顧昊倫, 趙國榮, 韓 旭, 高 超

(1.海軍航空大學(xué)岸防兵學(xué)院, 山東 煙臺 264001; 2.中國人民解放軍第91001部隊, 北京 100854)

0 引 言

無線網(wǎng)絡(luò)技術(shù)的發(fā)展與推廣使得各導(dǎo)航平臺可以借助平臺間的組網(wǎng)與信息協(xié)同,在不大幅度增加單個平臺硬件負(fù)載的前提下,完成單個平臺難以實現(xiàn)的各類任務(wù)[1]。組網(wǎng)導(dǎo)航系統(tǒng)(networked navigation systems, NNSs)正是以導(dǎo)航體傳感器網(wǎng)絡(luò)為中心,依托于組網(wǎng)節(jié)點(diǎn)間導(dǎo)航信息的協(xié)作量測,通過無線交互及信息共享實現(xiàn)網(wǎng)絡(luò)內(nèi)整體導(dǎo)航性能的提升。

實現(xiàn)組網(wǎng)導(dǎo)航的基礎(chǔ)是針對導(dǎo)航體傳感器網(wǎng)絡(luò)設(shè)計一套高效的組網(wǎng)通信協(xié)議。其中,路由協(xié)議位于網(wǎng)絡(luò)層,是實現(xiàn)NNSs從小尺度網(wǎng)絡(luò)與短距傳輸邁向大范圍組網(wǎng)與長距傳輸?shù)年P(guān)鍵機(jī)制。與傳統(tǒng)Ad-hoc網(wǎng)絡(luò)相比,NNSs路由協(xié)議的設(shè)計難點(diǎn)為[2]:① 通信服務(wù)類型多種多樣;② 服務(wù)質(zhì)量(quality of service, QoS)傳輸需求;③ 節(jié)點(diǎn)能量受限更為明顯;④ 低通信時滯需求。

針對問題①和問題②,文獻(xiàn)[3-5]綜合協(xié)作通信和QoS路由,分別以不同目標(biāo)設(shè)計了相應(yīng)的協(xié)作QoS路由協(xié)議,實現(xiàn)了差異化服務(wù)的策略,提高了帶寬利用率并降低了干擾/串聽等。但文獻(xiàn)[3-5]并未在路由協(xié)議的設(shè)計中量化QoS指標(biāo),且并未建立協(xié)作傳輸和多跳傳輸對空間復(fù)用率及吞吐量的影響模型等。文獻(xiàn)[6]則針對上述缺點(diǎn),以三維地理柵格和受控虛擬節(jié)點(diǎn)為基礎(chǔ),將Ebbinghaus記憶原理引入路由搜索的效能優(yōu)化,設(shè)計了一種基于三維地理柵格的衰減記憶協(xié)作QoS路由協(xié)議(fading memory cooperative QoS routing protocol based on three-dimensional geographic grid,FMCQR),實現(xiàn)了對先驗路由信息的高效利用。但文獻(xiàn)[6]主要解決的仍是問題①和問題②,并未將節(jié)點(diǎn)能量受限考慮到設(shè)計目標(biāo)中。因此,盡管其考慮了低通信時滯需求,但當(dāng)其算法應(yīng)用至NNSs這種大范圍多節(jié)點(diǎn)組網(wǎng)的情形時,網(wǎng)絡(luò)能量的迅速衰減使得通信時滯問題反而更加嚴(yán)重。

