基于故障节点无线传感网络的数据汇聚算法

摘 要： 核辐射环境的影响和节点能量的有限性，导致无线传感网络（WSNs）节点容易发生故障，如何在基于故障节点WSNs的环境实现有效的数据汇聚已成为研究热点。首先，研究了核辐射对节点射频通信能力的影响，并提出基于核辐射约束下的WSNs的数据汇聚DGP⁃RA算法。在DGP⁃RA算法中，节点具有射频和声通信的双通信模式。DGP⁃RA算法基于奖惩机制，并结合D⁃S证据理论DST和假设检验理论，识别因核辐射影响而无法通信的故障节点，然后再适应地切换通信模式，抵御辐射影响。仿真结果表明，提出的DGP⁃RA算法有效地提高了数据传输效率，降低了能量消耗。

关键词： 声通信； 假设检验； 故障； 核辐射； 无线传感网络； DGP⁃RA算法

中图分类号： TN711⁃34； TP393 文献标识码： A 文章编号： 1004⁃373X（2018）01⁃0032⁃06

Abstract： The node of wireless sensor network （WSN） is liable to fault because the influence of the nuclear radiation environment and limitation of node energy， so how to realize effective data aggregation based on fault nodes in WSN environment has become the research hotspot. The influence of nuclear radiation on RF communication ability of nodes is studied. The data gathering protocol for radiation affected （DGP⁃RA） algorithm for WSNs data aggregation under nuclear radiation restraint is proposed， in which the node has dual modes of radio frequency communication and acoustic communication. The DGP⁃RA algorithm based on reward and punishment mechanism， Dempster Shafer theory （DST） and hypothesis testing theory are used to identify the fault node which can′t communicate because the influence of nuclear radiation， and switch the communication modes adaptively to resist the radiation influence. The simulation results show that the DGP⁃RA algorithm can improve the data transmission efficiency effectively and reduce the energy consumption.

Keywords： acoustic communication； hypothesis testing； fault； nuclear radiation； wireless sensor network； DGP⁃RA algorithm

0 引 言

无线传感网络 （Wireless Sensor Networks，WSNs）被认为是部署在特定区域的实时嵌入系统，用于感测环境参数，如温度、气压、湿度等，已广泛应用于健康医疗、森林防火检测、交通监控等。这些应用均需随机部署大量的传感节点。这些传感节点感测环境数据，并以直接或间接方式向外传输。然而，由于节点随机部署以及传感节点能量供给的有限性以及补给的不便利特性，网络的能量消耗、数据采用能力和网络寿命成为大家关注的焦点[1]。

在WSNs网络中，除了节点能量受限、计算能力不足之外，还存在因无线开放环境引起的节点故障、恶意节点攻击问题，这些因素均影响了网络数据传输效率[2⁃5]。在无线开放环境中，传感节点易受到电磁或核辐射影响，使得节点无法将感测的數据向外传输，即无法与外界通信。文献[6⁃8]分析了辐射对节点数据的影响。电磁、核辐射影响是短暂的，持续时间短。因此，受影响的节点经一段时间后可以恢复正常行为。将这类受辐射影响，导致不能正常传输数据包的节点，称为间歇故障节点。

间歇故障节点暂时与网络断裂，这就在网络内形成了动态洞（Holes），洞的产生、消失以及洞尺寸随时间变化。这类短暂故障节点容易导致信息的丢失。

针对WSNs的核辐射环境，提出新的数据收集协议。该协议的每个传感节点采用射频通信和声通信的双通信模式。首先，检测间歇式故障节点，一旦成为间歇故障节点，就采用声通信模式防御核辐射的影响，继续收集数据。由于采用声通信模式可以提高数据收集的流畅性，避免因辐射导致数据反复重传，进而节省节点能量。仿真结果表明，采用声通信模式有效地提高了数据收集效率，并节省了能量利用率，进一步拓展了网络寿命。

1 问题描述及系统模型

1.1 问题描述

先定义两类节点，一类称为正常节点，指未受到核辐射影响的节点，能够基于射频通信模式进行通信；另一类称为故障节点，指受到核辐射影响的节点，无法利用射频通信模式进行数据收集。

令每个传感节点的最大通信半径为[R]。节点[i]在时刻[t]的通信半径为[rit]，显然，[rit≤R]。若[dmin]表示节点离它最近的活动节点的距离[9]，两类节点的通信半径示意图，如图1所示。正常节点的通信半径大于[dmin，]即能够与外界进行通信，未被割裂；而故障节点的通信半径小于[dmin，]无法基于射频通信模式实现与外界通信。

