无线传感网络中一种新的簇首自适应让位分簇算法研究

赵巧梅，周桃云

(湖南人文科技学院 信息学院, 湖南 娄底,417000)



无线传感网络中一种新的簇首自适应让位分簇算法研究

赵巧梅，周桃云

(湖南人文科技学院 信息学院, 湖南 娄底,417000)

针对LEACH 算法中簇首的随机选举导致节点能量分布不均衡的问题，本文提出了一种新的簇首自适应让位分簇算法(Cluster Head Adaptive Abdication，CHAA)。该算法在满足节省能量距离门限的前提下，重新定义了LEACH算法中阀值的计算公式，并定义了一个能量门限来衡量簇首节点的健康度，使那些趋于衰亡的CH找到合适的继任者, 并选取距离CH较近的节点担当CN，以保证数据传输的可靠性。仿真结果表明，CHAA算法能够实现能量的均衡，在有效延长网络生存时间的同时，相应的提高了网络数据吞吐量，具有一定的应用价值。

CHAA算法;无线传感网络;能量均衡;协作多输入多输出

WSN是一种“以数据为中心”的网络体系结构，它通常将众多节点分布在环境危险的大块区域内。若要通过更换电池的方式来延长网络的生命周期是不现实的，因此能量问题成为无线传感器网络研究的关键问题之一。解决能量消耗不均问题是解决能量问题、延长网络寿命的有效途径[1]。利用MIMO技术可以有效地提高通信系统的频谱利用率和容量，若系统容量固定，可以运用MIMO技术来降低无线传感器节点的发射功率[2]。当误码率一定时，MIMO虽然只需较少的射频功率，但它需要更多的电路功率，只有当单跳传输距离大于一定值时，协作MIMO技术才能节省能量[3,4]。而该项技术中簇首节点(Cluster Head, CH)较普通节点(General Node, GN)消耗更多的能量，因此需要考虑CH与GN之间的能耗均衡问题[5]。在设计MIMO分簇算法，文献[6]提出将协作MIMO融入到LEACH算法中，文献[8]提出最大生成树搜索(MASTS)算法，梁平元等人针对协作MIMO中传输距离受限的特点，提出了一种基于剩余能量与距离门限的动态分簇(DCREDT)选择算法[2]，但该算法没有定量地分析距离门限的确定。本文在此基础上提出了一种新CHAA分簇算法。该算法在LEACH协议的基础上，根据剩余能量最大节点优先成为CH的原则重新定义阀值T2(n)，并设定能量门限Eth衡量CH的健康度，使那些趋于衰亡的CH找到合适的继任者,保证数据传输的可靠性，并进行了仿真分析。

1 基于虚拟MIMO的多跳WSN模型

在图1所示的MIMO传输模型中，每个簇有一个位于中心的CH，MN (Monitor Node) 是监测节点，它可以根据自身剩余能量来确定是否要成为CH。CN (Cooperative Node) 是协作节点，GN (General Node) 是普通节点。图中虚线路径A→B→C→D→E代表一个多跳传输的过程。

图1 基于虚拟MIMO的多跳WSN模型

在MIMO传输系统中，只有满足一定的距离门限，才能保证每一跳均要比SISO更节省能量。在文献[2]中，已经推导出了簇间长传输的距离门限djmin，djmin的取值为：

(1)

本文为了分析简单，假设簇间长传输满足距离门限值djmin。

2 簇首自适应让位分簇(CHAA)算法

在LEACH协议中，CH的选举根据门限值T1(n)的取值来进行判断, 其中：

(2)

式中，P是被选择为CH的百分数，r为当前的轮数，G是过去1/P轮还没有被选择为CH的节点集合[8]。

在LEACH分簇算法中，GN消耗的能量比较小，CH将消耗大量的能量[9]，为实现一定程度的能耗均衡，本文在LEACH协议的基础上，确定一个能量门限Eth，将剩余能量大于能量门限或剩余能量最大的节点作为CH，提出了一种新的CHAA分簇算法。

2.1 CH选举

该算法根据LEACH协议随机产生簇首后，其他节点从收到簇首信息中选择最合适的簇加入，并把自己的能量值及ID一起发给当前的CH，当簇形成以后，CH在分配时间调度表之前首先进行一次自检，即判断自身是否有足够的能量完成担当CH的任务，当CH自身能量超过Eth时，它广播时间调度表给周围节点，进行数据传输，否则，它将进行以下工作：

步骤1CH根据已获知的簇内N个成员节点的能量值，以Eth为标准依次比较簇内成员的能量，若某成员节点的能量值高于Eth，则选该节点为CH继任者，如果在扫描完所有成员后仍然没有得到超过Eth的成员，那么CH将其中一个能量最大的成员节点作为继任CH.

