袁甜甜，徐敬東，李凱

1.天津理工大學(xué)聾人工學(xué)院，天津 300384

2.南開大學(xué)信息技術(shù)科學(xué)學(xué)院，天津 300071

◎博士論壇◎

權(quán)衡能耗與延遲的數(shù)據(jù)融合算法研究

袁甜甜1，徐敬東2，李凱1

1.天津理工大學(xué)聾人工學(xué)院，天津 300384

2.南開大學(xué)信息技術(shù)科學(xué)學(xué)院，天津 300071

在無線傳感器網(wǎng)絡(luò)的路由協(xié)議中考慮數(shù)據(jù)融合能極大地提高網(wǎng)絡(luò)生存期性能，但隨之會帶來網(wǎng)絡(luò)可靠性下降、數(shù)據(jù)傳輸延遲增加等問題。設(shè)計一種新的可權(quán)衡能耗與延遲的數(shù)據(jù)融合算法ECLT，通過二級模糊綜合評判的方式來調(diào)整原有的路由信息，增加數(shù)據(jù)傳輸路徑間的交疊，以提高數(shù)據(jù)融合度、延長網(wǎng)絡(luò)生存期；同時，傳感節(jié)點在轉(zhuǎn)發(fā)數(shù)據(jù)的過程中還可根據(jù)本身狀態(tài)來動態(tài)調(diào)整進行數(shù)據(jù)融合的等待時間，從而在均衡網(wǎng)絡(luò)中各節(jié)點能耗的同時減少了數(shù)據(jù)傳輸延遲。經(jīng)仿真驗證，該算法能在極大的延長無線傳感器網(wǎng)絡(luò)使用壽命的同時降低數(shù)據(jù)的平均傳輸延遲。

無線傳感器網(wǎng)絡(luò)；多匯聚節(jié)點；數(shù)據(jù)融合；定時機制；網(wǎng)絡(luò)生存期；傳輸延遲

1 引言

目前，大部分?jǐn)?shù)據(jù)融合算法均偏向于路由協(xié)議方面的設(shè)計，僅強調(diào)了數(shù)據(jù)融合的重要性，而并未給出具體的融合方法，或只簡單地提供了融合時機，如融合計時器溢出、節(jié)點緩存已滿等等，即僅采用了周期性簡單融合或周期性每跳融合定時策略[1]。近年來，研究者們已逐漸意識到上述方法的缺陷，于是將數(shù)據(jù)融合方法的研究轉(zhuǎn)向如何提高數(shù)據(jù)傳輸時的融合度和提供周期性每跳適應(yīng)融合定時機制等方面。

文獻[2]通過計算匯聚節(jié)點數(shù)量、傳感節(jié)點到匯聚節(jié)點的跳數(shù)及傳感節(jié)點所承擔(dān)的數(shù)據(jù)轉(zhuǎn)發(fā)路徑數(shù)等三個因素的線性組合在原有樹結(jié)構(gòu)的基礎(chǔ)上重新選擇父節(jié)點，從而減少參與傳輸?shù)墓?jié)點數(shù)和鏈路數(shù)，以達到延長網(wǎng)絡(luò)生存期的目的，但該算法假設(shè)只有部分節(jié)點作為源節(jié)點周期性的產(chǎn)生并發(fā)送監(jiān)測信息。文獻[3-5]利用蟻群算法在原有路由的基礎(chǔ)上，尋找其他新路徑并增加它們之間的交疊，使網(wǎng)絡(luò)中的信息流動更有利于數(shù)據(jù)融合。如文獻[3]提出的ADADR算法使用節(jié)點深度及其擁有的信息素來選擇下一跳節(jié)點，令數(shù)據(jù)包平均傳輸?shù)拇螖?shù)大幅減少，達到節(jié)省傳感節(jié)點能量的目的。同時文中還具體提供了融合定時機制PT，該機制可使融合計時器隨數(shù)據(jù)包在節(jié)點緩存中的積聚而不斷更新，直至溢出再轉(zhuǎn)發(fā)融合后的數(shù)據(jù)。文獻[6-7]將融合時機問題作為研究重點。如文獻[6]提出的Cascading timing機制（CT）使傳感節(jié)點的融合等待時間與其到匯聚節(jié)點的距離成正比，令距離匯聚節(jié)點較近的傳感節(jié)點接收更多的數(shù)據(jù)包，以提高融合度。雖然該方法與全部傳感節(jié)點等待相同時間的情況相比，其融合度較高且數(shù)據(jù)傳輸延遲較小，但一旦匯聚樹構(gòu)建完畢，各層次節(jié)點的融合等待時間并不允許隨實際情況發(fā)生變化。文獻[7]對CT進行了修改，即融合時機由傳感節(jié)點深度及其擁有的子節(jié)點數(shù)同時決定，使擁有子節(jié)點數(shù)較多分支的融合等待時間較長以接收更多數(shù)據(jù)。該方法較CT機制可在一定程度上提高融合度但同時也會因此增加數(shù)據(jù)傳輸延遲，而且與CT機制一樣也不允許動態(tài)調(diào)整融合時機。

