基于模糊理論的無(wú)線傳感器網(wǎng)絡(luò)簇首選舉算法

陶志勇，蔣守鳳

（遼寧工程技術(shù)大學(xué)a.電子與信息工程學(xué)院；b.研究生學(xué)院，遼寧葫蘆島125105）

·移動(dòng)互聯(lián)與通信技術(shù)·

基于模糊理論的無(wú)線傳感器網(wǎng)絡(luò)簇首選舉算法

陶志勇a，蔣守鳳b

（遼寧工程技術(shù)大學(xué)a.電子與信息工程學(xué)院；b.研究生學(xué)院，遼寧葫蘆島125105）

無(wú)線傳感器網(wǎng)絡(luò)中分簇協(xié)議算法按輪工作，但多數(shù)分簇算法每輪都要進(jìn)行簇首選舉，造成網(wǎng)絡(luò)節(jié)點(diǎn)能量消耗過(guò)多，而且占用大量時(shí)間。針對(duì)該問(wèn)題，提出基于模糊理論的無(wú)線傳感器網(wǎng)絡(luò)簇首選舉算法。在網(wǎng)絡(luò)部署階段確定簇首競(jìng)爭(zhēng)半徑，保證簇首均勻分布。在簇首選舉階段，通過(guò)與簇首競(jìng)爭(zhēng)半徑內(nèi)節(jié)點(diǎn)的通信，構(gòu)造節(jié)點(diǎn)鄰域表，采用模糊理論綜合評(píng)判法生成簇首序列，節(jié)點(diǎn)依據(jù)序列次序輪流擔(dān)任簇首。簇建立完成后，簇首采用多跳方式與Sink通信，均衡遠(yuǎn)近簇首的能耗。仿真結(jié)果表明，該算法可降低網(wǎng)絡(luò)節(jié)點(diǎn)的能量消耗，延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間。

無(wú)線傳感器網(wǎng)絡(luò)；分簇算法；模糊理論；競(jìng)爭(zhēng)半徑；簇首序列；多跳路由

1 概述

無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Netw ork，WSN）作為新型的自治測(cè)控網(wǎng)絡(luò)，通過(guò)隨機(jī)部署各類微型傳感器來(lái)協(xié)同感知、采集和處理網(wǎng)絡(luò)監(jiān)測(cè)區(qū)域內(nèi)的感知數(shù)據(jù)［1］，最終以多跳方式通過(guò)無(wú)線自組網(wǎng)將感知到的信息傳輸至Sink節(jié)點(diǎn)。傳感器網(wǎng)絡(luò)執(zhí)行具體任務(wù)時(shí)，完成的質(zhì)量由網(wǎng)絡(luò)生存時(shí)間、網(wǎng)絡(luò)負(fù)載平衡性等網(wǎng)絡(luò)性能決定。

在無(wú)線傳感器網(wǎng)絡(luò)中，分簇路由算法相比平面路由算法具有更好的節(jié)能性［2］，基于簇的路由協(xié)議是研究的重點(diǎn)。大量的研究表明，分簇路由算法可較大限度地降低網(wǎng)絡(luò)中的數(shù)據(jù)通信量、節(jié)約節(jié)點(diǎn)的能量消耗，是延長(zhǎng)網(wǎng)絡(luò)壽命的有效方法［3］。網(wǎng)絡(luò)建立時(shí)，通過(guò)分簇算法將網(wǎng)絡(luò)劃分為邏輯上的若干個(gè)簇，每個(gè)簇由一個(gè)簇首和若干成員節(jié)點(diǎn)組成，各成員節(jié)點(diǎn)負(fù)責(zé)采集、處理和向簇首傳遞數(shù)據(jù)，簇首負(fù)責(zé)管理簇內(nèi)資源分配和簇間的通信［4］。是否合理的簇首選舉方法和簇間通信模式能夠決定網(wǎng)絡(luò)的總體性能是否可靠。

