无线传感器网络联盟初始结构生成研究

贾海云

摘要：无线传感器网络是一种智能化的监控系统，其由大量具有数据处理和通信能力的传感器节点组成，目的是对监测区域内的信息实时感知、采集和处理。传感器网络中的数据有效可靠地传输建立在良好的网络拓扑结构基础上。该文采用粒子群算法以动态联盟机制为通信机制，生成的网络拓扑结构更有效地节约了节点间数据通信的能耗，做到了网络负载的均衡，从而提高了网络的存活时间。

关键词：无线传感器网络；网络拓扑结构；粒子群算法；网络负载的均衡；存活时间

中图分类号：TN92 文献标识码：A 文章编号：1009-3044（2016）12-0033-02

1 无线传感器网络研究背景

无线传感器网络（wireless sensor networks， WSN） 是由大量价格低廉随机分布的微型传感器节点组成，这些传感器节点具有数据处理能力、通信能力与计算能力，它们组织在一起形成一个智能化自组织的网络监控系统，该网络主要功能是感知、采集和处理监测区域中被感知对象的信息，并将相关信息传输给监测者。

随着信息科学技术的不断创新和发展，无线传感器网络作为新一代网络的重要组成部分，引起了世界许多国家的军事部门、工业界和学术界的极大关注，并在各领域中发挥巨大的作用，如医疗卫生、国防军事监测、工业自动化控制、环境污染监测、智能家居、制造业和航空交通控制等领域。目前，无线传感器网络已经成为国内外各界最新研究的热点，涉及诸多高端的科学理论和先进技术，具有非常广阔的应用前景和发展潜力，将会给人们生活生产等各个领域带来深远影响。

然而，无线传感网络要全面发挥应用价值有许多问题需要解决，例如：网络内的节点间通信、运行成本、能量供给、网络拓扑结构、安全可靠性等问题。其中，能量供给是首先要解决的问题，传感器节点采用干电池供电，电量耗尽会使网络节点失效或死亡。目前，虽然可以使用环境能量采集技术给电池充电，但是成本高，普及率低。因此，在保证系统性能需求的基础上，本文主要工作是研究WSN网络拓扑结构的初始生成，良好的拓扑结构的生成有利于减小网络节点的能量损耗，均衡网络的能耗，提高节点的存活时间。

2 无线传感器网络的结构与特点

2.1 无线传感器的结构

廉价微型的传感器节点是无线传感器网络的基本组成单元。无线传感器网络通常包括汇聚节点、传感器节点和管理节点，节点间的工作过程是传感器节点探测采集数据信息，将感知的信息初步处理后，以多条中继的方式处理和融合，再将信息以协作的方式传递给汇聚节点，再将最终信息传递给基站；接着基站以有线或无线链路将信息传送给用户。

无线传感器节点一般布置在环境恶劣的区域，采用电池供电，为了更好地利用电源的能量，科研工作者在硬件设计方面引入太阳能充电模块；软件方面从网络的拓扑结构、数据通信协议等方面考虑提高电池的利用率。本文从网络拓扑结构方面出发，采用离散粒子群算法生成网络的初始结构，降低网络节点的能量损耗，做到网络负载的均衡，提高网络的存活时间。

2.2 网络节点间的通信

本文采用联盟机制作为网络的通信机制，如图1所示能量模型建立联盟结构数据传输的基础上，黑点表示联盟头，白点表示联盟成员，BS表示基站。图a中联盟头接收联盟成员感知采集到的信息，图b中联盟头将融合后的数据反馈给联盟成员，图d中联盟内所有成员节点以协作方式共同将数据发送给基站，图c为基站把接收到信息处理后再广播给节点。在数据传输过程中，产生的能耗主要表现在采集数据的能耗、联盟头向成员节点反馈数据的能耗和向基站传输数据的能耗这3个方面，其中联盟内数据广播的能耗占主要地位。

2.3 网络拓扑结构生成

初始联盟结构的生成对整个网络的性能好坏起着非常重要的作用，联盟结构的优点体现在该通信机制下节点以协同方式进行数据传送，有效地降低了网络的能耗，并且做到了网络中节点能量分布的均匀性。网络中的节点布置完成后，主要的问题就是确定各节点的归属。