若在时刻[tj，]节点[i]受到辐射影响，其通信半径下降，不能与外界通信，则认为[ritj=0]。经过一段时间的恢复，节点重新恢复通信能力，能够与外界通信，那么这类传感节点称为故障节点TN。正常节点和故障节点的定义分别如下：

正常节点定义：对于节点[i]，它的通信范围为[ritk]，若任意时刻[tk，]均满足[R≥ritk≥dmin≥0，]即为正常节点。

故障节点定义：对于节点[i，]它的通信范围为[ritk，]若在时刻[tk，]均滿足[ritk≤dmin，]则称为故障节点。

为了简化描述，定义二值变量[flagsk，]若[flagsk=1，]表示正常行为节点，若为零，表示间歇故障节点，如式（1）所示：

[flagsk=1，Rc≥rcti≥dmin≥0 ，∀ti0， ∃ tj rcti≤dmin] （1）

由于核辐射的影响，易产生故障节点，容易引起网络覆盖空洞，影响数据收集，如图2所示。由于核辐射的影响，使得部分传感节点失去通信能力。图中的实线表示节点间链路正常，而虚线表示因核辐射引起链路断裂。从图2可知，由于辐射的影响，网络内形成通信空洞，导致信息丢失。为了降低信息的丢失，提出新的数据收集协议算法。

1.2 系统模型

考虑同构的无线传感网络，每个节点嵌入GPS系统，能够计算自己的位置信息。此外，节点具有射频通信RFCM（Radio Frequency Communication Mode）和声通信ACM（Acoustic Communication Mode）双模式，如图3所示。

传感节点实时计算SINR值[10⁃11]，并据此决策是否切换通信模式。最初采用射频通信模式，若受到核辐射影响，就切换成声通信模式，避免通信空洞，提高数据收集效率。

2 RDT⁃DMC协议

采用基于奖罚机制的双通信模式的数据收集协议DGP⁃RA。DGP⁃RA协议首先检测故障节点，然后再实时切换通信模式，实现数据收集。在检测故障节点时，先基于邻居集的节点数变化初步检测故障节点，然后再利用信任模型进一步检测故障节点。

2.1 故障节点的初步检测

在DGP⁃RA协议中，节点周期地交互HELLO消息，并依据是否收到HELLO消息，判断是否为一跳邻居节点。若收到HELLO消息，表明该节点是自己的邻居节点，并相应地加入自己的邻居集。此外，每个节点构建消息Mes，格式如下：

[IDModeCurrent_Neighbor_list]

其中ID表示节点标识号，Mode表示节点的通信模式，Current_neighbor_list表示节点的当前邻居节点集。

信宿Sink收集各节点的Mes消息后，建立反映网络拓扑变化的信息表格Infor，格式如下：

其中每一行由Node_ID、初始邻居集Starting_ neighbor_list和当前邻居集Current_neighbor_list组成。Node_ID表示节点的ID，Starting_neighbor_list表示最初的邻居节点列表，Current_neighbor_list表示当前时刻的邻居节点列表。最初，节点的Starting_neighbor_list和Current_neighbor_list是相等的。

信宿Sink依据Infor表格的信息变化识别故障节点。比较Starting_neighbor_list与Current_neighbor_list内的节点是否相等，若相等，则认为该节点未受到核辐射影响；否则，认为该节点或者邻居节点受到核辐射影响。显然，只依据Starting_neighbor_list和Current_neighbor_list数据不能判断具体是哪些节点受到核辐射的影响，为此需进一步进行判断。

2.2 基于奖惩机制的信任模型检测

为了进一步检测故障节点，采用基于奖惩机制的信任模型，同时，使用假定检验理论。首先，估算奖励因子Reward（R）和惩罚因子[PenaltyP，]定义如下：

[R=1，HELLO is received0，otherwise] （2）

[P=1， HELLO is not received0，otherwise] （3）

令[rωk]和[pωk]分别表示节点[ω]的第[k]个邻居节点的奖励因子和惩罚因子，其中[k=1，2，…，K，][rωk∈R，][pωk∈P]。[K]表示节点[ω]收集节点[i]信任信息的邻居节点数。节点[k]的信任（belief），不信任（disbelief）以及不确定（uncertainty）值分别表示为[bωk，][dωk]和[uωk，]定义如下：

[bωk=rωkrωk+pωk+2] （4）

[dωk=pωkrωk+pωk+2] （5）

[uωk=2rωk+pωk+2] （6）

当收集来自多个节点的关于某个节点的信任、不信任和不确定值时，利用DST（Dempster Shafer Theory）策略融合这些信息，并据此判断该节点是否受到核辐射的影响。

