摘要：無線傳感器網絡(WSN)中多對一通信產生的網絡擁塞是一個亟待解決的問題。針對WSN節點生命期有限的情況，引入了節點相對信息熵的概念，提出基于節點相對信息熵的擁塞避免機制：節點首先計算其聯合信息熵為上游節點分配數據窗；然后上游節點根據收到的數據窗的大小來決定向下游節點發送數據包的大小。仿真分析表明，該算法有效地避免了網絡數據包的丟失，減少了網絡傳輸延遲，且具有良好的能量有效性。
關鍵詞：無線傳感器網絡；節點相對信息熵；擁塞避免；數據窗

0 引言
    與物理世界緊密耦合的無線傳感器網絡(WSN)具有大規模密集部署、節點資源受限、無線帶寬小、拓撲結構動態變化等特點。其節點采集到的數據以多跳的方式發送到基站。這種多對一的數據傳輸方式以及待檢測事件的突發性，使得能量、處理能力及通信能力都受限的WSN在數據傳輸過程中經常發生擁塞，從而導致數據包的大量丟失和網絡傳輸的延遲等問題。對于能源非常有限的節點，如何延長無線傳感器網絡的生命期是一個很重要的問題。在無線傳感器網絡中，無線通信是能源的主要消耗者，無線通信主要是數據包的轉發，減少數據包的轉發次數，合理分配節點發送數據包的大小，有效利用節點轉發的數據包不但可以減少無線傳感器網絡的能量消耗，而且還可以保證在突發情況下保證網絡的暢通，降低災害事件的發生。因此，節點擁塞避免是保證無線傳感器網絡正常傳輸的一個關鍵手段。
    近年來，WSN中的擁塞問題日益引起了學術界的廣泛關注。研究人員逐步提出了多種針對WSN自身特點的控制策略(如CODA，ESRT，Fusion等)。這些控制算法采用了不同的機制有效地減輕擁塞，是一種被動的方式，可能導致節點數據的重發，且一般不能完全消除節點擁塞現象。
    現有無線傳感器網絡的節點擁塞控制機制都是在節點發生擁塞時才采取一定的擁塞控制措施。但是，無線傳感器網絡節點大規模密集部署，在突發數據流引發擁塞后，再采用擁塞控制措施也不一定可以完全避免節點擁塞，很有可能導致災難性的后果發生。因此，在本文中，提出了基于節點相對信息熵的擁塞避免機制，該擁塞避免機制是基于事件的有效信息量，真正體現無線傳感器網絡以事件為中心的特點。

1 基于信息熵的節點擁塞避免策略
    節點擁塞避免的重要問題是按一定的策略，為網絡資源均衡合理地分配數據窗的大小。在無線傳感器網絡中，由于節點大規模部署，若兩個節點位于各自的通信半徑內，它們可以直接通信。節點響應監測區域內的事件或周期性地產生數據并發送至基站。如圖1所示，對于相同的感知區域，把感知到的數據轉發到下游節點，其下游節點不斷把數據再轉發到自身的下游節點，這樣不斷地進行數據轉發，最后可能導致下游的某個節點產生擁塞。顯然，對于大規模部署和處理緊急事件的無線傳感器網絡來講，擁塞不僅嚴重浪費了節點能量還降低了轉發效率，而且還可能導致不可預料的事件發生。

1．1 WSN節點網絡模型
    WSN由分布在各個地方的傳感器節點通過自組織方式所形成的網絡模型。在該模型中，傳感器節點采集數據，通過無線傳感器網絡傳遞到基站，然后再傳遞給檢測中心。在這里假設每一個傳感器節點都有直接或間接與基站通信的能力，則節點會響應監測區域內的事件或周期性地產生數據并發送到基站。
    假設N個傳感器節點按相對均勻的隨機高密度部署在一個監測區域內，具有以下性質：
    (1)N個傳感器節點被隨機部署在監測區域，基站不受能源限制，且位于一個區域的邊界上，其他傳感器節點為電池驅動；
    (2)所有節點都為靜止節點，且各節點的軟硬件同構，通信頻率相同；
    (3)每個節點采用全向天線，節點之間為雙向鏈路即A節點能和B節點通信，B節點也能和A節點通信，節點的通信范圍有限且通信半徑保持為R；
     (4)WSN的信道質量可靠且傳輸的誤碼率基本可以忽略，其路由機制保持相對靜止，不會出現很大范圍的路由變化。
1．2 WSN中信息熵的數學定義
    在此基于WSN的網絡模型和信息論，給出WSN節點的信息熵的數學定義。
    定義1：節點信息熵：根據香農的定義，自信息的數學期望為信息熵，因此節點信息熵表示節點N每發送一個數據包所提供的平均信息量：
   
    式中：q表示ai(i=1，2，…，q-1，q)的取值有q種可能性；P(ai)為字符ai出現的概率，節點信息熵H(X)表征了傳感器節點整體的統計特征，是總體平均不確定性的量度(單位：比特／數據包)。式(1)中的單位取決于對數函數的底數。本文中，取對數函數底數為2，即表示每個數據包含有1比特的信息量。
    在無線傳感器網絡中，節點感知到的數據既存在一定的差異又有一定的冗余，為了表征節點之間的這種關系，下面引入了節點相對信息熵。
    定義2：節點相對信息熵：假設P和Q是兩個概率分布函數，則定義P相對于Q的信息距離即節點相對信息熵為：
   
