CN103269506A - 一种干扰感知的移动无线传感器网络路由方法 - Google Patents
一种干扰感知的移动无线传感器网络路由方法 Download PDFInfo
- Publication number
- CN103269506A CN103269506A CN2013101450788A CN201310145078A CN103269506A CN 103269506 A CN103269506 A CN 103269506A CN 2013101450788 A CN2013101450788 A CN 2013101450788A CN 201310145078 A CN201310145078 A CN 201310145078A CN 103269506 A CN103269506 A CN 103269506A
- Authority
- CN
- China
- Prior art keywords
- node
- routing
- over
- hop
- neighbor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种移动无线传感器网络路由方法,其利用概率干扰模型和GPSR路由方法,综合考虑信号功率随机衰减和传输干扰,实现基于接收信号功率随机变化和干扰感知的路由。本发明的路由方法能够兼顾每个数据包的能量消耗和平均时延,针对暂停时间和最大移动速度两个模型参数的不同取值,均具有更高的分组递交率,可更好地满足较高可靠性要求的实际移动场景应用。
Description
技术领域
本发明涉及一种网络路由方法,特别涉及一种移动无线传感器网络路由方法。
背景技术
无线传感器网络(Wireless Sensor Network,WSN)采用无线通信传输数据,由于距离变化、多径效应和阴影衰落等影响,信号在无线信道会发生衰减;同时,无线信道的广播特性导致数据传输会受到干扰。为了实现WSN有效收集数据,传感器节点可能需要按照某种移动模型进行移动,此时,实现移动环境下的高效路由更加困难。因此,结合接收信号功率变化的随机特性,研究干扰感知的移动无线传感器网络(Mobile Wireless Sensor Network,MWSN)路由问题,实现高效的数据传输具有挑战性。
由于无线信道传输具有广播的特性,因此,干扰会对无线数据传输产生影响,从而明显地影响网络性能。干扰模型主要用于分析刻画无线传输中的干扰问题,典型的干扰模型主要包括协议干扰模型和物理干扰模型。协议干扰模型认为传输范围内的节点可以相互通信,而干扰范围内节点的同时传输就会产生干扰。物理干扰模型认为数据传输的成功与否依赖于接收节点的信干噪比(Signal to Interference and Noise Ratio,SINR)和SINR应满足的最小阈值。与协议干扰模型相比,物理干扰模型较为复杂,但更符合干扰条件下物理层的实际数据传输。
现有技术在利用干扰模型时简单地将信号功率衰减归结为路径损耗,即仅与距离有关的信号功率确定衰减,这是不符合实际情形的。由于传输环境的复杂性,信号功率衰减具有随机不确定性,这种情形在移动环境下更加明显。
发明内容
针对现有技术的不足,本发明提供了一种干扰感知的移动无线传感器网络路由方法,旨在提高分组递交率,更好地满足较高可靠性要求的实际移动场景应用。
为达到以上目的,本发明是采取如下技术方案予以实现的:
一种干扰感知的移动无线传感器网络路由方法,应用于移动无线传感器网络,其中,移动无线传感器网络节点定时广播Hello包向其它节点传递自己的位置信息,从而获得移动无线传感器网络节点的地理位置信息和邻居信息,所述邻居分为1跳邻居和2跳邻居,在Hello包广播过程中,利用邻居发现方法同时确定节点的1跳邻居集合1NB和2跳邻居集合2NB,所述方法具体包括以下步骤:
(a)将当前移动无线传感器网络节点i置为源节点Source,跳数h置为1;
(b)判断节点i是否为目的节点Sink,如果否,则转入步骤(c),否则,说明该节点i已经为目的节点Sink,转入步骤(n);
(c)计算节点i到目的节点Sink的距离diSink,置贪婪模式下一跳节点Nexthop为空,最大选择概率MaxPr为-∞;
(d)对于节点i的1NB中的邻居节点j,计算节点i到节点j的距离dij和节点j到目的节点Sink的距离diSink,跨层获得节点j的剩余能量,分别根据下式计算概率μij、ηij和ρij:
(e)判断节点j是否为前向邻居,如果是,转入步骤(f),否则,转入步骤(i);
(f)判断节点j的2跳邻居集合2NB是否为空集,如果否,转入步骤(g),否则,转入步骤(h);
(g)根据下式计算概率ξij:
其中,h为路由发现过程中数据包经过已经完成路由决策节点的跳数,κ为干扰调节因子,取MaxPr和ξij中的较大值作为新的MaxPr,MaxPr对应节点置为Nexthop,转入步骤(i);
(h)置MaxPr为1,节点j为Nexthop;
(i)如果节点i的1NB中的邻居未遍历完,则从节点i的1NB中取下一个邻居j,并返回步骤(d),否则转入步骤(j);
(j)判断Nexthop是否为非空,如果是,转入步骤(k),否则,转入步骤(l);
(k)将当前节点i置为节点Nexthop,跳数h增加1,转发数据包,返回步骤(b);
(l)置周边转发模式下一跳节点Pnexthop为空,周边转发寻找Pnexthop,并判断Pnexthop是否为非空,如果是,转入步骤(m),否则,说明路由失败,结束路由过程;
(m)将当前节点i置为节点Pnexthop,跳数h增加1,转发数据包,返回步骤(b);
