呂安琪,李翠然,謝健驪,張澤鵬
(蘭州交通大學(xué) 電子與信息工程學(xué)院,甘肅 蘭州 730070)
隨著交通工具多元化、高速化與智能化,其運(yùn)行安全備受關(guān)注[1-2]。做好交通運(yùn)營環(huán)境安全監(jiān)測勢在必行。無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network, WSN)具有自組織性及定位等功能,適用于交通運(yùn)營環(huán)境監(jiān)測。然而,在交通運(yùn)營復(fù)雜監(jiān)測環(huán)境下,WSN中的傳感器節(jié)點(diǎn)感知和通信的能量主要來自自身配置的電池且電池不易更換[3]。而在大規(guī)模WSN中傳感器節(jié)點(diǎn)通過多跳的方式將數(shù)據(jù)傳輸至匯聚節(jié)點(diǎn),轉(zhuǎn)發(fā)數(shù)據(jù)量大的傳感器節(jié)點(diǎn)能量消耗大,造成網(wǎng)絡(luò)能耗不均衡的現(xiàn)象[4]。此外,網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)對冗余數(shù)據(jù)的傳輸,會增加傳感器節(jié)點(diǎn)能量負(fù)擔(dān)[5]。以上情況均會影響WSN生存周期,限制無線傳感器網(wǎng)絡(luò)實(shí)際應(yīng)用。
針對傳感器節(jié)點(diǎn)能量受限與WSN生存周期短的問題[6],研究者們從網(wǎng)絡(luò)拓?fù)渥兓痆7]、路由協(xié)議[8-9]等方面著手進(jìn)行大量研究。文獻(xiàn)[10]中,遺傳算法被引入WSN,首先節(jié)點(diǎn)根據(jù)能效聚類,然后以網(wǎng)絡(luò)覆蓋率與節(jié)點(diǎn)剩余能量為輸入?yún)?shù),采用遺傳算法選擇簇頭節(jié)點(diǎn),從而達(dá)到減少通信開銷、降低節(jié)點(diǎn)能耗的目標(biāo)。文獻(xiàn)[11]中,提出混合能量高效分布式集群算法,以均衡網(wǎng)絡(luò)簇頭節(jié)點(diǎn)分布,延長網(wǎng)絡(luò)生存周期為目標(biāo)。文獻(xiàn)[12]中,提出基于自組織映射的能量聚類WSN路由協(xié)議,首先通過權(quán)值訓(xùn)練與重組形成高能量簇,然后將高能量節(jié)點(diǎn)與低能量節(jié)點(diǎn)組合均衡簇能量,從而達(dá)到延長網(wǎng)絡(luò)生存周期的目標(biāo)。文獻(xiàn)[13]提出動(dòng)態(tài)超循環(huán)策略及能量效率數(shù)據(jù)收集協(xié)議,通過調(diào)度集群任務(wù)達(dá)到降低節(jié)點(diǎn)能耗與延長網(wǎng)絡(luò)生存周期的目標(biāo)。
以上算法均可有效延長WSN生存周期,但其算法復(fù)雜度高,不適用于部署在鐵路沿線的線性WSN。相比之下,文獻(xiàn)[14]提出的基于節(jié)點(diǎn)間相關(guān)性的能量有效分簇路由協(xié)議的復(fù)雜度低,其利用節(jié)點(diǎn)位置相關(guān)性與節(jié)點(diǎn)剩余能量,選擇出分布均勻的簇首節(jié)點(diǎn),從而達(dá)到均衡節(jié)點(diǎn)能耗延長網(wǎng)絡(luò)生存周期的目標(biāo)。文獻(xiàn)[15]針對部署于鐵路沿線的線性WSN,提出組數(shù)據(jù)算法,其中傳感器節(jié)點(diǎn)均勻部署且均勻分簇,相距K個(gè)距離的簇頭節(jié)點(diǎn)形成一條傳輸路徑,網(wǎng)絡(luò)中有K條路徑同時(shí)傳輸數(shù)據(jù),該算法可有效地降低節(jié)點(diǎn)能耗、延長網(wǎng)絡(luò)生存周期。此外,隨著硬件的發(fā)展,能量采集技術(shù)已被引入WSN 中[16]。
