孫彥清，彭艦，劉唐,2，陳曉海

（1. 四川大學 計算機學院，四川 成都 610065；2. 四川師范大學 基礎教學學院，四川 成都 610068）

1 引言

無線傳感器網絡是由部署在農田、森林、戰(zhàn)場等監(jiān)測區(qū)域內大量廉價的微型傳感器節(jié)點和一個信息收集基站（sink）組成，通過無線通信的方式形成一個多跳的自組織分布式網絡系統(tǒng)。作為一種新的信息獲取方式和處理模式，被廣泛應用于軍事國防、環(huán)境監(jiān)測、智能家居、醫(yī)療衛(wèi)生等領域[1]。

傳感器節(jié)點一般采用能量十分有限的電池，通常運行在惡劣甚至危險的偏遠環(huán)境中，一旦部署就不能再充電和電源更換，因此如何設計有效的策略控制節(jié)點的能量消耗成為傳感器網絡研究的核心問題[2]。為了達到節(jié)省能耗的目的，許多基于成簇的層次型網絡拓撲結構被提出[3~5]。分簇優(yōu)化了數據的傳輸數量，減少了節(jié)點對基站的數據發(fā)送次數，能夠有效減少網絡冗余信息，降低能量消耗，延長網絡的生命周期。

早期的成簇路由算法大多采用單跳通信方式（簇頭節(jié)點收集簇內成員節(jié)點的數據，進行壓縮、融合后直接和基站通信，如LEACH[6]），但存在網絡部署面積受限、擴展性差、離基站越遠的簇頭能量消耗越快等缺陷。隨著研究的深入，分簇網絡采取多跳方式來節(jié)省能量，但也存在嚴重缺陷：距離基站越近的簇頭需要轉發(fā)的數據任務越多，消耗的能量越多，越容易因能量耗盡而過早失效。如果靠近基站的節(jié)點成塊死亡，則會導致網絡中數據無法成功傳輸，網絡壽命降低。因此，如何均衡簇間能量消耗，達到網絡節(jié)點的負載均衡是成簇路由協(xié)議的研究熱點。

LEACH是最早提出的一種均勻分簇路由協(xié)議，通過周期性地等概率隨機選擇簇頭來構造出大小相等的簇，在理論上達到了簇內能耗平衡，但這種局部能耗均衡會造成遠離基站的簇頭能量先耗盡，從而造成了能量空洞。EEDRCP[7]是對LEACH改進的一種雙輪成簇協(xié)議，在簇頭選取算法中引入剩余能量參數，形成混合型網絡拓撲結構。

EEUC[8]通過控制簇頭的競爭半徑來調節(jié)簇規(guī)模大小，使得靠近基站的簇規(guī)模相對較小，這樣簇頭因收集簇內數據而消耗的能量就會相對減少，從而簇頭就會擁有更多的能量來進行路由轉發(fā)；同時在選擇路由節(jié)點時，不僅考慮候選路由與基站的距離，還參考其剩余能量，這種非均勻成簇路由協(xié)議在一定程度上緩解了簇頭能量消耗不均衡的問題。ACOUC[9]在 EEUC 的非均勻分簇協(xié)議的基礎上對算法進行了優(yōu)化，首輪所有節(jié)點參與簇頭競選、后續(xù)輪簇內調整，利用基于定向擴散的蟻群優(yōu)化(ARAWSN)算法進行路徑優(yōu)化和動態(tài)路由調整，以建立從簇首到匯聚點綜合能耗最小的多跳路由。

CEB-UC[10]是一種基于分區(qū)能耗均衡的非均勻分簇算法，將網絡合理分區(qū)，使得靠近基站的分區(qū)內的簇數量較多，各簇內節(jié)點數目較少；遠離基站的分區(qū)內的簇數量較少，各簇內的節(jié)點數目較多，從而保證承擔數據中繼轉發(fā)任務的簇頭節(jié)點能節(jié)約所在簇內的通信開銷，供簇間數據轉發(fā)使用，以優(yōu)化網絡各節(jié)點的能量消耗。DEBUC[10]采用基于時間的簇頭競爭算法，廣播時間取決于候選簇頭的剩余能量和其鄰居節(jié)點的剩余能量；同時，通過控制候選簇頭的競爭范圍，使得距離基站較近的簇的幾何尺寸較小，以均衡網絡中不同位置節(jié)點之間的簇內和簇間通信能耗；DEBUC采用簇間多跳路由，運用貪婪算法選擇其中繼節(jié)點，有效地延長了網絡壽命。