本文提出基于模糊理論的無(wú)線傳感器網(wǎng)絡(luò)簇首選舉算法（Cluster Head election algorithm in WSN Based on Fuzzy Theory，CHBFT）。在網(wǎng)絡(luò)部署階段，根據(jù)區(qū)域面積和網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)等確定監(jiān)測(cè)區(qū)域最佳簇首個(gè)數(shù)，再通過(guò)公式計(jì)算出簇首競(jìng)爭(zhēng)半徑；在簇首選舉階段，構(gòu)造節(jié)點(diǎn)鄰域表，利用模糊理論綜合評(píng)判法選取簇首，并廣播其作為簇首的信息；在簇建立階段，普通節(jié)點(diǎn)選擇相距最近的簇首加入簇，傳輸自身ID和評(píng)判結(jié)果值，由簇首建立一個(gè)簇首序列（簇首可選度），簇內(nèi)節(jié)點(diǎn)按照該序列輪流作簇首；最后采用簇首間多跳路由的方法將數(shù)據(jù)傳輸至Sink節(jié)點(diǎn)，實(shí)現(xiàn)簇首與Sink節(jié)點(diǎn)的理想通信。

2 相關(guān)工作

簇結(jié)構(gòu)在很大程度上影響著網(wǎng)絡(luò)的性能，因此，對(duì)無(wú)線傳感器網(wǎng)絡(luò)分簇算法的研究在幫助提高網(wǎng)絡(luò)整體性能方面有著重要的意義。分簇路由協(xié)議思想源于LEACH算法［5］，它的成簇方法貫穿于之后被提出的眾多層次路由協(xié)議中，很多文獻(xiàn)對(duì)簇組織問(wèn)題進(jìn)行了專門(mén)研究，如LEACH-E［6］，TEEN［7］和HEED［8］算法等，以上算法通過(guò)對(duì)簇首選舉的方式進(jìn)行的改進(jìn)，實(shí)現(xiàn)了簇首在監(jiān)測(cè)區(qū)域內(nèi)的合理、均勻分布。

而后被提出的各種分簇算法在選舉簇首時(shí)更是將節(jié)點(diǎn)剩余能量、節(jié)點(diǎn)聚合度及節(jié)點(diǎn)地理位置等因素作為參考條件。由于無(wú)線傳感器網(wǎng)絡(luò)的規(guī)模與拓?fù)浣Y(jié)構(gòu)的不斷變化，網(wǎng)絡(luò)中各類因素對(duì)網(wǎng)絡(luò)壽命的影響是無(wú)法確定的，具有一定的模糊性，那么在分簇過(guò)程中節(jié)點(diǎn)是否能夠勝任簇首這一要職也具有模糊性。事物的模糊性是指邊界不清楚，含義在表達(dá)時(shí)不能明確的區(qū)別是和非，在論域上無(wú)法劃分他的界限。這種模糊性與無(wú)線傳感器網(wǎng)絡(luò)分簇算法中多因素制約簇首選舉上十分契合［9］，針對(duì)于此，本文將模糊聚類的思想應(yīng)用于WSN分簇算法的研究［10］。

3 CHBFT算法

CHBFT算法與LEACH分簇算法相同，共分為3個(gè)階段：簇首選舉，簇建立，簇間通信。而在簇首選舉階段哪些因素作為模糊理論綜合評(píng)判法的參數(shù)是考慮的重點(diǎn)：

（1）剩余能量。

網(wǎng)絡(luò)節(jié)點(diǎn)的剩余能量值是節(jié)點(diǎn)能否工作的先決條件，無(wú)論是傳輸數(shù)據(jù)還是廣播信息，都需要消耗節(jié)點(diǎn)的存儲(chǔ)能量，節(jié)點(diǎn)剩余能量多少直接影響著其工作時(shí)間的長(zhǎng)短。

（2）到Sink節(jié)點(diǎn)距離及到鄰居節(jié)點(diǎn)的距離均值。

由能量消耗模型［11］看出，發(fā)送數(shù)據(jù)的能量消耗與通信節(jié)點(diǎn)間距離成反比。通信距離越短，能量消耗則越低，對(duì)發(fā)送數(shù)據(jù)的節(jié)點(diǎn)具有節(jié)省能量的作用；那么無(wú)論是到Sink節(jié)點(diǎn)的通信距離還是到鄰居節(jié)點(diǎn)的通信距離，其值越小越有利。

