基于能量的水聲傳感器網(wǎng)絡(luò)分簇算法優(yōu)化

趙旦峰, 陳通,2

(1.哈爾濱工程大學(xué) 信息與通信工程學(xué)院，黑龍江 哈爾濱 150001; 2.北京長(zhǎng)城電子裝備有限責(zé)任公司，北京 100082)

基于能量的水聲傳感器網(wǎng)絡(luò)分簇算法優(yōu)化

趙旦峰1, 陳通1,2

(1.哈爾濱工程大學(xué) 信息與通信工程學(xué)院，黑龍江 哈爾濱 150001; 2.北京長(zhǎng)城電子裝備有限責(zé)任公司，北京 100082)

針對(duì)分簇水聲傳感器網(wǎng)絡(luò)中簇頭分布不均和水聲信道時(shí)變特性等原因?qū)е碌墓?jié)點(diǎn)能量分布不均的問(wèn)題，以LEACH(low energy adaptive clustering hierarchy protocol )算法為基礎(chǔ)，提出了一種基于網(wǎng)絡(luò)能量狀態(tài)估計(jì)的分布式算法進(jìn)行簇頭選舉，有效均衡網(wǎng)絡(luò)能耗。通過(guò)改進(jìn)分布式簇頭選舉機(jī)制，每輪中簇頭選舉由一次選舉改為多次選舉，在不需要中心控制節(jié)點(diǎn)和增加節(jié)點(diǎn)間通信量的情況下，首次選舉通過(guò)設(shè)置能量閥值選舉出高能量節(jié)點(diǎn)擔(dān)任簇頭，通過(guò)第二次選舉保證每輪簇頭數(shù)目穩(wěn)定。仿真結(jié)果表明，該改進(jìn)算法能夠解決分簇水聲傳感器網(wǎng)絡(luò)時(shí)變信道條件下能量消耗不均衡的問(wèn)題，均衡網(wǎng)絡(luò)能耗，延緩網(wǎng)絡(luò)首節(jié)點(diǎn)死亡時(shí)間。

水聲傳感器網(wǎng)絡(luò)；LEACH；分布式；簇頭；能量均衡

水聲傳感器網(wǎng)絡(luò)(underwater acoustic sensor networks, UASNs)是集數(shù)據(jù)采集、處理和傳輸為一體的綜合信息處理系統(tǒng)，可以對(duì)海洋信息進(jìn)行有效監(jiān)測(cè)[1-5]。在無(wú)人值守的情況下對(duì)海洋信息進(jìn)行長(zhǎng)時(shí)間監(jiān)測(cè)需要消耗大量能量，然而UASNs的節(jié)點(diǎn)能量?jī)?chǔ)備有限且難以進(jìn)行補(bǔ)給[6-8]，因此能夠延長(zhǎng)水聲傳感器網(wǎng)絡(luò)生命周期的分簇拓?fù)淇刂萍夹g(shù)成為了當(dāng)前的研究熱點(diǎn)[9-13]。

