一種無(wú)線傳感網(wǎng)絡(luò)拓?fù)浼奥酚蓞f(xié)議方法研究

摘 要：針對(duì)無(wú)線傳感器網(wǎng)絡(luò)（WSN）的數(shù)據(jù)傳輸效率和降低能耗存在的現(xiàn)實(shí)問(wèn)題，提出了一種基于層次分析法（AHP）的多跳傳輸路由協(xié)議模型（MHTRP AHP）。首先建立了WSN拓?fù)鋬?yōu)化模型，綜合考慮了節(jié)點(diǎn)狀態(tài)可感知特性、同構(gòu)與異構(gòu)特性等因素。在此基礎(chǔ)上，利用AHP方法從網(wǎng)絡(luò)節(jié)點(diǎn)中選出簇頭（CH）節(jié)點(diǎn)，負(fù)責(zé)數(shù)據(jù)的收集和轉(zhuǎn)發(fā)。通過(guò)與SERP、GB EAMRP以及RACO SL等主流路由協(xié)議的對(duì)比實(shí)驗(yàn)，結(jié)果表明MHTRP AHP在活躍節(jié)點(diǎn)數(shù)、死亡節(jié)點(diǎn)數(shù)和網(wǎng)絡(luò)能效方面均表現(xiàn)更優(yōu)。該研究不僅為WSN路由協(xié)議設(shè)計(jì)提供了新思路，也為提升網(wǎng)絡(luò)穩(wěn)定性和持久性提供了有力支持。

關(guān)鍵詞：無(wú)線傳感器網(wǎng)絡(luò)；網(wǎng)絡(luò)拓?fù)?；路由協(xié)議；層次分析法；能耗優(yōu)化

中圖分類號(hào)：TP393文獻(xiàn)標(biāo)識(shí)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(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）由眾多微型傳感器構(gòu)成，這些傳感器負(fù)責(zé)監(jiān)測(cè)物理系統(tǒng)的多項(xiàng)參數(shù)，諸如溫度、濕度、振動(dòng)、噪聲及物體存在狀態(tài)[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(shù)據(jù)采集、處理及少量傳感器節(jié)點(diǎn)間的雙向通信[4，5]。由于WSN密集部署，能源供應(yīng)受限且難以再生，這要求網(wǎng)絡(luò)必須優(yōu)化能源使用，以延長(zhǎng)使用壽命。鑒于WSN的特殊性，傳統(tǒng)系統(tǒng)中的諸多定義和概念不再適用，故需開(kāi)發(fā)新方法與策略，以優(yōu)化能源利用，確保網(wǎng)絡(luò)按需高效地向用戶提供數(shù)據(jù)。

針對(duì)WSN中傳感器節(jié)點(diǎn)在數(shù)據(jù)傳輸過(guò)程中面臨的能量受限、負(fù)載均衡性差等問(wèn)題，眾多學(xué)者展開(kāi)了深入研究。文獻(xiàn)[6]提出了一種基于改進(jìn)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(wěn)定性，但尚未充分考慮數(shù)據(jù)傳輸?shù)妮啍?shù)，導(dǎo)致效率與生命周期在某些場(chǎng)景下仍有提升空間。文獻(xiàn)[7]則針對(duì)水下通信環(huán)境，設(shè)計(jì)了基于能量和深度的穩(wěn)定選舉路由協(xié)議（Stable Election Routing Protocol，SERP）。文獻(xiàn)[8]提出了一種基于網(wǎng)關(guān)的能量感知多跳路由協(xié)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(shù)據(jù)安全性。該協(xié)議在保障數(shù)據(jù)傳輸安全的同時(shí)，也面臨如何在資源受限環(huán)境下高效實(shí)施的問(wèn)題。文獻(xiàn)[9]通過(guò)引入獎(jiǎng)懲因子和精英個(gè)體交叉變異操作，改進(jìn)了蟻群優(yōu)化算法，提出了基于扇形鏈路策略的改進(jìn)蟻群分簇路由協(xié)議（Improved Ant Colony Clustering Routing Protocol Based on Fan Shaped Link Strategy，RACO SL）。盡管現(xiàn)有研究在穩(wěn)定性、可擴(kuò)展性、可靠性等方面取得了進(jìn)展，但仍存在諸多挑戰(zhàn)，如能量受限、負(fù)載均衡性差等問(wèn)題。特別是在異構(gòu)網(wǎng)絡(luò)環(huán)境下，如何平衡各節(jié)點(diǎn)的能耗、提高網(wǎng)絡(luò)的穩(wěn)定性和壽命，仍是一個(gè)亟待解決的問(wèn)題。

