李建奇, 曹斌芳, 王 立, 王文虎

?

基于能量效率的非均勻分簇無線傳感器路由算法

李建奇1, 曹斌芳2, 王 立1, 王文虎1

(1. 湖南文理學院 電氣與信息工程學院,湖南 常德, 415000; 2. 湖南文理學院 物理與電子科學學院,湖南 常德, 415000)

自然環(huán)境中的監(jiān)控節(jié)點分布具有天然的不均勻性, 如南方有大量水塘的區(qū)域, 典型的層次路由協(xié)議普遍存在節(jié)點分簇中的“熱區(qū)”情況. 針對這種監(jiān)控對象特點, 為了提高能量效率確保區(qū)域覆蓋的有效性和時效性, 本文提出了一種改進的非均勻分簇無線傳感器網(wǎng)絡(luò)路由算法. 改進算法首先結(jié)合節(jié)點分布密度優(yōu)化簇頭選舉, 再對簇的競爭半徑進行控制實現(xiàn)非均勻分簇, 然后由各簇頭計算距離系數(shù)和離散系數(shù)來確定各簇內(nèi)部通信方式, 最后在簇頭之間采用單跳和多跳結(jié)合的傳輸機制. 模擬實驗結(jié)果表明, 改進算法能較好地提高網(wǎng)絡(luò)的能量效率, 能顯著地延長網(wǎng)絡(luò)整體的生存時間.

無線傳感器網(wǎng)絡(luò); 非均勻分簇; 離散系數(shù); 能量效率

由于無線傳感器網(wǎng)絡(luò)(WSN, Wireless Sensor Network)廣泛的應(yīng)用, 其相關(guān)的理論和技術(shù)研究一直非?；钴S. 一些重要的基本問題包括能量的優(yōu)化、傳感器部署和數(shù)據(jù)融合等是當前的研究熱點. 在一些研究中, 最重要的問題是提高受限的節(jié)點能源使用(傳感器節(jié)點一般通過電池供電)[1-6]. 網(wǎng)絡(luò)分級層次結(jié)構(gòu)被應(yīng)用來提高節(jié)點能量消耗效率, 從而實現(xiàn)網(wǎng)絡(luò)的可擴展性[4-9]. 在分級結(jié)構(gòu)中, 傳感器網(wǎng)絡(luò)節(jié)點被按簇的方式組織, 每個簇由簇頭節(jié)點和成員節(jié)點組成, 層次結(jié)構(gòu)可以逐層遞推. 通過追求網(wǎng)絡(luò)簇頭和成員節(jié)點的負載均衡化可以實現(xiàn)最大化網(wǎng)絡(luò)整體生存時間. 簇頭可以通過靜態(tài)事先指定, 但是更一般情況是通過算法動態(tài)確定[2].

經(jīng)典同構(gòu)網(wǎng)絡(luò)分簇協(xié)議(如LEACH、HEED等)一般通過周期性的選舉來完成簇頭更新. 在每輪傳輸中, 簇頭耗費的能量包括簇內(nèi)部處理和發(fā)送信息. 已有研究表明在簇頭與基站通信時采取多跳的方式更有助于提高能耗效率(能耗效率指網(wǎng)絡(luò)傳輸單位數(shù)據(jù)量所消耗的能量), 但是這種機制使得距離網(wǎng)關(guān)的較近簇頭不僅需要將本簇中的數(shù)據(jù)傳輸給網(wǎng)關(guān), 而且還需要融合轉(zhuǎn)發(fā)較遠簇頭的發(fā)送過來的數(shù)據(jù), 以實現(xiàn)多跳傳輸, 這就是“熱區(qū)”問題[8-12]. Soro等人首先對這個問題進行了研究, 并提出了非均勻的分簇模型UCS[3]. 研究人員提出一系列相關(guān)的改進非均勻分簇算法[4-12], 其基本思路是依據(jù)節(jié)點距基站的遠近構(gòu)造大小不等的簇, 離基站越近各簇組成成員越少, 以節(jié)約簇內(nèi)能量開銷供轉(zhuǎn)發(fā)使用. 這樣分簇模式使得近距離簇頭可以減少簇內(nèi)信息處理所帶來的能量開銷, 為簇間信息的融合轉(zhuǎn)發(fā)提供能量保障, 從而使得網(wǎng)絡(luò)節(jié)點整體負載大致均衡, 能量消耗速率相對均勻, 避免熱點問題的發(fā)生. 但是如何合理的進行簇的半徑參數(shù)選取和在特定條件下有效分簇以及適當?shù)拇亻g通信依然是難題.

