成亞玲，譚愛平,謝丁峰

　　（湖南工業(yè)職業(yè)技術(shù)學(xué)院 湖南 長沙 410208）

       摘要：無線傳感網(wǎng)絡(luò)設(shè)計主要是減少能源消耗，延長網(wǎng)絡(luò)生存時間。介紹了一種異質(zhì)傳感網(wǎng)絡(luò)應(yīng)用于現(xiàn)存聚類算法的研究，并提出了一種高效節(jié)能的預(yù)測聚類算法，此算法能適應(yīng)能源和目標(biāo)異質(zhì)的傳感網(wǎng)絡(luò)。根據(jù)能源和通信成本等各種因素，該算法能使節(jié)點選擇簇頭。相對于具有較低剩余能源的節(jié)點來說，具有較高剩余能源的節(jié)點成為簇頭的概率較大，因此可以均勻消耗網(wǎng)絡(luò)能源。為了減少聚類階段進(jìn)行廣播時的能源消耗和延長網(wǎng)絡(luò)生存時間, 建立了一種用于常規(guī)數(shù)據(jù)采集節(jié)點的能源消耗預(yù)測模式。相對于目前聚類的算法來說，仿真結(jié)果表明該算法可實現(xiàn)更長傳感網(wǎng)絡(luò)生存時間、更高能源效率和卓越網(wǎng)絡(luò)監(jiān)測質(zhì)量。

　　關(guān)鍵詞：無線傳感器網(wǎng)絡(luò);節(jié)能；異質(zhì)傳感網(wǎng)絡(luò)

　　中圖分類號：TP14文獻(xiàn)標(biāo)識碼：ADOI： 10.19358/j.issn.1674-7720.2017.02.019

　　引用格式：成亞玲，譚愛平,謝丁峰.多層無線異質(zhì)傳感網(wǎng)絡(luò)的高效節(jié)能預(yù)測聚類算法［J］.微型機(jī)與應(yīng)用，2017,36（2）：60-65，69.

0引言

　　*基金項目：湖南省教育廳優(yōu)秀青年科研項目（15B072）；湖南省教育廳科研項目（15C0452）近年來，無線傳感器網(wǎng)絡(luò)（WSN）［1］已成為研究熱點，并有廣泛的潛在應(yīng)用范圍，主要運用在環(huán)境監(jiān)測、軍事探測、工業(yè)控制和家庭網(wǎng)絡(luò)［25］。但在實際應(yīng)用中，為了滿足傳感網(wǎng)絡(luò)技術(shù)的各種應(yīng)用程序要求，異質(zhì)無線傳感網(wǎng)絡(luò)(Heterogeneous Wireless Sensor Networks，HWSN)［6］的研究已引起了更多關(guān)注。

　　HWSN是由不同類型的傳感節(jié)點組成的,此傳感節(jié)點的應(yīng)用范圍廣泛［79］。對于HWSN來說，應(yīng)優(yōu)先考慮減少網(wǎng)絡(luò)運行中能源消耗、改善網(wǎng)絡(luò)負(fù)載能力和穩(wěn)定性、延長網(wǎng)絡(luò)生存時間。

　　組織聚類傳感節(jié)點能有效減少網(wǎng)絡(luò)中的能源消耗。由于能源配置和網(wǎng)絡(luò)演變的動態(tài)性和復(fù)雜性，難以在異質(zhì)網(wǎng)絡(luò)中設(shè)計一個既節(jié)省能源，又能提供可靠數(shù)據(jù)傳輸?shù)木垲悈f(xié)議。

　　本文提出了一種新型異質(zhì)傳感網(wǎng)絡(luò)模式，此模式擁有異質(zhì)監(jiān)控目標(biāo)、能源和所有異質(zhì)節(jié)點。對于具有這些特性的異質(zhì)網(wǎng)絡(luò)來說，為了能更合理利用網(wǎng)絡(luò)能源和延長網(wǎng)絡(luò)生存時間，提出一種高效節(jié)能的預(yù)測聚類算法（EnergyEfficient Prediction Clustering Algorithm，EEPCA）。

