姜敏 龔本燦

摘 要：數(shù)據(jù)采集作為移動(dòng)無線傳感網(wǎng)的研究熱點(diǎn)之一，受到廣泛關(guān)注。對數(shù)據(jù)采集中移動(dòng)傳感器節(jié)點(diǎn)法和移動(dòng)Sink法的原理進(jìn)行闡述，并對移動(dòng)Sink法中隨機(jī)移動(dòng)、固定移動(dòng)和受控移動(dòng)的應(yīng)用場景進(jìn)行比較。相對于所有節(jié)點(diǎn)都移動(dòng)的傳感網(wǎng)而言，只有Sink移動(dòng)的無線傳感器網(wǎng)絡(luò)更簡單，應(yīng)用更廣。其中，Sink固定路徑法的成本和能耗低且易于實(shí)現(xiàn)，而Sink受控移動(dòng)法對數(shù)據(jù)的采集更為靈活有效，但其算法也更復(fù)雜且富有挑戰(zhàn)性。

關(guān)鍵詞：移動(dòng)無線傳感網(wǎng);數(shù)據(jù)采集;移動(dòng)傳感器節(jié)點(diǎn)法;移動(dòng)Sink法

DOI：10. 11907/rjdk. 191750 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2019）007-0190-03

Reasearch on Data Gathering for Mobile Wireless Sensor Networks

JIANG Min， GONG Ben-can

（College of Computer & Information， University of Three Gorges， Yichang 443002， China）

Abstract： As one of the hotspots of mobile wireless sensor networks， data gathering has attracted wide attention of researchers. In this paper， the principles of sensor nodes mobility patterns and sink mobility patterns in data gathering are described， and the application scenarios of random， fixed and controlled mobility in Sink mobility patterns are compared. Sink mobility patterns are more widely used compared with the sensor nodes mobility patterns in which all nodes are mobile. The fixed sink mobility has lower cost， lower energy consumption and easier implementation， while the controlled sink mobility is more flexible and effective in data gathering and its algorithm is also more complex and challenging.

Key Words： mobile wireless sensor network; data gathering; sensor nodes mobility patterns; Sink mobility patterns

作者簡介：姜敏（1978-），女，三峽大學(xué)計(jì)算機(jī)與信息學(xué)院碩士研究生，研究方向?yàn)闊o線傳感器網(wǎng)絡(luò);龔本燦（1970-），男，博士，三峽大學(xué)計(jì)算機(jī)與信息學(xué)院教授、碩士生導(dǎo)師，研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)。

0 引言

近年來，無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）在智能家居、智慧交通、災(zāi)情監(jiān)控、農(nóng)田監(jiān)控等方面的應(yīng)用越來越廣泛。WSN通常由大量傳感器節(jié)點(diǎn)和少量或單個(gè)Sink節(jié)點(diǎn)構(gòu)成，傳感器節(jié)點(diǎn)成百上千地部署在監(jiān)控區(qū)域，感知周圍的環(huán)境數(shù)據(jù)，并通過無線電通信的方式將數(shù)據(jù)在節(jié)點(diǎn)間多跳轉(zhuǎn)發(fā)，最終轉(zhuǎn)發(fā)至Sink，由Sink將數(shù)據(jù)提供給用戶。

由于成本問題，傳感器節(jié)點(diǎn)通常體積微小、攜帶能量有限。傳統(tǒng)的WSN中，所有的傳感器節(jié)點(diǎn)和Sink節(jié)點(diǎn)在網(wǎng)絡(luò)部署完畢后位置固定不動(dòng)，靠近Sink的傳感器節(jié)點(diǎn)由于頻繁中轉(zhuǎn)數(shù)據(jù)，容易導(dǎo)致節(jié)點(diǎn)攜帶的能量過早耗盡、局部網(wǎng)絡(luò)甚至整個(gè)網(wǎng)絡(luò)提前失效、網(wǎng)絡(luò)的生存時(shí)間大大縮短。

