无线传感器网络的能量均衡方法与流程
本发明涉及物联网技术领域，具体讲是一种无线传感器网络的能量均衡方法。
背景技术：
物联网（internetofthings，iot）被称为是继计算机、互联网之后，全球信息产业发展的第三次浪潮，其概念是由无线传感器网络发展而来的。因此，无线传感器网络被认为是整个物联网发展的产业核心。
作为无线传感器网络（wirelesssensornetwork，wsn）的基本组成，传感器节点被部署在监测区域内，以无线通信的方式，将采集到的数据自组织地路由到汇聚节点。通过以太网或卫星，数据被传送到管理节点并予以保存。用户端可经由管理节点对全网进行配置和管理，发布监测任务。该运作体系构成了无线传感器网络的基本形态。
wsn具有广阔的应用前景，包括军事国防、环境监测、医疗护理、交通管理、智能楼宇、精细农业等在内的多个领域都能充分体现出网络的实用价值。由此，wsn的相关研究成为国内外各大高校及研究机构的热门方向。从已有的研究成果看，不论是硬件结构的改进还是软件协议的设计，研究工作都将网络节点的低能耗视为最主要的技术方向，其最终目标是尽可能地延长网络的运行时间。网络寿命不仅关系到wsn的实用价值和应用成本，同时也是其实现可隐藏、可植入的关键。
事实上，出于成本、体积等方面的考量，传感器节点通常采用电池供电，大规模、高密度的部署或是应用环境的特殊都会增加更换电池的难度。因此，高效使用能量、最大程度地延长网络生存时间（通常以年计）成为wsn的首要设计目标。
在wsn的协议设计中，包括数据压缩、数据融合在内的网内数据处理技术是其中较为重要的研究分支。由于wsn面向海量数据，且原始数据间存在时空域冗余，因此，对这些冗余进行网内处理，在保留应用所需信息量的前提下，将需要传输的数据量最小化，对于wsn而言，不仅能够起到降低网络通信能耗的作用，还可以有效地提高数据传输速率和带宽利用率，解决网络拥塞问题。此外，在wsn的实际应用中，除了需要注重网络节点的低能耗设计外，影响网络寿命的另一个重要因素同样不能被忽视，那就是网络各同构节点间存在的能量损耗不均衡的问题。
由于节点的通信能力有限，通常情况下，网络采用多跳路由实现数据传送。这就意味着临近汇聚节点（sink）的传感器节点需要承担更多的数据传送任务，包括自身采集的监测数据以及需要中继的其他数据。因此，对于整个网络而言，此类节点（近节点）成为影响网络生存时间的瓶颈。近节点的失效将直接导致网络的瘫痪，离sink节点较远的传感器节点（远节点）无法将监测数据传送至网络远端，整个网络亦无法完成既定的应用任务。
从目前的研究工作看，解决网络节点间能耗不均衡问题的主要方法是通过路由机制或拓扑控制机制对全网节点的能耗做均衡处理。然而，无论是路由或者拓扑控制机制，都需要以大量的通信能耗为代价，即节点间频繁的信息交换，这样大大降低了其延长网络寿命的效果。另一方面，针对网内数据处理算法的研究则偏重于单节点或链路上通信总能耗的降低，并没有将能耗失衡问题考虑在内（见授权专利杨华中，应蓓华，刘伟等；一种用于无线传感器网络降低能耗的压缩判决方法；中国，zl200810238934.3；2009-10-21）。由此，目前结合网内数据处理与全网能耗均衡的联合优化问题并没有很好地得到解决，能耗的节省和均衡需要同时被考虑才能真正达到网络寿命延长的目的。
技术实现要素：
本发明所要解决的技术问题是，克服现有技术的缺陷，提供一种无线传感器网络的能量均衡方法，同时考虑能耗的节省和均衡，从而延长网络寿命。
为解决上述技术问题，本发明提出一种无线传感器网络的能量均衡方法，本地节点的编号记为i，则相对于本地节点，前节点的编号记为i-1，后节点的编号记为i+1，i为大于或等于1的自然数，距离汇聚节点最近的节点即编号为i=1的节点，
