湯 季，譚小波，朱 騰

(沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院，沈陽 110159)

無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)是一種面向任務(wù)的自組織網(wǎng)絡(luò)，其由大量密集部署的傳感器節(jié)點、一個或者多個匯聚節(jié)點和基站組成[1]。隨著物聯(lián)網(wǎng)科技的不斷進(jìn)步，多功能新型傳感器節(jié)點逐漸取代了經(jīng)典無線傳感器網(wǎng)絡(luò)中的節(jié)點。這種節(jié)點具有識別多種數(shù)據(jù)類型的能力、更強和更遠(yuǎn)的無線通信能力和更完善的數(shù)據(jù)處理能力，從而使傳統(tǒng)傳感器網(wǎng)絡(luò)煥然一新。隨著無線傳感器網(wǎng)絡(luò)(WSNs)應(yīng)用的廣泛普及，高數(shù)據(jù)流量變化和多類型數(shù)據(jù)并存的應(yīng)用場景逐漸增多，這些應(yīng)用場景對路由協(xié)議的服務(wù)質(zhì)量(QoS)的要求也逐漸提高。由于傳統(tǒng)無線傳感器網(wǎng)絡(luò)本身的特殊性，隨著無線傳感器網(wǎng)絡(luò)應(yīng)用多樣性和復(fù)雜性的增加，對網(wǎng)絡(luò)的QoS保障能力也提出了更高的要求。傳統(tǒng)的QoS路由面臨的一些具體問題如下[2-4]：

(1)自身資源受限：傳感器網(wǎng)絡(luò)節(jié)點的資源約束主要是能量、帶寬、內(nèi)存，其中最重要的就是能源問題。(2)路由算法局部有效性：由于現(xiàn)階段大多數(shù)路由協(xié)議都是分布式的，路由協(xié)議通過鄰居節(jié)點相互交換信息來計算路徑。這種局部的特性會導(dǎo)致路由算法只是在局部信息下是最優(yōu)的結(jié)果。(3)QoS路由的指標(biāo)參數(shù)復(fù)雜：無線傳感器網(wǎng)絡(luò)中不同的應(yīng)用數(shù)據(jù)類型，對應(yīng)不同的QoS需求。(4)多業(yè)務(wù)并存：傳統(tǒng)的無線傳感器網(wǎng)絡(luò)QoS路由協(xié)議存在一個多業(yè)務(wù)并存的缺陷。傳統(tǒng)的傳感器網(wǎng)絡(luò)QoS路由協(xié)議大多數(shù)搭建在只負(fù)責(zé)一種任務(wù)、采集一種信息的傳感器節(jié)點上。

為了解決以上缺陷，軟件定義無線傳感器網(wǎng)絡(luò)(SDWSN)概念被提出。SDWSN借鑒了有線網(wǎng)絡(luò)端的軟件定義網(wǎng)絡(luò)(SDN)技術(shù)，SDN是一種數(shù)據(jù)控制分離、軟件可編程的新型網(wǎng)絡(luò)體系架構(gòu)[5]。采用了集中式的控制平面和分布式的轉(zhuǎn)發(fā)平面，兩個平面相互分離?？刂破矫胬每刂?轉(zhuǎn)發(fā)通信接口和交換機對轉(zhuǎn)發(fā)平面上的網(wǎng)絡(luò)設(shè)備進(jìn)行集中式控制，并提供靈活的可編程能力。控制平面的控制器可以掌握全網(wǎng)信息，轉(zhuǎn)發(fā)平面只負(fù)責(zé)數(shù)據(jù)的轉(zhuǎn)發(fā)[6]。大多數(shù)SDWSN由一個或多個控制器和多個軟件定義傳感器節(jié)點組成，通過集中式管理和可編程提高網(wǎng)絡(luò)的靈活性[5]。但是SDWSN的研究還處于初級階段，大多數(shù)的研究只給出了相應(yīng)的概念，也有部分研究給出了具體方案具有一定的借鑒性。

