何常勝 夏曉峰

摘 要： 針對無線傳感器網絡（WSN）中均衡分簇問題，提出一種基于模糊邏輯推理的WSN分布式分簇算法（DFLC）。利用分布式模糊邏輯控制器選擇根節(jié)點，以能量大小、中心性、距基站的距離、跳數和節(jié)點密度5個參數作為分布式模糊邏輯控制算法的輸入。為網絡中的中間節(jié)點分配模糊邏輯推理引擎，根據自身和相鄰節(jié)點的信息進行判斷，選擇發(fā)送質量最高子節(jié)點的回復消息給根節(jié)點，減少了消息傳輸數量。仿真實驗表明，在產生消息數量、能源消耗、存活節(jié)點數、容錯性、負載平衡等方面，DFLC算法都優(yōu)于LEACH，ACAWT，Gupta和CHEF算法。

關鍵詞： 無線傳感器網絡； 模糊邏輯推理； 分布式分簇算法； 負載均衡

中圖分類號： TN919?34； TP393 文獻標識碼： A 文章編號： 1004?373X（2016）05?0067?06

0 引 言

在大多數無線傳感器網絡（Wireless Sensor Network，WSN）應用中，都利用聚類技術來減少能量消耗[1]。在分簇網絡中，成員節(jié)點負責發(fā)送遙感數據到根節(jié)點，根節(jié)點負責收集、處理和發(fā)送數據到基站，所以根節(jié)點會比成員節(jié)點產生更多的能量消耗。當簇中的根節(jié)點能量消耗完，則無法處理數據使網絡失效[2]。所以需要一種能夠平衡能源消耗、提高簇和網絡生命周期的算法。

本文提出一種基于模糊邏輯的WSN分布式分簇（Distributed Fuzzy?logic Clustering，DFLC）算法。采用分布式模糊邏輯推理系統(tǒng)，以能量大小、中心性、到基站的距離、跳數和節(jié)點密度等參數作為輸入，來動態(tài)選擇根節(jié)點。每個節(jié)點都分配分布式模糊邏輯引擎，防止消息在傳輸過程中產生高能耗。通過在中間節(jié)點上運行模糊邏輯推理，降低成員節(jié)點到根節(jié)點的消息傳輸量。仿真實驗表明，DFLC算法的性能優(yōu)于其他分簇算法。

1 相關研究

文獻[3]提出的低能耗自適應聚類層次算法（LEACH）是一種分布式自組織分簇算法，其過程分為簇建立和簇穩(wěn)定2個階段，通過隨機選擇機制選舉簇頭來平衡節(jié)點負載。然而，該算法沒有考慮節(jié)點位置，不適合應用于較大的WSN環(huán)境。文獻[4]對LEACH進行改進，通過構建雙層簇來減小簇頭與Sink節(jié)點的傳輸距離。然而其最多能夠實現兩跳傳輸，也不適合大型網絡。文獻[5]提出一種基于模糊邏輯簇頭選舉算法（CHEF），以節(jié)點能量、密度和中心性為輸入，利用Mamdani模糊邏輯推理進行簇頭的選舉。然而其使用基站收集所有節(jié)點的信息，需要大量的節(jié)點間通信，消耗較多的能量。文獻[6]提出一種集中化使用模糊邏輯引擎來選擇生成簇頭的算法，然而該方法沒有考慮到需求情況，而是周期性運行。

不同于上述提到的算法，DFLC沒有使用基站從所有傳感器節(jié)點收集數據或集中化執(zhí)行模糊邏輯，而是使用了一個完全分布式結構。避免了節(jié)點到基站、基站到節(jié)點的大量計算開銷和消息傳輸開銷，從而降低整個網絡的能量消耗，提高網絡壽命。模糊邏輯引擎只由根節(jié)點或者有較高概率被選擇作為新根節(jié)點的父節(jié)點執(zhí)行，進一步節(jié)約能耗。此外，DFLC還考慮了容錯性、負載均衡、時效性和可擴展性等因素。

3 實 驗

利用NS2仿真器將提出的DFLC與低能耗自適應聚類層次算法（LEACH）[3]、等待定時自適應聚類算法（ACAWT）[10]、基于模糊邏輯簇頭選舉算法（CHEF）[4]和Gupta算法[11]，在消息負載、網絡能耗、存活節(jié)點數、容錯性和簇頭能耗方面進行了實驗對比。表1給出了相關的仿真參數。

不同運行時間下的信息傳輸數量比較情況，如圖3所示。

從圖3中可以看出，DFLC算法產生的消息傳輸量最少，[LEACH]算法產生的消息傳輸量最大。在[ACAWT]算法中，簇被分成了各個子簇，成員節(jié)點分為子簇頭和子簇成員?；诜执仡^之間的通信來選擇新簇頭，這樣就降低了消息傳輸量。在[Gupta]算法中，基站統(tǒng)一收集來自節(jié)點的信息，然后運行聚類算法，這一過程產生了巨大的消息傳輸量。在[CHEF]算法中，基站不需要從所有節(jié)點收集信息，所以[CHEF]算法要優(yōu)于[Gupta]算法。本文提出的DFLC算法通過篩選最有可能成為根節(jié)點的那個節(jié)點的信息，使中間節(jié)點減少了從葉節(jié)點發(fā)到根節(jié)點的信息量，所以產生的數據量最小。