LEACH[13](low energy adaptive clustering hierarchy)協(xié)議是麻省理工大學(xué)Heinzelman等[14]提出的一種自適應(yīng)分簇拓?fù)淇刂茀f(xié)議，基本思想是通過(guò)周期、循環(huán)、隨機(jī)的方式來(lái)選擇簇頭節(jié)點(diǎn)，可以使整體網(wǎng)絡(luò)旳能量消耗均勻地分?jǐn)偟矫總€(gè)傳感器節(jié)點(diǎn)上。與一般的平面拓?fù)淇刂茀f(xié)議相比，可以將網(wǎng)絡(luò)生命周期延長(zhǎng)15%[15-16]。以陸上傳感器網(wǎng)絡(luò)LEACH協(xié)議研究為基礎(chǔ)，近年來(lái)陸續(xù)提出了一些可以應(yīng)用于水聲傳感器網(wǎng)絡(luò)的LEACH改進(jìn)協(xié)議。文獻(xiàn)[17]指出在水聲傳感器網(wǎng)絡(luò)監(jiān)測(cè)區(qū)域確定的情況下，網(wǎng)絡(luò)中能量消耗的期望是關(guān)于簇覆蓋范圍的函數(shù)，可以通過(guò)調(diào)整網(wǎng)絡(luò)中簇的覆蓋范圍來(lái)降低網(wǎng)絡(luò)能耗。文獻(xiàn)[18]中提出了一種以節(jié)點(diǎn)與基站之間距離為主要參考指標(biāo)的水聲傳感器網(wǎng)絡(luò)層次拓?fù)淇刂品椒?，簇頭節(jié)點(diǎn)距離sink節(jié)點(diǎn)越近，節(jié)點(diǎn)當(dāng)選簇頭的概率越大，以此來(lái)均衡網(wǎng)絡(luò)能耗，降低簇頭節(jié)點(diǎn)和sink節(jié)點(diǎn)通信的能量損失，從而提高網(wǎng)絡(luò)的能量效率，延長(zhǎng)網(wǎng)絡(luò)壽命。文獻(xiàn)[19]中對(duì)應(yīng)用于水聲傳感器網(wǎng)絡(luò)的LEACH協(xié)議中簇結(jié)構(gòu)建立階段廣播簇頭當(dāng)選消息碰撞問(wèn)題進(jìn)行了分析，提出了降低廣播簇頭當(dāng)選消息碰撞概率的改進(jìn)協(xié)議，改進(jìn)協(xié)議通過(guò)時(shí)隙劃分的方式有效降低了播簇頭消息的碰撞概率，避免了因?yàn)樾畔⒅貍髟斐傻哪芰坷速M(fèi)。但上述研究沒(méi)有考慮水聲信道時(shí)變特性對(duì)網(wǎng)絡(luò)每輪能量消耗的影響。由于網(wǎng)絡(luò)中每輪能耗存在差異，節(jié)點(diǎn)周期性當(dāng)選簇頭節(jié)點(diǎn)的輪換方法不能有效均衡網(wǎng)絡(luò)能耗。

針對(duì)水聲傳感器網(wǎng)絡(luò)每輪能量消耗不均衡的問(wèn)題，本文提出了一種基于能量的水聲傳感器網(wǎng)絡(luò)分簇算法LEACH-ET。優(yōu)化算法通過(guò)增加簇頭選舉過(guò)程中高能量節(jié)點(diǎn)簇頭當(dāng)選概率均衡網(wǎng)絡(luò)能耗，通過(guò)增加每輪簇頭選舉次數(shù)保證網(wǎng)絡(luò)簇頭節(jié)點(diǎn)數(shù)目穩(wěn)定。優(yōu)化算法通過(guò)均衡網(wǎng)絡(luò)能耗，穩(wěn)定簇頭節(jié)點(diǎn)數(shù)目，有效推遲了網(wǎng)絡(luò)首節(jié)點(diǎn)死亡時(shí)間，延長(zhǎng)了網(wǎng)絡(luò)壽命。

1 水聲傳感器網(wǎng)絡(luò)能量模型

陸上傳感器網(wǎng)絡(luò)信號(hào)傳輸損耗與信號(hào)傳輸距離d相關(guān)，但由于水聲傳感器網(wǎng)絡(luò)情況特殊，信號(hào)傳輸損耗不僅與信號(hào)傳輸距離相關(guān)，同時(shí)還與信號(hào)頻率等傳輸條件相關(guān)。

根據(jù)Urick的數(shù)據(jù)和公式，Jurdak等人推導(dǎo)出下列模型：

SL=TL+85

(1)

式中：SL為聲源級(jí),TL為傳輸損耗。式中物理量均以dB為單位，參考值1 μPa的量值為0.67×10-22W/cm2，由于水聲傳感器節(jié)點(diǎn)通常布放在海底，可以采用柱狀波傳輸損耗模型，信號(hào)傳輸損耗：

(2)

式中：d為聲信號(hào)發(fā)射機(jī)與接收機(jī)間的距離；α為與頻率相關(guān)的吸收系數(shù)。為了表示α與頻率之間的函數(shù)關(guān)系，可以將α寫(xiě)成α(f)，通常情況下水聲傳感器網(wǎng)絡(luò)采用Thorp給出的水聲信號(hào)低頻段吸收損耗經(jīng)驗(yàn)公式[20]：

(3)

式中f表示信號(hào)的傳輸頻率。

為了得到在參考距離1m處的強(qiáng)度It，則水聲信號(hào)發(fā)射功率Pt：

(4)

式中H表示當(dāng)前水深，It與SL關(guān)系：

(5)

則可以由式(1)～(5)可以導(dǎo)出聲信號(hào)發(fā)射功率Pt滿足：

pt=CHdeα(f)d

(6)

