摘要：無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)資源有限，所以需要采用有效的路由算法與數(shù)據(jù)融合機(jī)制來(lái)節(jié)省資源，延長(zhǎng)網(wǎng)絡(luò)壽命，提升數(shù)據(jù)采集效率。LEA CH是經(jīng)典分簇路由協(xié)議，針對(duì)其在簇頭選擇機(jī)制、數(shù)據(jù)融合以及簇頭與基站通信的路由方面的不足，提出了幾點(diǎn)改進(jìn)方法，在簇頭選擇的算法中加入了能量控制條件，簇頭與基站的路由改為更適合數(shù)據(jù)融合的多跳反向組播樹(shù)，并基于信息熵提出了有效數(shù)據(jù)融合機(jī)制。仿真實(shí)驗(yàn)表明，改進(jìn)之后的算法比原LEACH算法更有效地利用了節(jié)點(diǎn)資源，延長(zhǎng)了網(wǎng)絡(luò)生存時(shí)間。
關(guān)鍵詞：無(wú)線傳感器網(wǎng)絡(luò)；分簇路由；數(shù)據(jù)融合；LEAC計(jì)算法

0 引言
    無(wú)線傳感器網(wǎng)絡(luò)綜合了無(wú)線通信技術(shù)、傳感器技術(shù)、嵌入式系統(tǒng)、分布式計(jì)算等多種前沿技術(shù)，網(wǎng)絡(luò)內(nèi)各節(jié)點(diǎn)能夠通過(guò)無(wú)線通信方式(如ZigBee)形成自組織網(wǎng)絡(luò)，協(xié)同感知與處理待測(cè)區(qū)域內(nèi)的相關(guān)信息并發(fā)送給觀測(cè)者。在無(wú)線傳感器網(wǎng)絡(luò)具備諸多優(yōu)勢(shì)的同時(shí)，其節(jié)點(diǎn)在電池能量、數(shù)據(jù)處理能力、存儲(chǔ)能力等方面資源十分有限，因此在數(shù)據(jù)采集與處理過(guò)程中的路由與數(shù)據(jù)融合是一個(gè)影響整個(gè)網(wǎng)絡(luò)生存時(shí)間與數(shù)據(jù)采集效率的關(guān)鍵性問(wèn)題，這也是當(dāng)前的研究熱點(diǎn)之一。無(wú)線傳感器網(wǎng)絡(luò)誕生以來(lái)，研究者依據(jù)使用環(huán)境設(shè)計(jì)了很多經(jīng)典的路由協(xié)議，其中包括基于節(jié)點(diǎn)分簇機(jī)制的LEACH(Low-Energy Adaptive Clustering Hierarchy)、定向擴(kuò)散路由DD(Directed Diffusion)、基于地理位置信息的GEAR(Geographical and Energy Aware Routing)等等。本文主要討論基于分簇路由的數(shù)據(jù)融合問(wèn)題，下面將以LEACH為基礎(chǔ)加以分析。

1 LEACH協(xié)議分析
    LEACH協(xié)議是由MIT的Heinzelman等學(xué)者提出的一種用于無(wú)線傳感器網(wǎng)絡(luò)的低功耗自適應(yīng)分層聚簇路由算法，其基本思想就是以“輪”為周期循環(huán)地隨機(jī)選擇簇頭節(jié)點(diǎn)，將整個(gè)網(wǎng)絡(luò)的能量消耗盡量分散在每個(gè)節(jié)點(diǎn)中，延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間。每一輪包括兩個(gè)階段：簇的建立階段與數(shù)據(jù)的穩(wěn)定傳輸階段。在簇的建立階段，通過(guò)算法隨機(jī)選擇某些節(jié)點(diǎn)成為簇頭，其他節(jié)點(diǎn)則選擇與其距離最近的簇頭形成簇；在數(shù)據(jù)的穩(wěn)定傳輸階段，每個(gè)節(jié)點(diǎn)分別采集相關(guān)數(shù)據(jù)傳送至簇頭，簇頭接收簇內(nèi)各個(gè)節(jié)點(diǎn)的數(shù)據(jù)后一起發(fā)送給基站。
    在簇的建立階段，關(guān)鍵問(wèn)題就是簇頭的選擇。為了選擇簇頭，網(wǎng)絡(luò)內(nèi)每個(gè)節(jié)點(diǎn)都隨機(jī)生成一個(gè)介于0～1之間的數(shù)n如果n小于T(n)，則其成為簇頭，T(n)的計(jì)算方法如下：
   