本文提出了一種可權(quán)衡能耗和延遲的數(shù)據(jù)融合算法ECLT，該算法可在原有路由基礎(chǔ)上考慮一段時間內(nèi)鄰居節(jié)點轉(zhuǎn)發(fā)的數(shù)據(jù)包個數(shù)，并通過二級模糊綜合評判來重新選擇下一跳節(jié)點以增加路徑間交疊、提高數(shù)據(jù)融合度。同時，本文還提供一種新的周期性每跳適應(yīng)融合定時機制，使網(wǎng)絡(luò)運行期間的平均能耗與傳輸延遲取得更好的平衡。

2 算法描述

本文在研究多匯聚節(jié)點無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合策略時所采用的系統(tǒng)模型仍使用文獻[8]提出的模型。

2.1 調(diào)整路由

算法使用MSOR算法[8]獲得的路由作為原有路由，且將其評判結(jié)果作為一級模糊綜合評判結(jié)果，與傳感節(jié)點路由表中一跳鄰居在一段時間內(nèi)轉(zhuǎn)發(fā)的數(shù)據(jù)包個數(shù)Nforward做二級模糊綜合評判，來決策網(wǎng)絡(luò)中考慮數(shù)據(jù)融合時路由的優(yōu)劣順序，其中鄰居節(jié)點的Nforward可通過傳感節(jié)點自身的監(jiān)聽功能進行收集。

設(shè)ECLT算法中二級模糊綜合評判使用的因素集和評語集分別如公式（1）和（2）所示。其中，因素集包含MSOR算法中一級模糊綜合評判所得路由信息評價結(jié)果RESULT1以及傳感節(jié)點路由表中鄰居節(jié)點在一段時期內(nèi)轉(zhuǎn)發(fā)的數(shù)據(jù)包個數(shù)Nforward。另外，評語集的設(shè)置與MSOR算法所使用的評語集相一致。

該算法的二級模糊評判矩陣包括兩部分，其中第一部分為MSOR算法中一級模糊綜合評判得出的評價結(jié)果，如公式（3）所示：

而第二部分則為傳感節(jié)點路由表中一跳鄰居于一段時間內(nèi)轉(zhuǎn)發(fā)數(shù)據(jù)包個數(shù)Nforward的精確值相對三種評語所得到的模糊化結(jié)果，該過程使用的隸屬函數(shù)分布如圖1所示。因此，二級評判矩陣可由上述模糊化結(jié)果與共同生成。又由于二級模糊綜合評判中各

因素對評判的影響也各不相同，故也須對各因素設(shè)置相應(yīng)權(quán)重，表示成U上的模糊集A?(2)，如公式（4）所示。通過模糊集A?(2)與評判矩陣進行模糊運算，可得二級模糊綜合評判的結(jié)果如公式（5）所示。其中，為二級模糊綜合評判結(jié)果，且模糊運算中使用的模糊算子仍為加權(quán)平均型[9]。最后仍需要歸一化，以便對模糊結(jié)果進行判斷。

圖1 N forward因素對評語集的隸屬函數(shù)分布

上述過程使ECLT算法對未考慮數(shù)據(jù)融合時的最優(yōu)路由進行了調(diào)整，令傳感節(jié)點在數(shù)據(jù)轉(zhuǎn)發(fā)時不僅可優(yōu)先選擇距離匯聚節(jié)點跳數(shù)較小、路徑最小剩余能量較大及最小平均鏈路質(zhì)量較大的路徑進行傳輸，還能同時考慮一段時間內(nèi)轉(zhuǎn)發(fā)數(shù)據(jù)包個數(shù)較多的一跳鄰居節(jié)點來傳送數(shù)據(jù)，從而有效增加了路徑間的交疊，為提高數(shù)據(jù)融合度提供了優(yōu)質(zhì)保障。ECLT算法將在傳感節(jié)點周期性重新計算路由表時進行，其得到的模糊評判結(jié)果仍按評語集中三種評價的順序進行排序，并調(diào)整原來的路由表，且其中的首項仍為主路由，其他項仍為替代路由。

