用于作物表型信息邊緣計(jì)算采集的認(rèn)知無(wú)線傳感器網(wǎng)絡(luò)分簇路由算法

　　摘要: 隨著無(wú)線終端數(shù)量的快速增長(zhǎng)和多媒體圖像等高帶寬傳輸業(yè)務(wù)需求的增加，農(nóng)業(yè)物聯(lián)網(wǎng)相關(guān)領(lǐng)域可預(yù)見(jiàn)地會(huì)出現(xiàn)無(wú)線頻譜資源緊缺問(wèn)題。針對(duì)基于傳統(tǒng)物聯(lián)網(wǎng)的作物表型信息采集系統(tǒng)中存在由于節(jié)點(diǎn)密集部署導(dǎo)致數(shù)據(jù)傳輸過(guò)程容易出現(xiàn)頻譜競(jìng)爭(zhēng)、數(shù)據(jù)擁堵的現(xiàn)象以及固定電池的網(wǎng)絡(luò)由于能耗不均衡引起監(jiān)測(cè)周期縮減等諸多問(wèn)題，本研究建立了一個(gè)認(rèn)知無(wú)線傳感器網(wǎng)絡(luò)(CRSN)作物表型信息采集模型，并針對(duì)模型提出一種引入邊緣計(jì)算機(jī)制的動(dòng)態(tài)頻譜和能耗均衡(DSEB)的事件驅(qū)動(dòng)分簇路由算法。算法包括：(1)動(dòng)態(tài)頻譜感知分簇，采用層次聚類算法結(jié)合頻譜感知獲取的可用信道、節(jié)點(diǎn)間的距離、剩余能量和鄰居節(jié)點(diǎn)度為相似度對(duì)被監(jiān)控區(qū)域內(nèi)的節(jié)點(diǎn)進(jìn)行聚類分簇并選取簇頭，構(gòu)建分簇拓?fù)涞倪^(guò)程對(duì)各分簇大小的均衡性引入獎(jiǎng)勵(lì)和懲罰因子，提升網(wǎng)絡(luò)各分簇平均頻譜利用率;(2)融入邊緣計(jì)算的事件觸發(fā)數(shù)據(jù)路由，根據(jù)構(gòu)建的分簇拓?fù)浣Y(jié)構(gòu)，將待檢測(cè)各區(qū)域變化異常表型信息觸發(fā)事件以簇內(nèi)匯聚和簇間中繼交替迭代方式轉(zhuǎn)發(fā)至匯聚節(jié)點(diǎn)，簇內(nèi)匯聚包括直傳和簇內(nèi)中繼，簇間中繼包括主網(wǎng)關(guān)節(jié)點(diǎn)和次網(wǎng)關(guān)節(jié)點(diǎn)-主網(wǎng)關(guān)節(jié)點(diǎn)兩種情況;(3)基于頻譜變化和通信服務(wù)質(zhì)量(QoS)的自適應(yīng)重新分簇：基于主用戶行為變化引起的可用信道改變，或分簇效果不佳對(duì)通信服務(wù)質(zhì)量產(chǎn)生的干擾，觸發(fā)CRSN進(jìn)行自適應(yīng)重新分簇。此外，本研究還提出了一種新的能耗均衡策略去能量消耗中心化(假設(shè)sink為中心)，即在網(wǎng)關(guān)或簇頭節(jié)點(diǎn)選取計(jì)算式中引入與節(jié)點(diǎn)到sink的距離成正比的權(quán)重系數(shù)。算法仿真結(jié)果表明，與采用K-medoid分簇和能量感知的事件驅(qū)動(dòng)分簇(ERP)路由方案相比，在CRSN節(jié)點(diǎn)數(shù)為定值的前提下，基于DSEB的分簇路由算法在網(wǎng)絡(luò)生存期與能效等方面均具有一定的改進(jìn);在主用戶節(jié)點(diǎn)數(shù)為定值時(shí)，所提算法比其它兩種算法具有更高頻譜利用率。

　　本文源自智慧農(nóng)業(yè)(中英文)【2020年第2期】《智慧農(nóng)業(yè)(中英文)》(季刊)是國(guó)家新聞出版署批準(zhǔn)、國(guó)內(nèi)外公開(kāi)發(fā)行的農(nóng)業(yè)工程類學(xué)術(shù)期刊，由中華人民共和國(guó)農(nóng)業(yè)農(nóng)村部主管，中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所主辦，《智慧農(nóng)業(yè)(中英文)》編輯委員會(huì)學(xué)術(shù)指導(dǎo)，《智慧農(nóng)業(yè)(中英文)》編輯部編輯出版。

　　關(guān)鍵詞: 認(rèn)知無(wú)線傳感器網(wǎng)絡(luò)(CRSN);作物表型信息采集;能耗均衡;分簇路由

　　1 引 言

　　無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)在以農(nóng)情信息精確獲取為前提的精準(zhǔn)農(nóng)業(yè)中具有重要應(yīng)用。將WSNs應(yīng)用于需要高通量數(shù)據(jù)傳輸?shù)淖魑锉硇托畔⒉杉到y(tǒng)中，可以解決人力監(jiān)測(cè)成本高、周期長(zhǎng)、規(guī)模和數(shù)據(jù)量大以及遠(yuǎn)程監(jiān)測(cè)難等問(wèn)題。2017年，法國(guó)國(guó)家農(nóng)業(yè)研究院的Francois Tardieu和諾丁漢大學(xué)的Malcolm Bennett共同提出了多層次表型組的研究構(gòu)想，以此將感知數(shù)據(jù)轉(zhuǎn)化為有意義的生物學(xué)知識(shí)[1]。然而，這種作物表型系統(tǒng)需要密集部署的傳感器節(jié)點(diǎn)才能完成巨量圖像和傳感器數(shù)據(jù)的采集[2,3]，并且由于節(jié)點(diǎn)部署的過(guò)于密集，農(nóng)業(yè)物聯(lián)網(wǎng)的相關(guān)領(lǐng)域在傳輸過(guò)程中已逐漸出現(xiàn)無(wú)線頻譜資源緊缺的趨勢(shì)[4,5]。一方面，在為了監(jiān)測(cè)農(nóng)作物的生長(zhǎng)與發(fā)育形態(tài)的節(jié)點(diǎn)相對(duì)密集部署的農(nóng)作物環(huán)境中，以工業(yè)、科學(xué)和醫(yī)療頻段為典型代表的非授權(quán)頻譜使用將出現(xiàn)擁堵現(xiàn)象;另一方面，一些傳輸特性較好的低頻授權(quán)頻段的利用率卻很低[6-8]。為此，Mitola于1999年提出了認(rèn)知無(wú)線電(Cognitive Radio，CR)的概念來(lái)解決頻譜利用不均衡的問(wèn)題[9]。融入認(rèn)知無(wú)線電技術(shù)的傳感器網(wǎng)絡(luò)被稱為認(rèn)知無(wú)線傳感器網(wǎng)絡(luò)(Cognitive Radio Sensor Networks，CRSN)[10]。

　　CRSN是一種具有感知無(wú)線電功能的傳感器網(wǎng)絡(luò)，同時(shí)也是一種可以理解自身所處環(huán)境并結(jié)合從環(huán)境獲取的信息來(lái)調(diào)整通信的智能網(wǎng)絡(luò)。眾所周知，無(wú)線自組織網(wǎng)絡(luò)Zigbee節(jié)點(diǎn)、Wi-Fi以及藍(lán)牙等非授權(quán)用戶以非授權(quán)頻段內(nèi)進(jìn)行通信;CRSN節(jié)點(diǎn)(未授權(quán)或二級(jí)用戶)憑借其認(rèn)知無(wú)線電的特點(diǎn)，撼動(dòng)了一直以來(lái)的靜態(tài)頻譜分配策略，提出未授權(quán)用戶除了以非授權(quán)頻段為通信介質(zhì)，也可通過(guò)頻譜感知來(lái)獲取授權(quán)或主用戶未使用的空閑授權(quán)頻譜，在不干擾主用戶通信的前提下，CRSN節(jié)點(diǎn)可以伺機(jī)使用這些空閑信道進(jìn)行傳輸。

　　由于能量受限和較高實(shí)時(shí)性要求，CRSN節(jié)點(diǎn)除去頻譜感知需要消耗部分能量之外，主要的能耗來(lái)源與WSNs一樣，是由節(jié)點(diǎn)進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)通信產(chǎn)生。數(shù)據(jù)轉(zhuǎn)發(fā)的路徑是由網(wǎng)絡(luò)層的路由決定，因此，路由選擇對(duì)監(jiān)測(cè)網(wǎng)提供可靠通信服務(wù)至關(guān)重要。本研究對(duì)象是應(yīng)用于作物表型信息采集的大規(guī)模CRSN分簇多跳路由，它與WSNs路由的區(qū)別體現(xiàn)在認(rèn)知無(wú)線電動(dòng)態(tài)頻譜接入特性可以根據(jù)環(huán)境變化動(dòng)態(tài)的進(jìn)行頻譜選擇決策，頻譜的改變需要路由協(xié)議等進(jìn)行相應(yīng)的調(diào)整。而作物表型平臺(tái)是一種除了監(jiān)測(cè)農(nóng)作物的生長(zhǎng)與發(fā)育形態(tài)，還旨在提供高分辨率和高頻率等高通量表型檢測(cè)的物聯(lián)網(wǎng)植物表型平臺(tái)[3]，持續(xù)時(shí)間長(zhǎng)、數(shù)據(jù)傳輸量大以及采集終端的密集部署對(duì)無(wú)線傳輸?shù)念l譜帶寬需求提出了嚴(yán)峻的挑戰(zhàn)，所以基于認(rèn)知無(wú)線電的作物表型信息采集系統(tǒng)需要新的支持分布式頻譜共享的介質(zhì)訪問(wèn)控制(Medium Access Control，MAC)協(xié)議和路由協(xié)議，以此不斷地將數(shù)據(jù)多跳轉(zhuǎn)發(fā)至匯聚節(jié)點(diǎn)sink[11]。多跳傳輸?shù)膬?yōu)勢(shì)在于較多跳數(shù)且較短跳距的路由會(huì)比具有較少跳數(shù)但跳距較長(zhǎng)的路由更節(jié)能，因此分簇的思想鼓勵(lì)傳感器節(jié)點(diǎn)以多跳方式通信，從而延長(zhǎng)了CRSN網(wǎng)絡(luò)的生存期。如果節(jié)點(diǎn)密度足夠高，還可以有效克服陰影和路徑損耗的影響[12]。在自組織分簇網(wǎng)絡(luò)架構(gòu)中，CRSN多跳傳輸?shù)姆执芈酚蓡?wèn)題涉及分簇拓?fù)淇刂疲婕靶诺馈⑾乱惶?jié)點(diǎn)、簇頭、網(wǎng)關(guān)節(jié)點(diǎn)、調(diào)度方式等選擇，而這些選擇會(huì)極大地影響認(rèn)知農(nóng)業(yè)物聯(lián)網(wǎng)的多項(xiàng)性能指標(biāo)，包括監(jiān)測(cè)周期、能耗、實(shí)時(shí)性、聯(lián)通性以及頻譜利用率等[13]。此外，分簇的拓?fù)浣Y(jié)構(gòu)可以解決平面結(jié)構(gòu)的數(shù)據(jù)擁堵、能耗大等問(wèn)題，在實(shí)際生產(chǎn)環(huán)境中較為適用。因此，CRSN分簇多跳路由算法逐漸得到研究關(guān)注[14]。