对于除编号为i=1的节点之外的其它节点，上一次通信若有的话，则下一次通信基于上一次通信的能耗情况来调整自身的算法等级，即：
若当前轮次的通信的前节点能耗大于本地节点能耗，则将本地节点的算法等级提高一级以供下一次通信执行，直到调至最高等级的算法，反之则将节点的算法等级降低一级以供下一次通信执行，直到最低等级，即不执行压缩；
算法等级是指节点中备选压缩算法的等级，根据压缩比进行等级划分，其中，压缩比定义为压缩后数据量与原始数据量之比，压缩比数值越低，算法等级越高，最低等级为不执行压缩。
采用上述结构后，与现有技术相比，本发明具有以下优点：本发明考虑了各节点的能耗情况对整个网络所产生的影响，具体方案为将本地节点的前节点的能耗作为选用什么样等级的压缩算法的条件，将这一策略贯彻，层层传递，这样，同时考虑能耗的节省和均衡，从而延长网络寿命，即通过实现各节点的能耗均衡来延长网络寿命，相比现有技术，应该说开辟了一个全新的创新方向，本发明具有开创意义。
作为改进，算法分级采用离线的方式进行；所谓离线方式，即在节点部署之前，对压缩算法集中的各类备选算法按照压缩比进行分级，在分级过程中，根据不同类型的原始数据以及不同的误差容限给出算法等级；将不执行压缩加入到算法分级中，且等级最低，这样，提供了一种设置方式，能耗较省。
作为改进，算法分级采用在线的方式进行，即在网络运行初期，节点经由传感器采集各类原始数据，在微处理器的数据压缩模块中分别执行压缩算法集，记录不同类型数据在不同误差容限下，各类算法取得的压缩比，并以此进行算法分级，相对于离线方式，在线进行算法分级的适应性更强且准确性更高，但需要牺牲节点的部分能耗。
作为改进，分级样本经由几轮算法执行并求取平均，这样，准确性更高。
作为改进，在之后的网络运行过程中，节点将随机选取若干新样本进行算法等级验证，若结果与原先等级划分不一致，则开启新一轮的在线算法分级，这样，适应能力更强且准确性更高。
附图说明
图1、本发明举例的传感器节点硬件框架。
图2、本发明举例的能量均衡方法的软件架构体系。
图3、本发明举例的能量均衡方法的工作流程。
图4、本发明举例的验证实验使用的网络拓扑。
图5、本发明以大气温度作为数据类型时的能量均衡效果柱状对比图。
图6、本发明以海面压强作为数据类型时的能量均衡效果柱状对比图。
图7、本发明以相对湿度作为数据类型时的能量均衡效果柱状对比图。
图8、本发明以发射级别为3时的能量均衡效果柱状对比图。
图9、本发明以发射级别为15时的能量均衡效果柱状对比图。
图10、本发明以发射级别为31时的能量均衡效果柱状对比图。
图11、本发明以误差容限级别为4时的能量均衡效果柱状对比图。
图12、本发明以误差容限级别为12时的能量均衡效果柱状对比图。
图13、本发明以误差容限级别为20时的能量均衡效果柱状对比图。
图14、本发明以重传率为0时的能量均衡效果柱状对比图。
图15、本发明以重传率为50%时的能量均衡效果柱状对比图。
图16、本发明以重传率为100%时的能量均衡效果柱状对比图。
图17、本发明以跳数为5时的能量均衡效果柱状对比图。
图18、本发明以跳数为10时的能量均衡效果柱状对比图。
图19、本发明以跳数为15时的能量均衡效果柱状对比图。
具体实施方式
下面对本发明做进一步详细的说明：
本发明无线传感器网络的能量均衡方法，本地节点的编号记为i，则相对于本地节点，前节点的编号记为i-1，后节点的编号记为i+1，i为大于或等于1的自然数，距离汇聚节点最近的节点即编号为i=1的节点，
对于除编号为i=1的节点之外的其它节点，上一次通信若有的话，则下一次通信基于上一次通信的能耗情况来调整自身的算法等级，即：
若当前轮次的通信的前节点能耗大于本地节点能耗，则将本地节点的算法等级提高一级以供下一次通信执行，直到调至最高等级的算法，反之则将节点的算法等级降低一级以供下一次通信执行，直到最低等级，即不执行压缩；