2.2 timing機制

當(dāng)傳感節(jié)點需發(fā)送新采集的數(shù)據(jù)信息時，首先應(yīng)判斷其數(shù)據(jù)緩存是否為空，若非空，則須將新產(chǎn)生的數(shù)據(jù)信息也存入緩存，進行排隊并等待融合，否則可直接通過主路由將監(jiān)測數(shù)據(jù)發(fā)送至下一跳節(jié)點，以減少不必要的傳輸延遲。而當(dāng)傳感節(jié)點的數(shù)據(jù)緩存為空，并接收到第一個需轉(zhuǎn)發(fā)的數(shù)據(jù)包時，則須啟動等待融合的定時機制，記為定時器twait，其計算公式如式（6）所示：其中，tfix為預(yù)先設(shè)置的某一固定等待時間，Emax為傳感節(jié)點的初始能量，而Ere為傳感節(jié)點當(dāng)前的剩余能量，Ndata為傳感節(jié)點當(dāng)前數(shù)據(jù)緩存中排隊等待融合的數(shù)據(jù)包個數(shù)，Nbuffer為傳感節(jié)點的數(shù)據(jù)緩存容量，Dhop為選擇某條路徑時傳感節(jié)點到匯聚節(jié)點的跳數(shù)。由公式（6）可見，融合等待時間twait隨Ndata的增多而減少，以動態(tài)減少等待時間、降低平均傳輸延遲；并且Dhop越大，twait越小，使距離匯聚節(jié)點較遠的傳感節(jié)點融合等待的時間較短，反之則較長，該特點符合數(shù)據(jù)融合要求，有利于融合度的提高；另外，Ere越大，則twait越小，使傳感節(jié)點可較頻繁地轉(zhuǎn)發(fā)融合數(shù)據(jù)，以吸引更多數(shù)據(jù)包經(jīng)過此節(jié)點，反之則可降低傳感節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)的頻率，從而抑制過多數(shù)據(jù)包的接收，間接起到均衡網(wǎng)絡(luò)節(jié)點能耗的作用。

當(dāng)twait減少至0時，即融合定時器溢出，傳感節(jié)點需將其數(shù)據(jù)緩存中的全部數(shù)據(jù)包進行融合并選擇最優(yōu)路由來轉(zhuǎn)發(fā)。此外，為提升該類網(wǎng)絡(luò)的魯棒性，規(guī)定若出現(xiàn)丟包現(xiàn)象，則傳感節(jié)點在重新發(fā)送原數(shù)據(jù)時須將其融合方式設(shè)為不允許融合，中間節(jié)點接收到這類數(shù)據(jù)則會采取立即轉(zhuǎn)發(fā)的方式，而不會將其存入數(shù)據(jù)緩存等待融合。

3 算法分析

3.1 執(zhí)行流程

該算法的執(zhí)行流程如圖2所示。

3.2 數(shù)據(jù)分析

這里利用一個實例來對上述算法進行分析。假設(shè)傳感節(jié)點A在其傳輸范圍內(nèi)存在三個一跳鄰居節(jié)點B、C和D，其利用MSOR算法獲得的一級模糊綜合評判結(jié)果由表1給出。此時，若在網(wǎng)絡(luò)中不考慮數(shù)據(jù)融合，則通過評判結(jié)果的比較可知，傳感節(jié)點A將會優(yōu)先選擇鄰居節(jié)點B作為下一跳節(jié)點來傳輸數(shù)據(jù)信息。然而針對本文需要考慮數(shù)據(jù)融合的情況，因此這里又假設(shè)傳感節(jié)點A在一段時間內(nèi)監(jiān)聽到其一跳鄰居節(jié)點B、C和D轉(zhuǎn)發(fā)的數(shù)據(jù)包個數(shù)Nforward分別為5、15和10，則根據(jù)圖1和表2對各精確數(shù)值進行模糊化并歸一化后，可分別形成傳感節(jié)點B、C和D的二級模糊評判矩陣如公式（7）所示：

圖2 算法執(zhí)行流程圖

表1 傳感節(jié)點的一級模糊評判結(jié)果

表2 N forward隸屬函數(shù)分布中的極值

另設(shè)RESULT1和Nforward兩因素在二級評判中所占權(quán)重分別為0.6、0.4，則根據(jù)公式（5），傳感節(jié)點B、C和D的二級模糊評判結(jié)果如表3所示。經(jīng)過比較，可知當(dāng)網(wǎng)絡(luò)中考慮數(shù)據(jù)融合時，傳感節(jié)點A會由于一跳鄰居節(jié)點C在該時期內(nèi)能更頻繁地轉(zhuǎn)發(fā)數(shù)據(jù)包而將原來的下一跳節(jié)點B更改為傳感節(jié)點C，這種在路由方面的調(diào)整可有效加強傳輸路徑間的交疊，提高數(shù)據(jù)融合度，使最優(yōu)傳輸路徑朝著更有利于數(shù)據(jù)融合的方向去調(diào)整，從而更好地延長了網(wǎng)絡(luò)生存期。

