一種可擴(kuò)展的WSN節(jié)能分簇算法

王瑩瑩,鄭永愛(ài),王詠梅

(蘇州高博軟件技術(shù)職業(yè)學(xué)院,江蘇 蘇州 215163)

0 引言

在無(wú)線傳感器網(wǎng)絡(luò)(WSN,wireless sensor network)中，具有感知、計(jì)算及通信能力的傳感器節(jié)點(diǎn)被部署在監(jiān)控區(qū)域內(nèi)，實(shí)現(xiàn)對(duì)特定物理量的采集，傳感器節(jié)點(diǎn)自組織成網(wǎng)，最終將采集的數(shù)據(jù)傳輸?shù)交綶1]。

在WSN中，大部分傳感器節(jié)點(diǎn)采用電池供電，節(jié)點(diǎn)能量十分有限，若節(jié)點(diǎn)能量耗盡，將影響整個(gè)網(wǎng)絡(luò)的運(yùn)行。對(duì)于節(jié)點(diǎn)而言，其能量主要消耗在數(shù)據(jù)采集與數(shù)據(jù)傳輸過(guò)程中，而傳輸數(shù)據(jù)的能耗遠(yuǎn)遠(yuǎn)大于采集數(shù)據(jù)的能耗，因此利用有限的網(wǎng)絡(luò)資源，在源節(jié)點(diǎn)與目的節(jié)點(diǎn)之間建立一條健壯的、節(jié)能的、高效的、低時(shí)延的路徑，減少節(jié)點(diǎn)能耗、延長(zhǎng)網(wǎng)絡(luò)生命周期一直是WSN的研究熱點(diǎn)[2-3]。

1 相關(guān)工作

根據(jù)拓?fù)浣Y(jié)構(gòu)不同，當(dāng)前的路由協(xié)議主要分為平面路由與分層路由。在平面路由協(xié)議中網(wǎng)絡(luò)中所有節(jié)點(diǎn)地位相同，節(jié)點(diǎn)數(shù)據(jù)經(jīng)過(guò)多跳轉(zhuǎn)發(fā)到達(dá)基站，網(wǎng)絡(luò)健壯性好、易于維護(hù)，但當(dāng)網(wǎng)絡(luò)規(guī)模增大時(shí)，節(jié)點(diǎn)能耗與數(shù)據(jù)時(shí)延迅速增加，不利于網(wǎng)絡(luò)擴(kuò)展，已經(jīng)不能應(yīng)用于當(dāng)前的大規(guī)模無(wú)線傳感器網(wǎng)絡(luò)中。而分簇路由以其良好的可擴(kuò)展性、易維護(hù)性、低時(shí)延、高能效等特點(diǎn)，被廣泛應(yīng)用于大型無(wú)線傳感器網(wǎng)絡(luò)。

