基于WSN 的随机网络编码跨层研究

36卷 第3期ol.36 No.3 2010年2月Februar 基于WSN 的随机网络编码跨层研究钦 健，杨白薇，李 鸥(解放军信息工程大学信息工程学院，郑州 450002)摘 要：基于无线传感器网络，提出一种跨层实现随机网络编码的方案，并在NS2平台上进行仿真。

将网络编码方案与传统的几种传感器路由机制进行对比，分析编码与解码功能，将该方案应用于无线传感器网络中，对影响解码率的几个主要因素，如缓存队列长度、Sink 节点的位置等进行了评估。

关键词：无线传感器网络；随机网络编码；跨层Cross-layer Research of Random Network Coding Based on WSNQIN Jian, YANG Bai-wei , LI Ou(Information Engineering Institute, Information Engineering University of PLA, Zhengzhou 450002)【Abstract 】This paper proposes a cross-layer scheme to realize random network coding based on Wireless Sensor Network(WSN), and simulates it on NS2 platform. It compares network coding with several traditional sensor routing schemes, and analyzes the capabilities of encoding and decoding. The scheme is applied to WSN. Some factors which affect decode probability of network coding, such as queue length and position of Sink are evaluated.【Key words 】Wireless Sensor Network(WSN); random network coding; cross-layer计 算 机 工 程 Computer Engineering 第V y 2010网络与通信· 文章编号：1000—3428(2010)03—0112—03文献标识码：A中图分类号：TP393·1 概述文献[1]提出网络编码的概念，通过编码可以获得网络多播的“最大流界”，能提高网络速率和网络链接的可靠性。

文献[2]给出代数构造方式的网络编码，用一个系统转移矩阵描述信源输入信息和信宿上接收到的信息之间关系，通过构造符合要求的系统转移矩阵来实现网络编码。

文献[3]提出实现网络编码的多项式时间算法，通过最小割最大流算法找到完成组播所需的路径集合。

但上述方法都要求已知整个网络的拓扑信息。

文献[4]提出随机网络编码，即在网络中间节点上对接收到的信息在一个有限域内随机选择一个元素作为组合的系数。

研究表明，只要有限域取得足够大，这种方法的失败率就可以很低。

上述都是针对有线网络和组播[2-6]进行的研究。

近来，在无线网络中的网络编码也成为了一个热点，无线网络的广播特性成为网络编码应用的新优势，如何在实际环境中实现是一个值得研究的问题。

2 随机网络编码在无线传感器网络(Wireless Sensor Network, WSN)中，节点的计算能力较弱，一般来说，传感器节点作为源节点向汇聚节点(Sink)发送数据，Sink 节点的计算能力较强。

2.1 网络模型Sink 表示所有源传感器节点数据回传的终点，这里只考虑1个Sink 节点的情况。

源传感器节点随机均匀分布在一定区域中。

图1为基于CNC 机制的数据回传网络模型，距离Sink 跳数不同的节点均匀分布在不同的环中。

其中，源节点表示产生数据的节点；普通节点表示不产生新数据的节点，只负责数据的存储转发或者编码转发，只有Sink 节点才进行解码。

源节点Sink 普通节点图1 基于CNC 机制的数据回传网络模型假设1个源或多个源产生的原始数据包信息为X 1, X 2,…, X n ，则在线性网络编码中传输的数据可表示为m m n n Z g X =∑其中，表示g i 相应的编码系数。

n n n i i l l Y a X f Y =+∑∑ (1) m m k k Z b Y =∑ (2)其中，X i 是在节点n 处产生的包；Y l 为从其他节点收到的包；Z m 为编码以后的数据包。

最终在Sink 节点处，可以表示为m m n n Z g X = ∑ (3)2.2 编码功能编码功能在中间节点的路由层实现。

传输的数据包中既基金项目：国家自然科学基金资助项目(60872043)作者简介：钦 健(1984－)，男，硕士研究生，主研方向：通信协议仿真与设计；杨白薇，博士研究生；李 鸥，教授、博士生导师 收稿日期：2009-06-26 E-mail ：qinjianer@—112—包括编码向量，又包括信息向量，编码向量用于接收端的解码。

编码过程采用迭代的方法，若一个节点已经接收和存储的包信息集合为(g 1, Z 1), (g 2, Z 2),…, (g m , Z m )，则这个节点可以通过选定编码系数k 1, k 2,…, k m 和运用算式1'im i i Z k Z ==∑得到新的信息包(',')g Z ，该过程可以在若干个节点中重复操作。