　　2 前人相關(guān)工作

　　2.1　CRSN分簇路由

　　自2009年，Ozgur等[10]首次在研究論文中提出CRSN，其對(duì)分簇路由協(xié)議的研究就從未停止過(guò)。王繼紅和石文孝[14]在2018年對(duì)近年的CRSN分簇路由協(xié)議按時(shí)間觸發(fā)和事件驅(qū)動(dòng)兩個(gè)方面進(jìn)行了分類綜述總結(jié)。WSNs相關(guān)的分簇路由協(xié)議前人已經(jīng)做了大量工作，然而，針對(duì)農(nóng)業(yè)物聯(lián)網(wǎng)的CRSN分簇路由算法的考慮因素、考慮頻譜可用性變化、保護(hù)主用戶、跨層設(shè)計(jì)、數(shù)據(jù)通信等方面還有待開(kāi)發(fā)。本節(jié)將從網(wǎng)絡(luò)的重新分簇機(jī)制、能耗均衡研究以及簇內(nèi)與簇間通信的設(shè)計(jì)模式3方面對(duì)近年CRSN的分簇路由的研究進(jìn)展進(jìn)行介紹。

　　重新分簇機(jī)制只在少數(shù)幾篇文獻(xiàn)中提到，對(duì)其如何檢測(cè)主用戶活動(dòng)以及觸發(fā)機(jī)制細(xì)則沒(méi)有進(jìn)行詳細(xì)說(shuō)明;2011年，在Zhang等[15]提出的分布式頻譜感知分簇(Distributed Spectrum-Aware Clustering，DSAC)文獻(xiàn)中，首次提到主用戶活動(dòng)和節(jié)點(diǎn)位置變化引發(fā)重新分簇;2013年，OZGER的事件驅(qū)動(dòng)頻譜感知分簇路由 (Event-driven Spectrum-Aware Clustering，ESAC)只對(duì)頻譜變化的局部區(qū)域進(jìn)行重新分簇，從重新分簇覆蓋面積方面進(jìn)行了優(yōu)化[16];2014—2015年，相繼問(wèn)世的認(rèn)知低功耗的自適應(yīng)分簇層次結(jié)構(gòu)(Cognitive Low Energy Adaptive Clustering Hierarchy，CogLEACH)[17]、基于CogLEACH的集中式概率分簇算法(Centralized Probabilistic Clustering Algorithm Based on CogLEACH Algorithm，CogLEACH-C)[18]和低能耗自適應(yīng)非均勻分簇算法(Low-energy Adaptive Uneven Clustering Hierarchy，LEAUCH)[19] 等因?yàn)槭堑湍芎淖赃m應(yīng)分簇協(xié)議(Low Energy Adaptive Clustering Hierarchy，LEACH)[20]的認(rèn)知無(wú)線電擴(kuò)展版本，所以也繼承了LEACH高頻重新分簇而消耗大量能量的缺點(diǎn);2016年，能量感知的事件驅(qū)動(dòng)分簇路由協(xié)議(Energy Aware Event-driven Routing Protocol，ERP)[21] 和分布式事件驅(qū)動(dòng)聚類路由[22]針對(duì)重新分簇的頻率進(jìn)行了優(yōu)化，它們選擇公共數(shù)據(jù)信道時(shí)考慮了每個(gè)信道主用戶出現(xiàn)的概率和平均空閑時(shí)間，從而降低了更改公共數(shù)據(jù)信道和重新分簇的頻率。本研究為了保護(hù)主用戶和提高監(jiān)測(cè)任務(wù)的通信服務(wù)質(zhì)量提出一種基于頻譜變化和通信服務(wù)質(zhì)量(Quality of Service，QoS)的自適應(yīng)重新分簇機(jī)制。

　　CRSN的分簇路由采用的能耗均衡策略主要有3種：(1)同構(gòu)網(wǎng)絡(luò)通常采用非均勻分簇在拓?fù)淇刂茖用嬖龃缶W(wǎng)絡(luò)的能耗均衡性，即通過(guò)調(diào)整競(jìng)爭(zhēng)半徑令離sink越近的簇覆蓋的簇成員節(jié)點(diǎn)(Cluster Member，CM)數(shù)目越少，使得靠近sink區(qū)域更多節(jié)點(diǎn)擔(dān)任一個(gè)簇頭節(jié)點(diǎn)(Cluster Head，CH)分解轉(zhuǎn)發(fā)的壓力[19,23]。(2)將能耗均衡性與分簇機(jī)制、觸發(fā)原因、簇?cái)?shù)、空閑信道、節(jié)點(diǎn)度、節(jié)點(diǎn)剩余能量和距離等因素之間的關(guān)系進(jìn)行建模優(yōu)化[24,25]。(3)采用異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)，調(diào)整異構(gòu)節(jié)點(diǎn)的比例或令靠近sink區(qū)域需要頻繁數(shù)據(jù)轉(zhuǎn)發(fā)的節(jié)點(diǎn)由固定的高能量節(jié)點(diǎn)擔(dān)任簇頭[26,27]。本研究針對(duì)同構(gòu)多跳傳輸網(wǎng)絡(luò)中能耗均衡性與低能節(jié)點(diǎn)空間分布的關(guān)系——靠近sink區(qū)域易出現(xiàn)頻譜空洞引起能耗不均衡，提出一種去能耗中心化的能耗均衡策略。

　　在簇內(nèi)與簇間通信的方案設(shè)計(jì)上，CRSN分簇路由的簇內(nèi)匯聚主要采用時(shí)分多址(Time pision Multiple Access，TDMA)調(diào)度機(jī)制，由簇頭節(jié)點(diǎn)在簇信道上對(duì)簇成員節(jié)點(diǎn)進(jìn)行調(diào)度，對(duì)于大面積規(guī)模的網(wǎng)絡(luò)簇內(nèi)節(jié)點(diǎn)單跳無(wú)法傳輸簇頭節(jié)點(diǎn)的情形目前還沒(méi)有解決方案[14]。DSAC[15]和沖突和能量感知路由方法(Collision and Energy Aware Routing Method，CR-CEA)[26]是從相鄰的簇頭節(jié)點(diǎn)中選取網(wǎng)關(guān)節(jié)點(diǎn)進(jìn)行簇間中繼，但它們均沒(méi)有考慮相鄰的簇頭節(jié)點(diǎn)不在彼此通信半徑內(nèi)的情況，沒(méi)有說(shuō)明當(dāng)具有多個(gè)相鄰簇頭節(jié)點(diǎn)如何選擇;2013年的頻譜感知的分簇路由(Spectrum-aware Cluster-based Routing，SCR)[28]、高效的多媒體頻譜感知分簇路由(Spectrum-aware Clustering for Efficient Multimedia Routing，SCEEM)[29]和2015年的LEAUCH[19]的簇間通信是采用網(wǎng)關(guān)節(jié)點(diǎn)多跳傳輸至sink，但也沒(méi)有交待具體路由選擇機(jī)制，例如是選取簇內(nèi)、簇外還是簇邊緣節(jié)點(diǎn)作為網(wǎng)關(guān)節(jié)點(diǎn);也不能保證簇間傳輸具有公共信道。據(jù)文獻(xiàn)[14]統(tǒng)計(jì)，目前真正針對(duì)多跳建簇且說(shuō)明路由選擇原則的只有2015年的認(rèn)知無(wú)線傳感器網(wǎng)絡(luò)的機(jī)會(huì)集中式時(shí)隙分配(Opportunistic Centralized Time Slot Assignment for Cognitive Radio Sensor Networks，OTICORIC)[30]和2016年的ERP[21]。其中，OTICORIC的簇間通信是選取一跳鄰居在簇外的成員節(jié)點(diǎn)作為中繼網(wǎng)關(guān)節(jié)點(diǎn)，但其沒(méi)有考慮一跳鄰居在簇外的成員節(jié)點(diǎn)為空的情況。ERP通過(guò)相鄰節(jié)點(diǎn)合并構(gòu)建分簇可以保證節(jié)點(diǎn)簇間通信的至少有一條公共信道，同時(shí)采用主次網(wǎng)關(guān)節(jié)點(diǎn)(網(wǎng)關(guān)節(jié)點(diǎn)和包轉(zhuǎn)發(fā)節(jié)點(diǎn))中繼通信選擇機(jī)制考慮了OTICORIC的不足，即主網(wǎng)關(guān)節(jié)點(diǎn)為空的情況;它只是針對(duì)簇間傳輸?shù)慕鉀Q方案。本研究提出將簇內(nèi)匯聚按節(jié)點(diǎn)能否單跳傳輸至簇頭節(jié)點(diǎn)分為直傳和簇內(nèi)中繼轉(zhuǎn)發(fā)兩種形式。

　　2.2　CRSN在農(nóng)業(yè)物聯(lián)網(wǎng)中應(yīng)用現(xiàn)狀

　　近年，在基于農(nóng)業(yè)物聯(lián)網(wǎng)的作物表型信息采集系統(tǒng)中，CRSN憑借其高效的頻譜利用特性逐漸引起了學(xué)者的關(guān)注。2004年，IEEE 802.22無(wú)線區(qū)域局域網(wǎng)(Wireless Regional Area Network，WRAN)工作組成立，負(fù)責(zé)認(rèn)知無(wú)線電物理層和MAC協(xié)議標(biāo)準(zhǔn)的制定，包括制定認(rèn)知設(shè)備在電視頻譜中使用的標(biāo)準(zhǔn)[31];2015年，阿爾及利亞的研究人員設(shè)計(jì)了一種利用蜂窩頻段進(jìn)行傳輸?shù)闹悄苻r(nóng)業(yè)遠(yuǎn)程監(jiān)測(cè)和控制灌溉系統(tǒng)，并通過(guò)仿真對(duì)提議的方法進(jìn)行驗(yàn)證[32];2016年，美國(guó)聯(lián)邦通信委員會(huì)(Federal Communications Commission，F(xiàn)CC)已允許將470~698 MHz頻譜范圍內(nèi)的認(rèn)知無(wú)線電設(shè)備用于農(nóng)業(yè)機(jī)械和農(nóng)業(yè)設(shè)備的數(shù)字農(nóng)業(yè)應(yīng)用[33];2017年Zhou等[3]開(kāi)發(fā)的CropQuant系統(tǒng)是以基于物聯(lián)網(wǎng)平臺(tái)獲取大量特征數(shù)據(jù)后的生物性狀分析算法為研究對(duì)象，但具體關(guān)于該平臺(tái)如何從密集部署的傳感器節(jié)點(diǎn)避免頻譜擁堵，以較小的延遲、能耗以及丟包率完成數(shù)據(jù)的傳輸，且在固定的電池能量耗盡前，盡量持久地完成作物表型檢測(cè)任務(wù)，即對(duì)傳統(tǒng)的物聯(lián)網(wǎng)平臺(tái)在密集部署的終端中暴露出的路由傳輸問(wèn)題，沒(méi)有進(jìn)行詳細(xì)說(shuō)明;2019年，Reynolds等[34]在CropQuant平臺(tái)的基礎(chǔ)上開(kāi)發(fā)了具有分布式植物表型信息交互和集中式數(shù)據(jù)管理兩部分功能的CropSight系統(tǒng)，系統(tǒng)采用的有線和無(wú)線兩種數(shù)據(jù)傳輸方式。有線傳輸?shù)姆绞娇梢员苊獬霈F(xiàn)CropQuant平臺(tái)的路由問(wèn)題，但需要較高的成本;同年，Salam和Karabiyik[7]介紹了數(shù)字農(nóng)業(yè)在認(rèn)知物理層的合作疊加方法，所提認(rèn)知直接序列擴(kuò)頻(Cognitive Direct Sequence Spread Spectrum，CDSSS)方法通過(guò)在非認(rèn)知用戶之間進(jìn)行信息交換來(lái)獲取頻譜同步、多用戶解碼、中繼和協(xié)作。