(n)输出路由路径。
与现有技术相比,本发明的路由方法能够兼顾每个数据包的能量消耗和平均时延,针对暂停时间和最大移动速度两个模型参数的不同取值,均具有更高的分组递交率,可更好地满足较高可靠性要求的实际移动场景应用。
附图说明
图1是数据传输成功的概率α和τ在不同d值情形下随干扰节点个数n的变化;
图2是数据传输成功的概率α和τ在不同d值情形下随SINR阈值β的变化;
图3是不同跳数h下路由选择概率ξij与干扰调节因子κ的关系;
图4是κ=2和h=3时路由选择概率ξij与ηij和μij·ρij的变化关系;
图5是源节点和目的节点的位置示意图;
图6是图5所示的1个目的节点和4个源节点在信号功率随机衰减和确定衰减情形下单跳分组递交率随圆半径的变化;
图7是不同暂停时间下,节点数目为100和50的MWSN分别采用本发明的RCIAR路由方法和GPSR路由方法时分组递交率的变化;
图8是节点数目为100和50的MWSN仿真场景中目的节点对应的路径和链路随暂停时间变化的情形;
图9是不同暂停时间下,节点数目为100和50的MWSN分别采用本发明的RCIAR路由方法和GPSR路由方法时每个数据包能量消耗的变化;
图10是不同暂停时间下,节点数目为100和50的MWSN采用本发明的RCIAR路由方法和GPSR路由方法时平均时延的变化情形;
图11是不同的最大移动速度下,节点数目为100和50的MWSN分别采用本发明的RCIAR路由方法和GPSR路由方法时分组递交率的变化;
图12是节点数目为100和50的MWSN仿真场景中目的节点对应的路径和链路随最大移动速度变化的情形;
图13是不同的最大移动速度下,节点数目为100和50的MWSN分别采用本发明的RCIAR路由方法和GPSR路由方法时每个数据包能量消耗的变化;
图14是不同的最大移动速度下,节点数目为100和50的MWSN采用本发明的RCIAR路由方法和GPSR路由方法时平均时延的变化。
具体实施方式
以下结合附图及实施例对本发明作进一步的详细描述。
本发明的核心思想在于利用概率干扰模型和GPSR路由方法,综合考虑信号功率随机衰减和传输干扰,实现基于接收信号功率随机变化和干扰感知的路由(received signal power Random Change based Interference-Aware Routing,RCIAR)。
1、概率干扰模型
为了更加真实地刻画无线通信受到的干扰,本发明采用物理干扰模型进行分析。物理干扰模型认为干扰条件下的数据传输是由接收节点的信干噪比SINR决定的。设节点i向节点j发送数据,则节点j处的SINRj为
其中,Pi和Pk分别为节点j收到节点i和k发送数据包的信号接收功率,E是环境噪声功率,Γ(i)是与节点i同时传输数据的节点k构成的集合,该集合元素个数记为|Γ(i)|=n。通常环境噪声与干扰信号相比可忽略不计,因此,式(1)可表示为
设β是节点j成功接收节点i发送数据包应满足的最小SINR阈值,则节点i向节点j成功发送数据应满足如下条件
SINRj>β (3)
当信号接收功率随机变化时,对于给定距离的发送节点和接收节点而言,某个数据包只能以某种概率被成功接收。在不考虑时间相关性的前提下,假设所有节点的发送功率相同,用P表示,节点i发送的数据包到达节点j的信号接收功率Pi服从指数分布,其概率密度函数为
其中,θ是接收功率的均值,仅与距离有关,定义为
在式(5)中,d为发送节点和接收节点之间的欧几里得距离,α为路径损耗因子,本发明取α为2。
由于与节点j并发传输数据的干扰节点的地理分布难以精确确定,因此,本发明针对距离节点j最近和最远的干扰节点进行分析。假设所有干扰节点位于距离节点j最近的圆上,半径为dL,由式(4)可知,Pk服从指数分布,其概率密度函数为
由式(5)可知,平均功率θ与距离d的变化趋势相反,于是,可推出平均功率θU为
设干扰节点相互独立,由式(7)可知,干扰功率Y为n个独立指数分布随机变量的和,服从爱尔朗分布,其概率密度函数为
当接收功率X和干扰功率Y相互独立时,由式(6)和式(9)可得Z=X/Y的概率密度函数,即SINRj的概率密度函数为
z>0 (10)
为了便于计算,作如下变换
将式(11)代入式(10),整理后得
由积分公式 递推可知
∫tnexp(at)dt=exp(at)·Δ (13)
其中
注意到b<0,根据式(13)和式(14),于是有
将式(11)和式(15)代入式(12),得SINRj的概率密度函数为
将式(8)代入式(16),化简得
于是,由式(2)、式(3)和式(17)得到新的干扰模型,即干扰条件下节点j成功接收节点i发送数据包的概率(数据传输成功的概率)为
当所有干扰节点位于距离节点j最远的圆上时,半径为dU,同理可得此时数据传输成功的概率为
显然,假设过高估计了干扰的水平,而低估了数据传输成功的概率α和τ。假设节点的传输半径为C=50m,令dL=C,dU=2·C。图1给出了数据传输成功的概率α和τ在不同d值情形下随干扰节点个数n的变化。图2则给出了数据传输成功的概率α和τ在不同d值情形下随SINR阈值β的变化。从图1和图2可知,干扰节点越多,SINR阈值β越大,发送节点和接收节点之间的距离越远,则数据传输成功的概率α和τ越小;反之,则数据传输成功的概率α和τ越大。
2、RCIAR路由方法
作为典型的WSN地理路由方法,GPSR路由方法主要采用贪婪模式进行数据转发,即在当前节点的邻居节点中选择距离目的节点最近的节点作为下一跳节点;当遇到路由空洞时,则采用周边转发模式,利用右手法则沿空洞周围转发数据。显然,GPSR路由方法并没有考虑接收信号功率的随机变化和数据传输中的干扰问题。在不确定的信号功率衰减情形下,由于贪婪模式数据转发选择的下一跳节点倾向于靠近目标节点而远离当前节点,因此,此时的数据转发难以获得成功。当MWSN存在多个数据流时,由于节点在移动环境下同时存在流内干扰和流间干扰,因此,数据成功转发更加困难。
