王 冠，王瑞堯

(平頂山學(xué)院信息工程學(xué)院，河南平頂山467000)(*通信作者電子郵箱wangguan0123@163.com)

0 引言

無線傳感器網(wǎng)絡(luò)由許多個傳感器節(jié)點組成，它可以感知、監(jiān)測與采集傳感器的環(huán)境信息(如溫度、熱度以及環(huán)境中各種氣體的濃度等)，并通過無線通信的方式將采集到的數(shù)據(jù)發(fā)送給對此數(shù)據(jù)感興趣的觀察者，無線傳感器網(wǎng)絡(luò)不需要固定的網(wǎng)絡(luò)設(shè)備，它具有展開快速、抗毀性強等優(yōu)點，在當(dāng)前的應(yīng)用研究中，網(wǎng)絡(luò)的存活期是衡量一個無線傳感器網(wǎng)絡(luò)性能的重要指標(biāo)［1－2］。

傳統(tǒng)無線傳感器節(jié)點采用的是不可充電電池，一旦電池的能量使用完畢，節(jié)點就會死亡，因此低能耗的無線傳感器網(wǎng)絡(luò)節(jié)點的設(shè)計成為熱點［3］。近年來，隨著環(huán)境能量采集技術(shù)的不斷發(fā)展，研究人員已經(jīng)能夠采集環(huán)境中存在的能源，如太陽光照、機械振動、熱力等，并將此技術(shù)用于無線傳感器網(wǎng)絡(luò)［4］，設(shè)計出了能夠自動采集環(huán)境能量的傳感器。傳感器節(jié)點能夠?qū)h(huán)境中的太陽能、振動能、熱能等轉(zhuǎn)換為可用電能［5］，自動為自己補充能量，形成了具有自供能特點的無線傳感器網(wǎng)絡(luò)。結(jié)合這一特性，本文旨在設(shè)計出高效的具有自供能感知的路由，解決傳統(tǒng)網(wǎng)絡(luò)中由于電池能量受限而制約其生命周期的問題，進而改善網(wǎng)絡(luò)性能。

1 相關(guān)工作

由于分簇路由算法具有易管理、易實現(xiàn)、資源利用高效等特點，因此在針對自供能無線傳感器網(wǎng)絡(luò)路由算法的研究中，目前國內(nèi)外大部分的研究學(xué)者選擇分簇路由算法為主要的研究對象。

最早自供能分簇路由算法是文獻［6］提出的太陽能分簇路由 算 法——SLEACH(Solar-aware Low Energy Adaptive Clustering Hierarchy)，該算法網(wǎng)絡(luò)中部分傳感器節(jié)點可以采集太陽能，因此在進行簇頭競選時，通過在算法中考慮了太陽能量這一因素，增加了太陽能傳感器節(jié)點當(dāng)選簇頭的概率;但是選舉機制太簡單，容易造成網(wǎng)絡(luò)能耗的不均衡。

文獻［7］提出了能量補給分簇(Power-Harvesting Clustering，PHC)路由算法，根據(jù)文獻［8］經(jīng)典的低功耗自適應(yīng)集簇分層型(Low Energy Adaptive Clustering Hierarchy，LEACH)算法，同時考慮了節(jié)點的剩余能量和補給能量，完善了簇頭選舉機制以及簇成員節(jié)點的歸屬簇群機制;但是沒有對補給能量特點進行分析，同時簇頭節(jié)點無法連任，簇間通信為單跳的形式使簇頭的能量消耗加劇，促使簇頭加速死亡。

文獻［9］提出了自適應(yīng)分簇路由算法——ACSP(Adaptive Clustering routing based on Solar Power supplying)，它在PHC 算法的基礎(chǔ)上根據(jù)補給能量水平起伏的特點，將網(wǎng)絡(luò)的能量水平劃分為能耗期、儲能期和穩(wěn)定期，通過分析不同時期的能量特點來設(shè)定不同的簇頭選舉閾值，并且該算法提出了簇間出最佳通信距離;但是節(jié)點在一個輪次內(nèi)只能依次當(dāng)選簇頭節(jié)點，無法連任。

