吞吐量是無線傳感器網(wǎng)絡(luò)WSN(Wireless Sensor Network)的一項重要性能指標，它直接反映了WSN工作運行的效率[1],如何提高吞吐量一直都是WSN研究的熱點。

　近些年來有學者在無線通信系統(tǒng)的吞吐量優(yōu)化問題上做了一些工作。LAVERY R J首次以吞吐量為優(yōu)化目標，針對影響吞吐量的符號速率和數(shù)據(jù)包長度這兩個參數(shù)分別作了優(yōu)化，得到了不同條件下的最優(yōu)符號速率和數(shù)據(jù)包長[2]。隨后TAESANG Y等人提出了一種數(shù)學框架，采用符號速率、數(shù)據(jù)包長度、調(diào)制星座體積3個參數(shù)作為優(yōu)化變量，實現(xiàn)了MQAM調(diào)制方式下點對點鏈路吞吐量的優(yōu)化[3]。其后參考文獻[4-6]基于參考文獻[2]提出了模型和假設(shè)，對點對點鏈路的吞吐量也作了類似的研究和優(yōu)化分析。但是參考文獻[2-6]的吞吐量優(yōu)化框架并不適用于無線傳感器網(wǎng)絡(luò)。因為WSN數(shù)據(jù)傳輸速率低、計算處理能力較弱、能量受限，所以WSN中的節(jié)點一般采用固定的調(diào)制方式和數(shù)據(jù)發(fā)射速率，譬如Mica2型節(jié)點[7]采用FSK調(diào)制，數(shù)據(jù)發(fā)射速率固定為38.4 kb/s；MicaZ型節(jié)點[8]使用直接擴頻（DSSS）和O-QPSK調(diào)制方式，數(shù)據(jù)速率為250 kb/s。另外，參考文獻[2-6]都只研究了ARQ協(xié)議下的吞吐量優(yōu)化，而沒有考慮FEC技術(shù)的應(yīng)用。
    參考文獻[9]最先對能效進行了定義，并指出ARQ協(xié)議的重傳策略不能提高WSN的能效。參考文獻[10]對ARQ和FEC的能效進行了分析，并首次提出在WSN中使用Chase合并 HARQ技術(shù)，并通過仿真說明Chase合并HARQ技術(shù)的能效在整體上優(yōu)于ARQ和FEC方案。然而Chase合并時軟判決信息合并，而現(xiàn)有的傳感器節(jié)點只提供硬判決比特，目前還無法實際應(yīng)用。參考文獻[11]提出了一種高能效的自適應(yīng)差錯控制機制(AEC-RSSI);參考文獻[12]提出了基于RSSI測距技術(shù)的自適應(yīng)差錯控制方案。然而，上述文獻都是基于能量效率的角度，而對于WSN中吞吐量的差錯控制優(yōu)化的問題研究則相對較少。
　　本文在上述工作的基礎(chǔ)上，考慮到WSN實際應(yīng)用環(huán)境中不同節(jié)點間的鏈路距離的差異，以最大化吞吐量為目標，提出了一種基于RSSI測距技術(shù)的自適應(yīng)吞吐量優(yōu)化策略ATO-RSSI(Aadptive Throughput Optimal base on RSSI)，根據(jù)接收信號強度指示(RSSI)測算節(jié)點間通信距離，進而自適應(yīng)選擇最優(yōu)的差錯控制方案，以使鏈路吞吐量始終保持最大化。
1 系統(tǒng)吞吐量分析
　    本文的吞吐量分析是基于使用CC2420射頻模塊[13]的MicaZ型節(jié)點[8]。                           