　　通過比較通信范圍內(nèi)的一個節(jié)點能源和其他節(jié)點平均能源，EEPCA確定節(jié)點能源因素。根據(jù)所有節(jié)點內(nèi)一次通信所消耗的平均能源比率，EEPCA確定通信成本因素。在節(jié)點成為簇頭后，EEPCA確定理想平均能源消耗。節(jié)點成為簇頭的可能性直接與能源因素和通信成本相關(guān)。在每回合節(jié)點聚類中廣播能源信息時為了節(jié)省能源消耗，本文提出了用于節(jié)點的能源預(yù)測模式，此節(jié)點的數(shù)據(jù)采集（如溫度、濕度）在時間間隔和信息長度方面有規(guī)律?？紤]到網(wǎng)絡(luò)環(huán)境變化和計算出的節(jié)點能源消耗與實際節(jié)點的能量消耗間的誤差，如果在初始階段的當(dāng)前回合中節(jié)點的剩余能源和最后回合的預(yù)測數(shù)值之間的差異在一定范圍之內(nèi)，那么節(jié)點可設(shè)置為不需廣播其能源信息。仿真結(jié)果表明,相比其他聚類協(xié)議（如LEACH、SEP和EDFCM），EEPCA可以實現(xiàn)更長網(wǎng)絡(luò)生存時間、更高能源效率和卓越網(wǎng)絡(luò)監(jiān)控質(zhì)量。

1相關(guān)工作

　　在無線傳感網(wǎng)絡(luò)中，LEACH［10］是最流行分布式聚類路由協(xié)議的一種。在初始化階段，LEACH進(jìn)行簇頭選擇。為了平衡所有網(wǎng)絡(luò)節(jié)點的負(fù)載，LEACH在每一回合選擇簇頭節(jié)點。每一回合中可看出最佳簇頭選擇的比例。只有當(dāng)節(jié)點i的可能性低于以下閾值的可能性，那么成為簇頭公式如下：

　　其中，r為回合的當(dāng)前數(shù)量，G為最后回合中未成功成為簇頭的一系列簇頭節(jié)點(rmod(1/popt))。

　　然而，LEACH存在一定局限性：(1)LEACH未考慮優(yōu)化簇頭的數(shù)量；(2)為了實現(xiàn)每一節(jié)點中均衡的能源消耗，LEACH必須基于以下2種假設(shè)：①每個節(jié)點的初始能源均等；②在充當(dāng)簇頭時每一節(jié)點所消耗的能源均等。

　　許多學(xué)者已對HWSN做了深入研究。文獻(xiàn)［10］中改善了LEACH算法，并提出一種根據(jù)剩余能量選舉簇頭的LEACHC算法。然而，每個節(jié)點需知曉當(dāng)前網(wǎng)絡(luò)的總能源之后才能確定其是否可成為簇頭，但LEACHC算法需得到路由協(xié)議的支持，因此此分布式實施難以實現(xiàn)。SEP［11］是為兩層異質(zhì)網(wǎng)絡(luò)而設(shè)計的，但SEP不適合于多層異質(zhì)網(wǎng)絡(luò)。

　　為今后進(jìn)一步研究,文獻(xiàn)［6］、［12］［14］中依據(jù)不同的初始能源討論了異質(zhì)網(wǎng)絡(luò)模式。文獻(xiàn)［15］中提出了一種用模糊邏輯來克服LEACH算法缺陷的簇頭選擇方法。通過調(diào)查發(fā)現(xiàn)使用模糊變量可延長網(wǎng)絡(luò)生存時間。

　　文獻(xiàn)［14］中提出EEHC協(xié)議。該協(xié)議基于同初始能源有關(guān)的加權(quán)概率來選擇簇頭。初始能源越高，成為簇頭的概率則越高。然而該協(xié)議不能預(yù)測能源消耗，因此該協(xié)議的性能在異質(zhì)網(wǎng)絡(luò)方面受到限制，其中異質(zhì)網(wǎng)絡(luò)中的部分節(jié)點是常規(guī)數(shù)據(jù)采集節(jié)點。

