?

1．4 算法的分析與實現
??? 在這里以雙重身份節點m(節點m既可以看作下游節點，也可以看作上游節點)作為主要考慮節點，首先當節點m作為上游節點時，向其自己的上游節點發送消息，然后根據上游節點集反饋回來的消息來計算節點相對信息熵的大小，根據計算出來的節點相對信息熵的大小來決定其分配的發送數據窗的大小。其中消息主要包含發送節點的id、各數據包的信息量大小以及統計特性等信息。具體的擁塞避免算法實現過程如下：
??? (1)如果節點m發送數據窗SDWm>0且當前信道可用，則節點m根據其收到的下游節點發送的廣播消息來決定發送自己的數據窗大小；
??? (2)否則節點m發送數據窗SDWm=0，然后向其上游節點集發送消息；
??? (3)如果僅作為上游節點u的發送數據窗SDWm>0，則上游節點u退出上游節點集，此時上游節點u不響應下游節點d發送的，也不發送消息；
??? (4)如果僅作為上游節點u發送數據窗SDWm=0，上游節點集則向下游節點發送消息(req>；
??? (5)下游節點m收到消息開始計算節點相對信息熵的大小；
??? (6)根據計算得到節點相對信息熵的大小向上游節點集廣播消息，通知上游節點u各自發送數據窗的大小，然后上游節點u根據收到的發送數據窗的大小來決定向下游節點發送一定數量的數據包，其中廣播消息主要包括發送節點id及相應發送數據窗的大小，且各發送數據包的大小之和小于本地可用緩沖區間。
??? 在上述過程中，若上游節點u當前的發生數據窗大于0，則不響應下游節點d發送的，也不發送消息，此時下游節點d不為上游節點u重新分配發送數據窗；若上游節點u完成了當前的發生數據窗，則等待下游節點d發送下一個消息。因此每個上游節點只有在收到消息和之后的之間發送數據包，可得知下游節點d處不會產生數據擁塞，整個網絡的節點擁塞因此而避免發生。

2 實驗仿真
??? 為了驗證本文所提出的避免節點擁塞機制的性能，選取經典的CODA算法作比較。現假設本文的仿真實驗環境設置如下：
??? (1)選取200個節點隨機部署在600×600的正方形區域內，基站選擇在該區域邊界上；
??? (2)節點的位置是固定的，且節點之間的通信半徑R=50，網絡帶寬設置為1 Mb／s；
??? (3)信道質量相對可靠，可忽略信道對誤碼率的影響，源節點產生的數據包大小相同，且報文的產生率為每單位時間10個數據包，節點可用最大緩沖區間為15個數據包。

?

圖3描述了仿真過程中的網絡傳輸延遲。從圖中可以看出，CODA下的網絡傳輸延遲(每個到達基站的數據包在網絡中停留的時間)得到了一定的控制，而本文由于采用了基于發送數據窗的擁塞避免機制，降低了數據包在緩沖區內的平均等待時間，減少了在網絡中的傳輸延遲。

?

??? 圖4表示了對網絡平均丟包率的比較。由于仿真環境假設信道質量相對可靠，不會對網絡平均丟包率造成影響，因此，這里的數據包的丟失主要是由網絡的擁塞引起的。從圖中可以看出，CODA的網絡平均丟包率比本文的平均丟包率高。由于CODA采取了調節局部擁塞的節點，則在第120 s左右網絡平均丟包率趨于穩定，網絡平均丟包率幾乎為0，但并不能保證在有突發數據流出現時隨著時間的推移還會出現網絡平均丟包率增大的現象。而本文的算法完全是采用的節點避免策略，因此在整個網絡生命周期內，網絡的平均丟包率幾乎為0。

??? 圖5主要從無線傳感器網絡的能耗上進行比較。由于CODA下的數據包傳輸跳數較少，進而轉發數據包的次數也會減少，所以CODA的能耗相對較低一些。本文的算法雖然增加了傳輸跳數和節點之間的通信次數，但卻減少了由于沖突和擁塞帶來的能量浪費，進而有效地提高了能源的利用率。從圖5中可以看出，本文的算法比CODA的能量消耗相對多些，但這對于處理突發的緊急事件卻起著重要的作用，這樣即使多消耗了
一點能量，卻可以避免災難性后果的發生。

3 結語
??? 本文在現有節點擁塞控制的基礎上提出了基于信息熵的節點擁塞避免機制。仿真測試表明，該算法更適合于突發情況下的無線傳感器網絡的特點。算法使用的基于信息熵的擁塞避免策略，可以有效地避免節點產生擁塞，從而減少了網絡的平均丟包率，降低了網絡中的傳輸延遲，這對于處理突發緊急的事件是非常重要的，由于節點不需要時刻監測信道狀態，因此只有在有突發事件發生時，才會消耗大量能量。總的來說，本文的算法是比較合理的。

?