基于节点剩余能量和位置的无线传感网络分簇方法

苗长云，郭 芮，李 杰

（天津工业大学电子与信息工程学院，天津 300387）

无线传感网络（wireless sensor network，WSN）具备网络设置灵活多样、设备位置能够随意更改等优点，在物联网、工业监测、智能交通等方面得到广泛应用。合理地平衡网络节点能耗，延长网络生存周期，是无线传感器网络研究的关键内容[1-2]。无线传感器网络分簇方法直接影响网络能耗效率及网络生命周期。

文献[3]提出了一种用于高频通信网络的分簇方法LCA，该算法每个节点的ID 互不相同，ID 最高的节点将被选为簇头，若存在传感器节点的ID 比其周围节点的ID 都高，则该节点也会被选为簇头。该分簇方法的优点是简单，缺点是会导致簇数量过多，尤其是当传感器节点的ID 呈线性变化时，因而缺乏公平性。文献[4]提出了最小ID 启发式分簇算法，维护开销相对较小、分簇速度快，但是该算法中ID 较小的节点当选簇头的概率更大，导致ID 较小的节点能耗过快，负载不均衡。文献[5]提出了一种基于权值的分簇方法（weighted clustering algorithm，WCA），但该方法并未考虑节点剩余能量，网络寿命短；且该方法的权值因子事先未知，缺乏参数确定依据。Heinzelman 等[6]提出了低功耗低时延协议分簇方法（low-energy AdaEive clustering hierarchy，LEACH），该方法按照阈值模型周期性分簇，其簇头选举机制不能保证簇头均匀分布，负载不均衡；未考虑节点剩余能量，能耗效率低，网络生命周期不够长，造成节点过早死亡。文献[7]在LEACH 协议上加以改进，比LEACH 协议的能耗更低，但首先需要确定簇头个数，不能实现自适应分簇，无法应用于实际的网络环境中。文献[8]提出了一种新权值的分簇方法，加权因子加入了节点的移动速度但并未考虑到节点到汇聚节点的距离因素，造成远离汇聚节点的能耗过高，网络寿命过短。

针对传统分簇方法中存在的未考虑节点剩余能量、能耗效率低、网络生命周期不长而导致节点过早死亡的问题，本文提出一种基于节点剩余能量和位置的无线传感网络分簇方法（residual energy and location clustering hierarchy protocol，RELCHP），并通过OPNET仿真平台进行仿真实验，以验证该分簇方法对能耗效率和网络生命周期的提高效果。

1 网络能耗模型、LEACH 协议及能耗模型

1.1 网络能耗模型

无线传感网络能耗模型如图1 所示，无线通信网络的能耗与发射端和接收端之间的距离有关。当两者的距离小于阈值d0时，n 等于2，采用自由空间模型，能量消耗与距离的平方成正比；若距离大于等于d0时，n 等于4，采用多径衰落模型，能量消耗与距离的4 次方成正比[9-10]。

图1 无线传感网络能耗模型Fig.1 Energy consumption model of wireless sensor networks

假设网络中每个节点完全相同，距离为d 的发射机和接收机之间传送1 bit 数据时所耗费的能量均为Ee，则在传送k bit 的数据时，发送机所耗费的能量ET（k，d）、接收机耗费的能量ER（k）及d0分别为

式中：εf为自由空间模型的功率放大系数；εa为多径衰落模型的功率放大系数[11]。

1.2 LEACH 协议及能耗模型

在LEACH 协议中，包括簇结构的创建阶段和保持阶段[12]。在建簇的初始阶段，网络中每个节点首先随机选择一个0～1 之间的数，若该随机数小于阈值T（n），则确定该节点为簇头[13-14]。

簇头选举阈值为

式中：P 为预定的选取簇头数的概率；r 代表当前轮数；F 为此前参与竞选的轮数中没有被选为簇头节点的集合[15]。节点一旦被选为簇头，将不再参加竞选，并将T（n）置0。选举结束后，每个存活节点将再次随机竞选簇头。

