基于云模型和熵權法的無線傳感器網絡魯棒性研究

秦　勤，米　捷

(河南工程學院 計算機學院，河南 鄭州 451191)

?

基于云模型和熵權法的無線傳感器網絡魯棒性研究

秦勤，米捷

(河南工程學院 計算機學院，河南 鄭州 451191)

摘要：結合無線傳感器網絡的特點，提出了運用云模型對無線傳感器網絡魯棒性進行研究的方法，構建了評估指標體系和基于云模型的評估模型，采用熵權法對評估指標的權重進行處理.仿真實驗證明，該方法能夠有效解決魯棒性評估過程中的人為因素、隨機性及模糊性等問題，為無線傳感器網絡魯棒性的研究提供了新的思路和方法.

關鍵詞：云模型；熵權法；無線傳感器網絡；魯棒性

無線傳感器網絡(Wireless Sensor Networks, WSN)是由一個或多個傳感器節點構成，采用無線通信技術部署在監測區域的自組織性網絡，它經常會受到網絡拓撲結構的變化、傳感器節點的增加或減少、各種敵對環境因素的影響，導致整個網絡系統的不確定性和不穩定性[1-2].魯棒性是指當無線傳感器網絡內部或外部的各種參數發生變化時，該網絡的整體結構和性能依舊能夠保持穩定性的能力[3].魯棒性能的這種分析方法對于不同領域的科學家而言，在評判標準和科學評估這兩個方面都有很大的理論意義和實踐價值.為了保證無線傳感器網絡具有較強的適應性和穩定性，需要對網絡的魯棒性進行評價，而如何建立一個科學的評價體系并進行評估是值得研究的問題.

閆斌[4]提出了基于簇的無線傳感器網絡路由及其魯棒性評估；余根堅等[5]提出了一個具有大概率強連通魯棒性的無線傳感器網絡構造算法；邵敘寧[6]提出了一種名為自適應隨機分簇(ARC)的拓撲控制算法來評估網絡的魯棒性；楊云等[7]提出了一種具有魯棒性的異構傳感器網絡部署策略；焦磊等[8]提出了一種室內環境下對受阻礙的視距(OLOS)誤差具有魯棒性的低計算量的殘差加權無線傳感器網絡定位算法；陳熙[9]提出了一種魯棒性分段組播路由算法.本研究在總結已有研究的基礎上，根據影響無線傳感器網絡魯棒性的因素來構建評估模型，采用熵權法處理各個影響因素的權重問題，運用云模型來解決評語中的隨機性、不確定性和模糊性等問題， 有效地避免了人為因素的影響.

1魯棒性能指標的構建

1.1　指標的選取

對于網絡的設計和應用來說，網絡魯棒性能的評估指標非常重要.根據無線傳感器網絡的特點，結合傳統網絡指標，遵循評估指標選取的全面性、相關性和可測性等原則，確定無線傳感器網絡性能評估的標準，即功能實現、通信性能、感知精度、能耗控制和容錯性[10-11].

(1)功能實現

無線傳感器網絡一般是為完成的獨特功能而設計的，雖然在不同的環境下系統功能不同，但事件監測、目標定位跟蹤與識別、參數評估等功能是相同的.因此，無線傳感器網絡功能實現的評估指標主要有監測估計精度與誤差、定位精度與誤差、識別精度與誤差等.

(2)通信性能

無線傳感器網絡的通信性能主要表現在對監測目標的感知能力和各個節點的獨立處理能力、協調處理能力等.因此，無線傳感器網絡通信性能的評估指標主要有網絡的響應時間、時間延遲、吞吐量、丟包率和容錯性等.

(3)感知精度

感知精度指用戶接收到所需要信息數據的精度.對網絡感知精度的評估指標主要有傳感器自身的感知能力、感知精度、節點處理信息的能力和方法、協調與通信協議等.

(4)能耗控制

網絡的生存周期是能耗控制最直接的反映，是指從整個網絡系統開始啟動到不能夠提供任何所需要的信息為止持續工作的時間.在無線傳感器網絡的設計和應用過程中，要充分考慮能源的有效性，盡最大可能降低傳感器的節點能耗，使生存周期最大化.

(5)容錯性

容錯性是指無線傳感器網絡在環境變化、傳感器節點故障甚至失效或其他因素的影響下，系統監測采集信息仍能保持高效性和精確性.

針對無線傳感器網絡性能的評估標準，結合指標選取的原則，選取網絡時延、網絡吞吐量與丟包率作為無線傳感器網絡性能的評估指標.

