大规模无线传感器网络智能能量管理算法研究.docVIP

大规模无线传感器网络智能能量管理算法研究 　　摘要:提出了一种基于规则推理的大规模无线传感器网络智能能量管理算法。该算法的核心思想是根据被监测实体以往情况以及当前状态信息，通过基于规则的推理推测出下一个时间段内实体可能发生异常或者期待事件的区域，让监测该区域的传感器节点工作，监测其他区域的节点休眠，从而提高能量效率。最后通过模拟实验对该算法进行了验证。 　　关键词:无线传感器网络; 能量管理; 基于规则的推理 　　中图分类号:TP315文献标志码:A 　　文章编号:1001－3695(2008)02－0401－04 　　 　　传感器网络[1]是由大量形体较小#65380;能源受限并且配置有计算和无线通信能力的传感器节点组成的无结构网络。它们通常散布在一定的地理区域内协同工作。传感器网络应用中，能源是制约网络工作及性能的瓶颈。由于数目巨大#65380;分布范围广的传感器节点不能补充能量，存在严重的能量约束[2]。高效使用节点的能量继而延长网络系统的生存期成为传感器网络设计的首要目标[3]。 　　 　　1能耗的理论分析 　　 　　传感器节点通常由传感模块#65380;数据处理模块和通信模块组成，其能耗也为相应三个部分的能耗。其中，传感能耗与具体的应用相关。计算能耗包括处理器和存储器能耗两个部分。传感器节点需要对获得的数据进行一定的预处理，计算能耗与传感器节点的硬件设计#65380;计算模式密切相关。采用低能耗器件和在节点操作系统中融入能量感知方式是目前降低计算能耗的研究热点。相比之下，通信能耗最大。Gregory分析得出，传感器节点使用无线方式传输1 bit到100 m处远所消耗的能量可供执行3 000行指令[4]。因此，通信能耗是能量管理研究的重点。 　　首先，从信息有效性的角度来分析无线传感器网络的能量效率问题。假设在一个时间段t内，一个无线传感器网络的sink节点共收到N个数据包，每个数据包的内容可以是一个传感器节点报告的监测数据。其中有效信息(指需要网络作出反应的信息)有N条;其他信息不会影响对实体的监测或影响实体采取的行动。 　　 　　由式(8)可见，随着冗余数据包的增加，能量的浪费并不是随之线性增加，而是加速增加。因此减少冗余数据包的传递意义十分重大，而这也正是目前节能策略不完善之处。 　　 　　2节能机制设计 　　 　　基于规则推理的能量管理算法(rule－based energy management，RBEM)作用于应用层，它是基于层次型拓扑结构控制。无线传感器网络中的传感器节点要分簇，分簇的算法与簇首的选取可以用现有的算法。分簇的目的是为了数据融合，减少通信量，提高数据质量。当然，如果整个网络传感器节点数目较少，也可以直接针对所有节点进行。 　　2.1若干概念定义 　　定义1状态是一组传感器节点(簇首节点的集合)在某一个时刻监测到的实体数据。状态直接关系到推理规则，为提高推理效率，需要控制状态的数目。因此可以先对监测到的每组数据进行标准化(如整数化#65380;向某个集合进行映射等)，然后再将其作为一个状态。 　　RBEM算法将状态分为一般状态和警戒状态两类。一般状态是指该状态所表现的实体情况为正常情况，人们不必关注也不必采取应对措施，如病人在正常情况下各个传感器节点监测到的数值就是一般状态。警戒状态是指引起人们注意并需要采取行动的状态。这两种状态的标记可以由系统自动完成:系统根据程序接收到数据后的反应情况(如是否启动了某项应急措施等)判断状态类型，或者用户通过应用程序直接标记状态类型。 　　定义2关键节点是指一般状态向某警戒状态转变时数值发生剧烈变化的节点。所谓剧烈，可以人工定义阈值，如超过原值的50%。每个一般状态在向某个警戒状态转变时，会有几个关键节点。一个一般状态可能会向几个警戒状态转变，把对应所有关键节点集合起来，形成一个此一般状态对应的关键节点集。对于一个警戒状态，它的关键节点集合可以人为指定，也可以由系统将所有簇首节点列为关键节点集。注意，关键节点并不一定是指某个具体的节点，它很可能只是指某个簇的簇首，而簇首节点通常会轮换变化。 　　定义3状态取样时间。根据实际情况，定义一个合适的时间长度。每隔这个时间长度，所有簇首节点工作一次，采集该次的相关状态，即状态取样。 　　定义4能量均衡最佳路径。从sink节点到各个簇首节点有一条能量均衡最佳路径，该路径上所有节点使用次数的和最小。 　　2.2RBEM算法描述 　　RBEM算法的核心思想是:进入一般状态后，只让关键节点集工作，其他节点休眠。通常，让非关键节点休眠，表示非关键节点(这些节点都是簇首)所代表的簇彻底休眠;让关键节点集工作，是指关键节点所代表的簇工作。其算法流程如图1所示。 　　两次状态取样