陳 紅

(西安工業(yè)大學 電子信息工程學院， 陜西 西安 710021)

?

基于WSN的濕地水環(huán)境監(jiān)測系統(tǒng)拓撲控制算法研究

陳 紅

(西安工業(yè)大學 電子信息工程學院， 陜西 西安 710021)

為了消除LEACH算法由于簇頭節(jié)點隨機選取機制和單跳通信所造成的能量空洞問題，提出了一種改進算法.該算法基于最佳簇頭概率及節(jié)點剩余能量和通信距離優(yōu)化了簇頭選取機制，采用多跳傳輸方式降低了網(wǎng)絡能量消耗.結合濕地水環(huán)境特點，對算法的實際性能進行仿真，結果表明：該改進算法在存活節(jié)點個數(shù)和能量均衡方面均優(yōu)于原算法，存活節(jié)點個數(shù)是LEACH算法的4.6倍，剩余能量是LEACH算法的8.2倍，有效延長了濕地水環(huán)境監(jiān)測網(wǎng)絡的工作壽命.

濕地水環(huán)境； 無線傳感器網(wǎng)絡； 拓撲控制算法； 工作壽命

0 引言

濕地享有“地球之腎”的美譽，具有不可替代的生態(tài)功能，其生態(tài)環(huán)境包括空氣環(huán)境、水環(huán)境、土壤環(huán)境等，其中能最好地反映濕地生態(tài)環(huán)境情況的是水環(huán)境.現(xiàn)有的水環(huán)境監(jiān)測方法主要分為人工采樣法、實驗室分析法及采用由監(jiān)控中心和若干監(jiān)測站組成的自動監(jiān)測系統(tǒng).人工采樣法、實驗室分析法存在周期長、勞動強度大、針對性差、數(shù)據(jù)采集慢等問題.采用由監(jiān)控中心和監(jiān)測子站的方法則要鋪設電纜和建立子站,不僅監(jiān)測范圍有限，而且對濕地水域易造成破壞.因此,上述兩種方法并不適用于濕地水環(huán)境的監(jiān)測[1].研究濕地水環(huán)境參數(shù)的高效、實時獲取新方法，已成為濕地管理及保護的重要任務.

近年來極具影響力的技術之一便是無線傳感器網(wǎng)絡(Wireless Sensor Network, WSN)，針對濕地獨特的水環(huán)境特點，把WSN技術引入到濕地水環(huán)境監(jiān)測中，是近年來研究的焦點.文獻[1]提出了一種基于WSN的實時數(shù)據(jù)監(jiān)測系統(tǒng)，應用于我國西溪濕地的水環(huán)境監(jiān)測.文獻[2]針對藏區(qū)濕地人煙稀少，地理環(huán)境和濕地環(huán)境復雜的特點，設計了一套利用WSN進行濕地監(jiān)測和保護的方案.文獻[3]提出了一種利用WSN進行濕地水質(zhì)監(jiān)測時，對葉綠素和藍藻水質(zhì)指標的連續(xù)監(jiān)測數(shù)據(jù)中異常數(shù)據(jù)的處理方法.在面向濕地水環(huán)境監(jiān)測的WSN中，一般選擇干電池作為電源，因此首要目標是延長網(wǎng)絡的工作壽命[4-6].

而網(wǎng)絡拓撲作為介質(zhì)訪問控制(Medium Access Control, M A C)層協(xié)議和路由層協(xié)議的重要平臺，對其進行控制是實現(xiàn)設計目標的重要手段，通過控制拓撲結構也可以對網(wǎng)絡的整體性能進行優(yōu)化[7-9].LEACH算法是早期被提出的典型算法.

1 LEACH算法的問題

LEACH算法采取隨機自治的方法選舉簇頭.是否成為簇頭由節(jié)點自己決定.在成功選舉為簇頭后，該節(jié)點向區(qū)域內(nèi)其他節(jié)點發(fā)送消息，所有未當選為簇頭的節(jié)點，根據(jù)收到信號的不同強度，加入信號最強的簇頭所創(chuàng)建的簇.完成簇的建立后，網(wǎng)絡將進行穩(wěn)定數(shù)據(jù)傳輸，此時主要完成簇內(nèi)成員節(jié)點的數(shù)據(jù)傳送.簇頭對網(wǎng)絡中全部成員節(jié)點的數(shù)據(jù)進行處理，將處理完的數(shù)據(jù)傳輸給網(wǎng)關[10-12].此過程中，若需要傳輸大量數(shù)據(jù)或者簇頭離網(wǎng)關較遠，則會增加簇頭節(jié)點的能量消耗.

