0 引言

　　無線傳感網(wǎng)絡(luò)WSNs(Wireless Sensor Networks)中的傳感節(jié)點通常以隨機(jī)方式分布于網(wǎng)絡(luò),，并且這些節(jié)點的能量供應(yīng)具有有限性,，且能量更換不便。這種能量的局限性影響了網(wǎng)絡(luò)壽命,。因此,，能量有效利用是無線傳感網(wǎng)絡(luò)的研究熱點[1-2]。基于簇的網(wǎng)絡(luò)結(jié)構(gòu)是延長網(wǎng)絡(luò)壽命的有效算法,。

　　文獻(xiàn)[3]提出了基于低能量自適應(yīng)簇結(jié)構(gòu)算法(Low-Energy Adaptive Clustering Hierarchy,，LEACH)，這是典型的簇結(jié)構(gòu)算法,。在LEACH中,，傳感節(jié)點劃分為簇，每個簇選舉一個簇頭CH,，其負(fù)責(zé)收集簇內(nèi)其他節(jié)點的數(shù)據(jù),，并向基站傳輸。LEACH算法在選擇簇頭CH時,，采用等概率算法,，即每個節(jié)點被選舉為簇頭CH的概率相同，在選擇簇頭時并沒有考慮節(jié)點的能量等其他信息,。

　　文獻(xiàn)[4]提出了EDACH(Energy-Driven Adaptive Clus-

　　tering Hierarchy)算法,。EDACH算法采用代理節(jié)點策略，一旦原簇頭CH失效,，代理節(jié)點就擔(dān)任當(dāng)前的簇頭CH,。隨后，文獻(xiàn)[5]提出了EECH(Energy Efficient Clustering Hierarchy)算法,。EECH算法將能量高的節(jié)點賦予被選舉為簇頭CH的概率更高,。此外，簇頭CH采用多跳轉(zhuǎn)發(fā)策略向基站傳輸數(shù)據(jù),。文獻(xiàn)[6]提出了基于LEACH的改進(jìn)算法EECHS,。EECHS算法考慮了節(jié)點的剩余能量、距離信息選擇簇頭CH,。然而,，這些算法并沒有從全局角度，考慮簇的分布情況,。

　　據(jù)此,，本文提出一種新的分簇PTTC(Prim based Tree Topology Clustering algorithm for Wireless Sensor)算法。PTTC算法在選擇簇頭CH時,，考慮了節(jié)點的剩余能量,、節(jié)點被選舉為簇頭CH的頻率以及被選舉為簇頭的概率。仿真結(jié)果表明,，提出的PTTC算法能夠有效地降低能量消耗,，提高網(wǎng)絡(luò)壽命，并提高數(shù)據(jù)傳輸效率,。

1 約束條件及能量模型

　　1.1 約束條件

　　考慮N個傳感節(jié)點si,，i=1,，2，…,，N隨機(jī)分布于監(jiān)測區(qū)域,。傳感節(jié)點周期地形成簇，并且有足夠的傳輸功率將數(shù)據(jù)傳輸至基站BS,。所有傳感節(jié)點是同構(gòu)的,，具有相同數(shù)據(jù)處理能力，并且每個節(jié)點具有唯一的識別號,?；緵]有能量限制，且一般遠(yuǎn)離監(jiān)測區(qū)域,。同時將時間劃分等間隔的輪,，每輪執(zhí)行一次PTTC算法，并產(chǎn)生簇頭,。此外,，網(wǎng)絡(luò)壽命LT被定義為：

　　其中rfirst_death表示網(wǎng)絡(luò)內(nèi)第一個失效節(jié)點所發(fā)生的輪數(shù)。

　　1.2 能量模型

　　引用文獻(xiàn)[6]的無線電模型,。為了推導(dǎo)每類節(jié)點的能量消耗情況,，基于傳輸距離的不同，采用兩種信道模型：自由空間和多徑衰落,。相距為d的兩節(jié)點間傳輸l bit的數(shù)據(jù)信息所消耗的能量：

