CN103746762A - 一种按需分层无线传感器网络时间同步方法 - Google Patents

Abstract

一种按需分层无线传感器网络时间同步方法，属于无线传感器网络时间同步方法。分层时间同步方法包括：根据不同的网络层次和网络结构分层应用不同的时间同步方法，在节点内部建立缓存区，缓存样本数据；设定窗口长度参数，并对在窗口内的样本进行最大似然估计，得出时钟偏差和链路延迟均值；分层时间同步方法分为三个阶段，一是层次发现阶段，在该阶段建立无线传感器网络节点的层次结构，及设定算法标志位；二是算法决定阶段，根据算法标志位决定所使用的算法并设立相应的缓冲区；三是时间同步阶段，按照不同层次使用不同的时间同步算法以进行全网内的节点时钟的同步。优点：提高了时间同步的精度；降低了能量消耗；增加了灵活性和可扩展性。

Description

一种按需分层无线传感器网络时间同步方法

技术领域

本发明涉及一种无线传感器网络时间同步方法，特别是一种按需分层无线传感器网络时间同步方法。 

背景技术

无线传感器网络是物联网及其相关领域研究的热点之一。时间同步技术是无线传感器网络中的重要研究内容，是许多无线传感器网络应用中的支撑技术。无线传感器网络是一种分布式网络，传感器网络内部节点只有保持时间同步，才能互相协作的完成相应的任务。 

对于绝大多数无线传感器网络的应用来说，时间的同步非常重要。依赖于时间同步的应用存在于无线传感器网络的方方面面，例如：TDMA无线调度；多传感器节点信息融合；估计目标移动速度；压缩冗余信息等。此外，一些诸如数据库查询、加密和验证方案、未来行动的协调、与用户交互、系统调试时有序的日志事件等应用都需要传感器节点间保持精确的时间同步。 

自Jeremy Elson和Kay Romer在2002年10月的HotNets-I会议上首次提出无线传感器网络时间同步这一研究课题以来，该领域的研究人员陆续完善了时间同步的相关理论，并开发出多种时间同步算法。 

有关无线传感器网络时间同步研究主要分为两个方向。一个方向是旨在提高全网的同步精度，它们通过分析节点的通信传输延迟提高时间戳标记的准确度，减少了延迟不确定性对时间同步精度的不利影响，从而实现全网时间同步。现有的旨在提高同步精度的时间同步算法包括采用接收-接收同步模式的RBS（Reference Broadcast Synchronization）算法、改良自NTP协议的TPSN（Timing-sync Protocol for Sensor Networks）协议、基于树型路由的Mini-Sync/Tiny-Sync算法和LTS（Lightweight Tree based Time Synchronization）算法、基于泛洪路由的FTSP（The Flooding Time Synchronization Protocol）算法以及利用双信道进行同步的TSync（lightweight bidirectional Time Synchronization）算法等。 

另一个方向的研究重心旨在提高时间同步服务其他方面的性能上，相继出现了旨在降低同步开销的层次型时间同步算法、旨在提高同步可扩展性和鲁棒性的分布式时间同步算法、强调安全性的时间同步算法以及基于异构网络和小世界网络模型的时间同步算法等。 

国内关于无线传感器网络时间同步算法的研究也比较多，多所科研机构和高校也较早地加入了无线传感器网络时间同步研究的行列，提出了多种时间同步算法。例如，中科院沈阳自动化所开发的轻量级多跳时间同步协议、北京邮电大学研究的基于生成树的时间同步算法、中科院软件所开发的基于误差统计的高能效时间同步协议、清华大学开发的基于数字锁相环的时间同步算法、上海交通大学开发的层次型时间同步算法、中国矿业大学开发的基于动态分簇的低开销时间同步协议、中国科技大学为动态无线传感器网络开发的安全时间同步算法、中科院上海微系统所开发的旨在提高同步鲁棒性的基于扩散机制的网络时间同步协议等。但 是现有的无线传感器网络时间同步算法通常是基于全网的，不易实现在一个系统的不同层次中使用不同协议，这样就降低了算法的灵活性及可扩展性。 

发明内容

本发明的目的是要提供一种按需分层无线传感器网络时间同步方法，解决目前相关技术中时间同步的性能、能耗不能根据无线传感器网络的实际应用环境做出优化和调整，不能根据网络拓扑结构进行分层使用不同特点的时间同步方法的问题。 

