一种半径自适应成簇多跳传感器网络路由算法

第37卷第6期2008年12月信息与控制Information and ControlV ol.37,No.6Dec.,2008文章编号：1002-0411(2008)-06-0641-06一种半径自适应成簇多跳传感器网络路由算法李长庚，谭鹏飞（中南大学物理科学与技术学院，湖南长沙410083）摘要：针对低功耗自适应聚类路由算法LEACH随机选择簇头和簇头间单跳通信的缺陷，提出一种新的成簇路由算法——半径自适应成簇多跳路由算法RACMH．它将半径自适应成簇技术与多跳通信方式相结合，节点根据本地信息独立地决定成为簇头节点或成员节点；簇类覆盖的区域限制在一定半径范围内，所有簇头节点根据权重消息组织成一棵路由树，采用多跳通信方式向基站传输数据．仿真实验表明，与LEACH相比较，该算法能更有效地延长网络生命周期，节省网络能量消耗，实现网络负载平衡．关键词：无线传感器网络；自适应成簇；簇头；路由树；网络生命周期中图分类号：TP393文献标识码：AA Radius Adaptive Clustering Multi-Hop Routing Algorithm for Sensor NetworksLI Chang-geng，TAN Peng-fei(School of Physics Science and Technology,Central South University,Changsha410083,China)Abstract:In order to overcome the disadvantages of LEACH(low energy adaptive clustering hierarchy)in randomly choosing cluster heads and in single-hop communications among cluster heads,we propose a new clustering routing al-gorithm,i.e.,RACMH(radius adaptive clustering multi-hop routing algorithm).The new algorithm combines the radius adaptive clustering technology with the multi-hop communication mode,and the nodes become either the cluster heads or the cluster members in an independent way according to local communication.The covered regions of the clusters are limited ina certain radius,and all the cluster heads build a routing tree according to the weight message and transport data to the basestation in a multi-hop communication manner.Simulation is made,and the results show that,compared with LEACH,the algorithm performs much better in prolonging network lifetime,saving network energy dissipation and balancing network load.Keywords:wireless sensor network;adaptive clustering;cluster head;routing tree;network lifetime1引言（Introduction）无线传感器网络（WSN）是由大量无处不在的具有计算、存储和无线通信能力的微小传感器节点密集布设在无人值守的监控区域而构成的分布式感知网络[1]，其目的是采集和处理网络覆盖区域内各传感器感知信息，并传给基站．由于传感器节点采用微型电池供电，且放置在恶劣的环境中工作，一般很难充电或更换电源，系统的能量资源非常有限，这就要求WSN路由协议必须以节约能量消耗[2,3]为目的，最大限度地延长网络生命周期．根据网络管理的逻辑结构可将传感器网络路由协议分为平面路由和分簇路由两类[4,5]．分簇路由的基本思想是将传感器节点分簇，簇内通信由簇头节点完成，簇头节点进行数据融合[6,7]，然后将融合后的数据传给基站，而簇头是通过轮转的方式选取的．与平面路由相比，分簇路由能满足传感器网络的可扩展性，减少了数据的传输量，从而节约了能量消耗，延长了网络生命周期．其中具有代表性的分簇路由协议有LEACH[8]、确定性簇头选举算法DCHS（deterministic cluster head selection）[9]、传感器系统中的高能效采集协议PEGASIS（power-efficient gathering in sensor information system）[10]等．