針對(duì)WSN中的路由選擇問(wèn)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(xié)議模型（Multi Hop Transmission Routing Protocol Model Based on Analytic Hierarchy Process，MHTRP AHP）。該模型通過(guò)綜合考慮節(jié)點(diǎn)的能量狀態(tài)和與匯聚節(jié)點(diǎn)的相對(duì)距離，動(dòng)態(tài)選擇簇頭節(jié)點(diǎn)，以實(shí)現(xiàn)能量消耗和數(shù)據(jù)傳輸效率之間的平衡。

1 WSN拓?fù)淠Ｐ徒?/p>

在WSN的拓?fù)浣Y(jié)構(gòu)中涵蓋三種核心節(jié)點(diǎn)類型：普通節(jié)點(diǎn)、簇頭（Cluster Head，CH）節(jié)點(diǎn)以及匯聚節(jié)點(diǎn)。

1.1 模型假設(shè)

本研究所涉及的WSN模型在設(shè)計(jì)與運(yùn)行中需綜合考慮節(jié)點(diǎn)的狀態(tài)可感知特性、同構(gòu)與異構(gòu)特性、基站的外部數(shù)據(jù)獲取需求、節(jié)點(diǎn)的無(wú)人值守與能量限制、外部資源的依賴性以及無(wú)線連接的對(duì)稱性，以確保網(wǎng)絡(luò)的高效、穩(wěn)定與持久運(yùn)行。

1.2 拓?fù)鋬?yōu)化模型

在評(píng)估WSN能耗的過(guò)程中，全面考量拓?fù)潢P(guān)系下能量的傳輸與獲取環(huán)節(jié)是至關(guān)重要的。具體而言，令WSN中網(wǎng)絡(luò)拓?fù)溆洖镚（N，E），其中N為節(jié)點(diǎn)總數(shù)，E為將數(shù)據(jù)包從節(jié)點(diǎn)i傳輸?shù)絡(luò)所消耗的總能量，且i，j∈N。令能量傳輸消耗函數(shù)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(nèi)發(fā)送n位數(shù)據(jù)所消耗的能量；Eembb（n）為傳感器處理n位數(shù)據(jù)的固有能耗；Eamp（n，s2）為當(dāng)距離s位于感知閾值sξ內(nèi)時(shí)的傳輸能耗衰減函數(shù)，其與發(fā)送數(shù)據(jù)位數(shù)n及距離的平方相關(guān)，表明能耗快速損失；Eamp（n，s4）為當(dāng)距離s超過(guò)感知閾值sξ時(shí)，能耗劇烈損失。

相應(yīng)地，定義能量接收消耗函數(shù)Eacq，則有：

Eacq（s）=Eembb（n）（2）

式中：Eacq（s）函數(shù)為在特定范圍s內(nèi)獲取數(shù)據(jù)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?shù)臄?shù)據(jù)量n以及數(shù)據(jù)處理的消耗，還隨傳輸距離s的變化而變化，這體現(xiàn)了無(wú)線通信中能量消耗與距離之間的復(fù)雜關(guān)系。而能量接收消耗Esend（n，s）則主要聚焦于數(shù)據(jù)處理過(guò)程中的能耗，可能涉及傳感器激活、數(shù)據(jù)采樣及初步處理等步驟，其成本往往與獲取的數(shù)據(jù)量n直接相關(guān)。

