能量高效

能量高效（通用8篇）

能量高效 篇1

激趣生疑,激发“有趣”能量

案例1:教师给学生讲故事:“相传古代有个国王,非常阴险而多疑,一位正直的大臣得罪了国王,被判死刑。这个王国世代沿袭一条奇特的法规:凡是死囚,在临刑前都要抽一次‘生死签’(写着‘生’和‘死’的两张纸条),犯人当众抽签。若抽到‘死’签,则立即处死;若抽到‘生’签,则当众赦免。国王一心想处死大臣,与几个心腹密谋,想出一条毒计:暗中让执行官把‘生死签’都写成‘死’,两‘死’抽一,必死无疑。然而,在断头台前,聪明的大臣迅速抽出一张签纸塞进嘴里,等到执行官反应过来,大臣早已将签纸吞下,并故作叹息说:‘我听天意,将苦果吞下,只要看剩下的签是什么字就清楚了。’剩下的签当然写着‘死’字,国王怕犯众怒,只好当众释放了大臣。”教师问道:正直的大臣在临刑前一定能抽到“死”签吗?你能确定吗?如果执行官不把“生”签改成“死”签,正直的大臣在抽签时一定能抽到“生”签吗?你能确定吗?通过讲故事判断事件“是确定会发生、确定不会发生,还是有可能发生”,从而引入新课,这样可以激发学生学习数学的兴趣,并让学生初步感受到生活中有些事件的发生是不确定的。由此揭示课题,激发学生兴趣,启迪学生智慧,让学生在不知不觉中走进绚丽多姿的数学王国,享受学习数学知识的快乐,他们会深深地爱上数学。

贴近生活,激发“经验”能量

案例2:“镶嵌”的教学情境设计。在课前2分钟用多媒体课件播放一组生活中常见的平面镶嵌的图案,包括地板、瓷砖、彩色玻璃等,并配以舒缓的音乐,以引起学生的好奇和注意。

师:同学们刚刚欣赏了一组美丽的图片,都是来源于现实生活,我们知道用地砖铺地,用瓷砖贴墙,都要求砖与砖严丝合缝,不留空隙地把地面和墙全部覆盖。从数学的角度分析这些工作,就是用不重叠摆放的多边形把平面的一部分完全覆盖,通常把这类问题叫做平面镶嵌问题,这就是我们这节课要研究的问题。

该情境是从观察生活现象入手,结合亲身体验,引出课题,让学生体会到数学与生活有密切的联系,让学生体验到生活中处处有数学。

反映本质,激发“价值”能量

案例3:七年级上册第三章第一节“用字母表示数”的数学情境设计。

师:你知道溧阳火车站现在有多少人吗?(学生一脸困惑)

生1:老师,我去数一下就知道多少人了。

生2:人数在不断变化,你怎么数?

师:是啊!(学生更加困惑)

生3:(大胆地问)老师你知道多少人不?

老师微微一笑,在黑板上写下一个大大的“x”,说:车站现在有x个人。

生4:老师你耍赖。

师:我怎么耍赖?车站现在有几人,x就表示几。此处的字母x可以表示很多数。我们这节课来学习“用字母表示数”。

……

通过创设情境让学生认识到字母x可表示可变的数,同时显示了用字母表示数的优越性,反映了代数的本质,为学生学习代数奠定了基础。

能量高效 篇2

【关键词】综宝有机能量肥；草莓产业；绿色；有机；高效

山东省乳山市位于胶东半岛东南部，全市草莓种植面积200多公顷，平均毎公顷产45000千克。乳山市土肥站针对当地草莓栽培中由于重茬连作导致的土传病害重、畸形果多、中后期易早衰死苗等现象，设计并推广了综宝有机能量系列生物肥料草莓绿色、有机、高效施肥套餐方案。四年推广结果显示：草莓植株长势强壮，果实糖度增加，口感风味改善，耐储藏。综宝草莓施肥套餐平均增产21.6%，农户平均毎667平方米增收2800元。

此方案在设计过程中，充分考虑了草莓的生理习性、需肥特性和产量目标、质量目标。方案中应用的综宝生物肥料有三大作用：营养、改土、抑菌。满足了草莓全程生产中对大量中微量元素的需求；促进有机质、腐植酸等营养物质调节土壤环境，改良土壤板结、酸化的作用；方案中的腐植酸、芽孢杆菌等成分，有效预防由真菌和病毒引起的多种病害的发生，同时又刺激草莓生长。有机中微量元素的补充，可有效促进花芽分化，减少畸形果产生，提高果实品质。其中对果实的色泽、干物质含量、糖度及货架期，均有明显提高。达到增强抗性，优质、高产的目标。综宝草莓施肥套餐方案具体内容如下：

1底肥

毎667平方米用中氮低磷中钾复合肥（比如13-11-16）40千克～50千克+50%综宝有机肥400千克+综宝有机中微肥10千克+综宝菌剂1千克。施肥方法：10千克复合肥+120袋综宝有机+10千克综宝中微+综宝菌剂1千克，混匀包垄内，其余混匀后全田撒施后整地。综宝世界领先级的水解制肥技术，有机全营养、全溶速溶，黄腐酸养地壮根、抑菌防病；菌剂促根护根、除板结；中微元素全溶足量补充。

2 蘸根除菌

草莓苗在定植前，用综宝菌剂1千克+卫福（有效成分为萎锈灵）10毫升，兑水2倍～3倍，进行蘸根。蘸根能刺激草莓生根，同时能预防草莓的根腐病，防止草莓苗带菌，做到无菌苗定植。

3 定植穴加菌剂

草莓定植时，为了提高草莓的品质和产量，每667平方米施入综宝菌剂1千克，兑土10千克穴施，即挖好定植穴后放入适量的菌剂，然后直接定植草莓苗即可。穴施菌剂能增加土壤中有益菌的数量，促进草莓前期苗齐苗壮、高抗重茬、活化土壤、释放养分，提高肥料利用率。

4 杀菌并刺激根系生长

草莓在定植后为了保证尽快缓苗，或者苗小苗弱、叶片数量不够，叶面喷施碧欧15毫升/桶水+二氢钾30克/桶水+瑞苗清（甲霜·恶霉灵）10毫升或者恶甲水剂20毫升/桶水。防止苗传病害，使草莓尽快生根、恢复长势，促进草莓的壮苗，为花芽分化打好基础。

5 灌根

草莓在定植后，如果苗子带菌则极容易发生根腐病、炭疽等土传病害，造成死苗。为了防止死苗，用瑞苗清8毫升/桶水+综宝菌肥500克/桶水灌根，每667平方米4桶～5桶水，如果已经发生，间隔5天后再灌一次。或者移栽后，浇甲霜噁霉灵（绿亨一号）定植水。

6 喷施磷钾肥及中微肥

草莓定植后在9月～10月进入花芽分化期，此期管理的好坏直接决定草莓花的质量和坐果情况，为了刺激花芽分化，喷施综宝中微肥+二氢钾，10天～15天一次，连喷2次。促进草莓更好更早的开好花

7 追肥

7.1第一次追肥

定植后20天。叶面喷云大120或硕丰481+翠贝（醚菌酯）5000倍（或百泰1500倍）。每667平方米冲综宝有机液体肥20千克或者冲施综宝有机全溶水溶肥10千克。为花芽分化打基礎。

7.2第二次追肥

与第一次相隔20天追肥（扣棚前，现蕾期），每667平方米冲综宝有机液体肥20千克+硫酸钾4千克（或高钾复合肥16-9-20 20千克）。液肥的浓度控制在0.35%以内，切忌过浓，以防肥害发生。促进开花结果。

7.3第三次追肥

当顶果达到拇指大小时（约11月上中旬），果实膨大期667平方米用（12-5-13）综宝有机液体肥10千克，随水冲施，每15天～20天一次。注意不要在顶花开花时施追肥；保证为草莓开花坐果提供充足营养，促进草莓膨大，提高草莓产量，减少畸形果，改善草莓品质。

7.4第四次追肥

顶花序果实成熟期，草莓的着色期，冲施综宝有机全溶5千克+配施2千克硫酸钾。在草莓的着色期，为了提高草莓的含糖量，改善草莓的品质，一定要控氮增钾，保证草莓后期的产量。

7.5叶面追肥

7.5.1开花前后

喷施硼+综宝有机全溶，间隔10天喷施一次，喷施2次～3次。100倍综宝有机全溶，连喷3次～5次，均匀喷湿所有的叶片、花蕾和果实，以开始有水珠往下滴为宜。如果冬季阴雨天多，光照少，还要加入综宝光合菌剂，以增强光合作用，促进养分积累，有利于开花结果，提高产量并改善品质。

