無(wú)線傳感器網(wǎng)絡(luò)拓?fù)淇刂扑惴ǖ母倪M(jìn)

李 華，陳 超，盧 令

(1.解放軍第四五二醫(yī)院信息科，成都 610036;2.四川理工學(xué)院自動(dòng)化與電子信息學(xué)院，四川 自貢 643000)

引 言

近年來(lái)，無(wú)線傳感器網(wǎng)絡(luò)［1］作為一種全新類型的智能網(wǎng)絡(luò)信息系統(tǒng)，在信息領(lǐng)域迅速發(fā)展。相比于其他短距離無(wú)線通信技術(shù)，無(wú)線傳感器網(wǎng)絡(luò)具有易部署、成本低、規(guī)模大、自組織等許多優(yōu)點(diǎn)，使得無(wú)線傳感器網(wǎng)絡(luò)的研究與應(yīng)用得到了越來(lái)越多的重視。但是無(wú)線傳感器網(wǎng)絡(luò)中，節(jié)點(diǎn)通常使用電池供電，而其應(yīng)用環(huán)境又使得電池的更換非常困難。所以，想要充分利用節(jié)點(diǎn)有限的計(jì)算和存儲(chǔ)能力，就必須有一個(gè)好的拓?fù)淇刂茩C(jī)制來(lái)優(yōu)化網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，以達(dá)到節(jié)能和延長(zhǎng)網(wǎng)絡(luò)生命周期的目的。

根據(jù)目前國(guó)內(nèi)外的研究成果，可將無(wú)線傳感器網(wǎng)絡(luò)的拓?fù)淇刂品譃楣β士刂坪蛯哟慰刂苾煞N。功率控制中，要求節(jié)點(diǎn)必須具有較強(qiáng)的存儲(chǔ)和計(jì)算能力來(lái)維護(hù)路由信息，因而只適用于規(guī)模較小的無(wú)線傳感器網(wǎng)絡(luò)。而層次控制可有效解決這個(gè)問(wèn)題，網(wǎng)絡(luò)結(jié)構(gòu)具有較好的可擴(kuò)展性，可用于大規(guī)模部署的傳感器網(wǎng)絡(luò)。LEACH算法(Low Energy Adaptive Clustering Hierarchy)［2］是最早被提出來(lái)的較成熟且具有典型性的層次控制算法，該算法通過(guò)選舉簇頭來(lái)構(gòu)成骨干網(wǎng)［3］，但是簇頭的選擇具有隨機(jī)性，會(huì)導(dǎo)致簇頭的分布不均勻，不能有效均衡能耗和延長(zhǎng)網(wǎng)絡(luò)生命周期，對(duì)于此，本文將在簇頭選舉和更新方面對(duì)LEACH算法進(jìn)行改進(jìn)。

1 經(jīng)典的LEACH算法

LEACH算法通過(guò)等概率隨機(jī)選擇簇頭，算法的運(yùn)行過(guò)程是周期性的，因此定義了“輪(round)”這個(gè)概念，每一次輪循環(huán)包括建簇和數(shù)據(jù)傳輸兩個(gè)階段［4］，每一次輪循環(huán)結(jié)束后要重新選舉簇頭節(jié)點(diǎn)，執(zhí)行建簇和數(shù)據(jù)傳輸以保持網(wǎng)絡(luò)節(jié)點(diǎn)的能耗均衡。

1.1 建簇階段

LEACH算法中各節(jié)點(diǎn)輪流擔(dān)任簇頭，每一輪選舉簇頭時(shí)，各節(jié)點(diǎn)在0～1之間隨機(jī)產(chǎn)生一個(gè)數(shù)Ti，同時(shí)設(shè)定閾值Tn，若Ti＜Tn，則簇頭由節(jié)點(diǎn)i擔(dān)任［5］。對(duì)于已經(jīng)擔(dān)任過(guò)簇頭的節(jié)點(diǎn)，設(shè)置Tn=0，于是該節(jié)點(diǎn)在以后各輪中都作為普通節(jié)點(diǎn)。隨著輪數(shù)增加，節(jié)點(diǎn)的閾值Tn將隨著已擔(dān)任過(guò)簇頭的節(jié)點(diǎn)數(shù)目的增大而增大，則未擔(dān)任過(guò)簇頭的節(jié)點(diǎn)被選為簇頭的概率也就會(huì)增大。如果只有一個(gè)節(jié)點(diǎn)未擔(dān)任過(guò)簇頭，其Tn=1，意味著該節(jié)點(diǎn)一定當(dāng)選。閾值Tn由以下公式確定:

式中，p0是簇頭數(shù)占總節(jié)點(diǎn)數(shù)的百分比，r是當(dāng)前輪數(shù)，rmod(1/p0)是目前為止節(jié)點(diǎn)集合中已當(dāng)選過(guò)簇頭的節(jié)點(diǎn)個(gè)數(shù)，G是目前為止節(jié)點(diǎn)集合中沒(méi)有當(dāng)選過(guò)簇頭的節(jié)點(diǎn)的集合。

選舉完簇頭后，簇頭節(jié)點(diǎn)便向全網(wǎng)廣播簇頭消息，消息包含簇頭節(jié)點(diǎn)ID和消息類型的頭部。網(wǎng)內(nèi)其他節(jié)點(diǎn)接收到簇頭消息后，根據(jù)消息強(qiáng)弱來(lái)選擇要加入的簇。若節(jié)點(diǎn)i接收到來(lái)自某個(gè)簇頭節(jié)點(diǎn)消息的信號(hào)越強(qiáng)，說(shuō)明節(jié)點(diǎn)i離該簇頭節(jié)點(diǎn)越近，通信代價(jià)也就越小。如果接收到的消息信號(hào)強(qiáng)度相當(dāng)，則節(jié)點(diǎn)可以隨機(jī)選擇要加入的簇。

若節(jié)點(diǎn)i決定要加入簇j后，需通知簇頭j，即向簇頭j發(fā)送自身ID和簇頭j的ID。

當(dāng)簇頭節(jié)點(diǎn)接收到每個(gè)節(jié)點(diǎn)的入簇請(qǐng)求消息后，會(huì)建立一個(gè)TDMA調(diào)度時(shí)間表并將其發(fā)送給每一個(gè)簇成員節(jié)點(diǎn)。當(dāng)所有非簇頭節(jié)點(diǎn)都收到時(shí)間表后，簇的建立就完成了，隨后便是數(shù)據(jù)傳輸階段。

1.2 穩(wěn)定的數(shù)據(jù)傳輸階段

該階段主要是簇內(nèi)節(jié)點(diǎn)按TDMA調(diào)度時(shí)間表完成數(shù)據(jù)傳輸任務(wù)。該階段被劃分成為若干個(gè)時(shí)間長(zhǎng)度相等的幀，每個(gè)幀又包含若干個(gè)時(shí)間長(zhǎng)度相等的時(shí)隙。

所有非簇頭節(jié)點(diǎn)都只在自己所在時(shí)隙內(nèi)發(fā)送數(shù)據(jù)，其余時(shí)間關(guān)閉自己的無(wú)線通信模塊以減少能耗。簇頭節(jié)點(diǎn)要隨時(shí)準(zhǔn)備接收成員節(jié)點(diǎn)發(fā)來(lái)的數(shù)據(jù)，因此要時(shí)刻保持活躍狀態(tài)，簇頭節(jié)點(diǎn)收集所有簇內(nèi)節(jié)點(diǎn)發(fā)來(lái)的信息后，對(duì)相似信號(hào)和噪音信號(hào)進(jìn)行處理和融合，并發(fā)送給匯聚節(jié)點(diǎn)。網(wǎng)絡(luò)持續(xù)工作一個(gè)固定的時(shí)間段后，將會(huì)重新進(jìn)行簇建立階段和穩(wěn)定的數(shù)據(jù)傳輸階段［6］。

1.3 LEACH算法的缺點(diǎn)

LEACH算法通過(guò)構(gòu)建骨干網(wǎng)的方式來(lái)進(jìn)行數(shù)據(jù)多跳傳輸，網(wǎng)絡(luò)的性能得到了很大的提升，但是在某些方面算法還存在一定的局限性。