    式中：p為預(yù)設(shè)的每個(gè)節(jié)點(diǎn)成為簇頭的概率；r為當(dāng)前運(yùn)行的輪數(shù)；G為最近的1／p輪中尚未成為簇頭的節(jié)點(diǎn)集合。該算法讓每1／p輪中網(wǎng)絡(luò)內(nèi)的各個(gè)節(jié)點(diǎn)都有且僅有一次輪成為簇頭。完成簇頭選擇以后，成為簇頭的每個(gè)節(jié)點(diǎn)都向網(wǎng)絡(luò)發(fā)送廣播信息，然后網(wǎng)絡(luò)內(nèi)的每個(gè)節(jié)點(diǎn)通過(guò)收到的信號(hào)強(qiáng)度決定它要加入的簇(信號(hào)的強(qiáng)度與兩個(gè)節(jié)點(diǎn)直接的距離正相關(guān))并向該簇頭發(fā)送請(qǐng)求信息，形成簇。分簇完成之后簇頭節(jié)點(diǎn)采用TDMA方式為簇內(nèi)的每個(gè)節(jié)點(diǎn)分配其向簇頭上傳數(shù)據(jù)的時(shí)隙，開(kāi)始數(shù)據(jù)的穩(wěn)定傳輸階段，經(jīng)過(guò)一定時(shí)間后再開(kāi)始下一輪的循環(huán)，直至節(jié)點(diǎn)因能量耗盡陸續(xù)死亡，當(dāng)剩余節(jié)點(diǎn)不再滿足數(shù)據(jù)采集的需要時(shí)，網(wǎng)絡(luò)的生命結(jié)束。
    LEACH協(xié)議的分簇拓?fù)浣Y(jié)構(gòu)無(wú)需復(fù)雜的路由信息，減少了路由控制過(guò)程中消耗的能量，簇內(nèi)節(jié)點(diǎn)大部分時(shí)間可以關(guān)閉耗能最高的通信模塊，將數(shù)據(jù)轉(zhuǎn)發(fā)功能交給簇頭節(jié)點(diǎn)，有效地節(jié)省了簇內(nèi)節(jié)點(diǎn)能量，而簇頭的輪換機(jī)制也保證了某個(gè)節(jié)點(diǎn)的能量不至于過(guò)快消耗，相對(duì)平衡了所有節(jié)點(diǎn)的能耗，延長(zhǎng)了網(wǎng)絡(luò)生存時(shí)間。
     顯然，LEACH協(xié)議也存在缺點(diǎn)，主要體現(xiàn)在以下兩個(gè)方面：
    (1)簇頭選擇算法的隨機(jī)性過(guò)大，在每輪的簇頭選擇階段，任何節(jié)點(diǎn)成為簇頭的概率相同，而簇頭節(jié)點(diǎn)承擔(dān)了網(wǎng)絡(luò)中的很大部分通信，包括從簇內(nèi)節(jié)點(diǎn)接收數(shù)據(jù)與發(fā)送數(shù)據(jù)至基站，當(dāng)能量較低的節(jié)點(diǎn)當(dāng)選為簇頭時(shí)必然會(huì)導(dǎo)致其能量的快速耗散以至死亡，節(jié)點(diǎn)能量的不平衡也將影響網(wǎng)絡(luò)整體的生存時(shí)間；
    (2)LEACH協(xié)議在數(shù)據(jù)傳輸中雖然體現(xiàn)了數(shù)據(jù)融合的思想，但并未提出數(shù)據(jù)融合的具體措施。

