基于相关性传输模型的无线链路质量估计方法及路由优化算法

doi:10.12263/DZXB.20200119

电子学报 ›› 2022, Vol. 50 ›› Issue (10): 2409-2424.DOI: 10.12263/DZXB.20200119

基于相关性传输模型的无线链路质量估计方法及路由优化算法

孟超¹^,²^,³, 周倩¹^,²^,³, 郭林¹^,²^,³, 王攀¹^,²^,³, 孙知信¹^,²^,³

^1.南京邮电大学江苏省邮政大数据技术与应用工程研究中心，江苏南京 210003
^2.南京邮电大学国家邮政局邮政行业技术研发中心(物联网技术)，江苏南京 210003
^3.南京邮电大学宽带无线通信技术教育部工程研究中心，江苏南京 210003

收稿日期:2020-01-17 修回日期:2021-11-12 出版日期:2022-10-25
- 作者简介:
- 孟超男，1977年出生，江苏镇江人.博士.主要研究方向为计算机网络安全技术、无线传感器网络、启发式优化算法等.
  周倩女，1983年出生，江苏南京人.博士.主要研究方向为密码学、网络安全和隐私、物联网技术，以及数据库等基础理论和应用.
  郭林男，1985年出生，江苏南京人.博士.主要研究方向为无线通信技术、微波、毫米波、太赫兹及纳光子学.
  王攀男，1979年出生，江苏南京人.博士，研究员.主要研究方向为新一代通信网络、人工智能与网络空间安全、大数据分析与深度学习等.
  孙知信（通讯作者）男，1963年出生，江苏南京人.博士，教授，博士生导师.主要研究方向为物联网技术与应用、邮政快递大数据技术及应用、区块链技术及应用、计算机网络及安全等.
- 基金资助:
- 国家自然科学基金 (61972208); 国家重点研发计划 (2020YFB1804701); 南京邮电大学引进人才项目 (NY219142); 江苏省高校自然科学基金面上项目 (19KJB510048)

Estimation Method of Wireless Link Quality and Routing Optimization Algorithm Based on Correlation Transmission Model

MENG Chao¹^,²^,³, ZHOU Qian¹^,²^,³, GUO Lin¹^,²^,³, WANG Pan¹^,²^,³, SUN Zhi-xin¹^,²^,³

^1.Engineering Research Center of Post Big Data Technology and Application of Jiangsu Province，Nanjing University of;Posts and Telecommunications，Nanjing，Jiangsu 210003，China
^2.Research and Development Center of Post Industry Technology of the State Posts Bureau（Internet of Things Technology），Nanjing University of Posts and Telecommunications，Nanjing，Jiangsu 210003，China
^3.Engineering Research Center of Broadband Wireless Communication Technology of the Ministry of Education，Nanjing University of;Posts and Telecommunications，Nanjing，Jiangsu 210003，China

Received:2020-01-17 Revised:2021-11-12 Online:2022-10-25 Published:2022-10-11

摘要/Abstract

摘要：

在无线传感网中，无线链路数据传输不是独立的，而是存在较强的相关性.在链路相关性条件下，无线链路传输质量往往依靠直接测量法获取结果，但是直接测量的结果不够精确，存在较大误差，而路由算法总是依据链路传输质量选择最优的传输路径，因此直接导致路由选择算法的结果错误.本文基于无线链路数据相关性传输提出改进架构，该架构利用贝努利采样理论，确保对无线链路传输质量的精确估计，使得链路质量估计能够达到高精度的要求.在此基础上，本文提出了路由选择优化算法，该算法依据无线链路的传输质量，找出从所有的感知节点到sink的最优数据传输路径，确保无线链路的数据传输所消耗的能量达到最小值.实验结果表明，本文提出的架构在精确度和能量消耗等方面，都要优于已有的优化算法.