表3 傳感節(jié)點的二級模糊評判結(jié)果

另外，再假設(shè)傳感節(jié)點B、C和D在計算當(dāng)前各自twait時具有表4所示的屬性參數(shù)，則根據(jù)公式（6），它們的twait分別為0.351、0.37和0.179。從結(jié)果可得，在Emax相同、Ndata均為20個、Nbuffer及tfix均分別一致的情況下，雖然傳感節(jié)點B和C距離某匯聚節(jié)點的跳數(shù)相同，但由于節(jié)點B的剩余能量較大使得其融合等待時間較短，與節(jié)點C相比能更頻繁地轉(zhuǎn)發(fā)數(shù)據(jù)包，以吸引更多的數(shù)據(jù)信息經(jīng)過此節(jié)點進行轉(zhuǎn)發(fā)，這種剩余能量較大節(jié)點能更頻繁轉(zhuǎn)發(fā)數(shù)據(jù)包的方式可有效均衡網(wǎng)絡(luò)中各節(jié)點的能耗。同時，又由于傳感節(jié)點D與某匯聚節(jié)點有兩跳的距離，因此其融合等待時間較節(jié)點B和C均短很多，以適應(yīng)網(wǎng)絡(luò)層次結(jié)構(gòu)對數(shù)據(jù)融合的影響。上述分析為對ECLT算法在理論方面的分析，其合理性及高效性也可通過仿真實驗進行驗證。

表4 計算t wait時的傳感節(jié)點參數(shù)

4 仿真結(jié)果及分析

4.1 環(huán)境假設(shè)

（1）網(wǎng)絡(luò)的路由協(xié)議采用MSOR最優(yōu)路由選擇算法[8]，而多個匯聚節(jié)點在網(wǎng)絡(luò)運行期間的重定位策略則采用EEMSR算法[10]。

（2）由于在ECLT算法中傳感節(jié)點需要通過監(jiān)聽功能來獲取其一跳鄰居節(jié)點在某段時間內(nèi)轉(zhuǎn)發(fā)的數(shù)據(jù)包個數(shù)Nforward，因此這里設(shè)置傳感節(jié)點的監(jiān)聽范圍與其傳輸范圍相一致，同樣為Rt。

（3）假設(shè)傳感節(jié)點在進行數(shù)據(jù)融合時選擇了無損融合與重復(fù)不敏感的融合方式，且可將所有等待融合的數(shù)據(jù)壓縮為一個數(shù)據(jù)包進行傳輸。

4.2 實驗設(shè)計

本文的仿真實驗主要在網(wǎng)絡(luò)生存期、數(shù)據(jù)包交付率、平均傳輸延遲及融合度等四方面將未考慮數(shù)據(jù)融合的MSOR算法、可權(quán)衡能耗與延遲的數(shù)據(jù)融合算法ECLT和基于節(jié)點深度及信息素計算的ADADR算法[3]進行比較。其中，由于ADADR算法未考慮網(wǎng)絡(luò)中存在多個匯聚節(jié)點及它們的移動性等問題，因此為公平起見，除了將ADADR算法在匯聚節(jié)點個數(shù)方面進行修改，還令上述三種算法中多個匯聚節(jié)點的重定位機制均使用EEMSR算法進行決策，以使這三種算法因多匯聚節(jié)點移動對網(wǎng)絡(luò)性能產(chǎn)生的影響相一致。

（1）網(wǎng)絡(luò)生存期，即網(wǎng)絡(luò)從啟用到死亡節(jié)點deadnode[8]與孤立節(jié)點isonode[8]個數(shù)之和達到傳感節(jié)點總數(shù)一半時結(jié)束的持續(xù)時間。

（2）數(shù)據(jù)包交付率，指匯聚節(jié)點接收的數(shù)據(jù)包與傳感節(jié)點產(chǎn)生的數(shù)據(jù)包之間的比率。交付率越高，說明無線網(wǎng)絡(luò)的可靠性越好。由于本文考慮了網(wǎng)絡(luò)中存在數(shù)據(jù)融合的情形，因此這里特別規(guī)定匯聚節(jié)點接收的數(shù)據(jù)包數(shù)量為從融合數(shù)據(jù)包中還原的單個數(shù)據(jù)信息個數(shù)之和。

（3）平均傳輸延遲，無線傳感器網(wǎng)絡(luò)中的傳輸延遲[11]可定義為數(shù)據(jù)信息從源節(jié)點產(chǎn)生直至某個匯聚節(jié)點所經(jīng)歷的時間，一般包括三部分：數(shù)據(jù)傳播延遲、處理延遲及融合延遲。假設(shè)本文的仿真實驗可忽略數(shù)據(jù)處理延遲，且由于實驗中所部署的無線傳感器網(wǎng)絡(luò)規(guī)模屬于大規(guī)模高密度網(wǎng)絡(luò)結(jié)構(gòu)，可忽略數(shù)據(jù)的傳播延遲，因此本文仿真實驗所指傳輸延遲僅包含因數(shù)據(jù)融合所產(chǎn)生的延遲時間，以精確地通過對平均傳輸延遲的比較來評價各算法在數(shù)據(jù)融合方面的性能。