本文提出了一種基于動態(tài)分區(qū)負載均衡的分布式成簇路由算法。首先利用動態(tài)非均勻分區(qū)保證網絡各個區(qū)域的能耗均衡性，使得距離基站較近的區(qū)具有較小的幾何尺寸；根據節(jié)點的歷史能耗因子和到基站的距離競選區(qū)頭，使得剩余能量較高并且靠近基站的節(jié)點當選區(qū)頭。然后綜合考慮節(jié)點的剩余能量因子和“綜合距離因子”進行區(qū)內成簇，使得剩余能量越多并且越靠近區(qū)頭的節(jié)點出任簇頭的概率越大。采用簇內單跳通信、簇頭與區(qū)頭直接通信和區(qū)間多跳的路由策略，簇頭只負責收集簇內數據并進行融合，區(qū)頭負責收集簇頭數據并根據轉發(fā)策略選擇中繼節(jié)點。這種區(qū)頭和簇首共同承擔數據傳輸的通信方式有效節(jié)省了單個節(jié)點的能量、均衡了網絡能耗，實驗結果表明，與LEACH、 EEUC和DEBUC協(xié)議相比，所提協(xié)議能夠顯著延長網絡的生存周期。

2 網絡與能耗模型

2.1 網絡模型

[11]，本文對無線傳感器網絡作如下假設：

1) 節(jié)點能量可異構，網絡中初始總能量 Etotal固定，節(jié)點可以獲取自身的當前能量Er；

2) 每個節(jié)點有唯一的 ID，可獲知自己的坐標信息。都能擔任區(qū)頭、簇頭或者普通節(jié)點；

3) 節(jié)點通信功率可以自由調節(jié)，不同節(jié)點能夠在通信范圍內相互通信，通過接收信號的強度計算出通信節(jié)點之間的距離；

4) 每個節(jié)點獨立工作，即每個節(jié)點的工作均不受其他節(jié)點影響；

5) 通過數據融合技術減少數據傳輸任務；

6) sink節(jié)點具有較強的計算、存儲能力，且能量無限制。

2.2 能耗模型

本文采用簡單能量消耗模型[5]，忽略節(jié)點在計算、存儲等過程中的能量消耗，僅計算通信能耗。在傳輸l bit信息經過距離d的過程中，發(fā)送端能量消耗為

接收端的能量消耗為

其中，d0為一閾值，本文定義為 87 m。若發(fā)送節(jié)點與接收節(jié)點的傳輸距離小于 d0，發(fā)送方發(fā)送數據的能量消耗與距離的平方成正比，否則成4次方正比。Eelec是每比特數據在發(fā)送電路和接收電路消耗的能量，εfsd2和εmpd4是發(fā)送每比特數據放大器的能量消耗。

2.3 數據融合模型

UCDP通過數據融合技術減少網絡傳輸的數據量，達到節(jié)約網絡能量的目的。由于不同區(qū)域中數據有較大的差異，在模擬實驗中不考慮區(qū)域間的數據融合。假設區(qū)內的數據融合模型為：簇頭接收每個節(jié)點發(fā)送的l bit數據，壓縮為l bit數據；區(qū)頭接收每個簇頭發(fā)送的l bit數據，壓縮為l bit數據。數據融合能耗設定為DEΛ=5 nJ/bit。

3 基于動態(tài)分區(qū)的非均勻成簇（UCDP）路由協(xié)議

UCDP是一個分布式的并行成簇算法，具有良好的擴充性，算法采用輪循環(huán)機制，每輪分為3個階段。1）動態(tài)分區(qū)階段：首先通過節(jié)點歷史能耗因子和與距離基站的距離對網絡進行動態(tài)非均勻分區(qū)，使得剩余能量較高的節(jié)點當選區(qū)頭并且距離基站較近的區(qū)域面積較小。2）區(qū)內成簇階段：每個區(qū)內進行非均勻成簇，區(qū)內節(jié)點綜合考慮自身與區(qū)頭的距離以及自身與基站的距離計算出“復合距離因子”，保證節(jié)點的數據傳輸距離最優(yōu)；同時參考節(jié)點的剩余能量因子來競選簇頭；既避免了能量消耗過低的節(jié)點擔任簇頭，又最大限度地降低了簇頭的通信傳輸能耗。3）路由轉發(fā)階段[12]：分為簇內通信、簇首與區(qū)頭通信、區(qū)頭與匯聚點通信三部分，簇內通信采用單跳的方式，容易實施；同一個區(qū)內的所有簇首都采用單跳的方式與所屬區(qū)頭通信，只有和基站距離小于一定范圍的簇首才將數據直接發(fā)送給基站；區(qū)頭根據能量消耗因子建立區(qū)間多跳路由。

