机会无线传感器网络研究

目 录摘 要IAbstractII第一章 绪 论11.1机会无线传感器网络研究背景及意义11.1.1 无线传感器网络简介11.1.2 机会传感器网络研究背景21.1.3 机会传感器网络数据收集策略的研究意义21.2 机会传感器网络结构及特性31.2.1 机会传感器网络节点特点31.2.2机会传感器网络模型41.2.3 机会无线传感器网络的应用51.3 课题的主要研究内容71.4 论文的组织结构7第二章 无线网络路由协议及机会网络数据转发机制分析82.1 无线传感器网络路由协议分析82.2 机会传感器网络数据转发机制分析11第三章 算法分析和程序设计143.1 网络模型策略思想143.2 数据收发协议和Sink移动协议153.2.1 两种数据收发协议153.2.2两种不同的Sink节点移动模式：163.3 具体协议分析及算法设计163.3.1 传感器节点移动算法163.3.2 Sink节点移动算法173.3.3 单一节点直接向Sink转发数据193.3.4 相邻节点相互共享数据信息21第四章 实验结果分析254.1 传感器节点移动算法254.2 Sink节点移动算法254.3 单一节点直接与Sink节点发生数据传输274.4 相邻节点相互共享数据信息274.4.1 相邻节点相互共享数据信息274.4.2 Sink节点数据收集294.5 试验结果综合分析30第五章 结 论31结束语32参考文献33摘 要无线传感器网络发展迄今，已经取得了诸多成果。如何使用有限的能量来达到最大化的网络应用效果，是现在无线传感器网络研究中最大的难题。然而，传统的传感器网络节点一旦部署，一般不再移动；而机会传感器网络节点则是随机或按照一定规律移动的。如何针对机会传感器网络的特性，研究低功耗和高效率的数据收集机制，是机会传感器网络需要解决的关键问题之一。论文针对这些问题，对现有无线网络数据收集协议进行对比分析，主要工作为研究机会传感器网络中移动网络节点和数据收集器相互作用的采集策略，提出一种高效节能的数据收集协议。基本思想是考虑传感器节点单一节点直接向Sink节点传输数据和相邻节点互相共享数据信息的两种不同数据收发模式及Sink节点感应区域内随机移动和根据传感器节点在区域内出现几率分配其相应概率的两种不同运动模式，然后分析分别在此模式下的数据收集能耗。本文最后在windows平台下使用JAVA编程语言对所提策略进行了仿真和实现，实验结果表明，相比于传统的无线传感器网络数据收集协议，文中所提出的机会传感器网络下基于传感器节点共享数据信息转发模式和基于节点分布概率而分配Sink相应几率的数据收集策略在节能方面更具优势。关键字 机会传感器网络，移动Sink节点，数据收集，节能AbstractThe development of wireless sensor network has achieved a lot up to now. Therefore, how to use the limited energy to achieve the maximum effect of network applications, it is the biggest problem in wireless sensor networks field. However, the sensor nodes always are immovable after deployment in traditional sensor networks;and those are just on the contrary in opportunistic wireless sensor networks. How to develop the collection mechanism with low power consumption and high efficiency based on the characteristics of opportunistic sensor networks,it is one of the key issues need to be solved in opportunistic wireless networks.To solve these problems, analysis and comparison for the existing wireless network data collection protocol were completed and a new energy efficient data collection protocol is released in the paper. The basic idea is to consider two different sensor nodes data transceiver mode(direct-transmission and data-sharing) and two different movement patterns of Sink nodes(random-move and law-based) ,and then analyze data collection energy in separately mode .Finally, the simulation and implementation for the new data collection strategy were conducted with windows platform and Java programming language. The result show that the new strategy was more efficient and energy-saving compare to the old one.KEY WORDS opportunitic sensor network, mobile node, data collection, energy conservationII机会传感器网络数据收集策略研究 第一章 绪论第一章 绪 论无线通信和电子传感技术的发展牵动了全球范围内基于无线传感器网络的研究。