朱報(bào)開

(廣東科創(chuàng)工程技術(shù)有限公司，廣東 東莞 523808)

WSN中基于能量感知的最小跳數(shù)路由算法

朱報(bào)開

(廣東科創(chuàng)工程技術(shù)有限公司，廣東 東莞 523808)

無線傳感器網(wǎng)絡(luò)的拓?fù)渫捎诠?jié)點(diǎn)死亡而發(fā)生變化。網(wǎng)絡(luò)拓?fù)涞闹匦聵?gòu)建加速了剩余傳感器節(jié)點(diǎn)的死亡，縮短了網(wǎng)絡(luò)的生存時(shí)間。針對(duì)無線傳感器網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)生存時(shí)間的苛刻要求，提出了一種基于能量感知的最小跳數(shù)路由算法。建立路由時(shí)，該算法綜合考慮了節(jié)點(diǎn)剩余能量和該節(jié)點(diǎn)潛在的轉(zhuǎn)發(fā)能力。仿真結(jié)果顯示，該算法在生存時(shí)間、存活節(jié)點(diǎn)數(shù)和吞吐量方面的性能要遠(yuǎn)優(yōu)于LEACH算法和HEED算法。

無線傳感器網(wǎng)絡(luò);能量感知;最小跳數(shù);生存時(shí)間;存活節(jié)點(diǎn);吞吐量

0 引言

對(duì)城市供水水質(zhì)的監(jiān)測是保障居民用水安全、建設(shè)智慧城市的一個(gè)重要手段。當(dāng)前普遍的做法是在供水管網(wǎng)的重要位置或區(qū)域，通過密集地布置大量傳感器節(jié)點(diǎn)組成的無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSN)對(duì)水質(zhì)進(jìn)行測控;甚至可以通過無線傳感器網(wǎng)絡(luò)采集到的數(shù)據(jù)，發(fā)現(xiàn)水質(zhì)變化的趨勢，達(dá)到盡早地介入、進(jìn)行預(yù)處理的預(yù)警目的。由于能量限制的原因，無線傳感器網(wǎng)絡(luò)的拓?fù)浣?jīng)常會(huì)由于節(jié)點(diǎn)死亡而重構(gòu)，重構(gòu)的過程又會(huì)進(jìn)一步加劇生存節(jié)點(diǎn)的能量消耗，文獻(xiàn)［1－9］就如何延長無線傳感器網(wǎng)絡(luò)的生存時(shí)間這一熱點(diǎn)問題做了一些研究。針對(duì)水質(zhì)監(jiān)測預(yù)警，設(shè)計(jì)了一種結(jié)合了能量感知和最小跳數(shù)的路由算法，在延長無線傳感器網(wǎng)絡(luò)生存周期的同時(shí)，又能盡快地交付數(shù)據(jù)。

1 研究背景

無線傳感器網(wǎng)絡(luò)是由大量靜止的或移動(dòng)的傳感器節(jié)點(diǎn)以自組和多跳方式構(gòu)成的無線網(wǎng)絡(luò)，主要功能為感知、采集和處理網(wǎng)絡(luò)覆蓋地理區(qū)域內(nèi)被感知對(duì)象的信息。無線傳感器網(wǎng)絡(luò)示意如圖1所示。

圖1 無線傳感器網(wǎng)絡(luò)示意

圖1中，普通節(jié)點(diǎn)根據(jù)特定的路由協(xié)議將采集到的數(shù)據(jù)上傳給簇頭，然后由簇頭通過sink節(jié)點(diǎn)發(fā)送給其他網(wǎng)絡(luò)。由于WSN中的節(jié)點(diǎn)基本上采用的都是自供電方式，因此，研發(fā)簡潔有效的路由協(xié)議是影響整個(gè)網(wǎng)絡(luò)生存時(shí)間和數(shù)據(jù)交付的重要因素之一。近年來，有不少學(xué)者圍繞著無線傳感器網(wǎng)絡(luò)的能量感知和最小跳數(shù)路由方面展開了研究工作。