本发明的目的是这样实现的：分层时间同步方法包括：根据不同的网络层次和网络结构分层应用不同的时间同步方法，在节点内部建立缓存区，缓存样本数据；设定窗口长度参数，并对在窗口内的样本进行最大似然估计，得出时钟偏差和链路延迟均值；分层时间同步方法分为三个阶段，分别为层次发现阶段、算法决定阶段、时间同步阶段； 

所述的层次发现阶段，需要在所有节点中记录一个算法标志位，仅能取值0或1；所述的标志位的设定方法：根据无线传感器网络应用环境、拓扑结构及同步要求进行更改；在无线传感器网络的中，当网关节点和簇首节点间保持较高精度，对底层网络同步精度要求不高时，终端节点设置算法标志位为1以使用I-RBS算法，主干网络中设置算法标志位为0以使用MLE-TPSN算法；当在局部范围内保持很高精度，在主干网络要求精度不高时，设定终端节点算法标志位为0以使用MLE-TPSN算法，设定网关节点和簇首节点的算法标志位为1以使用I-RBS算法； 

所述的算法决定阶段，根据标志位设定所需使用的算法； 

相邻两层节点只要有一层节点为1则使用I-RBS算法；均不为1则采用MLE-TPSN算法，且在使用MLE-TPSN的层次运用下式计算结果： 

${\mathrm{\Φ}}_{\mathrm{MLE}}=\left[\begin{array}{c}{\hat{d}}_{\mathrm{MLE}}\\ {\widehat{\mathrm{\φ}}}_{\mathrm{MLE}}\\ {\widehat{\mathrm{\λ}}}_{\mathrm{MLE}}\end{array}\right]=\frac{1}{2}\left[\begin{array}{c}{M}_{\left(1\right)}+N_{\left(1\right)}\\ M_{\left(1\right)}-N_{\left(1\right)}\\ \stackrel{-}{M}+\stackrel{-}{N}-(M_{\left(1\right)}+N_{\left(1\right)})\end{array}\right]---\left(1\right)$

其中，T_1,k、T_2,k、T_3,k、T_4,k为时间戳，M_k＝T_2,k-T_1,k，N_k＝T_4,k-T_3,k，M₍₁₎＝min_1≤i≤nM_(i)，N₍₁₎＝min_1≤i≤nN_(i)，

和

分别是数据

和的样本均值；d为固定部分延迟，X_k'、Y_k'为可变部分延迟，且其分布均为均值为λ的指数分布，φ是节点间的时钟偏移，计算出结果后，由下层节点根据计算参数向上层节点同步； 

在使用I-RBS的层次运用下式计算结果： 

需调整值=（T'_1,k-T'_2,k）+（T'_4,k-T'_2,k）（2） 

其中，T'_1,k、T'_2,k、T'_3,k和T'_4,k均为时间戳； 

或者，所述方法的相邻两层只要有一层节点为0则使用I-RBS算法，均不为0则采用MLE-TPSN算法； 

所述的时间同步阶段，根据一定样本量估计出时间同步时的参数，以便下层节点向上层节点同步。 

有益效果，由于采用分层时间同步的方案，可以更好的在全网范围内同时运用TPSN及RBS算法的各自优点，且分层规则可以根据要求设定。在使用MLE-TPSN算法层次通过最大 似然估计对TPSN算法进行了估计，可以取得更高的精度，且可以根据使用要求设定窗口长度参数；在使用I-RBS算法层次通过改进广播方式，减少了同步报文交换，降低了能耗。 

优点：1、所述同步方法相比TPSN、RBS同步方法提高了时间同步的精度；所述同步方法相比TPSN同步方法降低了能量消耗；所述同步方法相比已有同步技术增加了灵活性和可扩展性。 

附图说明

图1为基于本发明应用环境的无线传感器网络节点拓扑图。 

图2为本发明方法的流程图。 

图3为本发明方法的MLE-TPSN算法层次同步原理图。 

图4为本发明方法的I-RBS算法层次同步原理图。 

图5为本发明实施例的系统结构图。 

具体实施方式

下面结合附图和实施例对本发明作进一步说明。 

实施例1：分层时间同步方法包括：根据不同的网络层次和网络结构分层应用不同的时间同步方法，在节点内部建立缓存区，缓存样本数据；设定窗口长度参数，并对在窗口内的样本进行最大似然估计，得出时钟偏差和链路延迟均值；分层时间同步方法分为三个阶段，分别为层次发现阶段、算法决定阶段、时间同步阶段； 

