CN105050150B - 野生动物保护传感网中能源有效的数据传输优化控制方法 - Google Patents

Abstract

本发明公开了一种野生动物保护传感网中能源有效的数据传输优化控制方法，该方法的步骤包括：获取每一个移动节点的通信质量、确定移动节点在时隙内是否发送数据、确定移动节点在时隙内发送的数据包数目、更新移动节点和网关节点的队列。本发明针对野生动物保护传感网中被监测目标移动的不可预期性，以及无线通信中固有的数据传输不可靠性，将每个节点抽象为一个队列，提出了资源受限的移动传感器节点与静止网关节点间能源有效的数据传输优化控制方法。本发明提出的数据传输优化控制方案对于通信负载的估计误差具有鲁棒性，与均衡负载算法相比，本发明所提出的数据传输优化控制方案能获得更高的吞吐量。

Description

野生动物保护传感网中能源有效的数据传输优化控制方法

技术领域

本发明涉及移动传感网技术领域，具体涉及一种移动传感网中能源有效的数据传输优化控制方法。

背景技术

无线传感网由大量同构或异构的传感器节点组成，能够感知、采集并以多跳方式传输数据，其快速部署、自组织和容错等特性使其在目标跟踪、灾难预警、战场侦察等领域具有广阔应用前景。多个传感器节点协同工作，可进行无人值守的数据收集并将产生的数据传回控制中心。无线传感网的自治、协同本质使其在动物生活习性监测类应用中极具潜力。

传感网技术可用于收集野生珍稀动物的生境数据及活动信息，为其运动轨迹分析和生活习性研究提供数据支持，进而制定高效的野生珍稀动物保护策略，如最佳投食点选定、临时室内驯养动物的生境设定(如室内的温湿度设定)。这些野生动物相关的数据极其重要，对于珍稀动物保护、以及动物种群内部或种群间的生存关系分析具有举足轻重的作用。但是，一些不可控因素，如被监测目标的移动性、通信带宽的时变性、无线链路的不稳定性及其连通间歇性，使得野生动物保护传感网中数据的收集与传输面临巨大挑战。鉴于被监测目标的移动性以及数据收集的高效性需求，移动传感网是野生动物保护应用领域的必然趋势。在野生动物保护传感网中，每个动物携带一个传感器节点，以获取该动物的环境数据及位置信息，这些信息可被传输并存储于控制中心，便于动物保护人员分析野生动物的生存状态，实施有效的动物保护。

移动节点感知并产生的数据首先被暂时保存在容量有限的本地内存，随后等待时机将数据传输到控制中心。移动传感网中，数据的成功传输取决于节点间无线链路的通信质量。在通信质量不佳的链路上传输数据时，数据丢包概率高，导致的数据重传耗时耗能。传输相同数量的通信负载，链路状况不佳时的能耗远高于优质链路的能耗。另一方面，节点一般由电池供电，而且在大多数应用中，由于敌对的环境或监测区域不可达，导致采用更换电池的方式补充能源不现实，使得能源成为系统中最宝贵的资源。因此，亟需设计能源有效的数据传输控制方案，对数据传输进行优化调度，以高效利用传感器节点的有限能源，延长移动传感网的生命周期。

目前，无线传感网中已有多种数据传输控制策略：

(1)传统的洪泛传输：最简单的数据传输策略。将每个数据包传给所有邻居，冗余量高，能耗大。移动传感网中，移动节点多数时间无邻居节点。因此，接收节点状态未知的数据洪泛无意义，不适用于移动传感网。

(2)基于能量的数据传输：该数据传输策略的前提条件是网络的全局信息已知，而传感网的能源约束导致节点仅能获取局部信息。移动传感网中，被监测目标的移动导致时变的网络状况。因此，该数据传输方案不适用于动态的移动传感网。

(3)基于协商的数据传输方案SPIN(Sensor Protocol for Information viaNegotiation)：该传输方案是对传统洪泛策略的改进，假定每个传感器节点均可能为希望获得数据的汇聚节点，每个节点知道自己需要数据与否，或能否作为中转节点，为数据源到汇聚节点的数据传输转发数据。为了降低节点的能耗，传感器节点在发送数据前先进行协商，仅把数据发送到需要的邻居节点，同时采用称为“元数据”(meta-data)的描述符减少冗余信息。该数据传输方案同样不适用于网络状况时变的移动场景。