本文在典型的非均勻分簇路由協(xié)議基礎(chǔ)上, 針對現(xiàn)實環(huán)境下監(jiān)控區(qū)域中存在某區(qū)域由于自然或者其他原因出現(xiàn)不存在傳感器節(jié)點的情況(如在南方農(nóng)村地區(qū)中廣泛存在大小水塘), 并定義這種節(jié)點空白區(qū)域為空洞區(qū)域. 如圖1所示, 監(jiān)控區(qū)域在現(xiàn)實監(jiān)控中具有一定的代表性. 由于WSN一般部署在環(huán)境惡劣的區(qū)域, 因此假定基站位置遠離監(jiān)控區(qū)域是合理的. 從圖1中可以很容易觀察到和區(qū)域都是聚集是比較集中的, 而區(qū)是在節(jié)點分布呈環(huán)形. 本文所提出算法正是針對此種情況設(shè)計了優(yōu)化的非均勻分簇的路由協(xié)議. 本文主要思路是在采用優(yōu)化的競爭算法來控制簇的半徑, 再根據(jù)距離和節(jié)點能量構(gòu)建非均勻簇, 通過估計各簇內(nèi)的節(jié)點形態(tài)分布以確定簇內(nèi)通信模式, 可采用單跳或者基于改進PEGASIS協(xié)議的鏈式傳輸方式. 最后根據(jù)簇頭與網(wǎng)關(guān)之間距離選擇單跳或者多跳方式來實現(xiàn)信息的傳輸.

圖1 網(wǎng)絡(luò)節(jié)點位置分布示意圖

1 監(jiān)控網(wǎng)絡(luò)對象模型

本文監(jiān)控網(wǎng)絡(luò)假定網(wǎng)絡(luò)中有個傳感器節(jié)點, 節(jié)點隨機的分布一個×區(qū)域內(nèi), 該區(qū)域中存在不存在節(jié)點的空洞區(qū)域. 其基本模型圖如圖2所示. 網(wǎng)絡(luò)對象滿足以下假設(shè): 節(jié)點為靜態(tài)布設(shè), 布設(shè)后不再進行人工維護; 所有節(jié)點具有相同結(jié)構(gòu)與功能, 初始能量相同. 所有節(jié)點具備與網(wǎng)關(guān)直接通信能力, 且能自主調(diào)整發(fā)射功率; 各監(jiān)測節(jié)點單位片段中需要發(fā)送數(shù)據(jù); 網(wǎng)關(guān)位置固定且位于傳感器監(jiān)測區(qū)域以外, 其具有無限能量; 各節(jié)點均有足夠的計算能力完成相應(yīng)的MAC協(xié)議和數(shù)據(jù)處理融合; 各節(jié)點采用全向天線, 節(jié)點間為對稱通信鏈路.

圖2 傳感器網(wǎng)絡(luò)非均勻分簇模型

本文中所假定的網(wǎng)絡(luò)節(jié)點能耗能量模型采用文獻[3], 如式(1)-(3)所示. 式(1)中,為傳輸距離,TX(,)代表傳感器節(jié)點間距離為時bit 數(shù)據(jù)傳輸?shù)哪芎? 包括發(fā)射電路能耗和功率放大能耗. 功率放大能耗根據(jù)發(fā)送節(jié)點和接收節(jié)點之間距離的遠近采用自由空間模型或者多路徑衰減模型.elec為發(fā)射電路的能耗,fs和mp代表兩種信道模型下不同功率放大能量系數(shù). 式(2)表示接收bit數(shù)據(jù)的所需能量, 主要為電路耗損. 式(3)為處理個節(jié)點發(fā)送過來的×bit數(shù)據(jù)以及與自身數(shù)據(jù)融合所耗費能量.

數(shù)據(jù)發(fā)送:

2 改進的路由協(xié)議

本文針對真實環(huán)境下節(jié)點分布不均勻的特點, 結(jié)合非均勻分簇算法理論, 提出了一種改進的基于節(jié)點形態(tài)分布的高能量效率非均勻分簇算法. 該算法首先通過控制簇競爭半徑, 優(yōu)化非均勻分簇結(jié)構(gòu), 然后計算各簇中節(jié)點密度來優(yōu)化簇的產(chǎn)生, 再根據(jù)簇內(nèi)節(jié)點分布形態(tài)采用不同的簇內(nèi)通信方式, 該算法能有效優(yōu)化能耗. 改進協(xié)議以輪作為數(shù)據(jù)傳輸?shù)膯挝? 每輪包括4個階段, 分別為非均勻簇頭的產(chǎn)生、簇內(nèi)部傳輸拓撲的形成、簇頭間路由的優(yōu)化和數(shù)據(jù)傳輸階段.

