基于最低能耗的改進(jìn)LEACH分簇算法

孫文勝+朱為佳+苗紅亮

摘要：針對(duì)LEACH（Low Energy Adaptive Clustering Hierarchy）算法中的隨機(jī)分簇和簇頭能耗不均問題，提出一種基于最低能耗的改進(jìn)LEACH分簇算法MEC-LEACH（Minimum Energy Consumption based LEACH）。MEC-LEACH分簇算法通過最小化網(wǎng)絡(luò)能耗得出最優(yōu)簇頭數(shù)，同時(shí)引入簇頭的剩余能量和簇頭距離sink節(jié)點(diǎn)的遠(yuǎn)近等因素綜合選舉簇頭節(jié)點(diǎn)，使得剩余能量較大且距離sink較近的節(jié)點(diǎn)優(yōu)先成為簇頭節(jié)點(diǎn)，進(jìn)而均衡簇頭節(jié)點(diǎn)和網(wǎng)絡(luò)總的能耗。仿真實(shí)驗(yàn)表明，MEC-LEACH算法相比其它改進(jìn)算法可以有效降低網(wǎng)絡(luò)能耗，延長網(wǎng)絡(luò)生存時(shí)間。

關(guān)鍵詞：LEACH協(xié)議；隨機(jī)分簇；最低能耗；剩余能量；網(wǎng)絡(luò)生存時(shí)間DOI：10.11907/rjdk.162713中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：16727800（2017）004004405

