基于雙簇頭及數(shù)據(jù)融合的改進(jìn)LEACH算法的網(wǎng)絡(luò)拓?fù)淇刂蒲芯?/h1>
2021-09-13 02:13:12宋錦波徐海芹宮曉慧劉洋
宋錦波 徐海芹 宮曉慧 劉洋
摘要：針對(duì)LEACH算法固有的能量損耗問題，對(duì)其數(shù)據(jù)融合率以及簇頭的選舉進(jìn)行重新規(guī)劃。在數(shù)據(jù)融合階段，采用模糊理論定義各節(jié)點(diǎn)的信任度，實(shí)現(xiàn)最優(yōu)形式進(jìn)行數(shù)據(jù)融合。利用最優(yōu)簇頭率求解最佳簇頭數(shù)目，引入主副簇頭概念，有效保證了數(shù)據(jù)安全性，且以特有雙簇頭輪換模式減少了能量的損耗。研究結(jié)果表明，該算法可以有效減少簇頭競選次數(shù)，避免不必要能量損耗，延長網(wǎng)絡(luò)生存周期。
關(guān)鍵詞：數(shù)據(jù)融合率;最優(yōu)簇頭數(shù);雙簇頭;網(wǎng)絡(luò)生存周期
中圖分類號(hào)：TP393
文獻(xiàn)標(biāo)志碼：A
文章編號(hào)：1006-1037（2021）03-0022-06
隨著無線傳感器網(wǎng)絡(luò)的不斷發(fā)展，應(yīng)用范圍也隨之不斷地?cái)U(kuò)大，現(xiàn)已被廣泛的應(yīng)用在數(shù)據(jù)采集、軍事偵察、環(huán)境檢測等方面，網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)可以感知周圍環(huán)境[1]，對(duì)數(shù)據(jù)進(jìn)行接收、處理和轉(zhuǎn)發(fā)。在無線傳感器網(wǎng)絡(luò)中，從路由結(jié)構(gòu)要素出發(fā)可以分為平面路由協(xié)議和分簇路由協(xié)議[2-3]。前者設(shè)計(jì)較為簡單，適用于小型網(wǎng)絡(luò)環(huán)境中;后者的健壯性較好，擴(kuò)展性佳，相對(duì)于平面路由協(xié)議有著較為明顯的優(yōu)勢。LEACH協(xié)議作為一種比較經(jīng)典的分簇路由協(xié)議，基于傳統(tǒng)分簇協(xié)議，將感知到的數(shù)據(jù)發(fā)送到無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，后簡稱WSN）選取的簇頭（Cluster Header，后簡稱CH）上，簇頭節(jié)點(diǎn)將接收到的數(shù)據(jù)轉(zhuǎn)發(fā)送至基站處，數(shù)據(jù)的接收與轉(zhuǎn)發(fā)是一個(gè)消耗能量的過程[4]，而數(shù)據(jù)的接收與轉(zhuǎn)發(fā)又分為簇內(nèi)集群信息的傳遞以及簇間信息的傳遞[5]，傳輸?shù)臄?shù)據(jù)量在能量損耗中占了一定的比重。LEACH不僅在選取簇頭時(shí)具有很大的隨機(jī)性，在冗余數(shù)據(jù)上也沒有做過多的處理，但網(wǎng)絡(luò)的生存周期與分簇的結(jié)果和數(shù)據(jù)量的發(fā)送息息相關(guān)，為了優(yōu)化能量消耗并延長網(wǎng)絡(luò)的周期[6]，現(xiàn)對(duì)網(wǎng)絡(luò)的簇頭的選取進(jìn)行重新規(guī)劃，首先計(jì)算出當(dāng)前網(wǎng)絡(luò)環(huán)境的最優(yōu)簇頭數(shù)目[7-9]并對(duì)此進(jìn)行合理劃分區(qū)域[10]，同時(shí)引入雙簇頭概念[11]，簇頭的選舉會(huì)考慮通信代價(jià)[12]，對(duì)于數(shù)據(jù)傳輸中的冗余數(shù)據(jù)計(jì)算出最優(yōu)融合率[13]，以達(dá)到有效地延長網(wǎng)絡(luò)的生命周期[14]。
1 LEACH算法介紹
LEACH（Low Energy Adaptive Clustering Hierarchy）算法是Heinzelman提出的一種低能耗自適應(yīng)聚簇分層型協(xié)議算法，是一種以輪的形式進(jìn)行迭代的算法，每個(gè)輪分為初始化和穩(wěn)定通信兩個(gè)階段。初始化時(shí)每一輪會(huì)隨機(jī)選舉簇頭，給予每個(gè)節(jié)點(diǎn)一個(gè)隨機(jī)值，并與閾值T（n）進(jìn)行比較。當(dāng)小于閾值T（n）時(shí)，則當(dāng)前節(jié)點(diǎn)被選舉成為簇頭節(jié)點(diǎn);穩(wěn)定通信時(shí)，節(jié)點(diǎn)向簇頭傳送數(shù)據(jù)，簇頭接收簇內(nèi)節(jié)點(diǎn)數(shù)據(jù)并轉(zhuǎn)發(fā)到基站。
1.1 LEACH算法的簇頭選舉階段和簇的形成
LEACH算法在每一輪都會(huì)重新構(gòu)建簇的集群，首先網(wǎng)絡(luò)內(nèi)的各節(jié)點(diǎn)會(huì)隨機(jī)生成一個(gè)[0，1]之間的數(shù)值rand，然后將這個(gè)節(jié)點(diǎn)的rand值與T（n）比較，當(dāng)前節(jié)點(diǎn)rand值小于當(dāng)前的閾值時(shí)，則該節(jié)點(diǎn)被標(biāo)記成為該輪次的簇頭節(jié)點(diǎn)，否則該節(jié)點(diǎn)為普通節(jié)點(diǎn)。T（n）的計(jì)算公式
其中，p是簇頭在網(wǎng)絡(luò)中的節(jié)點(diǎn)所占的比例，r是當(dāng)前選舉的輪數(shù)，n是網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)，S是r輪后還未當(dāng)選過簇頭的節(jié)點(diǎn)的集合。
