论文部分内容阅读
摘 要：在核辐射监测传感器网络中，传感器监测节点要进行信息监测、数据传输与聚合等任务，减小能耗从而延长其生命周期成为其关键问题。本文在LEACH算法的基础上提出ECLEACH改进算法，算法考虑了传感器节点剩余能量、节点传输距离等因素，使得簇头节点的分布更加均匀，仿真结果表明，与LEACH算法相比较，ECLEACH算法使整个网络的能耗更加均衡，有效地延长了网络的生命周期。
关键词：数据聚合；核辐射监测；LEACH；剩余能量
中图分类号：TN929.5；TP274
基于WSN的核辐射监测系统将核辐射探测器装置与传感器节点作为一个监测设备，探测器装置负责采集数据信息，传感器节点通过单跳方式或者多跳方式把数据送到汇聚节点，汇聚节点将整个区域内的数据传送到用户。该系统存在大范围、多点位和实时监测等特点，由于网络覆盖区域内节点不能更换电池，如何减低能耗以避免因能源耗尽而使监测节点或网络失效成为一个关键问题。数据融合技术是解决资源限制的有效方法，其思想是融合来自不同数据源的信息，去除冗余信息，减小传输数据量，从而达到节省能耗、延长网络生命周期、提高数据收集效率和准确度的目的，成为近年来的研究热点之一。
1 相关工作
在层次型网络结构中，基于簇的数据融合方法得到了广泛的关注。它将整个網络组织成若干个簇区域，传感器节点监测到数据后将数据直接发送到它所在簇的簇头节点，簇头节点对簇内数据进行融合处理后转发给基站节点。LEACH（low energy adaptive clustering hierarchy）是一种经典的基于簇的数据收集协议。它的执行过程是周期性的，每轮循环分为簇的建立阶段与稳定的数据通信阶段。在簇的建立阶段，相邻节点动态地形成簇，为了将能量负载均匀地分配到各节点上，在每一轮中对簇头进行轮换，随机产生簇头；在数据通信阶段，簇头将聚合其收到的各成员节点的采集信息，并将聚合信息直接传输到基站。由于每个节点能等概率地担任簇头节点，均衡了网络整体能耗，且减少了与基站直接通信的节点数量以及通信量，LEACH协议可以有效地延长网络生命周期。但是，LEACH算法也存在很多不足，如没有考虑剩余能量、簇头分布不均匀、簇头数量不稳定等。
2 算法改进
2.1 能量模型
本文假设所有节点随机部署在监测区域，节点和基站的位置固定，基站节点具有无限的能源供应，其它的传感器节点具有相等的初始能量值；所有节点都知道自己的位置信息，并且可以感知剩余能量。网络节点计算和通信能量模型采用一阶顺序通信模型。
Etx（k，d）=Eelec×k+εamp×k×d2 （1）
Erx（k）=Eelec×k （2）
Etx（k，d）为发送k位数据时所消耗的能量，Erx（k）为接收k位数据时所消耗的能量，k为收发数据的倍数，d为数据传输距离，Eelec为收发电路收发一位数据耗散的能量，在本文中，假定传输距离d少于距离门限值，故采用自由空间功率损耗模型，εamp为自由空间功率损耗模型信号放大器的放大倍数。则从源节点i经过距离k发送k位数据到目的节点j所消耗的能量Ei，j（k，d）为：
Ei，j（k，d）=Etx（k，d）+Erx（k）=k×（2×Eelec+εamp×d2） （3）
2.2 算法改进与描述
在基于簇的数据融合方法中，簇头节点担任着数据聚合（如求和、求均值、取最大或最小值），与簇内传感器节点及基站进行数据传输等任务，能量消耗很快，如何减少簇头节点的能量消耗及在网内各节点间均衡消耗能量成为一个关键问题。数据聚合任务消耗能量与簇头节点的拓扑结构无关，因此，簇头节点消耗的能量与簇头节点到簇内传感器节点的距离及到基站节点的距离密切相关。
由于LEACH的簇首选举过程中没有充分考虑剩余能量和距离因素，选择簇首具有随机性，导致簇头节点分布不均匀，进而扩大了各簇头节点消耗能量的差距。我们提出一个ECLEACH算法，由于基站拥有无限的资源，如功率供应、存储和计算等，ECLEACH采用集中式的簇头节点选择办法，基站负责簇头节点的选择。我们定义各候选簇头节点的阈值T（n）如下：
T（n）= （4）
其中，RE（n）为传感器节点n的剩余能量，m为网络中传感器节点个数，D（i，n）为节点i与节点n间的距离，当i=n时D（i，n）取值0，RE（i）为传感器节点i的剩余能量。由式（4）可以看出，阈值T（n）与两个因素有关：1）与候选簇头节点n自身的剩余能量成正比，剩余能量多的候选簇头节点能以更高的概率当选簇头节点；2）与网络中其它节点到候选簇头节点的距离跟它们的剩余能量的除数之和成反比，距离低剩余能量值传感器节点比较近的候选簇头节点能优先当选簇头节点，低剩余能量值传感器节点因距离簇头节点较近从而减少了它们的能量消耗，延长它们的生存周期。簇头节点的选择算法如下：