C為基于聲吶方程推導(dǎo)出的發(fā)射器處于最小發(fā)射功率時(shí)的系數(shù)，取值為2π×(0.67)×10-9；H表示節(jié)點(diǎn)下放深度；d為傳輸距離；f為水聲信號(hào)傳輸頻率；α(f)為頻率吸收系數(shù)。

因此水聲傳感器節(jié)點(diǎn)發(fā)送數(shù)據(jù)消耗能量Etx及接收數(shù)據(jù)消耗能量Erx的通用模型可以描述為

(7)

式中：l表示傳輸數(shù)據(jù)bit量，Eelec表示節(jié)點(diǎn)處理單位bit數(shù)據(jù)消耗能量，Tb表示單位bit數(shù)據(jù)傳輸時(shí)長(zhǎng)。

2 LEACH-ET算法

由于水聲傳感器網(wǎng)絡(luò)中缺少中心控制節(jié)點(diǎn)，節(jié)點(diǎn)通信能力受限，水聲通信環(huán)境中難以通過(guò)中心控制或節(jié)點(diǎn)間大量信息交互的方式獲取全局網(wǎng)絡(luò)能量信息，只能采用分布式簇頭選舉算法，每輪簇頭節(jié)點(diǎn)數(shù)目存在差異，同時(shí)水聲信道時(shí)變特性將導(dǎo)致網(wǎng)絡(luò)能量消耗不均，部分節(jié)點(diǎn)可能過(guò)早死亡。為了均衡網(wǎng)絡(luò)能量分布，改進(jìn)算法通過(guò)設(shè)定能量閥值Eth，規(guī)定只有能量高于Eth的節(jié)點(diǎn)才可以參加簇頭選舉，提高高能量節(jié)點(diǎn)擔(dān)任簇頭的概率。但是由于節(jié)點(diǎn)難以獲取全局網(wǎng)絡(luò)能量信息，難以使能量大于Eth的節(jié)點(diǎn)數(shù)目保持穩(wěn)定，因此無(wú)法保證每輪簇頭節(jié)點(diǎn)數(shù)目的穩(wěn)定性。為了保證簇頭節(jié)點(diǎn)數(shù)目的穩(wěn)定性，每輪進(jìn)行兩次簇頭選舉，首次選舉出部分高能量節(jié)點(diǎn)擔(dān)任簇頭，通過(guò)第二次選舉提高每輪簇頭節(jié)點(diǎn)數(shù)目穩(wěn)定性。

首次簇頭選舉只有高能量節(jié)點(diǎn)參加，以概率ph當(dāng)選為簇頭節(jié)點(diǎn)，高能量節(jié)點(diǎn)數(shù)目Nh應(yīng)當(dāng)滿足：

Nhph

(8)

式中：E(CH)為本輪簇頭數(shù)目期望，首次簇頭選舉中當(dāng)選的節(jié)點(diǎn)在選舉結(jié)束后完成簇建立；剩余未加入簇的節(jié)點(diǎn)進(jìn)行第二次簇頭選舉，節(jié)點(diǎn)以概率p當(dāng)選簇頭節(jié)點(diǎn)，通過(guò)第二次選舉保證簇頭數(shù)目的穩(wěn)定性。每輪簇頭節(jié)點(diǎn)數(shù)目期望可以表達(dá)為

(9)

閥值Eth的設(shè)定決定了參加首次選舉節(jié)點(diǎn)的數(shù)目Nh，在ph為定值情況下，Nhph的值是只與Nh有關(guān)的函數(shù)，因此能量閥值Eth的設(shè)定決定了協(xié)議性能。為了保證NhphE(CH)，需要通過(guò)增加Eth減少Nh，來(lái)滿足式(8)的條件；如果Nh較小，則簇頭節(jié)點(diǎn)中高能量節(jié)點(diǎn)數(shù)目較少，不能達(dá)到均衡網(wǎng)絡(luò)能耗的目的，需要降低Eth以增加高能量節(jié)點(diǎn)數(shù)目Nh，盡可能增加簇頭節(jié)點(diǎn)中高能量節(jié)點(diǎn)數(shù)目。

