陳東海,李長(zhǎng)庚

(中南大學(xué)物理與電子學(xué)院,長(zhǎng)沙 410083)

?

基于簇頭功能分化的無(wú)線傳感器網(wǎng)絡(luò)成簇算法

陳東海,李長(zhǎng)庚*

(中南大學(xué)物理與電子學(xué)院,長(zhǎng)沙 410083)

以LEACH為基礎(chǔ)演化而來(lái)的各類算法在簇頭選舉時(shí)始終包含有“隨機(jī)選擇”的成分,導(dǎo)致無(wú)線傳感器網(wǎng)絡(luò)在拓?fù)浣Y(jié)構(gòu)的優(yōu)化和能量消耗的均衡上受到限制。從分化簇頭功能和優(yōu)化功能節(jié)點(diǎn)選舉機(jī)制的角度出發(fā),提出一種分化簇頭功能的分布式算法,引入功能節(jié)點(diǎn)推薦機(jī)制,弱化簇頭選舉中的隨機(jī)成分,分化簇頭功能,將以往簇頭管理節(jié)點(diǎn)、融合數(shù)據(jù)、轉(zhuǎn)發(fā)信息的三大功能分別由管理節(jié)點(diǎn)、融合節(jié)點(diǎn)、轉(zhuǎn)發(fā)節(jié)點(diǎn)3個(gè)功能節(jié)點(diǎn)來(lái)承擔(dān)。仿真數(shù)據(jù)表明,提出的分簇算法能有效優(yōu)化簇內(nèi)拓?fù)浣Y(jié)構(gòu)、提高節(jié)點(diǎn)能量消耗均衡性,能夠延長(zhǎng)網(wǎng)絡(luò)生存周期15%～20%。

無(wú)線傳感器網(wǎng)絡(luò);功能分化;管理節(jié)點(diǎn);融合節(jié)點(diǎn);轉(zhuǎn)發(fā)節(jié)點(diǎn)

無(wú)線傳感器網(wǎng)絡(luò)改變了人類與自然界的交互方式,其節(jié)點(diǎn)一般部署在無(wú)人值守地域,且能量和計(jì)算能力有限,因而在設(shè)計(jì)算法和執(zhí)行任務(wù)時(shí)必須突出考慮其能量因素,以此獲得較長(zhǎng)的網(wǎng)絡(luò)生存周期。分簇算法的基本思想是把隨機(jī)分布的傳感器節(jié)點(diǎn)按簇進(jìn)行劃分,每個(gè)簇內(nèi)按照一定選舉規(guī)則選出簇頭,簇頭負(fù)責(zé)召集和管理成員節(jié)點(diǎn)、融合成員節(jié)點(diǎn)發(fā)來(lái)的數(shù)據(jù)并進(jìn)行轉(zhuǎn)發(fā)[1],循環(huán)組簇,輪流選擇簇頭,將整個(gè)網(wǎng)絡(luò)的能量負(fù)載盡可能的平均分配到每個(gè)傳感器節(jié)點(diǎn)。分簇算法能減小節(jié)點(diǎn)數(shù)據(jù)傳輸距離和傳輸數(shù)據(jù)量,進(jìn)而大幅度降低節(jié)點(diǎn)能量消耗。此外,分簇算法作為節(jié)點(diǎn)組網(wǎng)的一種方式,在較大規(guī)模的無(wú)線傳感器網(wǎng)絡(luò)中,能很好的提高網(wǎng)絡(luò)生存周期,增強(qiáng)網(wǎng)絡(luò)的穩(wěn)定性和魯棒性。