軟件定義無線傳感器網(wǎng)絡(luò)在WSN的基礎(chǔ)上引入SDN技術(shù)，其已經(jīng)成為了下一代WSN技術(shù)探索的主流方向。Luo等[7]在2012年首先提出了WSN與SDN結(jié)合的概念，可視為SDWSN的雛形。其在著名的OpenFlow基礎(chǔ)上提出了Sensor OpenFlow，該協(xié)議初始化了SDWSN的南向接口協(xié)議，使其適用于WSN。同年，A Mahmud等[8]以另一種角度優(yōu)化OpenFlow協(xié)議，在不改變OpenFlow協(xié)議本身的基礎(chǔ)上設(shè)計了以一種基于OpenFlow的傳感器設(shè)備flow-sensor，并賦予傳感節(jié)點可編程能力。Faraci等[9]在SDN-WISE架構(gòu)上，通過節(jié)點狀態(tài)信息來提高網(wǎng)絡(luò)的QoS。通過判斷節(jié)點擁塞的狀態(tài)和考慮數(shù)據(jù)等級來設(shè)置不同的丟包率從而提升整個網(wǎng)絡(luò)的性能。該研究雖然在一定程度上解決了數(shù)據(jù)丟包率的問題，但是并沒有涉及路由協(xié)議。馮凱鷹[10]提出了SDWSN路由協(xié)議切換技術(shù)，根據(jù)不同的時間段在控制端切換路由協(xié)議。該方法能有效提高網(wǎng)絡(luò)生命周期，但是并沒有涉及新的網(wǎng)絡(luò)協(xié)議與QoS。

本文針對以上的路由協(xié)議都沒有涉及QoS的問題，對比不同SDWSN架構(gòu)的特點，最終以SDN-WISE架構(gòu)作為設(shè)計的基礎(chǔ)，設(shè)計一種新的SDNQ-WISE路由協(xié)議。提出了一種新的集中式非均勻分簇算SD-CUQCA和SD-QRA路由算法來實現(xiàn)SDNQ-WISE路由協(xié)議。該協(xié)議下構(gòu)建的WSN網(wǎng)絡(luò)擁有單網(wǎng)雙拓?fù)浣Y(jié)構(gòu)，并結(jié)合時延與丟包率的敏感程度對數(shù)據(jù)進(jìn)行分級，根據(jù)不同數(shù)據(jù)所需QoS等級的不同構(gòu)建多路徑路由，從而達(dá)到優(yōu)化無線傳感器網(wǎng)絡(luò)QoS的目的。

1 SDNQ-WISE分簇路由算法

1.1 數(shù)據(jù)分級

本文提出的SDNQ-WISE路由協(xié)議應(yīng)可以滿足不同類型數(shù)據(jù)的不同QoS需求，當(dāng)多功能傳感器節(jié)點同時收集到多種類型數(shù)據(jù)，如果節(jié)點以相同的處理方式來處理這些數(shù)據(jù)時，就很難滿足其不同的QoS需求，所以數(shù)據(jù)分級是本文的前提和基礎(chǔ)[11]。

本文提出的數(shù)據(jù)分級依據(jù)是根據(jù)數(shù)據(jù)對時延與丟包率的敏感程度來進(jìn)行交叉數(shù)據(jù)分級。具體的交叉優(yōu)先級別劃分如表1所示。

由表1可知，對時延和丟包率都很敏感的告警數(shù)據(jù)的數(shù)據(jù)優(yōu)先級別最高，其次是對時延很敏感的視頻和音頻數(shù)據(jù)以及對丟包率比較敏感的具體物品批量數(shù)據(jù)。最后則是諸如溫度、濕度等周期型數(shù)據(jù)。

表1 數(shù)據(jù)分級排序表

1.2 SDNQ-WISE體系結(jié)構(gòu)

圖1為SDNQ-WISE的體系結(jié)構(gòu)。

圖1 SDNQ-WISE體系結(jié)構(gòu)圖

本體系結(jié)構(gòu)由應(yīng)用層、控制器層和數(shù)據(jù)層組成。應(yīng)用層通過配置文件可以動態(tài)修改分簇算法的參數(shù)配置和路由算法的配置?？刂破鲗佑删W(wǎng)絡(luò)鏈路模塊、網(wǎng)絡(luò)拓?fù)淠K和網(wǎng)絡(luò)路由模塊組成。數(shù)據(jù)層是由一個Sink節(jié)點、若干簇頭和許多簇成員節(jié)點組成。