（4）融合度，又稱融合率（aggregation ratio），可定義為傳感節(jié)點產(chǎn)生的數(shù)據(jù)包成功傳送至匯聚節(jié)點的總數(shù)與匯聚節(jié)點所接收到的全部數(shù)據(jù)包數(shù)量間的比率[3]。融合度一般均在1以上，且其值越大說明數(shù)據(jù)的融合度越高。

本文的仿真實驗使用OMNeT++4.1平臺，且采取在三維場景下節(jié)點隨機布設(shè)的方式，布設(shè)范圍隨傳感節(jié)點數(shù)量進行改變，以使網(wǎng)絡(luò)中節(jié)點密度的變化較小。實驗規(guī)模為將傳感節(jié)點數(shù)量分別設(shè)置為300、500和800，其對應(yīng)的監(jiān)測區(qū)域范圍分別為300×300×10、500×500×10和800×800×10，實驗中匯聚節(jié)點數(shù)量只設(shè)為4個。另外，實驗中傳感節(jié)點在發(fā)送和接收信息時使用的能耗模型為First Order Radio Propagation model[12]，且模糊綜合評判中使用的隸屬函數(shù)閾值均利用有關(guān)小實驗進行確定，以保證合理有效。本文仿真實驗所使用的其他參數(shù)如表5所示，且實驗的最終結(jié)果為五次仿真結(jié)果的平均值。

表5 仿真參數(shù)

4.3 實驗結(jié)果分析

（1）網(wǎng)絡(luò)生存期

如圖3所示，對不同傳感節(jié)點數(shù)量的仿真結(jié)果表明，ECLT算法和ADADR算法的網(wǎng)絡(luò)生存期均明顯高于未使用數(shù)據(jù)融合的MSOR算法，且ECLT算法的網(wǎng)絡(luò)生存期又高于ADADR算法。前者所得比較結(jié)果是由于ECLT算法和ADADR算法都考慮了數(shù)據(jù)融合，使它們的網(wǎng)絡(luò)生存期均比未考慮數(shù)據(jù)融合的MSOR算法有明顯延長，從而體現(xiàn)數(shù)據(jù)融合對網(wǎng)絡(luò)生存期性能的積極影響。但對于后者得出的比較結(jié)果，即在同樣考慮數(shù)據(jù)融合時，由于ECLT算法使新的數(shù)據(jù)轉(zhuǎn)發(fā)路徑既能考慮傳感節(jié)點到匯聚節(jié)點的跳數(shù)、路徑最小剩余能量及路徑最小平均鏈路質(zhì)量等因素，以均衡網(wǎng)絡(luò)中各節(jié)點能耗并有效提高了網(wǎng)絡(luò)可靠性，又可考慮一跳鄰居節(jié)點一段時間內(nèi)轉(zhuǎn)發(fā)的數(shù)據(jù)包數(shù)量，以增加原有路徑間的交疊，提高了數(shù)據(jù)融合度；而ADADR算法則在選擇下一跳節(jié)點時僅使用了傳感節(jié)點深度及該節(jié)點所轉(zhuǎn)發(fā)數(shù)據(jù)包個數(shù)等兩項因素來進行決策，致使該算法在網(wǎng)絡(luò)可靠性及流量均衡性等方面較ECLT算法均表現(xiàn)得較差。因此，采用ECLT算法的網(wǎng)絡(luò)生存期必然會長于ADADR算法提供的網(wǎng)絡(luò)生存期。另外，在融合定時機制中，由于ECLT算法同時考慮了傳感節(jié)點當(dāng)前的剩余能量、距離匯聚節(jié)點的跳數(shù)及其數(shù)據(jù)緩存占用率等三方面的因素，使剩余能量較大、轉(zhuǎn)發(fā)數(shù)據(jù)量較多的傳感節(jié)點可較頻繁地轉(zhuǎn)發(fā)融合數(shù)據(jù)，以有效均衡網(wǎng)絡(luò)中各節(jié)點的能耗，同時也為距離匯聚節(jié)點較近的傳感節(jié)點設(shè)置較長的融合等待時間，以適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)對數(shù)據(jù)融合產(chǎn)生的影響；而ADADR算法只考慮了傳感節(jié)點數(shù)據(jù)緩存占有率的單方面因素，使網(wǎng)絡(luò)在能耗均衡性及結(jié)構(gòu)對數(shù)據(jù)融合的影響等方面均表現(xiàn)得不如ECLT算法。由此可見，ECLT算法可更有效地延長無線傳感器網(wǎng)絡(luò)的使用壽命。

