无线传感器网络OPNET能量建模方法与仿真

科学技术与工程无线传感器网络OPNET能量建模方法与仿真刘波1，刘桂雄1*，何学文1,2（1.华南理工大学机械与汽车工程学院，广东广州 510640；2.江西理工大学，江西赣州 341000)摘要:针对OPNET未提供能量模型的问题，提出无线传感器网络OPNET能量建模方法。重点分析能量建模过程及其实现机制，并引入一种能较准确描述电池放电过程的RM电池模型，实现了OPNET能量模型进程建模。仿真结果表明，能量建模过程实现机制是可行的且RM电池模型能更准确估算节点寿命。关键词: WSN； OPNET；建模；电池模型中图分类号: TP301 文献标识码: AModeling Method and Simulation of Energy Model in WSN Based on OPNETLIU Bo1，LIU Gui Xiong1*，HE Xue Wen1, 2(1.School of Mechanical and Automotive Engineering, South China University of Technology, Guangzhou, 510640, China; 2.Jiangxi University of Science and Technology, Ganzhou, 341000, China）Abstract: Considering the problem of not providing energy model in OPNET, a modeling method in WSN is presented. First the modeling process of energy model and the way of its realization are analyzed. Then by introducing RM battery model with higher precision in describing the battery discharge, the energy model in OPNET is established. The results of simulation shows that the modeling method is valid and a better estimation of node lifetime can be achieved using RM model. Key words: WSN、OPNET、modeling、battery model5WSN节点一般以电池作为能量源，有限的能量使WSN协议涉及降低能耗以延长网络生存期成为重要的研究课题1。目前仿真是WSN协议研究的主要手段，利用网络仿真工具（如OPNET2、NS23）实现能量模型建模是协议仿真研究的前提之一。在网络仿真工具方面，OPNET以其丰富的协议模型库和无线传输特性建模在无线网络仿真研究中得到广泛使用，但未提供能量模型又一定程度影响OPNET工具的完善性。在能量模型方面，现有网络仿真工具不是没有提供，就是过于简单（如采用线性模型的NS2）。NS2中每个节点设置能量初值，当节点每发送或接收一个数据包时减去一定能量（默认值为281.8mW），能量耗尽，节点即失效。然而作为节点能量源的电池由于受速率容量效应和恢复效应的影响呈现非线性放电特性4，引入准确的非线性模型将使能量建模更为可靠。Rakhmatov等（2001）推导出一种能够描述锂电池非线性放电特性的电池模型(Rakhmatov Battery Model，RM)，并在此基础上给出一种电池寿命估算算法，但该算法必须先知道电池整个放电过程，不能实时估算电池寿命5；Handy等（2003）对此算法做了改进，通过引入交互机制实现了模型参数实时获取，提出一种能够集成到网络仿真环境中的电池寿命实时估算算法，并简单介绍如何嵌入NS26；Sausen等（2008）实现将该算法集成到NS2中，用RM电池模型代换线性能量模型7。本文基于OPNET提出一种WSN网络能量建模方法，进一步引入更为准确的RM电池模型，实现了OPNET能量模型建模与仿真。1. OPNET能量建模方法-收稿日期: 2009-7-9基金项目:国家自然科学基金项目(No. 50764005);教育部新世纪优秀人才支持计划项目(No.NCET-08-0211).作者简介:刘波(1985-),男,山东济宁人,硕士研究生, 研究方向:无线传感器网络仿真技术。Email:xinjin-liu。*通讯作者:刘桂雄(1968-),男,广东揭阳人,教授,博导,研究方向: 主要从事现代检测技术与网络化控制研究。Email:megxliu.WSN节点一般由无线通信、处理器、传感器以及能量四个单元组成，其中能量单元通常由电池组成，如图1所示。节点能量单元建模问题可转化为电池模型建模问题，它与节点工作状态及其转换过程密切相关。WSN节点一般包括发送、接收、感知以及休眠等四种工作状态。不同工作状态下的电池负载(电流)不同，节点在四种状态之间的转换过程反映了节点电池的放电过程，进而影响电池寿命即节点寿命。确定节点工作状态及其转换过程是电池模型建模的前提。图1. 无线传感器网络节点基本结构基于OPNET，下面将电池模型建模分为节点工作状态的确定、节点工作状态转换过程的实时确定及运用OPNET Proto_C语言编程实现三个过程。节点工作状态的确定。节点的OPNET仿真模型网络协议栈一般由应用层、网络层、MAC层和物理层构成，各协议层对应一个或多个OPNET进程模型。通过在MAC层进程与物理层进程中间引入一个新的进程可确定节点工作状态。该进程包含能量模型，负责直接向下或向上转发从MAC层或物理层收到的数据帧直至节点失效。