采取隨機選舉方式得到的簇頭節(jié)點在網(wǎng)絡中具有隨機性，主要表現(xiàn)在簇頭概率隨機和在網(wǎng)絡中的分布隨機.在WSN中，若簇頭個數(shù)過少，則每個簇涵蓋的區(qū)域相對大，非簇頭節(jié)點與簇頭的間距變大，導致信息傳遞過程中負載加大，影響節(jié)能效果[13].若簇頭個數(shù)太多，則會導致多余的信息融合，各周期中總耗能增加，影響網(wǎng)絡的生命周期；節(jié)點傳輸?shù)臄?shù)據(jù)量、節(jié)點與目標間的距離共同決定了傳輸數(shù)據(jù)所消耗的能量，分布隨機性易造成簇頭與簇成員節(jié)點間、網(wǎng)關節(jié)點與簇頭節(jié)點間的通信距離不均衡，數(shù)據(jù)量越大，離簇頭越遠，則完成通訊需要的能量越多[14].

在濕地水環(huán)境監(jiān)測網(wǎng)絡中，若簇頭節(jié)點處于網(wǎng)絡邊沿或者集中到一塊區(qū)域內(nèi)，則簇成員節(jié)點需要消耗更多的能量完成其與簇頭的通信，網(wǎng)絡的能耗也會因為簇頭與網(wǎng)關間的距離過大而增加；LEACH算法中，所有的簇頭節(jié)點與網(wǎng)關通信時均采用單跳形式，期間會出現(xiàn)多條路徑的衰減現(xiàn)象，導致耗能增加[15].

綜上，若選擇在濕地水環(huán)境監(jiān)測網(wǎng)絡中采用LEACH算法，極易產(chǎn)生網(wǎng)絡節(jié)點的剩余能量不平衡問題，加速節(jié)點死亡，導致監(jiān)測網(wǎng)絡的壽命減少.為了消除LEACH算法存在的缺陷，針對濕地水環(huán)境監(jiān)測中WSN的特點，本文從簇頭選擇、剩余能量和通信方式三方面對LEACH算法進行了改進，提出了改進算法LEACH-TR，以降低系統(tǒng)總的能量消耗，實現(xiàn)延長監(jiān)測網(wǎng)絡生存壽命的目標.

2 改進算法

2.1 最優(yōu)簇頭概率

用q表示最佳簇頭個數(shù)，設傳感器節(jié)點個數(shù)為N，區(qū)域范圍為M×M，節(jié)點均衡散布在此區(qū)域內(nèi).每幀中簇頭節(jié)點的能耗[16]由式(1)計算

(1)

式(1)中：k為每個數(shù)據(jù)所含的bit數(shù)，EDA為傳感器節(jié)點進行數(shù)據(jù)融合的能量損耗，dtoBS為簇頭到網(wǎng)關的距離，Eelec為電路的能量消耗，εamp為多徑衰減模式放大倍數(shù).非簇頭節(jié)點在一幀中的能耗為：

(2)

εfs表示自由空間衰敗模型的擴大系數(shù).

所以一幀中整個簇的總能量消耗為：

(3)

整個網(wǎng)絡消耗的能量為：

(4)

令Eall對q求導，并令其等于0，得到最優(yōu)簇頭數(shù)目為：

(5)

2.2 簇頭選取機制

針對LEACH算法對簇頭的隨機概率選舉機制存在的不足，本文在簇頭選舉階段，不僅看隨機數(shù)，而且考慮節(jié)點剩余能量和節(jié)點與網(wǎng)關的距離，選擇同時具備剩余能量多和距離網(wǎng)關近的節(jié)點作為簇頭節(jié)點，分析模型如圖1所示.

圖1 剩余能量修正分析模型

假定A節(jié)點的剩余能量高于B節(jié)點，由圖1可知，A節(jié)點距網(wǎng)關的距離大于B節(jié)點，通過剩余能量的比較及初始能量的大小，可以判斷選擇哪個節(jié)點將減少節(jié)點在數(shù)據(jù)傳輸時的能量消耗.