通過(guò)以上分析可知，利用模糊理論綜合評(píng)判法對(duì)簇首選舉的因素值為：節(jié)點(diǎn)剩余能量值，到Sink節(jié)點(diǎn)距離倒數(shù)值以及到鄰居節(jié)點(diǎn)距離均值倒數(shù)值。

3.1 簇首選舉

3.1.1 網(wǎng)絡(luò)最佳簇首個(gè)數(shù)及簇首競(jìng)爭(zhēng)半徑

在網(wǎng)絡(luò)部署階段，Sink節(jié)點(diǎn)用一個(gè)特定的發(fā)送功率向監(jiān)測(cè)區(qū)域廣播一個(gè)信號(hào)，網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)在接收到該信號(hào)后，根據(jù)接收信號(hào)的強(qiáng)度計(jì)算它到Sink節(jié)點(diǎn)的近似距離dχ-ch（χ為各節(jié)點(diǎn)ID編號(hào)）。此時(shí)可知網(wǎng)絡(luò)區(qū)域邊長(zhǎng)M、網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)目N及區(qū)域內(nèi)節(jié)點(diǎn)到Sink節(jié)點(diǎn)的最大、最小距離。

根據(jù)文獻(xiàn)［12］可知，網(wǎng)最優(yōu)簇首數(shù)mK值的計(jì)算公式為：

其中，εfs和εamp分別表示信號(hào)放大器在自由空間模型和多路衰減模型下將1 bit數(shù)據(jù)傳送單位距離時(shí)的能量消耗。通過(guò)式（1）可計(jì)算出網(wǎng)絡(luò)最優(yōu)簇首數(shù)目的范圍；簇首競(jìng)爭(zhēng)面積Sch近似為網(wǎng)絡(luò)總面積與簇首個(gè)數(shù)的比值，即：

3.1.2 節(jié)點(diǎn)信息獲取

之后監(jiān)測(cè)區(qū)域中節(jié)點(diǎn)在簇首競(jìng)爭(zhēng)半徑范圍內(nèi)廣播其ID、位置信息、剩余能量及到Sink節(jié)點(diǎn)的距離，所有的競(jìng)爭(zhēng)半徑內(nèi)鄰居節(jié)點(diǎn)都會(huì)收到該信息，建立一個(gè)節(jié)點(diǎn)鄰域表。節(jié)點(diǎn)再計(jì)算到所有鄰居節(jié)點(diǎn)的距離及距離均值。節(jié)點(diǎn)鄰域表如表1所示。

表1 節(jié)點(diǎn)鄰域表

3.1.3 簇首選舉

在簇首選舉過(guò)程，CHBFT算法采用模糊理論的綜合評(píng)判法選舉簇首，首先要確定各因素的隸屬函數(shù)，建立隸屬度，再與參數(shù)權(quán)重集加權(quán)平均得出簇首可選度。

（1）隸屬函數(shù)與隸屬度

通過(guò)分析可知，節(jié)點(diǎn)的剩余能量越多、距離Sink節(jié)點(diǎn)越近，與鄰居節(jié)點(diǎn)距離均值越小，越是簇首的最佳選擇。本文采用如下隸屬函數(shù)的計(jì)算方式，將各參數(shù)歸為0～1的數(shù)值：

剩余能量的隸屬函數(shù)為：

其中，R_Ei為節(jié)點(diǎn)i的剩余能量；Einit為網(wǎng)絡(luò)節(jié)點(diǎn)的初始能量。

到Sink節(jié)點(diǎn)距離倒數(shù)的隸屬函數(shù)為：

其中，di-ch為節(jié)點(diǎn)i到Sink節(jié)點(diǎn)的距離；和為網(wǎng)絡(luò)中節(jié)點(diǎn)到Sink節(jié)點(diǎn)距離倒數(shù)的最大值和最小值。

