針對(duì)層次路由協(xié)議中存在的各種問(wèn)題，本文提出了適用于WSN的動(dòng)態(tài)拓?fù)淠芰坑行С纱厮惴?DTEE)。此算法引入基于能量因子的低復(fù)雜度的簇頭選擇機(jī)制，同時(shí)通過(guò)協(xié)議的設(shè)計(jì)使其支持節(jié)點(diǎn)部分離去或有新節(jié)點(diǎn)加入的拓?fù)鋭?dòng)態(tài)傳感器網(wǎng)絡(luò)。在簇間數(shù)據(jù)傳輸上通過(guò)多跳算法使數(shù)據(jù)以最優(yōu)路徑傳向匯聚節(jié)點(diǎn)，系統(tǒng)能耗很小，網(wǎng)絡(luò)的生命周期最大化。

3．1網(wǎng)絡(luò)模型

本文中假設(shè)傳感器節(jié)點(diǎn)隨機(jī)分布在一個(gè)長(zhǎng)方形形監(jiān)測(cè)區(qū)域內(nèi)，并且該傳感器網(wǎng)絡(luò)具有以下性質(zhì)：

1) 網(wǎng)絡(luò)中所有傳感器節(jié)點(diǎn)都是同構(gòu)的，具有相同的初始能量，并且能量有限；

2) 傳感器節(jié)點(diǎn)的發(fā)送功率可以進(jìn)行離散調(diào)節(jié)，可以根據(jù)傳輸距離的遠(yuǎn)近來(lái)調(diào)節(jié)其發(fā)射功率

3) 匯聚節(jié)點(diǎn)具有較強(qiáng)的計(jì)算能力和較大的存儲(chǔ)容量，且能量無(wú)限制，其無(wú)線信號(hào)可以覆蓋整個(gè)傳感器網(wǎng)絡(luò)。

4) 傳感器網(wǎng)絡(luò)部署以后，可以出現(xiàn)部分節(jié)點(diǎn)隨著時(shí)間的推移而移動(dòng)；

5) 傳感器節(jié)點(diǎn)具有數(shù)據(jù)融合功能。

6) 位置上相鄰的節(jié)點(diǎn)采集到的數(shù)據(jù)具有很大的關(guān)聯(lián)性。

3．2能量模型

在無(wú)線傳輸中，信號(hào)強(qiáng)度隨著傳輸距離的增加而呈指數(shù)衰減。文獻(xiàn)[3]提出了兩種信道模型：自由空間(free space)模型和多路衰減(multi-path fading)模型。當(dāng)發(fā)射器與接收器的距離d小于閾值時(shí)，采用自由空間模型，信號(hào)功率呈d²衰減；否則采用多路衰減模型，信號(hào)功率呈d⁴ 衰減。

3．3成簇策略

在LEACH算法中執(zhí)行過(guò)程是周期性進(jìn)行的，每一輪包括簇的建立階段和穩(wěn)定的數(shù)據(jù)傳輸階段。在簇的建立階段，通過(guò)選舉使某個(gè)節(jié)點(diǎn)成為簇首節(jié)點(diǎn)，成為簇首的節(jié)點(diǎn)向周圍節(jié)點(diǎn)廣播消息，其他節(jié)點(diǎn)根據(jù)接收到的廣播消息的強(qiáng)度來(lái)選擇它所要加入的簇，并告知相應(yīng)的簇首。在本文提出的DTEE算法中，也是以輪為形式周期進(jìn)行的，但在簇頭選舉引入了能量因子，同時(shí)第一輪和以后輪的算法過(guò)程是不同的，從第二輪開(kāi)始在成簇階段可以不用計(jì)算公式，相比LEACH及一些改進(jìn)算法需要計(jì)算復(fù)雜公式的開(kāi)銷，降低了復(fù)雜度，使簇頭選舉能量開(kāi)銷最低，成簇過(guò)程中采用的非均勻成簇方法更是使網(wǎng)絡(luò)能量分布更加均衡。

