基于非均勻分簇的野外觀測(cè)儀器網(wǎng)絡(luò)路由協(xié)議研究

胡 軍，王 磊，火久元，劉 夢(mèng)，巨 濤

（1.甘肅億網(wǎng)科技網(wǎng)絡(luò)技術(shù)有限公司，甘肅 蘭州 730000；2.蘭州交通大學(xué) 電子與信息工程學(xué)院，甘肅 蘭州 730070）

0 引言

野外觀測(cè)通過(guò)在野外建立觀測(cè)站對(duì)地球系統(tǒng)的關(guān)鍵要素進(jìn)行長(zhǎng)期的監(jiān)測(cè)與分析，是大氣科學(xué)、生態(tài)學(xué)、環(huán)境科學(xué)等研究的主要數(shù)據(jù)來(lái)源。我國(guó)寒旱區(qū)面積廣闊，生態(tài)環(huán)境脆弱復(fù)雜，自然資源豐富。寒旱區(qū)野外觀測(cè)經(jīng)過(guò)50 多年的發(fā)展，已經(jīng)形成覆蓋我國(guó)寒旱區(qū)主要生態(tài)、環(huán)境區(qū)的野外觀測(cè)網(wǎng)絡(luò)體系。該觀測(cè)系統(tǒng)通過(guò)觀測(cè)、實(shí)驗(yàn)以及示范，為寒旱區(qū)的科學(xué)研究提供了重要依據(jù)，是我國(guó)寒旱區(qū)科學(xué)研究體系中不可缺少的組成部分［1］。

受到環(huán)境限制，寒旱區(qū)野外觀測(cè)臺(tái)站大部分位于高寒、干旱的惡劣環(huán)境下，影響了臺(tái)站的網(wǎng)絡(luò)建設(shè)和信息獲取，這些問(wèn)題嚴(yán)重阻礙了寒旱區(qū)科學(xué)研究工作的進(jìn)展。因此，需要對(duì)寒旱區(qū)觀測(cè)儀器組網(wǎng)問(wèn)題進(jìn)行研究，設(shè)計(jì)一種高效、穩(wěn)定的路由協(xié)議，實(shí)現(xiàn)對(duì)寒旱區(qū)野外環(huán)境長(zhǎng)期、有效的觀測(cè)。經(jīng)過(guò)前期的調(diào)查研究，本文發(fā)現(xiàn)野外觀測(cè)儀器組網(wǎng)和無(wú)線(xiàn)傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）具有很高的相似性，例如二者都是自組織網(wǎng)絡(luò)，且都是無(wú)線(xiàn)傳輸介質(zhì)等［2-3］。因此，本文將根據(jù)野外觀測(cè)儀器組網(wǎng)特點(diǎn)，結(jié)合WSN 技術(shù)對(duì)路由協(xié)議進(jìn)行設(shè)計(jì)與改進(jìn)。

為了減少網(wǎng)絡(luò)的通信能耗，學(xué)者們提出多種基于分簇的層次性路由協(xié)議［4］。分簇減少了發(fā)送的數(shù)據(jù)包數(shù)量和網(wǎng)絡(luò)信息冗余，可以降低能耗，延長(zhǎng)網(wǎng)絡(luò)的生命周期。基于分簇的路由協(xié)議可分為均勻分簇和非均勻分簇兩種。均勻分簇算法在網(wǎng)絡(luò)中構(gòu)造大小相同的分簇，雖然通過(guò)合理的選擇簇頭可以延長(zhǎng)網(wǎng)絡(luò)生命周期，但無(wú)法有效均衡網(wǎng)絡(luò)的能量消耗。相比于均勻分簇協(xié)議，非均勻分簇協(xié)議在均衡網(wǎng)絡(luò)能耗方面具有更好的性能。非均勻分簇算法通常在網(wǎng)絡(luò)中構(gòu)造遠(yuǎn)大近小的分簇結(jié)構(gòu)，使靠近基站的簇頭在簇內(nèi)通信上消耗的能量小于遠(yuǎn)離基站的簇頭，節(jié)省的能量可用來(lái)轉(zhuǎn)發(fā)遠(yuǎn)離基站的簇頭信息，從而解決能耗不均衡的問(wèn)題［5］。

因此，為了解決寒旱區(qū)野外觀測(cè)儀器網(wǎng)絡(luò)在多跳路由中能量消耗不均勻的問(wèn)題，本文基于文獻(xiàn)［5］中的非均勻分簇思想，提出一種能量均衡的非均勻分簇路由協(xié)議（Energy-balanced Unequal Clustering Routing Protocol，EBUCR）。該協(xié)議簇頭通過(guò)局部競(jìng)爭(zhēng)產(chǎn)生，可以得到數(shù)量穩(wěn)定的分簇?cái)?shù)目。每一輪選舉開(kāi)始時(shí)，首先選擇候選簇頭，然后基于時(shí)序選舉正式簇頭，減少了簇頭選舉過(guò)程中的能量消耗。同時(shí)，改進(jìn)了競(jìng)爭(zhēng)半徑公式和廣播時(shí)間公式。改進(jìn)后的公式綜合考慮了節(jié)點(diǎn)能量、距離基站的距離及周?chē)?jié)點(diǎn)的密度，使簇頭分布更加合理，從而得到合理的分簇結(jié)構(gòu)。在簇間通信時(shí)，使用混合粒子群算法進(jìn)行最優(yōu)路徑搜索，以減少和均衡網(wǎng)絡(luò)能量消耗，使該算法可適用于大規(guī)模網(wǎng)絡(luò)。仿真實(shí)驗(yàn)結(jié)果表明，該算法能夠有效均衡能量消耗，延長(zhǎng)網(wǎng)絡(luò)生命周期。

