一種基于改進粒子群的無線傳感器網(wǎng)絡層次化聚類協(xié)議*

王 寧,周 圓,劉敬浩

(天津大學 電子與信息工程學院,天津 300072)

一種基于改進粒子群的無線傳感器網(wǎng)絡層次化聚類協(xié)議*

王 寧,周 圓*,劉敬浩

(天津大學 電子與信息工程學院,天津 300072)

延長網(wǎng)絡的生存周期是無線傳感器網(wǎng)絡路由設計的主要目標之一。簇頭的高能耗是網(wǎng)絡快速死亡的一個重要原因。提出一種基于改進粒子群PSO(Particle Swarm Optimation)的無線傳感器網(wǎng)絡聚類路由協(xié)議IPSOCH。利用中繼節(jié)點來分擔簇頭數(shù)據(jù)轉(zhuǎn)發(fā)的任務,減輕簇頭節(jié)點的負載,并利用改進的粒子群算法通過節(jié)點的剩余能量信息和位置信息來選擇簇頭和中繼節(jié)點。仿真實驗表明,IPSOCH協(xié)議比起現(xiàn)有的幾種路由協(xié)議,能有效提高能量使用率,延長網(wǎng)絡生存周期。

無線傳感器網(wǎng)絡;延長生存周期;分簇;中繼節(jié)點;粒子群

無線傳感器網(wǎng)絡WSN(Wireless Sensor Network)是一種由大量傳感器節(jié)點以自組織形式構(gòu)成的無線網(wǎng)絡系統(tǒng),以協(xié)作的感知、采集、處理和傳輸網(wǎng)絡覆蓋地理區(qū)域內(nèi)被感知對象的信息,并最終把這些信息發(fā)送給匯聚節(jié)點或者基站[1]。在傳感器網(wǎng)絡中,每個傳感器節(jié)點的計算能力、存儲容量和通信能力都受到限制,而且,在許多無線傳感器網(wǎng)絡應用中,傳感器節(jié)點被部署在惡劣環(huán)境中,造成更換電池困難而且昂貴。因此,在大多數(shù)情況下,傳感器節(jié)點必須實現(xiàn)在較長時間內(nèi)保持工作能力。所以,延長網(wǎng)絡生存周期是網(wǎng)絡路由協(xié)議設計中重點考慮的內(nèi)容[2]。

目前,在無線傳感器路由協(xié)議中,基于簇結(jié)構(gòu)的層次化路由協(xié)議是延長網(wǎng)絡生存時間的一種有效方法。最典型的無線傳感器網(wǎng)絡分簇路由協(xié)議是LEACH協(xié)議[3],其依據(jù)事先設定的概率來選擇簇頭節(jié)點,使各傳感器節(jié)點輪流成為簇頭從而均衡簇頭節(jié)點的能耗。然而,由于簇頭選擇的隨機性,能量低的節(jié)點也有可能被選為簇頭節(jié)點,從而導致簇頭節(jié)點過早死亡。此外,在LEACH協(xié)議中,簇頭節(jié)點和基站之間信息傳輸完全采用單跳模式,這將會造成大量能量消耗,并且在簇頭節(jié)點遠離基站時會導致簇頭的能耗過大。在此基礎上文獻[4]提出LEACH-C協(xié)議,其節(jié)點的剩余能量信息被加入簇頭選擇概率函數(shù)中,因而高能量的節(jié)點被選為簇頭的概率更高。然而,LEACH-C協(xié)議在選擇簇頭時并沒有考慮到節(jié)點的位置信息。文獻[5]結(jié)合節(jié)點的數(shù)據(jù)傳輸?shù)哪芎?提出一種單跳與多跳結(jié)合的協(xié)議。文獻[6]通過對簇頭數(shù)量的估計控制簇頭數(shù)量來均衡能耗,延長網(wǎng)絡生存時間。文獻[7]將數(shù)據(jù)采集周期與數(shù)據(jù)通信周期分離,采取簇內(nèi)可變通信策略來減少能耗。