近年来通信网络技术、嵌入式计算技术、微电子技术和传感器技术的飞速发展和日益成熟，使得制造大量体积小、功耗低同时具有感知能力、计算能力和通信能力等多种功能的微型传感器成为了可能，这些传感器可以感知周围的环境，并对数据进行一定的处理，同时可以通过无线通信部件进行相互通信。传感器网络作为“无处不在”思想衍生的产物，可以被广泛地应用在国防军事、环境监测、交通管理、医疗卫生、制造业、抗灾抢险等领域，拥有巨大的应用价值。针对传感器节点的分布规律、感应规律、数据收集器的移动规律等参数我们将重点研究无线传感器网络如何高效节能的完成数据收集。本文将主要介绍无线传感器网络基本概念、研究现状及应用前景，针对机会传感器关键词的新型策略研究，现有数据收集协议等内容。1.1机会无线传感器网络研究背景及意义1.1.1 无线传感器网络简介微电子技术、无线通信技术、传感器技术、微电机技术、计算机网络技术、嵌入式计算机等技术的进步，推动了微型的低功率多功能传感器的迅速发展，使传感器网络能够继承信息采集、数据处理和无线通信等功能。无线传感器网络就是由部署在检测区域内大量的廉价微型传感器节点组成，节点之间通过无线通信方式形成一个多跳的自组织的网络系统，该网络的目的是节点之间能够协作地感应、收集、处理和传输网络覆盖区域中感知目标的信息，并发送给信息收集者。传感器网络可以使人们在任何时候、地点和任何环境条件下获取大量详实而可靠的信息。人们可以通过传感器网络直接感知客观世界，从而极大地扩展现有网络的功能和人类认识客观世界的能力。因此，这种网络系统可以被广泛地应用于国防军事、国家安全、环境监测、交通管理、医疗卫生、制造业、农业控制、抗震救灾等领域。传感器网络是信息感知和采集的一场革命。传感器网络作为一个全新的研究领域，在基础理论和工程技术两个层面向科技工作者提供了大量的挑战性研究课题。而机会传感器网络则是建立在传统传感器网络基础上的新一代无线传感器网络概念，其最突出的特征在于机会传感器网络中不在存在静态节点的概念。整个网络中不管是网络节点还是数据收集器都处于不断运动的状态。数据收集器将在这种持续运动的状态中采集节点上的信息。1.1.2 机会传感器网络研究背景更小更廉价的低功耗计算设备的出现，普适计算及网络的应用的普及，微机电系统的迅速发展奠定了设计和实现片商系统的基础。以上三个方面的高度集成又孕育出了许多新的信息获取和处理模式，无线传感器网络就是其中一例。随着计算机及网络的发展，人们对物理环境信息的获取的需求日益强烈，并且趋向于无线化、实时化。无线传感器网络与传统的无线网络有着不同的设计目标，后者在高度移动的环境中通过优化路由和资源管理策略最大化带宽的利用率，同时为用户提供一定的服务质量保证。在无线传感器网络中，除了少数节点需要移动以外，大部分节点都是静止的。因为他们通常运行在人无法接近的恶劣甚至危险的远程环境中，能源无法替代，设计有效地策略延长网络的生命周期成为无线传感器网络的核心问题。传感器网络与传统网络明显有不同的技术要求。前者以数据位中心，后者以传输数据位目的。位了使用广泛地应用程序，传统网络的设计遵循着“端到端”边缘论思想，强调将一切与功能相关的处理都放在网络的端系统上，中间节点仅仅负责数据分组的转发，对于传感器网络，这未必是一种合理的选择。一些为自组织的Ad-hoc2网络设计的协议和算法未必适合传感器网络的特点和应用的要求。节点标识的作用在传感器网络中就显得不是十分重要，因为应用程序不怎么关心单节点上的信息：中间节点上与具体应用相关的数据处理聚焦和缓存也显得很有必要。在密集性的传感器网络中，相邻节点间的距离非常短，低功耗的多跳通信模式节省功耗，同时增加了通信的隐蔽性，也避免了长距离的无线通信易受外界噪声干扰的影响。这些独特的要求和制约因素为传感器网络的研究提出了新的技术问题。然而多数的研究局限于所有传感器节点都是静止的情况，存在无法快速动态组网、较弱的信息抽取与及时处理能力、无法快速勘测区域环境特征等缺陷，不满足某些需要移动节点的应用，比如在检测野生动物的生活，跟踪病人的心跳情况等等，节点总是处于不断地运动中，在无线传感器网络中同时引进移动节点可以拓宽网络空间的采样能力，例如在应用移动节点收集其他静止节点的数据，作为一种信息收集器。1.1.3 机会传感器网络数据收集策略的研究意义人类了可以通过无线传感器网络直接感知客观世界，从而极大地扩展现有网络的功能和人类认识客观世界的能力。美国商业周刊和MIT技术评论分别将无线传感器网络列为21实际最有影响的21项技术和改变世界的10大技术之一，传感器网络、塑料电子学和放声人体器官又被称为全球未来的三大高科技产业。MEMS支持下的微笑传感器技术和节点间的无线通信能力为传感器网络赋予了广阔的应用前景，主要表现在军事、环境、工业控制、健康、家庭和其他商业领域。当然。在空间探索和灾难拯救等特殊的领域，传感器网络也有其得天独厚的技术优势。虽然具有极大地应用前景，但是现有的应用并不十分成熟，大多数还停留在理论研究阶段或者试验阶段，主要原因是目前的技术仍然不能满足实际应用的需求。