水下传感器网络（Underwater Wireless Sensor Network，UWSN）是一种针对水下传播特性，采用水声传感器节点所组成的水下环境多跳自组织网络[1-3]，由于水下复杂的环境使得电磁波在水下的应用得到限制，因此在水下采用声波进行数据传播是目前广泛应用的水下通讯方法[4-5]。水下传感器网络在海洋资源开发、海洋生态环境保护、航线探索等方面都具有重要应用，早在20世纪90年代，DSP（Digital Signal Processing）芯片及数字通信技术的问世，为水下传感器网络的发展奠定了基础[6]。经过多年的发展，水下传感器网络在节点硬件设计和通信算法上得到了更多的改良，然而噪声高、传输速率低、带宽窄等水下信道特性使得水下通信存在误码率高、延迟严重等诸多问题。而且由于水下复杂的传播环境使得水声节点更换电池设备的难度大，成本高，因此如何有效延长水声节点有限的工作寿命也成为研究水下传感器网络的重要难题[7-8]。

为了解决水下传感器网络误码率高及能耗大等问题，国内外的专家学者通过开展研究提出了不同的解决方法。张颖等[9]提出一种基于深度和能量的水下三维传感器网络分簇路由算法，该算法中继节点的选择考虑了水下传输特性和能量问题，有效地均衡网络能耗，延长网络正常工作轮数。蒋鹏等[10]提出一种基于分簇的水下传感器网络覆盖保持路由算法，簇首间通信时父节点中覆盖冗余度最高的簇首作为其下一跳路由,对簇内成员采集的数据融合处理后通过时分多址技术多跳路由至Sink节点，能降低网络能耗，延长网络生命周期。水下分簇路由虽然减少了节点的平均传输能耗，但无法降低节点传输数据的平均误码率。王庆文等[11]提出一种水下无线传感器网络自适应转发协议，采用自适应概率的方法，倾向于转发区域内与上一跳节点距离远和与源节点和目的节点方向矢量距离近的节点转发分组，从而提高了转发效率。Yu等[12]提出一种水下传感器网络自适应路由协议，该协议通过逐渐改变节点的跳距离来保证传输的可靠性，并自适应调整节点的发射功率来提高网络的能量效率。但基于最短距离的自适应传输协议没有考虑传输误码率的问题。Javaid等[13]提出一种水下传感器网络增强型能源平衡数据传输协议，该协议采用能量级来提升节点能量负载均衡性能，通过采用阈值的方法减少汇聚节点数量并消除重复传输数据的节点，延长网络的生命周期。该方法虽然通过减少重传节点来节省能量，但由于水下传输特性的影响，节点存在一定的误码率，需要通过重传来确保终端正确接收数据，盲目减少重传节点会影响传输质量。

稳态神经网络模型产生的稳态数据为残碱和黑液波美度的具体数学模型提供了可靠的数据来源。利用稳态模型中的200组数据进行最小二乘拟合，建立残碱和黑液波美度的数学模型，见式(3)：

由于水下网络多跳自组织的传输特性，某些节点既需要负责数据采集任务，同时又负担起了中继转发的职责，具有较重的能量负担。为了优先确保采集的数据能够成功传输至目的节点，本文基于能量策略提出了中转节点的概念，使得中转节点在剩余能量不足的情况下优先承担起中继职责，从而提升网络的传输效率。为了降低误码率及提升网络的生命周期，本文基于马尔可夫链进行协作节点的状态分析，并以协作节点状态评价函数来选择最佳中继。

1 基于马尔可夫链状态空间的协作节点状态分析

对于水下无线传感器网络场景，本文假设水下环境是一个三维的监测区域，水声节点随机分布于监测区域中。由于受到水下浮游生物等环境介质的影响，水声节点发送的信号只能传播一段距离，这里表示为节点的通信半径，水声节点采用多跳的方式互相传递数据，节点都具有收发数据的功能[5，14]。水下监测区域设有一个基站，水声节点负责采集数据并发送到目标基站。由于水下传感器网络的多跳特性决定了某些节点会充当中继节点，对其他节点的数据进行协作传输，同时这些中继节点可能还承担着数据采集任务，具有较重的能量负担。因此根据能量负载情况，本文将水声节点分为三类，分别为数据采集节点、中继节点和中转节点，如图1所示。数据采集节点只负责采集数据并将数据发送给邻居节点，该类节点远离基站，中继节点包含了数据采集节点的任务，同时还需要协作其他节点传输数据，而中转节点不采集数据，只负责协助其他节点传输数据，这是由于该类节点能量较低，需要优先保证链路畅通，延长网络的工作寿命，哪些节点作为中转节点将在本文的能量策略中进行讨论。其中，为了便于文中讨论，根据中继节点和中转节点的协作特性，将这两类节点归于协作节点这个大类，水下传感器网络中的所有协作节点采用集合χ={ }x1,x2,…,xm表示。

