基于WSN的湿地水环境监测系统拓扑控制算法研究

陈 红

(西安工业大学 电子信息工程学院， 陕西 西安 710021)



基于WSN的湿地水环境监测系统拓扑控制算法研究

陈 红

(西安工业大学 电子信息工程学院， 陕西 西安 710021)

为了消除LEACH算法由于簇头节点随机选取机制和单跳通信所造成的能量空洞问题，提出了一种改进算法.该算法基于最佳簇头概率及节点剩余能量和通信距离优化了簇头选取机制，采用多跳传输方式降低了网络能量消耗.结合湿地水环境特点，对算法的实际性能进行仿真，结果表明：该改进算法在存活节点个数和能量均衡方面均优于原算法，存活节点个数是LEACH算法的4.6倍，剩余能量是LEACH算法的8.2倍，有效延长了湿地水环境监测网络的工作寿命.

湿地水环境； 无线传感器网络； 拓扑控制算法； 工作寿命

0 引言

湿地享有“地球之肾”的美誉，具有不可替代的生态功能，其生态环境包括空气环境、水环境、土壤环境等，其中能最好地反映湿地生态环境情况的是水环境.现有的水环境监测方法主要分为人工采样法、实验室分析法及采用由监控中心和若干监测站组成的自动监测系统.人工采样法、实验室分析法存在周期长、劳动强度大、针对性差、数据采集慢等问题.采用由监控中心和监测子站的方法则要铺设电缆和建立子站,不仅监测范围有限，而且对湿地水域易造成破坏.因此,上述两种方法并不适用于湿地水环境的监测[1].研究湿地水环境参数的高效、实时获取新方法，已成为湿地管理及保护的重要任务.

近年来极具影响力的技术之一便是无线传感器网络(Wireless Sensor Network, WSN)，针对湿地独特的水环境特点，把WSN技术引入到湿地水环境监测中，是近年来研究的焦点.文献[1]提出了一种基于WSN的实时数据监测系统，应用于我国西溪湿地的水环境监测.文献[2]针对藏区湿地人烟稀少，地理环境和湿地环境复杂的特点，设计了一套利用WSN进行湿地监测和保护的方案.文献[3]提出了一种利用WSN进行湿地水质监测时，对叶绿素和蓝藻水质指标的连续监测数据中异常数据的处理方法.在面向湿地水环境监测的WSN中，一般选择干电池作为电源，因此首要目标是延长网络的工作寿命[4-6].

而网络拓扑作为介质访问控制(Medium Access Control, M A C)层协议和路由层协议的重要平台，对其进行控制是实现设计目标的重要手段，通过控制拓扑结构也可以对网络的整体性能进行优化[7-9].LEACH算法是早期被提出的典型算法.

1 LEACH算法的问题

LEACH算法采取随机自治的方法选举簇头.是否成为簇头由节点自己决定.在成功选举为簇头后，该节点向区域内其他节点发送消息，所有未当选为簇头的节点，根据收到信号的不同强度，加入信号最强的簇头所创建的簇.完成簇的建立后，网络将进行稳定数据传输，此时主要完成簇内成员节点的数据传送.簇头对网络中全部成员节点的数据进行处理，将处理完的数据传输给网关[10-12].此过程中，若需要传输大量数据或者簇头离网关较远，则会增加簇头节点的能量消耗.

采取随机选举方式得到的簇头节点在网络中具有随机性，主要表现在簇头概率随机和在网络中的分布随机.在WSN中，若簇头个数过少，则每个簇涵盖的区域相对大，非簇头节点与簇头的间距变大，导致信息传递过程中负载加大，影响节能效果[13].若簇头个数太多，则会导致多余的信息融合，各周期中总耗能增加，影响网络的生命周期；节点传输的数据量、节点与目标间的距离共同决定了传输数据所消耗的能量，分布随机性易造成簇头与簇成员节点间、网关节点与簇头节点间的通信距离不均衡，数据量越大，离簇头越远，则完成通讯需要的能量越多[14].

在湿地水环境监测网络中，若簇头节点处于网络边沿或者集中到一块区域内，则簇成员节点需要消耗更多的能量完成其与簇头的通信，网络的能耗也会因为簇头与网关间的距离过大而增加；LEACH算法中，所有的簇头节点与网关通信时均采用单跳形式，期间会出现多条路径的衰减现象，导致耗能增加[15].

综上，若选择在湿地水环境监测网络中采用LEACH算法，极易产生网络节点的剩余能量不平衡问题，加速节点死亡，导致监测网络的寿命减少.为了消除LEACH算法存在的缺陷，针对湿地水环境监测中WSN的特点，本文从簇头选择、剩余能量和通信方式三方面对LEACH算法进行了改进，提出了改进算法LEACH-TR，以降低系统总的能量消耗，实现延长监测网络生存寿命的目标.