在睡眠狀態(tài)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(shí)的能量消耗。

2 基于AHP的多跳傳輸路由協(xié)議模型

2.1 基于APH的CH確定

AHP是一種專為多準(zhǔn)則決策情境設(shè)計(jì)的系統(tǒng)性方法。該方法首先明確關(guān)鍵的決策標(biāo)準(zhǔn)，并依據(jù)這些標(biāo)準(zhǔn)對(duì)備選方案進(jìn)行評(píng)估與比較分析。AHP的核心目的是通過(guò)運(yùn)用預(yù)先界定的標(biāo)準(zhǔn)及其相應(yīng)的重要性權(quán)重，以分析的方式選出最優(yōu)方案。在具體操作中，AHP采用了分層結(jié)構(gòu)，隨后構(gòu)建出對(duì)偶比較矩陣。接著，運(yùn)用向量法計(jì)算各標(biāo)準(zhǔn)的相對(duì)重要性，并借助一致性比率來(lái)檢驗(yàn)對(duì)偶比較矩陣的一致性。當(dāng)一致性比率達(dá)到可接受水平時(shí)，將對(duì)備選方案進(jìn)行優(yōu)先級(jí)排序，最終選出得分最高的方案作為最優(yōu)選擇。

在確定閾值過(guò)程中，CH在預(yù)設(shè)的迭代周期內(nèi)持續(xù)承擔(dān)其角色。本研究對(duì)兩種潛在選擇進(jìn)行了對(duì)比分析：即擔(dān)任CH（TCH）與不擔(dān)任CH（FCH）。評(píng)估的基準(zhǔn)依據(jù)為節(jié)點(diǎn)與匯聚節(jié)點(diǎn)的鄰接距離矩陣U、鄰接能量矩陣E以及優(yōu)勢(shì)矩陣C。為了有效選取簇頭節(jié)點(diǎn)，系統(tǒng)需掌握鄰近節(jié)點(diǎn)的能量級(jí)別以及它們相對(duì)于匯聚節(jié)點(diǎn)（Sink）的距離信息。在此過(guò)程中，節(jié)點(diǎn)應(yīng)在預(yù)設(shè)的時(shí)間周期內(nèi)交換其能量狀態(tài)數(shù)據(jù)。具體而言，距離信息僅需由Sink節(jié)點(diǎn)一次性廣播至全網(wǎng)，以確保所有節(jié)點(diǎn)均能獲得這一關(guān)鍵參數(shù)。然而，值得注意的是，節(jié)點(diǎn)間頻繁共享能量信息雖有助于實(shí)現(xiàn)精確的簇頭選擇，但同時(shí)也不可避免地增加了整個(gè)網(wǎng)絡(luò)的能源消耗。

假設(shè)有N2種狀態(tài)代表可能的能量和距離狀態(tài)（N為節(jié)點(diǎn)的總數(shù)）。對(duì)于所考慮的所有情況，用AHP得到的閾值存儲(chǔ)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(guān)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(jié)點(diǎn)相比，該節(jié)點(diǎn)的能量范圍為（E－1）/N，E/N；

條件2：節(jié)點(diǎn)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(jié)點(diǎn)將在特定的周期中保留該角色。同時(shí)，在完成指定數(shù)量的迭代后，該進(jìn)程開(kāi)始選擇一個(gè)新的CH。令CH選擇周期的值記為pg。對(duì)于每個(gè)pg，閾值矩陣D中的D（E，u）可根據(jù)C（q）計(jì)算，其中C（q）∈C為第q個(gè)與能量和距離相關(guān)的關(guān)系對(duì)值。令pg和C（q）計(jì)算的評(píng)估矩陣記為Dg，p，該過(guò)程涉及隨機(jī)生成N2個(gè)不同的網(wǎng)絡(luò)拓?fù)?，從而確保每個(gè)拓?fù)渚哂蠨g，p（E，u）∈Dg，p所需的屬性。