1 相關(guān)研究

低功耗自適應(yīng)集簇分層型（Low Energy Adaptive Clustering Hierarchy，LEACH）協(xié)議［6］是最早提出的層次型路由協(xié)議，節(jié)點(diǎn)分為簇頭節(jié)點(diǎn)和成員節(jié)點(diǎn)，成員節(jié)點(diǎn)將信息發(fā)送給簇頭，由簇頭進(jìn)行數(shù)據(jù)融合再發(fā)送給基站，通過(guò)節(jié)點(diǎn)輪流擔(dān)任簇頭來(lái)均衡能量消耗。然而，LEACH 協(xié)議仍存在許多不足，例如簇頭與基站之間直接傳輸信息會(huì)導(dǎo)致遠(yuǎn)離基站的節(jié)點(diǎn)過(guò)早死亡；隨機(jī)選舉簇頭的機(jī)制會(huì)導(dǎo)致簇頭分布不均、各簇成員數(shù)目相差較大等情況，也會(huì)將能量較低的節(jié)點(diǎn)選舉為簇頭，導(dǎo)致節(jié)點(diǎn)快速死亡。文獻(xiàn)［7］在LEACH 協(xié)議基礎(chǔ)上對(duì)閾值公式進(jìn)行了修改，修改后的閾值公式考慮了節(jié)點(diǎn)的剩余能量與到基站的距離，同時(shí)結(jié)合多跳路由延長(zhǎng)網(wǎng)絡(luò)生命周期。但在該算法中，靠近基站的簇頭需要轉(zhuǎn)發(fā)遠(yuǎn)離基站簇頭的信息，導(dǎo)致消耗過(guò)快而率先死亡，造成“熱點(diǎn)”問(wèn)題。文獻(xiàn)［8］利用粒子群算法（Particle Swarm Optimization，PSO）來(lái)優(yōu)化分簇，通過(guò)適應(yīng)度函數(shù)綜合考慮節(jié)點(diǎn)的剩余能量和位置，構(gòu)建合理的分簇結(jié)構(gòu)。同時(shí)，建立基于最小生成樹(shù)的多跳數(shù)據(jù)傳輸路徑，縮短節(jié)點(diǎn)的通信距離，減少能量消耗并延長(zhǎng)網(wǎng)絡(luò)生命周期。

上述算法都是基于均勻分簇的思想，無(wú)法有效解決能耗不均問(wèn)題，采用單跳通信時(shí)，遠(yuǎn)離基站的節(jié)點(diǎn)率先死亡，采用多跳通信時(shí)，靠近基站的節(jié)點(diǎn)由于需要轉(zhuǎn)發(fā)信息而率先死亡。為了解決此問(wèn)題，Soro 等［5］首次提出非均勻分簇思想，在網(wǎng)絡(luò)內(nèi)構(gòu)造大小不一的簇，靠近基站的簇規(guī)模小，遠(yuǎn)離基站的簇規(guī)模大，使靠近基站的簇頭在簇內(nèi)通信上消耗的能量小于遠(yuǎn)離基站的簇頭，節(jié)省的能量用來(lái)轉(zhuǎn)發(fā)遠(yuǎn)離基站簇頭的信息，從而解決能耗不均衡問(wèn)題。但該協(xié)議考慮的是一個(gè)異構(gòu)網(wǎng)絡(luò)，其中簇頭是預(yù)先計(jì)算好的，并且能量不受限。文獻(xiàn)［9］提出一個(gè)非均勻分簇結(jié)合多跳的路由（Energy-Efficient Uneven Clustering，EEUC）協(xié)議，每一輪選舉出候選簇頭，然后通過(guò)非均勻的競(jìng)爭(zhēng)半徑競(jìng)選能量較高的節(jié)點(diǎn)成為最終簇頭，形成大小不一的簇。該協(xié)議每輪都會(huì)產(chǎn)生大量候選簇頭，并且在正式簇頭競(jìng)爭(zhēng)階段需要廣播和接收大量信息，從而產(chǎn)生額外的能量消耗。文獻(xiàn)［10］提出一種基于位置的非均勻分簇算法（Location-based Unequal Clustering Algorithm，LUCA），該算法類(lèi)似于EEUC 算法，根據(jù)簇頭與基站之間的距離確定簇的大小，遠(yuǎn)離基站的簇規(guī)模較大，同時(shí)對(duì)網(wǎng)絡(luò)的最佳簇大小進(jìn)行數(shù)學(xué)推導(dǎo)與分析，詳細(xì)闡述了非均勻分簇的核心思想。文獻(xiàn)［11］提出一種能量均衡的分布式非均勻分簇（Distributed Energybalanced Unequal Clustering Routing Protocol，DEBUC）算法，候選簇頭的廣播時(shí)間取決于自身的剩余能量和周?chē)?jié)點(diǎn)剩余能量大小，根據(jù)節(jié)點(diǎn)不同的競(jìng)爭(zhēng)半徑，使得靠近基站的簇規(guī)模小，遠(yuǎn)離基站的簇規(guī)模大。該協(xié)議減少了簇頭競(jìng)爭(zhēng)階段的能量消耗，延長(zhǎng)了網(wǎng)絡(luò)生命周期。文獻(xiàn)［12］提出一種基于LEACH 協(xié)議改進(jìn)的簇間多跳路由（Cluster Head Multi-hops Routing Algorithm Improved Based on LEACH Algorithm，CMRAOL）協(xié)議。根據(jù)節(jié)點(diǎn)的能量大小和距離基站的距離選舉簇頭，能量越大，距離基站的距離越小，則成為簇頭的概率越大，使靠近基站的簇規(guī)模較小，遠(yuǎn)離基站的簇規(guī)模較大。文獻(xiàn)［13］將網(wǎng)絡(luò)進(jìn)行非均勻分層，在各層依據(jù)節(jié)點(diǎn)的剩余能量和到層中間線(xiàn)的距離選舉簇頭，同時(shí)結(jié)合多跳路由減少能量消耗。