（2）根据公式（4）计算中转节点的能量判定阈值Ec(x i)，比较协作节点的剩余能量与Ec(xi)之间的大小，当小于Ec(xi)时，该协作节点充当中转节点。

  

图1 水下数据传输二维平面分析图

对于通信过程中协作节点的信道状态变化，假设数据采集节点从收集数据，再通过协作节点的帮助传输数据至目的节点的这个通信过程可以划分为T个时隙。其中这T个时隙中包含了中继通信（数据采集节点与协作节点通信）时隙及中继协作（协作节点与基站通信）时隙。在中继通信时隙中，数据采集节点将收集到的数据转发给协作节点。对于该过程中数据采集节点与协作节点之间的无线信道质量，可以根据协作节点的误码率（Symbol Error Rate，SER）进行衡量，因此本文采用有限状态马尔科夫链（Markov Chain，MC）分析协作节点的SER状态转移概率。假设数据采集节点与协作节点之间的无线信道有V个状态，采用H={h 1,h2,…,hV}来表示协作节点误码率的马尔可夫链状态空间，协作节点xi(x i∈χ)在时隙tw(t w ∈t)中的接收误码率用SERxi(tw)表示，假设协作节点的误码率从状态C1向状态C2转移，则协作节点SER的状态转移概率表示为：

关于《广艺舟双楫》，曾宪就[22]认为，该书是清代最重要的书法理论专著，其重要意义在于它总结了碑学的理论和实践，使碑学成为一个流派，从而影响了整一代书风，在中国书法史上留下了璀璨的一页。

 

而在中继协作时隙，协作节点将数据转发至目的基站，此时协作节点状态发生变化的主要是自身的剩余能量。这是由于水下复杂的传播环境加快了水声协作节点的能量损耗，协作节点的剩余能量状态会不断发生变化，直至耗尽能源。对于协作节点剩余能量状态的分析，本文假设协作节点的剩余能量有P个状态，采用En={E 1,E2,…,EP}表示，在时隙tq(t q ∈t)协作节点的剩余能量本文采用Exi(tq)表示，采用ζa,b(t)表示Exi(tq)从状态a向状态b转移的概率：

其中ex表示单位数据每米的传输能耗，(1 -SERxi(t))是考虑到水下传输环境存在较高的误码率，因此包含了较多的重传能耗。令Exi(to)表示在to时刻节点xi的剩余能量，决定协作节点是否作为中转节点取决于Exi(to)与Ec(x i)的比较关系，当Exi(to)≤Ec(x i)，则该协作节点xi放弃采集数据，充当中转节点。通过该能量策略，防止协作节点xi在将数据传输至基站前耗尽自身能量，至少保障了数据采集节点的数据能够成功到达基站。

 

2 协作中继算法

本文提出的中继协作算法，首先采用一种能量策略的方法来进行中转节点判定，使剩余能量较少的中转节点优先负责数据协作转发任务，确保网络数据传输路由的正常运作。在确定节点所承担的任务之后，根据马尔可夫链状态空间所分析的协作节点信道状态和能量状态转移概率，提出协作节点状态评价函数，节点会将传播半径内具有最大评价值的邻居节点作为下一跳节点。

在t个时隙内对水下传感器网络采用基于马尔可夫模型进行协作节点状态分析，可以得到中继通信时的协作节点信道状态SERxm()t和协作通信时的剩余能量状态Exi()