在迭代生成網(wǎng)絡(luò)拓?fù)溥^(guò)程中，令評(píng)估矩陣Dg，p的總階數(shù)為H。換言之，存在N2×H個(gè)不同的網(wǎng)絡(luò)拓?fù)湫柽M(jìn)行Dg，p（E，u）評(píng)估。在所提模型中，選擇CH是基于網(wǎng)絡(luò)的剩余能量和屬于同一區(qū)域的所有節(jié)點(diǎn)的平均值來(lái)確定。令xi為每節(jié)點(diǎn)被選為CH的平均概率。在每次Ri=1/xi迭代中，節(jié)點(diǎn)ni只能有一次成為CH。假設(shè)在第一次迭代R1中選擇ni作為CH，那么在后續(xù)迭代中，其將不再被選為簇頭。需注意，閾值將根據(jù)剩余能量和區(qū)域的平均能量波動(dòng)。當(dāng)網(wǎng)絡(luò)均勻且每個(gè)傳感器節(jié)點(diǎn)共享相同的起始能量水平時(shí)，必須選擇最優(yōu)比例的節(jié)點(diǎn)作為CH。然而，在異構(gòu)環(huán)境中，每個(gè)傳感器擁有不同的起始能量。此外，采用負(fù)載均衡策略使得能量較大的網(wǎng)關(guān)節(jié)點(diǎn)有更多的迭代來(lái)聚合，以防止正常節(jié)點(diǎn)的過(guò)早死亡。

根據(jù)上述分析，每次迭代中所有節(jié)點(diǎn)作為CH的概率計(jì)算如下所示：

T（k，m，q）=μeW+μu（1－W）（5）

式中：T為所有節(jié)點(diǎn)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(yōu)勢(shì)矩陣C中元素的索引；μE、μu和W為決策系數(shù)，分別計(jì)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(dāng)獲得所有可能的閾值后，在CH選擇周期內(nèi)逐一嘗試閾值，其中節(jié)點(diǎn)按照期望的能量和距離特征隨機(jī)分布。此時(shí)，任意節(jié)點(diǎn)ni基于概率T（k，m，q）來(lái)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(jié)點(diǎn)ni成為CH；FCH（ni）表征節(jié)點(diǎn)ni不為CH；δ為預(yù)先設(shè)定的閾值，且有δ∈（0，1）。

接下來(lái)，決定不成為CH的節(jié)點(diǎn)將被分配到與CH最近的集群中。集群創(chuàng)建后，正常節(jié)點(diǎn)將其數(shù)據(jù)包發(fā)送給其CH，而CH在選擇周期pg內(nèi)將其數(shù)據(jù)包及其成員的數(shù)據(jù)包發(fā)送給匯聚節(jié)點(diǎn)。當(dāng)完成pg輪迭代后，重新選擇CH并再次執(zhí)行上述過(guò)程。

2.2 執(zhí)行過(guò)程

MHTRP AHP執(zhí)行流程圖如圖1所示。在CH選擇周期pg后，節(jié)點(diǎn)需要獲取其相鄰節(jié)點(diǎn)到匯聚節(jié)點(diǎn)的能量和距離信息，根據(jù)鄰居的能量和距離信息，節(jié)點(diǎn)可以確定Dg，p（E，u）∈Dg，p的E和u索引號(hào)，并假設(shè)g和p的值在網(wǎng)絡(luò)安裝前已經(jīng)確定。在CH選擇階段，如果節(jié)點(diǎn)的Dg，p（E，u）∈Dg，p不超過(guò)設(shè)定閾值δ，則節(jié)點(diǎn)聲明自己為CH。CH選擇階段在每輪pg之后開(kāi)始。節(jié)點(diǎn)在CH選擇階段從匯聚節(jié)點(diǎn)廣播其能量和距離。在CH選擇階段結(jié)束后，正常節(jié)點(diǎn)將其數(shù)據(jù)傳輸?shù)诫x其最近的CH。CH將所有數(shù)據(jù)傳輸?shù)絽R聚節(jié)點(diǎn)。在pg迭代中，正常節(jié)點(diǎn)和CH始終保持正常通信。