　　國(guó)內(nèi)在植物表型組學(xué)和一些保護(hù)性農(nóng)業(yè)中的物聯(lián)網(wǎng)研究也具有較大的進(jìn)展。丁么明和夏洪星[4]分析了農(nóng)業(yè)物聯(lián)網(wǎng)及其面臨的頻譜資源危機(jī)，并提出用認(rèn)知無(wú)線電技術(shù)組建傳輸網(wǎng)與感知子網(wǎng)來(lái)緩解其頻譜危機(jī)。杜紅等[5]分析了農(nóng)業(yè)物聯(lián)網(wǎng)中的頻譜資源的使用情況和認(rèn)知無(wú)線電在農(nóng)業(yè)物聯(lián)網(wǎng)中的應(yīng)用可行性，并介紹了一種基于認(rèn)知的農(nóng)業(yè)物聯(lián)網(wǎng)的網(wǎng)絡(luò)架構(gòu);同詩(shī)楊等[35]探討了ZigBee在農(nóng)業(yè)物聯(lián)網(wǎng)中的兩種認(rèn)知頻譜檢測(cè)算法，即改進(jìn)型的雙門(mén)限協(xié)作頻譜檢測(cè)算法和基于信噪比加權(quán)的改進(jìn)型算法。從2017年開(kāi)始，國(guó)內(nèi)逐漸出現(xiàn)基于蜂窩授權(quán)頻段的窄帶物聯(lián)網(wǎng)(Narrow Band Internet of Things，NB-IoT)與ZigBee無(wú)線傳感網(wǎng)相結(jié)合的現(xiàn)代農(nóng)業(yè)物聯(lián)網(wǎng)的研究進(jìn)展，包括基于NB-IOT的節(jié)水灌溉系統(tǒng)和基于電信NB-IoT平臺(tái)的作物監(jiān)測(cè)系統(tǒng)[36,37];張敏[38]設(shè)計(jì)了一種基于認(rèn)知無(wú)線電的LoRa網(wǎng)絡(luò)結(jié)構(gòu)。由南京農(nóng)業(yè)大學(xué)作物表型組學(xué)交叉研究中心和荷蘭的PhenoSpex、PhenoKey和PhenoVation公司聯(lián)合開(kāi)發(fā)高通量多光譜植物激光三維掃描測(cè)量系統(tǒng)、溫室傳送型高通量植物表型平臺(tái)和高通量小型植物光合表型測(cè)量系統(tǒng)可對(duì)植物進(jìn)行深入的高通量表型信息測(cè)量，由于植株之間的間隙較小，多個(gè)密集部署的傳感器節(jié)點(diǎn)在進(jìn)行圖像等高通量數(shù)據(jù)的無(wú)線傳輸時(shí)必然會(huì)引起頻譜沖突，因此引起認(rèn)知無(wú)線電的農(nóng)業(yè)物聯(lián)網(wǎng)恰恰可以緩解這一傳輸瓶頸[2,39-41]。同年，Shi等[42]介紹了終端設(shè)備所要面對(duì)的復(fù)雜惡劣的監(jiān)控環(huán)境和限制傳感器網(wǎng)絡(luò)在智慧農(nóng)業(yè)中大規(guī)模應(yīng)用的重要因素——成本問(wèn)題。此外，提到為了避免頻繁的更換電池，迫切需要開(kāi)發(fā)低功耗的采集設(shè)備、節(jié)能的路由協(xié)議和能量平衡的通信算法。

　　目前認(rèn)知無(wú)線電與農(nóng)業(yè)物聯(lián)網(wǎng)的融合大多還處于理論研究階段，還未發(fā)現(xiàn)有將CRSN應(yīng)用于作物表型信息采集的例子。認(rèn)知農(nóng)業(yè)物聯(lián)網(wǎng)的理論研究主要是集中于物理層和數(shù)據(jù)鏈路層協(xié)作頻譜感知算法，其網(wǎng)絡(luò)層路由選擇算法相關(guān)的研究成果相對(duì)較少。本研究就針對(duì)CRSN在作物表型信息采集中的應(yīng)用，綜合考慮了密集節(jié)點(diǎn)觸發(fā)產(chǎn)生的高通量數(shù)據(jù)傳輸?shù)睦Ь澈推渌r(nóng)業(yè)物聯(lián)網(wǎng)領(lǐng)域未來(lái)極大可能出現(xiàn)頻譜缺乏趨勢(shì)，結(jié)合前人的相關(guān)研究，建立了基于邊緣計(jì)算事件驅(qū)動(dòng)的CRSN表型信息采集仿真模型，提出了一種動(dòng)態(tài)頻譜和能耗均衡的分簇路由算法。具體貢獻(xiàn)如下。

　　(1)CogLEACH、CogLEACH-C和LEAUCH繼承了LEACH可能存在簇的大小差異很大的缺點(diǎn)，由試驗(yàn)證實(shí)各個(gè)分簇大小的差異性是影響網(wǎng)絡(luò)頻譜利用率和能耗的重要指標(biāo)，但傳統(tǒng)的聚類分簇路由很少考慮該因素。CRSN算法在分簇過(guò)程中對(duì)各分簇大小的平衡性引入獎(jiǎng)勵(lì)和懲罰因子，提升網(wǎng)絡(luò)各分簇平均頻譜利用率，也有利于能耗均衡。

　　(2)文獻(xiàn)[14]中提到現(xiàn)有的CRSN事件驅(qū)動(dòng)分簇路由協(xié)議沒(méi)有解決與主用戶信道可用性變化兼容的問(wèn)題。CRSN算法在數(shù)據(jù)路由過(guò)程中，持續(xù)性地進(jìn)行主用戶行為監(jiān)測(cè)，一旦檢測(cè)到可用信道改變即觸發(fā)重新分簇。提出基于頻譜變化和QoS的自適應(yīng)重新簇：基于主用戶行為變化引起的可用信道改變，或分簇效果不佳對(duì)通信服務(wù)質(zhì)量產(chǎn)生的干擾，觸發(fā)CRSN進(jìn)行自適應(yīng)重新分簇。

　　(3)本研究監(jiān)測(cè)區(qū)域以sink為中心，考察網(wǎng)絡(luò)中能耗均衡性與低能節(jié)點(diǎn)分布的關(guān)系——靠近sink區(qū)域過(guò)早地出現(xiàn)能量空洞而引起能耗不均衡。為此提出一種新的能耗均衡策略去能量消耗中心化，即在網(wǎng)關(guān)或簇頭節(jié)點(diǎn)選取計(jì)算式中引入與節(jié)點(diǎn)到sink的距離成正比的權(quán)重系數(shù)，從而削弱越靠近sink的節(jié)點(diǎn)具有越大概率當(dāng)選網(wǎng)關(guān)或簇頭節(jié)點(diǎn)的趨勢(shì)，提高網(wǎng)絡(luò)的能耗均衡性。

　　(4)本研究采用層次聚類的相似度選擇機(jī)制雖然有考慮節(jié)點(diǎn)距離這個(gè)因素，但在大規(guī)模的農(nóng)業(yè)物聯(lián)網(wǎng)應(yīng)用中，這種分簇算法由于融入簇頭輪換和重新分簇機(jī)制，經(jīng)常會(huì)出現(xiàn)簇內(nèi)節(jié)點(diǎn)單跳無(wú)法直接與簇頭進(jìn)行通信的情況。本研究將簇內(nèi)節(jié)點(diǎn)單跳傳輸至簇頭節(jié)點(diǎn)劃分為兩種情形：簇頭節(jié)點(diǎn)在當(dāng)前簇成員節(jié)點(diǎn)傳輸范圍內(nèi)，以直接傳輸至簇頭的方式傳輸;簇頭節(jié)點(diǎn)位于當(dāng)前簇成員節(jié)點(diǎn)的通信半徑以外，從簇內(nèi)其它簇成員節(jié)點(diǎn)中選擇一個(gè)靠近簇頭節(jié)點(diǎn)的上行節(jié)點(diǎn)為網(wǎng)關(guān)節(jié)點(diǎn)進(jìn)行中繼轉(zhuǎn)發(fā)。

　　3 作物表型信息采集網(wǎng)絡(luò)模型構(gòu)建與評(píng)估指標(biāo)設(shè)計(jì)

　　物聯(lián)網(wǎng)與云計(jì)算相結(jié)合組成的作物表型信息監(jiān)測(cè)系統(tǒng)通常都是將數(shù)據(jù)以時(shí)間觸發(fā)的方式周期性地集中上傳至數(shù)據(jù)中心，再由數(shù)據(jù)中心進(jìn)行統(tǒng)一計(jì)算處理和決策。但面對(duì)爆發(fā)式增長(zhǎng)的設(shè)備和數(shù)據(jù)，尤其是在需要連續(xù)、近實(shí)時(shí)獲取巨量圖像和傳感器數(shù)據(jù)作為植物視覺(jué)識(shí)別輸入田間表型監(jiān)測(cè)系統(tǒng)中，傳統(tǒng)物云結(jié)合的農(nóng)業(yè)物聯(lián)網(wǎng)由于所有計(jì)算均在云端進(jìn)行，且多數(shù)采用時(shí)間觸發(fā)驅(qū)動(dòng)等原因已逐漸暴露出通信能耗開(kāi)銷大、帶寬需求高、時(shí)延大、中心節(jié)點(diǎn)計(jì)算壓力大和數(shù)據(jù)安全與隱私保障等問(wèn)題[34,42]。近年來(lái)，邊緣計(jì)算作為一種新模式，提出讓物聯(lián)網(wǎng)的每個(gè)邊緣設(shè)備都具有數(shù)據(jù)采集、分析計(jì)算、通信和智能處理的能力。邊緣傳感器節(jié)點(diǎn)不再需要持續(xù)不斷的往網(wǎng)絡(luò)數(shù)據(jù)中心傳遞數(shù)據(jù)集中處理，而是將原本由中心處理的大型服務(wù)分解到網(wǎng)絡(luò)的邊緣，由邊緣的傳感器節(jié)點(diǎn)自己判斷各種感知數(shù)據(jù)，只有讀數(shù)發(fā)生重大變化時(shí)才告知數(shù)據(jù)中心[43,44]。引入邊緣計(jì)算的CRSN可以大大提高傳感能力和QoS，包括有效地減少帶寬、提升響應(yīng)處理速度以及保護(hù)數(shù)據(jù)的隱私等[42,45]。

　　因此，本算法中農(nóng)業(yè)物聯(lián)網(wǎng)所采用觸發(fā)機(jī)制是與邊緣計(jì)算相結(jié)合事件驅(qū)動(dòng)觸發(fā)。事件驅(qū)動(dòng)的表型信息采集模型只監(jiān)測(cè)和報(bào)告區(qū)域特定事件是否發(fā)生。因此，需要將植物表型與環(huán)境信息劃分為類似病蟲(chóng)害是否入侵、水分和pH值是否失衡、環(huán)境溫度是否過(guò)高、種子是否萌發(fā)出芽等一系列觸發(fā)事件的集合。當(dāng)特定事件發(fā)生時(shí)，例如利用攝像頭或昆蟲(chóng)誘捕器檢測(cè)特定區(qū)域蟲(chóng)害數(shù)量高出預(yù)設(shè)閾值，該區(qū)域部署的CRSN節(jié)點(diǎn)就會(huì)產(chǎn)生觸發(fā)數(shù)據(jù)包，通過(guò)多跳的方式迅速傳輸至sink[46]，從而進(jìn)行高通量性狀分析并產(chǎn)生監(jiān)測(cè)區(qū)域作物生長(zhǎng)環(huán)境處方圖，為農(nóng)民噴射農(nóng)藥量、灌溉量、施肥量等提供科學(xué)精準(zhǔn)的數(shù)據(jù)依據(jù)。

