CN113923802A - 软件定义无线传感器网络中能量高效的分层拓扑控制方法 - Google Patents

Abstract

本发明公开了软件定义无线传感器网络中能量高效的分层拓扑控制方法，包括：建立分簇损耗函数。单跳形式将信息传递到上层中继传感器节点；上层中继传感器节点获取分簇信息，在考虑到传输信息大小，接收、发送信息能耗下，建立功率损耗函数。以单跳或者多跳的方式将信息传递到汇聚节点；在基于下层整体普通传感器节点获得最小的分簇损耗函数后，上层所有中继传感器节点网络形成博弈模型，计算各个策略的收益函数，并选择收益函数最大的策略。每一次某个中继传感器节点改变策略更新一次网络拓扑状态，直到博弈达到纳什均衡，形成最终的网络拓扑。每当上层中继传感器节点能量变化大于设置的阈值后，将会重新计算分簇网络以及博弈网络。

Description

软件定义无线传感器网络中能量高效的分层拓扑控制方法

技术领域

本发明涉及软定义无线传感器网络领域，尤其涉及软定义无线传感器网络下基于分层结构的拓扑控制方法。

背景技术

SDWSN是近年来快速兴起的一种结合了软件定义网络和无线传感器网络特点的新型传感器网络。作为一种新型的WSN，SDWSN虽然继承了SDN的诸多优点，但是由于传感器节点的电池更换或者重点几乎是不可能的，能量依然受到诸多限制。如何降低节点能耗、提高网络的能量效率以及延长网络生命周期仍然是在实际应用中需要解决的问题。拓扑控制则是延长WSN网络生命周期的重要支撑技术之一，在SDWSN中同样发挥了重要作用。

SDWSN是一个功率可调的WSN网络，与传统的WSN网络相比，SDWSN可以有机地整合网内节点的分布式管理机制，实现统一的网络管理控制系统，从而提高网络的信息采集和管理效率，以形成WSN全网优化的无线传输和资源分配技术。故基于SDWSN的基础架构，有利于获取全局最优的网络性能，尤其是产生突发事件时，管控中心可以通过重新配置网络参数优化现有网络性能，满足基本的业务需求，从而提高网络鲁棒性和稳定性。

近年来，随着智能算法应用的兴起以及第五代移动网络相关技术的发展，博弈论、机器学习等被广泛运用到拓扑控制算法的研究中，WSN也逐步演进到具有更加丰富多样的动态特性的IoT网络。在面向IoT应用的SDWSN中，拓扑控制依然需要考虑能量的均衡使用，尤其是在5G IoT应用场景下，传输所需的能量依然是一个挑战。而SDWSN灵活集中式的管理框架为当前拓扑控制研究带来了新的反战机遇。

本发明所涉及的拓扑控制场景中，有如下两种类型的传感器节点，分别是普通传感器节点和中继传感器节点。如何使得两种不同类型的传感器节点协调工作，并且如何分配功率使得能耗降低，网络生命周期延长是亟待解决的问题。

将物理层面的拓扑控制分为逻辑上的两层，即下层普通传感器单跳节点拓扑控制以及上层中继传感器节点多跳拓扑控制，如何分配功率使得能耗降低，网络生命周期延长是亟待解决的问题。

发明内容

为解决上述问题，本发明提出了软件定义无线传感器网络中能量高效的分层拓扑控制方法，所述分层拓扑控制是指将软件定义无线传感器网络在物理层面的拓扑控制分为逻辑上的两层，即下层普通传感器单跳节点拓扑控制以及上层中继传感器节点多跳拓扑控制，对下层普通传感器节点和上层中继传感器节点分别采用分簇以及博弈的方法，以获得最佳的网络拓扑。

本发明的软件定义无线传感器网络中能量高效的分层拓扑控制方法，具体包括以下步骤：

步骤1，在监测区域内，所有普通传感器节点收集周围环境信息，同时，建立分簇损耗函数，选择最佳中继传感器节点为簇头，并以单跳的方式，将收集到的信息传递到中继传感器节点，形成以中继传感器节点为簇头的簇；普通传感器节点集合记为V_CSN＝{u₁,…,u_m,…,u_M}，中继传感器节点集合记为V_SSN＝{v₁,…,v_n,…,v_N}；

