论文研究-一种能量均衡的WSN多级分簇路由算法.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：0.56M 资料格式：pdf 举报版权申诉

weixin_38744270-11737782-4744302543389157287.pdf-第1页.png

第1页 / 共6页

weixin_38744270-11737782-4744302543389157287.pdf-第2页.png

第2页 / 共6页

weixin_38744270-11737782-4744302543389157287.pdf-第3页.png

第3页 / 共6页

weixin_38744270-11737782-4744302543389157287.pdf-第4页.png

第4页 / 共6页

weixin_38744270-11737782-4744302543389157287.pdf-第5页.png

第5页 / 共6页

weixin_38744270-11737782-4744302543389157287.pdf-第6页.png

第6页 / 共6页

文本预览

126 2016，52（16） Computer Engineering and Applications 计算机工程与应用一种能量均衡的 WSN 多级分簇路由算法刘文进，周天明，李新春 LIU Wenjin, ZHOU Tianming, LI Xinchun 辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105 School of Electronics and Information Engineering, Liaoning Technical University, Huludao, Liaoning 125105, China LIU Wenjin, ZHOU Tianming, LI Xinchun. Energy balanced multistage clustering algorithm for Wireless Sensor Networks. Computer Engineering and Applications, 2016, 52（16）：126-131. Abstract：By analyzing the cluster heads selection unreasonable and loading unbalancing of the network in Wireless Sensor Networks（WSNs）, this paper presents a novel energy balanced multistage clustering algorithm, which cluster head makes superior decision by analyzing learned data from surroundings network. In the cluster head election phase, overall considering residual energy and the relative node density, it can choose suitable cluster heads; In the routing phase, choose the cost- effective communication solution in the cluster by using greedy algorithm, meanwhile, preserve some energy for the data forwarding between the clusters; Cluster head can detect some death nodes and broadcast the death message, more effective to maintain the network running. Simulation results show that it can choose more reasonable cluster head, balance the energy load of all nodes effectively and significantly prolong the network lifetime. Key words：wireless sensor networks; energy balanced; multistage clustering; node density; network lifetime 摘要：通过分析无线传感器网络分簇路由协议中簇首选择不合理和网络负载不均衡的问题，提出一种能耗均衡的多级分簇算法，簇首通过分析已学习到的周围网络数据作出较优决策。在簇首选举方面，综合考虑了节点剩余能量和相对节点密度，选择出合适的簇首；路由方面，运用贪婪算法选择较优簇内通信方案，为簇间数据转发预留能量；簇首对死亡节点能及时发现和广播死亡信息，更好地维护网络运行。仿真和分析结果表明，该算法能选出更为合理的簇首，更有效地均衡了网络负载，显著延长了网络寿命。关键词：无线传感器网络；能量均衡；多级分簇；节点密度；网络寿命文献标志码：A 中图分类号：TP393 doi：10.3778/j.issn.1002-8331.1410-0100 1 引言随着微电子工艺和通信技术的发展，无线传感器网络（Wireless Sensor Network，WSN）应用遍及智能交通、智能电网、环境监测、目标跟踪、战场侦查等多个领域，集成信息感知、信息处理、信息传送等多功能于一体，通常包含一个或多个基站（Sink）、网关及大量微型化传感节点。无线传感器网络节点具有自组网、体积小、能量受限、电池不宜更换等特点，因此在尽量保持低能耗的前提下，如何实现网络拓扑结构与传输路径的建立、数据的发送和接收、信道资源的合理使用是无线传感器网络通信技术当前的主要研究议题[1]。层次结构的数据融合和传输协议可以克服传统平面结构存在的维护路由开销大、数据冗余、可拓展性差的缺点 [2]。通过选取簇首来负责数据融合工作，减少了网络通信量，适用于组建更大的网络 [3]。普通节点与簇首协调工作，在与簇首通信时才打开射频模块，空闲时则关闭通信模块，降低能耗开销。 LEACH（Low Energy Adaptive Clustering Hierarchy）协议 [4]是由 Heinzelman 等人首先提出的基于数据聚合的层次算法，通过周期性按“轮”随机选取簇首的方式平衡网络各节点的能耗，一轮分为簇形成阶段和稳定运行两个阶段。在簇形成阶段，随机选取并有规律更换簇首；在稳定运行阶段，子节点在自己的时隙内发送数据，簇首收集子节点数据，进行数据融合并转发至基站。作者简介：刘文进（1970—），女，副教授，研究领域为无线传感器网络、图形理论与技术；周天明（1990—），男，硕士研究生，主要研究方向：无线传感器网络，E-mail：15114297072@163.com。收稿日期：2014-10-11 修回日期：2014-11-27 文章编号：1002-8331（2016）16-0126-06 CNKI 网络优先出版：2015-09-14, http://www.cnki.net/kcms/detail/11.2127.TP.20150914.1648.024.html