水聲傳感網(wǎng)絡(luò)中節(jié)點(diǎn)難以通過(guò)節(jié)點(diǎn)間信息交互或集中控制方式獲取高能量節(jié)點(diǎn)數(shù)目Nh的準(zhǔn)確值，但每輪簇頭節(jié)點(diǎn)選舉過(guò)程中，簇頭節(jié)點(diǎn)會(huì)廣播當(dāng)選信息，因此可以通過(guò)首次選舉中簇頭節(jié)點(diǎn)數(shù)目和第二次選舉中簇頭節(jié)點(diǎn)數(shù)目對(duì)Nh進(jìn)行估計(jì)。在首次簇頭選舉中，高能量節(jié)點(diǎn)以概率ph當(dāng)選簇頭節(jié)點(diǎn)，高能量節(jié)點(diǎn)是否當(dāng)選簇頭節(jié)點(diǎn)滿足獨(dú)立同分布條件，則簇頭節(jié)點(diǎn)數(shù)目滿足二項(xiàng)分布條件, 則可以通過(guò)矩估計(jì)方法對(duì)Nh的值進(jìn)行估計(jì)，表示為

(10)

(11)

每一輪中簇頭節(jié)點(diǎn)數(shù)目并不是一個(gè)固定的值，而是在期望值附近波動(dòng)，可以通過(guò)二項(xiàng)分布均值方差來(lái)衡量簇頭節(jié)點(diǎn)數(shù)目穩(wěn)定性。在均值一定時(shí)，簇頭節(jié)點(diǎn)數(shù)目方差越小，簇頭節(jié)點(diǎn)數(shù)目越穩(wěn)定。根據(jù)上述網(wǎng)絡(luò)模型，在N=256，p=0.1，ph從0.05～0.5變化的條件下進(jìn)行了十次仿真實(shí)驗(yàn)，每次實(shí)驗(yàn)分別對(duì)500輪仿真實(shí)驗(yàn)中簇頭節(jié)點(diǎn)數(shù)目均值與方差進(jìn)行統(tǒng)計(jì)。由圖1和圖2可知，改進(jìn)算法中ph較小的情況簇頭數(shù)目均值與LEACH算法基本相同，但隨著ph的增加，導(dǎo)致Nhph>E(CH)，簇頭數(shù)目均值不斷增加。

圖1 簇頭節(jié)點(diǎn)數(shù)目均值Fig.1 Mean of cluster head node number

改進(jìn)算法簇頭數(shù)目方差也隨著ph變化，ph較小時(shí)，首次選舉簇頭數(shù)目較少，二次選舉簇頭數(shù)目較多時(shí)簇頭數(shù)目方差與LEACH算法相近，隨著ph增加且滿足NhphE(CH)，簇頭數(shù)目方差只與第一選舉相關(guān)且簇頭數(shù)目均值較大，則簇頭數(shù)目方差開(kāi)始不斷增加，并大于LEACH算法簇頭數(shù)目方差。

圖2 簇頭節(jié)點(diǎn)數(shù)目方差Fig.2 Variance of cluster head node number

3 算法仿真與分析

根據(jù)水聲傳感器網(wǎng)絡(luò)模型對(duì)改進(jìn)算法與LEACH、LEACH-E算法進(jìn)行比較，規(guī)定簇成員節(jié)點(diǎn)只能與簇頭節(jié)點(diǎn)通信，簇成員節(jié)點(diǎn)與簇頭通信采用TDMA協(xié)議，成員在規(guī)定時(shí)間內(nèi)向簇頭傳輸數(shù)據(jù)，簇內(nèi)通信不會(huì)產(chǎn)生干擾；簇頭節(jié)點(diǎn)在收集數(shù)據(jù)完成后直接傳給sink節(jié)點(diǎn)，sink節(jié)點(diǎn)與簇頭通信采用CDMA協(xié)議，簇頭與sink節(jié)點(diǎn)通信過(guò)程中不會(huì)干擾其它簇頭節(jié)點(diǎn)與sink節(jié)點(diǎn)通信，且簇內(nèi)通信也不會(huì)對(duì)其他簇的任何通信產(chǎn)生干擾。仿真參數(shù)設(shè)置如表1所示[21]。

表1 仿真參數(shù)

為了驗(yàn)證改進(jìn)算法性能，模擬分簇水聲傳感器網(wǎng)絡(luò)中簇頭分布不均和信道時(shí)變特性等原因?qū)е碌墓?jié)點(diǎn)能量異構(gòu)，節(jié)點(diǎn)初始能量均勻的分布在0.5～0.35 J，在N=256，p=0.1的條件下驗(yàn)證不同ph值對(duì)網(wǎng)絡(luò)性能影響，仿真如圖3所示。