(4)基于分簇的低能耗自适应数据传输方案LEACH(Low Energy AdaptiveClustering Hierarchy)：该方案基于分簇，由周期性的循环过程组成。每轮循环分为簇建立阶段和稳定的数据通信阶段，后者所用的时间较长。在簇建立阶段，相邻节点自动成簇，随机选择簇首。在数据通信阶段，簇内节点把数据发给簇首，簇首进行数据融合并把结果发送给汇聚点。簇首节点因数据融合以及额外的与汇聚点通信等工作，能量消耗高。因此，为了整个网络能量消耗均衡，各节点需等概率地轮流担任簇首，以延长整个网络的生存期。该数据传输策略仅适用于静止节点，不适用于移动场景。

(5)基于定向扩散的数据传输方案：该方案基于查询，汇聚点发出查询消息，形成反向的从数据源到汇聚点的数据传输梯度。数据沿着梯度传送到汇聚点。该方案周期性地自动形成增强路径，由于节点能量或拓扑结构变化等因素，不同周期的增强路径可能不同。源节点到汇聚点的数据通过增强路径传送，从而减少非增强路径上的节点能量的消耗。移动传感网中，源节点不定时地主动将数据传输到汇聚节点，汇聚节点不参与决策。因而该数据传输方案不适用于监测类应用。

(6)基于负载均衡的数据传输方案：在进行数据传输时，每个传感器节点重点考虑下一跳节点的缓冲区占用情况，避免缓冲区溢出，力求均衡整个网络中所有节点的通信负载，实现能量均衡消耗，延长网络的生命周期。移动传感网中，由于节点的移动，无线链路的通信质量与节点的缓冲区动态变化，缓冲区占用量小的邻居节点可能具有较差的链路通信质量，因此需考虑其他因素，如链路的通信质量、能耗等。因此，基于负载均衡的数据传输方案不适用于移动场景。

发明内容

移动传感网中，通信能耗取决于移动节点与网关节点间链路的通信质量。因此，节能的有效策略为延后数据传输，直到链路的通信质量满足一定条件。但是，一味地延迟数据的传输，节点的队列长度将会保持增长，从而溢出，新近产生的数据包由于队列满而直接被丢弃。另一方面，野生动物的生活习性研究与运动轨迹分析需要完整时间序列的数据。因此，本发明提出一种能源有效的数据传输控制方法，权衡链路的通信质量与节点的队列长度，对节点的能耗与数据的传输时延进行综合考虑，对数据的传输时刻与传输量进行优化决策。

为了实现上述任务，本发明采用的技术方案如下：

一种野生动物保护传感网中能源有效的数据优化控制方法，该传感网由移动的传感器节点、静止的网关节点和汇聚节点构成，其中依附于动物的传感器节点因动物的运动而成为移动节点。移动节点收集被监测目标的指定信息(生境数据与运动轨迹信息等)，网关节点作为中转节点，将移动节点收集的数据最终转发到汇聚节点。针对被监测目标的移动性、无线通信固有的不稳定性及间歇性，综合考虑无线链路的通信质量、移动节点与网关节点的队列长度，提出了一种基于李雅普诺夫框架的能源有效数据传输优化方案。该方案包括以下步骤：

步骤一，获取移动节点与网关节点间的通信质量、网关节点以及邻域内其他移动节点的队列长度信息

步骤S10，在时隙t，移动节点广播一个探测数据包，所述的时隙t＝60s；

步骤S11，基于接收到探测数据包的信号强度，网关节点计算其与发出探测数据包的移动节点在时隙t内的通信质量q_mn(t)：

在式1中，tr为移动节点的通信范围，d₁＝tr/4，d₂＝13/20×tr，α∈[-0.4,0.4]，β∈[1/∞,0.1]，d_mn(t)为网关节点与发出探测数据包的移动节点在时隙t内的距离，由式2计算：