刘文进，周天明，李新春：一种能量均衡的 WSN 多级分簇路由算法 2016，52（16） 127 在选举簇首的问题上，LEACH-SWDN（LEACH with Sliding Window and Dynamic Number of Nodes）算法 [5] 在 LEACH 基础上进行了改进，利用节点初始能量和每轮未成簇首的节点平均能量生成滑动窗口（Sliding Window），自适应调节簇首选择的阈值和最优簇首数目。文献[6]提出一种基于 LEACH 协议的多级分簇改进算法，该算法将网络划分成若干小单元，并采用多级分簇的方法减少了与 Sink 节点直接通信的簇首节点数，从而有效保证了网络的能耗均衡。该文中节点需要根据自身坐标判断所属单元。 Lindsey 等人提出 PEGASIS[7]算法，将网络中节点组织成一个边长之和最小的链，数据在链上传输，经过融合处理后传输至基站，该算法需要知道每个节点自身位置信息。 HEED（Hybrid Energy-Efficient Distributed Clustering Approach）[8]采用周期性迭代的方式选择簇首，并综合考虑了节点剩余能量和簇内通信代价。但其采用单跳的通信方式与基站通信，导致远离基站的簇首需要进行远距离传输，网络节点负载不均衡，缩短了网络生存时间。 EEUC（Energy-Efficient Uneven Clustering Algorithm）算法[9]提出一种基于非均匀分簇的多跳路由协议。由节点与基站的距离确定簇首的竞争半径，使得靠近基站的簇有较小的成簇规模，较好地解决了多跳路由传感器网络中常见的“热区”问题，节省了簇内能量消耗以供簇间通信使用。针对无线传感器网络能耗不均衡、簇首负载过重等问题，本文提出并分析一种基于分享式学习的多级分簇路由算法 EBMC（Energy Balanced Multistage Clustering Algorithm），利用节点分享和学习所掌握的网络环境数据，在网络运行时辅助簇首做出合理的决策来达到降低网络通信开销和均衡网络节点能耗的目的。 2 网络模型本文假设传感器节点随机分布于正方形区域内，并作如下假设：（1）基站位于离传感器区域较远的地方。（2）所有节点具有唯一的 ID 标识、固定且初始能量相同。（3）节点位置未知，无须算法求解节点位置信息。（4）所有的节点都具有通信和处理信息的能力，任意两个节点可以直接相互通信。（5）所有节点可根据距离调节发射的功率大小。（6）链路是对称的，节点可以根据接收信号强度 RSSI 计算它到发射点的近似距离。本文采用与文献[10]同样的无线通信能量消耗模型。节点向距离节点 d 的位置发送 l 比特的数据，则节点能量消耗为： ( ld = ) E Tx ì lE ï í lE ï î elec elec + lε + lε d 2d < d０ d 4d  d０ fs mp （1）其中 E elec 于阈值 d 距离大于阈值 d 表示发射电路损耗的能量。如果传输距离小时，功率放大损耗采用自由空间模型；当传输分时，采用多路径衰减模式。 ε 0 、ε fs mp 0 别表示两种模式功放所需的能量，由发射距离和接收误码率等决定。节点接收 l 比特数据消耗的能量为： ( )l = lE Rx elec E 另外，数据融合也要消耗少部分能量，用 E （2）表示融合单位比特数据所消耗的能量。本文假设簇内节点采集的数据具有较高的冗余度，负责数据融合的节点将簇内数据收集，并将去除冗余信息后的数据包传递给本簇簇首。 DF 3 算法描述 EBMC 算法分别从簇首选择、簇首广播信息规定、簇内贪婪路径算法、簇间通信四个方面进行讨论，并给出了对簇内死亡节点管理的具体方法，具体内容如下。 3.1 簇首选择在有关于针对 LEACH的改进算法中，如文献[11-14]，多将单个节点的状态作为簇首选择的依据，从而导致簇首成簇行为往往盲目且不合理，缺少与周围环境的互动和反馈。本文通过对 LEACH 的簇首选取函数的改进，为使簇首在整个网络中分布合理，在节点密集区域增加节点成为簇首的概率，以减小该区域的成簇规模；反之，在节点稀疏区域内降低节点成为簇首的概率，以提高该区域的成簇规模。因此，本文综合考虑了节点剩余能量和节点相对密度两方面因素，权值函数 W 定义如下： ) i （3） ) + β·D(CH W = α·E(CH i E ) 其中：E(CH ) = r i (CH E i 0 (CH N Nˉ num D(CH ) = i (CH ) i i ) - N (CH num ) i num i i r 0 (CH 表示节点 ) 表示簇首的能量因素；N ) 表示当前节点剩余能量，E 式（3）中，E 初始能量，因此 E(CH (CH ) i 表示节点当选簇首时存活的成员节点数，- ) 表 ) 表示本示周围邻居节点成员数的平均值，因此 D(CH 簇成员相对于其他簇的节点密度因素；α ，β 是加权系数且满足 α + β = 1 。 num N num(CH i i 将权值函数 W 与 LEACH 算法的 T (n) 函数相结合如下： T w 其中： (n) = W·T (n) T (n) = p ì ï 1 - p[r mod(1/p)] í ï ０n Ï G î n Î G （4）（5）

