能量高效的事件驱动型大规模农业监测WSNs协作式传输策略

李军+杨光友+干熊+陈学海+马志艳

摘要：针对农作物分布广泛、农业环境恶劣的特点，利用协作式多输入多输出技术具有的低能耗、高可靠特性，结合事件驱动型农业监测的无线传感器网络，提出了能量高效的基于空时分组码的多跳协作式多输入多输出传输策略。该策略建立了包括节点剩余能量、最优跳距等因素的综合多跳路由；此外，还建立了精确的能耗模型，确定了满足网络最小能耗时的协作节点个数和最优跳距。仿真结果表明，通过能耗模型求出的最优跳距和协作节点个数减少了能量消耗；同现有的无线传感器网络中具有能量效率和事件聚类的自适应路由协议相比，提出的传输策略能显著地提高能量有效性和延长网络寿命。

关键词：协作式多输入多输出；事件驱动；无线传感器网络；最优跳距；能量有效性

中图分类号：S126：TS334.4 文献标识码：A 文章编号：0439-8114（2017）06-1155-06

DOI：10.14088/j.cnki.issn0439-8114.2017.06.041

Abstract： Aiming at event-driven large-scale agricultural monitoring wireless sensor networks， an energy-efficient Cooperative multiple input multiple output（CMIMO） multi-hop transmission scheme based on Space-time block code （STBC） is proposed， which utilizes low energy and high reliability characteristics of CMIMO technology. The scheme establishes the comprehensive multiple-hop relay routing rule considering the residual energy available of nodes， optimal hop distance and other factors. The detailed energy consumption model is established to solve the optimal hop distance and number of cooperative nodes that minimize network energy consumption. The simulation results show that the optimal hop distance and number of cooperative nodes solved by the energy consumption model reduce energy consumption， the proposed scheme can improve energy efficiency and lengthen network lifetime obviously compared with the existing adaptive routing protocol with energy efficiency and event clustering for wireless sensor networks protocol.

Key words： Cooperative multiple input multiple output； event-driven； wireless sensor networks； the optimal hop distance； energy efficiency

作為一种高效的信息获取方式和数据处理技术，无线传感器网络（Wireless Sensor Networks，WSNs）已被广泛的应用于农业信息监测[1-3]。然而在大范围自然环境复杂的农业应用中，依靠电池供电的微型传感器节点通常难以及时进行更换或充电，节点能量的耗尽将破坏网络的连通性[4，5]，缩短网络器件寿命，因此，如何降低能量消耗一直是相关科研人员关注的重点问题。

根据WSNs数据收集的方式，可将其分为时间驱动型和事件驱动型两类[6，7]。在时间驱动型网络中，如水稻植株生长状况监测[8，9]、水产养殖参数监测[10]等类型，所有的传感器节点定期采集数据并向基站（Base station，BS）发送；在事件驱动型网络中，如森林火灾和山体滑坡等自然灾害监测[11]、害虫和杂草等生物灾害监测[12]类型，只有监测区域内感兴趣的事件发生时，事件周围的传感器节点才会进行数据采集和发送。本次研究关注的是大规模农业监测中事件驱动型无线传感器网络。

近年来，协作式多输入多输出（Cooperative multiple input multiple output，CMIMO）作为一种能量高效的传输模式，已被广泛应用于WSNs。多输入多输出（Multiple input multiple output，MIMO）技术通过在发射端和接收端上配置多根天线，获取分集增益、复用增益和干扰管理等优势，在相同的系统性能要求下显著地降低了无线通信的能耗[13]。但是微型传感器节点受限于体积，不能在节点上安装多根天线，CMIMO能够通过多个单天线的节点组成虚拟天线阵列来实现MIMO形式的数据传输[13-15]。文献[16]通过扩展低功耗自适应集簇分层型协议（Low energy adaptive clustering hierarchy，LEACH）[17]，提出了基于空时分组码（Space-time block code，STBC）的协作式MIMO传输方案，建立了端到端的全网能耗模型，但是其采用单跳通信不适合大规模的无线传感器网络。基于此，文献[18]建立了能耗均衡的多跳协作式MIMO传输策略。文献[19]研究了协作式多输入单输出（Multiple input single output，MISO）多跳传输方案中的跳距优化问题，发现选择最优的跳距显著地提高了能量效率，本研究将其扩展到多节点同时发送和接收数据的CMIMO远程通信。文献[20]考虑到中继节点到BS的距离和剩余能量，提出了基于事件分簇的能量高效自适应路由协议（Adaptive routing protocol with energy efficiency and event clustering for wireless sensor networks，ARPEES），然而ARPEES协议采用传统的单输入单输出（Single input single output，SISO）传输模式，传输距离小，能量消耗大。

