基于梯度的異構(gòu)WSNs非均勻分簇路由協(xié)議

張文柱，孫瑞華，高 鵬，孔維鵬

(西安建筑科技大學(xué) 信息與控制工程學(xué)院，西安 710055)

E-mail:srh_xauat@163.com

1 引 言

為滿足我國城市化建設(shè)的發(fā)展需求，充分利用城市地下空間資源，需要加快城市地下綜合管廊的建設(shè)[1].然而城市地下綜合管廊管線種類多樣，設(shè)備繁雜，采用傳統(tǒng)人工巡檢和維護(hù)等方式會存在智能化水平不足、工作效率低下、運營成本偏高等問題，因此建立完善的綜合管廊環(huán)境監(jiān)測系統(tǒng)是十分必要的[2].

無線傳感器網(wǎng)絡(luò)WSNs(Wireless Sensor Networks)是由大量部署在監(jiān)測區(qū)域內(nèi)的、具有無線通信與計算能力的微小、廉價傳感器節(jié)點，通過自組織方式構(gòu)成的，能根據(jù)環(huán)境自主完成指定任務(wù)的分布式智能化網(wǎng)絡(luò)系統(tǒng).其被廣泛應(yīng)用于戰(zhàn)場監(jiān)視、環(huán)境監(jiān)測、智慧農(nóng)業(yè)和目標(biāo)追蹤等領(lǐng)域[3，4].傳感器節(jié)點部署區(qū)域環(huán)境復(fù)雜，能量受限，在大規(guī)模無線傳感器網(wǎng)絡(luò)中，存在網(wǎng)絡(luò)能耗不均衡，網(wǎng)絡(luò)壽命較短等問題[5].因此研究適用管廊環(huán)境的節(jié)能高效的數(shù)據(jù)傳輸策略，均衡網(wǎng)絡(luò)能耗，延長網(wǎng)絡(luò)生命周期成為WSNs路由協(xié)議研究的關(guān)鍵.

為了均衡網(wǎng)絡(luò)能耗，緩解“能量熱區(qū)”問題，許多路由協(xié)議被提出.LEACH(Low Energy Adaptive Clustering Hierarchy)協(xié)議[6]最早采用分簇算法，節(jié)點輪流擔(dān)任簇首并通過單跳方式與Sink節(jié)點通信.但是容易造成簇首節(jié)點分布不均、能量較低等問題.Qing等[7]提出DEEC協(xié)議，引入剩余能量因子，避免了能量較低節(jié)點擔(dān)任簇首.但是沒有考慮節(jié)點位置影響，可能會造成簇首節(jié)點分布不均勻.黃利曉等[8]提出了LEACH-improved路由協(xié)議，對簇首選舉閾值進(jìn)行了改進(jìn),保證了節(jié)點能量負(fù)載的均衡性.Fu等[9]引入模糊邏輯推理的方式，綜合節(jié)點剩余能量、通信半徑、鄰居節(jié)點的數(shù)量和節(jié)點的計算能力進(jìn)行簇首選舉，仿真表明該方法可以有效均衡網(wǎng)絡(luò)能耗.但是以上算法只是通過改善簇首選舉方法降低網(wǎng)絡(luò)能耗，并沒有解決“能量熱區(qū)”問題.

Soro等[10]針對“能量熱區(qū)”問題，首次提出不均等分簇路由協(xié)議UCS，根據(jù)簇首期望轉(zhuǎn)發(fā)負(fù)荷調(diào)整成簇規(guī)模，解決了不同簇首間的負(fù)載均衡問題.Lin等人[11]提出EEREG路由協(xié)議，劃分網(wǎng)絡(luò)分區(qū)，計算簇首最優(yōu)競爭半徑，在延長網(wǎng)絡(luò)壽命的同時均衡了全網(wǎng)能量消耗.李雙雙等[12]引入群體智能優(yōu)化算法PMBA優(yōu)化簇首選舉，建立多基站傳輸機制，緩解了“能量熱區(qū)”問題.然而，上述路由算法大多適用于長寬差距不大的監(jiān)測環(huán)境，針對管廊狹長環(huán)境適用性較差.為此，周志鑫等[13]提出LEACH-HC協(xié)議，采用選舉簇首與固定簇首混合部署策略；余修武等[14]針對深井環(huán)境提出UCRP協(xié)議，根據(jù)距離因子、剩余能量因子和鄰居節(jié)點個數(shù)計算簇首競爭半徑，有效降低節(jié)點能量開銷.