128 2016，52（16） Computer Engineering and Applications 计算机工程与应用式（4）中，n 为节点 ID 标号；p 是簇首占总节点数的百分比；r 为当前的选举轮数；G 为最近 1/p 轮中不是簇首的节点集合；mod 为求模运算符。 w 函数 T (n) 以剩余能量和相对节点密度作为主要参数，选取剩余能量相对较多的节点充当簇首，均衡节点间能量。并用相对节点密度作为对节点疏密分布的奖惩机制，通过对比周围邻居节点平均密度从而选择出剩余能量较高且簇内成员数目较少的簇首，保证留有更多的能量用于簇间多跳数据传输。通过两个因素共同作用使得网络选出剩余能量高且分布更为均衡的簇首。 3.2 簇首广播信息规定在网络开始运行前，基站以一定的发送功率向网络内广播一条信息，网络内节点收到基站的信息后，根据 BS) 。接收到的信号强度计算它与基站间的近似距离 d(S i 通过在簇首广播的成簇消息内附加信息以达到分享节点自身属性信息的目的。在网络运行的不同时期，簇首广播的消息内容也不同，下面将网络运行分为三个阶段。（1）邻居列表组建阶段定义前 1/p 轮为邻居列表组建阶段，在此期间每个当选簇首的节点都会对外广播当选簇首消息BE_HEAD_MSG1，内容包括簇首 ID、与基站距离和当前剩余能量 E 。普通节点接收簇首的广播消息，将相关信息存入自身的邻居列表 Neibor_list 中，并根据接收消息的强度向最近簇首发送加入信息 JOIN_MSG，表示加入该簇。簇首接收加入信息并建立簇成员列 Cluster_Member_list，并分配时隙供簇内节点向簇首传递数据。BE_HEAD_MSG1 消息结构如表 1 所示。 r 表 1 BE_HEAD_MSG1 消息结构标识 ID Er BS) i d(S 意义节点编号剩余能量与基站距离表 2 BE_HEAD_MSG2 消息结构标识 ID Er Neibor_list(id) 意义节点编号剩余能量邻居列表（3）运行维护阶段从 2/p + 1轮开始，节点开始依据此前收集的信息进行网络通信活动，当选簇首时广播信息 BE_HEAD_MSG3，在节点发送 JOIN_MSG后，簇首运用贪婪算法选择簇内最优中继节点数，并执行其判断结果。BE_HEAD_MSG3 消息结构如表 3 所示。表 3 BE_HEAD_MSG3 消息结构标识 ID Er 意义节点编号剩余能量 Dead_Node(id) 死亡节点信息若簇首在运行中发现，某成员节点未按其分配向簇首提供数据，则判定该节点故障。当两次发现同一节点故障，则认为该节点已死亡，并将其信息从邻居列表中删除，此后不再与之通信，从而避免不必要的通信浪费。仅簇首有资格发现某节点的故障信息和广播某节点死亡信息，普通节点若接到簇首的广播中包含某节点的死亡信息，则在其邻居列表中删除该节点。死亡节点的维护流程图如图 1 所示。是接收到的广播信息中包含该节点死亡信息否开始否是在本轮当选簇头？是首次发现该节点故障？在邻居列表中标记该节点为故障否（2）邻居列表分享阶段在 1/p~2/p 期间，本文将其定义为邻居关系学习阶段。在第一阶的信息交互后，每个节点都维护着其自身的邻居列表，在本阶段，节点当选簇首时广播 BE_HEAD_ MSG2 当选消息，其中就包括节点自身的邻居列表。在本阶段每个节点会收到来自邻居节点当选簇首时发来的广播信息，并将其中的邻居列表存入自身的超邻居列表（Super_Neibor_list）。超邻居列表是周围节点邻居列表的集合，是本文算法的重要组成部分，根据它簇首可以得知邻居节点之间相对距离、邻居节点的簇内成员数，配合自身的邻居列表，簇首可以预先判断出簇内、簇间传输通信代价较低的路径，从而选择较优路径进行通信。BE_HEAD_MSG2 消息结构如表 2 所示。从邻居列表中删除该死亡节点进行正常数据传递在广播信息包含该节点死亡信息结束图 1 死亡节点管理流程图在网络运行的邻居列表组建阶段和邻居关系学习阶段，由于网络内各节点需要掌握完整的周围邻居信息以便在运行维护阶段能更好地工作，所以在这两个阶段节点采用 LEACH 原算法进行簇内的簇首选举和信息传递。在前两阶段工作完成后，各节点已学习完整的邻居节点信息，在运行和维护阶段，采用式（4）的簇首选择算法和簇内贪婪路径算法运行网络，并实时地对簇内死亡节点进行管理。

