黄继伟， 黎 源， 俞 煌, 柯玉山， 陈阿辉

(1. 福州大学物理与信息工程学院， 福建 福州 350116; 2. 福建网能科技开发有限责任公司， 福建 福州 350003)

0 引言

无线传感器网络的发展, 使其在医疗、 军事、 农业、 工业等领域得到广泛应用[1-4]. 在无线传感器网络数据传输过程中， 节点的能量供应非常有限[5]， 所以在节点工作时， 要尽量保证每个节点都能均衡地负担整个网络的能量消耗， 这样就不至于出现某些节点因能量消耗严重而过早死亡， 从而造成整个无线网络生命周期减小的现象. 在保证有限网络能量的情况下， 尽可能延长网络寿命是无线传感器网络研究的一个重点， 而路由协议算法在延长网络寿命中起到举足轻重的作用.

路由协议是无线传感器网络中的关键技术之一， 它的作用是控制数据在源和目标之间的传输方式以达到网络要求. LEACH是分簇自组织路由协议， 它有多个周期， 每个周期都随机动态地产生一些节点作为网络簇头， 并以这些簇头节点分成若干个簇， 每个非簇头节点加入距离自身较近的簇头. 通过这种分簇的形式来组织网络在一定程度上可以保证将整个网络的能耗均衡地分配到各个节点上， 从而延长整个网络的生命周期. LEACH作为比较经典的分簇路由协议， 许多路由协议都是由它演变而来， 如HEED[6]、 TTDD[7]、 TEEN[8]等协议. 同时， 许多学者对LEACH协议进行了改进和优化， 例如， 文[9]提出一种基于LEACH协议改进的簇间多跳路由协议， 引入能量因子和距离因子修正了LEACH协议的阈值函数， 有效均衡网络的能量消耗. 文[10]提出一种新的簇头选举改进算法， 在簇头选举中计算节点的信任值， 使选举的簇头节点更为合理， 节点的能量负载比较均衡. 文[11]提出一种分时分簇的改进LEACH算法, 通过分时分簇方式， 使簇首在整个网络中的分布以及网络能量的消耗更加均衡， 延长传感器网络的正常工作时间. 然而在LEACH协议及众多改进协议中很少考虑到全网的平均能量损耗与簇头之间的距离， 因而选举的簇头可能过于密集， 不利于网络的能量均衡. 本研究针对LEACH协议的簇头选举机制， 提出在簇头选举中考虑节点的剩余能量和全网的平均能量， 并对簇头产生的位置做了约束.

1 LEACH协议

1.1 LEACH协议描述

LEACH协议是分簇结构的无线传感网路由协议， 它以一轮簇头选举作为一个周期， 工作期间存在很多周期， 且每一个周期都分为三个步骤： 第一步， 节点的初始化； 第二步， 网络中簇头节点的选举； 第三步， 普通节点加入相应的簇头后进行数据的传输. 节点的初始化主要包括基站节点、 普通传感节点能量及节点相关设置的初始化， 是整个网络起始状态的建立阶段. 簇头选举阶段是该路由协议的重点， 主要通过随机选举的方式进行簇头选举， 之后就是普通节点加入簇头并进行数据的传输， 待数据传输一段时间之后， 节点将会进入新的一个周期. 新的周期采用相同的步骤周而复始.

簇头选举是该协议的重点， 在选举簇头阶段， 每一个节点先随机产生一个0～1的数值， 如果该数值比T(n)大， 则该节点就升级为簇首. 每个节点都是依据与T(n)的大小比较来决定是否成为簇首.T(n)的表达式为：

(1)

其中：P是选举的簇头比例；r是此时正在进行的轮数；G是此时还没当选簇头的节点集合.

1.2 LEACH协议不足

在分簇自组织路由协议研究中， LEACH起到很重要的作用， 它是研究其他分簇自组织路由协议的基础， 但协议中还是存在一些不足之处：

1) 容易致使能量低的节点当选为簇头， 使整个网络寿命下降;

2) 簇头节点太过密集， 达不到整个网络能量均衡的条件;

3) 非簇头节点不能直接和基站进行通讯, 只能和较近的簇头进行数据通信， 如果普通节点离基站节点较近， 那就会造成不必要的能量损失.