針對傳感器節(jié)點(diǎn)能量受限與網(wǎng)絡(luò)生存周期短的問題,本文首先結(jié)合鐵路沿線狹長的特點(diǎn),對節(jié)點(diǎn)部署模型進(jìn)行研究。然后介紹基于太陽能補(bǔ)給的協(xié)同數(shù)據(jù)傳輸策略,提出節(jié)能路由選擇算法并對算法進(jìn)行說明。最后通過仿真驗(yàn)證算法性能。
假設(shè)WSN中的節(jié)點(diǎn)具有如下性質(zhì)[17]:
(1)節(jié)點(diǎn)初始能量相同為E0,匯聚節(jié)點(diǎn)(Sink node)能量不受限,數(shù)據(jù)傳輸過程中,僅考慮節(jié)點(diǎn)發(fā)送、接收數(shù)據(jù)的能量消耗;
(2)每個(gè)節(jié)點(diǎn)在單位監(jiān)測面積(m2)上產(chǎn)生數(shù)據(jù)為b0(bit/round),數(shù)據(jù)均需被發(fā)送至Sink node;
(3)傳感器節(jié)點(diǎn)采用有向半圓布爾感知模型;
(4)節(jié)點(diǎn)感知半徑可調(diào),通信半徑為dt。
無線傳感器網(wǎng)絡(luò)用于監(jiān)測交通運(yùn)營環(huán)境,設(shè)L表示監(jiān)測區(qū)域長度,W表示監(jiān)測區(qū)域?qū)挾龋?jié)點(diǎn)均勻部署于監(jiān)測區(qū)域兩側(cè),D表示同側(cè)相鄰節(jié)點(diǎn)間直線距離,不同側(cè)相鄰節(jié)點(diǎn)水平距離為D/2,節(jié)點(diǎn)部署模型見圖1。
圖1 節(jié)點(diǎn)部署模型
圖1中,沿著列車運(yùn)行方向視圖,監(jiān)測區(qū)域可劃分為左側(cè)和右側(cè)。設(shè)SRi表示監(jiān)測區(qū)域右側(cè)節(jié)點(diǎn),感知半徑為Rr;SLi表示監(jiān)測區(qū)域左側(cè)節(jié)點(diǎn),感知半徑為Rl。令Rl≤Rr,Sink node部署于右側(cè),兩側(cè)傳感器節(jié)點(diǎn)從Sink node處開始獨(dú)立編號。根據(jù)左右兩側(cè)節(jié)點(diǎn)感知半徑、監(jiān)測區(qū)間長度與寬度的關(guān)系,節(jié)點(diǎn)部署模型可分為三種情形,見圖2。
圖2 WSN冗余感知示意
Case1:當(dāng)max(Rr,Rl) Case2:當(dāng)max(Rr,Rl)≥W,min(Rr,Rl)≤W且D/2≥W,D/2≤Rr時(shí),相鄰節(jié)點(diǎn)SR1與SR2感知區(qū)域發(fā)生重疊,相交于點(diǎn)A(xA,yA),且yA≤W。節(jié)點(diǎn)部署模型見圖2(b)。 Case3:當(dāng)min(Rr,Rl)≥W,且D/2>Rr時(shí),節(jié)點(diǎn)部署模型見圖2(c),節(jié)點(diǎn)SR1與SR2感知區(qū)域不重疊。 感知半徑Rl為 Rl= ( 1 ) 在保證監(jiān)測區(qū)域全覆蓋條件下,使用自適應(yīng)半徑方法使各種節(jié)點(diǎn)部署情形下的冗余覆蓋面積最小化,同側(cè)節(jié)點(diǎn)感知半徑保持一致。當(dāng)兩側(cè)節(jié)點(diǎn)感知半徑滿足式(1)時(shí),監(jiān)測區(qū)域全覆蓋。 定義:冗余覆蓋比例B為冗余面積與監(jiān)測區(qū)域面積的比值,其表達(dá)式見式(2)。B值越小,則用于冗余數(shù)據(jù)傳輸?shù)哪芰吭叫 ?/p> ( 2 ) 節(jié)點(diǎn)采用典型的能量消耗模型[18],發(fā)送、接收數(shù)據(jù)的能量消耗為 ET=Eelec+ε·dα ( 3 ) ER=Eelec ( 4 ) 式中:ET為節(jié)點(diǎn)發(fā)送1 bit數(shù)據(jù)消耗能量;ER為節(jié)點(diǎn)接收1 bit數(shù)據(jù)消耗能量;Eelec為發(fā)射電路消耗能量;d0=(εfs/εamp)1/2為距離閾值,當(dāng)數(shù)據(jù)傳輸距離d 本文通過在傳感器節(jié)點(diǎn)處配置太陽能電池板的方式采集太陽能,并通過儲能裝置存儲能量,對節(jié)點(diǎn)提供能量補(bǔ)給。