kaiyun官方注册
您所在的位置: 首页> 通信与网络> 设计应用> 基于先验概率模型的混合水下传感器网络部署
基于先验概率模型的混合水下传感器网络部署
2015年电子技术应用第3期
刘亚闯1,张聚伟1,2,李世伟1,杨 挺3
1.河南科技大学 计算机学院,河南 洛阳471003; 2.西安交通大学 计算机学院,陕西 西安710049; 3.天津大学 计算机学院,天津300072
摘要:针对水下传感器网络,结合水声通信和光通信两种通信方式的优点,设计了新的水下传感器网络结构。根据水下目标分布的先验概率模型,提出了混合水下传感器网络部署算法,实现了水下数据的高速传输和水下目标区域的高效覆盖。仿真结果表明,算法能够较好地减少网络部署的节点数目、缩短数据传输延时,减少能量损耗,延长网络寿命。
中图分类号:TN92
文献标识码:A
文章编号: 0258-7998(2015)03-0086-04
Optical and acoustic hybrid architecture of underwater sensor networks for distributed area coverage
Liu Yachuang1,Zhang Juwei1,2,Li Shiwei1,Yang Ting3
1.School of Computer,Henan University of Science and Technology, Luoyang 471003,China; 2.School of Computer,Xian Jiaotong University,Xian 710049,China; 3.School of Computer,TianJin University,Tianjin 300072,China
Abstract:For underwater sensor networks, combined with the advantages of underwater acoustic communication and optical communication, we designed a new structure of underwater senor networks. Based on prior probability model of underwater targets distribution, a hybrid underwater sensor network deployment algorithm(HNDA) is proposed to achieve efficient high-speed transmission of underwater data and coverage of underwater target area. Simulation results showed that HNDA can reduce the number of nodes of network and the data transmission delay, reduce energy consumption and prolong the life of the network aspects.
Key words :underwater sensor networks;hybrid networks;optical communication

0 引言

水下传感器网络是目前传感器网络研究的热点,现有的研究主要集中在水下传感器网络结构的构建、水下传感器节点的研究和设计、水下传感器网络路由协议的研究和分析、水下传感器网络通信方式的选取和建立和水下传感器网络节点的部署等方面[1]。正是因为水下传感器网络研究方向和内容的多样性,使得水下传感器网络的研究是一项艰巨而富有挑战性的任务[2]。

  水下通信方式的选取对于水下传感器网络的结构以及效率起到决定性的作用[3]。目前的水下传感器网络中水声信道通信已经被广泛地应用,特别是对于远距离的水下无线通信。但在近距离的水下无线通信中,由于水声信道通信在水下传输过程中能耗较高、传播时间较长,通信带宽较高,水声通信没有明显的优势。随着高亮度蓝绿LED光源和激光二极管技术的发展,使得高带宽的水下光学通信在近距离通信方面替代水声通信成为可能。

  水下光学通信在获得较高的数据传输效率和较小的传输过程延时的同时,可以方便地应用在水下自动机器人和节点之间通信,是一种有吸引力的通信方式。文献[4]中提出了一种通过软件定义传输过程中调制和解调列表的方式,使得水下光学通信的完全实施变得更为方便,证明了两种类型的链路使用LED或激光器的可行性,使网络连通性在现成的硬件基础上能够完成。文献[5]中做了对基于光学通信的水下传感器网络方面的探索,并对基于LED的水下光学通信的发展进行了说明。文献[6]和文献[7]中从网络部署的结构方面对水下光学通信传感器网络的设计进行了深入的研究和分析,提出了一种将水下光学传感器节点部署在网状结构中,设计算法来选择相邻的水下传感器节点之间点到点链路,通过这些链路的搭建形成鲁棒性较好的拓扑网络结构。文献[8]中提出了一种针对带有光学通信水下传感器节点的AUV进行仿真的水下无线光学通信模型,从而建立一种水下光学通信传感器网络的仿真模型,用于水下光学通信系统的设计。文献[9]中讨论了一种基于自由空间短距离光学通信的水下蠕动机器人通信机制的执行。文献[10]中利用蓝绿光谱激光发射二极管在一个充满水的水槽中进行了一个点对点的光学通信测试,确定了水下光学通信系统的基础。

  本文在对目前水下光学通信传感器网络研究结果分析的基础上,结合对于水下声学通信的研究和分析,提出了一种光学通信与水声信道通信混合的水下传感器网络部署结构,可以充分发挥两种不同通信方式在不同环境下的优缺点,提高网络整体的覆盖率和通信效率。

