移动低占空比传感网中时延感知的邻居发现算法

移动低占空比传感网中时延感知的邻居发现算法
李文娟; 王宝珠; 杨浩澜
【期刊名称】《《中国电子科学研究院学报》》
【年(卷),期】2019(014)010
【总页数】5页(P1001-1005)
【关键词】移动低占空传感网; 邻居发现; 低时延; 邻居发现率; 唤醒
【作者】李文娟; 王宝珠; 杨浩澜
【作者单位】重庆邮电大学移通学院重庆401520; 重庆邮电大学重庆400044【正文语种】中文
【中图分类】TP393
0 引言
作为新型自组织网络一样，移动低占空比无线传感网络(Mobile Low-Duty-Cycle Wireless Sensor Networks, MLDC-WSNs)与传统的无线传感网络(Wireless Sensor Networks, WSNs)[1]既有相同点，也有不同之处。

相同点在于：它们都有海量、微型的、存储容量和计算能力有限的传感节点组成[2]。

不同之处在于：MLDC-WSNs内的节点不仅可以移动，而且休眠时间长(即低占空比)[3-5]。

MLDC-WSNs使节点以低占空比状态保存节点能量。

然而，低占空比技术虽然保存了节点能量，延长了网络寿命，但是其产生一个新的问题—以低占空比工作的节点如何发现邻居节点[6]。

在MLDC-WSNs中，传感节点多数时间保持休眠状态，这就可能出现原本两个物理邻居节点，却不能发现彼此现象，即它们并不知道彼此的存在。

若再考虑传感节点的移动性，发现邻居节点更难度。

而邻居发现是构建网络拓扑的重要操作。

网络内的节点需要快速地发现邻居，进而形成网络。

由于网络内所有节点需要发现邻居，一个快速、低能耗的邻居发现策略能够提高网络性能，延长网络寿命[7-8]。

而在MLDC-WSNs中，节点采用低占空比模式工作，并要求节点间同步唤醒。

这就使得节点可能需要等待较长时间，邻居节点才唤醒。

这增加了时延。

因此，如何以低时延、低功耗方式发现邻居成为MLDC-WSNs的研究热点。

目前，现有的多数研究策略是让节点主动唤醒(actively wake up)去发现邻居。

但是这种策略要求节点唤醒多次，增加了能量消耗。

为此，提出时延感知的邻居发现(Low-latency -Aware Neighbor Discovery, LAND)算法。

LAND算法通过预测节点的移动距离，估计节点邻居集，并进行主
动唤醒。

仿真结果表明，提出的LAND算法有效地控制发现邻居的时延，并提高
邻居发现率。

1 约束条件及问题描述
1.1 约束条件
令G={V,E}表示MLDC-WSNs网络，其中V表示n个传感节点的节点集，即
V={s1,s2,…,sn}。

而E表示节点是否与其他节点连通的信息。

G内节点采用低占空比工作模式，如图1所示。

节点在多数时隙内处于休眠，少数时隙处于唤醒。

在
唤醒状态时，节点可以发送数据和与其他节点通信。

此外，节点可以在任何时隙主动唤醒，并发送数据包，但是，只能在预定的唤醒时隙内接收数据包。

图1 节点的低占空模式
令R表示MLDC-WSNs内节点的通信半径。

节点可以与其通信范围内的节点通信。

此外，引用随机路点移动 (Random Waypoint Mobile, RWM)模型[9]。

在RWM 模型中，节点随机地选择移动方向，且在速度范围[0,ϑmax]内移动。

在特定时间Δt内，节点可以移动的最大距离为Δt×ϑmax。

1.2 问题描述
假定节点si和节点sj在时间t可以相遇。

节点在Δt内，它们在彼此通信范围内。

它们均在Δt唤醒，且Δt不小于节点实施邻居发现的最小时间tmin(Δt≥tmin)。

基于上述假设，节点si和节点sj能够在[t,t+Δt]内发现邻居。

令δ表示发现邻居的时延，其定义如式(1)所示：
δ=t+Δt-t0
(1)
其中t0表示两个节点能够相互通信的时刻。

而t+Δt表示这两个节点完成相互发现的时刻。

令Pij表示节点si和节点sj在彼此通信范围内能够发现彼此的概率。

若Pij(t)=0，则表示它们在t时间不能够发现彼此；若Pij(t)=1，则表示它们能够发现彼此。

令P(t)表示邻居发现率，且P(t)=m/N。

其中m表示发现的邻居数，而N表示总的邻居数。

因此，MLDC-WSNs中邻居发现问题可简述为：以最低的时延实现最大化的邻居发现率：
{minδ,maxP(t)}
(2)
2 LAND算法
LAND算法由有两个阶段构成。

