减少WSN能耗相关措施.docVIP

减少WSN能耗相关措施 　　摘要: 无线传感器网络(WSN)的应用越来越广,其安全问题备受关注。无线传感器网络面临着众多的安全威胁,而加之此类型的网络本身的特点,如电源能量有限、通信和计算能力有限、网络的大规模、网络的动态性强、高鲁棒性、以数据为中心分布协同计算等,使得传统的安全机制很难满足WSN的需求。故从保障网络安全的角度出发,且本着减少网络能耗、延长网络生命周期的初衷,从数据查询、数据集成、QoS(服务质量)、节点覆盖等方面,予以优化,最终实现减少网络能耗的目标。 　　关键词: WSN;鲁棒性;能耗;网络生命周期;QoS;节点覆盖 　　1 数据查询的优化 　　传感器网络的查询可以分为快照查询、持续查询、统计查询、多维查询。每种类型的查询都需要不同的查询技术。 　　在表达式基础之上评估一个查询计划的开销,通常是在关系数据库进行查询优化的适用方法。这种方法的引入在关系数据库中取得了一定的成效。在数据流系统中,我们所关心的并不再仅仅是单一查询计划的开销,查询计划结果的输出速率才是我们更关心的一个参数。 　　在传感器网络中,查询优化可以集中式地处理,通常在服务器端实现。查询优化的目标是最小化传感器网络的总的能量消耗,包括各节点进行数据处理的能量消耗和通信能量消耗,其中通信能量的消耗是其中最大的能耗部分。 　　1.1 查询操作顺序的优化 　　为了节省能量,我们将查询按照自上而下的方式下推至节点执行。传感器节点对查询操作(采样、聚集等操作)的执行顺序不同,对应的能量消耗也不同。通过调整查询操作的顺序可以达到减少网络能耗、延长网络生命周期的目的。 　　在通信方面,尽量减少数据的传输量,进行数据压缩或数据融合以减少能耗;在采样方面,应该考虑选取采样方法、减少采样次数及降低采样过程中的能量消耗等。因此在执行某个查询过程中,如何减少采样次数也是延长节点寿命的关键。 　　1.2 event-based查询的优化 　　基于事件的查询中,可能会出现这种情况:在同一时刻,基于事件查询的多个相同的实例,可能同时运行,那么它们就可能产生相同的查询结果。如果这些相同的查询实例,在足够接近的、相当短的时间段内运行,那么就会造成资源的严重浪费。 　　可以采用一种多维查询优化技术,即重写的技术来解决上述出现的问题。该方法的优点是在同一时刻,网络中有且只有一个查询在运行,而不管该事件的发生频率如何。这样就可以一方面为相同采样的相关操作减少能耗,另一方面为返回相同查询结果的操作节省大量的能量开销。 　　2 数据集成的优化 　　数据集成是无线传感器网络中的重要研究领域。有效数据集成的重要性源于无线传感器网络自身的特性,相关问题包括有效能量消耗和路由策略。为此,提出了Zelda[1](Zone Efficient Loacalized Data Aggregation)算法,该算法为了在无线传感器网络上发送信息,使用数据漏斗技术和分区节点,减少了必需的能量和流量要求,在算法的建立之初就进行能量估计。另外为了无线传感器网络潜在的优化问题,提出了Kalman过滤和反馈控制机制。 　　数据漏斗中的整体能量消耗。我们估计在网络每个阶段中数据漏斗中的能量消耗。整体能量消耗用如下公式定义: 　　Esetup=N*n*x 　　Edirectional flooding=(1+p)*nt,p 　　Edata communication=(1+pb)*mb,p 　　Edata funneling=C+R*(Esetup+Econtroller setup+Ezoning+Edirectional flooding+Edata communication) 　　其中R是产生信息请求的次数;由一个节点来检测所消耗的能量,是恒定的,用C表示;N???网络中节点的总个数;可能到达控制器的路径数目是由p分配的,nt,p是一个数据包在每个路径上到达分区的遍历节点的数目。pb是可以到达边界点的路径个数;mb,p是节点在各自路径上遍历节点的数目。 　　Zelda是主动式算法。使用Zelda算法,不管网络节点的密集度多大或是多小,算法建立之初的能量消耗都是一样的。和数据漏斗算法相比,Zelda算法可以在建立和发现阶段提供更好的能量有效性。使用Kalman过滤机制实现能量分配的优化。 　　3 QoS 　　无线传感器网络为了成功运行需要满足不同等级的服务质量[2](QoS,Quality of Service)。在中间件层提供无线传感器网络服务质量支持是一个新的研究领域。一个基于服务的中间件,收到关于无线传感器网络服务的服务质量的请求,在基于簇的、可拓展、有效的组织中,保证实时响应。这种机制可以满足很多汇聚节点对不同服务质量的要求,而且还利用了无线传感器网络的冗余性,尤其是服务提供者可以保证容错性。它使