一種基于融合器的多跳能量均衡算法

張凈霞 陳俊杰

(東南大學(xué)儀器科學(xué)與工程學(xué)院, 南京 210096)

一種基于融合器的多跳能量均衡算法

張凈霞 陳俊杰

(東南大學(xué)儀器科學(xué)與工程學(xué)院, 南京 210096)

為了解決現(xiàn)有的分簇算法能量消耗不均衡問(wèn)題,提出了一種新的基于融合器的多跳能量均衡 (MEB) 算法．該算法采用定時(shí)器并且考慮節(jié)點(diǎn)的剩余能量來(lái)優(yōu)化簇頭選舉,通過(guò)選舉簇中最多能量的節(jié)點(diǎn)作為融合器,對(duì)簇頭轉(zhuǎn)發(fā)的傳感數(shù)據(jù)進(jìn)行數(shù)據(jù)融合,然后通過(guò)由融合器構(gòu)建的多跳路由樹(shù)發(fā)送到基站．該算法同時(shí)達(dá)到了簇內(nèi)和簇間的能量均衡．仿真結(jié)果表明,MEB算法第1個(gè)節(jié)點(diǎn)死亡的時(shí)間比LEACH算法延長(zhǎng)了80%左右,比TB-LEACH算法延長(zhǎng)了60%左右．MEB算法第1個(gè)節(jié)點(diǎn)死亡到最后1個(gè)節(jié)點(diǎn)死亡經(jīng)歷的時(shí)間非常短．因此,MEB算法實(shí)現(xiàn)了整個(gè)網(wǎng)絡(luò)的能量均衡,提高了網(wǎng)絡(luò)的穩(wěn)定度,延長(zhǎng)了網(wǎng)絡(luò)的生命周期．

無(wú)線傳感器網(wǎng)絡(luò);能量均衡;融合器;多跳

在無(wú)線傳感器網(wǎng)絡(luò)中,傳感節(jié)點(diǎn)的能量有限,因此需要仔細(xì)地對(duì)應(yīng)用和協(xié)議進(jìn)行設(shè)計(jì),通過(guò)優(yōu)化能量消耗來(lái)延長(zhǎng)網(wǎng)絡(luò)的生命周期[1]．分簇算法是一種設(shè)計(jì)無(wú)線傳感器網(wǎng)絡(luò)中各種能量高效的協(xié)議．LEACH(low-energy adaptive clustering hierarchy)算法是分簇算法中最廣泛使用的算法[2]．LEACH算法通過(guò)將傳感器網(wǎng)絡(luò)劃分成若干個(gè)簇,由簇頭負(fù)責(zé)簇內(nèi)數(shù)據(jù)的融合和轉(zhuǎn)發(fā),所以LEACH算法能夠優(yōu)化網(wǎng)絡(luò)的能量消耗來(lái)延長(zhǎng)網(wǎng)絡(luò)的生命周期．由于簇頭在傳感器節(jié)點(diǎn)中間隨機(jī)輪轉(zhuǎn),簇頭比普通傳感節(jié)點(diǎn)能量消耗要多,因此會(huì)造成節(jié)點(diǎn)過(guò)早死亡．HEED(hybrid energy-efficient distributed clustering)協(xié)議是一種分布式分簇算法[3],該算法根據(jù)節(jié)點(diǎn)的剩余能量和節(jié)點(diǎn)等級(jí)來(lái)選擇簇頭．HEED算法是用來(lái)設(shè)計(jì)需要延長(zhǎng)網(wǎng)絡(luò)生命周期、規(guī)模擴(kuò)展、容錯(cuò)和負(fù)載均衡的傳感器網(wǎng)絡(luò)協(xié)議．

