余 揚(yáng)，李艷彩，陳君華

(云南民族大學(xué) 云南省高校物聯(lián)網(wǎng)應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室，云南 昆明 650500)

無(wú)線傳感網(wǎng)絡(luò)[1]是由隨機(jī)部署在監(jiān)測(cè)區(qū)域的大量廉價(jià)低功耗微型傳感器節(jié)點(diǎn)以無(wú)線通信方式形成一個(gè)多跳自組織網(wǎng)絡(luò)，其用來(lái)感知、采集、傳輸和處理網(wǎng)絡(luò)所覆蓋區(qū)域中對(duì)象的相關(guān)信息.由于節(jié)點(diǎn)所攜帶電池的能量十分有限，因此如何降低能耗最大化傳感網(wǎng)絡(luò)生命周期是目前國(guó)內(nèi)外眾多學(xué)者研究的熱點(diǎn)問(wèn)題之一[2-3].文獻(xiàn)[4]提出了LEACH層次路由自適應(yīng)分簇算法，節(jié)點(diǎn)周期性輪流擔(dān)任簇首，該算法缺點(diǎn)是隨機(jī)選擇簇首，導(dǎo)致簇首分布不均且數(shù)量不固定，導(dǎo)致部分節(jié)點(diǎn)能量消耗過(guò)快，進(jìn)而影響網(wǎng)絡(luò)生命周期.文獻(xiàn)[5]的Improved-LEACH協(xié)議雖然對(duì)簇首選擇過(guò)程進(jìn)行了優(yōu)化，但是只適合處理規(guī)模較小的無(wú)線傳感網(wǎng)，文獻(xiàn)[6]的LEACH-C算法根據(jù)節(jié)點(diǎn)全局位置和剩余能量用模擬退火算法集中選擇簇首.隨著節(jié)點(diǎn)數(shù)量增加，計(jì)算量較大，不適合大規(guī)模無(wú)線傳感器網(wǎng)絡(luò).文獻(xiàn)[7]的 HEED算法基于節(jié)點(diǎn)的能量及節(jié)點(diǎn)到簇首間距離采用分布式方式選擇簇首，但是在選擇簇首時(shí)，需要不斷競(jìng)爭(zhēng)迭代，同時(shí)與鄰居節(jié)點(diǎn)進(jìn)行信息交互，增加通信的能耗.文獻(xiàn)[8]的PEGASI算法通過(guò)貪心算法將網(wǎng)絡(luò)中節(jié)點(diǎn)串成基于地理位置的一條鏈，在鏈狀結(jié)構(gòu)上進(jìn)行數(shù)據(jù)融合和傳輸?shù)竭_(dá)匯聚節(jié)點(diǎn)(Sink)，該算法缺點(diǎn)是傳輸延遲較大，也沒(méi)有考慮到簇首與Sink的距離，以及節(jié)點(diǎn)剩余能量，導(dǎo)致靠近Sink的分簇節(jié)點(diǎn)能量消耗較快，使得網(wǎng)絡(luò)負(fù)載不均衡[9].

常見(jiàn)無(wú)線傳感網(wǎng)絡(luò)的聚類(lèi)算法有K-means[10]，該算法能夠高效處理大型數(shù)據(jù)集，時(shí)間復(fù)雜度接近于線性，但是聚類(lèi)結(jié)果受初始節(jié)點(diǎn)的選取影響較大，對(duì)于偏離較大的數(shù)據(jù)很敏感.K-mediods算法[11]是對(duì)K-means的一種改進(jìn)，相對(duì)于噪聲不敏感，個(gè)別數(shù)據(jù)不會(huì)對(duì)總體劃分造成太大影響，其方法是根據(jù)樣本與簇心節(jié)點(diǎn)距離分配給最近一個(gè)簇，然后反復(fù)利用非簇心節(jié)點(diǎn)來(lái)代替簇心節(jié)點(diǎn)，該算法優(yōu)點(diǎn)對(duì)于較小的數(shù)據(jù)集有效，但不能擴(kuò)展到大型的數(shù)據(jù)集，聚類(lèi)結(jié)果仍然受初始節(jié)點(diǎn)的選取影響較大.K-means++算法[12]的基本思想對(duì)初始節(jié)點(diǎn)中距離中心越遠(yuǎn)的點(diǎn)會(huì)有更高的概率被選為聚類(lèi)中心，克服了起始種子節(jié)點(diǎn)帶來(lái)的聚類(lèi)偏差，因此簇首與簇首分布相對(duì)更加均勻，同時(shí)簇首的數(shù)量也是確定的，可以較好的擴(kuò)展到大規(guī)模無(wú)線傳感網(wǎng)絡(luò)中.