2 LEACH协议的优化

2.1 能耗模型

改进协议的能耗模型采用与LEACH协议一致的能耗模型， 该模型分为数据发送过程的能耗和数据接收时候的能耗两个部分. 当节点发送数据时， 会因发送的距离和功率等因素影响数据发送的整体能耗. 当节点接收数据时， 受到距离因素的影响会相对少一些. LEACH协议的无线物理模型是采用第一顺序无线电能量模型， 该模型有发射模块、 放大模块、 接收模块三个部分 . 该模型的发射部分消耗总能量表达式为：

(2)

其中：ETx-elec(k,d)为发射模块消耗的能量；ETx-amp(k,d)为放大模块的能量；k为发送的数据长度；d为需要发送的距离；d0为传输距离阈值；Eelec为发送1 bit所需要的能量；εfs为自由空间信道模型下的能耗参数， J·bit-1·m-2；εamp为多径衰落信道模型下的能耗参数， J·bit-1·m-2.

节点接收数据的能耗表达式为:

ERx(k)=ERx-elec(k)=k·Eelec

(3)

其中：ERx-elec(k)为接收kbit所需要的能耗；Eelec为接收1 bit所需要的能耗.

从上面的能耗模型可以看出， 数据传输过程中能耗主要是受到传输距离和数据量的影响， 所以选择合适的簇头作为中介传输数据， 节点就会根据不同的距离选择能耗比较低的模型进行数据传输.

2.2 改进思路

2.2.1 对LEACH协议的簇头选择进行优化

新协议簇头选举方式和LEACH选举簇头方式一致， LEACH协议在选举簇头时是随机选举， 并没有考虑到节点的剩余能量， 只是简单地将随机数和阈值作比较来选择簇头， 而新的路由协议充分考虑到节点的剩余能量， 剩余能量多的节点当选为簇头的概率较剩余能量少的节点高. 对阈值定义修改如下：

(4)

(5)

其中：P(i)为本轮节点i当选簇头的概率；P是初始预期当选簇头的比例；b是调节因子；E(i)为当前节点的能量；Eaver是网络存活节点的平均能量；r为当前网络进行的轮数.

从 式(4)～(5)可以看出， 当节点的剩余能量比整个网络的平均能量大时， 与平均能量的比值就会变大， 对应的P(i)也会变大， 阈值T(n)变大， 节点成为簇头的概率就增大. 反之， 当节点的剩余能量较网络的平均能量小， 会致使与网络平均能量的比值为负， 这样就促使P(i)的值变小， 该节点当选簇头的概率就会变小. 通过以节点的剩余能量和网络的平均能量对比来决定簇头选举的方式， 可以有效避免因簇头节点能量消耗过快而导致整个传感器网络生命周期下降的困境.

2.2.2 对簇头密度进行控制

在理想情况下， 选举产生的簇头均匀地分布在各个位置. 实际上， LEACH协议算法的簇头选举并不会均匀分布， 即便考虑到节点的剩余能量， 簇头也是随机产生的， 这样就会出现一种情况： 几个密集节点都符合簇头选举条件当选为簇头， 而在其他的位置簇头节点非常少， 从而造成簇头节点负载不均， 容易引起整个网络的生命周期下降.

为了使产生的簇头节点不至于太过紧密， 采用的方法是在一定的距离范围之内只能产生一个符合条件的簇头. 在节点满足簇头选举条件当选簇头时， 对该节点距离为R的范围内进行判断， 如果存在另外簇头节点则放弃成为簇头， 把节点类型下降为普通节点， 以便保证在一定的范围内不至于簇头太过密集.

3 仿真分析

为有效评价改进后的算法， 通过仿真把LEACH算法和改进后的LEACH算法进行比较， 包括整个网络节点的生存时间、 数据传输能力等.

3.1 仿真环境

采用Matlab R2010a软件对LEACH和改进后的LEACH协议进行仿真， 仿真参数如下：

1) 实验中设置的仿真区域大小： 100 m ×100 m；

2) 基站节点的坐标(50， 50)；

3) 仿真节点数量为100；

4) 网络中每个节点的初始化能量： 0.75 J；

5) 网络中节点每次发送的数据包大小4 000 bit；

6) 仿真最大的轮数为3 500；

7)εfs: 1×10-11J·bit-1·m-2；

8)εmp: 13×10-13J·bit-1·m-2；

9)Eelec: 510-8J·bit-1；

3.2 仿真结果与分析

网络节点的生存数量随轮数的变化如图1所示. 从图中可以看出， LEACH协议第一个节点死亡出现在1 100轮， 而优化协议的第一个节点死亡出现在1 800轮， 比LEACH协议多运行将近700轮， 即提升将近63%. 优化协议在第一个节点死亡之后， 网络节点存活节点就迅速下降， 这说明整个网络节点的剩余能量相差不多. 而LEACH协议在第一个节点死亡之后， 网络节点之间的剩余能量相差非常大， 因此， 节点死亡曲线变化是缓慢下降的.

