WMSN能量高效路由综述

无线多媒体传感器网络中能量高效路由的综合综述

摘要

无线多媒体传感器网络（WMSNs）因其在多种引人注目的应用中的影响而受到广泛关注。近年来，WMSN中的路由已成为一个活跃的研究领域。WMSN中的数据传输依赖于路由协议，该协议用于确定资源高效且稳定的路径，以提升服务质量（QoS）。本综述旨在对关于无线多媒体传感器网络中能量高效路由的25篇论文进行回顾。相应地，对各研究中采用的技术进行了系统性分析，并简要呈现。此外，还回顾了每项贡献中的性能指标及相关最大成就。最后，该综述描绘了多个研究问题和不足之处，可为研究人员引入WMSN中能量高效路由的最新技术提供支持。

关键词 —无线多媒体网络；服务质量；能量效率；路由；优化。

术语表

缩写	描述
AC BP‐CMPR	蚁群 带宽功率感知协作多路径路由
BS	基站
CN	协作节点
CH	簇头
DL	深度学习
EDACR	能量高效分布式自适应协作路由
EEQAR	能量高效服务质量保障路由
EE	能量效率
EA‐CRP	能量感知聚类和路由协议
e2e	端到端
ETX	预期传输次数
FLC	模糊逻辑控制器
GA	遗传算法
IECC	改进的椭圆曲线密码学
LR	拉格朗日松弛方法
MPR	多层感知回归
OPSO	对立粒子群优化
PSO PDWT	粒子群优化 部分离散小波变换
PDR	数据包投递率
SEF	统计途中过滤
SINR	信号与干扰加噪声比
SBCs	单板计算机
SNR	信号与噪声比
TIGMR	基于三角链路路径间干扰的地理多径路由
TCEM	基于拓扑控制的节能多播
TRE	总剩余能量
QoS 无线多媒体传感器网络	服务质量 无线多媒体传感器网络
WSNs	无线传感器网络

一、引言

无线多媒体传感器网络（WMSNs）是一种新型的传感器网络，由配备麦克风、摄像头和其他能够生成多媒体数据内容的传感器节点组成。多媒体传感器具备捕获图像、视频、标量和音频感知数据的能力。WMSNs通过支持大量应用 [1],[2]，改进了现有的无线传感器网络（WSN）。然而，它需要满足额外的QoS需求，如有界延迟、更高带宽需求、更低的丢包率和可容忍的抖动。无线传感器网络（WSN）被用于监测各种物理参数、空气质量或水质、灾害、危险以及栖息地[3],[4]。相比之下，无线多媒体传感器网络（WMSN）被应用于工业过程控制、执法与管控、环境监测、多媒体监控以及交通避障。为WMSNs设计的路由协议应同时考虑资源约束特性以及WMSN的QoS需求[5]。

在无线多媒体传感器网络中，构建高效且可靠的路由协议至关重要，这可以在满足多媒体应用QoS需求的同时最大化网络生命周期。然而，无线多媒体传感器网络的一些基本特征，如动态链路、有限带宽和不一致的信道容量，在设计高效路由协议时带来了各种挑战[6],[7],[8]。此外，传感器节点的有限资源，如缓冲区大小、内存、能量、处理能力和带宽，给无线多媒体传感器网络中的路由设计带来了额外挑战[9],[10]。在无线多媒体传感器网络中，最紧缺的资源之一是能量。多媒体应用产生大量流量，需要强大的处理能力以及高传输速率。与无线传感器网络相比，这可能导致更大的能耗。因此，为了延长网络寿命，为无线多媒体传感器网络设计的路由协议需要更加关注能耗问题。

因此，路由选择在通过无线网络传输多媒体数据中起着重要作用[11],[12],[13]。单一的路由算法由于会导致路由失败，交通拥堵和电力短缺。这些路由故障主要是由于能量空洞引起的。如果某个节点存在能量空洞，则从源到目的路径上的数据包丢失会增加[14]。另一方面，与单一路由模型相比，多路径路由模型选择更多路径以提高数据包投递率。此外，在无线多媒体传感器网络中，预测节点的能量不足正成为一种开销。因此，需要改进的技术来提高无线多媒体传感器网络中的能量效率，以实现高效的路由。本综述的主要贡献如下。

1. 对无线多媒体传感器网络中的能量高效路由进行了扩展性综述，并分析了每篇论文所采用的不同技术及其特征与挑战。
2. 对各研究工作中性能指标及其对应的最大成就进行了综述。
3. 阐述了有助于研究人员在无线多媒体传感器网络中进一步发展能量高效路由的研究问题。