文獻［10］提出了自適應(yīng)能量感知路由協(xié)議(Adaptive Energy Harvesting Aware Clustering routing protocol，AEHAC)，該算法中節(jié)點不需要在一個周期內(nèi)依次擔(dān)任簇頭，而是允許節(jié)點每輪均可參加競選，從而使當(dāng)前剩余能量較高的節(jié)點能夠多次競選和擔(dān)任簇頭;但是在競選簇頭時，并沒有考慮之前節(jié)點所獲得的補給能量，使得最終網(wǎng)絡(luò)能耗的不均衡。

文獻［11］提出了能耗均衡的自供能無線傳感器網(wǎng)絡(luò)分簇算法(Energy Balanced Clustering algorithm for Self-energized wireless sensor network，EBCS)，該算法在上述 ACSP和AEHAC的基礎(chǔ)上進行完善，在選舉簇頭時考慮了節(jié)點在沒有擔(dān)任簇頭期間總共獲得到的補給能量值;同時在簇間路由方面，EBCS不是把數(shù)據(jù)直接發(fā)送給剩余能量最大的下一跳，而是結(jié)合簇頭當(dāng)前的能量補給水平來選擇路由。但是EBCS的簇頭選舉機制仍舊存在不足，即沒有對競選的簇頭進行能量限制;同時沒有設(shè)立簇頭的連任機制，再進行簇頭選舉只會導(dǎo)致該節(jié)點的加速死亡，節(jié)點無法勝任簇頭的任務(wù)，不僅影響了網(wǎng)絡(luò)性能，也導(dǎo)致了能量的浪費。

上述算法均沒有節(jié)點的復(fù)活機制，即節(jié)點進入休眠狀態(tài)直到積累的能量總值達到設(shè)定門限值時才復(fù)活。

綜上所述，本文在EBCS的基礎(chǔ)提出了基于簇頭優(yōu)化的自供能無線傳感器網(wǎng)絡(luò)分簇路由算法(Clustering routing algorithm based on Cluster-head Optimization for Self-energized wireless sensor network，CCOS)。主要改進如下:1)完善簇頭選舉機制，保證當(dāng)前剩余能量足的節(jié)點才有資格參加簇頭選舉，以此提高網(wǎng)絡(luò)壽命。2)引用并改進簇頭連任機制，保證那些剩余能量高且能量補給水平高的簇頭節(jié)點能夠繼續(xù)連任，以此減少競選簇頭的能量浪費。3)針對網(wǎng)絡(luò)中簇頭和簇成員的不同角色設(shè)計了閾值敏感的節(jié)點復(fù)活機制，當(dāng)節(jié)點死亡后隨機、按比例地判斷自己在復(fù)活后需要擔(dān)任的角色，并根據(jù)軟、硬門限值來決定自己的休眠時間，保證節(jié)點復(fù)活后具有足夠的能量完成數(shù)據(jù)的采集與發(fā)送任務(wù)，以此提高數(shù)據(jù)的成功傳輸率。

2 CCOS描述

本文提出的CCOS與其他分簇路由算法相似，網(wǎng)絡(luò)運行均按輪循環(huán)，每一輪分為簇建立階段和數(shù)據(jù)傳輸階段。CCOS在EBCS的基礎(chǔ)上改進了現(xiàn)有的簇頭選舉機制以及簇頭連任機制，同時提出了閾值敏感的節(jié)點復(fù)活機制。

2.1 簇頭選舉機制

在CCOS中，為了避免能量較低的節(jié)點依然有機會當(dāng)選簇頭問題，該簇頭優(yōu)化方案設(shè)置了競選簇頭的門限Ek_th，即節(jié)點當(dāng)前能量值低于門限值時，節(jié)點不能參加簇頭競選。

本文采用一階無線通信能耗模型［12－13］，在簇的建立過程中，一個包含m個簇成員的簇頭需要消耗的總能量EBuild為:

其中:lS、lR、lT分別代表簇頭發(fā)送的宣告消息、接收的入簇消息、發(fā)送簇成員的時隙消息的比特數(shù);ETx、ERx表示簇頭節(jié)點發(fā)送、接收1 b數(shù)據(jù)所消耗的能量;εfs為采用自由空間模型時功率放大器的能耗因子;d表示通信距離。