為盡量緩解這種“能量空洞”現(xiàn)象，提高網(wǎng)絡(luò)的生存時(shí)間，研究人員提出了移動(dòng)傳感器網(wǎng)絡(luò)（Mobile Wireless Sensor Network，MWSN），即在WSN中引入可以移動(dòng)的傳感器節(jié)點(diǎn)[1-4]。實(shí)際生活中，森林火災(zāi)監(jiān)控或地震情況監(jiān)控時(shí)，采用移動(dòng)飛行器節(jié)點(diǎn)或移動(dòng)小車節(jié)點(diǎn)收集靜止傳感器節(jié)點(diǎn)感知的數(shù)據(jù)并將其中轉(zhuǎn)至Sink，即為MWSN的典型應(yīng)用。但是，移動(dòng)傳感器節(jié)點(diǎn)的引入也帶來了新的問題，節(jié)點(diǎn)移動(dòng)速度通常遠(yuǎn)小于數(shù)據(jù)傳輸速度，容易導(dǎo)致數(shù)據(jù)采集延遲、數(shù)據(jù)溢出等現(xiàn)象。因此，數(shù)據(jù)采集方法作為MWSN的研究熱點(diǎn)之一，一直受到廣泛關(guān)注[5-10]。

移動(dòng)傳感器網(wǎng)絡(luò)數(shù)據(jù)采集方法很多，按傳感器節(jié)點(diǎn)類型通常可分為兩類：移動(dòng)傳感器節(jié)點(diǎn)法和移動(dòng)Sink法。按照Sink節(jié)點(diǎn)的移動(dòng)方式，移動(dòng)Sink法又可分為隨機(jī)移動(dòng)、固定移動(dòng)和受控移動(dòng)3類。隨機(jī)移動(dòng)是指Sink的移動(dòng)速度和方向都是隨機(jī)的，感知節(jié)點(diǎn)往往采用“預(yù)先存儲(chǔ)+機(jī)會(huì)轉(zhuǎn)發(fā)”的工作方式;固定移動(dòng)是指Sink以恒定的速度沿預(yù)先設(shè)定或生產(chǎn)的路徑移動(dòng)以開展數(shù)據(jù)收集。通常，該方法適用于節(jié)點(diǎn)均勻分布或近似均勻分布的網(wǎng)絡(luò);受控移動(dòng)是指Sink根據(jù)網(wǎng)絡(luò)實(shí)時(shí)情況和節(jié)點(diǎn)反饋的實(shí)時(shí)信息決定下一步移動(dòng)方向和位置，調(diào)整其移動(dòng)路徑[11]。

1 移動(dòng)傳感器節(jié)點(diǎn)法

移動(dòng)傳感器節(jié)點(diǎn)法是稀疏網(wǎng)絡(luò)中一種非常有效的數(shù)據(jù)采集方法，文獻(xiàn)[12]-文獻(xiàn)[14]對此進(jìn)行了研究。文獻(xiàn)[12]設(shè)定傳感器區(qū)域內(nèi)有一個(gè)Sink節(jié)點(diǎn)和多個(gè)移動(dòng)傳感器節(jié)點(diǎn)，節(jié)點(diǎn)間距離大于節(jié)點(diǎn)的無線通信范圍，部署比較稀疏。針對此模型，提出兩種節(jié)點(diǎn)移動(dòng)方法，以減少節(jié)點(diǎn)移動(dòng)距離，提高數(shù)據(jù)采集吞吐量。第一種方法是基于移動(dòng)距離的靜態(tài)拓?fù)洌―istance-based Static Topology，MST）方法：每個(gè)節(jié)點(diǎn)從數(shù)據(jù)的感應(yīng)位置移動(dòng)到數(shù)據(jù)的傳遞位置，建立多跳采集網(wǎng)進(jìn)行數(shù)據(jù)采集，任務(wù)完成后，節(jié)點(diǎn)重新移回到感應(yīng)位置，準(zhǔn)備下一次數(shù)據(jù)采集，傳遞位置的選定規(guī)則是與采集網(wǎng)連接的移動(dòng)距離最短。第二種方法是最短協(xié)商路由（Shortest Route with Negotiation，SR-N）方法：通過廣播告知已經(jīng)連接到Sink的節(jié)點(diǎn)位置信息，以便其它節(jié)點(diǎn)可以移動(dòng)到最近的傳遞位置加入數(shù)據(jù)采集網(wǎng)，實(shí)現(xiàn)全局移動(dòng)距離最短。文獻(xiàn)[13]在SR-N方法的基礎(chǔ)上提出了SR-N2方法，有效地拓展了節(jié)點(diǎn)之間的初始距離并實(shí)現(xiàn)故障節(jié)點(diǎn)處理;文獻(xiàn)[14]提出了一種使用固定節(jié)點(diǎn)和移動(dòng)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)采集和傳輸（Data Acquisition and Transmission with Fixed and Mobile Node，DATFM）的方法：DATFM方法將感應(yīng)區(qū)域劃分為多個(gè)子區(qū)域，每個(gè)固定節(jié)點(diǎn)負(fù)責(zé)一個(gè)子區(qū)域的數(shù)據(jù)采集，并將其存儲(chǔ)轉(zhuǎn)發(fā)至Sink。子區(qū)域內(nèi)的其它節(jié)點(diǎn)移動(dòng)連接到當(dāng)前區(qū)域的固定節(jié)點(diǎn)傳輸其采集到的數(shù)據(jù)。