2 吞吐量自適應(yīng)優(yōu)化策略
　    通過上述對ARQ和FEC技術(shù)吞吐量的推導和分析，為了最大化吞吐量，采用ARQ技術(shù)時可以使用最優(yōu)數(shù)據(jù)包長，而采用FEC技術(shù)時，可以使用最優(yōu)BCH碼參數(shù)組(n、k、t)。然而，在實際的無線傳感器網(wǎng)絡(luò)中，單獨使用ARQ技術(shù)或者FEC技術(shù)具有許多局限和不足。
　　首先，對于ARQ技術(shù)，它僅靠出錯重傳來實現(xiàn)可靠傳輸。但在WSN中，由于能量受限，節(jié)點發(fā)射功率低，因而容易受到無線信道環(huán)境的影響。節(jié)點間通信距離越遠，信道質(zhì)量越差，數(shù)據(jù)包即使多次重傳仍可能無法正確傳輸，因此采用ARQ技術(shù)的無線傳感器網(wǎng)絡(luò)可靠通信距離短,這使得傳感器節(jié)點的通信覆蓋范圍受到限制。
　　其次，對于FEC技術(shù)，它通過增加冗余位來糾正誤碼。當通信距離較遠時，F(xiàn)EC能夠通過糾錯來減少重傳，從而提高鏈路的吞吐量；但是當通信距離較近時，信道質(zhì)量較好，傳輸冗余位帶來的額外開銷使得其吞吐量低于ARQ。
　    綜合分析可知，ARQ和FEC技術(shù)適合于不同的通信距離（信道質(zhì)量），ARQ技術(shù)在通信距離較近時能獲得較大吞吐量，而在通信距離較遠時FEC技術(shù)獲得的吞吐量更大。因此，為了在提高可靠性的同時能在較大的動態(tài)范圍內(nèi)保證吞吐量的最大化，本文提出一種根據(jù)節(jié)點間的不同通信距離自適應(yīng)選擇最優(yōu)化的差錯控制技術(shù)的優(yōu)化策略(ATO-RSSI)。
2.1 吞吐量自適應(yīng)優(yōu)化機制
    本文提出的ATO-RSSI是一種適用于WSN、可以根據(jù)節(jié)點間不同通信距離自適應(yīng)選擇ARQ或FEC的差錯控制策略，主要目的是在WSN中提高數(shù)據(jù)傳輸高可靠性的同時保證高的吞吐量。
    由前文分析可知，存在一個臨界距離值d*,使得
    TARQ(d*)=TFEC(d*)                     (11)
    這里，將d*稱為門限距離。CC2420有一個內(nèi)置的RSSI(接收到的信號強度指示器)，用來提供一個數(shù)字值，該數(shù)字值可以從8位的、有符號的二進制補碼RSSI.RSSI_VAL寄存器中讀得。實際測量表明，CC2420的RSSI值與輸入信號強度成近似線性關(guān)系，能夠穩(wěn)定地指示無線鏈路質(zhì)量。RSSI寄存器值RSSI.RSSI_VAL可以被用來計算RF引腳上的接收信號功率Pt,計算公式如下[13]：
    Pt=RSSI_VAL+RSSI_OFFSET [dBm]      (12)
    RSSI_OFFSET在系統(tǒng)開發(fā)時根據(jù)經(jīng)驗從前端獲得。RSSI_OFFSET近似為－45 dBm[13]。讀出RSSI寄存器的RSSI.RSSI_VAL值，根據(jù)式(12)便可以計算出接收功率Pt,然后將Pt代入式(3)便可求得通信距離d。
    本文所提出的ATO-RSSI優(yōu)化策略如下：
    在網(wǎng)絡(luò)布設(shè)之前，針對不同的網(wǎng)絡(luò)條件(主要指無線信道噪聲和節(jié)點間干擾)，通過求解式(11)得到d*，并寫入各個傳感器節(jié)點的存儲單元中。這部分工作可以人為地在計算機上完成。
    在網(wǎng)絡(luò)運行過程中,傳感器節(jié)點利用RSSI測距技術(shù)測算節(jié)點間的通信距離d,然后比較d和d*：當d≤d*時,則使用最優(yōu)ARQ方案進行差錯控制；當d>d*時,則使用最優(yōu)FEC方案進行差錯控制。其中,最優(yōu)ARQ方案和最優(yōu)FEC方案將在第3節(jié)中通過仿真給出。在ATO-RSSI策略中，傳感器節(jié)點不承擔門限距離d*的求解任務(wù)，因此不會額外消耗節(jié)點的能量和資源。這樣，ATO-RSSI策略僅會對能量和計算能力均受限的傳感器節(jié)點帶來極小的額外資源開銷。
2.2 ATO-RSSI的具體實現(xiàn)
    圖1給出了WSN中一個傳感器節(jié)點的ATO-RSSI體系結(jié)構(gòu)。從圖1中可以看到，ATO模塊位于數(shù)據(jù)鏈路層。此外，在ATO中包含了兩種子優(yōu)化模塊：最優(yōu)ARQ方案和最優(yōu)FEC方案。RSSI模塊用于測算節(jié)點間的通信距離。ATO模塊根據(jù)RSSI測算出的距離來自適應(yīng)地為系統(tǒng)選擇最優(yōu)差錯控制方案。