考慮上述算法的不足，結(jié)合層次路由和K-means++算法的基本思想、從簇的形成、簇首的選擇、簇間通信3個(gè)關(guān)鍵因素考量對(duì)傳統(tǒng)路由協(xié)議進(jìn)行改進(jìn)，提出了基于K-means++無(wú)線傳感網(wǎng)能量高效分簇協(xié)議.

1 無(wú)線傳感網(wǎng)絡(luò)能耗模型

1.1 網(wǎng)絡(luò)模型

假定無(wú)線傳感網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)在監(jiān)測(cè)區(qū)域內(nèi)隨機(jī)部署，具有以下特點(diǎn)：

1) 傳感器節(jié)點(diǎn)可以感知自己的地理位置.

2) 傳感網(wǎng)中所有節(jié)點(diǎn)都是同構(gòu)的，即有相同的接收、發(fā)送和數(shù)據(jù)處理能力，每個(gè)節(jié)點(diǎn)具有唯一的ID.

3) 傳感網(wǎng)節(jié)點(diǎn)部署后位置固定，初始能量相同而且能量有限.

4) 傳感器能根據(jù)接受者距離遠(yuǎn)近，自適應(yīng)調(diào)整其發(fā)射功率以節(jié)省能量.

5) 匯聚節(jié)點(diǎn)在遠(yuǎn)離傳感器節(jié)點(diǎn)且位置固定，能量充足可以保證正常的能量消耗.

6) 所有節(jié)點(diǎn)都能夠和匯聚節(jié)點(diǎn)直接通信.

1.2 能耗模型

無(wú)線傳感器的能耗主要集中在無(wú)線網(wǎng)絡(luò)數(shù)據(jù)傳輸上，能量模型采用一階無(wú)線電模型[10]，該模型的結(jié)構(gòu)如圖1所示.

ETx(l,d)=l·Eelec+l·ε·dr

.

(1)

ERx(l)=l·Eelec

.

(2)

2 簇首數(shù)量的確定和簇的劃分

傳感網(wǎng)的節(jié)點(diǎn)在目標(biāo)監(jiān)測(cè)區(qū)域進(jìn)行部署通常是隨機(jī)的，往往很難達(dá)到理想的均勻分布.某些節(jié)點(diǎn)所在區(qū)域可能過(guò)于集中，也可能過(guò)于分散，從整體分布上看可能是矩形也可能形成其他各種形狀，以往設(shè)想為所有節(jié)點(diǎn)都理想分布的情況下，難以符合實(shí)際最佳簇首數(shù)量的選取，只有對(duì)傳感器節(jié)點(diǎn)進(jìn)行更好的分簇，才能更好的均衡網(wǎng)絡(luò)負(fù)載，延長(zhǎng)網(wǎng)絡(luò)生命周期.

分簇設(shè)計(jì)時(shí)需綜合考慮網(wǎng)絡(luò)的分布大小、節(jié)點(diǎn)分布密度、網(wǎng)絡(luò)能耗以及運(yùn)行過(guò)程的可靠性，才能增強(qiáng)網(wǎng)絡(luò)運(yùn)行的穩(wěn)定性.

2.1 傳統(tǒng)簇首數(shù)量的確定方法

傳統(tǒng)最佳簇首數(shù)量的確定根據(jù)文獻(xiàn)[4]，首先假定有N個(gè)節(jié)點(diǎn)均勻分布在M×M的區(qū)域，將其分為k個(gè)簇，那么每個(gè)簇中有N/k個(gè)節(jié)點(diǎn)，其中包含一個(gè)簇首和N/k-1個(gè)非簇首節(jié)點(diǎn)，簇首完成數(shù)據(jù)的接收、融合，然后直接轉(zhuǎn)發(fā)至匯聚節(jié)點(diǎn).假定匯聚節(jié)點(diǎn)距離監(jiān)測(cè)區(qū)域位置較遠(yuǎn)，所有簇首到匯聚節(jié)點(diǎn)的平均距離dtoBS來(lái)近似為每個(gè)簇首到匯聚節(jié)點(diǎn)距離，節(jié)點(diǎn)通信方式可采用多徑衰減模型，簇首能耗近似表示為式(3)，其中EDA為融合1 bit數(shù)據(jù)的能耗.