圖3 三種算法的網(wǎng)絡(luò)生存期對比

（2）數(shù)據(jù)包交付率

在圖4中，ECLT算法和ADADR算法的數(shù)據(jù)包交付率均略低于未使用數(shù)據(jù)融合的MSOR算法，但這是由于數(shù)據(jù)融合本身的原因，即丟失相同的數(shù)據(jù)量將損失更多的數(shù)據(jù)信息，因此它們的魯棒性降低是正常的。而且隨著傳感節(jié)點數(shù)量的增多，三種算法的數(shù)據(jù)包交付率均有所下降，其原因是由于傳感節(jié)點到匯聚節(jié)點的平均跳數(shù)增加造成的，即節(jié)點間跳數(shù)變多會增加數(shù)據(jù)傳輸失敗的可能性。而在同樣都使用了數(shù)據(jù)融合的ECLT算法和ADADR算法中，前者的數(shù)據(jù)包交付率又高于后者，其主要原因在于ECLT算法的路由層協(xié)議采用了MSOR最優(yōu)路由選擇算法，因考慮了路徑最小平均鏈路質(zhì)量，故能有效提高網(wǎng)絡(luò)中數(shù)據(jù)包傳輸?shù)某晒β?，從而提升整個網(wǎng)絡(luò)的可靠性。此外，當(dāng)網(wǎng)絡(luò)中出現(xiàn)丟包情況，則數(shù)據(jù)源節(jié)點會采取不允許融合的方式重新發(fā)送丟失數(shù)據(jù)，極大降低了數(shù)據(jù)信息再次丟失的概率，從而有效提高了網(wǎng)絡(luò)的魯棒性。而ADADR算法由于只考慮了傳感節(jié)點深度及信息素等兩方面的因素，因此只能保證數(shù)據(jù)信息經(jīng)過較少的跳數(shù)到達某匯聚節(jié)點，來降低數(shù)據(jù)丟失的概率，而并沒有從鏈路質(zhì)量方面進行更多的考慮，導(dǎo)致其數(shù)據(jù)包交付率低于ECLT算法，且這種差異會隨著傳感節(jié)點數(shù)量的增加變得更為明顯。另外，在融合定時機制中，由于ECLT算法考慮了傳感節(jié)點距離匯聚節(jié)點的跳數(shù)因素，使融合等待時間與傳感節(jié)點在網(wǎng)絡(luò)中所處位置相適應(yīng)，即傳感節(jié)點的融合等待時間較短，則其發(fā)送的融合數(shù)據(jù)包中包含的單個數(shù)據(jù)信息必定較少，因此若這類數(shù)據(jù)包出現(xiàn)丟失，則損失的單個數(shù)據(jù)信息也會相對較少，可從另一側(cè)面提高網(wǎng)絡(luò)的數(shù)據(jù)包交付率；而ADADR算法的融合等待時間則只由數(shù)據(jù)緩存占用率來驅(qū)動，對傳感節(jié)點的層次結(jié)構(gòu)沒有任何感知。當(dāng)融合數(shù)據(jù)包壓縮了相同數(shù)量的單個數(shù)據(jù)信息時，若其經(jīng)歷的跳數(shù)越多，則越容易丟包，即丟失更多單個數(shù)據(jù)信息，導(dǎo)致ADADR算法提供的網(wǎng)絡(luò)可靠性不高。

圖4 三種算法的數(shù)據(jù)包交付率對比

（3）平均傳輸延遲

如圖5所示，ECLT算法產(chǎn)生的平均傳輸延遲要少于ADADR算法，這是由于ECLT算法在進行數(shù)據(jù)傳輸及融合等待時采取了多種措施從多個方面來考慮的。首先，當(dāng)傳感節(jié)點采集到新的數(shù)據(jù)信息并在發(fā)送時發(fā)現(xiàn)其數(shù)據(jù)緩存中無其他數(shù)據(jù)包等待融合時，會采取立即發(fā)送的方式將數(shù)據(jù)包傳送至下一跳節(jié)點，在降低傳輸延遲的同時只增加了很有限的節(jié)點能耗；其次，當(dāng)數(shù)據(jù)傳輸失敗時，傳感節(jié)點會立即重傳丟失的數(shù)據(jù)并將其融合屬性設(shè)為不允許融合，極大減少了因數(shù)據(jù)重傳而產(chǎn)生的重復(fù)傳輸延遲，很好地將平均傳輸延遲控制在一個較小的范圍；最后，ECLT算法的融合定時機制會根據(jù)傳感節(jié)點數(shù)據(jù)緩存的占用率及其距離某匯聚節(jié)點的跳數(shù)來動態(tài)決定融合等待時間，以減少網(wǎng)絡(luò)中的傳輸延遲。ECLT算法提出的上述三項措施均保證了在網(wǎng)絡(luò)運行期間最大程度地減少平均數(shù)據(jù)傳輸延遲，且從上述分析也可得出該算法是可在節(jié)點能耗與傳輸延遲間進行權(quán)衡的數(shù)據(jù)融合算法。而ADADR算法為延長網(wǎng)絡(luò)生存期、提升數(shù)據(jù)融合度，并沒有對因數(shù)據(jù)融合產(chǎn)生的傳輸延遲進行過多的研究，且算法使用的融合等待定時機制也只考慮了傳感節(jié)點數(shù)據(jù)緩存的占用率變化，而沒有意識到傳感節(jié)點在網(wǎng)絡(luò)中所處的位置信息也應(yīng)作為決定融合等待時間的重要因素，所以ADADR算法產(chǎn)生的平均傳輸延遲勢必較大。另外，在圖5中也可看到，隨著傳感節(jié)點數(shù)量的增多，兩種算法的平均傳輸延遲均有所增加，這同樣也是由傳感節(jié)點到匯聚節(jié)點的平均跳數(shù)增加造成的。

