基于節(jié)點剩余能量和位置的無線傳感網(wǎng)絡(luò)分簇方法

苗長云，郭 芮，李 杰

（天津工業(yè)大學(xué)電子與信息工程學(xué)院，天津 300387）

無線傳感網(wǎng)絡(luò)（wireless sensor network，WSN）具備網(wǎng)絡(luò)設(shè)置靈活多樣、設(shè)備位置能夠隨意更改等優(yōu)點，在物聯(lián)網(wǎng)、工業(yè)監(jiān)測、智能交通等方面得到廣泛應(yīng)用。合理地平衡網(wǎng)絡(luò)節(jié)點能耗，延長網(wǎng)絡(luò)生存周期，是無線傳感器網(wǎng)絡(luò)研究的關(guān)鍵內(nèi)容[1-2]。無線傳感器網(wǎng)絡(luò)分簇方法直接影響網(wǎng)絡(luò)能耗效率及網(wǎng)絡(luò)生命周期。

文獻[3]提出了一種用于高頻通信網(wǎng)絡(luò)的分簇方法LCA，該算法每個節(jié)點的ID 互不相同，ID 最高的節(jié)點將被選為簇頭，若存在傳感器節(jié)點的ID 比其周圍節(jié)點的ID 都高，則該節(jié)點也會被選為簇頭。該分簇方法的優(yōu)點是簡單，缺點是會導(dǎo)致簇數(shù)量過多，尤其是當傳感器節(jié)點的ID 呈線性變化時，因而缺乏公平性。文獻[4]提出了最小ID 啟發(fā)式分簇算法，維護開銷相對較小、分簇速度快，但是該算法中ID 較小的節(jié)點當選簇頭的概率更大，導(dǎo)致ID 較小的節(jié)點能耗過快，負載不均衡。文獻[5]提出了一種基于權(quán)值的分簇方法（weighted clustering algorithm，WCA），但該方法并未考慮節(jié)點剩余能量，網(wǎng)絡(luò)壽命短；且該方法的權(quán)值因子事先未知，缺乏參數(shù)確定依據(jù)。Heinzelman 等[6]提出了低功耗低時延協(xié)議分簇方法（low-energy AdaEive clustering hierarchy，LEACH），該方法按照閾值模型周期性分簇，其簇頭選舉機制不能保證簇頭均勻分布，負載不均衡；未考慮節(jié)點剩余能量，能耗效率低，網(wǎng)絡(luò)生命周期不夠長，造成節(jié)點過早死亡。文獻[7]在LEACH 協(xié)議上加以改進，比LEACH 協(xié)議的能耗更低，但首先需要確定簇頭個數(shù)，不能實現(xiàn)自適應(yīng)分簇，無法應(yīng)用于實際的網(wǎng)絡(luò)環(huán)境中。文獻[8]提出了一種新權(quán)值的分簇方法，加權(quán)因子加入了節(jié)點的移動速度但并未考慮到節(jié)點到匯聚節(jié)點的距離因素，造成遠離匯聚節(jié)點的能耗過高，網(wǎng)絡(luò)壽命過短。

針對傳統(tǒng)分簇方法中存在的未考慮節(jié)點剩余能量、能耗效率低、網(wǎng)絡(luò)生命周期不長而導(dǎo)致節(jié)點過早死亡的問題，本文提出一種基于節(jié)點剩余能量和位置的無線傳感網(wǎng)絡(luò)分簇方法（residual energy and location clustering hierarchy protocol，RELCHP），并通過OPNET仿真平臺進行仿真實驗，以驗證該分簇方法對能耗效率和網(wǎng)絡(luò)生命周期的提高效果。

1 網(wǎng)絡(luò)能耗模型、LEACH 協(xié)議及能耗模型

1.1 網(wǎng)絡(luò)能耗模型

無線傳感網(wǎng)絡(luò)能耗模型如圖1 所示，無線通信網(wǎng)絡(luò)的能耗與發(fā)射端和接收端之間的距離有關(guān)。當兩者的距離小于閾值d0時，n 等于2，采用自由空間模型，能量消耗與距離的平方成正比；若距離大于等于d0時，n 等于4，采用多徑衰落模型，能量消耗與距離的4 次方成正比[9-10]。

圖1 無線傳感網(wǎng)絡(luò)能耗模型Fig.1 Energy consumption model of wireless sensor networks