1.2　定義魯棒性等級

對無線傳感器網絡魯棒性優劣進行綜合評估，得出由自然語言表述定性概念的評估語言集合.但網絡魯棒性是相對的，沒有明顯的界線區分.因此，魯棒性評語等級劃分過于密集或過于稀疏，都不利于魯棒性的評估.

根據文獻[3]的研究成果，根據魯棒度值集合[0，30)，[30，45)，[45，55]，(55，70]，(70，100]把魯棒性評語集分為5個等級：差(E)、較差(D)、中(C)、良(B)、優(A).差(E)表示網絡不具有魯棒性；較差(D)表示網絡具有較差的魯棒性；中(C)表示網絡具有一定的魯棒性，但網絡不穩定；良(B)表示網絡具有較好的魯棒性，有一定的抗干擾能力；優(A)表示網絡的魯棒性極高，在影響較大的情況下仍然可以恢復正常運行，穩定性極高.

2魯棒性能量化評估模型

由于影響無線傳感器網絡魯棒性的各因素是不斷變化的，所以魯棒性評估結果具有一定的隨機性，評估語集可能會同時出現優、差的模糊性.魯棒性的判斷評估是在一定參數的基礎上計算得出的，但由于運用不同技術和不同計算工具，在不同時間上也會有一定的不確定性和隨機性.另外，對于同一個傳感器網絡來說，不同領域的不同專家在不同時間、不同地點的判斷評估也不盡相同，具有一定的主觀因素[12].為了解決上述問題，引入云模型以更科學地描述無線傳感器網絡的魯棒性.

2.1　云模型

云模型綜合考慮隨機性和模糊性，用期望值Ex、熵En、超熵He這3個數字特征來表征描述的云圖，實現定性概念和定量數據的轉換，把模糊性和隨機性有效地集合在一起，為定性與定量的信息傳遞提供了有力手段，成為一種處理模糊信息的有效工具[13].

設P={p1， p2，…，pn}為無線傳感器網絡魯棒性的評估結果集合，pi(i=1，2，3，…，n)是每次的評估量值，T是P上的定性概念，對于任意pi(pi∈P)，都存在一個穩定傾向的隨機數η∈CT(pi)， η∈[0，1].η是pi對T的隸屬度在數據區間上的分布，稱為隸屬云，簡稱云，即Cloud(Ex，En，He).Ex是期望，是最具代表性概念的一個點；En是熵，表示云滴的離散程度，揭示了隨機性和模糊性之間的關聯；He是超熵，即熵的熵，是對熵的不確定性度量，即偏離度.

由云的數字特征(Ex，En，He)生成以En為期望值、He為方差的正態隨機數Eni=N(En，He)，然后再生成以Ex為期望值、En為方差的正態隨機數xi=N(Ex，Eni)，稱為云滴.根據隨機數和正態分布函數，得出隸屬度

(1)

生成云滴的計算過程稱為正態云發生器，記為C(Ex，En，He)，云滴的主要作用區域為[Ex-3En， Ex+3En].生成云滴xi的平均值

(2)

云滴的中心距

(3)

方差

(4)

所有云滴表示的定性概念數字特征(Ex，En，He)為

(5)

2.2　確定指標權重

無線傳感器網絡魯棒性能的判斷評估為網絡規劃、管理、配置及維護提供了科學的依據.因此,在判斷評估中，一個比較重要的問題是各指標權重的確定.采用熵權法確定指標權重，既具有客觀性，又擯棄了主觀因素的影響，在剔除對評估結果貢獻相對較小的指標的同時，又保證了評估結果的精度.

設有n個無線傳感器網絡魯棒性評估指標和m個評估對象組成的矩陣K,

K=(kij)m×n, (i=1,2,…,n;j=1,2,…,m).

(6)

對矩陣K進行歸一化處理：

(7)

則評估指標的熵值為

(8)

式中： i=1,2,…,n; j=1,2,…,m; 0≤φi≤1.第i個評估指標的熵權

(9)

根據熵權的計算可知，熵值和熵權成反比關系，熵值越小則熵權越大，代表其對應的指標信息量越大，則該指標重要；反之，說明該指標不重要.因此，運用熵權法可以客觀計算出指標權重的大小.

2.3　評估思路與步驟

基于云模型的無線傳感器網絡魯棒性評估模型有效地解決了網絡魯棒性的隨機性和模糊性，評估結果更能反映實際情況.采用熵權法處理權重問題，能客觀地反映指標權重的大小.評估數據處理的具體思想與步驟如下：

①構建影響評估對象的指標因素矩陣K=(k1,k2,…,kn)；

②構建評估結果的評語集C=(c1,c2,…,cn)；

③采集樣本數據，并對數據進行處理；

④運用熵權法計算影響評估對象的指標權重W=(ω1,ω2,…,ωn)；

⑤根據權重計算和修正影響魯棒性能的網絡時延、網絡吞吐量與丟包率的期望值.