0引言 無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，WSN）[1]是由大量微型傳感器節(jié)點(diǎn)自組織和自適應(yīng)形成的通信網(wǎng)絡(luò)，網(wǎng)絡(luò)內(nèi)的傳感器節(jié)點(diǎn)自身具有感知、存儲(chǔ)和處理數(shù)據(jù)的能力，可以將感知數(shù)據(jù)通過無線方式發(fā)送給用戶。近年來，隨著微機(jī)電系統(tǒng)、片上系統(tǒng)、無線通信和低功耗嵌入式技術(shù)的飛速發(fā)展，WSN受到越來越多的關(guān)注，其在軍事國防、智能家居、環(huán)境監(jiān)測以及醫(yī)療等領(lǐng)域廣泛應(yīng)用。但是無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)能量有限且不易進(jìn)行實(shí)時(shí)更換，這使得如何更高效地利用有限的節(jié)點(diǎn)能量延長網(wǎng)絡(luò)壽命，成為WSN中非常重要的設(shè)計(jì)目標(biāo)。 分簇的網(wǎng)絡(luò)結(jié)構(gòu)可以方便地進(jìn)行節(jié)點(diǎn)管理、資源分配以及負(fù)載均衡，所以分簇算法往往被用來進(jìn)行優(yōu)化無線傳感器網(wǎng)絡(luò)的能量消耗。其中最經(jīng)典的分簇算法是Heinzelman等[2]提出的LEACH算法，相比于沒有分簇的網(wǎng)絡(luò)，LEACH算法可以延長網(wǎng)絡(luò)壽命15%左右。但是，由于LEACH算法采用隨機(jī)選擇簇頭機(jī)制，容易出現(xiàn)簇頭節(jié)點(diǎn)過早死亡，從而導(dǎo)致網(wǎng)絡(luò)能量消耗不均，降低了網(wǎng)絡(luò)性能。 針對(duì)LEACH算法的不足，很多學(xué)者提出了新的算法以改進(jìn)和提高LEACH算法的性能。文獻(xiàn)[3]提出的LEACH-C算法采用sink節(jié)點(diǎn)統(tǒng)一管理網(wǎng)絡(luò)節(jié)點(diǎn)和分簇的策略，并且根據(jù)節(jié)點(diǎn)剩余能量進(jìn)行簇頭選擇，有效均衡了網(wǎng)絡(luò)能耗，但是簇頭選擇機(jī)制只單純考慮了節(jié)點(diǎn)的剩余能量會(huì)導(dǎo)致距離sink較遠(yuǎn)的節(jié)點(diǎn)成為簇頭，加重了簇頭的能耗。文獻(xiàn)[4]研究了LEACH-C算法，提出改進(jìn)后的pLEACH算法，pLEACH采用最優(yōu)簇頭思想等分圓形網(wǎng)絡(luò)區(qū)域，每個(gè)區(qū)域內(nèi)再進(jìn)行簇頭選舉，下一輪選舉簇頭時(shí)，網(wǎng)絡(luò)旋轉(zhuǎn)一定角度形成新的分簇區(qū)域，有效避免了簇頭節(jié)點(diǎn)集中在某一處的問題，但是依然存在簇頭距離sink較遠(yuǎn)的問題。文獻(xiàn)[5]中的EH-LEACH算法同樣采用了最優(yōu)簇頭的思想，將網(wǎng)絡(luò)劃分為一個(gè)個(gè)網(wǎng)格，每個(gè)網(wǎng)格為一個(gè)簇，并且選擇簇頭時(shí)考慮了節(jié)點(diǎn)的剩余能量，有效均衡了網(wǎng)絡(luò)能耗，但是該算法中最優(yōu)簇頭的劃分沒有考慮網(wǎng)絡(luò)實(shí)時(shí)變化的因素，隨著網(wǎng)絡(luò)運(yùn)行，最初的最優(yōu)狀態(tài)可能并非最優(yōu)。文獻(xiàn)[6]、[7]針對(duì)LEACH算法均是改進(jìn)其選舉簇頭時(shí)的閾值，考慮了節(jié)點(diǎn)的剩余能量，而并沒有考慮最優(yōu)簇頭以及簇頭距離sink的距離。文獻(xiàn)[8]提出的改進(jìn)LEACH算法雖然選擇簇頭時(shí)考慮了節(jié)點(diǎn)的剩余能量以及節(jié)點(diǎn)位置信息，但沒有考慮網(wǎng)絡(luò)能耗決定的最優(yōu)簇頭的影響，一定程度上增加了網(wǎng)絡(luò)能耗。文獻(xiàn)[9]提出的M-LEACH算法根據(jù)網(wǎng)絡(luò)能耗確定最優(yōu)簇頭，選擇簇頭時(shí)基于節(jié)點(diǎn)的剩余能量和上一輪節(jié)點(diǎn)消耗的能量來進(jìn)行選舉，該算法在一定程度上均衡了網(wǎng)絡(luò)能耗，但是確定最優(yōu)簇頭時(shí)只考慮了簇頭穩(wěn)定傳輸階段的能耗，并沒有考慮簇頭形成階段的能耗，以及簇頭距離sink的距離等因素，網(wǎng)絡(luò)能耗還可以進(jìn)一步降低。 本文在以上研究的基礎(chǔ)上，針對(duì)LEACH算法的隨機(jī)分簇和網(wǎng)絡(luò)能耗不均問題提出基于最低能耗的改進(jìn)LEACH分簇算法MEC-LEACH（Minimum Energy Consumption based LEACH）算法，利用最小化網(wǎng)絡(luò)能耗決定網(wǎng)絡(luò)分簇?cái)?shù)，進(jìn)而根據(jù)最優(yōu)簇頭概率以及簇頭的剩余能量和簇頭距離sink的遠(yuǎn)近來選擇簇頭節(jié)點(diǎn)，使得簇頭能耗更加均衡，從而降低整個(gè)網(wǎng)絡(luò)的能耗，延長網(wǎng)絡(luò)壽命。