太陽能補(bǔ)給方案在補(bǔ)給能量的同時(shí)也存在一定的技術(shù)局限性,例如,太陽能具有不穩(wěn)定性,會受時(shí)間周期、地理位置、氣象變化等條件的影響,并且太陽能電池轉(zhuǎn)換效率η僅在10%~25%之間等[19-20]。針對其局限性,研究太陽輻照度較小時(shí)的WSN能量補(bǔ)給。設(shè)太陽輻照度為F,mW/cm2,太陽能電池板面積為SH,cm2,儲能裝置容量為E=E0。WSN以周期性方式進(jìn)行數(shù)據(jù)采集與傳輸,從網(wǎng)絡(luò)開始運(yùn)行至出現(xiàn)第一個(gè)節(jié)點(diǎn)能量耗盡的時(shí)長為網(wǎng)絡(luò)生存周期,單位為round。1個(gè)round表示所有節(jié)點(diǎn)將單次采集到的數(shù)據(jù)均傳輸至Sink node的時(shí)長。設(shè)1個(gè)round時(shí)長為T,單位為s,則在1個(gè)round內(nèi)儲存能量EH為 ( 5 ) 設(shè)傳感器節(jié)點(diǎn)進(jìn)行能量補(bǔ)給時(shí)的充電功率恒定為PS,則在1個(gè)round內(nèi)傳感器節(jié)點(diǎn)可補(bǔ)充能量Ep為 ( 6 ) 基于太陽能補(bǔ)給的協(xié)同數(shù)據(jù)傳輸策略見圖3,圖中各變量含義見表1。 圖3 協(xié)同數(shù)據(jù)傳輸策略流程 表1 變量符號及含義 數(shù)據(jù)傳輸示意圖見圖4。 圖4 數(shù)據(jù)傳輸示意 當(dāng)Rr=Rl時(shí),進(jìn)行雙側(cè)傳輸,見圖4(a),當(dāng)Erem 當(dāng)Rr>Rl時(shí),初始時(shí)進(jìn)行雙側(cè)傳輸,當(dāng)Ererm 在華為績效考核體系里,多數(shù)部門都會硬性分配績效A/B/C的考核比例。就算全部門全年表現(xiàn)都很好,也不可避免有人要被評為“C”。 定義:傳感器節(jié)點(diǎn)至Sink node的數(shù)據(jù)傳輸方向?yàn)檎较?,?jié)點(diǎn)i正方向上的節(jié)點(diǎn)稱為節(jié)點(diǎn)i的前向節(jié)點(diǎn),其反方向上的節(jié)點(diǎn)稱為節(jié)點(diǎn)i的后向節(jié)點(diǎn)。 網(wǎng)絡(luò)依據(jù)預(yù)設(shè)標(biāo)準(zhǔn)能耗值Estand對節(jié)點(diǎn)進(jìn)行層次化聚類。層次化聚類從Sink node開始執(zhí)行,距離Sink node越近的層次等級越高,轉(zhuǎn)發(fā)數(shù)據(jù)量越大。標(biāo)準(zhǔn)能耗值為所有節(jié)點(diǎn)能耗上限值,用于確定轉(zhuǎn)發(fā)節(jié)點(diǎn)。數(shù)據(jù)雙側(cè)傳輸時(shí)標(biāo)準(zhǔn)能耗可選取值見式( 7 ),其中i≤?dt/D」;數(shù)據(jù)單側(cè)傳輸時(shí)標(biāo)準(zhǔn)能耗可選取值見式( 8 ),其中i≤?(dt2-W2)1/2/D+1」;di,Sink為節(jié)點(diǎn)i到節(jié)點(diǎn)Sink node的通信距離;kr=b0·π·Rr2/2為右側(cè)節(jié)點(diǎn)單次感知數(shù)據(jù)量;kl=b0·π·Rl2/2為左側(cè)節(jié)點(diǎn)單次感知數(shù)據(jù)量。 EBCi=「L/D+1-i?·kr·(ET+ER)= ( 7 ) ( 8 ) 節(jié)點(diǎn)層次化聚類過程描述如下:Sink node將預(yù)設(shè)標(biāo)準(zhǔn)能耗值及其節(jié)點(diǎn)信息反向發(fā)布至其通信范圍內(nèi)的傳感器節(jié)點(diǎn),接收到信息的傳感器節(jié)點(diǎn)參與轉(zhuǎn)發(fā)節(jié)點(diǎn)競爭。