在第一阶段，节点依据网络部署，构建初始节点集；在第二阶段，节点有选择性地主动唤醒节点，并发现邻居。

2.1 第一阶段
首先，在时间t，每个节点(假定节点si)各自构建自己的邻居集(最初，邻居集只将
自己作为邻居节点)。

如果内只有一个节点，即节点si就在其预定的唤醒时间广播消息，直到有邻居节点(假定为节点sk)加入到邻居集中，即
当节点si就进行邻居节点发现：
第一步：网络内每个节点在自己唤醒时隙内广播消息，通知网络，自己的存在。

如图2所示，在时隙t0，节点si和节点sj在彼此通信范围内，能够接收彼此广播的消息。

然后，它们交换休眠-唤醒时刻表(Sleep wake-up Timetable, SWT)信息。

图2 初始邻居节点的构建
第二步：节点sj就在自己的唤醒时刻t1主动唤醒，并将邻居节点SWT向邻居节
点集内节点传输。

由于节点si在内，即节点si能够收到节点sj传输的SWT信息。

类似地，节点si也在唤醒时隙，将邻居节点的SWT信息向外传输。

一旦收到节点si的邻居信息，节点sj就在节点si的邻居节点(为节点sk)的唤醒时刻t3主动唤醒，并向节点sk发送确认信息ACK：节点sk是否能成为自己的邻居节点。

如果节点sk收到ACK，则节点sk成为节点sj的邻居节点。

即节点sj发现了新的邻居节点sk。

2.2 第二阶段
一旦构建了初始邻居集后，就进行第二阶段。

第二阶段主要考虑节点的移动问题。

即当有节点在节点si周围移动，节点si就主动唤醒，进而发现邻居节点。

节点依据RWM模型移动，每个节点在Δt时间内可移动的最大距离
Δs=Δt×ϑmax。

在时刻t, 节点si的邻居集为经时间Δt后，节点si新的邻居集接下来，结合图3分析新的邻居集
图3 节点移动
依据图3，对于任意节点如果节点sx离节点si的距离dix满足式(3)，则经时间
Δt后，节点si仍在邻居集内，即
dix∈[0,R-ΔS)
(3)
若节点sx离节点si的距离dix满足式(4), 则经时间Δt后，节点sx肯定不在邻居
集内，即
dix∈[R+ΔS,+∞)
(4)
若节点sx离节点si的距离dix满足式(5), 则经时间Δt后，节点sx可能在邻居集内，即
dix∈[R-ΔS,R-ΔS)
(5)
因此，经时间Δt后，仅需要确认dix∈[R-ΔS,R-ΔS)内的节点是否在新的邻居集内，即检测是否满足：若满足，则表明节点sx在此范围内。

若不满足，则说明节点sx 不在此范围内。

在传感网络中，节点能够依据RSSI值粗略地估计与邻居节点间距离。

依据距离，节点si初始邻居集可划分为两个子集和
如图4所示，若在内的节点则节点sk与节点si的距离dik一定满足dik∈[0,R-
ΔS)。

图4 节点邻居集
若在内的节点则节点sh与节点si的距离dih一定满足dik∈[R-ΔS,R+ΔS)。

对于离节点si距离范围为[R,R+ΔS)的节点sg，它是节点sh的邻居节点，如图
4(b)所示。

令r=R+ΔS-dih。

对于的任意邻居节点sg,如果它离节点sh的距离小
于r，则节点sg加入
最后，节点si依据和构建新的邻居集
(6)
3 性能分析
3.1 仿真参数
利用MATLAB软件建立仿真平台。

在1000 m×1000 m区域内随机部署500个
低占空比节点。

所有节点依据RWM模型在区域内移动。

节点默认的移动速度为1 m/s，最大移动速度ϑmax=1.3 m/s。

节点占空比为5%，这意味着每20个时隙
只有一个时隙，节点保持唤醒状态。

考虑T=5000个时隙节点，每个时隙时长为
10 ms。

节点默认的通信半径R=100 m。

此外，为了更好地分析LAND性能，选择文献[10]的Disco、文献[11]的CBD和
文献[12]的Birthday作为参照，并分析它们的平均邻居发现时延、唤醒次数和节
点邻居发现率。