LEACH 是Heinzelman等人提出的第一个基于分簇结构的路由协议，它采用所有节点周期性轮流担任簇头节点的办法来达到使所有节点均匀消耗能量的目的．LEACH是一种分布式的协议，每一个节点通过一个概率来决定自己是否成为簇头，但它却没有考虑到成为簇头节点的剩余能量．DCHS考虑到基金项目：湖南省科技计划资助项目（2007FJ3066）．收稿日期：2007-11-01642信息与控制37卷LEACH 的不足，将能量因素考虑进来，在选择簇头时考虑节点的剩余能量．PEGASIS 则将节点组织成链的形式，链的形成由每一个节点或者基站计算得到，因此需要知道网络拓扑的全局信息．本文提出了一种新的分布式成簇路由算法——半径自适应成簇多跳路由算法．它是一种完全分布式的成簇算法，在选举簇头时，以剩余能量多少为主要依据进行；轮换簇头节点能量均匀分布在网络中；簇类的大小控制在一定范围内，能有效地控制通信距离减少能量消耗；簇头节点间采用多跳通信方式向基站传送数据．对所提出的路由算法进行了仿真实验，并和LEACH 算法进行了比较．2系统模型与问题描述（System model and problem description ）2.1网络模型为了简化研究时要采用的网络模型，本文对其做出如下假设：1)网络中N 个传感器节点是同构的且部署在一个正方形区域A 内后不再移动；2)基站部署在区域A 以外的一个固定位置；3)所有节点具有相似的能力，并且地位相等；4)节点的无线发射功率可控；5)通信信道满足对称性．2.2无线通信能耗模型本文在仿真实验中采用了文[11]中提到的无线通信能耗模型．该模型给出了一个阈值d 0（d 0是常数，数值取决于使用环境），当发送节点与接收节点的距离小于d 0时，发送节点发送数据的能量损耗与距离的平方成正比，否则与距离的4次方成正比．上述两种能量衰减模型分别称为自由空间（free space ）模型和多径衰减（multipath fading ）模型．在距离为d 的范围内发送长度为l 位的数据，发送端需要消耗的能量计算公式为：E Tx (l ,d )=E Tx-elec (l )+E Tx-amp (l ,d )=lE elec+l εfs d 2d <d0lE elec +l εmp d 4d ≥d 0(1)同时，在接收端用于接收l 位长度的数据所消耗的能量为：E Rx (l )=E Rx-elec (l )=lE elec(2)其中，E Tx (l ,d )是传感器节点在距离为d 的范围内发送长度为l 位的数据所消耗的能量，E Tx-elec (l )是发送电路发送l 位数据所消耗的能量，E Tx-amp (l ,d )是发射放大器消耗的能量，E elec 是发送电路发送1位数据消耗的能量，E elec 取决于数字代码、过滤模块及信号扩散等因素，εfs 是自由空间模型发射放大器的单位能量消耗值，εmp 是多径衰减模型发射放大器的单位能量消耗值，E elec 取决于数字代码、过滤模块及信号扩散等因素，εfs d 2和εmp d 4参数值由到接收器的距离及通信过程中的数据位出错率的值决定．根据多次试验分析可得[9]，通信能量参数值的消耗值如下：E elec =50nJ/bit ，εfs =10pJ/bit/m 2，εmp =0.0013pJ/bit/m 4．2.3问题描述在LEACH 中，簇头是周期性按轮随机选举的，每轮选举方法是由各节点产生一个[0,1]之间的随机数，如果该数小于阈值T (n )，则该节点在本轮成为簇首，T (n )的计算公式如下：T (n )= p 1−p ×(r mod 1p )n ∈G 0其他(3)其中，p 是网络中簇头数量与节点总数的百分比，r是当前的选举轮数，G 是最近1/p 轮不是簇头的节点集．被选为簇头的节点在无线信道中广播这一消息，其余节点选择加入信号最强的簇头．节点通过一跳通信将数据传送给簇头，簇头也通过一跳通信将聚合后的数据传送给基站，该协议采用随机选举簇首的方式避免簇头过度消耗能量，提高了网络生命周期；数据聚合能有效减少通信量，但协议层次化的目的在于数据聚合，仍采用一跳通信，虽然传输时延小，但要求节点具有较大功率通信能力，扩展性差，不适合大规模网络；即使在小规模网络中，离基站较远的节点由于采用大功率通信也会导致生存时间较短；而且频繁地进行簇头选举引发的通信量耗费了能量．另外，LEACH 提出的簇头选举机制没有考虑节点的具体地理位置和剩余能量，不能保证簇头均匀地分布在整个网络中[12]．针对LEACH 协议的不足，本文提出的算法应该满足以下条件：1)算法应该是完全分布性的，簇头的选举应该考虑到节点的剩余能量状况．2)簇类的大小控制在一定的半径范围内，使得节点之间的通信满足自由空间模型．3)避免簇头与基站进行远距离的通信，簇头之间采用多跳通信的方式向基站传输数据．3半径自适应成簇多跳路由算法（Radius adaptive clustering multi-hop routing al-gorithm ）本文提出的RACMH 算法是按轮进行的，每一6期李长庚等：一种半径自适应成簇多跳传感器网络路由算法643轮包含设置和稳定运行两个阶段．在设置阶段进行半径自适应成簇，选出簇头节点，由簇头节点给簇内成员节点分配时分多址TDMA（time divisionmultiple access）时隙，同时簇头节点根据自身权值大小建立一棵路由树，由根节点收集其他簇头节点的数据并向基站传送．