楊 心,馮 勇,黃 祺,郭 龍,吳 淵

(昆明理工大學(xué)云南省計算機技術(shù)應(yīng)用重點實驗室,昆明 650500)

傳感器節(jié)點和移動匯聚節(jié)點組成的傳感器網(wǎng)絡(luò)WSN(Wireless Sensor Network)為眾多應(yīng)用提供了多樣化的服務(wù),如搶險救災(zāi)、醫(yī)療衛(wèi)生和環(huán)境監(jiān)測等[1]。在這些應(yīng)用中,大量傳感器隨機部署在監(jiān)測區(qū)域,然后通過自組織方式構(gòu)成網(wǎng)絡(luò)。

由于WSN中傳感器所攜帶的電池能量十分有限,如何高效利用有限的能量是當(dāng)前無線傳感器研究的一個重要方向。許多學(xué)者對WSN的能耗問題進(jìn)行了研究。例如文獻(xiàn)[2-3]都提出了一種節(jié)能路由算法來均衡網(wǎng)絡(luò)中能耗從而延長網(wǎng)絡(luò)壽命;文獻(xiàn)[4]通過調(diào)整傳感器的位置來避免能量空洞問題,雖然延長了網(wǎng)絡(luò)壽命,但傳感器節(jié)點的移動也將消耗能量。因此在目前研究中通常使用匯聚節(jié)點來代替?zhèn)鞲衅鞴?jié)點進(jìn)行重定位,如文獻(xiàn)[5]利用剩余能量信息來動態(tài)改變節(jié)點的傳輸半徑和匯聚節(jié)點移動方案。王章權(quán)等人[6]提出了路徑選擇算法(MPSA),即根據(jù)節(jié)點的位置和剩余能量信息找到一條較優(yōu)的匯聚節(jié)點移動路徑。

匯聚節(jié)點一般分為靜態(tài)匯聚節(jié)點和移動匯聚節(jié)點。如果匯聚節(jié)點始終保持靜止將會導(dǎo)致嚴(yán)重的熱點問題和能量空洞[7],這是因為越接近匯聚節(jié)點,傳感器節(jié)點就會被越多的傳輸路徑所共享[8]。所以本文討論的是移動匯聚節(jié)點,它具有以下優(yōu)點[9]:①能實現(xiàn)網(wǎng)絡(luò)的能量均衡,避免熱點問題;②能連接稀疏網(wǎng)絡(luò)和斷裂網(wǎng)絡(luò),提高網(wǎng)絡(luò)覆蓋率。在網(wǎng)絡(luò)中部署多匯聚節(jié)點能在很大程度上減少節(jié)點的平均跳數(shù),從而有效減少多跳傳輸?shù)哪芎?降低數(shù)據(jù)傳輸時延。阿基米德螺線基本上能覆蓋整個網(wǎng)絡(luò)且其具有恒定的線速度和角速度等優(yōu)點,使得匯聚節(jié)點的運動變得可控,而且匯聚節(jié)點能直接與網(wǎng)絡(luò)中大多數(shù)節(jié)點進(jìn)行數(shù)據(jù)傳輸。故本文采用多個匯聚節(jié)點沿著阿基米德螺線運動的方法來減少節(jié)點能耗,最大程度的延長網(wǎng)絡(luò)壽命,文中仿真實驗證明其有很好的性能。

1 相關(guān)工作

Gu Y等人[10]將匯聚節(jié)點的移動模型分為:不可控移動模型(隨機移動UMM)和可控移動模型(無約束移動URM和路徑約束移動PRM)。在PRM中,匯聚節(jié)點沿著固定的軌跡移動,其運動模型簡單同時能有效提高系統(tǒng)通信負(fù)載和能量效應(yīng)等性能[11]。故本文采用路徑約束模型(PRM)即匯聚節(jié)點沿著固定軌跡勻速移動。