两种协议数据发送量的对比如图2所示. 数据发送量是普通节点和簇头节点发送到基站数据的总和， 在相同条件下， 数据发送量与网络中节点的存活数量息息相关. 通过观察可以看到， 优化后的LEACH协议数据流量明显较原始LEACH协议有很大的改善， 数据发送量接近4.5倍， 这在很大程度上提高了网络数据流量.

图1 网络节点存活数量对比Fig.1 Comparison of the number of network nodes alive

两个协议的网络能耗对比如图3所示. 网络能耗可以反映出整个网络的大致生命周期， 从图中可以看出， 优化后的协议一直比原始协议的能耗低， 基本上是呈线性变化， 即每一轮消耗的能量是非常均衡的. 原始LEACH协议对应的曲线斜率较大， 消耗的能量也较多， 整个网络的生命周期也会下降. 在2 400轮附近两曲线节点重合， 意味着网络节点的能量全部耗尽.

两个协议整个网络负载均衡度的对比如图4所示. 可以看出， 蓝色曲线在接近2 000轮时曲线剧烈波动， 网络负载剧增； 而优化后的协议， 整个曲线都是非常平稳， 节点之间的能量差距不大， 网络节点负载分配比较均匀.

图3 网络能耗对比Fig.3 Comparison of network energy consumption

图4 负载均衡度对比Fig.4 Comparison of energy balance

4 结语

本研究提出的算法相对原始的LEACH协议做了改进， 通过考虑节点剩余能量和整个网络的平均能量来调整概率因子P的计算方法， 从而改进阀值T(n)的计算结果. 同时， 为了避免选举的簇头太过密集， 在一定的区域内对簇头数量做了限制， 有效保证了簇头相对均匀地分布在各个区域. 通过仿真优化后算法较原始的LEACH算法在性能上有较大提高.

参考文献：

[1] CHIANG S Y, KAN Y C, CHEN Y S,etal. Fuzzy computing model of activity recognition on WSN movement data for ubiquitous healthcare measurement[J]. Sensors (Basel), 2016, 16(12): 312-318.

[2] SHUNMUGA P P, RHVMEND U V, ELGIN C V R. Intelligent UAV-assisted localisation to conserve battery energy in military sensor networks[J]. Defence Science Journal, 2014, 64(6): 557-563.

[3] TAMOGHNA O, SUDIP M, NARENDRA S R. Wireless sensor networks for agriculture: the state-of-the-art in practice and future challenges[J]. Computers & Electronics in Agriculture, 2015,118: 66-84.

[4] CHI Q P, YAN H R, ZHANG C,etal. A reconfigurable smart sensor interface for industrial WSN in IoT environment[J]. IEEE Transactions on Industrial Informatics, 2014, 10(2): 1417-1425.

[5] AKYILDIZ I, SU W, SANKAMSUBRAMANISM Y，etal． A survey on sensor networks[J]． IEEE Communications Magazine， 2002， 40(8)： 102-114．

[6] SATISH C, SAMAYVEER S, BIJENDRA K. Heterogeneous HEED protocol for wireless sensor networks[J]. Wireless Personal Communications, 2014, 77(3): 2117-2139.

[7] LUO H Y, YE F, CHENG J,etal. TTDD: two-tier data dissemination in large-scale sensor networks[J]. Wireless Networks, 2002, 11: 161-175.

[8] LEE W, LEE S R, LEE J Y. The improved efficiency network life-time in TEEN[J]. International Journal of Advanced Smart Convergence, 2016, 5(1): 59-65.

[9] 陈炳才， 么华卓， 杨明川， 等. 一种基于LEACH协议改进的簇间多跳路由协议[J]. 传感技术学报， 2014， 7(3)： 373-377.

[10] 白林林， 严斌宇， 罗敬文， 等. 基于节点信任的LEACH协议簇头选举改进算法[J]. 四川大学学报(工程科学版), 2012, 44(增刊1): 218-223.

[11] 吴标， 余剑， 易仁杰. 基于节点剩余能量的分时分簇LEACH改进算法[J]. 火力与指挥控制, 2016, 41(10): 84-88; 93.