算法等级是指节点中备选压缩算法的等级，根据压缩比进行等级划分，其中，压缩比定义为压缩后数据量与原始数据量之比，压缩比数值越低，算法等级越高，最低等级为不执行压缩。
对于节点的能耗计算，可按下列公式实现但不局限于这些公式：
对于不执行压缩的情形，即节点的算法等级最低，可以根据式1计算节点能耗
式1
其中，
对于有执行压缩的情形，则可以根据式2计算节点能耗
式2
其中，
对于距离汇聚节点最近的节点，即编号为i=1的节点，该节点对于压缩算法的选用可采用专利号201410212170.6中公开的“无线传感器网络自适应压缩方法”执行，此时，跳数按h=1进行判断；但是，对于i=1的节点能耗计算并不局限于专利号201410212170.6中公开的技术方案。
为便于更为形象地理解本发明，接下来对于本发明做更为详细的说明。
图1为传感器节点的硬件框架。该基本架构以微处理器（mcu）为主要控制单元，实现对通信协议的控制和各种应用的处理；同时，微处理器兼备一定的存储功能，负责保存传感数据、各类帧信息（数据帧、消息帧、控制帧）以及用户预设的各种应用相关数值等。其余各个模块的功能如下：传感器（或称为执行器）负责实现数据采集；射频收发器进行数据的无线传输；能量供应单元分别给射频收发器、微处理器以及传感器提供能量；用户接口负责节点与上层管理终端的通信连接，包括应用参数的设置以及相关信息的读取。
图2为软件架构体系，该体系位于节点微处理器的处理单元内，该体系在数据处理层中添加了能量均衡模块，以此实现能量的均衡处理。
整个软件体系共分为五个层次，与互联网使用的五层协议类似，由底至上依次为：物理层、数据链路层、网络传输层、数据处理层和应用层。其中，数据压缩位于数据处理层，负责对节点本地采集的原始数据进行网内信息处理，得到符合应用需求的监测数据，并将其下行至网络传输层等候发送，也就是说，数据压缩代表节点对原始数据的处理方式；本发明所阐述的能量均衡方法则在能量均衡模块中执行，该模块也位于数据处理层，能量均衡模块即为本发明决策过程的软件化。
由图2所示，能量均衡方法是基于节点获取的各类信息而做出的能量优化决策，包括来自于应用层的相关信息（数据类型、精度要求等）、网络传输层及其下层提供的相关信息（发射功率、接收功率、数据传输速率、数据重传率、mcu计算功率、中继数据量、前节点能耗等）和位于同层的数据压缩模块的相关信息（压缩比、压缩时间、压缩算法集等）。其中，鉴于各类压缩算法的特点，本例中选择的预设压缩算法集有laa、pmc-mr、自回归预测和wavelet四种；压缩比、压缩时间为数据压缩模块执行某种压缩算法后实际测得的结果；发射功率、数据重传率取决于网络传输层，其数值取自消息帧，在网络初始化阶段即开始获得；接收功率、数据传输速率、mcu计算功率由节点硬件决定，该信息通过协议栈最底层（物理层）逐级传送至能量均衡模块；中继数据来自上一跳通信的邻居节点，中继数据量指本地节点接收的数据总量，其数值取自数据帧，根据上行路由中本地节点的相对位置，本例将此类邻居节点称为后节点，进一步的，本例假定本地节点仅处理自身数据，不对需要中继的数据进行处理（如解压缩或再次压缩）；前节点能耗则指本地节点上行通信的下一跳邻居节点（本例中称为前节点）在执行前一轮数据传送过程中消耗的总能耗，其数值取自下行的消息帧，同样通过协议栈最底层逐级传送至能量均衡模块。
基于以上信息，能量均衡方法给出相应的最优决策：执行备选压缩算法中的一种或是不执行任何压缩操作。能量均衡模块将其决策结果发送给同层的数据压缩模块，同时下行传送至物理层。如果决策结果为需要执行备选压缩算法中的一种，则由物理层将原始数据上行传送到数据处理层，同时启动该层的数据压缩模块，按照应用层所提供的精度要求，在数据压缩模块执行相应的压缩操作，并将压缩后的数据下行返回给物理层，连同中继数据一起进行无线发送。另一方面，如果决策结果为不需要执行压缩，则无需启动数据压缩模块，原始数据将直接汇入中继数据经由无线信道传输。