上式中，d₀为参考距离，P_t为发送能量，P_r(d)为接收到探测数据包的信号强度，PL(d₀)为参考距离的能量衰减，N(0,σ)为高斯随机变量，η为路径衰减指数；

步骤S12，接收到探测数据包的网关节点发送确认数据包到移动节点，为了避免无线通信邻域内移动节点间的数据传输冲突，该确认数据包长度大于探测数据包，即确认包的发送时间长于探测包，以阻止邻域内其他移动节点在同一时隙t的数据传输；

步骤S13，如移动节点收到确认数据包，则跳转至步骤二，否则跳转至步骤四；

步骤二，确定移动节点在时隙t内是否发送数据

比较通信质量q_mn(t)和设置的阈值TR，如果q_mn(t)＞TR，则令l_mn(t)＝1，跳转至步骤三，否则令l_mn(t)＝0，跳转至步骤四；

步骤三，确定移动节点在时隙t内发送的数据包数目

计算移动节点在一个时隙中与网关节点通信所消耗的能量f_mn(t)：

f_mn(t)＝μ_mn(t)*e*[R_mn(t)+1] 式3

上式中，e为移动节点发送或接收数据包消耗的能量，R_mn(t)为移动节点与网关节点在时隙t内的重传次数，

加入限制条件求解满足最小化式4的移动节点在时隙t内可向网关节点传输的数据包数目μ_mn(t)：

上式中，V为平衡能量损耗与发送延时的非负参数，表示数据队列的矢量；Q_m(t)为移动节点在时隙t内的队列长度，G_n(t)为网关节点在时隙t内的队列长度，l_mn(t)表示移动节点与网关节点在时隙t内是否可以通信，M为移动节点的个数，N为网关节点的个数，μ_max为链路的固有带宽；

移动节点按照计算出的数据包数目μ_mn(t)向网关节点发送数据；

步骤四，更新移动节点和网关节点的队列

计算下一时隙t+1内移动节点的队列长度Q_m(t+1)：

式5中，x_m(t)表示在时隙t内新近加入移动节点队列的数据包数目；

计算下一时隙t+1内网关节点的队列长度G_n(t+1)：

式6中，y_n(t)为时隙t内网关节点传输到汇聚节点的数据包数目；

更新t＝t+1，返回步骤一。

本发明与现有技术相比具有以下技术特点：

1.传统方法如动态规划需严格的系统建模假设，且系统条件已知，无法自适应地应对系统条件的变化，而本发明仅需要当前时刻的系统信息，如当前队列长度值、新进入队列的通信负载等，即可对数据传输时刻与数据传输数目进行在线(online)动态优化决策；

2.当系统的状态空间维数很大时，需要历史统计信息的传统方法如动态规划、马尔科夫链方法等将面临维数灾难(curse of dimensionality)问题，而本发明由于与历史状态信息无关，则能有效避免该问题的发生；

3.采用本发明而获得的系统性能优化值是可证明的；

4.采用本发明，可为系统获得在任意时间内的时均最优值提供保障。

附图说明

图1为本发明的流程图；

图2a为野生动物保护传感网的系统架构图；

图2b为移动传感网中数据传输示意图；

图3为本方法中时均能耗与V间关系的实验结果图；

图4为本方法中移动节点的时均队列长度与V间关系的实验结果图；

图5为本方法中整个网络系统的时均队列长度与V间关系的实验结果图；

图6为本方法中数据传输的平均时延与V间关系的实验结果图；

图7为本方法中时均能耗与V、T间关系的实验结果图；

图8为本方法中能耗误差与V间关系的实验结果图；

图9为本方法中移动节点的时均队列长度误差与V间关系的实验结果图；

图10为本方法中静止网关的时均队列长度误差与V间关系的实验结果图；

图11为本方法中服务时延误差与V间关系的实验结果图；

图12为本方法与负载均衡方案关于时均能耗比较的实验结果图；

图13为本方法与负载均衡方案关于时均吞吐量比较的实验结果图；

具体实施方式

申请人将传感网技术应用于以秦岭金丝猴为代表的野生珍稀动物保护领域，对其进行无人值守的长期在线监测，研究远程数据收集的QoS保障机制，为其生活习性研究与运动轨迹分析提供数据支持，以期对金丝猴等野生珍稀动物实施有效保护。鉴于传感网的资源受限性、被监测目标的移动性以及无线通信的固有特性，提出了一种能源有效的数据传输优化控制方法。移动节点、网关节点与汇聚节点的分布如图1所示，网关节点与汇聚节点静止，被事先部署在特定位置，网关节点作为数据传输的中转站，将移动节点产生的数据传输到汇聚节点。每个动物携带一个传感器节点，普通的传感器节点因动物移动而成为移动节点，承担收集动物相关的数据，并将之传输给网关节点。

