宋澤　毛健　王昌達(dá)

摘 要：在無(wú)線傳感網(wǎng)絡(luò)（WSN）中，通常使用溯源數(shù)據(jù)（Provenance）對(duì)基站（BS）接收的數(shù)據(jù)進(jìn)行可信評(píng)估。鑒于Provenance傳輸能耗較高，且目前缺乏實(shí)時(shí)測(cè)量WSN中能耗的有效手段，在介紹常用Provenance壓縮傳輸方法與PowerTOSSIMz體系結(jié)構(gòu)、仿真原理的基礎(chǔ)上，詳細(xì)給出了在TinyOS中使用PowerTOSSIMz評(píng)估上述Provenance壓縮傳輸方法能耗的解決方案。仿真結(jié)果表明，使用PowerTOSSIMz測(cè)量WSN中Provenance的傳輸能耗較為有效。

關(guān)鍵詞：無(wú)線傳感網(wǎng)絡(luò)；溯源數(shù)據(jù)；壓縮傳輸；PowerTOSSIMz

DOI：10.11907/rjdk.171639

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2017）009-0170-03

Abstract：In wireless sensor networks （WSN）， data from the base station （BS） are usually evaluated reliably usingProvenance. Due to high energy consumption of Provenance transmission， and the lack of effective method of measuring energy consumption in WSN， the paper introduces Provenance compression transmission methodbased on the system structure and the simulation principle.And the paper also describes in detail the use of PowerTOSSIMz in TinyOS solution. Simulation results show that using PowerTOSSIMz to measure the energy consumption of Provenance transmissionin WSN is an effective method.

Key Words：WSN； Provenance； compression transmission； PowerTOSSIMz

0 引言

在WSN中，通常使用Provenance對(duì)BS接收的數(shù)據(jù)進(jìn)行可信性評(píng)估。但是由于Provenance記錄了一個(gè)數(shù)據(jù)從產(chǎn)生、轉(zhuǎn)發(fā)至BS涉及的所有操作[1-2]，因而容易引發(fā)Provenance的數(shù)據(jù)量過(guò)載問(wèn)題，并導(dǎo)致極高的傳輸能量消耗。為此，研究人員提出了一些Provenance壓縮方法，如：Provenance分段傳輸?shù)腜PM（Probabilistic Packet Marking）方法[3]與PPF（Probabilistic Provenance Flow）方法[4]，以及基于字典的DP（Dictionary Based Secure Provenance Compression）方法[5]。然而，由于傳感器節(jié)點(diǎn)的能量有限，且實(shí)時(shí)測(cè)量Provenance的傳輸能耗缺乏有效的技術(shù)手段，因而出現(xiàn)了較多的嵌入式能耗測(cè)量插件，如：PowerTOSSIM[6-8]和PowerTOSSIMz[9]等。其中PowerTOSSIM提供伸縮性能耗評(píng)估環(huán)境，生成的代碼可直接在TOSSIM上運(yùn)行，而由Enrico Perla等利用TOSSIM仿真器和事件驅(qū)動(dòng)開發(fā)的PowerTOSSIMz，其除了具有豐富的Radio模型外，還具有較為完善的Micaz節(jié)點(diǎn)能耗模型。

本文首先介紹目前常用的Provenance壓縮傳輸方法，然后闡述PowerTOSSIMz[9]的仿真原理和體系結(jié)構(gòu)。在此基礎(chǔ)上，介紹PowerTOSSIMz在TinyOS-2.1.2平臺(tái)上的配置步驟和仿真過(guò)程。實(shí)驗(yàn)結(jié)果表明，與PowerTOSSIM相比較，PowerTOSSIMz測(cè)量值更加接近真實(shí)的能量消耗。

1 Provenance壓縮傳輸方法

1.1 PPM方法

Savage等[3]提出了一種基于概率數(shù)據(jù)包標(biāo)記的Provenance編碼方法PPM（Probabilistic Packet Marking）。PPM除了要求一個(gè)全局變量M_ID，用于區(qū)分Provenance數(shù)據(jù)片段，還要求每個(gè)節(jié)點(diǎn)具有標(biāo)識(shí)ID和閾值p（通常p=0.04）。在編碼過(guò)程中，若抽簽概率小于p，該節(jié)點(diǎn)的ID寫入Provenance緩存中，并修改M_ID的值；反之，PPM則不標(biāo)記當(dāng)前節(jié)點(diǎn)，僅僅修改M_ID的值，然后在下一個(gè)節(jié)點(diǎn)處繼續(xù)實(shí)施編碼。而在解碼過(guò)程中，BS首先根據(jù)M_ID對(duì)所有的Provenance片段進(jìn)行分類，然后利用節(jié)點(diǎn)標(biāo)記信息可準(zhǔn)確地解碼出Provenance。該方法將Provenance分段傳輸至BS，解決了數(shù)據(jù)包容量受限的問(wèn)題，但是由于只傳輸節(jié)點(diǎn)的ID，整體壓縮比不高，因而Provenance的傳輸能耗較高。

