譚盛彪　彭凌峰

摘 要：水聲通信網(wǎng)在軍事、能源、自然災(zāi)害預(yù)防和處理等方面均具有巨大的應(yīng)用潛力。針對當(dāng)前水聲通信網(wǎng)按需路由算法存在網(wǎng)絡(luò)開銷大、能量不均衡的問題，提出了旨在改善網(wǎng)絡(luò)整體性能的HTREB算法。通過采用洪泛抑制與優(yōu)先使用剩余能量均方差較大的節(jié)點進行路由查找，來減少控制分組的轉(zhuǎn)發(fā)，并均衡節(jié)點能量?；贠pnet軟件進行了仿真。結(jié)果表明，與現(xiàn)有按需路由算法相比，HTREB算法降低了網(wǎng)絡(luò)開銷8.08% ～ 29.32%、端到端平均能耗4.70% ～ 19.86%、平均端到端延時30.58% ～ 71.63%，延長了網(wǎng)絡(luò)生存期29.61%以上。因此，HTREB算法明顯改善了系統(tǒng)的整體性能。

關(guān)鍵詞：水聲通信網(wǎng)；路由算法；網(wǎng)絡(luò)開銷；能量均衡；鏈路權(quán)值

中圖分類號：TN929.3，TP393 文獻標(biāo)識碼：A 文章編號：2095-2163（2015）01-

Abstract： UACN have great application potential in military， energy source， prevention and treatment of natural disasters. The current on-demand routing algorithms have some problems such as high network overhead and unbalanced energy consumption. To solve these problems， HTREB algorithm is suggested to improve the total performance of the networks. Based on the flooding suppression， nodes with more residual energy is preferred to find the routing， and then to reduce forwarding of controlled packets and to balance the energy consumption between nodes. The algorithm is simulated based on the software Opnet. Results show that 8.08% ～ 29.32% of network overhead， 4.70% ～ 19.86% of average end-to-end energy consumption， 30.58% ～ 71.63% of the average end-to-end delay are reduced， compared to the current on-demand routing algorithms. Furthermore， the network lifetime is prolonged by at least 29.61%. Therefore， the total performance of the system is evidently improved through our algorithm.

Key words： UACN； Hybrid-tree Routing Algorithm； Network Overhead； Energy Balance； Link Weight

0 引 言

水聲通信網(wǎng)（UACN）是在一定水下區(qū)域內(nèi)，通過固定或移動傳感器節(jié)點獲取水下信息，并對節(jié)點進行聲學(xué)通信和組網(wǎng)，再以無線形式將信息傳送到岸上控制中心的智能網(wǎng)絡(luò)[1-2]。這是當(dāng)前唯一可在水下進行遠程信息傳輸?shù)耐ㄐ判问?，且在軍事、環(huán)境、能源、自然災(zāi)害防治等方面均已表現(xiàn)出良好的應(yīng)用潛力，因此受到了普遍重視與高度關(guān)注[3]。同時，又隨著物理層MIMO技術(shù)的日益成熟，近年來的水聲網(wǎng)絡(luò)也相應(yīng)獲得了長足的進步和可觀的發(fā)展 [4-8]。