由于无线传感器网络最基本的功能就是收集检测区域内的数据，因此数据收集技术是无线传感器网络最重要的技术之一。由于传感器其能量及其有限，因此如何高效实用能量来最大化网络生命周期是无线传感器网络面临的首要挑战。因此，在无线传感器网络中的数据收集协议要把能量作为首要考虑因素，同时，对于一些实时性要求较高的应用，应能尽快地收集数据以便应用能及时对事件进行反应，避免数据延迟。新的传感器网络数据收集策略将考虑到移动的Sink节点和移动的网络节点，从这点上来说将区别于传统的无线传感器网络。对于给定的一个稀疏无线传感器网络，随机分布的若干个节点将持续性保持随机移动。数据收集器(Sink)在该区域内移动，收集各节点上信息并发回基站。机会传感器网络的优势在于，数据收集将不在局限于某一种固定的策略，网络中节点的活动时间以进行有效调整，从而增加网络寿命。同时动态的数据收集相比于传统的静止网络，更具有灵活性。1.2 机会传感器网络结构及特性传统的无线传感器网络由于其自身受到多方面条件的限制与应用场合的特殊性，决定了无限传感器网络的特殊性。由于机会传感器网络中节点的移动性，从而使机会传感器网络节点数目比传统网络少，节点分布更稀疏，节点受到环境影响更少，因为也就出现故障概率更小，网络寿命也就越长。传感器节点在能量、处理能力、存储能力和通信能力都十分有限，传统的无线网络首要设计目标都是提供服务质量和高效传输能力，而经常忽略节约能量；而机会传感器网络的首要目标是节约能量，这就是机会传感器网络与传统网络最重要的区别之一。1.2.1 机会传感器网络节点特点在机会传感器网络中，节点分为普通型传感器节点和Sink节点(即用于收集网络中节点信息的数据收集器)。普通传感器节点随机分布在数据感应区域中，在实现各种网络协议和应用系统时，存在以下一些限制：节点能量有限：一般而言，传感器节点能量通常由资深携带电池供应。所以如何最大化使用能量延长网络寿命是无线传感器网络的首要挑战。节点通信能力有限：节点受环境影响、能量受自身体积限制等原因，节点通信能力带宽有限，速率有限，通信范围有限。节点计算和存储能力有限：传感器节点是一种微型嵌入式设备，处理器能力不强，存储容量很小。节点容易失效：由于传感器节点经常直接暴露在各种环境中，设置很恶劣的环境中，很容易导致节点失效。而具有相比性的是，Sink节点具有较强的存储、通信和处理能力，并且可以补充能量。移动数据收集器(Sink)是分布式计算技术和人工智能技术相结合的产物，本质上是一个程序实体，拥有一定的智能和判断能力，它可以自己的控制下，按照一定的规程在网络节点间迁移，寻找并处理合适的资源，代表用户完成特定的任务。Sink在一个执行环境中被创建后，能够携带自身状态和代码在网络中迁移到另一个环境中恢复执行。 Sink的特性主要体现以下几个方面：自主性：Sink一旦被初始化便可独立执行，无需后来的直接干预，Sink控制自身的内部状态和外部行为，也可以被授权做出某种决定，完成相关的任务。反应性：Sink能感知和作用于其所处的环境，对环境的变化能做出及时的响应，这些环境可以是物理的世界、使用图形接口的用户、其他Sink集合或所有这些的组合。能动性：Sink不仅能对所处环境做出响应，还能主动展现面向目标的行为。通信性： Sink之间的交互随任务驱动的变化而进行调整，彼此协作完成复杂的任务。移动性：Sink可在一个网络上随时、自主地实现节点间迁移，正在运行中的Sink状态可以被存储且传送到目标节点，且中止Sink程序可以被恢复执行。1.2.2机会传感器网络模型就传感器网络本身而言，网络由普通传感器节点和Sink节点构成，两种节点可以是同构型，也可以是异构型。节点中Sink节点负责从其他节点收集和传送数据。在异构型网络中，Sink节点通常具有更多的能力，更强的通信能力和数据处理、储存能力，负责更多的工作，而其他节点为普通节点。节点的移动能力可以是自身具备的，也可以是衣服在可移动的生物、设备或车辆上。根据节点的移动性和功能，可以把无线传感器网络分为三类:1. Sink节点移动，普通节点静止低功耗和低成本的普通节点的处理能力和通信能力有限，而移动的Sink节点是功能强大的硬件单元，而且能够在整个传感器网络中移动。Sink节点不需要时刻与普通节点通信，只有当需要收集数据或进行网络维护时才工作。这种网络的最大优点就是把复杂的数据处理、接入处理、数据转发传输、路由维护等工作由Sink节点来完成，减轻传感器网络的能量负担，普通节点是能量寿险的，而Sink节点能量充足。2. Sink节点静止，普通节点移动该模型适应用于监控大范围移动的区域，典型的应用于像智能交通，普通节点安放于行驶的车辆上，Sink节点放置于道路两旁，用以监控道路交通情况:车速、车流量、拥堵情况等；类似的还有河流监控，普通节点布撒在河流中，沿着河流而下，Sink节点固定在河岸，用来收集河流的速度、流量、水质变化等信息。3. Sink和普通节点都移动这种模型用于节点无法固定的环境下，Sink节点和普通节点受环境(风、水流)的影响而移动。比如，监控海洋中的原油泄漏，在这种情况下，所有节点的位置是不固定的，整个网络的拓扑结构是不稳定的。本文研究的机会无线传感器网络模型为第三种情况。在机会传感器网络中，由于普通节点和Sink节点都是移动的。数据的采集将不再像之前的两种模型中会有一个明确的收集时间和收集方式。普通节点在感应区域内随机分布且随机移动，在整个感应区域内，每一个节点到达各个区域的概率是随机的。当然，对于现实中的环境，比方说在研究蓝鲸群迁徙规律的过程中，可以根据蓝鲸群的生活习惯，获得其出现在各个地区的几率。