（3）根据公式（5）计算节点传播半径内协作节点的状态评价函数，评价值最大的节点将被作为下一跳节点。

根据公式（5），节点xi会对传播半径内协作节点的状态评价函数结果进行比较，选择函数值最大的协作节点作为最佳的下一跳节点。该协作中继算法的主要流程如下：

PPP是广泛应用于基础设施、公用事业和自然资源开发等领域的项目融资模式，以合同方式确立，以利益共享、风险共担为原则，通过公共部门（政府）和私营部门（企业）共同努力，提升公共产品或服务的效率，实现物有所值。

2.1 基于能量策略的中转节点判定方法

假设协作节点xi与基站xBS的距离为d(x i,xBS)，本文采用三维空间的极坐标(ρ,φ,θ)计算xi与xBS的欧几里德距离：

 

协作节点 xi在to时刻采集到的数据量假设为Ωxi(to)，需要协作转发数据量为(to)，则节点 xi成功将数据传输至基站所需要消耗的能量为：

 

第六，进一步加强水利预算绩效管理。要把绩效理念融入预算管理全过程，着力构建水利预算绩效管理机制。要加强预算绩效目标管理，根据部门职能和事业发展规划，合理测算资金需求，及时编报绩效计划，科学设定绩效目标。要加强绩效运行跟踪监控管理，建立绩效运行跟踪监控机制，定期采集分析绩效运行信息，不断强化督促检查和整改，促进绩效目标的顺利实现。要建立健全绩效评价指标体系和结果反馈制度，评价结果要及时反馈到预算执行单位，并作为实施行政问责、安排以后年度预算的重要依据。要规范、有序、及时地公开预算信息，切实增强预算绩效管理透明度。

2.2 基于最佳中继选择的协作节点状态评价函数

假设水下网络中有一节点xi，需要转发Ωxi(t)的数据量至目的节点，xj是xi传播半径内的邻居节点，因此是候选的中继点。如果在t时刻xj被确定当选为最佳中继点，则此时xj的信道状态为SERxj(t)，剩余能量状态为Exj(t)。在t+1时刻协作节点xj将数据传输出去，此时的信道状态为SERxj(t +1)，剩余能量状态为Exj(t +1)。则对于候选节点xj，本文所提出的协作节点状态评价函数为：

在水下传感器网络中，由于节点的传播半径有限，不仅是远离基站的数据采集节点需要选择协作节点助其转发数据，与基站的距离间隔大于传播半径的协作节点同样需要其他协作节点的协助。考虑到中继信道的误码率及中继点的剩余能量决定了数据能否成功转发至基站，因此，在为节点选择最佳的下一跳协作点时，误码率及传输能耗成为了重要的评价标准。

 

其中

 

t，通过协作节点的这二大状态，本文可以采取一种协作节点状态评价函数来为数据采集节点选择最佳中继。在提出该方法之前，考虑到协作节点的剩余能量情况，为了保证水下监测范围内的数据采集节点所收集到的信息能够被顺利传输到基站，剩余能量不足的协作节点需要放弃数据采集任务，充当中转节点的角色。因此，本文在提出最佳中继的选择策略之前，先提出了一种基于能量策略的中转节点判定方法。

（1）基于马尔可夫链状态空间进行协作节点状态分析，根据公式（1）和公式（2）计算能量状态转移概率。

鉴于红色文化传承在我国社会化建设中所起到的重要作用，相关部门应加大对红色文化传承工作的研究力度。要在对红色旅游以及导游讲解进行深度分析的基础上，通过保证讲解严肃性、生动性以及规范性等手段，从红色旅游导游讲解层面着手，对红色文化传承方式以及传承效果进行完善，确保红色文化能够真正深入人心，国人可通过红色旅游得到文化熏陶，能够更加拥护共产党，拥护党的领导，进而达到理想化红色旅游开展效果。

根据柔直功率圆图、柔直换流变档位和调制比约束，得到有功功率区间对应的无功功率区间为[-250 MVar,250 MVar]。

翻转课堂是常用的教学方法，高中物理实验教学过程中，也采用了翻转课堂的方法，这种教学方法相比于传统的教学方法有很多优点.首先，它把课堂的大多数时间都归还给学生，学生成为课堂的重心.翻转课堂的提出，改变了传统的授课模式，最大限度划分课堂时间，合理配置教学资源，更好地为学生服务.这种教学模式在高中物理实验中的应用，不仅提高了学生的学习效率，而且还促进了教育事业的改革.