圖3對(duì)不同ph值下網(wǎng)絡(luò)存活節(jié)點(diǎn)數(shù)目進(jìn)行統(tǒng)計(jì)，在ph=0.05時(shí)，首次選舉簇頭節(jié)點(diǎn)數(shù)目過(guò)小，無(wú)法有效均衡網(wǎng)絡(luò)能耗；隨著ph的增加到0.25時(shí)，網(wǎng)絡(luò)能量均衡效果得到了有效改善，延遲了首節(jié)點(diǎn)死亡時(shí)間，在首節(jié)點(diǎn)死亡過(guò)后，其余節(jié)點(diǎn)均在短時(shí)間內(nèi)死亡；但隨著ph增加至大于0.5時(shí)，由于首次選舉簇頭數(shù)目增加導(dǎo)致Nhph>E(CH)，本輪簇頭均為高能量簇頭節(jié)點(diǎn)，但網(wǎng)絡(luò)中簇頭節(jié)點(diǎn)數(shù)目大于本輪簇頭數(shù)目期望且方差不斷增加，這導(dǎo)致網(wǎng)絡(luò)能量均衡效果減弱，首節(jié)死亡時(shí)間比ph=0.25要早，且首節(jié)點(diǎn)死亡時(shí)間隨著ph的進(jìn)一步增加而提前。

為了驗(yàn)證改進(jìn)算法的性能，在ph=0.25時(shí)對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)能量分布和存活節(jié)點(diǎn)數(shù)目進(jìn)行統(tǒng)計(jì)，并與LEACH、LEACH-E兩種算法進(jìn)行對(duì)比，仿真實(shí)驗(yàn)結(jié)果如圖4～6所示。

圖3 ph對(duì)存活節(jié)點(diǎn)數(shù)目的影響Fig.3 Number of nodes alive of different ph

圖4 LEACH節(jié)點(diǎn)能量分布Fig.4 Node energy distribution of LEACH

圖5 LEACH-E節(jié)點(diǎn)能量分布Fig.5 Node energy distribution of LEACH-E

圖6 改進(jìn)算法節(jié)點(diǎn)能量分布Fig.6 Node energy distribution of optimization algorithm

為了驗(yàn)證算法能量均衡效果，分別對(duì)網(wǎng)絡(luò)第1輪，第200輪，第400輪和第600輪節(jié)點(diǎn)能量分布進(jìn)行統(tǒng)計(jì)，將0～0.5J均勻分成20個(gè)能量區(qū)間，對(duì)能量處于相應(yīng)區(qū)間的節(jié)點(diǎn)數(shù)目進(jìn)行統(tǒng)計(jì)，在網(wǎng)絡(luò)運(yùn)行過(guò)中，全部節(jié)點(diǎn)能量分布區(qū)間越小，分布范圍越集中，網(wǎng)絡(luò)能量均衡效果約好。

在水聲傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)初始能量均勻分布在0.5～0.35J，LEACH算法在簇頭選舉過(guò)程中未考慮節(jié)點(diǎn)能量，在網(wǎng)絡(luò)運(yùn)行過(guò)程中節(jié)點(diǎn)能量分布區(qū)間具有擴(kuò)大趨勢(shì)，200輪時(shí)，節(jié)能量分布在0.15～0.4J，400輪時(shí)開(kāi)始出現(xiàn)節(jié)點(diǎn)死亡，能量在0～0.3J，直至節(jié)點(diǎn)開(kāi)始出現(xiàn)因能量耗盡死亡，節(jié)點(diǎn)能量分布區(qū)間變小，600輪時(shí)存活節(jié)點(diǎn)能量分布在0～0.225J，在水聲時(shí)變信道情況下僅通過(guò)節(jié)點(diǎn)周期性當(dāng)選簇頭節(jié)點(diǎn)的輪換方法不能起到良好的網(wǎng)絡(luò)能耗均衡效果；由于LEACH-E算法以節(jié)點(diǎn)能量為參考選舉簇頭節(jié)點(diǎn)，因此與LEACH算法相比提高了節(jié)點(diǎn)能量分布集中程度，200輪時(shí)節(jié)點(diǎn)能量分布在0.175～0.4J，400輪時(shí)節(jié)點(diǎn)能量分布在0.05～0.3J，600輪時(shí)存活節(jié)點(diǎn)能量分布在0～0.125J，在相同時(shí)間內(nèi)節(jié)點(diǎn)能量分布區(qū)間均小于LEACH算法，能量均衡效果得到了提升，同時(shí)避免了節(jié)點(diǎn)因能量耗盡而過(guò)早死亡；改進(jìn)算法中節(jié)點(diǎn)能量分布集中程度優(yōu)于上述兩種算法，在第200輪70%以上的節(jié)點(diǎn)分布在0.275～0.3J，第400輪75%以上的節(jié)點(diǎn)能量分布在0.125～0.15J，第600輪90%以上存活節(jié)點(diǎn)能量分布在0～0.025J，這證明改進(jìn)算法在信道時(shí)變的水聲傳感器網(wǎng)絡(luò)中，通過(guò)提高高能量節(jié)點(diǎn)簇頭當(dāng)選概率的方法可以有效的均衡網(wǎng)絡(luò)能耗。