當(dāng)每一輪選舉出簇頭后，簇頭節(jié)點(diǎn)會(huì)發(fā)布廣播信息告知自己可達(dá)跳數(shù)范圍內(nèi)的節(jié)點(diǎn)自己當(dāng)選簇頭的信息，節(jié)點(diǎn)會(huì)根據(jù)各自接收到的節(jié)點(diǎn)的信息強(qiáng)度進(jìn)行判斷自己屬于哪個(gè)簇頭節(jié)點(diǎn)構(gòu)建的集群（就近原則），然后簇內(nèi)節(jié)點(diǎn)會(huì)發(fā)送自己的節(jié)點(diǎn)id和位置信息到簇頭處，簇頭構(gòu)建簇群內(nèi)節(jié)點(diǎn)信息表進(jìn)行保存，同時(shí)簇頭按照時(shí)分復(fù)用（Time Division Multiple Access，后簡稱TDMA）為每一個(gè)節(jié)點(diǎn)劃分時(shí)隙用以發(fā)送數(shù)據(jù)或停止工作進(jìn)入睡眠狀態(tài)，簇內(nèi)節(jié)點(diǎn)會(huì)根據(jù)TDMA原則采集數(shù)據(jù)和發(fā)送數(shù)據(jù)到簇頭處，同時(shí)在自己的休眠時(shí)間點(diǎn)不再工作，進(jìn)入睡眠狀態(tài)后直到下一次被喚醒。當(dāng)簇內(nèi)節(jié)點(diǎn)信息發(fā)送完畢后，簇頭將接受該數(shù)據(jù)并與其自身的數(shù)據(jù)進(jìn)行一定的融合，融合后的數(shù)據(jù)將被發(fā)送至基站處，基站會(huì)接收所有簇頭節(jié)點(diǎn)的信息然后統(tǒng)一將節(jié)點(diǎn)信息發(fā)送到用戶處，如此反復(fù)進(jìn)行，每一輪都需要重新選舉簇頭節(jié)點(diǎn)。
1.2 LEACH算法的能量消耗
LEACH的能量損耗主要在于節(jié)點(diǎn)發(fā)送數(shù)據(jù)和接收數(shù)據(jù)兩方面，其中普通節(jié)點(diǎn)發(fā)送數(shù)據(jù)和接收數(shù)據(jù)的能量損耗為
其中，Eelec為無線電接收和發(fā)送單位比特?cái)?shù)據(jù)的能耗系數(shù)，參數(shù)εfs和εmp代表的是自由空間模型的能耗系數(shù)和多徑衰落能耗中的系數(shù)，d0= εfs/εmp，d0決定了LEACH使用什么樣的模型，d是目標(biāo)節(jié)點(diǎn)到源節(jié)點(diǎn)的距離，當(dāng)節(jié)點(diǎn)距離小于等于d0時(shí)，傳輸模型采用自由空間模型，反之則使用多徑衰落模型。
節(jié)點(diǎn)接收L位數(shù)據(jù)的能量損耗為
2 TLE-LEACH算法
針對(duì)傳統(tǒng)LEACH算法的不足，本文提出基于融合率和計(jì)算簇頭節(jié)點(diǎn)最低能耗的改進(jìn)TLE-LEACH（The Least Energy- Low Energy Adaptive Clustering Hierarchy）算法。引入數(shù)據(jù)融合率，首先利用信任度函數(shù)計(jì)算綜合信任度，搭建信任矩陣，在簇頭處對(duì)傳感器節(jié)點(diǎn)所測得數(shù)據(jù)進(jìn)行一定的融合，發(fā)送給基站;再根據(jù)能量損耗最低的原則進(jìn)行簇頭選取，分別計(jì)算簇內(nèi)各節(jié)點(diǎn)和簇頭節(jié)點(diǎn)所需的能量損耗，考慮節(jié)點(diǎn)的信任度，計(jì)算求得最佳簇頭C1和C2，C2作為備選簇頭，當(dāng)C1的能量低于簇內(nèi)節(jié)點(diǎn)的平均能量時(shí)，備選簇頭C2則代替C1進(jìn)行數(shù)據(jù)傳輸，二者不斷輪換當(dāng)選簇頭，直到C1、C2能量均低于簇內(nèi)平均能量時(shí)，簇內(nèi)開始重新選舉簇頭。當(dāng)網(wǎng)絡(luò)內(nèi)70%節(jié)點(diǎn)死亡后，節(jié)點(diǎn)采用單步傳輸數(shù)據(jù)到基站，直到90%節(jié)點(diǎn)死亡，網(wǎng)絡(luò)癱瘓。
2.1 簇的形成階段
在節(jié)點(diǎn)比較密集的地方，不可避免地會(huì)出現(xiàn)節(jié)點(diǎn)收集到的信息是重復(fù)的，傳輸這些數(shù)據(jù)對(duì)于簇頭的能量損耗是比較大的，所以需要在簇頭節(jié)點(diǎn)處對(duì)冗余數(shù)據(jù)進(jìn)行一定的融合，引入數(shù)據(jù)融合率的概念，以減少數(shù)據(jù)的冗余。
由文獻(xiàn)[15]可知，數(shù)據(jù)融合率算方法如下：初始化網(wǎng)絡(luò)迭代的輪數(shù)，節(jié)點(diǎn)需要計(jì)算集群內(nèi)各節(jié)點(diǎn)對(duì)于自己的信任度并采用模糊理論對(duì)數(shù)據(jù)之間的接近程度進(jìn)行處理，利用其構(gòu)建信任矩陣w，計(jì)算數(shù)據(jù)融合率并利用矩陣存儲(chǔ)相應(yīng)的信息。
信任度函數(shù)構(gòu)建如下：N個(gè)傳感器節(jié)點(diǎn)對(duì)于同一數(shù)據(jù)進(jìn)行監(jiān)測，Xi和Xj為第i個(gè)節(jié)點(diǎn)和第j個(gè)節(jié)點(diǎn)測得的數(shù)據(jù)，且都服從高斯分布，pi（x） 和pj（x）是傳感器的特性函數(shù)，Xi和Xj的一次觀測值用xi，xj表示，二者之間的偏差用置信距離測度反映。
2.2 最優(yōu)簇頭數(shù)的計(jì)算
在一個(gè)網(wǎng)絡(luò)中，節(jié)點(diǎn)當(dāng)選簇頭后需要承擔(dān)發(fā)送數(shù)據(jù)到基站并接收節(jié)點(diǎn)信息的任務(wù)，同時(shí)告知節(jié)點(diǎn)自己成為簇頭信息等。但這些過程都需要消耗能量，簇頭數(shù)目過多時(shí)，簇頭節(jié)點(diǎn)與基站直接進(jìn)行信息傳輸，會(huì)增加網(wǎng)絡(luò)節(jié)點(diǎn)的能耗，簇頭數(shù)目較少時(shí)，會(huì)加大簇頭的能量損耗，加重簇頭負(fù)擔(dān)，以至于簇頭過快死亡影響整個(gè)網(wǎng)絡(luò)的運(yùn)行[8]。當(dāng)選舉出來的簇頭節(jié)點(diǎn)的位置距離基站較遠(yuǎn)時(shí)，簇頭到基站的數(shù)據(jù)傳輸壓力就會(huì)加大，嚴(yán)重影響了簇頭的存活性，因而簇頭數(shù)目的多少和分布關(guān)乎到整個(gè)網(wǎng)絡(luò)的生存周期。
由此可見網(wǎng)絡(luò)的區(qū)域劃分即簇頭的數(shù)目對(duì)于網(wǎng)絡(luò)整體生存周期的延長十分重要，而原有的LEACH算法生成的簇頭數(shù)具有隨機(jī)性，對(duì)于傳感器節(jié)點(diǎn)賦予的隨機(jī)數(shù)的大小依賴十分巨大，在LEACH初步分區(qū)的基礎(chǔ)上根據(jù)當(dāng)前能量的損耗計(jì)算出當(dāng)前網(wǎng)絡(luò)中的最佳簇頭數(shù)k并根據(jù)簇頭的數(shù)目進(jìn)行區(qū)域的劃分。
