基于區域概率和能量篩選的異構WSN能耗均衡算法

張智宇，石建強，魏宗壽

（1.蘭州交通大學自動控制研究所，甘肅 蘭州 730070；2.甘肅省高原交通信息工程及控制重點實驗室，甘肅 蘭州 730070）

0 引 言

無線傳感網絡具有網絡組建靈活、拓展性好等優點。隨著片上系統、低功耗嵌入式技術的發展，無線傳感網絡（WSN）越來越多地應用于軍事偵察、環境監測等諸多領域[1-2]。由于它的節點能量有限，通過設計低能耗路由協議來延長網絡壽命成為研究熱點。Heinzelman等人于2000年提出最早的低能耗自適應分簇協議LEACH（Low Energy Adaptive Clustering Hierarchy）[3]，通過網絡分簇降低能耗，延長網絡壽命。Manjeshwar等人提出了低能耗閾值敏感協議 TEEN（Threshold Sensitive Energy Efficient Sensor Network），通過設定節點傳感閾值，減少數據傳輸次數，降低網絡能耗。近年來，能量異構WSN成為研究熱點。當按較小比例部署能量較高的節點時，可以在保證較低成本的前提下，有效延長網絡生存周期。Smaragdakis等人提出了最早的異構型穩定選舉協議SEP（Stable Election Protocol），而文獻[4]提出了一種基于多跳形式的EAMMH算法。然而，現有算法在異構WSN均衡能耗和延長網絡壽命方面仍存在不足。鑒于此，本文提出一種RPESA（Regional Probability and Energy Screening Based Efficient Algorithm）算法，有效均衡了網絡能耗，延長了網絡生存周期。

1 網絡模型

1.1 系統假設

假設N個異構傳感節點隨機部署在M×M矩形區域內進行網絡監測，監測數據由區域中央的基站采集。假設網絡節點能量有限且位置信息已知，節點均具備數據融合能力，基站能量無限制。

1.2 能耗模型

網絡節點能耗與收發信息比特數和傳輸距離有關，傳輸模型[5]如圖1所示。

圖1 無線傳輸模型

ETx(l,d)表示在距離d內傳輸l比特數據的能量損耗，ETx-elec(l)為發送l比特數據能耗，ETx-amp(l,d)為l比特數據傳輸距離d的能耗，Eelec為發送或接收1比特數據的能耗，εfs與εmp分別表示自由空間傳輸模型與多路徑衰減傳輸模型中每比特數據功率放大所需要的能耗。下面的式（1）為ETx(l,d)的計算公式，式（2）、式（3）則分別表示傳輸距離閾值d0以及接收l比特數據能耗ERx(l)。

2 RPESA算法分析

2.1 問題分析

（1）通常認為傳感節點在地理位置上均勻分布，然而實際節點的分布總是不均勻的，傳統的概率閾值方法選取簇頭時未考慮節點分布不均勻性，導致網絡能耗不均勻，縮短了網絡生命周期。

（2）僅依靠概率分配方法選舉簇頭隨機性較強，簇頭選舉時未考慮節點剩余能量。當低能量節點被選舉為簇頭時，容易引起該節點過早死亡，進而縮短整個網絡的生命周期。

（3）在網絡中引入較低比例高能量節點時，可在保持較低成本的前提下延長網絡生命周期。

針對以上分析提出RPESA算法。該算法將網絡設計為能量異構型網絡，劃分網絡區域，對不同區域分別進行簇頭優選概率和選舉閾值的計算。穩定運行階段中，概率選舉與能量篩選方案共同進行簇頭選舉，以此均衡網絡能耗，延長網絡生存周期。

2.2 算法分析

網絡運行可分為初始階段和穩定階段兩部分，而穩定階段又分為奇數輪運行和偶數輪運行兩部分。初始階段中，基站采集節點初始狀態并執行相關計算。穩定階段運行至奇數輪時，通過概率分配方法選舉簇頭；運行至偶數輪時，選舉能量較高且距離能量中心較近節點擔任該輪簇頭。