本发明针对野生动物保护传感网中被监测目标移动的不可预期性，以及无线通信中固有的数据传输不可靠性，将每个节点(包括移动节点与网关节点)抽象为一个队列，提出了资源受限的移动传感器节点与静止网关节点间能源有效的数据传输优化控制方法EETC(Energy-Efficient Transmission Control)，由两个阶段组成：(1)信息收集阶段：有数据传输需求的移动节点发送探测包，接收到探测包的网关节点对链路的通信质量进行测定，并将链路状态、队列长度信息告知移动节点；(2)数据传输决策阶段：基于链路的通信质量以及邻居节点的队列长度信息，移动节点对数据传输与否以及传输量进行实时决策。

一、本发明方法的详细步骤

一种野生动物保护传感网中能源有效的数据传输优化控制方法，该传感网中由移动的传感器节点、静止的网关节点和汇聚节点构成，其中依附于动物的传感器节点因动物的运动而成为移动节点。移动节点收集被监测目标的指定信息(生境数据与运动轨迹信息等)，网关节点作为中转节点，将移动节点收集的数据最终转发到汇聚节点。针对被监测目标的移动性、无线通信固有的不稳定性及间歇性，综合考虑无线链路的通信质量、移动节点与网关节点的队列长度，提出了一种基于李雅普诺夫框架的能源有效数据传输优化方案。该方案包括以下步骤：

步骤一，获取移动节点与网关节点的通信质量、网关节点以及邻域内其他移动节点的队列长度信息

获取每一个移动节点Node_m(1≤m≤M)与其周围每一个可通信的网关节点Gate_n(1≤n≤N)在一个时隙t内的通信质量q_mn(t)。这里每个时隙为60s(静止的网关节点能量不受限，因而承担链路通信质量的计算工作)，M为移动节点个数，N为网关节点的个数。

步骤S10，移动节点在时隙t内广播一个探测数据包，该探测数据包包含自身队列的长度信息。

步骤S11，基于接收到探测数据包的信号强度P_r(d)，接收到探测数据包的网关节点计算发出探测数据包的移动节点与其在时隙t内的通信质量q_mn(t)：

在式1中，tr为移动节点的通信范围，如tr＝200m；d₁＝tr/4，d₂＝13/20×tr，α∈[-0.4,0.4]，β∈[1/∞,0.1]，d_mn(t)为网关节点与发出探测数据包的移动节点在时隙t内的距离，由式2计算：

上式中，d₀为参考距离，如取d₀＝50；P_t为发送能量，发送一次数据能耗为0.06J，则P_t＝10lg60＝17.78db；P_r(d)为接收到探测数据包的信号强度，由接收数据包的节点测得；PL(d₀)为参考距离的能量衰减，根据d₀获得PL(d₀)＝5.78db；N(0,σ)为均值是0，方差为σ的高斯随机变量；η为路径衰减指数，在自由空间中，取η＝2，σ＝0。

步骤S12，接收到探测数据包的网关节点发送确认数据包到移动节点，为了避免无线通信邻域内移动节点间的数据传输冲突，该确认数据包长度大于探测数据包，即确认包的发送时间长于探测包，以阻止邻域内其他移动节点在同一时隙t的数据传输；

网关节点发送的确认数据包中包含链路的通信质量、网关自身的队列长度以及获取的所有移动节点的队列长度信息。同时，该确认数据包长于探测数据包(数据长度)，用于抑制其他移动节点探测数据包的发送，使得同一时刻仅有一个移动节点能成功发送探测数据包，可有效避免移动节点之间的数据发送冲突。成功发送探测数据包、并接收到确认数据包的移动节点获得无限信道的控制权，传输后续的数据包，由下面的步骤三计算传输数据包的数据。直到这些数据包传输完成后，其他邻居节点重新竞争无限信道的控制权。