針對問題③和問題④,文獻(xiàn)[7]在低功能耗自適應(yīng)集簇分層型(low energy adaptive clustering hierarchy,LEACH)協(xié)議的基礎(chǔ)上,提出了一種LEACH-DCHS算法,僅從剩余能量多的節(jié)點(diǎn)中選取簇頭。但隨著網(wǎng)絡(luò)的運(yùn)行,該種算法將會導(dǎo)致簇頭的數(shù)量急劇下降,影響網(wǎng)絡(luò)穩(wěn)定性。文獻(xiàn)[8]考慮文獻(xiàn)[7]中的缺陷,重新構(gòu)造閾值函數(shù),優(yōu)先選取剩余能量高的節(jié)點(diǎn)為簇頭。但在網(wǎng)絡(luò)運(yùn)行的初始階段,該種算法將會導(dǎo)致簇頭數(shù)量爆炸。因此,從控制簇頭數(shù)量的變化相對平穩(wěn)這一角度,文獻(xiàn)[9]和文獻(xiàn)[10]分別提出了集中式LEACH協(xié)議和基于窗口滑動和動態(tài)節(jié)點(diǎn)數(shù)目的改進(jìn)LEACH協(xié)議算法控制簇頭期望數(shù)目始終在最優(yōu)范圍內(nèi)。文獻(xiàn)[7-10]在分簇路由協(xié)議的基礎(chǔ)上,從簇頭選取的角度對問題③提出解決方案,優(yōu)化了網(wǎng)絡(luò)的整體運(yùn)行效率。但均普遍存在簇頭分布過于集中、過于偏向,動態(tài)分簇引入額外開銷以及匯聚節(jié)點(diǎn)附近的能量空洞等問題。文獻(xiàn)[11]針對上述問題提出了節(jié)能非均勻分簇(energy-efficient uneven clustering,EEUC)協(xié)議,優(yōu)化了簇頭分布,緩解了能量空洞問題。但成簇能耗過大,且隨著網(wǎng)絡(luò)的運(yùn)行會導(dǎo)致遠(yuǎn)離匯聚節(jié)點(diǎn)的簇群能量加速衰減,因此并未從本質(zhì)上解決能量空洞問題。

針對文獻(xiàn)[7-11]暴露出的問題,文獻(xiàn)[12]證明了具有隨機(jī)或受控移動匯聚節(jié)點(diǎn)的Ad-hoc網(wǎng)絡(luò)負(fù)載更加均勻、能耗更低、生命周期更長。文獻(xiàn)[13]提出了一種基于隨機(jī)移動匯聚節(jié)點(diǎn)的準(zhǔn)集中式分簇(quasi centralized clustering approach,QCCA)協(xié)議。該協(xié)議首先將網(wǎng)絡(luò)劃分為不同區(qū)域,區(qū)域內(nèi)高能量節(jié)點(diǎn)優(yōu)先成為簇頭,僅當(dāng)匯聚節(jié)點(diǎn)移動至某一區(qū)域時由該區(qū)域內(nèi)的簇頭將信息融合發(fā)送至匯聚節(jié)點(diǎn)。但該種算法極有可能導(dǎo)致某一輪中匯聚節(jié)點(diǎn)無法訪問所有區(qū)域,通信時滯問題反而加劇。文獻(xiàn)[14]則通過選取代理節(jié)點(diǎn)的方式,提出了一種移動基站匯聚(sink mobility support,SMS)協(xié)議,但若代理節(jié)點(diǎn)死亡,路由重構(gòu)將會造成較大時滯。文獻(xiàn)[15]綜合中繼跳數(shù),移動匯聚節(jié)點(diǎn)的行程長度和節(jié)點(diǎn)剩余能量提出了一種能量感知自界跳數(shù)算法(energy aware bounded hop count algorithm,EABHCA)協(xié)議,該算法具有時滯低的特點(diǎn),但其能耗和吞吐量方面性能均一般,不適用于NNSs這種大規(guī)模網(wǎng)絡(luò)。

本文綜合考慮上述文獻(xiàn)中的優(yōu)缺點(diǎn),以隨機(jī)移動匯聚節(jié)點(diǎn)為基礎(chǔ),將整個網(wǎng)絡(luò)區(qū)域分為匯聚節(jié)點(diǎn)為中心的交叉區(qū)域和非交叉區(qū)域。交叉區(qū)域內(nèi)的節(jié)點(diǎn)為骨干節(jié)點(diǎn),通過構(gòu)建路由樹將數(shù)據(jù)傳遞給匯聚節(jié)點(diǎn);非交叉區(qū)域內(nèi)的節(jié)點(diǎn)通過鏈?zhǔn)椒执貙崿F(xiàn)數(shù)據(jù)傳遞并與骨干節(jié)點(diǎn)建立聯(lián)系。CRTCC路由協(xié)議旨在解決以下4個問題:① 通過移動匯聚節(jié)點(diǎn)的方式提高網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的利用率及能量節(jié)省率;② 通過建立路由樹的方式提高網(wǎng)絡(luò)運(yùn)行效率,降低通信時滯;③ 通過鏈?zhǔn)椒执氐姆绞竭M(jìn)一步降低通信時滯;④ 通過優(yōu)化鏈?zhǔn)椒执厮惴ń档突旌蠈哟捂準(zhǔn)椒执乜赡軒淼哪芎倪^大的問題。