1 混合水下传感器网络结构模型

  水声通信速度慢、能耗高、低带宽但是有效通信距离长,适合远距离低速通信;光学通信速度快、能耗低、带宽高但是通信距离短,适合短距离高速通信[11-13]。

  对给定的目标区域进行分布式划分,每个区域有一个可以与浮标节点通过水声信道通信的簇节点,每个簇节点可以与所在区域的光学传感器节点通过光学通信进行高速通信。当光学传感器节点采集到数据之后,对数据进行初步处理后通过光学信道发送到簇节点,簇节点收到数据后对数据进行判断和处理,然后通过水声信道转发给水面的浮标节点。这种网络结构的优点是充分发挥了水声通信与水下光学通信的通信特点,最大限度地提高网络性能。

  根据水下光学通信与水声通信的特点[14,15],设计的混合水下传感器网络结构模型如图1所示。

001.jpg

  图1中所示网络结构模型中通过水声通信的簇节点与水下光学传感器节点在部署的过程中作为单独的节点进行部署,当部署完成后,簇节点与能够进行光学通信范围内的光学传感器节点构成一个整体的数据采集感知群进行处理。感知群的感知半经Rs为4倍的光学传感器节点的感知半径rs。

2 先验概率模型

  假定被测目标出现的概率模型为高斯分布,在连续的深度方向上进行分层,对监测区域进行深度方向上的层次划分,每层的深度为2Rs(Rs为感知群半径),同一层内的节点进行均匀部署。热点区域附近目标出现的概率较大,目标出现的深度位置服从高斯分布:

1.png

  对于深度为h的目标,其所处的层次j与其深度h的关系为:

2.png

  热点区域附近目标出现的概率较大,热点区域附近的节点密度较大,向上和向下的密度依次减小。

  固定概率调度就是让每个节点以预先设置的相同概率p=fmodel进行休眠,其中:

V`E3QM32FW(BA`OIFKB7UBG.png

  这里是一个在[0,1]内的实常数。假设网络节点个数为N,那么,处于正常工作状态的节点数。

3 混合水下传感器网络节点部署算法

  步骤1:将目标区域按照2Rs进行分层,将簇节点和水下光学传感器节点在每个层次内分别进行均匀部署;

  步骤2:每个层次内的簇节点和水下光学传感器节点通过地址信息的交换建立感知群,感知群按照固定的概率休眠;

  步骤3:经过时间T(簇节点和水下光学传感器节点的生命周期),感知群以热点层次区域为中心,向中间补充。补充的过程按照距离热点层次的距离从近到远进行逐层依次补充,也就是说先将距离近的补充满之后再依次向远的补充;

  步骤4:热点区域感知群数目能够达到全覆盖时返回步骤(2);

  步骤5:当热点层次区域内的感知群数目小于要求的最少感知群数目时,算法停止。

  算法流程图如图2所示。

002.jpg

4 仿真分析

  4.1 节点数目分析

  与均匀部署相比,对于同样的目标数,在达到同等检测率的条件下,针对是否利用先验概率模型所需要部署的节点数目进行对比分析。这里将感知群作为节点来处理,目标区域分为9层,其中热点区域为第5层,向两侧递减。结果如图3所示。

003.jpg

  由图3可知,随着目标数目的增多,对于均匀部署来说,所需要的节点数目没有变化。这是因为均匀部署对于给定区域的监测所需要的节点数目主要与所给的区域有关,基于先验概率模型的部署算法,在目标数目较少的时候只需要部署较少的节点,随着目标数目的逐渐增多,所需要的节点数目也逐渐增多并趋于稳定,最后接近于均匀部署所需要的节点数目。

  4.2 检测概率分析

  针对完全由水声节点组成的水声传感器网络的均匀部署和本文提出的网络结构的基于先验概率模型部署,对两种不同部署下的目标检测概率进行对比,这里假设没有目标时检测概率为100%,结果如图4所示。

004.jpg

  由图4可知,随着目标数目的增多,对于均匀部署的水声传感器网络来说,目标的检测概率维持在一个比较稳定、较高的范围,这是因为均匀部署的所有节点都一直处于正常工作状态,对于不同的目标数目,检测概率不会产生太大的波动;对于基于先验概率模型的混合水下传感器网络,在目标数目较少的时候所唤醒的节点数目较少,由于目标的随机性,会造成检测概率的偏低,但随着目标数目的逐渐增多,唤醒的节点数目也逐渐增多,对于随机性的弥补就更加充分,网络的覆盖率逐渐提高,并在达到一定的目标数目时优于均匀部署的水声传感器网络。

  4.3 延时时间分析

  水下传感器节点之间的数据通信时间不仅包括水下传输过程中的时间,还包括对采集到的数据进行处理和调制的发送时间。水声信道在水下的通信速度为1.5×103 m/s ,光学通信在水下的速度为2.25×108 m/s。水声信道通信的数据调制速率为1.5×104 b/s,而光学通信的调制传输速率为1.0×106 b/s。对于水下传感器网络来说,总的延迟时间是衡量网络性能的重要指标。

