方案[9]，可以将机会路由应用于分子通信中，以提供无状态路由策略，提高吞吐量和可靠性。
从不同角度分析，机会路由主要包括地理、链接状态感知、概率以及基于优化和跨层次机会路由[10]。由于地理机会路由的拓扑独立性及其动态操作性，有助于克服基础设施缺乏的问题，并且能够适应多变的网络拓扑结构，因此可以将地理机会路由应用于分子通信过程中。
本文将地理机会路由算法运用于分子通信中，如果根据距离判定候选节点优先级，有可能导致数据传递方向产生误差，无法向目标节点传送数据。由于两节点间距离越近，浓度越高，距离越远，浓度越低，可以将选择下一节点的判定条件由判断节点间距离改为判断目标节点发送信号分子的浓度大小。因此，在本文中源节点将根据每个候选节点中目标节点发送的信号分子浓度确定优先级，能很大程度上避免数据传递方向出错，提高传递效率。
1通信模型
1.1模型假设
在分子通信模型建设中，假设在进行分子通信前具有同步机制。发射节点是同一类型分子唯一的发射来源，在通信过程中信号分子不可变，即分子不降解，不与环境中的物质发生化学反应。信息分子一旦从发射节点发出，则不再影响发射节点，在整个分子通信过程中，通信环境不受其它外界因素影响。
1.2模型建立
图2分子通信过程
分子扩散是信号分子从高浓度区域向低浓度区域方向移动的过程，信号分子通过自由扩散的方式在网络中传播，可以通过描述物质扩散现象的Fick第二定律模型实现。源节点A 脉冲发射的信号分子S和目的节点B脉冲发射的信号分子N在分子通信纳米网中通过自由扩散进行传播，其扩散传播过程可通过Fick定律进行分析。如果源节点A发送Q个信号分子S，则其分子浓度随时间变化为：
C（t，d）=Q（4πDt）32 e-d24Dt（1）
式中，D为分子扩散系数，t表示时间，d是发射的信号分子与发射节点之间的距离，Q表示发射节点发射的信号分子数目，C（t，d）指发射的信号分子随时间变化的浓度值。在分子通信过程中，对脉冲的检测可看作分子浓度随时间推移的积分：
∫t0C（x，t）dt=Q4πDxerfcx4Dt （2）
式中，t为脉冲时间，erfc（）函数为互补误差函数[11]。
2分子通信过程
2.1分子通信算法
（1）源节点A通过脉冲发射信号分子S，信号分子S在分子通信纳米网中通过自由擴散传播，空间中的节点接收信号分子S，并测量其浓度CS。如果CS大于或等于设定的浓度值C，则该节点在源节点A的候选节点集中；若小于浓度值C，则不在节点A的通信范围内。
（2）在源节点A发射信号分子S的同时，目标节点B通过脉冲发射信号分子N，信号分子N通过自由扩散在分子通信纳米网中传播，空间中的节点接收信号分子N并测量其浓度CN。
（3）候选节点ai检测信号分子N的浓度，并将其反馈给源节点A。
（4）源节点A比较每个候选节点中信号分子N的浓度大小，并设定优先级，浓度越大，优先级越高，浓度越小，优先级越低。
（5）源节点A将包转发给优先级最高的候选节点ai，ai接收到包后向源节点A发送确认接收包。如果一定时间内源节点A接收到ai的确认信息，则不再向候选节点集中的节点发送数据包；如果没有接收到ai的确认信息，则将包发送给下一优先级的节点。
（6）候选节点ai成功接收数据包后，将候选节点看作源节点，重复以上步骤，直至将包传递到目标节点B。
（7）若是一个节点的候选节点集中含有目标节点，可以直接将数据包传递给目标节点，不需要传递给其它节点。若一段时间后没有收到目标节点的确认接收包，再将包传递给其它候选节点继续进行信息传递。
2.2分子通信算法伪代码实现
Read CSai（i=1，2，3，4，5）；
If CSai>C then
加入候选节点集；
Else 不加入候选节点集；
End if；
Read NSai（i=1，2，3，4，5）；
选取最大 NSai；
源节点向ai发送数据包；
节点ai向源节A发送ACK确认；
IF A接收到ACK
不再进行数据传递；
Else
向下一优先级节点发送数据包；
由下一优先级节点发送数据包；
End if；
在信息传递过程中，为了减少包转发的重复率，采用ACK确认机制。源节点的候选集中每次只能有一个候选节点进行转发，因此在源节点将包发送给优先级最高的候选节点ai，且ai成功接收包以后，向源节点发送一个ACK。在一定时间周期内，如果源节点成功接收ACK，则不再发送包；如果超过一定时间周期，源节点没有接收到ACK，则认为优先级最高的候选节点没有成功接收包，源节点则会向下一优先级节点发送包。
