劉　帥，李正煒，吳元昊，王　斌，楊永健

（1.中國科學(xué)院長春光學(xué)精密機械與物理研究所，長春130033；2.吉林大學(xué)計算機科學(xué)與技術(shù)學(xué)院，長春130012）

基于能耗梯度的無線傳感器網(wǎng)絡(luò)路由算法*

劉帥1*，李正煒1，吳元昊1，王斌1，楊永健2

（1.中國科學(xué)院長春光學(xué)精密機械與物理研究所，長春130033；2.吉林大學(xué)計算機科學(xué)與技術(shù)學(xué)院，長春130012）

無線傳感器網(wǎng)絡(luò)中的節(jié)點能量有限且較難補給，網(wǎng)絡(luò)生命周期難以保證，這大大影響了其應(yīng)用的場景和范圍。為解決上述問題，提出了一種新的路由算法EDROPL，算法通過將網(wǎng)絡(luò)進行區(qū)域劃分，引入能耗梯度概念，采用適當?shù)脑u價函數(shù)指導(dǎo)簇首節(jié)點的選擇，同時采用簇首之間層次轉(zhuǎn)發(fā)數(shù)據(jù)等方法優(yōu)化路由。仿真實驗表明，EDROPL相對于LEACH算法以及LEACH-A算法、HRPNC等其他能耗模型算法能更好的均衡網(wǎng)絡(luò)能耗，提高網(wǎng)絡(luò)生命周期。

無線傳感器網(wǎng)絡(luò)；路由；能耗梯度；網(wǎng)絡(luò)生命周期

無線傳感器網(wǎng)絡(luò)（WSNs）是一種通過將大量節(jié)點以自組織的方式進行連接，節(jié)點之間相互通信，從而實現(xiàn)信息發(fā)送和采集的目的［1］網(wǎng)絡(luò)結(jié)構(gòu)。由于WSNs的自組織特性［2］，其通常被安排在操作環(huán)境比較惡劣，不方便人為干預(yù)的地點工作［3］。WSNs中的節(jié)點一般由傳感器、處理器和無線收發(fā)模塊組成，由于WSNs工作環(huán)境的特殊性，其能耗供給方式大多為采用電池提供［4-5］，因此降低網(wǎng)絡(luò)能耗是提高網(wǎng)絡(luò)生命周期的關(guān)鍵。

WSNs的節(jié)點中，無線收發(fā)模塊會消耗90%以上的能量，因此采用合適的路由算法優(yōu)化節(jié)點收發(fā)信息時采用的功率可以最大限度的降低網(wǎng)絡(luò)能耗，提高網(wǎng)絡(luò)生命周期［6］。

目前主流的路由算法可以分為平面路由算法和層次路由算法［7］。平面路由算法由于其高昂的路由建立和維護代價而漸漸地被層次路由算法所替代［8］。最經(jīng)典層次路由算法是由MIT的Heinzelman提出LEACH算法［9］。該算法通過一定的簇首選舉和入簇策略，建立多個層次結(jié)構(gòu)，通過簇間轉(zhuǎn)發(fā)的方式，降低通信能耗。文獻［10］通過一種非均勻成簇方法（UCA）來以降低能耗。文獻［3］提出了一種對節(jié)點進行能耗分級的非均勻分簇算法CHCI，在網(wǎng)絡(luò)生存時間方面有了一定的提升。文獻［11］采用了抑制低能量節(jié)點的數(shù)據(jù)發(fā)送量，簇內(nèi)可變通信周期等策略，提出了ACPSEB-LEACH算法，該算法可以減少部分節(jié)點的能量消耗。文獻［12］提出的HRPNC算法通過分層機制及競爭半徑機制選取簇首，使簇首節(jié)點分布更加合理，能有效均衡節(jié)點的能量消耗。采用能量模型的路由算法中，由劉永超等提出的A-LEACH算法［13］比較有代表性。A-LEACH算法綜合考慮了節(jié)點剩余能量和節(jié)點密集程度在簇首節(jié)點選擇中的分量，在一定程度上提高了網(wǎng)絡(luò)的生命周期。本文主要針對大部分層次路由算法在均衡能耗［14］和延長網(wǎng)絡(luò)生命周期的不足，提出了綜合考慮能耗，節(jié)點密度和基站位置的EDROPL算法。