关键词: 物联网, 无线传感网, 优化算法, 链路质量

Abstract:

In wireless sensor networks(WSNs), data transmission in wireless link is not independent, but there is a strong correlation. Under the condition of link correlation, the transmission quality of wireless link often depends on the direct measurement method to obtain the results. However, the results of the direct measurement are not accurate enough and there are large errors. In addition, the routing algorithm always selects the optimal transmission path according to the link quality. The imprecise link quality ultimately leads to the wrong results of routing algorithm in the end. In this paper, according to data correlation transmission for wireless link, the improvement scheme is proposed by the authors, which uses Bernoulli sampling theory to estimate link quality in order to meet the requirements of high precision. On this basis, a routing optimization algorithm is proposed, which can find the optimal data transmission paths from all sensing nodes to sink according to quality of wireless link. The optimal transmission path can ensure the minimum energy consumption of data transmission in wireless link. Finally, the extensive experiment results indicate that the proposed algorithms have high performance in terms of the total transmission energy cost and algorithm precision, compared with the existing algorithms.

Key words: Internet of things, WSNs, optimization algorithm, link quality

中图分类号:

TP393

孟超, 周倩, 郭林, 等. 基于相关性传输模型的无线链路质量估计方法及路由优化算法[J]. 电子学报, 2022, 50(10): 2409-2424.

Chao MENG, Qian ZHOU, Lin GUO, et al. Estimation Method of Wireless Link Quality and Routing Optimization Algorithm Based on Correlation Transmission Model[J]. Acta Electronica Sinica, 2022, 50(10): 2409-2424.

图/表 16

图1 链路JPAP的位图数据

表1 符号说明

符号	描述
$e m$	节点u到邻居 $v m$ 的无线传输链路, $1 ≤ m ≤ M$
$p (e m)$ (PRR)	传输链路 $e m$ 的数据包接受率
$p ̂ (e m)$	$p (e m)$ 的估计值
ETX	期望传输次数
$D$	总的传输数据的个数
d	需要传输的样本数据个数
$S N m (u)$	节点u的非空邻居节点子集 $S N m (u) = {v 1, v 2, ⋯, v m}$ ,u到这些节点链路满足 $p (e 1) ≥ p (e 2) ≥ ⋯ ≥ p (e m)$
$p (S N m (u))$ (JPAP)	节点u的非空子集的 $S N m (u)$ 的联合数据包接受率
$p ̂ (S N m (u))$	$p (S N m (u))$ 的估计值
$S N m - 1 (u)$	$S N m - 1 (u) = {v 1, v 2, ⋯, v m - 1}$
$X v m (k)$	邻居节点 $v m$ 是否成功接收节点u发送的第k个数据
$N (u)$	节点u的邻居节点集合
$X ̂ v m (k)$	邻居节点 $v m$ 是否成功接收节点u所发送的第k个采样数据
$E T X (e m)$	节点u到邻居节点 $v m$ 的链路 $e m$ 的期望传输次数
$P r Y$	随机事件Y发生的概率
$ω S N m (u) (u)$	节点u成功传输数据包到 $S N m (u)$ 中节点的总期望传输次数
$q$	贝努利采样概率
$r$	链路PRR的下界,低于此值表示链路不连通
$e c s$	感知节点发送数据包的能量消耗
$e c r$	感知节点接收数据包的能量消耗
$w (e m)$	链路 $e m$ 的权重或是链路ETX
n	无线传感网的节点总数
$N m a x$	传感网中,最大的邻居节点个数

