分析无线传感器网络中能量全局优化精确数据收集.docx

?

?

分析无线传感器网络中能量全局优化精确数据收集

?

?

杨明刘倩

摘要：无线传感器网络（WirelessSensorNetworks简称WSN）是一种分布式传感网络，它由大量传感器节点、汇聚节点和用户管理节点组成，因为微电机系统、片上系统、无线通信和低功耗嵌入式技术等相关技术的飞速发展，导致了WSN的不断发展，并被广泛应用于各个领域。其中环境监控离我们的日常生活最为接近。数据收集是无线传感器网络应用的基本功能，它是将传感器节点放置在监测区域内，通过这些节点之间相互协助，对环境参数或监测对象进行感知进行记录，并将记录传送给用户。在实际的应用中，数据收集的过程就是传感器节点收集数据，并传送到sink节点。常见的数据收集分为相关数据收集和精确数据收集。本文主要对精确数据收集进行分析。

关键词：无线传感器网络;数据收集算法;能量全局化

在多条无线传感器在网络进行数据收集的时候，靠近汇聚点的传感器节点因为其需要转发来自其他节点的数据，导致了该传感器节点能力消耗过快，由于过度使用，加大了该传感器节点的损耗，缩短了使用期限，影响数据的传递。在这一情况下，本文基于精确数据收集的基础上提出了更为全面的全局优化算法EGODGA暨能量（energy）全局（global）优化（optimization）数据（data）收集（gathering）算法（algorithm）。

1EGODGA算法简介

EGODGA算法是一种能够对数据高效收集的模式，能有效地收集传感器节点的数据，它与最短路径算法Djikstra不同，EGODGA算法同时考虑链路代价和节点代价，找出从源节点到目标节点的最快速且消耗低的路径，实现网络能力全局优化。根据有关计算结果表明在相同条件下，Djikstra最短路径算法与精确数据收集算法相比，EGODGA算法可以对通过优化网络拓扑子树的节点数目进行有效计算，实现网络的能力平衡。该算法适用于多跳静态无线传感器网络的全局优化。EGODGA算法综合了其他算法的优势，通过寻找源节点与sink节点间总代价最小的路径，来建设sink附近节点的能量消耗，达到延长网络的使用期限[1]。

2与其他算法的对比

EGODGA算法与其他算法相比有什么优势呢，我们选取了常用的几种无线传感器网络数据收集的算法，例如LET、CCM、LORA_SPT等。LET算法是主要优点是保证网络拓扑中的每个节点到sink节点的耗能最小，但是这个优点有时也是他的缺点，因为如果该算法每颗子树上的节点数目不一致，就会出现节点数目分布不均匀的情况，这种情况就会导致节点能量使用不均勻，如果局部节点转发数据过多，就会造成局部节点的过早死亡;CCM算法是把整个网络作为一个通信代价图来处理，CCM算法自身的动态规划算法与Dijkstra算法相结合，用最小通信代价作为Dijkstra算法的权值，在此基础上产生一个新网络拓扑[2]。该算法的优点是优化了局部耗能，缺点是无法对网络进行全局优化;LORA_SPT算法是基于LET算法的一种算法，它有效的考虑了临近节点的剩余能量，此外还考虑了其他因子[3]。但是该算法在构建权值函数的时候，对于求出各个因子的准确值，还较为困难。而精确数据收集算法可以有效均衡网络耗能，有效延长网络的使用期限，还可以在较短时间内建立网络拓扑。该算法在执行过程中，传感器节点不仅需要考虑链路代价，还需要考虑节点代价，算法以链路代价与节点代价之和作为最小代价路径。在算法运行的过程中，每隔传感器都都会计算到达sink的最小代价路径，当所有结果算出之后，将数据进行综合、根据转移节点的方式得到最终的网络拓扑。这种结构能全面有效的对各项数据进行平衡，提高工作的效率。

3EGODGA算法的设计

网络的使用期限与sink的临近节点有关。EGODGA算法的设计思路是从叶子节点出发，顺着链路找到树枝，根据从下往上倒推，逐级推到sink节点，从而形成一颗能量全局优化的类树[4]。在局部优化的时候，还需要考虑通行链路代价和上级节点的负载情况。

4EGODGA算法的实现

EGODGA算法的实现需要通过sink节点与传感器节点不断进行数据发送，保证sink节点接收数据并不断更新信息。在实现过程中Sink节点需要给所有节点发送数据，并要求所有数据将自身节点位子、自身能量、节点ID等信息发送回sink节点，sink节点收到各节点的信息后，对其进行计算，将计算出来的初始节点代价及链路代价发给所有节点，各节点收到数据后，及时开展计算工作，寻找最小代价路径[5]。在寻找最小路径工作中，sink节点根据节点通报的信息不断更新网络中的节点代价，直至最后建立完整的网络拓扑结构，sink节点统治所有节点停止运算，进入数据收集阶段，在该算法的过程中，节点发送的各项数据里，不仅需要有检测到的任务数