梁 潘,賀 偉

(1.成都航空職業(yè)技術(shù)學(xué)院機(jī)電工程學(xué)院,成都 610100;2.阿壩師范學(xué)院物理與電子科學(xué)系,四川 汶川 623002)

項(xiàng)目來源:國(guó)家自然科學(xué)基金項(xiàng)目(61373163)；四川省教育廳重點(diǎn)項(xiàng)目(17ZA0020)

2017-02-28修改日期2017-07-03

基于網(wǎng)格的動(dòng)態(tài)能量閾值的簇頭選擇算法*

梁 潘1,賀 偉2*

(1.成都航空職業(yè)技術(shù)學(xué)院機(jī)電工程學(xué)院,成都 610100;2.阿壩師范學(xué)院物理與電子科學(xué)系,四川 汶川 623002)

有效地使用傳感節(jié)點(diǎn)的能量進(jìn)而延長(zhǎng)網(wǎng)絡(luò)壽命成為設(shè)計(jì)無線傳感網(wǎng)路由協(xié)議的一項(xiàng)挑戰(zhàn)性的工作。而動(dòng)態(tài)簇被認(rèn)為提高能量利用率的有效技術(shù)之一。然而,簇頭分布不均勻加速了網(wǎng)絡(luò)能量的消耗,降低了網(wǎng)絡(luò)壽命。為此,提出基于網(wǎng)格的動(dòng)態(tài)能量閾值的簇頭選擇算法GDET-CH(Grid Dynamic Energy Threshold-based Cluster Header),平衡簇頭分布。GDET-CH算法先將網(wǎng)絡(luò)區(qū)域劃分多個(gè)網(wǎng)格,并每個(gè)網(wǎng)格產(chǎn)生一個(gè)簇頭。然后,利用節(jié)點(diǎn)離網(wǎng)格中心距離和節(jié)點(diǎn)剩余能量選擇簇頭。最后,引用動(dòng)態(tài)能量閾值機(jī)制,只有當(dāng)節(jié)點(diǎn)剩余能量大于能量閾值才可能成為簇頭,進(jìn)而平衡網(wǎng)絡(luò)能耗。實(shí)驗(yàn)數(shù)據(jù)表明,與DDEEC和EDDDEC算法相比,GDET-CH算法的網(wǎng)絡(luò)壽命分別提高了近24.5%和36%。

無線傳感網(wǎng);簇頭;能量;網(wǎng)格;閾值

無線傳感網(wǎng)絡(luò)WSNs(Wireless Sensor Networks)已廣泛應(yīng)用于各類領(lǐng)域[1-4],如環(huán)境監(jiān)測(cè)、健康醫(yī)療、戰(zhàn)場(chǎng)勘察。WSNs通過傳感節(jié)點(diǎn)實(shí)時(shí)感測(cè)環(huán)境數(shù)據(jù),實(shí)現(xiàn)對(duì)應(yīng)用環(huán)境的監(jiān)測(cè)。然而,由于傳感節(jié)點(diǎn)的資源受限,如存儲(chǔ)容量、數(shù)據(jù)處理能力以及能量受限,尤其是能量受限。此外,WSNs常部署于野外惡劣環(huán)境,給傳感節(jié)點(diǎn)補(bǔ)給能量或更換電池都有巨大挑戰(zhàn)[5-6]。因此,降低節(jié)點(diǎn)能耗,提高節(jié)點(diǎn)的能量使用率,進(jìn)而延長(zhǎng)網(wǎng)絡(luò)壽命成為WSNs的研究重點(diǎn)。

為了提高WSNs的可擴(kuò)展性和能量效率,常采用簇拓?fù)浣Y(jié)構(gòu),即將整個(gè)網(wǎng)絡(luò)虛擬地劃分不同的群(簇),如圖1所示。通過簇結(jié)構(gòu),平衡能耗,提高網(wǎng)絡(luò)連通率[7]。通常,WSNs中的簇頭需完成多項(xiàng)特殊任務(wù),如傳感節(jié)點(diǎn)間的協(xié)調(diào)、數(shù)據(jù)融合(基站)、與鄰近簇頭的通信,這加大了簇頭的能耗。因此,如何選擇簇頭成為WSNs研究的熱點(diǎn)。