文獻(xiàn)［10］提出了一種用于無線傳感器網(wǎng)絡(luò)中的能量平衡分簇算法，在簇信息共享、簇頭選擇、簇內(nèi)節(jié)點(diǎn)和簇間通信等方面達(dá)成能量開銷的平衡，以其達(dá)到延長網(wǎng)絡(luò)生存時(shí)間的目的;文獻(xiàn)［11］針對(duì)LEACH(Low Energy Adaptive Clustering Hierarchy)協(xié)議中隨機(jī)選擇簇頭的缺陷提出了能量自適應(yīng)的優(yōu)化措施，保證了整個(gè)網(wǎng)絡(luò)中能耗的平衡;文獻(xiàn)［12］提出了一種概率簇頭選擇方法對(duì)無線傳感器網(wǎng)絡(luò)中的能耗和生存時(shí)間進(jìn)行了分析和仿真;文獻(xiàn)［13］提出了一種無線傳感器網(wǎng)絡(luò)中錯(cuò)誤容忍分簇的算法，當(dāng)分簇失敗時(shí)該算法使用了檢測和重新發(fā)現(xiàn)2個(gè)步驟從漏選的網(wǎng)關(guān)中重新發(fā)現(xiàn)傳感器節(jié)點(diǎn)的，從而避免了系統(tǒng)中重新分簇的問題;文獻(xiàn)［14］為單跳傳感器網(wǎng)絡(luò)設(shè)計(jì)了一種能效分簇機(jī)制來解決周期性采集數(shù)據(jù)時(shí)的能耗問題，該機(jī)制通過自主地選擇剩余能量更多的節(jié)點(diǎn)作為簇頭，從而達(dá)到了在簇頭間平衡負(fù)載的目的;文獻(xiàn)［15］提出的層次型能效分簇算法通過分層次的選舉簇頭達(dá)到降低能耗的目的，仿真結(jié)果表明隨著層次數(shù)量的增多，能耗降低越多。但是，由于基于能量感知的路由算法沒有考慮路徑的長短，過長的路徑勢必影響到數(shù)據(jù)的實(shí)時(shí)性交付。所以，以上研究并不適用于實(shí)時(shí)性很強(qiáng)的應(yīng)用，如水質(zhì)監(jiān)測預(yù)警等。

文獻(xiàn)［16］提出了一種基于最小跳數(shù)的分簇路由算法，算法優(yōu)化了 HEED(Hybrid Energy-Efficient，Distributed clustering)算法中簇頭的選擇策略，此外，算法中節(jié)點(diǎn)根據(jù)其鄰節(jié)點(diǎn)的廣播信息計(jì)算最小跳數(shù)，在下一跳節(jié)點(diǎn)的選擇過程中考慮了候選節(jié)點(diǎn)到基站的最小跳數(shù)、節(jié)點(diǎn)的能量以及節(jié)點(diǎn)到基站的距離，并在不同情況下令3個(gè)因素所起的作用不同，進(jìn)而提高路由效率。文獻(xiàn)［17］在節(jié)點(diǎn)中利用鄰居表記錄了所有相鄰節(jié)點(diǎn)的信息，節(jié)點(diǎn)依照父節(jié)點(diǎn)(跳數(shù)比自身小1)、兄弟節(jié)點(diǎn)(跳數(shù)與自身相等)、子節(jié)點(diǎn)(跳數(shù)比自身大1)順序的優(yōu)先級(jí)，隨機(jī)挑選下一跳節(jié)點(diǎn)并轉(zhuǎn)發(fā)數(shù)據(jù)分組。文獻(xiàn)［18］提出在每個(gè)節(jié)點(diǎn)打開時(shí)，向周圍節(jié)點(diǎn)發(fā)送join報(bào)文，周圍節(jié)點(diǎn)接收到該報(bào)文后，將各自的跳數(shù)值返回給新加入的節(jié)點(diǎn)來完成梯度的建立與更新。該算法能避免通過周期性洪泛實(shí)現(xiàn)網(wǎng)絡(luò)組建而造成不必要的資源消耗并解決節(jié)點(diǎn)實(shí)時(shí)加入網(wǎng)絡(luò)的問題，但同時(shí)回復(fù) join報(bào)文也增加了周圍節(jié)點(diǎn)的能量消耗。