(3)

簇內(nèi)普通節(jié)點(diǎn)的能耗為式(4)：

(4)

每個(gè)簇的全部能量消耗可以表示為式(5)：

Ecluster=ECH+EnonCH

.

(5)

整個(gè)無(wú)線傳感網(wǎng)總的能耗表示為式(6)：

Etotal=k·Ecluster

.

(6)

(7)

上式(7)確定的簇首數(shù)量kopt適合作為一個(gè)理想條件下的參考值，但實(shí)際使用時(shí)需要根據(jù)所有節(jié)點(diǎn)分布情況和匯聚節(jié)點(diǎn)位置對(duì)kopt進(jìn)行優(yōu)化，本文中采用聚類(lèi)評(píng)估指標(biāo)S_Dbw優(yōu)化簇首數(shù)量.

2.2 K-means++分簇算法設(shè)計(jì)

在簇的建立初期，匯聚節(jié)點(diǎn)對(duì)成簇進(jìn)行集中計(jì)算處理，若指定p個(gè)簇首，目標(biāo)監(jiān)測(cè)區(qū)域隨之被劃分為p個(gè)簇，初始節(jié)點(diǎn)的選擇以(7)式中的kopt為參考數(shù)量，算法具體步驟為：

Step 1 隨機(jī)選擇一個(gè)傳感器節(jié)點(diǎn)作為第一個(gè)聚類(lèi)中心c1=(x1,y1)，計(jì)算每個(gè)節(jié)點(diǎn)與當(dāng)前最近聚類(lèi)中心的歐氏距離D(x)，x∈X，x表示一個(gè)傳感器節(jié)點(diǎn)，X表示所有傳感器節(jié)點(diǎn)構(gòu)成的樣本集合.

Step 3 重復(fù)2過(guò)程直到選擇最后一個(gè)聚類(lèi)中心cp=(xp,yp)，于是形成p個(gè)聚類(lèi)中心.

Step 4 對(duì)每個(gè)節(jié)點(diǎn)x，分別計(jì)算它到p個(gè)聚類(lèi)中心的距離，并將其劃分到距離最小的聚類(lèi)中心所對(duì)應(yīng)的簇中.

Step 6 執(zhí)行步驟4，直到簇內(nèi)的質(zhì)心位置不再發(fā)生變化為止.

2.3 引入聚類(lèi)評(píng)估指標(biāo)S_Dbw確定簇首數(shù)量

K-means++算法需要人為給定簇的總數(shù)量c，考慮到實(shí)際節(jié)點(diǎn)部署的監(jiān)測(cè)區(qū)域分布位置多變的情況.為了確定最優(yōu)簇首數(shù)量，使用文獻(xiàn)[13]中S_Dbw算法作為聚類(lèi)評(píng)估指標(biāo)，因其不需要引入外部數(shù)據(jù)，同時(shí)對(duì)噪聲、密度、單調(diào)性、組和偏態(tài)分布這5個(gè)方面評(píng)價(jià)具有非常好的可靠性[14].當(dāng)S_Dbw評(píng)估指標(biāo)取得最小值時(shí)，其所對(duì)應(yīng)簇的數(shù)量c可以保證所有簇的結(jié)構(gòu)相對(duì)平衡，分布更加均勻，同時(shí)簇中成員密度和簇與簇的分離度更加合理，有效的避免了簇首過(guò)于分散或者過(guò)于集中.

聚類(lèi)評(píng)價(jià)S_Dbw的計(jì)算公式如下：

S_Dbw(c)=Scat(c)+Dens_bw(c)

.

(8)

無(wú)線傳感網(wǎng)由N個(gè)節(jié)點(diǎn)構(gòu)成區(qū)域S，對(duì)其整體劃分成c個(gè)小區(qū)域，每個(gè)小區(qū)域代表一個(gè)簇，所有簇的中心點(diǎn)集合表示為D={vi|i=1,…,c}，簇內(nèi)的密度評(píng)價(jià)為式(9)：

(9)

式(9)中表示第i個(gè)簇ci的中心點(diǎn)，vj表示第j個(gè)簇cj的中心點(diǎn)，uij表示vi和vj的中點(diǎn).簇間的分離度評(píng)價(jià)為式(10)：

(10)

式(10)中σ(vi)表示簇ci中的所有節(jié)點(diǎn)到其中心點(diǎn)的方差，σ(S)表示整個(gè)區(qū)域S中N個(gè)傳感器節(jié)點(diǎn)到其中心點(diǎn)的方差.