Step1 在每一轮的开始为网络中每一个传感器节点计算阈值T（n），并递减排序；
Step2 选择所有传感器节点中阈值最高的节点作为当前簇头节点，并将该节点加入簇头节点集合；
Step3 比较当前簇头节点与它的下一个节点的距离，如果距离大于或等于MDBECHAN（两相邻簇头节点最小距离），则将该节点加入簇头节点集合，并使之作为当前簇头节点，如果距离小于MDBECHAN，则取它的下一个节点，重复Step3，本步骤一直进行到所有簇头节点集合满或者再也找不到满足条件的节点为止；
Step4 如果簇头节点集合未满，则调整（减小）MDBECHAN的值，转Step3，一直到簇头节点集合满；
Step5 基站广播新一轮簇头节点列表。
簇头节点选择算法伪代码如下： 1 for n = 0 to NOSN-1 do //计算各传感器节点阈值T（n）；
2 Initialize Sum to 0；
3 for i = 0 to NOSN-1 do
4 Sum = Sum + DList （i，n）/RE（i ）
5 end
6 TList （n） = RE（n）/Sum ；
7 end
8 Sort （Tlist）； //对Tlist按T（n）减序进行排序；
9 NLSNSCH= NNlist （0） ；CHlist .add（NLSNSCH）； //将T（n）值最大的节点加入簇头节点集合；
10 n= 1；
11 do //查找满足条件的其它传感器节点并加入簇头节点集合
12 if Tlist （n）.isnotcluster and DList （NNlist （n）， NLSNSCH） ≥ MDBECHAN then
13 CHlist .add（NNlist （n））；
14 NLSNSCH = NNlist （n）；
15 else
16 n=（n+1） mod NOSN；
17 end
18 until CHlist.isfull；
其中，NOSN：传感器节点个数；DList：传感器节点间距离表；Tlist：传感器节点阈值表；NNlist：Tlist中各传感器节点阈值的节点编号表；CHlist：被选为簇头节点的传感器编号表；RE（i）：传感器节点SNi的剩余能量；Sort（Tlist）：对Tlist按减序进行排序函数；MDBECHAN：每相邻簇头节点间最小距离；NLSNSCH：最后选为簇头节点编号。
3 仿真与结果分析
在本文中，我们用两个指标来衡量改进算法ECLEACH与LEACH的性能：第一节点死亡时间和平均剩余能量。第一个指标需要最大化，因为每个传感器节点覆盖的一个重要组成部分，失去它意味着失去这块区域的数据。而第二个指标需要最小化，平均剩余能量是所有传感器剩余能量的总和除以传感器节点的总数量，这个指标在第一个节点死亡时计算，如果这个度量小，意味着在所有的传感器节点间有一个更好的平衡能源消费方式。
在本实验中，所有传感器节点随机分布在100×100m2的区域内，基站节点位置固定在位置（0，0），传感器节点最初的能量为5J，无线传输范围为150米，传感器节点传送数据大小相等都为500字节，广播消息为100字节，广播消息包含当前簇头节点信息。每轮的时间间隔为100分钟，Eelec为50×10?9J，εamp为100×10?12J。
在实验方案一中，传感器节点的数量固定为100，而簇头节点的数量介于5和40（5、10、20、30、40）之间，MDBECHAN设置为50米，不同簇头节点数量对性能的影响如图1所示。
图1 不同簇头节点数两种协议第一节点死亡时间及平均剩余能量比较
从图1可以看出，ECLEACH的性能比LEACH要好，这是两个原因造成的。首先，ECLEACH不是随机选择簇头节点，而是根据自身的剩余能量、其它节点的剩余能量及到其它节点的距离来决定的，其次，ECLEACH簇头节点间有一个最小距离的约束，因此，簇头节点的分布更加的均匀，每个传感器节点都可以找到一个更近的簇头，从而减少能源消耗，延长电池使用时间。
在实验方案二中，簇头节点的比例是固定的（为传感器节点的10%），而传感器节点的数量在50和400（50、100、200、300和400）之间变化。MDBECHAN设置为60米，传感器节点的数量的变化对性能的影响如图2所示。
图2 不同传感器节点数两种协议第一节点死亡时间及平均剩余能量比较
从图2可以看出，第一节点死亡时间和平均剩余能量这两个指标都随着传感器节点规模的增大而变得更好。原因是在同一大小的网络中传感器节点数量的增加会导致簇头节点数量的增加，从而导致节点间传输距离的缩短，因此减少了能源消耗。同理，ECLEACH的性能比LEACH要好。