本文提出的EDROPL算法將節(jié)點通信距離和節(jié)點能耗梯度加入到簇首選舉代價函數(shù)，并在簇首之間采取多跳傳輸方式實現(xiàn)網(wǎng)絡(luò)通信。能在網(wǎng)絡(luò)能耗，網(wǎng)絡(luò)生命有效周期和吞吐量方面有較好的提高。

1　典型層次路由算法簡介

1.1LEACH

LEACH是最早被提出的層次路由算法，算法的建簇工作采用以下方式進行。在每一輪次開始時，每個存活的節(jié)點產(chǎn)生一個（0，1）區(qū)間上的隨機數(shù)，如果該隨機數(shù)小于閾值T（n），則節(jié)點n當選為簇首節(jié)點。T（n）的計算方法如公式1.1所示。

其中，r是當前輪次，p是網(wǎng)絡(luò)中簇首節(jié)點的比例，G是一個集合，其中的元素是最近1/p輪次內(nèi)沒有當選過簇首的節(jié)點。從公式中可以看出，在每一個1/p輪次之內(nèi)，隨著輪次的增加，T（n）的值越來越大，則節(jié)點成為簇首節(jié)點的概率也更大。一旦節(jié)點成為簇首，則在接下來的1/p輪次之內(nèi)其將不再參與簇首的競選。當簇首選舉結(jié)束之后，網(wǎng)絡(luò)中的其他節(jié)點根據(jù)自己到簇首節(jié)點的距離采用就近原則加入簇內(nèi)，成簇工作完畢。

LEACH算法的簇首選擇方法在一定程度上保證了網(wǎng)絡(luò)的公平性。使得節(jié)點都相對均勻的成為簇首，防止了某些節(jié)點多次成為簇首而導(dǎo)致的過早死亡。但LEACH算法也存在一些不足，主要包括：①穩(wěn)定性比較差，選擇簇首時采用的隨機策略，導(dǎo)致每一輪次的簇首數(shù)量變化比較劇烈；②沒有考慮簇首節(jié)點密度的問題，導(dǎo)致可能出現(xiàn)某一區(qū)域簇首節(jié)點聚集或十分稀少的現(xiàn)象；③不能動態(tài)調(diào)節(jié)簇首的選擇，某些能量低的節(jié)點在純隨機的選舉策略下仍然有概率成為簇首［15］。

1.2A-LEACH

A-LEACH算法是一種典型的采用能耗和距離模型的WSNs路由算法。該算法的過程主要分為以下幾個階段。

①分區(qū)階段

算法根據(jù)網(wǎng)絡(luò)中的節(jié)點到基站的距離將節(jié)點分入不同的區(qū)域，簇首只在本區(qū)域內(nèi)招募簇內(nèi)成員。

②簇首選舉階段

A-LEACH算法綜合考慮了節(jié)點的剩余能量以及與鄰居節(jié)點的緊密程度，給出了一個節(jié)點當選簇首的概率計算函數(shù)：

其中，c1，c2是權(quán)重系數(shù)，E（i）是節(jié)點目前輪次的剩余能量，Eave代表所有節(jié)點能量的平均值，Nneigh（i）是節(jié)點的密集程度，nalive是網(wǎng)絡(luò)中存活的節(jié)點數(shù)量。每一輪次計算每個節(jié)點的P值，選最大的節(jié)點作為簇首，其他節(jié)點按照就近原則選擇自己加入的簇。

③信息傳輸階段

采用簇首接收簇內(nèi)成員消息，進行融合操作，之后將融合結(jié)果通過距離基站更近的節(jié)點轉(zhuǎn)發(fā)的方式，傳輸?shù)交竟?jié)點。

A-LEACH算法創(chuàng)新性地將節(jié)點剩余能量比的概念引入到路由算法之中，用節(jié)點的剩余能量作為選舉簇首時的重要參數(shù)，在一定程度上保證了節(jié)點之間能耗的公平性，提高了網(wǎng)絡(luò)生存周期。但節(jié)點的剩余能量并不能很好地預(yù)測該節(jié)點未來的能耗速度和預(yù)期存活時間。

