wsn中leach算法改进程序

合集下载

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进无线传感器网络(WSN)是由大量的小型传感器节点组成的自组织网络,用于收集和传输环境中的数据。

WSN 的目标是提高监控、控制和处理环境数据的效率和准确性。

然而,WSN 中的传感器节点有限的计算和存储资源,以及有限的能源。

因此,如何在最小化能量消耗的同时提高数据传输效率是一个关键问题。

WSN 中广泛使用的协议之一是LEACH(Low-Energy Adaptive Clustering Hierarchy)协议,该协议构建了分簇结构,以减少数据传输过程中节点的能量消耗。

LEACH 是一个分簇算法,它通过选择聚类头(Cluster Head)来组织节点。

聚类头节点收集所有从其它传感器节点收集到的数据,将数据进行压缩和聚合后,转发至基站(Base Station)。

LEACH 协议的问题在于,在网络生命周期内,聚类头的选举是随机的,并不能保证选择的聚类头是能量最高的节点,因此会导致一些节点的能量消耗过快,从而缩短了整个网络的生命周期。

为此,我们对 LEACH 协议进行了改进,提出一种改进的 LEACH 算法,以下将详细说明改进内容。

改进算法采用了一种动态簇头选举策略,根据节点的能量进行簇头节点的选择。

在最初的网络部署过程中,节点随机地选择自己的簇头。

在后续的网络运行过程中,根据每个节点的能量动态选择簇头节点。

节点能量越高,则被选为簇头节点的概率越大,与此同时,为了平衡网络负载和能量消耗,簇头节点的角色应该定期轮流转换。

改进算法还引入了一种数据传输的动态策略。

在常规 LEACH 算法中,每个节点定期向簇头节点传输数据,这样会导致簇头节点的能量迅速消耗。

与此相反,改进算法通过根据节点的能量和簇头节点的状态(能量,负载等因素)确定数据传输的目标节点,减少了无效的数据传输,从而提高了整个网络的生命周期。

实验对比结果显示,改进算法在能量效率和数据传输效率上均表现出较大幅度的提高。

WSN中LEACH协议簇头生成算法的改进

WSN中LEACH协议簇头生成算法的改进

WSN中LEACH协议簇头生成算法的改进
纪超;徐家品
【期刊名称】《微计算机信息》
【年(卷),期】2008(24)16
【摘要】近年来随着无线传感网络技术的发展,分簇路由协议得到了较为深入的研究.其中针对如何延长传感器网络的生存周期,降低传感节点的能耗成为研究的重点.本文分析了LEACH协议中簇头生成算法并提出了改进机制.并对它们的性能做了比较,为寻求和设计更为高效的簇头生产算法奠定了基础.
【总页数】2页(P253-254)
【作者】纪超;徐家品
【作者单位】610065,四川大学电子信息学院;610065,四川大学电子信息学院【正文语种】中文
【中图分类】TN915.9
【相关文献】
1.LEACH协议簇头选择算法的改进与研究 [J], 章春华;陈宏伟
2.基于LEACH协议的簇头选举改进算法 [J], 朱尚聪;吕红芳;吉书瑶
3.基于簇头间距均匀部署的LEACH协议改进算法 [J], 张甫庆;熊勇;单联海
4.一种基于LEACH协议的簇头选择改进算法 [J], 许建真;姚丽洁;袁桂敏
5.基于节点信任的LEACH协议簇头选举改进算法 [J], 白林林;严斌宇;罗敬文;苟旭;卢苇
因版权原因,仅展示原文概要,查看原文内容请购买。

无线传感器网络LEACH路由协议的节能改进算法

无线传感器网络LEACH路由协议的节能改进算法

无线传感器网络LEACH路由协议的节能改进算法摘要:LEACH(Low Energy Adaptive Clustering Hierarchy)是一种经典的WSN自适应分簇分层路由协议,但协议没有考虑节点的剩余能量,随机的产生簇头节点,且在分簇过程中没有考虑簇头节点的数量,过多的簇头造成数据冗余,过少的簇头又因数据传输距离过长而消耗过多的能量,缩短了整个网络的生存周期。

针对LEACH存在的以上缺陷,首先在阀值公式中引入节点的能量因素,然后提出一种新的簇头数的计算方法,通过控制簇头数量确保了网络负载的平衡。

仿真结果表明:改进后的算法有效降低了能耗,延长了节点和网络的寿命。

关键词:无线传感器网络,LEACH路由协议,最佳簇头数,能量消耗1 引言无线传感器网络(WSN)是由大量传感器节点以自组织的方式构成的无线网络。

传感器节点通常采用电池供电,其计算和存储能力十分有限,因此节能是无线传感器网络的一个重要研究方向[[1]]。

其中LEACH路由协议是最早提出的一个能量利用率较高的分层路由协议,协议采用分簇的方式,实现网络能量消耗的均衡。

本文针对LEACH协议的一些不足,提出改进算法。

2 LEACH 算法概述LEACH算法是无线传感器网络最早提出的分簇路由协议, LEACH定义了轮的概念,每轮分为簇的建立阶段和稳定状态阶段。

在簇的建立阶段,每个节点产生一个(0,1)之间的随机数,并把它和阀值 T(n)进行比较,如果这个数小于阀值,则该节点成为簇头节点。

T(n)的计算公式为:其中,P是簇头在所有传感器节点中所占的百分比,P=k/n,k为网络中的簇头个数,N为网络中的节点总数,r是当前的轮数,G是前1/P轮中未当选过簇头节点的集合。

在每1/P轮,每个节点有且只能成为一次簇头。

3 簇头选择的改进Leach协议中所有节点被选为簇头的概率是相等的,但他们当选为簇头的概率依然是相等的。

在这种情况下会出现一些剩余能量很少的节点依然被选为簇头节点,这样导致此节点的能量会很快耗尽,出现网络“洞点”使得整个网络的生存时间变短[2]。

无线传感器网络LEACH协议的研究与改进

无线传感器网络LEACH协议的研究与改进

无线传感器网络LEACH协议的研究与改进摘要:LEACH(Low Energy Adaptive Clustering Hierarchy)是一种经典的WSN 分层路由协议,它采取自适应分簇算法,一定程度上延长了网络生存期。