假設(shè)網(wǎng)絡(luò)中每個節(jié)點完全相同，距離為d 的發(fā)射機和接收機之間傳送1 bit 數(shù)據(jù)時所耗費的能量均為Ee，則在傳送k bit 的數(shù)據(jù)時，發(fā)送機所耗費的能量ET（k，d）、接收機耗費的能量ER（k）及d0分別為

式中：εf為自由空間模型的功率放大系數(shù)；εa為多徑衰落模型的功率放大系數(shù)[11]。

1.2 LEACH 協(xié)議及能耗模型

在LEACH 協(xié)議中，包括簇結(jié)構(gòu)的創(chuàng)建階段和保持階段[12]。在建簇的初始階段，網(wǎng)絡(luò)中每個節(jié)點首先隨機選擇一個0～1 之間的數(shù)，若該隨機數(shù)小于閾值T（n），則確定該節(jié)點為簇頭[13-14]。

簇頭選舉閾值為

式中：P 為預(yù)定的選取簇頭數(shù)的概率；r 代表當前輪數(shù)；F 為此前參與競選的輪數(shù)中沒有被選為簇頭節(jié)點的集合[15]。節(jié)點一旦被選為簇頭，將不再參加競選，并將T（n）置0。選舉結(jié)束后，每個存活節(jié)點將再次隨機競選簇頭。

在LEACH 協(xié)議中，設(shè)第i 個節(jié)點至簇頭的距離為dC（i），當節(jié)點向簇頭發(fā)送m 個l bit 的數(shù)據(jù)包時，由式（1）得到節(jié)點能耗為

如果簇頭有n 個簇內(nèi)節(jié)點，且簇頭至匯聚節(jié)點的距離為dS，則簇頭能耗為簇頭發(fā)送數(shù)據(jù)到匯聚節(jié)點能耗和接收簇內(nèi)節(jié)點能耗之和，由式（1）和式（2）得

簇頭能耗與簇頭到匯聚節(jié)點的距離dS有關(guān)，該距離越大，則簇頭能耗也越大。

采用LEACH 協(xié)議的分簇方法存在如下不足：

（1）簇頭選舉是隨機的，有能量少的節(jié)點可能在簇頭選舉中成為簇頭，能量消耗過快，死亡加速。簇頭死亡后，不能給簇內(nèi)節(jié)點發(fā)送信息，導(dǎo)致簇內(nèi)節(jié)點頻繁向已死簇頭發(fā)送信號，加快簇內(nèi)節(jié)點能量消耗，減少網(wǎng)絡(luò)生命周期[16-17]。

（2）沒有考慮到簇頭和匯聚節(jié)點之間的距離因素，當離匯聚節(jié)點遠的節(jié)點當選為簇頭時，將會導(dǎo)致該簇頭的能量消耗速率和死亡速率提高，造成該簇大面積死亡，采集信息缺失[18-19]。

（3）簇頭選舉中設(shè)定所有節(jié)點的初始能量一樣，且每個節(jié)點的能耗也相等，適用于能耗均衡的網(wǎng)絡(luò)[20]。實際上大多數(shù)網(wǎng)絡(luò)的節(jié)點能量并不均衡，該分簇方法具有局限性。

2 RELCHP 分簇方法及流程

2.1 RELCHP 閾值模型及分簇方法

為了平衡網(wǎng)絡(luò)節(jié)點能耗，提升能耗效率，提高網(wǎng)絡(luò)生命周期，避免節(jié)點過早死亡，提出了基于節(jié)點剩余能量和位置的無線傳感網(wǎng)絡(luò)分簇方法（RELCHP）。

首先，通過LEACH 協(xié)議分簇方法分簇后，網(wǎng)絡(luò)中各個節(jié)點都能知道自身的剩余能量，假設(shè)網(wǎng)絡(luò)初始時節(jié)點總數(shù)為Nt，當前死亡節(jié)點數(shù)為Nd，第i 個存活節(jié)點的剩余能量為Er（i），則目前所有存活節(jié)點的平均剩余能量為

若Er（i）＞Ea，則定義節(jié)點i 為高級節(jié)點，否則就為普通節(jié)點，簇首選舉只從高級節(jié)點中選取。考慮節(jié)點剩余能量、節(jié)點到匯聚節(jié)點的距離（節(jié)點位置）后，簇頭選舉閾值模型為