1.2.3 机会无线传感器网络的应用机会传感器网络的应用前景十分广泛，很多应用领域都无法建立结构化的全连通网络,导致传统的多跳自组织网络协议无法运行,而机会网络能够更好地满足这些应用需求.其应用广泛涉及到军事、环境监测、救灾、工业控制、空间探索、大型设备监控、医疗护理、智能家居、城市交通、安全检测、建筑结构监测。由于机会传感器网络还处于不断发展和探索中，本文只列举一些典型的应用:1) 军事应用无线传感器网络可无需基础设施、快速部署、自组织、隐蔽性强、容错性等特点，非常适合在军事应用。传感器网络研究最早是美国军方推动和自主的，利用传感器网络是获取敌军情报的重要手段。因为传感器网络是由密集性低成本随机分布的节点组成的，自组织性和容错能力使其不会因为某些节点在恶意攻击中的损坏而导致整个系统的崩溃，这一点是传统的传感器技术所无法比拟的，也正是这一点，使传感器网络非常适合应用于恶劣的战场环境中，包括监控我军兵力装备和物资，监控冲突区，侦查地方地形和布防，定位攻击目标，评估损失，侦查和探测核生物和化学攻击。在战场，指挥员往往需要及时准确地了解部队武器装备和军用物资供给的情况，铺设的传感器将采集相应的信息，并通过汇聚节点将数据送至指挥所，再转发到指挥部，最后融合来自各战场的数据形成我军完备的战区态势图。在战争中，对冲突区和军事要低的监视也是至关重要的，通过铺设传感器网络，以更隐藏的方式近距离地观察敌方的布防；当然，也可以直接将传感器节点撒向敌方阵地，在敌方还未来的及反应时迅速收集利于作战的信息。传感器网络也可以为火控和制导系统提供准确的目标定位信息。在生物和化学战中，利用传感器网络及时准确地探测爆炸中心将会为我军提供宝贵的反应时间，从而最大可能地减小伤亡。传感器网络也可避免核反应部队直接暴露在核辐射的环境中。2) 环境监测无线传感器网络可用于精细农作物种植、动植物生态科学研究、环境灾害预测等。随着人们对于随着人们对于环境的日益关注，环境科学所涉及的范围越来越广泛。通过传统方式采集原始数据是一件困难的工作。传感器网络为野外随机性的研究数据获取提供了方便，比如，跟踪候鸟和昆虫的迁徙，研究环境变化对农作物的影响，监测海洋大气和土壤的成分等。传感器网络对森林火灾准确及时地预报也应该是由帮助的。此外，传感器网络也可以应用在精细农业中，以监测农作物中的害虫突然地酸碱度和施肥状况等。3) 智能家居在家电和家居中嵌入传感器，通过无线网络与Internet连接，可以对家居环境进行很好的监控、调节和控制，为人们提供更加舒适、方便和更具人性化的智能家居环境。嵌入家具和家电中传感器与执行机构组成的无线网络与Internet连接在一起将会为我们提供更加舒适方便和具有人性化智能家居环境。4) 医疗护理传感器网络在医疗系统和健康护理方面的应用包括监测人体的各种生理数据、跟踪和监控患者的行动等。利用传感器网络，医生就可以随时了解被监护病人的病情，进行及时处理。还可以利用传感器网络长时间地收集人体的身体数据，这些数控在研制新药品的过程中是非常有用的，而安装在被监测对象身上的微型传感器也不会给人的正常生活带来太多的不便。此外，在药物管理等诸多方面，它也有新颖独特的应用。总之，传感器网络为未来的远程医疗提供了更加方便快捷的技术实现手段。5) 安全检测现阶段，无线传感器网络在安全检测领域应用得较广的是煤矿安全和生成监测。煤矿井下特别是工作面移动生成设备多，工作条件复杂，用传统方式对工作面安全参数进行监测，需要铺设大量电缆，这些电缆随着开采工作面的推进不断移动，经常会被砸断，影响监测连续性，维护也十分不便。利用无线传感器网络可以克服以上困难，实现对煤矿工作面瓦斯、一氧化碳、风力和温度等参数，以及矿工的人身安全的实时监测.1.3 课题的主要研究内容数据收集是无线传感器网络的主要应用之一。由于传感器节点的存储能力、数据处理能力和能量有限，以及网络传输带宽的限制，无线传感器网络难以适应大量数据的传送，如何有效地减少网络内部的数据量，节约传感器节点的能源开销，从而延长网络生命周期，是无线传感器网络中的一个重要课题。基于无线传感器网络中数据收集的特点，针对现在研究工作存在的缺陷，本课题作了相应的研究，主要工作如下:1）根据传感器网络节点在网络中数据转发协议不同，针对单一节点直接向Sink节点传输数据、相邻节点相互交换已有信息两种不同转发方式提出不同的数据收集策略2）在1的基础上，根据Sink节点在感应区域不同的移动模式(随机出现在感应区域、按照普通节点在感应区域出现在几率大小分配Sink在此区域出现概率)提出不同数据收集策略1.4 论文的组织结构论文共分为五章，分别对本课题研究的相关信息进行阐述分析：第一章 为绪论部分，主要阐述本课题研究背景、研究意义和应用方向等问题；第二章 主要阐述该课题当前国内外研究现状；第三章 列出课题研究所提出的程序流程规划；第四章 对针对该课题提出的策略算法进行分析；第五章 将对实验结果进行分析比较，同时总结本文分析与设计工作，并提出将来进一步工作计划。7机会传感器网络数据收集策略研究 第二章 路由协议及数据转发机制分析第二章 无线网络路由协议及机会网络数据转发机制分析转发和路由是任何组网技术的首要问题，为了更好的研究机会网络数据收集策略，本文将对现有的集中无线网络路由协议和机会网络数据转发机制进行分析比较。2.1 无线传感器网络路由协议分析通过对当前无线传感器网络路由协议的研究，我们选取了以下较为重要的路由协议，对其核心路由机制、特点和优缺点等进行了分析。1) Flooding协议和Gossiping协议这是两个最为经典和简单的传统网络路由协议，可应用到无线传感器网络中。在Flooding【5】协议中，节点产生或收到数据后向所有邻接点广播，数据包直到过期或到达目的地才停止传播。