一種無線傳感網絡拓撲及路由協議方法研究

摘 要：針對無線傳感器網絡（WSN）的數據傳輸效率和降低能耗存在的現實問題，提出了一種基于層次分析法（AHP）的多跳傳輸路由協議模型（MHTRP AHP）。首先建立了WSN拓撲優化模型，綜合考慮了節點狀態可感知特性、同構與異構特性等因素。在此基礎上，利用AHP方法從網絡節點中選出簇頭（CH）節點，負責數據的收集和轉發。通過與SERP、GB EAMRP以及RACO SL等主流路由協議的對比實驗，結果表明MHTRP AHP在活躍節點數、死亡節點數和網絡能效方面均表現更優。該研究不僅為WSN路由協議設計提供了新思路，也為提升網絡穩定性和持久性提供了有力支持。

關鍵詞：無線傳感器網絡；網絡拓撲；路由協議；層次分析法；能耗優化

中圖分類號：TP393文獻標識碼：A

Research on a Wireless Sensor Network Topology

and Routing Protocol Method

CHEN Lin

（School of Information Engineering， Enshi Vocational and Technical College， Enshi， Hubei 445000，China）

Abstract：This paper proposes a multi hop transmission routing protocol model （MHTRP AHP） based on analytic hierarchy process （AHP） to address the practical issues of data transmission efficiency and energy consumption reduction in wireless sensor networks （WSN）. Firstly， a WSN topology optimization model was established， taking into account factors such as node state perceptibility， isomorphism， and heterogeneity. On this basis， the AHP method is used to select cluster head （CH） nodes from network nodes， responsible for data collection and forwarding. Through comparative experiments with mainstream routing protocols such as SERP， GB EAMRP， and RACO SL， the results show that MHTRP AHP performs better in terms of active node count， dead node count， and network energy efficiency. This study not only provides new ideas for designing WSN routing protocols， but also provides strong support for improving network stability and persistence.

Key words：wireless sensor network; network topology; routing protocol; analytic hierarchy process; energy consumption optimization

無線傳感器網絡（Wireless Sensor Network，WSN）由眾多微型傳感器構成，這些傳感器負責監測物理系統的多項參數，諸如溫度、濕度、振動、噪聲及物體存在狀態[1-3]。WSN基本組成部分涵蓋傳感單元、處理單元、傳輸單元及供電單元，核心功能在于數據采集、處理及少量傳感器節點間的雙向通信[4，5]。由于WSN密集部署，能源供應受限且難以再生，這要求網絡必須優化能源使用，以延長使用壽命。鑒于WSN的特殊性，傳統系統中的諸多定義和概念不再適用，故需開發新方法與策略，以優化能源利用，確保網絡按需高效地向用戶提供數據。

針對WSN中傳感器節點在數據傳輸過程中面臨的能量受限、負載均衡性差等問題，眾多學者展開了深入研究。文獻[6]提出了一種基于改進蟻群算法信息素因子的WSN路由選擇方法。該方法有效提高了WSN的吞吐量和穩定性，但尚未充分考慮數據傳輸的輪數，導致效率與生命周期在某些場景下仍有提升空間。文獻[7]則針對水下通信環境，設計了基于能量和深度的穩定選舉路由協議（Stable Election Routing Protocol，SERP）。文獻[8]提出了一種基于網關的能量感知多跳路由協議（Gateway Based Energy Aware Multi hop Routing Protocol，GB EAMRP），采用秘密共享方案提高了能量利用率和多跳數據安全性。該協議在保障數據傳輸安全的同時，也面臨如何在資源受限環境下高效實施的問題。文獻[9]通過引入獎懲因子和精英個體交叉變異操作，改進了蟻群優化算法，提出了基于扇形鏈路策略的改進蟻群分簇路由協議（Improved Ant Colony Clustering Routing Protocol Based on Fan Shaped Link Strategy，RACO SL）。盡管現有研究在穩定性、可擴展性、可靠性等方面取得了進展，但仍存在諸多挑戰，如能量受限、負載均衡性差等問題。特別是在異構網絡環境下，如何平衡各節點的能耗、提高網絡的穩定性和壽命，仍是一個亟待解決的問題。