然而LEACH路由协议的簇头随机产生,没有考虑节点的剩余能量,未达到簇头最优。

LEACH簇头与基站直接通信,如果两者距离较远,则会带来较大的能量损耗。

结合LEACH及LEACH现有的一些改进算法。

综合考虑了节点的剩余能量和簇首节点数目,簇头和基站之间采用单跳和多跳结合策略,有效地降低了能耗,保证了网络负载的平衡。

关键字:LEACH协议;无线传感器网络;簇头选举算法Abstract:LEACH (Low Energy Adaptive Clustering Hierarchy) is a classic WSN hierarchical routing protocol, it has taken to extend the lifetime of the network adaptive clustering algorithm, to a certain extent. However, the routing protocol LEACH cluster head randomly generated, without considering the residual energy of the node, the cluster head does not reach the optimum. LEACH cluster head directly communicate with the base station, if the distance between the two, it will bring greater energy loss. LEACH and LEACH combining some of the existing improved algorithms. Considering the remaining energy is used between nodes and cluster head node number, cluster head and base single-hop and multi-hop combined with strategies to effectively reduce energy consumption, to ensure the balance network load.KEYWORDS: Low Energy Adaptive Clustering Hierarchy(LEACH);Wireless Sensor Network(WSN);cluster-head selection algorithm1 引言无线传感器网络(WSN)不需要固定网络支持,具有快速展开、抗毁性强等优势,能够适用于人们无法接近的恶劣或特殊环境,在军事、商业、医疗、家庭和环境监测等方面广泛应用。

一种基于LEACH的改进WSN路由算法

一种基于LEACH的改进WSN路由算法
文针对 L E A C H算法 中的簇首选举方法进行 了改进 , 首先利用粒子群算法 良好 的收敛性和全局优化 能力将整个 网络 区域 合理 分割成多个子区域 , 然后在子区域内通过考虑节点剩余能量 的因素进而选举 簇 首。实验结果表明 : 与经典路 由协议 L E A C H 相 比, 该协议 能够更加有效 的平衡网络负载 , 提高 了能量的利用 率 , 延长了网络的生命周期 。
d o ma i ns b y P S O, wh i c h i s p r o v i d e d wi t h n i c e c o n v e r g e n c e a n d g l o b a l o p t i mi z a t i o n a b i l i t y, a n d t h e n, s e l e c t s c l u s t e r — h e a ds wi t h i n t h e f a c t o r o f n o de r e s i d u a l e n e r g y .T h e r e s u l t o f e x p e r i me n t s h o ws t h a t , c o mp a r i n g wi t h LEACH , LEACH— PS OC c a n b a l a n c e t h e n e t wo r k l o a d e ic f i e n t l y, i mp r o v e t h e e n e r g y u t i l i z a t i o n, p r o l o n g t h e n e t wo r k l i f e t i me .
第2 6卷 第 1期
2 0 1 3年 1月
传 感 技 术 学 报

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进无线传感器网络(WSN)是由大量分布在空间中的无线传感器节点组成的网络,用于监测、收集和传输环境信息或事件。

它被广泛应用于环境监测、军事监测、医疗保健、工业自动化等领域。

由于传感器节点的能量有限,传感器节点之间的通信受限,需要能耗较低的网络协议来延长网络的寿命。

LEACH(Low-Energy Adaptive Clustering Hierarchy)算法是一种用于节能的无线传感器网络协议,通过聚类和轮换角色的方式降低传感器节点的能量消耗,延长整个网络的寿命。

LEACH算法仍然存在一些问题,需要进行改进。

本文将介绍LEACH算法的基本原理,以及一些对LEACH算法的改进方法,以提高其在无线传感器网络中的性能和效率。

一、LEACH算法介绍1. LEACH算法基本原理LEACH算法是一种典型的分簇式无线传感器网络协议,它通过聚类和轮换簇头的方式降低传感器节点的能量消耗。

LEACH算法的基本原理如下:(1)初始化阶段:初始化每个节点的能量,并设置阈值T,根据T决定哪些节点将成为簇头节点。

(2)簇头选择阶段:每个节点以概率的方式成为簇头节点,概率与其剩余能量成正比。

(3)簇形成阶段:非簇头节点将根据其距离最近的簇头节点进行加入。

(4)数据传输阶段:簇头节点收集数据并传输给基站。

(5)簇头轮换阶段:为了均衡网络中各个节点的能量消耗,每个簇头节点在每一轮中都会轮换。

2. LEACH算法存在的问题尽管LEACH算法在节能方面有一定的优势,但是它也存在一些问题:(1)簇头选择过程没有考虑传感器节点的位置及其与基站之间的距离。

(2)没有考虑网络中节点的能量消耗不均匀问题。

(3)没有充分考虑网络中的数据传输量,可能导致某些簇头节点负载过重。

1. 基于节点位置的改进通过引入节点位置信息,可以更合理地选择簇头节点,避免一些节点成为簇头节点后,由于其位置过远而导致能量消耗过大。

可以根据节点与基站之间的距离进行簇头节点的选择,以减少能量消耗。

WSN中LEACH路由协议的改进及仿真

WSN中LEACH路由协议的改进及仿真

WSN 中LEACH 路由协议的改进及仿真李雅卿,李腊元(武汉理工大学计算机科学与技术学院,武汉 430063)摘 要:针对低功耗自适应聚类(LEACH)路由协议中簇头节点在空间上分布不均以及在远距离数据传输过程中能量消耗过多等不足,提出一种改进的LEACH 路由协议LEACH-ZMH ,其中采用基于区域的簇头选择和簇间多跳数据传输的方法。

给出LEACH-ZMH 的正确性证明和复杂性分析。

NS2仿真表明,改进的协议有效延长了网络的存活时间,性能优于LEACH 协议。

关键词:无线传感器网络;LEACH 路由协议;区域簇头选择;多跳数据传输Improvement and Simulation of LEACH Routing Protocolin Wireless Sensor NetworksLI Ya-qing, LI La-yuan(Department of Computer Science and Technology, Wuhan University of Technology, Wuhan 430063)【Abstract 】Aiming at the insufficiency of Low Energy Adaptive Clustering Hierarchy(LEACH) routing protocol that cluster-head nodes distribution is uneven in the space and cluster-head nodes consume excessive energy in the process of long-distance data transmission, this paper proposes an improved LEACH routing protocol named LEACH-ZMH, which adopts the methods of cluster-head selection based on zone and multiple hop data transmission among clusters. The correctness proof and complexity analysis of LEACH-ZMH are given. Simulation by NS2 shows that the protocol extends the survival time of the network and performs better than LEACH protocol.【Key words 】Wireless Sensor Network(WSN); Low Energy Adaptive Clustering Hierarchy(LEACH) routing protocol; zone cluster-head selection; multiple hop data transmission计 算 机 工 程 Computer Engineering 第35卷 第10期Vol.35 No.10 2009年5月May 2009·网络与通信· 文章编号:1000—3428(2009)10—0104—03文献标识码:A中图分类号:TP3931 概述无线传感器网络(Wireless Sensor Network, WSN)[1]是目前国际上研究的热点,它融合了计算、通信和传感器这3项技术的交叉应用,具有十分广阔的应用前景。