在稳定运行阶段，簇内成员节点按照分配好的TDMA时隙将数据发送至其簇头节点，簇头节点将融合后的数据转发至其父节点，如此直至根节点，由根节点将数据传送到基站．为了减少设置阶段的开销，稳定运行阶段的时间比设置阶段要长．在RACMH算法的设计中，一个很重要的参数就是簇内半径R．簇类覆盖的区域大小限制在半径为R的区域中，即簇头节点通信半径R内的节点才能成为此簇类的成员．本文设定R<d0/2，这样簇头节点之间的距离限制在d0范围内，从而保证了簇内成员节点到簇头的通信以及簇头节点之间的通信都基于自由空间模型．RACMH算法的设置阶段可以分为两个部分：1)簇头节点的选举与簇类的形成，2)簇头节点间多跳路径的形成．3.1簇头节点的选举与簇类的形成为了便于描述，说明符号如下：P：网络中初始簇头节点的概率．P ch：节点当选为簇头节点的概率，它与节点的剩余能量有关．P ch=P1−P(r mod 1 P )·E residual E max +r s div1P1−E residualE max(4)其中，E residual为节点的剩余能量，E max为节点的初始能量，r s为在最近的1/P轮中节点连续未当选簇头节点的轮数．P min：P ch的门限值，本文中取P min=10−4．P min 值的引入限制了P ch的大小，保证了本文算法在有限的循环次数内结束．S c：候选簇头节点的集合，当节点接收到其他节点发来的竞选簇头的消息（CANDIDATE）时，将发此消息的节点ID加入到S c集合中，同时S c还包括自身ID．当节点接收到取消信息（CANCEL）时，将发此消息的节点ID从S c中删除．S h：最终的簇头节点集合，当节点接收到HEAD 消息时，将发此消息的节点加入S h中．网络中的各个节点独立运行簇头节点选举与簇类形成算法．算法的操作过程如下：首先为初始化阶段，每个节点独立求得自己成为簇头节点的概率P ch．然后进入循环阶段，每循环一次，P ch乘以2，并把结果送给P previous，循环结束的条件是P previous=1或者已经选举出簇头．循环开始，首先若节点的S c 和S h集合为空，则其具有资格竞争簇头节点；如果它所产生的[0,1]之间的随机数小于概率P ch，则向其聚类覆盖半径R内的节点广播CANDIDATE消息，成为候选簇头节点，并将节点的ID加入到本节点的S c集合中．广播的CANDIDATE消息包含本节点的ID和剩余能量．然后等待时间T，T应当设置得足够长以便能够收到其通信半径R内其它节点的CANDIDATE消息．T时间后，若候选簇头节点的集合只包含自身ID，这表明在本节点覆盖半径R内没有其它的候选节点，此时节点广播HEAD消息，宣布正式成为簇头；否则在集合S c中选择剩余能量最大的候选节点（剩余能量相同的比较节点ID），若此节点ID为本节点，则本节点广播HEAD消息成为簇头节点；若不是本节点则将继续等待时间T，等待接收其它节点发出的HEAD消息．在T时间后，若候选节点收到了HEAD消息，则广播CANCEL 消息，其覆盖半径R内的节点将从集合S c中删除此候选节点．若一直没有节点发布HEAD消息，则重复上述过程，若直到P previous=1仍未收到HEAD消息，则宣布自己成为簇头．对于非候选节点，接收到CANDIDATE消息后暂时失去竞争权，等待时间T接收其剩余能量最高节点发出的HEAD消息．若接收到HEAD消息，则不再参与竞争，在剩余的循环内接受其它可能的HEAD消息；若接收到CANCEL消息，表明其集合S c内的候选节点与其它候选节点竞争时失败，本节点将此候选节点从S c中删除；若S c为空，则本节点将恢复竞争权，再次竞争簇头节点，否则继续等待集合S c中其它候选节点发出的HEAD消息．循环结束后，若集合S h非空，则选出剩余能量最大的节点作为自己的簇头节点，并向其发送JOIN消息；否则说明本节点未在选举出的簇头节点半径R的覆盖范围内，它将直接广播HEAD消息，宣布成为簇头节点．3.2簇头节点间多跳路径的形成簇类形成以后，基站用扩散法向簇头节点发起路径查询消息，随后每个簇头节点获得它到基站的最小跳数h min，并独立计算各自的权重值W．W=h maxh minαE residualE max(5)644信息与控制37卷其中，α[13]为权重引导因子（α≥0），h max为所有簇头到基站跳数的最大值．最小跳数h min的获取可按如下方法得到．用h 表示簇头到基站的跳数，初始时设定基站的跳数为h b=0，簇头节点到达基站的跳数为h=∞．基站向传感器网络簇头节点广播带有h b=0的路由创建信息，基站的邻居簇头节点v收到这个信息后，将它到基站的跳数改为h v=h b+1，然后簇头节点v又广播带有h v=1的路由创建信息．当簇头节点u收到簇头节点v广播的带有h v的路由创建信息后，按照以下规则进行处理：(1)如果h u<h v+1，不做任何处理；(2)如果h u=h v+1，将节点v添加到路由表中；(3)如果h u>h v+1，清空现有的路由表内容，再将节点v添加到路由表中，更新h u=h v+1，广播带有h u的路由创建信息．路由创建信息按以上规则传播，最后得到每个簇头到基站的最小跳数h min．簇头节点在其覆盖半径2R内广播自身权重消息，消息包含了权重值W和节点ID．