1LEACH算法 1.1算法流程簡述 LEACH算法采用了“輪”的方式進(jìn)行簇頭的重新選擇。每一“輪”運(yùn)行過程主要分為兩個(gè)階段完成，分別為簇的形成階段和穩(wěn)定傳輸階段[10]。在簇的形成階段，每個(gè)傳感器節(jié)點(diǎn)產(chǎn)生一個(gè)[0～1]之間的隨機(jī)數(shù)，如果產(chǎn)生的隨機(jī)數(shù)小于給定的閾值T（n），該傳感器節(jié)點(diǎn)則廣播成為簇頭節(jié)點(diǎn)的消息，其它節(jié)點(diǎn)根據(jù)接收到成為簇頭節(jié)點(diǎn)消息的強(qiáng)弱判斷自己加入哪一個(gè)簇，并發(fā)送加入簇的請(qǐng)求消息至簇頭，簇頭接收普通節(jié)點(diǎn)的加入請(qǐng)求后，按照時(shí)分復(fù)用為每一個(gè)簇內(nèi)的節(jié)點(diǎn)劃分特定的時(shí)隙，再將時(shí)隙表廣播至簇內(nèi)的成員節(jié)點(diǎn)。簇內(nèi)成員接收時(shí)隙表消息，在指定的時(shí)隙內(nèi)發(fā)送數(shù)據(jù)給簇頭節(jié)點(diǎn)。至此，簇的形成階段完成。其中選擇簇頭時(shí)給定的閾值T（n）表達(dá)式如下：其中，p為簇頭占節(jié)點(diǎn)總數(shù)的比例，n為節(jié)點(diǎn)個(gè)數(shù)，r為當(dāng)前網(wǎng)絡(luò)運(yùn)行的輪數(shù)，G為最近輪內(nèi)沒有當(dāng)過簇頭的傳感器節(jié)點(diǎn)集合。LEACH算法中，所有簇形成后，網(wǎng)絡(luò)開始進(jìn)入穩(wěn)定傳輸階段。簇內(nèi)成員節(jié)點(diǎn)根據(jù)簇頭分配的TDMA時(shí)隙，完成數(shù)據(jù)采集以及將數(shù)據(jù)發(fā)送給簇頭節(jié)點(diǎn)。如果當(dāng)前節(jié)點(diǎn)的時(shí)隙尚未到來，節(jié)點(diǎn)可以暫時(shí)關(guān)閉發(fā)送數(shù)據(jù)模塊，進(jìn)入睡眠狀態(tài)，需要發(fā)送數(shù)據(jù)時(shí)再打開。簇頭節(jié)點(diǎn)則在一輪運(yùn)行時(shí)間結(jié)束前，一直處于接收數(shù)據(jù)狀態(tài)。為了防止簇間干擾，每個(gè)簇內(nèi)使用唯一的CDMA擴(kuò)展編碼進(jìn)行通信。當(dāng)簇頭完成簇內(nèi)成員數(shù)據(jù)的采集后將其與自身的數(shù)據(jù)融合并統(tǒng)一發(fā)送給sink節(jié)點(diǎn)，sink節(jié)點(diǎn)接收所有簇頭節(jié)點(diǎn)的數(shù)據(jù)后再發(fā)送至用戶，接著運(yùn)行下一輪的過程[11]。

1.2算法能耗模型LEACH算法能耗主要來自兩個(gè)部分，分別為節(jié)點(diǎn)接收數(shù)據(jù)的能耗和發(fā)送數(shù)據(jù)的能耗。其中傳感器節(jié)點(diǎn)發(fā)送Lbit數(shù)據(jù)的能耗如下式所示[12]：式中，Eelec為無線電收發(fā)單位比特?cái)?shù)據(jù)能耗系數(shù)；參數(shù)εfs和εmp分別表示自由空間能耗和多徑衰落能耗中的功率放大系數(shù)；d為源節(jié)點(diǎn)與目的節(jié)點(diǎn)間的距離，d0決定了傳輸模型，如果節(jié)點(diǎn)傳輸距離超過d0，則傳輸能耗采用多徑衰落，能耗與距離的四次方成正比，反之則采用自由空間模型，能耗與距離的平方成正比。d0可由如下公式得到：