綜上所述，學(xué)者們提出了大量改進(jìn)的路由協(xié)議，在長寬差距不大的典型應(yīng)用環(huán)境中取得了很好的效果，但是由于應(yīng)用背景不同，路由算法間的通用性較低，管廊中傳感器節(jié)點異構(gòu)性較強，適用管廊等狹長應(yīng)用背景的路由協(xié)議較少.本文針對綜合管廊環(huán)境特點和應(yīng)用需求，提出了一種基于梯度的異構(gòu)無線傳感器網(wǎng)絡(luò)非均勻分簇路由協(xié)議GUCRP(Gradient-Based Unequal Clustering Routing Protocol)，將網(wǎng)絡(luò)進(jìn)行虛擬梯度分區(qū)，計算每一梯度最優(yōu)簇數(shù)，根據(jù)節(jié)點能量異構(gòu)性計算簇首競爭半徑，形成非均勻分簇；綜合剩余能量因子和距離因子選取下一跳路由,最終達(dá)到均衡網(wǎng)絡(luò)能耗，改善“能量熱區(qū)”問題，延長網(wǎng)絡(luò)壽命的目的.

2 網(wǎng)絡(luò)與能耗模型

2.1 網(wǎng)絡(luò)模型

綜合管廊是一種長帶狀分布的空間，可以將其簡化為一個L×M的矩形區(qū)域(L?M).假設(shè)傳感器網(wǎng)絡(luò)由N個隨機部署的傳感器節(jié)點組成，模型具體描述如下：1)Sink節(jié)點位于管廊外側(cè)，計算能力不受限制，有持續(xù)的能量供應(yīng).2)節(jié)點初始能量不同，周期性傳輸數(shù)據(jù).3)節(jié)點位置一旦部署不再改變，可以通過定位算法獲悉自身位置.4)節(jié)點可以感知自身剩余能量，并對數(shù)據(jù)進(jìn)行融合.5)節(jié)點無線發(fā)射功率可自主調(diào)控.

建立基于梯度的路由協(xié)議，需對網(wǎng)絡(luò)進(jìn)行分區(qū)設(shè)計，具體步驟如下：

網(wǎng)絡(luò)部署階段，所有節(jié)點初始梯度值IG設(shè)置為0.

1.Sink節(jié)點廣播一條包含跳數(shù)值HC的信息Imessage給其鄰居節(jié)點，初始HC為0.

2.鄰居節(jié)點接收Imessage后，更新自身梯度值IG(IG=HC+1),更新后的IG替換Imessage中的HC值并將此消息繼續(xù)廣播給鄰居節(jié)點.

3.收到新消息的節(jié)點繼續(xù)更新自身梯度值，并重復(fù)步驟3繼續(xù)向下傳遞，直至網(wǎng)絡(luò)中所有節(jié)點設(shè)置完畢.

所有節(jié)點不重復(fù)接收消息，自身梯度值一旦設(shè)置將不再更改.最終整個網(wǎng)絡(luò)內(nèi)的傳感器節(jié)點依據(jù)自身梯度值，構(gòu)建梯度路由模型，如圖1所示.

2.2 能耗模型

在無線傳感器網(wǎng)絡(luò)中，傳感器節(jié)點的能量主要消耗在感知、傳輸和處理數(shù)據(jù)過程中，其中數(shù)據(jù)傳輸能耗占比最大[15].根據(jù)發(fā)送端與接收端的距離，無線傳感器網(wǎng)絡(luò)信道模型可以分為兩種：自由空間模型和多徑衰減模型.本文中能耗模型如圖2所示.

節(jié)點發(fā)送kbit數(shù)據(jù)消耗的能量為：

(1)

接收kbit數(shù)據(jù)消耗的能量為：

Erx(k，d)=kEelec(k)

(2)

式中：Eelec表示發(fā)送電路或接收電路發(fā)送或接收1bit數(shù)據(jù)的能耗；εfs和εamp表示放大器特性常數(shù)；d表示傳輸距離；d0表示傳輸距離閾值,計算如下：

(3)

圖2 能耗模型Fig.2 Energy consumption model

3 GUCRP路由協(xié)議

本文提出的GUCRP路由協(xié)議包括網(wǎng)絡(luò)初始化、簇首選舉和數(shù)據(jù)傳輸三個階段.