圖1 基于簇結(jié)構(gòu)的WSNs

常利用節(jié)點(diǎn)剩余能量和距離信息選擇簇頭。典型的有低功耗自適應(yīng)簇LEACH[8]協(xié)議。LEACH協(xié)議利用閾值概率選擇簇頭,但它并沒有從平衡能耗角度選擇簇頭,導(dǎo)致某些低能量的節(jié)點(diǎn)誤選為簇頭,這加劇了這類簇頭因能量耗盡而失效的速度,并且它也只適用同構(gòu)網(wǎng)絡(luò)。

針對(duì)異構(gòu)網(wǎng)絡(luò),文獻(xiàn)[9-10]分別提出基于分布式能效簇DEEC(Distributed Energy-Efficient Clustering)算法、DEEC的改進(jìn)DDEEC(Developed DEEC)算法。DEEC和DDEEC算法均采用二級(jí)能量結(jié)構(gòu),即依據(jù)節(jié)點(diǎn)能量將傳感節(jié)點(diǎn)劃分為普通節(jié)點(diǎn)和超級(jí)節(jié)點(diǎn)。而文獻(xiàn)[11]提出EDEEC算法,其是采用三級(jí)能量結(jié)構(gòu),將傳感節(jié)點(diǎn)劃分為普通節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)和特超節(jié)點(diǎn)。然而,EDEEC算法并沒有實(shí)時(shí)依據(jù)網(wǎng)絡(luò)能量調(diào)整簇頭的選擇概率,最終導(dǎo)致某些節(jié)點(diǎn)因能量過早消耗殆盡而失效,節(jié)點(diǎn)一旦失效,就形成覆蓋空洞,這影響了傳感網(wǎng)絡(luò)的應(yīng)用性能

為此,本文提出基于網(wǎng)格的動(dòng)態(tài)能量閾值的簇頭選擇算法GDET-CH平衡網(wǎng)絡(luò)能耗。GDET-CH算法先將網(wǎng)絡(luò)劃分為同等大小的網(wǎng)格,在每個(gè)網(wǎng)格內(nèi)產(chǎn)生一個(gè)簇頭。然后,計(jì)算非簇頭節(jié)點(diǎn)就選擇自己最近的離簇頭加入,進(jìn)而形成簇。實(shí)驗(yàn)數(shù)據(jù)表明,提出的GDET-CH算法能夠有效地適用于同構(gòu)網(wǎng)絡(luò)和異構(gòu)網(wǎng)絡(luò),并提高了網(wǎng)絡(luò)壽命。

1 系統(tǒng)模型

考慮n個(gè)節(jié)點(diǎn)隨機(jī)分布于A×B的感測(cè)區(qū)域的多跳傳感網(wǎng)絡(luò)。在部署初期,每個(gè)傳感節(jié)點(diǎn)具有一定的數(shù)據(jù)處理和通信能力。假定S為網(wǎng)絡(luò)內(nèi)所有傳感節(jié)點(diǎn)集,如式(1)所示:

S={S1,S2,…,Si}

(1)

式中:Si表示第i個(gè)傳感節(jié)點(diǎn)。

同時(shí),將整個(gè)網(wǎng)絡(luò)劃分為無不重疊唯一的網(wǎng)格ac×bc。假定Q表示網(wǎng)絡(luò)內(nèi)所有網(wǎng)格集,如式(2):

Q={Qj|j=1,2,…,q}

(2)