3仿真與分析

根據魯棒等級和魯棒度構造對應云模型的對應關系，如表1所示.選取文獻[14]中樣本數據(如表2所示)進行仿真.

表1　等級表Tab.1　Grade division

表2　性能數據Tab.2　Performance data

首先對樣本進行數據處理，然后采用熵權法來確定權重，得到時延、丟包率和吞吐量的熵及熵權值，如表3所示.

表3　熵和熵權Tab.3　Entropy and entropy weight

根據魯棒等級、魯棒度與云模型的對應關系可知，該網絡魯棒度的云滴主要落在等級為“中”的區域上，如圖1所示.另外，云滴也有大部分落在等級為“良”的區域內，還有很少的一部分云滴落在等級為“較差”和“優”的區域內.比較發現，落在“中”區域的比落在“良”區域的多.因此，該網絡的魯棒性能更準確的說法應該是“中+”，即中上的意思.

圖1　仿真結果Fig.1　Simulation result

4結語

結合無線傳感器網絡性能的特點構建了魯棒性評估指標，采用熵權法對各個評估指標的權重進行處理，解決了人為因素的干擾，具有客觀性、合理性與科學性.采用云模型進行定量與定性的評估對應，有效解決了魯棒性能的模糊性與隨機性等問題，評估模型具有科學性和普遍適用性.

參考文獻：

[1]崔遜學，左從菊.無線傳感器網絡簡明教程[M].北京:清華大學出版社，2009.

[2]何永強，張文欣,李可.基于貝葉斯理論的傳感器網絡節點故障檢測方法[J].河南工程學院學報：自然科學版，2014，26(4):65-68.

[3]安軍.魯棒性分析的方法論意義[J].科學技術哲學研究，2011(5)：26-30.

[4]閆斌.基于簇的無線傳感器網絡路由及其魯棒性評估研究[D].成都:電子科技大學，2009.

[5]余根堅，鄭寶玉.一種大概率強連通魯棒性的無線傳感器網絡構造算法[J].福州大學學報:自然科學版，2006，34(4)：481-484.

[6]邵敘寧.無線網絡中的魯棒性資源分配算法研究[D].杭州:浙江大學，2011.

[7]楊云，石婷婷，徐平,等.一種具有魯棒性的異構傳感器網絡部署策略[J].計算機應用與軟件，2011，28(6)：51-53,68.

[8]焦磊，邢建平，張軍，等.室內環境下對OLOS誤差具有魯棒性的TOA無線傳感器網絡定位算法[J].傳感技術學報，2008,21(1):163-168.

[9]陳熙，洪佩琳，盧昊.無線傳感器網絡中的魯棒性分段組播路由算法[J].小型微型計算機系統，2015,36(3):478-482.

[10]LAN E，WELILIAN S.A survey on sensor networks[J].IEEE Communications，2002(8):102-114.

[11]NG H S，SIM M L，TAN C M.Security issues of wireless sensor networks in health care applications[J].BT Technology Jounal，2006，24(2)：138-144.

[12]羅贊騫，夏靖波，陳天平.基于云模型和熵權的網絡性能綜合評估模型[J].重慶郵電大學學報：自然科學版，2009(6)：771-775.

[13]葉瓊，李紹穩，張友華，等.云模型及應用綜述[J].計算機工程與設計，2011,32(12):4198-4201.

[14]周嬋，李聽.工業無線傳感器網絡性能綜合評價研究[J].計算機工程，2010(16):82-84,87.

Study on the robustness of wireless sensor networks based

on cloud model and entropy weight

QIN Qin，MI Jie

(CollegeofComputer，HenanInstituteofEngineering，Zhengzhou451191，China)

Abstract:This paper combined with the characteristics of wireless sensor networks, proposes the research method of robustness of wireless sensor networks based on cloud model. The evaluation index system and evaluation model based on cloud model are constructed, and the entropy method is used to process the evaluation index weights. Through simulation analysis, this method can effectively solve the human factor, randomness, fuzziness and other issues in robustness of the assessment process, providing new ideas and methods for robust wireless sensor network research.

Key words:cloud model; entropy weight; wireless sensor network; robustness

作者簡介：秦勤(1983-)，女，山東成武人，講師，主要研究方向為計算機網絡與人工智能.

基金項目：河南省科技廳科技計劃課題(152102210027)；河南省高等學校重點科研項目(15A520054)

收稿日期：2015-09-30

中圖分類號：TP399

文獻標志碼：A

文章編號：1674-330X(2015)04-0069-04