文獻[8]提出的HEED協(xié)議是一種混合式分簇協(xié)議,依據(jù)節(jié)點的剩余能量為選擇標準隨機選出候選簇頭,然后根據(jù)簇內(nèi)能量的消耗代價產(chǎn)生最終的簇頭。HEED協(xié)議限定在一定范圍內(nèi)僅有一個簇頭,從而使整個網(wǎng)絡的簇頭分布更加均衡。但是HEED協(xié)議僅僅考慮到簇內(nèi)的能耗而沒有考慮到簇頭與基站的距離。文獻[9]提出了一種新型的無線傳感器網(wǎng)絡聚類協(xié)議EECS。在EECS協(xié)議中,通過競爭的方式選擇簇頭并考慮到了簇頭與基站的距離。如果一個節(jié)點發(fā)現(xiàn)其在競爭范圍之內(nèi)較其他節(jié)點具有更高能量,便會申請成為簇頭節(jié)點并廣播給其他節(jié)點。然而,這個協(xié)議不適用于高密度的網(wǎng)絡之中,因為會有較多的節(jié)點競爭成為簇頭。TCAC協(xié)議[10]改進了EECS協(xié)議,其在確保整個網(wǎng)絡的連通性的同時采用了動態(tài)控制節(jié)點的傳輸功率級的方法而使全網(wǎng)的能耗最少。

在大多數(shù)實際應用中,基站與傳感器網(wǎng)絡相距較遠,簇頭節(jié)點收發(fā)消息較之于其他節(jié)點都要消耗更多的能量。在有些協(xié)議中采用中繼節(jié)點來分擔簇頭的數(shù)據(jù)傳輸任務,降低簇頭節(jié)點的能量消耗,但大部分協(xié)議的中繼節(jié)點是隨機利用的。SEECH協(xié)議[11]是第1個通過一定參數(shù)選擇中繼節(jié)點的路由協(xié)議。在SEECH協(xié)議中,一部分剩余能量較高的節(jié)點被選作中繼節(jié)點,簇頭選擇距其最近的中繼節(jié)點作為下一跳節(jié)點。即簇頭從該簇成員節(jié)點接收數(shù)據(jù)并進行數(shù)據(jù)融合,再將融合后的數(shù)據(jù)發(fā)送給中繼節(jié)點,再由中繼節(jié)點將數(shù)據(jù)發(fā)送給基站。這樣,中繼節(jié)點承擔了簇頭的傳輸任務,降低了簇頭節(jié)點的能耗。然而,兩個或多個簇頭可能同時選擇一個中繼節(jié)點作為下一跳節(jié)點,這將造成中繼節(jié)點能耗過快。此外,簇頭選擇中繼節(jié)點時需要額外的能量開銷。同時,在中繼節(jié)點的選擇過程中也未考慮節(jié)點的地理位置信息。

本文在總結(jié)前人已有的路由協(xié)議的基礎上,提出了一種基于改進PSO算法的無線傳感器網(wǎng)絡層次化聚類協(xié)議IPSOCH來延長網(wǎng)絡的生存時間。首先,用中繼節(jié)點均衡簇頭的能耗。與SEECH協(xié)議不同的是,每個簇頭都對應于一個中繼節(jié)點。這樣做有兩個好處:①簇頭節(jié)點無需額外的能量來選擇其下一跳節(jié)點;②避免了在中繼節(jié)點選擇過程中的消息沖突。此外,中繼節(jié)點的選擇不僅僅考慮了節(jié)點剩余能量,還會參照其與對應簇頭的距離以及自己和基站的距離。最后根據(jù)節(jié)點的剩余能量信息和位置信息建立適應值函數(shù),并利用改進的PSO算法來選擇出合適的簇頭和中繼節(jié)點。

