2024年6月4日发(作者：)
基于DRNG与DLSS拓扑结构的网络模型
优化研究
作者：彭文良
来源：《荆楚理工学院学报》2021年第02期
摘要：对基于邻近图的主流拓扑控制算法进行了阐述，通过OMNET++软件仿真建模，设
计出基于DRNG与DLSS拓扑控制算法的网络模型，仿真并收集分析数据结果，结果表明：
改进DLSS算法与DRNG算法都能够实现通信拓扑结构的简化，达到降能的目的;改进DRNG
算法比DLSS算法优化的拓扑结构的鲁棒性更好，更适合实际应用推广。同时提出改进和优化
的策略。
关键词：无线传感器网络;拓扑控制;邻近图;DRNG;DLSS;
中图分类号：TP391 文献标志码：A 文章编号：1008-4657（2021）02-0079-05
0 引言
无线传感器网络是集合信息传递、接收和处理与一体的自组织的网络系统，涉及环境、医
疗、军事、工业、农业以及交通等应用领域[1]。拓扑控制技术是保证无线传感器网络通信机
制与数据融合的重要支撑技术之一，对于网络结构的优化与节能降耗等方面具有直接关系
[2]。陈军[3]提出了一种启发式分簇拓扑控制方法，利用粒子群实现通信节点的分簇，从而提
升通信网络的连通性与生命周期。刘志龙等[4]采用群交叉与变异的方式达到非均匀分簇，控
制传感器节點的剩余能量与负载直接的均衡，在较大的网络吞吐量下仍然能够保持较长的生命
周期。除了通过建立粒子群算法达到网络拓扑结构的控制之外，还可以通过优化节点可靠性权
值的方式达到节能的目的。宋伟奇等[5]通过构建网络节点模型优化传输节点的权值约束，提
升数据传输的流畅度，达到延长网络寿命周期的目的。本文通过OMNET++软件对改进后的
DRNG（Directed Relative Neighborhood Graph）算法与DLLS（Directed Local Spanning
Subgraph）算法的网络模型进行仿真，比较不同节点优化技术的优势，为拓扑控制技术在无线
传感器网络的节能降耗研究提供依据。
1 基于邻近图的拓扑控制
1.1 DRNG算法改进
在DRNG算法中[6]，在得到u的邻居节点集之后，在邻居节点集内寻找距离节点u最远
的节点v，并且根据这两节点间的距离来确定节点的最大发射功率。所以此算法的最终目的就
是找到距离节点最远的邻居节点。在原有的DRNG算法中需要判断所有的n个邻居节点是否
为u的邻居节点，而改进DRNG算法减少了n/2需要确定的邻居节点的个数。那么在寻找邻居
节点的时候如果对于它的可达节点进行排序，算法的复杂度将会从原来的n4比较次数下降为
n2比较次数。算法步骤如图1所示。
DRNG算法改进主要是在确定可达邻居集合N后，将N中的节点按照与u的距离从大到
小进行排序，记为v1、v2、v3、...、vn。每个节点vi（i=1，2，3，...，n）两两之间的集合
{vi+1，vn}，如果不存在一点p满足max{d（u，p），d（v，p）}< d（u，v），则vi即是u
的最远邻居节点。按照vi到u的距离d（ui，v）调节发射功率。
1.2 DLSS的拓扑控制算法
基于DLSS算法的拓扑结构的通信流程与DRNG算法的结构类似[6]。通过每个节点发送
最大功率的广播Hello信息，结合DLSS算法的节点定位确定邻居节点从而实现最高效率的通
信路径筛选。具体的算法如下：
输入参数：Gu：u的可达邻居子图G;
输出参数：Su=（V（Su），E（Su）），根据Gu得到的局部生成子图。
Begin
1 Sort（E （Gu））;将E（Gu）中的边按照权重排序
2 for each edge （u0，v0） in the order
3 if u0 is not connected to v0 in Su
4 E（Su）：=E（Su）∪{（u0，v0）}
5 end if
6 end
End
在完成上述过程后，调整节点发射功率，使之能与最远的邻居节点通信。最后将拓扑图中
的单向边删去，仅保留双向连通的链路，保证网络的双向连通。
1.3 基于邻近图的仿真建模
本文使用OMNET++（Objective Modular Network TestBed in C++）仿真软件进行实验的仿
真。
1.3.1 节点模块构成
在OMNET++中其实节点也可以看成是一个混合模块，只是有几个混合模块和简单模块相
互连接就构成了节点。在本文的实验中建立了最基本的节点模块：BaseNode。参数如下：
parameters：
string applType; //type of the application layer
string netwType; //type of the network layer
string mobType; //type of the mobility module可以设置节点是否移动
@display（"bgb=301，256，white"）;
整个节点内部个模块之间的连接：
ateOut --> ateIn;
ateIn <-- ateOut;
ontrolOut --> { @display（"ls=red;m=m，70，0，70，0"）; } --
>ontrolIn;
ontrolIn <-- { @display（"ls=red;m=m，70，0，70，0"）; } <--
ontrolOut;
ateOut --> ateIn;
ateIn <-- ateOut;
ontrolOut --> { @display（"ls=red;m=m，70，0，70，0"）; } --