刘文进，周天明，李新春：一种能量均衡的 WSN 多级分簇路由算法 2016，52（16） 129 3.3 簇内贪婪路径算法为了有效解决簇首能耗负载严重[15]，网络负载不均衡的问题[16-17]，本文采用簇内多跳的方式，运用贪婪算法在簇内选取最优中继节点和代价较低的通信路径，缓解簇首繁重的任务量，辅助簇首进行簇内信息的接收和融合工作，最后由簇内中继节点将信息传递给本簇簇首，使得簇首节省能量来更好地管理和维护簇内节点以及与其他簇首通信[18]。簇首在接收各节点的加入信息后，选取与簇首最近的前 R 个节点作为簇内中继节点，其余为普通节点。调用自身邻居列表和超邻居列表信息进行贪婪算法的运算，求出簇内总能耗最小时的 R 值，并将最小能耗的路由策略在簇内广播。簇内总能耗公式如下： E cluster_sum G (R) = å E (ld(CH CH k j(k) Tx )) + G × E (l) + Rx k = 1 R å j = 1 E Tx (ld(CH CH j i )) + R × E Rx (l) （6）表示该簇簇首 ID，CH 式中，CH 节点分配的簇内编号，CH i 表示本簇簇首为普通 k 表示中继节点的簇内编号。 j k j(k) 表示为普通节点 CH 选择的最近的中继节点。 G CH 是簇内普通节点数，且 0＜G  M ，R 是簇内中继节点数，且 0＜R＜M ，G + R = M ，M 为簇内簇簇首外的成员总数。特别的，当 G = M 时，簇内无中继节点，意味着所有节点皆直接与簇首通信。由于簇内节点间距离比较短，所以采用自由空间模型，根据公式（1）总能耗公式简化为： E cluster_sum (R) = 2MlE + lε elec fs G {å k = 1 d 2(CH CH k j( )k ) + E 1 - hop E 2 - hop = E Tx = E Tx (ld(CH (ld(CH (ld(CH E Tx CH k i CH k CH j i j( )k )) )) + E Rx (l) )) + 2E (l) + Rx 在所有 R 的取值中，选取 (R) 结果中最小 Ecluster_sum 值时中继节点数 R ，并根据运算结果生成簇内分配方案表，其中包含指定每一个节点下一跳地址和 TDMA 时隙分配。最后簇首为本簇选定唯一的 CDMA 编码，以抑制相邻簇的通信干扰，并将所选的编码信息和分配方案表发送给所有簇内节点。通过上述算法对簇内节点传播进行合理配置，减小了簇内整体的能耗，并且分担簇首的工作任务，更好地均衡了簇内节点能耗均衡。 