每个簇头节点将接收到的权重值和自身的权重值进行比较，从中选取权重值最大的簇头节点作为自己的父节点，并向其发出JOIN消息，这样就可以建立簇头节点之间的路由树．权重值最大的节点将作为路由树的根节点．每个簇头节点将收集的数据沿着路由树传给其父节点，最后由根节点向基站传输数据．若簇头节点未成为路由树上的节点，则说明此簇头节点2R 覆盖范围内没有其它簇头节点存在，它将直接与基站进行通信．4仿真实验（Simulation experiment）在仿真实验中，本文采用文[11]提出的无线通信能耗模型．仿真过程中的参数设置如下：在一个100m×100m的区域随机撒布100个传感器节点，每个节点的初始能量E max=0.5J；基站位于(50,150)，没有能量限制；传感器节点每次传输的数据长度为4000bits，初始簇头概率为P=0.05，权重引导因子α=1．为了研究方便，假定每个节点发出的数据包都能被正确接收，不考虑数据包在发送过程中的冲突问题．4.1RACMH性能仿真实验在仿真实验中，取簇半径R从5到30变化，得到的最终簇头数目如图1所示．从图中可以看出，随着簇半径的增大，最终形成的簇头数目减少．当R=5,10时，簇头数目分别为23、17，簇头过多；当R=15,20,25时，簇头数目分别为10、8、5，这是比较理想的簇头数目；当R=30时，簇头数目为3，簇头过少．取簇半径R分别为15、20、25，得到的网络节点死亡数目与仿真轮数的关系如图2所示．从图中可以看出当R=20时，RACMH算法的网络生命周期最长，性能得到最优．图1簇半径R与簇头数目关系Fig.1Relation between cluster radius and cluster headnumber图2不同簇半径的网络生命周期比较Fig.2Network lifetime at different cluster radii4.2RACMH与LEACH比较仿真实验分别运行RACMH算法（R=20）和LEACH算法，得到的网络生命周期和能量消耗比较关系如图3和图4所示．根据文[7]，可以用网络中第一个节点死亡时间FND（first node dead）、一半节点死亡时间HND（half node dead）和最后一个节点死亡时间LND（last node dead）来衡量网络生命周期．从图3中可以看出LEACH的FND、HND和LND6期李长庚等：一种半径自适应成簇多跳传感器网络路由算法645分别是749轮、921轮和1997轮；而RACMH的FND、HND和LND分别是1077轮、1847轮和3403轮，比LEACH分别提高了43.8%、100.5%和70.4%．这表明RACMH比LEACH更能够减少能量消耗，延长网络生命周期，具有更高的能量有效性．这从图4也能得到证明．图3网络中节点死亡数目与仿真轮数关系Fig.3Relation between died node number and simulationround图4能量消耗与仿真轮数关系Fig.4Relation between energy dissipation and simulationround图5是RACMH和LEACH的网络负载均衡程度的比较．网络负载均衡程度是衡量成簇路由算法的一个重要指标．当某个节点的负载很大时，该节点的能量消耗会很快，容易成为网络运行的瓶颈，特别是当该节点是簇头节点时会影响整个网络的连通性．网络负载均衡程度由负载平衡因子LBF（load balance factor）来度量．LBF=ch numch num∑i=1(x i−u)2(6)其中ch num为本轮的簇头数目，x i为簇头节点i的成员节点数，u为本轮簇头的平均成员节点数．LBF 值越大，说明网络均衡程度越好．仿真实验中，随机抽取10轮比较LEACH和RACMH的负载平衡因子．从图5可看出，RACMH 的负载平衡因子总体上要高于LEACH．这是因为传感器节点的随机分布符合二维空间的泊松分布[14]，故单位空间内的节点数目是基本相等的．LEACH 在成簇过程中簇头分布不均匀，簇的大小不固定，而RACMH由于半径自适应地分簇，簇类大小比较一致，每个簇所包含的成员节点数比较均匀，所以RACMH的网络负载程度比较好．图5网络负载平衡因子LBF与抽样轮数的关系Fig.5Relation between the LBF and samplinground图6网络生命周期与基站位置的关系Fig.6Relation between network lifetime and the BS position646信息与控制37卷图6反映了当基站位置从(50,150)到(50,250)变化时，RACMH和LEACH的网络生命周期的变化．在实验中，本文以HND来度量网络生命周期．从图6可以看出，当基站距离增加时RACMH的网络生命周期比LEACH的变化慢，RACMH从1847轮减少到1378轮，减少幅度为25.4%；而LEACH 从921轮减少到372轮，减少幅度为59.6%．这主要是因为在RACMH中，簇类覆盖在一定的半径区域R内，且各个簇头之间通过多跳通信的方式向基站传输数据，减少了簇头的通信距离，从而节省了能量消耗．5结论（Conclusion）成簇协议是传感器网络中一种有效的路由组织方式．