本文包含以下部分：第二节阐述了基于无线多媒体传感器网络中能量高效路由的相关工作。第三节对采用的技术、性能以及主要成果进行了广泛回顾。第四节指出了研究空白，第五节给出了结论。

II. 文献综述

A. 相关工作

2017年，Mekonnen 等 [15]设计了一个包含单板计算机和低功耗标量节点的异构无线多媒体传感器网络。其中，受限节点用于检测运动，而更高效的单板计算机则作为摄像机节点用于传输全高清视频。此外，提出了一种简单功耗模型，并针对不同的事件持续时间分析了电池寿命。最后，结果表明该设计的模型在能量效率方面有所提升。

2020年，邓辉等 [16]提出了一种名为EDACR的用于无线多媒体传感器网络的新模型。此外，该模型考虑了能耗和服务质量的参数。特别是，设计了一种基于强化学习的方法，利用延迟和可靠性知识实现了能量均衡路由和服务质量。最后，仿真实验表明，该方法在能耗性能方面表现更优。

2016年，Akila 和 Venkatesan [17]提出了一种新颖的面向模糊的聚类技术，以提高无线传感器网络中的生命周期和能量效率。此外，簇头的选择取决于剩余负载、信任度、能量和信干噪比。因此，面向模糊的聚类协议有助于选择加入簇的协作节点。利用粒子群优化实现每个簇头与协作节点之间的最优路径选择以传输数据。最后，该方案的性能开发的技术在能量效率和网络生命周期方面得到了验证。

2020年，Sangdae 等 [18]提出了一种路由模型，该模型通过桥接节点实现路径间的协作。此外，该节点监测通过路径传输的数据包，并解决了传输延迟和故障等问题。而且，该方法在实时条件下实现了更高的可靠性，并通过使用较少的路径数量解决了能量利用问题。此外，所采用技术的优势在延迟和能量利用率方面得到了验证。

2019年，库楚克凯哲奇和亚齐齐[19]开发了一种新颖的目标跟踪框架，该框架包含三个主要阶段：“(i) 节点内融合，(ii) 节点间融合，以及 (iii) 目标轨迹构建”。第一阶段涉及在所有传感器中对目标进行跟踪和检测，而第二阶段则利用邻近传感器和时空数据。因此，所有节点的融合数据被整合起来，以在无线多媒体传感器网络的观测区域内构建检测到目标的全局轨迹。实验结果表明，该方法在跟踪精度方面优于其他模型。

2018年，Khalid et al. [20]提出了一种用于在无线传感器网络中收集数据的EA‐CRP。该模型的主要目标是减少网络中节点的能量消耗。因此，该模型不仅缩短了节点间的通信距离，而且降低了形成簇时产生的开销。此外，所提出的多跳路由方法在中继节点的距离与能量之间实现了更好的权衡。

2017年，Dingde et al. [21]提出了一种能量高效的组播路由框架，旨在提高网络的能量效率。相应地，通过在网络中构建组播路由，利用拓扑控制和休眠技术来获得最优路由策略。最后进行了实验，仿真结果表明该实现模型在可行性与效率方面有所提升。

2018年，Lin 等 [22]提出了一种用于在无线多媒体传感器网络中重建丢失视频帧的深度学习框架。相应地，通过将MPR与深度学习技术相结合，引入了一种新的像素估计模型。该研究提出了一种改进的图像修复方案，利用了光流法方法的数据。实验分析表明，所提出的方法在信噪比方面有显著提升。

2011年，迪奥尼西斯等人[23]提出了一种名为 PEMuR的新双方法，旨在实现高效的视频通信，同时达到高QoS实现和节能。为了实现这些目标，该方案利用了视频包调度模型与能量高效路由方案。所提出的路由框架能够选择能量高效的路径，根据剩余能量管理网络负载，并且避免了数据的无用传输。

2018年，阿瓦德[24]提出了一种基于高斯分布的中继节点最优部署系统模型。该模型根据源节点数量、路由路径数量和通信范围等网络约束，精确地描述了最优标准差和中继节点数量。最后，实验结果表明，所提出的方法在降低分组延迟和延长网络生命周期方面具有更好的性能。

2017年，Zaki 等 [25]提出了一种新的QoS路由确定技术。所采用的模型能够确定最佳路径，以为满足不同类型实时媒体QoS需求的共享无线电提供支持。此外，该研究利用 LR技术来控制逐跳QoS路由模型。最后，所提出模型在能量利用率和端到端延迟方面的优越性得到了验证。