3.4 簇间通信在簇首将信息融合后，需要将信息传递至下一簇首。本文假设簇首间的数据相似度较低，所以来自不同簇的数据不再进行融合，只是简单地转发来自其他簇首的数据。传 ) + BS) 决定。借鉴该结果，本文定义多跳能耗开 i 在文献[9]中已经证明，簇首通过中转簇首 TCH i TCH i 输数据到基站过程中，网络能耗的高低由 d 2(CH i d 2(TCH 销指标： E mult - hop (TCH i ) = d 2(CH TCH i i ) + d 2(TCH BS) （9） i 直接与基站通信能耗开销指标： BS) E i 簇首计算其自身 E = d 2(CH direct 和通信范围内其他簇首 E direct mult - hop 值，选择其中值最小的节点或基站作为下一跳的通信目标。在路由方式确定之后，簇首将数据发向目标中转簇首，并根据轮数和环境变化，动态选择路由将数据传递至基站。（10） R å j = 1 d 2(CH CH j i )} （7） 4 仿真结果及分析由于网络节点是随机分布的，存在着一些节点在单小于节点通过最近的中继跳传输路径上总能耗 E 1 - hop 节点转发至簇首路径上总能耗 E ，若簇首经过计算 2 - hop 发现簇内某普通节点传输路径总能耗： E 1 - hop < E 2 - hop （8）则指定该节点直接传递数据给簇首。相应的在总能耗公。式中，需要将该普通节点 CH 对应的 CH 改为 CH k j(k) i 本文采用 Matlab 软件对算法进行仿真，针对 EBMC 的路由协议进行性能分析与评估。采用理想的 MAC 协议，忽略链路中可能发生的丢包错误。实验中统计传感器节点接收、融合和发送数据所消耗的能量，并用轮数表示网络的存活时间。本实验将 EBMC 与 LEACH、HEED、EEUC 算法在簇首能耗、网络能耗分布均衡性和网络生存周期三方面做了比较。为方便下文的讨论，表 4 对 4 种路由协议进行了比较。其中协议 LEACH HEED EEUC 表 4 4 种协议的特点簇首选举随机考虑节点能量及簇内通信代价，多次迭代考虑节点能量，簇首分布非均匀，局部竞争 EBMC 考虑相对簇密度和节点能量，簇内通信代价簇首工作任务接收簇内节点数据并融合，单跳与基站通信接收簇内节点数据并融合，单跳与基站通信接收簇内节点数据并融合，多跳与基站通信，汇报剩余能量信息分享自身和学习周围节点信息，接收簇内中继节点信息并融合，多跳与基站通信，管理死亡节点