文獻(xiàn)[4]通過(guò)簇頭重構(gòu)來(lái)實(shí)現(xiàn)負(fù)載均衡,簇頭重構(gòu)就是本輪簇頭按照一定的規(guī)則產(chǎn)生下一輪簇頭來(lái)實(shí)現(xiàn)簇頭在輪間的遷移,從而使得簇頭均勻地分布在網(wǎng)絡(luò)中,延長(zhǎng)了網(wǎng)絡(luò)的生命周期．文獻(xiàn)[5]提出了DSBCA(balanced clustering algorithm with distributed self-organization)算法,該算法通過(guò)考慮節(jié)點(diǎn)連通密度和位置形成能量均衡簇,但需要利用RSSI(received signal strength indicator)計(jì)算節(jié)點(diǎn)與基站間的距離．文獻(xiàn)[6]提出了CATD(clustering algorithm based on time delay)算法,該算法通過(guò)定時(shí)器的時(shí)間延遲使得簇頭數(shù)量?jī)?yōu)化和在網(wǎng)絡(luò)中均勻分布,通過(guò)多跳機(jī)制構(gòu)成了一個(gè)路由樹(shù)轉(zhuǎn)發(fā)數(shù)據(jù),該算法節(jié)省了網(wǎng)絡(luò)能量，均衡了網(wǎng)絡(luò)負(fù)載,延長(zhǎng)了網(wǎng)絡(luò)的生命周期．文獻(xiàn)[7]提出了OLBHC(optimal load balancing hierarchical clustering)路由協(xié)議,OLBHC能夠用均衡方法降低能量消耗,利用標(biāo)記矩陣儲(chǔ)存鄰居節(jié)點(diǎn)的連接狀態(tài),然后應(yīng)用優(yōu)化算法選擇網(wǎng)絡(luò)中最優(yōu)簇，該算法延長(zhǎng)了節(jié)點(diǎn)的平均能量周期．文獻(xiàn)[4-7]利用簇頭均勻分布,通過(guò)構(gòu)建均衡簇和多跳方式實(shí)現(xiàn)負(fù)載均衡．

文獻(xiàn)[8]提出了TB-LEACH(time-based cluster-head selection algorithm for LEACH)算法,該算法利用定時(shí)器發(fā)送廣播信息來(lái)競(jìng)爭(zhēng)簇頭,通過(guò)優(yōu)化簇頭數(shù)量來(lái)實(shí)現(xiàn)簇間能量均衡,但是TB-LEACH競(jìng)選簇頭時(shí)沒(méi)有考慮節(jié)點(diǎn)的剩余能量．文獻(xiàn)[9]提出了LEACH-B(LEACH-balanced)算法,該算法通過(guò)2次選擇簇頭來(lái)優(yōu)化簇頭數(shù)量,平衡了系統(tǒng)能量消耗,延長(zhǎng)了網(wǎng)絡(luò)生命周期．文獻(xiàn)[8-9]通過(guò)簇頭數(shù)量?jī)?yōu)化來(lái)實(shí)現(xiàn)能量均衡,延長(zhǎng)了網(wǎng)絡(luò)的生命周期．文獻(xiàn)[10]提出了IBLEACH(intra-balanced LEACH)協(xié)議,該協(xié)議考慮幀間的能量均衡,通過(guò)分配簇頭的負(fù)載到簇內(nèi)的普通節(jié)點(diǎn),延長(zhǎng)了整個(gè)網(wǎng)絡(luò)的生命周期．

上述的分簇算法中,數(shù)據(jù)融合都是在簇頭進(jìn)行,數(shù)據(jù)傳輸都是基于單跳或者構(gòu)建了基于簇頭之間的多跳路由樹(shù),這使得網(wǎng)絡(luò)中所有節(jié)點(diǎn)之間的能量消耗并不均衡．為了實(shí)現(xiàn)網(wǎng)絡(luò)所有節(jié)點(diǎn)之間的能量消耗均衡,同時(shí)克服TB-LEACH選擇簇頭時(shí)不考慮剩余能量的缺陷,本文提出了一種新的實(shí)現(xiàn)能量均衡的多跳能量均衡(MEB)算法．MEB算法基于TB-LEACH算法選舉簇頭,同時(shí)考慮了節(jié)點(diǎn)的剩余能量．為了降低簇頭的負(fù)擔(dān),選舉簇中能量最多的節(jié)點(diǎn)作為融合器進(jìn)行數(shù)據(jù)融合．最后,構(gòu)建基于融合器的多跳路由樹(shù),將采集的數(shù)據(jù)傳輸?shù)交荆?/p>

1 無(wú)線電能量模型

為了分析MEB算法的能量消耗,本文采用與LEACH算法相同的無(wú)線電能量模型．假設(shè)節(jié)點(diǎn)傳輸l個(gè)比特信息,發(fā)射器和接收器通信距離為d,所消耗的能量為

(1)

ERx(l)=lEelec

(2)