在下一轮的数据传送启动之前，即下一次通信前，能量均衡模块需要将节点在本轮数据传送中的总能耗下行传送至物理层，并通过消息帧下行通信至后节点。
本例中，整个能量均衡方法包括两个部分：算法分级和决策执行。
由于能量均衡方法需要根据节点能耗对压缩算法进行调整，因此在执行决策前要对备选的压缩算法进行分级。评估压缩算法的指标主要包括压缩比、压缩执行时间、压缩所需内存等。在这些指标中，压缩执行时间与压缩所需内存仅影响本地节点的能耗，而压缩比不仅影响本地节点的能耗，而且会对后续各个中继节点的通信能耗（数据量）产生影响，故此，本发明选择压缩比作为压缩算法的分级标准。其中，压缩比定义为压缩后数据量与原始数据量之比，也就是说，压缩比数值越低，压缩效果越好。
算法分级可以采用离线或者在线的方式进行。所谓离线方式，即在节点部署之前，对压缩算法集中的各类备选算法按照压缩比进行分级。在分级过程中，选择常用的监测数据作为压缩的原始数据，且尽量覆盖原始数据的各种变化特征。本例选取大气温度、海面压强和相对湿度分别代表缓变型、渐变型和快变型数据。以三类原始数据为输入，获取各类算法在不同误差容限（精度要求）下的压缩比，并以此对算法进行分级。其中，压缩效果越好，算法等级越高。由于不执行压缩也作为能量均衡的备选策略，故亦将其加入到算法分级中，且等级最低。需要注意的是，由于不同的压缩算法对原始数据的适应程度不同，因此需要根据不同类型的原始数据以及不同的误差容限给出算法等级。通常情况下，不执行压缩的算法等级始终最低。
相对于离线方式，在线进行算法分级的适应性更强且准确性更高，但需要牺牲节点的部分能耗。在网络运行初期，节点经由传感器采集各类原始数据，在微处理器（mcu）的数据压缩模块中分别执行压缩算法集，记录不同类型数据在不同误差容限（精度要求）下，各类算法取得的压缩比，并以此进行算法分级。为了提高分级的准确性，分级样本（即压缩比）可经由几轮算法执行并求取平均；为了增强分级的适应性，在之后的网络运行过程中，节点将随机选取若干新样本进行算法等级验证，以此决定是否需要开启新一轮的在线算法分级。
能量均衡方法的决策执行部分即为实际执行能量均衡的过程。图3为本发明提出的能量均衡的工作流程。整个工作流程包括以下几个步骤，sink即指汇聚节点：
步骤01：节点完成部署以及组网初始化后，节点开始采集原始数据并将处理后的数据逐跳传输至sink（本文称此过程为上行通信），完成首轮数据通信。此轮中，各节点均按照等级最低的算法执行数据处理，即不执行任何压缩。
在上行通信过程中，各节点记录下其邻居节点（即上一跳节点与下一跳节点）的编号(节点编号记为i)，以便在后续步骤中进行信息交换。
步骤02：能量均衡模块从应用层中获取相关信息。
所涉及的信息包括：数据类型和精度要求，相应地保存于微处理器的存储单元内，可以通过用户接口预先设置（节点部署前），也可以取自射频模块提供的控制帧信息（节点部署后）。
步骤03：根据应用层提供的相关信息，能量均衡模块获取预设的压缩算法集中的算法等级。
若算法分级采用离线方式进行，则从微处理器的存储单元内直接读取结果；若采用在线分级，则需在网络运行初期的算法分级完成后，获取算法等级。
步骤04：能量均衡模块从网络传输层及其下层获取相关信息。
所涉及的信息包括发射功率、接收功率、数据传输速率、数据重传率、mcu计算功率和中继数据量。其中，发射功率和数据重传率由网络传输层决定，其数值取自消息帧，由射频模块提供；接收功率、数据传输速率和mcu计算功率取决于节点的硬件结构，相关信息预置于微处理器的存储单元内，通过物理层逐级上行传送；中继数据量取自上行通信的数据帧，通过物理层逐级上行传送。
