1 引言 传感网络通常由成千上万个传感器协同工作，分布比较绸密。传感网络的资源如计算能力、存储空间和能量都很有限，为平衡这些受限资源，传感网络根据感兴趣的数据建立由数据源到sink节点的路径[1]。其中定向扩散(Directed Diffusion，DD)算法是一种以数据为中心的路由机制，体现了根据数据内容建立优化路经的思想，但DD算法在路由建立时需要进行flooding传播，为此造成大量的能量消耗和时间开销；同时没考虑发送的数据类型。在分布式的具有动态特性的以完成特定任务为目的的传感网络中，并非所有节点都传输相同种类的数据，有的节点可传输视频，有的只可传输音频（这是根据其与音频传感的接近度来定义的），有的节点甚至不能转发邻点的数据类型。例如，一个节点根据其剩余的能量，只可处理或转发音频数据，这时若转发已感知到的大的视频则将阻碍数据包的接收，并导致 “网络分裂”状态。因此，在路由发现期间，节点的模糊控制结构根据接收到的兴趣、被感知的数据类型及对能量的估计做出决策是退回还是处理这个数据包。 为了路由失效节点周围的区域，文献通过周期性的兴趣扩散、梯度建立以及路径加强来限制重路由受限的节点，避免失效的路由缩短了网络的生命期。针对这个问题，文献提出了多径路由的算法，提高了移动节点的健壮性；还提出了两节点间建立多径路由的方法：一种是节点不相交的多重路径，指备选路径互不相交也不相交于主路径，失效的节点集不影响其它的路径；另一种是有部分节点相交的多重路径，部分节点相交的路径避免了定向传播的不足。另外，多径路由有差别的资源分配，文献使用了模糊逻辑的策略，考虑了以提高带有多重过程流量为目标的流量性能和网络状态。文献将各种QoS需求表示为模糊优化。本文主要研究发送的数据类型与剩余能量之间的关系。
2 预备知识 主要是确定传感器节点和sink节点之间的多重路径，并在多重路径中建立节能的路由。这样，路由与传输的数据类型有关。作假设如下。 1) 网络假设 传感器节点监视和捕获由sink节点生成的兴趣的类型决定的数据。使用传统的flooding机制来确定多重路径，但仅认为其中能支持和处理其传输数据类型的是合适的。假定整个网络是低能量传感器网络，即分布在传感器网络节点中的能量较低。 2) 能量消耗 在传感器网络中，节点的总能量或能量的使用速率对其生存时间很重要。文献通过确定传感节点和sink节点之间的多重路径来建立一条节能的路由，避免传输失效。本算法通过考虑传感器节点和sink节点之间传输的数据类型来分析搜索节能路径的问题。节点所剩能量（remaining energy）可表示为： 。其中，CE是消耗的能量，r表示消耗的速率，Total是剩余的可用能量。因此，节能很重要。
3 路由发现 Flooding形成了路由发现的一般机制。传感器节点用一组属性值来命名它所生成的数据。由sink节点命名的数据将感知任务（或其子任务）分布在传感器网络中，还包括sink节点要传感器节点监视和捕获的数据类型。兴趣是确定所需消息类型的清晰数据，每个接收路由请求的中间节点将兴趣转换为详细描述所需数据类型的模糊消息。从假设可知，传感网络节点都是低能量的，因此，使用速率很重要。 为了节能，中间节点根据接收到的数据类型和剩余的能量做出决策是退回还是转发数据包。传输过程按照指定的重绘（draw）事件（即数据与兴趣匹配）在网络中建立梯度，事件沿多路径流向生成兴趣的节点(sink)，传感网络增强其中的一条或少数几条，然而，为了避免主路径传输失效，维护了大量的备选路径，用来计算剩余的能量。若某一节点根据模糊控制器的输出和剩余的能量能够处理接收到的数据包的类型，则可作为一个中间节点加到该路径中，确定多条不同的多重路径，直到覆盖了整个网络，这时flooding才结束。
4 Agent结构 传感网络中的每个节点有一个基于Agent的结构，如图1所示。分为四个模块，即模糊逻辑控制器(Fuzzy Logic controller，FLC)，模糊模式比较器/模糊数据相关器(Comparator/ Correlator，C/C)，是否转发兴趣的决策器(Decision Making，DM)。图1 基于Agent的模块结构图
图2 模糊逻辑控制器的结构图
1) 模糊逻辑控制器 模糊逻辑控制器（FLC）的结构如图2所示。模糊化是将明确的输入兴趣（crisp input）转换为对应属函数的模糊语言值（fuzzy value）；模糊推论主要是根据内存所设定的规则与输入的模糊语言值来判断输出结果；解模糊化将模糊推论的结果转成明确的输出。使用FLC将节点能够处理的数据类型和剩余能量联系起来，例如，假设sink节点在flooding期间发送一个监视和记录传感器网络在动态环境下视频的兴趣：MPEG I 标准，周期为60s。然后，FLC转换为模糊兴趣：视频，周期是短的。这时，FLC对收到的兴趣进行分析，并分类，将周期为60s的MPEG I标准视为短的视频。 2) 模糊模式比较器和模糊数据关联器(C/C) 这个模块主要比较和分析模糊兴趣和剩余能量之间的关系。 3) 做出决策（DM） 节点根据已建立的节能路由做出决策。如果节点发现其剩余能量能支持sink节点需要的数据类型，那就建一链路并修改路由表。这时，若sink节点再以70s-90s的周期flooding一类似的兴趣时，节点仍将之置于短周期的类别下，并维持本路由。
5 算法描述 下列算法描述的是以数据为中心的模糊多径路由的节能的方案，即搜索传感节点和sink节点之间既节能又能感知剩余能量的多重路径期间某一节点的执行过程。 ①开始； ②将接收到的明确的兴趣转换为模糊的兴趣； ③确定兴趣的类型，并根据其模糊的描述进行分类； ④将数据（兴趣）的类型和剩余能量进行模糊比较和关联； ⑤如果节点剩余能量能维持路由，那么添加该节点到路由路径上，更新路由表，并转发sink节点生成的兴趣，继续flooding过程。否则，发送出错信息给sink节点，表明该节点不能完成路由任务，让其停止flooding； ⑥停止。