　　其中Eelec為運行發(fā)射器或接收器的能量消耗,。dth為距離門限值，其決定信道模型,。由于在同一簇內(nèi),，簇頭CH離簇內(nèi)成員節(jié)點的距離小，一般采用自由空間模型,，而簇頭與基站BS相距較遠(yuǎn),，采用多徑衰落模型。

　　相應(yīng)地,，節(jié)點接收l bit的消息所消耗的能量ERx：

　　其中和分別為自由空間和多徑衰落的放大器因子。在本文中,，設(shè)定和?著=,。此外，為了簡化能量計算,，假定所有消息包含相同的比特數(shù),，數(shù)據(jù)融合所消耗的能量。

2 PTTC算法

　　首先,，計算最優(yōu)的簇頭CH個數(shù),。若簇頭CH個數(shù)過少，一些傳感節(jié)點需要向遠(yuǎn)處的CH傳輸數(shù)據(jù)耗，加大了能量消耗,；反之,，若簇頭CH個數(shù)過多，多數(shù)節(jié)點需要與BS直接通信,，也加速了能量消耗,。因此，需要對簇頭個數(shù)CH進(jìn)行優(yōu)化,。

　　其次,，每個傳感節(jié)點成為簇頭CH的概率應(yīng)不相同，應(yīng)依據(jù)各自節(jié)點的信息決定其概率,。若低能量的節(jié)點被選舉為簇頭CH,，由于簇頭CH任務(wù)繁重，其能量將很快耗盡,，這必然縮短了網(wǎng)絡(luò)壽命,。因此，需要依據(jù)最優(yōu)的簇頭CH個數(shù)和節(jié)點的剩余能量決定一個門限值,，進(jìn)而合理地選擇簇頭CH,。

　　2.1 最優(yōu)簇頭數(shù)kopt

　　為了減少能量消耗，從簇頭CH的能量消耗角度推導(dǎo)簇頭CH個數(shù)的最優(yōu)值,。簇頭CH承擔(dān)了3項任務(wù)：數(shù)據(jù)接收,、數(shù)據(jù)整合、將融合后的數(shù)據(jù)傳輸至基站BS,。由于簇頭CH與基站BS相距較遠(yuǎn),，采用多徑衰落信道模型。據(jù)此,，每輪簇頭CH消耗的能量ECH：

　　其中l(wèi)表示每個數(shù)據(jù)包中的比特數(shù),。N1是簇內(nèi)的節(jié)點數(shù)。EDA表示融合數(shù)據(jù)所消耗的能量,，dtoBS表示簇頭CH離基站的距離,。

　　為了融合所有數(shù)據(jù)，每個簇頭CH需要處理n/kopt個長度為l的信號,。每個簇內(nèi)節(jié)點的平均數(shù)[7]：

　　其中分別表示簇頭CH的密度,、節(jié)點密度。且,。此外,，是泊松分布密度。是節(jié)點數(shù),，其中A是監(jiān)測方形區(qū)域的面積,。k是簇頭個數(shù),，p表示節(jié)點被選舉為簇頭CH的概率。

　　不失一般性,，假定基站BS位于監(jiān)測區(qū)域的中心,。因此，簇頭CH離監(jiān)測區(qū)域的平均距離：

　　其中D1表示泊松分布變量,，表征簇頭CH離基站的距離,，且(x，y)是簇頭的位置坐標(biāo),。PA表示在區(qū)域A內(nèi)簇頭CH的概率密度,。

　　依據(jù)式(5)和式(6)，式(4)可表示為：

　　由于每個簇內(nèi)成員節(jié)點需要向它的簇頭CH傳輸l bit的數(shù)據(jù),，假定它們間的距離表示為dtoCH,。不失一般性，dtoCH比較短,，采用自由空間信道模型,。因此，每個簇內(nèi)成員節(jié)點所消耗的能量Enon-CH：