2.2.1 初始階段

初始階段中，節點部署完成后，基站將M×M網絡區域均勻劃分為圖2所示的4個面積相等的矩形區域，并認為在所劃分區域內節點呈現均勻分布。

圖2 網絡區域劃分

基站下發初始化指令，各節點向基站回傳位置坐標、異構類別等自身狀態信息。基站根據回傳信息分別計算各區域高級節點所占比例m(area)，以及各區域普通節點與高級節點分別對應的簇頭選舉閾值，計算完畢后下發至各節點。假設網絡中高級節點初始能量為普通節點的α倍，popt表示總的簇頭優化選舉概率，式（4）與式（5）為對應各區域內普通節點與高級節點簇頭優選概率pn(area)與pa(area)的表達式。

式（6）與式（7）為各區域內普通節點簇頭選舉閾值T(sn,area)與高級節點簇頭選舉閾值T(sa,area)的表達式。

式中r代表當前循環輪數，G′與G′分別為普通節點與高級節點在最近輪內未成為簇頭的節點集合。

2.2.2 穩定階段

節點接收基站信息后進入穩定階段。該階段中，網絡運行至奇數輪時，采用上述概率方法選舉簇頭分簇；網絡運行至偶數輪時，在上一奇數輪分簇的基礎上，篩選該簇中能量分布較高且距離能量中心較近的節點作為新一輪簇頭。

奇數輪時，各節點產生0-1隨機數。當隨機數小于其所屬區域節點對應閾值時，該節點當選為簇頭節點。簇頭節點廣播自身ID，周圍節點通過RSSI（接收信號強度指示）選取最近的節點作為簇頭并發送入簇申請，簇頭記錄簇成員ID并生成路由表，成員節點通過TDMA方式將傳感信息和自身狀態信息回傳給簇頭，簇頭將傳感數據融合后發送給基站，至此奇數輪運行結束。

運行至偶數輪時，選取上一奇數輪各簇內能量較高且距離能量中心較近的節點作為新一輪簇頭節點。偶數輪簇頭選取算法包括以下三部分。

（1）簇能量中心坐標計算

假設簇內能量集中于一點C，位置坐標由簇內各節點坐標以其節點能量為權重加權平均所得。式（8）、式（9）為能量中心坐標計算公式。

式中S為簇面積，ρe為簇能量密度，XE與YE為能量中心坐標。由于簇區域內能量隨節點位置坐標呈離散分布，因此式式（8）、式（9）改寫成如下形式：

（2）簇能量衰減因子計算

簇能量衰減因子δi定義如下：

式中Δei為各簇總能量與簇內各節點能量差值，Δli為各節點距離能量中心的距離，Ek為各簇總能量，Ei為各節點能量值。δi值越小，表明節點能量越高，且位置越靠近能量中心。

（3）確定候選簇頭

選取簇內δi值最小且能量高于簇平均能量的節點作為候選簇頭。候選簇頭確定后，廣播自身ID，網絡節點通過RSSI（接收信號強度指示）選取最近的節點作為簇頭進行分簇，成員節點向簇頭發送入簇請求，簇頭記錄其ID并生成路由表，成員節點通過TDMA方式開始本輪數據回傳，簇頭將采集的數據融合后回傳基站，至此偶數輪采集過程結束。

3 仿真分析

采用Matlab軟件將所提算法與LEACH、SEP、EAMMH算法進行對比分析。

3.1 仿真參數設定

網絡仿真參數設定如表1所示。

表1 仿真參數表

3.2 結果分析

假設高級節點在整個網絡區域內所占比例為m，在m=0.1、m=0.2、m=0.3三種異構條件下進行仿真分析。

3.2.1 網絡生存周期分析

圖3通過不同異構比例下首節點死亡（FND）時間、過半節點死亡（HND）時間以及最后節點死亡（LND）時間的具體參數值，對網絡生存周期做進一步對比分析。分析發現，在三種異構條件下，RPESA算法的FND、HND以及LND時間均高于對比的算法，有效延長了網絡生存周期。

3.2.2 網絡能耗分析

圖4為三種異構條件下各算法對應的節點剩余能量分布方差曲線圖。分析發現，RPESA算法方差曲線相比其他算法下降最快，由此說明節點剩余能量離散程度越來越小，網絡能耗得到有效均衡。

圖3 FND、HND、LND對比

圖4 能量分布方差曲線圖

4 結 論

本文針對無線傳感網絡能耗不均問題提出RPESA算法，通過概率分區計算和能量篩選機制進行網絡分簇，并在三種異構條件下與其他算法進行對比分析。結果顯示，所提算法有效延長了網絡生命周期，均衡了網絡能耗。