2.1节点的移动模型
本发明在RCIAR路由方法在考虑MWSN移动场景时,采用本领域常用的RWP移动模型作为参照。假设MWSN中所有节点均为相互独立的移动节点,包括源节点和目的节点。下面以节点i为例描述节点在RWP模型下的移动过程。假设仿真区域Ω为二维凸区域,初始时节点i位于路点(目标节点)ζ1所在的位置。节点i随机等待一段暂停时间ψ1后,以速度χ1从当前路点ζ1移动到随机选择的下一个路点ζ2,当节点i到达路点ζ2后,重复上述过程。上述移动过程可表示为四元组序列:
(ζ1,ζ2,ψ1,χ1),(ζ2,ζ3,ψ2,χ2),(ζ3,ζ4,ψ3,χ3),…
上述序列进一步可以表示为
(ζl,ζl+1,ψl,χl)
其中,l=1,2,…,ζl均匀分布于上述区域Ω中,ψl为区间[0,ψpause]上均匀分布的独立随机变量,χl为区间[0,χmax]上均匀分布的独立随机变量,ψpause和χmax分别为指定的节点暂停时间和最大移动速度。
2.2干扰感知的路由指标
在RCIAR路由方法中,当前节点首先选择前向邻居(比当前节点更靠近目的节点的邻居)中距离目的节点最近的节点作为下一跳节点。设diSink和diSink分别表示当前节点i和前向邻居节点j到目的节点Sink的距离,为了刻画邻居节点j和目标节点Sink的接近程度,定义概率μij为
邻居节点j越靠近目标节点,则μij越大;反之,μij越小。
为了综合考虑信号功率随机衰减和主要干扰的影响,本发明的RCIAR路由方法采用上文提出的概率干扰模型,并且假设接收节点受到的干扰是由2跳邻居节点造成的。设dij表示发送节点i和接收节点j之间的距离,nij表示当节点j接收节点i发送数据包时干扰节点的数目,为了刻画干扰条件下数据成功传输的可能性大小,由式(18)和式(19)定义概率ηij为
发送节点i和接收节点j的距离越近,干扰节点的数目越少,则ηij越大;反之,ηij越小。
本发明的RCIAR路由方法在选择下一跳节点时加入了能量因素,设eij表示节点i的前向邻居节点j的剩余能量,N(i)表示节点i的前向邻居节点集合,为了刻画节点i的前向邻居节点j的剩余能量相对大小,定义概率ρij为
前向邻居节点j的剩余能量越大,则ρij越大;反之,ρij越小。
综合式(20)、式(21)和式(22)构造当前节点在路由选择时新的干扰感知的概率路由指标
其中,h为路由发现过程中数据包经过已经完成路由决策节点的跳数,κ为干扰调节因子。图3给出了不同跳数h下路由选择概率ξij与干扰调节因子κ的关系,从图3可知,随着跳数h的增加,当κ.>2时路由选择概率ξij逐渐趋于平稳,即κ的调节作用逐渐减小,因此,本发明在后文将要描述的仿真实验中选择κ=2。图4给出了当κ=2和h=3时路由选择概率ξij与ηij和μij·ρij的变化关系,从图4和式(23)可知,此时干扰因素对路由选择概率ξij具有更大的影响,这样便于验证上述干扰模型的有效性。在路由决策时,当前节点i始终选择ξij最大的前向邻居节点j作为下一跳节点,即在其前向邻居节点中均衡考虑干扰、收敛性和节点剩余能量等多种因素后做出选择。
2.3干扰感知的路由方法
为了验证上文提出的概率干扰模型的有效性,本发明的RCIAR路由方法将式(23)定义的综合干扰、收敛性和节点剩余能量等多种因素的概率路由指标ξij嵌入其中,实现移动无线传感器网络(MWSN)节点在移动环境下的干扰感知。
为了获得MWSN节点的地理位置信息和邻居信息,MWSN节点需要定时广播Hello包向其它节点传递自己的位置信息。在本发明的RCIAR路由方法中,邻居分为1跳邻居和2跳邻居,在Hello包广播过程中,利用邻居发现方法同时确定节点的1跳邻居集合和2跳邻居集合。
(1)1跳和2跳邻居发现方法,包括以下步骤:
(a)节点i收到Hello广播包,将Hello包的上一跳节点Lasthop加入节点i的1跳邻居集合1NB;
(b)判断所述上一跳节点Lasthop是否为发送Hello包的源节点Origin,如果是,则继续广播Hello包;否则转入步骤(c);
(c)判断节点i是否为源节点Origin,如果是,则丢弃该包,否则转入步骤(d);
(d)判断源节点Origin是否属于节点i的1跳邻居集合1NB,如果否,则将源节点Origin加入节点i的2跳邻居集合2NB;
(e)得到节点i的1跳邻居集合1NB和2跳邻居集合2NB。
上述1跳和2跳邻居发现方法,利用计算机程序伪码形式可表示如下:
(2)在得到节点的1跳邻居集合1NB和2跳邻居集合2NB的基础上,RCIAR路由方法包括以下步骤:
(a)将当前移动无线传感器网络节点i置为源节点Source,跳数h置为1;
(b)判断节点i是否为目的节点Sink,如果否,则转入步骤(c),否则,说明该节点i已经为目的节点Sink,转入步骤(n);
(c)计算节点i到目的节点Sink的距离diSink,置贪婪模式下一跳节点Nexthop为空,最大选择概率MaxPr为-∞;
(d)对于节点i的1NB中的邻居节点j,计算节点i到节点j的距离dij和节点j到目的节点Sink的距离diSink,跨层获得节点j的剩余能量,分别根据式(20)、式(21)和式(22)计算概率μij、ηij和ρij:
(e)判断节点j是否为前向邻居,如果是,转入步骤(f),否则,转入步骤(i);
