一种基于云节点损坏小区域替代的传感通信算法

A cloud based on a small area of the node damage replace sensor communication agreement

ABSTRACT：Cloud computing to the sensor network communication node, there will be a single cloud node communication necrosis, causing the process will be the whole distance communication according to choose other node, the selection process randomness is bigger, communication efficiency is not high. In order to improve the communication network computing clouds efficiency is proposed based on a small regional cloud automatic distance test alternative to the node network communication agreement. Through the surrounding recent node form a node can substitute the area, through the calculation small area most effective distance, choose appropriate cloud connected alternative node. Ensure that communication efficiency. The experimental results show that the method can be used to large computing clouds appear in the death of the network nodes are replacing, improve the efficiency of the node channel communications.   

KEYWORDS：Cloud computing; Node necrosis; Region distance alternative 

0引言

云计算的传感网络通信节点中，计算量巨大，随着计算量的增加，会出现单个云节点由于能量耗尽造成的通信坏死，一旦节点坏死，算法会选择一个替代节点。选择的过程往往会根据全程路由距离选择其他替代节点，选择过程随机性较大，缺少必要的约束条件，很难保证选择到最优节点替代节点，一旦选择了大量的非最优节点，会造成通信效率不高的问题。

为解决这一问题，本文提出一种基于小区域云节点自动距离检测替代的网络通信协议。通过周边最近节点组成一个节点可替代的区域【5~6】，通过计算小区域内最为有效的距离，选择合适的云计算替代节点。保证通信效率。

1传感网络节点通信过程及原理

无线传感网络节点通信的常规方法是根据节点自身的通信标准，对相邻分布的节点进行通信，如果1个节点通信完毕，那么建立节点间的通信连接，通知下一个节点进行通信的工作。节点分布示意图如下图1所示：

图1节点分布示意图

具体计算步骤如下：

（1）需要通信的节点与自身区域内的相邻节点建立连接，两个节点需要逐个完成通信工作，方法如下；

                                  （1） 

 在上面的式子中： 

          （2）

为第i个节点在相邻节点获取的通信信息，为节点间的距离，表示的是误差系数，t为更细通信需要的时间。

（2）在得到相邻节点通信完毕的信息之后，节点需要提取其中的通信信息，完成自己的通信，方法同上。为了衡量通信对传感网络连贯性的影响，运用节点间的通信效率衡量节点的通信效率，公式为：

    （3）              

上式中，P代表单位时间内，节点的通信次数，T为采集周期。次数越多，代表节点的通信能力越强。

通过以上原理可知，传统的通信分配算法都是基于逐个节点通信完成网络的通信的，在以云计算为基础的无线网络中，随着计算量的增加，会出现单个云节点由于能量耗尽造成的通信坏死，一旦节点坏死，算法会选择一个替代节点。选择的过程往往会根据全程路由距离选择其他替代节点，选择过程随机性较大，缺少必要的约束条件，很难保证选择到最优节点替代节点，公式1中节点不能正常选择，那么由公式2可知，在单位时间内，如果不能完成通信，会导致P值变小，节点的通信系数下降，网络通信效率降低。

2基于云节点损坏小区域替代的传感通信算法

2.1 能量耗尽云节点检测与定位

传感网络中，以传感节点为基础组成的传感云网络，其是连接外接的接触。一个个的云节点相互连接，协同工作。为了对云节点中的能量进行定义。将节点进行一定的区域划分。采用当前区域划分中最为主流的Delaunay多区域剖分算法将检测云节点区域进行范围划分，这种划分可以有效防止重复划分，Delaunay多区域划分算法是一种可以进行云节点区域高效划分方法。要进行Delaunay多区域剖分应该满足以下的一些约束： 

（1）将无线传感网络中，与失效节点相邻的多个节点作为基础点，将各个节点进行连线构成二维区域的多边形区域；

（2）将包含了失效节点的多边形区域映射在一个中心部位； 

（3）本身区域中云节点的变化不会对相邻区域或者相隔区域中的区域云节点分布造成影响。

在上述约束下可以进行区域划分，区域进行划分后的云节点先验能量定义如下： 

                             （4）

上式中，为单个云节点的势能，是双点势能的体现，改变量主要体现相邻节点之间的关联。、是两个权重系数，该系数决定了、先验能量的所占比例。这两个权重系数是正常数。上述定义下的位置为的单点基团的势能为:                                    （5）

该式的第一项是对云节点深度的限制。在无线传感网络的运行状态下，节点处于能量耗尽的前期较短时间的一段时间内运动处于一个相对较小的状态。这时不同的云节点处在一个运动变化范围相对较小的范围以内。代表节点变化的深度性能值，则： 。

上式中的后两项能够有效进行云节点在二维坐标面的运动范围，在能量计算范畴内，、在一个较小的范围内变化。令、表示云节点在二维坐标的、坐标变化幅度值，则： 位置位于处的双点基团势能表示式为：             上式中，，是一个用来避免平滑的区分参数，表示不同的运动参数。

关于云节点的后验能量可以根据如下定义得到: 

                     上式中，是一个正常数表示似然恩那个量在整个后验能量的比例。根据后验能量估计云节点参数即：

（6）                          上述分析中，存在多个局部的最小值点，这是一个非凸的函数，通过函数优化的问题对能量耗尽节点进行定位与检测保证通信正常。