1 系統(tǒng)模型

1.1 網(wǎng)絡模型

假定網(wǎng)絡中具有N個傳感器節(jié)點,被均勻部署在邊長為M的正方形區(qū)域中,并持續(xù)地對環(huán)境進行監(jiān)測。傳感器網(wǎng)絡模型具有以下性質(zhì):①每個傳感器節(jié)點的能量是有限的,并且每個節(jié)點部署后都有一個唯一標識(ID)且位置是已知的;②每個節(jié)點的功能相同,均具有融合數(shù)據(jù)的能力;③傳感器節(jié)點和基站部署后都處于不再發(fā)生位置移動;④節(jié)點一旦部署將無法維護,即節(jié)點無法進行電池更換;⑤每個節(jié)點的發(fā)射功率可以根據(jù)與接收端的距離進行調(diào)節(jié)。

圖1 能量消耗模型

1.2 能耗模型

本文采用與文獻[12]相同的能耗模型,如圖1所示。向距離為d的目標節(jié)點發(fā)送一個k比特的數(shù)據(jù)包的能耗為:

(1)

節(jié)點接收k比特數(shù)據(jù)消耗的能量為:

ERX(k)=kEelec

(2)

數(shù)據(jù)融合也會消耗一定的能量,融合單位比特數(shù)據(jù)所耗費的能量用EDA表示。

2 IPSOCH分簇路由協(xié)議

在本協(xié)議中,節(jié)點被分為簇頭,中繼節(jié)點和普通節(jié)點。與LEACH協(xié)議相似,協(xié)議的執(zhí)行過程具有周期性,每輪循環(huán)周期分為兩個階段:簇建立階段和數(shù)據(jù)傳輸階段。在簇建立階段,簇頭與中繼節(jié)點以及各個節(jié)點的通信鏈路被確定,從而全網(wǎng)拓撲被建立起來。在數(shù)據(jù)傳輸階段,普通節(jié)點將感知到的信息傳送給簇頭,簇頭將數(shù)據(jù)融合后傳送給中繼節(jié)點,中繼節(jié)點再將數(shù)據(jù)傳送給基站。

2.1 簇頭的選擇

我們假設在全網(wǎng)范圍內(nèi)隨機部署了N個傳感器節(jié)點,并被分成n個個簇。我們定義簇頭的集合為CH,即CH={CH1,CH2,…,CHj,…,CHn},將非簇頭節(jié)點的集合定義為non-CH。

在本協(xié)議中,簇頭負責接收簇內(nèi)節(jié)點的數(shù)據(jù),數(shù)據(jù)融合以及與相對應的中繼節(jié)點進行通信。在簇頭選擇中將考慮節(jié)點的剩余能量和位置信息?；谝陨蟽牲c本文采用以下適應值函數(shù):

(3)

(4)

(5)

如果一個節(jié)點剩余能量更多且距離基站更近,其被選擇成為簇頭的可能性更大。所提出的節(jié)點選擇方式可看做NP困難問題(非確定性多項式困難問題)。本文中,我們采用改進型PSO來解決這一問題,詳見2.3節(jié)。

2.2 中繼節(jié)點的選擇

為了降低簇頭節(jié)點能量消耗,協(xié)議利用中繼節(jié)點分擔簇頭節(jié)點的數(shù)據(jù)傳輸任務。中繼節(jié)點應該具有以下特點:①節(jié)點具有較高的能量,因其相較于普通節(jié)點能耗更大;②節(jié)點距離基站和簇頭比較近,因為傳輸數(shù)據(jù)消耗能量是節(jié)點最主要的能耗。與其他協(xié)議不同的是,本協(xié)議中中繼節(jié)點的選擇與簇頭節(jié)點相關聯(lián),并且每個簇頭節(jié)點只對應一個中繼節(jié)點。因此,簇頭節(jié)點與中繼節(jié)點間的通信開銷將會降低。