最經(jīng)典的分簇路由是Heinemann等人提出的LEACH[4]分簇路由協(xié)議，其將網(wǎng)絡(luò)劃分為若干個(gè)簇，每個(gè)簇選舉出一個(gè)簇首來(lái)負(fù)責(zé)簇內(nèi)成員節(jié)點(diǎn)的管理與數(shù)據(jù)收集與轉(zhuǎn)發(fā)；以“輪”作為網(wǎng)絡(luò)的運(yùn)行周期，每一輪更換一次簇首以均衡節(jié)點(diǎn)的能耗。但是LEACH仍存在許多缺點(diǎn)，例如：簇首的選舉具有一定的隨機(jī)性，無(wú)法保證簇首具有足夠的能量完成簇內(nèi)數(shù)據(jù)的收集與轉(zhuǎn)發(fā)；節(jié)點(diǎn)分布的隨機(jī)性，均勻分簇容易會(huì)導(dǎo)致簇首負(fù)載不均；簇首通過(guò)單跳的方式與基站通信，不適用于大規(guī)模網(wǎng)絡(luò)。眾多學(xué)者針對(duì)LEACH的缺點(diǎn)，提出了改進(jìn)算法，為避免低能量節(jié)點(diǎn)被隨機(jī)的選為簇首，文獻(xiàn)[5]將節(jié)點(diǎn)的剩余能量引入到閾值公式中，緩解了低能量節(jié)點(diǎn)過(guò)早死亡的問(wèn)題。EEUC[6]算法引入成簇半徑的概念來(lái)控制簇的大小，使距離基站近的簇半徑小，從而使簇首節(jié)約出能量用于數(shù)據(jù)的轉(zhuǎn)發(fā)，由此來(lái)均衡節(jié)點(diǎn)的能耗。但是在大型的傳感器網(wǎng)絡(luò)中，節(jié)點(diǎn)并不是均勻分布的，在節(jié)點(diǎn)分布密集的區(qū)域，簇首的負(fù)載重，能量消耗大，EEUC算法依然存在節(jié)點(diǎn)能耗不均的狀況。為了進(jìn)一步均衡節(jié)點(diǎn)的能耗，文獻(xiàn)[7]提出了一種非均勻分簇算法[8]，既考慮到節(jié)點(diǎn)的位置信息，又考慮到節(jié)點(diǎn)的分布密度情況。文獻(xiàn)[9]引入“前置感知區(qū)域”的概念，在簇首節(jié)點(diǎn)的“前置感知區(qū)域”內(nèi)根據(jù)節(jié)點(diǎn)的剩余能量以及位置信息選舉附屬簇首節(jié)點(diǎn)，減少了因?yàn)椤澳芰炕貍鳌彼斐傻哪芰肯?，從而達(dá)到節(jié)約能耗的目的。文獻(xiàn)[10]提出了一種提基于簇的無(wú)線傳感器網(wǎng)絡(luò)交會(huì)路由協(xié)議CRRP，用于緩解sink周圍節(jié)點(diǎn)因轉(zhuǎn)發(fā)任務(wù)重而能耗大的問(wèn)題。

除此之外，眾多學(xué)者將各種聚類算法應(yīng)用在WSN的網(wǎng)絡(luò)分簇中[11-14]，文獻(xiàn)[15]采用k-means聚類算法進(jìn)行簇首選舉，并引入Mobile Agent對(duì)簇內(nèi)數(shù)據(jù)進(jìn)行收集以及融合處理。文獻(xiàn)[16]將模糊邏輯的聚類算法用在分簇上，在均勻分環(huán)的基礎(chǔ)上，將節(jié)點(diǎn)的能量、節(jié)點(diǎn)度、節(jié)點(diǎn)到基站的距離、環(huán)寬、啟動(dòng)能量等參數(shù)作為模糊規(guī)則器的輸入，輸出每一環(huán)的最優(yōu)簇?cái)?shù)以及節(jié)點(diǎn)成為簇首的競(jìng)爭(zhēng)半徑，從而進(jìn)行不均勻分簇。文獻(xiàn)[17]提出一種基于密度的聚類分析算法，其利用節(jié)點(diǎn)的局部密度差異來(lái)建立均衡分散的簇。文獻(xiàn)[18]基于模糊規(guī)則算法考慮節(jié)點(diǎn)相對(duì)能量、相對(duì)密度以及相對(duì)中心度進(jìn)行簇首選舉，采用改進(jìn)的蟻群算法進(jìn)行簇間路由優(yōu)化。

為了進(jìn)一步減少數(shù)據(jù)傳輸過(guò)程中節(jié)點(diǎn)能量的消耗，同時(shí)兼顧節(jié)點(diǎn)間能耗的均衡以及網(wǎng)絡(luò)的可擴(kuò)展性，本文提出了一種可擴(kuò)展的WSN分簇算法。在簇首選舉階段，綜合考慮節(jié)點(diǎn)的剩余能量、節(jié)點(diǎn)度、價(jià)值度等因素；滿足能量條件時(shí)，采用簇內(nèi)簇首輪換的方式，減少成簇能耗；當(dāng)新節(jié)點(diǎn)加入網(wǎng)絡(luò)時(shí)，引入“入網(wǎng)許可值”的概念，來(lái)確定新節(jié)點(diǎn)要加入的簇。

