前言：寻找写作灵感？中文期刊网用心挑选的跨层交互分布式路由技术，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
作者：阴国富 单位：渭南师范学院数学与信息科学学院
能量优化模型性能分析假设无线多媒体传感器网络中分别部署了20、30、40、50个节点。NS-2仿真系列实验中，分别假设共有5个和10个视频数据发送源节点，同时建立5和10对视频会晤，数据包发送的速率为10bps。其他参数如表2所示。在不同网络规模下，源节点与接收节点之间传输每比特平均信噪比仿真实验统计值与预测值对比结果如图1所示。从图1可以看出，随着网络规模的增加，感知能量与剩余能量之比逐渐降低，在这个过程中传感器节点剩余能量在逐渐减少，表明传感器能量感知的能力随着节点数的增加会逐渐减弱。这是因为分簇内各节点间的无线广播消息增加了干扰信号，使得无线链路质量越来越差，很难满足多媒体数据在无线传感器网络上传输的服务质量。然而，基于遗传优化算法的预测模型，可以在传感器节点能量感知能力减弱的趋势下显著提高感知能量之比，明显优于仿真实验统计值。此外，对比图1(a)和(b)发现，随着无线多媒体传感器网络中视频会晤数的增加，预测比值与统计比值相比，随着网络规模和视频业务规模增大，误差越来越大。这是因为遗传优化算法中，对于随机N个数据序列θFk进行更新过程特别是对待解更新时受到越来越大的噪声干扰，进行转置筛选后存放的概率Pk逐渐降低，但是最大的误差值仍小于0．163，表明遗传优化算法可以满足无线多媒体传感器网络对实时性的高要求，能够在较短的时间内收敛并预测感知能量。
无线多媒体传感器网络可表示为一个有向图G(V，E)，其中V表示多媒体传感器节点集合，E表示视频数据传输无线信道集合。假设随机分布N个节点。每个分簇内多媒体传感器节点的编号记为(O(1)≤n≤O(N))，O(i)表示多媒体传感器节点所处分簇，dij表示节点O(ni)与O(nj)之间的一跳通信距离。多媒体传感器节点的直接通信距离为γ，节点信号发射的干扰半径为ω。对于出错或丢失的视频数据，根据MPEG-4视频帧的类型可分为三类，即属于I帧、P帧和B帧的数据包分别记录为FEI，FEP，FEB。基于遗传优化算法预测模型的跨层交互分布式路由技术工作体系结构如图2所示，其中跨层协同体系包括两个部分，主要用于视频传输过程传递遗传优化参数及其因子和采集无线多媒体传感器网络状态信息。综上所述，具体工作流程如下:a)视频数据发送源节点通过无线广播消息，通知相邻节点或接收节点。b)各分簇内的若干相邻节点收到源节点广播信息后向其反馈确认消息，然后源节点根据收到的确认信息得到相邻分簇区域定位信息，根据遗传优化算法预测该区域内所有节点感知能量，并向该分簇广播预测消息。c)分簇内簇头节点收集簇内所有节点的剩余能量，然后反馈给源节点。d)反复执行步骤b)和c)，直至建立一张感知能量与剩余能量及其比值的二维表，从中选择一条到达视频数据接收节点的比值最大路径。e)基于图2所示的跨层协同路由机制，建立协同合作分布式路由。
性能分析与评价
基于第2章中建立的分布式跨层交互路由算法在无线多媒体传感器网络中的体系结构，采用NS-2和MATLAB在系统能效、系统吞吐量、路由开销、时延和分组递交率上与非协同路由技术、协作路由技术进行性能分析与比较，实验参数如表2所示。分析基于遗传优化算法跨层交互分布式路由技术(GC-R)与协作路由技术采用MATLAB实现，同时假设无线链路信道为Nakagami_m信道，调制方式为QAM-VSB调制。图3分别从系统能效和系统吞吐率上对比了三种路由技术。其中，图3(a)纵坐标表示能效百分比值，(b)纵坐标表示系统吞吐率百分比值;图3横坐标表示多媒体传感器节点数变化。分析发现，协同合作传输技术保持高能效同时增大系统吞吐率。其中基于遗传优化算法的跨层协同合作路由技术能效性能最佳。此外，无线多媒体传感器网络视频负载变化的路由开销、时延和分组递交率方面的性能对比如图4所示。其中，图4(a)纵坐标表示路由开销百分比值，(b)纵坐标表示视频数据发送源节点到接收节点间端到端平均时延，(c)纵坐标表示视频分组成功递交概率百分比值;图4横坐标表示多媒体传感器节点数变化清况。非协同合作路由技术、协同合作路由技术和基于遗传优化算法跨层交互分布式路由技术(GC-R)的端到端平均时延均随着网络视频负载增大而增大。对于基于遗传优化算法的跨层分布式协同合作路由技术而言，端到端平均时延保持最小且平滑。分组成功传递率均保持下降趋势，但是非协同合作路由技术的成功率最低。图3、4共同表明，基于遗传优化算法的感知能量预测跨层协同合作分布式路由技术，可以充分利用MPEG-4编码视频帧GOP结构的特点，基于多媒体传感器节点感知能量和剩余能量，合理选择协同合作路由，能够保持较高的系统吞吐率、路由开销、端到端平均时延和有效的可靠性，是一种非常适合于无线多媒体传感器网络的高能效路由技术。
结束语
本文采用遗传优化算法模型预测多媒体传感器节点感知能量和剩余能量比，基于无线链路信道质量建立了一种应用层、网络层和链路层的跨层交互分布式优化协同合作路由技术。根据NS-2仿真和MATLAB数学分析表明，遗传优化算法能够在较短的时间内收敛运算速度，很好地满足多媒体实时通信的要求，并具有较高可靠性准确地预测网络能量状况。另一方面，该分布式跨层交互优化协同合作路由技术在提高无线多媒体传感器网络能量、带宽和信道链路等有限资源利用率的同时，有效地延长了无线多媒体传感器网络生命周期，能够很好地保证长时间的视频数据传输，验证了该路由技术可以较好地适应无线多媒体传感器网络通信。