為了更好地實(shí)現(xiàn)能耗均衡，文獻(xiàn)［14］提出基于分層思想的非均勻分簇協(xié)議。不同于其它非均勻分簇協(xié)議，該算法將整個(gè)網(wǎng)絡(luò)分成不同的層，限制兩個(gè)簇頭之間的最小距離，使簇頭均勻地分布在同一層中，并且靠近基站的層簇頭間距大，遠(yuǎn)離基站的層簇頭間距小，以達(dá)到非均勻分簇的效果。當(dāng)簇頭距離基站較遠(yuǎn)時(shí)，向基站傳輸數(shù)據(jù)的能量消耗較大，可通過(guò)減少簇內(nèi)節(jié)點(diǎn)的數(shù)量均衡能量消耗。然而，該協(xié)議采用單跳通信，無(wú)法適用于大規(guī)模網(wǎng)絡(luò)。此外，有些學(xué)者將智能優(yōu)化算法與WSN 的非均勻分簇路由協(xié)議設(shè)計(jì)結(jié)合起來(lái)。例如文獻(xiàn)［15］基于螢火蟲(chóng)群優(yōu)化算法（Glowworm Swarm Optimization，GSO），依據(jù)簇頭密度、簇頭距離、簇頭能量、簇的緊湊性來(lái)選舉簇頭，形成不均勻的簇。分簇結(jié)束后，考慮能量消耗和下一跳節(jié)點(diǎn)的剩余能量，在簇間構(gòu)建轉(zhuǎn)發(fā)樹(shù)，將簇頭的信息通過(guò)轉(zhuǎn)發(fā)樹(shù)傳遞到基站。文獻(xiàn)［16］是一個(gè)基于蟻群算法設(shè)計(jì)的非均勻分簇協(xié)議，結(jié)合能量因子、距離因子、密度因子改進(jìn)簇頭選舉過(guò)程，并且利用改進(jìn)的蟻群算法選擇下一跳節(jié)點(diǎn)。文獻(xiàn)［17］在簇頭選擇階段使用遺傳算法（Genetic Algorithm，GA）選擇簇頭，選擇剩余能量較高且靠近基站的節(jié)點(diǎn)作為簇頭。同時(shí)結(jié)合多跳路由，降低能耗并延長(zhǎng)網(wǎng)絡(luò)生命周期。文獻(xiàn)［18］提出一種基于遺傳算法和粒子群算法的路由（GAPSO-based Clustering and Routing，GA-PSO）算法，使用遺傳算法優(yōu)化聚類(lèi)以獲得合理的聚類(lèi)結(jié)構(gòu)，并使用粒子群優(yōu)化算法優(yōu)化路由以降低能耗。但是，該算法沒(méi)有考慮集群頭部選擇階段節(jié)點(diǎn)的殘余能量，從而導(dǎo)致節(jié)點(diǎn)的早期死亡。

這些非均勻分簇算法雖然一定程度上延長(zhǎng)了網(wǎng)絡(luò)生命周期，但協(xié)議的簇頭選舉策略仍有很大的改進(jìn)空間。與已有的非均勻分簇路由協(xié)議相比，本文主要做了以下工作：①基于剩余能量、距離和節(jié)點(diǎn)密度改進(jìn)了競(jìng)爭(zhēng)半徑公式和廣播時(shí)間公式，可以得到合理的分簇結(jié)構(gòu)；②建立基于混合粒子群算法的簇間多跳路徑以減少能量消耗；③通過(guò)實(shí)驗(yàn)驗(yàn)證了EBUCR 協(xié)議的性能。

