基于区域概率和能量筛选的异构WSN能耗均衡算法

2019-02-21张智宇石建强魏宗寿

通信电源技术 2019年1期

张智宇，石建强，魏宗寿

（1.兰州交通大学自动控制研究所，甘肃兰州 730070；2.甘肃省高原交通信息工程及控制重点实验室，甘肃兰州 730070）

0 引言

无线传感网络具有网络组建灵活、拓展性好等优点。随着片上系统、低功耗嵌入式技术的发展，无线传感网络（WSN）越来越多地应用于军事侦察、环境监测等诸多领域[1-2]。由于它的节点能量有限，通过设计低能耗路由协议来延长网络寿命成为研究热点。Heinzelman等人于2000年提出最早的低能耗自适应分簇协议LEACH（Low Energy Adaptive Clustering Hierarchy）[3]，通过网络分簇降低能耗，延长网络寿命。Manjeshwar等人提出了低能耗阈值敏感协议 TEEN（Threshold Sensitive Energy Efficient Sensor Network），通过设定节点传感阈值，减少数据传输次数，降低网络能耗。近年来，能量异构WSN成为研究热点。当按较小比例部署能量较高的节点时，可以在保证较低成本的前提下，有效延长网络生存周期。Smaragdakis等人提出了最早的异构型稳定选举协议SEP（Stable Election Protocol），而文献[4]提出了一种基于多跳形式的EAMMH算法。然而，现有算法在异构WSN均衡能耗和延长网络寿命方面仍存在不足。鉴于此，本文提出一种RPESA（Regional Probability and Energy Screening Based Efficient Algorithm）算法，有效均衡了网络能耗，延长了网络生存周期。

1 网络模型

1.1 系统假设

假设N个异构传感节点随机部署在M×M矩形区域内进行网络监测，监测数据由区域中央的基站采集。假设网络节点能量有限且位置信息已知，节点均具备数据融合能力，基站能量无限制。

1.2 能耗模型

网络节点能耗与收发信息比特数和传输距离有关，传输模型[5]如图1所示。

图1 无线传输模型

ETx(l,d)表示在距离d内传输l比特数据的能量损耗，ETx-elec(l)为发送l比特数据能耗，ETx-amp(l,d)为l比特数据传输距离d的能耗，Eelec为发送或接收1比特数据的能耗，εfs与εmp分别表示自由空间传输模型与多路径衰减传输模型中每比特数据功率放大所需要的能耗。下面的式（1）为ETx(l,d)的计算公式，式（2）、式（3）则分别表示传输距离阈值d0以及接收l比特数据能耗ERx(l)。

2 RPESA算法分析

2.1 问题分析

（1）通常认为传感节点在地理位置上均匀分布，然而实际节点的分布总是不均匀的，传统的概率阈值方法选取簇头时未考虑节点分布不均匀性，导致网络能耗不均匀，缩短了网络生命周期。

（2）仅依靠概率分配方法选举簇头随机性较强，簇头选举时未考虑节点剩余能量。当低能量节点被选举为簇头时，容易引起该节点过早死亡，进而缩短整个网络的生命周期。

（3）在网络中引入较低比例高能量节点时，可在保持较低成本的前提下延长网络生命周期。

针对以上分析提出RPESA算法。该算法将网络设计为能量异构型网络，划分网络区域，对不同区域分别进行簇头优选概率和选举阈值的计算。稳定运行阶段中，概率选举与能量筛选方案共同进行簇头选举，以此均衡网络能耗，延长网络生存周期。

2.2 算法分析

网络运行可分为初始阶段和稳定阶段两部分，而稳定阶段又分为奇数轮运行和偶数轮运行两部分。初始阶段中，基站采集节点初始状态并执行相关计算。稳定阶段运行至奇数轮时，通过概率分配方法选举簇头；运行至偶数轮时，选举能量较高且距离能量中心较近节点担任该轮簇头。

2.2.1 初始阶段

初始阶段中，节点部署完成后，基站将M×M网络区域均匀划分为图2所示的4个面积相等的矩形区域，并认为在所划分区域内节点呈现均匀分布。

图2 网络区域划分

基站下发初始化指令，各节点向基站回传位置坐标、异构类别等自身状态信息。基站根据回传信息分别计算各区域高级节点所占比例m(area)，以及各区域普通节点与高级节点分别对应的簇头选举阈值，计算完毕后下发至各节点。假设网络中高级节点初始能量为普通节点的α倍，popt表示总的簇头优化选举概率，式（4）与式（5）为对应各区域内普通节点与高级节点簇头优选概率pn(area)与pa(area)的表达式。

式（6）与式（7）为各区域内普通节点簇头选举阈值T(sn,area)与高级节点簇头选举阈值T(sa,area)的表达式。

式中r代表当前循环轮数，G′与G′分别为普通节点与高级节点在最近轮内未成为簇头的节点集合。

2.2.2 稳定阶段

节点接收基站信息后进入稳定阶段。该阶段中，网络运行至奇数轮时，采用上述概率方法选举簇头分簇；网络运行至偶数轮时，在上一奇数轮分簇的基础上，筛选该簇中能量分布较高且距离能量中心较近的节点作为新一轮簇头。

奇数轮时，各节点产生0-1随机数。当随机数小于其所属区域节点对应阈值时，该节点当选为簇头节点。簇头节点广播自身ID，周围节点通过RSSI（接收信号强度指示）选取最近的节点作为簇头并发送入簇申请，簇头记录簇成员ID并生成路由表，成员节点通过TDMA方式将传感信息和自身状态信息回传给簇头，簇头将传感数据融合后发送给基站，至此奇数轮运行结束。

运行至偶数轮时，选取上一奇数轮各簇内能量较高且距离能量中心较近的节点作为新一轮簇头节点。偶数轮簇头选取算法包括以下三部分。

（1）簇能量中心坐标计算

假设簇内能量集中于一点C，位置坐标由簇内各节点坐标以其节点能量为权重加权平均所得。式（8）、式（9）为能量中心坐标计算公式。

式中S为簇面积，ρe为簇能量密度，XE与YE为能量中心坐标。由于簇区域内能量随节点位置坐标呈离散分布，因此式式（8）、式（9）改写成如下形式：

（2）簇能量衰减因子计算

簇能量衰减因子δi定义如下：

式中Δei为各簇总能量与簇内各节点能量差值，Δli为各节点距离能量中心的距离，Ek为各簇总能量，Ei为各节点能量值。δi值越小，表明节点能量越高，且位置越靠近能量中心。

（3）确定候选簇头

选取簇内δi值最小且能量高于簇平均能量的节点作为候选簇头。候选簇头确定后，广播自身ID，网络节点通过RSSI（接收信号强度指示）选取最近的节点作为簇头进行分簇，成员节点向簇头发送入簇请求，簇头记录其ID并生成路由表，成员节点通过TDMA方式开始本轮数据回传，簇头将采集的数据融合后回传基站，至此偶数轮采集过程结束。