然而，基于最小跳數(shù)的路由算法有時(shí)會(huì)在網(wǎng)絡(luò)中產(chǎn)生大量的冗余信息，同時(shí)沒有考慮網(wǎng)絡(luò)的能量消耗，從而影響到網(wǎng)絡(luò)的生存時(shí)間。文獻(xiàn)［19］研究了基于改進(jìn)蟻群算法的無線傳感器網(wǎng)絡(luò)最小跳數(shù)路由選擇方法，利用改進(jìn)蟻群算法出色的全局尋優(yōu)能力，對(duì)無線傳感器網(wǎng)絡(luò)中最小跳數(shù)路由選擇問題進(jìn)行優(yōu)化，從而優(yōu)化了無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)傳播和處理數(shù)據(jù)的能力，減少了節(jié)點(diǎn)能量消耗。

鑒于基于能量感知和最小跳數(shù)路由存在的缺陷，本文提出了一種基于最小跳數(shù)的高效路由算法。此算法的思想是:當(dāng)存在多條相同跳數(shù)的最小路徑時(shí)，進(jìn)行能量最優(yōu)化選擇，選擇能效較高的路徑進(jìn)行數(shù)據(jù)傳輸。所謂的能效較高，就是在路由時(shí)選擇節(jié)點(diǎn)能效較高地進(jìn)行數(shù)據(jù)傳輸，這樣低能效節(jié)點(diǎn)就可以延長其壽命，整個(gè)網(wǎng)絡(luò)的生存時(shí)間得以延長。

2 算法設(shè)計(jì)

首先，對(duì)本文使用的幾個(gè)概念進(jìn)行說明:

節(jié)點(diǎn)剩余能量:傳感器節(jié)點(diǎn)在任何狀態(tài)下所剩下的能量，使得傳感器節(jié)點(diǎn)能繼續(xù)工作的剩余能量。

節(jié)點(diǎn)服務(wù)度:指的是需要經(jīng)過某節(jié)點(diǎn)將數(shù)據(jù)轉(zhuǎn)發(fā)給sink的所有節(jié)點(diǎn)數(shù)，即該節(jié)點(diǎn)可以為多少個(gè)節(jié)點(diǎn)提供服務(wù)。

節(jié)點(diǎn)能效:指的是剩余能量/節(jié)點(diǎn)服務(wù)度，即某節(jié)點(diǎn)能夠?yàn)橐粏挝环?wù)提供的能量。單位服務(wù)所能提供的能量越高，節(jié)點(diǎn)能效就越高。

節(jié)點(diǎn)路徑能效:從sink到某節(jié)點(diǎn)路徑上最小的路徑服務(wù)能效，綜合了最小路徑和服務(wù)能效2方面，傳感器節(jié)點(diǎn)在傳輸數(shù)據(jù)過程中根據(jù)節(jié)點(diǎn)路徑能效來選擇下一跳節(jié)點(diǎn)。

算法的核心思想是用遞歸函數(shù)進(jìn)行迭代運(yùn)算出某節(jié)點(diǎn)到sink的最小路徑能效，節(jié)點(diǎn)通過最小路徑能效值尋找下一跳。整個(gè)網(wǎng)絡(luò)通過迭代計(jì)算出某一節(jié)點(diǎn)到sink的最大路徑能效，然后將該路徑的最大路徑能效值與該節(jié)點(diǎn)的服務(wù)能效進(jìn)行比較，選出其中最小值作為路徑的最小路徑能效。

2．1 構(gòu)建網(wǎng)絡(luò)拓?fù)?/p>

① 傳感器節(jié)點(diǎn)隨機(jī)分布在某一區(qū)域，網(wǎng)絡(luò)初始化結(jié)束后，普通節(jié)點(diǎn)會(huì)在網(wǎng)絡(luò)中廣播Hello分組，網(wǎng)絡(luò)中的多個(gè)節(jié)點(diǎn)會(huì)收到未入網(wǎng)節(jié)點(diǎn)的 Hello分組，但只有sink或其他已入網(wǎng)的節(jié)點(diǎn)收到Hello分組后會(huì)反饋Beacon幀給該未入網(wǎng)的節(jié)點(diǎn)，使得該節(jié)點(diǎn)能夠入網(wǎng)。

② Beacon幀包含節(jié)點(diǎn)的地址，跳數(shù)和能量信息。節(jié)點(diǎn)提取 Beacon的信息，通過比較節(jié)點(diǎn)跳數(shù)，選擇跳數(shù)最小的節(jié)點(diǎn)。將最小跳數(shù)節(jié)點(diǎn)加入直連父節(jié)點(diǎn)鄰居列表，并保存節(jié)點(diǎn)的位置信息和剩余能量，更新本節(jié)點(diǎn)到sink的最小跳數(shù)。