1.3算法不足LEACH算法采用“輪”的思想，并且產(chǎn)生隨機(jī)數(shù)的方式，使得所有傳感器節(jié)點(diǎn)成為簇頭的概率相同，可以有效均衡能量消耗。但是LEACH算法仍然存在以下不足：（1）隨機(jī)產(chǎn)生的簇頭節(jié)點(diǎn)可能出現(xiàn)節(jié)點(diǎn)剩余能量較低，由于簇頭本身需要完成更多較普通節(jié)點(diǎn)的任務(wù)，所以較低的能量會(huì)導(dǎo)致該簇頭過早死亡，同時(shí)如果距離sink節(jié)點(diǎn)較遠(yuǎn)的節(jié)點(diǎn)成為簇頭時(shí)，遠(yuǎn)距離的數(shù)據(jù)傳輸同樣加重了簇頭的能耗，加速了節(jié)點(diǎn)死亡，從而降低了網(wǎng)絡(luò)生存時(shí)間。（2）不同的網(wǎng)絡(luò)規(guī)模下，分簇的數(shù)量應(yīng)根據(jù)網(wǎng)絡(luò)規(guī)模進(jìn)行自適應(yīng)調(diào)整。如果分簇過少，則會(huì)出現(xiàn)每個(gè)簇過大，簇內(nèi)成員過多，簇頭節(jié)點(diǎn)無法完成過多的數(shù)據(jù)處理，造成信息傳輸效率降低。分簇過多時(shí)，簇頭節(jié)點(diǎn)過多，則出現(xiàn)網(wǎng)絡(luò)大部分?jǐn)?shù)據(jù)傳輸都是單跳的，這樣失去傳感器網(wǎng)絡(luò)多跳的優(yōu)勢(shì)，不能達(dá)到延長網(wǎng)絡(luò)壽命的目的?！糂T1〗〖STHZ〗〖WTHZ〗2MEC-LEACH算法針對(duì)以上不足，本文提出基于最低能耗改進(jìn)LEACH的MEC-LEACH算法，利用最小化網(wǎng)絡(luò)能耗得出最優(yōu)簇頭數(shù)量，然后均衡最優(yōu)簇頭概率、節(jié)點(diǎn)剩余能量以及節(jié)點(diǎn)距離sink的距離來選擇簇頭節(jié)點(diǎn)。MEC-LEACH同樣分為簇的形成階段和穩(wěn)定傳輸階段。

2.1簇的形成階段 2.1.1最優(yōu)簇頭數(shù)量本文根據(jù)最小化網(wǎng)絡(luò)能耗來計(jì)算最優(yōu)簇頭數(shù)，其中網(wǎng)絡(luò)能耗由簇的形成階段能耗與穩(wěn)定傳輸階段能耗組成。假設(shè)在M×M的網(wǎng)絡(luò)區(qū)域內(nèi)均勻分布n個(gè)傳感器節(jié)點(diǎn)，網(wǎng)絡(luò)分成k個(gè)簇，每個(gè)簇由一個(gè)簇頭節(jié)點(diǎn)和SX（nkSX）-1個(gè)普通節(jié)點(diǎn)組成。網(wǎng)絡(luò)傳輸能耗模型與LEACH算法相同，設(shè)傳輸數(shù)據(jù)為Lbit。在簇的形成階段，網(wǎng)絡(luò)的主要能耗來自3個(gè)部分，分別為：節(jié)點(diǎn)宣告成為簇頭消息的能耗、普通節(jié)點(diǎn)加入簇內(nèi)以及簇頭分配TDMA時(shí)隙的能耗。其中簇頭節(jié)點(diǎn)的主要能耗包含：開始廣播簇頭消息的能耗、接收簇內(nèi)節(jié)點(diǎn)加入簇的能耗和廣播TDMA時(shí)隙的能耗。根據(jù)公式（2）可以得出該階段簇頭的總能耗為：式中，d為簇頭廣播的距離，因?yàn)槿W(wǎng)廣播，所以采用多徑衰落傳輸模型。dtoCH為簇內(nèi)節(jié)點(diǎn)到簇頭的距離。在該階段簇內(nèi)普通節(jié)點(diǎn)的能耗主要包含：接收簇頭廣播消息的能耗、發(fā)送加入簇的消息能耗和接收TDMA時(shí)隙的能耗。所以得到的能耗如下：穩(wěn)定傳輸階段，主要能耗來源于簇頭數(shù)據(jù)收集和普通節(jié)點(diǎn)數(shù)據(jù)采集，以及簇頭數(shù)據(jù)融合和發(fā)送數(shù)據(jù)給sink節(jié)點(diǎn)。其中簇頭節(jié)點(diǎn)在穩(wěn)定傳輸?shù)拿恳粠芎臑椋航邮崭兄獢?shù)據(jù)的能耗、融合數(shù)據(jù)的能耗以及發(fā)送數(shù)據(jù)至sink節(jié)點(diǎn)的能耗。所以可以得到總能耗為如下公式所示：其中，EDA為簇頭融合單位比特?cái)?shù)據(jù)的能耗，dtoBS為簇頭到sink的距離，本文假設(shè)sink距離較遠(yuǎn)，采用多徑傳輸。簇內(nèi)普通節(jié)點(diǎn)在穩(wěn)定傳輸階段每一幀能耗主要來自發(fā)送數(shù)據(jù)給簇頭節(jié)點(diǎn)，可以得出所有普通節(jié)點(diǎn)在穩(wěn)定傳輸階段的能耗如下：