如今，UACN主要采用按需路由算法及其相應(yīng)的改進算法。具體來說，文獻[9]提出了無線自組網(wǎng)按需距離矢量（AODV）路由算法。該算法使用目的序列號來防止路由死循環(huán)。但是，AODV通過采用洪泛尋路和HELLO消息來維護路由，卻造成了過多的控制開銷。同時，還有文獻[10]結(jié)合AODV算法和地理位置路由算法，提出了一種定向搜索（DSAODV）路由算法。該算法利用地理位置信息約束請求分組RREQ查找的范圍，使得RREQ只在最優(yōu)的路徑方向上傳播，從而減少了網(wǎng)絡(luò)擁塞和路由開銷，并提高了網(wǎng)絡(luò)吞吐量。但是，DSAODV算法通過節(jié)點的位置信息和網(wǎng)絡(luò)節(jié)點疏密來設(shè)定和計算轉(zhuǎn)發(fā)角度，則需要水下定位技術(shù)的支持，因此限制了其應(yīng)用。上述算法在廣播尋路分組RREQ的過程中均使用了洪泛操作，導(dǎo)致了冗余開銷。更重要的是，這些算法在建立路由時并未考慮節(jié)點能量的均衡，這就明顯影響了算法的效率和網(wǎng)絡(luò)的壽命。此外，文獻[11]則提出了一種基于均衡網(wǎng)絡(luò)業(yè)務(wù)的拓?fù)鋬?yōu)化控制路由算法，綜合考慮了節(jié)點的剩余能量、網(wǎng)絡(luò)業(yè)務(wù)量和邊緣路徑條件，從而降低了節(jié)點的能量消耗，避免了網(wǎng)絡(luò)節(jié)點過早死亡，進一步提升了網(wǎng)絡(luò)吞吐量，而且也延長了網(wǎng)絡(luò)壽命。但是，該算法選擇剩余能量較多的節(jié)點來轉(zhuǎn)發(fā)數(shù)據(jù)，而未考慮網(wǎng)絡(luò)的平均剩余能量，因此上加重了某些節(jié)點的負(fù)載量，容易造成網(wǎng)絡(luò)擁塞?；诖?，又有文獻[12]提出一種按需多播樹路由算法（MAODV），可以支持各種密切協(xié)作的應(yīng)用業(yè)務(wù)，有效節(jié)省了帶寬資源，且對于每一個數(shù)據(jù)分組均有著更好的整體控制和傳輸能力。但是，MAODV對于頻繁變化的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，其分組投遞率將會下降；同時，節(jié)點通過全網(wǎng)廣播加入多播樹，也隨即增加了網(wǎng)絡(luò)開銷。綜合以上分析，本文擬提出旨在改善網(wǎng)絡(luò)整體性能的一種基于能量均衡的混合樹路由（HTREB）算法。通過建立混合樹網(wǎng)絡(luò)拓?fù)鋱D，采用洪泛抑制，綜合考慮平均剩余能量（優(yōu)先使用剩余能量均方差較大的節(jié)點）來進行路由查找，由此而減少控制分組的轉(zhuǎn)發(fā)，并均衡節(jié)點能量，以最終獲得網(wǎng)絡(luò)整體性能的提升。

1 網(wǎng)絡(luò)模型

將水聲網(wǎng)絡(luò)抽象為數(shù)學(xué)模型：G=（V，L）有向圖，其中，V表示所有節(jié)點的集合，且V={S}∪Vm；S表示水面網(wǎng)關(guān)Sink節(jié)點，Vm表示所有水聲傳感節(jié)點的集合，；所有無線水聲對稱雙向傳輸鏈路的集合L={l1，l2，···，ln}，ln表示網(wǎng)絡(luò)中第n條鏈路；具體地，鏈路的代價可以是鏈路長度（跳數(shù)）、數(shù)據(jù)傳輸?shù)臅r延花費等。

1.1 能量模型

本文能量消耗模型[14]為：當(dāng)節(jié)點A向與之相距的節(jié)點B發(fā)送k bit的信息時，A消耗的能量由兩部分組成，分別是：發(fā)射電路損耗和功率放大損耗。即：

式中，表示節(jié)點發(fā)送k bit信息的發(fā)射電路損耗，表示功率放大損耗的距離閾值，則表示節(jié)點間的通信距離。若<，功率放大損耗以自由空間模型進行計算；若≥，則需依據(jù)多徑衰減模型相應(yīng)計算。另外，和分別表示自由空間模型、多徑衰減模型功率放大器的能耗因子。而且，節(jié)點接收k bit信息所消耗能量為：

1.2 問題描述

網(wǎng)絡(luò)中信息的發(fā)送、轉(zhuǎn)發(fā)和接收均需要消耗節(jié)點的能量，因此，UACN網(wǎng)絡(luò)路由算法將遵循如下準(zhǔn)則來進行能量優(yōu)化：減少不必要的開銷，降低節(jié)點的能量消耗；均衡網(wǎng)絡(luò)的能量消耗，避免部分節(jié)點過早死亡。但是，現(xiàn)有的UACN網(wǎng)絡(luò)按需路由算法卻存在兩個問題，具體分析如下：

（1） 源節(jié)點廣播RREQ以及中間節(jié)點轉(zhuǎn)發(fā)無效RREQ，產(chǎn)生了大量冗余的RREQ信息，而這些冗余RREQ信息的收發(fā)增加了網(wǎng)絡(luò)開銷，進而增大了k值，就造成了節(jié)點的能耗加劇。

（2） 數(shù)據(jù)傳送選路時沒有考慮節(jié)點的剩余能量均方差因素。若當(dāng)前節(jié)點沒有足夠的剩余能量，而仍承擔(dān)轉(zhuǎn)發(fā)數(shù)據(jù)的任務(wù)，就會因過度使用而造成電池提前耗盡，由此導(dǎo)致路徑的斷裂，影響網(wǎng)絡(luò)通信。