式中:q表示網(wǎng)絡(luò)的網(wǎng)格數(shù)。并且每個(gè)網(wǎng)格內(nèi)有pj個(gè)節(jié)點(diǎn)數(shù)。而在每個(gè)網(wǎng)格內(nèi)的傳感節(jié)點(diǎn)數(shù)集可表示為{Si|i=1,2,…,pj}。因此,網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)數(shù)可表示為:

(3)

此外,假定第j個(gè)網(wǎng)格內(nèi)的傳感節(jié)點(diǎn)集為Qj,其定義如式(4)所示:

(4)

在每個(gè)網(wǎng)格內(nèi)選擇一個(gè)節(jié)點(diǎn)作為簇頭,網(wǎng)格內(nèi)的其他節(jié)點(diǎn)稱為成員節(jié)點(diǎn),并由簇頭與成員節(jié)點(diǎn)進(jìn)行協(xié)調(diào)。簇頭先接收來自成員節(jié)點(diǎn)的數(shù)據(jù),然后,再進(jìn)行數(shù)據(jù)融合,并轉(zhuǎn)發(fā)至數(shù)據(jù)中心。GDET-CH算法從能量角度,有效地選擇簇頭,進(jìn)而能有效地適應(yīng)網(wǎng)絡(luò)拓?fù)涞膭?dòng)態(tài)變化。

此外,假定nt個(gè)數(shù)據(jù)傳輸節(jié)點(diǎn)所傳輸?shù)臄?shù)據(jù)矢量為x:

x=[x1,x2,…,xnt]T

(5)

數(shù)據(jù)融合中心的接收信號(hào)矢量可表述為y:

y=Hx+n

(6)

式中:y為nr×1維的接收信號(hào)矢量。H為瑞利衰落信道矩陣,且尺寸為nr×nt。而n為nr×1維的噪聲矢量,其中n為零均值的加性高斯白噪聲,且方差為σ2。

瑞利衰落信道矩陣H定義如式(7):

(7)

式中:hj,i表示從第i個(gè)發(fā)射節(jié)點(diǎn)到數(shù)據(jù)中心的第j個(gè)接收天線的信道協(xié)方差系數(shù)。

圖2 GDET-CH算法的時(shí)間模型

1.1 時(shí)間模型

提出的GDET-CH算法將運(yùn)行時(shí)間劃分等間隔輪r(round),并規(guī)定從簇頭產(chǎn)生至數(shù)據(jù)傳輸至融合中心稱為一輪,如圖2所示。即在每輪內(nèi)產(chǎn)生簇頭,并傳輸數(shù)據(jù)。此外,本文引用輪數(shù)衡量網(wǎng)絡(luò)壽命。網(wǎng)絡(luò)經(jīng)歷的輪數(shù)越多,說明網(wǎng)絡(luò)運(yùn)行的時(shí)間越長(zhǎng),即網(wǎng)絡(luò)壽命越大。

2 GDET-CH 算法

GDET-CH算法主要從距離和能量?jī)蓚€(gè)角度選擇簇頭。先計(jì)算節(jié)點(diǎn)離所有網(wǎng)格的距離,并進(jìn)行排序。然后設(shè)置能量閾值。當(dāng)節(jié)點(diǎn)的剩余能量大于閾值,才有可能作為簇頭候選節(jié)點(diǎn),再?gòu)倪@些簇頭候選集內(nèi)選擇離網(wǎng)格最近的節(jié)點(diǎn)作為該網(wǎng)格的簇頭。

2.1 距離因子

(8)

當(dāng)所有節(jié)點(diǎn)部署后,它們就計(jì)算離他們各自的網(wǎng)格中心的距離,其定義如式(9)所示:

d1=Γ(cx,cy,sx,sy)

(9)

據(jù)此,可定義矩陣Q,其定義如式(10)所示:

(10)