3.1 網(wǎng)絡(luò)初始化階段

網(wǎng)絡(luò)初始化階段，監(jiān)測區(qū)域被劃分為k個梯度單元，各梯度單元區(qū)域的面積集合為S,則S={S1,S2,S3，…，Sk}.為了達(dá)到更好的網(wǎng)絡(luò)性能，從最小化相鄰梯度單元數(shù)據(jù)傳輸能耗出發(fā)，計算最佳梯度單元個數(shù).

假設(shè)每一輪梯度i中簇首節(jié)點ni所承擔(dān)的平均數(shù)據(jù)傳輸量為Dai，可得到下式：

(4)

其中:Si代表梯度i區(qū)域面積；ρ代表節(jié)點密度；δ代表數(shù)據(jù)融合率；a代表每一個傳感器節(jié)點的數(shù)據(jù)包大??；ci代表梯度i中簇首數(shù)量.

設(shè)梯度i單元中，簇首節(jié)點發(fā)送數(shù)據(jù)的平均能耗為ECH(i),可得：

ECH(i)=Dai(Eelec+εampdA4)

(5)

其中：dA代表相鄰兩梯度單元中簇首節(jié)點間的平均距離.

假設(shè)節(jié)點服從均勻分布，相鄰兩梯度單元之間簇首的平均距離dA可以表示如下：

(6)

結(jié)合式(4)、式(5)、式(6)可得梯度i中簇首節(jié)點的數(shù)據(jù)總傳輸能耗為：

(7)

為了最小化數(shù)據(jù)傳輸能耗，ECH應(yīng)取最小值.對ECH求解關(guān)于k的一階導(dǎo)數(shù)，可得：

(8)

令式(8)等于0，可得：

(9)

3.2 簇首選舉階段

3.2.1 簇首競選

對分布式分簇策略而言，簇首的選擇至關(guān)重要.簇首節(jié)點不僅需要轉(zhuǎn)發(fā)簇成員節(jié)點采集的信息，還需要承擔(dān)簇間信息中繼任務(wù)，相比簇成員節(jié)點會消耗更多能量.GUCRP路由協(xié)議在簇首選擇階段，綜合考慮節(jié)點的剩余能量因子和距離因子，使剩余能量最高的節(jié)點擔(dān)任最終簇首.首先采用式(10)計算出節(jié)點競選簇首的概率.

(10)

在分布式路由算法中，獲取精確的全網(wǎng)平均剩余能量信息較為困難且會造成信息冗余，耗能增加.因此采用估算法統(tǒng)計全網(wǎng)平均剩余能量，如式(11)所示：

(11)

式(11)中：Eini代表全網(wǎng)初始總能量；Eround代表每一輪消耗的能量[7]；r為當(dāng)前輪次.

計算出簇首競選概率后，引入閾值函數(shù)作為簇首節(jié)點競選的門限值，如式(12)所示.

(12)

式(12)中：pi為節(jié)點ni競選簇首的概率；r為當(dāng)前輪數(shù)；G是1/pi輪中未被選舉為簇首節(jié)點的集合.

初始階段節(jié)點ni在(0,1)區(qū)間產(chǎn)生一個隨機數(shù)與閾值函數(shù)門限值比較，決定是否當(dāng)選候選簇首節(jié)點；入選為候選簇首節(jié)點后通過簇首競爭半徑建立鄰居表信息，根據(jù)剩余能量因子確定最終簇首節(jié)點.簇首節(jié)點競選成功后廣播FinalHead_msg,其余節(jié)點接收到消息后回復(fù)QuitHead_msg,選舉結(jié)束.

3.2.2 簇首競爭半徑

為了緩解“能量熱區(qū)”問題，GUCRP協(xié)議從均衡網(wǎng)絡(luò)能耗角度出發(fā)，提出了不均等分簇路由協(xié)議，采用基于梯度的路由對網(wǎng)絡(luò)進(jìn)行均等劃分，使靠近Sink節(jié)點的區(qū)域形成更多的分簇分散大量的數(shù)據(jù)轉(zhuǎn)發(fā)任務(wù).