2.1 基于競爭半徑的非均勻簇頭選舉

研究表明傳感器網(wǎng)絡(luò)中應(yīng)用典型非均勻分簇協(xié)議后, 各簇頭的負擔較重, 它不僅需要對簇進行管理, 而且需要協(xié)調(diào)簇內(nèi)成員的數(shù)據(jù)傳輸和融合成員數(shù)據(jù), 還可能需要轉(zhuǎn)發(fā)其他簇頭數(shù)據(jù)[12-13]. 改進算法采用分布式的競爭算法, 以節(jié)點的剩余能量、網(wǎng)關(guān)距離和節(jié)點密度為主要依據(jù). 每輪由網(wǎng)關(guān)用恒定功率的向全網(wǎng)廣播本輪分簇的信號, 啟動分簇選舉. 廣播信息中包含網(wǎng)絡(luò)節(jié)點平均能量av. 定義節(jié)點剩余能量低于av為低能量節(jié)點, 所有低能量節(jié)點不參與簇頭選舉, 反之則定義為優(yōu)勢節(jié)點. 每個優(yōu)勢節(jié)點在接收到分簇命令后, 根據(jù)網(wǎng)關(guān)信號的強度估算自身距網(wǎng)關(guān)近似距離dg. 通過分布式的方法來調(diào)整簇頭的競爭半徑, 從而獲得非均勻的分簇結(jié)構(gòu), 其競爭半徑R的計算公式為:

其中max與min表示網(wǎng)絡(luò)中節(jié)點到網(wǎng)關(guān)的最大距離與最小距離,ig表示節(jié)點到網(wǎng)關(guān)的距離,為預(yù)設(shè)參數(shù),comp為節(jié)點的最大競爭半徑. 每個優(yōu)勢節(jié)點向自己的競爭半徑內(nèi)廣播存在信號.

在各競爭半徑內(nèi)的所有優(yōu)勢節(jié)點產(chǎn)生一個在0~1之間的隨機數(shù), 當節(jié)點隨機數(shù)小于閾值(), 該節(jié)點將入選為臨時簇頭節(jié)點, 反之該節(jié)點成為本輪普通節(jié)點, 簇頭選舉閾值()由式(5)決定[9]:

其中E表示節(jié)點的剩余能量,Eav表示為網(wǎng)絡(luò)節(jié)點的平均能量, 本算法中由本輪競爭范圍內(nèi)節(jié)點的平均能量近似. CH_Times表示該節(jié)點已當選簇頭的次數(shù). 各簇頭選舉完成后, 各自廣播當選簇頭的信號(advertisement message, ADV), 其半徑內(nèi)的節(jié)點收到信息后, 停止競爭, 發(fā)送加入信息, 該加入信息包括簇頭節(jié)點ID和本節(jié)點ID外, 還包括剩余能量數(shù)、距離簇頭的距離和距離網(wǎng)關(guān)的距離[7]. 當競爭半徑內(nèi)出現(xiàn)多個侯選簇頭節(jié)點時候, 處于較高密度節(jié)點區(qū)域當選簇頭獲勝, 簇頭附近節(jié)點密度分布通過加入節(jié)點信號強度和多少近似估計. 低密度節(jié)點區(qū)域的節(jié)點應(yīng)該保存能量, 因為沒有替代節(jié)點, 一旦死亡意味著覆蓋范圍的縮小.