WSN中LEACH路由算法的改进

WSN中LEACH路由算法的改进

WSN中LEACH路由算法的改进郑少朋;王涛;彭刚【期刊名称】《计算机应用与软件》【年(卷),期】2011(028)005【摘要】For serious imbalance issues of energy consumption of nodes in wireless sensor network, based on tow energy adaptive clustering hierarchy (LEACH) routing algorithm,and integrated with the idea of minimum spanning tree,we propose a new algorithm of LEACH-PD.The algorithm makes reasonable choice of cluster header according to comprehensive reference of residual energy of the nodes as well as the distance between base station and nodes, the inter-cluster communicates with the base station by multi-hop forwarding.Simulation results provided by NS2 showed that, compared with LEACH, the improved LEACH-PD algorithm can effectively prolong the survival time of the network by optimising network load and energy consumption,etc.%针对无线传感器网络节点能耗严重失衡问题,以低功耗自适应聚类LEACH(Low Energy Adaptive Clustering Hierarchy)算法为基础,融合最小生成树的思想,提出一种新的LEACH-PD(Low Energy Adaptive Clustering Hierarchy based on Power and Distance)算法.该算法综合参考节点的剩余能量以及节点到基站的距离合理选择簇首,簇间采用多跳转发的方式与基站进行通信.NS2仿真结果证明,与LEACH算法相比,改进后的LEACH-PD算法在网络负载、能量消耗等方面进行优化,能有效延长网络的生存时间.【总页数】3页(P232-234)【作者】郑少朋;王涛;彭刚【作者单位】桂林电子科技大学计算机与控制学院,广西,桂林,541004;桂林空军学院,广西,桂林,541003;桂林空军学院,广西,桂林,541003【正文语种】中文【相关文献】1.一种基于LEACH的改进WSN路由算法 [J], 陈晓娟;王卓;吴洁2.WSN中基于LEACH的改进路由协议 [J], 黄真金;李道全;张俊虎3.WSN 中一种改进的基于 LEACH-C 算法的簇间路由算法研究 [J], 付垚4.WSN中融合多跳路由和休眠机制的改进型LEACH-C协议 [J], 吕振雷;吴丰5.WSN中基于粒子群最优算法的LEACH的改进路由 [J], 崔亚楠; 韦炜; 胡艳华因版权原因,仅展示原文概要,查看原文内容请购买。

WSN中LEACH路由算法的改进

WSN中LEACH路由算法的改进
Ab t a t sr c F rs r u Ma c su so n ry c n u t n o o e n w r l s e s rn t o k, a e n lw n r y a a t ec u tr g o e o s i i mb n e is e fe e g o s mp i f d si iee ss n o ew r b s d o o e e g d pi l se n o n v i
he rh L A H)ruig lo t a dit rtdwt e dao mnm m sann e , e rps e grh f E C —D T e i acy( E C r o t grh n e ae i t e iiu n igt ew ooeanwa o tm o A H P . h n a i m, ng hh i f p r p l i L
真结 果 证 明 , L A H 算 法 相 比 , 与 E C 改进 后 的 L A H P 算 法在 网 络 负 载 、 E C -D 能量 消 耗 等方 面进 行 优 化 , 有 效 延 长 网络 的生 存 时 间。 能
关键词
无 线传感器 网络
低 功耗 自适 应聚类算 法 最小 生成树 多跳 转发
I PRoVI M NG LEACH Ro UTI NG ALGoRI THM N I I W RELESS SENS oR NETW oRK
Z ng S a p n he h o e g
W a g Ta n o
P n n e g Ga g
( colfC m u r n ot lG in Sh o o o p t dC nr ,ul ea o i
郑少朋 王 涛 彭 刚
( 桂林 电子科技大学计算机与控制学院 ( 桂林空军学院 广西 桂林 5 10 4 04) 广西 桂林 5 10 ) 4 0 3

基于无线传感器网络LEACH算法的改进

基于无线传感器网络LEACH算法的改进

目录引言 (3)1.LEACH协议 (3)1.1簇建立阶段 (4)1.2稳定传输阶段 (5)1.3 LEACH协议的性能分析 (5)1.4 LEACH 算法的不足 (6)2. LEACH-T协议 (7)2.1具体描述 (7)2.1.1簇头选择建立阶段 (8)2.1.2 路由更新建立阶段 (9)2.1.3数据传输阶段 (11)2.2 LEACH-T协议理论分析 (12)3. LEACH-T协议仿真 (13)3.1 LEACH-T协议在TinyOS下的实现 (13)3.1.1总体设计 (13)3.1.2 数据结构设计 (14)3.1.3 功能模块设计 (16)3.2 路由维护 (18)3.3 实验结果与分析 (19)3.4 小结 (21)参考文献 (22)基于无线传感器网络LEACH算法的改进——LEACH-T协议专业:通信工程姓名:冶帅摘要:无线传感器网络(WSN)融合了微传感器、嵌入式计算、现代网络和无线通信四大技术,作为一种新的计算模式推动着科技的发展和社会的进步。

它能够通过各类集成化的微型传感器协作地实时感知、处理信息,从而为人们提供大量真实可靠的监测信息,在军事应用、环境监测、空间探索和灾难拯救等领域具有极为广阔的应用前景。

延长传感器网络的生存周期,降低传感器节点的能耗成为无线传感器网络(WSN)研究的重点。

基于LEACH 协议中簇头生成算法提出了改进、调整节点竞选簇头的阀值函数,并在非簇头节点选择适合自己的最优簇头时综合考虑了候选簇头节点的剩余能量以及距基站的距离等因素,给出了新的成簇机制的适合因子的计算公式。