假設(shè)此時(shí)網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)為N，簇頭節(jié)點(diǎn)的能量損耗主要在于接收節(jié)點(diǎn)的數(shù)據(jù)所造成的能量損耗ERN，轉(zhuǎn)發(fā)數(shù)據(jù)到基站所造成的能量損耗EHB以及對(duì)節(jié)點(diǎn)傳送過來的數(shù)據(jù)進(jìn)行融合所造成的能量損耗EDA。簇頭節(jié)點(diǎn)接收集群內(nèi)節(jié)點(diǎn)的數(shù)據(jù)造成的能量損耗為[19]
其中，Nalive指的是當(dāng)前網(wǎng)絡(luò)中的節(jié)點(diǎn)存活數(shù)量，根據(jù)kopt對(duì)網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)進(jìn)行區(qū)域的劃分，令kopt=k，分區(qū)完成后會(huì)根據(jù)每一輪的節(jié)點(diǎn)存活數(shù)目重新計(jì)算出最優(yōu)的簇頭數(shù)并以此重新進(jìn)行區(qū)域劃分，傳統(tǒng)的區(qū)域劃分是k個(gè)區(qū)域內(nèi)定義k個(gè)簇頭，簇頭承擔(dān)起簇內(nèi)集群內(nèi)節(jié)點(diǎn)的數(shù)據(jù)轉(zhuǎn)發(fā)和融合，但由于考慮傳感器節(jié)點(diǎn)傳輸數(shù)據(jù)安全性以及在競選簇頭階段減少能量損耗的需要，現(xiàn)提出主副簇頭的概念，在k個(gè)區(qū)域內(nèi)現(xiàn)引入副簇頭，區(qū)域內(nèi)簇頭節(jié)點(diǎn)依據(jù)每個(gè)簇頭節(jié)點(diǎn)能量損耗最少的原則進(jìn)行競聘，網(wǎng)絡(luò)能耗最少的當(dāng)選主簇頭C1（Cluster1），能量消耗其次的，并引入主簇頭和基站的距離因子考慮C2（Cluster2）副簇頭。副簇頭用于接收主簇頭傳遞過來的數(shù)據(jù)，保證了數(shù)據(jù)的安全性，防止主簇頭突然死亡引起的數(shù)據(jù)丟失;另一方面，當(dāng)主簇頭的能量低于簇內(nèi)節(jié)點(diǎn)平均能量時(shí)，會(huì)比較副簇頭與簇內(nèi)平均能量的大小，若高于簇內(nèi)平均能量，則副簇頭當(dāng)選為主簇頭，主簇頭為副簇頭，直到主副簇頭的能量均低于簇內(nèi)能量或副簇頭能量低于總能量的10%時(shí)，進(jìn)行下一輪簇頭選舉，極大的減少了由簇頭的選舉而帶來的能量損耗。
3 實(shí)驗(yàn)結(jié)果分析
在300×300的區(qū)間內(nèi)隨機(jī)分布了200個(gè)傳感器節(jié)點(diǎn)，各節(jié)點(diǎn)通信能力相同，初始能量均相同，基站位于中心位置。仿真環(huán)境是Matlab2017b，電腦為聯(lián)想拯救y7000，處理器為Intel（R） Core（TM） i7-9750H。
3.1 死亡節(jié)點(diǎn)數(shù)
整個(gè)傳感器網(wǎng)絡(luò)的性能好壞與傳感器網(wǎng)絡(luò)的生存時(shí)間息息相關(guān)，現(xiàn)通過各時(shí)間的節(jié)點(diǎn)死亡數(shù)目來進(jìn)行衡量。圖1是協(xié)議改進(jìn)前后死亡節(jié)點(diǎn)數(shù)隨時(shí)間變化的曲線，可以看出LEACH算法在2 000輪左右時(shí)，90%節(jié)點(diǎn)已經(jīng)全部死亡，網(wǎng)絡(luò)自此進(jìn)入癱瘓不再感知和傳送數(shù)據(jù)。TLE-LEACH算法在前期節(jié)點(diǎn)死亡較多是因?yàn)榍捌诖仡^C1和C2承擔(dān)的簇內(nèi)節(jié)點(diǎn)數(shù)據(jù)的接收，距離較遠(yuǎn)的容易較先死亡，在網(wǎng)絡(luò)的500輪后，TLE-LEACH算法節(jié)點(diǎn)死亡速率較為平緩，網(wǎng)絡(luò)生命周期持續(xù)到了15 000輪左右，相對(duì)于LEACH的2 000輪，網(wǎng)絡(luò)的生命周期有了較好的改善。
3.2 網(wǎng)絡(luò)能耗圖
網(wǎng)絡(luò)的總能量消耗可以衡量一個(gè)系統(tǒng)性能上的好壞，節(jié)點(diǎn)的能量損耗在傳感器網(wǎng)絡(luò)中占據(jù)了較為重要的部分，圖2是協(xié)議改進(jìn)前后網(wǎng)絡(luò)能量隨著時(shí)間變化的曲線，如圖所示LEACH在2 000輪左右能量消耗殆盡，而TLE-LEACH在后續(xù)的競選中簇頭C1、C2競選次數(shù)越來越少，使得能量的損耗大為減少，直到15 000輪左右時(shí)能量幾乎耗盡，有效的延長了網(wǎng)絡(luò)生存周期。
3.3 基站接收數(shù)據(jù)
圖3是協(xié)議改進(jìn)前后基站數(shù)據(jù)的接收量隨著時(shí)間的變化的曲線圖，可以看出TLE-LEACH算法在數(shù)據(jù)的轉(zhuǎn)發(fā)量上有了較大的改進(jìn)，原有的LEACH算法由于每輪選舉簇頭導(dǎo)致能量消耗較快，生命周期較短，發(fā)送數(shù)據(jù)量少，Sink節(jié)點(diǎn)接收的數(shù)據(jù)量就少，而TLE-LEACH算法的數(shù)據(jù)融合、最優(yōu)簇頭和雙簇頭機(jī)制有效的加長了網(wǎng)絡(luò)的生存周期，增加了數(shù)據(jù)的發(fā)送量和基站接收的數(shù)據(jù)量，相對(duì)于LEACH算法，數(shù)據(jù)量的接收提升較大。
4 結(jié)論
無線傳感器網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)自身能量受限，且在一些惡劣的環(huán)境中，節(jié)點(diǎn)不易被替換，故需要盡量減少網(wǎng)絡(luò)能耗，盡可能的延長網(wǎng)絡(luò)生命周期。本文首先分析了LEACH協(xié)議，針對(duì)傳統(tǒng)的LEACH算法，TLE-LEACH算法首先在簇頭節(jié)點(diǎn)的選擇上考慮了對(duì)冗余數(shù)據(jù)的融合以及最優(yōu)簇頭率，其次在LEACH的基礎(chǔ)上引入了雙簇頭的概念，一方面加強(qiáng)了數(shù)據(jù)傳輸?shù)陌踩?，另一方面由于減少了簇頭的輪換進(jìn)而減少了能量損耗以達(dá)到延長網(wǎng)絡(luò)生存時(shí)間，傳輸更多數(shù)據(jù)的目的。仿真實(shí)驗(yàn)結(jié)果表明，本文提出的TLE-LEACH算法可以有效地延長網(wǎng)絡(luò)生存時(shí)間，降低能耗，提升基站接收到的數(shù)據(jù)量，進(jìn)而提升了網(wǎng)絡(luò)整體的性能。本文依舊存在不足，在副簇頭的選取時(shí)由于LEACH算法的隨機(jī)性過大，網(wǎng)絡(luò)節(jié)點(diǎn)內(nèi)分區(qū)的數(shù)目會(huì)隨之改變，主副簇頭的選取也會(huì)隨之改變，能量損耗與主副簇頭的選取個(gè)數(shù)以及位置有關(guān)。簇內(nèi)節(jié)點(diǎn)到簇頭的數(shù)據(jù)傳輸以及簇頭到基站的數(shù)據(jù)也是單跳形式進(jìn)行傳輸，造成的能量損耗較大。在后續(xù)的工作中，可以考慮對(duì)LEACH算法的簇頭選取進(jìn)行一定的約束，同時(shí)在簇內(nèi)和簇間數(shù)據(jù)傳輸時(shí)引入不同的路徑規(guī)劃算法，減少傳感器網(wǎng)絡(luò)的能量損耗來更好的延長網(wǎng)絡(luò)生命周期。