我們定義中繼節(jié)點的集合為RL,即RL={RL1,RL2,…,RLz,…,RLn},定義普通節(jié)點集合為CO。與3.1小節(jié)中的簇頭選擇方式相類似,為了選擇中繼節(jié)點,我們定義了一個適應度函數(shù):

(6)

(7)

(8)

2.3 基于改進粒子群的目標節(jié)點更新算法

粒子群優(yōu)化算法[13]是Eberhart 和 Kennedy兩位博士提出的,其基本思想是通過群體中個體之間的協(xié)作和信息共享來尋找最優(yōu)解。因其具有收斂速度快、簡單、高效等特點,PSO已經(jīng)成為一種被廣泛應用的優(yōu)化算法,并成功應用于許多實際問題。因此,PSO可以用來進行網(wǎng)絡中簇頭和中繼節(jié)點的選擇。然而,PSO算法局部搜索能力較弱,導致其收斂性較差,為了解決這一問題,我們通過線性改變慣性權(quán)重來改進PSO算法。算法由如下5個主要步驟組成:

①優(yōu)化問題和算法參數(shù)初始化。創(chuàng)建一定數(shù)量的粒子,每個粒子代表問題的初始解,即選擇出的目標節(jié)點,粒子的數(shù)量設為M,每個粒子i具有一個速度矢量vi=[vi1,vi2,…,vid]和一個位置矢量xi=[xi1,xi2,…,xid]來表示其當前狀態(tài),式中i為正整數(shù),代表粒子群中的某一粒子,d代表問題的維數(shù)。

②計算適應值函數(shù)。在d維空間中進行粒子搜索,依照式(3)或式(6)來計算每個粒子的適應值,在搜索過程中,每個粒子記錄個體最優(yōu)解Pi=[pi1,pi2,…,pid]和由粒子群中任全局最優(yōu)解Pg=[pg1,pg2,…,pgd]。

③更新速度和位置矢量。粒子的速度根據(jù)下式進行更新:

(9)

粒子位置更新公式為:

(10)

式中:vij是第i個粒子速度矢量的第j維值,通常被約束在區(qū)間[vmin,vmax]間,用以表示粒子的增長。數(shù)r1、r2∈[0,1]是d維空間中產(chǎn)生的隨機數(shù)。c1和c2為加速因子,通常設為2.0或根據(jù)狀態(tài)更新進行動態(tài)控制。參數(shù)w為慣性權(quán)值,其大小決定了粒子前一次迭代過程的速度對本次迭代過程中粒子速度信息的影響深度,從而權(quán)衡局部搜索能力和全局搜索能力。當慣性權(quán)值比較大有利于粒子跳出局部搜索尋找全局最優(yōu)解,相反慣性權(quán)值比較小時,有利于尋找局部最優(yōu)解,加快收斂速度。

④慣性權(quán)值調(diào)整。為了避免算法陷入局部最優(yōu)解搜索,本文中采用了一種改進型的PSO算法[14],通過調(diào)整慣性權(quán)值來避免陷入局部搜索,其權(quán)值可由式(11)表示:

(11)

式中:wmax和wmin分別表示最大和最小慣性權(quán)值,并且通常設為0.9和0.4。Interationmax為最大允許迭代次數(shù),Interationi表示當前迭代次數(shù)。