2 網(wǎng)絡(luò)模型與無(wú)線(xiàn)通信消耗模型

2.1 網(wǎng)絡(luò)模型

本文考慮觀測(cè)網(wǎng)絡(luò)是由隨機(jī)布置在正方形區(qū)域內(nèi)的節(jié)點(diǎn)組成，對(duì)網(wǎng)絡(luò)進(jìn)行如下假設(shè)：①基站位于網(wǎng)絡(luò)外，能量不受限，且儀器組網(wǎng)節(jié)點(diǎn)和基站部署完成后，均不可移動(dòng)；②儀器組網(wǎng)節(jié)點(diǎn)是同構(gòu)的，隨機(jī)部署在網(wǎng)絡(luò)中，能量受限，每個(gè)節(jié)點(diǎn)都有自己唯一的ID 編號(hào)；③儀器組網(wǎng)節(jié)點(diǎn)可根據(jù)收到信息的信號(hào)強(qiáng)弱判斷到信息發(fā)送者之間的距離，并且可以調(diào)節(jié)自己的發(fā)射功率；④儀器組網(wǎng)節(jié)點(diǎn)可以對(duì)數(shù)據(jù)進(jìn)行融合，以減少傳輸?shù)臄?shù)據(jù)量。

2.2 無(wú)線(xiàn)通信能量消耗模型

本文使用與LEACH 協(xié)議相同的無(wú)線(xiàn)通信能耗模型，即一階無(wú)線(xiàn)通信模型能量模型，如圖1所示。

Fig.1 Wireless communication energy model圖1 無(wú)線(xiàn)通信能量模型

發(fā)送者與接收者之間的距離為d時(shí)，發(fā)射大小為L(zhǎng)比特的數(shù)據(jù)需要消耗的能量如公式（1）所示。式中，Eelec為運(yùn)行發(fā)射電路和接收電路每比特的能量損耗，εfs和εmp取決于本文使用的發(fā)射器放大器模型。do為距離閾值，當(dāng)d≤do時(shí)，采用自由空間模型；當(dāng)d＞do時(shí)，采用多路衰減模型。接收一個(gè)L比特的消息，無(wú)線(xiàn)電需要消耗的能量為ERX（L，d）=L×Eelec。

3 能量均衡的非均勻分簇路由協(xié)議

EBUCR 協(xié)議采用“輪”的方式運(yùn)行，每輪分為兩個(gè)階段，分別進(jìn)行簇的建立和數(shù)據(jù)傳輸。在網(wǎng)絡(luò)初始化階段，基站需要以一定的功率向全網(wǎng)路廣播一條信息，然后網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)依據(jù)接收到信息的信號(hào)強(qiáng)弱計(jì)算自身到基站的距離。該距離可以用于計(jì)算各節(jié)點(diǎn)的競(jìng)爭(zhēng)半徑，并以此達(dá)到圖2 所示的非均勻分簇效果。由圖2 可知，距離基站較近的簇規(guī)模小于距離基站較遠(yuǎn)的簇，簇的規(guī)模小，用于簇內(nèi)通信的能量少，節(jié)省的能量可用來(lái)轉(zhuǎn)發(fā)遠(yuǎn)方簇頭傳遞的信息，達(dá)到均衡能耗的效果。每輪開(kāi)始時(shí)，各節(jié)點(diǎn)隨機(jī)生成一個(gè)隨機(jī)數(shù)，與自身相應(yīng)的閾值進(jìn)行比較，若小于閾值，則成為候選簇頭；成為候選簇頭的節(jié)點(diǎn)需要廣播自己成為候選簇頭的信息，并生成自身的鄰居簇頭節(jié)點(diǎn)信息表，普通節(jié)點(diǎn)則進(jìn)入休眠；然后，候選簇頭依據(jù)自身的時(shí)間進(jìn)度廣播成為當(dāng)選簇頭的信息；簇頭選舉完成后，普通節(jié)點(diǎn)結(jié)束休眠，加入離自己最近的簇；分簇完成后，簇成員節(jié)點(diǎn)給簇頭節(jié)點(diǎn)發(fā)送信息；簇頭節(jié)點(diǎn)接收信息后，將數(shù)據(jù)進(jìn)行融合，按照一定的通信路徑發(fā)送給基站。

Fig.2 Schematic diagram of unequal clustering routing protocol圖2 非均勻分簇路由協(xié)議原理

簇頭的競(jìng)爭(zhēng)規(guī)則定義為：競(jìng)爭(zhēng)過(guò)程中，若候選簇頭Si宣布自己當(dāng)選簇頭，則其鄰居簇頭節(jié)點(diǎn)信息表中的其它所有候選簇頭均不能成為簇頭，并退出競(jìng)爭(zhēng)。

候選簇頭節(jié)點(diǎn)Si的鄰居簇頭節(jié)點(diǎn)信息表定義為：neighbori=｛Sj|Sj是候選簇頭，且d（Si，Sj）≤Max（Ri，Rj）｝。