節(jié)點(diǎn)對(duì)l個(gè)比特的數(shù)據(jù)進(jìn)行融合,所消耗的能量為

EDA(l)=lEDA

(3)

式中,EDA為每個(gè)比特的數(shù)據(jù)融合所消耗的能量．

從無(wú)線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)感知、處理和數(shù)據(jù)通信3方面來(lái)看,節(jié)點(diǎn)消耗的能量主要集中在數(shù)據(jù)通信上,而發(fā)送信號(hào)消耗了通信的大部分能量．發(fā)送信號(hào)所消耗的能量與節(jié)點(diǎn)之間的距離d有很大的關(guān)系,當(dāng)d≤d0時(shí),節(jié)點(diǎn)功率放大器采用自由空間模型,節(jié)點(diǎn)消耗的能量較少．當(dāng)d>d0時(shí),節(jié)點(diǎn)功率放大器采用多徑路徑模型,節(jié)點(diǎn)消耗的能量較多．

2 MEB算法

MEB算法的執(zhí)行過(guò)程由輪組成,每輪分為簇建立階段和穩(wěn)定階段，與LEACH,TB-LEACH算法的簇建立階段類似,MEB算法的簇建立階段將網(wǎng)絡(luò)中的節(jié)點(diǎn)劃分為若干個(gè)簇,每個(gè)簇的節(jié)點(diǎn)選舉出自己的簇頭．MEB算法對(duì)TB-LEACH算法簇頭選舉的函數(shù)進(jìn)行了優(yōu)化．在簇穩(wěn)定階段,非簇頭節(jié)點(diǎn)按照簇頭發(fā)送給自己的TDMA調(diào)度,在自己的時(shí)間片內(nèi)發(fā)送數(shù)據(jù)給簇頭．簇頭接收的數(shù)據(jù)經(jīng)過(guò)處理(數(shù)據(jù)融合),發(fā)送數(shù)據(jù)給基站．MEB算法在簇穩(wěn)定階段與LEACH,TB-LEACH算法有2點(diǎn)不同:①M(fèi)EB算法增加了數(shù)據(jù)融合節(jié)點(diǎn)(融合器)的選擇,融合器是指包括簇頭在內(nèi)的剩余能量最多的簇內(nèi)節(jié)點(diǎn);②LEACH,TB-LEACH算法是單跳傳輸,簇頭直接發(fā)送數(shù)據(jù)給基站,而MEB算法是多跳傳輸,構(gòu)建了基于融合器的多跳路由樹(shù)．

2.1 簇頭的優(yōu)化選擇

在LEACH算法中,簇頭的選擇基于閾值與一個(gè)隨機(jī)數(shù)的比較．TB-LEACH算法為了優(yōu)化簇頭數(shù)量,選擇簇頭時(shí)不再基于閾值,而是基于一個(gè)時(shí)間延遲的定時(shí)器．每個(gè)節(jié)點(diǎn)都利用定時(shí)器發(fā)送廣播信息來(lái)競(jìng)爭(zhēng)簇頭,發(fā)送廣播信息的時(shí)間間隔是由定時(shí)器隨機(jī)產(chǎn)生．由于定時(shí)器的時(shí)間短,因而具有最小隨機(jī)數(shù)的節(jié)點(diǎn)成為簇頭的概率較大．TB-LEACH算法定時(shí)器產(chǎn)生隨機(jī)數(shù)的公式為

Tt=rand(0,1)

(4)

根據(jù)文獻(xiàn)[2]的證明,簇的數(shù)量太多或者太少,每輪消耗的平均能量都較大,因此簇頭數(shù)有一個(gè)優(yōu)化值kopt．在TB-LEACH算法中,當(dāng)競(jìng)爭(zhēng)簇頭的個(gè)數(shù)k>kopt時(shí),所有的定時(shí)器停止,節(jié)點(diǎn)不再競(jìng)爭(zhēng)簇頭．