　    ATO-RSSI的算法偽碼如下：
　　Process of ATO-RSSI( )
　　{ if (RSSI_distance)<d*
　　        ATO = Optimal_ARQ;
　　  else
　　         ATO = Optimal_FEC;
　        Change(ATO); }
其中，RSSI_distance表示由RSSI模塊測算出節(jié)點間的通信距離。該策略具體實現(xiàn)方法是：接收端每次接收數(shù)據(jù)時, 讀出RSSI值交由RSSI模塊測算出通信距離RSSI_
distance，然后與門限距離d*比較，ATO模塊根據(jù)比較結(jié)果選擇最優(yōu)ARQ方案或者最優(yōu)FEC方案。當最優(yōu)差錯控制方案需要更改時，接收端發(fā)送請求消息讓發(fā)送端進行切換。該策略結(jié)合了ARQ和FEC技術(shù)的優(yōu)勢，在不同通信距離下都可以獲得較高的吞吐量，具有較大的動態(tài)范圍，而且簡單，易于實現(xiàn)。
3 仿真結(jié)果與分析
    為了對上述理論分析進行驗證,采用Matlab對ARQ和FEC技術(shù)的吞吐量進行仿真實驗, 仿真參數(shù)如表1所示[10-12]。

得到不同通信距離下相應(yīng)的最優(yōu)數(shù)據(jù)包長L(d)*，進而得到最優(yōu)ARQ方案吞吐量曲線。從最優(yōu)曲線可以看到,當d>450 m時,T迅速下降為0,此時即使采用最優(yōu)數(shù)據(jù)包長也提高不了吞吐量。因此,遠距離通信時,僅靠最優(yōu)ARQ方案并不能使吞吐量最大化。
     圖3、圖4在不同包長、不同糾錯能力t的情況下，對FEC技術(shù)的BCH碼的吞吐量分別進行了比較。從圖3中可以看到，當節(jié)點間的通信距離較近(<450 m)時，每種BCH碼的吞吐量都近似恒定，幾乎不隨通信距離的增加而變化，并且糾錯能力越弱(即t越小)BCH 碼吞吐量越高，這是因為t越小，意味著需要額外增加的冗余位越少，因此吞吐量越高。當通信距離大于450 m時，各種BCH碼的吞吐量開始迅速下降直至為零，但糾錯能力越強(即t越大)BCH 碼吞吐量動態(tài)范圍越大，這是因為糾錯性能越強t越大，能夠支持的動態(tài)范圍自然就大。

　  從上述分析中可以看到，評價BCH碼吞吐量性能的好壞，應(yīng)結(jié)合吞吐量大小和動態(tài)范圍兩方面綜合考慮。由圖3知t值取小于3較好，t=2性能折中最優(yōu)。
　圖4中也可以得到類似圖3的結(jié)論。由圖4可知n=511，t=2和 n=511，t=3具有較好的折中性能。為了獲得BCH碼吞吐量最優(yōu)的參數(shù)，圖5進一步比較了具備較好折中性能的不同BCH碼的吞吐量。從圖5中可以看到，BCH(127,2)不論在吞吐量大小還是在動態(tài)范圍方面均具有較好的性能,并且根據(jù)參考文獻[12]，BCH(127,2)碼也具有較高的能效，因此在本文提出的ATO-RSSI策略中，選擇BCH(127,2)碼為最優(yōu)FEC技術(shù)方案。

