蒋 阳, 韩飞飞, 闫艺倩, 郎保才

(重庆大学 通信工程学院,重庆 400044)

0 引 言

由于无线传感器网络(WSNs)是一个数据收集网络，在大范围WSNs中，数据的传递一般采用多跳方式，从而导致靠近汇聚节点(Sink)的传感器节点因转发外围节点数据而增大负荷，消耗更多的能量，导致整个网络中能量消耗不均衡现象，研究人员为此开展了大量的研究。文献[1～4]在网络中增加中继节点专门负责数据的转发，从而避免因承担过多负载造成能耗不均的问题，但是，文献[4]提出的中继节点的数目巨大，在实际应用中不适用。文献[5]提出一种基于可调发射功率的能耗均衡策略来减少节点能量消耗。近年来，协同技术的发展引起WSNs研究人员的注意[6～8]。文献[8]提出一种剩余能量激发的协作传输方案，通过协作传输节点直接将数据发送给Sink节点，一定程度上解决了网络中的能量不均问题，但该方法不适用于大范围的WSNs。

1 理论基础

1.1 WSNs模型和能耗模型

1.1.1 网络模型

WSNs采用分簇算法，因此，网络模型是一种层次型结构，如图1所示。

针对此模型，现做如下假设：

1)网络中的节点一旦部署，则静止不动；2)除Sink节点不受能量限制外，网路中的其他节点具有相同的初始能量；3)网络中的节点能够自动调整发射功率。

1.1.2 能耗模型

采用通用的WSNs能耗模型[8]，如式(1)

图1 网络模型

ETx(k,d)=ETx_elec(k)+ETx_amp(k,d)

(1)

ERx(k)=ERx_elec(k)=kEelec,

(2)

式中ETx(k,d)为传感器节点发送kbit数据所消耗的能量，ETx_elec(k)为传感器节点发送kbit数据发射电路所消耗的能量，ETx_amp(k,d)为传感器节点发送kbit数据功放消耗的能量；ERx(k)为节点接收kbit的数据所消耗能量；Eelec为发射电路损耗的能量。在功率放大损耗中，若传输距离小于阈值d0，功率放大损耗采用自由空间模型；当传输距离大于d0，功率放大损耗采用多路径衰减模。εfs,εamp分别为自由空间模型和多路径衰减模型中功率放大所需的能量。

1.2 WSNs分簇算法

分簇算法在一定程度上保证了网络中的能量均衡，能够在一定程度上延长网络寿命，典型的分簇算法有LEACH[9],HEED,LEACH—C[10]等。

针对大范围WSNs，为了均衡全网的能耗，保证簇头节点在网络中的均匀分布至关重要,因此，大范围WSNs的分簇算法必须满足以下条件：

1)簇的形成必须是分布式自组织的；

2)簇首节点应比较均匀的分布；

3)节点之间的信道模型应尽可能采用自由空间模型；

4)簇首节点应尽可能选择能量高的节点；

5)簇首节点必须是周期性轮循的。

1.3 协作多输入多输出技术

多输入多输出(multiple-input multiple-output，MIMO)是使用多根发射天线和多根接收天线进行无线传输的技术，是现代通信中最重要的技术之一。在WSNs中，传感器节点之间通过互相协作构成虚拟多天线系统，从而获得空间分集增。对于MISO系统，现假定采用STBC进行编码协同，调制方式为BPSK，当误码率为10-3时，不同的协作节点个数带来的分集增益和当节点采用相同的发射功率所带来的距离扩展如表1[11]。

表1 分集增益和距离扩展因子

表1描述的是协作传输对节点发射距离的影响，据此可以确定协作节点的个数。

现假定节点的发送距离不变，加入协作传输之后，节点的发射功率必然降低，协作前后，节点发射功率的变化情况如下

(3)

2 EBBMCC—LS分簇算法描述

EBBMCC—LS算法把分簇和协作传输技术相结合，以达到保证大范围WSNs中的能耗均衡。

2.1 簇的构成

1)初始均匀簇的构成

当所有传感器节点部署到监测区域后，节点通过初始化获取自身的位置信息，然后按图2示流程完成初始均匀簇的构成。假定Sink节点的位置信息为(x0,y0)，网络中的传感器节点数目为n，当节点部署完成之后，则每一个传感器节点的位置信息固定不变，表示为[(x1,y1),(x2,y2)，…，(xi,yi)，…，(xn,yn)]。

图2中，Shead为簇首节点集合，RNHm为簇内成员节点集。

图2 初始簇构建流程图

2)确定最优簇首节点

簇头节点负责接收簇内其他节点感知的数据并进行数据融合后向Sink节点发送，相比其他节点要消耗更多的能量，应尽可能地选择剩余能量多的节点作为簇首节点，同时应尽量选择具有簇内最小通信代价的节点作为簇首节点。

节点j担任簇首时的簇内最小通信代价通过公式(4)所示的代价函数进行计算。假定簇内成员节点k将数据发送给簇首采用的功率级别为Pk，簇内成员节点数目为m，则簇内最小通信代价表示为

(4)

该式表示簇内所有节点将数据发送给簇首节点时的平均发射功率，没有考虑节点的剩余能量水平，在加入剩余能量进行修正之后的最小通信代价为

(5)