1.3 能量均衡的混合樹路由算法設(shè)計

針對UACN網(wǎng)絡(luò)現(xiàn)有的按需路由算法在尋路開銷和節(jié)點能耗等方面的不足，本文提出一種基于能量均衡的水聲通信網(wǎng)混合樹路由算法—HTREB。HTREB算法采用洪泛抑制的優(yōu)化路由建立方式，減少部分控制分組的轉(zhuǎn)發(fā)；而且使用節(jié)點距離和剩余能量均方差作為選路標(biāo)準(zhǔn)，進而達到能耗均衡效果。

1.3.1 HTREB算法描述

HTREB算法包含鄰節(jié)點信息的收集與反饋，路由建立及數(shù)據(jù)轉(zhuǎn)發(fā)兩個階段。下面給出每一階段的具體實現(xiàn)過程。

（1） 鄰節(jié)點信息的收集與反饋階段

信息收集：節(jié)點定期向一跳范圍內(nèi)的節(jié)點發(fā)送HELLO分組，接收到HELLO分組的鄰居節(jié)點獲知其可視鄰居區(qū)內(nèi)節(jié)點的網(wǎng)絡(luò)地址等信息。

② 信息反饋：節(jié)點向其父節(jié)點及節(jié)點與鄰居節(jié)點深度最大的公共父節(jié)點反饋自己收集的可視鄰居信息。

（2） 路由建立階段

步驟1：當(dāng)源節(jié)點有數(shù)據(jù)發(fā)送時，會首先查詢路由表中是否緩存了到目的節(jié)點的有效路由。如果是，則使用此路由發(fā)送數(shù)據(jù)分組。否則，將轉(zhuǎn)為步驟2，即源節(jié)點開始路由查找過程。

步驟2：源節(jié)點欲加入到多播組，則需查找多播路由表中是否可獲得父節(jié)點信息。如果獲得，則選擇下一跳單播RREQ到父節(jié)點，否則，即向鄰居節(jié)點及所在分支樹的鄰居節(jié)點的子節(jié)點多播RREQ請求分組。

步驟3：中間節(jié)點收到RREQ分組，執(zhí)行以下過程：

① 判斷該RREQ的序列號是否大于自己路由項中的序列號或者RREQ的跳數(shù)是否小于TTL（Time To Live）閾值。如果是，執(zhí)行②，否則刪除該RREQ分組。

② 若當(dāng)前節(jié)點是源節(jié)點的鄰樹枝節(jié)點，則轉(zhuǎn)步驟2處理該RREQ；若當(dāng)前節(jié)點是源節(jié)點的子節(jié)點，則判斷當(dāng)前節(jié)點及其子節(jié)點是否有鄰樹枝節(jié)點。如果有，則向其多播RREQ，否則，刪除該請求；若當(dāng)前節(jié)點是目的節(jié)點的父節(jié)點或子節(jié)點，通過計算判斷自己到目的節(jié)點的跳數(shù)加上RREQ中的TTL值是否小于TTL閾值。若是，就沿著樹路由路徑轉(zhuǎn)發(fā)該請求直到目的節(jié)點，若不是，將刪除該請求。

③ 若當(dāng)前節(jié)點是源節(jié)點的父節(jié)點，但不是源節(jié)點和目的節(jié)點的公共父節(jié)點，也不是源節(jié)點和目的節(jié)點的最大深度公共父節(jié)點的子節(jié)點，則轉(zhuǎn)步驟2處理該請求；而若當(dāng)前節(jié)點是源節(jié)點和目的節(jié)點的最大深度公共父節(jié)點的子節(jié)點，即需判斷當(dāng)前節(jié)點是否有鄰樹枝節(jié)點或與源節(jié)點不同樹枝的子節(jié)點。若為有，則向其多播該請求，否則，就刪除該請求。

步驟4：源節(jié)點發(fā)送的RREQ請求到達目的節(jié)點時，如果RREQ歷經(jīng)的跳數(shù)未超過TTL閾值，則單播路由回復(fù)RREP至源節(jié)點。中間節(jié)點收到RREP后，更新RREP中相應(yīng)字段的值，而后沿RREQ傳播時建立的反向路徑發(fā)送RREP給鄰節(jié)點。源節(jié)點收到RREP后，存儲鏈路權(quán)值、跳數(shù)等信息，完成正向路徑的建立。