在數(shù)據(jù)傳輸階段，簇頭節(jié)點需要接收簇成員的數(shù)據(jù)包，并對所有簇成員的數(shù)據(jù)進行融合、壓縮后發(fā)送給下一跳簇頭節(jié)點，如果沒有合適的下一跳，簇頭節(jié)點就需要通過單跳的方式將數(shù)據(jù)發(fā)送到Sink節(jié)點。簇頭節(jié)點在數(shù)據(jù)傳輸階段需要消耗的最大能耗為 Ech_cost，非簇頭節(jié)點的簇成員最大能耗為Ench_cost，其計算分別如式(2)、(3)所示:

其中:εamp為采用多徑衰減模型時功率放大器的能耗因子;Eelec代表發(fā)射電路損耗因子。

當(dāng)節(jié)點能量小于Ek_th時，節(jié)點就可能無法完全完成簇頭節(jié)點的功能。因此，當(dāng)節(jié)點能量小于Ek_th時，節(jié)點不能競選簇頭節(jié)點。Ek_th的表達式為:

CCOS改進后的簇頭自舉閾值T(i)為:

其中:

式中:r為當(dāng)前輪次;Estart為傳感器初始能量;Eresidual(i)為節(jié)點i在當(dāng)前輪的剩余能量;Eharvest(i，r－j)表示節(jié)點i在第r－j輪中總共獲得的補給能量;Ecurrent為節(jié)點當(dāng)前能量;P為簇頭在全網(wǎng)的比例數(shù);n表示當(dāng)前輪次距離上一次當(dāng)選簇頭輪次的差值，一旦節(jié)點成功競選簇頭，那么n就重新置0。

2.2 簇頭連任機制

假定簇頭節(jié)點i當(dāng)前的剩余能量為Eresidual(i)，當(dāng)前第r輪總共補給的能量為Eharvest(i，r)，那么只要同時滿足以下兩個條件就可以擔(dān)任簇頭:

其中:Ech_cost簇頭節(jié)點在下一輪整個簇的總能量消耗;Ench_costr為非簇頭節(jié)點在一輪中最大的能耗，它等于它直接將數(shù)據(jù)包發(fā)送給Sink節(jié)點所需的能耗。

連任成功的簇頭節(jié)點i廣播一個RE_CH_MSG的消息告知它的簇成員在下一輪它仍為簇頭，簇內(nèi)所有成員接收到該廣播消息后，就在下一輪的開始不再參與簇建立的過程，仍舊按照上一輪分配的時隙將采集到的數(shù)據(jù)發(fā)送給簇頭節(jié)點。周圍其他節(jié)點接收到該廣播消息后對其進行存儲。如果該節(jié)點在新的一輪成功競選為簇頭節(jié)點，那么就提取RE_CH_MSG消息中有關(guān)連任簇頭節(jié)點的相關(guān)信息，作為它的鄰居簇頭節(jié)點;否則競選簇頭失敗的節(jié)點就將RE_CH_MSG消息刪除。

這樣可有效避免那些剩余能量高但是能量補給水平不高的節(jié)點繼續(xù)連任簇頭，因為這樣只會加快該節(jié)點的死亡。而那些上一輪總補給能量大于它當(dāng)簇成員的能耗的節(jié)點，只要具有足夠的剩余能量就可以繼續(xù)擔(dān)任簇頭，這是因為一旦它的剩余能量不足以擔(dān)任簇頭了，由于它的能量補給水平高于當(dāng)簇成員時的能耗，能量補給水平在短期內(nèi)具有一定的連續(xù)性，那么在接下來擔(dān)任簇成員的輪次中，節(jié)點就可以通過環(huán)境能源的補給而使自己的能量逐漸補充回來。

2.3 閾值敏感的節(jié)點復(fù)活機制

在自供能網(wǎng)絡(luò)中，節(jié)點死亡后，如果復(fù)活的能量閾值過大，會造成節(jié)點需要休眠補充能量的時間過長，因而節(jié)點被抑制不能進行正常工作，從而影響了該區(qū)域的數(shù)據(jù)采集。如果復(fù)活能量閾值設(shè)置過小，又可能會造成某些節(jié)點整個采集、發(fā)送數(shù)據(jù)過程還沒進行完再度死亡，造成了對補給能量的浪費，影響了數(shù)據(jù)傳輸成功率。