以图2为例，假定源节点A检测到空间中其它节点中信号分子S的浓度，并与特定浓度值比较后得到候选节点集RA={a1，a2}，再比较节点a1与a2中信号分子N的浓度大小，如果CNa＼-1>CNa＼-2，则将包发送给节点a1，反之将包发送给节点a2。在图2中，源节点A经比较后将包发送给节点a2，a2在接收到包后向源节点A发送ACK确认。一定时间周期内，源节点A等待节点a2的ACK反馈信息，不向候选节点集中的其它节点发送包。若超过时间周期，源节点A没有接收到ACK，则向节点a1发送包；若成功接收ACK，则不再发送包，由节点a2作为源节点继续进行包的传递。同理，获得节点a2和节点a5的候选节点集分别为Ra＼-2={a1，a3，a4，a5}和Ra＼-5={a2，a3，a4，B}。源节点A将包传递给节点a2，后经节点a5传送到目标节点B。
3仿真分析
为了更好地验证地理机会路由算法的高效性，通过MATLAB软件对分子通信过程进行仿真分析。在仿真过程中，源节点A发送的信号分子S和目标节点B发送的信号分子N的数量分别为QS和QN，且QS=QN=1×10＼+6。设时间为t，且t=60s。
对图2中的分子通信过程进行仿真分析，在一个时间周期内，每个节点中源节点A发送的信号分子S的分子浓度变化如图3所示，目标节点B发送的信号分子N的浓度变化如图4所示。
图3信号分子S浓度变化
图4信号分子N浓度变化
在图3中，信号分子S的浓度在刚开始斜率较大，呈迅速增长趋势，然后斜率逐渐变小，呈缓慢增长趋势，最后信号分子S的浓度逐渐变小。这是因为源节点A在发送信号分子的瞬间会产生大量信号分子，导致周围浓度瞬间变高，周围节点检测到的信号分子浓度也会瞬间增大，然后信号分子向四周随机扩散传播，使信号分子浓度慢慢降低，各节点检测到的浓度则会逐渐减少。由于节点a1～a5距离源节点A的距离逐渐变大，所以在同一时间点下，距离源节点A越近的节点处，信号分子S浓度越高；距离源节点A越远的节点处，信号分子S浓度越低。
在图4中，信号分子N的浓度变化趋势原理同上述相同，只是由于节点a1～a5距离目标节点的距离逐渐变小，所以同一时间下，节点a1处的信号分子N浓度最低，而节点a5处的信号分子N浓度最高。
由于源节点既需要根据节点中信号分子S的浓度确定其候选节点集，又需要根据每个节点中信号分子N的浓度确定候选节点的优先级，因此可以得到图5。
图5信号分子S与信号分子N浓度对比
图6信号分子S与信号分子N浓度对比
在图5中，曲线表示信号分子S的浓度变化，*表示信号分子N的浓度变化。从图5中可以看出，CSa1>CSa2>CSa3>CSa4>CSa5，CNa5>CNa4>CNa3>CNa2>CNa1，可以很清晰地获得源节点A的候选节点集RA={a1，a2，a3}，而候选节点a1、a2中信号分子N的浓度要远小于a3中的。因此，源节点A将数据包发送给候选节点a3，再由a3作为目标节点进行数据包的传递。
由节点a3作为下一个源节点重新开始路由传递，与节点a3处于同一候选节点集中的其它节点不再进行信号分子浓度检测，假设上一次信号分子浓度不影响下一周期对信号分子浓度的检测，如图6所示。
如图所示，源节点a3的候选节点集为Ra＼-3={a4，a5，B}，而目标节点B处的信号分子S的浓度明显大于设定的浓度值，即CS>C。因此，源节点a3可以直接向目标节点N发送数据包，完成信息的传递。
經过对建立的模型进行仿真分析，可以得出由源节点A向目标节点B进行分子通信经过2跳即可完成。传统的地理机会路由算法会选择候选集节点中最靠近源节点的节点进行数据传递，因此在第一次数据传递时会选择节点a1作为候选节点，然后其数据传递过程为A→a1→a2→a3→a5→B，整个分子通信过程需要经过5跳才能完成。
相对于传统地理机会路由用5跳完成分子通信过程，以浓度值判定候选节点的地理机会路由只需经过2跳即可完成分子通信过程。因此，以目标节点发送的信号分子浓度大小作为判定候选节点的依据而进行数据传递的地理机会路由算法能够极大地减少分子通信时间，提高分子通信效率及可靠性。
4结语