由于本文采用的是簇內(nèi)單跳，簇間多跳的數(shù)據(jù)傳輸，因此離Sink節(jié)點(diǎn)遠(yuǎn)的簇頭節(jié)點(diǎn)，數(shù)據(jù)轉(zhuǎn)發(fā)量越少，能量消耗的慢；而離Sink節(jié)點(diǎn)越近的簇頭，其所承擔(dān)的數(shù)據(jù)轉(zhuǎn)發(fā)業(yè)務(wù)越多，消耗能量越大，所以更容易出現(xiàn)能量耗盡而死亡的情況。為此，本文拋棄了傳統(tǒng)算法中采用的均勻分簇的方法，而是采用非均勻成簇的策略。使離Sink節(jié)點(diǎn)越近的簇，其規(guī)模越小一些，從而這些簇其簇內(nèi)路由及數(shù)據(jù)融合開(kāi)銷小，又因?yàn)槠渌袚?dān)的簇頭間數(shù)據(jù)轉(zhuǎn)發(fā)開(kāi)銷多，綜合起來(lái)無(wú)論離Sink遠(yuǎn)還是近的簇頭都將能量相對(duì)均衡消耗，網(wǎng)絡(luò)生命周期得以最大化。

非均勻分簇的實(shí)現(xiàn)過(guò)程是這樣的：首先，Sink節(jié)點(diǎn)向網(wǎng)絡(luò)所在區(qū)域廣播一個(gè)NOTICE報(bào)文，網(wǎng)絡(luò)中所有節(jié)點(diǎn)根據(jù)接收到的此報(bào)文能量強(qiáng)度信息確定自己與Sink節(jié)點(diǎn)的距離d(i)。根據(jù)監(jiān)測(cè)區(qū)域范圍、傳感器節(jié)點(diǎn)個(gè)數(shù)以及能量自由空間模型確定網(wǎng)絡(luò)分層數(shù)n, 然后，本文采用文獻(xiàn)[14]中的均勻分層的方法，各節(jié)點(diǎn)所在的層號(hào)i=d(i)*n/R，R為監(jiān)測(cè)區(qū)域半徑。因?yàn)榭拷黃ink節(jié)點(diǎn)的簇規(guī)模小，簇內(nèi)節(jié)點(diǎn)少，也就是所在不同層次的節(jié)點(diǎn)成為簇頭的概率不一樣，各節(jié)點(diǎn)成為簇頭的最佳概率為pi=p/(i*i)。其中p為第一層節(jié)點(diǎn)成為簇頭的概率。將傳感區(qū)域進(jìn)行劃分這個(gè)動(dòng)作只出現(xiàn)在第一輪循環(huán)開(kāi)始的時(shí)候，以后的循環(huán)過(guò)程不用再進(jìn)行傳感區(qū)域劃分。

3．4簇頭選擇

之后開(kāi)始第一輪的選舉，各節(jié)點(diǎn)產(chǎn)生一個(gè)隨機(jī)數(shù) r(n) ，并與T(n)進(jìn)行比較，若r(n)小于T(n)，則節(jié)點(diǎn)自選舉成為簇頭。

G為這一輪循環(huán)中未成為簇首的節(jié)點(diǎn)的集合。

當(dāng)節(jié)點(diǎn)成為簇頭后，以適當(dāng)?shù)陌霃絉C廣播簇頭加入消息，周圍的節(jié)點(diǎn)根據(jù)接收信號(hào)強(qiáng)度決定加入哪個(gè)簇并發(fā)送一個(gè)請(qǐng)求加入消息。之后簇頭在接收到相關(guān)節(jié)點(diǎn)的請(qǐng)求加入消息后，建立TDMA調(diào)度表并廣播出去。簇內(nèi)節(jié)點(diǎn)在收到此消息后，在屬于自己的時(shí)隙內(nèi)打開(kāi)無(wú)線電模塊開(kāi)始數(shù)據(jù)傳送，在其它不屬于自己的時(shí)隙內(nèi)關(guān)掉通信功能以最大限度節(jié)省能量。在簇內(nèi)節(jié)點(diǎn)向簇頭發(fā)送數(shù)據(jù)報(bào)文時(shí)，在其中加入一個(gè)本節(jié)點(diǎn)此刻剩余能量的數(shù)據(jù)信息，供之后算法使用。

