吞吐量是无线传感器网络的一项重要性能指标，它直接反映了无线传感器网络工作运行的效率[1]。然而目前多数的研究局限于所有传感器节点都是静止的情况，不能满足某些需要移动节点的应用，比如监测野生动物的生活时，节点总是处于不断的运动中。因此有必要对移动性传感器网络（Mobile WSN）的吞吐量进行研究。

    LAVERY R J[2]首次建立了Ad hoc网络点对点链路模型，明确了点对点链路模型吞吐量的数学定义式。随后YOO T等人[3]提出了一种数学框架，采用符号速率、数据包长度、调制星座体积三个参数作为优化变量，实现了MQAM调制方式下点对点链路吞吐量的优化。参考文献[4]基于参考文献[2]提出的模型和假设，对链路的吞吐量也作了类似的研究和优化分析。但是参考文献[2-4]在对吞吐量优化分析模型中，接收节点和发射节点是静止的，没有考虑移动情景下吞吐量与节点之间通信距离的关系。
    针对上述问题，本文将针对MWSN中如何最大化点对点链路吞吐量这一问题展开研究。为了最大化吞吐量,本文不仅考虑了物理层的符号速率和调制星座体积,而且考虑了MAC层的数据包长度，通过物理层和MAC层参数的联合优化，保证了在不同通信距离下链路的吞吐量能够达到最优。
1 系统模型和假设
    为了简化分析，本文只考虑WSN中两个通信节点之间的点对点链路。假定节点发送的单个数据包总长为K＋Ｃ＝L(bit)，其中K为有用信息数据长度，Ｃ为循环冗余校验码CRC。同时假设CRC校验能查出所有错误，且忽略应答信号(ACK/NACK)对吞吐量的影响。因此对于一个基于上述模型和假设条件的点对点传输链路，其吞吐量通式为：



的增大而增大。另外，当L>>C时,T≈bRs,即T的上限值为bRs。以上两点结论均可从图1中得到很好的验证。
    求解式(13)可得到不同通信距离下相应的最优数据包长L(d)*，进而得到吞吐量的最优曲线如图1所示。从最优曲线可以看到,当d>110 m时,T≈0,此时即使采用最优数据包长也提高不了吞吐量。因此,远距离通信时,仅靠MAC优化并不能使吞吐量最大化。
3.2 物理层参数优化仿真
    图2给出了不同符号速率下吞吐量与d的关系曲线。可以看出,当d发生变化时, 必须进行速率调整才可能得到最优吞吐量。为此,根据式(8)可求解得到当L=100、b=2时,rs*=9.07 dB。当d发生变化时，应根据式(10)来调节数据速率Rs,确保rs=rs*,以保证得到最优吞吐量。据此得到的最优吞吐量曲线亦显示在图2中。

3.3 跨层优化仿真及自适应调节策略
　为了使链路在不同的通信范围内都能有较高的吞吐量，必须进行跨层优化。 跨层优化后的最优吞吐量曲线如图4所示,同时给出了两种次优吞吐量曲线，以便进行对比分析。从图中可以看到,两条次优吞吐量曲线分别在短距离通信(d<110 m)和远距离通信(d>110 m)范围内与最优吞吐量曲线取得一致。可以根据终端节点离发射节点的不同位置，近似认为终端节点处于近距离区或远距离区。在此划分下,为了保证链路的最优吞吐量，可采取如下自适应调节策略：

    (1)近距离区(d<110 m)：在此区域内信道条件相对较好，可以采用高阶调制方式并联合最优数据包长，可使吞吐量达到最优。最优参数对(b*、L*)可以通过联立求解式(11)、式(13)得到。
    (2)远距离区(d>110 m)：在此区域内信道条件急剧恶化,此时应以尽量降低Pe为主。由式(9)知，为了尽可能降低Pe,应该采用BPSK,即b=1；同时调节符号速率Rs以使rs=rs*。由式(13)可求解得到在此区域内应采用的最优数据包长L(d)*=L(b=1,rs*)。
　通过上述自适应策略配置相应的参数组(b、L、Rs),可以保证接收机节点在移动过程中其链路吞吐量达到最优值。
    本文采用跨层优化分析的方法，针对移动性无线传感器网络点对点链路的吞吐量问题作了优化分析。通过选择优化后的物理层参数符号速率Rs并调制星座体积b和MAC层参数数据包长度L,可以优化链路吞吐量。最后提出了一种自适应跨层调节的优化策略，根据该策略自适应调节物理层和MAC层参数,保证了在不同通信距离下链路的吞吐量始终保持最大化。
参考文献
[1] 孙利民,李建中,陈渝,等.无线传感器网络[M].北京：清华大学出版社，2005.
[2] LAVERY R J. Throughput optimization for wireless data  transmission. M.S. thesis,Polytechnic University,June 2001.
[3] YOO T, LAVERY R, GOLDSMITH A,et al. Throughput  optimization using adaptive techniques.[2012-01-02].http://systems.stanford.edu/Publications/Taesang/Commletters_2005_draft.pdf.
[4] Liu Jian, Sun Jian, Lv Shoutao. A novel throughput optimization approach in wireless systems[C]. IEEE ICCT2010, Nanjing, China, 2010:1374-1378.
[5] 柯欣,孙利民.多跳无线传感器网络吞吐量分析[J].通信学报，2009,28(9):78-84.
[6] CUI S, GOLDSMITH A, BAHAI A. Energy-constrained  modulation optimization[J].IEEE Trans.on Wireless Communications,2005，4(5):2349-2360.