為了均衡相鄰梯度單元中簇首數(shù)據(jù)傳輸量，令Dai=Da(i+1)，可得：

(13)

同時，梯度1單元中簇首數(shù)量可以由式(14)得出：

c1=kfρS1

(14)

kf為梯度1中簇首所占百分比.

通過式(13)、式(14)計算出各梯度中簇首的最佳數(shù)量后，引入簇首競爭半徑求解最終簇首競爭半徑.

假設(shè)網(wǎng)絡(luò)中傳感器節(jié)點均為同構(gòu)，則在同一梯度中形成的若干分簇大小規(guī)模均相等.設(shè)Ri為梯度i中簇首的競爭半徑，可得：

(15)

結(jié)合式(13)和式(15)可得出Ri和Ri+1之間的關(guān)系，如下所示：

(16)

而在本文提出的異構(gòu)網(wǎng)絡(luò)中，傳感器節(jié)點分為普通節(jié)點和高級節(jié)點.為了均衡網(wǎng)絡(luò)能耗，在同一梯度中由高級節(jié)點擔(dān)任簇首的簇成簇規(guī)模要大于普通節(jié)點擔(dān)任簇首的簇成簇規(guī)模，即高級節(jié)點的簇首競爭半徑大于普通節(jié)點的簇首競爭半徑.

假設(shè)E0代表普通節(jié)點的初始能量，μ代表高級節(jié)點占總節(jié)點數(shù)的百分比，α代表高級節(jié)點超出普通節(jié)點能量的百分比.網(wǎng)絡(luò)中所有傳感器節(jié)點的初始總能量可以被表示為：

ET=ρS(1-μ)E0+ρSμ(1+α)E0=ρS(1+αμ)E0

(17)

式(17)表明，在異構(gòu)網(wǎng)絡(luò)中實質(zhì)上可以認(rèn)為有ρS(1+αμ)個初始能量為E0的普通節(jié)點.

在同構(gòu)網(wǎng)絡(luò)中，梯度i單元中傳感器節(jié)點的個數(shù)可以表示為ρSi，單個傳感器節(jié)點的覆蓋范圍為1/ρ，因此在梯度i單元中簇首的平均覆蓋范圍可以被表示為：

(18)

由公式(17)可得，在異構(gòu)網(wǎng)絡(luò)中，梯度i單元中傳感器節(jié)點的個數(shù)增加了(1+αμ)倍.單個傳感器節(jié)點的覆蓋范圍為1/ρ(1+αμ)，梯度i中簇首的平均覆蓋范圍表示如下：

(19)

因此，梯度i中普通節(jié)點擔(dān)任簇首和高級節(jié)點擔(dān)任簇首所形成的簇首加權(quán)平均覆蓋范圍表示如下：

(20)

根據(jù)式(19)、式(20)，可以得出在異構(gòu)網(wǎng)絡(luò)中普通節(jié)點和高級節(jié)點的簇首競爭半徑，表示如下：

(21)

3.3 數(shù)據(jù)傳輸階段

GUCRP協(xié)議數(shù)據(jù)傳輸采用單跳與多跳相結(jié)合的方式.根據(jù)梯度分區(qū)，梯度1單元中節(jié)點的下一跳是Sink節(jié)點，節(jié)點采集到的數(shù)據(jù)直接發(fā)送給Sink節(jié)點，其他梯度節(jié)點通過多跳方式傳輸數(shù)據(jù).假設(shè)節(jié)點ni是梯度i(1

步驟 1.ni從相鄰靠近Sink節(jié)點的i-1梯度單元中隨機選擇ωci-1個簇首節(jié)點作為下一跳候選簇首節(jié)點NEXT_Htentative，并建立候選簇首節(jié)點集合SCH.其中ω是(0,1)之間的隨機數(shù).

