一種可擴展的WSN節能分簇算法

王瑩瑩,鄭永愛,王詠梅

(蘇州高博軟件技術職業學院,江蘇 蘇州 215163)

0 引言

在無線傳感器網絡(WSN,wireless sensor network)中，具有感知、計算及通信能力的傳感器節點被部署在監控區域內，實現對特定物理量的采集，傳感器節點自組織成網，最終將采集的數據傳輸到基站[1]。

在WSN中，大部分傳感器節點采用電池供電，節點能量十分有限，若節點能量耗盡，將影響整個網絡的運行。對于節點而言，其能量主要消耗在數據采集與數據傳輸過程中，而傳輸數據的能耗遠遠大于采集數據的能耗，因此利用有限的網絡資源，在源節點與目的節點之間建立一條健壯的、節能的、高效的、低時延的路徑，減少節點能耗、延長網絡生命周期一直是WSN的研究熱點[2-3]。

1 相關工作

根據拓撲結構不同，當前的路由協議主要分為平面路由與分層路由。在平面路由協議中網絡中所有節點地位相同，節點數據經過多跳轉發到達基站，網絡健壯性好、易于維護，但當網絡規模增大時，節點能耗與數據時延迅速增加，不利于網絡擴展，已經不能應用于當前的大規模無線傳感器網絡中。而分簇路由以其良好的可擴展性、易維護性、低時延、高能效等特點，被廣泛應用于大型無線傳感器網絡。

最經典的分簇路由是Heinemann等人提出的LEACH[4]分簇路由協議，其將網絡劃分為若干個簇，每個簇選舉出一個簇首來負責簇內成員節點的管理與數據收集與轉發；以“輪”作為網絡的運行周期，每一輪更換一次簇首以均衡節點的能耗。但是LEACH仍存在許多缺點，例如：簇首的選舉具有一定的隨機性，無法保證簇首具有足夠的能量完成簇內數據的收集與轉發；節點分布的隨機性，均勻分簇容易會導致簇首負載不均；簇首通過單跳的方式與基站通信，不適用于大規模網絡。眾多學者針對LEACH的缺點，提出了改進算法，為避免低能量節點被隨機的選為簇首，文獻[5]將節點的剩余能量引入到閾值公式中，緩解了低能量節點過早死亡的問題。EEUC[6]算法引入成簇半徑的概念來控制簇的大小，使距離基站近的簇半徑小，從而使簇首節約出能量用于數據的轉發，由此來均衡節點的能耗。但是在大型的傳感器網絡中，節點并不是均勻分布的，在節點分布密集的區域，簇首的負載重，能量消耗大，EEUC算法依然存在節點能耗不均的狀況。為了進一步均衡節點的能耗，文獻[7]提出了一種非均勻分簇算法[8]，既考慮到節點的位置信息，又考慮到節點的分布密度情況。文獻[9]引入“前置感知區域”的概念，在簇首節點的“前置感知區域”內根據節點的剩余能量以及位置信息選舉附屬簇首節點，減少了因為“能量回傳”所造成的能量消耗，從而達到節約能耗的目的。文獻[10]提出了一種提基于簇的無線傳感器網絡交會路由協議CRRP，用于緩解sink周圍節點因轉發任務重而能耗大的問題。

除此之外，眾多學者將各種聚類算法應用在WSN的網絡分簇中[11-14]，文獻[15]采用k-means聚類算法進行簇首選舉，并引入Mobile Agent對簇內數據進行收集以及融合處理。文獻[16]將模糊邏輯的聚類算法用在分簇上，在均勻分環的基礎上，將節點的能量、節點度、節點到基站的距離、環寬、啟動能量等參數作為模糊規則器的輸入，輸出每一環的最優簇數以及節點成為簇首的競爭半徑，從而進行不均勻分簇。文獻[17]提出一種基于密度的聚類分析算法，其利用節點的局部密度差異來建立均衡分散的簇。文獻[18]基于模糊規則算法考慮節點相對能量、相對密度以及相對中心度進行簇首選舉，采用改進的蟻群算法進行簇間路由優化。