圖7對(duì)三種算法存活節(jié)點(diǎn)數(shù)目進(jìn)行了統(tǒng)計(jì)。LEACH算法最先出現(xiàn)節(jié)點(diǎn)死亡的情況，隨后節(jié)點(diǎn)開(kāi)始緩慢死亡，LEACH算法在簇頭選舉過(guò)程中沒(méi)能考慮節(jié)點(diǎn)能量，簇頭節(jié)點(diǎn)能量消耗遠(yuǎn)大于簇成員節(jié)點(diǎn)，在水聲通信環(huán)境中，水聲信道時(shí)變特性導(dǎo)致網(wǎng)絡(luò)每輪能量消耗存在差異，LEACH算法中節(jié)點(diǎn)通過(guò)周期性當(dāng)選簇頭節(jié)點(diǎn)的輪換方法不能很好的均衡網(wǎng)絡(luò)能耗，部分節(jié)點(diǎn)能量消耗過(guò)快，死亡時(shí)間較早，節(jié)點(diǎn)死亡時(shí)間差異較大，影響網(wǎng)絡(luò)性能，網(wǎng)絡(luò)能量均衡效果較差；LEACH-E算法在簇頭選舉中考慮能量因素，由于水聲時(shí)變信道特性，每輪節(jié)點(diǎn)能量消耗存在差異，LEACH-E算法通過(guò)降低低能量節(jié)點(diǎn)簇頭當(dāng)選概率來(lái)均衡網(wǎng)絡(luò)能耗，因此可以有效降低網(wǎng)絡(luò)首節(jié)點(diǎn)死亡時(shí)間，能量均衡效果優(yōu)于LEACH算法，但簇頭選舉中低能量節(jié)點(diǎn)仍然有較大機(jī)會(huì)當(dāng)選簇頭，節(jié)點(diǎn)間死亡時(shí)間差異也比較大，且需要收集網(wǎng)絡(luò)中全體節(jié)點(diǎn)能量信息，算法在水聲環(huán)境下實(shí)現(xiàn)難度較大；改進(jìn)算法首節(jié)點(diǎn)死亡時(shí)間最晚，且網(wǎng)絡(luò)中節(jié)點(diǎn)死亡時(shí)間差異最小，由于改進(jìn)算法每輪簇頭選舉分為兩次完成，首次簇頭選舉通過(guò)設(shè)置能量閥值，避免了低能量節(jié)點(diǎn)當(dāng)選簇頭，可以有效均衡網(wǎng)絡(luò)能耗，為了避免每輪節(jié)點(diǎn)能量變化，能量閥值調(diào)整導(dǎo)致每輪網(wǎng)絡(luò)簇頭節(jié)點(diǎn)數(shù)目變化過(guò)大，通過(guò)第二次選舉使每輪簇頭數(shù)目保持穩(wěn)定，低能量節(jié)點(diǎn)簇頭當(dāng)選概率遠(yuǎn)遠(yuǎn)小于上述兩種算法，因此在信道時(shí)變的水聲傳感器網(wǎng)絡(luò)中改進(jìn)算法首節(jié)點(diǎn)死亡時(shí)間最晚，存活節(jié)點(diǎn)數(shù)目曲線最陡峭，證明改進(jìn)算法具有良好的能量均衡效果。