⑤返回到步驟③進行循環(huán),直到達到最大迭代次數(shù)。當前最優(yōu)解即選為目標節(jié)點。

2.4 協(xié)議描述

①簇建立階段:每一個節(jié)點通過一條Node-MSG信息來廣播自己的剩余能量信息和位置信息,基站通過這些信息選出簇頭。在簇頭被確定后,每個簇頭將會向整個網(wǎng)絡廣播一條消息(即CH-ADV)來表明身份,其采用了載波監(jiān)聽多路訪問(CSMA)MAC協(xié)議。這一消息包括簇頭ID和用于表明身份的報文頭。類似地,一旦中繼節(jié)點被確定,一個包括中繼節(jié)點ID、對應簇頭節(jié)點ID和表明身份的報文頭的消息RL-ADV被廣播到全網(wǎng)來明確其中繼節(jié)點的身份。每個普通節(jié)點基于從每個簇頭接受的CH-ADV消息的強度,選擇最近的簇頭加入。在每個普通節(jié)點確定其所加入的簇頭之后,其必須向其簇頭發(fā)送JOIN-REQ消息來表明身份。這一消息同樣較為簡單,由節(jié)點ID,所屬簇頭ID和發(fā)送節(jié)點剩余能量信息組成。這樣,節(jié)點簇形成,網(wǎng)絡中每個節(jié)點的身份確定下來。

節(jié)點簇中的簇頭作為控制中心進行數(shù)據(jù)傳輸?shù)膮f(xié)調(diào)工作。簇頭建立一個TDMA時間表,時間表用來分配普通節(jié)點與簇頭以及簇頭與中繼節(jié)點之間的通信時隙,并廣播SCHEDULE-MSG消息給簇中普通節(jié)點和相應中繼節(jié)點。這避免了消息的沖突,也使得在普通節(jié)點的非傳輸時段和中繼節(jié)點的非接收時段,其無線電模塊可以處于休眠狀態(tài)來節(jié)省能量的消耗。這一方法可增加頻譜效率,降低每個節(jié)點的能量損耗。當所有節(jié)點均獲取了TDMA時間表后,節(jié)點簇建立階段完成,同時在特定網(wǎng)絡拓撲狀態(tài)下的數(shù)據(jù)傳輸階段開始。

②數(shù)據(jù)傳輸階段:在這一階段,普通節(jié)點根據(jù)TDMA時間表向其簇頭傳輸數(shù)據(jù)。簇頭則必須一直處于工作狀態(tài)來接受簇內(nèi)節(jié)點發(fā)送的數(shù)據(jù),并將這些數(shù)據(jù)進行融合。此后,簇頭將已融合的數(shù)據(jù)發(fā)送給中繼節(jié)點。通過分析簇頭節(jié)點建立的TDMA時間表,中繼節(jié)點可以控制接收器開關狀態(tài)來節(jié)省能量。最后,中繼節(jié)點將融合的數(shù)據(jù)傳送給基站。

2.5 消息復雜度分析

假設網(wǎng)絡中有N個節(jié)點,其中選出有n個簇頭和n個中繼節(jié)點,在每一輪的開始,每一個節(jié)點廣播了一條Node-MSG 信息,復雜度為O(N);在每一輪中,每個簇頭需要廣播一個CH-ADV消息和一條SCHEDULE-MSG時間表消息,復雜度為O(2n);每一個中繼節(jié)點也要廣播一條表明身份的RL-ADV消息,復雜度為O(n);另外每一個普通節(jié)點需要發(fā)送一條JOIN-REQ來加入簇頭,復雜度為O(N-2n)。所以整個協(xié)議消息復雜度為O(N+N-2n+n+n+n),即O(N)。

3 性能分析與仿真

本節(jié)通過計算機仿真來評估所提出的路由算法的性能。我們知道節(jié)點數(shù)量,網(wǎng)絡覆蓋面積和基站位置是影響整個網(wǎng)絡生存周期的3個最主要參數(shù)。本節(jié)將這3個參數(shù)納入考慮,通過與其他路由協(xié)議的比較來評估本協(xié)議。仿真采用MATLAB數(shù)學工具實現(xiàn),下面所列出的實驗值是經(jīng)過20次試驗取得的平均值。

表1 仿真參數(shù)