3.2 发现邻居的平均时延
本次实验分析占空比和移动速度对平均时延的影响，如图5所示。

图5 发现邻居的平均时延
图5(a)显示了占空比对平均时延的影响，其中节点移动速度为1 m/s，占空比从1%～10%变化。

从图可知，占空比的增加，降低了平均时延。

相比于CBD和Disco算法相比，LAND算法的平均时延得到有效控制。

例如，当占空比为0.05时，LAND算法的时延为10s, 而Disco和CBD算法的时延分别62 s和22 s。

图5(b)显示了移动速度对平均时延的影响，其中占空比为3%，节点移动速度从
1m/s至10m/s变化。

从图可知，平均时延随移动速度的加快而下降。

原因在于：移动速度的加快，节点相遇的频率增加，这有利于发现邻居节点。

相比于Disco
和CBD算法，LAND算法的平均时延随移动速度变化波动小，且保持低的平均时延。

3.3 唤醒次数
本次实验分析节点在发现所有邻居节点所需的次数。

图6显示Disco、CBD和
LAND算法的唤醒次数随低占比的变化。

图6 唤醒次数随低占比的变化
从图6可知，唤醒次数随占空比的增加呈下降趋势。

原因在于：占空比越高，节
点唤醒的时隙数越高，就无需多数唤醒节点。

此外，相比Disco和CBD算法，LAND算法有效地控制唤醒次数。

例如，当占空比为0.07时，LAND算法的唤醒次数约为12，而Disco和CBD算法的唤醒次数达到约26和22，而Birthday算法的唤醒次数为约15。

3.4 节点邻居发现率
本次实验分析发现时延对邻居发现率的影响，其中低占比为0.05，移动速度为3
m/s。

从图7可知，当发现时延较低时，LAND算法和Birthday算法的发现率相近，它们能够快速地发现邻居。

相比之下，Disco算法发现邻居节点速度较慢。

当发现率增长一定量后，Birthday算法的发现率的增长速度放缓，而LAND算法的发现率
仍能够维持快速地增长。

此外，当发现时延为1300个时隙时，LAND算法的邻居发现率接近于1，比Disco算法提高了近200个时隙。

图7 节点邻居发现率
4 结语
针对MLDC-WSNs的发现邻居节点问题，提出时延感知的邻居发现LAND算法。

LAND算法通过共享邻居节点信息，先构建初始邻居集，然后，再有选择地唤醒
节点，并将邻居集划分为两个子集。

再依据节点移动距离估计因节点移动而新构建的节点集。

仿真结果表明，相比于Disco和GDB算法，LAND算法降低了发现邻居节点的时延，并提高邻居发现率。

【相关文献】
[1] PAZZI R W, BOUKERCHE A. A Clustered trail-based data dissemination protocol for improving the lifetime of duty cycle enabled wireless sensor networks[J].Wireless Networks,2017,23(1):177-192.
[2] 梁俊斌，周翔，王田，李陶深. 移动低占空比无线传感网络中数据收集的研究进展[J].计算机科学，2018,45(4):19-26.
[3] CHENG L, NIU J, GU.Energy-efficient statistical delay guarantee for duty-cycled wireless sensor network[C]//Proceedings of the 12th Annual IEEE International Conference on Sensing, Communication, and Networking, IEEE, 2015:46-54.
[4] CAO Z, HE Y, LIU Y. L2: Lazy forwarding in low duty cycle wireless sensor
networks[C]//Proceedings of the 31st IEEE international Conference on Computer Communications, IEEE, 2012:1323-1331.
[5] GU Y, HE T, LIN M. Spatiotemporal delay control for low-duty-cycle sensor
networks[C]//Proceedings of the 30th IEEE Conference on Real-Time Systems Symposium, IEEE, 2009:127-137.
[6] 陈良银，颜秉姝, 张靖宇，胡剑波. 移动低占空比传感网络邻居发现算法[J].软件学报,
25(6):1352-1368.
[7] QIU Y, LI S, XU X, LI Z.Talk more listen less: Energy-efficient neighbor discovery in wireless sensor networks[C]. in Proceeding IEEE International Conference. Computer Communication. San Francisco, CA, USA, Apr. 2016: 1-9.
[8] MENG T, WU F, CHEN G. Code-based neighbor discovery protocols in mobile wireless networks[J].IEEE Transaction Network., 2016,24(2): 806-819.
[9] QU Y,FANG J, ZHANG S Nearest neighbor nodes and connectivity of three-dimensional wireless sensor networks with Poisson point field[C]. in Proceeding 3rd International Conference Computer Science Informational Technology.,Chengdu,China,Jul.2010, pp. 269-272.
[10] DUTTA P, CULLER D. Practical asynchronous neighbor discovery and rendezvous for mobile sensing applications[C]. in Proceeding 6th ACM Conference Embedded Network. Sensor System, 2018:71-84.
[11] CHEN L. Group-based neighbor discovery in low-duty-cycle mobile sensor networks[J]. IEEE Transaction Mobile Computer,2016,15(8): 1996-2009.
[12] PUROHIT A, PRIYANTHA B,LIU J.WiFlock: Collaborative group discovery and maintenance in mobile sensor networks[C].in Proc. 10th ACM/IEEE International Conference Inference Processing Sensor Network, Chicago, IL, USA, Apr. 2016: 12-14.。