LEACH[2]算法是經(jīng)典的分層路由算法,其節(jié)點(diǎn)等概率地隨機(jī)擔(dān)任簇頭,這使得低能量的節(jié)點(diǎn)也有相同的概率成為簇頭節(jié)點(diǎn),HEED[3]算法和TEEN[4]算法在選舉簇頭時(shí)考慮了能量因素,使能量較少的節(jié)點(diǎn)被選為簇頭的概率減小,EEUC[5]算法、EOUCP[6]算法、CHTD算法、LDBPL[7]算法引入了競(jìng)選半徑非均勻、競(jìng)選時(shí)間延遲、分層次成鏈等概念,文獻(xiàn)[8]還提出了代理簇頭的思想,這些算法均在簇頭選舉過(guò)程中作了改進(jìn),其結(jié)果更趨合理,但仍舊存在一定的隨機(jī)性,且多個(gè)約束條件作用于簇頭的選舉過(guò)程,增加了算法復(fù)雜度,增加了節(jié)點(diǎn)成簇組網(wǎng)的能量消耗。本文提出一種分化簇頭功能的算法,引入功能節(jié)點(diǎn)推薦機(jī)制,降低選舉的隨機(jī)性和復(fù)雜度,提高選舉功能節(jié)點(diǎn)的合理度,將原來(lái)一個(gè)簇頭的功能分擔(dān)到3個(gè)功能節(jié)點(diǎn)上,即管理節(jié)點(diǎn)、融合節(jié)點(diǎn)和轉(zhuǎn)發(fā)節(jié)點(diǎn),分化簇頭功能,均衡網(wǎng)絡(luò)能耗。

1 系統(tǒng)模型與問(wèn)題描述

1.1 網(wǎng)絡(luò)模型

無(wú)線傳感器網(wǎng)絡(luò)是一個(gè)面向應(yīng)用的系統(tǒng),不同的應(yīng)用環(huán)境需要不同的網(wǎng)絡(luò)模型。文中假定N個(gè)傳感器節(jié)點(diǎn)隨機(jī)均勻分布在一個(gè)面積為M×M的方形區(qū)域A內(nèi),并且有如下性質(zhì):①所有節(jié)點(diǎn)部署后不移動(dòng),能量不補(bǔ)充;②基站部署在區(qū)域A內(nèi)或邊界外一個(gè)固定位置,并且是唯一的;③無(wú)線信道滿足對(duì)稱性,即正向傳輸和反向傳輸?shù)攘康臄?shù)據(jù)消耗的能量相同;④節(jié)點(diǎn)同構(gòu),具有相同的處理和通信能力,在網(wǎng)絡(luò)中地位平等;⑤節(jié)點(diǎn)無(wú)線發(fā)射功率可控,可根據(jù)距離調(diào)整發(fā)射功率;⑥節(jié)點(diǎn)可以獲取無(wú)線接收信號(hào)的強(qiáng)度(RSSI);⑦每輪中節(jié)點(diǎn)的能量消耗不一致。

1.2 無(wú)線通信能量模型

網(wǎng)絡(luò)中節(jié)點(diǎn)通信采用Heinzelman等人在文獻(xiàn)[9-10]中提出的無(wú)線通信模型。當(dāng)發(fā)送節(jié)點(diǎn)與接收節(jié)點(diǎn)的距離小于閾值d0時(shí),采用自由空間模型,否則采用多路衰減模型。發(fā)送方發(fā)送長(zhǎng)度為lbit的數(shù)據(jù)到距離為d0的位置所消耗的能量為

(1)

而接收方接收l(shuí)bit的數(shù)據(jù)所需能量為

ERx(l,d)=Eelec(l)=lEelec

(2)

其中,Eelec為發(fā)射電路的能量消耗,εfs和εmp為兩種模型發(fā)射放大器系數(shù)。

1.3 平均剩余能量估計(jì)

為提高能量消耗均衡性,便于節(jié)點(diǎn)了解自身剩余能量在全網(wǎng)絡(luò)中所處的水平,通常需要對(duì)節(jié)點(diǎn)的平均能量進(jìn)行計(jì)算,但平均能量的計(jì)算需要統(tǒng)計(jì)全網(wǎng)的剩余能量信息,這對(duì)分布式路由算法是非常困難的[11],這里引入估計(jì)方法,對(duì)平均能量進(jìn)行相應(yīng)估計(jì)。首先粗略估計(jì)全網(wǎng)每一輪消耗的能量Eround