所述的层次发现阶段，需要在所有节点中记录一个算法标志位，仅能取值0或1；所述的标志位的设定方法：根据无线传感器网络应用环境、拓扑结构及同步要求进行更改；在无线传感器网络的中，当网关节点和簇首节点间保持较高精度，对底层网络同步精度要求不高时，终端节点设置算法标志位为1以使用I-RBS算法，主干网络中设置算法标志位为0以使用MLE-TPSN算法；当在局部范围内保持很高精度，在主干网络要求精度不高时，设定终端节点算法标志位为0以使用MLE-TPSN算法，设定网关节点和簇首节点的算法标志位为1以使用I-RBS算法； 

所述的算法决定阶段，根据标志位设定所需使用的算法； 

相邻两层节点只要有一层节点为1则使用I-RBS算法；均不为1则采用MLE-TPSN算法，且在使用MLE-TPSN的层次运用下式计算结果： 

${\mathrm{\Φ}}_{\mathrm{MLE}}=\left[\begin{array}{c}{\hat{d}}_{\mathrm{MLE}}\\ {\widehat{\mathrm{\φ}}}_{\mathrm{MLE}}\\ {\widehat{\mathrm{\λ}}}_{\mathrm{MLE}}\end{array}\right]=\frac{1}{2}\left[\begin{array}{c}{M}_{\left(1\right)}+N_{\left(1\right)}\\ M_{\left(1\right)}-N_{\left(1\right)}\\ \stackrel{-}{M}+\stackrel{-}{N}-(M_{\left(1\right)}+N_{\left(1\right)})\end{array}\right]---\left(1\right)$

其中，T_1,k、T_2,k、T_3,k、T_4,k为时间戳，M_k＝T_2,k-T_1,k，N_k＝T_4,k-T_3,k，M₍₁₎＝min_1≤i≤nM_(i)，N₍₁₎＝min_1≤i≤nN_(i)，和分别是数据

和

的样本均值；d为固定部分延迟，X_k'、Y_k'为可变部分延迟，且其分布均为均值为λ的指数分布，φ是节点间的时钟偏移，计算出结果后，由下层节点根据计算参数向上层节点同步； 

在使用I-RBS的层次运用下式计算结果： 

需调整值=（T'_1,k-T'_2,k）+（T'_4,k-T'_2,k）（2） 

其中，T'_1,k、T'_2,k、T'_3,k和T'_4,k均为时间戳； 

或者，所述方法的相邻两层只要有一层节点为0则使用I-RBS算法，均不为0则采用MLE-TPSN算法； 

所述的时间同步阶段，根据一定样本量估计出时间同步时的参数，以便下层节点向上层节点同步。 

利用融合TPSN与RBS同步方法实现按需分层时间同步。 

附图1为多数情况下的无线传感器网络系统的节点拓扑图，其中星形节点为网关节点，承担有线无线转换节点、与控制系统或其它网络相连的任务；实心圆节点为簇首节点，承担数据压缩、融合、处理及上报任务；空心圆节点为终端节点，承担数据采集、初处理和上报任务。如附图1所示，实线为有线或无线通信链路，虚线为无线通信链路，且网关节点与簇首节点相互通信，簇首节点与网关节点、终端节点、其它簇首节点相互通信，终端节点与簇首节点相互通信。并且，由于簇首节点在实际应用系统中分布范围较广、所负责传输的信息数量庞大，所以需要各簇首节点间，及与网关节点间保持较高的同步精度。而终端节点分布集中、功能单一、距离较近，对时间同步的要求不是很高，采用所述按需分层时间同步方法这样也可以有效的减少部分全网能耗。 

所述按需分层时间同步方法通过层次发现、算法决定、时间同步三个阶段，且按照附图2的流程完成时间的精确同步，下面结合附图2做一详细说明。当无线传感器网络系统上电、重新运行或需要同步时，首先进入参数选择，同时计时，若需要更改算法标志位设定方式或窗口长度参数则在此时更改，若不需更改则在计时到达设定值后自动采用默认设置，默认设置为最底层采用I-RBS同步方法，其他层次采用MLE-TPSN同步方法，且窗口长度参数设为10，然后进入层次发现阶段。 

按需分层时间同步方法进入层次发现阶段后，根节点设置自己为第1级，一个节点在首次收到第i级节点发出的广播数据后，便将自己设定为第i+1级节点，一个节点当通过数据包交换检测到自己为终端节点后，将自己节点缓存区内的算法标志位置1，若检测到自己不是终端节点则设置算法标志位为0，建立自己的层次并设立算法标志位后便忽略其它任何层次发现阶段的数据包，防止网络中大量的重复、无用报文产生洪泛堵塞。以此类推，直到所有节点建立自己的级别，层次发现阶段结束。系统运行过程中，若有节点出现无响应或回复异常数据，则可判断已有节点死亡或网络拓扑结构变化，则重新启动层次发现阶段。 