仿真结果表明,新型簇首选择机制能够有效平衡节点的能耗分布,延长节点与网络的寿命。

关键词:无线传感器网络低功耗自适应集簇分层型协议簇头选择负载均衡适合因子ABSTRACTWireless sensor network(WSN).which is the integration of micro-sensors,embedded computing,modern networks and wireless communication technologies,is a novel computing model and promote the development of science and technology and social progress.Through the real-time collaboration of the integrated micro.sensors.it can be used for sensing and processing information,and then call provide a large amount of reliable information.it has broad application prospects not only in military applications,environmental monitoring but also in disaster rescue,space exploration and so on.As the dmrelopment of WSN,people do some deep researches on cluster—based protoeol,most around the prolongation of the lifetime of WSN and decline of energy consumed by the sensors.This paper analyses the clusterheads generated arithmetic among LEACH and presents improved approach,adjusts the node’s threshold function chose to be cluster-head and considers comprehensive node’s residual energy and d istance to basestation. The simulation results show that the new strategy of cluster-heads election achieves great advance in sensorand network.Key words: WSN LEACH clusterhead selection load balancing fitting factor引言无线传感器网络(wireless sensor network),是新一代的传感器网络,具有非常广泛的应用前景,其发展和应用将会给人类的生活和生产的各个领域带来深远影响。

31317009-张威-一种对WSN分层路由LEACH算法的改进

31317009-张威-一种对WSN分层路由LEACH算法的改进

我们的改进思想
ISODATA算法: ISODATA算法是在k-均值算法的基础上,增加对聚
类结果的“合并”和“分裂”两个操作,并设定算法运 行控制参数的一种聚类算法。即:迭代自组织数据分析 算法
“合并”操作: 当聚类结果某一类中样本数太少,或两个类间的距
离太近时,进行合并。ቤተ መጻሕፍቲ ባይዱ“分裂”操作:
当聚类结果某一类中样本某个特征类内方差太大, 将该类进行分裂。
ISODATA具体步骤:
步骤7:入口选择
如果迭代次数LP=NS,则算法结束。
如果 c K ,则执行步骤8分裂;
如果
K
2 c
2K,则执行步骤9合并。
一种对WSN分层路由LEACH算法的改进
小组成员:王亚维 张威 李欣姣
大连理工大学软件学院
CONTENTS
·问题概述
渠道部第二·研季究现度状 经营分析
·我们的改进思想 2011月年6 仿真实验与结果
问题概述
无线传感器网络是由部署在监测区域内能进行无线通讯
交流的大量无线传感器节点组成的一个自组织网络。由于可
自组织网路、环境适应能力强等特点无线传感器网络在军事、
渠道部第二季度经营分析 交通、矿业、农业领域具有广阔的应用前景。 WSN使用过程
中需要考虑的两点:
1、能源 节点能源有限
2、定位 节点的移动性
2011月年6
问题概述
路由协议是WSN的关键技术之一,它负责将数据分组从 源节点通过网络转发到目的节点,主要包括两个方面的功能:
1、寻找源节点和目的节点的优化路径
渠道部第二季度经营分析 2、将数据分组沿着优化路径正确转发
路由协议的性能和整个网络的性能密切相关。 目前,路由协议可以分为平面路由协议和分层路由协议。 作和在反平馈面信路息由来协生议成中路,由节的点。间典地型位的是平平面等路,由是协2通议01过1有月局:年6部SP操INf、 Directed Difhlsion、Rumor、SAR等。 分层路由协议中通常将网路节点划分为若干簇,由簇头 负责管理簇内节点。典型的分簇路由协议有:LEACH、 TEEN、PEGASlS、CEFL、DAEA等。

基于能量均衡高效WSN的LEACH协议改进算法

基于能量均衡高效WSN的LEACH协议改进算法

2017年11月Journal on Communications November 2017 第38卷第Z2期通信学报V ol.38No.Z2基于能量均衡高效WSN的LEACH协议改进算法黄利晓,王晖,袁利永,曾令国(浙江师范大学计算机科学与技术学院,浙江金华 321000)摘 要:提出了一种能量负载均衡高效的路由协议LEACH-improved节能算法。

该算法通过加入间距因子、剩余能量因子和节点密度因子来改进阈值计算式,综合考虑节点剩余能量和地理位置选择簇首。

此外,在不同WSN 的应用场景中,根据剩余能量和地理位置对簇首的选择起到的作用大小不同,引入加权因子。

仿真实验结果表明,改进后的算法有效地节省了网络的能量消耗,网络生命周期得到延长。

关键词:无线传感器网络;分簇路由协议;间距因子;剩余能量因子;节点密度因子中图分类号:TP393 文献标识码:AImproved LEACH protocol algorithm for WSN basedon energy balance and high efficiencyHUANG Li-xiao, WANG Hui, YUAN Li-yong, ZENG Ling-guo(School of Computer Science and Technology, Zhejiang Normal University, Jinhua 321000, China) Abstract: The improved energy-saving algorithm for the energy efficient and balanced protocol (LEACH-improved) was proposed. In the algorithm, the residual energy factor, the distance factor and the node density factor was added to im-prove the threshold formula. Moreover, in the various application scenarios of WSN, based on the different effects on the selection of cluster heads caused by the residual energy and geographical location, the weighting factor was introduced.Results of simulation experiments show that the improved algorithm can effectively reduce the network energy consump-tion and prolong the network lifetime.Key words: wireless sensor network, clustering routing protocol, distance factor, residual energy factor, node density factor1引言WSN由能感知外部环境的传感器节点以自组网的形式构成,是一种分布式无线传感器网络。