本協(xié)議采用改進型PSO算法來增強PSO算法的搜索能力。圖2將協(xié)議與基于PSO的協(xié)議進行了性能對比。如圖所示,較于基于PSO的協(xié)議,本協(xié)議在第1個節(jié)點死亡的時間(First Node Die,FND),一半節(jié)點死亡的時間(Half of Nodes Die,HND)和全部節(jié)點死亡的時間(Last Node Die,LND)分別提高109.6%,111.0%和108.0%。改進型PSO算法利用線性改變權(quán)重的方法來避免粒子局限于搜索局部最優(yōu)解,因此簇頭和中繼節(jié)點選擇會更加合理,使得協(xié)議的生存周期更長。

圖2 改進PSO與基本PSO性能比較

圖3 情景1中死亡節(jié)點數(shù)量變化

實驗中根據(jù)節(jié)點數(shù)量,網(wǎng)絡覆蓋面積和基站位置不同設計了3個場景來評估本協(xié)議的性能,如表2所示。我們將本協(xié)議與LEACH[4],TCAC[10]以及采用了中繼節(jié)點的SEECH[11]進行性能比較。

表2 3種仿真方案

圖3～圖5給出了存活節(jié)點的數(shù)量隨輪數(shù)的變化。由圖3、圖4可看出,IPSOCH協(xié)議的網(wǎng)絡的生存周期明顯長與其他3種協(xié)議。由圖5可以看出,本協(xié)議的第1個節(jié)點雖然比SEECH早死,但最后一個節(jié)點死亡時間卻比SEECH高出50%,說明IPSOCH協(xié)議能夠很好的節(jié)省能量,延長網(wǎng)絡的生存周期。

圖4 情景2中死亡節(jié)點數(shù)量變化

圖5 情景3中死亡節(jié)點數(shù)量變化

SECCH和IPSOCH協(xié)議中都利用了中繼節(jié)點,雖然增加中繼節(jié)點的選擇這一步驟在一定程度上會增加協(xié)議的復雜度,但是很大的延長了網(wǎng)絡的生命周期。在SEECH中,兩個或多個的簇頭可能選擇同一個中繼節(jié)點,造成中繼節(jié)點的能量被快速消耗。在本協(xié)議中,針對每一個簇頭對應選擇出一個合適的中繼節(jié)點,因此簇頭不需要額外能量來選擇其下一跳節(jié)點,此外在中繼節(jié)點的選擇不僅基于節(jié)點剩余能量,還需考慮與對應的簇頭和基站的距離因素。所以,IPSOCH協(xié)議能夠很好的延長網(wǎng)絡的生存周期。

5 結(jié)語

本文提出了一種層次型聚類無線傳感器網(wǎng)絡路由協(xié)議。該協(xié)議利用中繼節(jié)點分擔簇頭節(jié)點的能耗,根據(jù)節(jié)點的剩余能量和位置信息,利用改進的粒子群算法來優(yōu)化節(jié)點簇的建立過程,使數(shù)據(jù)傳輸距離最短且整個網(wǎng)絡能耗最小,因此全網(wǎng)生存周期得以延長。實驗通過改變節(jié)點密度,網(wǎng)絡覆蓋面積和基站位置,表明協(xié)議可以很好的延長網(wǎng)絡的生存周期。

[1] 李凌晶,孫力娟,王汝傳,等. 能量有效的無線傳感器網(wǎng)絡可信路由協(xié)議[J]. 系統(tǒng)工程與電子技術,2010,32(12):2711-2715.

[2] 張文梅,廖福保. 改進的無線傳感器網(wǎng)絡非均勻分簇路由算法[J]. 傳感技術學報,2015,28(5):739-743.

[3] Heinzelman W B,Chandrakasan A P,Balakrishnan H. An Application-Specific Protocol Architecture for Wireless Microsensor Networks[J]. IEEE Transactions on Wireless Communications,2002,1(4):660-670.

[4] 杜超. 基于NS2的LEACH-C協(xié)議分析與仿真[J]. 電子測量技術,2011,34(9):121-123.