2 改进算法

2.1 最优簇头概率

用q表示最佳簇头个数，设传感器节点个数为N，区域范围为M×M，节点均衡散布在此区域内.每帧中簇头节点的能耗[16]由式(1)计算

(1)

式(1)中：k为每个数据所含的bit数，EDA为传感器节点进行数据融合的能量损耗，dtoBS为簇头到网关的距离，Eelec为电路的能量消耗，εamp为多径衰减模式放大倍数.非簇头节点在一帧中的能耗为：

(2)

εfs表示自由空间衰败模型的扩大系数.

所以一帧中整个簇的总能量消耗为：

(3)

整个网络消耗的能量为：

(4)

令Eall对q求导，并令其等于0，得到最优簇头数目为：

(5)

2.2 簇头选取机制

针对LEACH算法对簇头的随机概率选举机制存在的不足，本文在簇头选举阶段，不仅看随机数，而且考虑节点剩余能量和节点与网关的距离，选择同时具备剩余能量多和距离网关近的节点作为簇头节点，分析模型如图1所示.

图1 剩余能量修正分析模型

假定A节点的剩余能量高于B节点，由图1可知，A节点距网关的距离大于B节点，通过剩余能量的比较及初始能量的大小，可以判断选择哪个节点将减少节点在数据传输时的能量消耗.

若A、B节点分别被选举为簇头节点，则本轮算法运行结束后，两节点的剩余能量分别为：

(6)

(7)

选取剩余能量多的节点为簇头节点，以此为据对节点进行簇头选举，可得：

(8)

即:

(9)

基于以上模型分析，修正原有LEACH算法的剩余能量因子，如式(10)所示 ，以保障所选举的簇头向网关传输数据所耗费的能量最低：

E′=E-Ecluster

(10)

E表示在本轮簇头选举开始之前节点的剩余能量；Ecluster表示该节点当选本轮簇头后，在向网关传送数据时消耗的能量.由此，可以增加剩余能量大的簇内节点成为簇头的概率，从而优化簇头的随机选取机制，平衡节点的能耗.

2.3 多跳传输方式

因此，改进算法LEACH-TR中选用多跳通信，在簇头节点中选举超级簇头节点，距网关较远的簇头节点可选择其他超级簇头节点对其要发送的信息转发，缩短通信距离，避免离网关较远的簇头节点直接进行数据传输，从而降低能量消耗.

节点通过单跳通信方式直接向网关传输长度为kbit的数据包所需能量[17]为：

Edirect=Eelec(k)+Eamp(k,d)

(11)

通过多跳通信方式经过n跳向网关传输数据所需能量为：

Eindirect=n[Eelec(k)+Efs(k,d)]+

(n-1)ERx(k)

(12)

Edirect采用多径衰落信道模型，则Edirect-Eindirect如式(13)所示：

Edirect-Eindirect=

k[n4εmpd4-(2n-2)Eelec-nεfsd2]

(13)

由上式可知，对于湿地水环境监测系统，网络规模较大，多跳通信的跳数n取到一定值时，代入式(13)，则有Edirect-Eindirect>0，即采用多跳的通信方式，可以减少湿地水环境监测系统的网络能耗值.

2.4 改进算法实现步骤

综合以上几方面的研究，LEACH-TR改进算法过程如下：

(1)根据湿地水环境监测系统的实际需求，选定网关节点的位置；

(2)选取最优簇头数目，为LEACH算法簇头选举阶段做准备；

(3)使用修正后的剩余能量计算公式E′=E-Ecluster，结合原始LEACH算法簇头选举阶段的随机数生成普通簇头节点；

(4)计算普通节点到所有簇头的距离，选择出最优的簇并加入，成为簇内成员节点，完成分簇；

(5)利用三角型的原则，如果节点通过其它簇头节点到网关的距离小于直接到网关节点，则将那个节点设置为超级簇头节点，使簇头间形成层次结构，其中簇头之间的上一级称为超级簇头节点；

(6)遍历，直到所有的节点加入到簇中；

(7)每个簇的成员节点发送数据至网关：如果有超级簇头节点则通过超级簇头节点转发，如果没有则由簇头节点直接转发至网关，最终完成数据的传输.

3 仿真及分析

3.1 仿真参数

为验证文中算法，运用仿真软件MATLAB对改进算法的性能进行仿真，场景为模拟的湿地水环境监测.随机放置100个节点在100 m×100 m的正方形目标仿真区域中，设置网关节点的坐标为(50 m,50 m).