由式(4)可知,TB-LEACH算法選擇簇頭是隨機(jī)的,不考慮節(jié)點(diǎn)的當(dāng)前能量,這樣能量少的節(jié)點(diǎn)可能頻繁地成為簇頭而導(dǎo)致能量耗盡死亡．在一些節(jié)點(diǎn)死亡后,系統(tǒng)變得不穩(wěn)定,可靠性降低．因此簇頭的選擇需要考慮節(jié)點(diǎn)的剩余能量,這樣簇頭選擇在能量較多的節(jié)點(diǎn)之間輪轉(zhuǎn),使得同一時(shí)刻節(jié)點(diǎn)的能量差異減小,使節(jié)點(diǎn)的能量負(fù)載均衡,節(jié)點(diǎn)能夠在理想情況下同時(shí)死亡,提高了系統(tǒng)的可靠性．因此MEB算法對(duì)TB-LEACH算法的簇頭選舉方法進(jìn)行了改進(jìn),使定時(shí)器產(chǎn)生的隨機(jī)數(shù)包含節(jié)點(diǎn)的剩余能量信息,節(jié)點(diǎn)剩余能量越多，定時(shí)器產(chǎn)生的隨機(jī)數(shù)越小,成為簇頭的概率越大,則式(4)改進(jìn)為

(5)

式中,α為時(shí)間調(diào)節(jié)因子;R為節(jié)點(diǎn)的剩余能量;I為節(jié)點(diǎn)的初始能量;rand(0,β)為最佳簇頭調(diào)節(jié)因子．rand(0,β)在產(chǎn)生的隨機(jī)數(shù)相同時(shí),調(diào)節(jié)簇頭的個(gè)數(shù)．本算法中α=1,β=0.000 01．同樣地,在MEB算法中當(dāng)競(jìng)爭(zhēng)簇頭的個(gè)數(shù)k>kopt時(shí),所有的定時(shí)器停止,節(jié)點(diǎn)不再競(jìng)爭(zhēng)簇頭．

2.2 融合器的選擇

融合器的選擇是在非簇頭節(jié)點(diǎn)發(fā)送數(shù)據(jù)給簇頭節(jié)點(diǎn)階段進(jìn)行的．非簇頭節(jié)點(diǎn)在TDMA調(diào)度分配給自己的時(shí)隙時(shí),發(fā)送采集數(shù)據(jù)和剩余能量信息給簇頭,簇頭比較自己和所有成員節(jié)點(diǎn)的剩余能量信息,選舉出能量最多的節(jié)點(diǎn)作為融合器．如果簇頭的剩余能量比所有成員節(jié)點(diǎn)的剩余能量多,那么簇頭自身作為融合器．如果選擇簇頭節(jié)點(diǎn)作為融合器,那么MEB算法融合器選擇方法與LEACH,TB-LEACH算法相同．如果選擇非簇頭節(jié)點(diǎn)作為融合器,那么在LEACH 和TB-LEACH算法中,數(shù)據(jù)穩(wěn)定階段簇頭的能量消耗為

(6)

式中,N為網(wǎng)絡(luò)中所有節(jié)點(diǎn)數(shù)量;dtoBS為從簇頭到基站的距離．

在LEACH,TB-LEACH和MEB算法中,沒(méi)有競(jìng)選成為融合器的普通非簇頭節(jié)點(diǎn)的能量消耗為

(7)

式中,dtoCH為非簇頭節(jié)點(diǎn)到簇頭節(jié)點(diǎn)之間的距離.假設(shè)基站離傳感器網(wǎng)絡(luò)較遠(yuǎn),那么dtoBS>dtoCH,進(jìn)而推導(dǎo)出ECH>Enon-CH．消耗在簇頭的能量比消耗在非簇頭的能量大得多,因此,為了均衡網(wǎng)絡(luò)負(fù)載,需要降低簇頭的能量消耗．

在MEB算法中,數(shù)據(jù)穩(wěn)定階段簇頭的能量消耗為

(8)

在MEB算法中,融合器的能量消耗為

(9)

顯然有EDA>Enon-CH,融合器比普通非簇頭節(jié)點(diǎn)消耗的能量多,因?yàn)樗袚?dān)了數(shù)據(jù)融合和中轉(zhuǎn)的作用,融合器分擔(dān)了簇頭的能量消耗,均衡了網(wǎng)絡(luò)負(fù)載．

2.3 基于融合器的多跳路由樹(shù)