步骤2，当下层普通传感器节点分簇完成后，所有中继传感器节点通过单跳或者多跳的方式，将收集到的簇内信息，传递到最终的汇聚节点，同时建立每个中继传感器节点接收功率损耗函数和选择不同路径发送功率损耗函数；

步骤3，监控区域内所有中继传感器节点利用网络形成博弈方法，依次选择策略，即下一跳的中继传感器节点，在不超过下一跳节点接收负载的情况下，计算其收益函数，形成拓扑；

每个中继传感器节点通过对比选择收益函数最大的策略，所有中继传感器节点依次执行完策略视为一次迭代；在一次迭代后，如果网络内部分中继传感器节点改变策略，则代表整体网络的收益函数发生变化，则更新网络的连接状态；

当整体网络的收益函数和不变时，迭代结束，博弈达到纳什均衡，网络内所有中继传感器节点策略不再改变，获得最终的网络拓扑；中继传感器节点开始传递数据至汇聚节点；

步骤4，进行信息传递的过程中，每个中继传感器节点均记录自身能耗的变化，一旦发现某个中继传感器节点在这次的网络拓扑结构中，能量消耗大于设定的阈值η，则重新规划拓扑，返回步骤1。

进一步的，步骤1所述分簇损耗函数基于下层普通传感器节点与上层中继传感器节点的距离、中继传感器节点所在簇的大小与平均簇大小的比值、中继传感器节点剩余能量与初始能量比值，各个普通传感器节点选择最小的分簇损耗函数对应的中继传感器节点作为簇头，完成分簇并将信息传递给指定的中继传感器节点。

进一步的，步骤1中，分簇损耗函数，表示如下：

式(3)中，

为普通传感器节点u_m与中继传感器节点v_n之间的距离；

为第v_n个中继传感器节点的剩余能量与初始能量的比值；

为当前第v_n个中继传感器节点簇大小，

为平均簇的大小，

表示普通传感器节点u_m所选择作为簇投的中继传感器节点。

进一步的，步骤2中所述的接收功率损耗函数和发送功率损耗函数在各个中继传感器节点均选择其最优路径时，整个上层网络的总消耗能耗最小；具体为，上层中继传感器节点v_n将簇内收集到的数据传递到下一跳的中继传感器节点v_k时，根据一阶无线能量损耗函数，功率损耗表示为：

其中，

为接收功率损耗，

为发送功率损耗，

为中继传感器节点v_n作为簇头，接收到的比特数据量。

当中继传感器节点v_n将自身收集到的数据传递到最终的汇聚节点时，经历的跳数记为

那么需要的功率为：

对于上层的所有中继节点，为了考虑上层网络的总消耗能耗最小，那么目标函数为：

在考虑到每个中继传感器节点v_n的负载以及接收限度，要求满足如下公式：

上述公式中，

为中继传感器节点v_n的接收数据比特上限，

为中继传感器节点中，下一跳为v_n的集合，

为中继传感器节点v_k向v_n传递的数据量。

进一步的，步骤3中网络形成博弈方法，具体定义如下：

参与者：所有上层中继传感器节点，集合为V_SSN＝{v₁,…,v_n,…,v_N}；

策略：上层中继传感器节点v_n从集合中选择下一跳节点v_k，形成传输路径，即任意的中继传感器节点v_n∈V_SSN的决策

其中

为集合V_SSN与汇聚节点的并集，

表示已经与中继传感器节点v_n相连接的中继传感器节点；

收益函数：对于中继传感器节点v_n∈V_SSN，定义收益函数

为每个中继传感器节点接收功率损耗与发送功率损耗之和的负值，其中

表示除v_n外其余中继传感器节点的决策向量，

为中继传感器节点v_n选择决策

且其余中继传感器节点保持

决策时生成的网络拓扑图；

每个中继传感器节点的收益函数表示为：

其中

为中继传感器节点v_n传递簇内收集到的数据至汇聚节点所需要消耗功率的总和。

进一步的，步骤3具体包括如下步骤：

步骤3.1，初始时，所有上层中继传感器节点与汇聚节点直接建立连接，并以此功率能耗的负值，作为该中继传感器节点初始的收益函数；

步骤3.2，在一轮迭代中，所有上层中继传感器节点依次从策略集中选择策略，找到使其收益函数最大的策略，改变其下一跳节点，并保持不变。其余中继传感器节点在其基础上，继续从策略集中选择策略，直到所有中继传感器节点完成选择，并计算整体网络的收益函数之和，一轮迭代完成；