    式中：Pi和Qi為一個字符在節點中所出現的概率。
    節點相對信息熵可用于計算任意兩節點之間節點信息熵的差異性的大小。它的物理意義是兩組概率分布之間的差異性程度，因而對于兩組不同的概率分布P和Q，計算其節點相對信息熵D(P‖Q)，如果這個值越小，表明兩組概率分布越接近，這兩個節點之間的數據相似程度越大，則節點P就可以減少向節點Q發送數據包以保證網絡的暢通。對于極限情況，當D(P‖Q)=0時，表示兩組概率分布完全相等，則這兩個節點之間的數據幾乎一樣，此時，節點P可以暫停向節點Q發送數據包。
1．3 基于節點信息熵的擁塞避免策略
    在一種路由協議機制下，若一個數據包從節點u發送至鄰居節點d，則稱u是d的上游節點，d是u的下游節點。在本文的網絡模型中，總是假設路由機制是靜態的或是很少進行更新的，因此可知每個下游節點d總是可以知道有多少個上游節點u。按照上述基本假設，本文提出的擁塞避免策略過程如圖2所示。

1．4 算法的分析與實現
    在這里以雙重身份節點m(節點m既可以看作下游節點，也可以看作上游節點)作為主要考慮節點，首先當節點m作為上游節點時，向其自己的上游節點發送消息，然后根據上游節點集反饋回來的消息來計算節點相對信息熵的大小，根據計算出來的節點相對信息熵的大小來決定其分配的發送數據窗的大小。其中消息主要包含發送節點的id、各數據包的信息量大小以及統計特性等信息。具體的擁塞避免算法實現過程如下：
    (1)如果節點m發送數據窗SDWm>0且當前信道可用，則節點m根據其收到的下游節點發送的廣播消息來決定發送自己的數據窗大?。?br />     (2)否則節點m發送數據窗SDWm=0，然后向其上游節點集發送消息；
    (3)如果僅作為上游節點u的發送數據窗SDWm>0，則上游節點u退出上游節點集，此時上游節點u不響應下游節點d發送的，也不發送消息；
    (4)如果僅作為上游節點u發送數據窗SDWm=0，上游節點集則向下游節點發送消息(req>；
    (5)下游節點m收到消息開始計算節點相對信息熵的大??；
    (6)根據計算得到節點相對信息熵的大小向上游節點集廣播消息，通知上游節點u各自發送數據窗的大小，然后上游節點u根據收到的發送數據窗的大小來決定向下游節點發送一定數量的數據包，其中廣播消息主要包括發送節點id及相應發送數據窗的大小，且各發送數據包的大小之和小于本地可用緩沖區間。
    在上述過程中，若上游節點u當前的發生數據窗大于0，則不響應下游節點d發送的，也不發送消息，此時下游節點d不為上游節點u重新分配發送數據窗；若上游節點u完成了當前的發生數據窗，則等待下游節點d發送下一個消息。因此每個上游節點只有在收到消息和之后的之間發送數據包，可得知下游節點d處不會產生數據擁塞，整個網絡的節點擁塞因此而避免發生。

2 實驗仿真
    為了驗證本文所提出的避免節點擁塞機制的性能，選取經典的CODA算法作比較。現假設本文的仿真實驗環境設置如下：
    (1)選取200個節點隨機部署在600×600的正方形區域內，基站選擇在該區域邊界上；
    (2)節點的位置是固定的，且節點之間的通信半徑R=50，網絡帶寬設置為1 Mb／s；
    (3)信道質量相對可靠，可忽略信道對誤碼率的影響，源節點產生的數據包大小相同，且報文的產生率為每單位時間10個數據包，節點可用最大緩沖區間為15個數據包。
    圖3描述了仿真過程中的網絡傳輸延遲。從圖中可以看出，CODA下的網絡傳輸延遲(每個到達基站的數據包在網絡中停留的時間)得到了一定的控制，而本文由于采用了基于發送數據窗的擁塞避免機制，降低了數據包在緩沖區內的平均等待時間，減少了在網絡中的傳輸延遲。

    圖4表示了對網絡平均丟包率的比較。由于仿真環境假設信道質量相對可靠，不會對網絡平均丟包率造成影響，因此，這里的數據包的丟失主要是由網絡的擁塞引起的。從圖中可以看出，CODA的網絡平均丟包率比本文的平均丟包率高。由于CODA采取了調節局部擁塞的節點，則在第120 s左右網絡平均丟包率趨于穩定，網絡平均丟包率幾乎為0，但并不能保證在有突發數據流出現時隨著時間的推移還會出現網絡平均丟包率增大的現象。而本文的算法完全是采用的節點避免策略，因此在整個網絡生命周期內，網絡的平均丟包率幾乎為0。

    圖5主要從無線傳感器網絡的能耗上進行比較。由于CODA下的數據包傳輸跳數較少，進而轉發數據包的次數也會減少，所以CODA的能耗相對較低一些。本文的算法雖然增加了傳輸跳數和節點之間的通信次數，但卻減少了由于沖突和擁塞帶來的能量浪費，進而有效地提高了能源的利用率。從圖5中可以看出，本文的算法比CODA的能量消耗相對多些，但這對于處理突發的緊急事件卻起著重要的作用，這樣即使多消耗了
一點能量，卻可以避免災難性后果的發生。

3 結語
    本文在現有節點擁塞控制的基礎上提出了基于信息熵的節點擁塞避免機制。仿真測試表明，該算法更適合于突發情況下的無線傳感器網絡的特點。算法使用的基于信息熵的擁塞避免策略，可以有效地避免節點產生擁塞，從而減少了網絡的平均丟包率，降低了網絡中的傳輸延遲，這對于處理突發緊急的事件是非常重要的，由于節點不需要時刻監測信道狀態，因此只有在有突發事件發生時，才會消耗大量能量?？偟膩碚f，本文的算法是比較合理的。