針對WSN中的路由選擇問題，提出了一種基于層次分析法（Analytic Hierarchy Process，AHP）的多跳傳輸路由協議模型（Multi Hop Transmission Routing Protocol Model Based on Analytic Hierarchy Process，MHTRP AHP）。該模型通過綜合考慮節點的能量狀態和與匯聚節點的相對距離，動態選擇簇頭節點，以實現能量消耗和數據傳輸效率之間的平衡。

1 WSN拓撲模型建立

在WSN的拓撲結構中涵蓋三種核心節點類型：普通節點、簇頭（Cluster Head，CH）節點以及匯聚節點。

1.1 模型假設

本研究所涉及的WSN模型在設計與運行中需綜合考慮節點的狀態可感知特性、同構與異構特性、基站的外部數據獲取需求、節點的無人值守與能量限制、外部資源的依賴性以及無線連接的對稱性，以確保網絡的高效、穩定與持久運行。

1.2 拓撲優化模型

在評估WSN能耗的過程中，全面考量拓撲關系下能量的傳輸與獲取環節是至關重要的。具體而言，令WSN中網絡拓撲記為G（N，E），其中N為節點總數，E為將數據包從節點i傳輸到j所消耗的總能量，且i，j∈N。令能量傳輸消耗函數為Esend，則有：

Esend（n，s）=Eembb（n）+Eamp（n，s2）s≤sξ

Eembb（n）+Eamp（n，s4）sgt;sξ（1）

式中：Esend（n，s）為在距離s內發送n位數據所消耗的能量；Eembb（n）為傳感器處理n位數據的固有能耗；Eamp（n，s2）為當距離s位于感知閾值sξ內時的傳輸能耗衰減函數，其與發送數據位數n及距離的平方相關，表明能耗快速損失；Eamp（n，s4）為當距離s超過感知閾值sξ時，能耗劇烈損失。

相應地，定義能量接收消耗函數Eacq，則有：

Eacq（s）=Eembb（n）（2）

式中：Eacq（s）函數為在特定范圍s內獲取數據所需的能量成本。

值得注意的是，能量傳輸消耗Esend（n，s）不僅依賴于傳輸的數據量n以及數據處理的消耗，還隨傳輸距離s的變化而變化，這體現了無線通信中能量消耗與距離之間的復雜關系。而能量接收消耗Esend（n，s）則主要聚焦于數據處理過程中的能耗，可能涉及傳感器激活、數據采樣及初步處理等步驟，其成本往往與獲取的數據量n直接相關。

在睡眠狀態下，令WSN消耗的能量為Eslp，則WSN的總能耗如下所示：

E=Esend（n，s）+Eacq（s）+Eslp（t）（3）

式中：E為WSN的總能耗；Eslp（t）為WSN睡眠模式t時的能量消耗。

2 基于AHP的多跳傳輸路由協議模型

2.1 基于APH的CH確定

AHP是一種專為多準則決策情境設計的系統性方法。該方法首先明確關鍵的決策標準，并依據這些標準對備選方案進行評估與比較分析。AHP的核心目的是通過運用預先界定的標準及其相應的重要性權重，以分析的方式選出最優方案。在具體操作中，AHP采用了分層結構，隨后構建出對偶比較矩陣。接著，運用向量法計算各標準的相對重要性，并借助一致性比率來檢驗對偶比較矩陣的一致性。當一致性比率達到可接受水平時，將對備選方案進行優先級排序，最終選出得分最高的方案作為最優選擇。