005.jpg

  由图5可知,在总的传输延时时间方面,水下光学通信的延迟时间要明显优于水声通信,所以,与水声通信相比,在水下近距离通信方面,水下光学通信可以很好地替代水声通信,从而与能够进行水下远距离通信的水声信道通信进行结合,构建更加高效的水下混合传感器网络部署结构。

  4.4 网络生存时间分析

  假设每个传感器网络节点的初始能量相同,都为25 J,数据包大小为 100 B,而水声传感器节点传输一个数据包所需要消耗的能量为0.05 J,接收一个数据包所需要消耗的能量为0.01 J。对于光学传感器节点,选择波长为480 nm的蓝色LED作为发射器,发射功率为40 mW用于产生蓝色脉冲,用光电二极管作为接收器,用来检测接收到的光学信号。

006.jpg

  在图6中给出了在本文中提出的混合水下传感器网络模型与完全由水声通信的水下传感器节点构建的网络模型在网络生存时间的对比。由于在近距离通信过程中采用水下光学通信,而水下光学通信的能耗相对水声通信来说比较低,所以整个网络的生存时间较长,延长了网络寿命。

5 结论

  本文中提出了一种新型的混合水下传感器网络结构,这种结构综合利用了水声信道通信和水下光学通信在不同通信距离方面的优势,在远距离通信时用水声信道通信,在近距离高速通信时用水下光学通信,从而提高了网络的整体性能,在目标覆盖方面有较好的效果。仿真结果表明,水声和光学混合水下传感器网络在分布式覆盖中可以较好的减少网络部署的节点数目,缩短传输和延迟时间,延长了网络寿命。

 参考文献

  [1] 蒋鹏,阮斌锋.基于分簇的水下传感器网络覆盖保持路由算法[J].电子学报,2013,41(10):2067-2073.

  [2] 夏娜,王长生,郑榕,等.鱼群启发的水下传感器节点布置[J].自动化学报,2012,38(2):295-302.

  [3] 洪锋,张玉亮,杨博真,等.水下传感器网络时间同步技术综述[J].电子学报,2013,41(5):960-965.

  [4] WILLIAM C.COX,JIM A.Simpson,and John F.Muth.Under-water Optical Communication Using Software Defined Radio Over LED and Laser Based Links[C].The 2011 Military Communications Conference-Track 5-Communications and Network Systems:2057-2062.

  [5] ANGUITA D,BRIZZOLARA D,Giancarlo Parodi.Optical Communication for Underwater Wireless Sensor Networks:a VHDL-implementation of a Physical Layer 802.15.4 Com-patible[C].OCEANS 2009-EUROPE:1-2.

  [6] ANGUITA D,BRIZZOLARA D,Giancarlo Parodi,Qilong Hu.Optical Wireless Underwater Communication for AUV:Preliminary Simulation and Experimental Results[C].IEEE OCEANS,2011:1-5.

  [7] HAN G,ZHANG C,SHU L,et al.A Survey on DeploymentAlgorithms in Underwater Acoustic Sensor Networks[J].Inter-national Journal of Distributed Sensor Networks,2013.

  [8] Fung Yufai,Dai Mingjun,FIKRET ERCAN M.Underwater short range free space optical communication for a robotic swarm[C].Proceedings of the 4th International Conference on Autonomous Robots and Agents.2009:529-532.

  [9] BAIDEN G,Yassiah Bissiri,Andrew Masoti.Paving the way for a future underwater omni-directional wireless optical communication systems[J].Ocean Engineering.2009,36:633-640.

  [10] CHUNGSAN K,SANGHO L,KISEON K.3D Underwater Localization with Hybrid Ranging Method for Near-sea Marine Monitoring[C].1 Ninth IEEE/IFIP International Conference on Embedded and Ubiquitous Computing.2011:438-441.

  [11] COUTINHO R W L,VIEIRA L F M,LOUREIRO A A F.Movement assisted-topology control and geographic routingprotocol for underwater sensor networks[C].Proceedings of the 16th ACM international conference on Modeling, analysis & simulation of wireless and mobile systems.ACM,2013:189-196.

  [12] AN W,LIN J,LUO H,et al.Significance–based energy-efficient path selection for multi-source underwater sensor networks[J].International Journal of Sensor Networks,2013,13(1):30-43.

  [13] ZHANG Y,JIN Z,LUO Y,et al.Node secure localization algorithm in underwater sensor network based on trust mechanism[J].Journal of Computer Applications,2013(5):4.

  [14] CAITI A,CALABRO V,MUNAFO A,et al.Mobile under-water sensor networks for protection and security:field experience at the UAN11 experiment[J].Journal of Field Robotics,2013,30(2):237-253.

  [15] ZHANG C Y,HAN G J,ZHU C,et al.The Insights of Node Deployment for Localization Accuracy in Underwater Acoustic Sensor Networks[J].Advanced Materials Research,2013(605):1050-1053.


此内容为AET网站原创,未经授权禁止转载。
Baidu
map