參考文獻(xiàn)
[1]YANG L， LU Y， LIU S， et al. A Dynamic behavior monitoring game based trust evaluation scheme for clustering in wireless sensor networks[J]. IEEE Access， 2018， （99）： 71404-71412.
[2]李蘭鳳，馬佳榮.無線傳感器網(wǎng)絡(luò)路由協(xié)議分析[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2019（5）：64-66.
[3]劉偉，杜佳鴻，賈素玲，等.能量有效的無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議[J].北京航空航天大學(xué)學(xué)報(bào)，2019，45（1）：50-56.
[4]徐晶晶，張欣慧，許必宵，等.無線傳感器網(wǎng)絡(luò)分簇算法綜述[J].計(jì)算機(jī)科學(xué)，2017，44（2）：31-37.
[5]CHEN D R， CHEN L C， CHEN M Y， et al. A coverage-aware and energy-efficient protocol for the distributed wireless sensor networks. 2019， 137：15-31.
[6]KHALIL E A， ATTEA B A， et al. Energy-aware evolutionary routing protocol for dynamic clustering of wireless sensor networks [J]. Swarm and Evolutionary Computation， 2011， 1（4）：195-203.
[7]李雪，南建國.基于IK-means聚類的分簇路由算法[J/OL].計(jì)算機(jī)應(yīng)用研究：1-7[2021-01-29].https：//doi.org/10.19734/j.issn.1001-3695.2020.04.0104.
[8]章春華，陳宏偉.LEACH協(xié)議簇頭選擇算法的改進(jìn)與研究[J].湖北工業(yè)大學(xué)學(xué)報(bào)，2012，27（2）：19-22.
[9]郭前崗，周德祥，周西峰.LEACH路由協(xié)議最優(yōu)簇頭數(shù)計(jì)算方法[J].微型機(jī)與應(yīng)用，2013，32（3）：61-63+66.
[10] 蔣勇，趙作鵬.低能耗的無線傳感網(wǎng)絡(luò)分層聚類與節(jié)點(diǎn)管理機(jī)制[J].計(jì)算機(jī)工程與設(shè)計(jì)，2019，40（3）：638-643.
[11] 張頂，張琳.基于K-Means的WSN動(dòng)態(tài)信任度雙簇頭選取算法[J].南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，40（2）：108-114.
[12] 李蕾，方明科.基于證據(jù)理論加權(quán)融合的無線傳感器網(wǎng)絡(luò)路由算法[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2020，58（5）：1223-1228.
[13] 孔玉靜，侯鑫，華爾天，等.基于BP神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)路由協(xié)議的研究[J].傳感技術(shù)學(xué)報(bào)，2013，26（2）：246-251.
[14] 石蔚，賈小珠. 一種Ad Hoc網(wǎng)絡(luò)混合式分簇路由算法[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，22（4）：62-66.
[15] 張秋，梁小凡，孫順遠(yuǎn)，等.基于數(shù)據(jù)融合率的WSN節(jié)能策略[J].計(jì)算機(jī)測量與控制，2013，21（2）：454-457.
[16] DANIEL C. On the solution of linear differential equations with singular coefficients[J]. Journal of Differential Equations， 1982， 46（2）： 310-323.
[17] MADAN R， LALL S. Distributed algorithms for maximum lifetime routing in wireless sensor networks[J]. IEEE Trans on Wireless Communications， 2006， 5（8）： 2185-2193.
[18] 王勇，楊杰.基于無線傳感網(wǎng)絡(luò)定位的網(wǎng)關(guān)功能模塊的實(shí)現(xiàn)[J]. 青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，29（1）：80-84.
[19] 章春華，陳宏偉.LEACH協(xié)議簇頭選擇算法的改進(jìn)與研究[J].湖北工業(yè)大學(xué)學(xué)報(bào)，2012，27（2）：19-22.
[20] SOURABH P， AVINASH K. An application and architecture of low energy adaptive clustering hierarchy protocol in wireless microsensor network[J].Intematioual Journal of Engineering，Science and Mathematic， 2018， 7（3）：314-326.