圖7 存活節(jié)點(diǎn)數(shù)目Fig.7 Number of nodes alive

4 結(jié)論

針對(duì)水聲信道時(shí)變特性導(dǎo)致網(wǎng)絡(luò)每輪能量消耗存在差異的問(wèn)題，本文提出了一種基于能量的簇頭選舉算法，每輪簇頭選舉分為兩次完成，通過(guò)首次簇頭節(jié)點(diǎn)選舉中高能量簇頭數(shù)目可以有效估計(jì)網(wǎng)絡(luò)能量狀況，并合理設(shè)置首次簇頭選舉能量閥值，避免了低能量節(jié)點(diǎn)當(dāng)選簇頭，通過(guò)第二次選舉保證了每輪選舉簇頭數(shù)目的穩(wěn)定。通過(guò)仿真實(shí)驗(yàn)與LEACH和LEACH-E算法進(jìn)行對(duì)比，驗(yàn)證了算法性能：

1) 在不增加節(jié)點(diǎn)間通信量和中心控制節(jié)點(diǎn)的情況下通過(guò)改進(jìn)簇頭節(jié)點(diǎn)選舉策略，合理設(shè)置能量閥值Eth和高能量節(jié)點(diǎn)簇頭當(dāng)選概率ph可以提高高能量節(jié)點(diǎn)簇頭當(dāng)選概率和每輪簇頭節(jié)點(diǎn)數(shù)目的穩(wěn)定性；

2) 在時(shí)變水聲通信環(huán)境下，改進(jìn)算法有效的延緩了首節(jié)點(diǎn)死亡時(shí)間，提高了水聲傳感器網(wǎng)絡(luò)能量均衡效果。

水聲通信環(huán)境復(fù)雜多變，水聲傳感器網(wǎng)絡(luò)自適應(yīng)設(shè)置高能量節(jié)點(diǎn)簇頭當(dāng)選概率ph是下一步的研究重點(diǎn)。

[1]VERMA S. Communication architecture for underwater wireless sensor network[J]. Communication architecture for underwater wireless sensor network, 2015, 7(6): 67-74.

[2]AKYILDIZ I F, POMPILI D, MELODIA T. Underwater acoustic sensor networks: research challenges[J]. Ad Hoc network, 2005, 3(3): 257-79.

[3]GUANGYU F, HUIFANG C. An Improved CDMA-based MAC protocol for underwater acoustic wireless sensor networks[C]. Wireless Communications, Networking and Mobile Computing (WiCOM), Chengdu, China, 2011: 1-6.

[4]VERMA S. Communication architecture for underwater wireless sensor network[J]. Communication architecture for underwater wireless sensor network, 2015, 6: 67-74.

[5]孫力娟, 劉林峰, 杜曉玉, 等. 水聲傳感器網(wǎng)絡(luò)拓?fù)淇刂萍夹g(shù)綜述[J]. 南京郵電大學(xué)學(xué)報(bào): 自然科學(xué)版, 2012, 32(5): 20-25. SUN Lijuan, LIU Linfeng, DU Xiaoyu, et al. Overview of topology control techniques in underwater acoustic sensor networks[J]. Journal of Nanjing university of posts and telecommunications: natural science, 2012, 32(5): 20-25.

[6]WANG Yu, LIU Yingjian, GUO Zhongwen. Three-dimensional ocean sensor networks: a survey[J]. Journal of ocean university of China, 2012, 11(4): 436-450.

[7]WAHID A, KIM D. An energy efficient localization-free routing protocol for underwater wireless sensor networks[J]. International journal of distributed sensor networks, 2012, 8(4): 307246.

[8]PARTAN J, KUROSE J, LEVINE B N. A survey of practical issues in underwater networks[J]. Proc Acm Wuwnet, 2006, 11: 23-33.

[9]AZIZ A A, SEKERCIOGLU Y A, FITZPATRICK P, et al. A survey on distributed topology control techniques for extending the lifetime of battery powered wireless sensor networks[J]. IEEE communications surveys & tutorials, 2013, 15(1): 121-144.

[10]OVALIADIS K, SAVAGE N. Cluster protocols in underwater sensor networks: a research review[J]. Journal of engineering science and technology review, 2014, 7(3): 171-175.

[11]PUROHIT R, SIDHU N. Wireless sensor network: Routing protocols and attacks- a survey[C]. 2015 2nd International Conference on Computing for Sustainable Global Development (INDIACom), 2015.

[12]OVALIADIS K, SAVAGE N. Cluster protocols in underwater sensor networks: a research review[J]. Journal of engineering science and technology review, 2014, 7(3): 171-175.

[13]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.