到鄰居節(jié)點(diǎn)的距離均值的隸屬函數(shù)為：

其中，di-avg為節(jié)點(diǎn)i到所有鄰居節(jié)點(diǎn)距離的平均值；與為與鄰居節(jié)點(diǎn)相距均值倒數(shù)最小值及最大值。

節(jié)點(diǎn)通過(guò)以上3項(xiàng)參數(shù)隸屬函數(shù)得到節(jié)點(diǎn)的隸屬度Q：

（2）綜合評(píng)判

B=（bχ，…，by）為簇首選舉的綜合評(píng)判標(biāo)準(zhǔn)，也為簇首可選度；A=（a1，a2，a3）為3項(xiàng)參數(shù)的權(quán)重集，利用加權(quán)平均模型計(jì)算：

3.2 簇建立

成為簇首的節(jié)點(diǎn)向普通節(jié)點(diǎn)廣播自己成為簇首的信息，普通節(jié)點(diǎn)利用接收到的簇首廣播信息，計(jì)算出與自己距離最近的簇首，然后向該簇首發(fā)送請(qǐng)求加入簇的消息，待簇首再次返回一個(gè)確認(rèn)成功加入的消息，則該節(jié)點(diǎn)加入簇成功。當(dāng)網(wǎng)絡(luò)中所有節(jié)點(diǎn)均成功加入簇，簇建立階段完成。

同時(shí)各簇簇首更新其節(jié)點(diǎn)鄰域表中簇內(nèi)成員的簇首可選度，生成一個(gè)簇首序列，以便下面“輪”時(shí)簇首選擇。

3.3 簇首間多跳路由

在簇首將數(shù)據(jù)傳輸?shù)絊ink節(jié)點(diǎn)這個(gè)階段，簇首對(duì)簇成員的數(shù)據(jù)進(jìn)行融合處理，然后將數(shù)據(jù)以多跳通信的方式發(fā)送至Sink點(diǎn)。

由于網(wǎng)絡(luò)中各簇首距離Sink的距離不同，距離較近的簇首傳輸數(shù)據(jù)的能量消耗低，距離較遠(yuǎn)的簇首傳輸數(shù)據(jù)時(shí)能量消耗較高［13］，因此本文采取簇間多跳路由的方式，讓距Sink節(jié)點(diǎn)較近的簇首協(xié)助距Sink節(jié)點(diǎn)較遠(yuǎn)的簇首，以此平均各簇首傳遞數(shù)據(jù)時(shí)的能量差距。

引入閾值若簇首到Sink節(jié)點(diǎn)的距離小于d′，則它直接與Sink節(jié)點(diǎn)進(jìn)行通信；否則該簇首以較大的功率向全網(wǎng)簇首廣播一條消息，包含其ID、當(dāng)前剩余能量和它到匯聚點(diǎn)的距離，選擇一個(gè)簇首節(jié)點(diǎn)協(xié)助他進(jìn)行簇間多跳傳輸。網(wǎng)絡(luò)中簇首j收到簇首i廣播的消息，則計(jì)算出它們之間的近似距離。假設(shè)簇首j是簇首i向Sink節(jié)點(diǎn)傳輸數(shù)據(jù)的中繼節(jié)點(diǎn)，則2個(gè)節(jié)點(diǎn)的能量消耗為：

直觀上看，若網(wǎng)絡(luò)中節(jié)點(diǎn)j位于節(jié)點(diǎn)i與Sink節(jié)點(diǎn)之間，這是鏈路能量消耗較小，則有利于節(jié)約能量。為了綜合考慮網(wǎng)絡(luò)節(jié)點(diǎn)的剩余，本文的簇間路由策略為：節(jié)點(diǎn)i在網(wǎng)絡(luò)中所有可以通信的簇首節(jié)點(diǎn)中，在小的2個(gè)節(jié)點(diǎn)中，選擇剩余能量最高的節(jié)點(diǎn)作為其路由的下一跳節(jié)點(diǎn)。