表1 符号说明

符号	描述
$e m$	节点u到邻居 $v m$ 的无线传输链路, $1 ≤ m ≤ M$
$p (e m)$ (PRR)	传输链路 $e m$ 的数据包接受率
$p ̂ (e m)$	$p (e m)$ 的估计值
ETX	期望传输次数
$D$	总的传输数据的个数
d	需要传输的样本数据个数
$S N m (u)$	节点u的非空邻居节点子集 $S N m (u) = {v 1, v 2, ⋯, v m}$ ,u到这些节点链路满足 $p (e 1) ≥ p (e 2) ≥ ⋯ ≥ p (e m)$
$p (S N m (u))$ (JPAP)	节点u的非空子集的 $S N m (u)$ 的联合数据包接受率
$p ̂ (S N m (u))$	$p (S N m (u))$ 的估计值
$S N m - 1 (u)$	$S N m - 1 (u) = {v 1, v 2, ⋯, v m - 1}$
$X v m (k)$	邻居节点 $v m$ 是否成功接收节点u发送的第k个数据
$N (u)$	节点u的邻居节点集合
$X ̂ v m (k)$	邻居节点 $v m$ 是否成功接收节点u所发送的第k个采样数据
$E T X (e m)$	节点u到邻居节点 $v m$ 的链路 $e m$ 的期望传输次数
$P r Y$	随机事件Y发生的概率
$ω S N m (u) (u)$	节点u成功传输数据包到 $S N m (u)$ 中节点的总期望传输次数
$q$	贝努利采样概率
$r$	链路PRR的下界,低于此值表示链路不连通
$e c s$	感知节点发送数据包的能量消耗
$e c r$	感知节点接收数据包的能量消耗
$w (e m)$	链路 $e m$ 的权重或是链路ETX
n	无线传感网的节点总数
$N m a x$	传感网中,最大的邻居节点个数

表1 列出了本文的所有符号的定义.

输入:

① $ε$ ( $ε ≥ 0$ ) and $δ$ ( $0 ≤ δ ≤ 1$ )

② 样本数据集和贝努利采样概率q

③ $X ̂ v m = {X ̂ v m (1), X ̂ v m (2), ⋯, X ̂ v m (d)}$ , 其中 $1 ≤ m ≤ M$

输出: 从感知节点 $u$ 到其邻居节点的链路 $ε, δ$ -近似值 $p ̂ (S N m (u))$ 和 $p ̂ (e m)$ $(1 ≤ m ≤ M)$ , 且近似值满足定义3. 在定义中, 只要 $ε$ 和 $δ$ 是取得足够的小的值, 就可以保证近似值满足高精度要求.

表1 列出了本文的所有符号的定义.

输入:

① $ε$ ( $ε ≥ 0$ ) and $δ$ ( $0 ≤ δ ≤ 1$ )

② 样本数据集和贝努利采样概率q

③ $X ̂ v m = {X ̂ v m (1), X ̂ v m (2), ⋯, X ̂ v m (d)}$ , 其中 $1 ≤ m ≤ M$

图2 优化路径算法实例

图3 算法的执行过程

表2 实验环境和相关参数

实验平台	实验环境	节点	信道	传输范围/m²
Lord	实验箱	10	Ch16	0.8×0.8
MICAz	大楼楼道	20	Ch26	20×2
TelosB	室外大棚	60	Ch16	50×50