2.3 计算复杂度分析

在本文算法中，首先进行中转节点判定，根据公式（4），假设计算一个节点传输能耗所需要的计算时间为t1，需要判定网络中的n个节点，因此所需的计算时间为n×t1。接着根据公式（5）计算一个协作节点的评价值，假设计算时间为t2，某一节点的邻居节点有m个，则所需的计算时间为m×t2，进行评价值最大值比较所需的时间假设为t3。则算法计算时间总开销为：n×t1+m×t2+t3，计算复杂度则为O()N。

3 实验结果及分析

为了验证本文提出的基于有限马尔可夫链的水声传感器网络协作中继算法的有效性，在仿真实验部分，本文采用NS2仿真工具，在硬件配置为Intel酷睿i7 6700，主频3.4 GHz，内存4 GB，操作系统为Windows7的PC机上对算法进行了编程仿真。为了更好地说明本文算法的性能，在实验过程中本文采用文献[13]提出的水下传感器网络增强型能源平衡数据传输协议与文献[12]提出的水下传感器网络自适应路由协议作为对比算法，与本文算法在同一环境下进行仿真实验，并对实验结果进行比较分析。

模拟水下监测环境的范围为1 000 m×1 000 m×1 000 m，水下设定一个固定基站，其他传感器节点在监测环境内随机分布，并且节点数量的取值范围设定为[1 0 0,400]。传感器节点采用声波进行通信，节点都具有采集环境数据，以及收发数据的功能。水下网络的其他实验参数如表1所示。

 

表1 水下传感器网络参数表

  

?

数据包成功投递率指目的基站最终收到的数据包数量与源节点发送的数据包数量之间的比值，数据包成功投递率越大，意味着传输过程中出现丢包的概率越小，网络的传输性能越好。为了验证本文算法在提升水下传感器网络数据包成功投递率上的有效性，在逐渐增加节点数量的情况下，本文记录了实验过程中各算法的数据包成功投递率，得到了图2的结果。从图2可以看出，本文算法的数据包成功投递率高于文献[12]和文献[13]的算法，文献[13]提出的增强型能源平衡数据传输协议对误码率并没有起到较好的控制效果，而文献[12]提出的自适应路由协议虽然通过控制节点的跳距离来确保数据得到及时转发，但是该协议并没有专注于无线信道质量。而本文算法将误码率作为最佳中继选择的一个重要的评价标准，因此选择的中继节点在传输数据包时具有较高的成功率。

电气工程及其自动化作为一门综合性较强、技术要求较高的学科，对于人才的专业素质有着较高的要求。我国在20世纪50年代才开始才对这项技术进行专门的学习，截至目前，我国电气工程及其自动化水平仍然不算太高，也造成了专业技术尖端人才的稀缺。但是，随着生产要求的不断提高以及企业数量的不断增加，电气工程及其自动化的人才需求却非常强烈。所以，对于电气工程尖端人才的培养已经到了刻不容缓的地步。

  

图2 数据包成功投递率

图3显示了在逐渐增加节点数量的条件下网络的能量消耗情况，从图中可以看出，当节点数量逐渐增加时，网络的能量消耗量随之逐渐增大。其中，当节点数量达到400时，能源平衡数据传输协议所消耗的总能量最多，为182.3 J，而自适应路由协议所消耗的总能量为166.8 J，本文算法为158.5 J。虽然能源平衡数据传输协议和自适应路由协议都采取了一定的节能策略，但是这两个算法在成功传递数据上比本文算法付出了更多的能量代价。从图中可以看出，本文算法的网络平均总能耗分别为文献[13]和文献[12]算法的89.4%和94.2%。

  

图3 不同节点数量下的网络能耗

图4显示了在不同通信半径下的网络能耗情况，从图中可以看出，随着节点的通信半径逐渐增大，网络的能耗会逐渐减少。这是由于通信半径的增大使得参与协作传输的路由节点个数减少，因此网络总的能耗降低。从图4的数据分布情况来看，三种算法受到通信半径变化的影响，网络能耗都有明显的变化趋势。并且在不同通信半径下本文算法的网络能耗都低于能量平衡数据传输协议和自适应路由协议。对于在基站位置不同的情况下的网络能耗情况，本文设置其他实验条件不变，基站位置在网络范围内随机生成的条件下进行了200组实验，并且随机抽取五个实验结果得到了图5所显示的结果。从图中可以看出，五次实验的基站坐标都不相同，得到的网络能耗结果也不相同，这是由于基站坐标变化使得源-目的节点间的传输距离也发生了变化，不同传输距离所消耗的网络传输能耗不同。从三种算法的对比情况可以看出，即使基站坐标变化，本文算法的网络能耗量仍然低于对比算法。