现有的周期汇报型无线传感器网络CMIMO路由协议没有考虑突发事件在时间和空间上的随机性[20]，导致了大量的不必要的数据传输，这并不适合农业环境监测中大规模的事件驱动型网络。针对农业环境监测中大规模的事件驱动型无线传感器网络，基于ARPEES协议，课题组采用跨层设计[21，22]，提出了能量高效的基于STBC的多跳CMIMO传输策略（Energe-efficient STBC-based Multi-hop Cooperative MIMO transmission scheme，SMCM），通过减少WSNs的总能耗和平衡节点间的能量消耗，达到延长稳定期长度的目的。

1 传输策略描述

SMCM传输策略包括三个阶段：簇的形成阶段、路由设置阶段以及数据传输阶段。

1.1 簇的形成阶段

同文献[11]，根据监测要求和节点密度选择不同的监测簇半径R，R∈[Rmin，Rmax]，Rmax为传感器节点的最大感知范围，Rmin的取值见后面“2.2”。当监测区域内感兴趣的事件发生时，以事件发生地点为圆心、以R为监测簇半径的圆内传感器节点被激活，这些被激活的节点将广播REQ_CLUSTER消息[包含节点的IDi、感知事件的数据量I（i）、剩余能量ERes（i）]传到邻居节点。在设置计算时段t1内，每个被激活节点接收其他节点广播的REQ_CLUSTER消息，并计算各簇头竞争参数FCH（i），FCH（i）=ERes（i）×I（i），经过时段t1后具有最大竞争参数的节点被选为簇头节点（Cluster head，CH）。除CH外，选择竞争参数FCH（i）最大的前M个节点作为协作簇头（Cooperative cluster head，CCH）。分簇后，CH为簇内各节点进行传输数据时序安排，建立TDMA时序表，并将时序表广播给簇内的成员节点。

1.2 路由设置阶段

分簇完成后，CH将选择中继节点（Relay node，RN）建立到达BS的最佳路由表。中继节点的选择度量是FRN（j），

FRN（j）=■+■+cosαj，cosαj>0，

MaxFRN（j） ■ Relay Node，

cosαj=■， （1）

式（1）中，E0表示节点的初始能量；dopt表示最优的跳距，通过优化跳距，可以极大地提高能量效率[11]，后面将介绍其求解方法；d（CH，j）和d（j，BS）分别表示节点j到CH和BS的距离，d（CH，BS）表示CH到BS的距离；αj是由CH，BS和节点j连线组成的夹角[20]，具体见图1。拥有最大FRN（j）的候选节点将被选为RN，在下一跳中该RN将作为簇头节点来选择下一个中继节点。根据式（1）可以看出，理想的中继节点要满足3个特性：拥有最大的剩余能量，到CH的距离等于最优跳距，多跳的路径在CH和BS的连线上。

为了实现多跳CMIMO傳输中多节点同时发送与接收数据，需要选择协作中继节点（Cooperative RN，CRN）与RN构成中继协作单元。一方面CRN要在RN的附近[14]；另一方面，为了使节点间的能量消耗更加均衡，CRN应该拥有较多的剩余能量。因此使用判决门限值，公式为：