3.1 簇的建立

與EEUC 協(xié)議類(lèi)似，EBUCR 協(xié)議簇頭節(jié)點(diǎn)依靠局部競(jìng)爭(zhēng)產(chǎn)生。在EEUC 協(xié)議中，候選簇頭的產(chǎn)生是每個(gè)節(jié)點(diǎn)隨機(jī)生成一個(gè)隨機(jī)數(shù)。當(dāng)該隨機(jī)數(shù)小于提前設(shè)置好的閾值時(shí)，則成為候選簇頭。但是該閾值是固定的，每個(gè)節(jié)點(diǎn)的閾值相等，因此可能將能量較低的節(jié)點(diǎn)選為候選簇頭，并且每輪都產(chǎn)生大量簇頭，在競(jìng)爭(zhēng)過(guò)程中會(huì)耗費(fèi)大量能量。

在EBUCR 協(xié)議中，利用文獻(xiàn)［19］中的正式簇頭選舉方法來(lái)選舉候選簇頭。在每一輪開(kāi)始階段，首先根據(jù)存活節(jié)點(diǎn)的剩余能量值計(jì)算網(wǎng)絡(luò)中節(jié)點(diǎn)的平均能量，然后比較每個(gè)節(jié)點(diǎn)的剩余能量與平均能量大小，當(dāng)節(jié)點(diǎn)剩余能量大于等于平均能量時(shí)，節(jié)點(diǎn)加入節(jié)點(diǎn)集合G。集合G中的節(jié)點(diǎn)隨機(jī)生成一個(gè)0～1 之間的隨機(jī)數(shù)，如果隨機(jī)數(shù)小于節(jié)點(diǎn)對(duì)應(yīng)的閾值T（n），則該節(jié)點(diǎn)成為候選簇頭。T（n）計(jì)算公式如公式（3）所示：

式中，p表示候選簇頭節(jié)點(diǎn)占全部節(jié)點(diǎn)的比值，r表示當(dāng)前所處的輪數(shù)。采用該方式選擇候選簇頭，能夠?qū)⒕W(wǎng)絡(luò)中剩余能量較高的節(jié)點(diǎn)選為候選簇頭，從而避免能量較低的節(jié)點(diǎn)當(dāng)選候選簇頭。同時(shí)避免了產(chǎn)生大量候選簇頭，可以有效減少正式簇頭競(jìng)爭(zhēng)過(guò)程中的能量消耗。

候選簇頭產(chǎn)生后，要在一定范圍內(nèi)廣播自己成為候選簇頭的消息，周?chē)暮蜻x簇頭依據(jù)收到的消息產(chǎn)生自己的鄰居簇頭節(jié)點(diǎn)信息表，然后按照一定的規(guī)則競(jìng)爭(zhēng)產(chǎn)生正式簇頭。如公式（4）所示，原有的競(jìng)爭(zhēng)半徑公式僅考慮了候選簇頭與基站的距離大小，當(dāng)網(wǎng)絡(luò)運(yùn)行了一段時(shí)間后，網(wǎng)絡(luò)中節(jié)點(diǎn)的能量產(chǎn)生異構(gòu)，此時(shí)若僅根據(jù)距離計(jì)算競(jìng)爭(zhēng)半徑會(huì)導(dǎo)致個(gè)別節(jié)點(diǎn)能量損耗過(guò)快。EBUCR 協(xié)議考慮節(jié)點(diǎn)的剩余能量，對(duì)競(jìng)爭(zhēng)半徑公式作了修改。在候選簇頭距離基站相同距離的情況下，節(jié)點(diǎn)剩余能量越大，競(jìng)爭(zhēng)半徑越大，節(jié)點(diǎn)剩余能量越小，競(jìng)爭(zhēng)半徑越小，更有利于網(wǎng)絡(luò)全局的能耗均衡。改進(jìn)后的競(jìng)爭(zhēng)半徑如公式（5）所示。

式中，Emax代表當(dāng)前的最大剩余能量，Emin代表當(dāng)前的最小剩余能量，dmax表示節(jié)點(diǎn)到基站的最大距離，dmin表示節(jié)點(diǎn)到基站的最小距離，Rmax表示最大競(jìng)爭(zhēng)半徑。

EBUCR 協(xié)議在簇頭局部競(jìng)爭(zhēng)階段不同于EEUC 協(xié)議的協(xié)商機(jī)制，而是基于時(shí)序選舉簇頭。每個(gè)候選簇頭有自己的廣播時(shí)間ti，在時(shí)間ti未到達(dá)之前，如果接收到其它鄰居節(jié)點(diǎn)當(dāng)選為簇頭的消息，則退出競(jìng)選并廣播退出競(jìng)選的消息，如果未收到其它鄰居節(jié)點(diǎn)當(dāng)選簇頭的消息，等時(shí)間ti到達(dá)，則廣播自己成為簇頭的消息。等待時(shí)間ti如公式（6）所示：