CCOS提出一種靈活的閾值敏感的復(fù)活機制，即針對網(wǎng)絡(luò)中簇頭和簇成員的不同角色設(shè)計了閾值敏感的節(jié)點復(fù)活機制，即當(dāng)節(jié)點死亡后隨機、按比例地判斷自己在復(fù)活后需要擔(dān)任的角色，并根據(jù)軟、硬門限值來決定自己的休眠時間，保證節(jié)點復(fù)活后具有足夠的能量完成數(shù)據(jù)的采集與發(fā)送任務(wù)，從而保證數(shù)據(jù)傳輸?shù)某晒β?，避免了在全網(wǎng)能量水平很低時，監(jiān)測區(qū)域長時間內(nèi)無數(shù)據(jù)采集上報的情況。在CCOS中定義了兩個復(fù)活能量門限概念:

1)軟門限。定義了一個能量門限值，等于節(jié)點累積到大于它復(fù)活后擔(dān)任角色所需的復(fù)活能量值，在本文中軟門限的值分別為簇頭能耗Ech_cost和簇成員能耗Ench_cost。

2)硬門限。定義了另一個能量門限值，網(wǎng)絡(luò)預(yù)設(shè)的固定的能量復(fù)活值。

假定節(jié)點當(dāng)前能量補給速率為α，每輪經(jīng)歷時間為T。根據(jù)式(2)和(3)可以依次計算出，簇頭節(jié)點接收(N/K－1)個簇成員需要消耗的最大能量為Ech_cost，非簇頭節(jié)點所需的最大能耗為Ench_cost。

CCOS中整個死亡與復(fù)活機制的執(zhí)行過程如下:

1)每輪開始時，節(jié)點i首先進行判斷，若Eresidual(i)大于等于死亡能量值Edead，即節(jié)點當(dāng)前具有足夠能量，直接按正常的分簇算法流程執(zhí)行;若Eresidual(i)小于死亡能量值Edead，則節(jié)點死亡，不再進行簇頭選舉，直接執(zhí)行步驟2)。

2)節(jié)點隨機產(chǎn)生一個0～1的數(shù)，如果這個數(shù)小于預(yù)設(shè)簇頭概率P，那么它在復(fù)活后擔(dān)任簇頭，執(zhí)行步驟3);如果這個數(shù)大于等于P，那么它在復(fù)活后擔(dān)任簇成員，執(zhí)行步驟4)。

3)復(fù)活后擔(dān)任簇頭的節(jié)點i首先判斷軟門限Ech_cost(i)與硬門限Ere_th的大小。若Ech_cost(i)小于Ere_th，那么節(jié)點i就等到它采集到的總補給能量Ere_harvest(i)大于等于Ech_cost(i)時醒來;否則，節(jié)點就等到它采集到的總補給能量Ere_harvest(i)大于等于Ere_th時醒來。之后執(zhí)行步驟5)。

4)復(fù)活后擔(dān)任簇成員的節(jié)點i首先判斷軟門限Ench_cost(i)與剩余能量Eresidual(i)的大小。若Ench_cost(i)小于Eresidual(i)，則直接按正常分簇算法流程執(zhí)行，等待周圍簇頭的廣播消息。若Ench_cost(i)大于等于Eresidual(i)，那么再判斷Ench_cost(i)與硬門限Ere_th的大小，如果Ench_cost(i)小于Ere_th，那么節(jié)點i就等到它采集到的總補給能量Ere_harvest(i)大于等于Ench_cost(i)時醒來;否則節(jié)點就等到它采集到的總補給能量Ere_harvest(i)大于等于Ere_th時醒來。醒來后等待周圍簇頭的廣播消息。

5)發(fā)送簇頭廣播消息，簇頭結(jié)合根據(jù)自己當(dāng)前的剩余能量根據(jù)式(2)計算出m，之后按正常分簇算法流程執(zhí)行，最多接收m個簇成員。