1.2 PPF壓縮方法

Fahmy等[4]提出了一種基于數(shù)據(jù)鏈路片段標(biāo)記方法PPF（Probabilistic Provenance Flow）。該方法除了引入分段傳輸和素因子分解技術(shù)之外，還規(guī)定每個(gè)節(jié)點(diǎn)都具有標(biāo)識(shí)ID，每條數(shù)據(jù)鏈路片段具有閾值p，以及一個(gè)全局變量F_ID（數(shù)據(jù)鏈路的ID）。在編碼過(guò)程中，若抽簽概率小于閾值p，則清空Provenance緩存區(qū)，然后修改F_ID的值，同時(shí)將數(shù)據(jù)鏈路上所有節(jié)點(diǎn)ID的最大素?cái)?shù)乘積和偏移量之和寫入緩存區(qū)中；反之，僅須修改F_ID的值，然后將Provenance傳輸至下一個(gè)節(jié)點(diǎn)，繼續(xù)實(shí)施編碼。而在解碼過(guò)程中，BS先將相同的F_ID歸為一類，然后用文獻(xiàn)[10]的方法算出節(jié)點(diǎn)的ID，并結(jié)合網(wǎng)絡(luò)拓?fù)淇芍亟〝?shù)據(jù)源到BS的Provenance。PPF算法采用鏈路標(biāo)記方法，達(dá)到了減少Provenance數(shù)據(jù)量的目的；但是由于應(yīng)用了素因子分解算法，因而運(yùn)行時(shí)間復(fù)雜度高、效率較低、能耗較大。endprint

1.3 DP壓縮方法

Wang等[5]提出了一種基于字典序的Provenance壓縮方法DP（Dictionary Based Secure Provenance Compression）。在編碼過(guò)程中，DP方法首次傳輸完整的Provenance，并在每個(gè)節(jié)點(diǎn)處建立數(shù)據(jù)鏈路的字典與索引，其余每次只傳輸數(shù)據(jù)鏈路在字典中的索引。而在解碼過(guò)程中，BS在所有的字典中搜索出索引所對(duì)應(yīng)的字典序，從而能準(zhǔn)確恢復(fù)出Provenance拓?fù)?。該方法在穩(wěn)定的網(wǎng)絡(luò)環(huán)境中，Provenance平均壓縮比較高；反之，若WSN的拓?fù)浣Y(jié)構(gòu)變化較快，數(shù)據(jù)鏈路的字典將會(huì)難以建立，由此也會(huì)導(dǎo)致Provenance的平均壓縮比下降，出現(xiàn)耗能較高的情況。

2 PowerTOSSIMz實(shí)現(xiàn)原理

2.1 PowerTOSSIMz體系結(jié)構(gòu)

PowerTOSSIMz的體系結(jié)構(gòu)包括基本模塊和核心模塊，其體系結(jié)構(gòu)如圖1所示。其中，基本模塊是支持TOSSIM的仿真模塊，而核心模塊生成專門的功率狀態(tài)信息，通過(guò)記錄各仿真節(jié)點(diǎn)上硬件抽象組件的功率狀態(tài)來(lái)分析TOSSIM的仿真結(jié)果。

PowerTOSSIMz通過(guò)功率狀態(tài)信息與功率模型相結(jié)合來(lái)評(píng)估每個(gè)仿真節(jié)點(diǎn)的耗能情況，采用脫機(jī)的工作方式獲取功率狀態(tài)的詳細(xì)記錄，其能耗測(cè)量分為兩個(gè)過(guò)程：①功率狀態(tài)信息的生成過(guò)程，僅花費(fèi)較小的代價(jià)即可記錄硬件狀態(tài)轉(zhuǎn)換的開銷；②數(shù)據(jù)處理過(guò)程，采用額外的組件將仿真節(jié)點(diǎn)所消耗的總能量進(jìn)行可視化。因而PowerTOSSIMz評(píng)估能耗具有較強(qiáng)的靈活性和有效性。