式中，k為0.9～1 之間的隨機(jī)數(shù)，以避免等待時(shí)間發(fā)生沖突，Tch表示簇頭競(jìng)爭(zhēng)需要的最大等待時(shí)間，Eni_avg為鄰居節(jié)點(diǎn)的平均剩余能量，Qi表示節(jié)點(diǎn)密度（距離當(dāng)前節(jié)點(diǎn)距離Rmax內(nèi)的節(jié)點(diǎn)數(shù)量），Qmin為最小節(jié)點(diǎn)密度，α、β、γ為能量因子、距離因子和密度因子的加權(quán)系數(shù)，通過(guò)大量實(shí)驗(yàn)，取α=0.5，β=0.2，γ=0.3。根據(jù)上述公式，廣播時(shí)間不僅取決于節(jié)點(diǎn)剩余能量，而且需要考慮節(jié)點(diǎn)到基站的距離和節(jié)點(diǎn)密度。剩余能量大、距離基站近、節(jié)點(diǎn)密度大的節(jié)點(diǎn)等待時(shí)間就越少。簇頭競(jìng)選流程如圖3所示。

3.2 數(shù)據(jù)傳輸

在分簇完成之后，網(wǎng)絡(luò)進(jìn)入數(shù)據(jù)傳輸階段，分為簇內(nèi)通信和簇間通信。簇內(nèi)通信時(shí)，采用單跳方式進(jìn)行通信，成員節(jié)點(diǎn)將數(shù)據(jù)直接發(fā)送給簇頭，由簇頭進(jìn)行數(shù)據(jù)融合后發(fā)送到基站；簇間通信時(shí)，采用多跳方式進(jìn)行通信，基站根據(jù)每個(gè)簇頭節(jié)點(diǎn)的位置計(jì)算簇頭的最佳傳輸路徑。

本文的目標(biāo)是既要減少多跳消耗的能量，又要使各個(gè)簇頭消耗的能量均衡，因此引入混合粒子群算法計(jì)算簇頭的多跳路徑。適應(yīng)度函數(shù)如公式（7）所示，其中Econsume為簇頭消耗的總能量，D為簇頭消耗能量的方差，適應(yīng)度值越大，代表粒子對(duì)應(yīng)的路徑越優(yōu)。

基站計(jì)算得到簇頭的最佳路徑后，將路徑發(fā)送給簇頭，然后簇頭沿著路徑將信息發(fā)送到基站。

Fig.3 Cluster head selection flow圖3 簇頭競(jìng)選流程

4 協(xié)議分析及仿真實(shí)驗(yàn)

本文使用MATLAB 編寫(xiě)EBUCR 協(xié)議仿真程序，將其與LEACH［6］、EEUC［9］、DEBUC［11］、CMRAOL［12］、GAPSO［18］協(xié)議進(jìn)行對(duì)比，以驗(yàn)證EBUCR 協(xié)議的性能，仿真實(shí)驗(yàn)相關(guān)參數(shù)設(shè)置如表1所示。

Table 1 Parameter setting of simulation experiment表1 仿真實(shí)驗(yàn)相關(guān)參數(shù)設(shè)置

4.1 簇頭分布分析

在網(wǎng)絡(luò)拓?fù)涔潭ǖ那闆r下，一個(gè)穩(wěn)定的分簇協(xié)議應(yīng)該生成數(shù)量比較一致的簇頭來(lái)優(yōu)化網(wǎng)絡(luò)的能量消耗。在網(wǎng)絡(luò)運(yùn)行過(guò)程中隨機(jī)抽取100 輪，在沒(méi)有任何節(jié)點(diǎn)死亡的情況下，統(tǒng)計(jì)6 種協(xié)議簇頭數(shù)目分布情況，結(jié)果如圖4 所示。從圖4 可以看出，LEACH、CMRAOL 與GA-PSO 協(xié)議的簇頭數(shù)目波動(dòng)較大，這是因?yàn)長(zhǎng)EACH、CMRAOL 與GA-PSO協(xié)議均采用隨機(jī)選舉簇頭的方法，無(wú)法控制簇頭數(shù)量，往往會(huì)造成簇頭分布密集的情況，導(dǎo)致耗費(fèi)大量能量。DEBUC、EEUC 與EBUCR 協(xié)議均采用局部競(jìng)爭(zhēng)的方式選舉簇頭，產(chǎn)生的簇頭數(shù)目波動(dòng)較小。總體來(lái)說(shuō)，EBUCR 協(xié)議可以產(chǎn)生穩(wěn)定的分簇?cái)?shù)量，有助于網(wǎng)絡(luò)穩(wěn)定，并延長(zhǎng)網(wǎng)絡(luò)壽命。

Fig.4 Distribution of the number of cluster head produced by six protocols圖4 6種協(xié)議生成的簇頭數(shù)目分布統(tǒng)計(jì)