若A、B節(jié)點分別被選舉為簇頭節(jié)點，則本輪算法運行結束后，兩節(jié)點的剩余能量分別為：

(6)

(7)

選取剩余能量多的節(jié)點為簇頭節(jié)點，以此為據(jù)對節(jié)點進行簇頭選舉，可得：

(8)

即:

(9)

基于以上模型分析，修正原有LEACH算法的剩余能量因子，如式(10)所示 ，以保障所選舉的簇頭向網(wǎng)關傳輸數(shù)據(jù)所耗費的能量最低：

E′=E-Ecluster

(10)

E表示在本輪簇頭選舉開始之前節(jié)點的剩余能量；Ecluster表示該節(jié)點當選本輪簇頭后，在向網(wǎng)關傳送數(shù)據(jù)時消耗的能量.由此，可以增加剩余能量大的簇內(nèi)節(jié)點成為簇頭的概率，從而優(yōu)化簇頭的隨機選取機制，平衡節(jié)點的能耗.

2.3 多跳傳輸方式

因此，改進算法LEACH-TR中選用多跳通信，在簇頭節(jié)點中選舉超級簇頭節(jié)點，距網(wǎng)關較遠的簇頭節(jié)點可選擇其他超級簇頭節(jié)點對其要發(fā)送的信息轉(zhuǎn)發(fā)，縮短通信距離，避免離網(wǎng)關較遠的簇頭節(jié)點直接進行數(shù)據(jù)傳輸，從而降低能量消耗.

節(jié)點通過單跳通信方式直接向網(wǎng)關傳輸長度為kbit的數(shù)據(jù)包所需能量[17]為：

Edirect=Eelec(k)+Eamp(k,d)

(11)

通過多跳通信方式經(jīng)過n跳向網(wǎng)關傳輸數(shù)據(jù)所需能量為：

Eindirect=n[Eelec(k)+Efs(k,d)]+

(n-1)ERx(k)

(12)

Edirect采用多徑衰落信道模型，則Edirect-Eindirect如式(13)所示：

Edirect-Eindirect=

k[n4εmpd4-(2n-2)Eelec-nεfsd2]

(13)

由上式可知，對于濕地水環(huán)境監(jiān)測系統(tǒng)，網(wǎng)絡規(guī)模較大，多跳通信的跳數(shù)n取到一定值時，代入式(13)，則有Edirect-Eindirect>0，即采用多跳的通信方式，可以減少濕地水環(huán)境監(jiān)測系統(tǒng)的網(wǎng)絡能耗值.

2.4 改進算法實現(xiàn)步驟

綜合以上幾方面的研究，LEACH-TR改進算法過程如下：

(1)根據(jù)濕地水環(huán)境監(jiān)測系統(tǒng)的實際需求，選定網(wǎng)關節(jié)點的位置；

(2)選取最優(yōu)簇頭數(shù)目，為LEACH算法簇頭選舉階段做準備；

(3)使用修正后的剩余能量計算公式E′=E-Ecluster，結合原始LEACH算法簇頭選舉階段的隨機數(shù)生成普通簇頭節(jié)點；

(4)計算普通節(jié)點到所有簇頭的距離，選擇出最優(yōu)的簇并加入，成為簇內(nèi)成員節(jié)點，完成分簇；

(5)利用三角型的原則，如果節(jié)點通過其它簇頭節(jié)點到網(wǎng)關的距離小于直接到網(wǎng)關節(jié)點，則將那個節(jié)點設置為超級簇頭節(jié)點，使簇頭間形成層次結構，其中簇頭之間的上一級稱為超級簇頭節(jié)點；

(6)遍歷，直到所有的節(jié)點加入到簇中；

(7)每個簇的成員節(jié)點發(fā)送數(shù)據(jù)至網(wǎng)關：如果有超級簇頭節(jié)點則通過超級簇頭節(jié)點轉(zhuǎn)發(fā)，如果沒有則由簇頭節(jié)點直接轉(zhuǎn)發(fā)至網(wǎng)關，最終完成數(shù)據(jù)的傳輸.