　　3.1　農(nóng)業(yè)應(yīng)用情形及具體案例

　　眾所周知，CRSN的一個(gè)重要的潛在應(yīng)用領(lǐng)域是室內(nèi)多媒體傳感應(yīng)用[10]。因此，適用于本研究CRSN分簇路由的農(nóng)業(yè)物聯(lián)網(wǎng)應(yīng)用場(chǎng)景總結(jié)如下：被監(jiān)測(cè)區(qū)域存在一個(gè)節(jié)點(diǎn)相對(duì)密集部署的傳感器網(wǎng)絡(luò)，或一個(gè)高頻譜帶寬需求的多媒體監(jiān)控?zé)o線網(wǎng)絡(luò)或空間上有交集的多種使用工業(yè)、科學(xué)和醫(yī)療頻段的共存網(wǎng)絡(luò)，導(dǎo)致非授權(quán)頻譜使用擁堵，CRSN節(jié)點(diǎn)需要借助授權(quán)頻譜的空洞進(jìn)行傳輸。然而，因?yàn)槟壳稗r(nóng)業(yè)物聯(lián)網(wǎng)發(fā)展總體相對(duì)滯后，這種趨勢(shì)暫時(shí)還不明顯，但隨著農(nóng)業(yè)物聯(lián)網(wǎng)感知與傳輸需求的增大，其頻譜緊張的趨勢(shì)影響將逐漸增大。如今CRSN算法一個(gè)非常典型的應(yīng)用場(chǎng)景就是室內(nèi)高通量植物表型分析平臺(tái)(High-throughput Phenotyping Platforms，HTPPs)[47]。由于被監(jiān)測(cè)植株多數(shù)置于室內(nèi)相對(duì)狹小的空間內(nèi)，因此平臺(tái)通常也是在一個(gè)較小的區(qū)域內(nèi)部署幾十甚至上百個(gè)無(wú)線傳感器節(jié)點(diǎn)用于監(jiān)控作物生長(zhǎng)發(fā)育的室內(nèi)、外表型性狀[39,41]，例如英國(guó)諾維奇科學(xué)研究院、法國(guó)農(nóng)科院的作物表型設(shè)施、南京農(nóng)業(yè)大學(xué)作物表型組學(xué)交叉研究中心等都存在類似的應(yīng)用平臺(tái)[2,3]。大型無(wú)線智能農(nóng)場(chǎng)中的室內(nèi)大棚種植環(huán)境信息的無(wú)線網(wǎng)絡(luò)路由協(xié)議也是CRSN算法的應(yīng)用場(chǎng)景之一;在牲畜圈養(yǎng)區(qū)域存在監(jiān)測(cè)牲畜生長(zhǎng)健康狀況的無(wú)線設(shè)備;室外存在監(jiān)視農(nóng)作物生長(zhǎng)環(huán)境的蟲(chóng)害、溫度、空氣質(zhì)量信息的無(wú)線終端，還可能存在無(wú)線Wi-Fi、藍(lán)牙、手持無(wú)線終端設(shè)備和家用電器等多種設(shè)備。以上多數(shù)設(shè)備均是以非授權(quán)工業(yè)、科學(xué)和醫(yī)療頻段進(jìn)行傳輸通信，在用戶終端通信半徑交疊區(qū)域的頻譜使用必然存在競(jìng)爭(zhēng)現(xiàn)象。而這些區(qū)域使用授權(quán)頻譜通信的主用戶①數(shù)量相對(duì)較少，因此大型農(nóng)場(chǎng)中出現(xiàn)授權(quán)頻譜空洞的頻率會(huì)比人口相對(duì)密集區(qū)域出現(xiàn)空閑頻譜的頻率大，頻譜利用率提升的空間也比較高[48,49]。

　　3.2　CRSN作物表型信息采集模型構(gòu)建

　　本研究中的CRSN模型參數(shù)及定義詳見(jiàn)表1。

　　表1 CRSN參數(shù)及定義

　　Table 1 CRSN parameters and definition

　　可調(diào)模型參數(shù)意義

　　Area區(qū)域面積

　　節(jié)點(diǎn)

　　的能量

　　NCRSN(二級(jí)用戶)節(jié)點(diǎn)數(shù)量

　　CRSN節(jié)點(diǎn)ID

　　P主用戶數(shù)量

　　主用戶ID

　　網(wǎng)絡(luò)sink(匯聚節(jié)點(diǎn))的位置

　　k分簇?cái)?shù)量

　　分簇ID

　　CRSN節(jié)點(diǎn)(二級(jí)用戶)的通信半徑

　　主用戶的通信保護(hù)范圍

　　Chan(

　　or

　　)節(jié)點(diǎn)

　　或分簇

　　的可用頻譜信道列表

　　Neigh(

　　or

　　)節(jié)點(diǎn)

　　鄰居節(jié)點(diǎn)列表或分簇

　　的鄰居分簇列表

　　每一輪事件觸發(fā)前低能節(jié)點(diǎn)的個(gè)數(shù)

　　整個(gè)網(wǎng)絡(luò)的平均頻譜利用率

　　Di-j節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的距離

　　圖1　CRSN作物表型信息采集模型拓?fù)渑c傳輸示意圖

　　Fig. 1 CRSN crop phenotype information collection model topology and transmission schematic

　　農(nóng)業(yè)CRSN繼承和發(fā)展于認(rèn)知無(wú)線電網(wǎng)絡(luò)與農(nóng)業(yè)WSNs，因此它們的部分規(guī)約在CRSN中也適用。CRSN表型信息采集模型的分簇結(jié)構(gòu)與數(shù)據(jù)路由過(guò)程見(jiàn)圖1[15]，假定N個(gè)具有頻譜感知能力的CRSN節(jié)點(diǎn)(褐色或黑色節(jié)點(diǎn))隨機(jī)均勻的分布在面積為Area的待監(jiān)測(cè)區(qū)域，完成頻譜感知與數(shù)據(jù)收集、傳輸任務(wù)的都是這種同構(gòu)節(jié)點(diǎn)。每個(gè)節(jié)點(diǎn)的最大通信半徑為

　　，在節(jié)點(diǎn)部署之初，每個(gè)CRSN傳感器節(jié)點(diǎn)都記錄了該區(qū)域內(nèi)其他CRSN傳感器節(jié)點(diǎn)的位置。匯聚節(jié)點(diǎn)sink位于監(jiān)測(cè)區(qū)域的中心(圖1只畫(huà)出部分區(qū)域，因此sink不在中心)。與每個(gè)CRSN節(jié)點(diǎn)相連的是負(fù)責(zé)感知?jiǎng)又参锷L(zhǎng)和環(huán)境信息物理量的傳感器，例如土壤濕度、pH、空氣溫度傳感器和監(jiān)測(cè)動(dòng)植物生長(zhǎng)情況的高清攝像機(jī)等。

　　此外，該區(qū)域可能還存在P個(gè)主用戶(手機(jī)形狀，即非必須存在的授權(quán)網(wǎng)絡(luò)終端，因?yàn)檎J(rèn)知無(wú)線電的核心是采用頻譜空洞進(jìn)行傳輸，而頻譜空洞的存在與授權(quán)終端用戶的存在沒(méi)有關(guān)聯(lián))，主用戶是該區(qū)域頻譜的授權(quán)用戶，對(duì)信道具有優(yōu)先接入權(quán)，例如開(kāi)源軟件Leaf-GP以智能手機(jī)等移動(dòng)設(shè)備拍攝的作物系列圖像作為輸入可進(jìn)行多個(gè)生長(zhǎng)指標(biāo)的分析，這其中涉及以授權(quán)頻譜進(jìn)行通信的智能手機(jī)就是主用戶的典型代表[50]。每個(gè)主用戶隨機(jī)接入信道遵循ON/OFF的馬爾可夫更新過(guò)程[14]。在每個(gè)主用戶的通信保護(hù)范圍內(nèi)，即圖1中紅黃藍(lán)三個(gè)半徑為

　　圓形區(qū)域，分別代表主用戶1、2、3在這些區(qū)域分別對(duì)應(yīng)占用信道1、2、3，那么此時(shí)處于對(duì)應(yīng)區(qū)域內(nèi)CRSN節(jié)點(diǎn)為了保護(hù)主用戶通信應(yīng)避免使用這些信道，同理假如處在兩個(gè)圓形主用戶保護(hù)范圍的交集之內(nèi)，則這些CRSN節(jié)點(diǎn)不能使用相應(yīng)的兩條信道，只能使用唯一剩下的一條空閑頻譜(頻譜空洞)信道，例如圖1中處于紅色與黃色交集部分的CRSN節(jié)點(diǎn)只能使用信道3(黑色方框標(biāo)出)進(jìn)行通信。二級(jí)用戶(CRSN節(jié)點(diǎn))可以伺機(jī)地接入主用戶未使用的空閑頻譜，但不得占用或干擾主用戶正在使用的信道，在主用戶回收或返回授權(quán)信道時(shí)，二級(jí)用戶應(yīng)立即停止通信，黑色方框中所標(biāo)識(shí)的信道即為該區(qū)域節(jié)點(diǎn)可用信道。可用信道指特定頻帶中的頻譜空洞，圖1假設(shè)可能的頻譜空洞的集合形成3個(gè)非重疊信道的頻譜池[51]，每個(gè)白色的虛線圍成的區(qū)域是各個(gè)分簇CRSN節(jié)點(diǎn)的監(jiān)測(cè)區(qū)域的標(biāo)識(shí)，每個(gè)分簇CRSN節(jié)點(diǎn)由一個(gè)簇頭和若干簇成員節(jié)點(diǎn)組成。此外，在一些異構(gòu)型的網(wǎng)絡(luò)中，還可能專門(mén)設(shè)置負(fù)責(zé)數(shù)據(jù)轉(zhuǎn)發(fā)的網(wǎng)關(guān)節(jié)點(diǎn)。本監(jiān)測(cè)模型采用的CRSN是單層的同構(gòu)網(wǎng)絡(luò)，即CRSN節(jié)點(diǎn)除了具有數(shù)據(jù)采集和網(wǎng)關(guān)節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)功能，還需要具備邊緣計(jì)算網(wǎng)關(guān)簡(jiǎn)單數(shù)據(jù)分析處理的能力，也即傳感器節(jié)點(diǎn)通過(guò)自主判斷感知數(shù)據(jù)，只在讀數(shù)出現(xiàn)異常變化時(shí)才聯(lián)系數(shù)據(jù)中心，決定采取何種操作[43]。因?yàn)闊o(wú)論是通過(guò)高清攝像機(jī)拍攝得到的占大內(nèi)存視頻圖像數(shù)據(jù)還是普通物理傳感器感知得到連續(xù)變化的物理量，根據(jù)采樣壓縮傳輸理論都可以將其轉(zhuǎn)化為離散的數(shù)字量從而極大地減小傳輸?shù)臄?shù)據(jù)量，進(jìn)而將需要周期性獲取的表型信息應(yīng)用轉(zhuǎn)化為事件驅(qū)動(dòng)應(yīng)用(例如監(jiān)測(cè)水分是否低于閾值)，達(dá)到監(jiān)測(cè)和報(bào)告特定事件發(fā)生與否的目的。通過(guò)這種邊緣計(jì)算機(jī)制減小傳輸大數(shù)據(jù)量帶來(lái)的開(kāi)銷，也可以緩解多跳傳輸中過(guò)早出現(xiàn)的sink數(shù)據(jù)中心周圍節(jié)點(diǎn)的能量空洞以及連續(xù)傳輸大數(shù)據(jù)量表型信息引起的頻譜帶寬緊張和延遲較大的趨勢(shì)。由于CRSN節(jié)點(diǎn)的同構(gòu)性以及簇頭輪換和重新分簇的機(jī)制，一個(gè)CRSN節(jié)點(diǎn)在不同時(shí)間和地點(diǎn)可能充當(dāng)簇成員節(jié)點(diǎn)、簇頭節(jié)點(diǎn)和網(wǎng)關(guān)節(jié)點(diǎn)任意一個(gè)角色，各個(gè)觸發(fā)輪次中角色分配就由本文提出的分簇路由算法決定[52]。