在確定閾值過程中，CH在預設的迭代周期內持續承擔其角色。本研究對兩種潛在選擇進行了對比分析：即擔任CH（TCH）與不擔任CH（FCH）。評估的基準依據為節點與匯聚節點的鄰接距離矩陣U、鄰接能量矩陣E以及優勢矩陣C。為了有效選取簇頭節點，系統需掌握鄰近節點的能量級別以及它們相對于匯聚節點（Sink）的距離信息。在此過程中，節點應在預設的時間周期內交換其能量狀態數據。具體而言，距離信息僅需由Sink節點一次性廣播至全網，以確保所有節點均能獲得這一關鍵參數。然而，值得注意的是，節點間頻繁共享能量信息雖有助于實現精確的簇頭選擇，但同時也不可避免地增加了整個網絡的能源消耗。

假設有N2種狀態代表可能的能量和距離狀態（N為節點的總數）。對于所考慮的所有情況，用AHP得到的閾值存儲在閾值矩陣D中：

D=D（E1，u1）D（E1，u2）…D（E1，un）D（E2，u1）D（E2，u2）…D（E2，un）D（En，u1）D（En，u2）…D（En，un）（4）

式中：D（E，u）為與能量、距離相關的閾值；E∈E為能量；u∈U為距離。

在以下兩種情況下，D（E，u）作為CH的閾值：

條件1：與相鄰節點相比，該節點的能量范圍為（E－1）/N，E/N；

條件2：節點與基站的距離范圍為（u－1）/N，u/N。

在所提方法中，成為CH的節點將在特定的周期中保留該角色。同時，在完成指定數量的迭代后，該進程開始選擇一個新的CH。令CH選擇周期的值記為pg。對于每個pg，閾值矩陣D中的D（E，u）可根據C（q）計算，其中C（q）∈C為第q個與能量和距離相關的關系對值。令pg和C（q）計算的評估矩陣記為Dg，p，該過程涉及隨機生成N2個不同的網絡拓撲，從而確保每個拓撲具有Dg，p（E，u）∈Dg，p所需的屬性。

在迭代生成網絡拓撲過程中，令評估矩陣Dg，p的總階數為H。換言之，存在N2×H個不同的網絡拓撲需進行Dg，p（E，u）評估。在所提模型中，選擇CH是基于網絡的剩余能量和屬于同一區域的所有節點的平均值來確定。令xi為每節點被選為CH的平均概率。在每次Ri=1/xi迭代中，節點ni只能有一次成為CH。假設在第一次迭代R1中選擇ni作為CH，那么在后續迭代中，其將不再被選為簇頭。需注意，閾值將根據剩余能量和區域的平均能量波動。當網絡均勻且每個傳感器節點共享相同的起始能量水平時，必須選擇最優比例的節點作為CH。然而，在異構環境中，每個傳感器擁有不同的起始能量。此外，采用負載均衡策略使得能量較大的網關節點有更多的迭代來聚合，以防止正常節點的過早死亡。

根據上述分析，每次迭代中所有節點作為CH的概率計算如下所示：

T（k，m，q）=μeW+μu（1－W）（5）

式中：T為所有節點作為CH的概率；k為能量矩陣E中元素的索引；m為距離矩陣U中元素的索引；q為優勢矩陣C中元素的索引；μE、μu和W為決策系數，分別計算如下：

μE=1211+E－1（k）+E（k）1+E（k）

μu=1211+U－1（m）+U（m）1+U（m）

W=1211+C－1（q）+C（q）1+C（q）（6）

當獲得所有可能的閾值后，在CH選擇周期內逐一嘗試閾值，其中節點按照期望的能量和距離特征隨機分布。此時，任意節點ni基于概率T（k，m，q）來決定是否成為CH：

ni=TCH（ni）δ≤T（k，m，q）

FCH（ni）δgt;T（k，m，q）（7）

式中：TCH（ni）表征節點ni成為CH；FCH（ni）表征節點ni不為CH；δ為預先設定的閾值，且有δ∈（0，1）。

接下來，決定不成為CH的節點將被分配到與CH最近的集群中。集群創建后，正常節點將其數據包發送給其CH，而CH在選擇周期pg內將其數據包及其成員的數據包發送給匯聚節點。當完成pg輪迭代后，重新選擇CH并再次執行上述過程。