1.3HRPNC

文獻［11］提出了一種采用增加分層機制和競爭半徑機制，從而節(jié)約能耗的層次路由算法。

該算法的主要工作過程如下：

層次劃分：將整個網(wǎng)絡(luò)區(qū)域按照距離基站的距離進行區(qū)域劃分，將小于d0的區(qū)域劃分為第一區(qū)域，之后按照劃分間隔進行其他區(qū)域的劃分。

①計算簇首數(shù)量

按照一定的百分比為各個區(qū)域分配一定數(shù)量的簇首。

②計算競爭半徑

采用式（3）計算出基準競爭半徑。其中Ak是區(qū)域k的面積，mk是該區(qū)域的簇首節(jié)點數(shù)量。再根據(jù)式（4）計算出每個節(jié)點的競爭半徑。其中ri為節(jié)點與基站的距離，rmin，rmax分別為該層次距離基站的最近和最遠距離，K1=0.5，K2=2。

③成簇

選擇和LEACH算法相同的簇首候選方法，即根據(jù)式（1）選出候選簇首，之后候選簇首判斷在自己的競爭半徑中是否存在其他候選簇首，如果不存在則自己當選簇首，其他的節(jié)點按照就近原則加入簇內(nèi)。

HRPNC算法能在一定程度上保證簇首分布的均勻性，提高了路由效率。該算法的局限性在于只考慮了簇首的分布對能耗的影響，沒有將能耗速度作為另外的參考標準，使得對能耗速度控制不足。

2　基于能耗梯度的EDROPL算法

EDROPL算法，本質(zhì)上是一種采用功率控制手段達到網(wǎng)絡(luò)拓撲建立的方法。其要求無線傳感器網(wǎng)絡(luò)具備以下幾個特點：①由相同的傳感器節(jié)點組成網(wǎng)絡(luò)（同構(gòu)性）；②傳感器節(jié)點擁有自己的位置信息；③網(wǎng)絡(luò)中存在唯一的基站；④網(wǎng)絡(luò)中節(jié)點擁有唯一標識號。

2.1區(qū)域劃分

首先根據(jù)各個節(jié)點到基站的距離，將整個網(wǎng)絡(luò)區(qū)域進行劃分。劃分方法為基站向整個網(wǎng)絡(luò)廣播自己的位置信息和區(qū)域劃分策略；該劃分策略的主要參數(shù)是節(jié)點到基站的距離以及與基站之間的相對位置關(guān)系。節(jié)點收到該廣播信息之后，通過自己的位置和基站的位置，計算自己與基站之間的距離，同時計算自己相對于基站的方位，并根據(jù)廣播中的區(qū)域劃分策略將自己歸入固定的區(qū)域之內(nèi)，保存區(qū)域信息。分區(qū)效果如圖1所示。

從圖1中的區(qū)域劃分方法可以看出EDROPL算法和A-LEACH算法在網(wǎng)絡(luò)分區(qū)部分的處理方式基本相同。

圖1　區(qū)域劃分結(jié)果

2.2簇首選舉和節(jié)點入簇

簇首的選舉工作在各個區(qū)域內(nèi)同時進行。首先引入選舉簇首評價函數(shù)，如式（5）所示。

其中，α，β，γ為權(quán)重系數(shù)，Edrop是節(jié)點能耗梯度值；D是節(jié)點密度，ls是節(jié)點到基站的距離評價值。Edrop的計算方法如公式（6）所示。

其中，EΔr代表第r輪次開始之前和第r-1輪次開始之前，節(jié)點的剩余能量的差，Er代表當前第r輪次開始之前，網(wǎng)絡(luò)中節(jié)點的總剩余能量，k用來控制梯度精度，成為能耗梯度系數(shù)，nalives代表當前網(wǎng)絡(luò)中剩余的存活節(jié)點的數(shù)量。因此Edrop就代表了節(jié)點最近k輪次的平均能耗速度，相對于整個生存周期而言，它可以稱為r輪次附近的瞬時能耗速度，反映了當前節(jié)點的存活時間的期望。

