基于蒙特卡洛的无线传感网移动节点定位分析

摘要
东华理工大学研究生毕业论文中文摘要首页用纸
毕业论文题目：基于蒙特卡洛的无线传感网移动节点定位研究
计算机科学与技术专业2012级硕士生姓名：李坤
指导教师（姓名、职称）：何月顺教授
摘要
随着信息化科技的迅猛发展，作为一种集信息采集、通信和计算于一身的综合性平台，无线传感器网络(Wireless Sensor Networks，WSN)在家庭、医疗、工业和军事等领域得到了越来越广泛的应用。

在实际应用中，多元化的监测任务和复杂的应用环境经常会使WSN节点发生移动，随之产生的关于移动WSN节点的定位问题已经成为国内外学者的研究热点之一。

本文对WSN节点定位算法进行了分类研究，主要对蒙特卡洛移动节点定位算法(MCL)进行深入研究，针对MCL算法中定位精度不高、采样效率低下和低鲁棒性等缺陷，结合实际应用中面对不同的监测环境出现的不同问题，科学的提出了针对性的解决方法，进而得到更精准的定位信息。

本论文的主要研究成果如下：
(1)针对传感器节点的通信半径在实际应用中会由于节点的高度变化而发生变化这一现象，提出了一种结合跳\距转换模型的蒙特卡洛定位改进算法(HDMCL)，利用节点间的跳数信息和跳\距转换模型得到一个精化的采样区域，取代了传统MCL算法利用通信半径确定的采样区域，HDMCL算法不仅解决了通信半径波动大的问题，而且在定位精度和采样效率上都有很大的提升。

(2)考虑到锚节点的成本和功耗问题，针对低锚节点密度的WSN网络提出一种自主择优的蒙特卡洛定位算法(PWMCB)，基于锚盒子信息，自主筛选出高精度的优质节点，用以辅助其他普通节点定位。

结果显示该算法能大大提升节点的定位精度，提高网络的鲁棒性，并且在低锚节点密度的网络环境下优化效果更明显。

(3)在PWMCB算法中优质节点坐标的计算阶段，利用节点运动的连贯性，引入节点前两个时刻的位置，提出MCMCB算法，赋予采样样本更科学的权值，使优质节点的坐标估计更精确，从而更好的辅助其他节点定位。