2.2 簇內(nèi)路由的建立

各簇中的普通節(jié)點將其距網(wǎng)關(guān)距離的告知簇頭, 同時簇頭計算本節(jié)點的距離系數(shù),=dg/max,max為網(wǎng)絡(luò)標準距離(網(wǎng)絡(luò)最大距離),dg為第個簇頭距離網(wǎng)關(guān)的距離. 當值小于或等于0.6時, 即該簇頭被定義為近距離簇頭節(jié)點, 其競爭半徑較小, 其內(nèi)部包含的節(jié)點數(shù)目較少, 內(nèi)部節(jié)點采用單跳與簇頭直接通信. 當系數(shù)大于0.6, 該簇頭被定義為遠簇頭節(jié)點, 其遠離網(wǎng)關(guān). 對于遠簇頭節(jié)點將通過式(6)計算簇的離散系數(shù), 離散系數(shù)用來描述簇內(nèi)成員節(jié)點的分布形態(tài). 式(6)中ic為第個簇中內(nèi)部節(jié)點至該簇簇頭的距離,dav為第個簇內(nèi)各節(jié)點與簇頭的平均距離. 通過對各簇內(nèi)節(jié)點距離簇頭與簇內(nèi)所有節(jié)點距離簇頭平均值的比例求和, 再除以簇內(nèi)節(jié)點數(shù). 通過離散系數(shù)遠簇被分成緊密簇和離散簇.

當該超過指定閾值后, 簇內(nèi)繼續(xù)采用單跳直接通信, 將會加大能耗的開銷, 當離散系數(shù)小于0.65時, 則認為該遠離簇內(nèi)部存在空洞區(qū)域, 該簇將使用PEGASIS協(xié)議采用貪婪法構(gòu)成鏈式通信, 同時該簇簇頭進行移交, 由該簇距離網(wǎng)關(guān)最近的優(yōu)勢節(jié)點接任, 并由新簇頭通知網(wǎng)關(guān)更新簇頭列表并在網(wǎng)關(guān)上簇頭列表上進行標記.

2.3 簇頭間路由拓撲的構(gòu)造

各簇建立完成后, 各簇頭廣播一個非持續(xù)性強度信息, 該信息包含簇頭的ID, 各簇頭接收到鄰居簇頭的信號強度, 然后各簇頭各自估計出彼此間模擬距離并記錄, 最后所有簇頭把各自估計的模擬距離發(fā)送給網(wǎng)關(guān), 同時捎帶節(jié)點自身剩余能量以及本簇平均剩余能量[14-16]. 網(wǎng)關(guān)接收到信息報告后采用文獻[13]算法, 計算出全網(wǎng)絡(luò)簇頭鏈路拓撲結(jié)構(gòu), 同時對剩余能量不足的簇頭進行記錄. 最后將網(wǎng)絡(luò)鏈路結(jié)構(gòu)廣播至各簇頭, 至此網(wǎng)絡(luò)主干數(shù)據(jù)傳輸鏈路形成. 在各簇頭首先對內(nèi)部節(jié)點數(shù)據(jù)進行融合, 再使用多跳方式發(fā)送至網(wǎng)關(guān). 簇間的鏈路多跳路由拓撲如圖3所示.

圖3 網(wǎng)絡(luò)簇頭路由拓撲結(jié)示意圖

采用單跳的傳輸簇內(nèi)節(jié)點與簇頭傳輸類似LEACH協(xié)議, 每個簇內(nèi)節(jié)點根據(jù)簇頭廣播的TDMA時隙表, 在各自的時間片內(nèi)向簇頭傳輸數(shù)據(jù). 采用鏈式通信的簇內(nèi)部, 采用令牌的方式依順序向簇頭方向傳輸數(shù)據(jù). 簇頭接收完簇內(nèi)成員的數(shù)據(jù), 經(jīng)融合后, 沿各自鏈路向網(wǎng)關(guān)發(fā)送,當簇頭節(jié)點接收上一跳簇頭節(jié)點數(shù)據(jù)后, 先進行數(shù)據(jù)融合, 然后再發(fā)送給下一跳[10-12]. 為避免傳輸中數(shù)據(jù)丟失的問題, 發(fā)送節(jié)點完成數(shù)據(jù)發(fā)送后, 還會繼續(xù)暫存該數(shù)據(jù), 同時開啟一個超時定時器. 在定時器超時前收到下一跳簇頭節(jié)點反饋信息, 則清除暫存數(shù)據(jù), 否則重發(fā)該數(shù)據(jù), 若定時器超時計數(shù)大于3后, 則增強發(fā)射功率, 直接將數(shù)據(jù)發(fā)送給鏈路表中的該目標簇頭的下一跳簇頭節(jié)點. 同時, 各簇頭節(jié)點均開啟了接收數(shù)據(jù)定時器, 若定時器超時前未接收到上一跳簇頭的數(shù)據(jù), 則直接將自己的數(shù)據(jù)發(fā)送給下一跳節(jié)點, 避免出現(xiàn)無限等待的情況. 每輪數(shù)據(jù)傳輸完成后, 網(wǎng)關(guān)調(diào)整鏈首節(jié)點, 更新網(wǎng)絡(luò)簇頭能量匱乏表信息,避免個別簇頭已經(jīng)能量匱乏后繼續(xù)承擔鏈首的管理工作. 由這個新鏈首節(jié)點開始網(wǎng)絡(luò)主干路由新一次的數(shù)據(jù)傳輸, 當所有優(yōu)勢節(jié)點簇頭充當過鏈首之后, 網(wǎng)絡(luò)將進入新一輪分簇和路由的更新, 循環(huán)往復.