2.2 PowerTOSSIMz仿真原理

PowerTOSSIMz內(nèi)核維護(hù)了一個(gè)仿真器事件隊(duì)列。當(dāng)執(zhí)行一個(gè)仿真器事件時(shí)，仿真調(diào)度器會(huì)檢查相應(yīng)仿真節(jié)點(diǎn)的任務(wù)隊(duì)列，按照先進(jìn)先出的原則執(zhí)行隊(duì)列中的任務(wù)，直至任務(wù)隊(duì)列為空。而核心調(diào)度器用一個(gè)全局狀態(tài)表指示正在運(yùn)行的節(jié)點(diǎn)，當(dāng)執(zhí)行的任務(wù)從硬件抽象組件中退出時(shí)，PowerTOSSIMz立即轉(zhuǎn)去運(yùn)行TOSSIM。PowerTOSSIMz通過(guò)變動(dòng)較少的代碼替換TOSSIM的部分硬件抽象組件，從而使PowerTOSSIMz接口鏈接到TOSSIM的組件上。另外，PowerTOSSIMz還采用獨(dú)立的PowerState模塊測(cè)量各節(jié)點(diǎn)能耗的方法，有利于擴(kuò)展接口支持新的硬件組件。

3 仿真

3.1 PowerTOSSIMz配置步驟

（1）根據(jù)文獻(xiàn)[11]所在網(wǎng)址下載PowerTOSSIMz源碼。

（2）使用PowerTOSSIMz的組件替換TOSSIM的相關(guān)硬件抽象組件，然后在TinyOS的相應(yīng)目錄下創(chuàng)建PowerTOSSIMz的能耗評(píng)估文件，用于測(cè)量仿真節(jié)點(diǎn)消耗的能量。

（3）在文件support/make/sim.extra中增加build_storage，而在tos/platforms/micaz/sim/.platform文件中須加入如下代碼：

%T/platforms/mica2/chips/at45db

%T/platforms/mica/chips/at45db

%T/chips/at45db

（4）為了生成功率狀態(tài)信息，須在Makefile文件中添加：CFLAGS += -DPOWERTOSSIMZ。

（5）在Python的文件中須增加額外的ENERGY_HANDLER，可將標(biāo)準(zhǔn)的能耗結(jié)果輸出到指定的文件中。

3.2 PowerTOSSIMz運(yùn)行過(guò)程

首先在tinyos-2.1.2/apps/test目錄下執(zhí)行如下兩條命令：make micaz、make micaz sim；然后進(jìn)入tinyos-2.1.2/apps/test/postprocessZ目錄中，執(zhí)行命令python postprocessZ.py--powercurses Energy.txt>EnergyPowerCurses.txt。其主要的仿真過(guò)程可分為如下4個(gè)步驟：

（1）啟動(dòng)。仿真程序讀取能量評(píng)估所需要的初始信息，例如仿真時(shí)間、噪聲配置信息、隨機(jī)數(shù)種子及仿真節(jié)點(diǎn)個(gè)數(shù)。

（2）初始化。首先初始化全局?jǐn)?shù)據(jù)結(jié)構(gòu)，然后初始化各仿真節(jié)點(diǎn)模塊，包括數(shù)模轉(zhuǎn)換模塊ADC、時(shí)鐘模塊CLOCK、射頻模塊RF，以及初始化外部通信接口和仿真時(shí)間隊(duì)列等。

（3）調(diào)度處理。PowerTOSSIMz按先進(jìn)先出的原則從仿真器事件隊(duì)列中取出事件，然后在執(zhí)行該事件的同時(shí)，將下一仿真器事件進(jìn)入隊(duì)列，以此驅(qū)動(dòng)仿真程序繼續(xù)向前執(zhí)行。若仿真器發(fā)現(xiàn)仿真時(shí)間已到或收到了終止命令，則立即結(jié)束。

（4）結(jié)束。PowerTOSSIMz內(nèi)核關(guān)閉對(duì)外的所有通信接口，將能耗信息寫入所規(guī)定的文件中，然后釋放占有的系統(tǒng)資源。

3.3 基于PowerTOSSIMz的仿真

為了更好體現(xiàn)PowerTOSSIMz測(cè)量能耗的有效性，本文對(duì)PPM[3]、PPF[4]和DP[5]方法進(jìn)行了能耗對(duì)比實(shí)驗(yàn)。在實(shí)驗(yàn)中，使用了100個(gè)節(jié)點(diǎn)，其中0號(hào)節(jié)點(diǎn)作為BS使用，網(wǎng)絡(luò)直徑為12跳，對(duì)能耗測(cè)量使用的性能指標(biāo)如下：

Total Energy Consumption （TEC）：在仿真周期內(nèi)傳輸Provenance消耗的總能量（單位：毫焦），TEC的定義如下：TEC=∑mi=1ECi 其中，ECi表示節(jié)點(diǎn)ni傳輸Provenance所消耗的能量，m表示W(wǎng)SN中節(jié)點(diǎn)的總數(shù)。