　　其中dtoCH[7]：

　　其中L1為泊松變量,，表示簇內(nèi)成員節(jié)點至簇頭距離,。因此簇內(nèi)成員節(jié)點離簇頭的平均距離E[L1]：

　　因此：

　　據(jù)此，每一輪內(nèi)一個簇所消耗的能量Ecluster：

　　一輪內(nèi)所有簇所消耗的總能量Etotal：

　　依據(jù)式(7),、式(11),、式(12)，式(13)可轉(zhuǎn)換為：

　　需要得到最優(yōu)的簇頭個數(shù),，進(jìn)而能量消耗最少,。因此，對式(14)求關(guān)于k導(dǎo)數(shù),，并令其等于零：

　　由于,，可得。式(15)的解便是最優(yōu)的簇頭個數(shù)kopt：

　　因此,，節(jié)點成為簇頭的概率popt：

　　2.2 簇頭CH的選擇

　　LEACH算法采用隨機(jī)機(jī)制選擇簇頭CH,，這使得簇頭CH分布不均勻，也導(dǎo)致節(jié)點能量消耗不平衡,，降低了網(wǎng)絡(luò)壽命,。為此，PTTC算法引用3個參數(shù)選擇簇頭CH,。第一參數(shù)就是剩余能量，其次是輪數(shù),，最后是節(jié)點已被選為簇頭的輪數(shù),。對于節(jié)點i,，其被選為簇頭概率T(i)：

　　其中：Cch表示目前節(jié)點被選為簇頭的次數(shù)，Eresidual表示節(jié)點的剩余能量,，Einit為節(jié)點的初始能量,，r為輪數(shù)。一旦被選舉為簇頭CH,，節(jié)點就向鄰居節(jié)點廣播通告消息Mes_adver,。當(dāng)其他節(jié)點接收了Mes_adver消息后，就向該簇頭CH回復(fù),，并發(fā)送加入該簇消息Mes_join,。接收了Mes_join消息后，簇頭CH就依據(jù)Mes_join消息識別節(jié)點ID,，并記錄簇內(nèi)成員節(jié)點號,，最終形成簇。

　　2.3 樹的構(gòu)建

　　形成簇后,，再利用普里姆(Prim)算法構(gòu)建樹,。假定N={V，E}表示連通網(wǎng)絡(luò),。首先從一頂點h出發(fā),，再選擇與它關(guān)聯(lián)的具有最小權(quán)值的邊(h，v),，然后將其頂點加入到生成樹的頂點集合U中,。以后每一步均從一個頂點在U中而另一個頂點不在U中的各條邊中選擇權(quán)值最小的邊(u，v),，并把該邊加入到生成樹的邊集中,，把它的頂點加入到集合U中。一直重復(fù)執(zhí)行,，直到網(wǎng)絡(luò)中的所有頂點都加入到生成樹頂點集合U中為止,。普里姆(Prim)算法建立最小spanning樹的示例如圖1所示。

　　在PTTC算法中,，節(jié)點i的權(quán)值Weight(i)：

　　其中,、棕2為權(quán)值系數(shù)，Eresidual(i)表示節(jié)點的剩余能量,，d(i,，CH)表示節(jié)點離簇頭CH的距離。

　　利用Prim算法建立的樹簇網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示,。形成了樹簇結(jié)構(gòu)后,，便可開始進(jìn)行數(shù)據(jù)傳輸。葉節(jié)點向父節(jié)點傳輸數(shù)據(jù),。融合了自己數(shù)據(jù)后,，父節(jié)點再將數(shù)據(jù)傳輸?shù)剿母腹?jié)點,。

3 性能分析

　　利用MATLAB R2012b建立仿真平臺?？紤]100 m×100 m的區(qū)域,，基站位于區(qū)域中心位置，具體仿真參數(shù)如表1所示,。每次實驗重復(fù)50次,，取平均值作為最終數(shù)據(jù)。仿真時間為500 s,。