？酌（k）=ERes（k）/d（k，RN）2，k∈Z，

式中，Z表示RN的邻居节点，也是候选CRN集合；d（k，RN）表示节点k到RN的距离，门限值最大的前M-1个节点将作为CRN。

路由设置完成后，CH会将生成的路由表广播发送给M个CCH，在数据传输阶段，CCH将以MIMO模式同时发送数据，路由表中各中继协作单元将对数据进行MIMO模式转发。

1.3 数据传输阶段

在数据传输阶段，簇内各成员节点根据簇形成阶段建立的TDMA时隙分配表，依次发送感知数据到CH，CH对收集到的数据进行融合，得到有效数据，然后将有效数据进行广播，CCH接收到广播数据后对其进行STBC编码，并使用协作MIMO传输模式将数据发送到下一跳中继协作单元，接收端中继协作单元的节点解码取得数据，再根据路由表经过多跳将数据发送到BS，这个过程见图2。

2 能耗模型

为了求解总能耗最小时对应的跳距和协作节点个数，又建立了详细的能耗模型。这其中，一个事件监测簇运行一轮的总能耗Etotal分成两部分：簇内通信的能耗Eintra和CMIMO远程通信的能耗Elong，Etotal可表述为：

Etotal=Eintra+Elong， （2）

2.1 节点间每比特传输能耗模型

节点间无线通信的功耗主要来自电路功耗PC和功放功耗PPA[15]，传输每比特的能量消耗为：

Ebt=■， （3）

其中，Rbt为系统传输比特速率，功放功耗PPA在不同传输距离下对应不同模型。如果传输距离高于某个阈值，使用多径地面反射模型；反之，则使用自由空间模型。PPA可以表述为下式：

PPA=■bRbtCfsd2，d≤d0■bRbtCmpd4，d>d0， （4）

其中，Eb是接收端在给定比特速率下所需要的比特能量；Cfs和Cmp为固定常数，

Cfs=（1+α）■，

Cmp=（1+α）■，

α是效率因子，Ml是用于补偿电路处理和加性背景噪声或干扰的链路差额；

Nf=Nr/N0，

Nf为接收机噪声影响因子，其中，N0是室温下热噪声的单边功率谱密度，Nr是接收机输入端所有噪声的PSD；Gt和Gr分别为发射天线和接收天线功率增益；？姿为载波波长；ht为发射机的天线高度，hr为接收机的天线高度；d0是传输距离的阈值，

d0=■。

电路能耗包括发送电路能耗PTC和接收电路的能耗PRC。

PTC≈PDAC+Pmix+Pfilt+Psyn，PRC=Psyn+PLNA+Pmix+PIFA+Pfilr+PADC， （5）

其中，PDAC为数模转换器功率，Pmix为混频器功率，Pfilt为发射端滤波器功率，Psyn为频率同步器功率，PLNA为中频放大器功率，PIFA为低噪声放大器功率，Pfilr为接收端滤波器功率，PADC为模数转换器功率。

2.2 簇内通信能耗模型

簇内通信能耗包括CH收集簇内成员节点的数据并进行数据融合以及向CCH广播数据产生的能耗。

簇内通信每比特传输能耗：对于短距离的簇内通信，采用AWGN信道自由空间模型，由式（3）、（4）、（5）可知，发送一个比特的能量消耗E ■■可以表述为：

E ■■（Mt，Mr，d）=■ ■■Cfsd2+■， （6）

采用调制方案BPSK，Rbt=B，簇内通信中接收端的平均比特能量为：

■ ■■=■[Q-1（■b）]2，

电路能耗可以表示为：

P ■■=MtPTC+MrPRC，

其中，Mt和Mr分别表示发送和接收端的天线数目。

数据收集的能耗：设一个事件监测簇内有N个传感器节点，N=？籽πR2，？籽表示网络节点密度，R表示监测簇半径，其最小取值是Rmin=■。簇内N-1个成员节点分别向CH发送感知的I（i）比特数据，I（i）=LP（i），P（i）表示节点i产生L比特数据的概率[23]，P（i）=P（r（i））=1-r（i）2/R ■■，r（i）表示节点i到事件发生中心的距离。由于CH距离事件中心较近[20]，因此假设d（i，CH）=r（i），簇内收集数据的花费可以表述为：