4.2 網(wǎng)絡(luò)能量效率分析

4.2.1 網(wǎng)絡(luò)生命周期分析

網(wǎng)絡(luò)的生命周期是指網(wǎng)絡(luò)開(kāi)始工作到第一個(gè)節(jié)點(diǎn)死亡的時(shí)間。在網(wǎng)絡(luò)生命周期內(nèi)，整個(gè)網(wǎng)絡(luò)區(qū)域可以得到有效監(jiān)控，一旦生命周期結(jié)束，節(jié)點(diǎn)開(kāi)始死亡。雖然網(wǎng)絡(luò)內(nèi)仍有節(jié)點(diǎn)在繼續(xù)工作，但對(duì)于整個(gè)網(wǎng)絡(luò)而言，監(jiān)控存在漏洞，因此無(wú)法做到對(duì)整個(gè)網(wǎng)絡(luò)的有效監(jiān)控。尤其是對(duì)于一些對(duì)監(jiān)控信息準(zhǔn)確性要求極高的應(yīng)用，生命周期顯得格外重要。圖5（彩圖掃OSID 碼可見(jiàn)，下同）顯示了EBUCR 協(xié)議與CMRAOL、DEBUC、GA-PSO、EEUC 和LEACH 協(xié)議的生命周期對(duì)比。從圖中可以看出，相比于其它幾種協(xié)議而言，EBUCR 協(xié)議明顯延長(zhǎng)了網(wǎng)絡(luò)生命周期。EBUCR 協(xié)議第一個(gè)節(jié)點(diǎn)在544 輪死亡，CMRAOL、DEBUC、GA-PSO、EEUC 與LEACH 協(xié) 議 第 一 個(gè) 節(jié) 點(diǎn) 分 別 在476 輪、452 輪、309 輪、228 輪和95 輪死亡，EBUCR 協(xié)議第一個(gè)節(jié)點(diǎn)死亡的時(shí)間比其他4 種協(xié)議分別延長(zhǎng)了14%、20%、76%、139%和473%；EBUCR 協(xié)議最后一個(gè)節(jié)點(diǎn)在641 輪死亡，CMRAOL、DEBUC、GA-PSO、EEUC 與LEACH 協(xié)議最后一個(gè)節(jié)點(diǎn)分別在560 輪、607 輪、546 輪、447 輪和480 輪死亡，EBUCR 協(xié)議最后一個(gè)節(jié)點(diǎn)死亡的時(shí)間比其他4 種協(xié)議分別延長(zhǎng)了14%、6%、17%、43%和34%，數(shù)據(jù)對(duì)比如表2 所示。這是因?yàn)镋BUCR 協(xié)議的簇頭選擇綜合考慮了剩余能量、距離基站距離和周?chē)?jié)點(diǎn)密度，再結(jié)合能量和距離優(yōu)化后的非均勻競(jìng)爭(zhēng)半徑，使得簇頭分布更加合理，可以均衡靠近基站的簇頭與遠(yuǎn)離基站簇頭的能量消耗，延長(zhǎng)網(wǎng)絡(luò)生命周期。

Fig.5 Network lifetime comparison of the six protocols圖5 6種協(xié)議網(wǎng)絡(luò)生命周期比較

在文獻(xiàn)［20］中，采用網(wǎng)絡(luò)的有效性作為評(píng)估無(wú)線(xiàn)網(wǎng)絡(luò)生命周期的指標(biāo)，而不是僅用存活節(jié)點(diǎn)數(shù)量衡量網(wǎng)絡(luò)生命周期。因?yàn)榫哂邢嗤瑪?shù)量存活節(jié)點(diǎn)的網(wǎng)絡(luò)節(jié)點(diǎn)分布不同，所以在監(jiān)測(cè)覆蓋方面具有不同性能。如圖6 所示，網(wǎng)絡(luò)中雖然都只有8 個(gè)存活節(jié)點(diǎn)，但網(wǎng)絡(luò)的監(jiān)測(cè)覆蓋面積有很大差異。

公式（8）給出了網(wǎng)絡(luò)有效性的定義，其中TotalArea表示網(wǎng)絡(luò)總面積，TotalNodes表示節(jié)點(diǎn)總個(gè)數(shù)，AreaCovered表示存活節(jié)點(diǎn)覆蓋面積，SurvivingNodes表示存活節(jié)點(diǎn)個(gè)數(shù)。網(wǎng)絡(luò)的生命周期為網(wǎng)絡(luò)開(kāi)始運(yùn)行到網(wǎng)絡(luò)有效性不低于70%的時(shí)間，圖7 給出了用有效性表示的網(wǎng)絡(luò)生命周期對(duì)比圖。結(jié)果表明，與LEACH、CMRAOL、DEBUC、EEUC 和GA-PSO 協(xié)議相比，EBUCR 協(xié)議可以延長(zhǎng)網(wǎng)絡(luò)生命周期，EBUCR 協(xié)議的生命周期相比CMRAOL、DEBUC、GA-PSO、EEUC、LEACH 協(xié)議分別延長(zhǎng)了13%、11%、18%、47%和160%。

Fig.6 The possible distribution of eight surviving nodes圖6 8個(gè)存活節(jié)點(diǎn)的可能分布