當(dāng)數(shù)據(jù)傳輸完成，簇首通知在簇首可選度中值僅低于自身的節(jié)點(diǎn)為下一輪簇首，該簇首接到信息后，廣播自身為簇首的信息，首輪該簇成員則將數(shù)據(jù)傳遞給該簇首，再進(jìn)行一輪數(shù)據(jù)的傳輸。

4 仿真結(jié)果與分析

為了驗(yàn)證本文提出的路由算法的網(wǎng)絡(luò)性能，對(duì)LEACH算法、HEED算法和CHBFT算法進(jìn)行比較。仿真中所用的參數(shù)如表2所示。

表2 仿真參數(shù)

網(wǎng)絡(luò)仿真環(huán)境如圖1所示，其中網(wǎng)絡(luò)中工作節(jié)點(diǎn)分布于100 m×100 m的區(qū)域內(nèi)，Sink節(jié)點(diǎn)遠(yuǎn)離網(wǎng)絡(luò)區(qū)域。

圖1 網(wǎng)絡(luò)仿真環(huán)境

4.1 網(wǎng)絡(luò)簇首數(shù)目

參考式（1），結(jié)合網(wǎng)絡(luò)仿真參數(shù)，可計(jì)算出：1≤mK≤6.2。另根據(jù)文獻(xiàn)［14］，對(duì)網(wǎng)絡(luò)環(huán)境進(jìn)行仿真可見(jiàn)，當(dāng)簇首數(shù)為5時(shí)，協(xié)議每一輪網(wǎng)絡(luò)平均消耗的能量相對(duì)最少；同時(shí)，此時(shí)網(wǎng)絡(luò)出現(xiàn)首個(gè)死亡節(jié)點(diǎn)以及全部節(jié)點(diǎn)死亡的輪數(shù)相對(duì)最多。由此可知，在本文設(shè)置的仿真環(huán)境下，簇首個(gè)數(shù)為5時(shí)，網(wǎng)絡(luò)各方面性能較為理想，可作理想簇首個(gè)數(shù)。再由式（2）計(jì)算出，簇首競(jìng)爭(zhēng)半徑為R=25.3 m。

本文對(duì)LEACH算法、HEED算法和CHBFT算法200輪運(yùn)行過(guò)程中簇首個(gè)數(shù)進(jìn)行匯總，LEACH算法、HEED算法的簇首個(gè)數(shù)如圖2和圖3所示。

圖2 LEACH算法中簇首個(gè)數(shù)分布

圖3 HEED算法中簇首個(gè)數(shù)分布

CHBFT算法每輪簇首數(shù)目均與首輪數(shù)目相同，通過(guò)多次仿真，簇首數(shù)目集中于5或者6。

LEACH算法的不足之處就在于簇首隨機(jī)產(chǎn)生，簇首數(shù)目不穩(wěn)定，且數(shù)目也不能保證接近最優(yōu)簇首個(gè)數(shù)；HEED算法通過(guò)各節(jié)點(diǎn)間動(dòng)態(tài)交換信息來(lái)控制了簇首個(gè)數(shù)，保證簇首數(shù)目多處于理想簇首數(shù)，但是在動(dòng)態(tài)交換過(guò)程中造成大量能量消耗；CHBFT算法通過(guò)競(jìng)爭(zhēng)半徑來(lái)控制簇首數(shù)目，而且首輪簇建立后，接下來(lái)“輪”的簇首數(shù)目將不會(huì)改變，因此，簇首數(shù)目更加穩(wěn)定。

4.2 簇首能量消耗

簇首的能量消耗對(duì)網(wǎng)絡(luò)整體性能的影響非常大，它肩負(fù)收集、融合簇內(nèi)成員數(shù)據(jù)，更需要將最終數(shù)據(jù)傳遞給Sink節(jié)點(diǎn)，無(wú)論是在數(shù)據(jù)量方面還是在傳輸距離方面都比普通節(jié)點(diǎn)更加耗能。為了驗(yàn)證CHBFT算法在簇首耗能方面上的優(yōu)越性，從仿真中隨機(jī)選取10輪中的簇首能耗，結(jié)果見(jiàn)圖4。

