基于信息熵的WSN节点拥塞避免机制

近年来，WSN中的拥塞问题日益引起了学术界的广泛关注。研究人员逐步提出了多种针对WSN自身特点的控制策略(如CODA，ESRT，Fusion等)。这些控制算法采用了不同的机制有效地减轻拥塞，是一种被动的方式，可能导致节点数据的重发，且一般不能完全消除节点拥塞现象。 现有无线传感器网络的节点拥塞控制机制都是在节点发生拥塞时才采取一定的拥塞控制措施。但是，无线传感器网络节点大规模密集部署，在突发数据流引发拥塞后，再采用拥塞控制措施也不一定可以完全避免节点拥塞，很有可能导致灾难性的后果发生。因此，在本文中，提出了基于节点相对信息熵的拥塞避免机制，该拥塞避免机制是基于事件的有效信息量，真正体现无线传感器网络以事件为中心的特点。1 基于信息熵的节点拥塞避免策略 节点拥塞避免的重要问题是按一定的策略，为网络资源均衡合理地分配数据窗的大小。在无线传感器网络中，由于节点大规模部署，若两个节点位于各自的通信半径内，它们可以直接通信。节点响应监测区域内的事件或周期性地产生数据并发送至基站。如图1所示，对于相同的感知区域，把感知到的数据转发到下游节点，其下游节点不断把数据再转发到自身的下游节点，这样不断地进行数据转发，最后可能导致下游的某个节点产生拥塞。显然，对于大规模部署和处理紧急事件的无线传感器网络来讲，拥塞不仅严重浪费了节点能量还降低了转发效率，而且还可能导致不可预料的事件发生。

1．1 WSN节点网络模型 WSN由分布在各个地方的传感器节点通过自组织方式所形成的网络模型。在该模型中，传感器节点采集数据，通过无线传感器网络传递到基站，然后再传递给检测中心。在这里假设每一个传感器节点都有直接或间接与基站通信的能力，则节点会响应监测区域内的事件或周期性地产生数据并发送到基站。 假设N个传感器节点按相对均匀的随机高密度部署在一个监测区域内，具有以下性质： (1)N个传感器节点被随机部署在监测区域，基站不受能源限制，且位于一个区域的边界上，其他传感器节点为电池驱动； (2)所有节点都为静止节点，且各节点的软硬件同构，通信频率相同； (3)每个节点采用全向天线，节点之间为双向链路即A节点能和B节点通信，B节点也能和A节点通信，节点的通信范围有限且通信半径保持为R； (4)WSN的信道质量可靠且传输的误码率基本可以忽略，其路由机制保持相对静止，不会出现很大范围的路由变化。

1．2 WSN中信息熵的数学定义 在此基于WSN的网络模型和信息论，给出WSN节点的信息熵的数学定义。 定义1：节点信息熵：根据香农的定义，自信息的数学期望为信息熵，因此节点信息熵表示节点N每发送一个数据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种可能性；P(ai)为字符ai出现的概率，节点信息熵H(X)表征了传感器节点整体的统计特征，是总体平均不确定性的量度(单位：比特／数据包)。式(1)中的单位取决于对数函数的底数。本文中，取对数函数底数为2，即表示每个数据包含有1比特的信息量。 在无线传感器网络中，节点感知到的数据既存在一定的差异又有一定的冗余，为了表征节点之间的这种关系，下面引入了节点相对信息熵。 定义2：节点相对信息熵：假设P和Q是两个概率分布函数，则定义P相对于Q的信息距离即节点相对信息熵为： 式中：Pi和Qi为一个字符在节点中所出现的概率。 节点相对信息熵可用于计算任意两节点之间节点信息熵的差异性的大小。它的物理意义是两组概率分布之间的差异性程度，因而对于两组不同的概率分布P和Q，计算其节点相对信息熵D(P‖Q)，如果这个值越小，表明两组概率分布越接近，这两个节点之间的数据相似程度越大，则节点P就可以减少向节点Q发送数据包以保证网络的畅通。对于极限情况，当D(P‖Q)=0时，表示两组概率分布完全相等，则这两个节点之间的数据几乎一样，此时，节点P可以暂停向节点Q发送数据包。