在LEACH 协议中，设第i 个节点至簇头的距离为dC（i），当节点向簇头发送m 个l bit 的数据包时，由式（1）得到节点能耗为

如果簇头有n 个簇内节点，且簇头至汇聚节点的距离为dS，则簇头能耗为簇头发送数据到汇聚节点能耗和接收簇内节点能耗之和，由式（1）和式（2）得

簇头能耗与簇头到汇聚节点的距离dS有关，该距离越大，则簇头能耗也越大。

采用LEACH 协议的分簇方法存在如下不足：

（1）簇头选举是随机的，有能量少的节点可能在簇头选举中成为簇头，能量消耗过快，死亡加速。簇头死亡后，不能给簇内节点发送信息，导致簇内节点频繁向已死簇头发送信号，加快簇内节点能量消耗，减少网络生命周期[16-17]。

（2）没有考虑到簇头和汇聚节点之间的距离因素，当离汇聚节点远的节点当选为簇头时，将会导致该簇头的能量消耗速率和死亡速率提高，造成该簇大面积死亡，采集信息缺失[18-19]。

（3）簇头选举中设定所有节点的初始能量一样，且每个节点的能耗也相等，适用于能耗均衡的网络[20]。实际上大多数网络的节点能量并不均衡，该分簇方法具有局限性。

2 RELCHP 分簇方法及流程

2.1 RELCHP 阈值模型及分簇方法

为了平衡网络节点能耗，提升能耗效率，提高网络生命周期，避免节点过早死亡，提出了基于节点剩余能量和位置的无线传感网络分簇方法（RELCHP）。

首先，通过LEACH 协议分簇方法分簇后，网络中各个节点都能知道自身的剩余能量，假设网络初始时节点总数为Nt，当前死亡节点数为Nd，第i 个存活节点的剩余能量为Er（i），则目前所有存活节点的平均剩余能量为

若Er（i）＞Ea，则定义节点i 为高级节点，否则就为普通节点，簇首选举只从高级节点中选取。考虑节点剩余能量、节点到汇聚节点的距离（节点位置）后，簇头选举阈值模型为

式中：dmax和dmin分别代表所有节点到汇聚节点的最大距离和最小距离；dS为当前节点到汇聚节点的距离：Emax（j）为高级节点中的最大剩余能量；G′为在当前轮内没被选为簇头的任何高级节点的集合。如果当前高级节点的随机数低于阈值时，则被选为簇头。同时，从式（8）可得出，若高级节点离汇聚节点的间距越近，Er（i）越大，则Ta（n）越大，成为簇头的概率也越大。该簇头选举方法优点为：

（1）保证了能量低的节点不会被选举为簇头，只有高级节点才有可能成为簇头，防止低能量节点的能量消耗速度加快，延长了低能量节点的寿命；延长了网络运行时间，进而延长网络生命周期。

（2）节点剩余能量越大，距汇聚节点越近，被选为簇头的概率就越大，避免了选择远离汇聚节点的高级节点作为簇头时所增加的接收和转发簇内成员消息、融合自身数据的能量损失，极大地降低了簇内的能耗，降低了整体网络能耗。

2.2 RELCHP 分簇流程

分簇流程如图2 所示。

图2 无线传感网络节点的RELCHP 分簇流程Fig.2 RELCHP clustering process of nodes in wireless sensor networks

Step 1：网络初始化，每个节点有机会当选簇头的几率相同。每个节点生成随机数t，和由式（4）计算所得出的阈值相比，如果t 低于此阈值则当选为簇头，高于此阈值则节点向相离最近的簇发送消息，请求加入。

Step 2：LEACH 分簇结束，经稳定阶段后，网络节点的能量发生变化。

Step 3：新一轮分簇，汇聚节点向所有节点通报簇头竞选消息，每个节点收到竞选消息后立即回复，将自己的剩余能量信息发送给汇聚节点。

Step 4：汇聚节点收到消息后，利用式（7）、式（8）计算出Ea和阈值Ta（n），将Er（i）高于Ea的节点分为高级节点Er（i）＞Ea，并向节点广播消息。

Step 5：节点i 会生成一个随机数u，首先判断节点是否为高级节点；若节点是高级节点，将该随机数与由式（8）计算出的阈值比较，若u 低于阈值T，且满足条件，则该高级节点将被选为簇头。