多跳傳輸是實(shí)現(xiàn)網(wǎng)絡(luò)能量均衡的一種重要方法,融合器直接將數(shù)據(jù)轉(zhuǎn)發(fā)給基站會(huì)消耗自身較多的能量,因此融合器選擇基站方向距離自己最近的融合器作為下一跳節(jié)點(diǎn),而離基站最近的融合器直接將數(shù)據(jù)傳送給基站．多跳傳輸將長(zhǎng)距離傳輸分為短距離各個(gè)分段傳輸,每次數(shù)據(jù)轉(zhuǎn)發(fā)都是短距離傳輸,結(jié)合第1節(jié)的無(wú)線電能量模型,節(jié)點(diǎn)采用的是自由空間模型,而接收信息所耗費(fèi)的能量較少,所以多跳傳輸可以減少能量消耗,同時(shí)均勻地消耗網(wǎng)絡(luò)能量．

多跳傳輸路由樹(shù)的構(gòu)建如圖1所示．由圖中可以看出，本文算法將基于簇的拓?fù)浜突跇?shù)的拓?fù)湎嘟Y(jié)合,從而構(gòu)建了數(shù)據(jù)傳輸?shù)淖罴逊桨福?/p>

圖1 多跳融合器路由樹(shù)的構(gòu)建

3 仿真結(jié)果及分析

為了評(píng)估算法的性能,采用軟件OPNET14.5仿真了MEB,LEACH和TB-LEACH算法．網(wǎng)絡(luò)規(guī)模為100 m×100 m,基站的位置為(50,175),100個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)中隨機(jī)分布,如圖2所示．普通節(jié)點(diǎn)的初始能量為0.5 J,基站的能量不受限．其他參數(shù)的設(shè)置如表1所示．

圖2 100個(gè)節(jié)點(diǎn)的隨機(jī)網(wǎng)絡(luò)

參數(shù)參數(shù)值MAC協(xié)議IEEE802．11DCF協(xié)議發(fā)射功率/W0．005信道模型(d≤d0)自由空間模型信道模型(d>d0)多徑模型數(shù)據(jù)包大小/bit4000控制包大小/bit200最優(yōu)簇?cái)?shù)量kopt5運(yùn)行無(wú)線電路耗能Eelec/(nJ·bit-1)50自由空間路徑εfs/(pJ·bit-1·m-2)10多徑路徑εmp/(pJ·bit-1·m-4)0．0013每個(gè)信號(hào)的融合耗能EDA/(nJ·bit-1)5距離閾值d0/m87

能量效率是對(duì)傳感器網(wǎng)絡(luò)的重要度量,主要通過(guò)網(wǎng)絡(luò)能量消耗的均勻性和網(wǎng)絡(luò)的生命周期來(lái)表示．通常把第1個(gè)節(jié)點(diǎn)死亡時(shí)間作為網(wǎng)絡(luò)生命周期最重要的衡量指標(biāo)．

圖3為分布在網(wǎng)絡(luò)區(qū)域內(nèi)的節(jié)點(diǎn)死亡時(shí)間三維趨勢(shì)圖,反映了網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的負(fù)載均衡程度．x,y軸所決定區(qū)域的節(jié)點(diǎn)按圖2隨機(jī)分布,z軸反映了節(jié)點(diǎn)的死亡時(shí)間．節(jié)點(diǎn)死亡時(shí)間越接近,所有節(jié)點(diǎn)死亡時(shí)間的偏差越小,則網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的能量消耗越均勻,負(fù)載均衡程度越好．圖3中曲面表面變化趨勢(shì)較小,則較為平坦．

圖3(a)為L(zhǎng)EACH算法的所有節(jié)點(diǎn)死亡時(shí)間三維分布趨勢(shì)圖．從圖中可以看出,第1個(gè)節(jié)點(diǎn)死亡時(shí)間大約為800輪,遠(yuǎn)離基站的節(jié)點(diǎn)比靠近基站的節(jié)點(diǎn)死亡早.由于簇頭節(jié)點(diǎn)選擇的隨機(jī)性和單跳傳輸?shù)脑?LEACH算法節(jié)點(diǎn)死亡的先后次序波動(dòng)非常大,趨勢(shì)較為陡峭,整個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)能量消耗極為不平衡．

圖3(b)為TB-LEACH算法所有節(jié)點(diǎn)死亡時(shí)間三維分布趨勢(shì)圖．與LEACH算法相比,TB-LEACH算法的簇頭數(shù)量已經(jīng)優(yōu)化,網(wǎng)絡(luò)能量均衡程度有了很大的提高,節(jié)點(diǎn)死亡的先后次序較為平緩,同時(shí)第1個(gè)節(jié)點(diǎn)死亡延長(zhǎng)了100輪左右．與LEACH算法相似的是,遠(yuǎn)離基站的節(jié)點(diǎn)比離基站近的節(jié)點(diǎn)死亡早．