參與競爭的傳感器節(jié)點(diǎn)計(jì)算將自身與其所有后向節(jié)點(diǎn)的感知數(shù)據(jù)發(fā)送至發(fā)布信息的節(jié)點(diǎn)所需能量,所需能量值小于預(yù)設(shè)標(biāo)準(zhǔn)能耗值且與其差值最小的節(jié)點(diǎn)競選成為轉(zhuǎn)發(fā)節(jié)點(diǎn);之后,再由轉(zhuǎn)發(fā)節(jié)點(diǎn)重復(fù)上述操作搜索下一個(gè)轉(zhuǎn)發(fā)節(jié)點(diǎn)。相鄰轉(zhuǎn)發(fā)節(jié)點(diǎn)之間的傳感器節(jié)點(diǎn)與正方向上的轉(zhuǎn)發(fā)節(jié)點(diǎn)構(gòu)成一個(gè)層次。轉(zhuǎn)發(fā)節(jié)點(diǎn)用于收集本層中所有節(jié)點(diǎn)數(shù)據(jù),接收下一層轉(zhuǎn)發(fā)節(jié)點(diǎn)發(fā)送的數(shù)據(jù),并將所有數(shù)據(jù)發(fā)送至上一層轉(zhuǎn)發(fā)節(jié)點(diǎn)。當(dāng)轉(zhuǎn)發(fā)節(jié)點(diǎn)編號大于「L/D?-?dt/D」時(shí),節(jié)點(diǎn)層次化完成。節(jié)點(diǎn)層次化過程見圖5。 圖5 節(jié)點(diǎn)層次化示意 本節(jié)基于層次聚類思想提出節(jié)能路由選擇算法。數(shù)據(jù)雙側(cè)傳輸時(shí),左側(cè)路由與右側(cè)一致。其中節(jié)點(diǎn)標(biāo)記0表示節(jié)點(diǎn)可參與轉(zhuǎn)發(fā)節(jié)點(diǎn)競選;節(jié)點(diǎn)標(biāo)記1表示節(jié)點(diǎn)不可參與轉(zhuǎn)發(fā)節(jié)點(diǎn)競選;節(jié)點(diǎn)標(biāo)記2表示節(jié)點(diǎn)不可參與轉(zhuǎn)發(fā)節(jié)點(diǎn)競選,只能將數(shù)據(jù)發(fā)送至對側(cè)對應(yīng)節(jié)點(diǎn),消耗能量Ed。路由選擇過程步驟如下: Step1數(shù)據(jù)雙側(cè)傳輸,節(jié)點(diǎn)標(biāo)記均為0,預(yù)設(shè)標(biāo)準(zhǔn)能耗值Estand=EBCi。基于節(jié)點(diǎn)層次化聚類確定轉(zhuǎn)發(fā)節(jié)點(diǎn)并得到路徑生成樹,算法如表2所示。轉(zhuǎn)發(fā)節(jié)點(diǎn)標(biāo)記更新為1,數(shù)據(jù)傳輸過程中當(dāng)轉(zhuǎn)發(fā)節(jié)點(diǎn)剩余能量最小值小于Eath時(shí)停止數(shù)據(jù)傳輸,進(jìn)入Step2。 表2 路徑生成樹算法 Step2返回Step1直至無法形成路由,當(dāng)Rr=Rl時(shí)進(jìn)入Step3;當(dāng)Rr>Rl&Ererm Step3節(jié)點(diǎn)標(biāo)記均更新為0并開啟充電模式,Estand更新為EBC1,重新建立路由;當(dāng)Erem>Ethn時(shí),節(jié)點(diǎn)關(guān)閉充電模式,返回Step1;當(dāng)Erem=0時(shí),網(wǎng)絡(luò)結(jié)束運(yùn)行。 Step4左側(cè)節(jié)點(diǎn)標(biāo)記均更新為0,右側(cè)節(jié)點(diǎn)標(biāo)記均更新為2,切換至單側(cè)傳輸,節(jié)點(diǎn)開啟充電模式,Estand更新為ESC1,重新建立路由;當(dāng)Ererm≥Ethn&Erelm>Eth時(shí),節(jié)點(diǎn)關(guān)閉充電模式,返回Step1;當(dāng)Erelm≤Eth時(shí),進(jìn)入Step5。 