  

图4 不同通信半径下的网络能耗

  

图5 不同坐标下的网络能耗

图6为算法的网络生命周期的比较情况，本文以第一个节点的死亡时间作为网络的生命周期。根据图中的结果，随着网络节点数量的增多，网络生命周期相应延长，这是由于节点数量的增多使得每个节点的能量负载开始减小，节点寿命逐渐延长。从数据结果可以看出，本文算法所采用的中转节点判定方法以及协作节点状态评价函数对延长节点平均寿命起到了较好的效果，其中本文算法的平均网络生命周期相比文献[13]和文献[12]算法分别增加了16.3%和7.1%。

  

图6 网络生命周期

4 结束语

为了减少水下传感器网络的误码率，提升网络的能量效率，本文基于有限马尔可夫链对协作节点状态进行了分析，得到了协作节点的无线信道状态及剩余能量状态。为了确保数据采集节点的数据能够成功传输，本文根据转发任务优先的能量策略对中转节点进行了判定。为了选择最佳的中继节点，本文提出了一种协作节点状态评价函数，将误码率及传输能耗作为评价标准，从而提升网络的信道传输质量并延长网络的生命周期。

参考文献：

[1]Shen J，Tan H，Wang J，et al.A novel routing protocol providing good transmission reliability in underwater sensor networks[J].Journal of Internet Technology，2015，16（1）：171-178.

[2]Corporation H P.A multipopulation firefly algorithm for correlated data routing in underwaterwirelesssensor networks[J].InternationalJournalofDistributed Sensor Networks，2013，12（4）：245-253.

[3]Climent S，Sanchez A，Capella J V，et al.Underwater acoustic wireless sensor networks：advances and future trends in physical，MAC and routing layers[J].Sensors，2014，14（1）：795-833.

[4]Lan S L，Xiu-Juan D U，Fan L，et al.Level-based adaptive geo-routing for underwater sensor network[J].Application Research of Computers，2014，21（1）：54-59.

[5]Wahid A，Lee S，Kim D.A reliable and energy-efficient routing protocol for underwater wireless sensor networks[J].International Journal of Communication Systems，2014，27（10）：2048-2062.

[6]Corporation H P.UA-MAC：An underwater Acoustic Channel Access Method for dense mobile underwater sensor networks[J].InternationalJournalofDistributed Sensor Networks，2014，13（1）：84-88.

[7]Chen K，Ma M，Cheng E，et al.A survey on MAC protocols for underwater wireless sensor networks[J].IEEE Communications Surveys&Tutorials，2014，16（3）：1433-1447.

[8]Cao J，Dou J，Dong S.Balance transmission mechanism in underwateracoustic sensornetworks[J].International Journal of Distributed Sensor Networks，2015：1-12.

[9]张颖，孙宏梁，季常刚.基于深度和能量的水下三维传感器网络分簇路由算法[J].上海交通大学学报，2015，49（11）：1655-1659.

[10]蒋鹏，阮斌锋.基于分簇的水下传感器网络覆盖保持路由算法[J].电子学报，2013，41（10）：2067-2073.

[11]王庆文，刘刚，李智,等.水下无线传感器网络自适应转发协议[J].西北工业大学学报，2015（1）：165-170.

[12]Yu H，Yao N，Liu J.An adaptive routing protocol in underwater sparse acoustic sensor networks[J].Ad Hoc Networks，2015，34：121-143.

[13]Javaid N，Shah M，Ahmad A，et al.An enhanced energy balanced data transmission protocol for underwater acoustic sensor networks[J].Sensors，2016，16（4）：1-22.

[14]Khan J U，Cho H S.A distributed data-gathering protocol using AUV in underwater sensor networks[J].Sensors，2015，15（8）.