6 实验结果 仿真采用的是NS2，评价体系与文献的类似。为了增强主路径，考虑接收消息副本消耗的时间。最先感知到事件的节点组成主路径。为了便于测试节点剩余的能量，实验中的节点集的能量值随机指定，研究因为低能量不能处理大型数据包而退包的情形。
6.1 实验的设置 将传感器节点均匀分布在400×400的区域内，每个节点最大传输范围为40。为了评价算法的性能，改变其它的参数，如节点密度、源节点和sink节点之间的跳数、退包率Pr和对能量的敏感度Si。每轮实验选择的节点数N与源节点和sink节点之间的跳数有关，并随机选择以不同跳数隔开的源节点－sink节点对。 场景设置为：MAC层协议使用的是IEEE802.11分布式的协调功能，并使用随机停靠点(waypoint)移动模型。随机放置节点，并以0m/s到10m/s的速度移向目的点。节点到达位置后的状态为固定状态，再选择另一位置，重复这个过程。网络带宽为2Mb/s，测量节点对随机指定的能量值的敏感度，或测量与其邻点相关的节点的流量率。当低能量节点不能有效转发它邻点的数据时，这个方法尤为适用。在多径路由发现期间，根据退回给产生兴趣的节点（可能是节点本身，也可能是它的前一跳节点）的数据包，测量其退包率。若退包率高，可能能量太低，也可能是在节点区域内传输的数据类型太大，使得节点无法支持。 假定源节点总是在主路径上以时隔T传播事件和发送触发事件（Event-Triggered，ET）到不相交或相交的备选路径上，每条备选路径接收的流量相同。维护备选路径需要的能量与备选路径的平均长度（跳数）成比例，文献给出了粗略计算维护总开销的方法： ， La是备选路径的平均长度， Lp是主路径的平均长度。只有在源点和sink节点之间要根据剩余能量和可支持的数据类型来选择最优节能路径时，才需测量维护总开销的精确值。
6.2 实验结果 图3反映的是节点密度对维护开销的影响，与不相交、部分相交的多重路径相比（考虑局部2－维不相交和局部相交方案），模糊路径的总开销明显低。即使模糊路径中的节点密度大时，其性能仍超过其他两种方案的。
图3 节点密度对维护总开销的影响 图4 路径长度对维护总开销的影响对有200个节点的源节点－sink节点对，路径长度增加时，模糊多重路径的总开销也很低，如图4所示。图5反映的是节点密度对退包率 的影响。随着网络密度慢慢增加， 逐步降低，但到一定程度，就趋于稳定。在小规模网络中，局部行为较多，这与低能量传感器网络在执行有大数据的任务时能量的分布是相适应的。图6反映的是节点对剩余能量的敏感度 对 的影响。当 增加时， 也随着失效节点增多而增加了。
图5 节点密度与退包率之间的关系图6 对能量的敏感度与退包率之间的关系
7 结论和进一步工作 本文提出了无线传感器网络中一种节能的、模糊数据多路径汇集的策略。节点根据FLC的输出、剩余的能量以及接收到的数据类型决定是退包还是转发。在路由发现阶段，大数据（如视频）会削弱低能量节点的处理能力和对路由的感知能力。从实验结果可发现退包率和各节点剩余的能量之间存在折中。今后我们将根据无线传感器网络中节点的路由能力来测试不相交和相交路径的健壮性和可靠性。
参考文献
[1] 孙立民，李建中，陈渝. 无线传感器网络[M]. 北京：清华大学出版社，2005
C. Intanagonwiwat，R. Govindan，and D. Estrin，Directed diffusion：a scalable and robust communication paradigm for sensor networks[A]. Proc 6th Annual Int’l Conf on Mobile Computing and Networks (MobiCOM 2000)[C]. Boston，MA，2000
于海斌，曾鹏，王忠锋. 分布式无线传感器网络协议研究[J]. 通信学报，2004，25(10)：102-110 G. Pottie and W. Kaiser，“Wireless sensor networks，” Communications of the ACM，43(5)：51–58，May 2000 D. Ganesan，R. Govindan，S. Shenker，and D. Estrin，“Highly-resilient，energy-efficient multipath routing in wireless sensor networks，” ACM SIGMOBILE Mobile Computing and Communications Review，vol. 5，no. 4，pp. 11–25，2001 Gasim Alandjani，“Fuzzy routing for ad hoc networks，” New Mexico State University，2002 Emad Aboelela and Christos Douligeris，“Fuzzy optimization model for QoS routing and bandwidth allocation，” Dept. of Electrical and Computer Engineering at University of Miami，Florida，1999 K. Fall and K. Varadhan，editors. The ns Manual (formerly ns Notes and Documentation).The VINT Project，UC Berkeley，LBL，USC/ISI XEROXPARC，2001中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。