[14]劉壯, 馮欣, 王雁龍, 等. 基于雙簇頭聚類分簇和數(shù)據(jù)融合的無(wú)線傳感器網(wǎng)絡(luò)路由算法[J]. 吉林大學(xué)學(xué)報(bào): 理學(xué)版, 2015, 53(5): 1013-1017. LIU Zhuang, FENG Xin, WANG Yanlong, et al. An improved clustering routing algorithm based on double-CH clustering and data fusion in WSN[J]. Journal of Jilin university: science edition, 2015, 53(5): 1013-1017.

[15]LIN Hongzhi, WEI Wei, ZHAO Ping, et al. Energy-efficient compressed data aggregation in underwater acoustic sensor networks[J]. Wireless networks, 2016, 22(6): 1985-1997.

[16]張瑞華, 程合友, 賈智平. 基于能量效率的無(wú)線傳感器網(wǎng)絡(luò)分簇算法[J]. 吉林大學(xué)學(xué)報(bào): 工學(xué)版, 2010, 40(6): 1663-1667. ZHANG Ruihua, CHENG Heyou, JIA Zhiping. Energy-efficient clustering algorithm for wireless sensor net works[J]. Journal of Jilin university: engineering and technology edition, 2010, 40(6): 1663-1667.

[17]ZHAO Liang, LIANG Qilian. Optimum cluster size for underwater acoustic sensor networks[C]//Proceedings of IEEE Military Communications Conference. Washington, DC: IEEE, 2006: 1-5.

[18]YANG Guangsong, XIAO Mingbo, CHENG En, et al. A cluster-head selection scheme for underwater acoustic sensor networks[C]//Proceedings of 2010 International Conference on Communications and Mobile Computing. Shenzhen: IEEE, 2010: 188-191.

[19]LI Yongcui, WANG Ying, JU Yang, et al. Energy efficient cluster formulation protocols in clustered underwater acoustic sensor networks[C]//Proceedings of the 7th International Conference on Biomedical Engineering and Informatics (BMEI). Dalian: IEEE, 2014: 923-928

[20]JIANG Peng, LIU Jun, WU Feng. Node non-uniform deployment based on clustering algorithm for underwater sensor networks[J]. Sensors, 2015, 15(12): 29997-30010.

[21]卞金洪, 徐新洲, 魏昕, 等. 水聲通信網(wǎng)層次路由算法[J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2013, 34(3): 275-279. BIAN Jinhong, XU Xinzhou, WEI Xin, et al. Research on hierarchical routing algorithm for underwater acoustic communication networks[J]. Journal of Harbin engineering university, 2013, 34(3): 275-279.

Optimization of the cluster-head selection algorithm of an energy-based underwater acoustic sensor network

ZHAO Danfeng1,CHEN Tong1,2

( 1.College of Information and Communication Engineering, Harbin Engineering University,Harbin 150001,China; 2.Beijing Great Wall Electronic Equipment Co.,Ltd,Beijing 100082,China)

To solve the uneven energy consumption problem caused by the time-varying characteristics of underwater acoustic channels and non-uniform distribution of cluster heads in underwater acoustic sensor networks (UASNs), a novel distributed low-energy adaptive clustering hierarchy (LEACH) algorithm was developed. The number of elections was increased in each round, and an energy threshold for the first cluster-head elections was set. If the node energy is higher than the energy threshold, the former can take part in the first cycle of cluster-head election, and the second cycle of cluster-head election can maintain the stability of the cluster-head number. Simulation results showed that the improved algorithm can eliminate the problem of unbalanced energy consumption under the time-varying channel conditions of the clustered acoustic sensor network. It can also balance the energy consumption of the network and prolong the survival period of the network′s first node.

underwater acoustic sensor network; LEACH; cluster-head; distribution; energy consumption

2016-03-15.

日期：2016-11-16.

國(guó)家自然科學(xué)基金項(xiàng)目(61371099).

趙旦峰(1961-), 男, 教授,博士生導(dǎo)師.

趙旦峰,E-mail：zhaodanfeng@hrbeu.edu.cn.

10.11990/jheu.201603047

http://www.cnki.net/kcms/detail/23.1390.u.20161116.1613.008.html

TN929.3

A

1006-7043(2017)02-0282-06

趙旦峰, 陳通. 基于能量的水聲傳感器網(wǎng)絡(luò)分簇算法優(yōu)化[J]. 哈爾濱工程大學(xué)學(xué)報(bào)， 2017, 38(2): 282-287. ZHAO Danfeng, CHEN Tong. Optimization of the cluster-head selection algorithm of an energy-based underwater acoustic sensor network[J]. Journal of Harbin Engineering University, 2017, 38(2): 282-287.