3 算法仿真與分析

為了驗證本文提出的改進非均勻分簇路由協(xié)議的有效性, 本文將改進算法(EUUC&N)與文獻[4]中的經(jīng)典EUUC算法進行了比較, 算法性能從網(wǎng)絡(luò)生存周期和數(shù)據(jù)傳輸時延兩方面來評價進行. 實驗環(huán)境為:工作軟件為Matlab R2011b, 主機為AMD Athlon 64×2 dual 5 200+2.7 GHz, 內(nèi)存為DDR2-SDRAM 800 MHz 2GB. 仿真算法中采用理想MAC協(xié)議和理想的無線鏈路, 無丟包錯誤發(fā)生. 通過統(tǒng)計網(wǎng)絡(luò)節(jié)點發(fā)送數(shù)據(jù)、接收數(shù)據(jù)和融合數(shù)據(jù)所耗費的能量, 統(tǒng)計網(wǎng)絡(luò)生存時間(以輪數(shù)來計算)來分析協(xié)議的能量效率性能. 仿真場景為100 m × 100 m的矩形區(qū)域內(nèi), 在區(qū)域中隨機產(chǎn)生1個10 m × 10 m空洞區(qū)域, 該區(qū)域不布設(shè)節(jié)點. 節(jié)點被隨機分布到剩余區(qū)域內(nèi), 網(wǎng)關(guān)位置固定為(0 m, 0 m), 所有節(jié)點初始能量設(shè)為0.5 J,elec= 50 nJ/bit,fs= 10 pJ/bit/m2,mp= 0.001 3 pJ/bit/m4, 數(shù)據(jù)融合GX= 5 nJ/bit,仿真最大輪數(shù)為5 000輪. 為了消除隨機因素的影響, 便于進行性能比較, 對2個算法各運行50次, 取數(shù)據(jù)結(jié)果的統(tǒng)計平均值.

改進的(EUUC&N)算法通過對簇頭節(jié)點和普通節(jié)點的進行負載均衡, 提高能耗效率來延長網(wǎng)絡(luò)生存時間為主要設(shè)計目標. WSN的網(wǎng)絡(luò)生存時間(輪數(shù))定義為從開始運行到出現(xiàn)死亡20%節(jié)點的輪數(shù). 考慮到WSN網(wǎng)絡(luò)中節(jié)點隨機分布造成的單次生存時間有較大波動, 圖4-圖6中的數(shù)據(jù)是運行50次后得到的統(tǒng)計平均值. 從圖4可以看出, EUUC&N協(xié)議的生存時間比EUUC協(xié)議明顯提高, 大大遲延了網(wǎng)絡(luò)初始死亡節(jié)點出現(xiàn)輪數(shù), 同時占網(wǎng)絡(luò)節(jié)點總數(shù)20%和50%死亡節(jié)點的輪數(shù)也得到了明顯推遲, 這些指標的改進主要是因為降低了經(jīng)典算法中能耗大節(jié)點和低能量簇頭承擔簇頭管理工作的概率.

圖4 改進協(xié)議和EUUC對應(yīng)的輪數(shù)(NT)和死亡節(jié)點(Nd)關(guān)系

圖5 網(wǎng)絡(luò)節(jié)點平均剩余能量Eav 曲線圖

從圖5可以看出改進協(xié)議(EUUC&N)與經(jīng)典EUUC協(xié)議生命周期相比, 網(wǎng)絡(luò)的單位數(shù)據(jù)量通信的整體能耗降低. 由于改進協(xié)議(EUUC&N)的簇內(nèi)采用了改進規(guī)則, 特別是對于有空洞的區(qū)域而言, 改進算法使各節(jié)點能更為合理進行了負載均衡. 圖6是網(wǎng)絡(luò)節(jié)點間的剩余能耗的方差圖, 從該圖中的對比曲線, 可以觀察到網(wǎng)絡(luò)節(jié)點能耗得到了更好的均衡, 各節(jié)點的能量更為均衡使用.