D的計算方法如式（7）所示。

其中dij是節(jié)點i與在鄰域Δ為范圍內(nèi)的鄰居節(jié)點j的距離，A是網(wǎng)絡(luò)區(qū)域的規(guī)模。D體現(xiàn)了節(jié)點i與其鄰居節(jié)點在位置上的緊密程度，其值越小代表與鄰居節(jié)點越緊密。

ls的計算方法如式（8）所示。

其中Dis是節(jié)點i到達基站的距離，A是網(wǎng)絡(luò)區(qū)域的規(guī)模。ls體現(xiàn)了節(jié)點i到達基站的距離評價。

所有節(jié)點根據(jù)自己的當前信息，利用式（15）來計算自己的評價函數(shù)值Wi，并生成一個四元組，其中Si為i節(jié)點所屬的區(qū)域編號，idi是節(jié)點編號，posi是節(jié)點的位置信息。當節(jié)點j接收到來自于節(jié)點i的四元組信息時，首先通過Si判斷i節(jié)點是否與自己屬于同一個區(qū)域，如果Si≠Sj，則j節(jié)點將此消息忽略；網(wǎng)絡(luò)中所有節(jié)點都維護一個評價函數(shù)排序表T，如果Si=Sj，則j節(jié)點將i節(jié)點視為候選簇首，并將idi放入表T內(nèi)，其位置滿足以下要求：Wi的值大于等于排在idi之前所有節(jié)點的W值，同時Wi的值小于等于排在idi之后所有節(jié)點的W值。按照這種方法，當所有節(jié)點完成四元組的發(fā)送和接收之后，任意一個節(jié)點都保存著與其屬于同一個區(qū)域的鄰居節(jié)點的評價函數(shù)值和排序結(jié)果。各節(jié)點按照排序結(jié)果決定自己是否成為簇首節(jié)點。要求任意兩個簇首之間的距離不能過近，否則容易出現(xiàn)過于集中的簇，導(dǎo)致網(wǎng)絡(luò)資源浪費。

選舉結(jié)束之后，當選為簇首的節(jié)點向自己的鄰域內(nèi)廣播成為簇首的消息，各節(jié)點根據(jù)最近原則選擇入簇。

2.3消息傳輸

簇建立結(jié)束之后，簇首要選擇自己發(fā)送消息的目的節(jié)點，即下一跳簇首節(jié)點。要求簇首的下一跳節(jié)點必須處于編號更小的區(qū)域之內(nèi)，即距離基站更近，當前簇首節(jié)點只考慮距離自己最近的更近區(qū)域的簇首作為下一跳節(jié)點，當節(jié)點已經(jīng)處于距基站最近的區(qū)域時，下一跳節(jié)點就是基站。這里為了減少消息發(fā)送數(shù)，規(guī)定，若當前節(jié)點到基站距離d＜d0（見式（9）），則直接發(fā)送費基站，否則采用多跳方式發(fā)送。

3　仿真實驗

本文采用Matlab仿真軟件對EDROPL與第1小節(jié)中介紹的LEACH、A-LEACH和HRPNC算法進行仿真對比。設(shè)計的網(wǎng)絡(luò)區(qū)域為100 m×100 m的矩形區(qū)域，表1給出了該仿真實驗的具體參數(shù)。

表1　仿真實驗參數(shù)

實驗中的通信能耗模型采用公式（9）所示。

式（5）中取α=0.7，β=0.2，γ=0.1，這樣做的目的是保證能耗梯度分量占據(jù)主要作用，網(wǎng)絡(luò)規(guī)模A采用網(wǎng)絡(luò)區(qū)域邊長衡量。在實際應(yīng)用中，我們也建議將α的值選取為三個因子中最大的，能耗梯度是指導(dǎo)路由的最關(guān)鍵因素，因子β，γ的選擇依賴于原始網(wǎng)絡(luò)的狀態(tài)，若網(wǎng)絡(luò)中存在較多的分散的節(jié)點，則取β稍大些，以更容易推薦緊密程度高的節(jié)點，而當網(wǎng)絡(luò)中存在較多的距離基站節(jié)點超過d0的節(jié)點時，則取γ更大一些，以更容易選取距離基站更近的節(jié)點作為簇首。

實驗將本文提出的 EDROPL算法和經(jīng)典LEACH算法以及經(jīng)典的能耗拓撲算法A-LEACH、HRPNC算法進行對比，共進行1900輪次的仿真。主要對比了各個算法在保證網(wǎng)絡(luò)拓撲穩(wěn)定性、提高生命周期和降低網(wǎng)絡(luò)能耗等方面的表現(xiàn)。