该协议具有严重缺陷:内爆、交叠、资源利用盲目。Gossiping协议是对Flooding协议的改进，节点将产生或收到的数据随机转发，避免了内爆，但增加了延时。这两个协议不需要维护路由信息，也不需要任何算法，简单但扩展性很差。2) SPIN协议这是第一个基于数据的路由协议。该协议以抽象的元数据对数据进行命名，命名方式没有统一标准。节点产生或收到数据后，为避免盲目传播，用包元数据的ADV【4】消息向邻接点通告，需要数据的邻接点用REQ【8】消息提出请求，数据通过DATA消息发送到请求节点。协议的优点是：小ADV消息减轻了内爆问题；通过数据命名解决了交叠问题；节点根据自身资源和应用信息决定是否进行ADV通告，避免了资源利用盲目问题。与Flooding和Gossiping协议相比，有效地节约了能量。但其缺点是：当产生或收到数据的节点的所有邻接点都不需要该数据时，将导致数据不能继续转发，以致较远节点无法得到数据，当网络中大多节点都是潜在Sink点时，问题并不严重，但当Sink点较少时，则是一个很严重的问题；当某Sink节点对任何数据都需要时，其周围节点的能量容易耗尽；虽然减轻了数据内爆，但在较大规模网络中，Adv内爆仍然存在。3) Directed Diffusion协议这是一个重要的机遇数据的、查询驱动的路由协议。该协议用属性/值对命名数据。为建立路由，Sink点flooding包含属性列表、上报间隔、持续时间、地理区域等信息的查询请求Interest(该过程本质上是设置一个监测任务)。沿途节点按需对各Interest进行缓存与合并，并根据Interest计算、创建包含数据上报率、下一跳等信息的梯度，从而建立多条指向Sink点的路径。Interest中的地理区域内节点则按要求启动监测任务，并周期性的上报数据，途中各节点可对数据进行缓存与聚合。Sink点可在数据传输过程中通过对某条路径发送上报间隔更小或更大的Interest，以增强或减弱数据上报率。该协议采用多路径，健壮性好；使用数据聚合能减少数据通信量；sink点根据实际情况采取增强或减弱方式能有效利用能量；使用查询驱动机制按需建立路由，避免了保存全网信息，但不适合环境监测等应用。而且，Gradient12的建立开销很大，不适合多Sink点网络；数据聚合过程采用时间同步技术，会带来较大开销和延时。4) Rumor协议该协议时为解决Directed Diffusion【11】协议中Sink节点一次查询值需一次上报的问题。其借鉴了欧氏平面图上任意两条曲线交叉几率很大的思想。节点监测到事件后保存，并创建成为Agent【13】的生命周期较长的包括事件和源节点信息的数据包，将其按一条或多条随机路径在网络中转发。收到Agent的节点根据事件和源节点信息建立反向路径，并将Agent再次随机发送到相邻节点，并可在再次发送前在Agent中增加其已知的时间信息。Sink点的查询请求也沿着一条随机路径转发。5) Leach协议这是第一个提出数据聚合的层次路由协议。为平衡网络各节点的能耗，簇头式周期性按轮随机选择的，每轮选举方式是各节点产生一个01之间的随机数，如果这个数小于T(n)，则该节点为簇头。其中，p是簇头数与总节点数的百分比，r是当前的选举轮数，G是最近1/p轮不是簇头的节点集。成为簇头的节点在无线信道中广播这一消息，其余节点选择加入信号最强的簇头。节点通过一跳通信将数据传送给簇头，簇头也通过一跳通信将聚合后的数据传送给Sink点。该协议采用随机选举簇头的方式避免簇头过分消耗能量，提高了网络生存时间；数据聚合能有效减少通信量。但协议层次化的目的在于数据聚合，仍采用一跳通信。虽然传输延时小，但要求节点具有较大功率通信能力，扩展性差，不适合大规模网络；即使在小规模网络中，离Sink节点较远的节点由于采用大功率通信也会导致生存时间较短；而且频繁簇头选举引发的通信量耗费了能量。6) Pegasis协议这是在Leach14协议基础上建立的协议。仍然采用动态选举簇头的思想。但为避免频繁选举簇头的通信开销，采用无通信量的簇头选举方法，且网络中所有节点只形成一个簇，称为链。该协议要求每个节点都知道网络中其他节点的位置，通过贪心算法选择最近的邻接点形成链。动态选择簇头的方法很简单：设网络中N个节点都用1N的自然数编号，第j轮选取的簇头是第i个节点，i=j mod N(i为0时，取N)。簇头与sink点一跳通信，利用令牌控制链两端数据沿链传送到簇头本身，在传送过程中可聚合数据。当链两端数据都传送完成时，开始新一轮选举与传输。该协议通过避免Leach协议频繁选举簇头带来的通信开销以及自身有效地链式数据聚合，极大地减少了数据传输次数和通信量；节点采用小功率与最近距离邻节点通信，形成形成多跳通信方式，有效地利用了能量，与Leach协议相比能都具有与Sink点通信的能力；如果链过长，数据传输时延将会增大，不适合实时应用；成链算法要求节点知道其他节点位置。7) SAR协议这是第一个在无线传感器网络中保证QOS15的主动路由协议。Sink点的所有一跳邻节点都以自己为跟创建生成树，在创建生成树过程中考虑节点的时延、丢包率等Qos以及最大数据传输能力，各个节点从而反向建立了到Sink的具有不同Qos参数的多条路径。节点发送数据时选择一条或多条路径进行传输。该协议能够提供Qos保证，但缺点是节点中的大量冗余路由信息耗费了存储资源，且路由信息维护、节点Qos参数与能耗信息的更新均需要较大开销。8) TBF协议这是一个基于源站和基于位置的路由协议。与GPSR协议不同，TBF协议不是沿着最短路径传播；与通常的源站路由协议不同，TBF协议利用参数在数据包头指定了一条连续的传输轨道而不是路由节点序列。