目前許多學(xué)者對匯聚節(jié)點沿著固定軌跡重定位進(jìn)行了一些研究,如Wang等人[12]提出匯聚節(jié)點沿著固定的圓形軌跡移動,通過MECA和FEGASIS兩種路由算法將網(wǎng)絡(luò)分成不同的簇,選擇離匯聚節(jié)點最近的簇頭作為負(fù)責(zé)數(shù)據(jù)傳送的領(lǐng)導(dǎo)節(jié)點。Tunca 等人[13]提出了一種分布式高效節(jié)能的環(huán)形路由協(xié)議,首先環(huán)節(jié)點通過地理位置路由算法形成環(huán),然后匯聚節(jié)點在環(huán)上移動并接收錨節(jié)點傳送來的數(shù)據(jù)。Na等人[14]則提出了一種移動匯聚節(jié)點路由算法(CRA),在該算法中匯聚節(jié)點沿著圓行軌跡移動,緩沖區(qū)中的節(jié)點作為骨干節(jié)點來連接節(jié)點并進(jìn)行數(shù)據(jù)傳輸,但是作者并沒有提出一個最優(yōu)的聚類算法來確定緩沖區(qū)的位置。中南大學(xué)的Weng Yanbin[15]提出使用阿基米德螺線的可控匯聚節(jié)點移動策略,作者指出阿基米德螺線具有恒定的線速度和角速度,當(dāng)匯聚節(jié)點沿著該螺線運動時,軌跡易被控制。

在網(wǎng)絡(luò)中部署多個匯聚節(jié)點可以有效減少節(jié)點在多跳轉(zhuǎn)發(fā)數(shù)據(jù)包上消耗的能量,因為節(jié)點將會選擇離它最近的匯聚節(jié)點進(jìn)行通信從而在很大程度上減少了平均跳數(shù),降低了數(shù)據(jù)傳輸時延。例如文獻(xiàn)[16]計算出了多匯聚節(jié)點重定位的最優(yōu)位置,以達(dá)到匯聚節(jié)點的覆蓋度最大化和平均跳數(shù)最小化。Chatterjee 等人[17]提出了一種遵循圖論方法的多匯聚節(jié)點部署技術(shù),以實現(xiàn)最大化網(wǎng)絡(luò)壽命的同時減少匯聚節(jié)點的開銷。文獻(xiàn)[18]提出多匯聚節(jié)點以一個連續(xù)近似和協(xié)作方法移動到最佳位置,但其在實際部署中經(jīng)濟開銷過大且沒有考慮多匯聚節(jié)點的數(shù)據(jù)融合問題。Mirela Marta等人[19]指出當(dāng)傳感器節(jié)點隨機部署時,可通過匯聚節(jié)點沿預(yù)定軌跡運動得到最優(yōu)結(jié)果,并且多匯聚節(jié)點可以有效提高網(wǎng)絡(luò)壽命。

本文就上述問題提出了一種基于阿基米德螺線的多匯聚節(jié)點重定位策略ATSR(Archimedean spiral based Two-Sink Relocation)。該策略采用了多匯聚節(jié)點(如雙匯聚節(jié)點)同時沿著對稱的兩條阿基米德螺線運動的方式來提升網(wǎng)絡(luò)壽命。同時對其進(jìn)行了優(yōu)化,使本策略的性能得到了進(jìn)一步的提升。

圖1 網(wǎng)絡(luò)模型

2 網(wǎng)絡(luò)模型

在構(gòu)建網(wǎng)絡(luò)模型(如圖1所示)前,需要制定以下假設(shè)條件:①n個無線傳感器節(jié)點以隨機部署的方式靜態(tài)(即靜止)分布在區(qū)域環(huán)境中。②傳感區(qū)域是半徑為R的圓形,所有的傳感器節(jié)點的傳輸半徑均為rs,且均有一個不同的ID。③傳感器節(jié)點具有等量且有限的電池電量,匯聚節(jié)點移動能力不受限制,能量視為有限,每當(dāng)它們沿著阿基米德螺線運動完一個循環(huán)回到初始位置時,都要去網(wǎng)絡(luò)中心的基站補充能量。④本文使用與文獻(xiàn)[20]相同的無線通信能量模型。在該能量模型中,發(fā)送和接收消息是主要能耗。當(dāng)a傳感器節(jié)點發(fā)送k位的數(shù)據(jù)給另一個距離它d遠(yuǎn)的節(jié)點b時,可用式(1)計算能耗,b接收此消息所消耗的能量可用式(2)計算:

Es(k,d)=Eelec·k+εamp·k·dm

(1)

Er(k,d)=Eelec·k

(2)

在本文提出的多匯聚節(jié)點重定位策略中,采用了阿基米德螺線作為匯聚節(jié)點的預(yù)設(shè)移動軌跡。阿基米德螺線又被稱為等速落線,當(dāng)一個點在阿基米德螺線上運動時,其具有恒定的線速度v和角速度w,r為極徑。用rstart代表螺線的初始移動極徑。由阿基米德螺線的極坐標(biāo)方程可得:

(3)

那么一旦確定螺線的起始位置,則可以通過式(3)等比例得出角速度和線速度。由于每條阿基米德螺線都具有一條對稱螺線,其極坐標(biāo)公式中,二者的θ互為相反數(shù),即一條θ<0,另一條θ>0。若將其中一條螺線旋轉(zhuǎn)90°或者270°即可得到另外一條螺線。二者在原點處能夠平滑的連接,阿基米德螺線最大特點是,螺距即螺線每條臂的距離都是相等的,即2rn,且在笛卡爾坐標(biāo)系中,當(dāng)y為0時,x為2rn。

3 ATSR和IATSR

3.1 ATSR

3.1.1 多匯聚節(jié)點

根據(jù)螺線公式可知,在其他環(huán)境參數(shù)不變的情況下,多匯聚節(jié)點(n個匯聚節(jié)點)的螺距是單匯聚節(jié)點螺距的n倍,此時多匯聚節(jié)點具有較好的性能,因為與單匯聚節(jié)點相比,在單位時間內(nèi)它能接收更多的數(shù)據(jù)同時減少了數(shù)據(jù)傳輸?shù)钠骄鴶?shù),大大減少了多跳傳輸?shù)哪芎暮蛡鬏斞舆t。本論文取n=2,主要研究雙匯聚節(jié)點的情況。當(dāng)單匯聚節(jié)點的螺距設(shè)置為4rs,對應(yīng)的雙匯聚節(jié)點則設(shè)置為8rs,rs=5,如圖2和圖3所示。

圖中的兩種虛線代表兩個匯聚節(jié)點的運動軌跡。圖3為圖2所在坐標(biāo)系中第1象限局部圖,圖2左圖為單匯聚節(jié)點在坐標(biāo)系中的表示,圖2右圖為雙匯聚節(jié)點在坐標(biāo)系中的表示,其中可以很明顯的看出左圖中單個匯聚節(jié)點運行的軌跡長度要遠(yuǎn)大于右圖中一個匯聚節(jié)點運行的軌跡長度,因此雙匯聚節(jié)點一次循環(huán)的周期遠(yuǎn)小于單匯聚節(jié)點。在實際應(yīng)用時,如果能夠保持一個較短的循環(huán)周期,也就意味著成本的降低。為了最大化網(wǎng)絡(luò)環(huán)境的覆蓋,本論文在提出的策略中使用了兩個匯聚節(jié)點。

圖2 螺距對比整體圖

圖3 螺距對比局部圖

3.1.2 匯聚節(jié)點重定位

初始時匯聚節(jié)點SA和SB位于螺線的中心,且兩條螺線相互對稱,隨后SA和SB分別以恒定的線速度沿著螺旋軌跡移動。網(wǎng)絡(luò)中部署的雙匯聚節(jié)點的運動是對稱的,即當(dāng)匯聚節(jié)點SA的坐標(biāo)為(XA,YA),匯聚節(jié)點SB的坐標(biāo)為(XB,YB)時,XA=-XB,YA=-YB。當(dāng)匯聚節(jié)點到達(dá)區(qū)域邊緣時會立即沿直線返回初始出發(fā)點,進(jìn)行下一次運動。通過這種方法,匯聚節(jié)點在傳輸和接收信息時能節(jié)省大量能量。圖4通過偽代碼顯示了具體實現(xiàn)細(xì)節(jié)。