不同算法的能量消耗，如圖4所示?？梢钥闯?，隨著仿真時間的增加，所有算法的能量消耗也都將會增加。其中，[DFLC]算法產生的能源消耗最低，[LEACH]算法產生的能源消耗最高。[ACAWT]算法中，在新簇頭的選擇階段，分簇頭向整個簇廣播數據，這就導致產生高能耗，尤其在有大量簇頭數的情況下。盡管[Gupta]算法考慮了能耗、節(jié)點濃度和中心參數等因素，收集節(jié)點和基站之間的數據，在基站集中運行模糊邏輯系統(tǒng)的過程仍然導致了較大的能源消耗。[CHEF]和[Gupta]算法類似，與之主要不同點是使用了局部簇頭選舉機制，從而使基站不需要從所有節(jié)點收集信息。[LEACH]算法完全取決于概率模型，導致簇頭節(jié)點的能量被迅速消耗。

不同仿真時間下各算法中存活節(jié)點的數量，如圖5所示?？梢钥闯?，隨著時間的增加，存活節(jié)點數量不斷減少。其中，本文[DFLC]算法中存活節(jié)點數最多，而[LEACH]算法最少。因為與[LEACH，][Gupta]和[CHEF]算法不同的是，[DFLC]算法中傳輸消息的數量較少，能量消耗低，存活節(jié)點數也高于其他算法。

有限的能源是WSN的一個非常重要的約束。由于能源的消耗，節(jié)點可能會失效，這就導致不能及時完成正常任務，這就需要一個容錯機制，當節(jié)點失效后，用另一個節(jié)點來代替它繼續(xù)發(fā)揮作用，繼而使整個過程能夠繼續(xù)進行。為此，本文[DFLC]算法中集成了容錯機制。圖6為各個算法中容錯機制的性能。實驗中，通過故意丟棄節(jié)點的數據包來制造一些故障節(jié)點。將傳送的所有數據包記為“提供數據”，成功傳輸的數據包記為“投遞數據”。從圖6可以看出，和其他沒有考慮系統(tǒng)故障情況的算法相比，本文提出的算法具有最好的性能。同時，[DFLC]算法還與文獻[12]提出的具有簇頭容錯聚類技術的[FTFC]算法進行比較。結果表明，[DFLC]的容錯性能優(yōu)于[FTFC]。

為了延長系統(tǒng)壽命，需要均衡簇頭負載。將本文算法同現有的2種WSN負載均衡分簇算法：[EELBC][13]和[LBC][14]進行比較，結果如圖7所示。實驗中計算了6組簇頭的能耗平均值作為能量消耗率。可以看出，[DFLC]算法具有最低的簇頭能量消耗率。

4 結 語

本文提出了一種基于模糊邏輯的WSN分布式聚類算法（DFLC）。通過仿真實驗，將本文算法與[LEACH，][ACAWT，][Gupta]和[CHEF]算法在產生消息數量、能源消耗、存活節(jié)點數、容錯性、負載平衡等方面進行比較。結果表明，DFLC算法優(yōu)于其他分簇算法。

在今后工作中，將進一步研究在不同類型的移動模型上執(zhí)行分布式模糊邏輯方法。

參考文獻

[1] 李建洲，王海濤，陶安.一種能耗均衡的 WSN 分簇路由協(xié)議[J].傳感技術學報，2013，26（3）：396?401.

[2] 蔣暢江，石為人，唐賢倫.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）：1222?1232.

[3] RAN G， ZHANG H， GONG S. Improving on LEACH protocol of wireless sensor networks using fuzzy logic [J]. Journal of information & computational science， 2010， 7（3）： 767?775.

[4] 顧相平，孫彥景，錢建生.一種改進的無線傳感器網絡LEACH?ED算法[J].傳感技術學報，2011，21（10）：1770?1774.

[5] KIM J M， PARK S H， HAN Y J， et al. Cluster head election mechanism using fuzzy logic in wireless sensor networks [C]// Proceedings of 2008 10th IEEE International Conference on Advanced Communication Technology. [S.l.]： IEEE， 2008， 1： 654?659.

[6] JAVAID N， QURESHI T N， KHAN A H， et al. Eenhanced developed distributed energy?efficient clustering for heterogeneous wireless sensor networks [J]. Procedia computer science， 2013， 19： 914?919.

[7] 任塨曄，趙季紅，曲樺.基于模糊邏輯的多終端協(xié)同的垂直切換決策算法[J].通信學報，2014，35（9）：67?78.

[8] HAMMOUDEH M， KURZ A， GAURA E. Multi?path， multi?hop hierarchical routing [C]// Proceedings of 2010 IEEE International Conference on Sensor Technologies and Applications. [S.l.]： IEEE， 2010： 140?145.

[9] CHOI H， WANG J， HUGHES E A. Scheduling for information gathering on sensor network [J]. Wireless networks， 2009， 15（1）： 127?140.

[10] WEN C Y， SETHARES W A. Adaptive decentralized re?clustering for wireless sensor networks [C]// IEEE International Conference on Systems， Man and Cybernetics. [S.l.]： IEEE， 2006， 4： 2709?2716.

[11] GUPTA I， RIORDAN D， SAMPALLI S. Cluster?head election using fuzzy logic for wireless sensor networks [C]// Proceedings of the 3rd Annual Conference on Communication Networks and Services Research. [S.l.]： IEEE， 2005： 255?260.

[12] MUNAGA H， PRASAD M H M， MURTHY J V R， et al. A fault tolerant trajectory clustering （FTTC） for selecting cluster heads in wireless sensor networks [J]. International journal of computational intelligence research， 2010， 6（3）： 81?90.

[13] KUILA P， JANA P K. Energy efficient load?balanced cluste?ring algorithm for wireless sensor networks [J]. Procedia technology， 2012， 6： 771?777.

[14] GUPTA G， YOUNIS M. Performance evaluation of load?ba?lanced clustering of wireless sensor networks [C]// Procee?dings of 2003 10th International Conference on Telecommunications. [S.l.]： IEEE， 2013， 2： 1577?1583.