步骤S13，如移动节点收到确认数据包，则跳转至步骤二，否则跳转至步骤四；

步骤二，确定移动节点在时隙t内是否发送数据

比较通信质量q_mn(t)和设置的阈值TR，如果q_mn(t)＞TR，则令l_mn(t)＝1，跳转至步骤三，否则令l_mn(t)＝0，跳转至步骤四；

这一步骤是用来判断筛选，当且仅当发送探测数据包的移动节点成功接收到网关节点发来的确认数据包后，才进行是否发送数据的判断。阈值TR由用户设定，根据实验测量的最佳值或已发表的论文结果来确定。l_mn(t)为一个控制参数，当其值为1时表示移动节点和网关节点可以通信，则按照步骤三确定发送数据包的数据，否则将该控制参数的取值设置为0，即移动节点在当前时隙t中不能与网关节点通信，此时直接调至步骤四，进行下一个时隙队列长度的计算，为下一个循环信道竞争以及参数计算进行数据更新。

步骤三，确定移动节点在时隙t内发送的数据包数目

计算移动节点在一个时隙中与网关节点通信所消耗的能量f_mn(t)：

f_mn(t)＝μ_mn(t)*e*[R_mn(t)-1]+μ_mn(t)*2*e＝μ_mn(t)*e*[R_mn(t)+1] 式2

上式中，e为移动节点发送或接收数据包消耗的能量，e＝0.06J；R_mn(t)为移动节点与网关节点在时隙t内的重传次数，其余参数含义同前；μ_mn(t)为移动节点向网关节点传输数据包的数目，计算方法如下：

加入限制条件采用线性规划方法，求解满足最小化式4的移动节点在时隙t内可向网关节点传输的数据包数目μ_mn(t)：

上式中，V为平衡能量损耗与发送延时的非负参数，V＞0；表示数据队列的矢量；Q_m(t)为移动节点在时隙t内的队列长度，G_n(t)为网关节点在时隙t内的队列长度，l_mn(t)表示移动节点与网关节点在时隙t内是否可以通信，M为移动节点的个数，N为网关节点的个数，μ_max为链路的固有带宽，μ_max＝60KB；其余参数含义同前；

按照上述方法，获得了无线信道控制权的移动节点计算出了在时隙t内可向网关节点传输的数据包数目μ_mn(t)，此时移动节点按照计算出的数据包数目向网关节点发送数据，直至数据传输完成后，进行下一轮的竞争。下一轮竞争前，需要先更新网关节点和移动节点的队列。

步骤四，更新移动节点和网关节点的队列

每一轮在移动节点可发送数据包数目的计算中，需要用到移动节点由于通信消耗的能量f_mn(t)等参数，在下一轮所有移动节点开始发送探测数据包进行竞争前，需要更新队列，以通过迭代的方式重复前面计算过程计算出在下一个时隙t+1移动节点消耗的能量。

计算下一时隙t+1内移动节点的队列长度Q_m(t+1)：

式5中，x_m(t)表示在时隙t内新近加入移动节点队列的数据包数目，即在t之前移动节点队列中数据包数目基础上加入的新数据包的数目；其余参数含义同前；

计算下一时隙t+1内网关节点的队列长度G_n(t+1)：

式6中，y_n(t)为时隙t内网关节点传输到汇聚节点的数据包数目；其余参数含义同前；

更新完毕网关节点和移动节点的队列后，此时可以进行下一轮的信道竞争，按照步骤一至步骤三的方法，重新进行计算过程。在计算前应将时隙更新，即更新当前时隙：t＝t+1，然后返回步骤一，不断重复整个步骤。