圖2中對比了A-LEACH、HRPNC和EDROPL算法在網(wǎng)絡(luò)拓撲穩(wěn)定方面的表現(xiàn)，當各個節(jié)點有比較均衡的的機會成為簇首節(jié)點時，整個網(wǎng)絡(luò)的穩(wěn)定性會相對較好，從圖2可以看出，在A-LEACH和HRPNC算法中，由于網(wǎng)絡(luò)中存在比較明顯的集中分布現(xiàn)象，導(dǎo)致某些節(jié)點鄰域內(nèi)的節(jié)點總數(shù)一直保持較高的水平，因此導(dǎo)致這些節(jié)點過多的擔任了簇首工作，同時存在一些節(jié)點幾乎沒有當選過簇首。EDROPL算法由于引入了能耗梯度的分量，能保證節(jié)點都有較為均衡的機會擔任簇首，某些地理位置相對集中的節(jié)點，會導(dǎo)致前期更多地擔任簇首工作，同時也因此導(dǎo)致能耗下降速度也更快，逐漸降低擔任簇首的可能性。

圖2　節(jié)點擔任簇首次數(shù)

圖3是對4種算法在各個輪次結(jié)束之后，網(wǎng)絡(luò)中存活節(jié)點數(shù)量的對比結(jié)果。LEACH算法在第803輪次出現(xiàn)首個死亡節(jié)點，A-LEACH算法在623輪出現(xiàn)首個死亡節(jié)點，HRPNC算法在630輪出現(xiàn)首個死亡節(jié)點，EDROPL算法的首個死亡節(jié)點出現(xiàn)在716輪。當出現(xiàn)首個死亡節(jié)點之后，LEACH算法的死亡節(jié)點數(shù)會快速增加，存活節(jié)點數(shù)下降比較迅速，A-LEACH 和HRPNC算法的節(jié)點死亡速度要更低一些，但其在1 200和1 180輪次之前的存活節(jié)點數(shù)量都少于LEACH算法，當?shù)竭_約 1 600和 1 800輪次時，A-LEACH和 HRPNC算法的節(jié)點全部死亡。EDROPL算法表現(xiàn)出了更低的死亡速度，且首個死亡節(jié)點較其他兩種能耗算法出現(xiàn)的更晚，這是因為對能耗速度下降的估計，可以有效地指導(dǎo)簇首節(jié)點的選擇，A-LEACH算法僅僅對節(jié)點的剩余能量進行評價，能耗下降速度相比剩余能量更能反映出節(jié)點的預(yù)計的生存時間。同時，當仿真輪次到達1 100輪時，EDROPL算法的節(jié)點存活數(shù)量較LEACH算法更多，并保持了更低的死亡速度。對于無線傳感器網(wǎng)絡(luò)而言，保證一定量的冗余節(jié)點是必要的，當節(jié)點存活數(shù)高于某一數(shù)值（一般為40%）時，網(wǎng)絡(luò)就可以正常工作。圖中可以看出，采用LEACH、A-LEACH和HRPNC算法時，當仿真輪次到達1 200輪時，存活節(jié)點數(shù)量減少到40個，而EDROPL算法運行至1 500輪次時，存活節(jié)點數(shù)減小到40個。所以，EDROPL較其他三種方法相比可以使網(wǎng)絡(luò)保持更長的正常工作時間。

圖3　網(wǎng)絡(luò)節(jié)點存活數(shù)量

圖4是4種算法在網(wǎng)絡(luò)能量方面的表現(xiàn)。由于在仿真初期，節(jié)點剩余能量相差不大，速度下降經(jīng)驗值不足，導(dǎo)致各個算法在前450輪次的能耗表現(xiàn)基本相同，同時由于A-LEACH算法更多地依賴距離分量，導(dǎo)致前期過多節(jié)點多次擔任簇首，能耗下降速度更高一些。當輪次在500輪之后，本文提出的EDROPL算法表現(xiàn)出使用能耗梯度經(jīng)驗值來選舉簇首的優(yōu)越性，其下降曲率逐漸低于LEACH和A-LEACH算法，在600輪之后，算法逐漸優(yōu)于HRPNC。該算法能更好的保護估計剩余時間更少的節(jié)點。從圖3和圖4可以看出，當?shù)竭_1 500輪次時，LEACH和A-LEACH算法中的節(jié)點基本全部死亡，而EDROPL算法中還38個節(jié)點存活，在1680輪次時HRPNC算法節(jié)點全部死亡，EDROPL仍然存活12個節(jié)點。

