文獻標識碼: A
文章編號： 0258-7998(2013)02-0100-03
吞吐量是無線傳感器網絡的一項重要性能指標，它直接反映了無線傳感器網絡工作運行的效率[1]。然而目前多數的研究局限于所有傳感器節點都是靜止的情況，不能滿足某些需要移動節點的應用，比如監測野生動物的生活時，節點總是處于不斷的運動中。因此有必要對移動性傳感器網絡（Mobile WSN）的吞吐量進行研究。
LAVERY R J[2]首次建立了Ad hoc網絡點對點鏈路模型，明確了點對點鏈路模型吞吐量的數學定義式。隨后YOO T等人[3]提出了一種數學框架，采用符號速率、數據包長度、調制星座體積三個參數作為優化變量，實現了MQAM調制方式下點對點鏈路吞吐量的優化。參考文獻[4]基于參考文獻[2]提出的模型和假設，對鏈路的吞吐量也作了類似的研究和優化分析。但是參考文獻[2-4]在對吞吐量優化分析模型中，接收節點和發射節點是靜止的，沒有考慮移動情景下吞吐量與節點之間通信距離的關系。
針對上述問題，本文將針對MWSN中如何最大化點對點鏈路吞吐量這一問題展開研究。為了最大化吞吐量,本文不僅考慮了物理層的符號速率和調制星座體積,而且考慮了MAC層的數據包長度，通過物理層和MAC層參數的聯合優化，保證了在不同通信距離下鏈路的吞吐量能夠達到最優。
1 系統模型和假設
為了簡化分析，本文只考慮WSN中兩個通信節點之間的點對點鏈路。假定節點發送的單個數據包總長為K＋Ｃ＝L(bit)，其中K為有用信息數據長度，Ｃ為循環冗余校驗碼CRC。同時假設CRC校驗能查出所有錯誤，且忽略應答信號(ACK/NACK)對吞吐量的影響。因此對于一個基于上述模型和假設條件的點對點傳輸鏈路，其吞吐量通式為：
的增大而增大。另外，當L>>C時,T≈bRs,即T的上限值為bRs。以上兩點結論均可從圖1中得到很好的驗證。
求解式(13)可得到不同通信距離下相應的最優數據包長L(d)*，進而得到吞吐量的最優曲線如圖1所示。從最優曲線可以看到,當d>110 m時,T≈0,此時即使采用最優數據包長也提高不了吞吐量。因此,遠距離通信時,僅靠MAC優化并不能使吞吐量最大化。
3.2 物理層參數優化仿真
圖2給出了不同符號速率下吞吐量與d的關系曲線。可以看出,當d發生變化時, 必須進行速率調整才可能得到最優吞吐量。為此,根據式(8)可求解得到當L=100、b=2時,rs*=9.07 dB。當d發生變化時，應根據式(10)來調節數據速率Rs,確保rs=rs*,以保證得到最優吞吐量。據此得到的最優吞吐量曲線亦顯示在圖2中。
3.3 跨層優化仿真及自適應調節策略
為了使鏈路在不同的通信范圍內都能有較高的吞吐量，必須進行跨層優化。 跨層優化后的最優吞吐量曲線如圖4所示,同時給出了兩種次優吞吐量曲線，以便進行對比分析。從圖中可以看到,兩條次優吞吐量曲線分別在短距離通信(d<110 m)和遠距離通信(d>110 m)范圍內與最優吞吐量曲線取得一致。可以根據終端節點離發射節點的不同位置，近似認為終端節點處于近距離區或遠距離區。在此劃分下,為了保證鏈路的最優吞吐量，可采取如下自適應調節策略：
(1)近距離區(d<110 m)：在此區域內信道條件相對較好，可以采用高階調制方式并聯合最優數據包長，可使吞吐量達到最優。最優參數對(b*、L*)可以通過聯立求解式(11)、式(13)得到。
(2)遠距離區(d>110 m)：在此區域內信道條件急劇惡化,此時應以盡量降低Pe為主。由式(9)知，為了盡可能降低Pe,應該采用BPSK,即b=1；同時調節符號速率Rs以使rs=rs*。由式(13)可求解得到在此區域內應采用的最優數據包長L(d)*=L(b=1,rs*)。
通過上述自適應策略配置相應的參數組(b、L、Rs),可以保證接收機節點在移動過程中其鏈路吞吐量達到最優值。
本文采用跨層優化分析的方法，針對移動性無線傳感器網絡點對點鏈路的吞吐量問題作了優化分析。通過選擇優化后的物理層參數符號速率Rs并調制星座體積b和MAC層參數數據包長度L,可以優化鏈路吞吐量。最后提出了一種自適應跨層調節的優化策略，根據該策略自適應調節物理層和MAC層參數,保證了在不同通信距離下鏈路的吞吐量始終保持最大化。
參考文獻
[1] 孫利民,李建中,陳渝,等.無線傳感器網絡[M].北京：清華大學出版社，2005.
[2] LAVERY R J. Throughput optimization for wireless data transmission. M.S. thesis,Polytechnic University,June 2001.
[3] YOO T, LAVERY R, GOLDSMITH A,et al. Throughput optimization using adaptive techniques.[2012-01-02].http://systems.stanford.edu/Publications/Taesang/Commletters_2005_draft.pdf.
[4] Liu Jian, Sun Jian, Lv Shoutao. A novel throughput optimization approach in wireless systems[C]. IEEE ICCT2010, Nanjing, China, 2010:1374-1378.
[5] 柯欣,孫利民.多跳無線傳感器網絡吞吐量分析[J].通信學報，2009,28(9):78-84.
[6] CUI S, GOLDSMITH A, BAHAI A. Energy-constrained modulation optimization[J].IEEE Trans.on Wireless Communications,2005，4(5):2349-2360.