2 基于LEACH的數(shù)據(jù)融合算法
    針對(duì)LEACH協(xié)議的不足，本文提出了一種基于LEACH的數(shù)據(jù)融合算法，旨在克服LEACH的不足并加入數(shù)據(jù)融合機(jī)制，節(jié)省網(wǎng)絡(luò)資源，提升數(shù)據(jù)采集效率。
2．1 簇頭選擇算法
    因?yàn)長(zhǎng)EACH的簇頭選擇算法隨機(jī)性過(guò)大會(huì)導(dǎo)致部分節(jié)點(diǎn)的能量消耗過(guò)快，本算法在簇頭選擇機(jī)制上加入了能量控制因素，讓剩余能量高的節(jié)點(diǎn)有更大的概率當(dāng)選為簇頭。具體實(shí)現(xiàn)方法是通過(guò)節(jié)點(diǎn)當(dāng)前剩余能量與其初始能量的比值來(lái)影響閾值T(n)，T(n)的計(jì)算方法如下：
   
    式中：En_current表示節(jié)點(diǎn)當(dāng)前的剩余能量；En_initial表示節(jié)點(diǎn)的初始能量；rm表示節(jié)點(diǎn)連續(xù)未當(dāng)選為簇頭的輪數(shù)，每輪進(jìn)行簇頭選擇時(shí)若該節(jié)點(diǎn)當(dāng)選為簇頭，則rm重置為0，而若該節(jié)點(diǎn)未當(dāng)選為簇頭，則rm自增一次。
    在簇頭選擇算法中加入上述能量限制因素后，節(jié)點(diǎn)當(dāng)選為簇頭的隨機(jī)性大大降低，剩余能量多的節(jié)點(diǎn)比剩余能量低的節(jié)點(diǎn)有更大的幾率當(dāng)選為簇頭，因此極大地利用了節(jié)點(diǎn)的剩余能量，有效防止了某些節(jié)點(diǎn)能量消耗過(guò)快以致死亡，平衡了網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的能量消耗。
2．2 簇頭數(shù)據(jù)融合樹(shù)的建立
    依據(jù)LEACH對(duì)無(wú)線傳感器網(wǎng)絡(luò)的假設(shè)，節(jié)點(diǎn)發(fā)送信息的能耗ETx(k，d)與接收信息的能耗ERx(k)分別為：
   
    式中：Eelec為發(fā)送和接收單位信息的能耗；εamp為信號(hào)發(fā)送放大器向單位距離發(fā)送單位信息的能耗；k為傳輸?shù)男畔⒘?；d為信息發(fā)送節(jié)點(diǎn)與接收節(jié)點(diǎn)間的距離；λ為路徑損耗指數(shù)。
    由上述公式可知，節(jié)點(diǎn)發(fā)送信息消耗的能量會(huì)因?yàn)榫嚯x的增加而大幅增加，而在LEACH的數(shù)據(jù)傳輸階段，簇內(nèi)各節(jié)點(diǎn)將數(shù)據(jù)傳輸給簇頭之后簇頭直接與基站通信，這雖然簡(jiǎn)便，但若簇頭與基站距離過(guò)遠(yuǎn)，數(shù)據(jù)傳輸所消耗的能量將會(huì)很大，為解決這個(gè)問(wèn)題，本文將在簇頭節(jié)點(diǎn)與基站的通信中加入多跳的數(shù)據(jù)融合樹(shù)。
    具體實(shí)現(xiàn)方法是在分簇過(guò)程完成之后，簇頭節(jié)點(diǎn)相互發(fā)送探測(cè)信息包，和基站形成反向組播樹(shù)，該樹(shù)的形成算法主要基于DDSP，在保證與基站路徑最短的前提下，選擇與已計(jì)算的目的簇頭最近的路徑，通過(guò)目的簇頭之間共享盡可能長(zhǎng)的路徑來(lái)降低生成樹(shù)的能量消耗。反向組播樹(shù)形成之后，數(shù)據(jù)融合過(guò)程不僅能在簇頭處理簇內(nèi)節(jié)點(diǎn)傳送來(lái)的數(shù)據(jù)時(shí)實(shí)現(xiàn)，也能在簇頭之間通過(guò)反向組播樹(shù)向基站發(fā)送數(shù)據(jù)時(shí)實(shí)現(xiàn)，讓數(shù)據(jù)采集效率更高，同時(shí)避免了過(guò)遠(yuǎn)的簇頭直接向基站發(fā)送數(shù)據(jù)時(shí)產(chǎn)生過(guò)高的能耗，此時(shí)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖1所示。