③節(jié)點(diǎn)確定自己的父節(jié)點(diǎn)后會(huì)發(fā)送ACK幀進(jìn)行確認(rèn)，表明隸屬于該父節(jié)點(diǎn)。由于節(jié)點(diǎn)的父節(jié)點(diǎn)鄰居列表中可能含有多個(gè)最小跳數(shù)的父節(jié)點(diǎn)，就需要發(fā)送多個(gè) ACK幀。ACK幀包含節(jié)點(diǎn)的位置信息，目的節(jié)點(diǎn)的位置信息(父節(jié)點(diǎn)的信息)。當(dāng)父節(jié)點(diǎn)收到子節(jié)點(diǎn)的信息后，將子節(jié)點(diǎn)列入子節(jié)點(diǎn)的鄰居列表中，保存子節(jié)點(diǎn)的位置信息。

2．2 獲取節(jié)點(diǎn)服務(wù)度

節(jié)點(diǎn)的服務(wù)度包含節(jié)點(diǎn)的子節(jié)點(diǎn)，以及子節(jié)點(diǎn)的所有下級(jí)節(jié)點(diǎn)。節(jié)點(diǎn)的服務(wù)度值是運(yùn)用一個(gè)遞歸函數(shù)進(jìn)行統(tǒng)計(jì)節(jié)點(diǎn)的服務(wù)度，每個(gè)節(jié)點(diǎn)都有自己的子節(jié)點(diǎn)鄰居列表，通過層層計(jì)算返回每一層節(jié)點(diǎn)的服務(wù)度便可以計(jì)算出該節(jié)點(diǎn)的服務(wù)度。

2．3 計(jì)算節(jié)點(diǎn)能效

服務(wù)單位節(jié)點(diǎn)數(shù)可用的能量值，節(jié)點(diǎn)統(tǒng)計(jì)自身剩余能量和服務(wù)度后，計(jì)算出節(jié)點(diǎn)能效值，為計(jì)算路徑能效做好準(zhǔn)備。

2．4 計(jì)算路徑能效值

節(jié)點(diǎn)路徑能效取值是比較最小路徑中所有節(jié)點(diǎn)的節(jié)點(diǎn)能效，取能效最低的那個(gè)值，稱為最小路徑能效。節(jié)點(diǎn)路徑能效也是運(yùn)用一個(gè)遞歸函數(shù)進(jìn)行運(yùn)算的。通過不斷調(diào)用遞歸函數(shù)，層層遞歸算出每個(gè)節(jié)點(diǎn)的路徑能效，一直推算到距離sink一跳范圍內(nèi)的節(jié)點(diǎn)(最后一跳)，最后一跳節(jié)點(diǎn)的路徑能效值就等于最后一跳節(jié)點(diǎn)的能效值，這就是該遞歸的函數(shù)的截至條件。

2．5 路由選擇

當(dāng)有數(shù)據(jù)包需要轉(zhuǎn)發(fā)的時(shí)候，節(jié)點(diǎn)會(huì)計(jì)算路徑能效值，在路由選擇過程中，每個(gè)節(jié)點(diǎn)都保存最小路徑臨近下一跳的信息，當(dāng)每個(gè)節(jié)點(diǎn)有多個(gè)下一跳可供選擇時(shí)，此時(shí)要比較不同路徑的路徑能效值，選擇路徑能效值最大的作為路由。依此類推，一直重復(fù)到將數(shù)據(jù)交付給sink為止。

3 算法仿真和性能分析

為了很好地評(píng)估算法的性能，選擇了基于能量感知的LEACH算法和基于最小跳數(shù)的HEED算法進(jìn)行對(duì)比。

LEACH協(xié)議中，為了盡可能地平衡各個(gè)節(jié)點(diǎn)的能耗，簇頭是周期性按輪隨機(jī)選舉出來的。每輪可以分為簇建立和穩(wěn)定工作2個(gè)階段。在簇建立階段，協(xié)議按照一定比例隨機(jī)地選取若干個(gè)節(jié)點(diǎn)作為簇頭。在選定簇頭后，簇頭向周圍節(jié)點(diǎn)廣播自己成為簇頭的消息，節(jié)點(diǎn)根據(jù)接收到的消息強(qiáng)度來決定加入哪個(gè)簇，并告知相應(yīng)的簇頭，從而進(jìn)行通信。在穩(wěn)定工作階段，節(jié)點(diǎn)持續(xù)采集數(shù)據(jù)，交付給簇頭，進(jìn)行必要的融合處理之后，發(fā)送到 sink。持續(xù)一段時(shí)間以后，整個(gè)網(wǎng)絡(luò)進(jìn)入下一輪工作周期，重新選擇簇頭。

