33、无线自组织和传感器网络中的DLBIP与网络寿命优化

无线自组织和传感器网络中的DLBIP与网络寿命优化

1. 相关工作

在无线自组织和传感器网络中，降低能耗与优化广播性能是重要的研究方向。相关工作主要分为无范围调整的广播和有范围调整的广播两类。

1.1 无范围调整的广播

减少能耗最简单的方法是减少重传消息以实现广播的节点数量。以下是一些相关解决方案：
- 聚类算法 ：构建连通支配集，为通信提供骨干，从而减少用于重传消息的节点数量。
- 概率协议 ：如一些文献中提出的协议。
- 邻居消除方案（NES） ：当节点i收到消息后，会监测其邻居是否收到消息，直到超时。若所有节点似乎都已覆盖，节点i不重传消息；否则，节点i需要重传。这能显著消除冗余消息，且NES常可作为其他协议的附加机制。
- 多点中继协议（MPR） ：需要2跳邻域知识。源节点选择其一跳邻居的一个子集来中继消息，以覆盖其二跳邻居，并在数据包中包含选择信息，将其传播给其一跳邻居。找到这样的最小节点集是一个NP完全问题，但有文献提出了一种有趣的贪心启发式算法。

1.2 有范围调整的广播

当节点能够调整其传输范围以降低能耗时，仅减少重传消息的节点数量是不够的。以下是一些相关协议：
- RBOP、LBOP和TR - LBOP ：这些广播导向协议旨在提高现有协议的效率，考虑了调整传输范围的可能性。它们的一般原理是在由相对邻域图（RNG）、局部最小生成树（LMST）和使用目标半径计算的LMST定义的邻居子集上使用NES。这些协议，特别是TR - LBOP，在能耗方面表现良好，但由于使用NES会存在延迟。
- 广播增量功率协议（BIP） ：这是一种集中式算法，允许调整传输范围，并在能耗方面提供了有趣的结果。其主要思想是提出Prim最小生成树算法的一个变体，考虑了无线多播优势。BIP的原理如下：
- 初始时，广播树为空，源节点被标记。
- 所有节点的传输范围初始设置为0。
- 每一步，直到所有节点都被覆盖，BIP选择一对节点(i, j)，其中i是已标记节点，j是未标记节点，且到达j所需的额外功率最小；然后i设置其传输范围以到达j。额外功率定义为i到达j的成本减去其已选择传输范围的成本。
- 本地化广播增量功率协议（LBIP） ：是BIP的本地化版本。源节点在其k跳邻域中应用BIP算法，并将指令随消息转发。当节点i收到消息时，如果数据包中有指令，i使用先前收到的指令在其k跳邻域中应用BIP算法；如果数据包中没有指令，意味着i的邻域已完全覆盖，i可以丢弃数据包。仿真结果表明，LBIP在能耗方面优于其他分布式协议，且仅比集中式BIP协议稍微多消耗一点能量。使用k = 2的LBIP是最佳折衷方案。

2. 动态本地化广播增量功率协议（DLBIP）

2.1 原理

考虑一个静态无线自组织或传感器网络，其中总是同一个节点（无线传感器网络中的基站）向所有节点广播消息。目标是最大化广播次数，直到可达性低于90%（可达性定义为接收节点数除以总节点数）。

DLBIP的优化原理是根据节点的剩余能量改变中继节点，以平衡节点之间的能耗。该协议的主要部分与LBIP相同：每个传感器根据收到的指令在其k跳邻域中计算广播树。

在DLBIP中，改变了计算动态广播树的权重指标。计算广播树的权重不仅根据通信的能耗，还考虑剩余能量。设$B_i$为节点i的剩余能量，若用$C(i → j)$表示从i到j的通信权重，则新权重计算如下：
$C′(i → j) = \frac{C(i → j)}{B_i}$

使用这个新权重计算广播树，剩余能量较低的节点较少被选为重传广播，或被要求在较短距离内通信，从而更好地平衡节点之间的能耗，延长网络寿命。与LBIP不同，DLBIP的广播树不是唯一的，它会根据剩余能量变化。

以下是一个简单的示例，比较LBIP和DLBIP计算广播树的权重：
考虑三个节点i、j和k，且$d(i, j) < d(i, k)$，节点i想将消息传达给j和k。
- LBIP算法 ：选择由以下不等式决定：
$C(i → k) < C(i → j) + C(j → k)$
若上述不等式为真，i设置其传输范围与两个节点通信；否则，i设置其传输范围与j通信，并要求j将消息重传给k。
- DLBIP算法 ：节点i和j的剩余能量会改变上述不等式：
$\frac{C(i → k)}{B_i} < \frac{C(i → j)}{B_i} + \frac{C(j → k)}{B_j}$
$\Leftrightarrow C(i → k) < C(i → j) + C(j → k)× \frac{B_i}{B_j}$
选择既与通信成本有关，也与剩余能量有关。如果j的剩余能量仍然很高，而i的剩余能量已经减少，j更易被选为中继节点；反之，如果$B_i > B_j$，节点i可能会将消息发送给两个节点。