宋錦波 徐海芹 宮曉慧 劉洋
摘要：針對(duì)LEACH算法固有的能量損耗問題，對(duì)其數(shù)據(jù)融合率以及簇頭的選舉進(jìn)行重新規(guī)劃。在數(shù)據(jù)融合階段，采用模糊理論定義各節(jié)點(diǎn)的信任度，實(shí)現(xiàn)最優(yōu)形式進(jìn)行數(shù)據(jù)融合。利用最優(yōu)簇頭率求解最佳簇頭數(shù)目，引入主副簇頭概念，有效保證了數(shù)據(jù)安全性，且以特有雙簇頭輪換模式減少了能量的損耗。研究結(jié)果表明，該算法可以有效減少簇頭競選次數(shù)，避免不必要能量損耗，延長網(wǎng)絡(luò)生存周期。
關(guān)鍵詞：數(shù)據(jù)融合率;最優(yōu)簇頭數(shù);雙簇頭;網(wǎng)絡(luò)生存周期
中圖分類號(hào)：TP393
文獻(xiàn)標(biāo)志碼：A
文章編號(hào)：1006-1037（2021）03-0022-06
隨著無線傳感器網(wǎng)絡(luò)的不斷發(fā)展，應(yīng)用范圍也隨之不斷地?cái)U(kuò)大，現(xiàn)已被廣泛的應(yīng)用在數(shù)據(jù)采集、軍事偵察、環(huán)境檢測等方面，網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)可以感知周圍環(huán)境[1]，對(duì)數(shù)據(jù)進(jìn)行接收、處理和轉(zhuǎn)發(fā)。在無線傳感器網(wǎng)絡(luò)中，從路由結(jié)構(gòu)要素出發(fā)可以分為平面路由協(xié)議和分簇路由協(xié)議[2-3]。前者設(shè)計(jì)較為簡單，適用于小型網(wǎng)絡(luò)環(huán)境中;后者的健壯性較好，擴(kuò)展性佳，相對(duì)于平面路由協(xié)議有著較為明顯的優(yōu)勢。LEACH協(xié)議作為一種比較經(jīng)典的分簇路由協(xié)議，基于傳統(tǒng)分簇協(xié)議，將感知到的數(shù)據(jù)發(fā)送到無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，后簡稱WSN）選取的簇頭（Cluster Header，后簡稱CH）上，簇頭節(jié)點(diǎn)將接收到的數(shù)據(jù)轉(zhuǎn)發(fā)送至基站處，數(shù)據(jù)的接收與轉(zhuǎn)發(fā)是一個(gè)消耗能量的過程[4]，而數(shù)據(jù)的接收與轉(zhuǎn)發(fā)又分為簇內(nèi)集群信息的傳遞以及簇間信息的傳遞[5]，傳輸?shù)臄?shù)據(jù)量在能量損耗中占了一定的比重。LEACH不僅在選取簇頭時(shí)具有很大的隨機(jī)性，在冗余數(shù)據(jù)上也沒有做過多的處理，但網(wǎng)絡(luò)的生存周期與分簇的結(jié)果和數(shù)據(jù)量的發(fā)送息息相關(guān)，為了優(yōu)化能量消耗并延長網(wǎng)絡(luò)的周期[6]，現(xiàn)對(duì)網(wǎng)絡(luò)的簇頭的選取進(jìn)行重新規(guī)劃，首先計(jì)算出當(dāng)前網(wǎng)絡(luò)環(huán)境的最優(yōu)簇頭數(shù)目[7-9]并對(duì)此進(jìn)行合理劃分區(qū)域[10]，同時(shí)引入雙簇頭概念[11]，簇頭的選舉會(huì)考慮通信代價(jià)[12]，對(duì)于數(shù)據(jù)傳輸中的冗余數(shù)據(jù)計(jì)算出最優(yōu)融合率[13]，以達(dá)到有效地延長網(wǎng)絡(luò)的生命周期[14]。
1 LEACH算法介紹
LEACH（Low Energy Adaptive Clustering Hierarchy）算法是Heinzelman提出的一種低能耗自適應(yīng)聚簇分層型協(xié)議算法，是一種以輪的形式進(jìn)行迭代的算法，每個(gè)輪分為初始化和穩(wěn)定通信兩個(gè)階段。初始化時(shí)每一輪會(huì)隨機(jī)選舉簇頭，給予每個(gè)節(jié)點(diǎn)一個(gè)隨機(jī)值，并與閾值T（n）進(jìn)行比較。當(dāng)小于閾值T（n）時(shí)，則當(dāng)前節(jié)點(diǎn)被選舉成為簇頭節(jié)點(diǎn);穩(wěn)定通信時(shí)，節(jié)點(diǎn)向簇頭傳送數(shù)據(jù)，簇頭接收簇內(nèi)節(jié)點(diǎn)數(shù)據(jù)并轉(zhuǎn)發(fā)到基站。
1.1 LEACH算法的簇頭選舉階段和簇的形成
LEACH算法在每一輪都會(huì)重新構(gòu)建簇的集群，首先網(wǎng)絡(luò)內(nèi)的各節(jié)點(diǎn)會(huì)隨機(jī)生成一個(gè)[0，1]之間的數(shù)值rand，然后將這個(gè)節(jié)點(diǎn)的rand值與T（n）比較，當(dāng)前節(jié)點(diǎn)rand值小于當(dāng)前的閾值時(shí)，則該節(jié)點(diǎn)被標(biāo)記成為該輪次的簇頭節(jié)點(diǎn)，否則該節(jié)點(diǎn)為普通節(jié)點(diǎn)。T（n）的計(jì)算公式
其中，p是簇頭在網(wǎng)絡(luò)中的節(jié)點(diǎn)所占的比例，r是當(dāng)前選舉的輪數(shù)，n是網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)，S是r輪后還未當(dāng)選過簇頭的節(jié)點(diǎn)的集合。
當(dāng)每一輪選舉出簇頭后，簇頭節(jié)點(diǎn)會(huì)發(fā)布廣播信息告知自己可達(dá)跳數(shù)范圍內(nèi)的節(jié)點(diǎn)自己當(dāng)選簇頭的信息，節(jié)點(diǎn)會(huì)根據(jù)各自接收到的節(jié)點(diǎn)的信息強(qiáng)度進(jìn)行判斷自己屬于哪個(gè)簇頭節(jié)點(diǎn)構(gòu)建的集群（就近原則），然后簇內(nèi)節(jié)點(diǎn)會(huì)發(fā)送自己的節(jié)點(diǎn)id和位置信息到簇頭處，簇頭構(gòu)建簇群內(nèi)節(jié)點(diǎn)信息表進(jìn)行保存，同時(shí)簇頭按照時(shí)分復(fù)用（Time Division Multiple Access，后簡稱TDMA）為每一個(gè)節(jié)點(diǎn)劃分時(shí)隙用以發(fā)送數(shù)據(jù)或停止工作進(jìn)入睡眠狀態(tài)，簇內(nèi)節(jié)點(diǎn)會(huì)根據(jù)TDMA原則采集數(shù)據(jù)和發(fā)送數(shù)據(jù)到簇頭處，同時(shí)在自己的休眠時(shí)間點(diǎn)不再工作，進(jìn)入睡眠狀態(tài)后直到下一次被喚醒。當(dāng)簇內(nèi)節(jié)點(diǎn)信息發(fā)送完畢后，簇頭將接受該數(shù)據(jù)并與其自身的數(shù)據(jù)進(jìn)行一定的融合，融合后的數(shù)據(jù)將被發(fā)送至基站處，基站會(huì)接收所有簇頭節(jié)點(diǎn)的信息然后統(tǒng)一將節(jié)點(diǎn)信息發(fā)送到用戶處，如此反復(fù)進(jìn)行，每一輪都需要重新選舉簇頭節(jié)點(diǎn)。