圖2給出了數(shù)據(jù)傳輸跳數(shù)為6時(shí)，PPM方法下PowerTOSSIMz的仿真結(jié)果。從圖中可直觀地看出WSN中仿真節(jié)點(diǎn)所消耗的能量，包括CPU、ADC模塊、LED模塊、無(wú)線通信模塊、總能耗及節(jié)點(diǎn)剩余能量等，從而可計(jì)算出所有仿真節(jié)點(diǎn)的能耗。endprint

在相同的仿真環(huán)境中，圖3給出了PPM方法下PowerTOSSIM測(cè)量結(jié)果。數(shù)據(jù)顯示，該工具的功能與PowerTOSSIMz類似，但并沒有給出仿真環(huán)境中節(jié)點(diǎn)的剩余能量。另外，也顯示了5號(hào)節(jié)點(diǎn)和6號(hào)節(jié)點(diǎn)在CPU耗能方面存在較大差異。

根據(jù)理論分析，PPM方法在各節(jié)點(diǎn)處都采用相同的Provenance編碼方法，由此可推導(dǎo)出CPU的能耗差異應(yīng)較小，這與圖3中的數(shù)據(jù)差異較大，因此使用PowerTOSSIM測(cè)量傳感器節(jié)點(diǎn)的能耗，其穩(wěn)定性低于PowerTOSSIMz。

圖4給出了當(dāng)采用PowerTOSSIMz測(cè)量PPM、PPF和DP方法的能耗時(shí)，Provenance的傳輸能耗TEC與數(shù)據(jù)包傳輸跳數(shù)之間的關(guān)系曲線。由此可直觀地看出，DP方法的TEC曲線趨于水平，其成因是在網(wǎng)絡(luò)穩(wěn)定時(shí)，每次只傳輸字典索引，因而其能耗最低，性能最好，PPF其次，而PPM最弱。

4 結(jié)語(yǔ)

WSN是一個(gè)典型的能量受限網(wǎng)絡(luò)，而能耗問(wèn)題又直接影響其通信質(zhì)量，因此如何評(píng)估WSN中的傳輸能耗已是重點(diǎn)關(guān)注的問(wèn)題。由于實(shí)時(shí)測(cè)量節(jié)點(diǎn)的能耗目前缺乏有效的技術(shù)手段，因而本文在TinyOS-2.1.2中配置PowerTOSSIMz，能夠在TOSSIM仿真的同時(shí)記錄每個(gè)節(jié)點(diǎn)的能耗狀態(tài)，從而便于計(jì)算出網(wǎng)絡(luò)傳輸?shù)目偰芎摹ＥcPowerTOSSIM相比，仿真數(shù)據(jù)實(shí)證了PowerTOSSIMz具有更高的穩(wěn)定性，還能直觀地看出節(jié)點(diǎn)的剩余能量，因此在WSN中使用PowerTOSSIMz測(cè)量能耗更為合理。

參考文獻(xiàn)：

[1] DOGAN G.A survey of provenance in wireless sensor networks[J]. Adhoc & Sensor Wireless Networks，2016.

[2] PRIYANKA， DEVIKA M.A survey of provenance management in wireless sensor network[J].Journal of Engineering Research and Applications，2016.

[3] CHAUDHARI K P， TURUKMANE A V.Dynamic probabilistic packet marking[M]. Springer Berlin Heidelberg，2013.

[4] ALAM S I， FAHMY S.A practical approach for provenance transmission in wireless sensor networks[J].Ad Hoc Networks，2014（16）：28-45.

[5] WANG C， HUSSAIN S， BERTINO E.Dictionary based secure provenance compression for wireless sensor networks[J].IEEE Transactions on Parallel & Distributed Systems，2015，27（2）：1.

[6] SHNAYDER V， HEMPSTEAD M， CHEN B R， et al. Simulating the power consumption of large-scale sensor network applications[C].International Conference on Embedded Networked Sensor Systems，2004：188-200.

[7] 郭克君.基于PowerTOSSIM的WSN仿真軟件研究與實(shí)現(xiàn)[D].南京：南京航空航天大學(xué)，2012.

[8] 熊書明，王良民，王新勝，等.PowerTOSSIM無(wú)線傳感網(wǎng)仿真器剖析[J].系統(tǒng)仿真學(xué)報(bào)，2010，22（1）：75-78.

[9] PERLA E，IN A， CARBAJO R S， et al. PowerTOSSIM z： realistic energy modelling for wireless sensor network environments[C].ACM Workshop on PERFORMANCE Monitoring and Measurement of Heterogeneous Wireless and Wired Networks，2008：35-42.

[10] CORMEN T H， LEISERSON C E， RIVEST R L，et al.Introduction to algorithms[M]. MIT press Cambridge，2001.

[11] MICHAEL.Powertossimz-November-2-2010[EB/OL].http：//www.dssz.com/1543634.html， 2012-11-16.

（責(zé)任編輯：孫 娟）endprint