步骤2CH广播CHANGE_CH消息，由于该消息中包含原CH和继任CH的ID信息，簇内成员节点接收消息后将自己CH的ID值变更为继任CH的ID值，簇外成员直接丢弃该消息.

步骤3CH修改时间调度表，并修改后的时间调度表以ADV_SCH消息进行广播。

CHAA算法流程图如图2所示。

图2 CHAA协议的流程图

2.2 能量门限Eth的设定

Eth的设置会对算法产生很大影响，过大则造成资源的浪费，过小则起不到均衡的效果，若为零则退化为LEACH策略.在CHAA中,CH通常占全部节点的5%，CH与成员节点的能量消耗比约为 20∶1.假设当选一次CH消耗的能量为E，则Eth应满足：

Eth=(1+0.05N)E

(4)

另外，假设节点持续当选CH，CH的初始能量Ei能够维持R轮，则有：

Ei=RE

(5)

联立(4)、(5)式，可得：

(6)

图3 β与R的关系曲线

由图3可知，可当β=0.2，即Eth=0.2Ei时，网络寿命最长。在刚开始时，由于各节点能量相等且充沛，仍按LEACH方式传输，而一段时间之后，各节点的能量开始趋于不均衡，此时，通过该算法自适应调整CH，能够延长网络的平均寿命。

2.3 CN选取

在满足簇内短距离传输门限dlth的前提下，需要挑选适当的CN参与协作传输，以节省相邻两个CH间的通信能耗。CN的选择算法可描述为：

步骤1CH发送CN请求信息(CNrequestmessage,CNRM),GN收到CNRM后，判断自身与CH间的距离d与dsth的关系，只有d≤dsth的节点才被标识为准CN，并返回应答信号与导频信息。

步骤2CH根据收到的信息进行信道估计，选择CSI较好的准CN作为备选CN, 并发送CN备选确认信息，未收到备选信息的准CN将进入休眠状态。

步骤3CH根据收到的各备选CN节点与CH的距离信息，比较选出距离CH最近的Sco个备选CN并发送确认信息，未收到确认信息的准CN将进入休眠状态。

确定好CN后，系统从建簇阶段进入稳定阶段，各检测节点采集数据并以多跳MIMO传输方式接力传送给基站。

3 能耗分析

假设：簇内、簇间信道模型分别为高斯信道模型和窄带平衰瑞利信道模型，当前CH通过Sco个传输CN数据到邻居簇首CHn，信号的调制方式采用带宽为BHz的2PSK。 其中di_ch表示协作节点i与它所属CH间的距离，di_CHn和k分别表示协作节点i到达CHn的距离和路径损耗。

3.1 簇内通信能耗分析

(7)

由(7)式可知，dmax的值越小，Eb(intra)越小。

3.2 簇间通信能耗分析

(8)

CNi使用大小为Pout的能量发射一信号，接收端CHn收到该信号的能量强度Pi_CHn与Pout的关系可以表示为：

(9)

(8)式可以重写成：

(10)

由上述分析，根据公式(7)和(10)可求出相邻两个CH间传输1比特数据的总能耗Eb。

Eb=Eb(intra)+Eb(inter)

由(11)式可知，要实现总能耗Eb的最小化，需要将Eb(intra)和Eb(inter)进行均衡，最小化式(5)式中第一项。为简化计算，将满足F1(Pb)H(dmax)+F2(Pb)G(di_CHn,k)值最小的点定义为协作节点。于是得出协作节点的选择标准：

(12)