圖4 ATSR的偽代碼

3.1.3 收集數(shù)據(jù)

當(dāng)匯聚節(jié)點沿著阿基米德螺線軌跡移動時,會收集兩跳以內(nèi)的鄰居節(jié)點的數(shù)據(jù)信息。假定每次的數(shù)據(jù)傳輸成功率均為100%,即節(jié)點會在極短的時間內(nèi)將數(shù)據(jù)信息傳輸給匯聚節(jié)點,無延時無丟包。本文假設(shè)傳感器節(jié)點和匯聚節(jié)點的傳輸半徑均為R,整個網(wǎng)絡(luò)中數(shù)據(jù)消息的傳輸采取最少跳數(shù)路由,即傳感器節(jié)點選取到匯聚節(jié)點跳數(shù)最少的路徑來傳輸數(shù)據(jù)。如圖5所示,由于本文中匯聚節(jié)點可以收集兩跳內(nèi)的數(shù)據(jù)信息,以其為圓心,匯聚節(jié)點最大可以收集半徑3R范圍內(nèi)的數(shù)據(jù)信息,最小可以收集半徑R范圍內(nèi)的數(shù)據(jù)信息。當(dāng)匯聚節(jié)點在自身軌跡上運動時,會間隔R個單位長度收集一次數(shù)據(jù),來確保數(shù)據(jù)的收集。

圖5 匯聚節(jié)點傳輸半徑示意圖

當(dāng)WSN工作時,傳感器每隔固定單位時間收集數(shù)據(jù)信息。當(dāng)匯聚節(jié)點沿著阿基米德螺線運動進(jìn)入節(jié)點的傳輸半徑時,軌跡周邊一跳或者兩跳鄰居節(jié)點將把收集的數(shù)據(jù)信息傳輸給匯聚節(jié)點。而離匯聚節(jié)點nR遠(yuǎn)的節(jié)點將以多跳方式把數(shù)據(jù)傳送給鄰居節(jié)點直至傳送給匯聚節(jié)點,如圖6所示。

圖6 數(shù)據(jù)的收集

3.2 IATSR

數(shù)據(jù)收集間隔是匯聚節(jié)點每次移動的判斷,如果匯聚節(jié)點移動的直線距離大于給定閾值則向周邊節(jié)點發(fā)送一個請求信息并開始收集數(shù)據(jù),反之則不。在ATSR中,當(dāng)收集間隔過小時,會導(dǎo)致某些節(jié)點重復(fù)收到匯聚節(jié)點的數(shù)據(jù)請求信息,帶來額外的能量消耗。

如圖7所示,假定T時刻,匯聚節(jié)點在位置PositionA向周邊節(jié)點p發(fā)送一個請求數(shù)據(jù)包。節(jié)點q在p的傳輸半徑內(nèi),而不在匯聚節(jié)點的傳輸半徑內(nèi),節(jié)點p必然向q發(fā)送一個信息,告知其匯聚節(jié)點需要收集數(shù)據(jù)。假定節(jié)點q已存儲一定量數(shù)據(jù),這時節(jié)點q必然會反向沿著請求消息路徑,向匯聚節(jié)點傳輸數(shù)據(jù)。而在T+1時刻匯聚節(jié)點運動到PositionB,PositionA和PositionB的直線距離小于傳輸半徑R。由于節(jié)點p仍在匯聚節(jié)點的傳輸半徑內(nèi),則會重復(fù)發(fā)送消息,對節(jié)點p和節(jié)點q的電池電量造成了不必要的損耗。由能耗模型可知,節(jié)點p額外接收和發(fā)送一次消息,節(jié)點q額外接收一次消息。最小額外能耗Emin為節(jié)點p的一次接收能耗:

ESink→p(k)=Eelec*k

(4)

圖7 額外能耗示意圖

最大額外能耗Emax為兩次接受和一次發(fā)送能耗:

Emax=ESink→p(k,dSink→p)+Ep→q(k,dp→q)+Ep→q(k)

(5)

式中:

(6)

即:

(7)

如果節(jié)省這部分能耗,將會極大的提高網(wǎng)絡(luò)壽命,比如通過調(diào)整匯聚節(jié)點在螺線上的收集間隔來避免額外能耗。正如前面所討論的,當(dāng)數(shù)據(jù)收集間隔過小時,將導(dǎo)致一些節(jié)點頻繁的接收匯聚節(jié)點的數(shù)據(jù)請求消息,從而帶來額外的能量消耗。相反當(dāng)收集間隔過大時不利于匯聚節(jié)點與鄰居節(jié)點的通信和數(shù)據(jù)傳輸。因此在仿真實驗中,本論文針對IATSR的收集間隔進(jìn)行了測試,測試結(jié)果見下一節(jié)。

4 仿真實驗

前一節(jié)詳細(xì)介紹了基于阿基米德螺線的多匯聚節(jié)點重定位策略及其改進(jìn)策略,本節(jié)對兩種策略的性能進(jìn)行了實驗驗證。匯聚節(jié)點的初始位置分別為(R,0)、(-R,0),匯聚節(jié)點的角速度也與傳感器半徑的大小有關(guān),二者成反比。最終實驗?zāi)康氖菫榱颂岣呔W(wǎng)絡(luò)生存壽命,故實驗結(jié)果均以網(wǎng)絡(luò)壽命為對比,其中網(wǎng)絡(luò)壽命被定義為從網(wǎng)絡(luò)初始時刻開始到網(wǎng)絡(luò)中第1個節(jié)點能量耗盡退出網(wǎng)絡(luò)為止所經(jīng)歷的時間[21]。在實驗中,每隔一段時間隨機選取某些節(jié)點產(chǎn)生等大的數(shù)據(jù)包,默認(rèn)實驗參數(shù)設(shè)置如表1所示。

表1 默認(rèn)實驗參數(shù)

4.1 實驗結(jié)果

對于IATSR和ATSR的區(qū)別,上文已詳細(xì)闡述。數(shù)據(jù)消息的收集間隔以傳感器傳輸半徑R作為基準(zhǔn),即nR,通過實驗得到n的大小。實驗中,節(jié)點數(shù)量設(shè)為1 200個,其他參數(shù)參考表1。得到的數(shù)據(jù)如圖8所示。

可以看出,n為1時網(wǎng)絡(luò)壽命最低。當(dāng)n從1變化到1.6時,網(wǎng)絡(luò)壽命呈上升趨勢,急劇增加。而n從1.6變化到4時,大體保持平衡,但在n為3.2時,有一個較大的下降變化?？紤]到本實驗中,傳感器節(jié)點均采取隨機部署,對網(wǎng)絡(luò)壽命的性能會有一定的影響,當(dāng)n等于2時,基本處于中間水平,所以本文中取n為2。

圖8 參數(shù)n從1變化到4時對網(wǎng)絡(luò)壽命的影響

在本文中,假設(shè)數(shù)據(jù)以每個信息10 s的平均速度產(chǎn)生成數(shù)據(jù)包,數(shù)據(jù)傳輸延遲被定義為信息從產(chǎn)生到傳送給匯聚節(jié)點的時間間隔。如圖9所示,可以看出匯聚節(jié)點數(shù)量從0增加到6時,傳輸延遲減少了近10倍(從1 130 s～153 s),兩個匯聚節(jié)點的傳輸延遲也要遠(yuǎn)遠(yuǎn)小于單個匯聚節(jié)點。這是因為在相同的環(huán)境中,多匯聚節(jié)點的傳輸延遲小于單個匯聚節(jié)點,即多匯聚節(jié)點在單位時間內(nèi)能收集和傳送更多的數(shù)據(jù)。