7.5.2开花结果期

对养分需求量大，在根部施肥的同时，结合叶面补充，能迅速提高植株的营养水平，使开花多、花蕾大、落花少、结果丰、座坐果率高、果实膨大快、着色好，就能高产优质，延长采收期。硼肥防止出现畸形果。

7.5.3坐果后

喷综宝沃钙+综宝寡糖给力1000倍，间隔15天，喷施2次为了改善果实的品质，使草莓颜色鲜艳。

7.5.4果实膨大期

喷施二氢钾30克/桶水+综宝沃钙+综宝寡糖给力1000倍，间隔7天～10天一次，在果实膨大期能促进草莓果更大，同时提高含糖量、着色，耐运输，还能够减轻后期早衰的情况。

提升课堂高效率激发学习正能量 篇3

一、创设情境,激发兴趣

课堂教学是教师与学生、教材与学生、学生与学生“思维碰撞”的场所,在课堂上最大限度地调动学生的思维性与积极性,是数学课堂的重要任务,用建构主义的观点来看,一节课的效果如何,应当首先关注学生学得如何,因为知识是不能传递的,教师传递的只是信息,知识必须通过学生的主动建构才能获得,也就是说学习是学习者自己的事情,谁也不能代替。因此,课堂教学情境是十分必要的,这里创设的关键在于科学、艺术地处理教材内容,唤起学生强烈的求知欲,艺术水平高的教师往往不是把感知教材作为出发点,而是根据教材特点选择内容,编成问题,把问题作为教学过程的出发点,以问题激发学生学习的积极性,让学生在迫切要求下学习,激发他们思维活跃能力。

例如,在讲面面垂直的定义和判定时,可向学生提问“为什么教室的门无论开多大角度都始终与地面保持垂直?”这样从视觉上给予刺激,调动学生的兴趣,让学生在直观观察中发现真理,使学生积极主动地思考其成因。这样设计,能迅速点燃学生的思维火花,使学生认识到数学知识的价值,从而改变被动学习状态,培养学生主动学习精神和独立思考的能力。

二、鼓励自主探索,促进思维创新

弗赖登塔尔曾经说:“学一个活动最好的方法是做。”学生的学习只有通过自身的探索活动才能是有效的,而有效的数学学习过程不能单纯地依赖模仿与记忆;建构主义学习理论认为,学习不是一个被动吸收、反复练习和强化记忆的过程,而是一个以学生已有的知识为基础,通过个体与环境的相互作用主动建构的过程,创造性教学表现为教师不仅要把知识的结构告诉学生,还要引导学生探索结论,帮助学生在走向结论的过程中发现问题,探索规律,掌握基本方法。

三、尊重个体差异,实施分层教学

由于智力发展水平及个性特征的不同,认识主体对于同一事物理解的角度和深度必然存在明显差异,由于所建构的认知结构必然是多元化的、个性化和不尽完善的,学生的个体差异表现为认识方式与思维策略不同,以及认知水平和学习能力的差异。美国心理学家华莱士指出,学生显著的个体差异,教师指导质量的个体差异,在教学中必将导致学生创造能力、创造性人格的显著差异。因此,教师调控教学内容时,必须在知识的深度和广度上分层次教学,尽可能地采用多样化的教学方法和学习指导策略;在教学评价上,要承认学生的个体差异,对不同程度,不同性格的学生提出不同的学习要求。

例如,学习了函数概念后,可设计如下一组问题:

(1)函数由哪些三个要素组成?与映射有何关系?

(2)如何求自变量x取a时的函数值f(a)?并说明f(x)与f(a)的差异与联系。

(3)自变量是否一定用x表示?两个函数相同的条件是什么?

(4)说出二次函数f(x)=2x2+2的定义域、对应法则、值域,并求f(0)、f(1)、f(a)、

(5)下列各式能表示y是x的函数吗?为什么?

(6)下列各组中是否表示同一函数?为什么?

先让基础较差的学生解决问题(1)(2)后,请中等的学生解决问题(3)(4),再由较好的学生解决问题(5)(6),从而使全体学生悟出道理,学会方法,掌握规律,提高了信心。

作为一名教师要及时了解并尊重学生的个体差异,积极评价学生的创新思维,从而建立一种平等、信任、理解和相互尊重的和谐的师生关系,营造民主的课堂教学氛围,学生才会大胆发表自己的见解,展示自己的个性特征,对出现的错误要耐心地引导他们去分析其产生的原因,并鼓励他们自己去改正,从而增强其学习数学的兴趣和信心。

四、注重开放题教学,提高创新能力

数学作为一门思维性极强的基础学科,在培养学生的创新思维方面有其得天独厚的条件,而开放题的教学,又可充分激发学生的创造潜能,尤其对学生思维的变通性、创造性的训练提出了新的更多的可能性。所以,在开放题的教学中,选用的问题既要有一定的难度,又要为大多数学生所接受,既要隐含“创新”因素,又要留有让学生可以从不同角度、不同层次充分准确地施展他们聪明才智的余地。

能量高效 篇4

文献[3]的研究表明达到最佳的感知效果并不需要所有的节点都参与感知,而且感知性能差的节点反而会对整体的感知性能产生负面的影响。文献[4 - 5]通过简单的审查方式限制感知节点向融合中心传递比特数量,减少了整体的能耗,但是节能效果不理想,节点资源没有得到充分的利用。Pham等人在文献[6]中从理论上证明了在协作感知中可以利用较少的节点达到预定的感知性能,并估算出在给定阈值( 最小感知概率和最大虚警概率) 约束下节点数的取值范围,但是没有给出具体的节点选择的策略及实现方法。Althunibat等人在文献[7]采用随机选择节点的方式选取节点参与感知,但是这种方法基于节点的感知性能完全相同,这一点在现实条件中很难满足。本文通过数学分析将协作频谱感知节能问题转化为0 -1线性规划问题,并在此基础上提出一种能量高效的节点选择算法,该算法综合考虑频谱的感知性能和能耗,并且动态调整两者的权重,从而达到在保证整体感知性能的基础上实现较佳的节能效果。

1系统模型

1. 1协作感知模型

本文使用的协作感知模型采用集中式的认知模型如图1。假设整个认知无线电网络中由1个主用户、N个认知用户和1个认知无线电融合中心FC组成。

本文中单个用户感知采用能量检测,它是目前最常用的单用户频谱感知,感知方法简单、复杂度低,而且很容易实现。能量检测二元假设模型表述为

式中: si( k) 表示认知用户接收到的授权用户发射的信号; ni( k) 是认知用户接收的高斯白噪声,本文中假设各感知用户接收到的高斯白噪声相互独立且服从均值为零、 方差为 δ2的高斯分布; H0和H1分别代表主用户不存在和存在这两种假设。根据文献[6]的研究,考虑到主用户( PU) 的运行状态,各节点的两个重要性能———正确感知率 和虚警概 表示为

式中: u = 2tsW为采样次数; γi为信噪比; Q(·) 为互补误差函数; λ 为判决门限。本文采样次数u 、判别门限 λ 为固定值,PU运行状态TON、TOFF为固定常数,且假设信噪比 γi已知( 可通过信道检测技术或利用信噪比历史记录预测取) ,则各节点的检测的性能^pdi,^pfi对融合中心( FC) 来说可通过简单计算得到。

为了使实现简单,本文采用硬判决,且数据融合采用简单的OR准则。当有n个节点参与感知时,协作感知最终判决的正确感知率Qd和虚警概率Qf为

1. 2能耗模型

在协作频谱感知中,各节点的能耗可以分为两类: 1) 节点感知信道和做出本地决策消耗的能量; 2) 将本地判决结果发送给判决中心所消耗的能量。本文分别用esi和eti来表示,则每个节点参与感知的能耗为两者的总和。 esi和感知时间及感知用户本身硬件条件有关,本文中假设esi为一固定常数。eti与发射功率、传输距离相关。本文中根据节点与融合中心间的距离d确定具体eti,当d在一定的范围内eti为常数,d越大eti越大。即

式中: b > a,d取值范围为( 0 ,B) ,且AN> AN -1> A 。综上所述,协作频谱感知的总能耗为

本文中假设节点与融合中心间的距离d是已知的,则融合中心可以通过简单计算得到各个节点的能耗ei。

2问题分析

能量高效的协作频谱感知即能在保证感知质量的前提下尽量降低能耗。假设系统中有n个节点,而且要求感知正确率大于给定的阈值 α ,而虚警概率小于指定阈值 β ,根据本文提出模型,则问题P可表述为