     當FEC技術(shù)中的最優(yōu)糾錯碼確定為BCH(127,2)后，便可以得到ATO-RSSI的最優(yōu)吞吐量曲線，如圖6所示。為了對比分析，圖6中也同時給出了單純的最優(yōu)ARQ和最優(yōu)FEC方案的吞吐量曲線。兩條曲線在d*=407 m的位置附近相交，當通信距離小于d*時，最優(yōu)ARQ技術(shù)吞吐量高于最優(yōu)FEC方案;而當通信距離大于d*時，最優(yōu)FEC方案吞吐量高于最優(yōu)ARQ技術(shù)。ATO-RSSI方案就是在通信距離小于d*時使用最優(yōu)ARQ技術(shù)進行差錯控制，而在通信距離大于d*時使用最優(yōu)FEC技術(shù)進行差錯控制。

    通過在不同通信距離上對三種吞吐量優(yōu)化方案進行比較可以看到，ARQ和FEC方案分別在近距離和遠距離范圍內(nèi)局部最優(yōu)，而ATO-RSSI自適應(yīng)方案則相對穩(wěn)定，在所有的通信距離上都能獲得相對較高的吞吐量，具有較大的動態(tài)范圍。因此，ATO-RSSI自適應(yīng)方案為整體最優(yōu)的吞吐量優(yōu)化方案。
    本文從吞吐量的角度,分析了ARQ技術(shù)和FEC技術(shù)的通信距離特性,并據(jù)此提出了一種適合于WSN的基于通信距離的自適應(yīng)吞吐量優(yōu)化策略(ATO-RSSI)。ATO-RSSI策略結(jié)合了ARQ和FEC技術(shù)的優(yōu)勢，可以根據(jù)WSN的動態(tài)變化自適應(yīng)選擇最優(yōu)的差錯控制方案，以便提高可靠性的同時能在較大的動態(tài)范圍內(nèi)保證吞吐量的最大化，為整體最優(yōu)的吞吐量優(yōu)化方案。  
參考文獻
[1] 孫利民,李建中, 陳渝,等. 無線傳感器網(wǎng)絡(luò)[M]. 北京：清華大學出版社,2005
[2] LAVERY R J. Throughput optimization for wireless datatr ansmission[D]. M.S.thesis,Polytechnic University,June 2001.
[3] YOO T, LAVERY R, GOLDSMITH A, et al. Throughput optimization using adaptive Techniques[C]. in Draft, may 2005.
[4] FAKHRI Y, NSIRI B, ABOUTAJDIN D, et al. Throughput optimization via the packet length and transmission parameters[C]. IJCSNS International Journal of Computer Science and Network Security, 2006.
[5] Liu Jian, Sun Jian, Lv Shoutao. A novel throughput optimization approach in wireless systems[C]. IEEE ICCT2010, Nanjing, China, 2010:1374-1378.
[6] Lin Dai. Khaled ben letaief: throughput maximizationof adhoc wireless networks using adaptive cooperativediversity and truncated ARQ[J].IEEE Transactions on Co-mmunications,2008,56(11):1907-1918.
[7] Mica2 Datasheet. Crossbow Corp.[OL].Available:http://www.xbow.com.
[8] MicaZ Datasheet.Crossbow Corp.[OL].Available:http://www.xbow.com.
[9] SANKARASUBRAMANIAM Y, AKVILDIZ I F, MCLAUG-HLIN S W. Energy efficiency based packet size optimization in  wireless sensor networks[C]. First IEEE International  Workshop on Sensor Network Protocols and Applications,2003:1-8.
[10] 田真，袁東風，梁泉泉. 無線傳感器網(wǎng)絡(luò)差錯控制技術(shù)的能效分析[J]. 通信學報，2008，29(11)：77-83.
[11] Jin Yong, Chang Jinyi, Le Deguang. A high energy efficiency link layer adaptive error control mechanism for wireless sensor networks[C]. Proceedings of the    International Conference on Computational Intelligence and Software Engineering.Washington:IEEE,Computer Society,2010:1-4.
[12] 王海林，李鳳榮，吳明娟,等.無線傳感器網(wǎng)絡(luò)自適應(yīng)差錯控制技術(shù)研究[J].高技術(shù)通訊，2011,21(5):465-470.
[13] Chipcon.CC2420 Datasheet[EB/OL].[2011-07-20].http://www.chipcon.com.
[14] GOLDSMITH A. Wireless communications[D].Cambridge University Press,2005.