下面給出與UCDP算法相關的一些定義。

定義 1 能量消耗因子。能量消耗因子e _ cos tkr表明在第r-1輪工作周期內節(jié)點k所消耗的能量與區(qū)域內節(jié)點平均消耗能量的比值，

定義2 剩余能量因子。剩余能量因子 W (Ekr)表明節(jié)點此時的剩余能量和區(qū)域平均剩余能量的關系，

定義3 復合距離因子。復合距離因子D(v)表明節(jié)點此時的位置與匯聚點和區(qū)頭的關系，0≤D(v)≤ 1。

3.1 動態(tài)分區(qū)

UCDP算法在每輪數據傳輸周期之前首先對網絡進行合理的動態(tài)非均勻分區(qū)，有效均衡網絡的整體負載。在UCDP中，區(qū)頭的任務負擔較重，不僅需要管理區(qū)內多個簇頭，還要融合各個簇頭收集的數據，再將處理后的數據發(fā)送給基站，因此算法以區(qū)域內節(jié)點的歷史能耗因子為主要的競選依據。所有參與區(qū)頭競爭的候選區(qū)頭節(jié)點都保存一張鄰居節(jié)點信息表，如表1所示。

表1 候選區(qū)頭鄰居節(jié)點信息

首先，每個候選區(qū)頭節(jié)點廣播 Area_Vie_Msg報文，告知其他候選節(jié)點自身的 ID號、當前剩余能量Er和競爭范圍Rvie，通過廣播能夠獲知其他鄰居節(jié)點的信息集合。

結合Younis提出的成簇思想[9]，在UCDP算法中對LEACH算法的T(n)公式做出改進

其中，PRH是節(jié)點競選區(qū)頭的概率，r是當前循環(huán)進行的輪數，G為最近1/Pk輪中未成為區(qū)頭的節(jié)點集合。在 T(n)中加入 e _ costkr作為影響因子，使歷史能耗較低的節(jié)點優(yōu)先當選區(qū)頭。新的閾值公式T(n)new有如下特性：1)當選過候選區(qū)頭的節(jié)點在接下來的 1/Pk輪循環(huán)中將不能成為區(qū)頭；2)未當選過候選區(qū)頭的剩余節(jié)點當選為區(qū)頭的概率增大；3)未成為區(qū)頭的其他節(jié)點根據接收到廣播信號的強弱來決定加入合適的分區(qū)。這樣，通過T(n)new能夠實現(xiàn)對傳感器網絡進行動態(tài)定向分割的目的。

假設傳感器網絡被分隔成M個區(qū)域，設在第r-1輪，對任意分區(qū)的集合中有個節(jié)點。其中，傳感器節(jié)點在此輪數據傳輸開始時的能量為 Ekr-2，在第r -1輪成簇結束時能量為 Ekr-1。由定義1給出節(jié)點k的能量消耗因子為

為了有效保證網絡每輪分割過程中各個分區(qū)能耗的均衡性，算法引入了輪轉因子的概念：

當 r ounds(k,r)>0時，則節(jié)點k提前 r ounds(k,r)輪進入集合 G；當 r ounds(k,r)=0時，則當前輪轉狀態(tài)不變；當 r ounds(k,r)<0時，則該節(jié)點延遲rounds(k,r)輪進入集合G。

由于距離基站越近的區(qū)頭需要承擔的數據傳輸任務越重，能量耗盡而失效的概率也越大。為了避免這種現(xiàn)象，算法希望讓靠近基站的區(qū)頭的成員較少，減少區(qū)頭因處理區(qū)內數據而消耗的能量。算法為每個候選區(qū)頭設置一個競爭半徑Rvie，隨著候選區(qū)頭到基站距離的減小，Rvie隨之減小。假設候選區(qū)頭的最大競爭半徑為 Ro，則候選區(qū)頭 i的 Rvie為

其中，dmax代表網絡中節(jié)點到基站的最大距離，dmin代表最小距離，d(I, BS) 是節(jié)點i 到基站的距離，c是0~1之間的用于控制Rvie取值范圍的常數。