步驟 2.ni與集合SCH中的候選簇首節(jié)點交換路由信息，獲取剩余能量和距離信息，并通過式(22)、式(23)計算候選簇首節(jié)點集合SCH中各簇首節(jié)點的代價函數(shù)Cost(i，j)，如下所示：

(22)

(23)

式中：ej代表候選節(jié)點的剩余能量；e0代表節(jié)點的初始能量；dis(ni,nj)代表節(jié)點i到j(luò)的距離；dis(ni,BS)和dis(nj,BS)分別代表節(jié)點i和j到Sink節(jié)點的距離.

最終節(jié)點ni選擇代價最小的候選簇首節(jié)點作為最終下一跳簇首節(jié)點NEXT_Hfinal.

3.4 GUCRP協(xié)議整體流程

按照GUCRP協(xié)議規(guī)定，網(wǎng)絡(luò)初始化階段Sink節(jié)點向全網(wǎng)播報一條報文消息，其中包含網(wǎng)絡(luò)的梯度分區(qū)值，每一梯度的最佳分簇值，同構(gòu)網(wǎng)絡(luò)中簇首節(jié)點的競爭半徑以及異構(gòu)網(wǎng)絡(luò)中高級節(jié)點和普通節(jié)點擔(dān)任簇首時的競爭半徑.接收到此消息后所有節(jié)點進(jìn)入分簇階段.簇首具體選舉過程如算法1所示.

算法1.

1.start

2.p←rand(0,1)

3.ifp

4.n←TCH，計算簇首競爭半徑R

5. 廣播CompeteHead_msg(ID,IG,Re)

6.else

7.n進(jìn)入階段Sleeping

8.EXIT

9.endif

10.當(dāng)節(jié)點a收到CompeteHead_msg

11.計算n和a之間的距離d(n,a)

12.ifd(n,a)

13.a←Nn_CH

14.end if

15.ifNn_CH=NULLthen

16.n←FinalCH

17. EXIT

18.else

19.Remax(Ren,Rea)，?a∈Nn_CH←FinalCH

20. EXIT

21.FinalCH廣播FinalHead_msg

22.end

簇首選舉成功后，非簇首節(jié)點根據(jù)簇首節(jié)點廣播信號強度，計算簇首節(jié)點與自身之間的距離，最終根據(jù)距離因子，選取最近的簇首入簇.進(jìn)入數(shù)據(jù)傳輸階段，簇首節(jié)點依據(jù)代價函數(shù)選取下一跳路由進(jìn)行數(shù)據(jù)傳輸.在數(shù)據(jù)傳輸階段為了避免信道沖突，簇首節(jié)點采用時分多址技術(shù)(TDMA)為不同的簇成員節(jié)點分配時隙，簇成員節(jié)點只在所分配的時隙內(nèi)傳遞數(shù)據(jù)，其余時間處于睡眠狀態(tài).GUCRP協(xié)議的流程圖如圖3所示.

圖3 GUCRP協(xié)議流程圖Fig.3 GUCRP protocol flow chart

4 仿真實驗及性能分析

4.1 仿真參數(shù)設(shè)置

實驗采用MATLAB R2016a仿真軟件進(jìn)行仿真測試，設(shè)置兩種方案：從網(wǎng)絡(luò)壽命、網(wǎng)絡(luò)能耗、吞吐量三個方面將GUCRP協(xié)議與DEEC協(xié)議、OCRP協(xié)議[16]、LEACH-HC協(xié)議進(jìn)行比較分析，驗證GUCRP協(xié)議的有效性；改變網(wǎng)絡(luò)中的節(jié)點密度，驗證協(xié)議的擴展性.

參考符合城市綜合管廊的特殊環(huán)境，仿真環(huán)境設(shè)置為1000×10的長方形區(qū)域，具體仿真參數(shù)設(shè)置如表1所示.

GUCRP協(xié)議仿真實驗時，公式(21)中權(quán)重因子γ=0.3和β=0.7.

4.2 仿真結(jié)果分析

4.2.1 網(wǎng)絡(luò)有效性分析

本文以節(jié)點的平均剩余能量作為網(wǎng)絡(luò)能耗的評價標(biāo)準(zhǔn)，網(wǎng)絡(luò)壽命是衡量算法有效性的重要指標(biāo).本文以節(jié)點死亡數(shù)量隨網(wǎng)絡(luò)運行時間的變化來衡量網(wǎng)絡(luò)壽命.