2.2穩(wěn)定傳輸階段在穩(wěn)定傳輸階段，簇內(nèi)成員節(jié)點(diǎn)根據(jù)自身的TDMA時(shí)隙，在指定時(shí)間內(nèi)發(fā)送自身感知數(shù)據(jù)以及自身ID和當(dāng)前剩余能量給簇頭節(jié)點(diǎn)，簇頭收集完簇內(nèi)成員的剩余能量以及成員的數(shù)據(jù)信息后，再將融合后的數(shù)據(jù)進(jìn)一步發(fā)送至sink節(jié)點(diǎn)，sink節(jié)點(diǎn)根據(jù)最新的全網(wǎng)剩余能量可以計(jì)算出當(dāng)前的最佳分簇和最優(yōu)簇頭概率，選擇新一輪簇頭時(shí)，再將該信息廣播至全網(wǎng)。其它節(jié)點(diǎn)再根據(jù)自身能量選舉簇頭，以進(jìn)入新的一輪網(wǎng)絡(luò)循環(huán)運(yùn)行。綜上，MEC-LEACH算法的流程如圖1所示。

3仿真結(jié)果與分析

3.1仿真環(huán)境與參數(shù)設(shè)定為了驗(yàn)證MEC-LEACH算法的有效性，本文采用Matlab仿真平臺(tái)對(duì)本文算法與文獻(xiàn)[5]EH-LEACH算法以及文獻(xiàn)[9]中的改進(jìn)LEACH算法進(jìn)行了仿真和對(duì)比。分別從網(wǎng)絡(luò)生存時(shí)間、網(wǎng)絡(luò)總能耗以及sink接收數(shù)據(jù)量等方面進(jìn)行分析和比較。實(shí)驗(yàn)網(wǎng)絡(luò)環(huán)境假設(shè)為：在100m100m的正方形區(qū)域內(nèi)均勻分布100個(gè)傳感器節(jié)點(diǎn)，節(jié)點(diǎn)均為同構(gòu)的且具有GPS定位裝置。Sink節(jié)點(diǎn)位于網(wǎng)絡(luò)外固定位置。表1為實(shí)驗(yàn)參數(shù)設(shè)定。3.2實(shí)驗(yàn)結(jié)果分析

3.2.1權(quán)重因子λ取值〖JP2〗MEC-LEACH算法簇頭節(jié)點(diǎn)選擇時(shí)需要考慮節(jié)點(diǎn)的剩余能量以及簇頭距離sink的遠(yuǎn)近占簇頭選舉的比重，所以實(shí)驗(yàn)中分別對(duì)權(quán)重因子取不同值分析其對(duì)網(wǎng)絡(luò)壽命以及網(wǎng)絡(luò)能耗的影響，從而確定一個(gè)最優(yōu)值。由式（16）中λ取值范圍，分別對(duì)權(quán)重因子取值：0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0。實(shí)驗(yàn)結(jié)果如圖2、圖3所示。

可以看出，隨著權(quán)重因子λ的增加，網(wǎng)絡(luò)的存活時(shí)間逐漸延長，網(wǎng)絡(luò)能耗逐漸降低，當(dāng)λ=0.6時(shí)，網(wǎng)絡(luò)總能耗最低并且網(wǎng)絡(luò)存活時(shí)間最長。此后λ逐漸增大，網(wǎng)絡(luò)存活時(shí)間下降而網(wǎng)絡(luò)能耗也隨之增加，可見權(quán)重因子取值0.6時(shí)，即選擇簇頭時(shí)節(jié)點(diǎn)的剩余能量占比60%，簇頭與sink的距離占比40%時(shí)，網(wǎng)絡(luò)性能相對(duì)最佳，壽命更長。下面分別對(duì)當(dāng)λ取值0.6時(shí)，本文MEC-LEACH算法與其它的改進(jìn)LEACH算法進(jìn)行算法性能比較。3.2.2網(wǎng)絡(luò)生存時(shí)間網(wǎng)絡(luò)生存時(shí)間直接關(guān)系到網(wǎng)絡(luò)性能好壞，本文借助統(tǒng)計(jì)網(wǎng)絡(luò)內(nèi)每隔一段時(shí)間存活的節(jié)點(diǎn)數(shù)目來衡量網(wǎng)絡(luò)生存時(shí)間長短。3種算法的網(wǎng)絡(luò)生存時(shí)間如圖4所示。

