点，建立机会转发的路由机制，从而满足水下传感器网络的特性。

2.2算法描述节点将带有当前深度信息的数据分组进行一次广播，接收该数据分组的邻居节点获该发送节点的深度信息，结合节点通信半径、网络冗余度等信息计算通信范围D，并检查自己是否在通信范围D内。如果在，则计算转发概率P；反之，则丢弃该数据分组。

3分层路由策略

3.1分层间距d与网络冗余ζ采用静态分层模型，通过数学分析，预先确定网络的分层间距；该分层模型下，层内节点之间无需进行数据通信，层间通信采用了机会路由；节点i通过感知当前深度信息来确定层号，机会转发带来的极大挑战是网络冗余，本文从网络冗余角度分析，提出分层间距d，该分层间距将依赖于节点的通信半径R和网络的冗余度ζ（每个节点广播后最多存在ζ个节点接收数据）。在总体积为VU的区域内随机分布n个水下传感器节点，由此构成水下传感器网络。假设该网络的网络冗余度为ζ，为保证层内任意节点的接收范围内最大概率地存在ζ个节点，考虑图4所示的情况。在T时刻，某节点位于图4所示的原点处，节点通信半径R为预设固定值，假设分层间距为d。由于分层网络模型下同层节点无需进行通信，该节点在T时刻的通信范围被限制在区域DABCD内。根据网络冗余度的定义，该节点的通信范围DABCD内的最大概率存在着ζ个节点来接收数据。对通信范围DABCD和网络分层间距d做了如下数学分析。DABCD的体积可由球锥ABCDO的体积减去圆锥ABCO的体积，求解区域DABCD的体积通过预先设定节点通信半径R，根据实际的应用需求给出冗余度ζ，便能计算出相应的网络分层间距d和任意节点对应的下一跳邻居节点所在的深度区间I(h)，并对水下传感器网络冗余进行初步的控制。

3.2机会路由中消息转发概率针对节点位置信息未知的水下传感器网络，结合网络分层间距和节点的下一跳邻居节点所在的深度区间，提出一种基于相对深度距离和相对剩余能量的机会转发路由。定义1相对深度距离。水下传感器网络中，任意节点i进行一次数据转发，其下一跳邻居节点所在的深度范围为[d1，d2]，i的相对深度距离为mE。其中di为该节点的当前深度信息。定义2相对剩余能量。水下传感器网络中，某节点当前剩余能量为Er，节点的平均剩余能量为E。mE为当前网络状态下节点剩余能量的最小值，该值可由sink节点周期性全网反馈获得，该节点的为了防止出现数据传输中断的现象，当数据传输失败时，选择该节点通信范围DABCD内的邻居节点中具有最大转发概率的节点（Pk值最大的节点）作为消息的转发节点。4.3队列管理的实现队列管理机制工作原理包括消息入列方法和消息出列方法。消息入列方法：节点i收到来自其他节点的消息后，从消息中获取转发节点的深度信息和剩余能量信息，计算该节点转发消息的概率Pi（详见4.2节），节点i以概率Pi将该消息插入消息队列，以1−Pi的概率丢弃该消息，进入消息队列的消息按照Pi值由大到小的先后顺序发送；节点自身采集的信息则立即发送。若某节点的邻居节点均被丢弃时，选择Pi值最大的邻居节点进入队列，防止消息传递过程中出现传递中断的情况。消息出列方法：某节点的消息队列中若存在多个数据分组，根据数据分组中携带的Pi值大小，节点优先发送Pi值大的数据分组，消息发送后消息标记为已发送，但不立刻丢弃；只有当队列满时，丢弃在队列中存在时间最久的已发送消息，避免多次发送同一消息。

4实验与仿真

本文仿真实现了layered-DBR、DBR和Flooding算法，并从节点周期性采集次数和能量消耗做了性能比较。在仿真实验中，本文定义1000个节点随机分布在1000m×1000m×5L00m的三维区域。网络中设定10个sink，它们位于三维区域的上表面位置。其他网络参数以及相应的缺省值如表1所示。图6给出了在节点通信半径R=240m的条件下，α取值对网络周期性数据采集次数和网络能量消耗的影响。从图6可以看出，当α取值为0.5时，综合网络能耗表现和消息转发次数，网络有较好的性能表现，因此在后续的仿真实验中默认α=0.5。图7(a)给出了在网络冗余度ζ=2时，取不同的节点通信半径，网络剩余能量随着网络周期性数据采集次数的增加所带来的变化情况。可以看出，在一定范围内随着网络通信半径增加，网络能量消耗逐渐增大。图7(b)给出了在网络通信半径R=240m时，取不同的网络冗余度，网络能量消耗随着网络周期性数据采集次数的增加所产生的变化。从图7(b)中可以看出，网络能耗并没有因为网络冗余度的改变而产生大幅度的变化，这是由于layered-DBR算法采用了机会转发机制之后，网络中消息副本在一定程度上得到了控制，网络能耗一定程度上不再受网络冗余的影响。图8(a)给出了在网络通信半径为220m的条件下，完成多次周期性数据采集后，网络的能量消耗的对比。图8(b)中给出了在不同的网络通信半径下，网络生命周期内的周期性数据采集总次数的对比。可以看出，采用layered-DBR算法的网络性能要优于DBR算法和Flooding算法。

5结束语

针对水下传感器网络，考虑水下网络复杂环境(节点无法感知全局位置信息，节点的移动性等)，提出了一种网络分层机制，该机制不仅能避免同层节点通信带来的巨大网络能量消耗，而且简化了网络模型。进而，本文提出了一种水下传感器网络的分层路由协议layered-DBR。该策略基于网络冗余给出了适用于不同网络冗余环境下的接收节点的深度域，并引入机会转发机制和消息队列管理，在满足水下传感器网络复杂网络环境的同时，有效地控制了网络消息副本的数量。仿真实验表明，layered-DBR能够有效地控制网络冗余，与DBR和Flooding算法相比，该算法有效地减少网络的能耗，延长了网络寿命。

作者：彭舰洪昌建刘唐张云勇单位：四川大学计算机学院四川师范大学基础教学学院中国联通研究院平台与云计算研究中心