网络节点利用贪心算法根据轨道参数和邻接点位置，计算出最接近轨道的邻接点作为下一跳节点，该协议可利用GPSR协议的方法或其他方法避开空洞；通过指定不同的轨道参数，很容易实现多路径传播、广播、对特定区域的广播和多播；源站路有避免了中间节点存储大量路有信息；指定轨道而不是节点序列，数据包头的路有信息开销不会随着网络变大而增加，允许网络拓扑变化，避免了传统源站路有协议的缺点。但随着网络规模变大，路径加长，沿途节点进行计算的开销也相应增加；且需要GPS定位系统或其他定位方法协助计算节点位置信息。2.2 机会传感器网络数据转发机制分析本文根据转发策略的不同，将目前的机会转发机制主要分为4类:基于冗余的转发机制、基于效用的转发、冗余效用混合机制和基于主动运动的转发机制，在基于冗余的转发机制中，通过基于复制或基于编码的方式，每个消息产生多个冗余消息在网络中扩散，通过多路径并行传输提高消息传输性能。以下是几种不同转发机制的分析比较:1) 基于复制的转发该机制中，统一消息的多份拷贝被注入网络，当其中一个到达目标节点时，消息传输成功。其核心问题是确定优化的消息拷贝数和产生消息拷贝的方式。最简单的机制是直接传输，源节点缓存消息直到遇到目标节点才转发，网络开销最小，但传输延时大和传输成功率最低。在2-HOP16算法中，源节点将消息拷贝给最先遇到的L个中继点，源节点和L个中继点只将消息转发给目标节点，消息需要两跳到达目标节点。假定节点独立移动，节点之间相遇概率为p，则DT的传输成功率为p，而2-HOP算法的传输成功率为1-(1-p)L+1 (L+1)p，因此提高了传输成功率。该机制由两个阶段组成:Sprary阶段，在遇到没有缓存该消息的中继点时，将消息拷贝给节点，并将剩下 的拷贝任务分为两半。Wait阶段，等待转发给目标节点，相比只允许源节点分发消息拷贝的2-HOP算法进一步降低了传输延时。2) 基于编码的转发基于编码的转发机制将待传输的数据编码成相互冗余的消息，目标节点仅需要接收到部分编码后的消息，即可通过消息之间的运算重建原数据。Wang等人提出了一种基于擦出编码的机会转发机制。源节点先将原始数据分成m个块，然后又将这些数据块编码成k个小消息，目标节点只需要接收到k个消息中的任意m*(1+p)个小消息就可重建原始数据，p是具体编码算法确定的常数，该机制中源节点将编码后的小消息平均分配给k个相遇的中继点，每个中继点携带部分小消息直到遇到目标节点。该算法保证了网络连接最差情况下的性能，但在网络连接足够好的时候却不能充分利用连接机会，因为每次相遇没有考虑相遇持续时间，只传输固定数目的小消息。Ling-Jyh17等人提出了一种基于EC和复制的混合式路由机制H-EC，每个编码后的小消息生成两个拷贝，当遇到邻居节点时。首先将消息的第一份拷贝传输给该节点，然后在该连接持续时间，将其他消息的第二份拷贝转发给该将诶点，听过充分利用每次连接机会取得更好的传输性能。3) 基于相遇预测的转发在基于相遇预测的机会转发机制中，每个节点都维持一个与目标节点相遇的预测概率。可以通过节点的历史移动轨迹来预测概率。在Zevranet提出的机遇移动历史的转发机制中，每个动物身上的传感器节点维持了一个到达基站的概率，当传感器随动物移动到基站通信范围内时，该概率值增加，否则，该概率值随时间的推移而逐渐降低。当两个传感器节点相遇时，概率低的节点将自身消息转发给概率高的传感器节点。在Seek and Focus18协议中，对所有网络节点，当前节点记录从上次相遇后经过的时长，并以此估计节点之间的相遇概率。当节点由于移动速度慢和移动范围的局部性导致网络”慢启动”和概率值分布不均匀时，该机制临时切换到随机选择转发节点以提高转发性能。4) 基于链路估计的转发基于链路的机会转发机制考虑节点之间的端到端的链路状态来选择转发节点。尽管机会网络中不移动存在端到端的完整路径，但通过收集单跳链路状态估算出的端到端路径的有用性仍可作为转发决策依据。一些机制利用链路的平均可用性来估算单跳链路状态。在最短期望路径理由中，每个节点都维护到达已知节点的链路可用概率值，两个节点i和j之间的链路概率计算为Pij=Tconn/Tw，Tconn 是时间窗口Tw 内节点对维持联通 的时长。每次节点相遇时，该概率值更新，同时交换概率表。SEPR19假定穿越一条链路的时间与链路概率值成反比，并使用穿越时间作为链路长度，当节点获得所有已知节点本地概率后，利用Dijkstra算法计算当前节点到达目标节点的最短路径。有限Epidemic则利用计算出的最短历经长度来赋予节点被抛弃的优先级，距离目的节点的路径长度越大，被抛弃的优先级越低，通过抛弃无用消息降低网络负载，提高传染转发机制的性能。5) 基于上下文信息的转发除了使用上述网络状态参数以外，该方法还使用节点能量、移动速度、节点密度以及位置信息等更为广泛地上下文参数来计算节点效用值。Context-Aware Routing20协议使用的上下文属性包括:剩余能量、拓扑变化速率、到达目标连通域的概率和移动速度等。利用时间序列分析理论根据节点属性历史数据预测属性值，以此综合计算节点效用值。CAR扩充DSDV协议的路由表项为，通过周期性地在连通域内交换路由表信息，每个节点都维护到达目标节点的概率。若当前节点与目标节点位于同一连通域，则直接转发，否则，转发给当前连通域内到达目标节点概率值最高的节点。6) 冗余效用混合转发混合转发机制同时使用并行传输和基于效用转发决策提高传输性能。PROPHET【16】综合了传染转发和基于相遇预测转发。与Zebranet机制相似，每个节点估计到达其他节点的相遇概率，该节点相遇时升高，否则，随时间递减，但PROPHET中概率的更新使用了概率的传递性，即节点a有可能遇到节点b，而b有可能遇到c，则a可以成为目标节点c的消息转发节点。