表1 仿真參數(shù)Table 1 Simulation parameters

一般情況下，節(jié)點的平均剩余能量越大說明網(wǎng)絡(luò)的生命周期越長.圖4為4種協(xié)議的節(jié)點平均剩余能量隨網(wǎng)絡(luò)運行輪數(shù)增長的變化情況.可以直觀得出，剛開始時GUCRP協(xié)議的節(jié)點剩余能量較低，但隨著網(wǎng)絡(luò)運行輪數(shù)的增長，GUCRP協(xié)議的節(jié)點平均剩余能量明顯大于其他3種協(xié)議.這是因為GUCRP協(xié)議建立基于梯度的不均等分簇路由協(xié)議，在網(wǎng)絡(luò)初始化階段需要消耗部分能量傳遞初始化消息，在后期網(wǎng)絡(luò)拓?fù)溱呌诜€(wěn)定后能耗減小.由于采用了最優(yōu)分簇思想，優(yōu)化簇首選舉策略，OCRP和GUCRP協(xié)議的能量消耗曲線隨時間增長緩慢下降.同時隨著輪數(shù)的增加，網(wǎng)絡(luò)中生存節(jié)點數(shù)量變少，當(dāng)節(jié)點被選為簇首時，所需要轉(zhuǎn)發(fā)的數(shù)據(jù)負(fù)擔(dān)逐漸變小，4種協(xié)議的能量消耗率逐漸變低.這表明GUCRP協(xié)議可以有效延長網(wǎng)絡(luò)的生命周期.

圖4 節(jié)點平均剩余能量隨時間變化圖Fig.4 Graph of node average remaining energy over time

圖5 節(jié)點死亡數(shù)量隨時間變化圖Fig.5 Graph of node deaths over time

圖6 網(wǎng)絡(luò)吞吐量Fig.6 Network throughput

圖5為4種協(xié)議死亡節(jié)點數(shù)量隨網(wǎng)絡(luò)運行輪數(shù)增長變化的情況.FND(First Node Death)代表第一個節(jié)點陷入死亡，如圖5所示DEEC協(xié)議、LEACH-HC協(xié)議、OCRP協(xié)議、GUCRP協(xié)議出現(xiàn)FND時間分別為321輪、376輪、509輪、692輪.這表明GUCRP協(xié)議通過對網(wǎng)絡(luò)進(jìn)行分區(qū)劃分最優(yōu)簇數(shù)，根據(jù)節(jié)點能量異構(gòu)性[16]進(jìn)行不均等分簇，優(yōu)化簇首選舉機制，更好的均衡了網(wǎng)絡(luò)能耗，避免了單個節(jié)點因過度耗能而過早死亡的現(xiàn)象.另外，由于“熱區(qū)”問題的存在，DEEC協(xié)議隨時間增長死亡節(jié)點數(shù)量增速加快；同時LEACH-HC協(xié)議采用混合分簇策略，在固定簇首的能量耗盡之后，網(wǎng)絡(luò)中出現(xiàn)節(jié)點突發(fā)大量死亡現(xiàn)象；而OCRP協(xié)議和GUCRP協(xié)議節(jié)點的死亡速度相對均衡.由于GUCRP協(xié)議采用非均勻分簇方法均衡不同簇首間的能量消耗，因此在網(wǎng)絡(luò)生存時間和穩(wěn)定性方面優(yōu)于其他3種協(xié)議.

網(wǎng)絡(luò)吞吐量是指Sink節(jié)點在整個網(wǎng)絡(luò)生命周期內(nèi)接收到的數(shù)據(jù)量，可以直觀反映網(wǎng)絡(luò)的整體性能.

圖6為在網(wǎng)絡(luò)生命周期內(nèi)，Sink節(jié)點接收到的數(shù)據(jù)包變化情況.GUCRP協(xié)議的網(wǎng)絡(luò)吞吐總量分別是其他3種協(xié)議的1.58倍、1.34倍和1.07倍.DEEC 協(xié)議在生命周期內(nèi)的吞吐量最小，LEACH-HC協(xié)議和OCRP協(xié)議的網(wǎng)絡(luò)吞吐量相差較大，這是因為兩者都采用均勻分簇思想，數(shù)據(jù)傳輸機制大致相像，但LEACH-HC協(xié)議中包含部分固定簇首，能量過早耗盡后即陷入死亡.GUCRP協(xié)議在數(shù)據(jù)傳輸階段，通過基于梯度的不均等分簇策略，不均等分簇策略均衡節(jié)點能耗，延長了網(wǎng)絡(luò)生命周期，提升了網(wǎng)絡(luò)的整體吞吐量.