2 網(wǎng)絡(luò)模型與節(jié)點(diǎn)能耗模型

2.1 網(wǎng)絡(luò)模型

為了方便研究，本文對(duì)無(wú)線傳感器網(wǎng)絡(luò)作如下假設(shè)：

1)節(jié)點(diǎn)隨機(jī)分布在監(jiān)控區(qū)域，一經(jīng)部署位置不再發(fā)生變化，基站可以獲知所有節(jié)點(diǎn)的位置信息；

2)網(wǎng)絡(luò)中每一個(gè)節(jié)點(diǎn)都具有唯一標(biāo)識(shí)的ID，節(jié)點(diǎn)初始能量、存儲(chǔ)能力、處理能力、通信能力相同，節(jié)點(diǎn)可以感知自己的剩余能量，知道自己的位置坐標(biāo)以及基站的位置坐標(biāo)。

3)基站的位置固定，且計(jì)算能力以及能量不受限；

4)節(jié)點(diǎn)可以根據(jù)通信距離來(lái)調(diào)整通信功率的大小；

5)節(jié)點(diǎn)具有數(shù)據(jù)融合的能力，以減少需要傳輸?shù)臄?shù)據(jù)量。

2.2 節(jié)點(diǎn)能耗模型

如圖1所示，本文采用文獻(xiàn)[19]提出的一階無(wú)線電模型，其中節(jié)點(diǎn)能耗包括：發(fā)射電路能耗、放大電路能耗以及接收電路能耗。

圖1 一階無(wú)線電模型

傳感器節(jié)點(diǎn)發(fā)送kbit數(shù)據(jù)包的能耗為：

(1)

傳感器節(jié)點(diǎn)接收kbit數(shù)據(jù)包的能耗為：

ERx(k)=k·Eelec

(2)

其中：d為數(shù)據(jù)的傳輸距離，Eelec為電路發(fā)送或接收單位bit數(shù)據(jù)的能耗，εfs與εmp分別為自由空間模型與多路徑衰減模型功率放大所需要的能量，當(dāng)傳輸距離小于d0時(shí)采用自由空間模型，當(dāng)傳輸距離大于d0時(shí)采用多路徑衰減模型，d0取值如公式(3)所示。

(3)

3 算法描述

3.1 網(wǎng)絡(luò)分簇

1)網(wǎng)絡(luò)候選簇首選舉：

網(wǎng)絡(luò)中候選簇首的選舉采用公式(4)，T(i)為節(jié)點(diǎn)Ni的閾值，網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)會(huì)產(chǎn)生一個(gè)0～1的隨機(jī)數(shù)，與節(jié)點(diǎn)閾值進(jìn)行比較，若隨機(jī)數(shù)小于閾值則其被選擇為候選簇首。

(4)

其中：P為節(jié)點(diǎn)當(dāng)選為簇首的概率；Ei為節(jié)點(diǎn)Ni當(dāng)前剩余能量，Eaver為當(dāng)前網(wǎng)絡(luò)中所有節(jié)點(diǎn)能量的平均值，剩余能量越大T(i)的取值就越高，節(jié)點(diǎn)被選中的概率就越大；r表示當(dāng)前節(jié)點(diǎn)連續(xù)未當(dāng)選簇首的輪數(shù)，r越大該節(jié)點(diǎn)被選為簇首的概率也就越大，r為0則表示該節(jié)點(diǎn)上輪剛剛當(dāng)選過(guò)簇首，但是只要節(jié)點(diǎn)的剩余能量多，其可以繼續(xù)被選作為簇首。

2)簇的組建:

候選簇首的選舉完成之后，由普通節(jié)點(diǎn)根據(jù)其到候選簇首以和候選簇首到基站的距離來(lái)選擇出其可以加入的簇首，然后根據(jù)可加入簇首的剩余能量、鄰居節(jié)點(diǎn)度來(lái)確定最終要加入的簇首。其詳細(xì)的步驟如下：

1)候選簇首廣播自己的位置信息、剩余能量、鄰居節(jié)點(diǎn)數(shù)。

2)普通節(jié)點(diǎn)根據(jù)公式(5)計(jì)算數(shù)據(jù)由簇首到基站的代價(jià)，選擇代價(jià)值最小的3個(gè)候選簇首加入自己的候選簇首列表。

(5)

其中：dNi_CHj表示節(jié)點(diǎn)Ni到候選簇首CHj的距離，dCHj_BS表示候選簇首CHj到基站的距離。由公式(4)可知，數(shù)據(jù)傳輸所消耗的能量與數(shù)據(jù)的傳輸距離有關(guān)，簇內(nèi)的通信距離一般較小，因此采用自由空間模型，將簇內(nèi)通信代價(jià)最小問(wèn)題轉(zhuǎn)化為節(jié)點(diǎn)到簇首距離的平方值最小問(wèn)題；簇首到基站的距離相對(duì)較遠(yuǎn)，因此采用多路徑衰減模型，將簇首到基站通信代價(jià)最小問(wèn)題轉(zhuǎn)化為簇首到基站距離的四次方的最小化問(wèn)題。

假設(shè)某個(gè)節(jié)點(diǎn)與其周圍的候選簇首的分布如圖2所示，根據(jù)公式(5)計(jì)算代價(jià)由小到大的順序也是D、A、C、B，因此D、A、C三個(gè)候選簇首的信息被加入到該普通節(jié)點(diǎn)候選簇首列表中。

1.2 治療方法 對(duì)照組患者采用甲氨蝶呤小劑量分次肌注聯(lián)合米非司酮進(jìn)行治療，甲氨蝶呤劑量：0.4 mg·kg-1·d-1，5 d為一個(gè)療程，米非司酮?jiǎng)┝?00 mg，2次/d，連續(xù)服用3 d，劑量600 mg。觀察組給予患者一次性甲氨蝶呤肌注給藥聯(lián)合米非司酮(100 mg，2次/d)進(jìn)行治療，甲氨蝶呤一次性劑量50 mg/m2，在患者給藥4～7 d，如實(shí)驗(yàn)室檢查血β-hCG下降幅度小于15%或持續(xù)上升，于第7天再次肌注同劑量甲氨蝶呤。

圖2 簇首選擇示意圖

3)普通節(jié)點(diǎn)根據(jù)公式(6)從自己的候選簇首列表中選擇ValueCHj取值最大的簇首作為自己的最終簇首。

(6)

其中：EChj為候選簇首CHj的當(dāng)前剩余能量，Ech_aver為3個(gè)候選簇首能量的平均值，剩余能量越多ValueCHj的取值也就越大；NeiCH_Can(j)為候選簇首CHj的鄰居節(jié)點(diǎn)的數(shù)量，Neiaver為3個(gè)候選簇首鄰居節(jié)點(diǎn)的平均值。

4)普通節(jié)點(diǎn)加入選定的簇首，當(dāng)所有的普通節(jié)點(diǎn)完成簇首選舉時(shí)，未被選中的候選簇首和普通節(jié)點(diǎn)一樣根據(jù)公式(5)與公式(6)選擇簇首并加入。

5)簇的建立完成之后，為避免數(shù)據(jù)沖突，簇首為每一個(gè)成員節(jié)點(diǎn)分配TDMA時(shí)隙，成員節(jié)點(diǎn)根據(jù)時(shí)隙規(guī)則在規(guī)定的時(shí)隙與簇首進(jìn)行通信。

