第5章--水声传感器网络路由转发研究.docxVIP

第5章水声传感器网络路由转发研究路由协议的作用是在水下数据源节点和水面转发节点间建立一条数据传输路径，是水声传感器网络的重要研究内容之一。水声传感器网络中节点能量有限，大多采用多跳通信。为解决通信过程中的负载均衡问题，本章在介绍当前各类路由协议的基础上，提出了一种基于优化机制的水声传感器网络多跳通信策略，设计自适应负载均衡算法，优先评估普通传感器的通信质量选择下一跳。在此基础上，本章提出了基于AUV节点的数据平衡传输算法，分布式地实现了网络性能的进一步优化，以获得网络生命周期的最大化。除此之外，本章还从节点的位置和方向出发，提出了一种带优先级的路由方法。最后，通过仿真实验验证了上述多种方法的合理性和有效性。5.1路由转发方法概述路由协议的作用是在水下数据源节点和水面转发节点间建立一条数据传输路径，是水声传感器网络的重要研究内容之一，但是陆上无线传感器网络路由协议不适用于水声传感器网络，主要原因包括通信环境不同、布撒密度不同、拓扑结构不同。UASNs通信中的数据转发能力受多路径机制影响。在信息传播范围有限的情况下，节点中的通信一般采用多跳来实现，这就意味着部分节点的通信链路需要经常改变，具有数据转发寻径的不确定性。该不确定性带来了一系列的网络负载不均衡问题，主要包括水面网关负载不均衡、关键路径负载不均衡和可用带宽负载不均衡问题[1]。最初的UASNs体系结构中只设计了一个水面网关基站，所有水下数据都必须经过该基站转发至地面控制中心。随着网络规模的增大，水下采集的数据也逐渐增多，导致水面网关汇聚数据的负载过重，多网关的UASNs应运而生。第1章第1.3.4小节中提到，文献[2]利用线性规划方法，求解了水面网关的最优数量及位置，使得数据信息上传到任意一个网关节点均可被转发到地面控制中心，有效解决了网关负载不均衡问题。这已成为研究UASNs其他问题的基础。为保证信息的尽快交互，研究者们设计了多种最短路径的路由算法，然而位于关键路径上的转发节点则格外繁忙，能量消耗的更多更快。当前，关于关键路径负载不均衡问题已有一些成果，Petrioli[3]等提出了一种竞争转发机制，用于解决无线传感网中负载均衡问题；Lik）等[4]提出了一种基于能量分级的负载平衡数据传输方法，通过设置节点能量级数，在不同能量级数下进行不同的数据传输策略。该方法能够有效实现网络数据传输的负载均衡，但节点的能级判断机制较为复杂；Camillo等[5]采用集中式的方法，综合考虑网络中的数据采集和数据交互，择优选择最佳通信路径，但该方法中每个节点均需了解全局信息，数据处理困难，计算较为繁琐。以上优化策略均不能很好的应用于UASNs中。水下传感器节点能量有限，可用带宽负载不均衡问题导致部分节点负载过重，而另一部分节点几乎不进行数据的转发。文献[6]设计了多对一的等概率路由模型，验证了合理的拓扑结构能够有效实现带宽的负载均衡。文献[7]利用网格思想，将无线资源进行三维映射，实现异构无线网络的业务分流，但若应用于水下复杂环境，映射过程则过于复杂，不适用于大规模区域监测。深水区域易出现数据转发空洞，文献[8]针对数据转发中存在的路由空洞设计了有效的路由重构机制。该机制的基本思想是数据包同时存储有转发节点的深度信息并且随着每一跳进行更新。相比于水下三维位置信息，水下传感器节点深度信息的获取极为简单，只需要在节点上安装价格低廉的深度传感器即可。但该方法需要节点具有存储功能，能耗较大。文献[9]将该蚁群算法用于水下传感器网络的路由优化中，避免了数据接收时的多径效应，能很快地找到最优解，且当传感器节点的规模很大时，蚁群算法在速度上的优势将更加明显，但该算法并未对常规蚁群算法中参数值做专门的优化处理。文献[10]采用分簇的形式保障节点负载的均衡。在经典的LEACH算法基础之上引入剩余能量因素和距离因素，给出了合理的阈值公式，使得簇头分布更加均匀，有效降低了剩余能量较低和位置不佳的结点成为簇头的概率。但是，在簇头与基站通信阶段，该算法没有考虑超级簇头的最佳数目问题。回顾经典路由算法，文献[11]针对路由信息更新的准确性出发，设计了目的地顺序距离矢量协议（Destination-sequenceddistance-vector，DSDV）。但该协议需要每个节点都维护一个路由表，灵活性较差。文献[12]设计了适应动态环境的按需距离矢量路由（Adhocon-demanddistancevectorrouting，AODV），该方法根据目的节点按需创建转发路径，但该方法引起的数据延迟可能因声通信的衰减进一步放大。文献[13]通过地理位置信息建立源节点与目标节点的转发路径，设计了区域定位方案（Arealocalizationscheme，ALS）。该方案通过高能量的AUVs节点对各区域的传感器位置进行计算