2.2 執行過程

MHTRP AHP執行流程圖如圖1所示。在CH選擇周期pg后，節點需要獲取其相鄰節點到匯聚節點的能量和距離信息，根據鄰居的能量和距離信息，節點可以確定Dg，p（E，u）∈Dg，p的E和u索引號，并假設g和p的值在網絡安裝前已經確定。在CH選擇階段，如果節點的Dg，p（E，u）∈Dg，p不超過設定閾值δ，則節點聲明自己為CH。CH選擇階段在每輪pg之后開始。節點在CH選擇階段從匯聚節點廣播其能量和距離。在CH選擇階段結束后，正常節點將其數據傳輸到離其最近的CH。CH將所有數據傳輸到匯聚節點。在pg迭代中，正常節點和CH始終保持正常通信。

3 實驗與分析

3.1 實驗環境與設置

實驗軟件環境為MATLAB R2019 a；硬件環境配置為一臺浪潮高性能服務器。該服務器搭載了Intel Xeon Gold 6248 CPU，具備20個物理核心，支持超線程技術，因此可提供高達40個邏輯處理單元。內存方面，服務器配置了256 GB的DDR4 ECC RAM，確保了大數據處理和復雜計算任務的高效運行。存儲系統則采用了1 TB的NVMe SSD作為系統盤，用于快速啟動操作系統和加載應用程序，同時配備了4 TB的SAS企業級硬盤作為數據存儲盤，確保了海量數據的可靠存儲與高速訪問。

實驗時將所提MHTRP AHP與幾種主流路由協議進行了對比，具體包括穩定選舉路由協議（Stable Election Routing Protocol，SERP）、基于網關的能量感知多跳路由協議（Gateway Based Energy Aware Multi hop Routing Protocol，GB EAMRP）以及基于扇形鏈路策略的改進蟻群分簇路由協議（Improved Ant Colony Clustering Routing Protocol Based on Fan Shaped Link Strategy，RACO SL）。在穩定選舉路由協議中，盡管協議方案的主要差異僅在于頭部設計，但基站（匯聚節點）最初被置于網絡中心，靠近各個節點。由于基站的位置及其與節點的距離，其能耗最高，從而導致能量迅速耗盡。為了提升網關節能多跳路由系統的性能，研究利用了部署于所有區域的初始同質節點。

在仿真過程中，傳感器節點根據預設閾值被劃分為四個區域，而基站和網關節點則位于檢測區域之外且處于網絡中心。就網絡場景而言，仿真相關參數設置如下：WSN范圍為200 m×200 m；網絡節點數據設置為200；傳輸信息的大小設置為5000 bits；常規節點初始能量設置為1 J；仿真最大迭代次數設置為5000 代；通信時間（含隨機延遲）設置為20 s至200 s之間的隨機數。

此外，實驗時選取活躍節點、死亡節點、網絡能效等為指標。

3.2 結果與分析

3.2.1 活躍節點數對比

圖2所示為不同路由協議下活躍節點對比結果。從中可以觀察到各協議在迭代過程中的性能差異。具體而言，相較于其他路由協議，MHTRP AHP在每次迭代中的活動節點數量呈現出一種平穩且逐步減少的趨勢。在經過3000次迭代后，MHTRP AHP的性能優勢尤為明顯。與SERP的10%存活節點比例、GB EAMRP的0.5%存活節點比例以及RACO SL的60%存活節點比例相比，MHTRP AHP成功維持了70%的存活節點比例。這一數據對比清晰地揭示出MHTRP AHP在保持節點存活時間方面具有更為出色的表現。