表1 仿真参数

3.2 结果分析

3.2.1 最优簇头数分析

在湿地水环境监测系统中，合理选取最优簇头数对监测网络是非常重要的.若簇头偏多，由于簇头直接与网关节点互通数据，发射功率大，会导致网络消耗太多能量；若簇头个数偏少，又会增加簇头节点的通信能耗负担，导致簇头节点能量过快消耗，缩短整个网络生存时间.所以，合理选取簇头数可以延长网络寿命.现选用LEACH-TR算法对以下几种不同p值进行仿真分析.

图2表示LEACH-TR在不同的p值下，运行500轮过程中，簇头数目的变化趋势.当p=0.05时，随着轮数的增加，在第300轮左右，簇头数目开始有较大的衰减；当p=0.08时，在第400轮左右，簇头数目出现较明显地衰减，导致分簇数目变少；而当p=0.1时分簇数目变化波动相对平缓，维持在0.1×100=10簇上下浮动，没有出现大幅衰减，很好地保障了网络分簇数目的稳定性.

(a)p=0.05

(b)p=0.08

(c)p=0.1图2 不同p值下簇头数变化情况

3.2.2 对簇头节点分布的均匀性分析

在湿地水环境监测网络中，网络的能量消耗主要受网络中的簇头节点位置分布情况影响，本文分别对LEACH算法及改进算法运行至300轮时网络中簇头节点的分布位置进行仿真比较，结果如图3所示.

(a)LEACH算法

(b)LEACH-TR算法图3 各算法300轮簇头节点分布图

网络运行至300轮时，网络中节点剩余能量出现较大差异，此时LEACH算法仍采用随机机制选取簇头，出现明显的分簇不均衡问题，在簇与簇之间，存在较大的节点数目差距，使得某些簇头节点由于簇成员节点数目过多，导致其在传输数据过程中能量过快耗尽，缩短网络工作寿命.而LEACH-TR算法在进行簇头选举时考虑了剩余能量因素，剩余能量越大，被选作簇头的概率也越大，各簇头节点的簇成员节点数目相差不大，均衡了网络的能量消耗，降低了湿地水环境监测网络的功耗，延长了网络的生命期.

3.2.3 存活节点个数对比

分别对LEACH和LEACH-TR算法运行过程中节点的存活个数进行对比.

图4表示LEACH和LEACH-TR经过500轮后存活节点的分布情况.图4中实心点代表截止当前轮数(r=500时)网络中已经死亡的节点， “○ ”表示尚存活的节点，“×”表示网关节点.网络中死亡节点数量过大将导致监测区域中出现存活节点空白区，此时剩余节点信息不足以反映整个监测区域的水环境情况，监测结果误差较大. 由图4可知，运行至500轮时，LEACH算法存活节点仅剩17个，离网关远的节点死亡快，且死亡节点的数量很多，使整个网络出现了大部分盲区，导致数据采集的缺漏，影响了网络性能.LEACH-TR此时存活节点为79个，是LEACH的4.6倍，避免了网络盲区，延长了网络的工作寿命，提高了监测精度和可靠性.

(a)LEACH算法

(b)LEACH-TR算法图4 各算法500轮存活节点分布图

3.2.4 网络的剩余能量比较

网络剩余能量的多少，是直接关系到网络是否能继续运行的关键指标.表2给出了LEACH和LEACH-TR算法运行500轮过程中，网络剩余能量随轮数的变化情况.

由表2的数据可知，LEACH算法运行在100轮内时，与LEACH-TR在剩余能量方面相差不大，运行至200轮时，LEACH算法消耗的能量已明显多于LEACH-TR算法，此时LEACH-TR剩余能量是LEACH的2.4倍；当算法运行至400轮时，LEACH-TR剩余能量是LEACH的6.2倍；当算法运行至500轮时，LEACH-TR剩余能量是LEACH的8.2倍. 在网络运行的整个过程中，LEACH-TR算法明显比LEACH算法消耗更少的能量.算法的改进使湿地水环境监测网络在整体的能量均衡性方面得到有效改善，减少了节点传送信息消耗的能量，改善了监测网络的低功耗性能，最终有效延长了湿地水环境监测网络的工作寿命.

表2 网络剩余能量随轮数变化情况

轮数/rr=600r=700r=800r=900r=1000r=1500LEACH剩余能量/J0.04490.02600.01610.00960.00740.0039LEACH-TR剩余能量/J0.33670.221000.18860.15530.09430.0749

4 结论

本文基于对传统LEACH算法的深入分析，提出改进算法LEACH-TR，主要解决了原算法因簇头节点随机选取和单跳通信所造成的能量空洞问题.改进算法给出了最佳簇头概率，综合考虑了节点剩余能量和节点与网关的距离，优化了簇头的随机选取机制，显著提升了LEACH算法簇头节点分布的合理性，采用多跳传输方式降低了网络能量消耗，提升了整个监测网络的低功耗性能，有效延长了湿地水环境监测网络的工作寿命，且算法运行稳定.