步骤05：能量均衡模块根据已知参量，计算首轮数据通信中本地节点所耗能量。
由于是首轮数据通信，没有前一次通信可供比较，所以我们设定首轮数据通信中所有节点均不执行压缩，故节点能耗主要为射频模块的通信能耗，即发射能耗和接收能耗。考虑到射频模块的唤醒能耗是所有节点共有的（无论是远节点还是近节点），亦是所有情况共有的（无论节点是否执行压缩算法，或是执行哪种压缩算法），因此不会对能量均衡结果产生影响；同时，数据帧的帧头部分长度、控制帧的长度相比于数据帧的数据部分而言微乎其微，也是可以忽略的，因此，节点i所耗总能量
（式1）
其中，
当然，在后期中，若该节点无需执行压缩，也是根据式1计算其消耗能耗。
步骤06：能量均衡模块将计算得到的当前轮次的节点总能耗下行传送至物理层，并通过消息帧下行通信至后节点。
此步骤结束后，除距离sink最近的节点（i=1）外，其他节点均可获知自身和其下一跳邻居节点（即前节点）在当前轮次的数据传送过程中消耗的总能量，从而可以实现步骤07的比较决策，而i=1的节点对于压缩算法的选用则采用专利号201410212170.6中公开的“无线传感器网络自适应压缩方法”执行，此时，跳数按h=1进行判断。
步骤07：能量均衡模块根据当前轮次的前节点能耗，给出下一轮数据处理的最优决策，并将该结果发送至同层的数据压缩模块，同时下行至物理层。
若当前轮次的前节点能耗大于本地节点能耗，则将本地节点的算法等级提高一级（即采用压缩效果更好的数据处理算法），直到调至最高等级；反之则将节点的算法等级降低一级，直到最低等级（即不执行压缩）。由于距离sink最近的节点（i=1）无法获知其前节点能耗，该节点将根据专利“无线传感器网络自适应压缩方法”中所述的方法得到其最佳的压缩策略并予以执行。
步骤08：能量均衡模块从数据压缩模块获取相关信息。
所涉及的信息包括：压缩比和压缩时间。收到来自能量均衡模块的最优决策后，数据压缩模块启动下一轮的数据处理，并将执行算法后的压缩比和压缩时间反馈至能量均衡模块。
步骤09：能量均衡模块从网络传输层及其下层获取相关信息。
所涉及的信息包括发射功率、接收功率、数据传输速率、数据重传率、mcu计算功率和中继数据量。事实上，由于接收功率、数据传输速率、mcu计算功率由节点硬件决定，故可视为恒定常量；而发射功率、数据重传率和中继数据量的变化则相对频繁，需在每轮能量均衡中获取最新数据。
步骤10：能量均衡模块根据已知参量，计算新一轮数据通信中本地节点所耗能量。
若节点的算法等级最低（不执行压缩），则根据式1计算节点能耗
（式2）
其中，
步骤11：能量均衡模块根据应用层信息的变化情况，决定跳转步骤，启动下一轮能量均衡过程。
鉴于压缩算法等级受数据类型和误差容限的影响，因此如若应用层提供的数据类型或精度要求发生改变，能量均衡需跳转至步骤02，以此替换原有的算法分级，并将各个节点的压缩等级调回至最低；若无，则跳转至步骤06，直接开始下一轮能量均衡过程。
为了检验能量均衡方法在提升网络能效，延长网络寿命上的优化作用，我们选取实际物理环境下的传感器数据和适用于该数据特性的几种压缩算法，通过链状网络拓扑下的节点能耗仿真，比较原始数据通信、使用单一数据压缩算法和加入了能量均衡方法的数据压缩算法在不同状态设置下的全网能耗差异，从而来体现本发明的优异性。