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)環(huán)境與設(shè)置

實(shí)驗(yàn)軟件環(huán)境為MATLAB R2019 a；硬件環(huán)境配置為一臺(tái)浪潮高性能服務(wù)器。該服務(wù)器搭載了Intel Xeon Gold 6248 CPU，具備20個(gè)物理核心，支持超線程技術(shù)，因此可提供高達(dá)40個(gè)邏輯處理單元。內(nèi)存方面，服務(wù)器配置了256 GB的DDR4 ECC RAM，確保了大數(shù)據(jù)處理和復(fù)雜計(jì)算任務(wù)的高效運(yùn)行。存儲(chǔ)系統(tǒng)則采用了1 TB的NVMe SSD作為系統(tǒng)盤，用于快速啟動(dòng)操作系統(tǒng)和加載應(yīng)用程序，同時(shí)配備了4 TB的SAS企業(yè)級(jí)硬盤作為數(shù)據(jù)存儲(chǔ)盤，確保了海量數(shù)據(jù)的可靠存儲(chǔ)與高速訪問(wèn)。

實(shí)驗(yàn)時(shí)將所提MHTRP AHP與幾種主流路由協(xié)議進(jìn)行了對(duì)比，具體包括穩(wěn)定選舉路由協(xié)議（Stable Election Routing Protocol，SERP）、基于網(wǎng)關(guān)的能量感知多跳路由協(xié)議（Gateway Based Energy Aware Multi hop Routing Protocol，GB EAMRP）以及基于扇形鏈路策略的改進(jìn)蟻群分簇路由協(xié)議（Improved Ant Colony Clustering Routing Protocol Based on Fan Shaped Link Strategy，RACO SL）。在穩(wěn)定選舉路由協(xié)議中，盡管協(xié)議方案的主要差異僅在于頭部設(shè)計(jì)，但基站（匯聚節(jié)點(diǎn)）最初被置于網(wǎng)絡(luò)中心，靠近各個(gè)節(jié)點(diǎn)。由于基站的位置及其與節(jié)點(diǎn)的距離，其能耗最高，從而導(dǎo)致能量迅速耗盡。為了提升網(wǎng)關(guān)節(jié)能多跳路由系統(tǒng)的性能，研究利用了部署于所有區(qū)域的初始同質(zhì)節(jié)點(diǎn)。

在仿真過(guò)程中，傳感器節(jié)點(diǎn)根據(jù)預(yù)設(shè)閾值被劃分為四個(gè)區(qū)域，而基站和網(wǎng)關(guān)節(jié)點(diǎn)則位于檢測(cè)區(qū)域之外且處于網(wǎng)絡(luò)中心。就網(wǎng)絡(luò)場(chǎng)景而言，仿真相關(guān)參數(shù)設(shè)置如下：WSN范圍為200 m×200 m；網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)設(shè)置為200；傳輸信息的大小設(shè)置為5000 bits；常規(guī)節(jié)點(diǎn)初始能量設(shè)置為1 J；仿真最大迭代次數(shù)設(shè)置為5000 代；通信時(shí)間（含隨機(jī)延遲）設(shè)置為20 s至200 s之間的隨機(jī)數(shù)。

此外，實(shí)驗(yàn)時(shí)選取活躍節(jié)點(diǎn)、死亡節(jié)點(diǎn)、網(wǎng)絡(luò)能效等為指標(biāo)。

3.2 結(jié)果與分析

3.2.1 活躍節(jié)點(diǎn)數(shù)對(duì)比

圖2所示為不同路由協(xié)議下活躍節(jié)點(diǎn)對(duì)比結(jié)果。從中可以觀察到各協(xié)議在迭代過(guò)程中的性能差異。具體而言，相較于其他路由協(xié)議，MHTRP AHP在每次迭代中的活動(dòng)節(jié)點(diǎn)數(shù)量呈現(xiàn)出一種平穩(wěn)且逐步減少的趨勢(shì)。在經(jīng)過(guò)3000次迭代后，MHTRP AHP的性能優(yōu)勢(shì)尤為明顯。與SERP的10%存活節(jié)點(diǎn)比例、GB EAMRP的0.5%存活節(jié)點(diǎn)比例以及RACO SL的60%存活節(jié)點(diǎn)比例相比，MHTRP AHP成功維持了70%的存活節(jié)點(diǎn)比例。這一數(shù)據(jù)對(duì)比清晰地揭示出MHTRP AHP在保持節(jié)點(diǎn)存活時(shí)間方面具有更為出色的表現(xiàn)。