圖4 簇首消耗能量總和

對(duì)于簇首數(shù)目時(shí)常過(guò)多的LEACH算法，簇首能耗自然最大；HEED算法簇首數(shù)目與CHBFT算法簇首數(shù)目相差不大，但是CHBFT算法存在首“輪”產(chǎn)生簇首序列、以后“輪”無(wú)須廣播的優(yōu)勢(shì)，無(wú)請(qǐng)求加入、確認(rèn)加入簇的重復(fù)過(guò)程，在一定程度上節(jié)省了簇首及普通節(jié)點(diǎn)的能耗。

4.3 網(wǎng)絡(luò)生存壽命

網(wǎng)絡(luò)壽命定義為整個(gè)無(wú)線傳感器網(wǎng)絡(luò)里第一個(gè)傳感器節(jié)點(diǎn)的能量完全消耗完時(shí)的時(shí)間。表3為3種算法網(wǎng)絡(luò)壽命的比較。

表3 3種算法的網(wǎng)絡(luò)壽命比較

由于CHBFT算法減少了每輪廣播、重組簇的能耗及采用多跳簇間路由方式均衡簇首能耗，因此網(wǎng)絡(luò)節(jié)點(diǎn)的生存壽命更加長(zhǎng)久。

5 結(jié)束語(yǔ)

在無(wú)線傳感器網(wǎng)絡(luò)分簇算法中，簇首的選取決定了整個(gè)網(wǎng)絡(luò)的性能。鑒于簇首選取過(guò)程中多因素的不確定性，本文提出基于模糊理論的無(wú)線傳感器網(wǎng)絡(luò)簇首選舉算法。該算法使各節(jié)點(diǎn)在競(jìng)爭(zhēng)半徑內(nèi)交換自身信息，構(gòu)造節(jié)點(diǎn)鄰域表，計(jì)算出簇首可選度，生成簇首序列，然后選舉可選度最高的節(jié)點(diǎn)做簇首，形成無(wú)線網(wǎng)絡(luò)的層次結(jié)構(gòu)。仿真結(jié)果表明，與LEACH算法以及HEED算法相比，CHBFT算法每輪產(chǎn)生的簇首數(shù)目集中于該網(wǎng)絡(luò)環(huán)境下的理想簇首數(shù)目，可保證網(wǎng)絡(luò)平均能量消耗少；同時(shí)簇首能量消耗更少，能有效延長(zhǎng)無(wú)線傳感器網(wǎng)絡(luò)的生命周期。

［1］ Akyildiz IF，Su W，Sankarasubram aniam Y，et al.A Survey on Sensor Networks［J］.IEEE Communications Magazine，2002，40（8）：102-114.

［2］ 解志斌，于 謙，沈 斌，等.一種新的基于粒子群優(yōu)化的雙簇頭分簇路由算法［J］.傳感技術(shù)學(xué)報(bào)，2013，26（8）：1135-1139.

［3］ 蘇金樹(shù)，郭文忠，余朝龍，等.負(fù)載均衡感知的無(wú)線傳感器網(wǎng)絡(luò)容錯(cuò)分簇算法［J］.計(jì)算機(jī)學(xué)報(bào)，2014， 37（2）：445-456.

［4］ 劉 群，白全煒，曾憲華，等.能量感知的WSN節(jié)點(diǎn)分類控制路由算法［J］.傳感技術(shù)學(xué)報(bào)，2011，24（7）：1053-1059.

［5］ Heinzelman W，Chandrakasan A，Balakrishnan H.Energy Efficient Communication Protocol for Wireless Sensor Networks［C］//Proceedings of Hawaii International Conference on System Sciences.Hawaii，USA：IEEE Press，2000：1-10.

［6］ Heinzelman W，Chandraksan A，Balakrishnan H.An Application-specific Protocol Architechture for Wireless Micro-sensor Networks［J］.IEEE Transactions on Wireless Communications，2002，1（4）：660-670.