完整的節(jié)點死亡與復(fù)活流程如圖1所示。

圖1 節(jié)點死亡與復(fù)活流程Fig.1 Flow chart of node death and resurrection

當(dāng)全網(wǎng)能量補給水平很低時，隨著網(wǎng)絡(luò)繼續(xù)運行，大量節(jié)點將會進入死亡狀態(tài)。在CCOS中，通過設(shè)計閾值敏感的節(jié)點復(fù)活機制，不僅可以保證網(wǎng)絡(luò)中簇頭的比例，使復(fù)活后的節(jié)點具有足夠的能量來正常執(zhí)行分簇算法的整個過程，提高了數(shù)據(jù)傳輸?shù)某晒β?，也避免了死亡面積大的監(jiān)測區(qū)域長時間沒有節(jié)點采集數(shù)據(jù)的情況，增加了網(wǎng)絡(luò)的壽命。

3 仿真實驗與性能分析

本算法在計算機上使用OPNET仿真軟件進行建模驗證［14］，實驗配置環(huán)境為:硬件環(huán)境為Intel Core i5-3570 CPU@3.40 GHz，操作系統(tǒng)為 Windows 7(64 位)，仿真軟件為OPNET 14.5，其他軟件 Microsoft VC++6.0。該仿真實驗同時選取EBCS作為比較對象，并結(jié)合太陽能的特點，設(shè)置了兩種不同的能量補給場景，通過仿真結(jié)果來比較分析這兩種算法在對節(jié)點平均剩余能量、網(wǎng)絡(luò)存活節(jié)點數(shù)、平均簇頭個數(shù)以及數(shù)據(jù)傳輸成功率等方面性能指標(biāo)的差異。

3.1 仿真場景及參數(shù)設(shè)置

CCOS中節(jié)點的自供能模型采用太陽能，根據(jù)文獻［15］中的太陽能，設(shè)定采能功率密度為15 mW/cm3，電源體積為2節(jié)5號(約9 cm3)的電池。為了驗證CCOS中的簇頭優(yōu)化方案以及復(fù)活機制的可行性，根據(jù)太陽能的能量補給特性，分別在兩種不同的能量補給場景中進行仿真實驗來驗證CCOS的正確性與可靠性。這里規(guī)定仿真總時間為3000 s，每輪時間30 s。

表1 仿真參數(shù)設(shè)置Tab.1 Setting of simulation parameters

網(wǎng)絡(luò)場景面積為300 m*300 m區(qū)域，其中有100個傳感器節(jié)點隨機均勻分布。仿真中能量補給場景結(jié)合日常太陽能的特點分為白天和夜間兩種情況。1)白天時刻補給的能量值分別為:0 s～1 000 s為從0 J遞增至0.000 2 J，1 000 s到2 000 s穩(wěn)定在0.000 2 J，2 000 s～3 000 s能量從 0.000 2 J遞減為0 J。2)夜間時刻，節(jié)點均處于低能量補給的穩(wěn)定狀態(tài)，能量補給值設(shè)置為0.000 01 J。

3.2 能量補給場景一的仿真結(jié)果與性能分析

在能量補給場景一中，節(jié)點所獲得的太陽能在白天的變化分別為遞增、穩(wěn)定和遞減狀態(tài)，利用這一能量補給特點，分別分析在不同時刻下節(jié)點的平均剩余能量、網(wǎng)絡(luò)存活節(jié)點數(shù)和數(shù)據(jù)傳輸成功率，仿真結(jié)果如圖2所示。

圖2 場景一不同算法的性能對比Fig.2 Performance comparison of different algorithms in scene one

1)節(jié)點平均剩余能量。

圖2(a)表示兩種算法網(wǎng)絡(luò)中所有傳感器節(jié)點在不同輪次時的平均剩余能量水平，可以看出，CCOS的節(jié)點平均剩余能量整體均大于EBCS。在前30輪中兩種算法均處于下降趨勢，隨著補給能量逐漸增加，CCOS采用的簇頭連任機制可以有效減少整個簇在建立過程中能量的消耗，因此CCOS的剩余能量水平在逐漸上升，同時CCOS對自舉簇頭閾值進行了深一步的優(yōu)化，當(dāng)前能量較低的節(jié)點只有等補給到足夠的能量才能競選簇頭，避免了采集到的環(huán)境能量浪費。而在EBCS中，節(jié)點平均剩余能量仍舊處于下降趨勢，但是下降幅度明顯隨著補給能量的增加而減小。在仿真2000 s后，隨著補給能量的開始減少，CCOS和EBCS的節(jié)點平均剩余能量均開始下降，但CCOS仍然高于EBCS。