其中，在簇首在時(shí)隙分配過(guò)程中所分配的時(shí)隙數(shù)大于簇內(nèi)節(jié)點(diǎn)的數(shù)量，即預(yù)留若干時(shí)隙供新加入的節(jié)點(diǎn)的使用；當(dāng)新節(jié)點(diǎn)申請(qǐng)入簇時(shí)，不需要等待當(dāng)前簇周期的結(jié)束，也不要重新進(jìn)行時(shí)隙的劃分，既增加了網(wǎng)絡(luò)的可擴(kuò)展性，又提高了網(wǎng)絡(luò)的運(yùn)行效率，減少時(shí)延，節(jié)約能量。

3.2 簇內(nèi)簇首調(diào)整

在每一輪簇首的選舉以及簇的建立過(guò)程中，都需要廣播消息以獲取節(jié)點(diǎn)的信息，為了進(jìn)一步減少能量消耗，本文所提算法采用簇內(nèi)簇首輪換的方式。即當(dāng)網(wǎng)絡(luò)中所有簇首的能量都大于閾值Ea時(shí)，不需要在全網(wǎng)范圍內(nèi)重新進(jìn)行簇首的選舉。

在簇內(nèi)數(shù)據(jù)收集的過(guò)程中，成員節(jié)點(diǎn)每輪向簇首發(fā)送自己的剩余能量信息，簇首計(jì)算自己的剩余能量是否大于簇內(nèi)節(jié)點(diǎn)的平均能量，若大于則繼續(xù)擔(dān)任簇首，若小于根據(jù)簇內(nèi)簇首選舉方法進(jìn)行新簇首的選擇[14]，詳細(xì)步驟如下所示。

(7)

(8)

其中：dij2為第i個(gè)簇內(nèi)的第j個(gè)簇成員節(jié)點(diǎn)到其他成員節(jié)點(diǎn)距離平方的均值，(xj,yj)為該節(jié)點(diǎn)的位置坐標(biāo)，Mi為第i個(gè)簇內(nèi)的成員節(jié)點(diǎn)的個(gè)數(shù)，R為節(jié)點(diǎn)的通信距離，Eij表示第i個(gè)簇內(nèi)的第j個(gè)簇成員節(jié)點(diǎn)的當(dāng)前剩余能量，Ei_aver為簇內(nèi)的平均能量值。由公式(7)(8)可知，剩余能量越多，與簇內(nèi)通信代價(jià)越小，其被選為簇首的概率就會(huì)越大，該種簇內(nèi)簇首輪換機(jī)制，既減少簇的重建所帶來(lái)的能耗，又能保證節(jié)點(diǎn)能耗的均勻，防止個(gè)別節(jié)點(diǎn)因能耗過(guò)大而死亡。

2)當(dāng)前簇首在簇內(nèi)廣播新簇首消息，并將TDMA時(shí)隙規(guī)則以及簇內(nèi)成員的信息發(fā)送給新簇首，完成任務(wù)交接，當(dāng)前簇首作為普通節(jié)點(diǎn)，沿用新簇首的時(shí)隙向新簇首發(fā)送數(shù)據(jù)。

3)簇內(nèi)其他成員節(jié)點(diǎn)收到消息后，修改自己所維護(hù)的簇首信息，繼續(xù)進(jìn)行數(shù)據(jù)的采集與發(fā)送。

3.3 網(wǎng)絡(luò)擴(kuò)展

當(dāng)新節(jié)點(diǎn)申請(qǐng)加入網(wǎng)絡(luò)時(shí)，首先由新節(jié)點(diǎn)廣播自己的加入請(qǐng)求消息，網(wǎng)絡(luò)中的簇首收到請(qǐng)求消息后將自己的位置信息、簇內(nèi)當(dāng)前負(fù)載、剩余能量發(fā)送給新節(jié)點(diǎn)。新節(jié)點(diǎn)收到各簇首消息后，根據(jù)公式(9)選取Per(j)取值最大的簇首加入。

(9)