　　3.3　模型評(píng)估指標(biāo)設(shè)計(jì)

　　監(jiān)測(cè)網(wǎng)絡(luò)的生存期定義為節(jié)點(diǎn)首次感知到農(nóng)場(chǎng)的觸發(fā)數(shù)據(jù)直至網(wǎng)絡(luò)中的任意一個(gè)節(jié)點(diǎn)能量耗盡歷經(jīng)的周期[51]。由于模型的數(shù)據(jù)路由是基于事件觸發(fā)，并且在農(nóng)作物生長(zhǎng)環(huán)境中監(jiān)測(cè)事件的觸發(fā)機(jī)制是隨機(jī)均勻的，觸發(fā)次數(shù)表示觸發(fā)源節(jié)點(diǎn)將觸發(fā)信息數(shù)據(jù)包路由至匯聚節(jié)點(diǎn)的輪數(shù)。因此，網(wǎng)絡(luò)壽命的等價(jià)表征是網(wǎng)絡(luò)中任意一個(gè)節(jié)點(diǎn)能量耗盡前網(wǎng)絡(luò)成功完成數(shù)據(jù)路由的次數(shù)[53,54]

　　其次，監(jiān)測(cè)區(qū)域外圍的節(jié)點(diǎn)必須通過(guò)簇間中繼才能與sink通信，這必然導(dǎo)致網(wǎng)絡(luò)中的節(jié)點(diǎn)能耗不均衡，將所有節(jié)點(diǎn)在網(wǎng)絡(luò)生存期終止時(shí)剩余能耗的方差作為網(wǎng)絡(luò)能耗均衡性的度量標(biāo)準(zhǔn)。因此，網(wǎng)絡(luò)的能耗均衡性可表示為：

　　(1)

　　其中，

　　表示第i個(gè)節(jié)點(diǎn)的剩余能量;

　　表示所有節(jié)點(diǎn)的平均剩余能量。本文公式中部分未注明符號(hào)的含義請(qǐng)參見(jiàn)表1。

　　由于從建簇到數(shù)據(jù)傳輸過(guò)程路徑節(jié)點(diǎn)選擇與相鄰節(jié)點(diǎn)有關(guān)。因此，鄰居節(jié)點(diǎn)的定義是兩個(gè)傳感器節(jié)點(diǎn)位于彼此的通信范圍內(nèi)，并且節(jié)點(diǎn)相互之間至少有一個(gè)公共的信道。通過(guò)執(zhí)行鄰居發(fā)現(xiàn)協(xié)議，網(wǎng)絡(luò)中的各節(jié)點(diǎn)可以共享它們的單跳鄰居、位置、剩余能量以及可用信道[55]。

　　此外，最優(yōu)簇?cái)?shù)是與網(wǎng)絡(luò)壽命和頻率利用率有關(guān)的重要參數(shù)，分簇?cái)?shù)量太多會(huì)造成數(shù)據(jù)轉(zhuǎn)發(fā)跳數(shù)過(guò)大，引起較大的端到端延遲;分簇?cái)?shù)量過(guò)小會(huì)引起節(jié)點(diǎn)間的距離增大，進(jìn)而增大通信開(kāi)銷和減弱能耗的均衡性，同時(shí)導(dǎo)致頻譜共享的效率降低[56]。最優(yōu)簇?cái)?shù)的計(jì)算式采用DSAC[15]分簇算法的結(jié)論，即最優(yōu)簇?cái)?shù)

　　表示為：

　　(2)

　　其中，

　　，表示二級(jí)用戶的最大傳輸距離;

　　表示網(wǎng)絡(luò)的節(jié)點(diǎn)密度，在本模型中，

　　能效與頻效是當(dāng)今5G移動(dòng)無(wú)線通信技術(shù)的兩個(gè)重要衡量標(biāo)準(zhǔn)。頻譜利用率是認(rèn)知用戶通過(guò)頻譜檢測(cè)使用的頻譜，占授權(quán)用戶沒(méi)有利用的活動(dòng)頻譜或頻譜空穴總值的比例[57]。但這一定義過(guò)于籠統(tǒng)，將它與CRSN實(shí)際應(yīng)用的時(shí)空特性相結(jié)合起來(lái)，信道

　　的頻譜利用率

　　可細(xì)化地定義表示為在信道

　　上成功完成一次數(shù)據(jù)傳輸?shù)母怕蔥58]。由文獻(xiàn)[58]可知所有信道的平均頻譜利用率可表示為：

　　(3)

　　其中，L是一個(gè)分簇中可用信道的總條數(shù);用

　　和

　　表示動(dòng)態(tài)頻譜感知階段選擇信道l進(jìn)行數(shù)據(jù)傳輸?shù)陌l(fā)送源節(jié)點(diǎn)與目標(biāo)接收節(jié)點(diǎn)的集合，

　　=

　　表示利用信道l進(jìn)行數(shù)據(jù)傳輸?shù)墓?jié)點(diǎn)對(duì)集合。結(jié)合CRSN作物信息采集分簇結(jié)構(gòu)的特點(diǎn)，公式(3)在單個(gè)分簇的平均頻譜利用率Ucluster可轉(zhuǎn)化為：

　　(4)

　　其中，

　　表示分簇內(nèi)部節(jié)點(diǎn)個(gè)數(shù)。因此整個(gè)網(wǎng)絡(luò)的頻譜利用率

　　可定義為網(wǎng)絡(luò)中所有分簇頻譜利用率的平均值：

　　(5)

　　4 基于模型的分簇路由設(shè)計(jì)

　　CRSN節(jié)點(diǎn)繼承了傳統(tǒng)WSNs節(jié)點(diǎn)硬件資源受限的特點(diǎn)，能量的不可補(bǔ)充性和監(jiān)測(cè)任務(wù)的持久性之間的矛盾要求網(wǎng)絡(luò)必須具有高效的路由協(xié)議才能保證長(zhǎng)期穩(wěn)定的數(shù)據(jù)采集。基于事件驅(qū)動(dòng)的CRSN分簇路由協(xié)議與傳統(tǒng)的LEACH算法相似主要分為分簇構(gòu)建和數(shù)據(jù)傳輸兩個(gè)階段，分簇構(gòu)建采用的算法是在傳統(tǒng)聚類算法基礎(chǔ)上融入農(nóng)業(yè)信息采集所考慮的因素，例如相似度的度量除了傳統(tǒng)的歐氏距離，還要考慮農(nóng)業(yè)物聯(lián)網(wǎng)數(shù)據(jù)傳輸過(guò)程中的可用信道條數(shù)、節(jié)點(diǎn)度和節(jié)點(diǎn)剩余能量等[16];多跳數(shù)據(jù)觸發(fā)路由是在分簇結(jié)構(gòu)上選擇構(gòu)成數(shù)據(jù)轉(zhuǎn)發(fā)路徑的節(jié)點(diǎn)。設(shè)計(jì)難點(diǎn)主要是在表型或環(huán)境信息觸發(fā)后，數(shù)據(jù)包由源節(jié)點(diǎn)開(kāi)始直至轉(zhuǎn)發(fā)至匯聚節(jié)點(diǎn)過(guò)程中，當(dāng)前節(jié)點(diǎn)如何根據(jù)自身和其它節(jié)點(diǎn)信息乃至網(wǎng)絡(luò)的狀態(tài)選擇最適合下一跳節(jié)點(diǎn)，以此順利完成檢測(cè)任務(wù)的同時(shí)，也實(shí)現(xiàn)傳輸服務(wù)質(zhì)量、監(jiān)測(cè)周期、能量效率與頻譜利用率等多項(xiàng)指標(biāo)的優(yōu)化，這就是路由協(xié)議設(shè)計(jì)的關(guān)鍵[59]。圖2是基于CRSN作物表型信息采集模型設(shè)計(jì)的動(dòng)態(tài)頻譜和能耗均衡(Dynamic Spectrum and Energy Balance，DSEB)分簇路由算法框架。其中，“事件驅(qū)動(dòng)路由-判斷節(jié)點(diǎn)是否死亡-掃描是否有觸發(fā)事件節(jié)點(diǎn)”構(gòu)成的循環(huán)是正常的進(jìn)行監(jiān)測(cè)數(shù)據(jù)獲取的過(guò)程，只有未檢測(cè)到觸發(fā)事件的節(jié)點(diǎn)并且滿足重新分簇的條件，才會(huì)進(jìn)行全局范圍的頻譜感知重新分簇，接著再次進(jìn)入正常的觸發(fā)事件路由的過(guò)程。

　　圖2　表型信息采集模型的DSEB分簇路由算法

　　Fig. 2 DSEB clustering routing algorithm for phenotype information collection model

　　4.1　動(dòng)態(tài)頻譜感知分簇：鄰居分簇對(duì)合并構(gòu)建分簇

　　頻譜感知分簇過(guò)程的核心思想采用層次聚類算法AGNES[60]，主要框架由分簇合并和分裂兩部分組成。節(jié)點(diǎn)的初始可用信道也等價(jià)于分簇的初始可用頻譜。每個(gè)CRSN節(jié)點(diǎn)根據(jù)第二節(jié)中鄰居節(jié)點(diǎn)的定義獲取與自身位置和可用信道相關(guān)的鄰居節(jié)點(diǎn)列表。采用自底向上的聚合策略，由鄰居分簇對(duì)經(jīng)過(guò)多次迭代融合完成分簇的構(gòu)建。為了確保分簇間通信鏈路的完整性，分簇間距離必須小于節(jié)點(diǎn)的通信半徑。分簇距離定義為兩個(gè)不同簇間簇內(nèi)節(jié)點(diǎn)間的最大距離，例如給定兩個(gè)分簇

　　，x和y分別是屬于

　　和

　　的簇內(nèi)節(jié)點(diǎn)，簇間距離

　　為：

　　(6)

　　其中，

　　表示節(jié)點(diǎn)x和節(jié)點(diǎn)y之間的距離。

　　在簇?cái)?shù)減少到最優(yōu)簇?cái)?shù)之前，每一輪合并都伴隨著鄰居分簇信息、分簇頻譜條數(shù)、簇間距離以及節(jié)點(diǎn)剩余能量更新。其中，融合后的頻譜條數(shù)是融合前分簇對(duì)的信道交集。由于本研究采用的層次聚類分簇是以權(quán)重比較的方式作為簇間的相似度度量，權(quán)重的計(jì)算往往綜合考慮簇間距離、節(jié)點(diǎn)能量以及可用頻譜條數(shù)等因素，從而選出最佳下一跳節(jié)點(diǎn)。每輪迭代每個(gè)分簇都會(huì)向自己的鄰居分簇發(fā)送合并請(qǐng)求，但只有權(quán)重最大的鄰居分簇會(huì)回復(fù)同意合并請(qǐng)求。只有互為最大權(quán)重的鄰居分簇對(duì)，即相互接收到對(duì)方的同意合并請(qǐng)求的分簇對(duì)才會(huì)進(jìn)行合并。其它情況的分簇繼續(xù)迭代，直至網(wǎng)絡(luò)的分簇?cái)?shù)到達(dá)最優(yōu)。其中，權(quán)重矩陣中分簇

　　與分簇

　　相互的權(quán)重計(jì)算式為[16]：

　　(7)

　　其中，

　　表示被合并分簇的平均節(jié)點(diǎn)能量;

