1 、 Feedback Control of Data Aggregation in Sensor Networks

传感器网络中数据融合的反馈控制

Abstract This paper describes fundamental performance trade-offs in sensor netwo

rks and the utility of simple feedback control mechanisms for distributed performance optimization. A data communication and aggregation framework is presented that manipulates the degree of data aggregation to maintain specified acceptable latency bounds on data delivery while attempting to minimize energy consumption. An analytic model is constructed to describe the relationships between timeliness, energy, and the degree of aggregation, as well as to quantify constraints that stem from real-time requirements. Feedback control is used to adapt the degree of data aggregation dynamically in response to network load conditions while meeting application deadlines. The results illustrate the usefulness of feedbackcontrol in the sensor network domain.

摘要： 本文描述了在传感器网络中的基本性能表现和对分布式应用中的简单反馈控制

机制进行性能优化。数据的通信和融合的框架提出了图像处理融合的度和在数据传输过程中能同时减少能量损耗和保持可连接的延时。一个分析模型被构造成描述实时性、能量和融合的程度的关系，并且源于实时要求的限制。当到了应用的最大限度时，反馈控制可以动态地适应数据融合以响应网络负荷状态。结果说明反馈控制在传感器网络领域是有效的。

本文从反馈控制方面介绍了 AD HOC 无线传感器网络提出的研究。反馈控制在本文的目的不将控制一个外部环境的动力学，更多的是控制网络的性能。在更高一个层次上来说，传感器网络的表现可以被观看作为在一个三维空间的点。 这些维度是 (i) 实时性， (ii) 能源消耗和 (iii) 信息输出。当维护实时性时，欲使能源消耗减到最小和最大化信息输出。这些要求是相互有矛盾的，因为传达更多信息将要花费更多的时间和耗更多能量。

实时的数据传输在传感器网络中是一个重要的性能表现，因为这样的网络必须对外部环境的变化作出实时的反应。极大的延时是不可取的。从应用的角度来看，发现目标太晚的话，对于要求快速反应的场合是无用的，实时也意味着有更大的时延。当更多的数据被融合时，总体的传输能量消耗将会被减少。

反馈控制的设计是为了控制整个系统的框架，使每个节点能够解决整体的性能最优问题。三个基本的性能参数是能量、时间和数据内容，为了实现时间的限制，本文描述了实时计算理论，来解决网络传输数据的实时性问题。并给出了数据通信和数据融合的框架，在数据传输的过程中计算数据融合度和限制可接受的最大范围的延时，并试图减少能量的消耗。我们构建了实时、能量、数据融合度关系的模型。当系统需要的时候，反馈控制被用来动态地自适应地调整数据融合度。

我们来考虑实时的传感器网络，感知数据在一定的时间内传输到目的地。数据分为多种类型，每种类型与传输时间有密切的联系。例如，运动的节点在 3 秒内应该把数据传出去。相反，如果是温度数据的话可以在 30 秒以内。传输所有数据的要求是当满足时间限制的情况下减少能量的损失，既然环境是动态的，数据融合的数据是不定的，不可预知的。

当其它的节点有效时，我们假设一些节点在任何时间都报告它们的参数信息。这些节点是静态的，既然网络负载是动态的，负载会造成明显的通信延时增加，可能导致不能及时地传送数据。这就需要一种控制网络延时的反馈机制。

EXPERIMENTAL EVALUATION仿真实验 本文对有损融合、无损融合和没有融合进行比较。在仿真中，文章在一定的范围内放置一定参数的节点， 10个源节点没着一条路由路径在 4---6 跳的范围内发出连续的比特（ CBR）。为了对数据融合的有效性进行研究，本文增加了节点的发送频率，第个数据流从 1.5到 3.7包 /秒。仿真重复 30遍。到达端对端的 1 S 延时是理想的。

如图 1所示，在网络繁忙的时候，比不进行融合相比，无损融合和有损融合都可以显著地减少平均的延时。由于融合技术可以控制信息传递的数量。注意，有损失的融合在保留延迟的区域之下总是成功的，而无损融合仅是点上的成功，在之后系统变得过载。

另外，如图 3 所示，在拥塞出现之前，无损 (lossless) 融合和有损 (lossy) 融合可以通过减少控制消息的数量和传播的数量达到能源的节约。

2、Mobile Agent Based TDMA Slot Assignment Algorithm for Wireless Sensor Networks

基于移动代理的 TDMA 槽孔任务算法在无线传感器网络的应用

摘要： 本文在移动代理帮助下我们提出无线传感器网络的

一种网上 TDMA槽孔任务算法或图表着色算法。众所周知图表着色问题是属于计算复杂度完全类 ( NP-Complete) 问题，并且有几种启发法已经被开发出来了。很多是集中化算法并且采取网络的全局性想法。我们开发了一个以槽孔任务 (MASA) 算法为基础的移动代理，移动代理从一个节点移动到另一个节点并且使用两次反射邻里信息分配槽孔到各个节点。MASA 接近基于最低界面 (d + 1) 的程度。它根据拓扑结构要求有d +1种或者稍微更多种颜色，这里 d 是图表的最大交点程度。