(4)对HDMCL算法和PWMCB算法进行了仿真，并将仿真结果分别与MCL算法、MCB算法进行比较分析，验证了HDMCL算法和PWMCB算法的有效性和优越性。

关键词：无线传感网，移动节点定位，蒙特卡洛方法，跳\距转换，自主择优
I
东华理工大学硕士学位论文
II
Abstract
东华理工大学研究生毕业论文英文摘要首页用纸
THESIS:Research on mobile node localization in wireless sensor
network based on Monte Carlo
SPECIALIZATION:Computer Science and Technology
POSTGRADUATE:Li Kun
MENTOR:Professor He YueShun
Abstract
With the rapid development of information technology,wireless sensor network(WSN) has been more and more widely used in the family,medical,industrial and military fields. Wireless sensor network gathers a set of information collection,communication and computation as an integrated platform.In practical application,various monitoring tasks and complex application environment often make the WSN node move and the resulting problems about the positioning of the mobile WSN nodes have become one of the research focus point of scholars at home and abroad.
This article has conducted the classified research to the WSN node localization algorithm,mainly for Monte Carlo mobile nodes localization algorithm(MCL)for further study.According to the positioning accuracy is not high,the low sampling efficiency and low robustness and other defects in MCL algorithm,combining face different problems in different monitoring environment in actual application,this article proposes specific solutions scientifically and then get more accurate location information.The main contents are as follows:
(1)Aim at a phenomenon that the sensor nodes communication radius will change with the metabolic altitude of the nodes in practical application.This article put forward the Monte Carlo localization algorithm(HDMCL)which combine the Hop Count/Distance Transformation Model.HDMCL can get a refined sampling area by using the hops and Hop Count/Distance Transformation Model,to replace the traditional sampling area which determined by the communication radius in MCL.The HDMCL algorithm not only solves the problem of the communication radius of large fluctuation,and sampling in the positioning accuracy and efficiency have been greatly improved.
(2)Taking the problem of the cost and power consumption of anchor nodes into consideration,an algorithm named Pick Winner Monte Carlo localization(PWMCB) are proposed for low density of anchor nodes in the WSN.PWMCB is based on the
III
东华理工大学硕士学位论文
information of anchor box,self selected high quality nodes which help other ordinary node confirm position.The results show that the proposed algorithm can greatly enhance the localization accuracy of nodes and improve the robustness of the network,and the optimizing effect is more obvious in the low anchor nodes density network environment.
(3)In the calculation phase of quality node coordinate in the PWMCB algorithm, using the node motion coherence,importing two moments before node position,put forward MCMCB algorithm.MCMCB gives the sample more scientific weight.It makes the quality nodes get more accurate coordinate,in order to better assist other node localization.
(4)The HDMCL algorithm and PWMCB algorithm are analyzed.The simulation results were compared with the MCL algorithm and MCB algorithm.The results verifies that the HDMCL algorithm and PWMCB algorithm own the validity and superiority.
KEY WORDS:Wireless Sensor Network,Mobile Node Localization,Monte Carlo Method,Hop Count/Distance Transformation,Self Pick Winner
IV
目录
目录
摘要 (I)
Abstract (III)
目录 (I)
第一章绪论 (1)
1.1研究背景及研究意义 (1)
1.1.1研究背景 (1)
1.1.2研究意义 (2)
1.2课题来源 (2)
1.3国内外研究现状 (3)
1.3.1国外研究现状 (3)
1.3.2国内研究现状 (4)
1.4学位论文的主要内容 (5)
第二章无线传感器网络 (7)
2.1无线传感器网络概述 (7)
2.1.1无线传感器网络的体系结构 (7)
2.1.2无线传感器网络的特点 (8)
2.1.3无线传感器网络的应用领域 (10)
2.2无线传感器网络关键技术与挑战 (11)
2.2.1无线传感器网络的关键技术 (11)
2.2.2无线传感器网络技术面临的挑战 (12)
2.3无线传感器网络的发展趋势 (13)
2.4本章小结 (14)
第三章无线传感器网络定位理论 (15)
3.1定位基本概念及术语 (15)
3.1.1定位基本概念 (15)
3.1.2定位常用术语 (16)
3.2静态WSN定位算法 (17)
3.2.1基于测距的定位算法 (17)
3.2.2基于非测距的定位算法 (23)
3.3移动WSN定位算法 (26)
3.3.1基于静态分割的定位算法 (26)
3.3.2基于贝叶斯估计的定位算法 (26)
3.3.3基于卡尔曼滤波的定位算法 (27)
I
东华理工大学硕士学位论文
3.4本章小节 (30)
第四章基于跳\距转换的蒙特卡洛移动传感网定位 (31)
4.1MCL算法 (31)
4.1.1蒙特卡洛方法 (31)
4.1.2MCL算法分析 (32)
4.1.3MCL算法优化思路 (35)
4.2HDMCL算法 (36)
4.2.1节点信息洪泛阶段 (36)
4.2.2跳\距转换模型 (37)
4.2.3预估计坐标的确定 (40)
4.2.4环形采样区域的确定 (41)
4.3HDMCL算法的特殊处理 (42)
4.4HDMCL算法性能分析 (43)
4.4.1参数设置 (43)
4.4.2仿真结果及性能分析 (44)
4.5本章小结 (46)
第五章一种自主择优的蒙特卡洛移动传感网定位算法 (47)
5.1MCB算法 (47)
5.1.1锚盒子 (47)
5.1.2MCB算法实现 (48)
5.2一种自主择优的蒙特卡洛移动节点定位算法 (49)
5.2.1未知节点的锚盒子面积求值 (50)
5.2.2基于锚盒子的自主择优策略 (51)
5.2.3结合运动连贯性计算辅助锚节点坐标 (52)
5.2.4辅助定位 (54)
5.3PWMCB算法的特殊处理 (57)
5.4PWMCB算法仿真结果分析 (58)
5.4.1参数设置 (58)
5.4.2仿真结果及性能分析 (59)
5.5本章小结 (63)
第六章总结与展望 (65)
6.1总结 (65)
6.2展望 (66)
致谢 (67)
参考文献 (69)
II
绪论
第一章绪论
1.1研究背景及研究意义
1.1.1研究背景
近年来，智能化的服务与应用进入了飞速发展阶段，物联网正是在这种背景下崛起的新兴产业，它被称为继计算机、互联网之后，世界信息产业的第三次浪潮。