基于節(jié)點(diǎn)層次化聚類得到路徑生成樹,算法如表2所示,結(jié)合節(jié)點(diǎn)協(xié)同數(shù)據(jù)傳輸策略得到節(jié)能路由選擇算法,如表3所示。 根據(jù)表2、表3可知,節(jié)能路由選擇算法的時(shí)間復(fù)雜度由轉(zhuǎn)發(fā)節(jié)點(diǎn)競爭過程和算法循環(huán)次數(shù)決定,對應(yīng)的時(shí)間復(fù)雜度分別為T1(n)=O(f(n))和T2(n)=O(g(n)),其中,n表示問題規(guī)模,O(f(n))表示計(jì)算函數(shù)復(fù)雜度,f(n)表示轉(zhuǎn)發(fā)節(jié)點(diǎn)競爭過程,g(n)表示函數(shù)循環(huán)過程,則算法時(shí)間復(fù)雜度T(n)=T1(n)·T2(n)=O(f(n)·g(n))。轉(zhuǎn)發(fā)節(jié)點(diǎn)競爭中需遍歷節(jié)點(diǎn)數(shù)目固定,不受變量L影響,故T1(n)=O(1);算法循環(huán)次數(shù)與相鄰轉(zhuǎn)發(fā)節(jié)點(diǎn)編號差值相關(guān),編號差值呈緩慢增大趨勢,設(shè)第一個(gè)編號差為M,則T2(n)=O(n/M)=O(n),節(jié)能路由選擇算法復(fù)雜度T(n) =T1(n)·T2(n)=O(n)。 表3 節(jié)能路由選擇算法 節(jié)能路由選擇算法中能量閾值Eath與Eth相關(guān),當(dāng)Estand=EBCi時(shí),網(wǎng)絡(luò)進(jìn)行i次路由搜索。各路由中能耗最大節(jié)點(diǎn)構(gòu)成能耗線性方程組,如式(9)所示,各路由運(yùn)行后節(jié)點(diǎn)剩余能量均為Eth,為理想狀態(tài)。 ( 9 ) 式中:Ea,b為第a條路由中能耗最大的節(jié)點(diǎn)在第b條路由中的能耗;ti為第i條路由的運(yùn)行輪次,得到Eath為 Eath=E0-Tm·EBCi (10) 式中:Tm=min(t1,t2,…,ti)。當(dāng)EBCi=EBC1時(shí),Eath與Eth應(yīng)滿足式(11),得到Eth≤E0/2。Ethn如式(12)所示。若右側(cè)節(jié)點(diǎn)能量先耗盡,則Eth最佳值Eth1如式(13)所示;若左側(cè)節(jié)點(diǎn)能耗先耗盡,Eth最佳值Eth2如式(14)所示,故Eth如式(15)所示。 (11) (12) (13) (14) (15) 當(dāng)EP (16) (17) (18) 使用MATLAB軟件對所提出的節(jié)能路由選擇算法進(jìn)行仿真分析,仿真參數(shù)[21]如表4所示。 表4 仿真參數(shù) 監(jiān)測區(qū)域長度L=1 km時(shí),三種情形下的冗余覆蓋比例B隨Rr與D的增大而先減小后增大,見圖6。各情形下B最小時(shí)對應(yīng)最佳部署,節(jié)點(diǎn)部署參數(shù)如表5所示,N為傳感器節(jié)點(diǎn)數(shù)目,三種情形下Eth保持一致。 表5 最佳部署參數(shù) 圖6 冗余覆蓋比例變化圖 監(jiān)測區(qū)域長度L=1 km時(shí),在不同情形(Case1、 Case2、 Case3),不同預(yù)設(shè)標(biāo)準(zhǔn)能耗下,支持網(wǎng)絡(luò)持續(xù)運(yùn)行的最小太陽輻照度f見圖7。 圖7 最小太陽輻照度f隨Estand變化圖 圖7中各情形下f變化趨勢一致,先隨Estand的增大而快速減小,后隨Estand的增大而緩慢增加。三種情形下f的最小仿真值分別為:0.332、0.825、1.125 mW/cm2,大小關(guān)系為:Case3>Case2>Case1,Case1對太陽輻射度要求最低。隨監(jiān)測區(qū)域長度L增長,三種情形下對應(yīng)的f平穩(wěn)增長,見圖8,增長率關(guān)系為:Case1 圖8 最小太陽輻照度f隨L變化圖 當(dāng)L=1 km、f=0.25 mW/cm2時(shí),網(wǎng)絡(luò)無法持續(xù)運(yùn)行,三種情形下的網(wǎng)絡(luò)生存周期預(yù)測值與仿真值見圖9。