圖9 多匯聚節(jié)點的傳輸延遲

圖10 節(jié)點能量從1 J變化到5 J時的網(wǎng)絡(luò)壽命的變化

從圖10中可以看出,當(dāng)單個節(jié)點初始總能量從1 J變化到5 J時,任何一種重定位策略也都會增加,并且基本為一條直線,起伏不大。IATSR和One-Sink相比,網(wǎng)絡(luò)壽命分別提升了88.56%、72.96%、72.42%、71.46%和73.22%,性能提升了大約70%到80%。和Two-Sink相比,網(wǎng)絡(luò)壽命分別提升了57.09%、46.23%、48.67%、52.74%和52.84%,性能提升了大約45%到60%。實驗數(shù)據(jù)較為規(guī)律,這是必然的。節(jié)點能量的增加使得單個節(jié)點可持續(xù)運作的時間也增加了。IATSR的改進(jìn),使得能耗得以進(jìn)一步降低,提高了網(wǎng)絡(luò)壽命。

當(dāng)傳感器節(jié)點數(shù)目從1 200個改變到2 000個時,所有的策略都呈下降趨勢,但I(xiàn)ATSR依然比其他策略的性能要好,如圖11所示。和One-Sink相比,網(wǎng)絡(luò)壽命分別提升了68.08%、78.44%、76.78%、81.71%和81.30%,性能提升了大約70%到80%。和ATSR相比,網(wǎng)絡(luò)壽命分別提升了54.88%、57.97%、61.30%、53.10%和58.96%,性能提升了大約50%到60%。出現(xiàn)該結(jié)果的原因可能是沒有對路由進(jìn)行優(yōu)化,只是簡單的使用了最少條數(shù)路由。使用最少跳數(shù)必然會有重復(fù)接收消息的節(jié)點,這是無法避免的。節(jié)點數(shù)目的增多,意味著單位面積內(nèi)的節(jié)點密度也會增加。那么會有更多的數(shù)據(jù)節(jié)點出現(xiàn)在匯聚節(jié)點兩次收集間隔的重復(fù)區(qū)域。這必然會帶來更多的能量消耗,導(dǎo)致節(jié)點數(shù)目越多網(wǎng)絡(luò)壽命反而下降的情況。

圖11 節(jié)點數(shù)目從1 200個變化到2 000個時的網(wǎng)絡(luò)壽命的變化

圖12 匯聚節(jié)點速度從1 m/s～5 m/s時網(wǎng)絡(luò)壽命的變化

圖12所示的改變匯聚節(jié)點速度時網(wǎng)絡(luò)壽命的變化。IATSR和One-Sink相比,網(wǎng)絡(luò)壽命分別提升了76.10%、24.96%、46.12%、61.02%和49.21%,性能提升了大約25%到75%。和ATSR相比,網(wǎng)絡(luò)壽命分別提升了51.16%、25.23%、52.05%、70.81%和67.86%,性能提升了大約50%到70%。圖中,匯聚節(jié)點線速度小于2 m/s時,網(wǎng)絡(luò)壽命會保持一定水平,當(dāng)增加到3 m/s時,會有小幅度提升。而一旦線速度繼續(xù)增加時,網(wǎng)絡(luò)壽命就會呈現(xiàn)下降趨勢,且ATSR在線速度超過2 m/s時,網(wǎng)絡(luò)壽命就一直比One-Sink還要低。這是因為匯聚節(jié)點的移動速度即為螺線的線速度,在保持螺距不變的情況下,移動速度增大(減小),角速度也會增大(減小)。那么在單位時間內(nèi),匯聚節(jié)點每次移動的間隔同樣會增大(減小),而數(shù)據(jù)收集間隔是匯聚節(jié)點每次移動的判斷,如果其大于閾值則不收集,反之則不,并且線速度越大,所形成的螺線軌跡越不光滑,變得如蜘蛛網(wǎng)一樣,所以說匯聚節(jié)點的移動速度會在一定程度上影響到網(wǎng)絡(luò)壽命。