（4）融合度

圖5 兩種算法的平均傳輸延遲對比

如圖6所示，采用ECLT算法的數(shù)據(jù)融合度要高于ADADR算法，這是由于ECLT算法在決定下一跳轉(zhuǎn)發(fā)節(jié)點時除了優(yōu)先考慮距離匯聚節(jié)點近、路徑最小平均鏈路質(zhì)量大及路徑最小剩余能量大的鄰節(jié)點外，還會進一步衡量哪個一跳鄰居節(jié)點可更頻繁地轉(zhuǎn)發(fā)數(shù)據(jù)包，有效提高了網(wǎng)絡(luò)中的數(shù)據(jù)融合度。而ADADR算法因考慮網(wǎng)絡(luò)中存在了不同應(yīng)用，假設(shè)只有相同屬性的數(shù)據(jù)才可融合，故其數(shù)據(jù)融合度會差于ECLT算法。但從另一方面，ADADR算法這種區(qū)分不同數(shù)據(jù)屬性的融合方式正是其優(yōu)勢所在，該方法可很好地適用于多匯聚節(jié)點無線傳感器網(wǎng)絡(luò)，因此這也是ECLT算法需改進的方向。另外，在融合定時機制方面，ECLT算法提供的定時策略由于考慮了傳感節(jié)點在網(wǎng)絡(luò)中的層次位置，為適應(yīng)匯聚節(jié)點附近傳感節(jié)點數(shù)據(jù)轉(zhuǎn)發(fā)任務(wù)較重的特點，使其等待更長的時間以便融合更多數(shù)據(jù)信息，從而在有效節(jié)約節(jié)點能源的同時，很好地提高了數(shù)據(jù)融合效率。而ADADR算法則只利用了傳感節(jié)點數(shù)據(jù)緩存的占用率來控制傳輸延遲，對融合度的提升沒有任何影響，因此ADADR算法在數(shù)據(jù)融合定時策略方面的表現(xiàn)也較遜色。在圖6中，還可看到，雖然隨著傳感節(jié)點數(shù)量的增多，但數(shù)據(jù)融合度的提升并不明顯，其原因也與傳感節(jié)點到匯聚節(jié)點間的平均跳數(shù)增加有關(guān)。由于節(jié)點間跳數(shù)的增多，數(shù)據(jù)傳輸失敗的可能性會相應(yīng)變大，而ECLT算法在處理丟包現(xiàn)象時，會采取重新發(fā)送丟失數(shù)據(jù)且不允許融合的方式，因此這類數(shù)據(jù)信息的傳輸將會增加融合度統(tǒng)計時匯聚節(jié)點接收的數(shù)據(jù)包總量，導(dǎo)致數(shù)據(jù)融合度隨傳感節(jié)點密度增加引起的性能提升表現(xiàn)得并不明顯。

圖6 兩種算法的融合度對比

5 結(jié)束語

本文提出了一種可權(quán)衡能耗與延遲的數(shù)據(jù)融合算法ECLT，該算法包括調(diào)整路由和timing機制兩部分。調(diào)整路由部分將原有路由信息和鄰居節(jié)點一段時間內(nèi)轉(zhuǎn)發(fā)的數(shù)據(jù)包個數(shù)進行二級模糊綜合評判，以增加路徑間交疊，提高數(shù)據(jù)融合度；timing機制則是利用節(jié)點數(shù)據(jù)緩存的占用率、剩余能量和距離匯聚節(jié)點的跳數(shù)來設(shè)置融合等待時間，既有利于均衡各節(jié)點能耗，又能盡量減少延遲。另外，ECLT算法對丟包現(xiàn)象的處理還可提高網(wǎng)絡(luò)的魯棒性。仿真結(jié)果表明，在同樣使用了EEMSR算法作為多匯聚節(jié)點重定位策略的情況下，ECLT算法較MSOR算法能平均延長約1倍的網(wǎng)絡(luò)生存時間，但會降低約3%的數(shù)據(jù)包交付率；較ADADR算法也能平均延長約10%的網(wǎng)絡(luò)生存時間，并提高約6%的數(shù)據(jù)包交付率，降低約6%的平均數(shù)據(jù)延遲，提升約16%的數(shù)據(jù)融合度。雖然ECLT算法在網(wǎng)絡(luò)生存期、可靠性等方面取得了不錯的效果，但算法復(fù)雜度并不很理想，這也需要在下一步工作中進行改進。

[1]Fasolo E，Rossi M，Widmer J，et al.In-network aggregation techniques for wireless sensor networks：a survey[J].IEEE Wireless Communications，2007，14（2）：70-87.