2.2 能量更新

为了使用DLBIP，每个传感器需要知道或评估其k跳邻居的剩余能量。这里提出的方法可分为两部分：
- 近似计算 ：
- 每次传感器计算覆盖其邻居的广播树时，可评估其邻居的能耗。由于广播树是根据收到的指令计算的，且接收消息的传感器会遵守包含的指令，因此估计值接近实际能耗。
- 对于给定的广播，当传感器i收到没有针对i的指令的消息时，消息不重传。但当节点首次收到数据包时，它可以读取其所有k跳邻居的指令，这是更新其邻居剩余能量估计的好方法。
- 精确更新 ：当传感器i计算覆盖其k跳邻居所需的广播树，并在消息中包含指令时，它还可以在消息中包含一个字段，记录其剩余能量$B_i$。该消息发送给其邻居，邻居可以准确更新对节点i剩余能量的估计。这些更新可以进行到消息到达i邻域之外的节点，然后可以移除该字段。为避免数据包大小过度增加，不需要每次广播都包含剩余能量，可偶尔进行。

3. 性能评估

3.1 仿真参数

为了评估DLBIP的性能，使用WSNET模拟器进行仿真。将DLBIP与LBIP进行比较，因为DLBIP基于LBIP，且LBIP在能耗方面优于其他本地化协议。仿真参数如下：
- 网络模型 ：使用单位圆盘图来建模可用通信。考虑一个静态网络，由500个节点组成，这些节点在一个正方形区域内均匀随机部署。区域大小根据所选网络密度计算。
- 传输范围 ：最大传输范围固定为250。
- 能量设置 ：所有节点初始具有相同的能量，除了基站可以根据需要发送任意数量的消息。能量消耗模型采用特定公式，其中α = 4，c = 108。
- MAC层 ：LBIP和DLBIP使用理想MAC层实现，即两个节点可以同时传输消息而无冲突。
- 邻域设置 ：LBIP和DLBIP在其二跳邻域内计算广播树，因为仿真表明k = 2是最佳折衷方案。
- 冲突解决 ：为了准确测量DLBIP的影响，在LBIP和DLBIP的仿真中不使用邻居消除方案（NES）来解决冲突。
- 网络故障定义 ：当少于90%的节点收到广播时，认为网络出现故障。不根据传感器的初始能量比较结果，因为仿真结果与初始能量无关。

3.2 仿真结果

以下是一些仿真结果分析：
- 可达性 ：
- 在密度为20的网络中，LBIP协议选择的广播树始终相同，因此总是选择相同的节点作为中继节点。在210次广播任务后，覆盖节点少于90%。
- 相反，DLBIP使用动态广播树，中继节点和传输范围根据通信成本和剩余能量选择，网络寿命更好。在少于90%的节点被覆盖之前，可实现600次广播，在密度为20的网络中，直到10%的节点未被覆盖时，广播次数增加了近185%。
- 传输节点百分比 ：在密度为20的网络中，LBIP和DLBIP的传输节点百分比最初相同，但随着广播次数的增加，DLBIP使用的发射节点略有增加。这是因为当节点A的剩余能量过低时，可能有两种替代方案：要么另一个节点增加其传输范围以覆盖其邻居，要么两个其他节点通信消息，导致发射节点数量增加。
- 平均能耗比 ：设$R_{LBIP}$为使用LBIP协议进行一次广播时节点的平均能耗（即广播能耗除以节点数），由于LBIP计算的广播树是静态的，仅计算第一次广播的该比率。设$R_{DLBIP}$为使用DLBIP协议进行一次广播时节点的平均能耗（即广播能耗除以覆盖节点数）。分析$R_{DLBIP}/R_{LBIP}$的比率演变可知，DLBIP所需的节点平均能耗略高（小于10%），这是由于考虑了通信成本和剩余能量的加权，是为了平衡能耗以提高网络寿命所必需的。
- 广播延迟 ：DLBIP与LBIP相比，多次广播后延迟没有显著增加。延迟仅与剩余存活节点的数量和广播树的深度有关，而这两个协议的广播树深度几乎相同。
- 可扩展性 ：在密度为40的网络中，DLBIP在可达性低于90%之前的广播次数比LBIP多350%以上。当密度在30到40之间时，LBIP实现的广播次数少于400次，而DLBIP的广播任务数量持续增加。网络密度越高，DLBIP平衡能耗的选择就越多。

综上所述，DLBIP在网络寿命方面优于LBIP，尽管它稍微多消耗一点能量。后续研究可以探索其他平衡能耗的方法，如检测关键节点，或尝试其他加权方法来计算DLBIP广播树，以找到能耗和负载平衡之间最有效的折衷方案。还可以进行不同广播源的仿真，以分析该协议在每次广播源不同时的影响。此外，使用考虑接收成本的能耗模型和更现实的物理层来分析该协议也是有意义的。

以下是一个简单的mermaid流程图，展示DLBIP的基本流程：

graph TD
    A[开始广播] --> B[计算动态广播树]
    B --> C{是否有节点剩余能量低}
    C -- 是 --> D[调整中继节点和传输范围]
    C -- 否 --> E[按原计划广播]
    D --> F[进行广播]
    E --> F
    F --> G[更新节点剩余能量估计]
    G --> H{是否所有节点覆盖或可达性低于90%}
    H -- 否 --> B
    H -- 是 --> I[结束广播]