　　表示分簇

　　與分簇

　　間通信可用信道的條數(shù)。

　　此外，分簇構(gòu)建過(guò)程除了不斷合并，也存在分裂的情況[22]。在頻譜感知分簇過(guò)程每個(gè)節(jié)點(diǎn)執(zhí)行信道感知，如果某個(gè)節(jié)點(diǎn)發(fā)現(xiàn)它與其它簇內(nèi)成員之間沒(méi)有公共通道，它會(huì)自動(dòng)脫離分簇，形成一個(gè)新的分簇。在網(wǎng)絡(luò)的分簇?cái)?shù)減少到最優(yōu)簇?cái)?shù)之前，都屬于分簇構(gòu)建的過(guò)程。分簇過(guò)程是不進(jìn)行數(shù)據(jù)傳輸?shù)模挥蟹执貥?gòu)建完成之后，才進(jìn)行全局區(qū)域的觸發(fā)節(jié)點(diǎn)掃描。這種分簇構(gòu)建算法使得簇內(nèi)節(jié)點(diǎn)兩兩之間至少有一條公共信道，保證簇內(nèi)傳輸?shù)穆?lián)通性。由于分簇的大小差異過(guò)大會(huì)引起網(wǎng)絡(luò)的能耗不均衡，通過(guò)在層次聚類過(guò)程對(duì)各分簇的節(jié)點(diǎn)個(gè)數(shù)引入獎(jiǎng)勵(lì)和懲罰因子，來(lái)提高分簇間節(jié)點(diǎn)個(gè)數(shù)的均衡性，這種分簇的效果有利于提高頻譜利用率。

　　DSEB的頻譜感知分簇算法流程如圖3所示，頻譜感知分簇構(gòu)建的迭代合并的可視化展示過(guò)程如圖4，它與執(zhí)行層次聚類AGNES算法可視化展示過(guò)程相似，本研究將其應(yīng)用到CRSN的聚類分簇中。圖4(a)是在100 m×100 m監(jiān)測(cè)區(qū)域內(nèi)隨機(jī)生成20個(gè)CRSN節(jié)點(diǎn)(o)和3個(gè)主用戶(*)，圖4(b)~(e)中，+、o、x、□、△、▽、◇等同一形狀的節(jié)點(diǎn)表示屬于同一分簇。Sink的坐標(biāo)為(50，50)。3個(gè)半徑為40 m的圓分別表示各個(gè)主用戶的通信保護(hù)范圍，圖4(a)~(e)中每個(gè)節(jié)點(diǎn)上方的數(shù)字表示該節(jié)點(diǎn)ID，圖4(a)下方的數(shù)字表示主用戶行為未改變前該節(jié)點(diǎn)可使用的空閑信道。經(jīng)過(guò)四輪迭代合并分簇構(gòu)建完成，網(wǎng)絡(luò)由最初20個(gè)分簇融合成為圖4(e)中的4個(gè)分簇。完成分簇構(gòu)建后數(shù)據(jù)如何由一個(gè)分簇傳往下一個(gè)分簇，最終多跳傳輸至sink，就是簇間通信的問(wèn)題，具體參見(jiàn)4.2.2節(jié)。

　　圖3　DSEB中的頻譜感知分簇算法流程

　　Fig. 3 Process of spectrum sensing clustering algorithm in DSEB

　　(a)　模型隨機(jī)初始化得到的可用信道和節(jié)點(diǎn)ID

　　(b)　節(jié)點(diǎn)第一輪迭代融合為11個(gè)分簇

　　(c)　第二輪繼續(xù)合并為9個(gè)分簇

　　(d)　第三輪進(jìn)一步合并至6個(gè)分簇

　　(e)　直至合并后分簇?cái)?shù)小于等于最優(yōu)簇?cái)?shù)

　　圖4　分簇構(gòu)建的合并迭代過(guò)程

　　Fig. 4 Process of clustering iterative merge iteration

　　4.2　結(jié)合邊緣計(jì)算的事件觸發(fā)數(shù)據(jù)路由

　　基于節(jié)能和高頻效的分簇路由協(xié)議由簇內(nèi)匯聚和簇間中繼兩部分交替迭代組成。其中，簇內(nèi)匯聚是指數(shù)據(jù)由簇成員節(jié)點(diǎn)根據(jù)可用信道向簇頭節(jié)點(diǎn)進(jìn)行匯聚的過(guò)程;簇間中繼是因?yàn)楣?jié)點(diǎn)的硬件資源受限，多數(shù)分簇的簇頭無(wú)法直接與sink進(jìn)行通信，此時(shí)就需要其它分簇的節(jié)點(diǎn)作為中繼進(jìn)行轉(zhuǎn)發(fā)。簇內(nèi)匯聚按簇內(nèi)節(jié)點(diǎn)能否單跳傳輸至簇頭節(jié)點(diǎn)分為直傳和簇內(nèi)中繼轉(zhuǎn)發(fā)兩種形式;簇間中繼可以分為網(wǎng)關(guān)節(jié)點(diǎn)或包轉(zhuǎn)發(fā)節(jié)點(diǎn)-網(wǎng)關(guān)節(jié)點(diǎn)兩種情況[21]。

　　4.2.1　簇頭輪換機(jī)制

　　為了節(jié)約成本，網(wǎng)絡(luò)一般只建一個(gè)sink基站進(jìn)行數(shù)據(jù)的匯聚收集，但無(wú)論將sink設(shè)置在網(wǎng)絡(luò)的任何區(qū)域(本研究是假設(shè)將其建在監(jiān)測(cè)區(qū)域中心)，因?yàn)閱蝧ink收集和多跳傳輸?shù)木W(wǎng)絡(luò)架構(gòu)在采用概率方法或權(quán)重比較方法選取網(wǎng)關(guān)節(jié)點(diǎn)和簇頭節(jié)點(diǎn)時(shí)[14]，往往都是令越靠近sink的節(jié)點(diǎn)具有越大的概率或權(quán)重當(dāng)選網(wǎng)關(guān)或簇頭，那么這種選取機(jī)制必然會(huì)引起靠近sink區(qū)域的節(jié)點(diǎn)過(guò)于頻繁的擔(dān)任網(wǎng)關(guān)或簇頭節(jié)點(diǎn)，頻繁地進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)，從而導(dǎo)致這些節(jié)點(diǎn)能量消耗過(guò)快，引起網(wǎng)絡(luò)出現(xiàn)能量空洞的現(xiàn)象，所謂能量空洞就是指組成網(wǎng)絡(luò)某個(gè)區(qū)域的多個(gè)節(jié)點(diǎn)的能量都大大低于整個(gè)網(wǎng)絡(luò)平均節(jié)點(diǎn)剩余能量。正是這種能耗中心化的現(xiàn)象引起了能耗不均衡。

　　分簇的拓?fù)浣Y(jié)構(gòu)決定了簇頭在數(shù)據(jù)通信中擔(dān)任主要角色。因此，在每一輪路由節(jié)點(diǎn)迭代結(jié)束后，對(duì)各分簇的簇頭進(jìn)行更新，簇頭輪換機(jī)制可以延長(zhǎng)網(wǎng)絡(luò)的生存期。簇內(nèi)選取簇成員節(jié)點(diǎn)擔(dān)任簇頭節(jié)點(diǎn)的權(quán)重計(jì)算式為[21]：

　　(8)

　　其中，

　　表示當(dāng)前包轉(zhuǎn)發(fā)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)的個(gè)數(shù);

　　表示當(dāng)前簇成員節(jié)點(diǎn)到sink距離與簇內(nèi)其它簇成員節(jié)點(diǎn)到sink距離最大值的占比，令與sink距離稍遠(yuǎn)的簇成員節(jié)點(diǎn)也有較大的概率當(dāng)選簇頭節(jié)點(diǎn)，而不是只考慮與sink較近的簇成員節(jié)點(diǎn)，從而實(shí)現(xiàn)去能耗中心化，提高能耗均衡性。

　　因?yàn)樵诰W(wǎng)關(guān)或簇頭節(jié)點(diǎn)選取計(jì)算式中引入一個(gè)與節(jié)點(diǎn)到sink的距離成正比例的權(quán)重系數(shù)，等價(jià)于增大距離sink稍遠(yuǎn)的節(jié)點(diǎn)擔(dān)任簇頭和網(wǎng)關(guān)節(jié)點(diǎn)的概率，這些節(jié)點(diǎn)的剩余能量相對(duì)較高;組成能量空洞的低能節(jié)點(diǎn)通常是由距離sink較近的節(jié)點(diǎn)組成的，因此增大了較遠(yuǎn)節(jié)點(diǎn)當(dāng)選簇頭和網(wǎng)關(guān)的概率等價(jià)于減小了靠近sink區(qū)域的低能節(jié)點(diǎn)當(dāng)選簇頭和網(wǎng)關(guān)的概率，也就等價(jià)于在特定的觸發(fā)輪次選擇一定數(shù)量剩余能量最低的節(jié)點(diǎn)不再擔(dān)任簇頭和網(wǎng)關(guān)節(jié)點(diǎn)。

　　4.2.2　穩(wěn)定的簇內(nèi)匯聚與簇間中繼

　　分簇構(gòu)建完成后，CRSN會(huì)周期性地監(jiān)測(cè)事件集合中的特定事件發(fā)生與否。在待檢測(cè)事件產(chǎn)生觸發(fā)電流之前，CRSN節(jié)點(diǎn)處于低功耗的休眠狀態(tài)。一旦檢測(cè)到觸發(fā)電流，源節(jié)點(diǎn)將采用與SCR[28]數(shù)據(jù)路由相似的載波偵聽(tīng)多路訪問(wèn)/沖突避免(CSMA/CA)和時(shí)分多址(TDMA)相結(jié)合混合信道訪問(wèn)方式把數(shù)據(jù)包往簇頭或網(wǎng)關(guān)節(jié)點(diǎn)進(jìn)行轉(zhuǎn)發(fā)。

　　其中，源節(jié)點(diǎn)作為首個(gè)當(dāng)前節(jié)點(diǎn)。若當(dāng)前節(jié)點(diǎn)是簇成員節(jié)點(diǎn)，則將簇成員節(jié)點(diǎn)能否單跳傳輸至簇頭節(jié)點(diǎn)劃分為兩種情形：簇頭節(jié)點(diǎn)在當(dāng)前節(jié)點(diǎn)傳輸范圍內(nèi)，以直接傳輸至簇頭的方式傳輸;簇頭節(jié)點(diǎn)位于當(dāng)前簇成員節(jié)點(diǎn)的通信半徑以外，從簇內(nèi)其它節(jié)點(diǎn)中選擇一個(gè)靠近簇頭節(jié)點(diǎn)的上行節(jié)點(diǎn)為網(wǎng)關(guān)節(jié)點(diǎn)進(jìn)行中繼轉(zhuǎn)發(fā)。再進(jìn)入下一階段路由迭代。若當(dāng)前節(jié)點(diǎn)是簇頭節(jié)點(diǎn)，判斷sink是否處于一跳傳輸半徑范圍內(nèi)。若條件成立，則當(dāng)前簇頭節(jié)點(diǎn)直接將數(shù)據(jù)包傳輸sink，本次事件路由結(jié)束;否則，當(dāng)前簇頭節(jié)點(diǎn)會(huì)以簇間中繼的某種方式將數(shù)據(jù)包中繼至下一跳節(jié)點(diǎn)，下一跳節(jié)點(diǎn)再次重復(fù)上述的判斷過(guò)程，直至迭代傳輸至當(dāng)前節(jié)點(diǎn)為sink。從源節(jié)點(diǎn)到sink數(shù)據(jù)路由算法詳細(xì)流程如圖5。