步骤3.3，一轮迭代完成后，网络连接状态全面更新，各个中继传感器节点基于新的策略，进入下一次迭代，直到达到纳什均衡网络；

步骤3.4，当网络达到纳什均衡网络，所有中继传感器节点均不再改变自身的策略，获得最终的网络拓扑；各中继传感器节点并依据此网络拓扑传递自身簇内信息至汇聚节点；

相对于现有技术，本发明具有以下有益效果：

本发明基于分层拓扑控制，将将物理层面的拓扑控制分为逻辑上的两层，对不同类型的传感器节点实行不同的管控。下层普通传感器节点采用分簇的方式，将信息传递到中继传感器节点，分簇中不仅考虑了距离，还考虑了簇的大小以及中继传感器节点的剩余能量。上层中继传感器节点采用博弈方式，生成拓扑，上下两层相互配合，不仅能够降低节点的能量损耗，同时也延长了网络的生命周期。

附图说明

图1是本发明场景示意图。

图2是本发明的使用的通信损耗模型图。

图3是本发明的上下层交互示意图。

图4是本发明的基于上下层拓扑控制的方法流程图。

具体实施方式

本发明基于分层拓扑控制，融合了两种不同类型的无线传感器节点，利用逻辑层面的分层，实行分层，利用不同的管理机制，实现对普通传感器节点和中继传感器节点的管控。下面结合附图对本发明的实施方法作进一步的描述。

如图1所示，场景中包含多个普通传感器节点和一些中继传感器节点以及汇聚节点。将普通传感器节点分为多个簇，实施分簇管控，即普通传感器节点将自身收集到的信息通过单跳，传递到作为簇头的中继传感器节点；中继传感器节点也依据所制定规则，将簇内信息传递到最终的汇聚节点。普通传感器节点集合记为V_CSN＝{u₁,…,u_m,…,u_M}，中继传感器节点集合记为V_SSN＝{v₁,…,v_n,…,v_N}。标记汇聚节点为v_N+1，集合

表示中继传感器节点与汇聚节点的并集。

本发明使用的通信损耗模型如图2所示一阶无线能量损耗模型，对于簇内普通传感器节点与中继传感器节点之间，采用自由空间损耗模型；对于中继传感器节点与中继传感器节点之间，采用多径衰落模型。具体的传输能量损耗表示为：

其中，E_{tx_ele}(k)表示传输链路中发送k比特数据所需的固定能耗，即发射电路能耗；E_{tx_amp}(k,d)表示发送k比特数据所需要的路径损耗，即发射放大器所需能耗；ε_{tx_ele}表示传输每比特数据的能量损耗系数；ε_fs表示自由空间损耗系数，ε_mp表示多径衰落损耗系数，d表示节点间距离。

对应的，当中继传感器节点接收到数据，需要消耗的能耗表示为：

E_rx(k,d)＝k*ε_{rx_ele} (2)

其中，ε_{rx_ele}表示接收每比特数据的能量损耗系数。

拓扑管理划分为逻辑上的两层，目的和管理方法如图3所示，下层是一个分簇模型，目的为了减小能耗和均衡中继传感器节点负载；上层采用网络形成博弈方法，目的是在考虑负载的情况下，选择最优功率进行传递信息。