控制器層中的網(wǎng)絡(luò)鏈路模塊通過經(jīng)典的LLDP協(xié)議來發(fā)現(xiàn)和維護(hù)全網(wǎng)的鏈路信息將每個節(jié)點的相關(guān)信息上傳到控制器，并存儲到控制器中來為接下來的模塊做準(zhǔn)備。網(wǎng)絡(luò)拓?fù)鋵油ㄟ^網(wǎng)絡(luò)鏈路模塊獲取的傳感器節(jié)點信息來建立和維持全局網(wǎng)絡(luò)拓?fù)?。?shù)據(jù)層中，Sink節(jié)點是由許多支持SDNQ-WISE的多功能傳感器節(jié)點構(gòu)成的[12]。

1.3 SD-CUQCA分簇算法

集中式非均勻分簇算法SD-CUQCA結(jié)合控制器中存在的初始全網(wǎng)拓?fù)湫畔⒃械谋馄狡矫嫱負(fù)淅斐蓪哟涡蛦尉W(wǎng)多拓?fù)浣Y(jié)構(gòu)。層次型單網(wǎng)多拓?fù)浣Y(jié)構(gòu)采用多跳的方式將數(shù)據(jù)傳輸?shù)絽R聚節(jié)點，節(jié)省了傳輸消耗的能量。不同的拓?fù)浣Y(jié)構(gòu)對應(yīng)不同類型的數(shù)據(jù)，每種類型的數(shù)據(jù)在對應(yīng)的拓?fù)浣Y(jié)構(gòu)下被提供最優(yōu)的QoS保證。層次型單網(wǎng)多拓?fù)淠Ｐ停瑸楣歉删W(wǎng)的路由算法SD-QRA提供了前提條件。

SD-CUQCA借鑒非均勻分簇算法(CUCA，Centralized Unequal Clustering algorithm)思想，并在選取簇頭時綜合考慮了節(jié)點擁塞度、節(jié)點鏈路連通度、節(jié)點能量和節(jié)點間的距離來選取簇頭節(jié)點。SD-CUQCA使簇頭的產(chǎn)生更加均勻，并提出了異簇雙簇頭的思想，與傳統(tǒng)雙簇頭思想不同[13]，異簇雙簇頭解決了傳統(tǒng)雙簇頭可能產(chǎn)生的簇頭節(jié)點并不能完全覆蓋簇內(nèi)成員的問題，異簇雙簇頭使整個網(wǎng)絡(luò)形成兩種拓?fù)浣Y(jié)構(gòu)。對于每一個簇，簇內(nèi)成員根據(jù)感知數(shù)據(jù)的類型來選擇相對應(yīng)的簇頭節(jié)點傳輸，提供了QoS保障，控制器端通過其掌握的全網(wǎng)信息執(zhí)行簇頭的選擇與簇成員入簇，減少了節(jié)點之間頻繁的信息交換，減小網(wǎng)絡(luò)負(fù)擔(dān)，增加了網(wǎng)絡(luò)壽命。

(1)

式中：Ri為節(jié)點i的競爭半徑；Rmax為網(wǎng)絡(luò)初始化設(shè)置的最大競爭半徑；c為節(jié)點競爭半徑的權(quán)重參數(shù)；Di為節(jié)點i到Sink的距離；Dmax為網(wǎng)絡(luò)中所有節(jié)點距離Sink最遠(yuǎn)的距離；Dmin為網(wǎng)絡(luò)中所有節(jié)點距離Sink最近的距離。

SD-CUQCA采取的是非均勻分簇方式，其核心思想是：網(wǎng)絡(luò)中距離Sink越近的節(jié)點的簇半徑更小，通過這種方式靠近Sink的區(qū)域就會形成更多的簇，并且這些簇內(nèi)將會包含更少的簇成員；網(wǎng)絡(luò)中遠(yuǎn)離Sink的簇半徑盡量大，簇成員較多。這樣的分簇方式使靠近Sink區(qū)域的節(jié)點有更多的能量來轉(zhuǎn)發(fā)網(wǎng)絡(luò)數(shù)據(jù)包而不是將更多的能量消耗在大量數(shù)據(jù)的處理上，避免了靠近Sink區(qū)域的簇頭節(jié)點能量過早消耗殆盡而產(chǎn)生“能量空洞”。簇半徑和簇成員的多少取決于每個簇頭節(jié)點的競爭半徑，設(shè)定競爭半徑的距離小于而且在與簇頭距離為的范圍內(nèi)不存在另一個簇頭，這樣就保證簇頭與簇成員、簇頭與簇頭之間消耗的能量較小。所以本文應(yīng)用Min-Max Scaling思想定義公式(1)來計算每個節(jié)點的競爭半徑。