3 仿真及分析

3.1 仿真參數(shù)

為驗證文中算法，運用仿真軟件MATLAB對改進算法的性能進行仿真，場景為模擬的濕地水環(huán)境監(jiān)測.隨機放置100個節(jié)點在100 m×100 m的正方形目標仿真區(qū)域中，設置網(wǎng)關節(jié)點的坐標為(50 m,50 m).

表1 仿真參數(shù)

3.2 結果分析

3.2.1 最優(yōu)簇頭數(shù)分析

在濕地水環(huán)境監(jiān)測系統(tǒng)中，合理選取最優(yōu)簇頭數(shù)對監(jiān)測網(wǎng)絡是非常重要的.若簇頭偏多，由于簇頭直接與網(wǎng)關節(jié)點互通數(shù)據(jù)，發(fā)射功率大，會導致網(wǎng)絡消耗太多能量；若簇頭個數(shù)偏少，又會增加簇頭節(jié)點的通信能耗負擔，導致簇頭節(jié)點能量過快消耗，縮短整個網(wǎng)絡生存時間.所以，合理選取簇頭數(shù)可以延長網(wǎng)絡壽命.現(xiàn)選用LEACH-TR算法對以下幾種不同p值進行仿真分析.

圖2表示LEACH-TR在不同的p值下，運行500輪過程中，簇頭數(shù)目的變化趨勢.當p=0.05時，隨著輪數(shù)的增加，在第300輪左右，簇頭數(shù)目開始有較大的衰減；當p=0.08時，在第400輪左右，簇頭數(shù)目出現(xiàn)較明顯地衰減，導致分簇數(shù)目變少；而當p=0.1時分簇數(shù)目變化波動相對平緩，維持在0.1×100=10簇上下浮動，沒有出現(xiàn)大幅衰減，很好地保障了網(wǎng)絡分簇數(shù)目的穩(wěn)定性.

(a)p=0.05

(b)p=0.08

(c)p=0.1圖2 不同p值下簇頭數(shù)變化情況

3.2.2 對簇頭節(jié)點分布的均勻性分析

在濕地水環(huán)境監(jiān)測網(wǎng)絡中，網(wǎng)絡的能量消耗主要受網(wǎng)絡中的簇頭節(jié)點位置分布情況影響，本文分別對LEACH算法及改進算法運行至300輪時網(wǎng)絡中簇頭節(jié)點的分布位置進行仿真比較，結果如圖3所示.

(a)LEACH算法

(b)LEACH-TR算法圖3 各算法300輪簇頭節(jié)點分布圖

網(wǎng)絡運行至300輪時，網(wǎng)絡中節(jié)點剩余能量出現(xiàn)較大差異，此時LEACH算法仍采用隨機機制選取簇頭，出現(xiàn)明顯的分簇不均衡問題，在簇與簇之間，存在較大的節(jié)點數(shù)目差距，使得某些簇頭節(jié)點由于簇成員節(jié)點數(shù)目過多，導致其在傳輸數(shù)據(jù)過程中能量過快耗盡，縮短網(wǎng)絡工作壽命.而LEACH-TR算法在進行簇頭選舉時考慮了剩余能量因素，剩余能量越大，被選作簇頭的概率也越大，各簇頭節(jié)點的簇成員節(jié)點數(shù)目相差不大，均衡了網(wǎng)絡的能量消耗，降低了濕地水環(huán)境監(jiān)測網(wǎng)絡的功耗，延長了網(wǎng)絡的生命期.

3.2.3 存活節(jié)點個數(shù)對比

分別對LEACH和LEACH-TR算法運行過程中節(jié)點的存活個數(shù)進行對比.