(a) LEACH算法

(b) TB-LEACH算法

(c) MEB算法

圖3(c)是MEB算法的所有節(jié)點(diǎn)死亡時(shí)間的三維分布趨勢(shì)圖．從圖中看出,與前2種算法相比,節(jié)點(diǎn)的死亡次序在小范圍內(nèi)波動(dòng),非常平緩,這反映了本算法的網(wǎng)絡(luò)負(fù)載均衡程度非常好．第1個(gè)節(jié)點(diǎn)在1 460輪左右死亡,網(wǎng)絡(luò)的穩(wěn)定程度較前2種算法提高了很多．

圖4比較了3種算法的網(wǎng)絡(luò)生命周期．從圖中可以看出,MEB算法第1個(gè)節(jié)點(diǎn)的死亡時(shí)間比LEACH 算法延長(zhǎng)了80%左右,比TB-LEACH算法延長(zhǎng)了60%左右．MEB算法中50%節(jié)點(diǎn)的死亡時(shí)間比LEACH算法延長(zhǎng)了40%左右,比TB-LEACH算法延長(zhǎng)了35%左右．從圖中也可以看出,MEB算法第1個(gè)節(jié)點(diǎn)死亡到最后1個(gè)節(jié)點(diǎn)死亡經(jīng)歷的時(shí)間非常短,網(wǎng)絡(luò)能量消耗很均勻．

圖4 系統(tǒng)的網(wǎng)絡(luò)生命周期

采用MEB算法能夠使得能量消耗較為均衡,是因?yàn)榛诠?jié)點(diǎn)剩余能量的簇頭選擇使得能量多的節(jié)點(diǎn)有更高的概率成為簇頭．能量較少的節(jié)點(diǎn)成為非簇頭節(jié)點(diǎn),消耗的能量少,延遲了能量少節(jié)點(diǎn)的死亡時(shí)間．融合器的選擇降低了簇頭的能量，簇頭不會(huì)很快死亡．另外,多跳路由使得簇頭與簇頭、簇頭與基站之間的通信采用自由空間模型,使得離基站較遠(yuǎn)的簇頭的能量消耗降低．而LEACH,TB-LEACH算法采用單跳路由,離基站較近的節(jié)點(diǎn)死亡比較早,因?yàn)檫@些遠(yuǎn)離基站的節(jié)點(diǎn)擔(dān)當(dāng)簇頭的過(guò)程中采用了多徑模型,節(jié)點(diǎn)能量衰減較快,而離基站較近的節(jié)點(diǎn)擔(dān)當(dāng)簇頭的過(guò)程中采用的是自由空間模型,能量消耗較少,節(jié)點(diǎn)最后死亡．

4 結(jié)語(yǔ)

本文提出了一種基于融合器的多跳能量均衡MEB算法．該算法通過(guò)優(yōu)化簇頭選舉和基于融合器的多跳傳輸?shù)臋C(jī)制,最終實(shí)現(xiàn)了網(wǎng)絡(luò)內(nèi)的能量均衡．仿真結(jié)果表明,與LEACH和TB-LEACH算法相比,MEB算法均衡了網(wǎng)絡(luò)節(jié)點(diǎn)的能量消耗,延長(zhǎng)了網(wǎng)絡(luò)的生命周期．所以,在網(wǎng)絡(luò)穩(wěn)定度要求較高的場(chǎng)合,MEB算法具有較高的應(yīng)用價(jià)值．本文假設(shè)節(jié)點(diǎn)初始能量相同,研究的是同構(gòu)網(wǎng)絡(luò)的能量高效問(wèn)題．如何實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)的能量高效和動(dòng)態(tài)重構(gòu)性是下一步的工作．

References)

[1]Tyagi S, Kumar N. A systematic review on clustering and routing techniques based upon LEACH protocol for wireless sensor networks [J].JournalofNetworkandComputerApplications, 2013, 36(2): 623-645. DOI:10.1016/j.jnca.2012.12.001.

[2]Heinzelman W B, Chandrakasan A P, Balakrishnan H. An application-specific protocol architecture for wireless microsensor networks [J].IEEETransactionsonWirelessCommunications, 2002, 1(4): 660-670. DOI:10.1109/twc.2002.804190.