问题P为一个0 - 1非线性规划问题。0 - 1非线性规划复杂度高,求解困难,将根据模型的设定对限制条件进行合理的转换,进而对问题进行简化,简化过程如下:

将式( 7) 、( 8) 代入问题P中,则问题P转化为一个0 - 1线性规划问题Q ,即

求解0 -1线性规划问题的最优解可使用分支定界算法等较为成熟的算法,但是该类算法的时间和空间复杂度高,特别是随着节点数n的增加,复杂度迅速增加。在对精度要求不是十分高的情况下,实际中一般采用启发式算法求0 -1线性规划问题的次优解近似代替最优解,可以大大简化计算。启发式算法求Q的次优解实际上是将问题Q看成选择尽可能少的“优秀”的节点满足系统要求的问题。分析可知“优秀”的节点有较小的能耗ei、较小的 ,分别代表节点能耗小和感知性能较好 。 因此构造性能函数u1( j ) 来表征节点优秀程度,即

根据性能函数本文提出能量高效的节点选择算法, 该算法的伪代码描述如下:

计算所有节点的性能函数u1( j ) ,进行从小到大排序

该算法的基本思想是二分法多次迭代寻找最优的K值和节点数满足系统要求,从而达到最好的节能效果。而在每次迭代中,各节点的性能函数都被重新计算并排序,并且选择节点满足系统的要求( Qd≥ α ,Qf≤ β ) 。当存在解满足系统总体要求时,通过增加K ,提高能耗因素在综合性能中的比重,选择能耗更低的节点优先参与感知; 否则减少K ,优先选择性能更好的节点参与感知以求能达到系统的要求。直到满足一定的精度要求后,迭代停止,选取整个迭代过程中能耗最低时的方案为最优的节点选择方案。

与一般的迭代过程不同的是,当增加K值,可能反而造成能量消耗变大。其主要原因是选择参与感知的节点数是离散的,当增大K值时,有可能造成选择更多的节点参与感知才能满足系统的限制( 相对于上次迭代) ,从而造成能耗的突然增大。为了解决该问题,本文提出的算法中最优的结果不是采用迭代到最后的K值及此K值下的能耗,而是与以前迭代相比较选择节能效果最好的K值作为最优解。

3仿真分析

利用MATLAB对本文提出的算法进行仿真分析。假设网络中有N个节点随机分布在圆心为FC、半径为1 km的圆形区域内,则距离的取值范围为( 0,1) 。esi取固定为0. 05个能量单位,其他仿真参数设置如表1所示。

为了验证本文提出的算法性能,仿真中将与其他3种常见算法进行比较分析,采用4种算法进行100次协作频谱感知,其平均能耗如图2所示。

对比算法一: 随机节点选择算法( 文献[7]采用) ,该算法中随机选择的节点参与感知,其复杂度低且易实现。

对比算法二: 感知性能优先的节点选择算法,该算法中优先选择感知性能好的节点参与感知,这样可以使参与感知的节点尽可能的小,从而降低系统能耗,其复杂度低。

对比算法三: 分支定界算法,该算法能求得最优解, 但是复杂度高,需要多次分支生成子问题,当节点数较多时,有可能出现穷举搜索。

由图2可知本文提出的算法其平均能耗远远小于随机节点选择算法,其代价是较高的复杂度; 与感知性能优先的节点选择算法相比,本文提出的算法在N = 10时平均能耗相差较小,但是随着节点数增加,两者的能耗差距越来越大,本文提出的算法在参与节点较多的情况下其平均能耗明显较小,这是由于本文提出的算法充分考虑节点能耗与感知性能两个因素; 采用分支定界算法可求得系统最优解,即能耗最小,而本文提出的算法平均能耗在N ≥ 15时就基本与分支定界算法平均能耗趋于一致,但是本文提出算法的复杂度远远低于分支定界算法( 尤其当节点数较多的时候) 。因此本文提出的算法是高效节能的。

从图3可以明显看出,除随机节点选择算法外,其他算法的平均正确感知率随节点数的增加都有趋向于系统阈值的趋势,以牺牲部分平均正确感知率为代价降低能耗,其中分支定界算法的感知正确率最稳定,即其损失的平均正确感知率最小。而本文提出的算法,其平均感知正确率的变化与分支定界算法基本同步,平均感知正确率缓步下降并且在节点数较高时与其趋同。因此本文提出的算法能较好地保证系统整体的感知性能。

4结论

能量高效 篇5

传感网或移动自组网(Mobile Ad Hoc Network,MANET)[1]是在一定范围内,由一些无线移动设备(也称为节点)组成的集合,它无需任何固定的基础设施支持和管理,就可以互相通信。其因有限的电池能量引起了一系列关于物理层、MAC层和网络层的节能问题。因此,最大化网络生存期受到越来越多的关注。网络生存期定义为直到出现第一个节点能量耗尽的时间。

许多文献尝试降低能耗和最大化自组织和无线传感器网络的生存期。文献[2]提出一种降低无线网络能耗的策略,利用能量控制来降低传输功率,这样能最小化物理层的能量消耗[3]。在移动自组织网络中,通过假设单源节点引起的传输降低了复杂度[4,5,6]。关于最小化广播通信中总能耗的相关问题已得到广泛研究,它为网络的生存期提供了一个自然上界。文献[7 - 8]表明最小化总传输能量是NP难问题。文献[9]提出容错拓扑控制问题的一般近似框架,但该问题并没有解决节点的剩余能量。

同样有文献研究多跳路由选择来最大化网络生存期。文献[10]提出最大化系统生存期的新路由算法,在限制给定的能量时,最大化源节点和目标节点间的信息传输量。文献[11]将该方法进一步拓展,考虑了每条链路的Shannon容量。当节点用完电池或者连接到电源,为解决这种异构化情况,研究一种新的能量感知路由算法,该方法解决了多跳网络中的单播通信问题,然而本文解决的是单跳情况下的广播通信问题。当部分节点位置为变量时,寻找中继节点(能量最优)的位置,给出网络中传感器位置,该问题在文献[12 -13]中作为示例进行研究。

本文将节点分割为若干小组,称之为聚类。成员节点发送数据到最近的簇头(主节点),这些节点将数据聚合,并将消息发送到下一目标节点。如文献[14 -15]中的低能量自适应聚簇分层(Low Energy Adaptive Clustering Hierarchy,LEACH) 是无线传感网中第一个基于聚类的路由协议,它利用一种随机模型进行簇头选择,该协议采用分布式随机算法形成聚类,但并没有考虑残余能量。文中主节点(簇头) 将数据广播给所有节点,且所提算法考虑了剩余能量。本文用一种形式化分析补充了算法上的仿真结果,且所提分析方法可用于分析不同的聚类算法。

1 问题描述

本文中,对于集合V (表示潜在主节点),功率分配是一种函数p:V → R。对收发器的每个有序组(u,v) 分配一个传输功率阈值c(u,v),其有以下含义:仅当传输能量至少为c(u,v),v可以接收到由u发射的信号。本文假设c(u,v) 确定且对称。当以最大功率传播时,仅当节点可以到达其他所有节点时才选择它。对于节点m ∈ V,定义pm表示功率分配p:V → R,表示为:

式中,pm(v) 为当m为主节点时分配到v的功率。

一个包的传输功耗由发送和接收的一个距离独立部分和发送的一个距离相关部分组成。假设电池模型为线性,本文聚焦于和功耗相关的距离支配通信的有效性。每条边具有电池能量bv,通过具有传输功率为pm(v) 的节点v ,每条消息传输降低的功率为 λpm(v) 。

假设所有节点v ∈ V以恒定速率av传输,其中av表示单位时间的消息数量,称一系列传输为每个v ∈ V节点每轮传播av次。基于这些假设经过一轮可以获得电池下降(主节点m ):

文献[16]分析主节点m在网络整个生存周期中保持不变的情况。本文研究该问题的动态场景:给定一个图G = (V,E,c,b,a) ,其中c:E → R表示初始电池电压bv,v ∈ V和相对频率a1,…,an。本文寻找每个节点v作为主节点的轮数xv。其中,xv≥ 0 须以这种方式选择:当每个节点的剩余电池容量在网络生存期内为正数,∑v∈Vxv最大,其中,x表示向量(x1,…,xn) 。根据以最大功率传播时每个节点都能到达所有其他节点,本文假设E对应一张完全图。