wsn中基于粒子群最优算法的leach的改进路由

wsn中基于粒子群最优算法的leach的改进路由
ptimal-based Improved LEACH Protocol for WSN
CUI Ya-nan1, WEI Wei2, HU Yan-hua1
(1 . Lushan College of Guangxi University of Science and Technology, Liuzhou Guangxi 5 4 5 6 1 6 ,C hina; 2. Guangxi Liuzhou Iron and Steel Group Company Limited, Liuzhou Guangxi 5 4 5 0 0 0 ,China)
素 。一旦节点能量耗尽,就无法感测环境数据,形成 了覆盖空洞,也缩短了网络生存时间n _4]。
因此 ,提 高 网 络 能 量 利 用 率 是 W SNs的研究热 点 。 目前,簇 间 路 由 被 认 为 是 拓 延 W SNs网络寿命
收稿日期:20194741 修订日期:2019~08-12 基金项目:广西 高 校 中 青 年 教 师 科 研 基 础 能 力 提 升 项 目 (2019KY1087);广 西 教 育 厅 科 研 项 目 (201204LX661)
第 11期 2019年 11月
工程应用 I
Journal of CAEIT
Vol.14 No.11 Nov. 2019
doi:10. 3969/j. issn. 1673-5692.2019. 11.010
W SN中基于粒子群最优算法的LEACH的改进路由
崔 亚 楠 \ 韦 炜 2,胡艳华1
( 1 . 广西科技大学鹿山学院,广 西 柳 州 545616; 2 . 广西柳州钢铁集团有限公司,广 西 柳 州 545000)
〇 引言

leach算法的改进

leach算法的改进

针对无线传感器网络中的网络能耗问题,提出了改进leach 簇首与簇内节点选取的leach-tr 算法,该算法不仅利用了原leach 模型形成簇的算法,也运用了数学思想中的剩余能量均值算法选取簇形成节点。

首先,根据根据簇首节点的阈值公式选取最优的簇首节点;其次,根据簇内节点剩余能量与节点剩余能量的门限值进行比较,选择最适合作为簇首的功能节点出无效的簇内节点;最后,再次根据簇内节点剩余能量与节点剩余能量的门限值进行比较,选出无效的簇内节点。

仿真实验结果证明,该算法可显著的减少节点能耗,进而有效降低整个无线传感器网络整体结构的网络能耗。

关键字:无线传感器网络;leach ;簇首;簇内节点 0.引言无线传感器网络(WSN)是一种高密度、微小型、自组织的无线监控网络。

网络中的节点能够根据外界环境因素的变化自主完成指定的测量任务和监测任务。

但无线传感器网络资源能量受限对传感器节点的组网、网络拓扑发现技术带来了难点。

因此研究降低网络能耗、延长网络生命周期成为重点。

无线传感器网络具有网络规模大、节点数目多,同时具有很强的扩展性等特点。

因此,多跳通信方式比对等通信方式在无线传感器中的应用更为广泛。

为了能够方便管理节点,本文通过多跳通信方式获取网络的拓扑信息,即对传感器网络节点进行分簇处理。

LEACH 算法是一种比较成熟的分簇处理算法,但LEACH 算法忽视了簇首节点的覆盖范围、能量不均等问题。

故文中对于降低节点能量消耗,延长网络的生命周期,主要通过设定簇首节点的选取阈值和簇内节点的剩余能量要求进行了改进,并通过matlab 环境进行了改进算法的仿真。

1.算法的实现1.1改进算法的思想 基于LEACH 算法的思想,改进算法主要包含两个部分。

首先是根据簇首节点的阈值公式选取最优的簇首节点。

第二步是根据簇内节点剩余能量与节点剩余能量的门限值进行比较,选择出无效的簇内节点。

1.2算法改进初始条件(1)路由协议采用分层和分簇的LEACH 算法; (2)每个节点已知自身的剩余能量值; (3)每个节点已知到达簇首节点的距离; (4)节点信息包在传输的过程中没有误码率; 1.3簇首节点的选取簇首的建立是基于LEACH 算法,LEACH 算法中簇首节点的选择由网络覆盖范围的大小以及所有节点已经成为过簇首节点的次数决定。

一种无线传感器网络路由协议LEACH的改进算法

一种无线传感器网络路由协议LEACH的改进算法
高了4 0 . 7 %, 并增 加 了数 据 的发 送 量 , 减 少 了节点 的能 量 消耗 .
关键词 : 无线传 感 器 网络 ; L E A C H协议 ;网络 生存 时 间 ; N S - 2仿 真 ;能 量均衡 DoI : 1 0 . 1 5 9 3 8 / j . j h u s t . 2 0 1 5 . 0 2 . 0 1 4
i mp r o v e d a l g o r i t h m i s t o c o n s i d e r t h e c ur r e n t po s i t i o n a n d t he c u r r e n t e n e r y g o f t he n o de,wh i c h c a n be mo r e e v e n l y
d i s t ib r u t e d c l u s t e r h e a d,t o p r o l o n g t h e l i f e c y c l e o f t h e n o d e .A c o mp a is r o n i s ma d e o f L EAC H p r o t o c o l wi t h NE W
Wi r e l e s s Se n s o r Ne t wo r k s
L ILa n — yi n g, L I U Ch a n g一 幽
( S c h o o l o f C o m p u t e r S c i e n c e a n d T e c h n o l o g y ,H a r b i n U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y ,H a r b i n 1 5 0 0 8 0, C h i n a )

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进无线传感器网络(WSN)是一种由大量分布在监测区域的无线传感器节点组成的系统,用于监视环境变量,并通过无线通信将数据传输到基站。

在WSN中,为了延长网络寿命,LEACH(Low Energy Adaptive Clustering Hierarchy)算法被广泛应用于数据聚合和能量节省方面。