Fig.7 Effectiveness of six protocols圖7 6種協(xié)議的有效性

4.2.2 網(wǎng)絡(luò)能量消耗分析

本文通過(guò)網(wǎng)絡(luò)剩余能量、網(wǎng)絡(luò)總耗能和簇頭總耗能3個(gè)方面對(duì)6 種協(xié)議進(jìn)行能量消耗對(duì)比分析。圖8 為6 種協(xié)議網(wǎng)絡(luò)剩余總能量隨著運(yùn)行周期變化的對(duì)比圖。可以清楚地看出，隨著運(yùn)行輪數(shù)的增加，EBUCR 協(xié)議的網(wǎng)絡(luò)剩余能量明顯大于其它幾種協(xié)議，且斜率基本保持不變，說(shuō)明EBUCR 協(xié)議可以明顯減少能量消耗。圖9、圖10 為6 種協(xié)議網(wǎng)絡(luò)消耗能量對(duì)比圖，在網(wǎng)絡(luò)運(yùn)行過(guò)程中，隨機(jī)抽取100輪并計(jì)算每輪網(wǎng)絡(luò)消耗的總能量和簇頭消耗的能量。其中，圖9 為網(wǎng)絡(luò)總消耗能量對(duì)比圖，圖10 為簇頭消耗能量對(duì)比圖。從網(wǎng)絡(luò)消耗的總能量來(lái)看，EBUCR 協(xié)議網(wǎng)絡(luò)消耗總能量明顯低于LEACH 和EEUC 協(xié)議，與CMRAOL、DEBUC 及GA-PSO 協(xié)議相比，EBUCR 協(xié)議消耗的總能量相差不大，但波動(dòng)較小，協(xié)議穩(wěn)定性更強(qiáng)。從簇頭消耗的能量來(lái)看，EBUCR 協(xié)議簇頭每輪消耗的能量均低于其它幾種協(xié)議，說(shuō)明相比于其它幾種協(xié)議，EBUCR 協(xié)議能有效減少能量消耗，延長(zhǎng)網(wǎng)絡(luò)壽命。

4.2.3 網(wǎng)絡(luò)吞吐量分析

Fig.8 Residual energy of six protocols圖8 6種協(xié)議剩余能量

Fig.9 Energy consumption of total network圖9 網(wǎng)絡(luò)總耗能

Fig.10 Total energy consumption of cluster heads圖10 簇頭總耗能

圖11 為6 種協(xié)議簇頭接收到數(shù)據(jù)包數(shù)量的對(duì)比圖。從圖11 可以看出，6 種協(xié)議接收到數(shù)據(jù)包的數(shù)量均隨著時(shí)間的增加而增加。算法剛開(kāi)始運(yùn)行時(shí)，幾種協(xié)議簇頭接收到的數(shù)據(jù)包數(shù)量相差不大。隨著算法的運(yùn)行，其余幾種協(xié)議的節(jié)點(diǎn)開(kāi)始死亡，其接收到的數(shù)據(jù)包數(shù)量小于EBUCR協(xié)議。并且在其他協(xié)議簇頭停止接收數(shù)據(jù)時(shí)，EBUCR 協(xié)議簇頭仍能從成員節(jié)點(diǎn)接收到監(jiān)測(cè)數(shù)據(jù)，表明該協(xié)議能夠延長(zhǎng)網(wǎng)絡(luò)對(duì)監(jiān)控區(qū)域的監(jiān)控時(shí)間。

4.3 能量均衡分析

Fig.11 Throughput energy of six protocols圖11 6種協(xié)議吞吐量

能量均衡分析也是評(píng)價(jià)路由協(xié)議性能的一項(xiàng)重要指標(biāo)。圖12 使用剩余能量方差對(duì)6 種協(xié)議進(jìn)行能量均衡方面的對(duì)比分析。圖中曲線(xiàn)為隨著運(yùn)行時(shí)間增加，網(wǎng)絡(luò)中所有節(jié)點(diǎn)剩余能量方差的變化趨勢(shì)。相比于其他幾種協(xié)議，EBUCR 協(xié)議的方差數(shù)值基本保持最小，且波動(dòng)較小，說(shuō)明EBUCR 協(xié)議能夠有效均衡能量消耗，能量均衡性最好。

Fig.12 Variance of residual energy of nodes圖12 節(jié)點(diǎn)剩余能量方差

5 結(jié)語(yǔ)

針對(duì)大規(guī)模的野外觀測(cè)儀器組網(wǎng)網(wǎng)絡(luò)，為了均衡網(wǎng)絡(luò)能量消耗、延長(zhǎng)網(wǎng)絡(luò)生命周期，本文提出一種能量均衡的非均勻分簇路由協(xié)議。該路由協(xié)議在簇頭競(jìng)爭(zhēng)階段基于時(shí)序來(lái)競(jìng)爭(zhēng)簇頭，并綜合考慮節(jié)點(diǎn)的剩余能量、到基站的距離、周?chē)?jié)點(diǎn)密度實(shí)現(xiàn)非均勻分簇。同時(shí)，將混合粒子群算法應(yīng)用到多跳路徑搜索中，選擇最優(yōu)路徑完成簇頭間的信息傳輸。實(shí)驗(yàn)結(jié)果表明，EBUCR 協(xié)議相比LEACH、DEBUC、CMRAOL 和EEUC 協(xié)議能節(jié)省更多能量，具有更強(qiáng)的穩(wěn)定性，可以延長(zhǎng)網(wǎng)絡(luò)生命周期，并有效均衡能量消耗。然而，本文致力于設(shè)計(jì)能量高效且均衡的分簇路由協(xié)議，并未對(duì)整個(gè)協(xié)議運(yùn)行時(shí)間的收斂性方面進(jìn)行深入研究，而這在實(shí)際應(yīng)用中是必須解決的問(wèn)題，希望在未來(lái)作進(jìn)一步研究。