　　此外,，選擇LEACH、 EDACH,、EECHS與提出的PTTC算法進(jìn)行同步仿真,，比較這4個算法在失效簇頭CH數(shù)、第一個節(jié)點失效所發(fā)生的輪數(shù)FND(First Node Die)和一半活動節(jié)點所在的輪數(shù)HNA(Half of the Nodes alive),、能量消耗速度以及數(shù)據(jù)丟失率,。

　　3.1 能量消耗

　　表2列舉了4個算法的能量消耗情況。從表2可知,，在能量消耗了近50%時,，提出的PTTC算法已運行至1 000多輪，而LEACH,、EDACH和EECHS分別運行了477輪,、478和729輪。從能量消耗數(shù)據(jù)可知,，PTTC算法比LEACH,、EDACH算法的能量消耗利用率分別提升了127.0%、126.6%,。例如,，在運行800輪時，提出的PTTC算法僅消耗了22%能量,，而LEACH,、EDACH分別消耗了48.6%、47.5%能量,。

　　3.2 數(shù)據(jù)丟失率

　　圖3比較了4個算法的數(shù)據(jù)丟失率情況,。如圖3所示，提出PTTC算法的數(shù)據(jù)包丟失率最低,，這主要是因為它在選擇簇頭CH時從全局考慮了剩余能量,，并且使得簇頭CH分布更均勻, 同時建立樹簇結(jié)構(gòu)，提高了數(shù)據(jù)傳輸效率。而LEACH算法的數(shù)據(jù)丟失率最高,，這也進(jìn)一步證實隨機(jī)選擇簇頭容易導(dǎo)致簇頭CH失效,，致使無法工作，導(dǎo)致數(shù)據(jù)丟失,。

4 總結(jié)

　　本文提出了基于Prim的樹簇拓?fù)涞臒o線傳感網(wǎng)絡(luò)分簇PTTC算法，平衡能量消耗,，進(jìn)而提高網(wǎng)絡(luò)壽命,。首先，從優(yōu)化能量消耗角度,，推導(dǎo)了最優(yōu)簇頭個數(shù),，然后依據(jù)節(jié)點剩余能量、位置信息計算節(jié)點被選為簇頭CH的概率,，再形成簇,。最后，利用Prim算法,，構(gòu)建樹,，形成樹簇結(jié)構(gòu)，并依據(jù)樹簇拓?fù)鋫鬏敂?shù)據(jù),。仿真結(jié)果表明,，提出的PTTC算法比LEACH算法的能量利用率提升了近127.0%，數(shù)據(jù)丟失率降低了近50%,，有效地提升了網(wǎng)絡(luò)壽命和數(shù)據(jù)傳輸效率,。

　　參考文獻(xiàn)

　　[1] YOUNIS O,FAHMY S.HEED：A hybrid，energy-efficient,，distributed clustering approach for ad hoc sensor networks[J].IEEE Trans.Mobile Comput.,，2014，3(4)：366-379.

　　[2] KUMAR P,，SINGH M P,，TRIAR U S.A review of routing protocols in wireless sensor network[J].International Journal of Engineering Research & Technology，2012,，1(4)：1-14.

　　[3] HEINZELMAN W R,，CHANDRAKASAN A，BALAKRISHNAN H.Energy-efficient communication protocol for wireless micro-sensor networks[C].In Proc.HICSS,，2000：1-10.

　　[4] KIM K T,，YOUNG H Y.Energy-driven adaptive clustering hierarchy(EDACH) for wireless sensor networks[J].LNCS，2005,，38(23)：1098-1107.

　　[5] HU Y,，LI W，KANG Z.Study on energy efficient hierarchical routing protocols of wireless sensor network[C].In Proc.ICIE,，2009：325-328.　

　　[6] RAY A,，DE D.Energy efficient clustering hierarchy protocol for wireless sensor network[C].in Proc.ICCIA,，2011：1-4.

　　[7] FOSS S G，ZUYEV S A.On a voronoi aggregative process related to a bivariate poisson process[J].Advances in Applied Probability,，1996(28)：965-981.