為了進一步減少數據傳輸過程中節點能量的消耗，同時兼顧節點間能耗的均衡以及網絡的可擴展性，本文提出了一種可擴展的WSN分簇算法。在簇首選舉階段，綜合考慮節點的剩余能量、節點度、價值度等因素；滿足能量條件時，采用簇內簇首輪換的方式，減少成簇能耗；當新節點加入網絡時，引入“入網許可值”的概念，來確定新節點要加入的簇。

2 網絡模型與節點能耗模型

2.1 網絡模型

為了方便研究，本文對無線傳感器網絡作如下假設：

1)節點隨機分布在監控區域，一經部署位置不再發生變化，基站可以獲知所有節點的位置信息；

2)網絡中每一個節點都具有唯一標識的ID，節點初始能量、存儲能力、處理能力、通信能力相同，節點可以感知自己的剩余能量，知道自己的位置坐標以及基站的位置坐標。

3)基站的位置固定，且計算能力以及能量不受限；

4)節點可以根據通信距離來調整通信功率的大??；

5)節點具有數據融合的能力，以減少需要傳輸的數據量。

2.2 節點能耗模型

如圖1所示，本文采用文獻[19]提出的一階無線電模型，其中節點能耗包括：發射電路能耗、放大電路能耗以及接收電路能耗。

圖1 一階無線電模型

傳感器節點發送kbit數據包的能耗為：

(1)

傳感器節點接收kbit數據包的能耗為：

ERx(k)=k·Eelec

(2)

其中：d為數據的傳輸距離，Eelec為電路發送或接收單位bit數據的能耗，εfs與εmp分別為自由空間模型與多路徑衰減模型功率放大所需要的能量，當傳輸距離小于d0時采用自由空間模型，當傳輸距離大于d0時采用多路徑衰減模型，d0取值如公式(3)所示。

(3)

3 算法描述

3.1 網絡分簇

1)網絡候選簇首選舉：

網絡中候選簇首的選舉采用公式(4)，T(i)為節點Ni的閾值，網絡中的每個節點會產生一個0～1的隨機數，與節點閾值進行比較，若隨機數小于閾值則其被選擇為候選簇首。

(4)

其中：P為節點當選為簇首的概率；Ei為節點Ni當前剩余能量，Eaver為當前網絡中所有節點能量的平均值，剩余能量越大T(i)的取值就越高，節點被選中的概率就越大；r表示當前節點連續未當選簇首的輪數，r越大該節點被選為簇首的概率也就越大，r為0則表示該節點上輪剛剛當選過簇首，但是只要節點的剩余能量多，其可以繼續被選作為簇首。

2)簇的組建:

候選簇首的選舉完成之后，由普通節點根據其到候選簇首以和候選簇首到基站的距離來選擇出其可以加入的簇首，然后根據可加入簇首的剩余能量、鄰居節點度來確定最終要加入的簇首。其詳細的步驟如下：

1)候選簇首廣播自己的位置信息、剩余能量、鄰居節點數。

2)普通節點根據公式(5)計算數據由簇首到基站的代價，選擇代價值最小的3個候選簇首加入自己的候選簇首列表。

(5)

其中：dNi_CHj表示節點Ni到候選簇首CHj的距離，dCHj_BS表示候選簇首CHj到基站的距離。由公式(4)可知，數據傳輸所消耗的能量與數據的傳輸距離有關，簇內的通信距離一般較小，因此采用自由空間模型，將簇內通信代價最小問題轉化為節點到簇首距離的平方值最小問題；簇首到基站的距離相對較遠，因此采用多路徑衰減模型，將簇首到基站通信代價最小問題轉化為簇首到基站距離的四次方的最小化問題。

假設某個節點與其周圍的候選簇首的分布如圖2所示，根據公式(5)計算代價由小到大的順序也是D、A、C、B，因此D、A、C三個候選簇首的信息被加入到該普通節點候選簇首列表中。