(f)判断节点j的2跳邻居集合2NB是否为空集,如果否,转入步骤(g),否则,转入步骤(h);
(g)根据式(23)计算概率ξij,取MaxPr和ξij中的较大值作为新的MaxPr,MaxPr对应节点置为Nexthop,转入步骤(i);
(h)置MaxPr为1,节点j为Nexthop;
(i)如果节点i的1NB中的邻居未遍历完,则从节点i的1NB中取下一个邻居j,并返回步骤(d),否则转入步骤(j);
(j)判断Nexthop是否为非空,如果是,转入步骤(k),否则,转入步骤(l);
(k)将当前节点i置为节点Nexthop,跳数h增加1,转发数据包,返回步骤(b);
(l)置周边转发模式下一跳节点Pnexthop为空,周边转发寻找Pnexthop,并判断Pnexthop是否为非空,如果是,转入步骤(m),否则,说明路由失败,结束路由过程;
(m)将当前节点i置为节点Pnexthop,跳数h增加1,转发数据包,返回步骤(b);
(n)输出路由路径。
上述RCIAR路由方法,利用计算机程序伪码形式可表示如下:
上述邻居发现方法较为简单,主要为计算和判断的基本操作,显然是可终止的;第1行是获得当前节点的1跳邻居集合,第2行至第13行是获得当前节点的2跳邻居集合,显然是有效的。其时间复杂度为算术运算的常数时间,空间复杂度主要由当前节点的1跳邻居集合和2跳邻居集合的大小决定。下面重点分析上述RCIAR路由方法的正确性和复杂度。
(1)关于RCIAR路由方法的正确性
上述RCIAR路由方法中,第1行是当前节点初始化的基本操作,自然是可终止的;第2行至第36行是在源节点和目的节点之间重复实现当前节点下一跳的操作,循环上限为MWSN节点个数-1,也是可终止的,其中第6行至第22行是在当前节点的前向邻居节点中重复寻找当前节点下一跳的操作,循环上限为节点的最大邻居数,是可终止的,第28行是周边转发寻找下一跳节点,即在当前节点的非前向邻居节点中寻找下一跳节点,也是可终止的,其余行则均为计算和判断的基本操作;第37行是返回路径结果的基本操作,显然是可终止的,故方法2是可终止的。
上述RCIAR路由方法中,第1行是路由发现过程的初始化;第2行至第36行是从源节点开始直到目的节点结束的路由决策过程,其中第6行至第22行是在当前节点的邻居节点中寻找路由选择概率最大的节点,并将其作为下一跳节点,第28行是周边转发寻找下一跳节点,第37行是返回路径结果,故上述RCIAR路由方法是有效的。
可见,上述RCIAR路由方法是可终止且是有效的,因此是正确的。
(2)关于RCIAR路由方法的复杂度
设MWSN节点个数为V,每个节点的最大邻居数为W,包含邻居列表在内的节点信息的存储空间为M,其余临时存储空间为Q,则上述RCIAR路由方法在最坏情形下的时间复杂度为O(V·W),空间复杂度为O(V·M+V·Q)。
证明过程如下:RCIAR路由方法中,第2行至第36行包含了二重循环,外循环是从源节点开始直到目的节点结束的路由决策过程,循环上限为V-1,内循环是在当前节点的邻居节点中寻找路由选择概率最大的节点,循环上限为W,而周边转发寻找下一跳节点的时间复杂度最大为O(W),因此,该二重循环的时间复杂度为O(V·W)。其余部分均为当前节点的基本操作和算术运算,时间复杂度为算术运算的常数时间。由于上述二重循环的时间复杂度决定了RCIAR路由方法的时间复杂度,因此RCIAR路由方法在最坏情形下的时间复杂度为O(V·W)。
由于每个节点包含邻居列表在内的节点信息的存储空间为M,因此,所有节点的存储空间为V·M。RCIAR路由方法在最坏情形下,每个节点均需要通过计算选择概率进行路由决策,此时方法需要的存储空间为V·Q。因此,RCIAR路由方法的空间复杂度为O(V·M+V·Q)。
3、实验验证
3.1实验设置
为了验证RCIAR路由方法的有效性,采用NS2进行了仿真。分别将100个和50个传感器节点随机部署在1500m×1000m的区域中,采用RWP移动模型随机生成5个移动场景,随机选择3个源节点和1个目的节点,考虑到信号功率随机衰减对MWSN性能指标的影响,初始状态时其中一个源节点为目的节点的邻居节点。节点的初始总能量为1000J,发送数据包的能量消耗为0.5W,接收数据包的能量消耗为0.2W,传输半径为250m,仿真时间为1200s。考虑两种仿真情景:(1)节点最大移动速度为10m/s,暂停时间从0s到1200s变化,间隔为200s,其中,0s表示节点始终在移动,而1200s表示节点始终不移动,即静止的情形。(2)节点暂停时间为400s,最大移动速度从0m/s到20m/s变化,间隔为5m/s,其中,0m/s表示节点始终不移动,即静止的情形。实验结果为上述实验的平均数据。仿真设置为移动环境下多个源节点和单个目的节点场景,可以验证在移动场景下干扰感知路由方法的性能。
与信号功率确定衰减和无干扰的WSN理想情形相比,在信号功率随机衰减而且存在干扰的情形下,MWSN数据成功传输的可能性明显减小,此时,目标节点成功接收数据包的重要性尤为突出。因此,重点关注MWSN的分组递交率随RWP移动模型中暂停时间和最大移动速度的变化情形,同时兼顾传输成功的每个数据包能量消耗和平均时延的相应变化。
3.2实验结果与分析
为了验证信号功率随机衰减对数据传输的影响,选择图5所示的场景,即源节点1、2、3和4均匀分布在以目的节点Sink为圆心的同心圆上,圆的半径分别为1m、50m、100m、150m、200m和250m。