圖4表示LEACH和LEACH-TR經(jīng)過500輪后存活節(jié)點的分布情況.圖4中實心點代表截止當前輪數(shù)(r=500時)網(wǎng)絡中已經(jīng)死亡的節(jié)點， “○ ”表示尚存活的節(jié)點，“×”表示網(wǎng)關節(jié)點.網(wǎng)絡中死亡節(jié)點數(shù)量過大將導致監(jiān)測區(qū)域中出現(xiàn)存活節(jié)點空白區(qū)，此時剩余節(jié)點信息不足以反映整個監(jiān)測區(qū)域的水環(huán)境情況，監(jiān)測結果誤差較大. 由圖4可知，運行至500輪時，LEACH算法存活節(jié)點僅剩17個，離網(wǎng)關遠的節(jié)點死亡快，且死亡節(jié)點的數(shù)量很多，使整個網(wǎng)絡出現(xiàn)了大部分盲區(qū)，導致數(shù)據(jù)采集的缺漏，影響了網(wǎng)絡性能.LEACH-TR此時存活節(jié)點為79個，是LEACH的4.6倍，避免了網(wǎng)絡盲區(qū)，延長了網(wǎng)絡的工作壽命，提高了監(jiān)測精度和可靠性.

(a)LEACH算法

(b)LEACH-TR算法圖4 各算法500輪存活節(jié)點分布圖

3.2.4 網(wǎng)絡的剩余能量比較

網(wǎng)絡剩余能量的多少，是直接關系到網(wǎng)絡是否能繼續(xù)運行的關鍵指標.表2給出了LEACH和LEACH-TR算法運行500輪過程中，網(wǎng)絡剩余能量隨輪數(shù)的變化情況.

由表2的數(shù)據(jù)可知，LEACH算法運行在100輪內(nèi)時，與LEACH-TR在剩余能量方面相差不大，運行至200輪時，LEACH算法消耗的能量已明顯多于LEACH-TR算法，此時LEACH-TR剩余能量是LEACH的2.4倍；當算法運行至400輪時，LEACH-TR剩余能量是LEACH的6.2倍；當算法運行至500輪時，LEACH-TR剩余能量是LEACH的8.2倍. 在網(wǎng)絡運行的整個過程中，LEACH-TR算法明顯比LEACH算法消耗更少的能量.算法的改進使?jié)竦厮h(huán)境監(jiān)測網(wǎng)絡在整體的能量均衡性方面得到有效改善，減少了節(jié)點傳送信息消耗的能量，改善了監(jiān)測網(wǎng)絡的低功耗性能，最終有效延長了濕地水環(huán)境監(jiān)測網(wǎng)絡的工作壽命.

表2 網(wǎng)絡剩余能量隨輪數(shù)變化情況

輪數(shù)/rr=600r=700r=800r=900r=1000r=1500LEACH剩余能量/J0.04490.02600.01610.00960.00740.0039LEACH-TR剩余能量/J0.33670.221000.18860.15530.09430.0749

4 結論

本文基于對傳統(tǒng)LEACH算法的深入分析，提出改進算法LEACH-TR，主要解決了原算法因簇頭節(jié)點隨機選取和單跳通信所造成的能量空洞問題.改進算法給出了最佳簇頭概率，綜合考慮了節(jié)點剩余能量和節(jié)點與網(wǎng)關的距離，優(yōu)化了簇頭的隨機選取機制，顯著提升了LEACH算法簇頭節(jié)點分布的合理性，采用多跳傳輸方式降低了網(wǎng)絡能量消耗，提升了整個監(jiān)測網(wǎng)絡的低功耗性能，有效延長了濕地水環(huán)境監(jiān)測網(wǎng)絡的工作壽命，且算法運行穩(wěn)定.

文中僅對簇頭選擇、通信方式進行了研究，后續(xù)研究可在功率控制與分簇算法的結合方面開展.另外，完成網(wǎng)絡通信所涉及的所有環(huán)節(jié)，都會對WSN的網(wǎng)絡壽命產(chǎn)生影響，因而僅僅進行拓撲控制無法達到最優(yōu)的效果.如何將各層協(xié)議與拓撲控制進行協(xié)同耦合，也將是WSN拓撲控制研究中的關注點之一.

[1] 蔣 鵬.基于無線傳感器網(wǎng)絡的濕地水環(huán)境數(shù)據(jù)視頻監(jiān)測系統(tǒng)[J].傳感技術學報，2009，22(2)：244-248.

[2] 肖俊生，張金溪，李照耀，等.Zigbee技術在藏區(qū)濕地保護應用中的研究[J].西北民族大學學報(自然科學版)，2013，34(2)：39-42.

[3] 陳平林，蔣錦剛，劉 婷.無線傳感器網(wǎng)絡連續(xù)監(jiān)測濕地水質(zhì)異常數(shù)據(jù)的檢測與處理——以西溪濕地為例[J].濕地科學，2014，12(5):618-620.