2)網(wǎng)絡(luò)存活節(jié)點數(shù)。

當(dāng)網(wǎng)絡(luò)中有大量節(jié)點死亡后，死亡節(jié)點所處區(qū)域的數(shù)據(jù)信息就不能得到及時采集、監(jiān)測。圖2(b)表示的仿真結(jié)果是在不同輪次中兩種算法網(wǎng)絡(luò)中存活的可以正常工作的節(jié)點數(shù)，可以看出，CCOS的網(wǎng)絡(luò)存活節(jié)點數(shù)量高于EBCS，是因為CCOS在設(shè)計簇頭閾值時考慮了節(jié)點的當(dāng)前能量能否勝任下一輪簇頭的能量消耗，如果能勝任則該節(jié)點才有機會競選簇頭，否則就將自己當(dāng)前輪的簇頭選舉閾值修改為零，這就保證了那些能量足的節(jié)點能夠選舉簇頭，避免了簇通信過程中簇頭節(jié)點能量不足而死去的情況。在EBCS中，節(jié)點隨機選舉簇頭節(jié)點，當(dāng)前能量小的節(jié)點也有可能成為簇頭節(jié)點，最終導(dǎo)致過早死亡，因此網(wǎng)絡(luò)存活節(jié)點數(shù)小于CCOS。

3)數(shù)據(jù)傳輸成功率。

圖2(c)表示在不同輪次中兩種算法網(wǎng)絡(luò)中傳感器節(jié)點在數(shù)據(jù)通信階段的成功率計算，可以看出，在CCOS中，數(shù)據(jù)傳輸成功率要大于EBCS，這是由于改善后的簇頭選舉機制能夠有效保證能量大的節(jié)點才有機會競選簇頭，在發(fā)送與轉(zhuǎn)發(fā)數(shù)據(jù)時具有足夠的能量，不會導(dǎo)致數(shù)據(jù)傳輸?shù)氖?，因此?shù)據(jù)傳輸成功率也就增加。而在EBCS中，在每一輪開始選舉簇頭時，有可能會出現(xiàn)當(dāng)前能量比較小的節(jié)點最終成功當(dāng)選為簇頭，導(dǎo)致簇頭在發(fā)送與轉(zhuǎn)發(fā)數(shù)據(jù)的過程中因為沒有足夠的能量而無法將數(shù)據(jù)成功發(fā)送出去，從而影響了數(shù)據(jù)傳輸成功率。

3.3 能量補給場景二的仿真結(jié)果與性能分析

在能量補給場景二中，節(jié)點所獲得的太陽能在夜間的變化規(guī)律為低能量補給的穩(wěn)定狀態(tài)，利用這一能量補給特點來分析網(wǎng)絡(luò)存活節(jié)點數(shù)、平均簇頭個數(shù)和數(shù)據(jù)傳輸成功率，仿真結(jié)果如圖3所示。

圖3 場景二不同算法的性能對比Fig.3 Performance comparison of different algorithms in scene two

1)網(wǎng)絡(luò)存活節(jié)點數(shù)。

圖3(a)表示在夜間時兩種算法網(wǎng)絡(luò)中的存活節(jié)點數(shù)，可以看出，由于當(dāng)前能量補給水平很低，節(jié)點所獲得補給能量要遠遠小于節(jié)點的能量消耗，因此CCOS和EBCS兩個算法的網(wǎng)絡(luò)存活節(jié)點數(shù)均處于下降狀態(tài)。由于EBCS的簇頭選舉閾值不夠完善，同時采用了固定的能量閾值的復(fù)活機制，節(jié)點死亡后的總能量只有達到一個設(shè)定的能量值時才能復(fù)活。而在CCOS中，只有當(dāng)前能量充足的節(jié)點才能競選，避免了競選出來的簇頭過早死亡，此外CCOS采用的節(jié)點復(fù)活機制，使節(jié)點在滿足軟、硬閾值其中之一時就可以復(fù)活，因此節(jié)點復(fù)活速度要快于EBCS。