2018年，维杰和戈尔帕德 [26] 提出了一种TIGMR方法，该方法在符合IEEE 802.15.4的网络中发现了多条节点不相交路径。此外，所提出的路由模型根据“距离、剩余能量和三角链路质量度量”来选择转发节点，并且还预测了最小的相邻路径干扰效应。最后，与现有其他模型相比，该方法在网络生命周期方面表现出更好的结果。

2018年，Nesrine 等 [27]关注了同步视频编码优化与数据路由至汇聚节点的问题。该问题通过一个分析框架得以解决，并相应地研究了两种解决方案。首先，通过最短路径路由模型计算通往汇聚节点的路由。最后，实验结果表明，所采用的方法能够保持较低的电池消耗，从而延长网络生命周期。

2017年，艾哈迈德 [28]提出了一种新型实用视频流路由框架，该框架包含“下一代无线多媒体传感器网络中的自适应流量整形数据速率”。据此，该研究发展了一种实现自适应流量整形的新方法，并利用多路径转发来选择下一跳。最后，所提方法的相对分析表明，在减少延迟、提高服务质量与可靠性方面，其结果优于其他现有模型。

2018年，Collotta 等 [29]提出了一种能量高效的框架，该框架提供了更高带宽和最优能量利用，从而直接惠及无线多媒体传感器网络。同时，还定义了一种模糊导向解决方案，用于判断“当Wi‐Fi接入点未充分利用时是否应将其关闭，以在保持网络性能处于可接受水平的同时降低能耗”。

2015年，Naércio et al. [30]提出了一种新的多目标模型来解决无线多媒体传感器网络中的路由问题。因此，该方法考虑了服务质量的需求，即预期传输次数和延迟。此外，所提出的模型已应用于不同的案例研究中，显示出在服务质量解决方案上的更好改进。

2015年，Rajib 等 [31]提出了一种基于提升的PDWT的高效节能音频数据压缩方法。与传统提升模型相比，该工作利用了数据的时间与空间相关性。因此，在达到可接受的信噪比时可以节省更多能量。进而，将编码模型和面向树的路由设计与所提出的方法相结合，以进一步降低能耗。

2011年，Lin 等 [32]展示了一种分析社交网络与无线多媒体传感器网络之间关系的新方法。随后，基于社交网络分析设计了一种QoS信任评估方案，用于考察邻近节点的行为。开发了一种新的EEQAR模型，以实现能量效率并满足QoS需求。在仿真过程中，实验结果表明，与其他现有模型相比，该方案具有更长的网络生命周期和改进的QoS。

2012年，Xu 等 [33]定义了一个新颖的BP‐CMPR问题，并正式证明了其NP难性。此外，提供了一种“多项式时间启发式算法”来解决与能量效率相关的问题。同时，采用了Suurballe技术以找到从源到目的的最小权重k条不相交路径。随后，采用动态规划实现功率分配和中继分配。

2010年，Cortés 等 [34]提出了一种用于无线传感器网络实际应用的LEMR多通道方法，以解决能量效率、延迟和抖动问题。该研究利用了LEMR在能量效率、抖动和延迟方面的优势，并引入了一种新的节能“动态占空比多通道介质访问机制”，利用收发器中存在的多个信道来提升网络吞吐量。最后，仿真实验结果表明，该方案在能量效率、抖动和延迟等多个指标上均具有优势。

2019年，亚齐齐等人提出了一种融合导向的WMSN模型，该模型通过“节点内处理”减少了网络中需要传输的数据量。该方法探讨了三个主要问题：（a）一种用于无线多媒体传感器网络的新型面向簇的路由模型，其功耗低于现有模型；（b）一种在减少无线多媒体传感器节点向基站传输信息数量的同时提高精确率的技术；（c）利用机器学习方案实现目标检测的无线多媒体传感器网络节点模型。最终，所采用的方案在网络生命周期和相关性方面均优于传统模型。

2019年，Satao和Prasad [36]提出了一种自适应路由模型，在路由建立过程中考虑了移动性参数。该研究在路径配置中考虑了多种约束，如移动性因子、链路质量指数、跳数和剩余能量。最后，对所开发的模型进行了全面评估，结果表明网络性能有显著提升。

2014年，Huang et al. [37]提出了一种名为IPACR的二维平面导向路由方法，该方法通过优化人工信息素的分布改进了传统的蚁群算法模型。这一优化加快了算法的收敛速度。随后，提出了一种面向聚类的路由模型ICACR，可用于大规模网络。最后，结果表明，在大规模无线多媒体传感器网络中，ICACR在服务质量与网络生命周期方面均优于 IPACR。