当所有m ∈ {1,…,n} 满足以下条件时称x = { x1,…,xn} ∈ N+n是合理的:

其中项λ∑v≠mamxvpv(m)和分别表示节点m在节点v ≠ m和m时,主节点周期性的电池容量下降。

依比例缩放,假设 λ = 1 。当x = (x1,…,xn)时,式(2)可改述为: Ax ≤ b ,其中b:V → R+,A是一个n × n矩阵,(v,m) 对应项定义为:

丢弃轮数的完整性约束,生存期的最大值( 对于一个动态选择的单中继节点)对应着一个简单线性程序的解,称之为最优主节点选择(Optimal Master Selection,OPT) 算法。最优主节点选择中,本文选择x ≥0 ,当Ax ≤ b时,是最大的,矩阵A如式(3)所示。

下一节将比较最优主节点选择算法和直接传输算法(Direct Transmission,DIR)。在直接传输算法中,没有主节点:从源到目的节点,所有节点都能通过单跳传输到达其他所有节点。

2 均匀分布情况分析

本文所有节点以相同的传输功率p进行传输。式(3) 中定义的矩阵A表示为A = (n - 1)p In+p En,其中In表示单位矩阵,En表示全1 矩阵。

定理1 给定G = (V,E,c,b,a) ,其中E是完全图,对于所有v ∈ V满足av= 1,n ≥ 2。然后直接传输算法的网络生存期表示为:

对于最优主节点选择算法可得网络生存期为:

式(5)解释如下:当电池容量在网络中均匀分布,最优生存期由经过一轮网络的总电池容量降为(2n - 1)p的事实决定。一轮后,所有n - 1 个受控节点已经传输,降低了总能耗的(n - 1)p ,所有这些传输已经经过主节点转播,该主节点已经执行了n - 1 次转播行为,并将功率降低了(n - 1)p 。此外,主节点将单广播初始化为源节点,这样每一轮网络的总功率降低p(2n - 1)。所以轮数不能超过∑v∈Vbv/ p(2n - 1),当有一个或多个电池容量小的节点时,不可能达到上界,因为当其他节点是主节点时,它们不能作为从节点。

本文首先考虑均匀模型,它分配一个传输功率阈值c(u,v) 到组(u,v) 的每一个节点,其中c( u,v) 在[0,1]上均匀分布,c( v,u) = c( u,v) 。同样将Bv作为随机电池容量,假设,其中α≥0,U表示均匀分布。对于传输频率,假设对于所有v∈V满足av=1,其中单边决定了两个顶点的传输功率阈值,本文分析一个“独立模型”,对于每个节点v,传输功率阈值为U1,…,Un-1,它们的n-1个相邻节点随机产生。

定理2在独立假设下,所有的全一电池容量为B=1,网络的预期生存期采用直接传输算法为:

注意到当n→∞时,E[L]无限趋近于1。对于很多节点最大权重趋近于1(自下),就回到恒功率情况下(如式(4)所示)。下一个定理解决了电池水平从区间[α,1]中均匀选择的情况,其中0≤α<1。

定理3当0≤α<1,基于独立假设,其中,网络采用直接传输算法的预期生存期L为:

其中,

注意当 α = 0 时,式(7)减少为:

它无限趋近于0,对应网络中的情况是,节点刚开始电池几乎是空的,且决定了网络的生存期。

定理4 定义0 ≤ α < 1 ,基于独立性假设,B  [α,1],网络生存期L的上界L' 采用最优主节点选择算法可描述为:

其中Z,W,B是随机变量,Z = max{U1,…,Un-1}(n≥3),,此外,

其中,表示平均收敛。

上界E|L'|,L'=B/(n Z+W)由网络中总功率决定网络生存期这一事实决定。L'的准确值可通过调整B=b和W=w来计算,然后计算w≥b/x、w ≤ b / x - n和其它条件下的P( L ≤ x | B = b,W =w) ,依次消除W和B 。从定理4 可看出E[L']≈n( α + 1) /3( n - 1) 。

3 几何情况分析

本文对动态中继节点选择方案中,研究了几何设置对于网络生存期问题的影响。假设图G = (V,E,c,b,a) ,其中对于所有v ∈ V有av= 1,E是一个嵌入了R2的完全图,满足c(u,v) = ‖u - v‖2。除最优主节点选择算法和直接传输算法之外,本文也考虑了中央主节点选择( Central Master Selection,CEN) 和最大化电池主节点选择( Battery Master Selection,BAT),它们都提供了可行解x = ( x1,…,xn) ∈ R+n,且计算上更简单。

最大化电池主节点选择最简单。该方法以如下方式选择主节点m : 拥有最大的电池容量bm=maxv∈V{bv},接下来 Δt轮都选择m作为主节点。然后重新评估该主节点选择,选择一个新的主节点bm'= maxv∈V{bv'},其中带标号的项表示重新评估时的电池容量,每 Δt轮周期性执行该过程。仿真实验中,本文选择 Δt = 0. 1 (当处理非整数轮数时,与1 轮相比,通过按比例降低每个节点的电池容量) 。

中央主节点选择遵循相同模式,参考式(2)。根据该公式,对于每个节点m ∈ V ,在整个网络生存期内选择m ∈ V为一个固定主节点时,可得到网络生存期Lm。

当主节点固定,最优主节点选择最大化Lm的m*,网络生存期变为:

和最大化电池主节点选择相似,本文在中央主节点选择中,在每 Δt轮周期性依据式(13),重复执行该过程来选择主节点m* ,其中 Δt = 0. 1,n在4到20 之间。

为避免角效应,节点在单位直径的二维磁盘上均匀分布。分配到每个节点的传输功率是1,足够覆盖整个圆,但根据p(u,v) = c(u,v) =‖u - v‖2,实际分配到每个节点的传输功率仅够到达期待的相邻节点(如主节点)。对于每种算法,平均网络生存期经过100 次仿真实验得到,计算置信区间作为标准偏差。

为研究用动态主节点选择代替静态主节点选择方案所取得的改进,本文比较了该算法的生存期和最优静态算法的生存期的比值,如图1 - 2 所示,显示了两种情况:全1 电池容量: bv= 1 ,v ∈ V和,v ∈ V,在所有v ∈ V情况中,av= 1。根据仿真实验可推出:①动态主节点选择相对于静态主节点明显延长了生存期;②生存期依次降低的顺序是:最优主节点选择算法、中央主节点选择、最大化电池主节点选择和直接传输算法。最优主节点选择算法和中央主节点选择很相近,预期当 Δt无限小时,两方法相同;③最优主节点选择算法的性能与直接传输算法对比强烈依赖于初始电池容量。对于均匀的[0,1]电池容量,最优主节点选择算法大约是直接传输算法的3 倍。对于全1 电池容量,其中网络的总能量平均是两倍,该因子至少相当于6。这和第2 节结果不同,仅当电池容量均匀[0,1]分布时,最优主节点选择算法优于直接传输算法,这是由于所有节点在一个单位直径的磁盘上。随着n的增长,长时间作为主节点的节点离圆心更近。这样,主节点相对于任意节点需要更低的传输功率。

4 实验结果与分析

本文在数值上评估了实际的网络生存期,通过使用最优主节点选择算法和直接传输算法,及在α ∈ {0,1 /2,1} 中的独立模型中,通过定理3 和4的近似值获得。

图3 中,通过比较均匀模型的仿真结果和理论结果,本文在数值上评估了该近似值的质量,同样评估了独立模型的精度。这些图表示直接传输算法的独立模型为网络生存期提供了一个非常好的近似值。如定理4,最优主节点选择算法收敛到(α + 1) /2。图3(a)显示当b ∈[α,1],α = 0 时,最优主节点选择算法的线性近似产生了一个过高的估值。这符合定理1。当 α = 0 时最优主节点选择算法相比于直接传输算法产生了一个更好的生存周期,在最优主节点选择算法下,剩余电池容量小的节点可以传输到一个“附近”的主节点,取代了必须传输到其他所有节点。图3(b)显示当 α =1 / 2 时,仿真模型和最优主节点选择算法的独立近似值相协调。n值的区别可由计算的独立假设解释,现实中依赖关系作为一个单边决定了两个节点的权重。对于 α ,最优主节点选择算法相对于直接传输算法仍会产生一个好的生存期。图3(c)直接传输算法的生存期明显趋近于1,表明对于相等的电池容量,直接路由相对于动态主节点选择方法产生更长的生存期。