HEED協(xié)議是混合的能量有效的分布式簇頭選舉協(xié)議，對(duì)LEACH簇頭分布不均勻問題進(jìn)行了改進(jìn)。HEED除了把節(jié)點(diǎn)剩余能量作為一個(gè)參數(shù)引入算法外，還考慮到了簇內(nèi)平均可達(dá)能量，在簇重疊區(qū)域中的節(jié)點(diǎn)根據(jù)簇內(nèi)平均可達(dá)能量選擇最終加入哪個(gè)簇。HEED協(xié)議能產(chǎn)生分布更均勻的簇頭，全網(wǎng)能耗更加均衡。

在節(jié)點(diǎn)平均剩余能量、網(wǎng)絡(luò)存活節(jié)點(diǎn)數(shù)和吞吐量3個(gè)方面進(jìn)行了比較:

① 節(jié)點(diǎn)平均剩余能量是指仿真結(jié)束時(shí)，傳感器網(wǎng)絡(luò)中所有節(jié)點(diǎn)剩余能量的平均值;

② 網(wǎng)絡(luò)存活節(jié)點(diǎn)數(shù)是指仿真結(jié)束時(shí)，網(wǎng)絡(luò)中存活節(jié)點(diǎn)數(shù);

③ 吞吐量指的是指仿真結(jié)束時(shí)，通過sink的總數(shù)據(jù)量。

仿真是在Matlab 7．0．4的環(huán)境下進(jìn)行的。在一個(gè)100 m×100 m的區(qū)域中，100個(gè)傳感器節(jié)點(diǎn)隨機(jī)分布在sink周圍。節(jié)點(diǎn)信道延遲100 μs，單個(gè)數(shù)據(jù)分組長度16 Bytes，節(jié)點(diǎn)丟包率5%，設(shè)置節(jié)點(diǎn)初始化能量為1 000個(gè)單位量，發(fā)送一個(gè)分組消耗1個(gè)單位量，接收一個(gè)分組消耗0．5單位量，節(jié)點(diǎn)能量小于10單位量則視為死亡，仿真時(shí)間為300 s。3種算法節(jié)點(diǎn)平均剩余能量的比較如圖2所示。

從圖2中可以看出，仿真結(jié)束時(shí)本文提出的算法節(jié)點(diǎn)平均剩余能量約為570個(gè)單位量，節(jié)點(diǎn)平均能量降低了43%;HEED的約為460個(gè)單位量，節(jié)點(diǎn)平均能量降低了54%;LEACH的約為320個(gè)單位量，節(jié)點(diǎn)平均能量降低了68%。3種算法中，本文提出的算法性能最優(yōu)，HEED次之，LEACH最差，分別改善了約11%和25%。

圖2 3種算法節(jié)點(diǎn)平均剩余能量的對(duì)比

使用3種算法網(wǎng)絡(luò)中存活節(jié)點(diǎn)數(shù)量的對(duì)比如圖3所示。

圖3 3種算法存活節(jié)點(diǎn)數(shù)量的對(duì)比

從圖3可以看出，仿真結(jié)束時(shí)，使用本文提出的算法性能最優(yōu)，存活節(jié)點(diǎn)數(shù)為28個(gè)，節(jié)點(diǎn)生存比例達(dá)到了28%;使用HEED和LEACH的分別是10個(gè)和7個(gè)，節(jié)點(diǎn)生存比例分別是10%和7%。