节点相遇时，PROPHET将到达节点概率比自身高且对方没有缓存的消息传输给对方，减低了传染转发广播引起的拥塞导致的性能影响。在机会移动传感器网络中，Masocolo提出了SCAR转发机制收集传感器网络数据。SCAR结合了CAR中基于时间序列分析理论的节点效用估计和SW中源节点限制消息最大拷贝数的思想。传感器节点产生消息后指定其允许的最多拷贝个数为K，并分发给相遇的前K个效用值比自身大的节点，每个消息拷贝沿用节点效用梯度增大的方向传输给Sink节点。在Wang提出的转发机制中，每个传感器节点使用与PROPHET类似的机制维持一个到达Sink节点的传输概率值来指导消息转发，但节点拷贝个数不是由源节点指定，而是将每个消息关联一个容错度值，该值表示消息在网内的冗余度，随着消息在网络内的拷贝数增加，消息冗余度不断增加，通过只转发冗余度大于一定阀值的消息来控制网络开销。但消息容错度很难精确计算，导致消息转发与传染转发相似。7) 基于节点主动运动的转发当网络节点稀疏或拓扑变化具有很强的随机性时，前述转发机制都被动等待相遇更好的转发节点。在基于节点主动移动的转发机制中，部分特殊节点主动移动为其他普通节点提供通信服务。DataMules系统通过引入移动节点来实现稀疏传感器网络的数据收集。该系统利用场景中移动且具备通信功能的车辆或动物Mule节点，在移动过程中收集传感器数据，并以单跳或多跳方式将数据转发到接入骨干网的AP节点。MessageFerrying使用Ferry节点主动移动实现稀疏MANET中的数据传输。Ferry节点是部署区域内的一个特殊节点，它按照预定义路径或普通节点了、通信请求而规划出的路径来移动，源节点将数据装载到Ferry节点，Ferry节点在移动过程中将数据转发给附近的目标节点。单Ferry系统容量小且很容易由于单点失败导致系统崩溃，文献又提出使用多个Ferry节点提供通信服务以提高系统的可靠性和传输效率。13机会传感器网络数据收集策略研究 第三章 算法分析和程序设计第三章 算法分析和程序设计3.1 网络模型策略思想机会传感器网络的释义主要强调两点，移动的传感器节点和移动的数据收集器。通常来说，在研究某个移动元件的某些特性时，一般可以为该元件设定固定的移动轨迹。但在此课题中，如果给传感器节点和Sink节点都进行移动轨迹初始化，则失去了研究机会传感器网络的意义。所以，在本试验中，我们规定两种节点均在感应区域中随机运行。为了能够更清晰明了的根据实验结果进行分析，我们设定感应区域为固定大小的正方形区域，同时对区域进行坐标标识。则传感器节点和Sink节点在区域内的移动将均以坐标增加表示。于是，在考虑传感器节点移动算法时，有两种途径：第一种，给每个节点初始化一个速度、方向和偏转角度，在接下来的时间内该节点将按照固定大小速率和偏转角度在区域内运动，运动到区域边缘时则发生反射；第二种，给每个节点初始化一个区域位置，在接下来的时间内，该节点在每一个单位时间内横坐标和纵坐标自动随机增减1，当运动到区域边缘时则发生反射。本文中沿用了第二种传感器节点移动模式。在考虑Sink节点移动算法时，给定四个传感器节点出现频率较高的区域。则Sink节点将在这四个区域中的定点之间移动。基于两种Sink节点移动模式的数据收集协议将有效地对比得出更加高效的数据收集协议。第一种，Sink节点在此四个定点之间随机运动：初始化一个Sink节点出现在第一个定点，T+1时刻，根据随机生成的数字可以判定Sink节点的下一个位置。第二种，根据传感器节点在四个区域出现概率的顺序，初始化一个相应概率分布的Sink节点在四个节点分布数列。该数列的元素将由Sink节点的位置标识符构成。则在有限的时间范围内，Sink节点的位置将根据数列元素值变换。传感器节点和Sink节点均已在网络中运行后，则开始考虑节点与Sink的数据传输和节点之间的数据共享。对于单一节点直接与Sink进行数据传输的算法，一般而言，每个节点只会携带一个数据包信息，当传感器节点与Sink节点均移动到同一区域时，节点感应到Sink，开始进行数据传输。当然，在开始传输之前，Sink会对节点进行探测，该节点是否携带信息，在传输之后，节点携带信息清零。对于节点之间互相共享数据信息的数据转发模式，给每个节点指定一个数据仓库。多个Sink节点被初始化后开始在网络内运行，当两个节点相遇后，两者开始信息共享。利用Set存储结构的不可重复性可以很好的解决数据仓库的设计问题，每一次数据共享，均会对某一节点仓库内所有元素进行遍历，如果另一节点仓库内部包含此元素，则在该仓库内添加该元素。遍历完后，将该节点数据仓库复制到前一个节点中去。当然，这个过程可能看起来比较复杂。但程序仅仅在于演示过程，实际无线网络中的数据共享不会有这么复杂。完成数据共享后，当节点与Sink相遇后，开始数据传输过程(该过程也有可能发生在数据共享之前)。同样Sink节点内也包含一个用于储存数据信息的仓库，传输过程中，Sink节点对节点仓库内的所有元素进行遍历，如果Sink不包含此元素则进行复制。在传输开始之前，可以调用Set的Contains方法判断Sink是否已携带对方节点内的所有数据信息，如果为真，则不进行任何遍历。传输结束后，传感器节点状态将不发生任何改变，两者继续在网络中运行。课题研究的目的在于分析现有移动无线传感器网络数控收集协议，提出新的机会传感器网络收集模式，为了简化分析过程，我们将对系统信息做一些初始设置:1) 考虑节点直接向Sink节点传送数据信息时，无线传感器网络被定义为稀疏网络，即具体分析中将只考虑单一节点。