[2]Pietro C，Luca M，Gian P.Efficient routing from multiple sources to multiple sinks in wireless sensor networks[J].Wireless Sensor Networks，2007，2007（4）：34-50.

[3]Jiao Z，Ren F Y，He T，et al.Attribute-aware data aggregation using dynamic routing in wireless sensor networks[C]//Proceedings of the International Symposium on a World of Wireless Mobile and Multimedia Networks（WoWMoM）.Montreal：IEEE，2010.

[4]Wang H P，Luo N.An improved ant-based algorithm for data aggregation in wireless sensor networks[C]//Proceedings of the International Conference on Communications and Mobile Computing（CMC）.Shenzhen：IEEE，2010.

[5]Kakeru M，Akihide U，Hisao Y.Bio-inspired data transmission scheme to multiple sinks for the long-term operation of wireless sensor networks[J].Artificial Life and Robotics，2010，15（2）：189-194.

[6]Solis I，Obraczka K.The impact of timing in data aggregation for sensor networks[C]//Proceedings of the International Conference on Communications（ICC）.Santa Cruz：IEEE，2004.

[7]Li H，Yu H Y，Yang B W，et al.Timing control for delayconstrained data aggregation in wireless sensor networks[J].International Journal of Communication Systems，2007，20（7）：875-887.

[8]袁甜甜，徐敬東，張建忠.基于模糊綜合評判的多sink最優(yōu)路由算法[J].計算機工程，2012，38（7）：73-76.

[9]劉普寅，吳孟達.模糊理論及其應(yīng)用[M].長沙：國防科技大學(xué)出版社，1998.

[10]袁甜甜，徐敬東，張建忠.無線傳感網(wǎng)中能量有效的多sink重定位算法[J].計算機工程與應(yīng)用，2013，49（2）：19-23.

[11]Rajagopalan R，Varshney P K.Data-aggregation techniques in sensor networks：a survey[J].IEEE Communications Surveys &Tutorials，2006，8（4）：48-63.

[12]Minhas M R，Gopalakrishnan S，Leung V.Fuzzy algorithms for maximum lifetime routing in wireless sensor networks[C]//IEEE Global Telecommunications Conference（IEEE GLOBECOM）.New Orleans：IEEE，2008.

YUAN Tiantian1,XU Jingdong2,LI Kai1

1.Technical College for the Deaf, Tianjin University of Technology, Tianjin 300384, China
2.College of Information Technical Science, Nankai University, Tianjin 300071, China

Considering data aggregation can greatly improve the performance of network lifetime in the routing protocol of wireless sensor networks, but it will bring some problems, such as decreasing network reliability and increasing data transmission delay. In this paper, a new data aggregation algorithm ECLT is designed for balancing energy consumption and transmission delay. It can adjust the original routing information by using the two stage fuzzy comprehensive evaluation, and increase overlap between the data transmission path, in order to improve the degree of data aggregation and prolong the network lifetime. At the same time, the timing mechanism of data aggregation also can be dynamically adjusted according to sensor node’s state in the process of forwarding data, thereby balancing the energy consumption of all thenodes in the network and reducing the data transmission delay. By means of simulating in OMNeT ++ , the algorithm ECLT can greatly extend the service life of wireless sensor networks and reduce the average transmission delay.

wireless sensor networks; multi-sink; data aggregation; timing mechanism; network lifetime; transmission delay

YUAN Tiantian, XU Jingdong, LI Kai. Energy consumption and latency trade-off algorithm for data aggregation.Computer Engineering and Applications, 2014, 50（17）：1-6.

A

TP391

10.3778/j.issn.1002-8331.1309-0448

天津市信息化項目（No.082044012）；教育部人文社科規(guī)劃基金項目（No.12YJA 740037）。

袁甜甜（1980—），女，博士，講師，主要研究領(lǐng)域為無線傳感器網(wǎng)絡(luò)、對等計算與移動計算；徐敬東（1966—），女，教授，博士生導(dǎo)師；李凱（1969—），女，副教授。E-mail：yuantt2013@126.com

2013-09-27

2013-11-29

1002-8331（2014）17-0001-06

CNKI網(wǎng)絡(luò)優(yōu)先出版：2014-06-12,http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1309-0448.htm l