1.2 LEACH算法的能量消耗
LEACH的能量損耗主要在于節(jié)點(diǎn)發(fā)送數(shù)據(jù)和接收數(shù)據(jù)兩方面，其中普通節(jié)點(diǎn)發(fā)送數(shù)據(jù)和接收數(shù)據(jù)的能量損耗為
其中，Eelec為無線電接收和發(fā)送單位比特?cái)?shù)據(jù)的能耗系數(shù)，參數(shù)εfs和εmp代表的是自由空間模型的能耗系數(shù)和多徑衰落能耗中的系數(shù)，d0= εfs/εmp，d0決定了LEACH使用什么樣的模型，d是目標(biāo)節(jié)點(diǎn)到源節(jié)點(diǎn)的距離，當(dāng)節(jié)點(diǎn)距離小于等于d0時(shí)，傳輸模型采用自由空間模型，反之則使用多徑衰落模型。
節(jié)點(diǎn)接收L位數(shù)據(jù)的能量損耗為
2 TLE-LEACH算法
針對(duì)傳統(tǒng)LEACH算法的不足，本文提出基于融合率和計(jì)算簇頭節(jié)點(diǎn)最低能耗的改進(jìn)TLE-LEACH（The Least Energy- Low Energy Adaptive Clustering Hierarchy）算法。引入數(shù)據(jù)融合率，首先利用信任度函數(shù)計(jì)算綜合信任度，搭建信任矩陣，在簇頭處對(duì)傳感器節(jié)點(diǎn)所測得數(shù)據(jù)進(jìn)行一定的融合，發(fā)送給基站;再根據(jù)能量損耗最低的原則進(jìn)行簇頭選取，分別計(jì)算簇內(nèi)各節(jié)點(diǎn)和簇頭節(jié)點(diǎn)所需的能量損耗，考慮節(jié)點(diǎn)的信任度，計(jì)算求得最佳簇頭C1和C2，C2作為備選簇頭，當(dāng)C1的能量低于簇內(nèi)節(jié)點(diǎn)的平均能量時(shí)，備選簇頭C2則代替C1進(jìn)行數(shù)據(jù)傳輸，二者不斷輪換當(dāng)選簇頭，直到C1、C2能量均低于簇內(nèi)平均能量時(shí)，簇內(nèi)開始重新選舉簇頭。當(dāng)網(wǎng)絡(luò)內(nèi)70%節(jié)點(diǎn)死亡后，節(jié)點(diǎn)采用單步傳輸數(shù)據(jù)到基站，直到90%節(jié)點(diǎn)死亡，網(wǎng)絡(luò)癱瘓。
2.1 簇的形成階段
在節(jié)點(diǎn)比較密集的地方，不可避免地會(huì)出現(xiàn)節(jié)點(diǎn)收集到的信息是重復(fù)的，傳輸這些數(shù)據(jù)對(duì)于簇頭的能量損耗是比較大的，所以需要在簇頭節(jié)點(diǎn)處對(duì)冗余數(shù)據(jù)進(jìn)行一定的融合，引入數(shù)據(jù)融合率的概念，以減少數(shù)據(jù)的冗余。
由文獻(xiàn)[15]可知，數(shù)據(jù)融合率算方法如下：初始化網(wǎng)絡(luò)迭代的輪數(shù)，節(jié)點(diǎn)需要計(jì)算集群內(nèi)各節(jié)點(diǎn)對(duì)于自己的信任度并采用模糊理論對(duì)數(shù)據(jù)之間的接近程度進(jìn)行處理，利用其構(gòu)建信任矩陣w，計(jì)算數(shù)據(jù)融合率并利用矩陣存儲(chǔ)相應(yīng)的信息。
信任度函數(shù)構(gòu)建如下：N個(gè)傳感器節(jié)點(diǎn)對(duì)于同一數(shù)據(jù)進(jìn)行監(jiān)測，Xi和Xj為第i個(gè)節(jié)點(diǎn)和第j個(gè)節(jié)點(diǎn)測得的數(shù)據(jù)，且都服從高斯分布，pi（x） 和pj（x）是傳感器的特性函數(shù)，Xi和Xj的一次觀測值用xi，xj表示，二者之間的偏差用置信距離測度反映。
2.2 最優(yōu)簇頭數(shù)的計(jì)算
在一個(gè)網(wǎng)絡(luò)中，節(jié)點(diǎn)當(dāng)選簇頭后需要承擔(dān)發(fā)送數(shù)據(jù)到基站并接收節(jié)點(diǎn)信息的任務(wù)，同時(shí)告知節(jié)點(diǎn)自己成為簇頭信息等。但這些過程都需要消耗能量，簇頭數(shù)目過多時(shí)，簇頭節(jié)點(diǎn)與基站直接進(jìn)行信息傳輸，會(huì)增加網(wǎng)絡(luò)節(jié)點(diǎn)的能耗，簇頭數(shù)目較少時(shí)，會(huì)加大簇頭的能量損耗，加重簇頭負(fù)擔(dān)，以至于簇頭過快死亡影響整個(gè)網(wǎng)絡(luò)的運(yùn)行[8]。當(dāng)選舉出來的簇頭節(jié)點(diǎn)的位置距離基站較遠(yuǎn)時(shí)，簇頭到基站的數(shù)據(jù)傳輸壓力就會(huì)加大，嚴(yán)重影響了簇頭的存活性，因而簇頭數(shù)目的多少和分布關(guān)乎到整個(gè)網(wǎng)絡(luò)的生存周期。
由此可見網(wǎng)絡(luò)的區(qū)域劃分即簇頭的數(shù)目對(duì)于網(wǎng)絡(luò)整體生存周期的延長十分重要，而原有的LEACH算法生成的簇頭數(shù)具有隨機(jī)性，對(duì)于傳感器節(jié)點(diǎn)賦予的隨機(jī)數(shù)的大小依賴十分巨大，在LEACH初步分區(qū)的基礎(chǔ)上根據(jù)當(dāng)前能量的損耗計(jì)算出當(dāng)前網(wǎng)絡(luò)中的最佳簇頭數(shù)k并根據(jù)簇頭的數(shù)目進(jìn)行區(qū)域的劃分。
假設(shè)此時(shí)網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)為N，簇頭節(jié)點(diǎn)的能量損耗主要在于接收節(jié)點(diǎn)的數(shù)據(jù)所造成的能量損耗ERN，轉(zhuǎn)發(fā)數(shù)據(jù)到基站所造成的能量損耗EHB以及對(duì)節(jié)點(diǎn)傳送過來的數(shù)據(jù)進(jìn)行融合所造成的能量損耗EDA。簇頭節(jié)點(diǎn)接收集群內(nèi)節(jié)點(diǎn)的數(shù)據(jù)造成的能量損耗為[19]