其中：dchj為新節(jié)點(diǎn)到簇首CHj的距離，Echj與Lchj分別為簇首CHj的剩余能量與當(dāng)前負(fù)載即當(dāng)前成員節(jié)點(diǎn)的個(gè)數(shù)，E0為節(jié)點(diǎn)的初始能量，1/p為網(wǎng)絡(luò)內(nèi)的平均簇成員數(shù)目。

新節(jié)點(diǎn)選定簇首后，向該簇首發(fā)送入網(wǎng)請(qǐng)求，簇首接受請(qǐng)求后，將預(yù)留的時(shí)隙分配給新節(jié)點(diǎn)，新節(jié)點(diǎn)正式成為簇成員開(kāi)始進(jìn)行數(shù)據(jù)的采集與發(fā)送。

4 仿真與分析

采用Python語(yǔ)言中的numpy、pandas庫(kù)以及matplotlib庫(kù)，對(duì)本文算法以及經(jīng)典的LEACH、EEUC等算法在網(wǎng)絡(luò)的生命周期、網(wǎng)絡(luò)能耗以及節(jié)點(diǎn)能量的均衡性進(jìn)行了對(duì)比以及可視化分析。

4.1 仿真環(huán)境與參數(shù)設(shè)置

仿真環(huán)境為100個(gè)節(jié)點(diǎn)隨機(jī)分布在200*200的區(qū)域內(nèi)，基站坐標(biāo)為(100,200)，每輪簇首的數(shù)量占網(wǎng)絡(luò)中存活節(jié)點(diǎn)的10%(p=0.1)。數(shù)據(jù)傳輸模型采用一階無(wú)線模型，其中實(shí)驗(yàn)中涉及到的部分參其他數(shù)取值如表1所示。

表1 實(shí)驗(yàn)參數(shù)

4.2 實(shí)驗(yàn)結(jié)果分析

圖3為網(wǎng)絡(luò)運(yùn)行到第10輪時(shí)節(jié)點(diǎn)的分布情況以及本文算法(AEECA)的成簇情況。由實(shí)驗(yàn)結(jié)果可知，簇首較均勻的分布在網(wǎng)絡(luò)中，并沒(méi)有出現(xiàn)簇首“扎堆”或“邊緣化”的情況，負(fù)載相對(duì)比較均衡。這主要是因?yàn)樵诖厥椎倪x舉過(guò)程中不僅僅考慮到節(jié)點(diǎn)的剩余能量，還綜合考慮了節(jié)點(diǎn)的位置信息、以及節(jié)點(diǎn)的鄰居節(jié)點(diǎn)數(shù)量，使簇首的數(shù)量與節(jié)點(diǎn)的密度成正比。

圖3 節(jié)點(diǎn)分布情況及成簇情況圖

圖4與圖5分別為本文算法(AEECA)與LEACH算法、EEUC算法就網(wǎng)絡(luò)生命周期指標(biāo)以及網(wǎng)絡(luò)中所有節(jié)點(diǎn)總能量所進(jìn)行的仿真與對(duì)比。網(wǎng)絡(luò)生命周期是衡量無(wú)線傳感器網(wǎng)絡(luò)質(zhì)量的一個(gè)非常重要的指標(biāo)。在本文的仿真實(shí)驗(yàn)中，以網(wǎng)絡(luò)中節(jié)點(diǎn)的存活數(shù)量來(lái)表示網(wǎng)網(wǎng)絡(luò)的生命周期。由仿真結(jié)果可知，3種算法的網(wǎng)絡(luò)生命周期從長(zhǎng)到短依次為AEECA、EEUC、LEACH。

圖4 網(wǎng)絡(luò)生命周期對(duì)比

圖5 能耗對(duì)比

與LEACH算法比較，AEECA算法的能耗小的原因主要有以下幾個(gè)：

1)在簇首選舉過(guò)程中，LEACH算法每輪都要重新選擇簇首，而AEECA采用的是一定條件下簇內(nèi)簇首輪換的方式，節(jié)約了全網(wǎng)范圍內(nèi)進(jìn)行簇首選舉的能耗。