移動(dòng)傳感器節(jié)點(diǎn)法適用于稀疏網(wǎng)絡(luò)的數(shù)據(jù)采集，但每個(gè)節(jié)點(diǎn)都移動(dòng)，會(huì)導(dǎo)致節(jié)點(diǎn)對監(jiān)測區(qū)域的感應(yīng)時(shí)間減少，實(shí)時(shí)性較差;且每個(gè)節(jié)點(diǎn)的造價(jià)較高，不適宜大量使用。相比較而言，移動(dòng)Sink法只有少量的節(jié)點(diǎn)移動(dòng)，應(yīng)用范圍更廣。

2 移動(dòng)Sink法

2.1 Sink隨機(jī)移動(dòng)法

文獻(xiàn)[15]針對稀疏傳感器網(wǎng)絡(luò)，提出了一種Data MULEs方案，將網(wǎng)絡(luò)結(jié)構(gòu)分為3層。頂層是固定的Sink節(jié)點(diǎn)，負(fù)責(zé)將接收的數(shù)據(jù)匯總處理并轉(zhuǎn)發(fā)給用戶;中間層是移動(dòng)的Sink，作為中轉(zhuǎn)節(jié)點(diǎn)，接收、緩存數(shù)據(jù)，并將其中轉(zhuǎn)至固定Sink，文中也稱其為MULEs;底層是固定的傳感器節(jié)點(diǎn)，用于感知數(shù)據(jù)并發(fā)送至MULEs。該方案采集數(shù)據(jù)時(shí)，中間層的MULEs隨機(jī)移動(dòng)，近距離接收底層傳感器節(jié)點(diǎn)的感知數(shù)據(jù)，并將其中轉(zhuǎn)至頂層Sink。數(shù)據(jù)的傳輸距離短，以降低網(wǎng)絡(luò)能耗，延長網(wǎng)絡(luò)存活時(shí)間。

Sink隨機(jī)移動(dòng)法中，移動(dòng)Sink的路徑隨機(jī)，不需要專門規(guī)劃，實(shí)現(xiàn)簡單，但可能出現(xiàn)某些區(qū)域的感知數(shù)據(jù)一直沒有被隨機(jī)訪問到，導(dǎo)致數(shù)據(jù)采集區(qū)域的“不完整”，且實(shí)時(shí)性較差。

2.2 Sink固定移動(dòng)法

文獻(xiàn)[16]通過建立最大化最小能耗概率模型，提出了一種最大化最小能耗概率（Maximizing Minimum Probability of Energy Consumption，MMPEC）的數(shù)據(jù)收集方法，其應(yīng)用場景如圖1所示。

圖1 MMPEC應(yīng)用場景

該方法將網(wǎng)絡(luò)模型中的節(jié)點(diǎn)分為兩類，即能單跳直接與Sink通信的匯聚點(diǎn)和其余子節(jié)點(diǎn)。子節(jié)點(diǎn)通過單跳或多跳的方式連接匯聚點(diǎn)，并通過匯聚點(diǎn)向Sink發(fā)送數(shù)據(jù)，Sink輪詢每個(gè)匯聚點(diǎn)完成數(shù)據(jù)采集。MMPEC分布式優(yōu)化所有子節(jié)點(diǎn)到其對應(yīng)匯聚點(diǎn)的路徑長度，使總路徑取得最小值的概率最大，相應(yīng)地總能耗達(dá)到最低的概率也最大。

文獻(xiàn)[17]針對節(jié)點(diǎn)均勻分布的網(wǎng)絡(luò)模型，提出了一種Sink節(jié)點(diǎn)移動(dòng)路徑規(guī)劃算法（Movement Path Optimization Algorithm of Sink Node for Wireless Sensor Networks，MPOA）。MPOA考慮Sink節(jié)點(diǎn)的停留位置和移動(dòng)距離，建立網(wǎng)絡(luò)生存時(shí)間最大化模型，并使用修正混合粒子群算法對該模型求解，從而得到網(wǎng)絡(luò)能耗均衡、生存時(shí)間最優(yōu)的Sink移動(dòng)路徑進(jìn)行數(shù)據(jù)采集。