物联网的终极目标是将所有物理世界的都融合到一张网络上，使人们能够随时随地掌控任何事物的任何信息，物联网被认为计算机产业发展的下一重大趋势。

在我国，物联网技术受到了国家政府的高度重视，2012年，国务院将以物联网为代表的第一代信息技术列为重点培育和发展的战略性新兴产业，2013年，教育部“物联网工程”专业列入了计算机类专业[1]。

物联网作为一种能够实现物与物互联的新型网络，将成为未来社会进步和发展的重要基础设施，会给人类的生活带来巨大的改善。

无线传感器网络能够实现对物理世界的感知，所以被称为物联网的“末梢神经”，它跨越了计算机、通信、半导体、嵌入式、电路等众多领域，可以帮助人们从大千世界中提取出大量实用的信息[2]。

相比于传统网络，无线传感网无需架设中心站等基础设施，能适用于各种监测环境。

无线传感器节点是组成无线传感器网络的基本单元，基于传感器节点的定位是无线传感器网络最基本的服务之一，一方面，通过无线传感网采集的信息只有结合相对应的节点坐标才有现实意义，另一方面，基于位置的路由协议、分簇和数据聚焦算法、拓扑控制、覆盖控制等协议也需要知道节点的位置信息。

随着无线传感网应用范围的扩展，静态的无线传感器网络已经无法满足实际的需求，节点时刻都处于运动状态的移动传感网越来越常见，例如应用于野生保护动物的追踪和环境恶劣的矿区辐射监测等，这给节点定位技术带来了诸多新的挑战，大规模的安装GPS定位设备会使传感器网络成本及功耗过高，因此并不能广泛使用，而发展得较为成熟的静态传感网定位算法由于节点的运动性也无法适用于移动传感网，在这种技术背景下，越来越多的学者针对基于移动传感网的定位技术进行了探索和研究。

1
东华理工大学硕士学位论文
1.1.2研究意义
移动传感器节点的定位技术是智能目标识别、智能监测、信息跟踪等领域的前提和基础，在大多数情况下，节点都是通过随机投放的方式布撒在监测区域内，大部分节点坐标都是随机并且未知的，因此，在网络部署之后，需要网络节点自身通过某种机制，实现节点物理坐标的定位和实时追踪，此外，节点位置信息的确定还有助于提高网络路由效率，为网络提供命名空间，辅助部署者了解网络覆盖质量，实现网络的负载均匀和拓扑自动配置，由此可见，一个优秀的节点定位算法对移动传感器网络有非常重要的意义。

移动传感网定位的难点在于它的不可预知性，所有节点的坐标都处于不停地变化中，考虑到大量传感器节点移动的随机性，有研究人员将概率学和统计学的理论应用到移动传感网的定位技术中，蒙特卡洛定位算法就是其中最广泛使用的方法之一，由于该算法结构简单、误差容易控制、能适应节点的移动性等特点，蒙特卡洛定位算法得到非常广泛的应用。

优秀的定位机制要从网络规模、定位精度、节点覆盖率、锚节点密度、自适应性和容错性、成本和功耗等多方面去考证[3]，与此同时，还必须根据具体的监测任务和应用环境去权衡，不同的实际情况对应着不同的定位条件和要求，这也会使不同的定位方法应用于不同的场合下会表现出不同的性能。

本文的研究正是为了解决蒙特卡洛移动节点定位算法应用于不同的环境时产生的定位问题，并针对这些问题科学的提出解决方案并对这些方案进行验证分析，从而提高节点定位性能、改善网络的鲁棒性。

1.2课题来源
本课题来源于国家自然科学基金项目：面向伴生金属矿放射性污染监测的无线传感器网络关键技术研究(项目编号：51364001)。

图1.1展示了该项目的技术路线，首先对传感器网络的应用环境进行分析，确定放射性污染因子及监测参数，结合监测目标对传感器节点进行设计和选型。

然后对真实传感器网络进行小世界结构建模，在传感器节点自组成网络后，针对特殊的矿区环境进行网络的定位，这直接影响着网络监测数据的有效性，并通过传感器网络分簇方法对节点进行控制，最后实现对无线传感网放射性监测系统的设计。