其中，Nalive指的是當(dāng)前網(wǎng)絡(luò)中的節(jié)點(diǎn)存活數(shù)量，根據(jù)kopt對(duì)網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)進(jìn)行區(qū)域的劃分，令kopt=k，分區(qū)完成后會(huì)根據(jù)每一輪的節(jié)點(diǎn)存活數(shù)目重新計(jì)算出最優(yōu)的簇頭數(shù)并以此重新進(jìn)行區(qū)域劃分，傳統(tǒng)的區(qū)域劃分是k個(gè)區(qū)域內(nèi)定義k個(gè)簇頭，簇頭承擔(dān)起簇內(nèi)集群內(nèi)節(jié)點(diǎn)的數(shù)據(jù)轉(zhuǎn)發(fā)和融合，但由于考慮傳感器節(jié)點(diǎn)傳輸數(shù)據(jù)安全性以及在競選簇頭階段減少能量損耗的需要，現(xiàn)提出主副簇頭的概念，在k個(gè)區(qū)域內(nèi)現(xiàn)引入副簇頭，區(qū)域內(nèi)簇頭節(jié)點(diǎn)依據(jù)每個(gè)簇頭節(jié)點(diǎn)能量損耗最少的原則進(jìn)行競聘，網(wǎng)絡(luò)能耗最少的當(dāng)選主簇頭C1（Cluster1），能量消耗其次的，并引入主簇頭和基站的距離因子考慮C2（Cluster2）副簇頭。副簇頭用于接收主簇頭傳遞過來的數(shù)據(jù)，保證了數(shù)據(jù)的安全性，防止主簇頭突然死亡引起的數(shù)據(jù)丟失;另一方面，當(dāng)主簇頭的能量低于簇內(nèi)節(jié)點(diǎn)平均能量時(shí)，會(huì)比較副簇頭與簇內(nèi)平均能量的大小，若高于簇內(nèi)平均能量，則副簇頭當(dāng)選為主簇頭，主簇頭為副簇頭，直到主副簇頭的能量均低于簇內(nèi)能量或副簇頭能量低于總能量的10%時(shí)，進(jìn)行下一輪簇頭選舉，極大的減少了由簇頭的選舉而帶來的能量損耗。
3 實(shí)驗(yàn)結(jié)果分析
在300×300的區(qū)間內(nèi)隨機(jī)分布了200個(gè)傳感器節(jié)點(diǎn)，各節(jié)點(diǎn)通信能力相同，初始能量均相同，基站位于中心位置。仿真環(huán)境是Matlab2017b，電腦為聯(lián)想拯救y7000，處理器為Intel（R） Core（TM） i7-9750H。
3.1 死亡節(jié)點(diǎn)數(shù)
整個(gè)傳感器網(wǎng)絡(luò)的性能好壞與傳感器網(wǎng)絡(luò)的生存時(shí)間息息相關(guān)，現(xiàn)通過各時(shí)間的節(jié)點(diǎn)死亡數(shù)目來進(jìn)行衡量。圖1是協(xié)議改進(jìn)前后死亡節(jié)點(diǎn)數(shù)隨時(shí)間變化的曲線，可以看出LEACH算法在2 000輪左右時(shí)，90%節(jié)點(diǎn)已經(jīng)全部死亡，網(wǎng)絡(luò)自此進(jìn)入癱瘓不再感知和傳送數(shù)據(jù)。TLE-LEACH算法在前期節(jié)點(diǎn)死亡較多是因?yàn)榍捌诖仡^C1和C2承擔(dān)的簇內(nèi)節(jié)點(diǎn)數(shù)據(jù)的接收，距離較遠(yuǎn)的容易較先死亡，在網(wǎng)絡(luò)的500輪后，TLE-LEACH算法節(jié)點(diǎn)死亡速率較為平緩，網(wǎng)絡(luò)生命周期持續(xù)到了15 000輪左右，相對(duì)于LEACH的2 000輪，網(wǎng)絡(luò)的生命周期有了較好的改善。
3.2 網(wǎng)絡(luò)能耗圖
網(wǎng)絡(luò)的總能量消耗可以衡量一個(gè)系統(tǒng)性能上的好壞，節(jié)點(diǎn)的能量損耗在傳感器網(wǎng)絡(luò)中占據(jù)了較為重要的部分，圖2是協(xié)議改進(jìn)前后網(wǎng)絡(luò)能量隨著時(shí)間變化的曲線，如圖所示LEACH在2 000輪左右能量消耗殆盡，而TLE-LEACH在后續(xù)的競選中簇頭C1、C2競選次數(shù)越來越少，使得能量的損耗大為減少，直到15 000輪左右時(shí)能量幾乎耗盡，有效的延長了網(wǎng)絡(luò)生存周期。
3.3 基站接收數(shù)據(jù)
圖3是協(xié)議改進(jìn)前后基站數(shù)據(jù)的接收量隨著時(shí)間的變化的曲線圖，可以看出TLE-LEACH算法在數(shù)據(jù)的轉(zhuǎn)發(fā)量上有了較大的改進(jìn)，原有的LEACH算法由于每輪選舉簇頭導(dǎo)致能量消耗較快，生命周期較短，發(fā)送數(shù)據(jù)量少，Sink節(jié)點(diǎn)接收的數(shù)據(jù)量就少，而TLE-LEACH算法的數(shù)據(jù)融合、最優(yōu)簇頭和雙簇頭機(jī)制有效的加長了網(wǎng)絡(luò)的生存周期，增加了數(shù)據(jù)的發(fā)送量和基站接收的數(shù)據(jù)量，相對(duì)于LEACH算法，數(shù)據(jù)量的接收提升較大。
4 結(jié)論
無線傳感器網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)自身能量受限，且在一些惡劣的環(huán)境中，節(jié)點(diǎn)不易被替換，故需要盡量減少網(wǎng)絡(luò)能耗，盡可能的延長網(wǎng)絡(luò)生命周期。本文首先分析了LEACH協(xié)議，針對(duì)傳統(tǒng)的LEACH算法，TLE-LEACH算法首先在簇頭節(jié)點(diǎn)的選擇上考慮了對(duì)冗余數(shù)據(jù)的融合以及最優(yōu)簇頭率，其次在LEACH的基礎(chǔ)上引入了雙簇頭的概念，一方面加強(qiáng)了數(shù)據(jù)傳輸?shù)陌踩?，另一方面由于減少了簇頭的輪換進(jìn)而減少了能量損耗以達(dá)到延長網(wǎng)絡(luò)生存時(shí)間，傳輸更多數(shù)據(jù)的目的。仿真實(shí)驗(yàn)結(jié)果表明，本文提出的TLE-LEACH算法可以有效地延長網(wǎng)絡(luò)生存時(shí)間，降低能耗，提升基站接收到的數(shù)據(jù)量，進(jìn)而提升了網(wǎng)絡(luò)整體的性能。本文依舊存在不足，在副簇頭的選取時(shí)由于LEACH算法的隨機(jī)性過大，網(wǎng)絡(luò)節(jié)點(diǎn)內(nèi)分區(qū)的數(shù)目會(huì)隨之改變，主副簇頭的選取也會(huì)隨之改變，能量損耗與主副簇頭的選取個(gè)數(shù)以及位置有關(guān)。簇內(nèi)節(jié)點(diǎn)到簇頭的數(shù)據(jù)傳輸以及簇頭到基站的數(shù)據(jù)也是單跳形式進(jìn)行傳輸，造成的能量損耗較大。在后續(xù)的工作中，可以考慮對(duì)LEACH算法的簇頭選取進(jìn)行一定的約束，同時(shí)在簇內(nèi)和簇間數(shù)據(jù)傳輸時(shí)引入不同的路徑規(guī)劃算法，減少傳感器網(wǎng)絡(luò)的能量損耗來更好的延長網(wǎng)絡(luò)生命周期。