5 结束语

能量高效 篇6

在有限的初始能量配置下最大限度地节省节点及网络的能量开销,以延长节点及网络的寿命,是WSN(无线传感器网络)应用研究中的一个热点课题[1]。多路径路由协议在WSN中明显优于传统的DSR(动态源路由)协议、AODV(按需距离 矢量路由)协议等,其对节点能量有效性、可扩展性和传输可靠性进行了综合考虑,采用了减少路由建立和维护的开销、提高路由可靠性等办法来降低数据分组传输的能量消耗。

网络编码融合了路由和编码的信息交换技术,核心思想在于允许网络中的节点对收到的信息进行编码操作,再转发出去,目的节点只需接收部分数据就能够解码出原始数据。网络编码在提高网络吞吐量、减少数据分组传输次数、均衡网络负载、减小传输延迟、节省网络带宽资源、降低节点能耗以及增强网络链路鲁棒性等方面均显示出优势,线性编码、随机网络编码均是较为成熟的方法。在实际应用中,如何高效地编码与解码是关键的技术手段[2,3,4,5]。

本文构建了一种新的网络编码方法,结合多路径路由技术,提出了一种WSN中新的能量有效算法,即MRAEE算法。目的是应用网络编码技术,在中继节点对数据分组进行编码,以增加数据传输的可靠性,减少分组不必要的发送频率,提高节点能量的有效使用。

1编码方案

1.1网络模型

非循环通信网络可以表示为有向图G (V,E),其中V为节点集,E为链路集;节点V的输入链路记为In(V),输出链路记为Out(V);对于任意一个节点对(d,e),xde表示(d,e)的数据流;如果节点对不相邻,则编码系 数kd,e = 0;S为源节点;KC为|E|×|E|矩阵;P表示主要理想域;ω为G维数;Jω,|E|表示ω×|E|矩阵。本文提出一种对于网络编码的可行模式,在R2(R代表矩阵G的秩)内使用泊松点过程模拟WSN,WSN内的节点随机散布在区域BR2。Φ0为区域B内的节点个数,λ0为密度,即单位面积的节点平均数。Φ1,Φ2,…,ΦN-1是N 1个二维独 立的基于 密度λ1,λ2,…,λN-1,泊松过程中 的节点描 述 ,它们独立 于Φ0,N为节点数 。假定每个节点可全向发送信号,且其自身的能量可动态调节,以控制它的发送范围。

1.2基本模型

在本文所提出的方法中,构建一个基于网络编码的多散联路由。网络编码示例如图1所示。

首先,源节点S发送数据分组a、b和c,编码这些分组形成数据1、数据2和数据3,然后将它们发送到目的节点D。这些分组将按多播特性几乎同时到达中间节点,即节点1、节点2和节点3。节点1成功收到数据1和数据2,对它们进行编码,形成数据4和数据5,然后将它们发送到下一个节点。节点2成功收到数据1和数据3,对它们进行编码,形成数据6和数据7,然后将它们发送到下一个节点。节点3成功收到数据1、数据2和数据3,对它们进行编码,形成数据8、数据9和数据10,然后将它们发送到下一个节点。目的节点D将收到三个编码过的数据分组,即数据4、数据6和数据10。当采用适当的网络编码方案后,目的节点D能够高效地还原三个原始的分组,即数据1、数据2和数据3。因此,传输的分组数无须增加,但可靠性会有很大提高,因为编码过的分组被发送到目的节点后,通过解码能快速实现分组信息的还原[6]。

2网络编码策略

在网络中,路由器或中间节点仅转发其收到的数据分组,而网络编码可让路由器或中间节点对数据分组进行编码,本文采用一种线性网络编码方案。

编码:将来自源节点的数据分组分成若干批,每一批包含N个分组,线性网络编码方案是给出编码矢量gi= (gi1,gi2,…,giN ),输入分组M =(M1,M2,…,MN)按式(1)转化成输出分组Pi:

目的节点能够解码出输入分组信息,因为编码矢量G=(g1,g2,…,gN),gij是从伽罗华域随机选择的系数,例如GF(28),输出分组数据P = (P1,P2,…,PN)可从接收到的分组信息中得到,并且存在逆矩阵于G。

解码:任何一个接收者(路由器或中间节点)都可对通过采集得到的一批分组进行解码。目的节点可用如下算法解码接收到编码分组。这些分组构造产生一个线性方程组系统,求解它们可找回原始发送的分组。解码矩阵表示这个线 性系统的系数矩阵。目的节点利用高斯-约当消去法将解码矩阵转化成一个简要的行梯次形式进行求解。假定一个节点收到属于某一批次的v个编码过的分组X1,X2,…,Xv,此处v≤ N,且代表对应某个编码过的分组的编码矢量,解码矩阵G的一般元素满足Gij=gij,此处i=1,…,v且j=1,…,N。当矩阵满秩时,R=v= N,对于传递过来给定的一批编码分组,节点能够求解线性方程组得出对应的原始分组信息。这种情形下,接收者能够复原得到由源节点发出的对应于给定的一批编码分组的原始分组内容。最终可观察到:当节点接收到一个分组时,必须检测它是否较新,即它是否增加解码矩阵G的秩,如果没有,则丢弃这个分组[7,8]。

当目的节点D收到N个以线性独立编码矢量表示的分组时,通过矩阵求逆可得到原来的分组。

3能量消耗

我们利用MRAEE算法推导出能量有效增益公式。假定源节点S需要传输信号到目标节点D,不考虑一般意义上的损耗,且假定信号发送周期为1s。

相对于非网络编码传输,基于网络编码传输的能量有效增益为GA,其定义如下:

式中,εptp为源节点S在非网络编码传输中对目标节点传输N个分组消耗的能量;εncptp为采用MRAEE算法在网络编码传输中源节点S对目标节点传输N个分组消耗的能量。接着,我们导出εptp和εncptp。εptp可表示为

式中,Pptp表示在非网络编码传输中点对点的平均传输能量。

为了用有限的平均能量传输,我们作一个限制,仅当信道的能量增益大于一个阈值时,节点才进行传输,否则,节点不传输或者处于断电状态。用ρuv表示信道在源节点与目的节点之间断电阈值,δ表示断电概率,即

式中,信道能量增益的指数分布|huv|2的概率密度函数由下式得到:

因而,式(4)可表示为

假定δ是一个固定的系统参数,我们能够从式(5)、式(6)中得到:

当未断电时,在非网络编码传输中,从节点1到节点2传输信号的平均传输能量能够计算得到,信道能量增益的指数分布|h12|2可表示为

式中,利用式(8)和式(3),可以得到:

对于MRAEE算法,节点1发送第一个编码过的分组到节点2,节点3和节点2之间的信道能量增益大于对应的断电阈值ρ32,因而,余下的分组利用MRAEE方法协同传送。

所有的能量消耗计算如下:

式中,Pnc表示未利用MRAEE算法时,在Pn1和Pn2发送期间,节点1的平均传 输能量。当它 们利用MRAEE算法进行网络编码时,分别代表节点1和节点3的平均传输能量。

4仿真实验

为有效评价MRAEE算法的性能,我们将之与著名的多路径路由协议算法EECA(基于能量高效冲突发现的多路径路由)算法[9]及NC-RMR(基于可信节点分簇网络编码多路径路由)算法[10]在能量消耗、分组传输率和网络寿命等方面做了相应的实验比较。仿真参数如下:节点总数为100,分布范围为1000s×1000s,发射距离为250m,节点平均度为3~5,仿真时间为600s,最大传输能量Ttmax为0.282 W,初始节点能量为30J,连接接收阈 值为3.652×10-10W,归避冲突 阈值为1.559×10-11W,信道带宽为1~3Mbit/s,连接延迟为20~200ms,流量类型为CBR,节点暂停时间为10s,除特别说明以外,均使用缺省值。

我们将在相同的能量模式和通信模式下对比三种路由协议的有关性能参数,主要从能量消耗、分组传输率和网络寿命三个方面进行相应的仿真比较。

(1)能量消耗:基于IEEE802.1低能量休眠模式的1-WLAN.规范,在发射层测量能量消耗。能量消耗的变化从0.013 W到0.83、1.0、1.4 W ,分别对应空闲侦听、接收和传输状态。

(2)分组传输率:分组传输率 = 接收的分组数/发送的分组数,代表某种协议的网络传输效率,是一个重要的网络量度指标。接收的分组数指任一目标节点接收的分组总数之和,发送的分组数是指任一源节点发送的分组总数之和。