(3)

式中,Etotal為全網(wǎng)初始總能量,r0為估計(jì)輪數(shù),即網(wǎng)絡(luò)理論生存周期,在實(shí)驗(yàn)過(guò)程中可采用遞歸的方法取得,這里不作論述。估計(jì)全網(wǎng)剩余能量的平均值為

(4)

其中,N為節(jié)點(diǎn)數(shù)目,r為實(shí)驗(yàn)輪數(shù)。

2 簇頭功能分化算法

本文所提算法沿用按輪組網(wǎng)的思想,每輪包含成簇設(shè)置和穩(wěn)定運(yùn)行兩個(gè)階段。在成簇設(shè)置階段,首先按所需成簇比例選出管理節(jié)點(diǎn),然后由管理節(jié)點(diǎn)推薦融合節(jié)點(diǎn),再由融合節(jié)點(diǎn)推薦轉(zhuǎn)發(fā)節(jié)點(diǎn),進(jìn)而完成組簇。

2.1 初始化

算法開始時(shí),基站首先以某一特定的功率向全網(wǎng)發(fā)送廣播消息,各節(jié)點(diǎn)根據(jù)接收基站發(fā)來(lái)消息的信號(hào)強(qiáng)度確定自身與基站的近似距離di-BS,并通過(guò)定限功率與周圍節(jié)交換信息,確定半徑R內(nèi)的節(jié)點(diǎn)度Ddegree。

2.2 選舉管理節(jié)點(diǎn)

2.3 選舉融合節(jié)點(diǎn)

融合節(jié)點(diǎn)負(fù)責(zé)接收簇成員節(jié)點(diǎn)發(fā)送的信息并進(jìn)行融合,是真正意義上的“簇頭”,對(duì)節(jié)點(diǎn)能量和位置有一定要求。本文提出一種“推薦”機(jī)制,由管理節(jié)點(diǎn)在其鄰節(jié)點(diǎn)中選取,選取標(biāo)準(zhǔn)為節(jié)點(diǎn)能量和節(jié)點(diǎn)度。首先由管理節(jié)點(diǎn)以特定功率向鄰節(jié)點(diǎn)發(fā)送廣播消息,要求鄰節(jié)點(diǎn)計(jì)算出自身成為融合節(jié)點(diǎn)的權(quán)值,同時(shí)也計(jì)算出自身成為融合節(jié)點(diǎn)的權(quán)值,各節(jié)點(diǎn)計(jì)算出權(quán)值后發(fā)送給管理節(jié)點(diǎn),管理節(jié)點(diǎn)對(duì)各權(quán)值進(jìn)行比較,并向權(quán)值最大者發(fā)送消息,通知其被選為融合節(jié)點(diǎn)。權(quán)值計(jì)算公式為

(5)

2.4 選舉轉(zhuǎn)發(fā)節(jié)點(diǎn)

轉(zhuǎn)發(fā)節(jié)點(diǎn)由融合節(jié)點(diǎn)推薦,需要滿足3個(gè)要素:是融合節(jié)點(diǎn)的鄰節(jié)點(diǎn)、離基站較近、剩余能量較多。融合節(jié)點(diǎn)首先以特定功率向鄰節(jié)點(diǎn)發(fā)送廣播消息,要求鄰節(jié)點(diǎn)計(jì)算出自身成為轉(zhuǎn)發(fā)節(jié)點(diǎn)的權(quán)值,各節(jié)點(diǎn)計(jì)算出權(quán)值后發(fā)送給融合節(jié)點(diǎn),融合節(jié)點(diǎn)對(duì)各權(quán)值進(jìn)行比較,并向權(quán)值最小者發(fā)送消息,通知其被選為轉(zhuǎn)發(fā)節(jié)點(diǎn)。其權(quán)值公式為:

(6)

至此,簇拓?fù)浣Y(jié)構(gòu)已生成,它緩解了以往算法中簇頭節(jié)點(diǎn)功能過(guò)多、能量消耗過(guò)快、簇頭位置不科學(xué)的現(xiàn)象,減小了網(wǎng)絡(luò)重組的頻率、降低了簇頭選舉的要求和復(fù)雜度、優(yōu)化了簇頭位置,節(jié)省了簇內(nèi)成員節(jié)點(diǎn)的通信能量,所形成簇結(jié)構(gòu)如圖1所示。

需要強(qiáng)調(diào)的是,在符合條件的情況下,同一個(gè)簇內(nèi)的管理節(jié)點(diǎn)、融合節(jié)點(diǎn)和轉(zhuǎn)發(fā)節(jié)點(diǎn)可以只由一個(gè)節(jié)點(diǎn)或兩個(gè)節(jié)點(diǎn)擔(dān)任。

圖1 本文算法簇結(jié)構(gòu)

3 仿真實(shí)驗(yàn)及數(shù)據(jù)分析

由于本文主要是對(duì)簇的結(jié)構(gòu)和成簇過(guò)程進(jìn)行研究和創(chuàng)新,在實(shí)驗(yàn)仿真過(guò)程中涉及的其他相關(guān)方面如簇半徑的大小、簇的數(shù)目的優(yōu)化和簇間轉(zhuǎn)發(fā)策略等方面分別采用文獻(xiàn)[5,12-13]中的辦法。

3.1 仿真實(shí)驗(yàn)及結(jié)果分析

仿真中,設(shè)置仿真場(chǎng)景參數(shù)為:在邊長(zhǎng)M=100 m區(qū)域內(nèi)隨機(jī)分布N=100個(gè)無(wú)線傳感器節(jié)點(diǎn),節(jié)點(diǎn)初始能量E=0.5 J,基站位于(150,50)m,能量不受限制,初始成簇概率p=0.05,節(jié)點(diǎn)每次發(fā)送或接收數(shù)據(jù)長(zhǎng)度為l=4 000 bit。對(duì)LEACH、EEUC和本文算法進(jìn)行仿真,得到死亡節(jié)點(diǎn)個(gè)數(shù)隨仿真輪數(shù)的變化圖,如圖2所示。

圖2 M=100 m時(shí)生存周期比較

由圖可以看出,LEACH算法在750輪左右開始出現(xiàn)死亡節(jié)點(diǎn),到1 350輪左右全部節(jié)點(diǎn)死亡,第1個(gè)節(jié)點(diǎn)死亡的時(shí)間和全部節(jié)點(diǎn)死亡的時(shí)間均較早,這是因?yàn)長(zhǎng)EACH采用的隨機(jī)選舉簇頭的方式,對(duì)簇頭的能量和位置未做限制,簇頭功能多、能耗大,簇頭位置隨機(jī),簇規(guī)模不均勻,且采用單跳通信,導(dǎo)致簇內(nèi)成員節(jié)點(diǎn)通信距離難以控制,加大節(jié)點(diǎn)能耗;EEUC算法在1 200輪左右時(shí)開始出現(xiàn)死亡節(jié)點(diǎn),在1 600輪左右全部節(jié)點(diǎn)死亡,相比LEACH算法有較大提高,能量均衡性較好,因?yàn)镋EUC在簇頭選舉時(shí)考慮了能量因素,減少了低能量節(jié)點(diǎn)當(dāng)選簇頭的可能性,且其通過(guò)對(duì)節(jié)點(diǎn)競(jìng)選半徑的設(shè)置控制了簇規(guī)模的大小,提高了能耗均衡性;而本文算法在1 400輪左右出現(xiàn)第1個(gè)死亡節(jié)點(diǎn),到1 800輪左右全部死亡,相比于EEUC,新算法在成簇時(shí)采用的推薦機(jī)制,不僅考慮了簇頭的能量因素,剔除了低能量節(jié)點(diǎn)當(dāng)選簇頭的可能性,而且分化了簇頭的功能,進(jìn)一步增強(qiáng)了能耗均衡性。