1.3.2 路由度量新指標(biāo)—鏈路權(quán)值

在HTREB算法中，提出一種新的路由度量指標(biāo)—鏈路權(quán)值（Link Weight），用于在節(jié)點收到不同的路由響應(yīng)時，優(yōu)先選擇距離更遠、剩余能量均方差更大的節(jié)點參與路徑建立。鏈路權(quán)值定義為：

式中，k1和k2是可變參數(shù)，k1+k2=1；di表示節(jié)點i與同樹枝源節(jié)點之間的距離，dj表示節(jié)點j與不同樹枝源節(jié)點之間的距離（0

2 仿真與分析

2.1仿真統(tǒng)計量

仿真統(tǒng)計量涉及網(wǎng)絡(luò)開銷、端到端平均能耗、網(wǎng)絡(luò)生存期、數(shù)據(jù)分組平均端到端延時和分組投遞率。其中，網(wǎng)絡(luò)開銷是網(wǎng)絡(luò)中所有節(jié)點發(fā)送和轉(zhuǎn)發(fā)的控制分組比特數(shù)和到達目的節(jié)點的數(shù)據(jù)分組比特數(shù)與目的節(jié)點成功接收的數(shù)據(jù)分組比特數(shù)的比值。端到端平均能耗將具體定義為網(wǎng)絡(luò)中單個節(jié)點能耗與所有節(jié)點平均能耗的均方差值。而且，網(wǎng)絡(luò)生存期即是網(wǎng)絡(luò)的運行時間。當(dāng)死亡節(jié)點的數(shù)量大于等于網(wǎng)絡(luò)總節(jié)點數(shù)30%時，判定網(wǎng)絡(luò)運行截止。在此，數(shù)據(jù)分組平均端到端延時就是網(wǎng)絡(luò)中所有數(shù)據(jù)分組從源節(jié)點到達目的節(jié)點所消耗的時間與成功接收數(shù)據(jù)分組個數(shù)的比值。分組投遞率則指網(wǎng)絡(luò)中目的節(jié)點成功接收的數(shù)據(jù)分組數(shù)與源節(jié)點發(fā)送數(shù)據(jù)分組數(shù)的比值。

2.2 仿真參數(shù)設(shè)置

仿真實驗使用OPNET 14.5作為軟件平臺，主要仿真參數(shù)設(shè)置如表1所示。本文采用由一個網(wǎng)關(guān)節(jié)點和若干個信息采集節(jié)點組成的UACN網(wǎng)絡(luò)模型，網(wǎng)關(guān)節(jié)點在場景中心，傳感器節(jié)點隨機均勻分布在網(wǎng)關(guān)周圍。水下節(jié)點物理層采用文獻[13]設(shè)置的水聲信道模型，定義節(jié)點的能量都是有限且均為10 J初始能量；當(dāng)節(jié)點剩余能量低于0.5 J時，判定節(jié)點死亡；當(dāng)網(wǎng)絡(luò)中死亡節(jié)點數(shù)高于30%時，網(wǎng)絡(luò)生存期結(jié)束。

2.3 仿真結(jié)果及分析

圖1為網(wǎng)絡(luò)開銷比較，與AODV算法相比，HTREB算法能夠有效減少網(wǎng)絡(luò)開銷8.08%（50節(jié)點數(shù)）～ 29.32%（110節(jié)點數(shù)）；與MAODV算法相比，HTREB算法減少網(wǎng)絡(luò)開銷0.01%（50節(jié)點數(shù)）～ 20.76%（110節(jié)點數(shù)）。主要原因在于，

AODV算法節(jié)點存儲的路由信息較少，通常使用廣播RREQ的方式來進行路由查找以及周期地發(fā)送HELLO控制分組來維護路由，如此將導(dǎo)致網(wǎng)絡(luò)開銷過大；MAODV算法和HTREB算法通過發(fā)送RREQ路由請求或者查找鄰居表來建立數(shù)據(jù)傳輸?shù)亩嗖?，避免了全網(wǎng)洪泛查詢，同時又減少了控制分組的轉(zhuǎn)發(fā)次數(shù)；且HTREB算法在尋路過程中利用路由跳數(shù)抑制RREQ的洪泛深度，通過相鄰樹枝的節(jié)點信息找到優(yōu)化路徑，減少RREQ的轉(zhuǎn)發(fā)，從而進一步降低了網(wǎng)絡(luò)開銷，獲得了更高效率。