LEACH算法也存在一些问题,例如簇头选择不均匀、能量消耗不平衡等。

一些学者们对LEACH算法进行了改进,以提高其性能。

本文将对这些改进进行深入探讨并加以总结。

一、原LEACH算法简介LEACH算法是一种典型的基于簇的无线传感器网络协议,主要通过簇头轮流传输数据,实现了能量均衡和延长网络寿命的目的。

LEACH算法的核心思想是将所有节点划分为若干个簇,然后选择一个簇头来进行数据聚合和传输,其他节点则将数据发送给簇头节点。

簇头节点负责将聚合后的数据传输到基站,并且进行簇头轮换以均衡能量消耗。

LEACH算法也存在一些问题。

簇头节点的选择是随机的,可能导致一些节点成为簇头的频率过高,从而消耗更多的能量。

簇头之间的距离可能会导致数据传输过程中的丢失和延迟。

由于这些问题的存在,一些学者们开始对LEACH算法进行改进,以提高其性能。

1. 混合LEACH算法混合LEACH算法是LEACH算法的一种改进版本,通过引入时间片来解决簇头节点不均匀的选择问题。

该算法将整个工作周期划分为若干个时间片,每个时间片中会有一个簇头节点被选择。

在每个时间片内,节点根据自身剩余能量来决定是否成为簇头。

通过引入时间片概念,混合LEACH算法成功解决了原LEACH算法中簇头选择不均匀的问题,提高了网络性能和能源利用率。

2. 改进的簇头选择策略为了解决LEACH算法中簇头选择不均匀的问题,一些学者提出了一种改进的簇头选择策略。

该策略首先通过计算每个节点的能量阈值来确定其成为簇头的可能性,然后根据概率来选择簇头节点。

这种改进的策略能够使簇头节点的选择更加均匀,从而有效地延长了网络寿命。

一种基于LEACH协议的改进路由算法

一种基于LEACH协议的改进路由算法

一种基于LEACH协议的改进路由算法摘要:针对无线传感器网络中LEACH协议的簇首选择与簇间数据传输存在的问题,提出了一种改进的路由算法,该算法在簇首选举时以节点剩余能量作为依据,采用了新的阈值公式,在数据传输时建立临时路由表、构建簇间多跳路由。

仿真结果表明:改进后的算法可有效地延长网络内节点的存活时间,从而延长网络的生存周期。

关键词:无线传感器网络簇首数据传输多跳路由中图分类号:TN929.5 文献标识码:A 文章编号:1672-3791(2016)12(a)-0023-02无线传感器网络(WSNs)是由部署在监测区域内的大量传感器节点构成的自组织系统,综合了传感器技术、分布式信息处理技术和无线通信技术,主要通过各节点实时地监测与采集覆盖区域内的各种数据信息,然后进行处理和传输[1]。

WSNs最先应用于军事与国防领域,随着技术的发展与普及,逐渐应用于自然灾害、智能家居、生物医疗与智慧居家养老等领域,市场发展前景较好。

但是因传感器节点一般采取电池供电,在能量方面具有一定的局限性。

而节点的能耗主要产生于数据采集与传输,由平面路由到分簇路由,许多研究者对数据传输采用的路由协议在不断地进行研究与改进[2-4]。

该文在对经典路由协议LEACH[5]分析研究基础上,针对其簇首节点选举时未考虑剩余能量与簇首和基站通信采用的单跳路由问题,提出了基于能量和簇间多跳路由的改进算法,有效地均衡了节点能耗,延长了网络生存周期。

1 LEACH协议分析1.1 传输能耗模型设定传感器网络数据传输时采用文献[5]中的无线通信模型,节点发送与接收kbit数据所消耗的能量计算公式中,d是信号传输的距离,根据d值的大小决定信息传输时采用自由空间信道模型还是多径衰减模型,当d值超过临界值86.2时,能耗消耗比较大,因此在分簇路由协议中,在成簇与构建簇间路由时,尽量控制可通信节点之间的距离。

1.2 LEACH协议描述LEACH协议是最具有代表性的分簇路由协议,后期许多路由协议都是在对它研究基础上所产生的,如LEACH-C、LEACH-F。

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进

无线传感器网络LEACH算法的改进全文共四篇示例,供读者参考第一篇示例:无线传感器网络(Wireless Sensor Network, WSN)是一种由大量分布在监测区域内的无线传感器节点组成的自组织网络,这些节点负责采集环境信息并将其传输到监控中心。

由于其在环境监测、军事侦察、智能交通等领域中的广泛应用,WSN已成为当前研究的热点之一。

WSN的能量限制和传感器节点分布广泛等特点给其数据节点传输和初始能量分配带来了巨大挑战。

LEACH(Low-Energy Adaptive Clustering Hierarchy)算法作为WSN中的一种典型能量高效性的协议,已经成为了WSN中的研究热点。

LEACH算法借鉴了分簇(clustering)思想和分散式(distributed)思想,在WSN 中通过建立簇形式的通信网络,将大量的传感器节点分为多个集群,每个集群由一个能量较高的簇首(cluster-head)节点负责协调整个簇的工作,其余的非簇首节点称为普通节点,普通节点通过簇首节点进行数据传输。

在每一个簇中,LEACH算法通过轮换机制将节点作为簇首节点,以实现能量平衡。

在实际应用中,LEACH算法依然存在一些问题,例如簇首节点的选举机制不够完善,数据传输的可靠性有待提高等。

对LEACH算法进行改进,提高其可靠性和效率是当前研究中的一个重要课题。

一种对LEACH算法的改进是基于改进选举机制的改进,通过优化簇首节点的选举过程,提高簇首节点的能量利用效率和簇的稳定性。

典型的改进选举机制包括基于节点能量、节点距离等因素的选举机制。

陈小斌等学者提出了一种基于节点能量和节点距离的算法,每个节点根据其剩余能量大小计算出一个能量阈值,将节点分为两类:超级节点和普通节点;超级节点之间的距离满足一定条件时,一个新的超级节点产生;选择超级节点作为簇首节点,并分配簇,将普通节点分配到其邻近的簇中。

通过这种改进选举机制,能够减少簇首节点的不必要能量消耗,延长网络寿命,提高整个网络的可靠性和稳定性。

基于延长WSN生命周期的LEACH算法的改进措施研究

基于延长WSN生命周期的LEACH算法的改进措施研究

基于延长WSN生命周期的LEACH算法的改进措施研究作者:王亮云陈建马宇豪管星宇来源:《无线互联科技》2021年第19期摘要:无线传感器网络的节点总能量有限,如何有效利用节点能量,延长网络节点存活时间,是网络设计的重要内容。

文章在LEACH算法的基础上提出一种改进算法—RLEACH算法。

该算法通过在阈值计算公式中引入当前节点剩余能量与网络中存活节点平均能量的比值,并且将β作调节因子,提高了剩余能量高于平均值的节点当选簇头的概率,从而实现了对每一个节点能量的优化利用。

经过试验仿真,结果表明,RLEACH算法与LEACH算法相比,网络生命周期延长约28.9%,传输数据量增长约196.9%。

关键词:LEACH算法,无线传感网络,簇头选取,网络平均能量0 引言无线传感器网络(Wireless Sensor Networks,WSN)是一种分布式传感网络,其主要以LEACH算法为基本算法,网络的末梢是一个可以感知和检查外部世界的传感器。