具体的下层分簇方法依据分簇损耗函数，表示如下：

式(3)中，

为普通传感器节点u_m与中继传感器节点v_n之间的距离；

为第v_n个中继传感器节点的剩余能量与初始能量的比值；

为当前第v_n个中继传感器节点簇大小，

为平均簇的大小，

表示普通传感器节点u_m选择哪个中继传感器节点作为簇头。

依据分簇损耗函数以及图4下层普通传感器节点分簇算法的流程，分簇步骤完成。

上层中继传感器节点v_n将簇内收集到的数据传递到下一跳的中继传感器节点v_k时，根据一阶无线能量损耗函数，功率损耗为：

其中，

为接收功率损耗，

为发送功率损耗，

为中继传感器节点v_n作为簇头，接收到的比特数据量。

当中继传感器节点v_n将自身收集到的数据传递到最终的汇聚节点时，经历的跳数记为

那么需要的功率为：

对于上层的所有中继节点，为了考虑能耗最低，那么目标函数为：

在考虑到每个中继传感器节点v_n的负载以及接收限度，要求满足如下公式：

上述公式中，

为中继传感器节点v_n的接收数据比特上限，

为中继传感器节点中，下一跳为v_n的集合，

为中继传感器节点v_k向v_n传递的数据量。

根据公式(6)，每个中继传感器节点将收集到的数据传递到最终的汇聚节点时，为了节省能量，将会表现出自私行为，从而争夺路径，因此可以采用博弈的方法进行求解。

流程如图4上层中继传感器节点博弈算法所示，具体描述为：

参与者：所有上层中继传感器节点，集合为V_SSN＝{v₁,…,v_n,…,v_N}；

策略：上层中继传感器节点v_n从集合中选择下一跳节点v_k，形成传输路径，即任意的中继传感器节点v_n∈V_SSN的决策

其中

为集合V_SSN与汇聚节点的并集，

表示已经与中继传感器节点v_n相连接的中继传感器节点。

收益函数：对于中继传感器节点v_n∈V_SSN，定义收益函数

为每个中继传感器节点接收功率损耗与发送功率损耗之和的负值，其中

表示除v_n外其余中继传感器节点的决策向量，

为中继传感器节点v_n选择决策

且其余中继传感器节点保持

决策时生成的网络拓扑图。

每个中继传感器节点的收益函数表示为

在博弈过程中，每个中继传感器节点改变自己的策略，寻找使收益函数最大化的策略。

最终网络形成博弈达到纳什均衡，其求解过程的描述具体如下：

①初始时，所有上层中继传感器节点与汇聚节点直接建立连接，并以此功率能耗的负值，作为该中继传感器节点初始的收益函数；

②在一轮迭代中，所有上层中继传感器节点依次从策略集中选择策略，找到使其收益函数最大的策略，改变其下一跳节点，并保持不变。其余中继传感器节点在其基础上，继续从策略集中选择策略，直到所有中继传感器节点完成选择，并计算整体网络的收益函数之和，一轮迭代完成；

③一轮迭代完成后，网络连接状态全面更新，各个中继传感器节点使用新的策略，进入下一次迭代，直到达到纳什均衡网络；

④当网络达到纳什均衡网络，所有中继传感器节点均不再改变自身的策略，获得最终的网络拓扑。各中继传感器节点并依据此网络拓扑传递自身簇内信息至汇聚节点；

⑤进行信息传递的过程中，每个中继传感器节点均记录自身能耗的变化，一旦发现某个中继传感器节点在这次的网络拓扑结构中，能量消耗大于设定的阈值η，则重新规划拓扑，从下层的普通传感器节点分簇开始，重新规划整体的网络拓扑。

以上所述仅为本发明的一种较佳实施例而已，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。

Claims (7)

1.软件定义无线传感器网络中能量高效的分层拓扑控制方法，其特征在于，具体包括以下步骤：

步骤1，在监测区域内，所有普通传感器节点收集周围环境信息，同时，建立分簇损耗函数，选择最佳中继传感器节点为簇头，并以单跳的方式，将收集到的信息传递到中继传感器节点，形成以中继传感器节点为簇头的簇；

普通传感器节点集合记为V_CSN＝{u₁,…,u_m,…,u_M}，中继传感器节点集合记为V_SSN＝{v₁,…,v_n,…,v_N}；

步骤2，当下层普通传感器节点分簇完成后，所有中继传感器节点通过单跳或者多跳的方式，将收集到的簇内信息，传递到最终的汇聚节点，同时建立每个中继传感器节点接收功率损耗函数和选择不同路径发送功率损耗函数；

步骤3，监控区域内所有中继传感器节点利用网络形成博弈方法，依次选择策略，即下一跳的中继传感器节点，在不超过下一跳节点接收负载的情况下，计算其收益函数，形成拓扑；

每个中继传感器节点通过对比选择收益函数最大的策略，所有中继传感器节点依次执行完策略视为一次迭代；在一次迭代后，如果网络内部分中继传感器节点改变策略，则代表整体网络的收益函数发生变化，则更新网络的连接状态；

当整体网络的收益函数和不变时，迭代结束，博弈达到纳什均衡，网络内所有中继传感器节点策略不再改变，获得最终的网络拓扑；中继传感器节点开始传递数据至汇聚节点；

步骤4，进行信息传递的过程中，每个中继传感器节点均记录自身能耗的变化，一旦发现某个中继传感器节点在这次的网络拓扑结构中，能量消耗大于设定的阈值η，则重新规划拓扑，返回步骤1。