2)在簇的組建過(guò)程中，LEACH算法是節(jié)點(diǎn)選擇距離自己近的簇首加入，而AEECA綜合考慮了簇首距離基站的距離，簇首的剩余能量以及節(jié)點(diǎn)密度等因素，不僅可以促進(jìn)節(jié)點(diǎn)間的負(fù)載均衡，還可以減少信息回傳所帶來(lái)的能耗。

圖6對(duì)3種算法每輪的能耗作了仿真與對(duì)比，整體來(lái)看每輪能耗隨著網(wǎng)絡(luò)運(yùn)行輪數(shù)的增加而減少，原因是網(wǎng)絡(luò)中的存活的節(jié)點(diǎn)越來(lái)越少，另外LEACH算法每輪的能耗都比其他兩種算法高，EEUC各輪的能耗比較均衡，AEECA大部分輪能耗維持在較低水平，小部分輪數(shù)能耗較高，原因是當(dāng)簇內(nèi)平均能耗低于閾值時(shí)，需要在全網(wǎng)范圍內(nèi)進(jìn)行簇首選舉，此時(shí)能耗則較高，其他輪則是采用簇內(nèi)簇首輪換的方式進(jìn)行的，能耗低于全網(wǎng)簇首選舉。

圖6 每輪能耗對(duì)比

綜上所述，本文算法在網(wǎng)絡(luò)分簇階段，根據(jù)節(jié)點(diǎn)的剩余能量來(lái)進(jìn)行候選簇首的選舉，可以避免低能量節(jié)點(diǎn)當(dāng)選簇首；在簇首的選舉過(guò)程中，節(jié)點(diǎn)根據(jù)數(shù)據(jù)經(jīng)各簇首轉(zhuǎn)發(fā)至基站所經(jīng)過(guò)路徑的平方和，來(lái)選取轉(zhuǎn)發(fā)代價(jià)最小的3個(gè)簇首作為自己的候選簇首，可以避免當(dāng)簇首分布較偏的時(shí)候，數(shù)據(jù)因距離較遠(yuǎn)而帶來(lái)的能耗過(guò)大問(wèn)題。節(jié)點(diǎn)從3個(gè)候選簇首中，選取剩余能量大、鄰居節(jié)點(diǎn)多的候選簇首作為自己的最終簇首，既保證了簇首具有較高的能量，又能保證簇首分布在節(jié)點(diǎn)相對(duì)集中的區(qū)域[20]。

為了增加網(wǎng)絡(luò)的可擴(kuò)展性，當(dāng)新的就節(jié)點(diǎn)申請(qǐng)加入網(wǎng)絡(luò)時(shí)，引入節(jié)點(diǎn)的入網(wǎng)許可值，綜合考慮要加入簇的能量和距離，使得選擇的簇頭節(jié)點(diǎn)對(duì)于新入網(wǎng)節(jié)點(diǎn)而言，具有更好的健壯性。另外，基于簇的負(fù)載值的考慮，使得網(wǎng)絡(luò)的負(fù)載分布更均勻。

5 結(jié)束語(yǔ)

本文在分析當(dāng)前分簇算法的基礎(chǔ)上，以減少能耗，增強(qiáng)網(wǎng)絡(luò)的可擴(kuò)展性為目的，提出了一種可擴(kuò)展的無(wú)線傳感器網(wǎng)絡(luò)分簇算法，從網(wǎng)絡(luò)分簇、簇內(nèi)簇首選舉、網(wǎng)絡(luò)擴(kuò)展3個(gè)部分對(duì)算法進(jìn)行了描述與實(shí)驗(yàn)驗(yàn)證，結(jié)果表明本文所提算法可以較少網(wǎng)絡(luò)能耗、均衡節(jié)點(diǎn)間的負(fù)載，延長(zhǎng)網(wǎng)絡(luò)的生命周期。