圖4　網(wǎng)絡(luò)剩余總能量

圖5為4種算法中，基站收到的消息數(shù)目?？梢钥闯?，LEACH和A-LEACH算法在仿真至1 100輪次左右時開始出現(xiàn)數(shù)據(jù)包下降現(xiàn)象，說明網(wǎng)絡(luò)中的存活節(jié)點已經(jīng)不多，進而導(dǎo)致簇首節(jié)點減少，HRPNC在1 500輪次時消息數(shù)量開始明顯減少，而EDROPL算法的表現(xiàn)比較好，最后發(fā)送的數(shù)據(jù)總量約為前兩種算法的1.8倍，HRPNC的1.3倍，表明其可以有較好的網(wǎng)絡(luò)吞吐量的保證。

圖5　基站收到的消息數(shù)

圖6是EDROPL算法運行至1 500輪次時，網(wǎng)絡(luò)中各個節(jié)點的剩余能量直方圖表示。可以看出，網(wǎng)絡(luò)中的各個節(jié)點能量相差不多，EDROPL很好的做到了能量平均。在此之后，EDROPL又繼續(xù)運行了大概400輪次，直到所有節(jié)點死亡。

圖6　EDROPL算法在1500輪次時節(jié)點的剩余能量

最后我們給出式（6）中的能耗精度控制系數(shù)k的取值與節(jié)點存活率的關(guān)系。圖7是當仿真運行至1 500輪次時的情況。可以看到，k的取值會比較大的影響到節(jié)點的存活率，取k=4時，存活率達到最大值，此時網(wǎng)絡(luò)中存活節(jié)點數(shù)為38個，而其他取值，無論大于4還是小于4，存活數(shù)都更低一些。這是因為，k值直接決定了采用的能耗梯度的精度，當k值較小時，式（6）可以代表此時瞬時的能耗速度，但采樣較少，代表性較低，而當k值較大時，又降低了瞬時性的意義，使得式（6）的值趨于平均化，同樣降低了能耗速度的代表性。

圖7　能耗梯度系數(shù)k與存活節(jié)點數(shù)的關(guān)系

4　總結(jié)

對于節(jié)點資源有限的無線傳感器網(wǎng)絡(luò)，如何降低能耗是一個重要問題。本文提出了一種采用能耗梯度作為評價參數(shù)的路由算法EDROPL。通過仿真實驗的方式證明了EDROPL算法的可行性，由于引入了能耗梯度的計算，為分簇算法提供的能耗經(jīng)驗值可以很好的均衡網(wǎng)絡(luò)能量。相比經(jīng)典的LEACH算法、改進的A-LEACH和HRPNC算法，EDROPL算法在保證網(wǎng)絡(luò)拓撲穩(wěn)定，延長網(wǎng)絡(luò)生命周期，降低和均衡節(jié)點能耗和提高網(wǎng)絡(luò)吞吐量等方面有明顯的提升。

［1］洪鋒，褚紅偉，金宗科，等.無線傳感器網(wǎng)絡(luò)應(yīng)用系統(tǒng)最新進展綜述［J］.計算機研究與發(fā)展，2010，47：81-87.

［2］宋立新，戴赫.基于蟻群算法的WSN路由協(xié)議研究［J］.哈爾濱理工大學(xué)學(xué)報，2014，16（6）：88-92.

［3］康琳，董增壽.基于簇頭分級的改進非均勻分簇算法［J］.傳感技術(shù)學(xué)報，2015，28（12）：1841-1844.

［4］張偉偉.無線傳感器網(wǎng)絡(luò)的拓撲控制策略研究［D］.曲阜師范大學(xué)，2009.

［5］王科強，張彥波，項伍鋒，等.無線傳感器網(wǎng)絡(luò)分層帶寬自適應(yīng)路由協(xié)議［J］.傳感器與微系統(tǒng)，2014，33（3）：132-134.