文獻(xiàn)[18]針對節(jié)點(diǎn)隨機(jī)分布的網(wǎng)絡(luò)模型，提出了一種基于二分法與移動(dòng)Sink的無線傳感網(wǎng)數(shù)據(jù)收集協(xié)議（Protocol based on dichotomy and Mobile Sink，PBDM），其初始移動(dòng)軌跡如圖2（a）所示。

（a）初始移動(dòng)軌跡? ? ? ? ? ? ? ? ? ? ? ?（b）重新二分后的移動(dòng)軌跡

圖2 移動(dòng)Sink軌跡

PBDM首先將模型區(qū)域劃分為面積相等的兩個(gè)子區(qū)域，并采用靜態(tài)Sink與移動(dòng)Sink相結(jié)合的方法進(jìn)行數(shù)據(jù)采集，靜態(tài)Sink始終位于整個(gè)區(qū)域的中心，而移動(dòng)Sink沿兩個(gè)子域的交界線移動(dòng)，如圖2（a）所示。網(wǎng)絡(luò)運(yùn)行過程中，節(jié)點(diǎn)能量逐漸耗盡而導(dǎo)致不斷死亡。當(dāng)子區(qū)域1（包含1.1-1.4）的節(jié)點(diǎn)存活率小于某個(gè)常數(shù)時(shí)，對子區(qū)域2（包含2.1-2.4）重新進(jìn)行二分，并選擇新的交界線作為移動(dòng)Sink的移動(dòng)路線，如圖2（b）所示，依此重復(fù)。PBDM在進(jìn)行數(shù)據(jù)采集時(shí)，對比節(jié)點(diǎn)到靜態(tài)Sink、移動(dòng)Sink的距離，選擇最小距離進(jìn)行數(shù)據(jù)傳輸，以延長網(wǎng)絡(luò)存活時(shí)間。此外，分別考慮單個(gè)Sink沿交界線移動(dòng)以及4個(gè)Sink沿交界線移動(dòng)的情況。結(jié)果證明，4個(gè)移動(dòng)Sink的方法在網(wǎng)絡(luò)生存時(shí)間、數(shù)據(jù)收集效率方面更優(yōu)于單Sink移動(dòng)的方法。

Sink固定移動(dòng)法中，預(yù)先有針對性地對移動(dòng)Sink的軌跡進(jìn)行優(yōu)化固定，以延長網(wǎng)絡(luò)的生存時(shí)間，更具實(shí)用性，但對數(shù)據(jù)延遲因素考慮較少，實(shí)時(shí)性不強(qiáng)。

2.3 Sink受控移動(dòng)法

文獻(xiàn)[19]提出了一種無線傳感網(wǎng)移動(dòng)數(shù)據(jù)采集的三層框架方案，將網(wǎng)絡(luò)分為傳感器層、簇頭層和移動(dòng)Sink層。在傳感器層，采用分布式負(fù)載均衡分簇（Load Balanced Clustering，LBC）算法進(jìn)行節(jié)點(diǎn)的自組織分簇，每個(gè)簇內(nèi)產(chǎn)生多個(gè)簇頭。在簇頭層，多個(gè)簇頭間協(xié)調(diào)工作，以實(shí)現(xiàn)簇內(nèi)節(jié)能通信和簇間網(wǎng)絡(luò)連通。在移動(dòng)Sink層，選定Sink在每個(gè)簇中的停留位置，優(yōu)化其移動(dòng)軌跡，有效地從簇頭接收數(shù)據(jù)，并將其傳輸?shù)焦潭ɑ尽Ｒ苿?dòng)Sink收集數(shù)據(jù)時(shí)，采用多入多出（Multiple-Input Multiple-Output，MIMO）技術(shù)，以減小數(shù)據(jù)延遲。

文獻(xiàn)[20]針對數(shù)據(jù)延遲受限的無線傳感網(wǎng)，提出了一種啟發(fā)式加權(quán)集合規(guī)劃（Weighted Rendezvous Planning，WRP）。為延長網(wǎng)絡(luò)存活時(shí)間，WRP考慮中轉(zhuǎn)節(jié)點(diǎn)的負(fù)載，給網(wǎng)絡(luò)中每個(gè)傳感器節(jié)點(diǎn)分配一個(gè)加權(quán)值，依此選擇不超過最大負(fù)載代價(jià)的節(jié)點(diǎn)成為匯聚節(jié)點(diǎn)（Rendezvous Point，RP）。在此基礎(chǔ)上，考慮減小數(shù)據(jù)延遲，采用旅行商算法獲得Sink遍歷所有RP節(jié)點(diǎn)的最短路徑。