文中仅对簇头选择、通信方式进行了研究，后续研究可在功率控制与分簇算法的结合方面开展.另外，完成网络通信所涉及的所有环节，都会对WSN的网络寿命产生影响，因而仅仅进行拓扑控制无法达到最优的效果.如何将各层协议与拓扑控制进行协同耦合，也将是WSN拓扑控制研究中的关注点之一.

[1] 蒋 鹏.基于无线传感器网络的湿地水环境数据视频监测系统[J].传感技术学报，2009，22(2)：244-248.

[2] 肖俊生，张金溪，李照耀，等.Zigbee技术在藏区湿地保护应用中的研究[J].西北民族大学学报(自然科学版)，2013，34(2)：39-42.

[3] 陈平林，蒋锦刚，刘 婷.无线传感器网络连续监测湿地水质异常数据的检测与处理——以西溪湿地为例[J].湿地科学，2014，12(5):618-620.

[4] 徐久强，毕伟伟，朱 剑，等.WSN中多跳均匀分簇路由算法的设计与仿真[J].系统仿真学报，2011，23(5)：992-996.

[5] 胡峰松，肖 球．一种基于LEACH的能耗均衡多跳路由算法[J].小型微型计算机系统，2014，35(2):70-73．

[6] 刘 晔，傅忠谦.无线传感器网络中陷阱空洞的有效检测与修复[J].计算机工程与应用，2016，52(5):104-109.

[7] Lambertif F,Sanna A,Paravati G,et al.Mixed marker-based/marker-less visual odometry system for mobile robots[J].International Journal of Advanced Robotic Systems,2013,10(1):1-3.

[8] Aghilif F,Salerno A.Driftless 3-D attitude determination and positioning of mobile robots by integration of IMU with two RTK GPSs[J].IEEE/ASME Transactions on Mechatronics,2013,18(1):21-24.

[9] 冯永亮，雷伟军.无线传感器网络LEACH协议的研究与改进[J].信息技术，2016，38(2):145-152.

[10] 杨 志，陈 暄，龙 丹.WSN 中一种基于拓扑优化的数据收集方案[J].计算机应用与软件，2014，31(3)：250-252.

[11] 李玉民，禹继国，万胜利.基于物理干扰模型的WSN拓扑控制算法[J].计算机工程，2014，40(5)：89-92.

[12] 刘浩然，韩 涛，李雅倩，等.具有路径能耗优化特性的WSN无标度容错拓扑控制算法[J].通信学报，2014，35(6):64-68.

[13] 康一梅，李志军，胡 江，等.一种低能耗层次型无线传感器网络拓扑控制算法[J].自动化学报，2010，36(4)：544-548.

[14] Kuilaa P，Jana P K.Energy efficient load-balanced cluste-ring algorithm for wireless sensor networks[J].Procedia Technology，2012，6：771-777.

[15] 何常胜，夏晓峰.基于分布式模糊逻辑推理的WSN分簇算法[J].现代电子技术，2016，39(5):67-72.

[16] Fu Chunyao,Zhi Fangjiang,Wei Wei,et al.An energy balanced algorithm of LEACH protocol in WSN[J].International Journal of Computer Science,2013,1(2):354-359.

[17] Ye Jihua,Wang Wen,Jiang Aiwen.An energy balanced clusting protocol for heterogeneous WSN based on Leach[J].Chinese Journal of Sensors and Actuators,2015,28(12):1 853-1 860.

【责任编辑：陈 佳】

To eliminate energy voids of the low energy adaptive clustering hierarchy algorithm caused by the asymmetrical distribution of nodes of cluster heads and single hop communication,an improved low energy adaptive clustering hierarchy nodes topology control algorithm was proposed on the optimal cluster head probability,distance of transmission and surplus energy of nodes to optimize nodes of cluster heads and multi-hop communication effectively reduce the energy consumption of the network.In this paper,the actual performance of the algorithm was simulated combining with features of wetland water environment.The results of simulation show that the improved algorithm in number of surviving nodes and energy balance was better than that of the original algorithm,the number of surviving nodes was 4.6 times of LEACH algorithm and the surplus energy was 8.2 times of the LEACH algorithm.The improved algorithm effectively prolong the working life of monitoring network was in wetland water environment.

wetland water environment; wireless sensor network; topology control algorithm; working life

2016-06-21

陕西省教育厅专项科研计划项目(12JK0503)； 陕西省科技厅科学技术发展计划项目(2009K08-10)

陈 红(1980-)，女，宁夏平罗人，讲师，研究方向：无线传感器网络、信息论与编码

1000-5811(2016)05-0168-06

TP393

A

Topology control of wireless sensor networks oriented wetland water environment monitoring

CHEN Hong

(School of Electronic Information Engineering, Xi′an Technological University, Xi′an 710021, China)