可以看出，3種算法中，本文分簇算法最遲出現(xiàn)死亡節(jié)點(diǎn)并且網(wǎng)絡(luò)生存時(shí)間最長，大約為1600s，相比EH-LEACH算法1200s和文獻(xiàn)[9]的算法1350s，分別提升了約33%和19%。這主要因?yàn)?，EH-LEACH算法和文獻(xiàn)[9]的算法均沒有考慮網(wǎng)絡(luò)實(shí)時(shí)變化導(dǎo)致最優(yōu)簇頭的變化，導(dǎo)致網(wǎng)絡(luò)分簇不均，簇頭節(jié)點(diǎn)能耗不均衡。文獻(xiàn)[9]雖然相比EH-LEACH算法在選擇簇頭時(shí)考慮了簇頭上一輪消耗的能量，但沒有考慮最優(yōu)分簇以及簇頭距離sink的遠(yuǎn)近，所以其相比EH-LEACH算法，網(wǎng)絡(luò)生存時(shí)間提升并不明顯，仍然沒有本文的分簇算法生存時(shí)間長。3.2.3網(wǎng)絡(luò)能耗網(wǎng)絡(luò)系統(tǒng)總的能量消耗，可以衡量系統(tǒng)性能好壞以及網(wǎng)絡(luò)能量消耗均衡性。3種算法對(duì)應(yīng)的網(wǎng)絡(luò)總能耗如圖5所示。從圖5可以看出，3種算法中，本文分簇算法網(wǎng)絡(luò)總能耗最少，其次是文獻(xiàn)[9]算法，EH-LEACH算法能耗最多。EH-LEACH算法中網(wǎng)絡(luò)簇頭個(gè)數(shù)始終不變，這樣導(dǎo)致網(wǎng)絡(luò)運(yùn)行后期，有的簇內(nèi)可能剩下的都是剩余能量較低的節(jié)點(diǎn)，加劇了節(jié)點(diǎn)死亡，增加了網(wǎng)絡(luò)能耗。文獻(xiàn)[9]同樣沒有考慮網(wǎng)絡(luò)運(yùn)行過程中簇頭數(shù)變化的影響，同時(shí)簇頭選擇時(shí)沒有考慮簇頭距離sink的遠(yuǎn)近，距離sink較遠(yuǎn)的簇頭能耗增加，導(dǎo)致其網(wǎng)絡(luò)總能耗的增加。本文分簇算法由最小化網(wǎng)絡(luò)能耗得到最優(yōu)簇頭，以及選擇簇頭時(shí)綜合考慮節(jié)點(diǎn)剩余能量和簇頭距離sink的遠(yuǎn)近，可以有效降低和均衡網(wǎng)絡(luò)能耗。

3.2.4sink接收數(shù)據(jù)量通過對(duì)sink接收數(shù)據(jù)量分析，可以直觀顯示出網(wǎng)絡(luò)的傳輸效率，進(jìn)而衡量網(wǎng)絡(luò)性能的好壞。3種算法的sink接收數(shù)據(jù)量如圖6所示。