整個(gè)仿真期間，使用3種算法WSN中吞吐量的對(duì)比如圖4所示。

圖4 3種算法吞吐量的對(duì)比

從圖4可以看出，仿真結(jié)束時(shí)，本文提出的算法完成了約 8．2 MB的吞吐量，HEED完成了約6．9 MB，而LEACH只完成了約5．7 MB。

進(jìn)行性能對(duì)比的節(jié)點(diǎn)平均剩余能量的多少直接決定了存活節(jié)點(diǎn)數(shù)量和吞吐量的大小。通過仿真結(jié)果可以看出，在節(jié)點(diǎn)平均剩余能量、存活節(jié)點(diǎn)數(shù)量和吞吐量方面，本文提出的算法性能最好，HEED的次之，LEACH的性能最差。這是因?yàn)樵贚EACH協(xié)議中，由于簇頭是隨機(jī)選擇的，因此LEACH協(xié)議不能保證簇頭節(jié)點(diǎn)的均勻分布，這將導(dǎo)致部分簇頭節(jié)點(diǎn)的能耗過大，影響網(wǎng)絡(luò)的生存時(shí)間;另外，LEACH中要頻繁地選舉簇頭，并且每次選舉的過程中所有非簇節(jié)點(diǎn)都要參與;多輪LEACH協(xié)議后，每個(gè)節(jié)點(diǎn)的剩余電量會(huì)出現(xiàn)較大的差異，距離簇頭或基站比較遠(yuǎn)的節(jié)點(diǎn)耗能比較多，能量很容易耗盡，從而死亡。HEED協(xié)議綜合考慮了節(jié)點(diǎn)剩余能量和簇內(nèi)平均可達(dá)能量，使得簇頭分布更均勻，全網(wǎng)能耗更加均衡。但是，在選擇路由方面沒有考慮最小跳數(shù)，而本文提出的算法兼顧了節(jié)點(diǎn)剩余能量和路由選擇的最小跳數(shù)，所以無論在節(jié)點(diǎn)的平均剩余能量、存活節(jié)點(diǎn)數(shù)量和吞吐量方面都具有良好的表現(xiàn)。

4 結(jié)束語

無線傳感器網(wǎng)絡(luò)以其能夠通過分布式處理大量的采集信息和冗余節(jié)點(diǎn)等優(yōu)勢在很多領(lǐng)域得到了應(yīng)用。但是由于傳感器節(jié)點(diǎn)都是依靠自給供電，節(jié)點(diǎn)能量有限，如何延長無線傳感器網(wǎng)絡(luò)的生存周期無疑成了設(shè)計(jì)無線傳感器網(wǎng)絡(luò)的首要目標(biāo)。針對(duì)當(dāng)前主流的路由算法缺陷，本文提出了一種基于能量感知的最小跳數(shù)路由算法，兼顧了節(jié)點(diǎn)剩余能量和路由選擇時(shí)的最小跳數(shù)。仿真結(jié)果證明，該算法無論在節(jié)點(diǎn)的平均剩余能量，還是在存活節(jié)點(diǎn)數(shù)量以及吞吐量方面都有良好的表現(xiàn)。

［1］ 孫大洋，劉衍珩，楊 東，等．無線傳感器網(wǎng)絡(luò)生存期優(yōu)化體系研究［J］．計(jì)算機(jī)研究與發(fā)展，2012，49(1): 193－201．

［2］ 陳 燕，張尚尚，梁俊斌，等．無線傳感網(wǎng)中生命最大化的泛在數(shù)據(jù)收集協(xié)議［J］．計(jì)算機(jī)應(yīng)用研究，2014，31 (3):866－871．

［3］ 明 勇，王華軍．WSN中考慮節(jié)點(diǎn)磨損的分布式自穩(wěn)定網(wǎng)絡(luò)壽命優(yōu)化算法［J］．計(jì)算機(jī)應(yīng)用研究，2016，33 (3):827－831．

［4］ 唐 偉，郭 偉．WSN聚合數(shù)據(jù)率約束最大生命期路由［J］．電子科技大學(xué)學(xué)報(bào)，2011，40(1):30－35．

［5］ 張 霞，周 剛，于宏毅．一種協(xié)作和中繼混合的傳感網(wǎng)壽命最大化路由算法［J］．軟件學(xué)報(bào)，2013，24(12): 2 859－2 870．

［6］ 路 綱，周明天，佘 堃，等．無線傳感器網(wǎng)絡(luò)路由協(xié)議的壽命分析［J］．軟件學(xué)報(bào)，2009，20(2):375－393．

［7］ ALFIERI A，BIANCO A，BRANDIMARTE P，et al．Maximizing System Lifetime in Wireless Sensor Networks［C］∥USA:in Proceeding of the fourth International Conference on Information Processing in Sensor Networks，2005: 390－402．