[4] 徐久強，畢偉偉，朱 劍，等.WSN中多跳均勻分簇路由算法的設計與仿真[J].系統(tǒng)仿真學報，2011，23(5)：992-996.

[5] 胡峰松，肖 球．一種基于LEACH的能耗均衡多跳路由算法[J].小型微型計算機系統(tǒng)，2014，35(2):70-73．

[6] 劉 曄，傅忠謙.無線傳感器網(wǎng)絡中陷阱空洞的有效檢測與修復[J].計算機工程與應用，2016，52(5):104-109.

[7] Lambertif F,Sanna A,Paravati G,et al.Mixed marker-based/marker-less visual odometry system for mobile robots[J].International Journal of Advanced Robotic Systems,2013,10(1):1-3.

[8] Aghilif F,Salerno A.Driftless 3-D attitude determination and positioning of mobile robots by integration of IMU with two RTK GPSs[J].IEEE/ASME Transactions on Mechatronics,2013,18(1):21-24.

[9] 馮永亮，雷偉軍.無線傳感器網(wǎng)絡LEACH協(xié)議的研究與改進[J].信息技術，2016，38(2):145-152.

[10] 楊 志，陳 暄，龍 丹.WSN 中一種基于拓撲優(yōu)化的數(shù)據(jù)收集方案[J].計算機應用與軟件，2014，31(3)：250-252.

[11] 李玉民，禹繼國，萬勝利.基于物理干擾模型的WSN拓撲控制算法[J].計算機工程，2014，40(5)：89-92.

[12] 劉浩然，韓 濤，李雅倩，等.具有路徑能耗優(yōu)化特性的WSN無標度容錯拓撲控制算法[J].通信學報，2014，35(6):64-68.

[13] 康一梅，李志軍，胡 江，等.一種低能耗層次型無線傳感器網(wǎng)絡拓撲控制算法[J].自動化學報，2010，36(4)：544-548.

[14] Kuilaa P，Jana P K.Energy efficient load-balanced cluste-ring algorithm for wireless sensor networks[J].Procedia Technology，2012，6：771-777.

[15] 何常勝，夏曉峰.基于分布式模糊邏輯推理的WSN分簇算法[J].現(xiàn)代電子技術，2016，39(5):67-72.

[16] Fu Chunyao,Zhi Fangjiang,Wei Wei,et al.An energy balanced algorithm of LEACH protocol in WSN[J].International Journal of Computer Science,2013,1(2):354-359.

[17] Ye Jihua,Wang Wen,Jiang Aiwen.An energy balanced clusting protocol for heterogeneous WSN based on Leach[J].Chinese Journal of Sensors and Actuators,2015,28(12):1 853-1 860.

【責任編輯：陳 佳】

To eliminate energy voids of the low energy adaptive clustering hierarchy algorithm caused by the asymmetrical distribution of nodes of cluster heads and single hop communication,an improved low energy adaptive clustering hierarchy nodes topology control algorithm was proposed on the optimal cluster head probability,distance of transmission and surplus energy of nodes to optimize nodes of cluster heads and multi-hop communication effectively reduce the energy consumption of the network.In this paper,the actual performance of the algorithm was simulated combining with features of wetland water environment.The results of simulation show that the improved algorithm in number of surviving nodes and energy balance was better than that of the original algorithm,the number of surviving nodes was 4.6 times of LEACH algorithm and the surplus energy was 8.2 times of the LEACH algorithm.The improved algorithm effectively prolong the working life of monitoring network was in wetland water environment.

wetland water environment; wireless sensor network; topology control algorithm; working life

2016-06-21

陜西省教育廳專項科研計劃項目(12JK0503)； 陜西省科技廳科學技術發(fā)展計劃項目(2009K08-10)

陳 紅(1980-)，女，寧夏平羅人，講師，研究方向：無線傳感器網(wǎng)絡、信息論與編碼

1000-5811(2016)05-0168-06

TP393

A

Topology control of wireless sensor networks oriented wetland water environment monitoring

CHEN Hong

(School of Electronic Information Engineering, Xi′an Technological University, Xi′an 710021, China)