本文介绍了分子通信和机会路由的相关理论知识及发展现状，将地理机会路由算法运用于分子通信过程中，建立通信模型并完成分子通信中数据包的传递。在传递过程中将下一节点判定条件由节点间的距离优化为信号分子浓度，从而可以极大地节省时间，提高分子通信效率及可靠性。但是由于分子通信过程中的其它因素影响，还有很多问题需要进一步完善与优化，相关问题还需要后续进行深入探究。
参考文献参考文献：
[1]GREGORIM.A new nanonetwork architecture using flagellated bacteria and catalytic nanomotors [J]. IEEE Journal on Selected Areas in Communications，2010，28（4）：612619.
[2]I FAKYILDIZ.Propagation models for nanocommunication networks [C].2010 Proceedings of the Fourth European Conference on Antennas and Propagation（EuCAP），2010：15.
[3]TNAKANO，AWECKFORD， THARAGUCHI.Molecular communication[M]. Cambridge University Press，2013.
[4]ATHRAA JUHI，DARIUSZ R KOWALSKI，ALEXEI LISITSA.Performance analysis of molecular communication model [C].IEEE International Conference on Nanotechnology， 2016：2225.
[5]T NAKANO，M MOORE，F WEI， et al.Molecular communication and networking： opportunities and challenges [J].IEEE Transactions on NanoBioscience，2012，11：135148.
[6]NAKANOT，MOORE M J. Molecular communication technology as a biological ICT[M]. Berlin： Springer，2011.
[7]TADASHI NAKANO.Molecular communication：a 10 year retrospective [J].IEEE Transactions on Molecular， Biological， and MultiScale Communications， 2017.
[8]T NAKANO，M MOORE，FWEI. Molecular communicationand networking： opportunities and challenges [J]. IEEE Trans.Nanobiosci.，2012，11：135148.
[9]ADNAN AIJAZ.Opportunistic routing in diffusionbased molecular nanonetworks [J]. IEEE Wireless Communications Letters， 2015.
[10]NESSRINE CHAKCHOUK.A survey on opportunistic routing in wireless communication networks [J].IEEE Communication Surveys & Tutorials，2015.
[11]I LLATSER，A CABELLOSAPARICIO，M PIEROBON.Detectiontechniques for diffusionbased molecular communication [J].IEEE Journal on Selected Areas in Communications，2014，31（12）：726734.
責任编辑（责任编辑：黄健）
推荐访问： 路由 纳米 算法 分子 地理