根据修正后的簇内最小通信代价，确定每个簇中的最优节点为簇首。

簇内最优簇首确定之后，簇首节点向簇内成员广播自己成为簇头消息，并分配各个成员节点的TDMA时隙。至此，在网络中均匀分布的分簇阶段结束，网络进入数据传输阶段。

2.2 基于协作传输的簇间通信策略

一般来说，簇首可采用2种通信方式将融合信息传送到基站：一种是簇首与基站间以单跳的通信方式实现数据的传输；另一种是通过某种策略，获取簇首到基站的最小能量代价路径，以多跳的方式实现与基站间的数据传输。EBBMCC—LS算法的簇间通信采用的是初始多跳加协作传输的方式，因此，该算法中簇间通信的关键问题是协作传输问题。

1)协作传输的条件

2)协作节点的选择

根据表(1)本算法中协作节点个数只考虑2，3，4。当簇头节点满足协作传输条件，有数据需要发送时，根据最少跳数原则，由式(6)确定协作节点个数

(6)

其中，ds为发送节点距Sink节点的距离，dci为i个节点传输时的发射距离。

为保证数据发送后簇内能量的最大化，选择满足下列条件的传感器节点作为协作节点

(7)

其中,Ere(CHi)为第i个节点的剩余能量，dci为第i个节点到簇首节点的距离，n为簇内成员节点的个数。

3 仿真分析

3.1 仿真设置

本文使用Matlab作为仿真平台，利用无线电通信系统模型计算网络的能量损耗。仿真实验中各项参数设置网络范围为300 m×300 m,400 m×400 m,500 m×500 m;节点数量为300,500,700；基站位置为(150,150)m,(200,200)m,(250,250)m；节点初始能量为0.5 J；簇半径为30 m；Eelec为50 nJ/bit；Efs为10 pJ/bit/m2；Emp为0.001 3 pJ/bit/m4；传输距离阈值为75 m。在仿真实验中，当节点能量Emin小于0.002 J时，认为该节点已经死亡。

3.2 簇的分布情况

EBBMCC—LS算法是为了均衡大范围WSNs中的能量消耗提出的一种分簇路由算法，下面首先验证网络中簇的分布情况。

图3为300个传感器节点随机非均匀分布在300 m×300 m的正方形区域内的节点分布图，节点平均分布密度为1个/m2。在图3所示节点部署的基础上运行分簇算法构建簇，运行结果如图4，图中簇首节点比较均匀的分布在网络中。可见EBBMCC—LS算法能够实现节点在网络中的均匀分簇。

图3 节点分布图

图4 网络中初始簇首分布

3.3 能耗均衡分析

本文的研究重点是WSNs中的能耗均衡问题，现对EBBMCC—LS算法的能耗问题进行验证，通过网络中节点的死亡情况验证算法在能耗均衡方面的特性。

图5为网络范围为300 m×300 m时，LEACH分簇单跳传输方式、LEACH分簇多跳传输方式、LEACH—C分簇多跳传输方式和EBBMCC—LS方式下，随着轮数的变化网络中死亡节点出现的情况，从图中看出，EBBMCC—LS算法第一个死亡节点出现的最晚，且在出现第一个死亡节点后所有节点都很快的死亡。说明EBBMCC—LS算法相对于其它具有更好的能耗均衡性，而且能够推迟网络中第一个死亡节点出现的时刻，延长了WSNs的寿命。

图5 网络范围为300 m×300 m时的节点死亡情况

4 结 论

本文针对大范围WSNs的能耗均衡问题展开研究，提出的EBBMCC—LS算法在保证网络均匀分簇的基础上，在簇间通信时加入协作传输策略，保证了网路中的能耗均衡。通过仿真表明：该算法适用于大范围WSNs，能够解决大范围WSNs中的能耗不均问题。

参考文献:

[1] Olariu S,Stojmenovic I.Data-centric protocols for wireless sensor networks[Z].Handbook of Sensor Networks:Algorithms and Architectures,Wiley,2005:417-456.

[2] Wang Gang,Huang Liusheng,Xu Hongli,et al.Reliable relay node placement in wireless sensor network[C]∥Int’l Conf on Communications and Networking,Suzhou,China,2008:371-375.

[3] Wang Gang,Huang Liusheng,Xu Hongli,et al.Relay node placement for maximizing network lifetime in wireless sensor net-works[C]∥Wireless Communications,Networking and Mobile Computing,China,2008:1-5.

[4] Xin Yufeng,Guven T,Shayman M.Relay deployment and power control for lifetime elongation in sensor networks[C]∥Proc of the ICC Communications Society,Istanbul，IEEE，2006:3461-3466.

[5] 曾志文,陈志刚,刘安丰.无线传感器网络中基于可调发射功率的能量空洞避免[J].计算机学报，2010，33(1):12-22.

[6] Nguyen T D,Berder O,Sentieys O.Cooperative MIMO schemes optimal selection for wireless sensor networks[C]∥2008 IEEE International Conference on Communications,Beijing:IEEE Technology Management Council,IEEE Communications Society,2007:85-89.

[7] Quek T Q S,Dardari D,Win M Z.Energy efficiency of dense wireless sensor networks:To cooperate or not to cooperate[J].IEEE Journal on Selected Areas in Communications,2007,25(2):459-470.

[8] Chen G,Li C F,Ye M,et al.An unequal cluster-based routing strategy in wireless sensor networks[J].Wireless Networks,2009,15(2):193-207.

[9] Heinzelman W R,Chandrakasan A P,Balakrishnan H.Energy-efficient communication protocol for wireless microsensor net-works[C]∥Proc 33rd Hawai Int’1 Conf on Sys Sci,2000:8020-8030.

[10] Kulik J,Heinzelman W R,Balakrishnan H.Negotiation-based protocols for disseminating information in wireless sensor net-works[J].Wireless Networks,2002(8):169-185.

[11] Proakis J G.Digital communications[M].New York:McGraw-Hill,1995.