WSN以无线的方式与外界进行联系,因此其具备易随时随地设置和跟互联网进行有线或无线方式的连接等优点。

但相较于传统式的网络和其他传感器,无线传感器网络具有网络拓扑结构的不确定性、控制方式不集中,安全性不高的缺點。

WSN在可靠的环境监测、各种商业和军事应用中都很重要。

例如,声学、安全系统的各个方面,是我国科学发展的重要支柱。

WSN的路由算法以逻辑结构方式分为平面型路由算法和层次型路由算法,其中在层次型路由算法方面,提出了LEACH(Low-Energy Adaptive Clustering Hierarchy)算法。

伴随着科技的高速发展,LEACH算法能量利用率低,生存周期短,抗干扰能力差的缺点日益突出[1]。

本文提出一种新型算法—RLEACH(Radical-Low-Energy Adaptive Clustering Hierarchy),对选取簇头节点环节进行改良。

本算法对阈值进行修改,使其值与当前节点与网络平均能量的比值相关联,从而使得WSN生产周期延长,降低循环的总能量。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

%Field Dimensions - x and y maximum (in meters)xm=300;ym=300;%x and y Coordinates of the Sinksink.x=0.5*xm;sink.y=0.5*ym;%Number of Nodes in the fieldn=900;%Optimal Election Probability of a node%to become cluster headp=0.1;%Energy Model (all values in Joules)%Initial EnergyEo=0.5;%Eelec=Etx=ErxETX=50*0.000000001;ERX=50*0.000000001;%Transmit Amplifier typesEfs=10*0.000000000001;Emp=0.0013*0.000000000001;%Data Aggregation EnergyEDA=5*0.000000001;%Values for Hetereogeneity%Percentage of nodes than are advancedm=0.1;%\alphaa=1;cc=10;CM=32;DM=4000;%maximum number of roundsrmax=100;%%%%%%%%%%%%%%%%%%%%%%%%% END OF PARAMETERS %%%%%%%%%%%%%%%%%%%%%%%%%Computation of dodo=sqrt(Efs/Emp);%Creation of the random Sensor Networkfigure(1);for i=1:1:nS(i).xd=rand(1,1)*xm;XR(i)=S(i).xd;S(i).yd=rand(1,1)*ym;YR(i)=S(i).yd;S(i).G=0;%initially there are no cluster heads only nodes S(i).type='N';temp_rnd0=i;%Random Election of Normal Nodesif (temp_rnd0>=m*n+1)S(i).E=Eo;S(i).ENERGY=0;% plot(S(i).xd,S(i).yd,'o');% hold on;end%Random Election of Advanced Nodesif (temp_rnd0<m*n+1)S(i).E=Eo*(1+a);S(i).ENERGY=1;% plot(S(i).xd,S(i).yd,'+');% hold on;endendS(n+1).xd=sink.x;S(n+1).yd=sink.y;%plot(S(n+1).xd,S(n+1).yd,'x');%First Iterationfigure(1);%counter for CHscountCHs=0;%counter for CHs per roundrcountCHs=0;cluster=1;countCHs;rcountCHs=rcountCHs+countCHs;flag_first_dead=0;for r=0:1:rmaxr+1%Operation for epochif(mod(r, round(1/p) )==0)for i=1:1:nS(i).G=0;%S(i).cl=0;endendhold off;EJ(r+1)=0;%Number of dead nodesdead=0;%Number of dead Advanced Nodesdead_a=0;%Number of dead Normal Nodesdead_n=0;%counter for bit transmitted to Bases Station and to Cluster Heads%packets_TO_BS=0;%packets_TO_CH=0;%counter for bit transmitted to Bases Station and to Cluster Heads%per roundPACKETS_TO_CH(r+1)=0;PACKETS_TO_BS(r+1)=0;figure(1);for i=1:1:n%checking if there is a dead nodeif (S(i).E<=0)% plot(S(i).xd,S(i).yd,'red .');dead=dead+1;if(S(i).ENERGY==1)dead_a=dead_a+1;endif(S(i).ENERGY==0)dead_n=dead_n+1;endhold on;elseEJ(r+1)=EJ(r+1)+S(i).E;S(i).type='N';% if (S(i).ENERGY==0)% plot(S(i).xd,S(i).yd,'o');% end% if (S(i).ENERGY==1)% plot(S(i).xd,S(i).yd,'+');% end% hold on;endend%plot(S(n+1).xd,S(n+1).yd,'x');%nl=n-dead;%p=do*sqrt(xm*ym/(2*pi*nl))/(2/3*xm*ym-(sink.x+sink.y)*sqrt(xm*ym)+sink.x^2+si nk.y^2)p=1/(cc+1);STATISTICS(r+1).DEAD=dead;DEAD(r+1)=dead;DEAD_N(r+1)=dead_n;DEAD_A(r+1)=dead_a;%When the first node diesif (dead==1)if(flag_first_dead==0)first_dead=rflag_first_dead=1;endendcountCHs=0;cluster=1;for i=1:1:nif(S(i).E>0)temp_rand=rand;if ( (S(i).G)<=0)%Election of Cluster Headsif(temp_rand<= (p/(1-p*mod(r,round(1/p)))))countCHs=countCHs+1;S(i).type='C';S(i).G=round(1/p)-1;C(cluster).xd=S(i).xd;C(cluster).yd=S(i).yd;%plot(S(i).xd,S(i).yd,'k*');distance=sqrt( (S(i).xd-(S(n+1).xd) )^2 + (S(i).yd-(S(n+1).yd) )^2 );C(cluster).distance=distance;C(cluster).id=i;X(cluster)=S(i).xd;Y(cluster)=S(i).yd;packets_TO_BS(cluster)=1;cluster=cluster+1;%Calculation of Energy dissipatedendendendendSTATISTICS(r+1).CLUSTERHEADS=cluster-1;CLUSTERHS(r+1)=cluster-1;%Election of Associated Cluster Head for Normal Nodesfor i=1:1:nif ( S(i).type=='N' && S(i).E>0 )if(cluster-1>=1)min_dis=sqrt( (S(i).xd-S(n+1).xd)^2 + (S(i).yd-S(n+1).yd)^2 );min_dis_cluster=1;for c=1:1:cluster-1temp=sqrt( (S(i).xd-C(c).xd)^2 + (S(i).yd-C(c).yd)^2 );if ( temp<min_dis )min_dis=temp;min_dis_cluster=c;endendpackets_TO_BS(min_dis_cluster)=packets_TO_BS(min_dis_cluster)+1;%line([S(i).xd, C(min_dis_cluster).xd],[S(i).yd, C(min_dis_cluster).yd]);%Energy dissipated by associated Cluster Headmin_dis;Er1=ERX*CM*(cluster+1);if (min_dis>do)Et1=ETX*(CM+DM)+Emp*(CM+DM)* min_dis * min_dis * min_dis * min_dis;endif (min_dis<=do)Et1=ETX*(CM+DM)+Efs*(CM+DM)*min_dis * min_dis;endS(i).E=S(i).E-Er1-Et1;EJ(r+1)=EJ(r+1)-Er1-Et1;S(i).min_dis=min_dis;S(i).min_dis_cluster=min_dis_cluster;endendend%a=zeros(cluster-1,1)for c=1:1:cluster-1CEr1=ERX*(CM+DM)*(packets_TO_BS(c)-1);distemp=0;for pinkx=0:xm:xmfor pinky=0:ym:ymdispink=sqrt( (X(c)-pinkx)^2 + (Y(c)-pinky)^2 );if(dispink>distemp)distemp=dispink;endendenddistbroadcast(c)= distemp;if (distbroadcast(c)>do)CEt1=ETX*CM+Emp*CM*distbroadcast(c)*distbroadcast(c)*distbroadcast(c)*dist broadcast(c);endif (distbroadcast(c)<=do)CEt1=ETX*CM+Efs*CM*distbroadcast(c)*distbroadcast(c);endS(C(c).id).E=S(C(c).id).E-CEr1-CEt1;if (S(C(c).id).E<=0)% plot(S(i).xd,S(i).yd,'red .');dead=dead+1;if(S(i).ENERGY==1)dead_a=dead_a+1;endif(S(i).ENERGY==0)dead_n=dead_n+1;endhold on;elseEJ(r+1)=EJ(r+1)-CEr1-CEt1;endendSTATISTICS(r+1).DEAD=dead;DEAD(r+1)=dead;DEAD_N(r+1)=dead_n;DEAD_A(r+1)=dead_a;Et=0;Et=Et+S(C(c).id).E;% EJ(r+1)=EJ(r+1)-CEr1-CEt1;%PACKETS_TO_BS(r+1)=packets_TO_BS(c);hold on;%E=EJ(r+1)/nl;%b=zeros(,1)%for i=1:1:cluster-1% if(a(i)>E)% b(i)=a(i);% en%endCH=1;while(cluster-1>20)%contiue make cluster%select sec cluster headsE=Et/(cluster-1);for c=1:1:cluster-1if (S(C(c).id).E>E)C(c).type='D';D(CH).xd=X(c);D(CH).yd=Y(c);distance=sqrt( (X(c)-S(n+1).xd)^2 + (Y(c).yd-S(n+1).yd)^2 );D(CH).distance=distance;D(CH).id=C(c).id;X(CH)= C(cluster).xd;Y(CH)= C(cluster).yd;packets_TO_BS(CH)=1;CH=CH+1;endendSTATISTICS(r+1).CLUSTERHEADS=CH-1;CLUSTERHS(r+1)=CH-1;for c=1:1:cluster-1if ( C(c).type=='C' && S(C(c).id).E>0 )if(CH-1>=1)% min_dis=sqrt( (C(c).xd-S(n+1).xd)^2 + (C(c).yd-S(n+1).yd)^2 );min_dis_CH=1;for d=1:1:CH-1temp=sqrt( (D(d).xd-C(c).xd)^2 + (D(d).yd-C(c).yd)^2 );if ( temp<C(c).distance )min_dis=temp;min_dis_CH=d;endendpackets_TO_BS(min_dis_CH)=packets_TO_BS(min_dis_CH)+1;%line([S(i).xd, C(min_dis_cluster).xd],[S(i).yd, C(min_dis_cluster).yd]);%Energy dissipated by associated Cluster Headmin_dis;Er1=ERX*CM*(CH+1);if (min_dis>do)Et1=ETX*(CM+DM)+Emp*(CM+DM)* min_dis * min_dis * min_dis * min_dis;endif (min_dis<=do)Et1=ETX*(CM+DM)+Efs*(CM+DM)*min_dis * min_dis;endS(C(c).id).E=S(C(c).id).E-Er1-Et1;EJ(r+1)=EJ(r+1)-Er1-Et1;S(C(c).id).min_dis=min_dis;S(C(c).id).min_dis_CH=min_dis_CH;endendendfor d=1:1:CH-1CEr1=ERX*(CM+DM)*(packets_TO_BS(d)-1);distbroadcast(d)= D(d).distance;if (distbroadcast(d)>do)CEt1=ETX*CM+Emp*CM*distbroadcast(d)*distbroadcast(d)*distbroadcast(d)*dis tbroadcast(d);endif (distbroadcast(d)<=do)CEt1=ETX*CM+Efs*CM*distbroadcast(d)*distbroadcast(d);endif(packets_TO_BS(d)<=cc)l=1;elsel=ceil(packets_TO_BS(d)/cc);endif (D(d).distance>do)CEt2=(ETX+EDA)*DM*l+ Emp*DM*l* D(d).distance*D(d).distance*D(d).distance*D(d).distance ;endif (D(d).distance<=do)CEt2=(ETX+EDA)*DM*l+ Efs*DM*l* D(d).distance*D(d).distance ;endS(D(d).id).E=S(D(d).id).E-CEr1-CEt1-CEt2;EJ(r+1)=EJ(r+1)-CEr1-CEt1-CEt2;PACKETS_TO_BS(r+1)=packets_TO_BS(d);hold on;endendend%subplot(2,2,1); %r=0:1:rmax;%plot(r,DEAD(r+1));%box off;%title('图一:死亡节点数统计图'); %xlabel('工作轮数(/轮)');%ylabel('死亡节点数(/个)');%subplot(2,2,2);r=0:1:rmax;plot(r,PACKETS_TO_BS(r+1));box off;title('图二:基站接收数据包统计图'); xlabel('工作轮数(/轮)');ylabel('数据包个数(/个)');%subplot(2,2,3);%r=0:1:rmax;%plot(r,EJ(r+1));%box off;%title('图三:网络剩余能量统计图'); %xlabel('工作轮数(/轮)');%ylabel('网络剩余能量(/焦耳)');。

相关文档
最新文档