3.2.2 死亡節(jié)點(diǎn)對(duì)比

圖3所示為死亡節(jié)點(diǎn)對(duì)比結(jié)果，進(jìn)一步揭示了不同路由協(xié)議在節(jié)點(diǎn)存活率方面的性能差異。在迭代的過(guò)程中，MHTRP AHP路由協(xié)議展現(xiàn)出了較優(yōu)的穩(wěn)定性，其死亡節(jié)點(diǎn)總數(shù)與SERP、GB EAMRP和RACO SL等現(xiàn)有方法形成了鮮明對(duì)比。尤其是在2000次迭代時(shí)，SERP、GB EAMRP和RACO SL等方法死亡節(jié)點(diǎn)均超過(guò)70%，而所提MHTRP AHP僅15%死亡節(jié)點(diǎn)。隨著迭代次數(shù)增加，這種優(yōu)勢(shì)不斷擴(kuò)大。

3.2.3 網(wǎng)絡(luò)能效對(duì)比結(jié)果

網(wǎng)絡(luò)能效對(duì)比結(jié)果如圖4所示，該結(jié)果清晰地展示了不同協(xié)議在迭代周期內(nèi)容網(wǎng)絡(luò)能量消耗方面的表現(xiàn)。具體而言，與SERP、GB EAMRP以及RACO SL等協(xié)議相比，MHTRP AHP協(xié)議在降低能量消耗方面展現(xiàn)出了顯著優(yōu)勢(shì)。

可以看出，MHTRP AHP實(shí)現(xiàn)了最低的能量消耗水平。尤其是3000次迭代時(shí)，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(xié)議通過(guò)優(yōu)化節(jié)點(diǎn)部署策略、采用多跳通信策略以及發(fā)揮網(wǎng)關(guān)節(jié)點(diǎn)的高效聚合和轉(zhuǎn)發(fā)能力，成功實(shí)現(xiàn)了網(wǎng)絡(luò)能量消耗的最小化。這些優(yōu)勢(shì)使得MHTRP AHP協(xié)議在無(wú)線網(wǎng)絡(luò)能效優(yōu)化方面具有較高的應(yīng)用價(jià)值。

4 結(jié) 論

在WSN的研究領(lǐng)域，網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和路由協(xié)議對(duì)于實(shí)現(xiàn)高效的數(shù)據(jù)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(yōu)化WSN中的數(shù)據(jù)傳輸效率和能耗。研究首先構(gòu)建了WSN的拓?fù)鋬?yōu)化模型，考慮了節(jié)點(diǎn)的狀態(tài)可感知特性、同構(gòu)與異構(gòu)特性等多個(gè)影響因素。接著，利用AHP方法確定CH節(jié)點(diǎn)，實(shí)現(xiàn)了從普通節(jié)點(diǎn)到匯聚節(jié)點(diǎn)的數(shù)據(jù)收集和轉(zhuǎn)發(fā)。MHTRP AHP的主要?jiǎng)?chuàng)新在于綜合考慮了節(jié)點(diǎn)的能量狀態(tài)和與匯聚節(jié)點(diǎn)的相對(duì)距離，通過(guò)AHP方法動(dòng)態(tài)選擇簇頭節(jié)點(diǎn)，以實(shí)現(xiàn)能量消耗和數(shù)據(jù)傳輸效率之間的平衡。

參考文獻(xiàn)

［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(wú)線傳感器網(wǎng)絡(luò)中數(shù)據(jù)收集算法研究綜述[J].智能計(jì)算機(jī)與應(yīng)用，2023，13（1）：1-4+11.

[6] 金一琳，遲闊.基于改進(jìn)蟻群算法信息素因子的WSN路由選擇研究[J].辦公自動(dòng)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(lián)網(wǎng)能量感知多跳路由協(xié)議[J].微型電腦應(yīng)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(jìn)蟻群分簇路由協(xié)議[J].計(jì)算機(jī)工程與設(shè)計(jì)，2024，45（9）：2620-2626.