中间节点收到1个数据包时，先存放在缓存队列中，每个包在存储时启动1个定时器，超时时间为pkt_time ，队列长度最大为q_lenmax 。

为了保证数据的时效性并降低解码矩阵的维数，采用以下2个机制触发编码器：(1)队列里任何一个包的定时器超时； (2)队列长度大于等于q_lenmax 。

中间节点I 将编码后的数据包广播，只有距Sink 的跳数比I 小的节点才接收此包，并入队列等待。

2.3 解码功能解码功能在Sink 节点的MAC 层实现。

Sink 接收的数据包集合为(g 1, Z 1), (g 2, Z 2),…, (g m , Z m )，为了恢复原始信息，需要求解m 个等式中的n 个未知数，恢复所有数据要求m ≥n ，即接收包的个数至少为原信息的个数。

而有些线性组合可能是线性相关的，解码需要求解一组线性方程，因此，必须在每个等式中找到至少n 个线性无关的方程。

实际可以应用高斯消去的方法：节点存储编码向量以及编码之后的结果，以行向量的形式，存储在所谓解码矩阵中。

解码矩阵中只包含未经该节点编码的包以及与之相对应的编码向量。

当Sink 接收到一个已编码包后，会从中抽取它的编码向量以及编码结果，放人到解码矩阵中。

如所收到的某一个包如果可以增加该矩阵的秩，则称之为更新包；反之，则可以忽略此包。

当解码矩阵的秩等于n 时，方程组得解。

3 性能分析评价一种协议的性能好坏，一个最基本的标准就是数据分组能否到达目的节点相应的协议层，可称为递交率。

本文解码器在MAC 层，且目的节点只有Sink 节点，能解码的分组一定能够到达相应的层，因此，递交率可以用解码率来代替，用应用层接收到的分组个数与发送的分组个数之比来表示。

其他的评价标准还有吞吐量、能耗以及延时等。

传感器节点的存储队列长度为q_lenmax ，定时器等待时间为pkt_time ，若q_lenmax 增大，则平均每次进行编码的数据包个数增大，式(1)中n 变大，最终式(3)中的维数就会增加。

这样，总的数据包发送次数会减少，能耗减小，但解码矩阵维数变大，增加了解码难度，甚至可能不可解。

同理，若pkt_time 增大，发送次数减少，能耗减小，增加了解码难度。

Sink 节点的位置对解码率也有较大影响。

Sink 如位于区域中间，邻节点个数较多，解码的几率会更大。

编码示意图如果网络中数据流中包含有n (这里n =3)个源数据包，Sink 有m (m =2)个邻节点，Sink 节点处可构成方程Z =GX ，其中，Z 是m ×1的编码矩阵；X 是n ×1的输入矢量；G 是m ×n 的矩阵；Z , X 和G 都是有限域GF (28)的元素。

如m <n ，则可认为矩阵非满秩，从而不可解码。

4 仿真实验本文在NS2平台上进行仿真，仿真环境如下：30个节点，除Sink 节点外，随机分布在900 m ×900 m 的区域之内，节点通信距离250 m ，Sink 节点位于中心(450, 450)或边角(50, 50)。

上层业务采用CBR 流。

将随机网络编码(RNC)与LPF(Limited Probabilistic Flooding)机制及最小生成树机制(MST)进行了比较。

4.1 网络总数据传输次数不同CBR 发送间隔时，RNC, LPF 和MST 之间的发送次数的对比如图3所示。

其中，节点缓存队列长度为5，等待超时时间为0.5 s 。

发包间隔/(packet·s -1)总发送次数图3 不同业务间隔的总发送次数可以看出，当业务间隔较小时，经过网络编码后，总发送次数比LPF 和MST 小很多，LPF 是一种受限的洪泛机制，以一定的概率将数据包广播出去，这里取概率为0.7。

MST 为已知网络中各节点的坐标，以Sink 节点为根建立的最短路径树的路由协议。

对不同的业务间隔，网络编码RNC 总的发送次数最小。

当业务间隔小，即业务量较大时，RNC 发送次数比MST 少的最多，业务量减小时，由于每次进行编码的包少，编码效率低，RNC 的发送次数逐渐趋于MST 。

4.2 缓存队列长度与等待时间由前面分析可知，队列长度越长或者等待时间越大，平均每次进行编码的包就越多，即编码效率越高，则总的发送次数就越少，吞吐量就越大，但可能造成Sink 节点处的解码矩阵维数越高，解码率变低。

当CBR 间隔为5 s 时，不同队列长度和等待时间对解码率的影响如图4所示。

图4 不同队列长度和等待时间对解码率的影响—113—当CBR 间隔为5 s 时，不同队列长度和等待时间的总发送次数变化如图5所示。

图5 不同队列长度和等待时间的总发送次数变化由图4和图5可以看出，当队列长度和等待时间越大时，总发送次数越小；但队列长度大于等于7、数据包等待时间大于0.3 s 时，解码率不能满足通信的要求。

在实际应用时，应权衡利弊，选择适合的队列长度值和等待时间大小。

4.3 Sink 节点的位置仿真区域设置为900 m ×900 m ，图6为Sink 节点分别位于仿真区域中心(450, 450)和边缘(100, 100)时，不同CBR 发送间隔对应的解码率变化曲线。