[5] 李亞男,徐夫田,陳金鑫. 基于LEACH的WSNs分簇優(yōu)化策略[J]. 傳感技術學報,2014,27(5):670-674.

[6] 呂濤,朱清新,張路橋. 一種基于 LEACH 協(xié)議的改進算法[J]. 電子學報,2011,39(6):1405-1409.

[7] 葉繼華,王文,江愛文. 一種基于LEACH的異構(gòu)WSN能量均衡成簇協(xié)議[J]. 傳感技術學報,2015,28(12):1853-1860.

[8] Younis O,Fahmy S. HEED:A Hybrid,Energy-Efficient,Distributed Clustering Approach for Ad Hoc Sensor Networks[J]. IEEE Transactions on Mobile Computing,2004,3(4):366-379.

[9] Manjeshwar A,Agrawal D P. Teen:A Routing Protocol for Enhanced Efficiency in Wireless Sensor Networks[J]. Parallel and Distributed Processing Symposium,International. 2001,3:30189a.

[10] Dahnil D P,Singh Y P,Ho C K. Topology-Controlled Adaptive Clustering for Uniformity and Increased Lifetime in Wireless Sensor Networks[J]. Wireless Sensor Systems,IET,2012,2(4):318-327.

[11] Tarhani M,Kavian Y S,Siavoshi S. SEECH:Scalable Energy Efficient Clustering Hierarchy Protocol in Wireless Sensor Networks[J]. Sensors Journal,IEEE,2014,14(11):3944-3954.

[12] 蘇金樹,郭文忠,余朝龍,等. 負載均衡感知的無線傳感器網(wǎng)絡容錯分簇算法[J]. 計算機學報,2014,37(2):445-456.

[13] Kenney J. The Particle Swarm:Social Adaptation of Knowledge. Evolutionary Computation,1997.,IEEE International Conference on. IEEE,1997:303-308.

[14] Zhan Z H,Zhang J,Li Y,et al. Orthogonal learning particle swarm optimization[J]. IEEE Transactions on Evolutionary Computation,2011,15(6):832-847.

A Clustering Hierarchy Protocol Based on an Improved PSO Algorithm in Wireless Sensor Networks**

WANGNing,ZHOUYuan*,LIUJinghao

(School of Electric Information Engineering,Tianjin University,Tianjin 300072,China)

Maximizing the lifetime is a major objective for designing and planning the operation of a wireless sensor network(WSN). Huge energy consumption of cluster heads is the vital reason for the network’s rapidly death. A clustering hierarchy protocol for WSN was brought forward. The protocol takes both energy efficiency and transmission distance of the nodes into consideration,and relay nodes are used to balance the heavy consumption of cluster heads. In this way,the network results in better distributed sensors and a well-balanced clustering system enhancing the network’s lifetime. Simulation experiments compare the proposed protocol with comparative protocols by varying a number of parameters,e.g.,the number of the nodes,the network area size,and the position of the BS. Simulation results show that the proposed protocol performs well over other comparative protocols in various scenes.

wireless sensor networks;prolong network lifetime;clustering;relay node;PSO

王 寧(1991-),男,天津大學碩士研究生,主要研究方向為無線傳感器網(wǎng)絡,wangning866@tju.edu.cn;周 圓(1983-),女,博士,天津大學副教授,主要研究方向為無線傳感器網(wǎng)絡,網(wǎng)絡視頻通信,視頻編碼與傳輸?shù)?zhouyuan@tju.edu.cn; 劉敬浩(1963-),男,天津大學副教授,主要研究方向為網(wǎng)絡虛擬環(huán)境技術、計算機通信等,liujinghao@tju.edu.cn。

項目來源:國家863項目(2015AA01A706);國家自然基金項目(61201179,61571326)

2016-03-17 修改日期:2016-08-29

TP393.1

A

1004-1699(2017)01-0120-06

C:6150P

10.3969/j.issn.1004-1699.2017.01.022