2．3 數(shù)據(jù)融合策略
    無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合不僅僅是對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單的平均、求和等運(yùn)算，根據(jù)具體需求，需要采取不同的融合措施，數(shù)據(jù)融合的順序一般是從數(shù)據(jù)層到特征層再到?jīng)Q策層。本協(xié)議應(yīng)用信息熵進(jìn)行數(shù)據(jù)分類融合，節(jié)點(diǎn)感知的各種信息的數(shù)據(jù)關(guān)系可通過(guò)信息熵的計(jì)算分為補(bǔ)充數(shù)據(jù)、冗余數(shù)據(jù)以及沖突數(shù)據(jù)。補(bǔ)充數(shù)據(jù)指?jìng)鞲衅鞴?jié)點(diǎn)感知的目標(biāo)不同特征的信息；冗余數(shù)據(jù)指?jìng)鞲衅鞴?jié)點(diǎn)感知的目標(biāo)同一特征的信息；沖突數(shù)據(jù)指?jìng)鞲衅鞴?jié)點(diǎn)感知的不同目標(biāo)的信息或者是同一目標(biāo)時(shí)空不相關(guān)的信息，或者是傳感器故障而提供的矛盾信息。判定兩個(gè)傳感器節(jié)點(diǎn)提供的信息的數(shù)據(jù)關(guān)系方法如下：
    假定節(jié)點(diǎn)1與節(jié)點(diǎn)2感知數(shù)據(jù)的分布特性符合pi(x／xi)，其中i為傳感器號(hào)1或2，x(x∈X)為感知的隨機(jī)數(shù)，xi為節(jié)點(diǎn)i感知的數(shù)據(jù)值；節(jié)點(diǎn)i和節(jié)點(diǎn)j的聯(lián)合分布為pij(x／xi，xj)，由信息熵的定義，節(jié)點(diǎn)i和j感知數(shù)據(jù)的自熵hi(xi)與聯(lián)合熵hij(xi，xj)的計(jì)算如下：
   
    自熵表明了節(jié)點(diǎn)i感知數(shù)據(jù)xi的不確定性，而互熵則表明了節(jié)點(diǎn)i和j聯(lián)合感知數(shù)據(jù)(xi，xj)的不確定性。比較hi(xi)，hj(xj)與hij(xi，xj)三者的大小關(guān)系有以下三種情況：
    (1)hi(xi)≤hij(xi，xj)≤hj(xj)，說(shuō)明兩個(gè)傳感器的聯(lián)合感知數(shù)據(jù)既沒(méi)減少xi的不確定性，也沒(méi)增加xj的不確定性，兩個(gè)節(jié)點(diǎn)的感知數(shù)據(jù)互不影響，因此兩個(gè)數(shù)據(jù)是互補(bǔ)的；
    (2)hij(xi，xj)<hi(xi)≤hj(xj)，說(shuō)明聯(lián)合感知數(shù)據(jù)的不確定性較xi和xj的不確定性都小，因此兩個(gè)數(shù)據(jù)是冗余的；
    (3)hi(xi)≤hj(xj)<hij(xi，xj)，說(shuō)明聯(lián)合感知數(shù)據(jù)的不確定性較xi和xj的不確定性都大，因此兩個(gè)數(shù)據(jù)是沖突的。