3.2.2 死亡節點對比

圖3所示為死亡節點對比結果，進一步揭示了不同路由協議在節點存活率方面的性能差異。在迭代的過程中，MHTRP AHP路由協議展現出了較優的穩定性，其死亡節點總數與SERP、GB EAMRP和RACO SL等現有方法形成了鮮明對比。尤其是在2000次迭代時，SERP、GB EAMRP和RACO SL等方法死亡節點均超過70%，而所提MHTRP AHP僅15%死亡節點。隨著迭代次數增加，這種優勢不斷擴大。

3.2.3 網絡能效對比結果

網絡能效對比結果如圖4所示，該結果清晰地展示了不同協議在迭代周期內容網絡能量消耗方面的表現。具體而言，與SERP、GB EAMRP以及RACO SL等協議相比，MHTRP AHP協議在降低能量消耗方面展現出了顯著優勢。

可以看出，MHTRP AHP實現了最低的能量消耗水平。尤其是3000次迭代時，與SERP、GB EAMRP以及RACO SL等方法相比，MHTRP AHP能量消耗均降低8%左右。

綜上所述，MHTRP AHP協議通過優化節點部署策略、采用多跳通信策略以及發揮網關節點的高效聚合和轉發能力，成功實現了網絡能量消耗的最小化。這些優勢使得MHTRP AHP協議在無線網絡能效優化方面具有較高的應用價值。

4 結 論

在WSN的研究領域，網絡的拓撲結構和路由協議對于實現高效的數據傳輸和降低能耗具有決定性作用。為此，提出了一種MHTRP AHP以優化WSN中的數據傳輸效率和能耗。研究首先構建了WSN的拓撲優化模型，考慮了節點的狀態可感知特性、同構與異構特性等多個影響因素。接著，利用AHP方法確定CH節點，實現了從普通節點到匯聚節點的數據收集和轉發。MHTRP AHP的主要創新在于綜合考慮了節點的能量狀態和與匯聚節點的相對距離，通過AHP方法動態選擇簇頭節點，以實現能量消耗和數據傳輸效率之間的平衡。

參考文獻

［１］ PUSHPALATHA A， PRADEEP S，PULLARAO V M， et al. Optimized memory augmented graph neural network based DoS attacks detection in wireless sensor network[J].Network，2024，1-27.

[2] ABINAYAA S S， ARUMUGAM P， MOHAND B， et al. Securing the edge： CatBoost classifier optimized by the lyrebird algorithm to detect denial of service attacks in Internet of Things based wireless sensor networks[J].Future Internet，2024，16（10）：381.

[3] MURTHY B Y M ，KOTESWARARAO A. Applications， merits and demerits of WSN with IoT： a detailed review[J].International Journal of Autonomous and Adaptive Communications Systems，2024，17（1）：68-88.

[4] SHENE S J，EMMANUEL W R S，STEPHEN K V K.Review on energy conservation and congestion mechanism in mobile WSN： taxonomy， software programs， challenges， and future trends[J].Wireless Networks，2023，29（6）：2649-2669.

[5] 陳昆儀，高宏.無線傳感器網絡中數據收集算法研究綜述[J].智能計算機與應用，2023，13（1）：1-4+11.

[6] 金一琳，遲闊.基于改進蟻群算法信息素因子的WSN路由選擇研究[J].辦公自動化，2024，29（19）：63-66.

[7] ALI E S，SAEED R A，ELTAHIR I K. Depth based stable election routing protocol for heterogeneous internet of underwater things （IoUT） energy efficiency[J].Computers and Electrical Engineering，2024，119：109507.

[8] 殷彤麗.一種新的物聯網能量感知多跳路由協議[J].微型電腦應用，2021，37（5）：16-18+26.

[9] 王麗芳，楊康杰，郭曉東，等.基于扇形鏈路策略的改進蟻群分簇路由協議[J].計算機工程與設計，2024，45（9）：2620-2626.