文獻(xiàn)[21]針對節(jié)點(diǎn)隨機(jī)分布的矩形網(wǎng)絡(luò)模型，提出了一種基于簇間Dubins 平滑曲線的移動(dòng)數(shù)據(jù)采集算法，其數(shù)據(jù)采集框架如圖3所示。

圖3 移動(dòng)數(shù)據(jù)采集框架

該算法首先采用LEACH分簇思想，將監(jiān)測區(qū)域分成若干個(gè)簇;其次求出每個(gè)簇的質(zhì)心和簇內(nèi)節(jié)點(diǎn)的平均剩余能量，依此確定每個(gè)簇的數(shù)據(jù)采集點(diǎn)，即距離質(zhì)心最近且剩余能量不低于平均剩余能量的節(jié)點(diǎn);隨后，簇內(nèi)節(jié)點(diǎn)采用Prim算法構(gòu)造最小生成樹多跳路徑，將數(shù)據(jù)中轉(zhuǎn)到數(shù)據(jù)采集點(diǎn)緩存;最后，移動(dòng)Sink沿規(guī)劃好的Dubins 平滑曲線遍歷數(shù)據(jù)采集點(diǎn)，完成數(shù)據(jù)采集。為縮短遍歷路徑，降低數(shù)據(jù)延遲，采集點(diǎn)的遍歷次序通過遺傳算法求解旅行商問題確定，曲線的起止點(diǎn)通過最優(yōu)方式組合選取。

Sink受控移動(dòng)法在考慮延長網(wǎng)絡(luò)生存時(shí)間的同時(shí)，著重降低數(shù)據(jù)采集延遲，更具實(shí)時(shí)性，但算法也更復(fù)雜。

3 結(jié)語

隨著無線傳感器制造技術(shù)的持續(xù)進(jìn)步和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，越來越多的移動(dòng)傳感網(wǎng)應(yīng)用于人們的生活中。從農(nóng)田監(jiān)測到火災(zāi)或地震災(zāi)情監(jiān)控，移動(dòng)傳感網(wǎng)的應(yīng)用前景愈加廣泛。通常用3個(gè)性能標(biāo)準(zhǔn)衡量一個(gè)有效的移動(dòng)傳感網(wǎng)數(shù)據(jù)采集方法：網(wǎng)絡(luò)能耗、數(shù)據(jù)延遲和數(shù)據(jù)傳輸可靠性。針對不同的應(yīng)用場景，需要最大化不同的性能指標(biāo)，不存在適用于所有場景的移動(dòng)傳感網(wǎng)數(shù)據(jù)采集方法。

相對于所有節(jié)點(diǎn)都移動(dòng)的移動(dòng)傳感器節(jié)點(diǎn)法而言，只有Sink移動(dòng)的無線傳感器網(wǎng)絡(luò)更簡單，應(yīng)用更廣。Sink移動(dòng)法中，隨機(jī)移動(dòng)省去了路徑規(guī)劃的開銷，但是由此導(dǎo)致的不確定性增強(qiáng)，容易產(chǎn)生數(shù)據(jù)采集盲區(qū)，無法進(jìn)行有針對性的數(shù)據(jù)采集，且不能保證實(shí)時(shí)性;固定移動(dòng)可以有針對性地采集數(shù)據(jù)并規(guī)劃路徑，具有更強(qiáng)的實(shí)用性，但移動(dòng)路徑無法調(diào)整，導(dǎo)致移動(dòng)軌跡附近的節(jié)點(diǎn)能耗較重，與隨機(jī)移動(dòng)相比，“能量空洞”現(xiàn)象的緩解效果較差;受控移動(dòng)的數(shù)據(jù)采集方法著重于實(shí)時(shí)性，即延遲受限。與其它兩種移動(dòng)方法相比，該類算法更靈活，也更復(fù)雜，且更具挑戰(zhàn)性[11]。

參考文獻(xiàn)：

[1] 莫文杰，鄭霖. 優(yōu)化網(wǎng)絡(luò)生命周期和最短化路徑的WSN移動(dòng)sink路徑規(guī)劃算法[J]. 計(jì)算機(jī)應(yīng)用，2017（8）：2150-2156.