我们选取的原始数据来自于太平洋海洋环境实验室的热带大气海洋计划（tropicalatmosphereoceanproject，tao）。该系统能够实时采集与海洋及气象相关的数据用于后续研究。此外，我们选取具有不同压缩效果的四种算法作为能量均衡方法的备选算法集，包括laa（见文献yingl,lokesw,ramakrishnamv；energy-savingdataapproximationfordataandqueriesinsensornetworks；proceedingsofthe6thinternationalconferenceonitstelecommunications,2006）、自回归预测（见文献回春立,崔莉；无线传感器网络中基于预测的时域数据融合技术；计算机工程与应用,2007），pmc-mr（见文献lazaridisi,mehrotras；capturingsensor-generatedtimeserieswithqualityguarantees；proceedingsofthe19thinternationaldataengineering,2003）和基于提升格式的二代小波wavelet（见文献ciancioa,ortegaa；adistributedwaveletcompressionalgorithmforwirelesssensornetworksusinglifting；proceedingsoftheieeeinternationalconferenceonacoustics,speech,andsignalprocessing,2004），均为能够在测试节点中实际运行的算法。需要特别指出的是，根据我们对大量数据类型和压缩算法的仿真，本发明提出的能量均衡方法并不局限于特定的数据类型和备选压缩算法，这里选择特定的数据类型和备选压缩算法只是为了更好地说明这一方法所能获得的效果。
能量均衡的验证实验采用的硬件平台为加州大学伯克利分校开发的micaz测试节点，该节点使用的射频芯片为cc2420，具有多个可配置的发射功率级别。以50个原始数据为单位（组）执行压缩，每个数据长度为2个字节，共选取100组。实验中的网络拓扑采用链状结构，如图4所示，其中传感器节点（编号1,2,3，……，n）以单链的形式部署在监测区域内，经由多跳路由，从左至右发送或转发数据至汇聚节点（sink）。链状路由是多跳路由中最简单的一种实现形式，同时也是构成树状、栅格状网络拓扑中路由方式的基本元素。同样需要说明的是，本发明提出的能量均衡方法并不局限于此网络拓扑，这里选择链状结构仅仅为了更清晰地验证本方法所能获得的效果。
图5至图19分别给出了本发明在不同参数设置下获得的能量均衡效果。由于本方法中节点不需要获知全网拓扑信息，故为了对等起见，图中将不执行压缩和执行节点级能量优化（即节点仅从自身角度考虑，选择最节能的压缩算法）这两种情况作为对比同时予以显示。考虑到实际应用的情况，发射功率的变化级别（对应参数：发射级别）设定为3~31，精度要求的变化级别（对应参数：误差容限）设定为1~25，信道质量（对应参数：数据重传率）设定为0%~100%。
图5-7所示为能量均衡方法对不同原始数据类型的适应程度。所选取的原始数据包括代表缓变型数据的大气温度、代表渐变型数据的海面压强和代表快变型数据的相对湿度。此时发射级别为15，误差容限为15，数据重传率为0%。可以看出，无论针对哪种类型的原始数据，本方法均能实现节点间的能量均衡。对比不执行压缩和节点级压缩两种情况，虽然引入了数据压缩后，网络各节点的能耗均有一定程度的降低，但远、近节点间的能耗失衡问题仍然存在，其中近节点（跳数为1）和远节点（跳数为10）的能耗峰谷比接近12:1。采用能耗均衡方法后，网络各节点的能量损耗获得了一定程度的平均，能耗的峰谷比约为2.2:1。若以节点的最早失效时间衡量网络寿命，则采用了能量均衡方法后，网络寿命相比原始数据通信（不执行压缩）的情况延长了120%~262%，相比节点级能量优化（节点级压缩）的情况延长了27%~145%。