1.2 治療方法 對照組患者采用甲氨蝶呤小劑量分次肌注聯合米非司酮進行治療，甲氨蝶呤劑量：0.4 mg·kg-1·d-1，5 d為一個療程，米非司酮劑量100 mg，2次/d，連續服用3 d，劑量600 mg。觀察組給予患者一次性甲氨蝶呤肌注給藥聯合米非司酮(100 mg，2次/d)進行治療，甲氨蝶呤一次性劑量50 mg/m2，在患者給藥4～7 d，如實驗室檢查血β-hCG下降幅度小于15%或持續上升，于第7天再次肌注同劑量甲氨蝶呤。

圖2 簇首選擇示意圖

3)普通節點根據公式(6)從自己的候選簇首列表中選擇ValueCHj取值最大的簇首作為自己的最終簇首。

(6)

其中：EChj為候選簇首CHj的當前剩余能量，Ech_aver為3個候選簇首能量的平均值，剩余能量越多ValueCHj的取值也就越大；NeiCH_Can(j)為候選簇首CHj的鄰居節點的數量，Neiaver為3個候選簇首鄰居節點的平均值。

4)普通節點加入選定的簇首，當所有的普通節點完成簇首選舉時，未被選中的候選簇首和普通節點一樣根據公式(5)與公式(6)選擇簇首并加入。

5)簇的建立完成之后，為避免數據沖突，簇首為每一個成員節點分配TDMA時隙，成員節點根據時隙規則在規定的時隙與簇首進行通信。

其中，在簇首在時隙分配過程中所分配的時隙數大于簇內節點的數量，即預留若干時隙供新加入的節點的使用；當新節點申請入簇時，不需要等待當前簇周期的結束，也不要重新進行時隙的劃分，既增加了網絡的可擴展性，又提高了網絡的運行效率，減少時延，節約能量。

3.2 簇內簇首調整

在每一輪簇首的選舉以及簇的建立過程中，都需要廣播消息以獲取節點的信息，為了進一步減少能量消耗，本文所提算法采用簇內簇首輪換的方式。即當網絡中所有簇首的能量都大于閾值Ea時，不需要在全網范圍內重新進行簇首的選舉。

在簇內數據收集的過程中，成員節點每輪向簇首發送自己的剩余能量信息，簇首計算自己的剩余能量是否大于簇內節點的平均能量，若大于則繼續擔任簇首，若小于根據簇內簇首選舉方法進行新簇首的選擇[14]，詳細步驟如下所示。

(7)

(8)

其中：dij2為第i個簇內的第j個簇成員節點到其他成員節點距離平方的均值，(xj,yj)為該節點的位置坐標，Mi為第i個簇內的成員節點的個數，R為節點的通信距離，Eij表示第i個簇內的第j個簇成員節點的當前剩余能量，Ei_aver為簇內的平均能量值。由公式(7)(8)可知，剩余能量越多，與簇內通信代價越小，其被選為簇首的概率就會越大，該種簇內簇首輪換機制，既減少簇的重建所帶來的能耗，又能保證節點能耗的均勻，防止個別節點因能耗過大而死亡。

2)當前簇首在簇內廣播新簇首消息，并將TDMA時隙規則以及簇內成員的信息發送給新簇首，完成任務交接，當前簇首作為普通節點，沿用新簇首的時隙向新簇首發送數據。

3)簇內其他成員節點收到消息后，修改自己所維護的簇首信息，繼續進行數據的采集與發送。

3.3 網絡擴展

當新節點申請加入網絡時，首先由新節點廣播自己的加入請求消息，網絡中的簇首收到請求消息后將自己的位置信息、簇內當前負載、剩余能量發送給新節點。新節點收到各簇首消息后，根據公式(9)選取Per(j)取值最大的簇首加入。

(9)

其中：dchj為新節點到簇首CHj的距離，Echj與Lchj分別為簇首CHj的剩余能量與當前負載即當前成員節點的個數，E0為節點的初始能量，1/p為網絡內的平均簇成員數目。

新節點選定簇首后，向該簇首發送入網請求，簇首接受請求后，將預留的時隙分配給新節點，新節點正式成為簇成員開始進行數據的采集與發送。

4 仿真與分析

采用Python語言中的numpy、pandas庫以及matplotlib庫，對本文算法以及經典的LEACH、EEUC等算法在網絡的生命周期、網絡能耗以及節點能量的均衡性進行了對比以及可視化分析。