同时，为了更清晰地对比LBIP和DLBIP，以下是一个简单的表格：
| 协议 | 广播树特性 | 能耗平衡 | 网络寿命 | 延迟 |
| ---- | ---- | ---- | ---- | ---- |
| LBIP | 静态 | 较差 | 较短 | 低 |
| DLBIP | 动态 | 较好 | 较长 | 与LBIP相近 |

无线自组织和传感器网络中的DLBIP与网络寿命优化

4. 技术点分析

4.1 广播树计算差异

LBIP和DLBIP在广播树计算上的差异是影响网络性能的关键因素。LBIP采用静态广播树，在整个广播过程中，中继节点和传输范围基本固定。这种方式简单直接，但随着广播次数的增加，部分节点能耗过高，导致网络寿命受限。而DLBIP的动态广播树会根据节点剩余能量实时调整。例如，当某些节点剩余能量较低时，DLBIP会选择其他节点作为中继，避免低能量节点过度消耗。这种动态调整机制使得网络中的能量消耗更加均衡，从而延长了网络寿命。

以下是两者广播树计算差异的详细对比列表：
| 协议 | 广播树计算依据 | 中继节点选择 | 传输范围调整 | 对网络寿命的影响 |
| ---- | ---- | ---- | ---- | ---- |
| LBIP | 固定的通信成本 | 初始选定后基本不变 | 固定 | 易导致部分节点过早耗尽能量，网络寿命短 |
| DLBIP | 通信成本和剩余能量 | 根据剩余能量动态选择 | 根据节点状态动态调整 | 能量消耗更均衡，网络寿命长 |

4.2 能量更新机制

DLBIP的能量更新机制分为近似计算和精确更新两部分。近似计算通过传感器计算广播树时对邻居节点能耗的评估，以及节点首次收到数据包时读取邻居指令来更新剩余能量估计。这种方式虽然是近似的，但可以在不增加过多通信开销的情况下，大致了解邻居节点的能量状态。精确更新则是在传感器计算广播树并包含指令时，同时携带自身剩余能量信息。这种方式可以让邻居节点准确更新对该节点的能量估计。

以下是能量更新机制的mermaid流程图：

graph LR
    A[传感器计算广播树] --> B[近似评估邻居能耗]
    A --> C[首次收包读取邻居指令]
    B --> D[更新邻居能量估计（近似）]
    C --> D
    E[计算广播树并含指令] --> F[包含自身剩余能量信息]
    F --> G[邻居准确更新能量估计]
    D --> H{是否需要精确更新}
    H -- 是 --> G
    H -- 否 --> I[继续广播]
    G --> I

5. 操作步骤总结

如果要在实际应用中使用DLBIP协议，可按照以下步骤进行操作：
1. 网络部署 ：在一个正方形区域内均匀随机部署500个节点，组成静态网络。根据所选网络密度计算区域大小，将最大传输范围固定为250。
2. 能量初始化 ：为所有节点设置初始能量，除基站外，其他节点初始能量相同。采用特定的能量消耗模型，其中α = 4，c = 108。
3. 协议实现 ：使用理想MAC层实现LBIP和DLBIP，确保两个节点可以同时传输消息而无冲突。在其二跳邻域内计算广播树。
4. 广播过程 ：
- 开始广播时，计算动态广播树。
- 判断是否有节点剩余能量低，如果有，则调整中继节点和传输范围；如果没有，则按原计划广播。
- 进行广播，并更新节点剩余能量估计。
- 检查是否所有节点覆盖或可达性低于90%，如果否，则继续计算动态广播树；如果是，则结束广播。
5. 能量更新 ：在广播过程中，按照近似计算和精确更新的方法，定期更新节点的剩余能量估计。为避免数据包大小过度增加，可偶尔进行精确更新。

6. 结论与展望

通过对DLBIP和LBIP的对比研究，可以得出结论：DLBIP在网络寿命方面具有明显优势，尽管它会稍微增加一点能耗。这是因为DLBIP的动态广播树和能量更新机制能够更好地平衡网络中的能量消耗，避免部分节点过早耗尽能量。

未来的研究可以从以下几个方面展开：
- 其他能耗平衡方法 ：探索检测关键节点的方法，通过限制关键节点的能量消耗，避免网络过早分区。尝试其他加权方法来计算DLBIP广播树，找到能耗和负载平衡之间更有效的折衷方案。
- 不同广播源仿真 ：进行不同广播源的仿真，分析DLBIP在每次广播源不同时的性能表现，以适应更复杂的网络环境。
- 更现实的能耗模型 ：使用考虑接收成本的能耗模型和更现实的物理层来分析DLBIP协议，使研究结果更符合实际应用场景。

总之，DLBIP为无线自组织和传感器网络的广播优化提供了一种有效的解决方案，未来的研究有望进一步提升其性能，推动无线传感器网络技术的发展。