图8-10所示为能量均衡方法在不同发射级别下的均衡效果。此时采用的原始数据为大气温度，误差容限为15，数据重传率为0%，发射级别分别为3、15、31。可以看到，无论在哪种发射级别下，本方法均能达到节点间能量均衡、延长网络寿命的目的。其中，随着发射级别的升高，通信能耗随之增加，三种情况下的节点能耗均呈现上升趋势，而节点间的能量失衡也更加明显，因此，能量均衡的效果将愈加显著。在最高等级的发射级别（发射级别为31）下，对比不执行压缩和节点级压缩两种情况，能量均衡方法下的网络寿命分别延长了324%和182%。
图11-13所示为能量均衡方法在不同误差容限下的均衡效果。此时采用的原始数据为大气温度，发射级别为15，数据重传率为0%，误差容限分别为4、12、20。可以看到，在不同误差容限下，能量均衡效果仍然存在，但在延长网络寿命上存在较大差异。当误差容限较小（设置为4）时，由于应用对数据精度要求较高，数据压缩本身能够获得的压缩效果有限，故此时无论是节点级压缩还是能量均衡，对比不执行压缩的情况，在节点节能上均无明显优势，两种优化情况分别获得的网络寿命延长约为6%和32%。随着误差容限级别的升高（设置为12），即应用对数据精度要求的降低，数据压缩效果逐渐体现，相比于原始数据通信，节点级压缩和能量均衡在网络寿命方面均有明显提升，分别可达43%和193%。而若误差容限继续增大（设置为20），即便是复杂度较低的备选压缩算法也能获得显著的压缩效果，于是节点级压缩在延长网络寿命方面也将大幅提高，对比原始通信，两种方法分别可获得172%和300%的时间延长，但相比于能量均衡，节点级压缩的能量瓶颈仍然为距离sink最近的节点。
图14-16所示为能量均衡方法在不同信道质量下的均衡效果。此时采用的原始数据为大气温度，发射级别为15，误差容限为15，数据重传率分别为0%，50%，100%。事实上，信道质量下降、数据重传率的升高间接导致节点通信能耗的增加，其效果与提高节点发射级别相类似。随着数据重传率的升高，节点间的能量失衡更加明显，而能量均衡的效果则愈加显著。在数据重传率达到100%的情况下，对比不执行压缩和节点级压缩两种情况，能量均衡方法下的网络寿命分别延长了380%和220%。
图17-19所示为能量均衡方法在不同网络规模下的均衡效果。此时采用的原始数据为大气温度，发射级别为15，误差容限为15，数据重传率为0%，网络规模由节点跳数表征，分别为5、10、15。可以看到，在不同网络规模下，能量均衡都能发挥作用，尤其在网络规模较大（跳数为15）的场景中，节点间的失衡情况严重，能量均衡对比不执行压缩和节点级压缩分别能够获得300%和175%的网络寿命延长。
综上所述，不同的参数变化并不会使能量均衡方法给网络性能带去不良影响。本方法引入极低的额外损耗（有限次数的短信息交换），依靠本地节点获知前节点能耗来动态调整自身压缩算法，基于用远节点的计算能耗换取近节点的通信能耗的思想实现节点间的能量均衡。在多数情况下，本方法均能显著地延长网络寿命、提升网络性能。
对于节点的能耗计算，还可按下列公式计算：
式1可替换为：
其中，lhead代表帧头的长度，prf_wk和trf_wk分别代表节点发射前，通信模块的启动功率和启动时间，其它参数参见前面的说明。
式2可替换为：
其中，pflash和tflash分别代表节点压缩前，存储模块的数据读取功率和读取时间，其它参数参见前面的说明。
对于节点能耗的计算公式的举例，目的在于说明节点本身的能耗计算的公式可采用不同的公式，但是本发明仍然适用，不受这个局限，原因就在于，本发明的核心在于提出将算法分级和比较决策结合来确定各节点的压缩策略，压缩策略直接导致节点能耗的变化，而节点本身的能耗计算公式则必然要考虑压缩策略的影响，这样，其它影响因素的变化则会产生多种多样的计算公式，但是仍然适用于本发明。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。
- 还没有人留言评论。精彩留言会获得点赞！