通过判断能量模型进程的数据流确定节点工作状态。其中：从进程收到MAC层的数据帧至完全发送至物理层为发送状态；从进程收到物理层的数据帧至完全发送至MAC层为接收状态；如果非休眠状态下没有数据帧出现则处于感知状态；休眠状态由MAC协议决定。节点工作状态转换过程的实时确定。能量进程模型不仅要确定节点工作状态，还需引入一定机制实时确定工作状态转换过程，进而实时确定电池放电过程。首先在能量模型进程中引入一个状态变量state_flag，令 state_flag包含四个常数值STATE_TRAN、STATE_RECE、STATE_SENSE和STATE_SLEEP，分别代表节点的发送、接收、感知和休眠四种工作状态。仿真过程中如果节点工作状态发生改变，则令state_flag产生相应改变，保证state_flag与节点的工作状态保持一致。然后，以采样频率f对state_flag进行采样，通过判断state_flag值确定任一采样时刻节点工作状态。记录采样时刻时间戳和采样时刻节点工作状态，便可实时确定节点工作状态转换过程。运用OPNET Proto_C语言编程实现。电池模型是能量建模的关键，其准确性决定了能量模型的可靠程度，因而应谨慎选择电池模型。当节点工作状态确定后，节点电池放电过程随之确定，进而针对特定电池模型，利用Proto_C语言实现能量模型进程建模。2. 能量建模与仿真选定RM电池模型为本文电池模型，下面基于OPNET能量建模方法并利用电池寿命实时估算算法，研究其实现能量建模与仿真方法。 2.1 电池寿命实时估算算法设电池可输出最大容量为，电极表面活动载流子被补偿速率为（值越大其放电特性越好），那么电池寿命L与负载电流i()存在如下关系5： 设阶梯函数为，tk,tk+1时间内平均负载电流为Ik，则0，t时间内可变负载电流可以用N步阶梯函数来近似，即用某一宽度的常数负载电流来近似变化负载电流，那么： 将式(2)代入式(1)，可进一步得到： 式中：式（3）为计算电池寿命的RM电池数学模型。因为它不是电池寿命与负载电流的显式公式，电池寿命也难以直接求解。为此，Handy等在文献6提出一种电池寿命实时估算算法，通过仿真环境为电池模型提供任意仿真时刻电池负载电流值方法，实时确定至任意时刻时电池放电过程，使得RM电池数学模型能够集成到网络仿真环境之中。图2为仿真环境与电池模型的交互过程示意图，电池模型按照一定采样频率f从仿真环境中获取负载电流lts及其时间戳ts。如果采样过程中lts发生变化（如ltsIk-1，k则记录电池负载电流的变化次数），将lts改变后的值Ik及其对应时间戳（Sk=ts-）分别插入电流数组LI和时间戳St利用LI、St、lts及ts便可记录从仿真开始至采样时刻的电池放电过程。图2. 交互过程示意图图3为电池寿命实时估算算法流程图。算法首先定义全局变量LI、St、k及、，然后循环执行电池状态判断过程：当采样时刻到达时从仿真环境中获取负载电流值lts及其时间戳ts并传递给函数discharge(lts，ts)，该函数首先按照图2所示过程更新LI和St，然后以lts、ts、LI、St为参数代入RM电池模型计算从仿真开始至ts时刻的电池容量消耗；如果消耗值小于，表示电池尚未耗尽，等待下一采样时刻重复上述过程，反之说明电池已经耗尽，记电池寿命为当前仿真时间。图3. 电池寿命实时估算算法流程图2.2 OPNET建模实现 根据电池寿命实时估算算法要求，仿真环境需按照一定采样频率f提供模型参数即电池负载电流lts和时间戳ts。由于电池负载电流值与节点工作状态对应，可利用节点工作状态转换过程实时确定机制，通过在频率f下判断节点工作状态获取采样时刻电池负载电流值。采样时刻时间戳则可利用OPNET核心函数op_sim_time()获取。然后，根据电池寿命实时估算算法利用Proto_C实现RM电池模型建模，进而构建能量模型进程。图4为构建的能量模型OPNET进程，其中有限状态机BATTERY用来实现RM电池模型。下面是BATTERY程序局部：图4. 能量模型进程模型BATTERY: enter execs/*利用STATE_FLAG判断节点状态并采集负载电流数据*/switch (state_flag)case STATE_SENSE: current_load=LOAD_SENSE; break;case STATE_TRAN: current_load=LOAD_TRAN; break;case STATE_RECE: current_load=LOAD_RECE; break;case STATE_SLEEP: current_load=LOAD_SLEEP;break;op_stat_write(Current_Load,current_load);/*计算RM&LM下的电池容量消耗并采集数据*/capacity_consumption_nonliner=battery_capacity_discharge(current_load,op_sim_time()*1000);op_stat_write(RM_Capacity_Consumption,alpha-capacity_consumption_nonliner);capacity_consumption_liner+=current_load*interval*1000;op_stat_write(LM_Capacity_Consumption,alpha-capacity_consumption_liner);/*判断节点是否失效*/if(capacity_consumption_nonlineralpha)battery_lifetime=op_sim_time(); node_died=1;battery_level=capacity_consumption_nonliner/alpha;/*若节点未失效，设定下一能耗计算时刻*/if(node_died=0)op_intrpt_schedule_self(op_sim_time()+interval),SELF_INTRPT_CODE_COMPUTING);2.3 仿真结果下面将能量模型嵌入到节点仿真模型之中并构建简易网络仿真环境，仿真检验能量建模过程的实现状况，并简要分析RM电池模型的性能。