[3]Younis O, Fahmy S. HEED: A hybrid, energy-efficient, distributed clustering approach for ad hoc sensor networks [J].IEEETransactionsonMobileComputing, 2004, 3(4):366-379. DOI:10.1109/tmc.2004.41.[4]Kim N, Heo J, Kim H S, et al. Reconfiguration of clusterheads for load balancing in wireless sensor networks [J].ComputerCommunications, 2008, 31(1): 153-159. DOI:10.1016/j.comcom.2007.10.039.

[5]Liao Y, Qi H, Li W. Load-balanced clustering algorithm with distributed self-organization for wireless sensor networks [J].IEEESensorsJournal, 2013, 13(5): 1498-1506. DOI:10.1109/jsen.2012.2227704.

[6]Shang F. A multi-hop routing algorithm based on integrated metrics for wireless sensor networks [J].AppliedMathematics&InformationSciences, 2013, 7(3): 1021-1034. DOI:10.12785/amis/070321.

[7]Wang T S, Zhang G X,Yang X C, et al. Hierarchical clustering routing protocol based on optimal load balancing in wireless sensor networks [J].LectureNotesinComputerScience, 2013, 8299:227-240. DOI:10.1007/978-3-642-45293-2_17.

[8]Hu J, Jin Y, Dou L. A time-based cluster-head selection algorithm for LEACH[C]//IEEESymposiumonComputersandCommunications. Marrakech, Morocco,2008:1172-1176.

[9]Tong M, Tang M. LEACH-B: An improved LEACH protocol for wireless sensor network[C]//6thInternationalConferenceonWirelessCommunicationsNetworkingandMobileComputing. Chengdu, China, 2010:1-4.

[10]Salim A, Osamy W, Khedr A M. IBLEACH: Intra-balanced LEACH protocol for wireless sensor networks [J].WirelessNetworks, 2014, 20(6):1515-1525. DOI:10.1007/s11276-014-0691-4.

A multi-hop energy balancing algorithm based on aggregator

Zhang Jingxia Chen Junjie

(School of Instrument Science and Engineering, Southeast University, Nanjing 210096, China)

To resolve the energy unbalancing problem in the current clustering algorithms, a new multi-hop energy balancing (MEB) algorithm based on the aggregator is proposed. The proposed algorithm utilized timers and considered node residual energy to optimize the cluster head selection. It selects the maximum residual energy node from the intra-cluster nodes as the aggregator, fuses data from the sensing data that cluster heads relay and then forwards data to the sink through the multi-hop routing tree constructed by the aggregators. The algorithm simultaneously realized intra-cluster and inter-cluster energy balancing. The simulation results show that the MEB algorithm can enhance first node dies (FND) by about 80% compared with the low-energy adaptive clustering hierarchy (LEACH) algorithm and by about 60% compared with the time-based cluster-head selection algorithm for LEACH (TB-LEACH). The MEB algorithm costs very short time from the death of the first node until the death of the last node. Therefore, the MEB algorithm achieves energy balancing for the entire network, improves the network stability, and prolongs the network lifetime.

wireless sensor networks; energy balancing; aggregator; multi-hop

第47卷第1期2017年1月 東南大學(xué)學(xué)報(bào)(自然科學(xué)版)JOURNALOFSOUTHEASTUNIVERSITY(NaturalScienceEdition) Vol．47No．1Jan．2017DOI：10．3969/j．issn．1001-0505．2017．01．011

2016-06-07. 作者簡(jiǎn)介:張凈霞(1984—),女,博士生;陳俊杰(聯(lián)系人),男,博士,教授,博士生導(dǎo)師,inschenjj@seu.edu.cn.

“十二五”國(guó)家科技支撐計(jì)劃資助項(xiàng)目(2014BAD08B03)、江蘇省水產(chǎn)三新工程資助項(xiàng)目(Y2016-3)、蘇北科技專項(xiàng)資金資助項(xiàng)目(BN2014085)、江蘇省農(nóng)業(yè)科技支撐資助項(xiàng)目(BN2014312).

張凈霞,陳俊杰.一種基于融合器的多跳能量均衡算法[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,47(1):56-60.

10.3969/j.issn.1001-0505.2017.01.011.

TP393

A

1001-0505(2017)01-0056-05