第1個(gè)節(jié)點(diǎn)死亡的時(shí)間FD(First Dead)和全部節(jié)點(diǎn)死亡時(shí)間AD(All Dead)是衡量路由算法的重要指標(biāo)。為進(jìn)一步驗(yàn)證算法的性能,在上述仿真條件下重復(fù)實(shí)驗(yàn)50次,記錄其第1個(gè)節(jié)點(diǎn)死亡的時(shí)間(輪數(shù))和全部節(jié)點(diǎn)死亡時(shí)間(輪數(shù)),并進(jìn)行比較。從表1數(shù)據(jù)可知,EEUC在FD和AD上比LEACH分別提高了54%、18%,這得益于EEUC在簇頭競(jìng)選中引入了非均勻方案和對(duì)能量因素的考慮,而本文算法在FD和AD上比EEUC分別提高了19%、15%。

表1 網(wǎng)絡(luò)生存周期

為確定算法應(yīng)用在不同規(guī)模條件下的變化,修改仿真場(chǎng)景條件為:邊長(zhǎng)M=200 m,節(jié)點(diǎn)數(shù)N=400個(gè),基站位于(300,100)m,其他條件不變,即單純改變監(jiān)控區(qū)域大小而不改變節(jié)點(diǎn)密度,得到數(shù)據(jù)如圖3所示。

圖3 M=200 m時(shí)生存周期比較

從圖3可以看出,在保持節(jié)點(diǎn)密度不變而擴(kuò)大監(jiān)控區(qū)域時(shí),3種算法的生存周期均有所下降,其中LEACH生存周期下降最快,EEUC次之,本文算法下降較慢,且較EEUC延長(zhǎng)了20%～25%,這是由于在保持相同節(jié)點(diǎn)密度而擴(kuò)大監(jiān)控區(qū)域的條件下,增加的能量消耗主要是來(lái)源于簇頭與簇頭或簇頭與基站之間的通信,簇頭能量消耗加快導(dǎo)致簇重組頻率增加,從而縮短網(wǎng)絡(luò)生存周期,LEACH中簇頭與基站之間的通信距離大大增加,能量消耗隨距離二次方增長(zhǎng),EEUC和本文算法中簇間簇間轉(zhuǎn)發(fā)次數(shù)增加但距離未增加,能量消耗呈線性增長(zhǎng),又由于本文算法的簇頭功能分化機(jī)制比其他算法在功能節(jié)點(diǎn)能量的消耗上相對(duì)緩和,從而也降低了簇重組的頻率,減緩了能量的消耗。實(shí)驗(yàn)證明,簇頭功能分化算法對(duì)大規(guī)模部署的無(wú)線傳感器網(wǎng)絡(luò)具有更強(qiáng)的適應(yīng)性。

3.2 仿真參數(shù)分析

算法中的權(quán)值因子w0、w1、w2十分重要,對(duì)算法性能影響比較大,理論上,在特定的場(chǎng)景中,每個(gè)權(quán)值因子均存在一個(gè)最優(yōu)值。如在上述M=100 m仿真場(chǎng)景條件下,限定w1=0.6、w2=0.55時(shí),w0從0按步長(zhǎng)0.05增加到1時(shí),其第1個(gè)節(jié)點(diǎn)死亡時(shí)間(輪數(shù))變化如圖4所示。當(dāng)w0從0增大到0.2的過(guò)程中,第1個(gè)節(jié)點(diǎn)死亡時(shí)間逐漸推遲,即生存周期延長(zhǎng),這是由于管理節(jié)點(diǎn)需要一定的能量要求,過(guò)低能量的節(jié)點(diǎn)擔(dān)任管理節(jié)點(diǎn)后會(huì)加速死亡;當(dāng)w0大于0.2以后,越來(lái)越多的節(jié)點(diǎn)達(dá)不到擔(dān)任管理節(jié)點(diǎn)的能量要求,使得管理節(jié)點(diǎn)數(shù)目逐漸減少,直接導(dǎo)致成簇?cái)?shù)目減少,從而影響網(wǎng)絡(luò)的生存周期,所以0.2為w0的在該條件下的最優(yōu)值。