(2)

(3)

控制器結(jié)合網(wǎng)絡(luò)初始化階段獲取的全網(wǎng)初始拓?fù)湫畔?，選出簇頭與簇成員。在選擇簇頭時，根據(jù)節(jié)點擁塞度、節(jié)點鏈路連通度、節(jié)點能量和節(jié)點間的距離來綜合選取簇頭節(jié)點，權(quán)重參數(shù)α、β、δ、ε、η用來調(diào)節(jié)各個屬性在選擇簇頭時的影響程度?？刂破鲗τ诿總€節(jié)點首先根據(jù)公式(1)計算競爭半徑，并維護(hù)一個鄰居列表(rNb)來存儲節(jié)點競爭半徑內(nèi)的鄰居節(jié)點ID。根據(jù)公式(2)、公式(3)計算每個節(jié)點成為低擁塞度簇頭和高鏈路連通度簇頭的概率[14]。

(4)

(5)

SEi=∑j∈Nb(i)REj

(6)

式中：Qi為節(jié)點i緩存區(qū)隊列被占用長度；Li為節(jié)點i區(qū)隊列總長度；Nb(i)為節(jié)點i的鄰居節(jié)點集合；si,j為節(jié)點i向節(jié)點j發(fā)送數(shù)據(jù)包成功到達(dá)的大??；mi,j為節(jié)點i向節(jié)點j發(fā)送數(shù)據(jù)包的大小。

控制器對每個節(jié)點的和進(jìn)行從大到小排序并存到兩個簇頭概率列表(LPnc，LPlc)中，將LPnc和LPlc中最大值節(jié)點ID依次放到簇頭列表(LCHnc、LCHlc)中，并在LPnc和LPlc中刪除該節(jié)點rNb，直到整個LPnc和LPlc為空，即所有節(jié)點被覆蓋。具體算法偽代碼如表2所示。

經(jīng)過算法1后，得到了簇頭列表LCHnc和LCHlc。當(dāng)確定網(wǎng)絡(luò)簇頭后，描述簇成員入簇過程。簇成員入簇取決于其所處的位置，但是有的節(jié)點會在多個簇的交叉位置，需要判斷該節(jié)點的歸屬。所以定義了一個簇頭連接度來判斷節(jié)點的歸屬。

表2 簇頭選取機制偽代碼表

(7)

式中：Coni為簇頭節(jié)點i通度；REi為簇頭節(jié)點i的剩余能量百分比；Di,j為簇頭節(jié)點i點j的距離；α為權(quán)重參數(shù)。

節(jié)點j根據(jù)公式(7)計算其到候選簇頭i的連通度，選擇值最大的作為自己的簇頭節(jié)點?？刂破鲗γ款惔仡^維護(hù)兩個簇成員列表(LCMnc、LCMlc)，對每一個非簇頭節(jié)點維護(hù)兩個候選簇頭列表(LCHnctoJion、LCHlctoJion)，根據(jù)算法1來初始化兩個候選簇頭列表。簇成員入簇偽代碼如表3所示。

本次展覽是一份復(fù)興傳統(tǒng)工筆畫藝術(shù)的文化自覺，一種發(fā)展現(xiàn)代工筆畫創(chuàng)作的文化擔(dān)當(dāng)，同時也是張偉民對自身學(xué)術(shù)與藝術(shù)道路的一次梳理。

表3 簇成員入簇偽代碼

經(jīng)過算法2后，控制器中維護(hù)了兩個簇頭列表LCHnc和LCHlc，以及與之對應(yīng)的兩個簇成員列表LCMnc和LCMlc。控制器會生成并下發(fā)簇頭通知包(CH_NP)、簇成員通知包(CM_NP)和相應(yīng)的流表規(guī)則到對應(yīng)的傳感器節(jié)點。整個分簇過程結(jié)束后，將會形成如圖2所示的網(wǎng)絡(luò)拓?fù)鋱D。

圖2 非均勻QoS分簇形成圖

如圖2所示，整個網(wǎng)絡(luò)被分為無數(shù)個圓形簇，每一個簇有一個簇頭節(jié)點與若干個簇成員節(jié)點。整個網(wǎng)絡(luò)擁有兩種簇頭節(jié)點，低節(jié)點擁塞度簇頭節(jié)點和高鏈路連通度簇頭節(jié)點。兩類簇頭節(jié)點分別與其簇成員形成兩種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。為本文接下來的骨干網(wǎng)路由協(xié)議SD-QRA提供了現(xiàn)行條件。