(3)网络寿命:定义为网络节点的活动期,在这个时间范围内,节点能够处理、传输数据直到节点电池耗尽失效为止。

利用网络仿真软件NS2来评价计算NC-RMR协议。以BER(误码率)为参照基准来对比评述各项指标,在WSN中,BER通常在10-4~ 10-3。对于网络编码,一个代包含三个包 (即M =3)。图2比较了三种算法的能量消耗,由图可以看出,MRAEE算法的性能优于其他两种算法,它在较宽的误码率范围内表现出较低的能量消耗,说明网络编码技术对改善网络的能量效率有较好的作用。

图3比较了三种协议算法的分组传输率。从图中可以看出,对任一种流量负载类型,所有方案的性能都会受到BER增加的影响,但MRAEE比另外两种算法拥有更好的分组传输率。因为后两种算法采用的是传统的多路径结构,在分组的提取处理方面因为能量消耗过大而造成效率过低。

图4所示为网络寿命与BER的关系。当BER较小时,三种算法 差别不大;但当BER较高时,MRAEE的网络寿命远远长于另外两种算法,约有10%~ 30%的提高。

5结束语

本文通过构建一个基于网络编码的多路径路由,采用伽罗华域的编码矢量方法,利用高斯-约当行梯次矩阵求解技术,提出了一种新的基于网络编码多路径路由技术的节点能量有效算法MRAEE,并以BER为参照基准,与EECA和NC-RMR算法做了相应的比较,仿真结果表明,MRAEE算法在能量高效、网络生命延长及数据分组传递方面有较大的改进,具有较高的参考价值。

未来的工作中,我们将借助仿真技术重点考虑最优化和网络编码中解码算法的效率提高及其他参数的度量评测,以提高网络效 能,增进网络使用实效。

参考文献

[1]于宏毅,李鸥,张效义,等.无线传感器网络理论、技术与实现[M].北京:国防工业出版社,2008.

[2]王雪,王晟,马俊杰,等.无线传感网络任务分配的能效性控制策略[J].控制理论与应用,2007,24(3):127-134.

[3]Sun Baolin,Gui Chao,Song Ying.Energy Entropybased Clusterhead Selection Algorithm for Ad Hoc Networks[J].International Journal of Advancements in Computing Technology,2012,4(1):207-214.

[4]Sun Baolin,Pi Shangchao,Gui Chao,et al.Multiple Constraints QoS Multicast Routing Optimization Algorithm in MANET based on GA[J].Progress in Natural Science,2008,18(3):331-336.

[5]Sun Baolin,Gui Chao,Song Ying.Energy Entropy On-Demand Multipath Routing Protocol for Mobile Ad Hoc Networks[J].China Communications,2011,8(7):75-83.

[6]Sun Baolin,Lu Xiaocheng,Gui Chao,et al.Network Coding-Based On-Demand Multipath Routing in MANET[C]//Proceedings of 26th IEEE International Parallel&Distributed Processing Symposium(IPDPS).Shanghai:IEEE,2012:1514-1518.

[7]Anantapalli M K,Li Wei.Multipath multihop routing analysis in mobile ad hoc networks[J].Wireless Network,2010,16(1):79-94.

[8]Leinonen M,Karjalainen J,Juntti M.Distributed power and routing optimization in single-sink data gathering wireless sensor networks[C]//9th European Signal Processing Conference(EUSIPCO 2011).Barcelona,Spain:IEEE,2011:407-411.

[9]Wang Z J,Bulut E,Szymanski B K.Energy Efficient Collision Aware Multipath Routing for Wireless Sensor Networks[C]//Proceedings of IEEE ICC 2009.Xi’an:IEEE,2009:1-5.

能量高效 篇7

在Ad Hoc网络中, 个体节点均是一些移动设备, 如PDA、便携计算机或掌上电脑。个体节点可能处在不停的移动状态下, 主机的能源主要由电池提供, 因此能源有限是Ad Hoc网络的一大特点。对于单个移动节点设备, 在电池中可获得的能量密度仅以线性速度增长, 而处理能力和存储容量都以指数速度增长的情况下。同时, 在在通信中由无线接口消耗的能量经常高于由处理器消耗的计算能量情况下。通过软件解决处理降低能耗是一个重要的方向。为此, 人们提出了各种能量感知的路由协议来降低网络中通信能量的额外负担。

1能量开销分析

1.1概况。与采用最小跳路由 (最小化所经过不同链路数量的一条路由) 的传统有线路由协议不同, 基于能量高效的协议基于以下事实:在一条无线链路上需要的传输功率是链路距离的一个非线性函数, 并假定个体节点能够调整他们的传输水平。

对于无线链路, 在一条链路上以功率Pt传输的一个信号, 因为只要被接受信号的功率Pr在某个固定阈值之上, 多数接收器都能正确地解码接收到的信号。能量高效的算法将传输功率Pt设定为正比于DK (D) (D为传输距离;K表示衰减系数, 取决于传播特性, 信道参数和天线特性) 。如果链路开销被设定为正比于这个传输功率Pt, 则对于单个报文传输, 则一条最小开销路径将对应于消耗最低累积能量的一条路由。许多能量高效的路由方案, 如PAMAS[2]和PARO[3], 就是利用此理论来选择最小能量路径的。

1.2理论分析。当信号在一条无线媒介传输时, 将经历传输过程中的衰减以及在接收节点环境噪声干扰。由于无线媒介的特性, 被传输的信号以正比于DK (D) 进行衰减。噪声干扰则取决于接收节点的运行条件。与一条特定链路相关的比特错误率本质上是接收节点信号功率与环境噪声比的一个函数。

在恒定功率场景中, 传输功率独立于链路, 并且为一常数。此种情况下, 远离传送节点的接收节点将遭遇较大的信号衰减 (正比于DK (D) ) 。同时, 由于功率的减少将发生更高的比特错误率。

在可变功率场景中, 传送节点为了确保接收节点独立于传输距离D, 并达到某个阈值水平Th之上, 传送节点调整传输功率大小。在此, 在可变功率场景中与距离D的一条链路相关的最优传送功率为

式中;Topt表示可变功率;γ为比例常量;K≥2。

因为Th典型地是一个技术常量, 传输能量Eopt正比于传输功率。可以得出[4]:在不考虑传输错误的情况下, 最小跳路径对固定功率的情形为能耗最低的;具有大量短跳的路径在可变功率情景中能耗较小的。但是, 考虑到链路出错的现实情况, 以上两种情况并非能耗最小的路径。

2可靠传输的能量最小路径

在具有不可忽略链路丢失率的现实Ad Hoc网络 (其中报文丢失率可高达15%~25%) 中, 为了保证整个无线路径之上的可靠端到端传递, 可利用报文重传或前向错误纠正编码。为此, 提出基于可靠传输的能量最小路径的方法。提出两种不同的运行模型:a.端到端重传 (EER) , 单个节点不提供链路层重传, 仅通过源节点发起的重传得到可靠的报文传递。b.逐跳重传 (HHR) , 单个节点链路使用局部的报文重传, 传递到下一跳。

2.1端到端重传。现设定传送节点A和接收节点B距离为D, N表示之间的节点总数, plink表示单个独立节点的报文错误率。在不考虑报文是否可靠传输的情况下, 则从发送节点到接受节点间的总能量Etotal为ÁÁÁÂÃÄÃÁÅ, α为比例常数。使用简单的对称论证法, 当每跳是相等长度DÁÂ/ÅN时, 最小传输能量的情况出现且为αDK/NK-1。当出现报文错误时, 则一条链路出现错误的概率为1- (1-plink) N, 为了保证A于B之间的正确传递, 必要的传输数量为一个几何分布的随机变量X, 使Prob{X=k}=pk-1× (1-p) , 坌k。所以, 单个报文成功传递的报文传输平均数为1/ (1-p) 。得到单个报文可靠传输所需的总能量为

通过此式, 将N看做一个连续且一个连续可微分变量可推导出N的最优给定值 可以看出:plink取较大值时, 最优数量N数较小;N取值随线性系数K增大时线性增大。通过研究, 当错误率大于10%时, N的最优值很小, 增加一个中间节点产生的能量节省将被必须传输数量 (较大的实际路径错误率造成) 的剧烈增加所抵消。这里的分析表明:一条具有多跳短距离的路径并不一定总是比具有较小长距离跳更加有优势。