圖4 第1個(gè)節(jié)點(diǎn)死亡時(shí)間隨參數(shù)w0變化圖

當(dāng)限定w0=0.2、w2=0.55時(shí),w1從0按步長(zhǎng)0.05增加到1時(shí),其第1個(gè)節(jié)點(diǎn)死亡的時(shí)間(輪數(shù))變化如圖5所示。當(dāng)w1從0增大到0.6的過(guò)程中,網(wǎng)絡(luò)生存周期逐漸延長(zhǎng),原因在于高能量節(jié)點(diǎn)被推薦為融合節(jié)點(diǎn)的權(quán)重在逐漸增加,更容易選取得最優(yōu)的融合節(jié)點(diǎn);而當(dāng)w1大于0.8后,網(wǎng)絡(luò)生存周期加速減短,這是因?yàn)槭?5)中,對(duì)融合節(jié)點(diǎn)的能量閾值提高,推薦權(quán)重卻沒(méi)有相應(yīng)地提高,所在w1的值在0.6到0.8之間比較合適,圖為w1=0.6左右時(shí),第1個(gè)死亡節(jié)點(diǎn)出現(xiàn)的時(shí)間最晚,即網(wǎng)絡(luò)生存時(shí)間最長(zhǎng)。

圖5 第1個(gè)節(jié)點(diǎn)死亡時(shí)間隨參數(shù)w1變化圖

圖6 第1個(gè)節(jié)點(diǎn)死亡時(shí)間隨參數(shù)w2變化圖

同樣的,當(dāng)限定w0=0.2、w1=0.6時(shí),則得到隨參數(shù)w2變化的生存周期圖,得到該條件下w2的最優(yōu)值為0.55,見圖6。值得注意是,當(dāng)仿真條件改變時(shí),生存周期隨參數(shù)的變化也會(huì)有相應(yīng)的改變。

4 結(jié)論

本文提出的簇頭功能分化算法,其核心思想包含兩個(gè)方面:一是提出分化簇頭功能的方案,使原來(lái)由一個(gè)節(jié)點(diǎn)承擔(dān)的功能任務(wù)分擔(dān)到2～3個(gè)節(jié)點(diǎn),降低了功能節(jié)點(diǎn)的能量要求,緩解了功能節(jié)點(diǎn)過(guò)早死亡的現(xiàn)象,增強(qiáng)了網(wǎng)絡(luò)的能耗均衡性能;二是提出了功能節(jié)點(diǎn)的推薦機(jī)制,降低了選舉的復(fù)雜度,消除了融合節(jié)點(diǎn)選舉的隨機(jī)性,優(yōu)化了功能節(jié)點(diǎn)在簇內(nèi)的位置,降低了簇成員節(jié)的通信成本。仿真結(jié)果表明,采用本文算法提出的分化簇頭功能方案和功能節(jié)點(diǎn)的推薦機(jī)制,能將無(wú)線傳感器網(wǎng)絡(luò)生存周期提高15%～20%。

[1]AkyildizIF,SuW,SankarasubramaniamY,etal.ASurveyonSensorNetworks[J].IEEECommunicationsMagazine,2002,40(8):102-114.

[2]Heinzelman W,Chandrakasan A,Balakrishnan H.Energy-Efficient Communication Protocol for Wireless Micro Sensor Networks[C]//Proceedings of the Hawaii Internationnal Conference on System Sciences,LosAlamitos,C A,USA:IEEE Computer Society,2000:3005-3014.