3 仿真實(shí)驗(yàn)
    本文采用Matlab建立仿真模型，分別對(duì)原LEACH算法與改進(jìn)后的算法進(jìn)行仿真分析并加以比較。
3．1 仿真模型與參數(shù)設(shè)置
    本實(shí)驗(yàn)采用LEACH定義的物理模型，其定義如下：
    (1)所有節(jié)點(diǎn)屬性完全一樣，能量有限并且均能與基站直接通信；
    (2)基站位置固定，節(jié)點(diǎn)不知道其自身位置信息；
    (3)無(wú)線通信采用對(duì)稱的信道，消耗的能量與傳輸?shù)姆较驘o(wú)關(guān)，節(jié)點(diǎn)可根據(jù)與目標(biāo)節(jié)點(diǎn)的距離來(lái)調(diào)節(jié)射頻發(fā)射功率；
    (4)簇頭節(jié)點(diǎn)可執(zhí)行數(shù)據(jù)融合。
    實(shí)驗(yàn)采用的各參數(shù)定義如表1所示。

3．2 仿真結(jié)果及分析
    算法的仿真采用了300個(gè)節(jié)點(diǎn)，隨機(jī)分布在500×500的平面區(qū)域，而基站位置為(250，250)。節(jié)點(diǎn)分布示意如圖2所示。

    圖2中“*”表示傳感器節(jié)點(diǎn)，“☆”表示基站。建立上述模型后，LEACH協(xié)議的仿真結(jié)果如圖3所示。

    改進(jìn)后的協(xié)議仿真結(jié)果如圖4所示。

    通過(guò)比較可以明顯地得出，新協(xié)議比原LEACH協(xié)議具有很長(zhǎng)的網(wǎng)絡(luò)生存時(shí)間。為了更量化地比較兩個(gè)協(xié)議的網(wǎng)絡(luò)性能，下面繼續(xù)對(duì)網(wǎng)絡(luò)運(yùn)行中第一個(gè)節(jié)點(diǎn)的死亡時(shí)間(First Node Dead，F(xiàn)ND)以及一半節(jié)點(diǎn)的死亡時(shí)間(Half Nocles Dead，HND)進(jìn)行比較，因?yàn)樵诜执芈酚芍?，必須要一個(gè)以上的節(jié)點(diǎn)才能進(jìn)行路由計(jì)算，所以在此不考慮全部節(jié)點(diǎn)的死亡時(shí)間。由于仿真實(shí)驗(yàn)的隨機(jī)性，每個(gè)協(xié)議的FND與HND值是對(duì)兩個(gè)協(xié)議進(jìn)行多次運(yùn)算后取的平均值。如圖5所示。
    由圖5可知，對(duì)于FND，新協(xié)議比原LEACH協(xié)議延長(zhǎng)了網(wǎng)絡(luò)生存時(shí)間約85％，而對(duì)于HND，新協(xié)議則比原LEACH協(xié)議延長(zhǎng)了約100％。綜上所述，由于新算法的諸多改進(jìn)，網(wǎng)絡(luò)的整體性能比LEACH更為優(yōu)秀。

4 結(jié)語(yǔ)
    本文通過(guò)對(duì)LEACH在簇頭選擇機(jī)制以及數(shù)據(jù)融合方面不足之處的改進(jìn)，提出了一種新的基于LEACH分簇路由協(xié)議的數(shù)據(jù)融合算法，改進(jìn)主要體現(xiàn)在三個(gè)方面；在簇頭選擇算法上加入了能量控制機(jī)制，讓剩余能量高的節(jié)點(diǎn)有更高幾率當(dāng)選為簇頭；將簇頭節(jié)點(diǎn)到基站的單跳路由改為加入了數(shù)據(jù)融合策略的反向組播樹(shù)，節(jié)省了與基站過(guò)遠(yuǎn)的簇頭消耗的能量，數(shù)據(jù)在不斷往基站的傳輸中也有更多的機(jī)會(huì)融合；提出了基于信息熵的具體數(shù)據(jù)融合策略，讓信息的傳輸更有效率。仿真結(jié)果表明，這些改進(jìn)有效平衡了節(jié)點(diǎn)能量消耗，延長(zhǎng)了網(wǎng)絡(luò)生存時(shí)間。