首先，定义系统假设有限集[θ，]其质量分布函数[12]为[m：2θ→b，d]，并满足：

[mϕ=0] （7）

[A⊆θA=1] （8）

然后，再估算节点[ω]的信任值。对于节点[ω，][θ]为[b，d]。定义其识别的幂集[2θ]为：

[2θ=ϕ，b，d，u] （9）

其中[u=b⋃d]。

接下来融合奖励因子和惩罚因子信息（证据）。依据DST的融合规则，将[m1x]和[m2x]进行融合：

[mX=m1x⊕m2x] （10）

式中：[m1x]和[m2x]为独立观察集；[x]为证据，且[x∈][b，d，u]。在任何时刻，均利用来自节点[ω]的邻居节点证据计算[m1x]和[m2x]。

最后，融合后的信任质量函数[mB]为：

[mB=m1b⊕m2b=b，d：b⋂d=xm1b⋅m2b1-b，d：b⋂d=ϕm1b⋅m2b] （11）

那么，[k]个邻居节点的信任质量函数[mB]为：

[mB=m1⊕m2⊕m3⊕…⊕mk] （12）

同理，可估算[k]个邻居节点的不信任质量函数[mD]。

接下来，利用假设检验理论挖掘故障节点。首先，估计平均信任均值[b]、不信任均值[d]、不确定均值[u]。原始设为[H0，]备选假设为[HA]。即，[H0：]节点[ω]能够通信；[HA]：节点[ω]不能通信。选择节点[ω]的检验统计量[Z：]

[Z=bω-bSE] （13）

式中SE为标准误差，如下：

[SE=sNg] （14）

式中：[s]为标准方差；[Ng]为互为邻居节点的对数。给定的小正数[σ=0.05，]相应的临界值为[zα2]。如果观察值[z]大于[zα2，]拒绝[H0，]接受[HA，]则认为节点受到辐射影响，成为故障节点；否则，接受[H0，]拒绝[HA，]认为节点未受到辐射影响，为正常节点。

3 数值分析

3.1 仿真场景

考虑500 m×500 m的仿真区域，依据Matlab构建仿真平台。仿真参数如表1所示，其中节点数从200～400变化，并设定核辐射区域面积为[1 000～25 000 m2]。考查节点数和核辐射区域面积对协议的性能影响，包括数据收集能力和能量消耗水平。

3.2 仿真结果及分析

3.2.1 DGP⁃RA协议性能

本次实验主要分析双通信模式（Dual Mode）和仅采用声通信模式（Only Acoustic Mode）对能量消耗和数据传输时延的影响，并且在仿真图中，将“双通信模式”标注为“Dual Mode”，将“仅采用声通信模式”标注为“Only Acoustic Mode”。

1） 能量消耗

本次实验考查传感节点向信宿Sink传输每个数据包所消耗的能量，并分析在节点采用双通信模式和只采用声通信模式下的能量消耗。同时，比较网络节点数和辐射面积对能量消耗的影响，实验数据如图4所示。

从图4可知，采用双通信模式所消耗的能量远低于只采用声学通信模式。原因在于：在聲学通信模式中，降低了通信半径，增加了从源节点至目的节点的平均路径长度，导致数据包传输和接收的次数增多，而能量消耗依赖于传输和接收数据包的次数。

辐射区域的增加对传输单个数据包消耗的能量影响不大，尽管存在波动，但整体平稳。此外，节点数从200，300，400依次增加，传输单个数据包消耗的能量并无明显的增加。尽管节点数增加，网络总体消耗的能量增加，但对于传输单个数据包所消耗的能量影响较小。

2） 端到端传输时延

本次实验分析了从源节点向信宿Sink传输单个数据包所需的时延，结果如图5所示。

从图5可知，只采用声通信模式环境下，传输单个数据包所产生的时延远大于采用双通信模式。原因在于：声学通信比RF通信存在高的传播时延。辐射区域的增加，导致源节点至信宿Sink的声学链路增加，进而提高了平均的端到端传输时延。

此外，随着节点数的增加，端到端传输时延呈下降趋势。这主要是因为：节点数的增加，降低了网络内平均节点间距离，减少了每跳传输的距离。因此，在声学通信模式中，节点数的增加降低了端到端传输时延。

3.2.2 性能对比分析

为了更好地分析DGP⁃RA的性能，将DGP⁃RA与INEEC[13]和HEED[12]进行对比分析， 主要考查三个协议的总体能量消耗和数据采集能力，仿真结果如图6，图7所示。