130 2016，52（16） Computer Engineering and Applications 计算机工程与应用实验中所用的参数如表 5 所示。 4.2 能耗分布均衡性表 5 实验参数参数网络覆盖区域/m2 节点数目 elec Sink 节点坐标节点初始能量/J 簇首数目比例/% /（nJ·bit－1） E /pJ/（bit·m－2） /pJ/（bit·m－4） /（nJ·bit－1） l mp E /bit fs ε ε DA data l /bit ctrl /m d 0 αβ 参数值 100×100 100 （50，175） 0.5 5 50 10 0.001 3 5 4 000 200 87 0.5 4.1 簇首能耗分析在网络运行中簇首同时承担着簇内信息收集和簇间数据中转的任务，占网络能量消耗的最主要部分。因此首先比较 4 种协议所生成的簇首在一轮中所消耗的能量之和。实验中随机选取 10 轮，统计每轮所有簇首的能耗总和，实验结果如图 2 所示。 0.050 0.045 0.040 0.035 0.030 0.025 0.020 0.015 0.010 0.005 0 J / 耗能总的耗消首簇 LEACH HEED EEUC EBMC 1 2 3 4 5 6 轮次 7 8 9 10 图 2 簇首消耗的能量之和由图 2 可见，LEACH 的簇首消耗能耗最高。不仅因为 LEACH 算法采用了单跳的通信方式与基站通信，而且该算法易构造出过多的簇首，更增加了与基站通信的能耗，所以其簇首能耗最高。虽然 HEED 依然采用单跳的通信方式将数据传输至基站，但其进步在于考虑了节点剩余能量，选取通信代价更低的簇首，所以其簇首能耗低于 LEACH。 EEUC 和 EBMC 均采用了簇间多跳的方式将数据发送至基站，所以两者簇首能耗较比 LEACH 和 HEED 低。且 EBMC 则更是通过簇内选取中继节点的方法，一方面分担簇首任务量降低其能耗，并且平均簇内能耗，另一方面，解决由分簇不均带来的簇首能耗不均的问题。因此 EBMC 簇首消耗的能量之和更低，并且没有较明显的波动。簇首的能耗由两部分构成，一部分来自对簇内数据的接收和融合，若簇成员分配不均，则会造成簇首间能耗差异过大。另一部分则是簇首将融合后的信息发往下一跳的通信能耗，选择多跳的传输方式比单跳更能节省簇首的能量。图 3 显示了在随机选取的 10 轮中，每轮簇首消耗的能量的方差。 2.0 1.8 1.6 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0 5 － 0 1 / 差方的量能耗消首族 1 2 3 EBMC EEUC HEED LEACH 5 4 7 网络运行轮数 6 8 9 10 图 3 簇首每轮能耗的方差从图 3 中可以看出，LEACH 算法由于采用完全随机的簇首生成方式，易造成簇规模分配不均，所以方差较高并有明显的波动。HEED 由于考虑了簇内通信代价来竞选簇首和剩余能量，方差略低于 LEACH，但波动性也较大。EEUC 从非均匀分簇的角度出发，解决了由于簇首与基站距离不同和成簇规模不同带来的能耗差异问题，并且采用多跳方式与基站通信，所以其簇首能耗差异较小。EBMC 方差最低而且最稳定，这是由于通过中继节点的选取，防止较大的簇的簇首由于成员过多而导致接收能耗过大的问题，使得簇成员的差异对簇首能耗的影响大幅降低。因此 EBMC 更好地均衡了簇首的能量消耗。 4.3 生存周期本文网络周期定义为网络中节点开始工作直到网络最后一个节点死亡所经历的时间。图 4 通过网络生存周期来验证 4 种协议的能量效率。 EBMC EEUC HEED LEACH 1 800 1 600 1 400 1 200 1 000 800 数轮行运络网 600 50 100 150 200 网络节点数目 250 300 图 4 网络存活周期比较