4.2.2 網(wǎng)絡(luò)的擴展性分析

為進(jìn)一步檢驗算法的性能，保持網(wǎng)絡(luò)環(huán)境和仿真參數(shù)不變，改變網(wǎng)絡(luò)中節(jié)點密度，將節(jié)點數(shù)量取值區(qū)間設(shè)為[100,300]，從網(wǎng)絡(luò)平均能量消耗和網(wǎng)絡(luò)吞吐量方面進(jìn)行仿真分析.

圖7 網(wǎng)絡(luò)平均能量消耗Fig.7 Network average energy consumption

隨著節(jié)點數(shù)量的增多網(wǎng)絡(luò)中節(jié)點密度逐漸增大.圖7為改變網(wǎng)絡(luò)中節(jié)點密度后，GUCRP協(xié)議和DEEC、LEACH-HC、OCRP協(xié)議的網(wǎng)絡(luò)平均能耗圖.從圖中可以看出，GUCRP協(xié)議和OCRP協(xié)議相較于其他兩種協(xié)議相對較穩(wěn)定，在不同節(jié)點密度的網(wǎng)絡(luò)環(huán)境中網(wǎng)絡(luò)能耗呈緩慢增長的趨勢.這是由于隨著節(jié)點密度的增加，網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)包變大，所消耗的能量增加，GUCRP和OCRP協(xié)議充分考慮節(jié)點的剩余能量，對簇首節(jié)點進(jìn)行優(yōu)化分配，最大限度地保證了網(wǎng)絡(luò)的連通性和均衡性，使網(wǎng)絡(luò)能耗最小化.

圖8展示了不同節(jié)點密度條件下四種協(xié)議的網(wǎng)絡(luò)吞吐量變化情況，從圖中可以得出，隨著節(jié)點密度的增加，DEEC協(xié)議網(wǎng)絡(luò)吞吐量增長速度慢于其他三種協(xié)議.這是因為隨著節(jié)點密度的增加，數(shù)據(jù)傳輸過程中產(chǎn)生了數(shù)據(jù)沖突，造成了更多的能耗，影響了整體吞吐量.與此同時伴隨著節(jié)點密度的增加，簇首選舉過程中的傳輸延遲逐漸增大，LEACH-HC、OCRP和GUCRP協(xié)議的網(wǎng)絡(luò)吞吐量增長率逐步降低，由于GUCRP事先劃分了路由分區(qū)，采用最優(yōu)分簇策略，受此因素影響較小.

圖8 網(wǎng)絡(luò)吞吐量Fig.8 Network throughput

5 結(jié) 論

針對管廊監(jiān)測系統(tǒng)中無線傳感器網(wǎng)絡(luò)節(jié)點能量受限，長距離傳輸引發(fā)“能量熱區(qū)”，導(dǎo)致網(wǎng)絡(luò)生命周期較短問題，提出了一種基于梯度的異構(gòu)無線傳感器網(wǎng)絡(luò)非均勻分簇路由協(xié)議GUCRP.GUCRP首先對網(wǎng)絡(luò)進(jìn)行分區(qū)，計算各梯度最優(yōu)分簇和能量異構(gòu)節(jié)點的競爭半徑，靠近Sink節(jié)點區(qū)域的簇首節(jié)點競爭半徑較小，以此均衡不同梯度中的能量消耗，改善“能量熱區(qū)”問題；同一梯度單元中高級節(jié)點簇首競爭半徑大于普通節(jié)點，避免了能量較低節(jié)點過早陷入死亡.在數(shù)據(jù)傳輸過程綜合考慮下一跳節(jié)點的剩余能量和節(jié)點位置，保證數(shù)據(jù)傳輸?shù)耐ㄐ糯鷥r最小，降低網(wǎng)絡(luò)能耗.仿真結(jié)果表明該算法能有效均衡了網(wǎng)絡(luò)能耗，延長了網(wǎng)絡(luò)的生存周期.