2.4 簇首選擇

網(wǎng)絡(luò)中簇首的選擇需要充分考慮節(jié)點(diǎn)能量，能量較高的節(jié)點(diǎn)更容易成為簇首.若將整個(gè)無(wú)線傳感網(wǎng)劃分成c個(gè)區(qū)域之后，簇首的數(shù)量也隨之固定，簇首選取僅在每一個(gè)簇中分別進(jìn)行，可有效避免傳統(tǒng)隨機(jī)選取方式下中簇首數(shù)量變化太大，簇首之間距離過(guò)遠(yuǎn)或者過(guò)近，造成能量負(fù)載不均衡，節(jié)點(diǎn)能量過(guò)早耗盡的情況.簇首選取完畢之后，匯聚節(jié)點(diǎn)以廣播形式向全網(wǎng)廣播消息，每個(gè)普通節(jié)點(diǎn)加入距離自己最近的簇首，簇內(nèi)的簇首選舉方式如式(11)所示

(11)

式(11)中，CHi表示第i簇內(nèi)的簇首，Eresidual為節(jié)點(diǎn)當(dāng)前的剩余能量，Einit為節(jié)點(diǎn)的初始能量，Tmin是最小的閾值，避免剩余能量過(guò)低的節(jié)點(diǎn)仍能被選為簇首.

2.5 簇間通信

當(dāng)簇首與匯聚節(jié)點(diǎn)距離較遠(yuǎn)時(shí)，適合采用多跳接力通信，原因是直接與匯聚節(jié)點(diǎn)通信能量消耗過(guò)大.為尋找每個(gè)簇首到匯聚節(jié)點(diǎn)(Sink)的最優(yōu)多跳路徑，可采用改進(jìn)的Dijkstra算法.

為了滿足簇首之間的能量消耗更加平衡，文中綜合考慮簇首間的距離和下一跳簇首的能耗，首先定義簇與簇及簇與匯聚節(jié)點(diǎn)間的通信代價(jià)為:

(12)

min(Sink,v)=minCi(v)

.

(13)

無(wú)線傳感網(wǎng)中簇間通信主要實(shí)現(xiàn)步驟如下：

(14)

再計(jì)算min{D(v)}，找到其對(duì)應(yīng)的D(vj)的值，也就獲得了其中最小值點(diǎn)對(duì)應(yīng)的簇首節(jié)點(diǎn)ID.

Step 3 當(dāng)i=k-1時(shí)，意味所有節(jié)點(diǎn)都訪問(wèn)過(guò)，結(jié)束此步驟.否則，用新的節(jié)點(diǎn)替換舊的節(jié)點(diǎn)作為新的中間節(jié)點(diǎn)，令i=i+1,并回到步驟2中.

表1 仿真參數(shù)

Step 4 最優(yōu)路徑生成完畢之后，Sink節(jié)點(diǎn)攜帶各簇首節(jié)點(diǎn)的ID及其雙親節(jié)點(diǎn)的編號(hào)以廣播消息的形式發(fā)送，簇首在穩(wěn)定階段將把數(shù)據(jù)沿著指定的雙親節(jié)點(diǎn)向匯聚節(jié)點(diǎn)的方向傳輸，那么處于根節(jié)點(diǎn)的簇首，其雙親節(jié)點(diǎn)就是Sink節(jié)點(diǎn)，按照以上的方法，簇首與簇首及匯聚節(jié)點(diǎn)之間生成一顆以匯聚點(diǎn)為根的樹(shù)形結(jié)構(gòu)，則每個(gè)簇首節(jié)點(diǎn)到匯聚節(jié)點(diǎn)通信代價(jià)都是最優(yōu)路徑.

3 仿真分析

3.1 仿真環(huán)境及參數(shù)設(shè)置

實(shí)驗(yàn)使用Matlab 2014b對(duì)無(wú)線傳感網(wǎng)網(wǎng)絡(luò)進(jìn)行仿真，網(wǎng)絡(luò)中有200個(gè)無(wú)線節(jié)點(diǎn)，隨機(jī)部署在200×200 m2的區(qū)域，匯聚節(jié)點(diǎn)位于(100,275)，參數(shù)如表1所示.