Ecol=■{I（i）E ■■[1，1，d（i，CH）]}

≈■2？籽πrLP（r）E ■■（1，1，r）dr， （7）

数据融合的能耗：CH收到簇内N-1个成员节点的感知数据后将进行数据融合，EDA表示每比特数据融合的能耗，数据融合的能耗为：

Eagg=EDA■I（i）≈EDA■2？籽πrLP（r）dr， （8）

融合后的数据表示为：

Lagg=■， （9）

其中，fagg表示数据融合因子。

簇内广播能耗：数据融合后CH将Lagg比特数据进行STBC编码并广播，M个CCH将接收广播的数据，广播距离为CH与CCH之间的最大距离dmax，

dmax=R■，

该阶段的能耗如下：

Ebro（M）=LaggE ■■（1，M，dmax） （10）

根据式（7）、（8）、（10），簇内通信能耗是关于M的函数，可以表示为：

Eint ra=f1（M）=Ecol+Eagg+Ebro（M） （11）

2.3 远程通信能耗模型

远程通信每比特传输能耗：从CMIMO单元到BS间的远程通信采用瑞利信道多径反射模型，考虑到信道训练的花费，由式（3）、（4）、（5）可知，发送一个比特的能量消耗可以表述为：

E ■■（Mt，Mr，d）=■[E ■■Cmpd4+■]， （12）

其中，u=■=■，R ■■表示有效傳输速率，Re表示编码速率，F表示一个STBC符号集的符号数，p表示信道训练因子[23]。当M=1时，远程通信为SISO模式，u=1，电路能耗为P ■■=MtPTC+MrPRC。对于BPSK调制方案平均误码率■b为[24]：

■b≈■■×■MtMr-1+k k■■， （13）

给定平均误码率■b，通过反解式（13）可以求出接收端的平均比特能量E ■■。

多跳远程通信能耗可以表述为：

Elong=■LaggE ■■（M，M，d（i））

=■[f2（M）+f3（M）d（i）4]， （14）

其中，h表示融合数据从CCH到BS经过的跳数，d（i）表示第i跳的距离（i=1，2，…，h），f2（M）=■，f3（M）=CmpE ■■■。

2.4 总能耗优化模型

基于以上能耗分析，可以建立一个联合优化能耗模型。通过该模型求出最优的网络参数，从而使一个事件监测簇运行一轮的总能耗最小。结合式（2）、（11）和（14），总能耗可以表述为：

Etotal=f1（M）+■[f2（M）+f3（M）d（i）4]， （15）

在高密度的无线传感器网络中每一跳的距离相等时，远程通信的能耗最小[19]，因此假设d（i）=d，d∈{DL，■，…}，DL表示远程通信的距离，即从事件发生地点到BS的距离。式（15）可以进一步表述为：

Etotal=f1（M）+■[f2（M）+f3（M）d4]， （16）

为了求解最优跳距，将离散的跳距d扩展为连续的实数变量，求出总能耗Etotal 对d的一阶和二阶偏导数：

■=3DL f3（M）d2-■■=6DL f3（M）d2+■，（17）

由于■>0，因此总能耗Etotal是关于跳距d的凹函数，在协作节点个数M为定值时，令■=0，可以求出局部最优跳距dM_opt=■■。如果协作节点数目M过大，CMIMO电路能耗也会剧烈增加，因此假设M∈{1，2，…，6}。由于M的搜索空间很小，因此直接求出不同M对应的局部最优跳距dM_opt和局部最小能耗EM_opt；其中EM_opt最小值为全局最小总能耗Eopt，相应的局部最优跳距和协作节点个数为全局最优跳距dopt与全局最优协作节点个数Mopt。

3 仿真与分析

本研究提出的传输策略中最优跳距和协作节点个数是关键的因素，因此首先通过MATLAB对其进行分析和计算。DL=5 000 m，？籽=1/π，R=5 m，Rmax=100 m，PADC和PDAC等参数可以根据文献[25]求出，具体的仿真参数见表1。