2
绪论
图1.1课题来源及项目技术路线
Figure1.1The source of the project and the project technical route 本文主要针对无线传感网络应用于放射性矿区的移动节点定位问题进行研究，采用蒙特卡罗定位方法对移动节点进行定位，针对在定位过程中无线传感器节点的通信半径会随着地势的高低不一难以确定、锚节点占比小导致的节点定位精度不高，定位效率低等一系列问题，分别提出了不同的解决方案。

1.3国内外研究现状
1.3.1国外研究现状
关于无线传感器网络的研究起源于上世纪70年代的军事领域，从最初的传感器节点单对单的传输逐步发展成整个传感器网络。

1980年，由美国国防部高级研究计划局(DARPA,Defense Advanced Research Projects Agency)资助，卡耐基梅隆大学、麻省理工学院以及马萨诸赛大学共同参与的分布式传感器网络项目(DSN,Distributed Sensor Networks)开创了现代传感器网络研究先河[4]。

20世纪90年代中期，智能传感器问世，这再次掀起了一波传感器发展的浪潮，美国多个军事传感项目同时进行，其中UC/Berkeley大学和Intel联合成立了著名的智能尘埃(SmartDust)实验室[5]，向空气中投放大量的便携式传感器，实现对各种有用信息的
3
东华理工大学硕士学位论文
监测。

进入21世纪，无线传感技术得到了飞速的发展，无线传感器网络被评为十大改变未来世纪新兴科技之首。

美国一直以来都非常重视WSN技术的发展，智能传感网被列为最高优先发展研究计划，从2003年至今，每年都斥巨资投入到WSN 的研究项目中，这其中包括著名的战区“超视觉”项目研究、陆军“更广阔视野”项目和WTSR等项目。

韩国和日本的情报通讯组织近年来也成立了各自的WSN技术部门，专门用来搜集有用的情报和讯息[6]。

2000年以后，国际著名学者们开始关注无线传感网络节点定位算法的研究，并得出大量的研究成果。

包括麻省理工大学的Chakraborthy A、Balakrishnan H等人研发的Cricket室内定位系统，基于TDOA技术，定位精度能达到1.5米左右，Microsoft公司开发了RADAR室内定位系统以及SpotON室内定位系统[7]，Ruml Wheeler等人提出了相对定位算法能够对小范围的监测目标进行精确定位[8]。

还包括基于RISS和ROA的Calamari定位系统，它在干扰性不大的环境下能实现高精度定位。

基于迭代算法的AhLos系统也有不错的定位性能，未知节点通过与锚节点的关系来计算该未知节点的位置，但对锚节点个数要求较高。

比较知名的还有PinPoint公司开发的3D-ID系统、剑桥大学的ActiveOffice系统和维也纳大学的LOSNVS系统[9]。

此外，国外研究学者还提出了一系列定位算法，其中有：凸规划算法[10]、MDS算法[11]、SPA算法[12]、APS算法[13]等。

近年来，全球领先的半导体公司TI公司(Texas Instruments)研究的CC系列无线传感定位芯片能实现较高的定位精度而得到广泛的关注。

苹果公司自主研发的iBeacon定位技术也正被越来越多人使用。

国外关于无线传感网定位研究仍在继续，很多定位技术仍在萌芽阶段，目前依然没有一种能适用于一切网络的定位算法，但相信在不久的将来这一状况能得到改善。

1.3.2国内研究现状
国内关于无线传感网的研究起步较晚，核心技术的发展相对国外差距较大，近年来也受到了国家政府的高度关注，开始大力倡导发展无线传感技术、物联网、人工智能、智慧城市等工程项目，WSN技术被列为信息产业科技发展“十一五”计划的重点突破对象和2020年中长期规划项目之一。

随之涌现了大量自然科学基金项目、国家重大专项、国家863研究计划、国家973基础研究计划等国家级项目，从2004年到2014年，仅与WSN相关的国家自然科学基金国家就已经投入了超过2亿人民币，支持了超过500个项目，其中关于WSN定位及相关技术的研究项目的超过了100个，目前，关于WSN的研究仍在持续升温，并向着精细化、多领域交叉的方向继续发展。

同时，国内很多研究机构和各大高校也纷纷加入WSN的研究队伍中，其中，
绪论
北京交通大学在基本协议栈、路由协议、网络安全等方面都提出了创新的思路，中国科学院自主研发的GAINZ节点处于国内领先水平[14][15]。