　　文獻(xiàn)［13］中提出EDFCM協(xié)議，該協(xié)議適用于三種不同異質(zhì)節(jié)點的網(wǎng)絡(luò)。在本協(xié)議下網(wǎng)絡(luò)模型節(jié)點分為兩種普通類型：一種是履行管理信息的功能；另一種是收集不同數(shù)據(jù)(分為類型0和類型1)。類型1具有更復(fù)雜的硬件和軟件結(jié)構(gòu)，因此其具有較多初始能源和更大數(shù)據(jù)傳輸能力，但該協(xié)議的應(yīng)用范圍僅限于只有兩種普通節(jié)點的網(wǎng)絡(luò)中。

　　文獻(xiàn)［14］提出ERP聚類路由協(xié)議。在具備本質(zhì)聚類特性的情況下，本文提出具有合適功能的進(jìn)化算法。

2系統(tǒng)模式和問題描述

　　2.1無線傳感網(wǎng)絡(luò)中的異質(zhì)模式

　　為了滿足高效監(jiān)控需求，本文描述HWSN模式的不同初始能源和監(jiān)控目標(biāo)。網(wǎng)絡(luò)模式的基本假設(shè)如下：網(wǎng)絡(luò)位于M×M正方形區(qū)域（如圖1所示）；N傳感節(jié)點隨機(jī)分布于網(wǎng)絡(luò)中；節(jié)點是固定的，且其基地臺位于區(qū)域的中間位置。傳感節(jié)點監(jiān)測各種目標(biāo)，并定義一些節(jié)點為常規(guī)數(shù)據(jù)采集（Regular Data Acquisition, RDA）節(jié)點：這些節(jié)點在固定間隔內(nèi)送回固定長度的信息；而在采集數(shù)據(jù)中一些節(jié)點并不常規(guī)，導(dǎo)致送回的信息也不常規(guī)?！　?/p>

　　因此兩種方式下節(jié)點為異質(zhì)：（1）異質(zhì)數(shù)據(jù)采集常規(guī)：采集數(shù)據(jù)時一些節(jié)點常規(guī)，而一些不常規(guī)。所有常規(guī)節(jié)點在循環(huán)期間傳輸n1~n2信息,且信息容量在［l1,l2］ bit間；(2)所有節(jié)點的初始能源是異質(zhì)的。

　　節(jié)點不具有任何位置信息，但卻能根據(jù)接收的信號強(qiáng)度來計算出節(jié)點間距離。網(wǎng)絡(luò)中的節(jié)點組織于聚類形式中。簇頭執(zhí)行數(shù)據(jù)融合功能并負(fù)責(zé)將合成數(shù)據(jù)傳輸至基地臺。網(wǎng)絡(luò)中只存在一個基地臺。節(jié)點初始能源隨機(jī)分布于坐標(biāo)(Emin,Emax)中。對于任何節(jié)點i來說，其初始能源為Ei。

　　2.2能源消耗模式

　　本文運用一種簡單的能源消耗模式［10］來計算出通信過程中的能源消耗，同時忽略計算、儲存等過程中的節(jié)點能源消耗。

　　通過距離d傳輸l bit信息時，傳輸器的能源消耗如下:

　　接收器的能源消耗如下：

　　ERx(l)=ERx_elec(l)=lEelec(3)

　　其中，Eelec是每bit沿著傳輸器或接收器周圍運行時的能源消耗；εfsd2和εmpd4是依賴于傳輸器放大模式的放大能源。

　　2.3問題描述

　　EEPCA必須完全考慮以下因素：

　　(1)算法應(yīng)完全分布并自行組織。每個節(jié)點必須決定是否能成為一個簇頭或在聚類階段中［10］屬于簇頭的一名成員；

　　(2)具有更多剩余能源的節(jié)點必須具有較高的可能性成為簇頭，必須確保聚類的通信成本低，但能源并不是簇頭選擇的唯一因素；

　　(3)確保聚類負(fù)載平衡；

　　(4)在每一回合初始聚類階段中廣播節(jié)點時為了節(jié)省能源消耗，建立RDA的一種能源預(yù)測模式。

3EEPCA 聚類算法

　　3.1節(jié)點間的距離計算

　　根據(jù)傳輸過程中信號強(qiáng)度衰減，可算出之前的節(jié)點間的相互距離。在聚類階段，所有節(jié)點使用某一傳輸能源來進(jìn)行廣播。例如，節(jié)點i使用能源Etrani來廣播信息至其他節(jié)點，廣播信息包含其信息傳輸周期ti、信息長度li和其能源信息Ei。節(jié)點j 探測接收信號強(qiáng)度Erecj,i的同時還需接收信息。傳輸能源和接收能源的關(guān)系如下:

　　其中K是常量；dαi,j是節(jié)點i和節(jié)點j的相對距離；ａ是能源距離的梯度，依據(jù)傳感網(wǎng)絡(luò)運行的自然環(huán)境其數(shù)值在１~６之間改變。因此，節(jié)點i和節(jié)點j的距離如下：

　　節(jié)點建立了基于接收數(shù)據(jù)的鄰居節(jié)點的一種路由表格，并在其通信范圍內(nèi)為所有節(jié)點節(jié)省了所有相關(guān)的信息。網(wǎng)絡(luò)中的所有節(jié)點由每個節(jié)點的一個整數(shù)值來標(biāo)記。存儲于路由表格中的信息包含節(jié)點和鄰居節(jié)點間的距離、簇頭節(jié)點的ID、至簇頭的距離、當(dāng)前能源和預(yù)測能源消耗。

　　3.2簇頭選擇

　　簇頭節(jié)點可執(zhí)行額外功能，如數(shù)據(jù)融合和信息傳遞。這些額外功能導(dǎo)致簇頭節(jié)點能量過度消耗而迅速死亡。通常做法是利用簇頭重分布使其他節(jié)點擁有更多機(jī)會成為簇頭節(jié)點。

　　設(shè)置popt為成為最優(yōu)簇頭的比例，Pi成為節(jié)點i被選為簇頭的概率。在能源異質(zhì)的無線傳感網(wǎng)絡(luò)中，Pi計算復(fù)雜化。目前，通過使用節(jié)點當(dāng)前剩余能源的比率和整個無線傳感網(wǎng)絡(luò)的平均能源值來確定異質(zhì)無線傳感網(wǎng)絡(luò)中許多聚類算法來確定Pi參數(shù)，但是后者難以獲?。?3］，尤其對于那些不同節(jié)點監(jiān)測不同目標(biāo)物的網(wǎng)絡(luò)。最終，主要誤差很可能發(fā)生在預(yù)測平均能源中。

　　理想情況下，節(jié)點分布均勻，并能在相同頻率和長度下送回數(shù)據(jù)。設(shè)置dtoBS為簇頭節(jié)點和BS間的平均距離，設(shè)dtoCH為簇類的成員節(jié)點與簇頭節(jié)點間的平均距離，其結(jié)果如下［10 ］：

　　在聚類的初始階段，對于任何節(jié)點i來說，其通信范圍內(nèi)有n個節(jié)點，且節(jié)點n1和i節(jié)點的距離小于d0，但節(jié)點n2和i節(jié)點的距離大于d0。因此考慮到節(jié)點i能源的比率和通信范圍內(nèi)(E)i所有節(jié)點的平均能源，影響簇頭可能性的能源因素如下：

　　考慮到網(wǎng)絡(luò)中的節(jié)點分布，如果節(jié)點已經(jīng)分簇，簇和簇頭節(jié)點之間的平均距離遠(yuǎn)，一次簇內(nèi)的通信成本高是不可避免的。設(shè)置Ei－round為成為簇頭節(jié)點的節(jié)點i和簇內(nèi)其他節(jié)點的一次通信所需要的平均能量消耗，公式如下：

　　在理想情況下，網(wǎng)絡(luò)中的節(jié)點分布均勻，且每次數(shù)據(jù)傳輸都能在相同長度l下將數(shù)據(jù)送回。每個聚類的節(jié)點數(shù)量是Nkopt。如果m1節(jié)點到簇頭的距離小于d0，而m2節(jié)點到簇頭的距離大于d0，那么此兩種節(jié)點的比率如下：

　　隨機(jī)節(jié)點分布可看為泊松點過程［19］。理想的情況下，在圓圈A中有n個點，且均勻分布在A中的位置都是相互獨立的隨機(jī)變量。di是一個隨機(jī)變量，并呈現(xiàn)出從一個泊松點(xi,yi)到此圓圈中心點的距離。圓圈內(nèi)所有泊松點到中心點的預(yù)期值如下：