2.2区域距离最小的替代方法

将能量耗尽的云节点准确定位后，在节点网络范围内寻找可以替代该能量耗尽节点的二维区域通信节点。如果通过连接云节点，切线与能量耗尽节点所在的区域的平面的交点坐标为，云节点的区域方程式一个平面可以表示为： 

上式中，P是云点的向量，且；而则是云节点中顶点的向量表示；代表区域平面的法向量，上式可以替换为： 

                                                         （7）

将第K步时的顶点云节点与的坐标连线参数方程:

首先，

    （8）                  

其中， 0到1的取值范围内。代入，可得交点所在的参数为

，。（9）

代入上式，得到交点的二维坐标：

   在三角区域内，舍去Z坐标，保留距离能量耗尽节点最近的坐标，该点的坐标可以用来代替能量耗尽节点的坐标。

2.3云节点位置修正

找到能量耗尽节点的替代点以后，对该点进行准确性分析，此时可以使用云节点修正，修正的基本思想是设置真是节点与替代节点之间的一个最大长度值，在现实的无线传感器网络中，替代点的松弛弹性区间一般只表示为的1.01-1.05倍。这样的约束可以保证替代节点是否过于松弛与原节点过远。算法步骤如下：

在每一步迭代过程中，对新节点弹性判断，如果云节点的伸长量大于了预定的，此时将其缩减至。迭代点如果超出弹性范围就会出现在下次迭代中的惯性保持，此时可以将其失效节点方向的速度进行平行清零，这样就可以防止节点松弛的过渡累积。但是实验仿真中发现使用了节点的修正在网络规模较小的情况下效果明显，但是在网络规模较大的时网络的修正算法性能就会明显下降。修正算法性能下降是因为在：某个迭代时刻，任意的云节点过度拉伸后，该节点需要同时对方向和修正。如果这两个方向值同时夹角大于90度，这样的修正效果就会消失。

3实验结果分析

本文的实验仿真平台为OMNet++仿真工具和Mobility Framework 2(简称MF2)。这两个仿真模块可以将传感器节点随机坐标与确定坐标进行定位，完成节点的网络部署。

本文中的监测区域为二维平面，平面坐标在200m*200m的区间以内。WSNM基站为1，Mesh的节点数设置为5，这两种站点的通信半径设置为50m，MS-WSN网络中的Sink节点数同样设置为5，半径同样,上述两个网络中传感器节点的通信半径都设置为10m。WSNM的Mesh节点与MS-WSN的Sink节点分布在网络中同时采用随机部署，在 Sink节点的接受数据因为信息量饱和后就会将信息发送到基站。本文设置的sink节点的内存分别为1000、2000、3000、4000个数据包的内存容量，节点信息融合的比例为1：10。当网络中的传感器节点进行完全覆盖的时候就会出现全联通。图2所示为传感器分布图：

图2节点个数为100的随即覆盖图

对其进行能量判断消耗，记录不同方法下，云节点的能力消耗。经过仿真实验，得到实验结果数据见表1：

表1本文方法与WSN通信能量消耗数据

得到仿真实验数据，在Windows XP 操作系统，2.0CPU，2G内存的实验平台下，使用Matlab对两种方法的通信效率变化曲线。实验结果如图3所示：

图3 本文方法与MS-WSN通信效率变化曲线

从表1和图3可以看出，在本文的算法协议支持下云节点通信效率与网络性能大大强于传统的MS-WSN，并且随着节点的个数增加，补偿云节点能效也大于MSN-WSN，总体曲线也优于MS-WSN。因为本文的算法可以迅速找到替代节点来进行能量耗尽节点的信息接替。实验结果也证明了本文算法在能耗方面的表现也较优秀。同时本文实验中的曲线也出现了一定的振荡，因为节点中的Mesh节点随机部署，这样网络处于一种非最佳的状态，这也是本文将要进一步研究的内容。

4结束语

本文提出一种基于小区域云节点自动距离检测替代的网络通信协议。通过周边最近节点组成一个节点可替代的区域，通过计算小区域内最为有效的距离，选择合适的云计算替代节点。保证通信效率。实验结果表明，运用该方法能够对大规模的云计算网络中出现的死节点进行迅速替换，提高了节点信道的通信效率。这种基于防冲突算法的多机通信系统能够应用到诸多领域中，并且具有很大的商业价值。

参考文献：

[1] 刘冬生，邹雪城，李泳生等.射频识别系统中的防碰撞算法[J].华中科技大学学报.2006.34（9）：84-86

[2] 杜海涛，徐昆良，王威廉.基于返回式二进制树形搜索的反碰撞算法[J].云南大学学报（自然科学版）.2006.28（01）：133-136

[3] 杨继，陈乃刚.虚拟现实硬件平台上的多机通讯[J].计算机仿真.2003.6，77-79

[4] C.M.Roberts.Radio frequency identification(RFID).Computers & Security,2006.25(1):18-26

[5] 陈香，薛小平，张思东.标签防冲突算法的研究[J].通信与信息技术.2006（220）：13-15

[6] 蒋建春，万莹，易纲，胡彬.基于AUTOSAR架构的通信系统的研究与实现[J].计算机测量与控制.2011.7 .56-57