4.1 仿真環境與參數設置

仿真環境為100個節點隨機分布在200*200的區域內，基站坐標為(100,200)，每輪簇首的數量占網絡中存活節點的10%(p=0.1)。數據傳輸模型采用一階無線模型，其中實驗中涉及到的部分參其他數取值如表1所示。

表1 實驗參數

4.2 實驗結果分析

圖3為網絡運行到第10輪時節點的分布情況以及本文算法(AEECA)的成簇情況。由實驗結果可知，簇首較均勻的分布在網絡中，并沒有出現簇首“扎堆”或“邊緣化”的情況，負載相對比較均衡。這主要是因為在簇首的選舉過程中不僅僅考慮到節點的剩余能量，還綜合考慮了節點的位置信息、以及節點的鄰居節點數量，使簇首的數量與節點的密度成正比。

圖3 節點分布情況及成簇情況圖

圖4與圖5分別為本文算法(AEECA)與LEACH算法、EEUC算法就網絡生命周期指標以及網絡中所有節點總能量所進行的仿真與對比。網絡生命周期是衡量無線傳感器網絡質量的一個非常重要的指標。在本文的仿真實驗中，以網絡中節點的存活數量來表示網網絡的生命周期。由仿真結果可知，3種算法的網絡生命周期從長到短依次為AEECA、EEUC、LEACH。

圖4 網絡生命周期對比

圖5 能耗對比

與LEACH算法比較，AEECA算法的能耗小的原因主要有以下幾個：

1)在簇首選舉過程中，LEACH算法每輪都要重新選擇簇首，而AEECA采用的是一定條件下簇內簇首輪換的方式，節約了全網范圍內進行簇首選舉的能耗。

2)在簇的組建過程中，LEACH算法是節點選擇距離自己近的簇首加入，而AEECA綜合考慮了簇首距離基站的距離，簇首的剩余能量以及節點密度等因素，不僅可以促進節點間的負載均衡，還可以減少信息回傳所帶來的能耗。

圖6對3種算法每輪的能耗作了仿真與對比，整體來看每輪能耗隨著網絡運行輪數的增加而減少，原因是網絡中的存活的節點越來越少，另外LEACH算法每輪的能耗都比其他兩種算法高，EEUC各輪的能耗比較均衡，AEECA大部分輪能耗維持在較低水平，小部分輪數能耗較高，原因是當簇內平均能耗低于閾值時，需要在全網范圍內進行簇首選舉，此時能耗則較高，其他輪則是采用簇內簇首輪換的方式進行的，能耗低于全網簇首選舉。

圖6 每輪能耗對比

綜上所述，本文算法在網絡分簇階段，根據節點的剩余能量來進行候選簇首的選舉，可以避免低能量節點當選簇首；在簇首的選舉過程中，節點根據數據經各簇首轉發至基站所經過路徑的平方和，來選取轉發代價最小的3個簇首作為自己的候選簇首，可以避免當簇首分布較偏的時候，數據因距離較遠而帶來的能耗過大問題。節點從3個候選簇首中，選取剩余能量大、鄰居節點多的候選簇首作為自己的最終簇首，既保證了簇首具有較高的能量，又能保證簇首分布在節點相對集中的區域[20]。

為了增加網絡的可擴展性，當新的就節點申請加入網絡時，引入節點的入網許可值，綜合考慮要加入簇的能量和距離，使得選擇的簇頭節點對于新入網節點而言，具有更好的健壯性。另外，基于簇的負載值的考慮，使得網絡的負載分布更均勻。

5 結束語

本文在分析當前分簇算法的基礎上，以減少能耗，增強網絡的可擴展性為目的，提出了一種可擴展的無線傳感器網絡分簇算法，從網絡分簇、簇內簇首選舉、網絡擴展3個部分對算法進行了描述與實驗驗證，結果表明本文所提算法可以較少網絡能耗、均衡節點間的負載，延長網絡的生命周期。