图6给出了图5所示的1个目的节点和4个源节点在信号功率随机衰减和确定衰减情形下单跳分组递交率随圆半径的变化。显然,在信号功率确定衰减的情形下,只要圆半径在节点的传输范围内,1个源节点和4个源节点发送的数据包均全部被目的节点所接收。但是,在信号功率随机衰减下,当源节点和目的节点的距离超过150m时,则无法保证数据包的正确接收,而且圆半径越接近节点的传输范围,此时单跳分组递交率越低。因此,对于接收信号功率随机衰减的多跳WSN而言,获得较高的分组递交率会变得困难,如果再考虑节点移动的情形,此时分组递交率的提高将更具挑战性。因此,分组递交率性能指标的改进对于MWSN的实际性能具有重要意义。
下面分别给出MWSN性能指标随着RWP移动模型中暂停时间和最大移动速度两个参数的变化情形。
(1)性能指标随暂停时间变化
图7给出了在不同暂停时间情形下,节点数目为100和50的MWSN分别采用RCIAR和GPSR路由方法时分组递交率的变化。从图7可看出,由于RCIAR路由方法考虑了信号功率随机衰减时干扰的影响,因此,在不同暂停时间下,100个和50个节点的MWSN采用RCIAR路由方法时的分组递交率均高于GPSR路由方法,而且较大规模下的优势更为明显。
图8给出了节点数目为100和50的MWSN仿真场景中目的节点对应的路径和链路随暂停时间变化的情形。从图8可知,随着暂停时间的增加,目的节点对应的路径和链路的变化均呈现递减的趋势,即节点趋向于静止状态。这与图7中分组递交率随暂停时间增加而增大的结论是一致的。
图9给出了节点数目为100和50的MWSN分别采用RCIAR和GPSR路由方法时每个数据包能量消耗的变化。从图9可看出,MWSN采用RCIAR路由方法时每个数据包消耗的能量与采用GPSR路由方法时的情形几乎相同,而在节点始终运动,即暂停时间为0时则每个数据包消耗更少的能量。由于RCIAR路由方法在选择下一跳节点时不仅考虑信号功率随机衰减时数据传输受到的干扰,同时考虑了路由的收敛性和节点的能量因素,因此,RCIAR路由方法在提高分组递交率的同时,避免了过多节点的能量消耗。由于MWSN在节点始终运动时目的节点成功接收的数据包数目较少,因此,此时每个数据包的能量消耗均迅速增加,而RCIAR路由方法较GPSR路由方法获得的更多数据包导致了每个数据包的能量消耗明显下降。
图10给出了节点数目为100和50的MWSN采用RCIAR和GPSR路由方法时平均时延的变化情形。从图10可看出,MWSN采用RCIAR路由方法的平均时延较采用GPSR路由方法时的平均时延大多数情形下略微增加,但总体处于相同或可接受的水平。由于RCIAR路由方法在路由选择时考虑信号功率随机衰减时数据传输受到的干扰,因此,一定的时延开销是可以接受的。
(2)性能指标随最大移动速度变化
图11给出了在不同的最大移动速度情形下,节点数目为100和50的MWSN分别采用RCIAR和GPSR路由方法时分组递交率的变化。从图11可看出,由于RCIAR路由方法考虑了信号功率随机衰减时干扰的影响,因此,在不同最大移动速度下,100个和50个节点的MWSN采用RCIAR路由方法时的分组递交率均高于GPSR路由方法。
图12给出了节点数目为100和50的MWSN仿真场景中目的节点对应的路径和链路随最大移动速度变化的情形。从图12可知,随着最大移动速度的增加,目的节点对应的路径和链路的变化均呈现递增的趋势,即节点从静止状态趋向于更快的移动。需要注意的是,目的节点对应的路径和链路从静止到最大移动速度5m/s时的变化较随后其它速度变化时的情形尤其明显,这与图11中分组递交率随最大移动速度增加而变化的趋势是相吻合的。
图13给出了节点数目为100和50的MWSN分别采用RCIAR和GPSR路由方法时每个数据包能量消耗的变化。图14给出了节点数目为100和50的MWSN采用RCIAR和GPSR路由方法时平均时延的变化。从图13和图14可看出,尽管多数情形下MWSN采用RCIAR路由方法时每个数据包消耗的能量和平均时延略微大于采用GPSR路由方法时的情形,但总体而言,每个数据包的能量消耗和平均时延均处于相同或可接受的水平。
由上可见,本发明针对信号功率随机衰减条件下的干扰问题,利用概率理论刻画无线干扰的不确定性,提出了数据成功传输的概率干扰模型和MWSN干扰感知的RCIAR概率路由方法,同时讨论了该方法的正确性和时空复杂度。基于RWP移动模型的NS2仿真实验验证了本发明提出的干扰感知路由方法的有效性。
应当理解,以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定专利保护范围。
Claims (2)
1.一种干扰感知的移动无线传感器网络路由方法,应用于移动无线传感器网络,其中,移动无线传感器网络节点定时广播Hello包向其它节点传递自己的位置信息,从而获得移动无线传感器网络节点的地理位置信息和邻居信息,优选地,所述邻居分为1跳邻居和2跳邻居,在Hello包广播过程中,利用邻居发现方法同时确定节点的1跳邻居集合1NB和2跳邻居集合2NB,所述方法具体包括以下步骤:
(a)将当前移动无线传感器网络节点i置为源节点Source,数据包经过已完成路由决策节点的跳数h置为1;
(b)判断节点i是否为目的节点Sink,如果否,则转入步骤(c),否则,说明该节点i已经为目的节点Sink,转入步骤(n);
(c)计算节点i到目的节点Sink的距离diSink,置贪婪模式下一跳节点Nexthop为空,最大选择概率MaxPr为-∞;
(d)对于节点i的1NB中的邻居节点j,计算节点i到节点j的距离dij和节点j到目的节点Sink的距离diSink,跨层获得节点j的剩余能量,分别根据下式计算概率μij、ηij和ρij:
(e)判断节点j是否为前向邻居,如果是,转入步骤(f),否则,转入步骤(i);
(f)判断节点j的2跳邻居集合2NB是否为空集,如果否,转入步骤(g),否则,转入步骤(h);