1 問題描述

1.1 網(wǎng)絡(luò)模型

設(shè)NNSs共有N個節(jié)點(diǎn)及1個匯聚節(jié)點(diǎn)。節(jié)點(diǎn)主要用于收集、處理和傳遞測距信息和導(dǎo)航信息,具有有限的能量、存儲空間,通信能力一般;匯聚節(jié)點(diǎn)主要用于收集并向用戶傳遞節(jié)點(diǎn)的導(dǎo)航信息,其能量供應(yīng)不受限制,存儲空間足夠,通信能力較強(qiáng)。節(jié)點(diǎn)獲取測距信息的方式為基于信號到達(dá)時間(time of arrival,TOA)法的組網(wǎng)測距[16],解算導(dǎo)航信息包括解算位置信息和姿態(tài)信息,分別采取DMDG-3D球面定位算法[17]和四元數(shù)UKF姿態(tài)估計算法[18]。

設(shè)初始時刻之前,網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)通過文獻(xiàn)[19]設(shè)計的NNSs通信協(xié)議均獲取了初始導(dǎo)航信息并建立了網(wǎng)絡(luò)空間局部坐標(biāo)系。設(shè)局部坐標(biāo)系下x軸范圍為[0,X],y軸范圍為[0,Y],z軸范圍為[0,Z]。

基于移動匯聚節(jié)點(diǎn)的交叉路由樹構(gòu)建及鏈?zhǔn)椒执叵嘟Y(jié)合的路由算法(routing algorithm combining cross routing tree construction based on mobile sink and chain clustering, CRTCC)協(xié)議采取了“輪”的概念,每一輪包括一個設(shè)置階段和一個穩(wěn)態(tài)階段。在設(shè)置階段,首先構(gòu)建一個以移動匯聚節(jié)點(diǎn)為中心的交叉區(qū)域,區(qū)域內(nèi)的節(jié)點(diǎn)為骨干節(jié)點(diǎn),然后根據(jù)距離和剩余能量建立路由樹,最后通過鏈?zhǔn)椒执厮惴▽⒎墙徊鎱^(qū)域內(nèi)的節(jié)點(diǎn)分為多個簇群。在穩(wěn)態(tài)階段,普通節(jié)點(diǎn)將信息傳遞給對應(yīng)的簇頭,由簇頭將收集到的信息融合處理后傳遞給骨干節(jié)點(diǎn),最后骨干節(jié)點(diǎn)通過路由樹將信息傳遞給匯聚節(jié)點(diǎn)。與此同時,穩(wěn)態(tài)階段刷新所有節(jié)點(diǎn)的導(dǎo)航信息,作為下一輪設(shè)置階段的信息基礎(chǔ)。圖1即為某一輪中CRTCC構(gòu)建的網(wǎng)絡(luò)結(jié)構(gòu)示意圖,其中以匯聚節(jié)點(diǎn)為中心的正方體向6個邊界面延拓后得到的3個長方體區(qū)域的并集即為交叉區(qū)域。

圖1 CRTCC構(gòu)建的網(wǎng)絡(luò)結(jié)構(gòu)

1.2 能量模型

與Ad-Hoc網(wǎng)絡(luò)類似,NNSs節(jié)點(diǎn)在傳輸數(shù)據(jù)的過程中消耗的能量遠(yuǎn)遠(yuǎn)大于計算所消耗的能量,因此采取一階無線電模型[20]計算節(jié)點(diǎn)消耗的能量。能耗計算公式如下所示：

(1)

式中:ET(k,d)表示某一節(jié)點(diǎn)將k-bits數(shù)據(jù)包發(fā)送到d以外另一節(jié)點(diǎn)的能耗;ER(k)表示某一節(jié)點(diǎn)接受k-bits數(shù)據(jù)包的能耗;Ee表示某一節(jié)點(diǎn)驅(qū)動和控制其電子元件的能耗;Ea表示某一節(jié)點(diǎn)維持無線電可靠傳輸?shù)哪芎?。Ea表達(dá)式如下所示:

(2)