圖6 網(wǎng)絡(luò)節(jié)點能量方差s2每百輪消耗曲線圖

對于經(jīng)典EUUC協(xié)議由于沒有采用有效均衡機制, 導致網(wǎng)絡(luò)生存期進入中期后出現(xiàn)了節(jié)點能耗方差的明顯增大, 分析認為是這個時期各個節(jié)點間的剩余能量有了較大的差別, 而經(jīng)典算法依然讓各節(jié)點輪流承擔簇頭的管理工作, 導致節(jié)點能量差異不斷擴大, 導致死亡節(jié)點提前出現(xiàn), 而改進算法考慮了節(jié)點由于位置和隨機性造成能耗差異, 通過均衡消耗各節(jié)點的能量, 使得第一個死亡節(jié)點出現(xiàn)明顯滯后, 確保了網(wǎng)絡(luò)覆蓋的完整性和有效性. 在經(jīng)典EUUC協(xié)議中簇頭的選擇主要只考慮與網(wǎng)關(guān)的距離, 而未考慮簇頭的剩余能量情況和其消耗速率, 而這可能導致非優(yōu)勢節(jié)點當選簇頭, 進而導致低能量節(jié)點提前死亡, 整個網(wǎng)絡(luò)的生命周期縮短. 在簇構(gòu)造階段, EUUC&N算法通過對能耗效率分析和自動簇頭更新, 進一步使得節(jié)點能耗均衡. EUUC&N能耗速率計算簡單, TDMA分配并不增加經(jīng)典EUUC計算的開銷, 因此整體上計算復雜性增加很小. 在理論分析中PEGASIS性能是非常好的, 但是現(xiàn)場應(yīng)用時會帶來較大的滯后性, 特別對于比較廣闊的監(jiān)控區(qū)域, 系統(tǒng)實時性將難以滿足, 同時一旦出現(xiàn)中間節(jié)點的失效, 會導致該輪數(shù)據(jù)采集的無法完成. 改進算法針對存在空洞區(qū)域的監(jiān)控對象, 利用PEGASIS比較適合稀疏網(wǎng)絡(luò)的特性, 在局部特殊區(qū)域應(yīng)用鏈路傳輸策略, 有效地提高了能耗效率, 其實時性也帶來了保證. 同時可以很直觀分析到改進算法(EUUC&N)比PEGASIS協(xié)議在傳輸實時性上有明顯的優(yōu)勢.

4 結(jié)束語

本文針對存在空洞區(qū)域的監(jiān)控對象, 分析了層次路由協(xié)議中分簇時會出現(xiàn)的“熱區(qū)”問題, 提出了一種改進非均勻分簇的路由協(xié)議, 通過構(gòu)造一個基于能量效率的非均勻的分簇機制, 優(yōu)化簇頭的產(chǎn)生機制和簇內(nèi)通信方式, 較好地避免了傳感器網(wǎng)絡(luò)中“熱區(qū)”問題的發(fā)生, 主干路由的傳輸機制, 既減少了由于分簇活動帶來的開銷, 又使得各簇頭能量消耗相對均衡. 理論分析和實驗仿真結(jié)果表明改進算法(EUUC&N)較好地優(yōu)化了節(jié)點負載, 提高了網(wǎng)絡(luò)節(jié)點的能耗效率, 延遲了網(wǎng)絡(luò)節(jié)點死亡時間, 有效延長了網(wǎng)絡(luò)整體生命周期, 提升了監(jiān)控區(qū)域有效覆蓋時間.

[1] Akyildiz I F,Su W L,Yogesh S. A Survey on Wireless Sensor Networks[J]. IEEE Communication Magazine,2007, 40(8):102-114.

[2] Heinzelman W B, Chandrakasan A P, Balakrisham H. An Application-specific Protocol Architecture for Wireless Microsensor Networks[J]. IEEE Transactions on Wireless Communication, 2002, 1(4): 660-670.

[3] Soro S, Heinzelman W B. Prolonging the lifetime of wireless sensor networks via unequal clustering[A]. Proc. of the 19th IEEE Int′l on Parallel and Distributed Processing Symposium[C]. San Francisco: IEEE Computer Society Press, 2005: 236-240.