(g)根据下式计算概率ξij:
其中,h为所述跳数,κ为干扰调节因子,取MaxPr和ξij中的较大值作为新的MaxPr,MaxPr对应节点置为Nexthop,转入步骤(i);
(h)置MaxPr为1,节点j为Nexthop;
(i)如果节点i的1NB中的邻居未遍历完,则从节点i的1NB中取下一个邻居j,并返回步骤(d),否则转入步骤(j);
(j)判断Nexthop是否为非空,如果是,转入步骤(k),否则,转入步骤(l);
(k)将当前节点i置为节点Nexthop,跳数h增加1,转发数据包,返回步骤(b);
(l)置周边转发模式下一跳节点Pnexthop为空,周边转发寻找Pnexthop,并判断Pnexthop是否为非空,如果是,转入步骤(m),否则,说明路由失败,结束路由过程;
(m)将当前节点i置为节点Pnexthop,跳数h增加1,转发数据包,返回步骤(b);
(n)输出路由路径。
2.根据权利要求1所述的干扰感知的移动无线传感器网络路由方法,其中,优选的,所述邻居发现方法包括以下步骤:
(a)节点i收到Hello广播包,将Hello包的上一跳节点Lasthop加入节点i的1跳邻居集合1NB;
(b)判断所述Lasthop是否为发送Hello包的源节点Origin,如果是,则继续广播Hello包;否则转入步骤(c);
(c)判断节点i是否为源节点Origin,如果是,则丢弃该包,否则转入步骤(d);
(d)判断源节点Origin是否属于节点i的1NB,如果否,则将源节点Origin加入节点i的2跳邻居集合2NB;
(e)得到节点i的1跳邻居集合1NB和2跳邻居集合2NB。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310145078.8A CN103269506B (zh) | 2013-04-24 | 2013-04-24 | 一种干扰感知的移动无线传感器网络路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310145078.8A CN103269506B (zh) | 2013-04-24 | 2013-04-24 | 一种干扰感知的移动无线传感器网络路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103269506A true CN103269506A (zh) | 2013-08-28 |
CN103269506B CN103269506B (zh) | 2015-11-11 |
Family
ID=49013107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310145078.8A Expired - Fee Related CN103269506B (zh) | 2013-04-24 | 2013-04-24 | 一种干扰感知的移动无线传感器网络路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103269506B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103561426A (zh) * | 2013-11-04 | 2014-02-05 | 南京邮电大学 | 容迟移动传感网中基于节点活跃度的改进概率路由方法 |
CN103582027A (zh) * | 2013-12-02 | 2014-02-12 | 北京中电普华信息技术有限公司 | 一种无线通信信道参数的估计方法及装置 |
CN105050151A (zh) * | 2015-06-25 | 2015-11-11 | 北京科技大学 | 基于能量感知和位置预测的olsr路由方法 |
CN105392176A (zh) * | 2015-10-16 | 2016-03-09 | 国家电网公司 | 一种执行器节点执行能力的计算方法 |
CN106686659A (zh) * | 2017-02-14 | 2017-05-17 | 重庆邮电大学 | 一种基于aomdv的能量感知节点不相交多路径路由算法 |
CN107529176A (zh) * | 2016-06-22 | 2017-12-29 | 富士通株式会社 | 无线网络部署方法和装置以及资源调度方法和装置 |
CN108306693A (zh) * | 2018-01-22 | 2018-07-20 | 四川斐讯信息技术有限公司 | 一种基于可编程衰减器的无线性能测试方法及系统 |
CN110826914A (zh) * | 2019-11-07 | 2020-02-21 | 陕西师范大学 | 基于差异性的学习小组分组方法 |
WO2020073586A1 (zh) * | 2018-10-09 | 2020-04-16 | 长沙理工大学 | 一种干扰感知的无线携能传输路由方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008151242A1 (en) * | 2007-06-04 | 2008-12-11 | New Jersey Institute Of Technology | Multi-criteria optimization for relaying in multi-hop wireless ad hoc and sensor networks |