由于上文提到,傳感器節(jié)點的傳輸半徑和角速度大小成反比。為了方便計算,以及能讓網(wǎng)絡(luò)中部署雙匯聚節(jié)點時,能和One-Sink做對比,傳輸半徑選擇了4種變化,分別是5 m、10 m、20 m和40 m,那么對應(yīng)的角速度分別設(shè)置為0.157 rad/s、0.078 5 rad/s、0.039 25 rad/s、0.019 625 rad/s,結(jié)果如圖13所示。和One-Sink相比,網(wǎng)絡(luò)壽命分別提升了58.38%、82.69%、103.23%和141.64%,性能提升了大約60%～140%。和Two-Sink相比,網(wǎng)絡(luò)壽命分別提升了44.57%、56.19%、85.49%和96.85%,性能提升了大約45%到95%。雖然3種策略整體呈下降趨勢,但I(xiàn)ATSR仍然比One-Sink和ATSR要好。從得到的仿真實驗性能提升比可以看出,隨著傳輸半徑的增加,性能提升比顯著上升了。隨著傳輸半徑的增加,匯聚節(jié)點傳輸半徑內(nèi)可以接受到的節(jié)點數(shù)目也在增加。由于本仿真實驗采用的是最少路徑路由,最多為兩跳,由能耗公式可知,半徑越大其能耗會急劇增加,從而導(dǎo)致網(wǎng)絡(luò)壽命的下降。

圖13 節(jié)點傳輸半徑分別為5 m、10 m、20 m和40 m時網(wǎng)絡(luò)壽命的變化

5 總結(jié)

匯聚節(jié)點重定位是一種能有效延長網(wǎng)絡(luò)壽命的方法,它避免了匯聚節(jié)點在一個地方停留太久而過度損耗鄰近節(jié)點的能量。當(dāng)傳感器節(jié)點以隨機的方式均勻分布時,匯聚節(jié)點沿著預(yù)設(shè)軌道可以獲得最優(yōu)效果,并且多匯聚節(jié)點能夠有效提升網(wǎng)絡(luò)壽命。本文提出了一種多匯聚節(jié)點重定位策略(ATSR),它在阿基米德螺線的基礎(chǔ)上使用了兩個匯聚節(jié)點。同時本文對該策略進(jìn)行了改進(jìn)并提出了一個性能更好的策略(IATSR),它通過改變匯聚節(jié)點在螺線上數(shù)據(jù)收集間隔的大小節(jié)省了更多的能耗,仿真結(jié)果表明在延長網(wǎng)絡(luò)壽命方面本文兩個策略優(yōu)于對比策略。

[1] Chirihane G,Zibouda A,Mohamed B. An Adaptive Clustering Approach to Dynamic Load Balancing and Energy Efficienct in Wireless Sensor Networks[J]. Energy,2016,114(1):647-662.

[2] 劉半藤,周瑩,陳友榮. 基于加權(quán)路由思想的無線自組織網(wǎng)絡(luò)生存時間優(yōu)化算法研究[J]. 傳感技術(shù)學(xué)報,2017,30(3):463-466.

[3] 孫彥景,林昌林,江海峰. 一種能量高效的分布式非均勻分簇路由算法[J]. 傳感器技術(shù)學(xué)報,2015,28(8):1194-1200.

[4] Wu J,Yang S. SMART:A Scan-Based Movement-Assisted Sensor Deployment Method in Wireless Sensor Networks[C]//Proceedings IEEE 24th Annual Joint Conference of the IEEE Computer and Communications Societies. IEEE,2005,4:2313-2324.