　　任何半徑在中心點周圍旋轉(zhuǎn)后能得到一個圓圈，因此需要考慮一個隨機(jī)半徑上的泊松點分布。在圓圈內(nèi)的所有泊松點分布均勻，且泊松點的密度與半徑平方成比例。因此，在隨機(jī)半徑上的泊松點密度概率如下：

　　因此，在理想情況下聚類的一次數(shù)據(jù)傳輸中平均能源消耗如下：

　　通過式（10）和式（19），影響簇頭選擇概率的通信成本因子(C)i如下：

　　整合節(jié)點能源因素和通信成本因子，節(jié)點i成為簇頭的概率如下:

　　pi=popt×(α(E)i+β(C)i)(21)

　　其中α和β是計算因子，此因子主要是在演算Pi中調(diào)節(jié)能源因子和通信因子的比例，α＋β＝1。

　　LEACH閾值方式T(i)的限制應(yīng)根據(jù)以下兩個步驟得到完善：（1）推進(jìn)T(i)進(jìn)入多層異質(zhì)網(wǎng)絡(luò)中；（2）在EEPCA中，考慮能源因子和通信成本因子，并改善T(i)的演算方式，如下：

　　當(dāng)一個節(jié)點未成功被選為簇頭時，rs是回合數(shù)量。一旦此節(jié)點被選為簇頭，那么rs則被重設(shè)為0。

　　3.3能源消耗預(yù)測機(jī)制

　　在網(wǎng)絡(luò)完成一個回合之后，一個新的節(jié)點需被選為簇頭。為了確定節(jié)點成為簇頭的可能性，有必要重新評估能源因子和通信成本因子，這樣就能獲得當(dāng)前節(jié)點的剩余能源。最早的方法如下，網(wǎng)絡(luò)中的所有節(jié)點都在聚類第一個回合時執(zhí)行廣播。然而，當(dāng)聚類每個回合進(jìn)行廣播時大量能源將被消耗。因此，本文為RDA節(jié)點提出一種能源消耗預(yù)測機(jī)制。

　　在r－1回合中，對于任何節(jié)點j來說將花費nj次來傳輸信息，且其長度為lj，另外節(jié)點i和節(jié)點j的距離為di,j。由于每個節(jié)點都會在通信范圍和相互距離內(nèi)保持所有節(jié)點的相關(guān)信息，節(jié)點j′的通信范圍內(nèi)的任何節(jié)點都能計算r-1回合中節(jié)點j的能源消耗如下：

　　當(dāng)開始執(zhí)行r－1回合時，在r回合的初始階段能預(yù)測出節(jié)點j剩余能源如下：

　　Ejr－prediction=Ejr－1－Ejr－1－comsume(24)

　　由于受諸多因素影響（如網(wǎng)絡(luò)環(huán)境改變），當(dāng)開始執(zhí)行r回合時，所有節(jié)點需重新聚類，且其新的簇頭需被重新選擇，確定節(jié)點j。

　　當(dāng)前節(jié)點的剩余能源的當(dāng)前剩余能源是否在最后一輪回合被預(yù)測，其結(jié)果如下：

　　如果γ小于常數(shù)ε，那么能接受能源預(yù)測誤差。在初始階段r回合中，節(jié)點j不能廣播其能源信息，且根據(jù)計算結(jié)果其剩余節(jié)點能在路由表中更新節(jié)點j′。

4仿真實驗

　　4.1仿真環(huán)境構(gòu)建

　　本文提出一種評估性能的算法，且在MATLAB中進(jìn)行了仿真實驗。實驗隨機(jī)仿真了在100 m×100 m范圍內(nèi)的傳感節(jié)點。在形成之后，節(jié)點成為靜止?fàn)顟B(tài)，且100個節(jié)點隨機(jī)分布于此區(qū)域內(nèi)。假設(shè)BS位于區(qū)域內(nèi)的中心位置，用于此實驗中的參數(shù)如表1所示。比較EEPCA、LEACH、SEP和EDFCM的性能，所有結(jié)果都是100次獨立實驗的平均值。