當選為區(qū)頭的節(jié)點向鄰居節(jié)點廣播獲勝消息Area_Msg時，申明自己成為區(qū)頭，并默認區(qū)頭為區(qū)號，普通節(jié)點選擇接收信號強度最大的區(qū)頭并發(fā)送Join_Area_Msg請求加入，每輪分區(qū)后區(qū)頭節(jié)點負責對本區(qū)節(jié)點信息的更新管理，網絡動態(tài)分區(qū)結束。利用輪轉因子的概念，通過引入剩余能量因子改進 T (n)new閾值，能夠對節(jié)點擔任區(qū)頭的輪轉周期進行動態(tài)調整，有效地保證了傳感器網絡每輪分割過程中各個分區(qū)能耗的均衡性。

3.2 區(qū)內非均勻成簇

區(qū)內成簇階段包括簇頭選舉和簇的形成。

1) 簇頭選舉

為實現(xiàn)網絡中節(jié)點的負載均衡，要盡可能增加分區(qū)內相對剩余能量較高的節(jié)點出任簇頭的概率。首先，每個候選簇頭廣播Cluster_Vie_Msg報文，告知其他候選節(jié)點自身的 ID號、當前剩余能量、節(jié)點與區(qū)頭的距離和節(jié)點與基站的距離。根據定義2，節(jié)點k在第r輪成簇之前的剩余能量因子 W (Ekr)計算公式為

其中，傳感器節(jié)點 k的初始能量為 Ek0，當r =1（首輪）時，節(jié)點k還沒有任何能量損耗，W (Ekr)為1；當r>1時， W (Ekr)越大，說明該節(jié)點在此時的相對剩余能量越高。 W (Ekr)還可以適用于初始能量不同的異構網絡，如果此時有2個節(jié)點的當前剩余能量值相等，則意味著初始能量高的節(jié)點能量消耗更快，那么初始能量高的節(jié)點的剩余能量因子會較小。

節(jié)點k到區(qū)頭RHi的距離越小，則k作為簇頭后，簇頭與區(qū)頭之間的通信能耗越小，同理若k到基站的距離越小，數據傳輸的能耗也越小。根據自由空間能量模型可知，距離的平方直接影響能量消耗的大小，根據定義 3，給出復合距離因子可以表示為

為了實現(xiàn)分區(qū)內節(jié)點的負載均衡，要盡可能增加相對剩余能量大的節(jié)點出任簇頭的概率；同時加入綜合距離因子使得簇頭盡量靠近區(qū)頭和基站，盡量減少數據傳輸消耗的能量。

節(jié)點k成為簇頭的概率由式(9)計算。

其中，α、β為調節(jié)剩余能量因子、綜合距離因子在節(jié)點競爭簇頭時所占權重的概率因子，且α+β=1。

利用式（9），節(jié)點 k和它的鄰居節(jié)點分別計算出自身的簇頭當選概率，并通過一次握手交換出對方的概率值。鄰居節(jié)點在收到的所有概率值中挑選出擁有最大概率值的節(jié)點成為簇頭，并通知相應的節(jié)點（若沒有得到更大的概率值信息，則該節(jié)點宣告自己成為簇頭）。選舉結束后，當選簇頭向其通信范圍內的成員發(fā)送Head_Msg報文，宣布成為簇頭。

2) 簇的形成

簇頭確定之后，便在所屬分區(qū)內廣播 Cluster_Msg報文，等待其他普通節(jié)點的加入。普通節(jié)點根據接收消息的信號強弱判斷發(fā)送方和接收方的距離，優(yōu)先選擇通信代價最小的簇頭加入，即發(fā)送消息需要經過的距離最短的簇頭。

普通節(jié)點i根據距離引力[13]F(i，CHi，r)來確定加入哪個簇，CHi為簇頭，距離引力表示節(jié)點不僅考慮簇頭的剩余能量大小，同時還要考慮與簇頭的距離和與區(qū)頭的距離。