层次发现阶段完成后，进入算法决定阶段，相邻级别的节点间进行信息交换，其中包含算法标志位，若相邻级别的节点间算法标志位均为1，则采用I-RBS算法，若不是均为1，则采用MLE-TPSN算法，并对采用MLE-TPSN算法的节点进行适量的缓存区分配，以便在时间同步阶段进行极大似然估计时缓存一定的样本数据。所述的I-RBS为改进型参考广播同步，Improved Reference Broadcast Synchronization；所述的MLE-TPSN为基于最大似然估计的传感器网络定时同步协议，Based on Maximum Likelihood Estimate Timing-s_ync Protocol for Sensor Networks。 

最后开始时间同步阶段。在使用MLE-TPSN算法的层次间，由第i+1级节点向第i级节点发起同步，如附图3所示，其中节点A为第i+1级节点，节点B为第i级节点，k为同步信息交换次数。 

所述算法通过握手实现时间同步，首先，节点A向节点B发送同步包，其中包含节点A在发送该信息时的本地时间T_1,k，节点B在收到此条信息后记录收到的本地时间T_2,k；其次，节点B向节点A发送一个确认包，其中包含节点B在发送该信息时的本地时间T_3,k，及T_2,k，节点A收到第二条同步信息时记录本地时间T_4,k。最后节点A通过T_1,k、T_2,k、T_3,k、T_4,k计算自己与节点B的时间偏差，并完成与节点B的时间同步。 

根据上文所述的同步过程，可得其时钟偏移和链路延迟的数学模型为： 

T_2,k＝T_1,k+d+φ+X_k'   （3） 

T_4,k＝T_3,k+d-φ+Y_k'   （4） 

其中，d为固定部分延迟，X_k'、Y_k'为可变部分延迟，根据文献和在对称链路延迟时，可假设其分布均为均值为λ的指数分布，φ是节点间的时钟偏移。根据该数学模型，可以对其进行极大似然估计的理论推导，为便于推导，定义M_k＝T_2,k-T_1,k，N_k＝T_4,k-T_3,k，则上述公式可改为： 

M_k＝d+φ+X_k'   （5） 

N_k＝d-φ+Y_k'   （6） 

由此可得其似然函数为^[8]： 

$L(d,\mathrm{\φ},\mathrm{\λ})={\mathrm{\λ}}^{-2n}{e}^{-\frac{(\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{U}_k+\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{V}_k-2\mathrm{nd})}{\mathrm{\λ}}}---\left(7\right)$

其中定义域I＝[M₍₁₎≥d+φ,N₍₁₎≥d-φ]，且M₍₁₎＝min_1≤i≤nM_(i)，N₍₁₎＝min_1≤i≤nN_(i)。 

通过计算可得向量参数Φ_MLE＝[dφλ]的极大似然估计为： 

${\mathrm{\Φ}}_{\mathrm{MLE}}=\left[\begin{array}{c}{\hat{d}}_{\mathrm{MLE}}\\ {\widehat{\mathrm{\φ}}}_{\mathrm{MLE}}\\ {\widehat{\mathrm{\λ}}}_{\mathrm{MLE}}\end{array}\right]=\frac{1}{2}\left[\begin{array}{c}{M}_{\left(1\right)}+N_{\left(1\right)}\\ M_{\left(1\right)}-N_{\left(1\right)}\\ \stackrel{-}{M}+\stackrel{-}{N}-(M_{\left(1\right)}+N_{\left(1\right)})\end{array}\right]---\left(8\right)$

其中，

和

分别是数据和

的样本均值。 

所以，在对一段时间的样本量进行存储和分析后，就可以估计出固定部分延迟d、节点间时钟偏移φ、可变部分延迟的均值λ，以达到提高同步精度的目的。在第n+1次同步时，第i+1级节点需要根据第1到n次，共n个同步误差的样本，运用极大似然估计，估计出可变部分延迟的均值和节点间时钟偏移的参数，以进行调整。同理，第n+2次同步时，采用第2到第n次的样本，这里称n为窗口长度参数。以此类推，这就要求节点需要建立缓存区，以缓存一定的样本量。 