圖2為端到端平均能耗比較。與AODV和MAODV算法相比，HTREB算法降低端到端平均能耗分別為4.70%（50節(jié)點數(shù)）～ 19.86%（140節(jié)點數(shù)），2.50%（50節(jié)點數(shù)）～ 15.53%（140節(jié)點數(shù)），說明HTREB算法節(jié)點的能耗偏離網(wǎng)絡(luò)平均能耗的程度更小，能量消耗也更為均衡。主要原因在于，AODV算法中，部分中間節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)分組較多，節(jié)點能耗偏大，而某些通信量較小的節(jié)點，能量消耗將會偏小。因而導(dǎo)致網(wǎng)絡(luò)中節(jié)點能耗速率不均衡，端到端平均能耗較大；MAODV算法則通過建立的樹路由限制RREQ的洪泛，減少了網(wǎng)絡(luò)中冗余的RREQ轉(zhuǎn)發(fā)，但在尋路時因未考慮節(jié)點當(dāng)前剩余能量，而過度使用剩余能量均方差較小的節(jié)點轉(zhuǎn)發(fā)數(shù)據(jù)分組，另有些剩余能量均方差較大的節(jié)點卻較少地轉(zhuǎn)發(fā)數(shù)據(jù)分組，由此導(dǎo)致網(wǎng)絡(luò)中節(jié)點能耗不均衡；相應(yīng)地，HTREB算法即使用鏈路權(quán)值較小的節(jié)點作為下一跳，減輕了距離近的“熱區(qū)”節(jié)點的數(shù)據(jù)分組轉(zhuǎn)發(fā)任務(wù)，且使其能量消耗速率得到緩解，這就避免了剩余能量均方差較小的節(jié)點過早死亡，從而均衡了網(wǎng)絡(luò)節(jié)點能耗；同時，又采用了短跳代替長跳傳送分組，節(jié)點耗能減少，端到端平均能耗也隨即更小。

網(wǎng)絡(luò)生存期的仿真結(jié)果如圖3所示。圖3顯示，與AODV和MAODV算法相比，HTREB算法至少能夠延長網(wǎng)絡(luò)生存期分別為29.61%（20節(jié)點數(shù)），11.52%（20節(jié)點數(shù)）。這是因為在AODV算法中，數(shù)據(jù)分組經(jīng)常沿著某一條路徑到達目的節(jié)點，造成部分節(jié)點承擔(dān)較大的負(fù)荷量，消耗能量更多，節(jié)點死亡就越快；而MAODV算法則廣播RREQ分組尋找最短路徑生成多播樹，并沿樹路徑發(fā)送數(shù)據(jù)分組。但是MAODV在建路時卻未考慮節(jié)點當(dāng)前剩余能量，若剩余能量均方差小的節(jié)點繼續(xù)轉(zhuǎn)發(fā)數(shù)據(jù)，則會加速節(jié)點的死亡，甚至網(wǎng)絡(luò)拓?fù)涞姆至?；另外的HTREB算法源節(jié)點比較不同路徑的鏈路權(quán)值，選擇距離遠、剩余能量均方差較大的節(jié)點，即權(quán)值較小的路徑建立路由，因而延緩了負(fù)荷重的節(jié)點死亡，使網(wǎng)絡(luò)中節(jié)點能耗更佳均衡，藉此延長了網(wǎng)絡(luò)生存期。

數(shù)據(jù)分組平均端到端延時的仿真結(jié)果如圖4所示。在圖4中，與AODV算法相比，HTREB算法能夠有效降低分組平均端到端延時30.58%（110節(jié)點數(shù)）～ 71.63%（20節(jié)點數(shù)）；與MAODV算法相比，HTREB算法分組平均端到端延時降低1.47%（50節(jié)點數(shù)）～ 16.75%（20節(jié)點數(shù)）。主要原因在于，當(dāng)一條鏈路斷裂，AODV算法需要重新發(fā)送RREQ查找路由，且數(shù)據(jù)分組總是沿著單播路由進行轉(zhuǎn)發(fā)、直至到達目的節(jié)點，當(dāng)網(wǎng)絡(luò)通信業(yè)務(wù)增大時，容易引起信道沖突，并增加延時；MAODV算法則是通過RREQ分組尋路建立多播樹，限制了RREQ的轉(zhuǎn)發(fā)次數(shù)，因而利于數(shù)據(jù)分組在樹路由節(jié)點上的快速傳送，并使得時延獲得了有效降低；而HTREB算法卻借助相鄰樹枝節(jié)點信息進行RREQ尋路，縮短了路由建立時間。且HTREB優(yōu)先選擇鏈路權(quán)值較小的節(jié)點進行分組傳送，如此既平均了業(yè)務(wù)流量，又避免了網(wǎng)絡(luò)擁塞，進而使得分組平均端到端時延進一步減少。