4 仿真分析

借助MATLAB7.0仿真平台，对本文所提出的CHAA算法在网络寿命和网络吞吐量两个性能上与传统的LEACH算法进行仿真对比分析。

CHAA算法与传统的LEACH算法网络寿命比较分析结果如图4所示：

图4 存活节点个数与工作轮次的关系

分析图4可知，由于CHAA算法当CH能量不够时会自动寻找继任簇首，能有效的延长网络寿命。

CHAA算法与LEACH算法数据吞吐量的性能比较如图5所示：

图5 数据传输量与工作轮次的关系

分析图5可知，在开始阶段，由于各节点初始能量相等且充沛，仍然按LEACH方式传输，两种算法的吞吐量基本相同，20轮过后各节点能量开始趋于不平衡，此时，CHAA算法可以自适应重新选择CH，能够实现能量均衡，数据传输量较LEACH 算法有了明显提高。

5 总结

针对LEACH 算法能量不均衡的问题，本文提出了一种新CHAA分簇算法。该算法在满足节省能量距离门限的前提下，重新定义了LEACH算法中阀值的计算公式，并定义一个能量门限来衡量簇首节点的健康度，并分析了门限因子对网络寿命的影响.当剩余能量大于能量门限时，仍按LEACH算法进行数据传输，不消耗额外的能耗，一段时间之后，各节点将会出现能量不均衡现象.一旦剩余能量小于能量门限，原CH根据CHAA算法寻找合适的继任CH，延长簇内节点的生存时间，而在CN的选择上，选取距离CH较近的节点担当CN，实现MIMO的协作传输，最小化簇内能耗.仿真结果表明，CHAA算法能够实现能量的均衡，在有效延长网络生存时间的同时，相应的提高了网络数据吞吐量，具有一定的应用价值。

[1]蒋阳,陈碧云,吴磊,等.无线传感器网络中增加协作传输的能耗研究[J]. 传感器与微系统. 2012.31(3):50-52,55

[2]梁平元,刘星成,石春,等.基于协作MIMO的多跳WSN动态分簇选择算法研究[J].自动化学报.2010.36(10):1401-1408

[3]Cui S G, Goldsmith A J, Bahai A. Energy-efficiency of MIMO and cooperative MIMO techniques in sensor net-works[J].IEEE Journal on Selected Areas in Communications,2004, 22(6): 1089-1098

[4]Jayaweera S K. Virtual MIMO-based cooperative communication for energy-constrained wireless sensor networks[J].IEEE Transactions on Wireless Communications, 2006,5(5): 984-989

[5]石为人,袁久银, 雷璐宁.无线传感器网络覆盖控制算法研究[J].自动化学报. 2009.35(5): 540-545

[6]Li X H, Chen M, Liu W Y. Application of STBC-encoded cooperative transmissions in wireless sensor networks[J]. IEEESignal Processing Letters, 2005, 12(2): 134-137

[7]Liang J, Liang Q L. Channel selection in virtual MIMOwireless sensor networks[J].IEEE Transactions on VehicularTechnology, 2009, 58(5): 2249-2257

[8]谭子尤,梁平元,黄国盛. 一种新的无线传感器网络高能效协作路由算法[J].计算机工程与应用.2012.48(36):100-104

[9]徐吉.基于分簇的无线传感器网络路由节能技术研究[D].上海：上海交通大学，2007

Study on a new cluster head adaptive abdication agorithm in WSN

ZHAO Qiaomei，ZHOU Taoyun

(Hunan Institute of Humanities Science and Technology，Loudi 417000, China)

For the random of cluster head election in LEACH, which makes unbalance of energy distribution among nodes and reduces the life expectancy and network transmission throughput, it puts forward a new cluster head adaptive abdication(CHAA) algorithm. In which it redefines the threshold formula in LEACH in the premise of meeting the energy saving distance threshold, and defines an energy threshold to measure the health of the CH, letting the CH who tend to decline to find a suitable successor, and selecting the nearest as CN. So it can ensure the reliability of data transmission. Simulation results show that, CHAA algorithm can achieve energy balance. For the effectively extending of the network lifetime and increasing of network throughput, it has a certain application.

CHAA; WSN;energy-balance;MIMO

1672-7010(2016)03-0056-06

2016-05-05

湖南人文科技学院校级青年基金项目(2009QN04)

赵巧梅(1980-),女，湖南邵东人，讲师，硕士研究生，从事无线传感器网络节能路由算法研究

TP393

A