　　4.2實驗結(jié)果和分析

　　在EEPCA中，α和β分別是計算pi中調(diào)節(jié)能源因子和通信成本因子的計算因子，并滿足α＋β=1。改變α和β數(shù)值后觀察EEPCA的性能。此實驗設(shè)置所有節(jié)點的能源為異質(zhì)，且其初始能源是1~3 J。除了RDA節(jié)點外，網(wǎng)絡(luò)中的所有監(jiān)測的目標(biāo)物都為異質(zhì)。在TDMA時間段中所有節(jié)點會發(fā)送4 000 bit的信息給簇頭。

　　當(dāng)α和β數(shù)值隨著上述情況改變時，圖2表明了第一個節(jié)點的死亡時間、10%和50%節(jié)點的死亡時間。當(dāng)α數(shù)值在0.74附近時，第一個節(jié)點的死亡時間和10%節(jié)點的死亡時間出現(xiàn)在最后；然而當(dāng)α數(shù)值在0.66~0.68范圍內(nèi)時，50%節(jié)點的死亡時間出現(xiàn)在最后。在后續(xù)的實驗中α和β數(shù)值統(tǒng)一為0.7和0.3。

　　當(dāng)所有節(jié)點為異質(zhì)時，以往的實驗環(huán)境通常會比較EEPCA、LEACH、SEP和EDFCM，并通過測試來分析EEPCA簇頭的選擇機(jī)制對算法性能的影響。

　　圖3的仿真實驗表明了以往實驗環(huán)境下不同算法中死亡節(jié)點數(shù)量的變量，此變量隨著時間的推移而得到。圖3顯示LEACH不能充分利用異質(zhì)節(jié)點的額外能源，其穩(wěn)定期較短，且其節(jié)點死于固定速率中。與LEACH比較，SEP是穩(wěn)定期較長。EEPCA和EDFCM在X軸上的曲線坡度較小，原因在于EEPCA能在異質(zhì)網(wǎng)絡(luò)中給每個節(jié)點均勻分配能源消耗，且其第一個節(jié)點和最后一個節(jié)點的死亡時間相對較近。

　　在以往實驗環(huán)境中，改變整個節(jié)點數(shù)量中異質(zhì)節(jié)點的比例，并觀察每個算法的性能。當(dāng)異質(zhì)節(jié)點的比例在0~100%改變時，圖4展現(xiàn)了從開端至第一個節(jié)點死亡時的回合數(shù)量。此實驗中所有非能源異質(zhì)節(jié)點的初始能源為2 J。

　　先于10%節(jié)點面臨死亡的時間，此時網(wǎng)絡(luò)能送回高質(zhì)量、高可靠性的BS數(shù)據(jù)［13］。因此圖5表示從開端至10%節(jié)點死亡期間的回合數(shù)量，也就是其穩(wěn)定期。

　　對于異質(zhì)網(wǎng)絡(luò)來說，如果LEACH不是一個聚類算法，那么隨著異質(zhì)節(jié)點的增加，其得到的網(wǎng)絡(luò)穩(wěn)定期將迅速減少。相對于LEACH，SEP能獲得25%以上的穩(wěn)定期，基本上與參考文獻(xiàn)［11］中呈現(xiàn)的環(huán)境結(jié)果一致。由于EDFCM考慮不同節(jié)點的異質(zhì)能源，因此其比SEP能獲得更長的穩(wěn)定期。EEPCA考慮了通信過程中除剩余能源以外的節(jié)點能源消耗，因此在異質(zhì)節(jié)點比例增加的過程中EEPCA的穩(wěn)定期減少率明顯低于其他算法。隨著異質(zhì)節(jié)點的比例更大，就能獲得更長的穩(wěn)定期。

　　此實驗中介紹了RDA節(jié)點。設(shè)置網(wǎng)絡(luò)中的所有節(jié)點能源都為異質(zhì)，那么50%的節(jié)點為RDA節(jié)點，10%節(jié)點為故障節(jié)點。所有RDA節(jié)點將在一回合中發(fā)送信息3~7次，其信息容量基本在2 000~6 000 bit之間。檢查網(wǎng)絡(luò)穩(wěn)定期中常量ξ的影響，結(jié)果如圖6所示。