矩陣Q內(nèi)的第1行表示每個(gè)網(wǎng)格內(nèi)所有的節(jié)點(diǎn)數(shù)。盡管每個(gè)網(wǎng)格內(nèi)所擁有的節(jié)點(diǎn)數(shù)不同,但仍用矩陣Q表示。利用S(j,i)的值,表示此位置是否存在一個(gè)節(jié)點(diǎn)。此值為1,表示存在傳感節(jié)點(diǎn),-1表示不存在傳感節(jié)點(diǎn)。

接下來,定義q×p維的矩陣D1,其表示所有節(jié)點(diǎn)到每個(gè)網(wǎng)格中心的距離,如式(11)所示:

(11)

從式(11)可知,矩陣D1的第1行表示傳感節(jié)點(diǎn)所有節(jié)點(diǎn)至第1個(gè)網(wǎng)格中心的距離。為此,利用d1(k)表示所有節(jié)點(diǎn)至第kth個(gè)網(wǎng)格中心的距離,即d1(k)={d1(k,1),d1(k,2),…,d1(k,p)},且k=1,2,…,q。

ξk=min[abs(d1(k))]

(12)

2.2 動(dòng)態(tài)能量閾值

GDET-CH算法在選擇簇頭時(shí),充分考慮了節(jié)點(diǎn)剩余能量。當(dāng)節(jié)點(diǎn)剩余能量Ere大于預(yù)定Eth值,才可能成為簇頭。將Eth稱為能量閾值。

而如何設(shè)定閾值Eth對(duì)簇頭選擇起到關(guān)鍵作用。傳統(tǒng)的簇頭選擇算法常引用固定閾值,這不利用網(wǎng)絡(luò)能耗的平衡。具體而言,最初節(jié)點(diǎn)能量較高,可以設(shè)置較大的閾值,但隨著網(wǎng)絡(luò)的運(yùn)行,節(jié)點(diǎn)能量下降,這時(shí)需要降低閾值。為此,采用自適應(yīng)的閾值機(jī)制。

首先,引用ψ={ψ1,ψ2,…,ψm}表示節(jié)點(diǎn)能量的范圍,且ψ∈[0,1]。隨著,網(wǎng)絡(luò)的運(yùn)行,節(jié)點(diǎn)能量肯定逐步下降。換而言之,最初,閾值Eth可以較高,因?yàn)槎鄶?shù)節(jié)點(diǎn)的能量較為充足。但是,經(jīng)過一段時(shí)間后,節(jié)點(diǎn)能量肯定下降,如果節(jié)點(diǎn)閾值Eth過高,或者不隨進(jìn)行改變,那多數(shù)節(jié)點(diǎn)的能量肯定低于閾值Eth。

(13)

2.3 簇頭產(chǎn)生過程

簇頭產(chǎn)生過程的偽代碼如圖3所示。先將矩陣D1、P1和Qs初始化,并將矢量d1、p1也初始化。其中Qs為節(jié)點(diǎn)狀態(tài)矩陣,維數(shù)為q×p。如果節(jié)點(diǎn)為簇頭,則其元素值就為1,否則就為零,即節(jié)點(diǎn)為普通節(jié)點(diǎn)。

然后,從第1個(gè)網(wǎng)格開始,再依據(jù)式(9),每個(gè)節(jié)點(diǎn)計(jì)算離此網(wǎng)格中心的距離,即形成d1(1),再進(jìn)行排序。然后再?gòu)牡?個(gè)網(wǎng)格開始,重復(fù)上述過程,直至所有傳感網(wǎng)絡(luò)均計(jì)算了離各自網(wǎng)格中心的距離。

圖3 產(chǎn)生簇頭算法的偽代碼

2.4 簇形成過程

產(chǎn)生簇頭后,就形成簇頭集Qch,其定義如式(14)所示:

(14)

非簇頭節(jié)點(diǎn)(普通節(jié)點(diǎn))需要加入至一個(gè)簇,加入的原則就是,選擇離自己最近的簇。為此,定義n×q維的矩陣D2,其表示所有普通節(jié)點(diǎn)離q個(gè)簇頭的距離,如式(15)所示:

(15)

而d2表示普通節(jié)點(diǎn)離簇頭的距離,可由式(8)計(jì)算,如式(16)所示:

(16)

引用d2(i)表示矩陣D2的第i行,其元素值等于普通節(jié)點(diǎn)(第i個(gè)普通節(jié)點(diǎn))至離q個(gè)簇頭的距離。該普通節(jié)點(diǎn)就選擇離自己最近的簇頭加入,即min{d2(i)}。簇形成算法的偽代碼如圖4所示。

圖4 簇形成過程的偽代碼

3 性能仿真

3.1 仿真參數(shù)及性能指標(biāo)

為了更好地評(píng)估GDET-CH算法性能,通過MATLAB軟件建立仿真平臺(tái)。選擇100 m×100 m的感測(cè)區(qū)域,且傳感節(jié)點(diǎn)數(shù)為100。每個(gè)節(jié)點(diǎn)的初始能量E0=1 J。假定融合中心位于100 m×100 m區(qū)域的中心。

此外,為了更好地考查傳感節(jié)點(diǎn)的同構(gòu)或異構(gòu)性對(duì)GDET-CH算法的性能影響,建立兩個(gè)實(shí)驗(yàn):同構(gòu)網(wǎng)絡(luò)實(shí)驗(yàn);異構(gòu)網(wǎng)絡(luò)實(shí)驗(yàn)。本文所指的同構(gòu)網(wǎng)絡(luò)是指網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)的初始相同,而異構(gòu)網(wǎng)絡(luò)是指節(jié)點(diǎn)能量初始不相同。

3.2 同構(gòu)網(wǎng)絡(luò)實(shí)驗(yàn)

為了更好地分析GDET-CH算法性能,選擇同類動(dòng)態(tài)簇算法LEACH作為參照。假定所有傳感節(jié)點(diǎn)是同構(gòu)的,并且由簇頭負(fù)責(zé)將數(shù)據(jù)轉(zhuǎn)發(fā)至融合中心。

圖5 同構(gòu)網(wǎng)絡(luò)壽命

圖5顯示了GDET-CH和LEACH算法的活動(dòng)節(jié)點(diǎn)數(shù)NA隨輪數(shù)的變化情況。從圖5可知,GDET-CH算法的第1個(gè)失效節(jié)點(diǎn)FND(First Node Died)發(fā)生在1 370輪,而LEACH算法的FND發(fā)生于903輪。此外,當(dāng)LEACH算法運(yùn)行至1 198輪時(shí),就有一半的節(jié)點(diǎn)失效HND(Half Nodes Died),而GDET-CH算法直到2 334輪才出現(xiàn)這種情況。觀察圖5可發(fā)現(xiàn),GDET-CH算法的最后一個(gè)失效節(jié)點(diǎn)LND(Last Node Died)發(fā)生于3 415輪,而LEACH算法在1 862輪就出現(xiàn)這種情況。從這些數(shù)據(jù)可知,GDET-CH算法分別通過100%、50%、1%的活動(dòng)節(jié)點(diǎn)提高的51%、94%、83%的網(wǎng)絡(luò)壽命。這里的網(wǎng)絡(luò)壽命是通過輪數(shù)表征。運(yùn)行的輪數(shù)越多,網(wǎng)絡(luò)壽命也就越長(zhǎng)。

3.3 異構(gòu)網(wǎng)絡(luò)實(shí)驗(yàn)

本次實(shí)驗(yàn)是基于異構(gòu)網(wǎng)絡(luò),并且考慮二級(jí)、三級(jí)的異構(gòu)網(wǎng)絡(luò)。在二級(jí)異構(gòu)網(wǎng)絡(luò)中,通過節(jié)點(diǎn)的初始能量的不同,將網(wǎng)絡(luò)內(nèi)傳感節(jié)點(diǎn)劃分為普通節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)。且普通節(jié)點(diǎn)數(shù)為n×(1-m)、超級(jí)節(jié)點(diǎn)數(shù)為n×m。