［8］ EMRE K M，KUBAN A I，NECATI A，et al．Wireless Sensor Network Lifetime Maximization by Optimal Sensor Deployment，Activity Scheduling，Data Routing and Sink Mobility［J］．Ad Hoc Networks，2014(17):18－36．

［9］ KUMARA A，THOMAS A．Energy Efficiency and Network Lifetime Maximization in Wireless Sensor Networks Using Improved Ant Colony Optimization［J］．Procedia Engineering，2012(38):3 797－3 805．

［10］NAZIR B，HASBULLAH H．Energy Balanced Clustering in Wireless Sensor Network［C］∥USA:in Proceeding of 2010 IEEE International Conference on Information Technology，2010(2):569－574．

［11］LIANG Ying，YU Hai-bin．Energy Adaptive Cluster-Head Selection forWirelessSensorNetworks［C］∥ USA:in Proceeding of Sixth International Conference on Parallel and Distributed Computing，Applications and Technologies，2005: 634－638．

［12］CHOI J，LEE C．Energy Consumption and Lifetime Analysis in Clustered Multi-Hop Wireless Sensor Networks Using the Probabilistic Cluster-Head Selection Method［J］．Eurasip Journalon WirelessCommunications＆ Networking，2011(1):1－13．

［13］GAURAV G，MOHAMED Y．Fault-Tolerant Clustering of Wireless Sensor Network［C］∥USA:in Proceeding of IEEE International Conference on Wireless Communications and Networking，2003:1 579－1 584．

［14］YE Mao，LI Ceng-fa，CHEN Gui-hai，et al．ECCS:An Energy Efficient Clustering Scheme in Wireless Sensor Networks［C］∥USA:in Proceeding of 24th IEEE International Conference on Performance，Computing and Communications，2005:535－540．

［15］SEEMA B，EDWARD J．An Energy Efficient Hierarchical Clustering Algorithm for Wireless Sensor Networks［C］∥USA:in Proceeding of Twenty-Second Annual Joint Conference of the IEEE Computer and Communications，2003:1 713－1 723．

［16］范書平，馬寶英，高晨光，等．一種分簇WSN最小跳數(shù)路由算法研究［J］．小型微型計(jì)算機(jī)系統(tǒng)，2014，35 (8):1 775－1 779．

［17］CHANG S S，HUANG C H，CHANG K C．A Minimum Hop Routing Protocol for Home Security System Using WirelessSensorNetworks［J］．ConsumerElectronics，2007，53(4):1 483－1 489．

［18］段文芳，齊建東．無線傳感器網(wǎng)絡(luò)最小跳數(shù)路由算法的研究［J］．計(jì)算機(jī)工程與應(yīng)用，2010，46(22):88－90．

［19］趙 晗，黃少卿．基于改進(jìn)蟻群算法的無線傳感器網(wǎng)絡(luò)最小跳數(shù)路由選擇方法［J］．電信科學(xué)，2016，32(3): 113－117．

朱報(bào)開 男，(1972—)，工程師。主要研究方向:計(jì)算機(jī)應(yīng)用與自動(dòng)化控制。

A Minimum-hop Routing Algorithm Based on Energy Awareness for Wireless Sensor Networks

ZHU Bao-kai

(Guangdong Forcon Engineering Technology Co．，Ltd，Dongguan Guangdong 523808，China)

The network topology usually varies due to the death of nodes in wireless sensor networks．And，the network lifetime is reduced because the residual nodes will die earlier due to the reconstruction of network topology．Focusing on the strict requirement of wireless sensor networks on the lifetime，a minimum-hop routing algorithm based on energy awareness is proposed．While establishing the routes，the residual energy and the transferring capacity are simultaneously taken into account．Simulation results show that the proposed algorithm can achieve an outstanding performance in terms of lifetime，the number of nodes alive and the throughput compared with LEACH and HEED．

wireless sensor networks;energy awareness;minimum hop;lifetime;node alive;throughput

TP391.4

A< class="emphasis_bold">文章編號(hào) 1

1003－3106(2017)02－0015－05

10．3969/j．issn．1003－3106．2017．02．04

朱報(bào)開．WSN中基于能量感知的最小跳數(shù)路由算法［J］．無線電工程，2017，47(2):15－19．

2016-11-08

廣東省社會(huì)公益及能力建設(shè)基金資助項(xiàng)目(2015A010103020)。