[2] 常李，管有慶. 移動(dòng)匯聚節(jié)點(diǎn)在倉儲(chǔ)中的數(shù)據(jù)采集技術(shù)及應(yīng)用[J]. 計(jì)算機(jī)技術(shù)與發(fā)展，2018，28（11）：168-172.

[3] 楊鶯，楊武德，吳華瑞，等. 基于移動(dòng)sink的農(nóng)田無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集策略[J]. 計(jì)算機(jī)科學(xué)，2019，46（4）：106-111.

[4] ZHU C，SHU L，HARA T，et al. A survey on communication and data management issues in mobile sensor networks[J].? Wireless Communications & Mobile Computing， 2014，14（1）：19-36.

[5] 王麗君，蔣林華，景鑫，等. 基于社會(huì)屬性的移動(dòng)Sink數(shù)據(jù)收集機(jī)制研究[J]. 軟件導(dǎo)刊，2017，16（2）：144-146.

[6] YAN Y，MOSTOFI Y. Efficient clustering and path planning strategies for robotic data collection using space-filling curves[J]. IEEE Transactions on Control of Network Systems， 2017，4（4）：838-849.

[7] ANG L M，SENG J K P，ZUNGERU A M. Optimizing energy consumption for big data collection in large-scale wireless sensor networks with mobile collectors[J]. IEEE Systems Journal，2017，12（1）： 616-626.

[8] YANG S，ADEEL U， TAHIR Y， et al. Practical opportunistic data collection in wireless sensor networks with mobile sinks[J].? IEEE Transactions on Mobile Computing，2016，16（5）：1420-1433.

[9] WEN W，ZHAO S，SHANG C，et al. EAPC： Energy-aware path construction for data collection using mobile sink in wireless sensor networks[J].? IEEE Sensors Journal， 2018，18（2）：890-901.

[10] KISHOR PATIL，KOEN TURCK，DIETER FIEMS. Optimal data collection in wireless sensor networks with correlated energy harvesting[J]. Annals of Telecommunications，2019，74（5-6）：299-310.

[11] 楊瑞. 基于能耗均衡的無線傳感網(wǎng)移動(dòng)Sink數(shù)據(jù)收集技術(shù)研究[D]. 南京：南京郵電大學(xué)，2018.

[12] SHINJO T，KITAJIMA S，OGAWA T，et al. Mobile sensor control methods for reducing power consumption in sparse sensor network[C].? 2008 Ninth International Conference on Mobile Data Management Workshops（MDMW）， 2008.

[13] SHINJO T， KITAJIMA S， OGAWA T， et al. A mobile sensor control method considering node failures in sparse sensor network[C]. 2009 International Conference on Complex， Intelligent and Software Intensive Systems，2009.

[14] T REEPRAPIN K， KANZAKI A，HARA T，et al. An effective mobile sensor control method for sparse sensor networks[J]. SENSORS，2009（9）： 327-354.

[15] SHAH RC，ROY S，BRUNETTE W. Data MULEs：modeling a three-tier architecture for sparse sensor networks[C]. Proceedings of the First IEEE International Workshop on Sensor Network Protocols and Applications， 2003.

[16] 徐佳，馮鑫，楊富貴，等. 最大化最小能耗概率的移動(dòng)Sink無線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集方法[J]. 電子學(xué)報(bào)，2015，43（12）：2470-2475.

[17] 陳友榮，陸思一，任條娟，等. 一種無線傳感網(wǎng)的Sink節(jié)點(diǎn)移動(dòng)路徑規(guī)劃算法研究[J]. 傳感技術(shù)學(xué)報(bào)，2017，30（12）：1933-1940.

[18] 梁青，焦峰. WSN中基于二分法與移動(dòng)Sink的數(shù)據(jù)收集協(xié)議[J]. 計(jì)算機(jī)工程，2016，42（12）：39-43.

[19] ZHAO M，YANG Y Y.A framework for mobile data gathering with load balanced clustering and MIMO uploading[C]. In： Proceedings of the IEEE INFOCOM Conference，2011： 2759-2767.

[20] SALARIAN H， CHIN K W， NAGHDY F， et al. An energy-efficient mobile-sink path selection strategy for wireless sensor networks[J]. IEEE Transaction on Vehicular Technology，2014，63（5）：2407-2419.

[21] 張美燕，蔡文郁. 基于Dubins曲線的無線傳感網(wǎng)聚類移動(dòng)數(shù)據(jù)采集算法[J]. 傳感技術(shù)學(xué)報(bào)，2019，32（4）：603-609.

（責(zé)任編輯：孫 娟）