首先，LEACH算法是基于初始能量相同且均勻分布的網(wǎng)絡(luò)模型研究的。而實(shí)際情況很難達(dá)到這樣的理想狀態(tài)，節(jié)點(diǎn)的能量和地理位置都將會(huì)存在差異，因此LEACH算法無(wú)法保證簇頭的均勻分布，從而不能有效地提高網(wǎng)絡(luò)整體性能和生命周期，簇頭節(jié)點(diǎn)負(fù)載也不均衡。其次，LEACH算法中，簇頭是隨機(jī)選擇的，并未考慮到剩余能量和其他問(wèn)題，而對(duì)于剩余能量不同的節(jié)點(diǎn)，成為簇頭的代價(jià)也不同。另外，LEACH算法中，簇頭節(jié)點(diǎn)承擔(dān)任務(wù)重，能耗相對(duì)較大，因此簇頭節(jié)點(diǎn)容易失效并造成簇頭頻繁更新，而全網(wǎng)的簇頭選舉會(huì)帶來(lái)較高的額外頭開(kāi)銷，這樣的頭開(kāi)銷將會(huì)降低節(jié)點(diǎn)的能量利用率。

2 基于組合加權(quán)的改進(jìn)算法

2.1 改進(jìn)算法(M－LEACH)的設(shè)計(jì)思想

借鑒Ad Hoc網(wǎng)絡(luò)中的按需加權(quán)分簇算法(AOW)的思想［7-8］，對(duì)無(wú)線傳感器網(wǎng)絡(luò)的LEACH算法進(jìn)行改進(jìn)。在LEACH分簇算法中，簇頭的合理選擇對(duì)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)至關(guān)重要，簇頭的選擇是否合理決定了整個(gè)無(wú)線傳感器網(wǎng)絡(luò)性能的好壞。傳統(tǒng)的LEACH算法通過(guò)隨機(jī)的方式選擇簇頭，M-LEACH算法主要對(duì)簇頭的選舉和簇的更新方式進(jìn)行改進(jìn)。

改進(jìn)算法的主要設(shè)計(jì)思想是:在簇頭的選舉階段，把節(jié)點(diǎn)的剩余能量、節(jié)點(diǎn)度數(shù)、節(jié)點(diǎn)的移動(dòng)性以及節(jié)點(diǎn)與其鄰居節(jié)點(diǎn)之間的平均距離作為簇頭選舉所考慮的因素;簇頭的更新只在簇內(nèi)進(jìn)行，并不在全網(wǎng)范圍內(nèi)進(jìn)行更新，局部調(diào)整簇頭可以減少全網(wǎng)選舉簇頭帶來(lái)的頭開(kāi)銷;簇頭的更新使用按需更新簇頭策略，即當(dāng)簇頭節(jié)點(diǎn)的剩余能量小于某個(gè)閾值時(shí)進(jìn)行簇頭的重新選舉。

2.2 改進(jìn)算法描述

在簇頭選舉初始階段，為每一個(gè)節(jié)點(diǎn)分配一個(gè)權(quán)值W，該權(quán)值衡量了節(jié)點(diǎn)適合充當(dāng)簇頭的程度，權(quán)值W越小的節(jié)點(diǎn)越適合充當(dāng)簇頭。節(jié)點(diǎn)i的權(quán)值W(i)由以下公式計(jì)算可得:

其中，E(i)表示節(jié)點(diǎn)i到目前為止已消耗掉的能量，D(i)表示節(jié)點(diǎn)i當(dāng)前的節(jié)點(diǎn)度與網(wǎng)絡(luò)理想節(jié)點(diǎn)度差值的絕對(duì)值，M(i)是衡量節(jié)點(diǎn)i移動(dòng)性的參數(shù)，P(i)表示節(jié)點(diǎn)i到所有鄰居節(jié)點(diǎn)的平均距離，a1、a2、a3、a4分別為四個(gè)參數(shù)的權(quán)重。算法的執(zhí)行過(guò)程可描述如下:

(1)建簇階段

①首先，根據(jù)網(wǎng)絡(luò)具體情況確定簇頭概率p，所有節(jié)點(diǎn)通過(guò)周期性地交換“Hello”消息，可統(tǒng)計(jì)出鄰居節(jié)點(diǎn)數(shù)目以及與所有鄰居節(jié)點(diǎn)的距離。

②每個(gè)節(jié)點(diǎn)i計(jì)算自己已耗能量E(i)。假設(shè)所有節(jié)點(diǎn)擁有相同的初始能量，由于節(jié)點(diǎn)接收和發(fā)送數(shù)據(jù)所消耗能量遠(yuǎn)比感知數(shù)據(jù)時(shí)所消耗能量大，所以各節(jié)點(diǎn)的已消耗能量由節(jié)點(diǎn)收發(fā)數(shù)據(jù)時(shí)消耗能量來(lái)計(jì)算。