图4 实验环境

图5 JPAP的估计误差

图6 随机获取和本文估计法的比较

图7 采样概率与误差分析

图8 能量消耗分析

图9 最优路径算法的能量消耗

图10 几个算法的能量消耗比较

图11 算法精度分析

图12 链路质量与传输次数的关系

图13 网络密度的影响

参考文献 25

1	刘洲洲, 李士宁, 张筱, 等. 联合改进核FCM与智能优化SVR的WSNs链路质量预测[J]. 电子学报, 2018, 46(1): 90-97.
	LIU Z Z, LI S N, ZHANG X, et al. Link quality prediction algorithm based on improved kernel FCM and intelligent SVR for WSNs[J]. Acta Electronica Sinica, 2018, 46(1): 90-97. (in Chinese)
2	焦贤龙, 王刚, 田海琛, 等. 基于相继干扰消除的无线传感网低时延广播算法[J]. 计算机学报, 2019, 42(11): 2526-2538.
	JIAO X L, WANG G, TIAN H C, et al. Successive interference cancellation based low-delay broadcast algorithms for wireless sensor networks[J]. Chinese Journal of Computers, 2019, 42(11): 2526-2538. (in Chinese)
3	WANG S, KIM S M, LIU Y H, et al. CorLayer: A transparent link correlation layer for energy-efficient broadcast[J]. IEEE/ACM Transactions on Networking, 2015, 23(6): 1970-1983.
4	KIM S M, WANG S, HE T. Exploiting spatiotemporal correlation for wireless networks under interference[J]. IEEE/ACM Transactions on Networking, 2017, 25(5): 3132-3145.
5	ZHU T, ZHONG Z G, HE T, et al. Achieving efficient flooding by utilizing link correlation in wireless sensor networks[J]. IEEE/ACM Transactions on Networking, 2013, 21(1): 121-134.
6	ZHAO Z W, DONG W, BU J J, et al. Link-correlation-aware data dissemination in wireless sensor networks[J]. IEEE Transactions on Industrial Electronics, 2015, 62(9): 5747-5757.
7	GUO S, KIM S M, ZHU T, et al. Correlated flooding in low-duty-cycle wireless sensor networks[C]//Proceedings of the 2011 19th IEEE International Conference on Network Protocols. Vancouver: IEEE, 2011: 383-392.
8	ZHAO Z W, DONG W, GUAN G Y, et al. Modeling link correlation in low-power wireless networks[C]//2015 IEEE Conference on Computer Communications. Kowloon: IEEE, 2015: 990-998.
9	SRINIVASAN K, JAIN M, CHOI J I, et al. The κ factor: Inferring protocol performance using inter-link reception correlation[C]//Proceedings of the Sixteenth Annual International Conference on Mobile Computing and Networking. Chicago: ACM, 2010: 317-328.
10	SHEN H, XU J J, WANG T J, et al. Detecting link correlation spoofing attack: A beacon-trap approach[C]//2019 IEEE International Conference on Communications. Shanghai: IEEE, 2019: 1-6.
11	LI J Z, CHENG S Y. (ε, δ)-approximate aggregation algorithms in dynamic sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems, 2012, 23(3): 385-396.
12	DING T, YUAN X J, LIEW S C. Algorithmic beamforming design for MIMO multiway relay channel with clustered full data exchange[J]. IEEE Transactions on Vehicular Technology, 2018, 67(10): 10081-10086.
13	ZHOU J, CHEN L, CHEN C L P, et al. Uncertain data clustering in distributed peer-to-peer networks[J]. IEEE Transactions on Neural Networks and Learning Systems, 2018, 29(6): 2392-2406.
14	GUO X F, LIU X W, ZHU E, et al. Adaptive self-paced deep clustering with data augmentation[J]. IEEE Transactions on Knowledge and Data Engineering, 2020, 32(9): 1680-1693.
15	GUO S T, SHI Y W, YANG Y Y, et al. Energy efficiency maximization in mobile wireless energy harvesting sensor networks[J]. IEEE Transactions on Mobile Computing, 2018, 17(7): 1524-1537.
16	LI L, RAMJEE R, BUDDHIKOT M, et al. Network coding-based broadcast in mobile ad-hoc networks[C]//The 26th IEEE International Conference on Computer Communications. Barcelona: IEEE, 2007: 1739-1747.
17	LIU C Y, HUANG H J, DU H W, et al. Performance-guaranteed strongly connected dominating sets in heterogeneous wireless sensor networks[C]//The 35th Annual IEEE International Conference on Computer Communications. San Francisco: IEEE, 2016: 1-9.
18	ZHANG X M, CAO X L, YAN L, et al. A street-centric opportunistic routing protocol based on link correlation for urban VANETs[J]. IEEE Transactions on Mobile Computing, 2016, 15(7): 1586-1599.
19	ALAM S M I, SULTANA S, HU Y C, et al. Link correlation and network coding in broadcast protocols for wireless sensor networks[C]//2012 9th Annual IEEE Communications Society Conference on Sensor, Mesh and Ad Hoc Communications and Networks. Seoul: IEEE, 2012: 59-61.
20	HUAN X T, KIM K S, LEE S, et al. A beaconless asymmetric energy-efficient time synchronization scheme for resource-constrained multi-hop wireless sensor networks[J]. IEEE Transactions on Communications, 2020, 68(3): 1716-1730.
21	YAN Z Y, TAN R, LI Y, et al. Wearables clock synchronization using skin electric potentials[J]. IEEE Transactions on Mobile Computing, 2019, 18(12): 2984-2998.
22	CORMEN T H, LEISERSON C E, RIVEST R L, et al. Introduction to Algorithms[M]. Massachusetts: The MIT Press, 2001.
23	CHEN L, FAN R L, BIAN K G, et al. On heterogeneous neighbor discovery in wireless sensor networks[C]//2015 IEEE Conference on Computer Communications. Kowloon: IEEE, 2015: 693-701.
24	CHANDY K M, MISRA J. Distributed computation on graphs[J]. Communications of the ACM, 1982, 25(11): 833-837.
25	FUJIMOTO R, BISWAS A. An empirical study of energy consumption in distributed simulations[C]//2015 IEEE/ACM 19th International Symposium on Distributed Simulation and Real Time Applications(DS-RT). Chengdu: IEEE, 2015: 163-170.