图3显示了根据式（17）计算的总能耗随跳距和协作节点个数变化的情况，通过图3可以发现，跳距对总能耗的影响是显著的；当固定M时，总能耗是关于跳距的凹函数，因此可以求解对应的跳距使网络总能耗最小。表2给出了不同协作节点个数对应的局部最优跳距和局部最小能耗，通过表2可以发现，当全局最优跳距dopt=137.96 m、最优协作节点个数Mopt=2时，可以获得最小总能耗。

图4显示了不同协作节点个数的每比特能耗随传输距离的变化情况，通过图4可以发现，当传输距离非常小时，CMIMO传输方式的能耗高于SISO传输方式，但是随着传输距离的增加，CMIMO传输方式的优势逐渐显现，且协作节点个数多的传输方式需要更远的传输距离才能更好地发挥优势。这是由于协作节点越多，产生的电路能耗越大，需要更远的传输距离才能体现其在减少功放能耗方面的优势，因此表2中局部最优跳距也会随着协作节点个数的增加而增加。

为了评估CMIMO传输策略的性能，将其与ARPEES协议对比，具体见图5。仿真中5 000个节点均匀分布在1 000 m×1 000 m的方形区域内，事件监测区域半径为50 m，节点初始能量均为100 J，BS位置（1 000，1 000），其他系统参数见表1。图5（a）反映了两种方案的网络生存时间对比；通过该图可以看出，CMIMO传输策略明显优于ARPEES协议，其稳定期长度（为了简化分析，将其定义为第一个节点死亡的轮数[23]）增长了约400轮，提升约100%；图5（b）反映了当网络运行至600轮时，随机选择的200个节点在两种传输策略中的剩余能量百分比，通过该图可以发现CMIMO传输策略的网络中传感器节点剩余能量更多，节点间的能量消耗也更加均衡。这是由于课题组提出的传输策略通过利用基于STBC算法的CMIMO传输方式获得了分集增益，提高了数据传输的可靠性，减少了能量消耗；同时对ARPEES协议进行了改进，平衡了节点间的能量消耗；此外，利用MIMO技术特性，增加了跳距，扩大了网络覆盖范围。

4 小结

此研究提出了适用于大规模农业环境监测中事件驱动型无线传感器网络的能量高效的基于STBC的多跳CMIMO传输策略（SMCM），该策略利用了MIMO技术的特点，获得了分集增益，提高了数据传输的可靠性，减少了远程通信的能耗，扩大了网络覆盖范围；同时考虑到最优跳距和协作节点个数，进一步提高了能量效率，因此相比现有的协议更适合于大规模农业监测应用中的事件驱动型无线传感器网络。该策略在考虑电路能耗和信道训练的能耗前提下，建立了精确的能耗模型，通过联合优化，确定系统满足最小能耗时的协作节点个数和最优跳距。仿真结果表明，通过总能耗优化模型求出的最优协作节点数目和跳距大幅度提高了能量效率，与现有的ARPEES协议相比，SMCM能够显著延长网络生存时间。

参考文献：

[1] XU H L，HUANG L S，QIAO C M，et al. Joint virtual MIMO and data gathering for wireless sensor networks[J].IEEE Transactions on Parallel & Distributed Systems，2015，26（4）：1034-1048.

[2] 韩文霆，吴普特，郁晓庆，等.农业环境信息无线传感器网络监测技术研究进展[J].农业工程学报，2011，27（S2）：326-330.

[3] 王彦集，张瑞瑞，陈立平，等.农田环境信息远程采集和Web发布系统的实现[J].农业工程学报，2008，24（S2）：279-282.

[4] CHU X Y，SETHU H. Cooperative topology control with adaptation for improved lifetime in wireless sensor networks[J].Ad Hoc Networks，2015，30（5）：99-114.

[5] 吴玉成，张丽玲，胡 真，等.基于事件驱动保持网络连通性的WSNs路由协议[J].传感器与微系统，2015（4）：140-143.