4 结束语
在核辐射监测传感器网络中，传感器监测节点要进行信息监测、数据传输与聚合等任务，减小能耗从而延长其生命周期成为一个关键问题。本文在 LEACH 算法的基础上提出ECLEACH改进算法，算法基于候选簇头节点剩余能量、节点传输距离、其它节点剩余能量去选举簇头节点，两簇头节点间必须满足最小距离的要求，以至于簇头节点的分布更加均匀。仿真结果表明，ECLEACH算法在第一节点死亡时间及平均剩余能量两个指标上优于LEACH算法，整个网络的能耗更加均衡，有效地延长了网络的生命周期。使得基于无线传感器网络的核辐射监测系统能够高效、稳定地实时监测环境。
参考文献：
[1]孙利民，李建中，陈渝.无线传感器网络[M].北京：清华大学出版社，2005.
[2]Heinzelman WR，Chandrakasan A， Balakrishnan H.Energy-Efficient communication protocol for wireless microsensor networks.In：Proc.of the Hawaii Int’l Conf.on System Sciences.San Francisco：IEEE Computer Society，2000：3005?3014.
[3]Gao，T，Jin，R.，Song，J，Xu，T，& Wang，L.（2012）.Energy-efficient cluster head selection scheme based on multiple criteria decision making for wireless sensor networks.Wireless Personal Communications，63（4）：871-894.
[4]Zhu，Y，Wu，W.，Pan，J.，& Tang，Y.（2010）.An energy-efficient data gathering algorithm to prolong lifetime of wireless sensor networks.Computer Communications，33（5）：639-647.
作者简介：李悛（1974-），男，湖南衡阳人，教师，硕士，研究方向：传感器网络。
作者单位：南华大学计算机科学与技术学院，湖南衡阳 421001；衡阳财经工业职业技术学院，湖南衡阳 421001
基金项目：湖南省教育厅科学研究项目（No.11C1096）。
关键词：数据聚合；核辐射监测；LEACH；剩余能量
中图分类号：TN929.5；TP274
基于WSN的核辐射监测系统将核辐射探测器装置与传感器节点作为一个监测设备，探测器装置负责采集数据信息，传感器节点通过单跳方式或者多跳方式把数据送到汇聚节点，汇聚节点将整个区域内的数据传送到用户。该系统存在大范围、多点位和实时监测等特点，由于网络覆盖区域内节点不能更换电池，如何减低能耗以避免因能源耗尽而使监测节点或网络失效成为一个关键问题。数据融合技术是解决资源限制的有效方法，其思想是融合来自不同数据源的信息，去除冗余信息，减小传输数据量，从而达到节省能耗、延长网络生命周期、提高数据收集效率和准确度的目的，成为近年来的研究热点之一。
1 相关工作
在层次型网络结构中，基于簇的数据融合方法得到了广泛的关注。它将整个網络组织成若干个簇区域，传感器节点监测到数据后将数据直接发送到它所在簇的簇头节点，簇头节点对簇内数据进行融合处理后转发给基站节点。LEACH（low energy adaptive clustering hierarchy）是一种经典的基于簇的数据收集协议。它的执行过程是周期性的，每轮循环分为簇的建立阶段与稳定的数据通信阶段。在簇的建立阶段，相邻节点动态地形成簇，为了将能量负载均匀地分配到各节点上，在每一轮中对簇头进行轮换，随机产生簇头；在数据通信阶段，簇头将聚合其收到的各成员节点的采集信息，并将聚合信息直接传输到基站。由于每个节点能等概率地担任簇头节点，均衡了网络整体能耗，且减少了与基站直接通信的节点数量以及通信量，LEACH协议可以有效地延长网络生命周期。但是，LEACH算法也存在很多不足，如没有考虑剩余能量、簇头分布不均匀、簇头数量不稳定等。
2 算法改进
2.1 能量模型
本文假设所有节点随机部署在监测区域，节点和基站的位置固定，基站节点具有无限的能源供应，其它的传感器节点具有相等的初始能量值；所有节点都知道自己的位置信息，并且可以感知剩余能量。网络节点计算和通信能量模型采用一阶顺序通信模型。
Etx（k，d）=Eelec×k+εamp×k×d2 （1）