　　圖5　源節(jié)點(diǎn)到sink數(shù)據(jù)路由算法流程

　　Fig. 5 Process of routing algorithm from source node to sink data

　　該算法流程相對(duì)比于其它CRSN的分簇路由具有以下優(yōu)勢(shì)。

　　(1)具體地介紹了一種簇內(nèi)與簇間通信的路由選擇機(jī)制。

　　(2)充分考慮了簇內(nèi)傳輸單跳無(wú)法傳輸至簇頭節(jié)點(diǎn)和簇間通信不存在簇外網(wǎng)關(guān)節(jié)點(diǎn)的情況，尤其是農(nóng)業(yè)物聯(lián)網(wǎng)這種大規(guī)模的監(jiān)測(cè)網(wǎng)絡(luò)中，具有更好的聯(lián)通性和更低的丟包率等。

　　(3)這種直傳或簇內(nèi)中繼的簇內(nèi)匯聚和主次網(wǎng)關(guān)節(jié)點(diǎn)交替的簇間通信方式與簇頭節(jié)點(diǎn)直接一跳傳輸sink的方式比較更加節(jié)能。

　　簇內(nèi)匯聚分為如圖6所示的兩種情形。情形1是當(dāng)前觸發(fā)節(jié)點(diǎn)或中繼節(jié)點(diǎn)的一跳范圍

　　內(nèi)可直接傳輸至簇頭節(jié)點(diǎn)，如圖6中的{T、N、S}，則用直傳的方式進(jìn)行簇內(nèi)匯聚。否則情形2如簇成員Q，則需要從簇內(nèi)其它簇成員節(jié)點(diǎn)中選擇一個(gè)節(jié)點(diǎn)中繼轉(zhuǎn)發(fā)至簇頭節(jié)點(diǎn)。

　　圖6　簇內(nèi)匯聚中的直傳和簇內(nèi)中繼

　　Fig. 6 Direct transmission and intra-cluster relay in intra-cluster aggregation

　　簇間中繼轉(zhuǎn)發(fā)可分為網(wǎng)關(guān)節(jié)點(diǎn)和包轉(zhuǎn)發(fā)節(jié)點(diǎn)-網(wǎng)關(guān)節(jié)點(diǎn)兩種情形，這兩種中繼方式的差別是當(dāng)前簇頭節(jié)點(diǎn)的一跳通信范圍

　　內(nèi)是否有其它分簇的候選網(wǎng)關(guān)節(jié)點(diǎn)。如圖7，情形3是簇頭I可從簇外單跳鄰居候選網(wǎng)關(guān)節(jié)點(diǎn)集合{R、P、M、Q}選出一個(gè)最佳的網(wǎng)關(guān)作為下一跳的中繼;而情形4如簇頭A的簇外單跳鄰居候選網(wǎng)關(guān)節(jié)點(diǎn)集合為空，因此它必須從簇內(nèi)其它簇成員節(jié)點(diǎn)候選包轉(zhuǎn)發(fā)節(jié)點(diǎn)集合{B、C}選出一個(gè)最佳的包轉(zhuǎn)發(fā)節(jié)點(diǎn)，再以該包轉(zhuǎn)發(fā)節(jié)點(diǎn)為當(dāng)前節(jié)點(diǎn)選擇網(wǎng)關(guān)節(jié)點(diǎn)(與情形3一致)。網(wǎng)關(guān)節(jié)點(diǎn)權(quán)重CGNW的計(jì)算式如下：

　　圖7　簇間中繼的網(wǎng)關(guān)節(jié)點(diǎn)和包轉(zhuǎn)發(fā)節(jié)點(diǎn)-網(wǎng)關(guān)節(jié)點(diǎn)

　　Fig. 7 Gateway node and packet forwarding node-gateway node for inter-cluster relay

　　(9)

　　其中，

　　,

　　,

　　是為了避免靠近sink的節(jié)點(diǎn)被頻繁的選為網(wǎng)關(guān)而設(shè)置的權(quán)值，

　　+

　　+

　　=1，大小與路徑中節(jié)點(diǎn)到sink的距離成正比，從而削弱越靠近sink的節(jié)點(diǎn)具有越大概率當(dāng)選網(wǎng)關(guān)的趨勢(shì)，提高網(wǎng)絡(luò)的能耗均衡性。相比較于非均勻分簇通過(guò)調(diào)整競(jìng)爭(zhēng)半徑令靠近sink區(qū)域更多節(jié)點(diǎn)擔(dān)任簇頭節(jié)點(diǎn)分解轉(zhuǎn)發(fā)的壓力，本文所采用的去能耗中心化的策略則是在讓網(wǎng)關(guān)節(jié)點(diǎn)和簇頭節(jié)點(diǎn)外圍化，從而使得不同的輪次會(huì)有更多的節(jié)點(diǎn)來(lái)進(jìn)行分解數(shù)據(jù)轉(zhuǎn)發(fā)的壓力。數(shù)據(jù)包轉(zhuǎn)發(fā)節(jié)點(diǎn)權(quán)重PFNW為：

　　(10)

　　其中，Q表示候選網(wǎng)關(guān)所屬分簇的個(gè)數(shù);

　　是各分簇的候選網(wǎng)關(guān)平均剩余能量與對(duì)應(yīng)簇頭剩余能量的乘積;

　　表示各分簇的候選網(wǎng)關(guān)到簇頭平均距離與簇頭到sink距離的乘積;

　　表示分簇頻譜條數(shù)。

　　4.3　基于頻譜變化和QoS的自適應(yīng)重新分簇

　　主用戶行為變化會(huì)引起可用信道改變，分簇效果不佳會(huì)對(duì)QoS產(chǎn)生干擾，出現(xiàn)這兩種現(xiàn)象時(shí)都會(huì)觸發(fā)網(wǎng)絡(luò)進(jìn)行重新分簇。

　　由于頻譜空洞是取決于特定時(shí)間和地點(diǎn)的主用戶活動(dòng)，因此當(dāng)主用戶行為改變時(shí)二級(jí)用戶不得不切換信道進(jìn)行傳輸甚至引起較高的端到端延遲和重路由[61]。因此，為保護(hù)主用戶接入信道的優(yōu)先權(quán)并且保證二級(jí)用戶的正常通信，簇成員節(jié)點(diǎn)一個(gè)重要任務(wù)就是檢測(cè)主用戶[14]。

　　分簇效果不佳引起的QoS下降有可能是分簇本身建立的拓?fù)浣Y(jié)構(gòu)不佳引起的，也有可能是由于農(nóng)場(chǎng)外在環(huán)境因素引起的。例如考慮到農(nóng)作物在不同生長(zhǎng)期枝繁葉茂程度的差異，枝葉的遮擋會(huì)引起節(jié)點(diǎn)接收信號(hào)的衰減甚至丟包。為此，在傳統(tǒng)分簇路由的基礎(chǔ)上，引入了基于頻譜變化和QoS的自適應(yīng)重新分簇和簇頭輪換的機(jī)制。因?yàn)檎J(rèn)知無(wú)線電是一種可以感知外界環(huán)境進(jìn)而調(diào)整通信的技術(shù)，農(nóng)場(chǎng)的外在因素(例如地理空間的因素)引起的服務(wù)質(zhì)量下降可以被納入作為下一輪分簇的考慮因素，CRSN針對(duì)障礙物遮擋視距鏈路的一個(gè)簡(jiǎn)單的解決方案就是將這兩個(gè)節(jié)點(diǎn)彼此之間通過(guò)頻譜感知得到的公共信道數(shù)設(shè)置為0，或者將它們的距離設(shè)置為無(wú)窮大。通過(guò)相關(guān)操作可以令這兩個(gè)節(jié)點(diǎn)分入不同的簇中，那么兩者就不再需要直接通信。此外，簇頭輪換也可以避免簇內(nèi)傳輸時(shí)類似情況的出現(xiàn)，重新分簇是全局區(qū)域的所有節(jié)點(diǎn)重新劃分為若干分簇;簇頭輪換是指各個(gè)分簇內(nèi)部由不同的簇成員節(jié)點(diǎn)在不同的觸發(fā)輪次中擔(dān)任簇頭節(jié)點(diǎn)，因?yàn)榇貎?nèi)傳輸都是由簇成員節(jié)點(diǎn)往簇頭節(jié)點(diǎn)匯聚傳輸數(shù)據(jù)，檢測(cè)到簇頭節(jié)點(diǎn)與簇成員節(jié)點(diǎn)之間存在障礙物后通過(guò)更換簇頭節(jié)點(diǎn)可以避免信號(hào)的衰減或丟包，從而提高監(jiān)測(cè)的服務(wù)質(zhì)量。

　　大量統(tǒng)計(jì)實(shí)驗(yàn)表明，某一次的分簇不合理會(huì)導(dǎo)致某些節(jié)點(diǎn)過(guò)于頻繁的擔(dān)任簇頭或網(wǎng)關(guān)，致使網(wǎng)絡(luò)的服務(wù)質(zhì)量下降。因?yàn)?.3節(jié)模型采用平均的觸發(fā)次數(shù)作為網(wǎng)絡(luò)生存期的衡量標(biāo)準(zhǔn)，所以路由的次數(shù)也可用來(lái)表征網(wǎng)絡(luò)QoS。DSEB采用隨機(jī)生成的十個(gè)模型的平均觸發(fā)次數(shù)作為最終模型度量依據(jù)。如圖8，設(shè)10個(gè)模型平均路由次數(shù)為A，區(qū)間步長(zhǎng)為Step=

　　5 仿真結(jié)果與分析

　　采用MATLAB模擬農(nóng)作物生長(zhǎng)的表型平臺(tái)，CRSN節(jié)點(diǎn)和主用戶的位置在面積為150 m×150 m的區(qū)域內(nèi)隨機(jī)生成，在任意時(shí)間任意節(jié)點(diǎn)觸發(fā)事件。仿真模型的其它參數(shù)設(shè)置如下：

　　=40 m，上述參數(shù)的含義或其它參數(shù)見(jiàn)表1。由于監(jiān)測(cè)的生存期受隨機(jī)生成節(jié)點(diǎn)位置的制約較大，仿真?zhèn)鬏斀Y(jié)果一般波動(dòng)也較大，因此本節(jié)的仿真均是取50次平均的計(jì)量結(jié)果。其它網(wǎng)絡(luò)模型的具體參數(shù)見(jiàn)表2，使得檢測(cè)區(qū)域更加模擬實(shí)際的農(nóng)作物生長(zhǎng)環(huán)境。

　　表2 網(wǎng)絡(luò)的其它參數(shù)及取值

　　Table 2 Other parameters and values of the network

　　網(wǎng)絡(luò)參數(shù)取值

　　信道帶寬512 kbps

　　信道頻譜池[1,2,3,4,5]

　　退避機(jī)制CSMA/CA

　　數(shù)據(jù)包大小10，000 bit

　　控制包大小200 bit

　　發(fā)送能耗0.00000001/(bit·meter-1)

　　接收能耗0.00000001/(bit·meter-1)

　　數(shù)據(jù)融合能耗0.000000001/(bit·PU-1)