2)平均簇頭個數(shù)。

圖3(b)表示在夜間時兩種算法網(wǎng)絡(luò)的平均簇頭個數(shù)計算，可以看出，隨著網(wǎng)絡(luò)運行，網(wǎng)絡(luò)中的平均簇頭個數(shù)逐漸減少。這是因為當(dāng)前能量補給水平一直很低，在網(wǎng)絡(luò)后期節(jié)點的大量死亡以及簇頭自舉閾值越來越小都會影響網(wǎng)絡(luò)中的簇頭個數(shù)。在CCOS中，當(dāng)節(jié)點死亡后需要隨機、按比例地判斷自己在復(fù)活后需要擔(dān)任簇頭節(jié)點還是簇成員節(jié)點，因此，在網(wǎng)絡(luò)能量水平不斷下降的同時能夠較好地保持網(wǎng)絡(luò)中簇頭的數(shù)目。而在EBCS中，當(dāng)網(wǎng)絡(luò)能量水平很低時，節(jié)點的選舉閾值越來越小，同時節(jié)點復(fù)活后，不管自己當(dāng)前的能量能否勝任簇頭一職，都會開始參加簇頭選舉。但是由于剛復(fù)活時的能量特別小，因此節(jié)點的簇頭自舉閾值很小，導(dǎo)致選舉出來的網(wǎng)絡(luò)中簇頭數(shù)目很少，從而使網(wǎng)絡(luò)平均簇頭個數(shù)較少。

3)數(shù)據(jù)傳輸成功率。

圖3(c)表示在夜間時兩種算法網(wǎng)絡(luò)中節(jié)點的數(shù)據(jù)傳輸成功率，可以看出，CCOS的數(shù)據(jù)傳輸成功率高于EBCS。這是因為CCOS采用的簇頭自舉閾值函數(shù)保證了選舉出來的簇頭節(jié)點能夠成功有效地傳輸數(shù)據(jù)，同時，當(dāng)節(jié)點進入死亡狀態(tài)時已經(jīng)確定了復(fù)活后是當(dāng)選簇頭還是簇成員，如果擔(dān)任簇頭節(jié)點，那么就按簇頭所需的能量計算自己的軟門限，當(dāng)它累積到足夠建簇和簇間通信時所需能耗后復(fù)活，因此它具有足夠的能量保證數(shù)據(jù)成功的傳輸。而EBCS在隨機選舉簇頭時有可能讓能量很低的節(jié)點當(dāng)選簇頭，簇頭因為沒有足夠的能量發(fā)送或者轉(zhuǎn)發(fā)數(shù)據(jù)，從而降低數(shù)據(jù)傳輸成功率。

4 結(jié)語

在現(xiàn)有自供能網(wǎng)絡(luò)算法中簇頭選舉機制不合理、簇頭不能連任以及沒有節(jié)點復(fù)活機制的基礎(chǔ)上，本文提出了一種基于簇頭優(yōu)化的自供能無線傳感器網(wǎng)絡(luò)分簇路由算法(CCOS)。CCOS對簇頭選舉閾值進行了深一步優(yōu)化，引入并改進了簇頭連任機制，使簇頭結(jié)合自己的能量補給水平來決定自己能否在下一輪繼續(xù)連任簇頭。CCOS還提出了節(jié)點閾值敏感的復(fù)活機制，使節(jié)點的能量復(fù)活閾值不是固定的，而是更加地靈活。最后通過使用OPNET仿真工具，在兩種不同的太陽能能量補給仿真場景中對CCOS和EBCS進行仿真分析，仿真結(jié)果分析表明:CCOS的節(jié)點剩余能量水平較高，其中網(wǎng)絡(luò)存活節(jié)點數(shù)量增加約8%，數(shù)據(jù)傳輸成功率增加了約5%，因此可以更好合理地利用太陽能補給能量來增加網(wǎng)絡(luò)的正常運行時間，保證網(wǎng)絡(luò)通信數(shù)據(jù)傳輸速率。未來將結(jié)合更多復(fù)雜的能量補給環(huán)境、如振動能、風(fēng)能等來研究傳感器網(wǎng)絡(luò)的路由算法。