Erx（k）=Eelec×k （2）
Etx（k，d）为发送k位数据时所消耗的能量，Erx（k）为接收k位数据时所消耗的能量，k为收发数据的倍数，d为数据传输距离，Eelec为收发电路收发一位数据耗散的能量，在本文中，假定传输距离d少于距离门限值，故采用自由空间功率损耗模型，εamp为自由空间功率损耗模型信号放大器的放大倍数。则从源节点i经过距离k发送k位数据到目的节点j所消耗的能量Ei，j（k，d）为：
Ei，j（k，d）=Etx（k，d）+Erx（k）=k×（2×Eelec+εamp×d2） （3）
2.2 算法改进与描述
在基于簇的数据融合方法中，簇头节点担任着数据聚合（如求和、求均值、取最大或最小值），与簇内传感器节点及基站进行数据传输等任务，能量消耗很快，如何减少簇头节点的能量消耗及在网内各节点间均衡消耗能量成为一个关键问题。数据聚合任务消耗能量与簇头节点的拓扑结构无关，因此，簇头节点消耗的能量与簇头节点到簇内传感器节点的距离及到基站节点的距离密切相关。
由于LEACH的簇首选举过程中没有充分考虑剩余能量和距离因素，选择簇首具有随机性，导致簇头节点分布不均匀，进而扩大了各簇头节点消耗能量的差距。我们提出一个ECLEACH算法，由于基站拥有无限的资源，如功率供应、存储和计算等，ECLEACH采用集中式的簇头节点选择办法，基站负责簇头节点的选择。我们定义各候选簇头节点的阈值T（n）如下：
T（n）= （4）
其中，RE（n）为传感器节点n的剩余能量，m为网络中传感器节点个数，D（i，n）为节点i与节点n间的距离，当i=n时D（i，n）取值0，RE（i）为传感器节点i的剩余能量。由式（4）可以看出，阈值T（n）与两个因素有关：1）与候选簇头节点n自身的剩余能量成正比，剩余能量多的候选簇头节点能以更高的概率当选簇头节点；2）与网络中其它节点到候选簇头节点的距离跟它们的剩余能量的除数之和成反比，距离低剩余能量值传感器节点比较近的候选簇头节点能优先当选簇头节点，低剩余能量值传感器节点因距离簇头节点较近从而减少了它们的能量消耗，延长它们的生存周期。簇头节点的选择算法如下：
Step1 在每一轮的开始为网络中每一个传感器节点计算阈值T（n），并递减排序；
Step2 选择所有传感器节点中阈值最高的节点作为当前簇头节点，并将该节点加入簇头节点集合；
Step3 比较当前簇头节点与它的下一个节点的距离，如果距离大于或等于MDBECHAN（两相邻簇头节点最小距离），则将该节点加入簇头节点集合，并使之作为当前簇头节点，如果距离小于MDBECHAN，则取它的下一个节点，重复Step3，本步骤一直进行到所有簇头节点集合满或者再也找不到满足条件的节点为止；
Step4 如果簇头节点集合未满，则调整（减小）MDBECHAN的值，转Step3，一直到簇头节点集合满；
Step5 基站广播新一轮簇头节点列表。
簇头节点选择算法伪代码如下： 1 for n = 0 to NOSN-1 do //计算各传感器节点阈值T（n）；
2 Initialize Sum to 0；
3 for i = 0 to NOSN-1 do
4 Sum = Sum + DList （i，n）/RE（i ）
5 end
6 TList （n） = RE（n）/Sum ；
7 end
8 Sort （Tlist）； //对Tlist按T（n）减序进行排序；
9 NLSNSCH= NNlist （0） ；CHlist .add（NLSNSCH）； //将T（n）值最大的节点加入簇头节点集合；
10 n= 1；
11 do //查找满足条件的其它传感器节点并加入簇头节点集合
12 if Tlist （n）.isnotcluster and DList （NNlist （n）， NLSNSCH） ≥ MDBECHAN then
13 CHlist .add（NNlist （n））；
14 NLSNSCH = NNlist （n）；
15 else
16 n=（n+1） mod NOSN；
17 end
18 until CHlist.isfull；
其中，NOSN：传感器节点个数；DList：传感器节点间距离表；Tlist：传感器节点阈值表；NNlist：Tlist中各传感器节点阈值的节点编号表；CHlist：被选为簇头节点的传感器编号表；RE（i）：传感器节点SNi的剩余能量；Sort（Tlist）：对Tlist按减序进行排序函数；MDBECHAN：每相邻簇头节点间最小距离；NLSNSCH：最后选为簇头节点编号。
3 仿真与结果分析