從圖1中可以看出，越是靠近基站的區(qū)，其物理面積越小；分區(qū)內的簇頭相對靠近區(qū)頭和基站。簇形成階段之后，算法進入數據通信階段—路由傳輸。

圖1 UCDP協(xié)議基本原理

3.3 路由傳輸

UCDP采用簇內單跳通信、簇頭與區(qū)頭直接通信和區(qū)間多跳通信的數據傳輸方式。

簇頭首先收集簇成員的數據并進行融合，然后進行數據發(fā)送，比較由簇頭直接發(fā)送到基站的距離和由區(qū)頭轉發(fā)到基站的距離，選擇綜合距離較短的方式進行發(fā)送。如果簇頭CHi滿足，數據由簇頭直接發(fā)送給基站；滿足就由簇頭交給區(qū)頭發(fā)送。其中，d(CHi, BS)表示簇頭CHi與基站的距離，d(RHm, BS)表示區(qū)頭RHm與基站的距離，DTD-MAX為閾值。

區(qū)頭到基站的距離小于 DTD-MAX，則它可以直接發(fā)送數據到基站，否則區(qū)頭只能以多跳通信的方式將數據發(fā)送至基站。下面通過定理1來討論區(qū)頭的路由轉發(fā)策略。

首先給出區(qū)頭RHm的路由候選集合為

定理1 對剩余能量為Ecur_m的區(qū)頭i，共有Z′個路由候選區(qū)頭，假設其中的任意區(qū)頭z的剩余能量為Ecur_z，由z到基站的消息發(fā)送距離dz_o與節(jié)點i的當前距離為dm_z可知，如果區(qū)頭z滿足

則區(qū)頭m通過z轉發(fā)數據到基站將比區(qū)頭m直接發(fā)送消息到基站更節(jié)省網絡能量。

證明 設區(qū)頭m為了傳輸l bit的數據，根據文獻[7]的能量模型，所需要的能量消耗為

設區(qū)頭m有Z′個路由候選區(qū)頭，若m通過其中的候選區(qū)頭z傳輸消息j到基站，則能量消耗分為三部分：兩區(qū)頭發(fā)送消息所消耗的能量、區(qū)頭 z接收消息所消耗的能量以及消息j再從z發(fā)送到基站的能量消耗。其中，消息j從m發(fā)送到z的能量消耗為

消息j再從區(qū)頭z發(fā)送到基站的能量消耗為

因此，通過區(qū)頭z轉發(fā)消息j的總能量消耗為

若Em_z(l)占區(qū)頭i和區(qū)頭z剩余能量之和的比例小于ETx_mo(l，di_o)占區(qū)頭m當前剩余能量的比例，即滿足式(14)，則消息l通過轉發(fā)的方式傳至基站，更節(jié)省網絡能量。

結論得證。

為了簡化問題分析，簡單假設能量消耗與距離的平方成正比，則Em_z(l)可以表示為

由分析可知，dm_z2+dz_o2決定了能量消耗的多少，則在選擇轉發(fā)節(jié)點時，優(yōu)先選擇dm_z2+dz_o2最小的區(qū)頭作為下一跳路由節(jié)點。

路由算法偽代碼如圖2所示。

圖2 路由算法偽代碼

動態(tài)非均勻分區(qū)保證了網絡各個分區(qū)的能耗均衡性；基于綜合距離因子和剩余能量因子的成簇算法保證了簇頭的通信距離最小化，并提高了剩余能量多的節(jié)點出任簇頭的概率，因此，UCDP算法能夠實現(xiàn)網絡負載均衡性和能量有效性。

4 算法分析

定理2 在UCDP算法中，網絡中廣播的消息量復雜度為O(N)。

證明 在UCDP算法中，在區(qū)頭競選階段，有NR個候選區(qū)頭參與競選，共廣播NR條Area_Vie_Msg消息，競選成功的候選區(qū)頭發(fā)送獲勝消息，假

其中，dm_z為m與z的距離。區(qū)頭z接收消息所消耗的能量為設共有R個區(qū)頭，則一共廣播R條Area_Msg消息，而其他的區(qū)成員發(fā)送N-R條Join_Area_Msg消息；有NC個候選簇頭參與競選，共廣播NC條Cluster_Vie_Msg消息，競選成功的候選簇頭發(fā)送獲勝消息，假設共有C個簇頭，則一共廣播C條Cluster_Msg消息，而其他的簇成員發(fā)送N-C-R條Join_Cluster_Msg消息。因此，網絡在分區(qū)階段和成簇階段中總的消息開銷為