二、本发明方法的性能分析

实验1：研究平衡能量损耗和发送延时之间的控制参数V(V＞0)与仿真时间T(T＞0)对算法性能的影响。

①仿真试验场景初始化

发明人模拟出一个1000m×1000m的正方形监测区域，并在此区域内随机部署了1个汇聚节点，N＝4个网关节点，M＝50个移动节点。在该实验中，节点的通信距离，即节点一跳传输距离(tr)采用无线传感器节点一跳传输距离的理论值200m。所有移动传感器节点在一个slot内通信量总和的最大值μ_max＝60KB。传输过程中发送或接收所消耗的能量为e＝0.06J。网关节点向汇聚节点传输速度的最大值y_max为150KB/slot，最小值y_min为50KB/slot。假定数据产生并加入队列过程x_m遵循泊松模式，其期望为10KB。移动无线传感器节点的移动速度为20m/slot。有效载荷数据包的大小为1000Bytes。任一移动节点Node_m与任一网关节点Gate_n于时隙t的数据包重传次数R_mn(t)的计算方法为：

R_mn(t)＝1/q_mn(t)

q_mn(t)为移动节点与网关节点在时隙t内的通信质量，可计算为：

其中，d₁＝tr/4，d₂＝13/20×tr，α∈[-0.4,0.4]，β∈[1/∞,0.1]。d_mn(t)为网关节点与发出探测数据包的移动节点在时隙t内的距离，其计算方法为：

其中[x_mo(t),y_mo(t)]与[x_n,y_n]分别表示在t时刻移动节点和网关节点的坐标。

②仿真实验过程

取V＝0,2,4,……,18,20；对于每一个V值，取仿真时间T＝50,100,150，…,450,500个时隙。总共进行了21×10次评估，为了保证实验结果的真实性，每组评估进行1000次测试，观察其能量消耗、队列长度与服务时延的变化。

③分析实验数据

如图3所示，在T＝200时，整个网络的时均能耗随着参数V增大的变化趋势。如图3所示：(1)当参数V从0增大到12时，节点时均能耗从427J下降至181J；(2)而当V>12时，随着V的增大，时均能耗的变化将趋于平缓。

如图4所示，T＝200时，移动节点的时均队列长度随参数V增大的变化趋势。如图4所示：(1)当参数V从0增大到7时，移动节点的时均队列长度显著增加。(2)而当参数V从7增大到16时移动节点的时均队列长度变化趋于平稳。(3)当V>16时移动节点的时均队列长度又显著增加。

如图5所示，T＝200时，整个系统的时均队列长度随参数V增大的变化趋势。如图5所示：(1)当参数V从0增大到6时，系统的时均队列长度显著增加。(2)当参数V从6增大到16时，系统的时均队列长度趋于平稳。(3)当V>16时又显著增加。

如图6所示，在T＝200时，平均服务时延随参数V增大的变化趋势。如图6所示：(1)当参数V从0增大到8时，平均服务时延显著增加。(2)当参数V从8增大到17时，平均服务时延趋于平稳。(3)当V>17时又显著增加。

如图7所示，T从50增大到500，当V＝1时，时均能耗从134J上升到282J；当V＝5时，时均能耗从98J上升到253J；当V＝10时，时均能耗从61J上升到209J；当V＝20时，时均能耗从7J上升到150J；

综上所述：(1)T对能量消耗的影响较小，而V对能量消耗、服务时延以及队列长度的影响较大；(2)目标的移动性和链路通信质量的动态变化会导致网络性能的逐渐恶化，从而增加能量消耗。

实验2:本算法的鲁棒性分析

①仿真试验场景初始化

仿真试验场景初始化过程与实验一相同。

②仿真实验过程

取T＝200,取V＝0,2,4,……,18,20,因此，总共进行了21次评估，为了测试鲁棒性，向每个移动节点的队列的通信负载量加入了50％的平均分布的估计误差，为了保证实验结果的真实性，每组评估进行1000次测试，观察误差对于能耗、各节点的队列长度以及时延的影响。

③分析实验数据

如图8所示，在T＝200时，能量消耗误差在-2.8％到8.4％之间；

如图9所示，在T＝200时，移动节点队列长度误差在-0.7％到2.1％之间.