基于对LEACH的研究，本文提出了一种完全分布式的成簇路由算法——RACMH．它完全根据本地信息以节点的剩余能量为依据来选举簇头；选举出的簇类限制在一定半径范围内，保证了成员节点和簇头以及簇头之间的距离是基于自由空间模型的；簇头根据自身权重组织成一棵路由树，采用多跳通信的方式与基站通信，减小了簇头与基站的通信距离．仿真实验表明，RACMH比LEACH的网络生命周期延长了43.8%和100.5%，网络负载均衡程度更好，更适合大规模网络．参考文献（References）[1]Estrin D,Govindan R,Heidemann J,et al.Next century chal-lenges:Scalable coordination in sensor networks[A].Proceed-ings of the5th Annual International Conference on MobileComputing and Networking[C].New York,USA:ACM Press,1999.263∼270.[2]李国华，田辉，崔鸿雁，等．无线传感器网络中一种基于能量策略的路由算法[J]．电子与信息学报，2006，28(1)：168∼171．[3]Akyildiz I F,Su W,Sankarasubramaniam Y,et al.Wireless sen-sor networks:A survey[J].Computer Networks,2002,38(4):393∼422.[4]Akkaya K,Younis M.A survey on routing protocols for wirelesssensor networks[J].Ad Hoc Networks,2005,3(3):325∼349. [5]沈波，张世永，钟亦平．无线传感器网络分簇路由协议[J]．软件学报，2006，17(7)：1588∼1600．[6]毕艳忠，孙利民．传感器网络中的数据融合[J]．计算机科学，2004，31(7)：101∼103,117．[7]Akcan H,Bronnimann H.A new deterministic data aggrega-tion method for wireless sensor networks[J].Signal Processing,2007,87(12):2965∼2977.[8]Heinzelman W R,Chandrakasan A,Balakrishnan H.Energy-efficient communication protocol for wireless microsensor net-works[A].Proceedings of the Hawaii International Conferenceon System Sciences[C].Los Alamitos,CA,USA:IEEE Com-puter Society,2000.3005∼3014.[9]Handy M J,Haase M,Timmermann D.Low energy adaptiveclustering hierarchy with deterministic cluster-head selection[A].Proceedings of the International Workshop on Mobile andWireless Communication Network[C].Piscataway,NJ,USA:IEEE,2002.368∼372.[10]Lindsey S,Raghavendra C S.PEGASIS:Power-efficient gather-ing in sensor information systems[A].Proceedings of the IEEEAerospace Conference[C].Piscataway,NJ,USA:IEEE,2002.1125∼1130.[11]Heinzelman W B,Chandrakasan A P,Balakrishnan H.Anapplication-specific protocol architecture for wireless microsen-sor networks[J].IEEE Transactions on Wireless Communica-tions,2002,1(4):660∼670.[12]梁英，曾鹏，于海斌．无线传感器网络中一种能量自适应的簇首选择机制[J]．信息与控制，2006，35(2)：141∼146．[13]郑增威．基于能量高效的传感器网络路由算法研究[D]．杭州：浙江大学，2005．[14]Bandyopadhyay S,Coyle E J.An energy efficient hierarchicalclustering algorithm for wireless sensor networks[A].Proceed-ings of the IEEE INFOCOM[C].Piscataway,NJ,USA:IEEE,2003.1713∼1723.作者简介：李长庚（1970-），男，博士，副教授．研究领域为无线通信及传感器网络．。