③每個(gè)節(jié)點(diǎn)i計(jì)算自己的節(jié)點(diǎn)度Di與網(wǎng)絡(luò)理想節(jié)點(diǎn)度D0之差，即

④用每個(gè)節(jié)點(diǎn)i的平均移動(dòng)速度代表節(jié)點(diǎn)的移動(dòng)性M(i)。

⑤每個(gè)節(jié)點(diǎn)i統(tǒng)計(jì)其到自己所有鄰居節(jié)點(diǎn)的距離總和Pi(總)，并除以鄰居節(jié)點(diǎn)個(gè)數(shù)，得到節(jié)點(diǎn)i到所有鄰居節(jié)點(diǎn)之間的平均距離P(i)。

⑥對(duì)每個(gè)節(jié)點(diǎn)i計(jì)算它的組合權(quán)重W(i)，其中權(quán)重因子 a1、a2、a3、a4滿足a1+a2+a3+a4=1，當(dāng)某個(gè)參數(shù)越重要，其權(quán)重因子的值越大。每個(gè)節(jié)點(diǎn)依據(jù)自己的權(quán)值W(i)大小設(shè)置一個(gè)門限時(shí)間，門限時(shí)間的大小和W(i)的大小成正比，權(quán)值越小的節(jié)點(diǎn)，為其設(shè)置越短的門限時(shí)間。

⑦門限時(shí)間到的節(jié)點(diǎn)自動(dòng)升為簇頭，這意味著權(quán)值越小的節(jié)點(diǎn)就優(yōu)先成為了簇頭，即節(jié)點(diǎn)綜合性能越好，就越容易成為簇頭。若存在節(jié)點(diǎn)權(quán)值相等的情況，即門限時(shí)間相同，則選擇ID號(hào)較小的那個(gè)節(jié)點(diǎn)作為簇頭。

⑧當(dāng)選為簇頭的節(jié)點(diǎn)在全網(wǎng)范圍內(nèi)廣播簇頭消息，若在各自的門限時(shí)間內(nèi)，節(jié)點(diǎn)收到了簇頭廣播消息，則根據(jù)廣播消息的信號(hào)強(qiáng)弱選擇要加入的簇并向所選簇的簇頭發(fā)送入簇消息，同時(shí)取消門限時(shí)間。簇頭節(jié)點(diǎn)收到所有入簇消息后，建立一個(gè)TDMA調(diào)度時(shí)間表，并發(fā)送給簇內(nèi)每個(gè)節(jié)點(diǎn)。當(dāng)所有節(jié)點(diǎn)都收到TDMA時(shí)間表后，進(jìn)入穩(wěn)定的數(shù)據(jù)傳輸階段。

(2)穩(wěn)定的數(shù)據(jù)傳輸階段

簇成員節(jié)點(diǎn)按照TDMA時(shí)間表將采集數(shù)據(jù)發(fā)送給簇頭節(jié)點(diǎn)，簇頭節(jié)點(diǎn)收集所有成員節(jié)點(diǎn)發(fā)來(lái)的信息，對(duì)其進(jìn)行融合處理并轉(zhuǎn)發(fā)給匯聚節(jié)點(diǎn)。簇內(nèi)節(jié)點(diǎn)在TDMA時(shí)間表分配給自己的時(shí)隙之外關(guān)閉其通信模塊。

(3)簇的更新

①當(dāng)簇頭節(jié)點(diǎn)的能量小于某個(gè)閾值Em時(shí)，接收簇內(nèi)節(jié)點(diǎn)最后一幀數(shù)據(jù)，簇成員節(jié)點(diǎn)會(huì)將自己當(dāng)前的權(quán)值信息和ID號(hào)聯(lián)合最后一幀數(shù)據(jù)發(fā)送給簇頭節(jié)點(diǎn)。簇頭節(jié)點(diǎn)比較每個(gè)成員節(jié)點(diǎn)的權(quán)值，權(quán)值最小的節(jié)點(diǎn)將當(dāng)選為下一輪的簇頭，簇頭節(jié)點(diǎn)將在簇內(nèi)廣播下一輪簇頭的信息，并把自己設(shè)置為非簇頭節(jié)點(diǎn)。