在使用I-RBS的层次间，采用广播同步方法进行同步，其中节点A为终端节点，节点B、 节点C可以为簇首或其它终端节点。同步时，由节点C发出数据包，节点B和节点A分别在T'_1,k时刻和T'_2,k时刻收到了数据包，然后节点B发出数据包，其中包含T'_1,k时刻的值，节点C和节点A分别在T'_3,k时刻和T'_4,k时刻收到了数据包，此时节点A便可以将自己的时间值根据T'_1,k、T'_2,k和T'_4,k时刻的值调整自己的时钟与节点B的时钟同步，当前需要调整的时钟值为（T'_1,k-T'_2,k）+（T'_4,k-T'_2,k）。 

一次时间同步完成后，可监测无线传感器网络的运行状态，若探测到拓扑结构改变等情况则重新启动层次发现阶段，最后判断是否需要继续同步，若需要则重新进入时间同步阶段，若不需要则整个同步过程结束，释放缓存区。 

附图5为使用MATLAB仿真对所述时间同步方法与TPSN、RBS两种经典同步方法的平均误差比较图，由图可以得到所述按需分层时间同步方法（On-Demand Layered Time Synchronization Protocol，即ODLP）能取得比TPSN、RBS两种经典同步方法更高的同步精度。 

以上结合附图对本发明的具体实施方式作了说明，但这些说明不能被理解为限制了本发明的范围，本发明的保护范围由随附的权利要求书限定，任何在本发明权利要求基础上的改动都是本发明的保护范围。 

Claims (1)

1.一种按需分层无线传感器网络时间同步方法，其特征在于：分层时间同步方法包括：根据不同的网络层次和网络结构分层应用不同的时间同步方法，在节点内部建立缓存区，缓存样本数据；设定窗口长度参数，并对在窗口内的样本进行最大似然估计，得出时钟偏差和链路延迟均值；分层时间同步方法分为三个阶段，分别为层次发现阶段、算法决定阶段、时间同步阶段；

所述的层次发现阶段，需要在所有节点中记录一个算法标志位，仅能取值0或1；所述的标志位的设定方法：根据无线传感器网络应用环境、拓扑结构及同步要求进行更改；在无线传感器网络的中，当网关节点和簇首节点间保持较高精度，对底层网络同步精度要求不高时，终端节点设置算法标志位为1以使用I-RBS算法，主干网络中设置算法标志位为0以使用MLE-TPSN算法；当在局部范围内保持很高精度，在主干网络要求精度不高时，设定终端节点算法标志位为0以使用MLE-TPSN算法，设定网关节点和簇首节点的算法标志位为1以使用I-RBS算法；

所述的算法决定阶段，根据标志位设定所需使用的算法；

相邻两层节点只要有一层节点为1则使用I-RBS算法；均不为1则采用MLE-TPSN算法，且在使用MLE-TPSN的层次运用下式计算结果：

${\mathrm{\Φ}}_{\mathrm{MLE}}=\left[\begin{array}{c}{\hat{d}}_{\mathrm{MLE}}\\ {\widehat{\mathrm{\φ}}}_{\mathrm{MLE}}\\ {\widehat{\mathrm{\λ}}}_{\mathrm{MLE}}\end{array}\right]=\frac{1}{2}\left[\begin{array}{c}{M}_{\left(1\right)}+N_{\left(1\right)}\\ M_{\left(1\right)}-N_{\left(1\right)}\\ \stackrel{-}{M}+\stackrel{-}{N}-(M_{\left(1\right)}+N_{\left(1\right)})\end{array}\right]---\left(1\right)$

其中，T_1,k、T_2,k、T_3,k、T_4,k为时间戳，M_k＝T_2,k-T_1,k，N_k＝T_4,k-T_3,k，M₍₁₎＝min_1≤i≤nM_(i)，N₍₁₎＝min_1≤i≤nN_(i)，

和分别是数据

和

的样本均值；d为固定部分延迟，X_k'、Y_k'为可变部分延迟，且其分布均为均值为λ的指数分布，φ是节点间的时钟偏移，计算出结果后，由下层节点根据计算参数向上层节点同步；

在使用I-RBS的层次运用下式计算结果：

需调整值=（T'_1,k-T'_2,k）+（T'_4,k-T'_2,k）   （2）

其中，T'_1,k、T'_2,k、T'_3,k和T'_4,k均为时间戳；

或者，所述方法的相邻两层只要有一层节点为0则使用I-RBS算法，均不为0则采用MLE-TPSN算法；

所述的时间同步阶段，根据一定样本量估计出时间同步时的参数，以便下层节点向上层节点同步。

Images