［7］ M anjeshwar A，Grawal D P.TEEN：A Protocol for Enhanced Efficiency in Wireless Sensor Networks［C］// Proceedings of the 15th Parallel and Distributed Processing Symposium.San Francisco，USA：IEEE Computer Society，2001：2009-2015.

［8］ Younis O，F(xiàn)ahm y S.HEED：A Hybrid Energy-efficient Distributed Clustering Approach for Ad Hoc Sensor Networks［J］.IEEE Transactions on Mobile Computing，2004，3（4）：660-669.

［9］ Degrauwe D，Roeck G D，Lombaert G.Uncertainty Quantification in the Dam age Assessment of a Cablestayed Bridge by Means of Fuzzy Numbers［J］. Computers&Structures，2009，87（17）：1077-1084.

［10］ 張海娟.基于蟻群算法的無(wú)線傳感器網(wǎng)絡(luò)分簇路由算法［D］.西安：西北大學(xué)，2010.

［11］ 田 勇，唐禎安，喻 言.能量均衡的室內(nèi)無(wú)線傳感器網(wǎng)絡(luò)自適應(yīng)分簇路由算法［J］.電子與信息學(xué)報(bào)，2013，35（12）：2992-2998.

［12］ 張 品，徐智福，孫 巖.一種新的基于簇頭優(yōu)化的WSN路由協(xié)議［J］.傳感技術(shù)學(xué)報(bào)，2009，22（7）：1013-1017.

［13］ 孫 亭，楊永田，蘆東昕，等.一種基于聚合度的動(dòng)態(tài)分層路由協(xié)議［J］.電子學(xué)報(bào)，2008，36（4）：794-799.

［14］ 蔣 陽(yáng)，孫柳林，敖文鈞，等.WSN中LEACH路由協(xié)議簇頭數(shù)優(yōu)化研［J］.計(jì)算機(jī)應(yīng)用研究，2010，27（11）：4251-4253.

編輯金胡考

C luster Head Election Algorithm in Wireless Sensor Network Based on Fuzzy Theory

TAO Zhiyonga，JIANG Shoufengb
（a.School of Electronic and Information Engineering；b.Institute of Graduate，Liaoning Technical University，Huludao 125105，China）

Wireless Sensor Network（WSN）clustering algorithm works by‘round'.M any clustering algorithms carry out cluster head election in each round，causing excessive energy and time consumption.For this problem，this paper proposes Cluster Head election algorithm in WSN Based on Fuzzy Theory（CHBFT）.It determines the competition radius of cluster head in the network deployment phase to ensure the uniform distribution of cluster heads.In cluster head election phase，it communicates with the node in the com petition radius and structure node's neighborhood list，then uses fuzzy comprehensive evaluation method to generate a sequence of cluster heads，based on the sequence nodes become clusters in line.After the establishment of the clusters，the clusters use multi-hop to communicate with Sink to balance the energy consumption of cluster heads in different distance.Simulation results show that network energy consumption can be reduced and network survival time is extended by this algorithm.

Wireless Sensor Network（WSN）；clustering algorithm；fuzzy theory；com petition radius；sequence of cluster head；multi-hop routing

陶志勇，蔣守鳳.基于模糊理論的無(wú)線傳感器網(wǎng)絡(luò)簇首選舉算法［J］.計(jì)算機(jī)工程，2015，41（9）：115-119.

英文引用格式：Tao Zhiyong，Jiang Shoufeng.Cluster Head Election Algorithm in Wireless Sensor Network Based on Fuzzy Theory［J］.Computer Engineering，2015，41（9）：115-119.

1000-3428（2015）09-0115-05

A

TP393.02

10.3969/j.issn.1000-3428.2015.09.020

陶志勇（1978-），男，副教授、博士研究生，主研方向；多媒體通信；蔣守鳳，碩士研究生。

2014-09-29

2014-10-31 E-m ail：jsf_0116@163.com