WSN 的高效节源的MAC协议的设计和发展是在学术界是热门研究题目。MAC协议根据不同的原理可以分为不同的种类，集中与分布，单通道与多通道和基于竞争的协议对基于预约或保留的协议。在基于竞争的协议中，用户在机率协调中满意传送和竞争。 在这些协议之下可能发生错误的传输，典型的例子是 CSMA/CA ， CSMA/CD 和分槽 ALOHA 系统。 除了载波监听机制准备好对送或清楚对送 (RTS/CTS) ，同步交换机制被引进来避免暗藏的或被暴露的终端问题。 基于竞争的协议浪费能源在串音、侦听和分组冲突上，那些都不适用于无线传感器网络。 时分多址接入 (TDMA) ，频分多址接入 (FDMA) 和码分多址联接 (CDMA) 是用于不同的通信系统的基于MAC协议的预留机制。节点在不同的次级渠道分界中根据时刻、频率或者任意正交代码被预定，从而避免干涉和使方案碰撞自由。 因为 CDMA 要求特别的硬件并且会消耗许多能量在编码或解码上，所以它在传感器网络中更不受欢迎。 如果今后传感器微粒用多个频率开发， FDMA 将可以使用在传感器网络中。到现在， TDMA ，改善后的 TDMA ，改良混合式的 TDMA似乎是无线传感器网络的选择。

在多跳传感器网络的 TDMA广播预定的问题可以被视为一个在图论中的 n 着色问题 . 在广播预定中目标是生成最小长度的主要和次要的无冲突静态调度，每个节点都给了一个机会 ( 在 TDMA 的一个时隙 ) 传送它的小包。 在图论上， TDMA广播预定的问题可以由距离图 2图表着色自然地被塑造，McCormick [1]表明距离图 D 着色问题在所有固定的 D≥ 2一般图表中属于计算复杂度完全类 ( NP-Complete) 问题。着色问题在单位圆图中依然是 NP-Complete 问题。在无线分组网络的广播预定问题已经被广泛地在[2]， [3]和 [4]中被学习了。但是，所有这些是离线着色算法都假设知识在拓扑结构中或在图表未来着色端点中。关于图表的形状的任何假定都不可能制作出来。 并且，以分布的方式实施槽孔任务战略应该是可能的。这些限制驱使开发无线特别传感器网络的一种网上 coloring /TDMA槽孔任务算法。

少量网上着色算法被提议，如一般图表 [5]和单位盘图表 [6]。 FPRP [7]，是同时进行通道访问和 TDMA广播槽孔预留的一种分布的和网上 TDMA槽孔任务算法。 我们开发了并且实施了一种使用一个移动代理的网上贪婪算法(与二个战略 ) 。我们将它的表现与总配线架(MDF) 离线算法和 FPRP着色协议比较。 在第 3部分，我们模拟问题并且提到下面的假定。在第 4部分我们谈论到与二个战略的算法。在第 5部分我们给出了模仿结果，并且在最后的第 6. 部分我们对本文进行了总结。

算法 我们在一个移动代理帮下对单位圆图助表的端点着色提出了用二个战略的一种分布式网上算法MASA 。 移动代理在节与节之间移动从而上色整体网络。在所有节中，当对节和它的颜色维护可变物M， MA1 分配最小的可能的整数 到目前为止，最大整数应用于网络上色。每个结询问双跳邻近信息，流动代理用双跳邻近的信息在 [1 ， M]中分配最小的可能整数， [1 ， M] 没有用于结的邻里双跳。如果所有从 1 到M的整数用于已经双跳邻里，它使M增加 1 并且分配新的颜色到这个节。如果线性地，安排三个节M的原始价值是 3，最小值的三个颜色要求避免次要冲突。在我们的算法， MA任意地选择其中一个当前色的节的邻居上色，并且，如果所有邻居已经上色， MA回溯直到它遇到一个没着色的附近节。

