基于移动预测的海上无线传感网络分簇算法

周 倩 张 琳

（上海海事大学，中国 上海 201306）

1 系统模型

1.1 基于移动模型的节点动态预测

海上无线传感器网络，节点呈现高度的动态性。为此，采用移动模型对节点状态进行模拟，移动模型是对网络中移动节点移动方式的抽象，反应了移动节点的位置、速度、加速度的变化情况。在现有的研究中，移动模型又有不同的分类方式，根据移动模型的构建方式不同，移动模型分成踪迹移动模型(Trace Mobility Model，TMM)与合成移动模型(Synthetic Mobility Model，SMM)两类[4]。针对海上环境的特点，假设分布在海上的无线传感器节点的运动趋势是基本一致的，将组移动模型应用到无线传感器网络拓扑中，充分考虑节点间的位置关系，适当删除冗余链路，构建合理拓扑。

在这个模型中，节点运动呈现一致性，具有一个相同的基础速率和基础移动方向，为了表示各节点移动状态的差异性，各个节点的移动速率是由组移动速率加上随机附加速率。

根据节点的运动状态对节点未来的移动状态进行预测，假设t 时刻得到节点的移动速率为v（t），移动方位为Φ（t），预测得到的t 时刻节点的移动速率为v1（t），移动方位为Φ1（t），预测t+1 时刻节点的移动速率为v2(t)，移动方位为Φ2（t），它们之间存在如下递推关系：v2（t）＝(1-α)v1（t）+αv（t），v2（t）＝(1-β）Φ1（t）+βΦ（t）。

根据上述递推公式，可以在t 时刻根据得到的移动目标的运动速率和方位以及历史的预测结果预测出节点在t+1 时刻的运动速率。

2 改进的分簇协议

本文采用[1]中所提到的无线电传播模型，根据无线信号传播能量损耗模型可知，当无线传感网络规模较大，实现从源节点到目的节点的通信需要消耗很多能量，为此，考虑将无线传感器节点进行分簇。分簇拓扑结构具有较好的可扩展性，适合大规模网络，与平面拓扑结构相比，更容易克服传感器节点移动带来的问题。

LEACH 算法进行周期性工作，每轮的循环过程为：在簇的建立阶段，每个节点选取一个介于0 到1 的随机数，如果这个随机数小于LEACH 算法所计算的阈值，该节点成为簇头，簇头向所有节点广播自己成为簇头的消息，每个节点根据接收到的广播信号的强弱来决定加入哪个簇，并回复该簇头[5-6]。利用LEACH 算法生成的网络拓扑，与平面拓扑结构相比，可以延长网络生命周期，但也存在一定的缺陷，首先网络簇头完全随机选取，没有考虑节点的剩余能量，能量较少的节点当选簇头，会加快节点的死亡，其次，网络节点的位置也是完全随机的，分布不均匀，造成严重的数据冗余和链路冲突阻塞。

LEACH 算法中，p 是簇头所占所有节点的百分比，即节点当选簇头的概率；r 是目前循环进行的轮数，G 是最近1/p 轮中还未当选过簇头的节点集合，当节点n 在集合G 中时，由LEACH 算法的计算的T(n)可通过p 与(1-px[rmod(1/p)])的比值得到，当n 不在集合G 中时，T(n)＝0，从T(n)我们可以看出，当选簇头的节点在接下来的1/p 轮循环中将不能成为簇头，剩余节点当选簇头的阈值T(n)越大，节点生成小于T(n)的随机数的概率随之增大，所以节点当选簇头的概率增大。

针对LEACH 算法的不足，DCHS(deterministic cluster-head election)将能量因素考虑进来，改进了T(n)的计算方法[7]。

rs 表示节点连续未当选过簇头的轮次。一旦当选了簇头，rs 重置为0。上述公式的改进有效地解决了DCHS 的缺陷，综合考虑了节点的能量和阈值大小对簇头选取的影响，使算法更公平合理。

除了节点剩余能量，还要考虑到能量均衡，在簇头选择过程中，应同时考虑簇头节点到汇聚节点的距离及节点度，在利用DCHS 选举簇头基础上，利用下式确定簇的大小：

其中dmax、dmin 分别表示网络中的节点到汇聚节点的距离的最大值和最小值，d(si，DS)表示节点si 到汇聚节点的距离。

3 实验仿真

为验证提出算法的可行性及正确性，仿真实验是在Matlab7.0 中进行。图1 所示为本文所提算法与LEACH、DCHS 算法的比较，三种算法的平均耗能差别不大，但所提算法要优于两种基础算法。

图1 MPBC、LEACH、DCHS 平均能量消耗比较

4 小结与展望

近年来，对无线传感器网络的研究已经取得了卓有成效的研究，提出了许多改进算法和新的协议，但目前的算法研究对象多为节点分布均匀的静态网络，而现实存在的网络节点都是随机部署的，很难保证节点分布均匀，且很多实际应用中可能需要利用移动节点的配合完成任务，现有的静态网络算法不能满足实际应用的要求，所以应该将视野转到对动态网络的研究，提出更为有效的、节省能量的适用于节点位置动态变化的拓扑、路由协议。

［1］Huafeng Wu，Qiannan Zhang，Su Nie，Wei Sun，and Xinping Guan.An Energy Distribution and Optimization Algorithm in Wireless Sensor Networks for Maritime Search and Rescue[J].International Journal of Distributed Sensor Networks，vol.2013，Article ID 725869，8 pages，2013.doi：10.1155/2013/725869.

［2］Wang J W，Sun W Y.Improved HEED Based Trust Routing Algorithm for WSNs[J].Advanced Materials Research.2014，989：4405-4408.

［3］Sun B，Gui C，Jia Y，et al.Mobility entropy-based clusterhead selection algorithm for Ad Hoc Networks[J].Energy Procedia，2011，13：8617-8625.

［4］赵金晶，朱培栋，等.Ad hoc 网络移动模型及其应用[J].计算机工程与科学，2005，27(5)：15-16.

［5］孙天一，陈涤，等.无线传感器网络LEACH 协议的探讨及改进[J].信号与系统，2005，2(1)：32-33.

［6］Tao Liu，Feng Li.Power-efficient clustering routing protocol based on applications in wireless sensor networks[C]//Wireless Communications，Networking and Mobile Computing，Wicom 09.5th international Conference，2009：1-6.

［7］HandyMJ，Haase M，Timmermann D.Low energy adaptive clustering hierarchy with deterministic cluster-head selection[C]//Proc.of the 4th IEEE Conf.on Mobile and Wireless Communications Networks.Stockholm：IEEE Communications Society，2002：368-372.