　　節(jié)點(diǎn)位置、觸發(fā)節(jié)點(diǎn)隨機(jī)均勻生成

　　5.1　內(nèi)部參數(shù)調(diào)整仿真

　　未考慮均衡能耗的農(nóng)業(yè)WSNs往往隨著觸發(fā)次數(shù)增加而迅速陷入癱瘓。能耗的均衡性與網(wǎng)絡(luò)的生存期和節(jié)點(diǎn)最終能耗有很大關(guān)系，由于多跳傳輸?shù)木W(wǎng)絡(luò)結(jié)構(gòu)必然引起能量空洞的出現(xiàn)，為了去能耗中心化提高能耗的均衡性，在網(wǎng)關(guān)或簇頭節(jié)點(diǎn)選取計(jì)算式中引入一個(gè)與節(jié)點(diǎn)到sink的距離成正比例的權(quán)重系數(shù)，從而削弱越靠近sink的節(jié)點(diǎn)具有越大概率當(dāng)選網(wǎng)關(guān)或簇頭節(jié)點(diǎn)的趨勢(shì)。由于能量空洞通常是由靠近sink區(qū)域的低能節(jié)點(diǎn)組成，因此去能耗中心化的策略與通過(guò)在特定的觸發(fā)輪次選擇一定數(shù)量剩余能量最低的節(jié)點(diǎn)不再擔(dān)任簇頭和網(wǎng)關(guān)節(jié)點(diǎn)在本質(zhì)上是相似的，其中低能節(jié)點(diǎn)個(gè)數(shù)的選取至關(guān)重要，故接下去的實(shí)驗(yàn)通過(guò)討論低能節(jié)點(diǎn)個(gè)數(shù)與能耗均衡性、網(wǎng)絡(luò)生存期之間的關(guān)系來(lái)說(shuō)明所采用的能耗均衡策略對(duì)網(wǎng)絡(luò)最終的能耗與監(jiān)測(cè)周期的影響。

　　大量實(shí)驗(yàn)表明，低能節(jié)點(diǎn)個(gè)數(shù)取值與最優(yōu)分簇?cái)?shù)k相關(guān)[15]。在圖9中無(wú)論總的CRSN節(jié)點(diǎn)數(shù)N是25、30或35個(gè)，隨著迭代的低能節(jié)點(diǎn)個(gè)數(shù)k/5增大至k的過(guò)程中，整個(gè)網(wǎng)絡(luò)的剩余節(jié)點(diǎn)能量方差越來(lái)越小，即網(wǎng)絡(luò)的能耗均衡性越來(lái)越優(yōu)。因此，為實(shí)現(xiàn)網(wǎng)絡(luò)的能耗更加均衡，需要調(diào)整所引入的與節(jié)點(diǎn)到sink的距離成正比例的權(quán)重系數(shù)使得在網(wǎng)絡(luò)運(yùn)行過(guò)程中具有較多的低能節(jié)點(diǎn)不擔(dān)任簇頭或網(wǎng)關(guān)。

　　圖9　低能節(jié)點(diǎn)個(gè)數(shù)與能耗均衡性

　　Fig. 9 Number of low-energy nodes and energy consumption balance

　　當(dāng)然，低能節(jié)點(diǎn)的個(gè)數(shù)并不是越大越好，因?yàn)橄啾扔谀芎牡木庑裕r(nóng)業(yè)應(yīng)用中往往更關(guān)心監(jiān)測(cè)周期的長(zhǎng)短。由3.3節(jié)可知，基于事件驅(qū)動(dòng)的無(wú)線自組織網(wǎng)絡(luò)衡量網(wǎng)絡(luò)壽命的一個(gè)重要指標(biāo)就是生存期內(nèi)成功采集的總觸發(fā)次數(shù)。由圖10可以看出，為了實(shí)現(xiàn)網(wǎng)絡(luò)最大的生存期，下一輪不擔(dān)任簇頭的低能節(jié)點(diǎn)個(gè)數(shù)最佳取值是k/3個(gè)，即通過(guò)調(diào)節(jié)所引入的與節(jié)點(diǎn)到sink的距離成正比例的權(quán)重系數(shù)可以取得延長(zhǎng)生存周期與均衡網(wǎng)絡(luò)能耗的平衡點(diǎn)最優(yōu)解。這是因?yàn)榈湍艿闹欣^轉(zhuǎn)發(fā)節(jié)點(diǎn)在網(wǎng)絡(luò)中往往都是出現(xiàn)在靠近sink的區(qū)域，假如所有的這些節(jié)點(diǎn)在下一輪中都不擔(dān)任簇頭，源節(jié)點(diǎn)觸發(fā)的數(shù)據(jù)就會(huì)因?yàn)橥ㄐ啪嚯x受限而選擇“繞道”傳輸至sink，這樣必然會(huì)引起網(wǎng)絡(luò)中的其它節(jié)點(diǎn)損耗更多的能量甚至出現(xiàn)丟包的現(xiàn)象，進(jìn)而導(dǎo)致縮短網(wǎng)絡(luò)生存期。

　　圖10　低能節(jié)點(diǎn)個(gè)數(shù)與網(wǎng)絡(luò)生存期

　　Fig. 10 Number of low-energy nodes and network lifetime

　　5.2　不同聚類算法的CRSN監(jiān)測(cè)路由

　　能量效率與頻譜效率是無(wú)線通信的重要衡量標(biāo)準(zhǔn)。本仿真實(shí)驗(yàn)中，將主要在不同算法之間討論網(wǎng)絡(luò)收集作物表型信息數(shù)據(jù)的生存期、頻效和能效等。與本研究比較的基于K-medoid聚類[62]和ERP[21]的兩種CRSN路由協(xié)議的區(qū)別主要是分簇構(gòu)建的過(guò)程。其中，K-medoid是在傳統(tǒng)聚類算法K-means的基礎(chǔ)上以樣本點(diǎn)為聚類中心，這一特點(diǎn)也更符合CRSN的以具體的節(jié)點(diǎn)為簇頭(聚類中心)的應(yīng)用場(chǎng)景，而不是一個(gè)不存在的節(jié)點(diǎn)。ERP的分簇算法由確定合格節(jié)點(diǎn)和形成分簇兩部分構(gòu)成，先確定簇頭節(jié)點(diǎn)并由它選擇共享公共信道的合格節(jié)點(diǎn)為簇內(nèi)節(jié)點(diǎn)，共享信道的確定原則是以較低概率與主用戶沖突的信道。基于K-medoid的CRSN路由、ERP以及DSEB使用的層次聚類AGNES算法的時(shí)間復(fù)雜度都是O(n2)。因?yàn)楸O(jiān)測(cè)農(nóng)場(chǎng)的面積固定，隨著CRSN節(jié)點(diǎn)個(gè)數(shù)的增加，網(wǎng)絡(luò)可以完成數(shù)據(jù)轉(zhuǎn)發(fā)路由的次數(shù)越來(lái)越多。如圖11所示，網(wǎng)絡(luò)的平均生存期曲線隨著節(jié)點(diǎn)個(gè)數(shù)的增加而上升。對(duì)比DSEB算法、基于k-medoid聚類和ERP的CRSN路由3條曲線也可看出，基于DSEB算法的路由具有更高的平均網(wǎng)絡(luò)生存期，從而完成更持久的監(jiān)測(cè)任務(wù)。當(dāng)然，對(duì)于不同的檢測(cè)環(huán)境，網(wǎng)絡(luò)中的節(jié)點(diǎn)個(gè)數(shù)并不都是與網(wǎng)絡(luò)的整體性能成正比，而是應(yīng)該針對(duì)特定監(jiān)測(cè)面積、主次節(jié)點(diǎn)個(gè)數(shù)、保護(hù)范圍以及節(jié)點(diǎn)的通信范圍來(lái)選取最佳的CRSN節(jié)點(diǎn)個(gè)數(shù)，從而獲得整體性能的提升，不會(huì)造成資源的浪費(fèi)。

　　圖11　不同算法間的網(wǎng)絡(luò)生存期

　　Fig. 11 Network lifetime of different algorithms

　　此外，由于主次用戶間頻譜互補(bǔ)的特殊關(guān)系，主用戶的數(shù)量會(huì)對(duì)頻譜利用率產(chǎn)生較大影響。文獻(xiàn)[63]提到認(rèn)知網(wǎng)絡(luò)的頻譜利用率會(huì)隨著主用戶數(shù)量的增加而提升。圖12也表明了這種關(guān)系，主用戶數(shù)量越多，網(wǎng)絡(luò)二級(jí)用戶的頻譜利用率越高;并且DSEB的頻譜利用率略高于ERP，但相比于K-medoid聚類路由，基于DSEB的頻譜利用率提升了10%~15%。這是因?yàn)镵-medoid聚類方案的相似性度量中無(wú)法考慮頻譜條數(shù)，并且它對(duì)各分簇的大小是不可控的。而DSEB采用的AGNES層次聚類的相似度定義限制較少，可直接將頻譜條數(shù)納入相似性度量依據(jù)。同時(shí)還引入獎(jiǎng)懲因子來(lái)提高各分簇節(jié)點(diǎn)數(shù)的平衡，有效地提升頻譜利用率。

　　圖12　不同算法間的頻譜利用率

　　Fig. 12 Spectrum utilizations of different algorithms

　　由于CRSN節(jié)點(diǎn)繼承了WSNs硬件資源受限的不足，能效問(wèn)題將直接影響網(wǎng)絡(luò)監(jiān)測(cè)功能的實(shí)現(xiàn)。本研究結(jié)合事件觸發(fā)的特性將網(wǎng)絡(luò)的能效定義為：當(dāng)網(wǎng)絡(luò)中第一個(gè)節(jié)點(diǎn)能量耗盡時(shí)，整個(gè)網(wǎng)絡(luò)平均每消耗單位節(jié)點(diǎn)能量所能完成的數(shù)據(jù)路由的次數(shù)。圖13是不同算法間不同節(jié)點(diǎn)個(gè)數(shù)與能效對(duì)比實(shí)驗(yàn)的結(jié)果。可以看出隨著CRSN節(jié)點(diǎn)個(gè)數(shù)的增加，網(wǎng)絡(luò)平均每消耗單位節(jié)點(diǎn)能量所能完成的數(shù)據(jù)路由次數(shù)也在增大;在CRSN節(jié)點(diǎn)數(shù)一定的情況下，網(wǎng)絡(luò)每消耗單位節(jié)點(diǎn)能量，基于DSEB路由比ERP和K-medoid聚類路多完成大約0.2和0.4次的數(shù)據(jù)轉(zhuǎn)發(fā)。所以在完成相同次數(shù)的從源節(jié)點(diǎn)到sink路由轉(zhuǎn)發(fā)中，采用DSEB的方案會(huì)比其它兩種算法節(jié)省能量。

　　圖13　不同算法間的不同節(jié)點(diǎn)個(gè)數(shù)與能效

　　Fig. 13 Number of different nodes and energy efficiency of different algorithms

　　6 結(jié) 論

　　本研究針對(duì)精準(zhǔn)農(nóng)業(yè)中作物表型信息精確獲取的需求和已出現(xiàn)的網(wǎng)絡(luò)生存期短、能耗不均衡以及即將出現(xiàn)的頻譜擁堵等問(wèn)題，構(gòu)建了基于事件驅(qū)動(dòng)的CRSN作物表型信息采集模型，并對(duì)其多跳分簇路由提出一種DSEB的解決方案。在檢測(cè)到源節(jié)點(diǎn)觸發(fā)事件后，采用層次聚類的分簇機(jī)制構(gòu)建分簇。對(duì)聚類迭代過(guò)程各分簇節(jié)點(diǎn)數(shù)量的平衡性引入獎(jiǎng)勵(lì)和懲罰因子;路由過(guò)程通過(guò)簇內(nèi)匯聚和簇間中繼迭代，將數(shù)據(jù)以多跳傳輸至sink。為了適應(yīng)主用戶行為改變和保證主次用戶的QoS，該算法引入自適應(yīng)頻譜的重新分簇機(jī)制。在網(wǎng)關(guān)或簇頭節(jié)點(diǎn)選取計(jì)算式中引入與節(jié)點(diǎn)到sink的距離成正比的權(quán)重系數(shù)作為能耗均衡策略去能耗中心化。仿真結(jié)果表明，DSEB算法在頻譜利用率、網(wǎng)絡(luò)生存期以及能效等方面均具有一定改進(jìn)。