NR+R+N-R+NC+C+N-R-C=(R+C-2)N-R (19)所以，UCDP算法的消息量復雜度為O(N)。

5 仿真與實驗

為了評估算法的性能，利用NS-2在相同條件下仿真LEACH、EEUC、DEBUC和本文算法，并進行多項性能的比較。

5.1 仿真環(huán)境

本文使用NS-2進行仿真模擬，實驗環(huán)境如下：1 600個傳感器節(jié)點隨機分布于400 m×400 m的正方形區(qū)域，假設匯聚節(jié)點（sink）位于區(qū)域中心。表2展示了實驗采用的多種參數。

表2 網絡參數

5.2 簇首特征

根據前面的分析可知，算法的分區(qū)個數由參數 Ro和c共同決定。圖2顯示了當c取2個不同vie的值時，區(qū)頭數目和 Rovie之間的關系。從圖 3可以看出，c=0.5時的區(qū)頭數目要多于c=0時的區(qū)頭數目，同時隨著區(qū)頭競爭半徑的減小，分區(qū)數目不斷增多。

圖3 區(qū)頭數目和最大競爭半徑關系

圖4 說明了算法的穩(wěn)定性，在網絡拓撲固定的情況下，衡量一個分簇協(xié)議是否穩(wěn)定的標準是看生成的簇首數目是否一致。分別從 LEACH算法、DEBUC算法和UCDP算法的模擬過程中隨機選出100輪，統(tǒng)計每個協(xié)議簇首個數的分布情況，由圖4可知，LEACH算法的簇首數目變化最大，這是因為LEACH算法只采用了隨機數和閾值的機制競選簇首，因此簇首數目的波動范圍最大。由于DEBUC算法和本文算法都采用了局部競爭的方法，因此DEBUC算法的簇首數目相對集中，本文算法的區(qū)頭數目和簇首數目也相對集中。值得注意的是，本文算法生成的簇首數目明顯較多，這是因為UCDP算法通過動態(tài)劃分大小非均勻的區(qū)，使得靠近基站的地方產生更多幾何尺寸較小的區(qū)，再通過區(qū)內成簇，簇首個數就相對增多?？傊?，UCDP算法生成了數目穩(wěn)定的分區(qū)和簇首，具有良好的可靠性。

5.3 生存周期

UCDP算法的核心思想是通過動態(tài)分區(qū)來均衡網絡能耗，現(xiàn)在通過比較4種協(xié)議的網絡生存時間來驗證本文算法的有效性。文獻[14]定義網絡節(jié)點死亡 10%以上時為網絡失效，從圖 5可以看出，UCDP算法相對于其他3種算法有較長的網絡生存時間，由于本文算法采用區(qū)頭與簇首共同協(xié)作的通信方式，減緩了每個節(jié)點的任務負擔，均衡了網絡的整體能耗，因此，UCDP算法的第一個節(jié)點死亡時間和網絡失效時間都明顯晚于其他3種協(xié)議。

5.4 能量效率

圖6對比了4種協(xié)議的網絡總能耗隨時間變化的情況。從圖中可以看出，UCDP算法的能量消耗速度明顯小于其他3種協(xié)議，當DEBUC算法中網絡失效時，此時網絡能量為61 J，而UCDP算法網絡失效時，網絡剩余能量僅為17 J。說明UCDP算法有更長的網絡存活時間，能夠有效平衡節(jié)點間的能耗，具有更好的網絡監(jiān)控質量。

圖4 簇頭數量分布

圖5 存活節(jié)點與生存周期關系

圖6 網絡剩余能量與生存周期關系

圖7 顯示了4種協(xié)議的網絡節(jié)點平均能量值隨時間變化的情況，UCDP算法的網絡節(jié)點能量均值一直都比其他3種協(xié)議的高，說明UCDP算法在能量均衡方面有較好的性能。

圖7 節(jié)點平均剩余能量與生存周期關系

6 結束語

本文提出了一種新穎的基于動態(tài)分區(qū)的傳感器網絡成簇路由協(xié)議，核心思想是利用一個能量均衡的非均勻分區(qū)算法將網絡合理分區(qū)，以緩解多跳路由中的“熱區(qū)”現(xiàn)象；協(xié)議利用區(qū)頭與簇頭共同協(xié)作的通信方式，以均衡網絡中節(jié)點的能量消耗；通過簇內通信、區(qū)內通信和區(qū)間轉發(fā)的有機結合，建立了一個能耗最優(yōu)的路由傳輸協(xié)議。實驗結果表明，所提算法具有較好的穩(wěn)定性，能夠有效節(jié)省單個節(jié)點的能量、均衡網絡能耗，顯著延長網絡的存活時間。