2.2逐跳重传。因为无线链路层利用链路层重传, 所以对于多跳无线连网环境这是一个较好的模型。在我们的分析中, 不限制允许重传的最大次数, 我们的主要焦点是能耗最小的路由, 不考虑重传带来的对路径整体转发延迟带来的影响。通过计算可到以下能量公式:

通过研究, 此情况下的能量开销随N的增加而减少, 且接近渐近线1/NK-1。当所有链路具有相同的错误率时, 多个短跳替换单跳将会更有益处。

比较在ERR和HHR两种情形中, 针对相同的N和K数值的能耗比较, EER情形中能耗幅度至少要大一数量级。通过避免端到端的重传, HHR方法能够显著地减低总能耗。

3最小能量可靠路径的链路开销

对于传统英特网路由协议相反, 能量感知路由协议计算最小开销路由, 与每条链路关联的开销是与对应节点相关联的传输能量的某个函数。为能耗最小的可靠路由而调整改变这样的最小开销路由确定算法 (如Bellman-Ford算法[4]) 中, 现在采用的链路开销必须不仅仅是相关传输能量, 而且也是链路错误率的一个函数。使用这样的度量指标, 将允许路由算法选择满足以下条件的链路:给出低传输功率和低链路错误路之间的最优折中。

3.1逐跳重传。考虑一条从源节点S到节点D路径, 他们之间的通信选择路径为P, 得到总能量开销EP为 选择从节点1到节点N+1的一条最小开销路径等价于选择最小化式 (1) 的路径P, 容易看出链路Li, j (i, j表示节点) 对应的链路开销由Ci, j为

3.2端到端重传。不存在逐跳重传的情况下, 沿一条路径的总能量开销包含一个乘积项, 包括每条组成链路的报文错误概率。能量公式EP为 因此这个公式不适合于传统的最小开销路径的计算算法。固提出了使用常规的分布式最短开销算法来计算“近似的”最小能量路由。

对于k条相同链路组成的一条路径 (具有相同的链路错误率和链路传输开销) , 对上面Ep可简化为k·E/ (1-p) k (p为单条链路的错误率, E为其上的传输开销) 。它引导出链路的启发式开销函数, 即

链路L=2, 3, …, 并对所有链路相同。

4最小能量路径的性能评估

为了研究所提出方案的性能, 引入一下二个独立的路由算法:a.能量感知 (EA) 算法。链路开销是单个链路上传输单个报文 (不考虑重传) 需要的能量。b.重发能量感知 (RA) 算法。链路开销包括报文错误率, 同时考虑到为可靠报文传递的必要重发的影响。对于HHR场景, 使用 (4) 的链路开销, 对于EER模型, 使用式 (5) 的“近似”链路开销式, 且L=2。

4.1仿真设计[5,6]。使用100个节点随机分布在一个方形区域上的不同拓扑, 该拓扑中49个节点分布于70×70单位网格上, 并等距离地隔开10个单位 (如图1) 。一个基点的最大传输半径为45个单位, 意味着这个拓扑每个节点具有14~48个邻居。

在这些静态拓扑上运行路由技术, 得到节点的最小开销路径。为了仿真流量负载, 网格上的每个角落的节点具有3条活跃数据流, 因此共有12条数据流。同时, 对于EER框架和HHR框架的研究, 都使用了的TCP[7]流。

4.2仿真对比。a.变化功率采用HHR模式TCP流所需流量。b.变化功率采用EER模型的TCP流所需流量。

图中出现的归一化能量 (我们研究能量效率的度量指标) 为:首先计算每数据报文的平均能量, 方法为将总能量开销除以在任意目的地处接收到的不同报文总数。将一种方案的归一化能量定义为那种方案的每数据报文平均能量与最小跳路由方案所需每报文平均能量的比值。因为最小跳路由方案消耗最大能量, 所以归一化能量参数提供了由其他路由算法得到的百分比能量节省的一个简易表示。

5结论

本文在最小能量路径基础上引入可靠传输的思想, 理论分析最小能量可靠分析链路开销。同时, 对提出发方案进行仿真研究, 仿真结果显示与之情的研究工作大体一致。

摘要：在Ad Hoc网络中, 网络的个体节点由电池供电, 受电池供电时间长短不同影响, 降低个体节点的能耗成为Ad Hoc网络重要问题。受现实影响, 软件方面节能比硬件更加高效和可实现性, 我们提出了基于能量高效可靠传送的路由算法。通过对此路由算法进行能量开销分析, 可靠传输的能量最小传输的相关理论公式推导以及模型仿真, 此路由算法具有较好的节能功效和实际意义。

关键词：能耗,能量高效,可靠传送,路由算法

参考文献

[1]王海涛.Ad Hoc网络的应用现状和发展趋势[J].通信技术政策研究, 2010 (1) :32-42.

[2]S.Singh and C.Raghavendra.Pamas-Power aware multi-access proto-col With signaling for Ad Hoc networks[D].ACM Commun.Rev, 1998.

[3]J.Gomez, A.Campbell, M.Naghshineh, and g transmission power inwireless Ad Hoc networks[D].Pro.Int.Conf.Networking Protocols, 2001.

[4]Bellman-Ford算法[EB/OL].http://baike.baidu.com/view/1481053.htm.2010-01-20.

[5]周少琼, 徐.基于NS2仿真Ad Hoc多跳网络性能[J].计算机与现代化, 2010 (8) :219-222.

[6]成进军, 肖晓明.AdHoc网络多径节能路由协议的研究与设计[J].计算机仿真, 2009 (9) :105-107, 131.

能量高效 篇8

WSN是具有数 据融合、 通信和计 算等特定 功能的节点 以自组织 的形式关 联在一起 的网络体 系 ,能够实时 监测、感知 和采集周 围环境的 相关信息 , 并把信息 经过处理后 通过路由 协议传输 给终端计 算机[1]。WSN在环境监测 、智能交通 等领域得 到了广泛 的应用[2,3]。

由于三维 空间的路 由协议更 符合实际 的应用环 境 ,近年来其 成为WSN研究的热 点。Li等人在文 献[4]中提出3D-SAEAR算法 ,通过迭代 分簇方法 一定程度 上平衡了网 络的能耗 , 但是簇首 死亡时才 发动选举 , 造成节点过 早死亡。Ke等人在文 献[5] 中提出了 三维胞元 空间模型和3D-CSR算法 , 建立了完 整的分层 路由体系 , 提出了自适 应选举机 制 ,但是采用 贪婪路由 方式选择 邻居胞父节 点中到目 的节点的 距离最短 的作为下 一跳节点 (此节点为邻 居最优胞 父 ), 没有建立 有效的能 量模型来 优化传输路 径 ,导致平均 能耗较多 。

3D-SAEAR算法和3D-CSR算法均存在簇首负担较大的问题, 本文在三维胞元空间模型的基础上, 提出了3DSMEER算法。该算法引入协同节点协助最优胞父转发消息包,减少了总的路径损耗,降低了网络的能耗;建立协同节点选举机制,保护了能量较低的节点,提高了能量利用率。

1 算 法模型

1 . 1 能 耗 模 型

当传输g bit字节时 ,总能耗Es表达式如 下所示[6]:

其中l表示节点 之间的距 离 ,Eelec表示发送1 bit字节时 ,启动电路 能耗 ,εamp为放大电 路能耗 ,γ为路径 损耗指数。 本文假设 在自由空 间模型下 ,取γ=2。

1 . 2 协 同 节 点 选 择 模 型

Bhardwaj等 [7]提出当采 用最佳传 输距离Lideal转发消息包 时 ,通过最佳 跳数Hideal, 能耗达到 最低 , 由Lideal确定的转发 位置称为 理想转发 节点位置 ,Lideal和Hideal表达式分别为 :

WSN中一般达 不到转发 节点相互 距离为Lideal的要求 ,因此提出协 同节点代 替理想转 发节点多 跳传输的 模型。

基于协同 节点的多 跳模式的 基本思想 为 : 首先在贪婪 策略下确 定邻居最 优胞父 ,根据Lideal确定理想 转发节点位 置Mi; 然后以Mi为球心 , 作半径为r的球体 , 球体内的节 点称为候 选协同节 点 ;最后根据 协同节点 的选择原则 进行选举 :

( 1 ) 低剩余能 量保护原 则 : 低剩余能 量保护系数 为β (0<β<1), 节点的初 始能量为Eini, 如果节点 剩余能量Eres< βEini, 则该节点 不能作为候 选协同节 点。