［6］李芳芳，王靖.一種基于LEACH協(xié)議的無線傳感器網(wǎng)絡(luò)路由算法［J］.傳感技術(shù)學(xué)報，2012，25（10）：1445-1452.

［7］白鳳娥，李環(huán).能量均衡的無線傳感器網(wǎng)絡(luò)非均勻分簇算法的研究［J］.計算機與數(shù)字工程，2012，40（1）：28-31

［8］Heinzelman W B，Chandrakasan A P.An Application-Specific Protocol Architecture for Wireless Microsensor Networks［J］. IEEE Transactions on Wireless Communications，2002，1（4）：660-670.

［9］Heinzelman W，Chandrakasan A，Balakrishnan H.Energy-Efficient Communication Protocol for Wireless Sensor Networks［C］// Proceedings of 33th IEEE Annual Hawaii International Conference on System Sciences，2000：10.

［10］Yuan Huiyong，Liu Yongyi，Yu Jiaping.A New Energy-Efficient Unequal Clustering Algorithm for Wireless Sensor Networks［C］// IEEE Conference Proceedings，2011：431-434.

［11］葉繼華，王文，江愛文，等.一種基于LEACH的異構(gòu)WSN能量均衡成簇協(xié)議［J］.傳感技術(shù)學(xué)報，2015，28（12）：1853-1860.

［12］黃廷輝，伊凱，崔更申，等.基于非均勻分簇的無線傳感器網(wǎng)絡(luò)分層路由協(xié)議［J］.計算機應(yīng)用，2016，36（1）：66-71.

［13］劉永超，張月霞，繆旻，等.基于能量和距離的分區(qū)域選擇簇首WSNs路由算法［J］.傳感器與微系統(tǒng)，2015，34（1）：124-127.

［14］Y.Jennifer，M.Biswanath，G.Dipak.Wireless Sensor Network Survey.Computer Networks，2008（52）：2292-2330.

［15］孫建偉，王紹辰，賈軍營，等.一種針對無線傳感器網(wǎng)絡(luò)LEACH協(xié)議的改進算法［J］.計算機系統(tǒng)應(yīng)用，2015，24（12）：186-190.

劉帥（1988-），男，吉林長春人，初級研究員，碩士，現(xiàn)主要從事無線傳感器網(wǎng)絡(luò)路由算法，PSN網(wǎng)絡(luò)路由算法等方向研究，149390771@qq.com；

李正煒（1988-），男，福建龍巖人，博士研究生，主要從事無線傳感器網(wǎng)絡(luò)等方面的研究；

吳元昊（1977-），男，吉林長春人，副研究員，博士，主要從事無線傳感器網(wǎng)絡(luò)，圖像處理算法等方面的研究。

Routing Algorithm for Wireless Sensor Network Based on Energy Consumption Gradient*

LIU Shuai1*，LI Zhengwei1，WU Yuanhao1，WANG Bin1，YANG Yongjian2
（1.Changchun Institute of Optics，F(xiàn)ine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033 China；2.College of Computer Science and Technology，Jilin University，Changchun 130012，China）

The energy of the nodes in wireless sensor network is limited and difficult to be supplied，so the network life circle is hard to be ensured，which has a negative effect on being used in so fields and ranges.To overcome the disadvantages above，a new routing algorithm called EDROPL is proposed.This algorithm optimize routing by dividing sections，importing the concept of energy gradient，choosing the cluster heads by some appropriate evaluation function，and transmitting packages between cluster heads.The simulation result shows that EDROPL has a better performance in balancing the network energy consumption and improving the network life circle comparing with LEACH，LEACH-A and HRPNC energy based algorithm.

wireless sensor network；routing；energy consumption gradient；network life circle

TP393

A

1004-1699（2016）08-1247-06

EEACC：6150P10.3969/j.issn.1004-1699.2016.08.021

項目來源：國家高技術(shù)研究發(fā)展計劃（863計劃）項目（2013AA8083042）；國家自然科學(xué)基金項目（61272412）；教育部博士項目基金項目（20120061110044）；吉林省科技發(fā)展計劃項目（20120303）

2016-01-20修改日期：2016-03-30