雖然本文算法在實驗中表現(xiàn)了良好的性能優(yōu)勢，但實際環(huán)境中移動節(jié)點、異構網絡和機會網絡的應用越來越廣泛，為了更好地適應傳感器網絡的發(fā)展，下一步的工作是根據算法在不同的網絡環(huán)境下的需要做出改進，使其更適應于實際場合。

參考文獻：

[1] 張曉玲, 梁煒, 于海斌等. 無線傳感器網絡傳輸調度方法綜述[J].通信學報,2012,33(5): 143-157.ZHANG X L, LIANG W, YU H B, et al. Survey of transmission scheduling methods in wireless sensor networks[J]. Journal on Communications, 2012, 33(5): 143-157.

[2] YICK J, MUKHERJEE B, GHOSAL D. Wireless sensor network survey[J]. Computer Networks, 2008, 52(12): 2292-2330.

[3] ABBASI A A, YOUNIS M. A survey on clustering algorithms for wireless sensor networks[J]. Computer Communications, 2007, 30(14-15):2826-2841.

[4] HUANG W W, PENG Y K, WEN J, et al. Energy-efficient mhop hier ar chical routing protocol for wireless sensor netwoks[J]. IEEE Computer Society, 2009, 35( 2): 469- 472.

[5] LI B, WANG W J, YIN Q Y, et al. An energy-efficient geographic routing based on cooperative transmission in wireless sensor networks[J]. Sci China Inf Sci, 2013, 56: 4757-4762.

[6] HEINZELMAN W, CHANDRAKASAN A, BALAKRISHNAN H.An application-specific protocol architecture for wireless microsensor networks[J]. IEEE Trans on Wireless Communications,2002,1(4): 660-670.

[7] 陳慶章, 趙小敏, 陳曉瑩. 提高無線傳感器網絡能效的雙輪成簇協(xié)議設計[J]. 軟件學報,2010, 21(11): 2933-2943.CHEN Q Z, ZHAO X M, CHEN X Y. Design of double rounds clustering protocol for improving energy efficient in wireless[J]. Journal of Software, 2010, 21(11):2933-2943.

[8] LI C F, YE M, CHEN G H, et al. An energy-efficient unequal clustering mechanism for wireless sensor networks[A]. Proc of the IEEE Int’l Conf on Mobile Ad Hoc and Sensor Systems[C].Washington, DC, USA, 2005. 597-604.

[9] ZHANG R B, CAO J F. Uneven clustering routing algorithm for wireless sensor networks based on ant colony optimization[J]. Journal of Xi’an Jiaotong University, 2010, 44(6):33-38.

[10] WANG Y, ZHANG D Y, LIANG T T. Cell energy balanced uneven clustering hierarchy scheme for wireless sensor networks[J]. Journal of Xi’an Jiaotong University, 2008, 42(4):389-394.

[11] 蔣暢江, 石為人, 唐賢倫等. 能量均衡的無線傳感器網絡非均勻分簇路由協(xié)議[J]. 軟件學報, 2012, 23(5):190-200.JIANG C J, SHI W R, TANG X L, et al. Energy-balanced unequal clustering routing protocol for wireless sensor networks[J]. Journal of Software,2012,23(5):190-200.

[12] 劉唐, 彭艦, 楊進. 異構延遲容忍移動傳感器網絡中基于轉發(fā)概率的數據傳輸[J]. 軟件學報, 2013, 24(2):215-229.LIU T, PENG J, YANG J. Data delivery for heterogeneous delay tolerant mobile sensor networks based on forwarding probability[J].Journal of Software, 2013, 24(2):215-229.

[13] 洪榛, 俞立, 張貴軍. 多級異構無線傳感器網高效動態(tài)聚簇策略研究[J].自動化學報, 2013, 39(4):454-460.HONG Z, YU L, ZHANG G J. Efficient and dynamic clustering scheme for heterogeneous multi-level wireless sensor networks[J].Acta Automatica Sinica,2013,39(4):454-460.

[14] 卿利, 朱清新, 王明文. 異構傳感器網絡的分布式能量有效成簇算法[J]. 軟件學報,2006,17(3): 481-489.QING L, ZHU Q X, WANG M W. A distributed energy-efficient clustering algorithm for heterogeneous wireless sensor networks[J].Journal of Software, 2006, 17(3): 481-489.