刘文进，周天明，李新春：一种能量均衡的 WSN 多级分簇路由算法 2016，52（16） 131 从图 4 可以明显看出，EBMC 显著延长了网络的存活时间，这说明本文算法能更好地均衡网络的能耗。由于本文算法采用的加权簇首选取机制，充分考虑了剩余能量和节点密度因素，从而能选出比 LEACH 和 HEED 更好的簇首，且不需要迭代和竞争的通信能耗浪费。并且通过在簇内使用贪婪算法计算出代价较小的通信策略，降低和平均簇内各节点能耗。在簇间通信方面，选择更优的多跳通信方法。对于死亡节点，利用簇首对其进行观察及报告，防止节点与死亡节点通信造成丢包不必要的通信浪费。基于本文算法对以上 4 个方面的改进，EBMC 较好均衡了节点间能耗，防止部分节点过早失效，相比于 LEACH、 HEED 和 EEUC 算法，明显延长了网络生存周期。 5 结论本文提出一种能耗均衡的多级分簇路由协议 EBMC，其核心思想是利用网络运行前期节点通过分享和学习积累的环境数据，通过规定分享信息、择优选取簇首、簇内采取贪婪算法选择低能耗路由和簇间多跳传输，解决无线传感器网络中簇首选择不合理，网络负载不均衡的问题。通过仿真表明，和已有的几个协议相比，EBMC 算法能较好地均衡网络节点间能耗，显著延长了网络生存的时间。参考文献： [1] 王营冠，王智.无线传感器网络[M]北京：电子工业出版社， 2012：132-134. [2] Ye Mao，Li Chengfa，Chen Guihai，et al.EECS：An energy efficient clustering scheme in Wireless Sensor Networks[C]// 24th IEEE International Performance，Computing and Com- munications Conference，2005：535-547. [3] Perllo M A，Zhao Cheng，Heinzelman W B.An analysis of strategies for mitigating the sensor network hot spot problem[C]//Proc of International Con- ference on Mobile and Ubiquitous Systems：Networking and Services.[S.1.]：IEEE Press，2005. the 2nd Annual [4] Heinzelman W，Chandrakasan A，Balakrishnan H.Energy efficient communication protocol for wireless microsensor networks[C]//Proceedings of the 33rd Annual Hawaii International Conference on System Sciences.Washington DC：IEEE Computer Society，2000. [5] Wang A M，Yang D L，Sun D Y.A clustering algorithm based on energy information and cluster heads expectation for Wireless Sensor Networks[J].Computers and Electrical Engineering，2012，38（3）：662-671. [6] 罗兵，黄玉清.一种 LEACH 协议的多级分簇改进算法[J]. 计算机工程，2013，39（6）：99-102. [7] Lindsey S，Raghavendra C.PEGASIS：Power efficient gath- ering in sensor information systems[C]//IEEE Aerospace Conference，2002，3：1125-1130. [8] Younis O，Fahmy S.HEED：A hybrid，energy efficient，dis- tributed clustering approach for Ad Hoc sensor networks[J]. IEEE Transactions on Mobile Computering，2004，3（4）： 660-669. [9] 李成法，陈贵海，叶懋，等.一种基于非均匀分簇的无线传感器网络路由协议[J].计算机学报，2007，30（1）：27-36. [10] Heinzelman W，Chandrakasan A，Balakrishnan H.An appli- cation specific protocol architecture for wireless micro- sensor networks[J].IEEE Transactions on Wireless Com- munications，2002，1（4）：660-670. [11] Lv Tao，Zhu Qingxin，Zhang Luqiao.An improvement for LEACH algorithm in wireless sensor networks[C]//Pro- ceedings of the 5th IEEE Conference on Industrial Elec- tronics and Applications.Washington，DC：IEEE Computer Society，2010：1811-1814. [12] 丁岳，丁勇，于春娣，等.一种具有提高成簇质量的 WSN 节能分簇路由算法[J].传感技术学报，2012，25（2）：259-262. [13] 邢云冰，史浩山，赵洪钢.基于备用节点的无线传感器网络 LEACH 协议的改进 [J]传感技术学报，2007，20（7）： 1592-1596. [14] Yektaparast A，Nabavi F H，Samast A.An improvement on LEACH protocol[C]//Proceedings of International Con- ference on Advanced Communication Technology.Gujarat， India：[s.n.]，2002. [15] 江海峰，钱建生，李世根，等.簇首负载均衡的无线传感器网路分簇路由协议[J].计算机工程与应用，2010，46（23）： 111-114. [16] Jiang Changjiang，Shi Weiren，Tang Xianlun.Energy balanced unequal clustering routing protocol for wireless sensor networks[J].Journal of Software，2012，23（5）： 1222-1232. [17] Fatma B，Nizar B，Raouf B，et al.On balancing energy consumption in wireless sensor network[J].IEEE Trans- actions on Vehicular Technology，2009，58（6）：2909-2924. [18] 熊科，樊晓平，刘少强，等.一种基于非均匀分布双簇首的无线传感器网络分簇算法[J]传感技术学报，2008，21（7）： 1207-1211.

分享到：

赞收藏

资料库

论文研究-一种能量均衡的WSN多级分簇路由算法.pdf

相关推荐

开发技术

热门标签

最新资料