式中:εf代表自由空間模型下的信號衰減因子;εm代表多徑模型下的信號衰減因子;d0表達(dá)式如下所示:

(3)

2 CRTCC路由協(xié)議算法

CRTCC路由協(xié)議將網(wǎng)絡(luò)運(yùn)行時間分為多輪,在每一輪的設(shè)置階段包含5個步驟。

步驟 1匯聚節(jié)點(diǎn)路徑規(guī)劃及各節(jié)點(diǎn)鄰居庫更新。

步驟 2交叉區(qū)域構(gòu)建。

步驟 3交叉區(qū)域節(jié)點(diǎn)生成路由樹。

步驟 4非交叉區(qū)域節(jié)點(diǎn)簇頭選取。

步驟 5構(gòu)建簇結(jié)構(gòu)及路徑選擇。

在隨后的穩(wěn)態(tài)階段,各節(jié)點(diǎn)收集的測距信息及導(dǎo)航信息根據(jù)設(shè)置階段的路由轉(zhuǎn)發(fā)到相應(yīng)節(jié)點(diǎn)進(jìn)行計算與融合。穩(wěn)態(tài)階段除了完成向匯聚節(jié)點(diǎn)發(fā)送用戶指定的導(dǎo)航信息外,還需要完成各節(jié)點(diǎn)導(dǎo)航信息的刷新,作為下一輪設(shè)置階段的信息基礎(chǔ)。

2.1 匯聚節(jié)點(diǎn)路徑規(guī)劃及各節(jié)點(diǎn)鄰居庫更新

算法 1匯聚節(jié)點(diǎn)路徑規(guī)劃

(4)

圖2 式(4)中各角定義圖

(5)

算法 2鄰居庫更新

由算法1、算法2可知,算法1的時間復(fù)雜度為T(1),空間復(fù)雜度為O(1);算法2的時間復(fù)雜度為T(n2),空間復(fù)雜度為O(1)。

2.2 交叉區(qū)域構(gòu)建

記以匯聚節(jié)點(diǎn)為中心的正方體邊長為l,0

算法 3交叉區(qū)域構(gòu)建

記φ為交叉區(qū)域內(nèi)節(jié)點(diǎn)(骨干節(jié)點(diǎn))坐標(biāo)的集合。根據(jù)點(diǎn)到平面距離公式可得dsBk表達(dá)式如下：

(6)

情景 1?k∈{1,2,…,6},dsBk≥0.5l

此情景對應(yīng)的交叉區(qū)域示意圖如圖3所示。

圖3 情景1對應(yīng)交叉區(qū)域

定義U(x,δ)為x的δ領(lǐng)域,U(x,δ)的具體含義為U(x,δ)=[x-δ,x+δ],則根據(jù)圖3可知φ的表達(dá)式如下所示：

(7)

情景 2?k∈{1,2,…,6},s.t.dsBk<0.5l

此情景共有6種情況,圖4為k=1(即匯聚節(jié)點(diǎn)與y=0平面距離小于0.5l)時情景2對應(yīng)的交叉區(qū)域示意圖。

圖4 情景2對應(yīng)交叉區(qū)域(k=1)

k取其余值時可類比推得。因此,k=1,2,…,6時，φ的表達(dá)式分別如下所示：

(8)

(9)

(10)

(11)

(12)

(13)

情景 3當(dāng)匯聚節(jié)點(diǎn)與兩個相鄰邊界面的距離同時小于0.5l。不防設(shè)這兩個相鄰邊界面為Bk和Bp。

此情景共有12種情況,分別為k=1,p=2;k=1,p=4;k=1,p=5;k=1,p=6;k=2,p=3;k=2,p=5;k=2,p=6;k=3,p=4;k=3,p=5;k=3,p=6;k=4,p=5;k=4,p=6。圖5為k=1,p=2時情景3對應(yīng)交叉區(qū)域示意圖。

圖5 情景3對應(yīng)交叉區(qū)域(k=1,p=2)

當(dāng)k=1,p=2時:

(14)

當(dāng)k=1,p=4時:

(15)

當(dāng)k=1,p=5時:

(16)

當(dāng)k=1,p=6時:

(17)

當(dāng)k=2,p=3時:

(18)

當(dāng)k=2,p=5時:

(19)

當(dāng)k=2,p=6時:

(20)

當(dāng)k=3,p=4時:

(21)

當(dāng)k=3,p=5時:

(22)

當(dāng)k=3,p=6時:

(23)

當(dāng)k=4,p=5時:

(24)

當(dāng)k=4,p=6時:

(25)

情景 4當(dāng)匯聚節(jié)點(diǎn)與3個兩兩相鄰邊界面的距離同時小于0.5l時。不防設(shè)這3個兩兩相鄰邊界面為Bk、Bp和Bq。

此情景共有8種情況,分別為k=1,p=2,q=5;k=1,p=2,q=6;k=2,p=3,q=5;k=2,p=3,q=6;k=3,p=4,q=5;k=3,p=4,q=6;k=4,p=1,q=5;k=4,p=1,q=6。圖6為k=4,p=1,q=6時情景4對應(yīng)交叉區(qū)域示意圖。

圖6 時情景4對應(yīng)交叉區(qū)域(k=4,p=1,q=6)

k,p,q取其余值時可類比推得。沿用情景3中的定義,情景4下φ的表達(dá)式如下所示。

當(dāng)k=1,p=2,q=5時:

(26)

當(dāng)k=1,p=2,q=6時:

(27)

當(dāng)k=2,p=3,q=5時:

(28)

當(dāng)k=2,p=3,q=6時:

(29)

當(dāng)k=3,p=4,q=5時:

(30)

當(dāng)k=3,p=4,q=6時:

(31)

當(dāng)k=4,p=1,q=5時:

(32)

當(dāng)k=4,p=1,q=6時:

(33)

綜上易知算法3的時間復(fù)雜度為T(n),空間復(fù)雜度為O(1)。

2.3 路由樹生成

算法 4路由樹生成

路由樹的構(gòu)建過程一共分為5個步驟。

(34)

重復(fù)上述所有步驟直至路由樹所有分支構(gòu)造完畢。上述步驟是以圖3所示交叉區(qū)域為例,算法3中生成的其他類型交叉區(qū)域均可采用類似算法4的方法得到相應(yīng)的路由樹。算法4的時間復(fù)雜度為T(n),空間復(fù)雜度為O(1)。

2.4 簇頭選取

算法 5簇頭選取

CRTCC協(xié)議進(jìn)入成簇階段后,非交叉區(qū)域內(nèi)各節(jié)點(diǎn)隨機(jī)產(chǎn)生一個0到1之間的數(shù)字,隨機(jī)數(shù)小于閾值τ(η)的節(jié)點(diǎn)選為簇頭。

CRTCC協(xié)議在LEACH協(xié)議的基礎(chǔ)上,在簇頭選取時綜合考慮節(jié)點(diǎn)剩余能量以及節(jié)點(diǎn)和簇頭之間的位置關(guān)系。閾值函數(shù)τ(η)表達(dá)式如下所示：

(35)

(36)

θ角的引入是為了避免路徑選擇時,多個簇頭與匯聚節(jié)點(diǎn)的連線重疊或者夾角很小,導(dǎo)致這些簇頭向匯聚節(jié)點(diǎn)派出的螞蟻進(jìn)行尋優(yōu)的路徑重合率較高,最終導(dǎo)致重合路徑上的節(jié)點(diǎn)能耗過大、快速死亡。設(shè)θ角定義為:① 當(dāng)網(wǎng)絡(luò)內(nèi)沒有簇頭時,θ=0;② 當(dāng)網(wǎng)絡(luò)內(nèi)僅有一個簇頭時,候選簇頭與匯聚節(jié)點(diǎn)的連線同已選簇頭與匯聚節(jié)點(diǎn)的連線之間的夾角的倒數(shù)為θ;③ 當(dāng)網(wǎng)絡(luò)內(nèi)存在兩個及兩個以上簇頭時,若候選簇頭與匯聚節(jié)點(diǎn)的連線在某兩個已選簇頭與匯聚節(jié)點(diǎn)的連線構(gòu)成的平面內(nèi),且在這兩根連線構(gòu)成的銳角區(qū)域范圍內(nèi)沒有第3根已選簇頭與匯聚節(jié)點(diǎn)的連線,則這兩根已選簇頭與匯聚節(jié)點(diǎn)連線的角平分線同候選簇頭與匯聚節(jié)點(diǎn)連線的夾角為θ。否則取候選簇頭與匯聚節(jié)點(diǎn)的連線同所有已選簇頭與匯聚節(jié)點(diǎn)的連線夾角的最小值的倒數(shù)為θ。