因此，本文应用联盟的能耗模型，对网络拓扑结构的初始化进行研究，采用粒子群优化算法找到最优的联盟结构。粒子群算法是从鸟群随机觅食的过程中受到启发，主要用于解决问题的优化算法。假设某个种群有n个粒子，把n个粒子分成若干子种群，这些粒子随机分布，每个粒子都由适应度函数确定适应度值，适应度值大的粒子可以进行迭代，经过算法快速的收敛，可寻得问题的最优解。

粒子群算法用于网络拓扑结构的生成时，将网络中节点比作粒子，对所有节点进行编号，适应度值大的参与迭代运算，在迭代过程中每个节点可能被划分到其他联盟结构中，形成新的联盟结构。当节点划分完毕后确立联盟头，算法生成最优的网络拓扑结构。

WSN中基于粒子群算法的网络拓扑结构生成的程序设计思想如下：

1）节点随机初始化。节点数目为100，联盟结构取6个，每个节点的能量为3焦耳，数据传输的速度为2Mbit/s；

2）对节点进行划分，分成若干个子种群，按照步骤3到6进行迭代；

3）计算各粒子的适应度值，保存适应度函数的最大值；

4）迭代进化。当迭代次数m=1，所有节点全部更新，比较适应度函数值，始终保持适应度值大的粒子参与迭代。

5）判断。如果迭代次数小于设定值，则继续进行步骤4，否则，进入步骤6；

6）输出满足条件的编码数组；

7）比较各种群的编码组合，选出整个迭代过程的最优解。

3 实验结果分析

本文的实验结果是在Matlab平台上仿真分析的，将粒子群算法生成的最优联盟结构和最短距离法生成的联盟结构做比较。当联盟头为6个时，网络的拓扑结构如图2所示，左图为粒子群优化算法生成的初始拓扑结构，右图为最短距离法生成的拓扑结构，形状相同的节点归属于同一个联盟。考虑到能耗的均衡，离基站远的联盟信道衰减小，形成的联盟的规模应该大。对比两图，可以看出左图的联盟规模离基站越近规模越小，离基站越远联盟的规模越大，这种结构有利于网络节点能耗的均衡，有利于提高网络的存活时间。

网络节点的存活个数比较，将基于粒子群算法生成的网络拓扑结构与最短距离法生成的拓扑结构做对比，从表1可以看出随着网络通信次数的增加，粒子群生成的网络拓扑结构充分考虑了联盟通信的总能耗和能耗均方差，在通信次数达到1000次才出现死亡，有效地提高了节点的存活时间；而最短距离法中的网络节点随着通信次数的增加逐步地死亡。

综上所述，网络拓扑结构初始生成的好坏直接影响到节点在数据传输的效果，本文采用的粒子群算法优于最短距离法，仿真实验也进一步说明了粒子群算法在联盟初始结构生成上的优越性。

4 总结

无线传感器网络作为十大新兴技术之一，有着巨大的应用价值，在各领域中正发挥着举足轻重的作用，网络拓扑结构作为无线传感器网络的关键技术之一需更深入地探索研究。本文采用联盟机制作为网络的数据通信机制，重点研究网络初始结构的生成问题，具有一定的参考价值和研究意义。

参考文献：

[1] 任丰原， 黄海宁， 林闯. 无线传感器网络[J]. 软件学报， 2003， 14（7）：1282-1291.

[2] 李津. 无线传感器网络初级初始化算法设计及仿真[D] .华中科技大学，2006.

[3] 李敦. WSN中节点布置及联盟结构生成问题研究[D]. 合肥工业大学2010.

[4] 于海滨， 曾鹏. 智能无线传感器网络系统[M]. 北京：科学出版社， 2006：46-98.

[5] 张文爱， 刘丽芳， 李孝荣. 基于粒子进化的多粒子群优化算法[J]. 计算机工程与应用，2008，44（7）： 51-53.