>ontrolIn;
ontrolIn <-- { @display（"ls=red;m=m，70，0，70，0"）; } <--
ontrolOut;
radioIn --> n;
1.3.2 功率与通信距离
在接收灵敏度一定情况下，采用无线发射功率P和接收半径R之间关系是：
P∝Rn（2 < n < 5）（1）
也就是P可能会远远大于R2。n的取值与很多因素有关，主要是环境因素，在本文的实验
环境中，通过设置一系列参数之后，使得n取值为3，与一般实际情况相符合。一般而言，传
感器节点的无线通信半径在100 m以内比较合适。因此，本文选择0～99 m作为节点通信实验
的测试距离。
1.3.3 功率调节
将路径损失系数alpha设置为3.0，将最小信号衰减阀值sat设置为-84 dBm，载波频率
carrierFrequency设置为2.412e+9 Hz。在OMNET++中有对于发射功率和节点间距的一个计算
函数，但是在仿真过程中发现，在距离超过50 m的时候就存在较大的偏差，因此，本文分别
通过调节节点发射间距和节点发射功率，得出两者之间的函数关系。然后再另选一些点，并且
根据两者之间的距离，将他们的功率调节为由公式计算得出的值，验证是否能够相互通信。
2 基于邻近图的仿真结果分析
2.1 调整功率与通信距离的关系
2.1.1 实验场景
对于本次实验场景已有一定的描述，如图2所示。
node[0]向周围发送BROADCAST_MESSAGE信号，如果node[1]在收到发送的信号之后
认为该信号是有效信号，即信号强度大于sensitivity则认为是有效信号，发送
BROADCAST_REPLY_MESSAGE。否则，node[1]节点将会将该广播信号认为是干扰信号直接
丢弃。
2.1.2 节点距离与发射功率的关系
根据功率调整与距离调节的方式，探讨节点距离与发射功率之间的关系，分别测量了间距
为10～99 m之间的发射功率，结果如表1所示。随着间距的不断增大调整功率随之增大，并
在间距为99 m时，功率达到100 mW。
2.2 邻近图算法控制与网络生命周期分析
2.2.1 改进DRNG和DLSS算法功率比较
在200 m * 200 m的范围内设置10个随机分布的节点，节点的最大发射功率为100 mW，
节点的最大发射距离为99 m。根据改进DRNG和DLSS算法，分别计算得到节点对应的发射
功率。节点分布如图3所示。
由图3可知，除0号节点外，在改进DRNG和DLSS算法的相同坐标下的发射功率均一
致。而在0号节点中，DLSS算法的发射功率较大，达到10.1 mW。
2.2.2 仿真实验与结果
图4显示了网络运行中的节点建立拓扑的过程，在建立初期，已经确立了每个节点的发射
功率。图4（a）中的node[8]首先发送广播消息，图4（b）的node[9]节点和node[5]同时接收
到广播消息，形成消息队列，node[9]节点首先转发reply消息，然后node[5]节点转发消息，如
图4（c）所示。
（a） node[8]发送广播信号（b） node[7]发送reply信号（c） node[5]发送reply信号图4
节点信号发送过程图
如果网络节点的初始发射功率为最大值，经过如图4的网络节点不断转发探测过程，建
立了网状的网络拓扑关系图如图5（a）所示。用改进DRNG拓扑控制算法即按照表1发射功
率，确立的拓扑结构如图5（b）所示。图5（c）是按照DLSS算法得到个拓扑结构。
从图5中可以看出，在网络的拓扑结构中无论是采用改进DRNG算法还是DLSS算法优
化，拓扑图都比原始图更简化，从而实现通信网络的节能与生存时间的延长。对比图5（b）
和图5（c）可以看出在网络通信链路上DLSS算法优化的路径比较单一化，仅仅存在一条通信
回路，所以DLSS算法优化的拓扑网络比改进DRNG算法更节能。然而，改进DRNG算法优
化的拓扑结构中存在两条可选择的通信链回路，在网络结构稳定性上比DLSS算法更好，既保
证了网络结构的通信降能耗，也保障网络结构通信的稳定性。因此，在实际应用中改进DRNG
算法相较于DLSS算法更具推广性与实用性。
3 结论
拓扑控制技术是无线传感网络实现节能降耗，延长通信生命周期的关键。本文在原有
DRNG算法的基础上，利用寻找最远通信节点的方式重新对算法进行优化，并与经典DLSS算
法和原始拓扑结构进行比较分析与仿真，得到以下结论：改进DLSS算法与DRNG算法都能
够实现通信拓扑结构的简化，达到降能的目的;改进DRNG算法比DLSS算法优化的拓扑结构
的鲁棒性更好，更适合实际应用推广。
参考文献：
[1] 李安莹，房鑫平，孙福阳.无线传感器网络拓扑控制研究综述[J].中國新技术新产品，
2015（23）：17.
[2] 司永洁，张健.低损耗无线传感器网络拓扑控制算法仿真[J].计算机仿真，2019，36
（10）：273-276.
[3] 陈军.无线传感器网络启发式分簇拓扑控制方法[J].科学技术与工程，2018，18（19）：
94-99.
[4] 刘志龙，张淋江，周红雷，等.非均匀分簇无线传感器网络拓扑控制仿真[J].计算机仿
真，2019，36（4）：260-264.
[5] 宋伟奇，王代远.基于节点优化的无线传感网络拓扑控制方法研究[J].广西民族大学学报
（自然科学版），2019，25（3）：80-83.
[6] 陈功平，王红.基于邻近图拓扑构造算法的仿真设计[J].绥化学院学报，2020，40
（2）：158-160.
[责任编辑：许立群]
发布评论