WSN定位技术在这波浪潮下得到了很好的发展，清华大学在时钟同步与定位技术方面取得了不小的研究成果，浙江大学等高校主持的WSN网络安全定位机制研究项目也取得了突破进展。

关于WSN定位算法研究，国内更多的是依据WSN在项目中的特定需要，在国外学者的研究成果基础上进行改进，其中刘新华等人提出了无需测距的分布式节点定位算法，依据网络节点密度及锚节点坐标对未知节点坐标进行估算，并通过加强计算实现WSN定位[16]，东南大学的柯炜等人提出了基于非视距误差直接估计的定位跟踪算法[17]，以卡尔曼滤波器为基础在NLOS条件下对目标进行定位，王殊等人提出了一种基于刚性图理论的可定位协作体算法，可一次完成多个未知节点的位置估计。

虽然近年来国内关于WSN的研究势头很迅猛，也取得了不少的研究成果，但仍跟美欧等国家的核心技术有一定的差距，但相信在国家政府的大力支持下，通过广大研究学者的共同努力，我国定能在不久的将来成为WSN行业的领跑者。

1.4学位论文的主要内容
本文结合自然科学基金研究项目，以无线传感器网络技术为指导理论，针对无线传感器网络中移动节点的定位问题进行探索研究，基于蒙特卡洛方法，分析了在特殊网络环境中蒙特卡罗移动节点定位算法中遇到的实际问题，以解决实际问题为初衷，通过理论分析建立新的优化算法模型，有效地提升了网络节点定位性能，并且很好的改善了蒙特卡洛定位算法在不同实际环境中的实用度。

本论文的结构安排如下：
第1章是论文的绪论，主要介绍了课题的来源，对论文的研究背景、意义、国内外研究现状进行概述。

第2章对无线传感器网络知识进行综述，阐述了无线传感网的定义、特点、关键技术、面临的挑战及发展趋势。

第3章介绍了无线传感器网络的定位技术，分类介绍了静态传感网定位技术和动态传感网定位技术，介绍了一些典型的定位算法，并对它们的原理和特点进行分析。

第4章提出了一种新的移动传感网定位算法(HDMCL)，详细介绍了HDMCL 算法的基本思想和实现过程，最后对HDMCL算法进行仿真分析，验证了HDMCL 算法的定位性能。

第5章提出了一种新移动传感网定位算法(PWMCB)，详细阐述了算法的核心思想及实现步骤，最后通过MATLAB对算法进行仿真实现，并根据仿真结果对
东华理工大学硕士学位论文
PWMCB算法性能进行分析。

第6章对全篇论文的研究进行了总结和归纳，并对后续的研究进行展望。

无线传感器网络
第二章无线传感器网络
2.1无线传感器网络概述
无线传感器网络是人类与物理世界进行沟通的桥梁，它由大量廉价的无线传感器节点组成，节点之间通过无线通信技术自组织构建网络，从而实现对物理世界的信息感知、信息收集与信息处理，WSN主要用来监测诸如温度、声音、震动、气压、温度等物理参数和环境状况，并将监测得到的数据通过多跳传输的方式传递给目标节点。

WSN是一种融合了传感器技术、微电子系统、无线网络传输技术的先进技术，由于其体积小、重量轻等特性，无线传感器被形象地称为“智能尘埃”[18]，WSN对物理世界变化的实时感知使它成为物联网的核心关键技术。

在这个信息井喷的大数据时代，谁能更快更多地获取更精确的信息，谁就能更好地把握时代的步伐。

如今，信息量正在呈指数态势增长，在不远的未来，所有的信息在通过处理之后都会实时地传递给需要的人们，使人们和物理世界的联系越来越紧密，这将使人们更好的融入和利用这个世界。

WSN技术的进步也将决定未来发展，它是整个时代飞速发展的产物，相信在人类如此强烈的技术需求驱动下，WSN能得到更快的发展，从而更好的回馈人类。

2.1.1无线传感器网络的体系结构
(1)无线传感器网络拓扑结构
无线传感器网络的体系结构如图2.1所示：
图2.1无线传感器网络体系结构
Figure2.1Wireless sensor network architecture
无线传感器网络由大量传感器节点组成，包括普通节点、汇聚节点、任务管理
东华理工大学硕士学位论文
节点[1]。