②簇內(nèi)節(jié)點(diǎn)收到新簇頭節(jié)點(diǎn)信息后，把自己的ID號(hào)與新簇頭的ID號(hào)進(jìn)行對(duì)比，如果相等則將自己設(shè)置為簇頭。

值得注意的是，第一輪簇頭選舉時(shí)，由于所有節(jié)點(diǎn)有著相同的初始能量，所以計(jì)算權(quán)值時(shí)不考慮已消耗能量。

3 仿真分析

3.1 仿真環(huán)境參數(shù)設(shè)置

仿真區(qū)域?yàn)橐痪匦螀^(qū)域:500×100 m，隨機(jī)放置100個(gè)節(jié)點(diǎn)，基站坐標(biāo)為(50 m，50 m)。節(jié)點(diǎn)的通信距離范圍為:1～100 m。其余參數(shù)設(shè)置如下:

(1)整個(gè)網(wǎng)絡(luò)是連通的，即不存在獨(dú)立部分或者是孤立的節(jié)點(diǎn)。

(2)所有節(jié)點(diǎn)隨機(jī)分布且每個(gè)節(jié)點(diǎn)都有一個(gè)唯一的ID號(hào)。

(3)部分節(jié)點(diǎn)具有移動(dòng)性，即部分節(jié)點(diǎn)在一定時(shí)間以后會(huì)改變自身坐標(biāo)。

(4)節(jié)點(diǎn)通過(guò)廣播“hello”消息來(lái)計(jì)算鄰節(jié)點(diǎn)數(shù)及其與鄰節(jié)點(diǎn)的距離。

(5)節(jié)點(diǎn)的天線采用全向天線且所有節(jié)點(diǎn)都能接收到來(lái)自鄰節(jié)點(diǎn)的消息。

(6)節(jié)點(diǎn)初始能量為 0.5 J，簇頭概率為 0.05，控制包長(zhǎng)度為100字節(jié)，數(shù)據(jù)包長(zhǎng)度為4000字節(jié)。節(jié)點(diǎn)能量等于0時(shí)，標(biāo)記為死亡，并不再進(jìn)行數(shù)據(jù)的傳輸。

(7)節(jié)點(diǎn)的權(quán)重因子a1、a2、a3、a4滿足a1+a2+a3+a4=1，且考慮到每個(gè)影響因素在簇頭選舉過(guò)程中的作用程度不同，分別取值為:0.5、0.2、0.2、0.1。同時(shí)，只有當(dāng)簇頭的能量下降至充當(dāng)簇頭時(shí)能量的百分之七十時(shí)，才重新選舉簇頭。

3.2 仿真結(jié)果分析

使用MATLAB對(duì)M-LEACH算法進(jìn)行仿真，并與LEACH算法進(jìn)行比較分析。

(1)生命周期。也就是網(wǎng)絡(luò)維持正常工作所持續(xù)的時(shí)間，本文中將其定義為網(wǎng)絡(luò)從開(kāi)始工作到節(jié)點(diǎn)存活個(gè)數(shù)降至初始節(jié)點(diǎn)數(shù)的50%時(shí)所持續(xù)的時(shí)間。算法的生命周期仿真結(jié)果如圖1所示。

圖1 網(wǎng)絡(luò)生命周期

由圖1可知，隨著節(jié)點(diǎn)的最大通信距離的增大，改進(jìn)算法與LEACH算法的網(wǎng)絡(luò)生命周期都在減小，并且，在整個(gè)過(guò)程中，改進(jìn)算法的生命周期都優(yōu)于原算法。其原因是:相比于LEACH算法，改進(jìn)算法選出的簇頭節(jié)點(diǎn)的綜合性能更好，能始終讓剩余能量較多的、節(jié)點(diǎn)移動(dòng)性較小的、節(jié)點(diǎn)度與理想節(jié)點(diǎn)度之差較小的、與鄰節(jié)點(diǎn)的平均距離較優(yōu)的節(jié)點(diǎn)來(lái)?yè)?dān)任簇頭，使得能量的有效性得到了提高，節(jié)點(diǎn)的負(fù)載也更均勻，延長(zhǎng)了節(jié)點(diǎn)存活的時(shí)間，因此，網(wǎng)絡(luò)生命周期也更長(zhǎng)。