2011年，Kim et al. [38]提出了针对无线多媒体传感器网络的分层路由协议模型。根据该方案，网络模型被划分为聚合类、监控类和传输类。此外，定义了两种类型的路由路径，以确保服务质量带宽。最后，对所提出方法的分析表明，与现有方法相比，该方法在服务质量方面表现出更优越的性能。

2020年，库马尔和西瓦加米[39]提出了一种模糊逻辑模型，用于识别网络中的恶意节点。在此模型中，为每个传感器节点计算信任评分，并基于该评分识别出恶意节点。为了实现安全的数据传输，将IECC技术与OPSO相结合，以实现最优密钥生成。最后，通过延迟、能量利用率和网络生命周期证明了所采用方法的优越性。相关研究工作的特征和挑战如表I所示。所提出综述论文的时间顺序回顾如图1所示。

表I. 无线多媒体传感器网络中高效节能路由的各种传统工作的特征与挑战

作者 [citation]	特征	挑战
Mekonnen 等 [15]	更低的能耗 提供高电池寿命	未考虑能量开销在此项工作中。
邓辉 等 [16] Akila 和 Venkatesan [17]	EDACR 模糊模型	最低能耗 提供高可靠性 更长的网络生命周期。 降低能耗
Sangdae 等 [18] Küçükkeçeci 和 Yazici [19]	协作路由方案 图模型	高能效。 最低能耗 高效 精度提高
Khalid 等 [20]	EA‐CRP	高可扩展性。 能效提升
Dingde 等[21]	TCEM方法	更好的EE 实现最优路由
Lin等人的研究 [22]	MPR	最小误差 增强的PSNR
Dionisis 等 [23]	PEMuR	应对有限带宽 高PSNR 最小化失真
阿瓦德 [24]	高斯分布	更低的能耗 高PDR
Zaki et al. [25]	LR模型	最小延迟 延长寿命
维杰和戈尔帕德 [26]	TIGMR	更高的PDR 减少延迟
Nesrine 等 [27]	贝尔曼‐福特方法	最小电池消耗 延长使用寿命
艾哈迈德 [28]	自适应流量整形算法	增强的QoS 减少延迟
Collotta 等 [29]	FLC	最低能耗 减少的数据包丢失
Naércio 等 [30]	GA	减少延迟 最小的数据包丢失
Rajib 等 [31]	PDWT	高信噪比 最低能耗
Lin等人[32]	EEQAR	改进的QoS 更长的生命周期
Xu等。[33]	BPCMPR	降低功耗 最小延迟
Cortés 等 [34]	LEMR	更高吞吐量 最小抖动
亚齐齐 et al. [35] Satao 和 Prasad [36]	FLC 自适应路由协议	消耗最少能量 提高准确性 最小延迟 延长寿命
Huang 等 [37]	ICACR	降低丢包率 高PSNR
Kim等。[38]	SEF	较少交通拥堵 最低能耗
库马尔和西瓦加米 [39]	OPSO	较低能耗 最小延迟

III. 对采用的技术、性能和最大成就的广泛回顾

A. 对采用的技术的回顾

本节讨论了所综述文献中采用的各种技术，其示意图如图1所示。从综述中可以看出，存在休眠CAM方法[15]在[15]中被使用，EDACR在[16] [17], [29],[35], [18]中被使用。基于模糊模型的方法在协作式路由中被采用，图模型在[19]中被使用。此外，EA‐CRP在[20]中被采用，TCEM模型在[21]中被使用。进一步地，MPR和PEMuR方法分别在[22]和[23]中被利用。此外，高斯分布在[24]中被采用，LR模型技术在[25]中被部署。另外，TIGMR、Bellman‐Ford方法和自适应流量整形算法分别在[26],[17]和[28],中被部署，GA和OPSO方法在[30]和[39]中被采用，PDWT在[31]中被部署。因此，EEQAR、BPCMPR和LEMR方法分别在[32],[33]和[34]中被采用。自适应路由协议在[36],中被部署，ICACR在[37]中被利用，SEF在[38]中被采用。

通过对已回顾的传统工作的分析，大多数工作集中在实现最低能耗以及最小延迟。具体而言，[15],[16],[17],[18],[24],[29],[31],[38]和[39]关注于最小化能耗。此外，延长寿命在[17],[25],[27],[32],[36]中受到关注。然而，某些工作包含更多的时间开销，且部分工作存在计算复杂度问题。