3 結(jié)束語

本文提出的HTREB路由算法，采用樹路由的單、多播代替廣播，限制RREQ分組的轉(zhuǎn)發(fā)，并利用鄰居節(jié)點信息建立路由，在一定程度上減少了網(wǎng)絡(luò)開銷；同時，綜合節(jié)點的距離和剩余能量均方差兩種因素形成鏈路權(quán)值，且將其引入路由參照標(biāo)準(zhǔn)，由此實現(xiàn)節(jié)點能量均衡。具體到理論分析及仿真結(jié)果即都表明，與AODV和MAODV算法相比較而言，HTREB算法在網(wǎng)絡(luò)開銷，端到端平均能耗，網(wǎng)絡(luò)生存期和平均端到端延時等方面的性能均已得到了有效改善，因而獲得了較為理想的現(xiàn)實研究效果。

參考文獻：

[1]AKYILDIZ I F， POMPILI D， MELODIA T. Challenges for efficient communication in underwater acoustic sensor networks[J]. ACM Sigbed Review， 2004， 1（2）： 3-8.

[2]OTHMAN A K， WAN Z A W A， ZEN H， et al. Performance evaluation for network set up and nodes discovery protocol in underwater grid topology networks[C]//Information and Telecommunication Technologies （APSITT）， Kuching， 2010.Piscataway： IEEE， 2010： 1-6.

[3]CUI J H， KONG J， GERLA M， et al. The challenges of building mobile underwater wireless networks for aquatic applications[J]. IEEE Network， 2006， 20（3）： 12-18.

[4]HOU J Y. Mobile Ad Hoc Network of simulation framework based on OPNET[C]//Computer， Mechatronics， Control and Electronic Engineering （CMCE）， Changchun， 2010. Piscataway： IEEE， 2010： 132-135.

[5]REHAN K， QIAO G. A survey of underwater acoustic communication and networking techniques[J]. Research Journal of Applied Sciences， 2013， 5（3）： 778-789.

[6]WANG P， ZHANG X. Energy-efficient relay selection for QoS provisioning in MIMO-based underwater acoustic cooperative wireless sensor networks[C]//Information Sciences and Systems （CISS）， Baltimore， 2013. Washington： IEEE， 2013： 1-6.

[7]REAL G， BEAUJEAN P P， BOUVET P J. MIMO underwater acoustic communications in ports and shallow waters at very high frequency[J]. Journal of Sensor and Actuator Networks， 2013， 2（4）， 700-716.

[8]LI S， WANG W， ZHANG J. Efficient deployment surface area for underwater wireless sensor networks[C]//Cloud Computing and Intelligent Systems （CCIS）， Hangzhou， 2012. Washington： IEEE， 2012： 1083-1086.

[9]GOMEZ C， CATALAN M， MANTECON X， et al. Evaluating performance of real ad-hoc networks using AODV with hello message mechanism for maintaining local connectivity[C]//Personal， Indoor and Mobile Radio Communications （PIMRC）， Berlin， 2005. Piscataway： IEEE， 2005： 1327-1331.

[10]劉旬， 李宇， 張春華， 等. 水聲通信網(wǎng)絡(luò)定向搜索 AODV 協(xié)議研究[J]. 應(yīng)用聲學(xué)， 2010， 29（6）： 458-465.

[11]FU W， LI D， CHEN J， et al. Topology optimization control with balanced energy and load in underwater Acoustic Sensor Networks[J]. International Journal on Smart Sensing & Intelligent Systems， 2011， 4（1）： 138-159.

[12]SHURDI O， MIHO R， KAMO B， et al. Performance analysis of multicast routing protocols MAODV， ODMRP and ADMR for MANETs[C]//Network-Based Information Systems （NBIS）， Tirana， 2011. Piscataway： IEEE， 2011： 596-601.

[13]WANG C， FANG Y. Channel model simulation for underwater acoustic sensor networks using OPNET[C]//Communication Technology （ICCT）， Nanjing， 2010. Piscataway： IEEE， 2010： 141-144.

[14]LIU Z X， ZHENG Q C， XUE L， et al. Energy and node degree synthesized clustering algorithm for Wireless Sensor Networks[J]. Journal of Software， 2009， 20（sup）： 250-256.