基于K-means++算法(KEECS)對(duì)區(qū)域內(nèi)所有節(jié)點(diǎn)進(jìn)行聚類(lèi)，聚類(lèi)完成之后使用S_Dbw指標(biāo)進(jìn)行評(píng)估，S_Dbw的值越小對(duì)應(yīng)成簇的質(zhì)量就越高，每次改變簇的數(shù)量k，實(shí)驗(yàn)中簇的數(shù)量k和S_Dbw的對(duì)應(yīng)關(guān)系如圖 2所示.

從圖2中可以看出，隨著成簇?cái)?shù)量的增加，聚類(lèi)評(píng)價(jià)指標(biāo)值將獲得最小值.當(dāng)成簇?cái)?shù)量k=10，聚類(lèi)評(píng)價(jià)指標(biāo)值取得最小值，即無(wú)線傳感網(wǎng)獲得最佳的成簇?cái)?shù)量.此時(shí)，無(wú)線傳感網(wǎng)總共被劃分成10個(gè)簇，如圖 3表示，其中，實(shí)心點(diǎn)代表每個(gè)簇的質(zhì)心位置.

3.2 LEACH，LEACH-C與KEECS分簇比較

依據(jù)表1的參數(shù)，分別對(duì)LEACH、LEACH-C與KEECS的算法進(jìn)行仿真，LEACH，LEACH-C的簇首概率為0.05[15]，得到的的實(shí)驗(yàn)結(jié)果分別如圖4、圖5、圖6所示.

圖4、圖5表明LEACH協(xié)議由于簇首選舉函數(shù)隨機(jī)性的特點(diǎn)，導(dǎo)致成簇的數(shù)量和位置有很大的不確定性，某些位置過(guò)于分散或者過(guò)于集中，同時(shí)通信方式都采用單跳的形式傳輸，比較單一.而圖6中可以看出通過(guò)優(yōu)化KEECS算法聚類(lèi)得到的簇，簇與匯聚節(jié)點(diǎn)之間可以進(jìn)行多跳方式進(jìn)行通信，與LEACH的2種協(xié)議所形成簇對(duì)比，在地理位置上和簇內(nèi)節(jié)點(diǎn)數(shù)量上，K-means++算法整體分布更加均勻，可有效平衡網(wǎng)絡(luò)負(fù)載和降低簇首能量消耗.

3.3 網(wǎng)絡(luò)生存時(shí)間對(duì)比

如圖7所示，傳感節(jié)點(diǎn)初始200個(gè)，隨著輪數(shù)的增加，部分傳感器節(jié)點(diǎn)能量耗盡，存活節(jié)點(diǎn)總數(shù)量越來(lái)越少.

從圖7中可以看出KEECS協(xié)議在第1 406輪時(shí)第1個(gè)節(jié)點(diǎn)死亡，第1 903輪時(shí)最后1個(gè)節(jié)點(diǎn)能量耗盡，LEACH協(xié)議中第170輪時(shí)第1個(gè)節(jié)點(diǎn)死亡，在第1 527輪時(shí)最后1個(gè)節(jié)點(diǎn)的能量耗盡，LEACH-C協(xié)議在191輪時(shí)第1個(gè)節(jié)點(diǎn)能量耗盡，在第1 661輪時(shí)最后1個(gè)節(jié)點(diǎn)能量耗盡.因此改進(jìn)后的協(xié)議的生命周期比傳統(tǒng)的LEACH和LEACH-C協(xié)議都要長(zhǎng)，且第1個(gè)節(jié)點(diǎn)的死亡時(shí)間比傳統(tǒng)的LEACH算法大幅增加，最后1個(gè)節(jié)點(diǎn)的死亡時(shí)間提升了25%，因此本算法可以有效的延長(zhǎng)了網(wǎng)絡(luò)的生存時(shí)間.從圖7中還可以發(fā)現(xiàn)第1個(gè)節(jié)點(diǎn)能量耗盡輪數(shù)和最后1個(gè)節(jié)點(diǎn)能量耗盡的時(shí)間隔時(shí)間很短，說(shuō)明第1次出現(xiàn)節(jié)點(diǎn)能量耗盡之后，其他節(jié)點(diǎn)在短時(shí)間之內(nèi)也迅速死亡，于是可以保證監(jiān)測(cè)區(qū)域較長(zhǎng)時(shí)間的完整覆蓋，網(wǎng)絡(luò)結(jié)構(gòu)更加穩(wěn)定，避免部分區(qū)域因?yàn)楣?jié)點(diǎn)過(guò)早死亡而影響獲取監(jiān)測(cè)區(qū)域完整的信息.