B. 性能指标分析

表II描述了用于评估无线多媒体传感器网络中各种节能路由协议的性能指标。从表II可以看出，有10篇论文对能耗进行了分析，约占总贡献的40%；9篇论文分析了延迟，贡献了约36%；7篇论文考察了数据包投递率，贡献了约28%。同样，功耗和峰值信噪比各有3篇论文涉及，贡献了约12%。此外，在4篇论文（16%）中评估了电池寿命、带宽、信噪比和仿真时间。此外，服务质量、开销、可靠性、F值、精确率、网络利用率、能量效率、均方误差和增益贡献了约4%（1篇论文）的总体贡献。同样，灵敏度、总剩余能量和剩余能量在1篇论文中进行了评估，贡献了约4%的整体贡献。

表II. 无线多媒体传感器网络中节能路由的各类性能指标综述

测量	引用
功耗	[15],[29],[33]
电池寿命	[15],[27]
Qos	[16]
能耗	[16],[18],[21],[25],[26],[28],[31],[32],[34],[39]
延迟	[17],[25],[26],[28],[30],[33],[36],[37],[39]
PDR	[17],[18],[25],[26],[28],[36],[39]
开销	[17]
可靠性	[18]
带宽	[18],[32]
网络生命周期	[20],[26],[28],[32],[39]
网络利用率	[20]
Tre	[35]
剩余能量	[38]

C. 最大性能分析

最大性能如表III所示。根据综述，以[33]测量的功耗获得了220mW的最小值。以[15]分析的电池寿命达到了210小时的较高值。此外，以[16]测量的服务质量获得了0.85的较好值，以[25]考察的能耗获得了2nJ/Kbps的最小值。同样，延迟、数据包投递率和开销分别达到了11毫秒、93%和0.11，并已在[30],[26]和[17]中分别进行了检验。可靠性、带宽、F值和精确率等指标分别达到了90%、1兆比特/秒、0.85和85%，且已在[18],[32],[19]和[19]中分别进行了分析。此外，网络生命周期、网络利用率、能量效率、均方误差、增益和峰值信噪比在[20],[20],[21],[22],[22]和[22]中被利用，其相应最优值分别为410轮、28%、65、3.34、8.32分贝和36.5871分贝。

表III. 已审阅工作所达到的最大性能

序号	引用	性能指标	最大性能
1	[33]	功耗	220毫瓦
2	[15]	电池寿命	210小时
3	[16]	QOS	0.85
4	[25]	能耗	2纳焦耳/千比特每秒
5	[30]	延迟	11ms
6	[26]	PDR	93%
7	[17]	开销	0.11
8	[18]	可靠性	90%
9	[32]	带宽	1兆比特/秒
10	[20]	网络生命周期	410轮
11	[20]	网络利用率	28%
12	[21]	能量效率	65
13	[22]	均方误差	3.34
14	[22]	增益	8.32分贝
15	[22]	峰值信噪比	36.5871分贝

IV. 研究空白与挑战

在无线多媒体传感器网络中，能量是最紧缺的资源之一。能耗被视为一个首要问题，因此为无线多媒体传感器网络设计的路由协议必须考虑能耗，以延长网络生命周期。然而，多媒体应用会产生大量流量，需要更高的处理能力和传输速率，与WSN [15],[16]相比会导致能耗增加。此外，预测节点中的这种能量稀缺可能会导致无线多媒体传感器网络中的开销。

多媒体内容传输通常与多媒体源编码方法相关，因为多媒体源会产生大量流量。此外，压缩方法必然会降低多媒体质量，即失真。文献中已提出高效的压缩方法来减轻失真的影响，然而这些方法不适用于资源受限的无线多媒体传感器网络 [17][18]。这是因为预测编码需要强大的处理技术和复杂编码器，这会显著增加能耗。

此外，多媒体流量需要更高的带宽范围。例如，“QCIF格式（176x144）下单色未压缩视频帧的尺寸约为25 KB”。而且，由于无线多媒体传感器网络的多跳、低范围和固有通信模式，节点可能作为中继节点运行[19][20]。如果大量视频数据通过单一路径传输，该路径可能会耗尽，从而导致过早失效。因此，为解决此问题，可以利用多个信道和路径以空间重叠的方式充分利用可用带宽。因此，在设计无线多媒体传感器网络的路由模型时，带宽分配也是一个需要考虑的问题。

V. 结论

本文对无线多媒体传感器网络中的不同能量高效路由进行了全面综述。本文描述了25篇论文的回顾，并对不同技术、其特征及挑战进行了重要分析。此外，还分析了不同能量高效路由模型在无线多媒体传感器网络中的性能指标及其各自的最大成就。从分析中可以看出，与其他方法相比，EEQAR方法和Sleepy CAM方法实现了最大性能。最后，本文阐述了研究问题，可为研究人员进一步开展无线多媒体传感器网络中能量高效路由的研究提供帮助。