2.5 構(gòu)建簇結(jié)構(gòu)及路徑選擇

簇頭選取完成后,開始構(gòu)建簇結(jié)構(gòu)。為增強(qiáng)網(wǎng)絡(luò)穩(wěn)定性,提高魯棒性,簇結(jié)構(gòu)采取混合層次網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。具體算法如下。

算法 6構(gòu)建簇結(jié)構(gòu)

步驟 4重復(fù)上述步驟1～步驟3,直到所有簇頭全部完成初步的簇結(jié)構(gòu)構(gòu)建。

步驟 6重復(fù)步驟5,直到所有普通節(jié)點(diǎn)均能以單跳形式入簇。在此過程中,若有某個普通節(jié)點(diǎn)連續(xù)ω次尋找到同一個與自身距離最近的簇節(jié)點(diǎn),則令該普通節(jié)點(diǎn)直接以單跳方式與此簇節(jié)點(diǎn)連接入簇。

步驟 7依次遍歷六條路由樹分支上所有骨干節(jié)點(diǎn)(包括匯聚節(jié)點(diǎn))的鄰居庫,將其中屬于非交叉區(qū)域的節(jié)點(diǎn)找出并令其以單跳方式與自身建立連接。若有同一個非交叉區(qū)域內(nèi)的節(jié)點(diǎn)與多個骨干節(jié)點(diǎn)建立連接,則選取距離最小的。至此鏈?zhǔn)交旌蠈哟未厝航Y(jié)構(gòu)與路由樹建立連接。

由上述步驟可知,ω可以用來控制成簇收斂速度。由于是混合層次網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),普通節(jié)點(diǎn)之間、簇頭與普通節(jié)點(diǎn)之間均可以進(jìn)行通信,路徑選擇具有多樣性。因此，通過算法7改進(jìn)蟻群算法給出路徑選擇的依據(jù)。

算法 7路徑選擇

(37)

(38)

(39)

(40)

(41)

(42)

由式(40)～式(42)可知,CRTCC協(xié)議在信息素更新前,螞蟻先按照自身路徑長度進(jìn)行排名,路徑短的排在前面,且由于系數(shù)加權(quán),排在前面的螞蟻會釋放更多信息素,加快路徑選擇速度。

綜上算法1～算法7構(gòu)成了CRTCC路由協(xié)議。

3 算例仿真

本文應(yīng)用Matlab平臺,共分4種不同的場景進(jìn)行仿真,分別記為NNS#1、NNS#2、NNS#3、NNS#4,網(wǎng)絡(luò)區(qū)域大小為50 m×50 m×50 m、50 m×50 m×50 m、100 m×100 m×100 m、200 m×200 m×200 m.節(jié)點(diǎn)數(shù)量為50、100、100、150,各節(jié)點(diǎn)初始能量均為1 J,Ee=40 nJ/bit,εf=20 pJ/bit/m2,εm=0.002 pJ/bit/m4,導(dǎo)航信息數(shù)據(jù)包大小為4 096 bit,其余數(shù)據(jù)包(包括測距包、控制包、廣播包等)大小為196 bit。假設(shè)節(jié)點(diǎn)剩余能量小于1%時死亡,節(jié)點(diǎn)隨機(jī)散布在網(wǎng)絡(luò)空間。

本文采取文獻(xiàn)[21]中提及的樹型鏈?zhǔn)椒蔷鶆蚍执芈酚蓞f(xié)議(tree-chain uneven cluster hybrid multi-hop routing algorithm,TUCHM)以及文獻(xiàn)[20]中提及的基于簇樹的節(jié)能路由協(xié)議(cluster-tree-based energy-efficient routing protowl for wireless sensor network,CTEER)進(jìn)行比較。文獻(xiàn)[21]提出了一種鏈?zhǔn)椒执亟Y(jié)構(gòu),但并沒有考慮移動匯聚節(jié)點(diǎn);文獻(xiàn)[20]考慮了移動匯聚節(jié)點(diǎn)并提出了路由樹的構(gòu)建方法,但其分簇僅是最簡單的均勻分簇。