移动代理移动代理可以规定为三个属性个体： 识别、数据

空间和方法。• 识别：唯一地识别一个流动代理。在我

们的算法不需要识别，因为在网络中只有一个流动代理。• 数据空间：代理的数据缓冲区，用于运载数据结构• 方法 : 处理任务或执行由代理运载的代码。

计算步骤•1) 首先 :创始着色过程• 2) 节点着色 :选择节点的颜色并且存储先前的节的身份。 进入步骤 3。

•3) 决定下个节点 : 选择下个要上色的邻节点。回到步骤 2。没有没上色的邻节点，进入步骤 4。

•4) 回溯 : Move back to the previous node whose id is stored in current node. Go to step 3. 移动回到身份在当前节被存放的之前的结。 进入步骤 3。

•5) 停止 :如果网络上的节点都已上色。

I. 有颜色信息的移动代理 II. 没有颜色信息的移动代理

在我们的模拟中，我们比较了 FPRP需要的颜色数量、 MDF 算法和MASA 。 在这些实验中，我们在 20X 20网格任意地安置节生成网络，结的数量变化在 100， 200和 300 之间。我们逐渐增加结的范围得到最大的交点程度 d 14， 15和 16。有 10次对节点的最大的节点程度和数子的每个组合的试验造成共计 90次试验。 在结的最大的交点程度和数字的每个组合，我们测量了所有三种算法平均表现。模仿结果在表 3， 4和 5.被提出。 在许多试验中， MASA 达到了程度最低界面d + 1 。 它的平均表现与离线MDF 算法接近也比得上FPRP。

Conclusion 结论 据我们所知，MASA 是第一种使用一个移动代理去试图解决最小的槽孔分配问题。 这种算法更适用于静态或低移动网络。在拓扑结构的动态变动中，从移动代理开始找到预定将是非常昂贵的。 我们的工作导致一个有趣的问题。 通过给更多智能给移动代理或使用多个移动代理达到颜色的最佳数目是否是可能的？在我们的未来工作中，我们将设法提出那个问题。 我们也将合并对获取双跳邻节信息竞争协议的分析，这对节点选择颜色有帮助。

3、 Deriving efficient mobile agent routes in wireless sensor networks with NOID algorithm

无线传感器网络中使用 NOID 算法的高效移动代理路由

摘要： In this article, we consider the problem of calculating an appropriate num

ber of near-optimal (subject to a certain routing objective) routes for mobile agents (MAs) that incrementally fuse the data as they visit the nodes in a distributed sensor network. We propose an improved heuristic algorithm which computes an approximate solution to the problem by suggesting an appropriate number of MAs and constructing near-optimal itineraries for each of them. The performance gain of our algorithm over alternative approaches both in terms of cost and task completion latency is demonstrated by a quantitative evaluation and also in simulated environments through a Java-based tool.

在本文，我们考虑了计算近似最优 near-optimal 的移动代理的路由路径 (subject to a certain routing objective) 的数据问题，当在访问传感节点的时候，增加了额外的融合数据。我们提出了改进的启发式算法 heuristic algorithm ，它通过分析一定数量的移动代理和构建近似最优的移动代理路线 itineraries ，以接近最合适的解决方法。我们的目标是使我们的算法在能量消耗和任务的执行方面具有选择性，并通过基于 JAVA 的工具对各种算法进行评价与仿真。

在很多的应用方面都提有移动代理（MA）的概念，包括电子商务 e-commerce 、网络管理、信息恢复 retrieval等等。WSN的环境使用移动代理是很有前途的 (promising) 。他们已经证明了使用移动代理的传感器网络能够节省网络的带宽和减少网络的拥塞。为了解决数据拥塞这个难以解决的问题。移动代理将访问大量的节点和采集尽量多的数据，然后送到处理节点。经过证明，这种模式的性能表现优于 traditional client/server model 。

移动代理对传感器网络的模型进行重新配置，在多分辨率数据融合中，这些应用涉及到移动代理的多跳访问大量节点的使用问题，节点的访问顺序问题是关键的问题所在，将影响着整个系统的性能。随机地选择路由将导致性能的恶化甚至性能低于 traditional client /server model ，现在，我们就来研究这些问题。

据我们所研究，只有文献 [8]和 [11] 较好地解决了传感器网络中最佳MA 的路由设计问题。在文献 [8]， Qi 提出了启发式算法来计算路由访问的问题，在本地最优算法中 Local Closest First (LCF) algorithm ，每个移动代理从它的 PE结点出发，然后寻找下一个最短路径的目的地。在全局最优的算法 Global Closest First (GCF) algorithm 中，MA 也是从处理节点开始移动，然后选择与处理中心最近的节点作为下一个目的地。