1.4 SD-QRA路由算法

全網(wǎng)拓?fù)浣Y(jié)構(gòu)形成后，控制器執(zhí)行SD-CUQCA算法，傳統(tǒng)WSN原有的扁平平面拓?fù)浔焕鞛閷哟涡头蔷鶆蛲負(fù)洹８鶕?jù)其覆蓋半徑內(nèi)的節(jié)點，建立無向連通圖，如圖3所示。

(8)

圖3 簇頭節(jié)點無向連通圖

通過公式(8)計算其下一跳節(jié)點直到下一跳節(jié)點是Sink為止。大部分滿足QoS需求的路由算法的設(shè)計都是根據(jù)數(shù)據(jù)的不同而采用不同的算法公式實現(xiàn)的，但是其并沒有給出具體的算法公式，并且多個算法公式的輪換會使算法的容錯率降低。本文將多路徑的構(gòu)建融入一個算法，并通過改變不同公式因子的權(quán)重參數(shù)來構(gòu)建不同的路徑，提高了算法的容錯率。表4針對表1給出不同數(shù)據(jù)類型級別的權(quán)重的取值。

表4 不同數(shù)據(jù)類型級別對應(yīng)權(quán)重表

由表4可以看出，本文將權(quán)重的值設(shè)置為0或者1，并根據(jù)其對應(yīng)數(shù)據(jù)級別時延和丟包率的敏感度選取。

控制器根據(jù)表2中每種數(shù)據(jù)級別對應(yīng)的權(quán)重與公式(8)為每種數(shù)據(jù)級別計算下一跳選節(jié)點，形成的路由樹如圖4所示。

圖4 網(wǎng)絡(luò)路由樹初始化圖

如圖4所示，每個簇頭節(jié)點理想情況下存在兩條不同的路徑來傳輸不同數(shù)據(jù)級別的數(shù)據(jù)，也可能出現(xiàn)兩種路徑重疊的情況，經(jīng)過以上過程骨干路由樹建立結(jié)束。值得注意的是，可能會產(chǎn)生簇頭節(jié)點接收到的數(shù)據(jù)并不適合其傳送，當(dāng)發(fā)生這種情況時，簇頭節(jié)點會主動發(fā)送消息給控制器，控制器根據(jù)改數(shù)據(jù)類型和全網(wǎng)拓?fù)鋪碇匦乱?guī)劃路徑并下發(fā)流表規(guī)則轉(zhuǎn)發(fā)該類型數(shù)據(jù)。

2 仿真驗證與結(jié)果分析

針對傳統(tǒng)的無線傳感器QoS路由算法存在的節(jié)點能量消耗過大、很難選取最佳路徑的問題，引入軟件定義無線傳感器網(wǎng)絡(luò)的概念，并使用SDN-WISE架構(gòu)來設(shè)計一種新的SDNQ-WISE路由協(xié)議，包括對數(shù)據(jù)進(jìn)行分級及設(shè)計了一種SD-CUQCA分簇算法和SD-QRA路由算法來實現(xiàn)該路由協(xié)議，并對其進(jìn)行仿真驗證，仿真環(huán)境如表5所示。

表5 仿真參數(shù)明細(xì)表

圖5為簇頭的個數(shù)隨Rmax的改變而改變的情況。

圖5 SD-CUQCA簇頭形成數(shù)量

由圖5可知，當(dāng)控制因子c不變時，Rmax的增大會導(dǎo)致簇頭數(shù)量的減少。由公式(1)可知，Rmax和競爭半徑成正比關(guān)系，競爭半徑越大就會導(dǎo)致簇頭節(jié)點覆蓋的簇成員越多，又因為一個簇頭的競爭半徑內(nèi)不存在同一類簇頭節(jié)點，所以覆蓋整個網(wǎng)絡(luò)所需的簇頭節(jié)點減少，得出簇頭的個數(shù)與Rmax的值成反比的結(jié)論。當(dāng)Rmax不變時，簇頭的個數(shù)會隨著控制因子c的增大而減少，根據(jù)公式(1)，c代表了節(jié)點到基站的距離對該節(jié)點的競爭半徑的控制，c增加競爭半徑隨其增加，使得整個網(wǎng)絡(luò)的簇頭減少。