3.4 網(wǎng)絡(luò)消耗能量對(duì)比

節(jié)點(diǎn)總的剩余能量是衡量整體網(wǎng)絡(luò)能量利用效率的一個(gè)重要標(biāo)準(zhǔn)，相同的運(yùn)行輪數(shù)下，剩余的能量越多，則每一輪節(jié)點(diǎn)消耗的能量就越少.圖8表示網(wǎng)絡(luò)的總能量隨著運(yùn)行輪數(shù)變化的曲線圖，全網(wǎng)共200個(gè)節(jié)點(diǎn)，初始總能量都是100J，隨著運(yùn)行的輪數(shù)增加時(shí)，網(wǎng)絡(luò)的總能量逐漸減少.

當(dāng)能量減少到0J時(shí)，KEECS算法運(yùn)行的輪數(shù)最多，這是由于KEECS算法在數(shù)據(jù)傳輸過(guò)程中簇首的合理分布，并采用了數(shù)據(jù)融合和基于Dijkstra多跳通信的方式，此方法可以保證每個(gè)簇首到Sink節(jié)點(diǎn)的通信代價(jià)是最優(yōu)的.

3.5 匯聚節(jié)點(diǎn)接收數(shù)據(jù)包的數(shù)量對(duì)比

如圖9所示，對(duì)LEACH、LEACH-C與KEECS的算法進(jìn)行仿真，分別得到匯聚節(jié)點(diǎn)接受的數(shù)據(jù)包數(shù)量和運(yùn)行輪數(shù)之間的關(guān)系.

采用模擬退火算法的LEACH-C向Sink節(jié)點(diǎn)發(fā)送數(shù)據(jù)包的傳輸量最大，傳統(tǒng)的LEACH算法次之，KEECS算法的Sink節(jié)點(diǎn)收到的數(shù)據(jù)包數(shù)量最少，說(shuō)明整個(gè)數(shù)據(jù)傳輸過(guò)程能夠很好的減少了節(jié)點(diǎn)與Sink節(jié)點(diǎn)的數(shù)據(jù)傳輸量，合理的減輕了網(wǎng)絡(luò)的負(fù)載[16]，從而有效的節(jié)省了傳感網(wǎng)中節(jié)點(diǎn)的能量，延長(zhǎng)了網(wǎng)絡(luò)的生存周期.

4 結(jié)語(yǔ)

對(duì)于傳統(tǒng)的無(wú)線傳感網(wǎng)中分簇路由協(xié)議在簇的形成、簇首選取、數(shù)據(jù)傳輸這些方面的不足，通過(guò)結(jié)合K-means++算法進(jìn)行改進(jìn)，使其計(jì)算速度快，適合處理大規(guī)模數(shù)據(jù).分簇階段，引入S_Dbw聚類(lèi)評(píng)價(jià)指標(biāo)來(lái)確定最佳簇首數(shù)量，能夠較好的適應(yīng)各種方式部署的無(wú)線傳感器節(jié)點(diǎn)，傳感器節(jié)點(diǎn)的部署也不必局限于特定規(guī)則的形狀，在簇首的選舉過(guò)程中不僅考慮簇首的地理位置，也綜合考慮了節(jié)點(diǎn)的剩余能量.在節(jié)點(diǎn)向匯聚節(jié)點(diǎn)傳輸數(shù)據(jù)的過(guò)程中，采用多跳通信的方式進(jìn)行傳輸，有效節(jié)省了通信資源的消耗.通過(guò)仿真對(duì)比發(fā)現(xiàn)：新的算法延長(zhǎng)了網(wǎng)絡(luò)節(jié)點(diǎn)的生存時(shí)間，也減少了網(wǎng)絡(luò)節(jié)點(diǎn)的能量消耗，利于整個(gè)網(wǎng)絡(luò)負(fù)載的均衡，非常有利于獲取監(jiān)測(cè)區(qū)域的完整信息.