從圖6可以看出，由于其它兩種算法選擇簇頭節(jié)點(diǎn)時(shí)均沒有考慮簇頭距離sink 的遠(yuǎn)近因素，可能會(huì)出現(xiàn)距離sink較遠(yuǎn)的節(jié)點(diǎn)成為簇頭節(jié)點(diǎn)，這樣增加了簇頭發(fā)送數(shù)據(jù)的能耗，以及發(fā)送數(shù)據(jù)的時(shí)間。所以相同時(shí)間內(nèi)，EH-LEACH算法和文獻(xiàn)[9]算法sink接收數(shù)據(jù)量均沒有本文分簇算法多。此外，由于能耗不均，導(dǎo)致網(wǎng)絡(luò)生存時(shí)間降低，相同時(shí)間內(nèi)，本文分簇算法存活節(jié)點(diǎn)更多，發(fā)送數(shù)據(jù)越多，sink節(jié)點(diǎn)接收的數(shù)據(jù)也越多。網(wǎng)絡(luò)運(yùn)行至1600s左右時(shí)，本文分簇算法中sink共接收約203 000數(shù)據(jù)包，相比EH-LEACH算法（約137 000）和文獻(xiàn)[9]的算法（約CM152 000），分別提升了48%和34%。

4結(jié)語 本文在分析LEACH算法的基礎(chǔ)上，針對(duì)其隨機(jī)分簇和簇頭能耗不均的問題，通過最小化網(wǎng)絡(luò)能耗來得到最優(yōu)的分簇個(gè)數(shù)。在簇頭節(jié)點(diǎn)選擇上，考慮了最優(yōu)簇頭概率、簇頭節(jié)點(diǎn)的剩余能量以及簇頭與sink節(jié)點(diǎn)間的距離，使得剩余能量較高、距離sink較近的節(jié)點(diǎn)更容易成為簇頭節(jié)點(diǎn)。仿真實(shí)驗(yàn)表明，相比其它的改進(jìn)LEACH算法，本文提出的MEC-LEACH算法可以有效延長網(wǎng)絡(luò)生存時(shí)間，降低和均衡網(wǎng)絡(luò)能耗，提高網(wǎng)絡(luò)sink節(jié)點(diǎn)接收數(shù)據(jù)量，進(jìn)而提升網(wǎng)絡(luò)性能。

參考文獻(xiàn)：[1]李曉維.無線傳感器網(wǎng)絡(luò)技術(shù)[M].北京：北京理工大學(xué)出版社，2007.

[2]HEINZELMAN，RABINER W，CHANDRAKASAN，et al.Energyefficient communication protocol for wireless microsensor networks[J].Adhoc & Sensor Wireless Networks，2000（18）：1520.

[3]HEINZELMAN W B，CHANDRAKASAN A P，BALAKRISHNAN H.An applicationspecific protocol architecture for wireless microsensor networks[J].IEEE Transactions on Wireless Communications，2002，1（4）：660670.

[4]GOU H，YOO Y.An energy balancing LEACH algorithm for wireless sensor networks[C].International Conference on Information Technology：New Generations，Itng 2010，Las Vegas，Nevada，Usa，2010：822827.

[5]PITHVA B，PATTANI K，CHRISTIAN A.Optimization of leach protocol in wireless sensor network[J].International Journal of Computer Applications，2014，93（12）：9758887.[6]王臻躍.基于LEACH的改進(jìn)路由協(xié)議[J].軟件導(dǎo)刊，2015（3）：114116.

[7]吳標(biāo)，余劍，易仁杰.基于節(jié)點(diǎn)剩余能量的分時(shí)分簇LEACH改進(jìn)算法[J].火力與指揮控制，2016，41（10）.

[8]余成波，鄧順華，方軍，等.基于節(jié)點(diǎn)位置與剩余能量的LEACH協(xié)議優(yōu)化[J].傳感器與微系統(tǒng)，2016，35（5）：139141.

[9]譚軍.簇首選擇改進(jìn)的 LEACH 無線傳感器路由協(xié)議[J].計(jì)算機(jī)應(yīng)用與軟件，2015（6）：171173.

[10]〖ZK（#〗鄭增威，吳朝暉.若干無線傳感器網(wǎng)絡(luò)路由協(xié)議比較研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2003，24（9）：2831.

[11]GIRGIRI A，AMINUBABA M，ALI L G，et al.Minimising energy consumption in wireless sensor network by enhancement of LEACH protocol[J].International Journal of Computer Science & Management Studies，2015.

[12]劉明，龔海剛，毛鶯池，等.高效節(jié)能的傳感器網(wǎng)絡(luò)數(shù)據(jù)收集和聚合協(xié)議[J].軟件學(xué)報(bào)，2005，16（12）：21062116.

（責(zé)任編輯：陳福時(shí)）