[1]	胡向东, 吕高飞, 白银. 基于优化支持向量回归的工业互联网安全态势预测方法[J]. 电子学报, 2023, 51(2): 446-454.
[2]	穆磊, 王鹏. 量子启发式优化算法的尺度动态调速机制[J]. 电子学报, 2022, 50(7): 1664-1673.
[3]	陈书仪, 刘亚丽, 林昌露, 李涛, 董永权. 面向物联网的轻量级可验证群组认证方案[J]. 电子学报, 2022, 50(4): 990-1001.
[4]	李玮, 张雨希, 谷大武, 张金煜, 朱晓铭, 刘春, 蔡天培, 李嘉耀. 轻量级密码MANTIS的唯密文故障分析[J]. 电子学报, 2022, 50(4): 967-976.
[5]	董明, 李敬, 索永录, 唐恩贤, 马宏伟, 陈渊, 张广明, 万翔. 基于改进果蝇优化算法正交匹配追踪的超声信号降噪方法[J]. 电子学报, 2022, 50(2): 493-501.
[6]	蒋伟进, 张婉清, 陈萍萍, 陈君鹏, 孙永霞, 刘权. 基于IWOA群智感知中数量敏感的任务分配方法[J]. 电子学报, 2022, 50(10): 2489-2502.
[7]	刘景森, 马义想, 李煜. 改进蝴蝶算法求解多维复杂函数优化问题[J]. 电子学报, 2021, 49(6): 1068-1076.
[8]	陈亮, 李峰, 任保全, 杨建喜. 软件定义物联网研究综述[J]. 电子学报, 2021, 49(5): 1019-1032.
[9]	焦贤龙, 郭松涛, 黎勇, 李艳涛, 向朝参. 基于相继干扰消除和跨层并发传输的物联网数据聚合调度[J]. 电子学报, 2021, 49(10): 1982-1992.
[10]	韩红桂, 阿音嘎, 张璐, 乔俊飞. 自适应分解式多目标粒子群优化算法[J]. 电子学报, 2020, 48(7): 1245-1254.
[11]	孙辉, 邓志诚, 赵嘉, 王晖, 谢海华. 混合均值中心反向学习粒子群优化算法[J]. 电子学报, 2019, 47(9): 1809-1818.
[12]	黄美根, 郁滨. 软件定义WSN规则一致更新研究[J]. 电子学报, 2019, 47(9): 1965-1971.
[13]	徐诚, 何杰, 张晓彤, 姚翠, 段世红, 齐悦. IMU/TOA融合人体运动追踪性能评估方法[J]. 电子学报, 2019, 47(8): 1748-1754.
[14]	何杰光, 彭志平, 林伟豪, 崔得龙. 一种矩形邻域结构的教学优化算法[J]. 电子学报, 2019, 47(8): 1768-1775.
[15]	周岩, 王鹏, 辛罡, 李波, 王德志. MQHOA优化算法能级稳定过程及判据研究[J]. 电子学报, 2019, 47(6): 1337-1343.

基于相关性传输模型的无线链路质量估计方法及路由优化算法

Estimation Method of Wireless Link Quality and Routing Optimization Algorithm Based on Correlation Transmission Model

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 25

相关文章 15

编辑推荐

Metrics