[6] 蒋畅江，石为人，唐贤伦，等.能量均衡的无线传感器网络非均匀分簇路由协议[J].软件学报，2012，34（5）：1222-1232.

[7] NIE Y L，LIU S Y，CHEN Z B，et al. A dynamic routing algorithm for data-aggregation optimization in event-driven wireless sensor networks[J].Journal of Communications，2013，8（8）：521-528.

[8] 雷 刚，王卫星，孙宝霞，等.大面积水稻田无线传感器网络组网设计与优化[J].农业工程学报，2014，30（11）：180-187.

[9] 雷 刚，王卫星，孙宝霞，等.基于能量异构双簇头路由算法的水稻田无线传感器网络[J].农业工程学报，2013，29（24）：139-146.

[10] 蒋建明，史国栋，赵德安，等.水产养殖参数无线测量网络的长生命周期研究[J].农业工程学报，2014，30（7）：147-154.

[11] 胡青松，吴立新，张 申，等.事件驱动的灾害监测传感网中的节能数据传输[J].吉林大学学报（工学版），2014（5）：1404-1409.

[12] 文 韜，洪添胜，李立君，等.基于无线传感器网络的橘小实蝇成虫监测系统设计与试验[J].农业工程学报，2013，29（24）：147-154.

[13] NGUYEN D N，KRUNZ M. Cooperative MIMO in wireless networks：Recent developments and challenges[J].Network IEEE，2013，27（4）：48-54.

[14] LI J P，JIANG X，LU I T. Energy Balance routing algorithm based on virtual MIMO scheme for wireless sensor networks[J].Journal of Sensors，2014（1）：1-7.

[15] CUI S G，GOLDSMITH A J，BAHAI A. Energy-efficiency of MIMO and cooperative MIMO techniques in sensor networks[J].IEEE Journal on Selected Areas in Communications，2004，22（6）：1089-1098.

[16] DING J，LIU D P，WANG X，et al. An energy-efficient virtual MIMO transmission scheme for cluster-based wireless sensor networks[A].Communication Technology（ICCT），2010 12th IEEE International Conference on[C].Nanjing：Institute of Electrical and Electronics Engineers，2010.809-813.

[17] HEINZELMAN W B，CHANDRAKASAN A P，BALAKRISHNAN H. An application-specific protocol architecture for wireless microsensor networks[J].IEEE Transactions on Wireless Communication，2002，1（4）：660-670.

[18] CHEN S，HUANG M，LI Y，et al. Energy-balanced cooperative routing in multihop wireless ad hoc networks[J].Wireless Networks，2012，19（6）：307-311.

[19] ZHANG J，FEI L，GAO Q，et al. Energy-efficient multihop cooperative MISO transmission with optimal hop distance in wireless ad hoc networks[J].Wireless Communications IEEE Transactions on，2011，10（10）：3426-3435.

[20] TRAN Q V，MIYOSHI T. Adaptive routing protocol with energy efficiency and event clustering for wireless sensor networks[J].Ieice Transactions on Communications，2008，91（9）：2795-2805.

[21] ASADUZZAMAN，KONG H Y. Energy efficient cooperative LEACH protocol for wireless sensor networks[J].Journal of Communications & Networks，2010，12（4）：358-365.

[22] ABDULHADI S，JASEEMUDDIN M，ANPALAGAN A. Multi-hop routing with cooperative transmission：A cross-layer approach[J].Wireless Networks，2014，20（7）：1685-1697.

[23] 肖 明，黃刘生，徐宏力.无线传感器网络中一种基于虚拟MIMO多播的多跳传输策略[J].小型微型计算机系统，2012，33（1）：18-23.

[24] 江若宜，季 薇，郑宝玉.无线传感器网络中协作通信的能耗优化方法研究[J].电子与信息学报，2010，32（6）：1475-1479.

[25] CUI S，GOLDSMITH A J，BAHAI A. Energy-constrained modulation optimization[J].Wireless Communications IEEE Transactions on，2005，4（5）：2349-2360.