而在三級(jí)異構(gòu)網(wǎng)絡(luò)中,將傳感節(jié)點(diǎn)劃分為普通節(jié)點(diǎn)、超級(jí)節(jié)點(diǎn)和特超節(jié)點(diǎn),它們的節(jié)點(diǎn)數(shù)分別為n×(1-m)、n×m×(1-m0)和n×m×m0。其中n=100、m、m0分別設(shè)置為0.3。而超級(jí)節(jié)點(diǎn)和特超節(jié)點(diǎn)的初始能量分別為(1+α)E0、(1+b)E0,其中a、b分別為2、3.5。

圖6顯示了GDET-CH算法和DDEEC和DEEC在二級(jí)異構(gòu)網(wǎng)絡(luò)內(nèi)的活動(dòng)節(jié)點(diǎn)數(shù)。從圖6可知,GDET-CH算法的FND、HND和LND分別發(fā)生于2 151、2 777和4 351輪。而DEEC和DDEEC算法的FND分別發(fā)生于936和2 013輪,而HND分別發(fā)生于2 145和2 232輪,LND發(fā)生于3 531和3 770輪。因此,相比于DEEC和DDEEC,GDET-CH算法的網(wǎng)絡(luò)壽命提高了近23.2%和15.4%。

圖6 異構(gòu)網(wǎng)絡(luò)壽命(二級(jí))

圖7 異構(gòu)網(wǎng)絡(luò)壽命(三級(jí)能量)

圖7顯示了三級(jí)異構(gòu)網(wǎng)絡(luò)的實(shí)驗(yàn)數(shù)據(jù),也選擇同類的EDEEC和EDDEEC[12]與GDET-CH算法進(jìn)行參照。從圖7可知,GDET-CH算法的FND、HND和LND分別發(fā)生于2 158、3 391和4 635輪,而EDEEC和EDDEEC的FND分別發(fā)生于2 401輪和2 492輪。相應(yīng)地,LND發(fā)生于4 157和4 520輪。這些數(shù)據(jù)表明,在三級(jí)異構(gòu)網(wǎng)絡(luò)中,GDET-CH算法的網(wǎng)絡(luò)壽命比EDEEC和EDDEEC分別提高了11.25%和2.6%。

4 總結(jié)

本文針對(duì)無線傳感網(wǎng)絡(luò)的簇頭選擇問題,提出了基于網(wǎng)格的動(dòng)態(tài)能量閾值的簇頭選擇算法GDET-CH。GDET-CH算法充分考慮了簇頭分布的均勻性對(duì)網(wǎng)絡(luò)壽命的影響。在選擇簇頭時(shí),融合了距離和節(jié)點(diǎn)剩余能量信息,并且考慮了動(dòng)態(tài)的能量閾值,而不是單一的能量閾值。實(shí)驗(yàn)數(shù)據(jù)表明,提出的GDET-CH算法能夠有效地提高網(wǎng)絡(luò)壽命。

[1] Muruganathan S D,Ma D C,Bhasin R I. A Centralized Energy-Efficient Routing Protocol for Wireless Sensor Networks[J]. IEEE Radio Communications,2011,43(3):8-13.

[2] 歸奕紅. 無線傳感器網(wǎng)絡(luò)HEDSA數(shù)據(jù)聚合研究[J]. 計(jì)算機(jī)工程,2011,37(7):160-164.

[3] 沈艷霞,薛小松. 無線傳感網(wǎng)絡(luò)移動(dòng)信標(biāo)節(jié)點(diǎn)路徑優(yōu)化策略[J]. 傳感器與微系統(tǒng),2012,31(12):42-46.

[4] Tyagi S,Kumar N. A Systematic Review on Clustering and Routing Techniques Based Upon LEACH Protocol for Wireless Sensor Networks[J]. Journal of Network and Computer Applications,2013,36(2):623-645.