第二輪及以后輪的簇頭產(chǎn)生過(guò)程中，首先是上一輪的舊簇頭對(duì)收到各節(jié)點(diǎn)報(bào)文中含有的各節(jié)點(diǎn)能量信息及自己的剩余能量進(jìn)行比較，從中選出剩余能量最大的節(jié)點(diǎn)為新簇頭，之后舊簇頭以半徑RC發(fā)出new_CH報(bào)文，報(bào)文中包括報(bào)文類型及新簇頭的ID，當(dāng)指定的新簇頭收到此報(bào)文后發(fā)現(xiàn)ID與之相匹配，就廣播簇頭加入報(bào)文，其余節(jié)點(diǎn)再根據(jù)接收信號(hào)強(qiáng)度決定加入哪個(gè)簇頭，之后過(guò)程與第一輪相同。但在實(shí)際應(yīng)用中，網(wǎng)絡(luò)節(jié)點(diǎn)有可能意外被移動(dòng)了，或者出故障死亡了，這樣指定的新簇頭就可能不存在了，從而這一簇范圍內(nèi)節(jié)點(diǎn)由于沒(méi)收到簇頭加入報(bào)文就會(huì)整體停止工作，使網(wǎng)絡(luò)出現(xiàn)死區(qū)?？紤]此方面，本文設(shè)定舊簇頭節(jié)點(diǎn)在一定的時(shí)間閾值內(nèi)若沒(méi)有指定的新節(jié)點(diǎn)發(fā)來(lái)的簇頭加入報(bào)文，它就確認(rèn)指定的新節(jié)點(diǎn)被意味移動(dòng)走了，從而它指定剩余能量第二多的節(jié)點(diǎn)為新節(jié)點(diǎn)，并發(fā)送新的new_CH報(bào)文。這樣新算法就支持了部分節(jié)點(diǎn)移動(dòng)或者有新節(jié)點(diǎn)加入的動(dòng)態(tài)拓?fù)涞木W(wǎng)絡(luò)。

同時(shí)本文設(shè)計(jì)所有節(jié)點(diǎn)在任一輪循環(huán)中，從收到簇頭加入報(bào)文或new_CH報(bào)文開(kāi)始，啟動(dòng)一個(gè)計(jì)時(shí)器Timer，若在最大時(shí)限Tmax內(nèi)沒(méi)有收到新的簇頭加入報(bào)文或new_CH報(bào)文，則啟動(dòng)從第一輪開(kāi)始新的簇頭選擇過(guò)程，相對(duì)于大多數(shù)算法只支持靜態(tài)網(wǎng)絡(luò)，本文的算法支持了小范圍地理位置變動(dòng)的傳感器網(wǎng)絡(luò)。

3．5數(shù)據(jù)傳輸

在傳感器網(wǎng)絡(luò)中，簇內(nèi)數(shù)據(jù)傳輸為單跳的，在簇首和各成員節(jié)點(diǎn)之間進(jìn)行，而對(duì)于簇頭到Sink節(jié)點(diǎn)的數(shù)據(jù)傳輸，LEACH算法及一部分改進(jìn)算法是采用簇頭到匯聚節(jié)點(diǎn)的單跳傳輸，這種方法使簇頭使用了多徑衰落的通信模型(文獻(xiàn)[3])，能量消耗很大，本文采用基于距離因子的多跳傳輸方式。由于采用多跳通信，能量消耗為自由空間模型，而且消息在傳送過(guò)程中進(jìn)行了多次數(shù)據(jù)融合，使各級(jí)數(shù)據(jù)轉(zhuǎn)發(fā)中的數(shù)據(jù)量都有所減少，也減少了通信能耗。網(wǎng)絡(luò)所有節(jié)點(diǎn)都存儲(chǔ)有根據(jù)接收到Sink節(jié)點(diǎn)的信號(hào)確定的自己到Sink的距離值，這一距離值在第一輪成簇前就已確定，我們稱之為距離因子。當(dāng)每個(gè)簇的簇內(nèi)數(shù)據(jù)融合進(jìn)行之后，就會(huì)開(kāi)始各簇到Sink的多跳數(shù)據(jù)傳輸。