[5] Wang C F,Shih J D,Pan B H,et al. A Network Lifetime Enhancement Method for Sink Relocation and Its Analysis in Wireless Sensor Networks[J]. IEEE Sensors Journal,2014,14(6):1932-1943.

[6] 王章權(quán),陳友榮,任條娟,等. 數(shù)據(jù)傳輸時延和跳數(shù)受限的Sink節(jié)點移動路徑選擇算法[J]. 傳感器技術(shù)學(xué)報,2016,29(4):583-592.

[7] Zhang P,Xiao G,Tan H P. Clustering Algorithms for Maximizing the Lifetime of Wireless Sensor Networks with Energy-Harvesting Sensors[J]. Computer Networks,2013,57(14):2689-2704.

[8] Zhu C,Wu S,Han G,et al. A Tree-Cluster-Based Data-Gathering Algorithm for Industrial WSNs with a Mobile Sink[J]. IEEE Access,2015,3:381-396.

[9] Kinalis A,Nikoletseas S,Patroumpa D,et al. Biased Sink Mobility with Adaptive Stop Times for Low Latency Data Collection in Sensor Networks[J]. Information Fusion,2014,15:56-63.

[10] Gu Y,Ren F,Ji Y,et al. The Evolution of Sink Mobility Management in Wireless Sensor Networks:A Survey[J]. IEEE Communications Surveys and Tutorials,2016,18(1):507-524.

[11] Khan A W,Abdullah A H,Anisi M H,et al. A Comprehensive Study of Data Collection Schemes Using Mobile Sinks in Wireless Sensor Networks[J]. Sensors,2014,14(2):2510-2548.

[12] Wang J,Cao J,Cao Y,et al. An Improved Energy-Efficient Clustering Algorithm Based on MECA and PEGASIS for WSNs[C]//2015 Third International Conference on Advanced Cloud and Big Data,IEEE,2015:262-266.

[13] Tunca C,Isik S,Donmez M Y,et al. Ring Routing:An energy-Efficient Routing Protocol for Wireless Sensor Networks with a Mobile Sink[J]. IEEE Transactions on Mobile Computing,2015,14(9):1947-1960.

[14] Na W,Xiao-gang Q,Li D,et al. Clustering-Based Routing Algorithm in Wireless Sensor Networks with Mobile Sink[J]. Journal of Networks,2014,9(9):2376-2384.

[15] Weng Y,Jia W,Wang G. Joint Routing and Controlled Mobility for Energy Efficiency in Wireless Sensor Networks[C]//2010 3rd International Conference on Advanced Computer Theory and Engineering(ICACTE). IEEE,2010,4:V4-423-V4-427.

[16] Dandekar D R,Deshmukh P R. Energy Balancing Multiple Sink Optimal Deployment in Multi-Hop Wireless Sensor Networks[C]//Advance Computing Conference(IACC),2013 IEEE 3rd International.

[17] Chatterjee P,Das N. Multiple Sink Deployment in Multi-Hop Wireless Sensor Networks to Enhance Lifetime[C]//Applications and Innovations in Mobile Computing(AIMoC),2015. IEEE,2015:48-54.

[18] Yuan T,Xu J,Zhang J. Energy Efficient Multi-Sink Relocation in Wireless Sensor Networks[J]. Jisuanji Gong Cheng Yu Yingyong(Computer Engineering and Applications),2013,49(2):19-23.

[19] Yang Y,Fonoage M I,Cardei M. Improving Network Lifetime with Mobile Wireless Sensor Networks[J]. Computer Communications,2010,33(4):409-419.

[20] Wang C F,Shih J D,Pan B H,et al. A Network Lifetime Enhancement Method for Sink Relocation and Its Analysis in Wireless Sensor Networks[J]. IEEE Sensors Journal,2014,14(6):1932-1943.

[21] Miguel S,Javier G,Baldomero C P. Multipath QoS-Driven Routing Protocol for Industrial Wireless Networks[J]. Journal of Network and Computer Applications,2016,74:121-132. IEEE,2013:408-412.