式中：dmax和dmin分別代表所有節(jié)點到匯聚節(jié)點的最大距離和最小距離；dS為當前節(jié)點到匯聚節(jié)點的距離：Emax（j）為高級節(jié)點中的最大剩余能量；G′為在當前輪內(nèi)沒被選為簇頭的任何高級節(jié)點的集合。如果當前高級節(jié)點的隨機數(shù)低于閾值時，則被選為簇頭。同時，從式（8）可得出，若高級節(jié)點離匯聚節(jié)點的間距越近，Er（i）越大，則Ta（n）越大，成為簇頭的概率也越大。該簇頭選舉方法優(yōu)點為：

（1）保證了能量低的節(jié)點不會被選舉為簇頭，只有高級節(jié)點才有可能成為簇頭，防止低能量節(jié)點的能量消耗速度加快，延長了低能量節(jié)點的壽命；延長了網(wǎng)絡(luò)運行時間，進而延長網(wǎng)絡(luò)生命周期。

（2）節(jié)點剩余能量越大，距匯聚節(jié)點越近，被選為簇頭的概率就越大，避免了選擇遠離匯聚節(jié)點的高級節(jié)點作為簇頭時所增加的接收和轉(zhuǎn)發(fā)簇內(nèi)成員消息、融合自身數(shù)據(jù)的能量損失，極大地降低了簇內(nèi)的能耗，降低了整體網(wǎng)絡(luò)能耗。

2.2 RELCHP 分簇流程

分簇流程如圖2 所示。

圖2 無線傳感網(wǎng)絡(luò)節(jié)點的RELCHP 分簇流程Fig.2 RELCHP clustering process of nodes in wireless sensor networks

Step 1：網(wǎng)絡(luò)初始化，每個節(jié)點有機會當選簇頭的幾率相同。每個節(jié)點生成隨機數(shù)t，和由式（4）計算所得出的閾值相比，如果t 低于此閾值則當選為簇頭，高于此閾值則節(jié)點向相離最近的簇發(fā)送消息，請求加入。

Step 2：LEACH 分簇結(jié)束，經(jīng)穩(wěn)定階段后，網(wǎng)絡(luò)節(jié)點的能量發(fā)生變化。

Step 3：新一輪分簇，匯聚節(jié)點向所有節(jié)點通報簇頭競選消息，每個節(jié)點收到競選消息后立即回復(fù)，將自己的剩余能量信息發(fā)送給匯聚節(jié)點。

Step 4：匯聚節(jié)點收到消息后，利用式（7）、式（8）計算出Ea和閾值Ta（n），將Er（i）高于Ea的節(jié)點分為高級節(jié)點Er（i）＞Ea，并向節(jié)點廣播消息。

Step 5：節(jié)點i 會生成一個隨機數(shù)u，首先判斷節(jié)點是否為高級節(jié)點；若節(jié)點是高級節(jié)點，將該隨機數(shù)與由式（8）計算出的閾值比較，若u 低于閾值T，且滿足條件，則該高級節(jié)點將被選為簇頭。

Step 6：若節(jié)點已經(jīng)確定成為簇頭，則在此輪內(nèi)該節(jié)點會通過生成遠大于1 的隨機數(shù)u，不再進行選舉，下一個1/P 輪中恢復(fù)，避免了高級節(jié)點反復(fù)當選為簇頭的情況。

Step 7：選舉完成后，簇頭會向各個節(jié)點廣播消息，非簇頭節(jié)點按照從各個簇頭接收到的廣播消息信號的強弱，向距離自己最近的簇頭發(fā)送請求新加入的消息。

Step8：簇頭以及簇內(nèi)成員分配好后，由簇內(nèi)成員將數(shù)據(jù)發(fā)送給簇頭，簇頭會統(tǒng)一將數(shù)據(jù)向匯聚節(jié)點轉(zhuǎn)發(fā)。

Step 9：跳轉(zhuǎn)到Step3。

Step 10：直至全部節(jié)點能量耗盡，分簇結(jié)束。

3 仿真與結(jié)果分析

3.1 仿真環(huán)境與參數(shù)

本文采用OPNET 仿真平臺。100 個網(wǎng)絡(luò)節(jié)點在100 m×100 m 二維平面區(qū)域上[21]隨機分布，每個節(jié)點有唯一的標識（ID），網(wǎng)絡(luò)節(jié)點的部署位置如圖3 所示。