网络仿真环境及其参数如下：包含两个节点，节点0以2packets/s的速率向节点1发送大小为1024bits的数据包，仿真时间为15s；令节点具有与Mica Motes6相同的特征：ATMEL AEMega128L处理器(活动状态工作电流为8mA，非活动状态为15A)、CC1000 无线收发器(发送状态工作电流27mA，接收状态10mA，感知状态10A，休眠状态1A)及AA碱性电池组成的能量源。采用文献8中的数据，电池参数分别为=245910mA-ms、=40348。由于节点能耗绝大部分消耗在无线通信单元，取工作状态负载电流分别为IT=27mA、IR= ISE=10mA、ISL=1A。事实上参数可通过实测获得。 (a) 负载电流(b)ABCD区域局部放大图图5. 负载电流及其局部放大图图5为仿真过程中采集到的节点0负载电流及其局部放大图。可以看出，能量模型进程能够准确检测节点工作状态及其变化并获取负载电流值，说明节点状态确定机制和节点状态转换过程的实时判断机制是可行的。图6(a)和(b)为节点0分别在RM电池模型和线性模型下的电池容量消耗。可以看出，在相同仿真时间15s内，RM电池模型下电池容量消耗为1405.16 mA-ms，线性能量模型下为50282.99 mA-ms，两者相差近36倍，且由于RM的非线性，这种差别有增大的趋势。导致这种差别的原因即RM能够反映电池放电过程中速率容量效应和恢复效应等的影响。(a)RM模型下的电池容量消耗(b)线性模型下的容量消耗图6.不同电池模型下的电池容量消耗曲线图7. 恢复效应图7为图6（a）的局部放大图，可看到RM电池模型描述的恢复效应。恢复效应一般发生在电池负载由较高值向较低值转变的过渡期。当节点由发送状态转变为感知状态时，可明显看出电池容量存在一定程度的恢复，而在节点由感知状态转变为发送状态时没有恢复发生。3. 结论(1) WSN协议需考虑降低能耗以延长网络生存期，而OPNET未提供能量模型一定程度上影响了其完善性。(2) WSN节点工作状态的转换过程是能量模型建模前提，据此将WSN能量建模分为节点工作状态的确定、节点工作状态转换过程的实时确定及运用OPNET Proto_C语言编程实现三个过程。(3) 可用节点工作状态转换过程实时确定机制获取采样时刻电池负载电流值、OPNET核心函数获取采样时刻时间戳，然后根据电池寿命实时估算算法实现RM电池模型OPNET建模，进而构建能量进程模型。(4)仿真结果表明：节点工作状态的确定机制和节点工作状态转换过程实时确定机制是可行的；RM电池模型相比线性模型能更准确的描述电池放电过程，从而更准确估算电池寿命即节点寿命。参考文献1 Akyildiz I.F, Su W, Sankarasubramaniam Y, et al. Wireless sensor networks: a survey. Computer Networks, (S1389-1286),2002;38(4): 393422.2 龙华. OPNET Modeler与计算机网络仿真. 西安: 西安电子科技大学出版社,20063 ISI. The Network Simulator-ns-2. (2009-7-9) 2009-7-9. http:/www.isi.edu /nsnam/ns/4 Lahiri K, Raghunathan A, Dey S, et al. Battery-driven system design: a new frontier in low power design. Proceeding of ASPDAC2002. Bangalore, India, 2002:261267.5 Rakhmatov D, Vrudhula S. An analytical high-level battery model for use in energy management of portable electronic systems, Proceeding of International Conference on Computer Aided Design (ICCAD01),2001: 488493.6 Handy M, Timmermann D. Simulation of mobile wireless networks with accurate modelling of non-linear battery effects. IASTED-ASM,2003:532537.7 Spohn M.A, Sausen S, Salvadori F, et al. Simulation of blind flooding over wireless sensor networks based on a realistic battery model. 2008 Seventh International Conference on Networking (ICN 08) 2008:545500.8 Crossbow. Crossbow technology inc. data sheet. (2009-7-18)2009-7-9.