Step 6：若节点已经确定成为簇头，则在此轮内该节点会通过生成远大于1 的随机数u，不再进行选举，下一个1/P 轮中恢复，避免了高级节点反复当选为簇头的情况。

Step 7：选举完成后，簇头会向各个节点广播消息，非簇头节点按照从各个簇头接收到的广播消息信号的强弱，向距离自己最近的簇头发送请求新加入的消息。

Step8：簇头以及簇内成员分配好后，由簇内成员将数据发送给簇头，簇头会统一将数据向汇聚节点转发。

Step 9：跳转到Step3。

Step 10：直至全部节点能量耗尽，分簇结束。

3 仿真与结果分析

3.1 仿真环境与参数

本文采用OPNET 仿真平台。100 个网络节点在100 m×100 m 二维平面区域上[21]随机分布，每个节点有唯一的标识（ID），网络节点的部署位置如图3 所示。

图3 网络节点部署位置Fig.3 Deployment location of network node

节点广播半径为25 m，网络中节点结构相同，在网络中的地位相同，功能也一样，都具有数据融合的功能[22]。网络中每个节点的初始能量为2 J，发射功率保持不变[23]。节点根据接收簇头信号强度计算节点到簇头间的距离。

3.2 能耗效率分析

按照上述仿真环境与参数，RELCHP、LEACH 和LEACH-F 分簇方法[7]的能耗效率仿真结果如图4 所示。

图4 能耗效率仿真结果Fig.4 Simulation results of energy consumption efficiency

由图4 可知，在仿真时间0～190 s 之间RELCHP分簇方法的网络能耗为80 J，LEACH 分簇方法为130 J，LEACH-F 分簇方法为112 J。随着仿真时间的增加，LEACH 分簇方法的能耗大部分时间都维持在178～199 J 之间，节点能量在500 s 左右就已耗尽；LEACH-F 分簇方法大部分时间的能耗在168～200 J之间，其网络能耗在500～600 s 之间达到200 J；而RELCHP 分簇方法的网络能耗在600 s 之后才逐渐达到200 J。由此表明，与LEACH 和LEACH-F 相比，RELCHP 分簇方法能耗较小，网络能耗与时间关系的曲线变化更平缓，能耗的稳定性更好。经计算，RELCHP 分簇方法的能耗效率比LEACH 方法提高了19.4%，比LEACH-F 方法提高了8.3%。

3.3 网络生命周期分析

按照上述仿真环境与参数，RELCHP、LEACH 和LEACH-F 分簇方法的网络生命周期仿真结果如图5所示。

图5 生命周期仿真结果Fig.5 Simulation results of life cycle

由图5 可知，在前200 s 内，RELCHP、LEACH 和LEACH-F 分簇方法的网络存活节点数目基本相同，波动性也差别不大；随着时间增加，网络能耗增加，在200～400 s 之间，LEACH 分簇方法由于能耗过快和簇首选举的不足导致网络存活节点数目急速下降，而采用节点剩余能量和位置阈值模型的RELCHP 分簇方法可以很好地应对资源冲突和消耗问题，存活节点数在240 s 之后逐步下降，而且RELCHP 分簇方法的网络存活节点数明显多于LEACH 和LEACH-F 分簇方法。由此表明，RELCHP 分簇方法的网络存活节点数量最多，且稳定性较好，第一个死亡节点的出现时间明显推迟，并计算出网络生命周期比LEACH 方法提高了29.6%，比LEACH-F 方法提高了9.5%。

4 结论

本文在分析了无线传感网络能耗模型和LEACH协议及能耗模型的基础上，提出了一种基于节点剩余能量和位置的无线传感网络分簇方法（RELCHP）。该方法通过建立节点剩余能量和位置阈值模型，根据该模型选取簇头及分簇，考虑了节点剩余能量和位置，能够提高能耗效率和网络生命周期。通过OPNET 仿真平台进行仿真实验，结果表明：

（1）RELCHP 分簇方法的能耗效率比LEACH 方法提高了19.4%，比LEACH-F 方法提高了8.3%；

（2）RELCHP 分簇方法的网络生命周期比LEACH方法提高了29.6%，比LEACH-F 方法提高了9.5%。