从图6可知，DGP⁃RA协议的总体能量消耗低于INEEC和HEED协议。原因在于DGP⁃RA协议能够实时地检测间歇故障节点，自适应地调整通信模式，降低能量消耗。而INEEC和HEED协议是给每个节点设置相同的门限值。

最后，用接收的平均数据包数表征数据采集能力。图7描述了三个方案接收的平均数据包数能力。从图7可知，DGP⁃RA协议在所有的时间点，信宿Sink所接收的数据包数远优于INEEC和HEED方案。与HEED相比，DGP⁃RA协议接收的平均数据包数提高了近13.5%。原因在于，DGP⁃RA协议实时检测间歇故障节点，并利用声学通信模式抵御辐射影响，避免了数据包的失去。

4 结 论

针对受核辐射影响的无线传感网络的数据收集问题，提出新的数据收集协议DGP⁃RA。DGP⁃RA协议中传感节点均采用射频通信和声通信的双通信模式。首先，利用邻居节点集的变化信息，初步筛选故障节点，然后再利用D⁃S证据理论DST和假设检验挖掘故障节点。最后，切换故障节点的通信模式，使其保持声通信模式，实现在核辐射区域内的数据传输。仿真结果表明，提出的DGP⁃RA协议能够有效地提高数据收集，并降低了能量利用率。

参考文献

[1] ALIPPI C， ANASTASI G， FRANCESCO M D， et al. An adaptive sampling algorithm for effective energy management in wireless sensor networks with energy⁃hungry sensors [J]. IEEE transactions on instrumentation and measurement， 2010， 59（2）： 335⁃344.

[2] BUTTYAN L， CZAP L， VAJDA I. Detection and recovery from pollution attacks in coding⁃based distributed storage schemes [J]. IEEE transactions on dependable and secure computing， 2011， 8（6）： 824⁃838.

[3] CHEN I， SPEER A P， ELTOWEISSY M. Adaptive fault⁃tole⁃rant QoS control algorithms for maximizing system lifetime of query⁃based wireless sensor networks [J]. IEEE transactions on dependable and secure computing， 2011， 8（2）： 161⁃176.

[4] KHAN S， TURGUT D， BOLONI L. Bridge protection algorithms a technique for fault⁃tolerance in sensor networks [J]. Ad Hoc networks， 2015， 24： 186⁃199.

[5] MIYAZAWA M， HAYASHI M， STADLER R. v NMF： distri⁃buted fault detection using clustering approach for network function virtualization [C]// Proceedings of 2015 IFIP/IEEE International Symposium on Integrated Network Management. Ottawa： IEEE， 2015： 640⁃645.

[6] MCCLURE S S， EDMONDS L D， MIHAILOVICH R， et al. Radiation effects in micro⁃electromechanical systems （MEMS）： RF relays [J]. IEEE transactions on nuclear science， 2012， 49（6）： 3197⁃3202.

[7] SHEA H R. Radiation sensitivity of microelectromechanical system devices [J]. Journal of micro/nanolithography， MEMS， and MOEMS， 2009， 8（3）： 767?772.

[8] DARGIE W， POELLABAUER C. Fundamentals of wireless sensor networks [M]. [S.l.]： John Wiley and Sons， Ltd.， 2010.

[9] MISRA S， KAR P， ROY A， et al. Existence of dumb nodes in stationary wireless sensor networks [J]. Journal of systems and software， 2014， 91： 135⁃146.

[10] SAMPATH A， JESKE D R. Analysis of signal⁃to⁃interference ratio estimation methods for wireless communication systems [C]// Proceedings of 2011 IEEE International Conference on Communications. Helsinki： IEEE， 2011： 8⁃18.

[11] JESKE D R， SAMPATH A. Signal⁃to⁃interference⁃plus⁃noise ratio estimation for wireless communication systems： methods and analysis [J]. Naval research logistics， 2014， 51（5）： 720⁃740.

[12] YOUNIS O， FAHMY S. HEED： a hybrid， energy⁃efficient， distributed clustering approach for Ad Hoc sensor networks [J]. IEEE transactions on mobile computing， 2004， 3（4）： 366⁃379.

[13] JENQ S L， CHIANG T H. Energy efficient clustering scheme for prolonging the lifetime of wireless sensor network with isolated nodes [J]. IEEE communications letters， 2015， 19（2）： 259⁃264

[14] WILCOX R R. Introduction to robust estimation and hypothesis testing [M]. 3rd ed. New York： Elsevier， 2012.