[3]Ossama Y,Sonia F.HEED:A Hybird,Energy-Efficient,Distributed Clustering Approach for Ad Hoc Sensor Networks[J].IEEE Transactions on Mobile Computing,2004,3(4):366-379.

[4]Manjeshwar A,Agrawal D P.TEEN:A Routing Protocol for Enhanced Efficiency in Wireless Sensor Networks[C]//Proceedings of the 15th International Parallel and Distributed Processing Symposium(IPDPS),San Francisco,2001:2009-2015.

[5]李成法,陳貴海,葉懋,等.一種基于非均勻分簇的無(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議[J].計(jì)算機(jī)學(xué)報(bào),2007,30(1):27-36.

[6]劉鐵流,巫永群.基于能量?jī)?yōu)化的無(wú)線傳感器網(wǎng)絡(luò)分簇路由算法研究[J].傳感技術(shù)學(xué)報(bào),2011,24(5):764-770.

[7]嚴(yán)英,郭麗,許建真.一種基于LEACH與PEGASIS協(xié)議的分層成鏈優(yōu)化路由算法[J].傳感技術(shù)學(xué)報(bào),2011,24(9):1311-1316.

[8]劉東江,賈卓生.基于分簇的無(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議的研究[J].計(jì)算機(jī)學(xué)報(bào),2012,39(10):23-38.

[9]Soro S,Heinzelman W B.Prolonging the Lifetime of Wireless Sensors Networks Via Unequal Clustering[J].In:Proc of the 19th IEEE Intertional on Parallel and Distributed Processing Symposium.San Francisco:IEEE Computer Society Press,2005:236-240.

[10]Heinzelman W B,Chandrakasan A,Balakrishman H.An Application-Specific Protocol Architecture for Wireless Microsensor NetWorks[J].IEEE Transactions on Wireless Communications,2002,1(4):660-670.

[11]尚鳳軍.無(wú)線傳感器網(wǎng)絡(luò)通信協(xié)議[M].北京:電子工業(yè)出版社,2011:53-54.

[12]Tripathi R K,Singh Y N,Verma N K.Clustering Algorithm for Non-Uniformly Distributed Nodes in Wireless Sensor Network[J].E Electronics Letters,2013,49(4):299-300.

[13]Zhang D G,Li G,Zheng K,et al.An Energy-Balanced Routing Method Based on Forward-Aware Factor for Wireless Sensor Network[J].IEEE Transactions on Mobile Computing,2014,10(1):766-773.

An Function Decomposition Algorithms for Cluster Head for WSNs

CHENDonghai,LIChanggeng*

(School of Physics and Electronics,Central South University,Changsha 410083,China)

Current algorithms based on LEACH or its derivatives always contain the factor of “random”in the aspect of selecting cluster heads,this is not conducive to balance the energy consumption of the wireless sensor networks.In order to improve the election mechanism of the cluster head and optimize its position and function,a new clustering method(Function Decomposition Algorithms for Cluster Head)for wireless sensor networks is proposed.Our approach provides a mechanism to recommend functional nodes,weaken the random component of cluster head selection,and split the cluster head into 3 functional nodes:management node,data fusion node,sending node.Simulation data show that the new algorithm can effectively optimize the topology of wireless sensor networks,improve the balance performance of energy consumption,and prolong sensor networks lifetime by 15%～20%.

wireless sensor networks,function decomposition,management node,data fusion node,sending node

陳東海(1987-),男,中南大學(xué)在讀碩士研究生,研究方向?yàn)闊o(wú)線傳感器網(wǎng)絡(luò)路由算法,195840715@qq.com;

李長(zhǎng)庚(1970-),男,中南大學(xué)教授,博士研究生,從事無(wú)線傳感器網(wǎng)絡(luò)研究,lcgeng@mail.csu.edu.cn。

2014-09-11 修改日期:2014-11-19

C:6150P

10.3969/j.issn.1004-1699.2015.02.017

TP393

A

1004-1699(2015)02-0244-05