圖中生存周期預(yù)測值略低于仿真值,Case1的網(wǎng)絡(luò)生存周期最長,Case3的網(wǎng)絡(luò)生存周期最短。 當(dāng)f=0.25 mW/cm2、f=0 mW/cm2(無太陽輻照)時(shí),隨L增長,各情形下的網(wǎng)絡(luò)生存周期逐漸縮短,見圖10。對比可見,同種情形下節(jié)點(diǎn)具有能量補(bǔ)給可以延長網(wǎng)絡(luò)生存周期,但隨L增長網(wǎng)絡(luò)生存周期延長量降低;網(wǎng)絡(luò)生存周期關(guān)系為:Case1>Case2>Case3。 圖9 網(wǎng)絡(luò)生存周期隨Estand變化圖 圖10 網(wǎng)絡(luò)生存周期隨L變化圖 由以上分析可見,節(jié)點(diǎn)部署模型為Case1時(shí)網(wǎng)絡(luò)生存周期最佳,故以此模型進(jìn)行后續(xù)對比仿真。文獻(xiàn)[14]中算法的網(wǎng)絡(luò)結(jié)構(gòu)與本文相似,文獻(xiàn)[15]中算法的應(yīng)用場景與本文一致,故將所提出的節(jié)能路由選擇算法與能量有效分簇算法[14]和組數(shù)據(jù)算法[15]進(jìn)行性能對比。在各算法中節(jié)點(diǎn)均具有太陽能補(bǔ)給的情況下,支持網(wǎng)絡(luò)持續(xù)運(yùn)行的最小太陽輻照度f見表6。其中能量有效分簇算法對f的要求高于組數(shù)據(jù)算法,本文算法對f的要求最低。隨L增長三種算法對f的要求均逐漸增高,且本文算法對應(yīng)的f增長率最低??梢姳疚乃惴梢越档途W(wǎng)絡(luò)持續(xù)運(yùn)行時(shí)對太陽輻照度的要求。 表6 最小太陽輻照度對比 當(dāng)f=0.25 mW/cm2與f=0 mW/cm2時(shí),三種算法對應(yīng)網(wǎng)絡(luò)生存周期見圖11。隨L增長網(wǎng)絡(luò)生存周期逐漸縮短,其中本文算法對應(yīng)網(wǎng)絡(luò)生存周期高于其他兩種算法,組數(shù)據(jù)算法對應(yīng)網(wǎng)絡(luò)生存周期最低。這是因?yàn)榻M數(shù)據(jù)傳輸算法基于均勻分簇進(jìn)行多路徑傳輸增加了數(shù)據(jù)傳輸距離,增大了能耗;而能量有效分簇算法中簇頭節(jié)點(diǎn)能耗均衡性低于本文算法。 圖11 網(wǎng)絡(luò)生存周期對比圖 針對傳感器節(jié)點(diǎn)能量受限與網(wǎng)絡(luò)生存周期短問題,本文在對網(wǎng)絡(luò)路由算法進(jìn)行研究的同時(shí)將太陽能補(bǔ)給技術(shù)引入到網(wǎng)絡(luò)中,使傳感器節(jié)點(diǎn)能量補(bǔ)給過程與路由選擇過程相融合,高效利用采集到的太陽能。然后,基于層次聚類思想提出節(jié)能路由選擇算法,采取限制節(jié)點(diǎn)能耗的方式均衡節(jié)點(diǎn)能耗,延長太陽能采集時(shí)間,從而有效地降低網(wǎng)絡(luò)持續(xù)運(yùn)行時(shí)對太陽輻照度的要求并延長網(wǎng)絡(luò)生存周期。 仿真結(jié)果驗(yàn)證了本文算法在提高網(wǎng)絡(luò)生存周期方面的有效性。進(jìn)一步分析發(fā)現(xiàn),隨L增長網(wǎng)絡(luò)生存周期延長量減小,且本文算法與能量有效分簇算法性能差距縮小,即L增長會降低能量補(bǔ)給效果、限制路由算法性能,下一步將針對此問題展開研究。2 能量模型與數(shù)據(jù)傳輸策略
2.1 能耗模型
2.2 能量采集模型
2.3 數(shù)據(jù)傳輸策略
3 節(jié)能路由選擇算法
3.1 節(jié)點(diǎn)層次化聚類
3.2 協(xié)同數(shù)據(jù)傳輸策略下的路由選擇過程
3.3 算法復(fù)雜度
3.4 算法性能分析
4 仿真分析
5 結(jié)論