(2)節(jié)點(diǎn)平均剩余能量。即網(wǎng)絡(luò)正常工作中，所有節(jié)點(diǎn)的平均剩余能量。節(jié)點(diǎn)平均剩余能量仿真結(jié)果如圖2所示。

圖2 節(jié)點(diǎn)平均剩余能量比較

從圖2可以看出，改進(jìn)算法的剩余能量要高于LEACH算法，并且隨著輪數(shù)的增加，剩余能量最終都趨于0，即節(jié)點(diǎn)死亡。這是因?yàn)?，改進(jìn)算法采用了新的簇頭更新機(jī)制，減少了簇頭的更新次數(shù)，從而降低了選舉簇頭帶來(lái)的頭開(kāi)銷，節(jié)約了一定的能耗，同時(shí)也有助于延長(zhǎng)網(wǎng)絡(luò)的生命周期。

(3)節(jié)點(diǎn)充當(dāng)簇頭的公平性指數(shù)(HFI)。該性能指標(biāo)用來(lái)衡量節(jié)點(diǎn)充當(dāng)簇頭的公平性程度，也就是節(jié)點(diǎn)充當(dāng)簇頭的時(shí)間相比于所有節(jié)點(diǎn)充當(dāng)簇頭的平均時(shí)間的偏離程度。HFI由以下公式計(jì)算可得:

其中，ti為節(jié)點(diǎn)i充當(dāng)簇頭的時(shí)間，為節(jié)點(diǎn)作為簇頭的平均時(shí)間，N為全體節(jié)點(diǎn)數(shù)，V為網(wǎng)絡(luò)中的節(jié)點(diǎn)集合。因此，HFI值越小，節(jié)點(diǎn)在充當(dāng)簇頭方面就越公平。在最好的時(shí)候，ti=E(ti)，這時(shí)HFI=0。一般情況下，簇頭的能耗遠(yuǎn)比普通節(jié)點(diǎn)大，HFI值越小，說(shuō)明所有節(jié)點(diǎn)越能較均勻地分擔(dān)能耗，也就是所有節(jié)點(diǎn)可以較公平地充當(dāng)簇頭，從而可以有效地延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間。HFI值越小表示網(wǎng)絡(luò)工作越長(zhǎng)的時(shí)間才會(huì)出現(xiàn)節(jié)點(diǎn)的分區(qū)，因此網(wǎng)絡(luò)的整體性能可以得到更好的維護(hù)。節(jié)點(diǎn)充當(dāng)簇頭的公平性指數(shù)的仿真結(jié)果如圖3所示。

圖3 節(jié)點(diǎn)充當(dāng)簇頭的公平性指數(shù)比較

從圖3可以看出，兩算法的HFI值都隨節(jié)點(diǎn)的最大通信距離do的增大而增大，而改進(jìn)算法的HFI值在整個(gè)區(qū)間內(nèi)都比LEACH算法的HFI值要小，說(shuō)明改進(jìn)后的算法使得節(jié)點(diǎn)能夠更公平的充當(dāng)簇頭。隨著節(jié)點(diǎn)的最大通信距離增大，造成了節(jié)點(diǎn)之間的沖突域，數(shù)據(jù)傳輸?shù)呐鲎猜试龃?，能量損耗變大，節(jié)點(diǎn)充當(dāng)簇頭的時(shí)間變短，以至于頻繁的分簇，簇頭公平性降低，所以HFI值呈上升趨勢(shì)。而本算法對(duì)簇頭選舉進(jìn)行了改進(jìn)，簇頭分布更為合理，能耗也更均勻地分配到所有節(jié)點(diǎn)上，因此，節(jié)點(diǎn)充當(dāng)簇頭的公平性更好。

(4)網(wǎng)絡(luò)負(fù)載平衡因子(LBF)。網(wǎng)絡(luò)的負(fù)載表現(xiàn)為簇頭處理負(fù)載的能力，即簇頭能夠支持的簇的大小。分簇結(jié)構(gòu)中，簇頭將承擔(dān)較多的任務(wù)，能耗較大，因此拓?fù)淇刂扑惴☉?yīng)使網(wǎng)絡(luò)的負(fù)載盡可能均勻地分配給選出的每個(gè)簇頭。某簇頭處理負(fù)載的能力可由該簇的大小近似衡量，因此，網(wǎng)絡(luò)負(fù)載平衡因子可由簇成員節(jié)點(diǎn)個(gè)數(shù)的方差的倒數(shù)來(lái)計(jì)算:

其中，nh為網(wǎng)絡(luò)中簇頭總數(shù)，xn為簇頭n所在簇的成員節(jié)點(diǎn)個(gè)數(shù)，u=(N-nh)/nh為網(wǎng)絡(luò)內(nèi)所有簇的成員節(jié)點(diǎn)的平均個(gè)數(shù)，N為網(wǎng)絡(luò)中總節(jié)點(diǎn)數(shù)。若LBF越大，說(shuō)明網(wǎng)絡(luò)的負(fù)載越能均勻地分配給每個(gè)簇頭，在負(fù)載平衡程度最好時(shí)，xn=u，這時(shí)LBF趨于無(wú)窮大［9］。網(wǎng)絡(luò)負(fù)載平衡因子仿真結(jié)果如圖4所示。

圖4 負(fù)載平衡因子比較

由圖4可以看出，在整個(gè)循環(huán)過(guò)程中，改進(jìn)算法的負(fù)載平衡因子明顯高于LEACH算法。在循環(huán)開(kāi)始時(shí)，兩算法的負(fù)載平衡因子都較大，隨著輪數(shù)的增加，都呈遞減趨勢(shì)，在輪數(shù)r=600后LBF均趨于0。改進(jìn)算法的LBF較好的原因在于:算法在簇頭選舉時(shí)綜合考慮了節(jié)點(diǎn)的多種影響因素，使選出來(lái)的簇頭不管在節(jié)點(diǎn)度方面，還是在簇頭與其鄰居節(jié)點(diǎn)的平均距離方面，都優(yōu)于LEACH算法，因此，簇頭分布更均勻，負(fù)載的分布也越平衡，從而避免了瓶頸節(jié)點(diǎn)的出現(xiàn)以及網(wǎng)絡(luò)擁塞的情況。

4 結(jié)束語(yǔ)

本文提出了一種基于組合加權(quán)的改進(jìn)LEACH算法，并對(duì)其簇更新方式進(jìn)行了改進(jìn)。改進(jìn)算法在生命周期、節(jié)點(diǎn)平均剩余能量、HFI、LBF上都優(yōu)于LEACH算法。另外，本文中僅對(duì)分簇算法進(jìn)行了改進(jìn)，后續(xù)研究可對(duì)分簇算法與功率控制相結(jié)合的拓?fù)淇刂茩C(jī)制做一定的嘗試和研究。

［1］ Estrin D，Govindan R，Heidemann J S，et al.Next century challenges:scalable coordination in sensor networks［C］//Proc of the 5thInternational Conference on Mobile Computing and Networking(MobiCom)，Seattle，Washington，August 15-20，1999:263-270.

［2］ Heinzelman W R，Chandrakasan A，Balakrishnan H.An application-special protocol architecture for wireless microsensor networks［J］.IEEE Transactionson wireless communications，2002，1(4):660-670.

［3］ Gerla M，Tsai J T C.Multicluster，mobile，multimedia radio network［J］.Wireless Networks，1995，1(3):255-265.

［4］劉曉文，閆靜杰，苗 錦，等.礦井無(wú)線傳感器網(wǎng)絡(luò)LEACH協(xié)議的改進(jìn)［J］.煤炭科學(xué)技術(shù)，2009，37(4):46-49.

［5］陳曉娟，王卓，吳浩.一種基于LEACH的改進(jìn)WSN路由算法［J］.傳感技術(shù)學(xué)報(bào)，2013，26(1):116-121.

［6］肖劉軍，鄧 平.一種基于位置和能量的WSN改進(jìn)分簇協(xié)議［J］.通信技術(shù)，2010，43(8):43-45.

［7］杜國(guó)勇，束永安.基于鏈接率的Ad hoc自適應(yīng)按需加權(quán)分簇算法［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2014，24(1):93-97.

［8］林要華，胡華平.基于軌道預(yù)測(cè)自適應(yīng)Ad Hoc分簇算法［J］.計(jì)算機(jī)工程與科學(xué)，2012，32(2):27-30.

［9］鄭少仁，王海濤，趙志峰，等.Ad hoc網(wǎng)絡(luò)技術(shù)［M］.北京:人民郵電出版社，2005.