CN102651886A (zh) * | 2011-02-23 | 2012-08-29 | 中国科学院声学研究所 | 一种基于能量感知的gpsr动态路由选择方法及系统 |
-
2013
- 2013-04-24 CN CN201310145078.8A patent/CN103269506B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008151242A1 (en) * | 2007-06-04 | 2008-12-11 | New Jersey Institute Of Technology | Multi-criteria optimization for relaying in multi-hop wireless ad hoc and sensor networks |
CN102651886A (zh) * | 2011-02-23 | 2012-08-29 | 中国科学院声学研究所 | 一种基于能量感知的gpsr动态路由选择方法及系统 |
Non-Patent Citations (3)
Title |
---|
JUNLING LU等: "Interference-Aware Probabilistic Routing for Wireless Sensor Networks", 《TSINGHUA SCIENCE AND TECHNOLOGY》, vol. 7, no. 5, 31 October 2012 (2012-10-31) * |
吴三斌等: "改进的GPSR模型及其仿真分析", 《计算机工程与应用》, 31 December 2011 (2011-12-31) * |
文凯等: "基于跨层设计的传感器网络路由协议", 《计算机应用研究》, vol. 25, no. 3, 31 March 2008 (2008-03-31) * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103561426A (zh) * | 2013-11-04 | 2014-02-05 | 南京邮电大学 | 容迟移动传感网中基于节点活跃度的改进概率路由方法 |
CN103561426B (zh) * | 2013-11-04 | 2016-08-17 | 南京邮电大学 | 容迟移动传感网中基于节点活跃度的改进概率路由方法 |
CN103582027A (zh) * | 2013-12-02 | 2014-02-12 | 北京中电普华信息技术有限公司 | 一种无线通信信道参数的估计方法及装置 |
CN103582027B (zh) * | 2013-12-02 | 2016-08-31 | 北京中电普华信息技术有限公司 | 一种无线通信信道参数的估计方法及装置 |
CN105050151B (zh) * | 2015-06-25 | 2018-08-07 | 北京科技大学 | 基于能量感知和位置预测的olsr路由方法 |
CN105050151A (zh) * | 2015-06-25 | 2015-11-11 | 北京科技大学 | 基于能量感知和位置预测的olsr路由方法 |
CN105392176A (zh) * | 2015-10-16 | 2016-03-09 | 国家电网公司 | 一种执行器节点执行能力的计算方法 |
CN105392176B (zh) * | 2015-10-16 | 2019-06-25 | 国家电网公司 | 一种执行器节点执行能力的计算方法 |
CN107529176A (zh) * | 2016-06-22 | 2017-12-29 | 富士通株式会社 | 无线网络部署方法和装置以及资源调度方法和装置 |
CN106686659A (zh) * | 2017-02-14 | 2017-05-17 | 重庆邮电大学 | 一种基于aomdv的能量感知节点不相交多路径路由算法 |
CN106686659B (zh) * | 2017-02-14 | 2020-02-11 | 重庆邮电大学 | 一种基于aomdv的能量感知节点不相交多路径路由算法 |
CN108306693A (zh) * | 2018-01-22 | 2018-07-20 | 四川斐讯信息技术有限公司 | 一种基于可编程衰减器的无线性能测试方法及系统 |
WO2020073586A1 (zh) * | 2018-10-09 | 2020-04-16 | 长沙理工大学 | 一种干扰感知的无线携能传输路由方法 |
CN110826914A (zh) * | 2019-11-07 | 2020-02-21 | 陕西师范大学 | 基于差异性的学习小组分组方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103269506B (zh) | 2015-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103269506B (zh) | 一种干扰感知的移动无线传感器网络路由方法 | |
Wang et al. | Green Internet of Vehicles (IoV) in the 6G era: Toward sustainable vehicular communications and networking | |
Alsheikh et al. | Markov decision processes with applications in wireless sensor networks: A survey | |