同場景下3種路由協(xié)議的節(jié)點(diǎn)存活數(shù)隨輪數(shù)的變化圖如圖7所示。

圖7 4種場景下節(jié)點(diǎn)存活數(shù)的變化

不同情景下3種路由協(xié)議的首個節(jié)點(diǎn)死亡輪數(shù)(first node death, FND),一半節(jié)點(diǎn)存活輪數(shù)(half nodes alive, HNA),最后一個節(jié)點(diǎn)死亡輪數(shù)(last node death, LND),如表1～表3所示。

表1 4種場景下采取THCUM的網(wǎng)絡(luò)生命周期指標(biāo)

表2 4種場景下采取CTEER的網(wǎng)絡(luò)生命周期指標(biāo)

表3 4種場景下采取CRTCC的網(wǎng)絡(luò)生命周期指標(biāo)

根據(jù)圖7及表1～表3可知:① THCUM路由協(xié)議下的NNSs生命周期短,節(jié)點(diǎn)能耗大,死亡速度快,這是因為THCUM路由協(xié)議是假設(shè)移動匯聚節(jié)點(diǎn)固定的,能量空洞問題較其他兩種算法而言比較明顯。② THCUM路由協(xié)議下節(jié)點(diǎn)數(shù)目的增大對其生命周期影響不大,而網(wǎng)絡(luò)區(qū)域的擴(kuò)大卻影響很大。這是因為THCUM也是采用鏈?zhǔn)椒执胤椒?網(wǎng)絡(luò)空間內(nèi)遠(yuǎn)離匯聚節(jié)點(diǎn)的普通節(jié)點(diǎn)或者簇頭增多,鏈路增長,鏈路上節(jié)點(diǎn)能耗增大,加速節(jié)點(diǎn)的死亡。而由于THCUM采取的是混合層次拓?fù)浣Y(jié)構(gòu)并設(shè)計了尋優(yōu)路徑算法,節(jié)點(diǎn)數(shù)目的增多不會導(dǎo)致生命周期的明顯降低。③ CTEER協(xié)議由于采用了基于移動匯聚節(jié)點(diǎn)的路由樹,其網(wǎng)絡(luò)生命周期相對較長,且由于其采取的是均勻分簇,配合路由樹可以取得較好的節(jié)能效果。④ CRTCC協(xié)議無論是從FND、HNA還是從LND的角度其生命周期都較長,性能高于另外兩種協(xié)議。

本文利用每輪傳輸數(shù)據(jù)包產(chǎn)生的跳數(shù)總和來衡量3種路由協(xié)議下網(wǎng)絡(luò)的通信時滯,并通過前200輪的數(shù)據(jù)進(jìn)行仿真分析。不同場景下3種路由協(xié)議的每輪跳數(shù)總和變化圖如圖8所示。

圖8 4種場景下每輪跳數(shù)總和的變化

由圖8可知:① CRTCC協(xié)議盡管在生命周期性能方面的表現(xiàn)比較突出,但隨著網(wǎng)絡(luò)規(guī)模的增大,其通信時滯越來越明顯,在NNS#4情景下超過了TUCHM協(xié)議;② TUCHM協(xié)議每輪跳數(shù)總和并不穩(wěn)定,這與其混合層次非均勻分簇結(jié)構(gòu)及尋優(yōu)路徑算法中的啟發(fā)因子有關(guān);③ CRTCC協(xié)議每輪跳數(shù)總和相對比較穩(wěn)定、通信時滯較低,性能高于另外兩種協(xié)議。

4 結(jié) 論

本文重點(diǎn)設(shè)計了7個算法來構(gòu)成CRTCC路由協(xié)議。以移動匯聚節(jié)點(diǎn)為中心的交叉路由樹增加了網(wǎng)絡(luò)生命周期,其分支延拓到了網(wǎng)絡(luò)的6個臨界面,有效降低了通信時滯的影響;非交叉區(qū)域的節(jié)點(diǎn)完成鏈?zhǔn)椒执?進(jìn)一步降低通信時滯;同時改善簇頭選取策略并采用混合層次網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),優(yōu)化路徑選擇算法,有效防止了鏈?zhǔn)椒执乜赡軐?dǎo)致的能耗過大、生命周期減小。最后通過與TUCHM協(xié)議和CTEER協(xié)議在4種場景下的仿真比較,驗證了算法的有效性。