首先，發(fā)送數(shù)據(jù)的簇頭以確定的半徑RD發(fā)送出消息，消息報(bào)文中還包含了此簇頭的距離因子，周圍的簇頭收到消息后，各簇頭將些距離因子與自己的進(jìn)行比較，若發(fā)現(xiàn)其距離因子小于報(bào)文中的距離因子，且自己的剩余能量值不低于簇間傳輸所需的最小能量閾值Emin后，確定自己將此數(shù)據(jù)進(jìn)行轉(zhuǎn)發(fā)，將消息報(bào)文中的距離因子替換為其距離因子后以半徑RD繼續(xù)轉(zhuǎn)發(fā)，之后傳輸過(guò)程相似。由于轉(zhuǎn)發(fā)消息的簇頭的距離因子小，從而其離Sink節(jié)點(diǎn)更近，這樣消息報(bào)文在簇間就以多跳的最優(yōu)路徑傳向了匯聚節(jié)點(diǎn)。傳輸能量開(kāi)銷得以最小化。

3 仿真研究

NS2(Network Simulator 2)是著名的用于網(wǎng)絡(luò)研究的離散事件仿真工具，里面包括了大量的用于有線和無(wú)線、本地連接或通過(guò)衛(wèi)星連接進(jìn)行TCP協(xié)議、路由算法、多播協(xié)議仿真的網(wǎng)絡(luò)協(xié)議、調(diào)度器和工具。NS的核心部分是一個(gè)離散事件模擬引擎。NS中有一個(gè)“調(diào)度器”(Scheduler)類，負(fù)責(zé)記錄當(dāng)前時(shí)間，調(diào)度網(wǎng)絡(luò)事件隊(duì)列中的事件，并提供函數(shù)產(chǎn)生新事件，指定事件發(fā)生的時(shí)間。在仿真過(guò)程中，將執(zhí)行相關(guān)算法，并且將網(wǎng)絡(luò)運(yùn)行的具體情況寫到文件當(dāng)中，包括數(shù)據(jù)分組的傳遞情況、節(jié)點(diǎn)的能量狀況等，這些文件對(duì)算法之間進(jìn)行比較有很大的作用。本文在仿真場(chǎng)景設(shè)置方面，使用了如下場(chǎng)景設(shè)置方案：

(1) 仿真區(qū)域大小為(100*100)。

(2) 所有節(jié)點(diǎn)的初始能量相同。

(3) 傳感器節(jié)點(diǎn)在區(qū)域(100*100)內(nèi)隨機(jī)分布。

仿真開(kāi)始時(shí)，網(wǎng)絡(luò)內(nèi)傳感器節(jié)點(diǎn)的分布狀態(tài)如圖1所示。

仿真結(jié)束之后得到了LEACH和DTEE算法生成的相關(guān)文件，使用awk程序提取算法生成的相關(guān)文件中的關(guān)鍵數(shù)據(jù)，然后利用gnuplot工具將這些數(shù)據(jù)顯示于圖表上，得到兩個(gè)算法相比較的曲線圖如圖2所示。

