基于节点信息熵的拥塞避免策略 - 基于信息熵的WSN节点拥塞避免机制

1．4 算法的分析与实现
    在这里以双重身份节点m(节点m既可以看作下游节点，也可以看作上游节点)作为主要考虑节点，首先当节点m作为上游节点时，向其自己的上游节点发送消息，然后根据上游节点集反馈回来的消息来计算节点相对信息熵的大小，根据计算出来的节点相对信息熵的大小来决定其分配的发送数据窗的大小。其中消息主要包含发送节点的id、各数据包的信息量大小以及统计特性等信息。具体的拥塞避免算法实现过程如下：
    (1)如果节点m发送数据窗SDWm>0且当前信道可用，则节点m根据其收到的下游节点发送的广播消息来决定发送自己的数据窗大小；
    (2)否则节点m发送数据窗SDWm=0，然后向其上游节点集发送消息；
    (3)如果仅作为上游节点u的发送数据窗SDWm>0，则上游节点u退出上游节点集，此时上游节点u不响应下游节点d发送的，也不发送消息；
    (4)如果仅作为上游节点u发送数据窗SDWm=0，上游节点集则向下游节点发送消息(req>；
    (5)下游节点m收到消息开始计算节点相对信息熵的大小；
    (6)根据计算得到节点相对信息熵的大小向上游节点集广播消息，通知上游节点u各自发送数据窗的大小，然后上游节点u根据收到的发送数据窗的大小来决定向下游节点发送一定数量的数据包，其中广播消息主要包括发送节点id及相应发送数据窗的大小，且各发送数据包的大小之和小于本地可用缓冲区间。
    在上述过程中，若上游节点u当前的发生数据窗大于0，则不响应下游节点d发送的，也不发送消息，此时下游节点d不为上游节点u重新分配发送数据窗；若上游节点u完成了当前的发生数据窗，则等待下游节点d发送下一个消息。因此每个上游节点只有在收到消息和之后的之间发送数据包，可得知下游节点d处不会产生数据拥塞，整个网络的节点拥塞因此而避免发生。

2 实验仿真
    为了验证本文所提出的避免节点拥塞机制的性能，选取经典的CODA算法作比较。现假设本文的仿真实验环境设置如下：
    (1)选取200个节点随机部署在600×600的正方形区域内，基站选择在该区域边界上；
    (2)节点的位置是固定的，且节点之间的通信半径R=50，网络带宽设置为1 Mb／s；
    (3)信道质量相对可靠，可忽略信道对误码率的影响，源节点产生的数据包大小相同，且报文的产生率为每单位时间10个数据包，节点可用最大缓冲区间为15个数据包。

图3描述了仿真过程中的网络传输延迟。从图中可以看出，CODA下的网络传输延迟(每个到达基站的数据包在网络中停留的时间)得到了一定的控制，而本文由于采用了基于发送数据窗的拥塞避免机制，降低了数据包在缓冲区内的平均等待时间，减少了在网络中的传输延迟。

    图4表示了对网络平均丢包率的比较。由于仿真环境假设信道质量相对可靠，不会对网络平均丢包率造成影响，因此，这里的数据包的丢失主要是由网络的拥塞引起的。从图中可以看出，CODA的网络平均丢包率比本文的平均丢包率高。由于CODA采取了调节局部拥塞的节点，则在第120 s左右网络平均丢包率趋于稳定，网络平均丢包率几乎为0，但并不能保证在有突发数据流出现时随着时间的推移还会出现网络平均丢包率增大的现象。而本文的算法完全是采用的节点避免策略，因此在整个网络生命周期内，网络的平均丢包率几乎为0。

    图5主要从无线传感器网络的能耗上进行比较。由于CODA下的数据包传输跳数较少，进而转发数据包的次数也会减少，所以CODA的能耗相对较低一些。本文的算法虽然增加了传输跳数和节点之间的通信次数，但却减少了由于冲突和拥塞带来的能量浪费，进而有效地提高了能源的利用率。从图5中可以看出，本文的算法比CODA的能量消耗相对多些，但这对于处理突发的紧急事件却起着重要的作用，这样即使多消耗了
一点能量，却可以避免灾难性后果的发生。

3 结语
    本文在现有节点拥塞控制的基础上提出了基于信息熵的节点拥塞避免机制。仿真测试表明，该算法更适合于突发情况下的无线传感器网络的特点。算法使用的基于信息熵的拥塞避免策略，可以有效地避免节点产生拥塞，从而减少了网络的平均丢包率，降低了网络中的传输延迟，这对于处理突发紧急的事件是非常重要的，由于节点不需要时刻监测信道状态，因此只有在有突发事件发生时，才会消耗大量能量。总的来说，本文的算法是比较合理的。