LCF类型的算法 LCF-like algorithms 的输出主要依赖于移动代理的原始位置，剩下的被访问的节点都带有高迁移的损失，这是因为下一个目的地的迁移取决于移动代理的当地位置信息，而不是以全局的情况来决定迁移的路线。另外， GCF 在很多情况下比 LCF 的路由路线要多，因为它是重复向处理中心迁移，路由的变长导致性能的下降。

Wu等提出了基于遗传算法的解决方法。虽然它给出了比 LCF 和 GCF 算法更好的性能，但是这种方法意味着 imply 更多的时间消耗在最佳路由路线的计算上，(genetic algorithms typically start their execution with a random solution ‘vector’ which is improved as the execution progresses) ，对于实时性强的系统来说是不可取的，例如在目标定位和目标监测上。同时在这种方法中，一大部分已经被访问的节点 (i.e. those with maximum detected signal level)由于目标的移动等因素，导致他们的状况频繁改变。因此，寻找一个快速计算的MA移动代理的移动路径是十分必需的。

在文献 [8]和文献 [11]提出来的方法中，移动代理都是从处理 PE节点出发然后访问其它节点，不管它们的物理位置在哪里。在小型的传感器网络系统中，这些算法是满足需求的，但是，当节点数量增加时，系统变得复杂，算法性能也随着恶化。这是因为随着节点数量的增加，移动代理的的路由路径变长，花费的时间也不断增加。移动代理随着也不断增加，导致无线带宽的拥挤，并消耗有限的节点能量。

Our algorithm has been designed on the basis of three objectives: (a) MA itineraries should be derived as fast as possible and adapt qu

ickly to changing networking conditions (b) visited sensors energy consumption should be minimized, (c) The number of MAs involved in the data fusion process should de

pend on the number and the physical location of the sensors to be visited; the order an MA visits its assigned nodes should be computed in such a way as to minimize the overall migration cost.

我们的算法设计有三个目标： A 移动代理的路线能够尽快地适应网络状况的改变。 B 被访问节点的能量消耗的状况应该是最小的。 C 数据融合中移动代理的数量应该依靠节点的数量和物理位置的改变而改变；移动代理迁移的路径应先进行计算，然后再进行迁移。

传感器网络 (WSN) 中移动代理路由Mobile Agent Routing (MAR) 的问题需要给出一条路径，以便优化路由目标，整体的路由目标是增加网络的生存时间和尽量减少能量的损耗和包的丢失。

我们的MAR给出与 Constrained Minimum Spanning Tree (CMST) 一些相似的问题， CMST 是一种对数据进行压缩的子树，这子树的根在树的中心。在 CMST 问题中，目标是能够最优地选择链接的终端或者直接向网络中心传递，从而使损失达到最小。 CMST 算法的输出由多点线组成，在终端会自动共享子树和特别的节点， CMST 算法类似一大群的路线图。文献 [4]提出了一种解决MAR问题的新的启发式算法，我们叫它 NOID 算法 (Near – Optimal Itinerary Design) algorithm 。

NOID 算法考虑了移动代理访问数据融合的节点数量。这个因素是被 LCF 和 GCF 算法忽略的因素， NOID 能够记住移动代理的迁移过的路线，然后返回到 PE结点。因此， NOID 限制了迁移的路线。

仿真结果 SIMULATION RESULTS 我们的仿真工作在整体路线长度、数据融

合的能耗和时间方面上，试图比较 NOID 算法与 LCF 和 GCF 算法优缺点。除了另外的定义，一些用到的参数都如图 1所示。

仿真是用基于 JAVA 的工具执行，来实现仿真的目的，仿真器允许简单地定义仿真的一些 NOID 算法、 LCF 和 GCF 算法参数的输出，当然也记录了它们的整体的路线长度，数据融合的能耗和反应时间。

Figure 1. Java-based simulation of MA-based distributed data fusion algorithms: (a) LCF output; (b) GCF output;

(c) the trees constructed by NOID (four trees, each assigned to an individual MA; (d) NOID output, where the four trees created on the previous step are traversed in post-order.

结论 CONCLUSIONS 本文我们提出了 NOID 算法的改进版本，它是一种有效的启发式算法，它能够得出移动代理的近似的最优路线，虽然 NOID 算法只是考虑了移动代理的空间大小和移动代理迁移的路线，它能使能量损耗减少。 NOID 算法已经被仿真过，并得出它的输出性能。

展望我们未来的工作，我们打算研究 NDIOI算法在目标跟踪应用的适用性，MA路线包括信号的强度和能量的有效性。另外未来工作的方向是 NOID 算法应用到实际的WSN 环境中去，特别地，把传感节点放置到在一定的执行环境中，移动代理的运行由 JAVA 来仿真得出我们所要的结果。