基于无线基站移动传感器传输及网络优化.doc

基于无线基站移动传感器传输及网络优化 　　摘 要：在现如今无线传感器网络的快速发展中，其存在的问题也随之而来：相距无线基站一跳的节点由于考虑尽可能缩短跳数，导致其在传输信息和数据的过程中，既作为基站传输枢纽又要作为其他节点的中继站，过度的负荷导致这些节点快速的能量消耗，直至“消亡”。文章就这一难点问题，结合无线基站移动的区域和方式，让更多节点更替作业，实现整个网络节点的能量平衡，达到网络优化的目的 关键词：无线基站移动传感器；能量消耗；网络优化 近些年来，以传感器为载体的无线传感器网络发展迅速。无线传感器网络是包含无线通信、传感器、网络传输与基站移动等多种学科于一体的处理信息和传输技术。通过网络对周围信息进行采集和网络友好交互，能够更好地帮助人类处理信息和数据，并通过传感器的节点跳传来实现信息的快速有序传递，达到通信与交换的目的。但由于一跳节点不仅要传输自身的数据信息，还要被其他节点用作中继站进行“被动服务”，这导致这些节点能量耗尽，停止工作，从而引起整个网络的瘫痪。相比较静止的基站来说，移动基站移动方式和目标区域的合理设计对整体网络的负载平衡有着很大的作用和意义。本文在无线基站移动传输的基础上，分析研究现有模型的利弊，提出改进方式，实现网络的优化 1 无线基站移动的传输模型 1.1 基站随机移动模型 基站随机移动有两种方式，一种是在移动物体本身配置数据收集工具，比如手机、车联网中的传感器等，目标物体在整个无线传输网络中随机移动，当目标物体靠近传感器节点探测范围内时，相邻目标物体的节点将数据传输到对应的目标物体上，在通过移动的目标物体将数据传送到基站。另一种方式是在传感器网络内放置一个随机移动的基站，它的移动方向和运动距离是随机可变的。在基站随机移动模型中常用的算法有：数据骡子算法、移动数据收集器算法、基站完全随机移动算法和基站部分随机移动算法 数据骡子算法是指将可以移动的目标实体作为传感器网络中的“一跳节点”，即当数据骡子靠近传感器节点时，这些节点将自动将需要传递给基站的数据信息发送到数据骡子身上，通过它们的移动，再直接传递给基站，从而省去了一些节点的中继传输，有效的避免了热点问题。但数据骡子随机性太大，不能保证数据的及时传输，这种算法还存在一定的弊端。移动数据收集器算法的思想是设置多个移动目标体在对应的无线传感器网络内，与传感器节点相互连接成路由树，节点选择强度最大的信号进行传输，即最近移动目标实体，缩短传输时间和距离，降低网络负载。但问题是网络内移动实体的随机性对路由树的建立和选择路径影响较大，优化效果有限。基站完全随机移动算法和部分随机移动算法则是通过基站移动的方向和距离进行条件约束，限制基站移动范围始终在传感器一跳节点的传输范围内，而降低中继节点的使用，从而节约节点资源。但不能兼顾每一个传感器节点，仍有问题出现 1.2 基站固定轨迹移动模型 基站按事先设计好的轨迹进行移动来实现整体网络地信息传输，这之中最常见的算法有：网络边缘移动算法、移动协助数据收集模式算法、基站基于线性规划的移动算法和受控移动实体移动算法 网络边缘移动算法是考虑到网络区域所能覆盖的范围，形状一般以圆形区域最为基础和实用，因而将基站的移动轨迹设置为沿着圆形范围的边界移动。这个算法的优点在于使边缘网络情况更加稳定，且网络生存时间较固定模式提高400%，但缺点是圆形模式固定，缺乏灵活性。移动协助数据收集模式算法是在网络边缘移动算法的基础上改进而来的，采用基站环形区域移动的方式，通过缓冲区使数据传输过程中的能量消耗降低，但容易丢失数据，网络区域局限 2 ?o线基站移动传感器网络优化 2.1 网络模型的建立 设网络为一个L×L的规则方形区间。在这个规则方形区间内安放N个传感器节点，并且使这些节点的位置符合参数为λ的泊松分布。N个节点之间互相连通互相通信，每两个节点之间不少于一条直达路径的存在。一旦将某个节点安放好，它的位置即为固定位置，不会移动。这个网络区间中还安放一个移动基站，假设它的能量不会消耗完且数据传输资源完善，拥有计算能力、路由传输能力等，且基站能预先了解该网络的边界和任何一个传感器的方位。传感器和基站之间互相可以通过GPS获取相关位置 2.2 能量消耗模型 2.3 优化算法描述 无线基站移动传感器网络的优化在于基站的移动，这个复杂的过程影响着网络的传输性能和速度，网络的优化可以从基站的移动条件、移动目的地、移动方式这三方面入手，来构建新的传输网络模型 基站移动条件。这一部分的算法设计决定了基站移动的基础参数，评估参数有利的情况下，移动基站；反之，基站保持不动。用一下参数进行基站的定位说明： SR1：小于基站距离D时，且在一跳区域内的节点； Pa：每个时间