[5] 陳東海,李長(zhǎng)庚. 基于簇頭功能分化的無線傳感器網(wǎng)絡(luò)成簇算法[J]. 傳感技術(shù)學(xué)報(bào),2015,28(2):244-248.

[6] 門順治,孫順遠(yuǎn),徐保國(guó). 基于PSO的非均勻分簇雙簇頭路由算法[J]. 傳感技術(shù)學(xué)報(bào),2014,27(9):1281-1286.

[7] Chidean M I,Morgado E,del Arco E,et al. Scalable Data-Coupled Clustering for Large Scale WSN[J]. IEEE Transactions on Wireless Communications,2015,14(9):4681-4694.

[8] Yan J F,Liu Y L. Improved LEACH Routing Protocol for Large Scale Wireless Sensor Networks Routing[C]//In International Conference on Electronics,Communications and Control. Ningbo,China,September,2011:35-42.

[9] Qing L,Zhu Q,Wang M. Design of a Distributed Energy-Efficient Clustering Algorithm for Heterogeneous Wireless Sensor Network[J]. ELSEVIER,Comput. Commun,2006,29:2230-2237.

[10] Elbhiri B,Saadane R,El-Fkihi S,et al. Developed Distributed Energy-Efficient Clustering(DDEEC)for Heterogeneous Wireless Sensor Networks[C]//In 5th International Symposium on I/V Communications and Mobile Network,2010:32-42.

[11] Saini A P,Sharma K. Distributed and Grid Computing(PDGC-2010). E-DEEC-Enhanced Distributed Energy Efficient Clustering Scheme for Heterogeneous WSN[C]//In 2010 1st International Conference on Parallel,2011:3-9.

[12] Javaid N,Qureshi T,Khan A,et al. EDDEEC:Enhanced Developed Distributed Energy-Efficient Clustering for Heterogeneous Wireless Sensor Networks[J]. Procedia Computer Science,2013,19(2):914-919.

GridDynamicEnergyThreshold-BasedClusterHeaderAlgorithminWirelessSensorNetwork*

LIANGPan1,HEWei2*

(1.Department of Electro-Mechanic Engineering,Cheng Du Aeronautic Polytechnic,Chengdu 610100,China; 2.Department of Electronic Information,ABA Teahers University,Wenchuan Sichuan 423002,China)

Using the energy of sensor nodes efficiently to prolong the network lifetime is a chief challenge for designing routing protocols. Dynamic clustering is generally considered as one of the energy conservation techniques,but unbalanced distribution of cluster heads in clusters tend to drain out the network energy quickly resulting premature decrease in network lifetime. Grid dynamic energy threshold-based Cluster header(GDET-CH)algorithm is proposed in this paper,which balanced the distribution of cluster heads. In GDET-CH,Firstly,the whole network is divided into non-overlapping uniform grids,and each grid has a cluster head. Then,Distance from the center of grid and residual energy of node are both considered into selecting cluster head. Finally,GDET-CH introduces the dynamic energy threshold to balance the energy consumption,Only residual energy is more than threshold,the node may to be a cluster head. From simulation results,it is observed that the proposed clustering scheme enhances network lifetime by 24.5% and 36% as compared to existing schemes e.g. DDEEC and EDDEEC respectively.

wireless sensor network;cluster header;energy;grid;threshold

TPT393

A

1004-1699(2017)10-1583-06

10.3969/j.issn.1004-1699.2017.10.022

ξk表示離第kth個(gè)網(wǎng)格中心的距離最小的節(jié)點(diǎn)信息,其定義如式(12)所示:

梁潘(1978-),男,四川廣漢人,副教授,碩士,研究方向?yàn)槿斯ぶ悄芘c網(wǎng)絡(luò)安全;

賀偉(1980-),男,四川郫縣人,副教授,碩士,研究方向?yàn)槿斯ぶ悄芘c網(wǎng)絡(luò)安全。