2.根据权利要求1所述软件定义无线传感器网络中能量高效的分层拓扑控制方法，其特征在于，步骤1所述分簇损耗函数基于下层普通传感器节点与上层中继传感器节点的距离、中继传感器节点所在簇的大小与平均簇大小的比值、中继传感器节点剩余能量与初始能量比值，各个普通传感器节点选择最小的分簇损耗函数对应的中继传感器节点作为簇头，完成分簇并将信息传递给指定的中继传感器节点。

3.根据权利要求1所述软件定义无线传感器网络中能量高效的分层拓扑控制方法，其特征在于，步骤1中，分簇损耗函数，表示如下：

式(3)中，

为普通传感器节点u_m与中继传感器节点v_n之间的距离；

为第v_n个中继传感器节点的剩余能量与初始能量的比值；

为当前第v_n个中继传感器节点簇大小，

为平均簇的大小，

表示普通传感器节点u_m所选择作为簇头的中继传感器节点。

4.根据权利要求1所述软件定义无线传感器网络中能量高效的分层拓扑控制方法，其特征在于，步骤2中所述的接收功率损耗函数和发送功率损耗函数在各个中继传感器节点均选择其最优路径时，整个上层网络的总消耗能耗最小。

5.根据权利要求1所述软件定义无线传感器网络中能量高效的分层拓扑控制方法，其特征在于，步骤2中，上层中继传感器节点v_n将簇内收集到的数据传递到下一跳的中继传感器节点v_k时，根据一阶无线能量损耗函数，功率损耗表示为：

其中，

为接收功率损耗，

为发送功率损耗，

为中继传感器节点v_n作为簇头，接收到的比特数据量；

当中继传感器节点v_n将自身收集到的数据传递到最终的汇聚节点时，经历的跳数记为

那么需要的功率为：

对于上层的所有中继节点，为了考虑上层网络的总消耗能耗最小，那么目标函数为：

在考虑到每个中继传感器节点v_n的负载以及接收限度，要求满足如下公式：

上述公式中，

为中继传感器节点v_n的接收数据比特上限，

为中继传感器节点中，下一跳为v_n的集合，

为中继传感器节点v_k向v_n传递的数据量。

6.根据权利要求1所述软件定义无线传感器网络中能量高效的分层拓扑控制方法，其特征在于，步骤3中网络形成博弈方法，具体定义如下：

参与者：所有上层中继传感器节点，集合为V_SSN＝{v₁,…,v_n,…,v_N}；

策略：上层中继传感器节点v_n从集合中选择下一跳节点v_k，形成传输路径，即任意的中继传感器节点v_n∈V_SSN的决策

其中

为集合V_SSN与汇聚节点的并集，

表示已经与中继传感器节点v_n相连接的中继传感器节点；

收益函数：对于中继传感器节点v_n∈V_SSN，定义收益函数

为每个中继传感器节点接收功率损耗与发送功率损耗之和的负值，其中

表示除v_n外其余中继传感器节点的决策向量，

为中继传感器节点v_n选择决策

且其余中继传感器节点保持

决策时生成的网络拓扑图；

每个中继传感器节点的收益函数表示为：

其中

为中继传感器节点v_n传递簇内收集到的数据至汇聚节点所需要消耗功率的总和。

7.根据权利要求1所述软件定义无线传感器网络中能量高效的分层拓扑控制方法，其特征在于，步骤3具体包括如下步骤：

步骤3.1，初始时，所有上层中继传感器节点与汇聚节点直接建立连接，并以此功率能耗的负值，作为该中继传感器节点初始的收益函数；

步骤3.2，在一轮迭代中，所有上层中继传感器节点依次从策略集中选择策略，找到使其收益函数最大的策略，改变其下一跳节点，并保持不变；其余中继传感器节点在其基础上，继续从策略集中选择策略，直到所有中继传感器节点完成选择，并计算整体网络的收益函数之和，一轮迭代完成；

步骤3.3，一轮迭代完成后，网络连接状态全面更新，各个中继传感器节点基于新的策略，进入下一次迭代，直到达到纳什均衡网络；

步骤3.4，当网络达到纳什均衡网络，所有中继传感器节点均不再改变自身的策略，获得最终的网络拓扑，各中继传感器节点并依据此网络拓扑传递自身簇内信息至汇聚节点。

Images