[4] 李成法, 陳貴海, 葉懋, 等. 一種基于非均勻分簇的無線傳感器網(wǎng)絡(luò)路由協(xié)議[J]. 計算機學報, 2007, 30(1): 27-36.

[5] 黃河清, 沈杰, 馬奎, 等. 無線傳感網(wǎng)基于梯度的非均勻分簇[J]. 光學精密工程, 2009, 17(8): 2053-2058.

[6] 曾志文, 陳志剛, 劉安豐. 無線傳感器網(wǎng)絡(luò)中基于可調(diào)發(fā)射功率的能量空洞避免[J]. 計算機學報, 2010, 33(1): 12-22.

[7] 吳小兵, 陳貴海. 無線傳感器網(wǎng)絡(luò)中節(jié)點非均勻分布的能量空洞問題[J]. 計算機學報, 2008, 31(02): 1-8.

[8] 趙學健, 莊毅, 歐陽鍵, 等. 無線傳感器網(wǎng)絡(luò)能量空洞問題緩解策略分析[J]. 四川大學學報: 工程科學版, 2010, 42(3): 151-158

[9] 李超良, 胡春華. 無線傳感器網(wǎng)絡(luò)中面向動態(tài)多跳的非均勻分簇路由[J]. 中南大學學報: 自然科學版, 2011(07): 2048-2053.

[10] Heinzelman W B, Chandrakasan A P, Balakrisham H. An Application-specific Protocol Architecture for Wireless Microsensor Networks[J]. IEEE Transactions on Wireless Communication, 2002, 1(4): 660-670.

[11] 劉群, 白全煒, 曾憲華, 等. 能量感知的WSN節(jié)點分類控制路由算法[J]. 傳感技術(shù)學報, 2011, 24(7): 1053-1059.

[12] 朱丁丁, 金心宇, 張昱. 基于能量優(yōu)先分簇算法的WSN分層路由協(xié)議[J]. 傳感技術(shù)學報, 2009, 22(4): 579-585.

[13] 張震, 閆連山, 潘煒. 基于LEACH和PEGASIS的簇頭成鏈可靠路由協(xié)議研究[J]. 傳感技術(shù)學報,2010, 23(8): 1173-1178.

[14] Tian Ying, Wang Ying, Zhang Shu-Fang. A Novel Chain-Cluster Based Routing Protocol for Wireless Sensor Networks[J]. WiCOM, 2007: 2456-2459.

[15] Luo H, Luo J. Adaptive datafusion for energy efficient routing in wireless sensor networks[J]. IEEE Transactions on Computers, 2006, 55(10): 1286-1299.

[16] 王洪玉, 劉爽. WSN中基于融合代價和傳輸代價的分簇算法[J]. 大連理工大學學報, 2010, 50(4): 591-596.

An improved uneven for uneven regional clustering wireless sensor routing algorithm

LI Jian-qi1, CAO Bin-fang2, WANG Li1, WANG Wen-hu1

(1. Department of Electronic Engineering, Hunan University of Arts and Sciences, Changde 415000, China; 2. Department of Physics and Electronics, Hunan University of Arts and Sciences, Changde 415000, China)

Monitoring nodes distributed in the natural environment with natural inhomogeneities (such as the South area of the pond) and widespread clustering nodes “hot zone”, while the typical hierarchical routing protocols.This paper presents an improved non-uniform sub-cluster wireless sensor network routing algorithm for this monitoring object characteristics, in order to improve energy efficiency to ensure the effectiveness and timeliness of regional coverage. Improved algorithm firstly generate by optimizing the cluster head according to the density of nodes; then control the competitive radius of unequal cluster; after that, calculate the distribution coefficient of the cluster which is away from the gateway so as to determine the different forms of communication within the cluster; finally, use the transmission mechanism combined with single-hop and the multi-hop between the head of cluster. The simulation studies show that the improved algorithm can improve the energy efficiency of the network better, thus prolong the life of the entire wireless sensor network significantly.

wireless sensor network; uneven clustering; distribution coefficient; energy-efficient

TN 919.2

1672-6146(2012)04-0044-05

10.3969/j.issn.1672-6146.2012.04.009

2012-11-06

湖南省科技計劃項目(2012SK3131)

李建奇(1980?), 男, 碩士, 副教授, 主要研究方向為無線傳感器網(wǎng)絡(luò). E-mail: li_jianqi@126.com

(責任編校:劉剛毅)