在本文中，我们用两个指标来衡量改进算法ECLEACH与LEACH的性能：第一节点死亡时间和平均剩余能量。第一个指标需要最大化，因为每个传感器节点覆盖的一个重要组成部分，失去它意味着失去这块区域的数据。而第二个指标需要最小化，平均剩余能量是所有传感器剩余能量的总和除以传感器节点的总数量，这个指标在第一个节点死亡时计算，如果这个度量小，意味着在所有的传感器节点间有一个更好的平衡能源消费方式。
在本实验中，所有传感器节点随机分布在100×100m2的区域内，基站节点位置固定在位置（0，0），传感器节点最初的能量为5J，无线传输范围为150米，传感器节点传送数据大小相等都为500字节，广播消息为100字节，广播消息包含当前簇头节点信息。每轮的时间间隔为100分钟，Eelec为50×10?9J，εamp为100×10?12J。
在实验方案一中，传感器节点的数量固定为100，而簇头节点的数量介于5和40（5、10、20、30、40）之间，MDBECHAN设置为50米，不同簇头节点数量对性能的影响如图1所示。
图1 不同簇头节点数两种协议第一节点死亡时间及平均剩余能量比较
从图1可以看出，ECLEACH的性能比LEACH要好，这是两个原因造成的。首先，ECLEACH不是随机选择簇头节点，而是根据自身的剩余能量、其它节点的剩余能量及到其它节点的距离来决定的，其次，ECLEACH簇头节点间有一个最小距离的约束，因此，簇头节点的分布更加的均匀，每个传感器节点都可以找到一个更近的簇头，从而减少能源消耗，延长电池使用时间。
在实验方案二中，簇头节点的比例是固定的（为传感器节点的10%），而传感器节点的数量在50和400（50、100、200、300和400）之间变化。MDBECHAN设置为60米，传感器节点的数量的变化对性能的影响如图2所示。
图2 不同传感器节点数两种协议第一节点死亡时间及平均剩余能量比较
从图2可以看出，第一节点死亡时间和平均剩余能量这两个指标都随着传感器节点规模的增大而变得更好。原因是在同一大小的网络中传感器节点数量的增加会导致簇头节点数量的增加，从而导致节点间传输距离的缩短，因此减少了能源消耗。同理，ECLEACH的性能比LEACH要好。
4 结束语
在核辐射监测传感器网络中，传感器监测节点要进行信息监测、数据传输与聚合等任务，减小能耗从而延长其生命周期成为一个关键问题。本文在 LEACH 算法的基础上提出ECLEACH改进算法，算法基于候选簇头节点剩余能量、节点传输距离、其它节点剩余能量去选举簇头节点，两簇头节点间必须满足最小距离的要求，以至于簇头节点的分布更加均匀。仿真结果表明，ECLEACH算法在第一节点死亡时间及平均剩余能量两个指标上优于LEACH算法，整个网络的能耗更加均衡，有效地延长了网络的生命周期。使得基于无线传感器网络的核辐射监测系统能够高效、稳定地实时监测环境。
参考文献：
[1]孙利民，李建中，陈渝.无线传感器网络[M].北京：清华大学出版社，2005.
[2]Heinzelman WR，Chandrakasan A， Balakrishnan H.Energy-Efficient communication protocol for wireless microsensor networks.In：Proc.of the Hawaii Int’l Conf.on System Sciences.San Francisco：IEEE Computer Society，2000：3005?3014.
[3]Gao，T，Jin，R.，Song，J，Xu，T，& Wang，L.（2012）.Energy-efficient cluster head selection scheme based on multiple criteria decision making for wireless sensor networks.Wireless Personal Communications，63（4）：871-894.
[4]Zhu，Y，Wu，W.，Pan，J.，& Tang，Y.（2010）.An energy-efficient data gathering algorithm to prolong lifetime of wireless sensor networks.Computer Communications，33（5）：639-647.
作者简介：李悛（1974-），男，湖南衡阳人，教师，硕士，研究方向：传感器网络。
作者单位：南华大学计算机科学与技术学院，湖南衡阳 421001；衡阳财经工业职业技术学院，湖南衡阳 421001
基金项目：湖南省教育厅科学研究项目（No.11C1096）。