參考文獻(xiàn)
[1]YANG L， LU Y， LIU S， et al. A Dynamic behavior monitoring game based trust evaluation scheme for clustering in wireless sensor networks[J]. IEEE Access， 2018， （99）： 71404-71412.
[2]李蘭鳳，馬佳榮.無線傳感器網(wǎng)絡(luò)路由協(xié)議分析[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2019（5）：64-66.
[3]劉偉，杜佳鴻，賈素玲，等.能量有效的無線傳感器網(wǎng)絡(luò)分簇路由協(xié)議[J].北京航空航天大學(xué)學(xué)報(bào)，2019，45（1）：50-56.
[4]徐晶晶，張欣慧，許必宵，等.無線傳感器網(wǎng)絡(luò)分簇算法綜述[J].計(jì)算機(jī)科學(xué)，2017，44（2）：31-37.
[5]CHEN D R， CHEN L C， CHEN M Y， et al. A coverage-aware and energy-efficient protocol for the distributed wireless sensor networks. 2019， 137：15-31.
[6]KHALIL E A， ATTEA B A， et al. Energy-aware evolutionary routing protocol for dynamic clustering of wireless sensor networks [J]. Swarm and Evolutionary Computation， 2011， 1（4）：195-203.
[7]李雪，南建國.基于IK-means聚類的分簇路由算法[J/OL].計(jì)算機(jī)應(yīng)用研究：1-7[2021-01-29].https：//doi.org/10.19734/j.issn.1001-3695.2020.04.0104.
[8]章春華，陳宏偉.LEACH協(xié)議簇頭選擇算法的改進(jìn)與研究[J].湖北工業(yè)大學(xué)學(xué)報(bào)，2012，27（2）：19-22.
[9]郭前崗，周德祥，周西峰.LEACH路由協(xié)議最優(yōu)簇頭數(shù)計(jì)算方法[J].微型機(jī)與應(yīng)用，2013，32（3）：61-63+66.
[10] 蔣勇，趙作鵬.低能耗的無線傳感網(wǎng)絡(luò)分層聚類與節(jié)點(diǎn)管理機(jī)制[J].計(jì)算機(jī)工程與設(shè)計(jì)，2019，40（3）：638-643.
[11] 張頂，張琳.基于K-Means的WSN動(dòng)態(tài)信任度雙簇頭選取算法[J].南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，40（2）：108-114.
[12] 李蕾，方明科.基于證據(jù)理論加權(quán)融合的無線傳感器網(wǎng)絡(luò)路由算法[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2020，58（5）：1223-1228.
[13] 孔玉靜，侯鑫，華爾天，等.基于BP神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)路由協(xié)議的研究[J].傳感技術(shù)學(xué)報(bào)，2013，26（2）：246-251.
[14] 石蔚，賈小珠. 一種Ad Hoc網(wǎng)絡(luò)混合式分簇路由算法[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，22（4）：62-66.
[15] 張秋，梁小凡，孫順遠(yuǎn)，等.基于數(shù)據(jù)融合率的WSN節(jié)能策略[J].計(jì)算機(jī)測量與控制，2013，21（2）：454-457.
[16] DANIEL C. On the solution of linear differential equations with singular coefficients[J]. Journal of Differential Equations， 1982， 46（2）： 310-323.
[17] MADAN R， LALL S. Distributed algorithms for maximum lifetime routing in wireless sensor networks[J]. IEEE Trans on Wireless Communications， 2006， 5（8）： 2185-2193.
[18] 王勇，楊杰.基于無線傳感網(wǎng)絡(luò)定位的網(wǎng)關(guān)功能模塊的實(shí)現(xiàn)[J]. 青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，29（1）：80-84.
[19] 章春華，陳宏偉.LEACH協(xié)議簇頭選擇算法的改進(jìn)與研究[J].湖北工業(yè)大學(xué)學(xué)報(bào)，2012，27（2）：19-22.
[20] SOURABH P， AVINASH K. An application and architecture of low energy adaptive clustering hierarchy protocol in wireless microsensor network[J].Intematioual Journal of Engineering，Science and Mathematic， 2018， 7（3）：314-326.