　　圖6表明，當(dāng)ξ的數(shù)值在0.92~0.93之間時，網(wǎng)絡(luò)得到最大穩(wěn)定期。

　　介紹了RDA節(jié)點后，應(yīng)檢查所有算法的穩(wěn)定期。此實驗設(shè)置所有節(jié)點為異質(zhì)能源，50%的RDA節(jié)點的常數(shù)ξ為0.93,網(wǎng)絡(luò)中10%的節(jié)點為故障節(jié)點。圖7表明EEPCA算法能有效改善異質(zhì)網(wǎng)絡(luò)穩(wěn)定期結(jié)果。

　　在介紹了能源消耗預(yù)測機(jī)制后，每回合中聚類階段的廣播頻率有效減少。因此，與其他3種算法相比，EEPCA能有效改善網(wǎng)絡(luò)穩(wěn)定期，通過異質(zhì)網(wǎng)絡(luò)中的兩種方式：初始能源和被檢測的目標(biāo)物。

　　圖8BS中接收的信息數(shù)量圖8顯示了所有的節(jié)點能量異構(gòu)，50%節(jié)點為RDA節(jié)點，10%節(jié)點為故障節(jié)點。在EEPCA中，BS所接收的信息數(shù)量長時間呈線性上升趨勢，然而在其他算法中，早期BS所接收信息數(shù)量的增長比率開始下降。為了在此四種算法中得出網(wǎng)絡(luò)出現(xiàn)故障時所有節(jié)點送回BS的信息總數(shù)，由EEPCA收集的數(shù)據(jù)總量比其他三個算法收集到的數(shù)據(jù)總量要多。因此，EEPCA有更高的網(wǎng)絡(luò)監(jiān)測質(zhì)量。

5結(jié)論

　　本文通過使用不同初始能源和監(jiān)測目標(biāo)物來描述HWSB模式，并提出用于多層異質(zhì)傳感網(wǎng)絡(luò)中的一種高效能源預(yù)測聚類算法：EEPCA?；谀茉匆蜃雍屯ㄐ懦杀疽蜃樱珽EPCA中的每個節(jié)點都獨立選擇自身作為簇頭節(jié)點，簇頭選擇的概率與節(jié)點當(dāng)前剩余能源和平均通信成本有關(guān)。同時，考慮到WSNs通常被用于監(jiān)測的目標(biāo)物（如溫度、濕度），且此目標(biāo)物需定期報道數(shù)據(jù)及其報道數(shù)據(jù)的長度通常是固定的，因此給RDA節(jié)點介紹了一種高效能源消耗預(yù)測機(jī)制。通過比較LEACH、SEP、EDFCM和EEPCA，仿真實驗表明EEPCA能獲得更長生存期、更高效能源、更優(yōu)質(zhì)網(wǎng)絡(luò)監(jiān)測，且其性能高于其他協(xié)議的性能。

參考文獻(xiàn)

　?。?］ AKYILDIZ I F, SU W, SANKARASUBRAMANIAM Y, et al. Wireless sensor network: a survey［J］. Computer Networks, 2002, 38(4): 393-422.

　?。?］ HAENGGI M. Handbook of sensor networks: compact wireless and wired sensing systems［M］.Boca Raton: CRC Press, 2005.

　?。?］ CHONG C Y, KUMAR S P. Sensor networks: evolution, opportunities, and challenges［J］. Proceedings of the IEEE, 2003,91(8): 1247-1256.

　　［4］ ESTRIN D, GIROD L, POTTIE G, et al. Instrumenting the world with wireless sensor networks［C］.Proceedings of the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP ’01),2001:2033-2036.

　?。?］ CHANG C Y, CHANG H R. Energyaware node placement, topology control and MAC scheduling for wireless sensor networks［J］. Computer Networks, 2008, 52(11):2189-2204.

　　［6］ DUARTEMELO E J, LIU M. Analysis of energy consumption and lifetime of heterogeneous wireless sensor networks［C］. Proceedings of the IEEE Global Telecommunications Conference(GLOBECOM ’02), IEEE Press, Taipei, 2002:21-25.

　?。?］ de FREITAS E P, HEIMFARTH T, PEREIRA C E, et al. Evaluation of coordination strategies for heterogeneous sensor networks aiming at surveillance applications［C］. Proceedings of the IEEE Sensors Conference (SENSORS’09), Christchurch, New Zealand, 2009: 591-596.