2) 考虑传感器节点在区域内分布时，初始化节点随机移动方式，定义区域内的四个区域。在多次运行节点移动算法后，得出节点在该四个区域内出现概率分布。3) 考虑Sink节点移动模式时，Sink节点将在四个区域的中心点按照两种不同方式移动:随机移动和按照节点出现在四个区域概率高低分配Sink节点出现几率4) 考虑整个数据收集过程能源消耗时，节点的移动及节点自身能耗将不计入内。每次节点和Sink之间、节点与节点之间发生一次数据传输计一次数据包，能量消耗一次。5) 课题所涉及到的所有算法，具体用Java编程语言实现3.2 数据收发协议和Sink移动协议3.2.1 两种数据收发协议 1) 单一节点直接向Sink节点传送数据信息该转发模式是无线传感器网络中数据收集协议最基础的一种，随机分布在区域内的所有传感器节点随机运动。当Sink节点走进某一节点的感应区域时，节点通过感应到Sink节点所发出的信号而开始向Sink节点传输数据。每次数据传输后能源消耗一次。2) 相邻节点间相互交换信息，减少节点与Sink直接数据交换的次数在该转发模式下，随机运动的传感器两个节点在相遇时将共享彼此已收集到的信息。也就是说，在一次节点相遇后，节点上的信息将加1，同时节点与Sink直接交换数据信息的次数减1。通过这种方法可有效降低节点因数据转发而带来的能耗。3.2.2两种不同的Sink节点移动模式：1) Sink节点在给定的四个点随机移动。在此模式下，Sink节点给点初 始位置，在T+1的时候将随机出现在剩下的四个地点2) Sink节点按照传感器网络节点出现在四个区域的概率，按照从高到低，分配Sink节点在这些地点出现的几率3.3 具体协议分析及算法设计3.3.1 传感器节点移动算法1) 定义节点Node类，指定类属性如下表 3 . 1节点类属性节点横坐标X节点纵坐标Y运行时刻T出现在四个区域标识Flag出现在四个区域次数标识FlagNum2) 定义节点随机移动方法(T+1时刻X、Y坐标随机增减1)为了实现此方法，我们使用Math. Random函数随机生成两个标识数字a1，a2，根据标识数字大小来判定T+1时刻节点X、Y坐标生成方法，具体实现如下:If (a10.5) node.setX (node.getX () +1)Else node.setX (node.getX)-1纵坐标生成方法同X；3) 定义节点在运动到区域边缘时T+1时刻坐标生成方法给定的区域使用坐标表示范围，在此试验中，我们设置区域X、Y坐标范围均分布在(-8,8)之间。于是，当节点横坐标X、纵坐标Y等于8或者-8时，表示节点node已经运动到区域范围边缘，在T+1时刻，根据X、Y现有值自动加1或者减1，具体实现如下:运动到最左边:If (node.getX()=-8) node.setX(node.getX()+1)运动到最右边:If (node.getX()=8) node.setX(node.getX()-1)纵坐标生成方法同上4) 定义节点出现在四个区域次数生成方法给定的四个小区域范围分别使用坐标表示，在此试验中，我们设置区域X、Y坐标范围均为(-7，-5)，(5,7)，对个沿X轴和Y轴对称的方形坐标区域。当node节点坐标处于这四个指定坐标范围时，表示node节点已经运动到上述四个区域任意一个，则指定的区域次数标识FlagNum+，同时给node节点设置当前生成的最新FlagNum和Flag,具体实现如下获得横坐标XInt x=node.getX();获得纵坐标YInt y =node.getY();node节点出现在第一个区域If (x=-7&y=-7)指定区域次数标识+1FlagNum1+;node节点设置最新生成的指定区域次数Node.setFlagNum1(FlagNum1);指定最新生成的区域标识，其中0代表第一个区域Node.setFlag(0);根据以上所定义的几个方法，节点在范围为(-8,8)的横向、纵向坐标范围内将随机移动。在初始化一个node节点时，我们指点其初始坐标为(-7，0)。在接下来的T=500s的时间内，node在该范围内随机出现在各个点。连续运行多次，我们可以看到，node在指点的四个小型区域出现的概率比例呈固定值3.3.2 Sink节点移动算法1) 定义Sink节点类，指定类属性如下表 3. 2 Sink 节点类属性Sink节点出现在四个区域的标志Flag运行时刻T移动模式MoveFlag2) 定义Sink的两种移动模式，第一种:Sink节点随机出现在指定区域的四个点(6,6),(6,-6),(-6,6),(-6,-6).Sink newSinkRandom();在每次获得Sink节点对象时，我们首先查看它处于哪个区域。我们同样适用Math. Random()*4来生成一个随机数字。将该数字强制转化为Int类型，由于精度的丢失，该数字会变为0,1,2，3生成几率相等。于是，为Sink节点重新赋值Flag为该新生成的随机数字。该数字为了保证T+1时刻Sink节点不会停留在原地，我们使用一个嵌套循环，当随机数字等于Flag时，重新生成一个随机数字直到不再相等。具体实现如下：随机生成0,1,2,3Int randomNum = (int)Math.Random()*4随机数字与Flag相等While( Sink.getFlag=randomNum)再次调用该函数randomNum = (int)Math.Random()*4为Sink重新设置Flag，T+1时刻Sink将出现在此处Sink.setFlag(randomNum)3) Sink节点第二种移动模式:根据传感器网络节点在指点四个区域出现概率分配Sink出现几率Sink newSinkSort();在