Cordeschi et al. | Reliable adaptive resource management for cognitive cloud vehicular networks | |
Muthanna et al. | Deep reinforcement learning based transmission policy enforcement and multi-hop routing in QoS aware LoRa IoT networks | |
Bhola et al. | A study on research issues and challenges in WSAN | |
Fan et al. | Utility maximization data scheduling in drone-assisted vehicular networks | |
Tang et al. | Joint topology control and stable routing based on PU prediction for multihop mobile cognitive networks | |
CN106209261B (zh) | 基于概率邻域网格的三维UASNs的移动数据收集方法 | |
Ahmed et al. | Energy-efficient UAV relaying robust resource allocation in uncertain adversarial networks | |
Chen et al. | Structure-free general data aggregation scheduling for multihop battery-free wireless networks | |
Sivakumar | Minimizing transmission loss using inspired ant colony optimization and Markov chain Monte Carlo in underwater WSN environment | |
Li et al. | Multi-Agent Federated DRL Enabled Resource Allocation for Air-Ground Integrated IoV Network | |
Su et al. | Toward optimal deployment of UAV relays in UAV-assisted Internet of Vehicles | |
Khan et al. | An Effective Data‐Collection Scheme with AUV Path Planning in Underwater Wireless Sensor Networks | |
Wu et al. | An energy-aware transmission target selection mechanism for UAV networking | |
Zhao et al. | Adaptive multi-UAV trajectory planning leveraging digital twin technology for urban IIoT applications | |
CN102802166A (zh) | 一种改进的Zigbee网络分层方法 | |
Li et al. | Joint power control and scheduling for high-dynamic multi-hop UAV communication: A robust mean field game | |
Zhang et al. | Multi-Radio Multi-Channel (MRMC) Resource Optimization Method for Wireless Mesh Network. | |
Tyagi et al. | Learning automata-based coverage oriented clustering in HWSNs | |
Mirza Samiulla Beg et al. | A comprehensive study in wireless sensor network (wsn) using artificial bee colony (abc) algorithms | |
Wang et al. | Keeping desired qos by a partial coverage algorithm for cluster-based wireless sensor networks | |
CN106231636B (zh) | 基于概率邻域覆盖集的三维UASNs的移动数据收集方法 | |
Lee et al. | Ad Hoc Communication Topology Construction for Delay‐Sensitive Internet of Vehicle Applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151111 Termination date: 20160424 |
|
CF01 | Termination of patent right due to non-payment of annual fee |