通常，传感器节点是通过随机撒播的方式布置在监测区域中，并完成数据感知、采集和初级处理，节点之间自组织地构成网络，数据以多跳的方式在网络中逐级传播，不同的数据经多跳路由的方式传输，在传输过程中进行信息的融合分析处理，最终传输至汇聚节点。

汇聚节点相当于无线传感器网络中的“网关”，通过转换协议实现传感器网络和外部网络之间的互连，它拥有强大的存储能力、处理能力、通信能力，既能将传感器网络的监测数据通过Internet网络发送给任务管理节点，同时又能接收任务管理节点的任务指令，完成相关的网络配置。

(2)无线传感器节点模块结构
传感器节点是无线传感器网络的基本单位，它包括四个基本单元：供电单元、传感单元、处理单元和无线收发单元，此外，节点还集成了定位单元、移动单元、自供电单元等用来适应多元化的监测任务[18]。

如图2.2所示，展示了传感器节点各个功能模块的结构组成，供电单元通常采用电池进行供电，为传感器节点正常工作提供能源。

传感单元由功能不同的传感器和A/D转换等子单元构成，用以采集、处理监测区域数据信息。

处理单元包括处理器和存储器，是实现信息处理和计算的核心模块。

无线收发单元负责节点间的无线通信，信息的传播和接收。

图2.2传感器节点结构
Figure2.2The structure of sensor node
2.1.2无线传感器网络的特点
作为Internet和传感技术的扩展和延伸，无线传感器网络使逻辑上的信息世界和真实的物理世界紧密结合，作为一门综合性学科，无线传感器网络能够出色地完成网络测控任务。

这个改变了人与自然交换方式的网络拥有着很多区别于一般网络的显著特征：
无线传感器网络
(1)分布式计算和自组织性
无线传感器网络灵活的网络组建模式是它能应用于各种复杂环境监控的关键，实际的无线传感器网络监测区域都是环境各异的，所有的节点都是以自组织的方式构成网络连接，在多数情况下，传感器节点都是随机安置在监测区域内，它们能和通信半径内的其他节点进行数据的传递和交换，各个节点都是通过分布式方式完成计算，节点间的运算均是独立的，节点正是通过这种分布式的计算，相互协调、自组织地构成了整个无线传感器网络。

(2)动态变化的网络拓扑
动态变化的网络拓扑结构是属于无线传感器网络的一个显著特点，在现实应用中，必然会出现传感器节点能源耗尽或者故障导致的节点失效，又或者是由于其他环境和任务调整等因素临时再加入新的传感器节点，这就要求整个无线传感器网络需要时刻动态地改变网络拓扑结构，能自适应的进行网络拓扑的重组，使得整个网络能持续地实现数据的采集和处理，这也充分体现了无线传感器网络的灵活性和适用性。

(3)多跳路由
在传统网络中，网络中的协作都是由专用的路由设备完成的，但这在动态变化的无线传感器网络是行不通的。

网络中的传感器节点是通过多跳路由的方式实现信息的传递，由于节点传输能力的限制，节点只能将信息传递给通信范围内的邻居节点，并由它们转发，最终到达汇聚节点，所有的传递过程都是由普通节点完成，在无线传感器网络中，每个节点都充当着信息接受者和发送者的双重角色。

(4)高性价比、网络兼容性强
随着人类工业化生产的迅猛发展和微机电系统水平愈渐成熟，传感器的制作成本越来越低[19]，同时，由于引入了半导体集成电路、传感器与其后级电路一体化等技术及开发思想，实现了传感器的集成化和功能化，这也使得传感器体积越来越小，能更好的应用于实际环境当中；随着传感器技术的飞速发展，传感器的测量范围几乎涵盖了整个自然界，广阔的测量范围有利于人们对传感器的选择和应用，因此无线传感器网络能兼容各种监测环境。

(5)以数据为中心
以数据为中心是无线传感器网络的鲜明特征之一，无线传感器网络的路由协议是为了解决网络传输中数据冗余的问题而设计的，相邻的节点所感知的信息数据具有相似性，网络信息在节点间传输过程中通过协商的方式减少网络中数据传输量，节点只洪泛其他节点未搜集的数据以减少冗余，从而有效节约了网络能耗。