從圖可以看出在仿真過(guò)程中，節(jié)點(diǎn)的能量會(huì)隨著時(shí)間的推移逐漸減少，直至節(jié)點(diǎn)能量耗盡而死，所以在各個(gè)時(shí)段傳感區(qū)內(nèi)仍存有能量的節(jié)點(diǎn)數(shù)是不同的，圖對(duì)兩種算法在不同時(shí)段仍然存活的節(jié)點(diǎn)個(gè)數(shù)做出了比較。首先，LEACH算法在第120秒時(shí)第一個(gè)節(jié)點(diǎn)出現(xiàn)了死亡，而DTEE是在130多秒時(shí)第一個(gè)節(jié)點(diǎn)死亡。從節(jié)點(diǎn)存活數(shù)目圖可以看出，在300秒左右，LEACH算法的存活節(jié)點(diǎn)數(shù)已經(jīng)為0，而DTEE算法仍有8個(gè)節(jié)點(diǎn)能量并未耗盡，直到320秒左右，DTEE算法的節(jié)點(diǎn)才全部死亡，所以DTEE算法中節(jié)點(diǎn)的生命周期比LEACH提高了約6%，可以看出，DTEE算法由于采用多跳的路由方式，網(wǎng)絡(luò)生命周期得到了一定程度的延長(zhǎng)。

本文通過(guò)采用引入能量因子的低復(fù)雜度簇頭選擇算法降低了網(wǎng)絡(luò)通信能耗，在數(shù)據(jù)傳輸上通過(guò)多跳方式進(jìn)行信息路由。仿真結(jié)果顯示,改進(jìn)后的DTEE協(xié)議能更好地平衡網(wǎng)絡(luò)負(fù)載、節(jié)約能量消耗且具有更高的能量使用效率，對(duì)分簇算法的的路由協(xié)議實(shí)現(xiàn)了優(yōu)化。

仿真結(jié)束之后得到了LEACH和DTEE算法生成的相關(guān)文件，使用awk程序提取算法生成的相關(guān)文件中的關(guān)鍵數(shù)據(jù)，然后利用gnuplot工具將這些數(shù)據(jù)顯示于圖表上，得到兩個(gè)算法相比較的曲線圖如圖2所示。

從圖可以看出在仿真過(guò)程中，節(jié)點(diǎn)的能量會(huì)隨著時(shí)間的推移逐漸減少，直至節(jié)點(diǎn)能量耗盡而死，所以在各個(gè)時(shí)段傳感區(qū)內(nèi)仍存有能量的節(jié)點(diǎn)數(shù)是不同的，圖對(duì)兩種算法在不同時(shí)段仍然存活的節(jié)點(diǎn)個(gè)數(shù)做出了比較。首先，LEACH算法在第120秒時(shí)第一個(gè)節(jié)點(diǎn)出現(xiàn)了死亡，而DTEE是在130多秒時(shí)第一個(gè)節(jié)點(diǎn)死亡。從節(jié)點(diǎn)存活數(shù)目圖可以看出，在300秒左右，LEACH算法的存活節(jié)點(diǎn)數(shù)已經(jīng)為0，而DTEE算法仍有8個(gè)節(jié)點(diǎn)能量并未耗盡，直到320秒左右，DTEE算法的節(jié)點(diǎn)才全部死亡，所以DTEE算法中節(jié)點(diǎn)的生命周期比LEACH提高了約6%，可以看出，DTEE算法由于采用多跳的路由方式，網(wǎng)絡(luò)生命周期得到了一定程度的延長(zhǎng)。

本文通過(guò)采用引入能量因子的低復(fù)雜度簇頭選擇算法降低了網(wǎng)絡(luò)通信能耗，在數(shù)據(jù)傳輸上通過(guò)多跳方式進(jìn)行信息路由。仿真結(jié)果顯示,改進(jìn)后的DTEE協(xié)議能更好地平衡網(wǎng)絡(luò)負(fù)載、節(jié)約能量消耗且具有更高的能量使用效率，對(duì)分簇算法的的路由協(xié)議實(shí)現(xiàn)了優(yōu)化。