通過以上分析得出，SD-CUQCA分簇算法的簇頭數(shù)量沒有明顯的抖動，說明整個網(wǎng)絡(luò)的簇分布比較均勻，并沒有發(fā)生Leach協(xié)議中大量簇頭聚集的情況。

圖6描述的是SDN-WISE與SDNQ-WISE協(xié)議運行時間與數(shù)據(jù)丟包率的關(guān)系。

圖6中Class0表示SDN-WISE方案的數(shù)據(jù)、Class1、Class2、Class3和Class4分別表示SDNQ-WISE協(xié)議中表4數(shù)據(jù)級別1、數(shù)據(jù)級別2、數(shù)據(jù)級別3、數(shù)據(jù)級別4數(shù)據(jù)。由圖6可知Class1類型的數(shù)據(jù)與Class3類型的數(shù)據(jù)丟包率明顯低于Class0、Class2和Class5類型數(shù)據(jù)，這是因為Class1與Class3類型數(shù)據(jù)是對丟包率敏感的數(shù)據(jù)，它在向Sink節(jié)點傳輸數(shù)據(jù)時的路徑會考慮節(jié)點的鏈路連通度選擇連通度高的路徑。而Class0表示SDN-WISE數(shù)據(jù)類型，其選擇路徑時并沒有考慮鏈路質(zhì)量只按照最短路徑來傳輸所以其丟包率相對于SDNQ-WISE協(xié)議平均高出1個百分點。Class2和Class5類型數(shù)據(jù)對丟包率不敏感所以其丟包率與Class0類型數(shù)據(jù)相差無幾。由此可得出，SDNQ-WISE降低了對丟包率敏感數(shù)據(jù)的丟包率，有效的提高了網(wǎng)絡(luò)的QoS。

圖6 包率統(tǒng)計圖

圖7描述的是SDN-WISE與SDNQ-WISE協(xié)議的數(shù)據(jù)端到端時延。

圖7 端到端時延

圖7中Class0代表的是SDN-WISE數(shù)據(jù)，Class1、Class2、Class3和Class4分別表示SDNQ-WISE協(xié)議中表4數(shù)據(jù)級別1、數(shù)據(jù)級別2、數(shù)據(jù)級別3、數(shù)據(jù)級別4數(shù)據(jù)。從整體上來看，所有類型的數(shù)據(jù)時延隨著仿真時間的增長而增長。Class2與Class1類型數(shù)據(jù)是對時延敏感的數(shù)據(jù)類型，其時延明顯低于那些對時延不敏感的數(shù)據(jù)類型。Class0代表SDN-WISE方案數(shù)據(jù)時延情況，可以看出其時延要比SDNQ-WISE中Class3和Class4類型數(shù)據(jù)時延要低，比Class1和Class2類型數(shù)據(jù)時延要高。這是因為SDN-WISE原路由方案采取的是最短路徑路由，其在選擇下一跳的時候只考慮了距離因素并沒有考慮節(jié)點的擁塞度，所以其時延要高于既考慮了節(jié)點擁塞度也考慮了距離的Class1與Class2類型數(shù)據(jù)。但是由于Class3與Class4類型數(shù)據(jù)對時延不敏感，其選擇下一跳只考慮了能量因素，所以其時延要高于Class0類型數(shù)據(jù)。綜上，可以得出SDNQ-WISE協(xié)議相對于SDN-WISE提高了特定數(shù)據(jù)類型的時延，有效的提高了網(wǎng)絡(luò)的QoS服務(wù)質(zhì)量。

3 結(jié)論

(1)在SDN-WISE架構(gòu)下設(shè)計一種滿足QoS的SDNQ-WISE路由協(xié)議。

(2)提出了數(shù)據(jù)分級技術(shù)，集中式的非均勻分簇算法和基于數(shù)據(jù)分級的多路徑路由算法。

(3)SD-CUQCA算法有效減少了能量黑洞的產(chǎn)生，考慮節(jié)點擁塞度和節(jié)點鏈路擁塞度，提出了單網(wǎng)雙拓?fù)涞耐負(fù)淠Ｐ蛠硖岣呔W(wǎng)絡(luò)QoS需求，并對仿真數(shù)據(jù)進(jìn)行分析。通過應(yīng)用本文提出的協(xié)議，在應(yīng)對不同的QoS需求的數(shù)據(jù)能夠滿足其需求，提高了傳輸?shù)目煽啃院图皶r性。