尤非
四川大學 電子信息學院 四川 成都 610065
無線傳感器網絡通常由一個固定的Sink節點和若干個普通的傳感器節點構成,它們被部署在某些特定的區域內,負責監測環境數據。由于節點的體積較小,自身能夠攜帶的能源有限,并且由于一般被部署在較惡劣的環境中,人為的補充能量也是有極大的難度的。傳感器節點大部分能量消耗來源于數據的收發。因此,減少過多的數據傳輸帶來的巨大能量消耗和節點之間能耗的不平衡問題是目前研究的重點。另外,因為WSN節點數據存在著時間、和空間的相關性,研究人員又提出了將CS理論應用到數據收集過程當中來,對節點感知的數據進行壓縮。綜上所述,本文在傳統的基于CS的WSN數據收集算法的基礎上,為了減少網絡中數據傳輸量,提出了一種全新的基于最佳投影點和無人機的數據收集算法[1]。
為了進行壓縮數據的收集,首先需要根據公式(1)構造出一個稀疏的觀測矩陣。其中s決定稀疏度,即每一行非零元素的個數。
從以上觀測值的獲取過程可以發現,投影節點得選擇影響了網絡中數據的傳輸量。而投影節點的選擇受到多種因素的影響,如節點位置、剩余能量等。因此,本文將投影點的選擇問題建模為一個多因素決策問題,使用AHP方法進行求解,AHP將一個多準則決策問題分解為一些簡單的子問題,并建立了由三個不同層次組成的層次框架。其中 頂層是決策目標;第二層是由決策標準或因素組成,主要包括到Sink的距離、剩余能量和與數據傳輸量這三個因素,但是數據傳輸量這一指標計算較難,可以用到其他節點的距離來代替;第三層是方案層,即若干個候選節點。
為了得到每個候選節點對于目標層的權重,首先需要構造出準則層對于目標層的比較矩陣A,如下式所示:
其中V是候選節點的集合。因此,所有候選節點對決策準則的權重可以得到,并表示為:
計算出每個候選節點的權重后,其中權重最大的節點u就是最佳的投影點。
完成投影點選擇后,利用最小生成樹算法構造路由,然后進行壓縮編碼,最后利用無人機進行觀測值收集。為了減少UAV數據收集時間,可以將其建模為TSP問題,利用已有的算法,如蟻群算法、模擬退火算法等進行求解[2]。
在Matlab平臺上,搭建好仿真環境,設置節點數目為100個,分布在邊長為125m的正方形區域內。將本文提出的算法DGOPN,與PEDAP和CN-MSTP算法在網絡生存時間進行對比。仿真結果如圖1所示(見文末),可以看出,在節點數為100時,DGOPN與另外兩種算法相比網絡生存周期分別提高了47.5%和184.5%。
本文提出了一種新的基于CS的WSN數據收集算法,解決了傳統基于CS算法存在的投影點選擇不當導致的數據傳輸量過高,能量消耗大的問題。仿真結果表明,本算法能夠有效地減少節點的能量消耗,并且延長網絡的生存時間。
圖1 .3 網絡生存時間