如图10所示，在T＝200时，网关节点的队列长度误差在-1.3％到3.7％之间；

如图11所示，在T＝200时，服务时延误差在-0.6％到4.8％之间；

综上所述，基于以上实验结果，本发明提出的数据传输优化控制方案对于通信负载的估计误差具有鲁棒性。

实验3：本算法与其他算法的性能比较

①仿真试验场景初始化

仿真试验场景初始化过程与实验一相同。

②仿真实验过程

这里我们采用的对比算法为均衡负载算法，取V＝1,5,10，对于每一个V取T＝50,100,150…450,500，因此，总共进行了3×10次评估，为了保证实验结果的真实性，每组评估进行1000次测试，观察本算法与负载均衡算法的对比。

③分析实验数据

如图12所示：(1)在能耗方面，本发明提出的数据传输方案与负载均衡算法相当。随着V值的增加，本方案EETC的能耗由大于负载均衡算法，变为小于负载均衡算法的能耗。当T<70时，V＝5与V＝10时本算法的时均能量消耗低于负载均衡算法；(2)当T>70时，V＝5时，本算法的时均能量消耗高于负载均衡算法，而T>70时，V＝10时，本算法的时均能量消耗依然低于负载均衡算法。

如图13所示，当V＝1或5时，无论T取何值，采用本算法所获得的时均吞吐量均大于负载均衡算法。

综上所述，与均衡负载算法相比，若能耗相同，本发明所提出的数据传输优化控制方案能获得更高的吞吐量。

Claims (1)

1.一种野生动物保护传感网中能源有效的数据传输优化控制方法，该传感网中的节点包括移动节点、网关节点和汇聚节点，其中移动节点依附于野生动物身上；其特征在于，该方法包括以下步骤：

步骤一，获取移动节点与网关节点间的通信质量、网关节点以及邻域内其他移动节点的队列长度信息

步骤S10，在时隙t内移动节点广播一个探测数据包，所述的时隙t＝60s；

步骤S11，网关节点计算发出探测数据包的移动节点与其在时隙t内的通信质量q_mn(t)：

在式1中，tr为移动节点的通信范围，d₁＝tr/4，d₂＝13/20×tr，α∈[-0.4,0.4]，β∈[1/∞,0.1]，d_mn(t)为网关节点与发出探测数据包的移动节点在时隙t内的距离，由式2计算：

上式中，d₀为参考距离，P_t为发送能量，P_r(d)为接收到探测数据包的信号强度，PL(d₀)为参考距离的能量衰减，N(0,σ)为高斯随机变量，η为路径衰减指数；

步骤S12，接收到探测数据包的网关节点发送确认数据包到移动节点，该确认数据包长度大于探测数据包；

步骤S13，如移动节点收到确认数据包，则跳转至步骤二，否则跳转至步骤四；

步骤二，确定移动节点在时隙t内是否发送数据

比较通信质量q_mn(t)和设置的阈值TR，如果q_mn(t)＞TR，则令l_mn(t)＝1，跳转至步骤三，否则令l_mn(t)＝0，跳转至步骤四；

步骤三，确定移动节点在时隙t内发送的数据包数目

计算移动节点在一个时隙中与网关节点通信所消耗的能量f_mn(t)：

f_mn(t)＝μ_mn(t)*e*[R_mn(t)+1] 式3

上式中，e为移动节点发送或接收数据包消耗的能量，R_mn(t)为移动节点与网关节点在时隙t内的重传次数，

加入限制条件求解满足最小化式4的移动节点在时隙t内可向网关节点传输的数据包数目μ_mn(t)：

上式中，V为平衡能量损耗与发送延时的非负参数，表示数据队列的矢量；Q_m(t)为移动节点在时隙t内的队列长度，G_n(t)为网关节点在时隙t内的队列长度，l_mn(t)表示移动节点与网关节点在时隙t内是否可以通信，M为移动节点的个数，N为网关节点的个数，μ_max为链路的固有带宽；

移动节点按照计算出的数据包数目μ_mn(t)向网关节点发送数据；

步骤四，更新移动节点和网关节点的队列

计算下一时隙t+1内移动节点的队列长度Q_m(t+1)：

式5中，x_m(t)表示在时隙t内新近加入移动节点队列的数据包数目；

计算下一时隙t+1内网关节点的队列长度G_n(t+1)：

式6中，y_n(t)为时隙t内网关节点传输到汇聚节点的数据包数目；

更新t＝t+1，返回步骤一。