圖3 網(wǎng)絡(luò)節(jié)點部署位置Fig.3 Deployment location of network node

節(jié)點廣播半徑為25 m，網(wǎng)絡(luò)中節(jié)點結(jié)構(gòu)相同，在網(wǎng)絡(luò)中的地位相同，功能也一樣，都具有數(shù)據(jù)融合的功能[22]。網(wǎng)絡(luò)中每個節(jié)點的初始能量為2 J，發(fā)射功率保持不變[23]。節(jié)點根據(jù)接收簇頭信號強度計算節(jié)點到簇頭間的距離。

3.2 能耗效率分析

按照上述仿真環(huán)境與參數(shù)，RELCHP、LEACH 和LEACH-F 分簇方法[7]的能耗效率仿真結(jié)果如圖4 所示。

圖4 能耗效率仿真結(jié)果Fig.4 Simulation results of energy consumption efficiency

由圖4 可知，在仿真時間0～190 s 之間RELCHP分簇方法的網(wǎng)絡(luò)能耗為80 J，LEACH 分簇方法為130 J，LEACH-F 分簇方法為112 J。隨著仿真時間的增加，LEACH 分簇方法的能耗大部分時間都維持在178～199 J 之間，節(jié)點能量在500 s 左右就已耗盡；LEACH-F 分簇方法大部分時間的能耗在168～200 J之間，其網(wǎng)絡(luò)能耗在500～600 s 之間達到200 J；而RELCHP 分簇方法的網(wǎng)絡(luò)能耗在600 s 之后才逐漸達到200 J。由此表明，與LEACH 和LEACH-F 相比，RELCHP 分簇方法能耗較小，網(wǎng)絡(luò)能耗與時間關(guān)系的曲線變化更平緩，能耗的穩(wěn)定性更好。經(jīng)計算，RELCHP 分簇方法的能耗效率比LEACH 方法提高了19.4%，比LEACH-F 方法提高了8.3%。

3.3 網(wǎng)絡(luò)生命周期分析

按照上述仿真環(huán)境與參數(shù)，RELCHP、LEACH 和LEACH-F 分簇方法的網(wǎng)絡(luò)生命周期仿真結(jié)果如圖5所示。

圖5 生命周期仿真結(jié)果Fig.5 Simulation results of life cycle

由圖5 可知，在前200 s 內(nèi)，RELCHP、LEACH 和LEACH-F 分簇方法的網(wǎng)絡(luò)存活節(jié)點數(shù)目基本相同，波動性也差別不大；隨著時間增加，網(wǎng)絡(luò)能耗增加，在200～400 s 之間，LEACH 分簇方法由于能耗過快和簇首選舉的不足導(dǎo)致網(wǎng)絡(luò)存活節(jié)點數(shù)目急速下降，而采用節(jié)點剩余能量和位置閾值模型的RELCHP 分簇方法可以很好地應(yīng)對資源沖突和消耗問題，存活節(jié)點數(shù)在240 s 之后逐步下降，而且RELCHP 分簇方法的網(wǎng)絡(luò)存活節(jié)點數(shù)明顯多于LEACH 和LEACH-F 分簇方法。由此表明，RELCHP 分簇方法的網(wǎng)絡(luò)存活節(jié)點數(shù)量最多，且穩(wěn)定性較好，第一個死亡節(jié)點的出現(xiàn)時間明顯推遲，并計算出網(wǎng)絡(luò)生命周期比LEACH 方法提高了29.6%，比LEACH-F 方法提高了9.5%。

4 結(jié)論

本文在分析了無線傳感網(wǎng)絡(luò)能耗模型和LEACH協(xié)議及能耗模型的基礎(chǔ)上，提出了一種基于節(jié)點剩余能量和位置的無線傳感網(wǎng)絡(luò)分簇方法（RELCHP）。該方法通過建立節(jié)點剩余能量和位置閾值模型，根據(jù)該模型選取簇頭及分簇，考慮了節(jié)點剩余能量和位置，能夠提高能耗效率和網(wǎng)絡(luò)生命周期。通過OPNET 仿真平臺進行仿真實驗，結(jié)果表明：

（1）RELCHP 分簇方法的能耗效率比LEACH 方法提高了19.4%，比LEACH-F 方法提高了8.3%；

（2）RELCHP 分簇方法的網(wǎng)絡(luò)生命周期比LEACH方法提高了29.6%，比LEACH-F 方法提高了9.5%。