( 2 ) 重复选择 避免机制 : 球体半径r值增大时相 邻球体出 现相离、相 切与相交 的三种关系 ,若某节点 被选中为 协同节点 后不能作 为另外球 体的候选协 同节点。

( 3 ) 胞父优先 原则 : 球体中有 胞父节点 , 则优先选 择胞父作为 协同节点 。

( 4 ) 能耗节省 原则 : 同类型的 节点比较 时 , 优先考虑与 理想节点 位置距离 最短的节 点为协同 节点。

LEN ( A , B ) 表示节点A与节点B之间的距 离。图1为通过协同节点转发的示意图,其中LEN(C,M1)=LEN(M1,M2) = Lideal, d表示胞元 的边长 , 当前胞元 ( XI, YI, ZI)C中胞父节点C确定的邻 居最优胞 父P位于胞元 (XJ, YJ, ZJ)C内。球M1内有胞父 节点 , 由原则 (3) 选择胞父 为协同节点 ; 球M2内无胞父 节点 , 由原则 (4) 选择距离 理想转发节 点最近的 胞子为协 同节点。

2 3D - SMEER算法

该算法根 据自适应 多跳机制 决定传输 方式 , 利用协同节 点选择机 制选出转 发节点协 助当前胞 父传输消息 包。

2 . 1自适应多 跳机制

由公式(3)知 ,当前胞父 和邻居最 优胞父的 距离L与最佳传输 距离Lideal的关系决 定了最佳 跳数Hideal。图2 ( a )中当L<Lideal时 , 采用单跳 的方式到 达邻居最 优胞父 ;图2 ( c ) 中当L > 2Lideal时 , 由公式 (3) 得Hideal≥2, 即采用多 跳方式把消 息包传输 给邻居最 优胞父 ; 图2 (b) 中当Lideal<L < 2Lideal时 ,比较二者 传输消息 包的能耗 , 协同节点 位于M1处时 ,根据公式(1)计算比较 两跳能耗E2h和单跳能 耗E1h得 :当L>1.5 Lideal时 ,E1h> E2h, 即多跳能 耗更小。 但是理想转 发位置处 一般不存 在节点 ,所以采用 协同节点 进行多跳的最小距离为Lmin= 准Lideal( 1 . 5 < 准 < 2 ) , 即当L < Lmin时直接传输 ,否则选择 协同节点 转发传输 。

2 . 2协同节点 选择机制

选择协同 节点时需 要确定协 同节点的 选择范围 , 即球体的位 置和半径r。

2 . 2 . 1 球 体 半 径 r 的 确 定

理想转发 节点空间 坐标即为 球心位置 , 在图1中设邻居最 优胞父节 点为P, 其坐标为 (XP, YP, ZP) , 同时令当前 胞元(XI,YI,ZI)C中胞父为M0, 其坐标为 (XM0,YM0,ZM0) ,理想转发 位置处球 心Mi的坐标为 (XMi, YMi, ZMi) 。以Mi的X轴坐标XMi为例 ,表达式为 :

其中i∈N且[1,Hideal- 1 ] 。

对于节点 密度较小 的网络 ,r值过小 ,球体内找 不到协同节 点 ;反之 ,会增加传 输路径。 假设存在rmax使r<rmax时 ,通过协同 节点进行 多跳比单 跳能耗更 少。为了 求得rmax考虑一种 极限情况 , 即所有的 球体内只 存在一个 协同节点 , 且位于球 体边缘 , 即图3 (b) 是由图3 (a) 投影到XOZ平面所得 。在图3(a) 中 , 节点C为当前胞 父 , 协同节点J位于球M1的边缘处 ,节点P为邻居最 优胞父 ,α = ∠CM1J , d表示LEN ( C , P ) , d1表示LEN (C ,J) ,d2表示LEN ( J , P ) , 通过节点J传输和直 接传输的 能耗分别为 :

当cosα=1时 ,即节点J位于W点处时E2h取得最大值 ,此时可得 到rmax表达式为 :

考察式 (7) 得 ,0.5 Lideal< rmax< Lideal, 实际情况 中选择球 体半径r=φrmax( 0 . 5 < φ < 1 ) , 其中φ称 为球体半 径调整系 数。

2 . 2 . 2 协 同 节 点 的 竞 选 法 则

协同节点 的区域确 定后 , 由低剩余 能量保护 原则和重复 选择避免 机制确定 候选协同 节点。结 合协同节点 选择原则 , 提出候选 协同节点G的竞选权 重( Election Weight , EW ) , 其表达式 为 :

其中G表示当前 候选协同 节点 ,n表示候选 协同节点 总数 ,K[j] 表示球体 中第j个候选协 同节点 ,LEN(K[j],Mi)表示球体Mi中第j个候选协 同节点与 球心Mi的距离 ,Eres ( K[ j ] )表示第j个候选协 同节点的 剩余能量 ,权重系数 λ和η的关 系为 :λ+η=1(0≤λ≤1,0≤η≤1)。其中θ 的取值遵循 以下原则 :当球体内 候选协同 节点是同 类型的节点 , 即都是胞 子或者胞 父节点时 θ =1; 否则 , 胞父节点θ = 1 , 胞子节点 θ = 0。

协同节点 竞选法则 : 将球体内 每个候选 节点的剩 余能量和空 间位置带 入式(8)中 ,按照上述 原则比较 球体内候选 节点的EW, 最后选择 出EW值最大的 作为本球 体的协同节 点。

2 . 3 3D - SMEER算法的具 体过程

结合自适 应多跳机 制和协同 节点选择 机制 , 总结出基于 协同节点 多跳路由 的步骤为 :

( 1 ) 根据贪婪 策略 , 判断出邻 居最优胞 父P , 并计算LEN ( C , P ) 。

( 2 ) 由自适应 多跳机制 判断采用 多跳或者 单跳 , 如果结果为 单跳则直 接把消息 包传递给 邻居最优 胞父P, 否则进入步 骤(3)。

(3) 利用协同节点选择机制确定球心的空间位置和协同节点的选择范围,然后根据低剩余能量保护原则和重复选择避免机制确定是否存在候选协同节点,若不存在则直接把消息包传递给邻居最优胞父P,否则进入步骤(4)。

( 4 ) 依据候选 节点的EW选择出协 同节点 , 将消息包通 过协同节 点转发给 邻居最优 胞父P。

具体流程 如图4所示。

3 仿真实验

3 . 1 仿 真 环 境 及 参 数 设 置

仿真是在OMNet++ V4.1平台上进 行的 , 节点分布在 体积为400 m×400 m×400 m的立方体 内。与3D-CSR和3D-SAEAR进行仿真 结果比较 时 ,为了使仿 真结果更有 可比性 ,假定消息 包只按照 贪婪模式 进行传输 。参数设定 如表1所示。

3 . 2 仿 真 结 果 分 析

仿真结果 将通过平 均能耗和 节点存活 率进行对 比。平均能 耗 (average energy consumption) 为传输k条消息包所 消耗的总 能耗与k的比值 ; 节点存活 率 (Alive rate) 为传递k条消息包 后存活节 点占总节 点数的百 分比。

3D - SMEER , 3D - SAEAR与3D - CSR的平均能 耗曲线如图5所示。3D-SAEAR与3D-CSR相比增加 了角度机制 ,所以其平 均能耗比3D-CSR略有减少 。3D-SMEER通过协同 节点转发 消息包 , 相比3D-SAEAR与3D-CSR有效降低 了平均能 耗。图5(a) 和图5(b) 中每个胞 元的节点个 数N分别为2和4, 随着N的增加 ,3D-SMEER增加了中 间协同节 点的个数 , 使得传输 能耗减少 , 所以图5(a) 和图5(b) 中3D-SMEER的平均能 耗是逐渐 降低的 ,而3D-SAEAR与3D-CSR的平均能 耗基本不 变。

三者的节 点存活率 与消息包 的关系如 图6所示。图6 ( a ) 和图6 ( b ) 中胞元的 节点数N分别为2和4 , 3D - CSR通过自适 应胞父选 举平衡了 网络的能 耗 , 所以3D-CSR与3D-SAEAR相比提高 了节点的 存活率 , 并且随着 胞元内节点 数N的增多 , 选举机制 能够发挥 更好的作 用 ;3D - SMEER与3D - CSR相比 , 通过协同 节点转发 消息包 , 降低了邻 居最优胞 父的传输 负担 , 从而提高 了网络节点 的存活率 , 当网络的 节点密度 增加时 , 增加了其 他节点参加 传输消息 包的概率 ,所以提高 了存活率 。

4 结 论