無(wú)線傳感器網(wǎng)絡(luò)中敏感數(shù)據(jù)分布密度控制方法研究

蔣傳健 唐禎蔚

摘 要： 為了解決傳統(tǒng)基于參數(shù)可變遺傳方法對(duì)無(wú)線傳感網(wǎng)絡(luò)敏感數(shù)據(jù)分布密度控制不健全，導(dǎo)致敏感數(shù)據(jù)分布密度失衡，且能量消耗過(guò)高的問(wèn)題。提出基于改進(jìn)差分蜂群算法的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布密度控制方法，其綜合考慮節(jié)點(diǎn)信息感知和信息傳遞的能耗，對(duì)圓形區(qū)域和帶狀區(qū)域的節(jié)點(diǎn)能耗進(jìn)行分析，從理論上分別給出適用于這兩種場(chǎng)景的節(jié)點(diǎn)非均勻分布方法，在此基礎(chǔ)上采用改進(jìn)差分蜂群算法，通過(guò)以網(wǎng)絡(luò)覆蓋率為目標(biāo)函數(shù)對(duì)覆蓋區(qū)域的節(jié)點(diǎn)進(jìn)行分布密度優(yōu)化控制，實(shí)現(xiàn)節(jié)點(diǎn)中敏感數(shù)據(jù)分布密度的均衡控制。實(shí)驗(yàn)結(jié)果說(shuō)明，所提方法可實(shí)現(xiàn)節(jié)點(diǎn)中敏感數(shù)據(jù)分布密度的均衡控制，降低能量消耗。

關(guān)鍵詞： 無(wú)線傳感網(wǎng)絡(luò)； 節(jié)點(diǎn)； 敏感數(shù)據(jù)； 分布密度； 控制方法； 節(jié)點(diǎn)能耗； 蜂群算法

中圖分類(lèi)號(hào)： TN711?34； TP393 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）07?0080?05

Research on distribution density control method for sensitive

data in wireless sensor networks

JIANG Chuanjian， TANG Zhenwei

（Chongqing Normal University Foreign Trade and Business College， Chongqing 401520， China）

Abstract： The traditional genetic method based on parameter variation has poor distribution density control for sensitive data in wireless sensor networks， which leads to the distribution density imbalance of the sensitive data and excessive energy consumption. Therefore， an improved differential bee colony algorithm based distribution density control method of wireless sensor network node is proposed， in which the energy consumptions of node information perception and information transfer are considered comprehensively. The node energy consumption of the circular area and zonal area is analyzed. The node nonuniform distribution method suitable for the above scenes is given in theory. On this basis， the improved differential bee colony algorithm is adopted， and the network coverage rate is taken as the target function to perform the distribution density optimization control for the node within the coverage area， and realize the distribution density balance control of sensitive data in the node. The experimental results show that the proposed method can realize the balance control of the distribution density of sensitive data in the node， and reduce the energy consumption.

Keywords： wireless sensor network； node； sensitive data； distribution density； control method； node energy consumption； bee colony algorithm

0 引 言

無(wú)線傳感器網(wǎng)絡(luò)是一項(xiàng)新興技術(shù)，被廣泛應(yīng)用于國(guó)防、工業(yè)、環(huán)境、醫(yī)療等多個(gè)領(lǐng)域，一個(gè)典型的無(wú)線傳感器網(wǎng)絡(luò)是由大量具有感知能力的節(jié)點(diǎn)構(gòu)成，節(jié)點(diǎn)上存很多數(shù)據(jù)信息，包括一些敏感數(shù)據(jù)信息。傳統(tǒng)基于參數(shù)可變遺傳方法對(duì)無(wú)線傳感網(wǎng)絡(luò)敏感數(shù)據(jù)分布密度控制不健全，導(dǎo)致敏感數(shù)據(jù)分布密度失衡，且耗費(fèi)大量的資源。為解決該問(wèn)題，本文采用基于差分蜂群算法的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布密度控制法對(duì)節(jié)點(diǎn)進(jìn)行能耗分析，實(shí)現(xiàn)節(jié)點(diǎn)的非均勻分布[1]，對(duì)節(jié)點(diǎn)中存儲(chǔ)的敏感數(shù)據(jù)分布密度進(jìn)行均衡控制。

1 無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)非均勻分布

1.1 節(jié)點(diǎn)能耗分析

無(wú)線傳感器網(wǎng)絡(luò)的敏感數(shù)據(jù)節(jié)點(diǎn)與傳感器的接觸區(qū)域有關(guān)系，一定面積內(nèi)網(wǎng)絡(luò)產(chǎn)生的敏感數(shù)據(jù)信息用[c bit（s×m2）]表示，各個(gè)節(jié)點(diǎn)的能量消耗由感知信息、發(fā)送信息和回傳信息三部分組成，單位時(shí)間能源消耗的表達(dá)式如下：

式中：[b]表示單位時(shí)間內(nèi)無(wú)線傳感器接收的敏感信息量，[b]的值等于一定面積內(nèi)產(chǎn)生的數(shù)據(jù)信息[c]和面積的乘積，面積用[A]表示；[α1]和[γ1]表示感知和接收單位的能量消耗；[β1]代表節(jié)點(diǎn)輸送確定量比特的能量消耗[2]；[β2]代表路徑不同消耗系數(shù)不同的常數(shù)；[n]代表路徑，規(guī)定值為2或4。

將無(wú)線傳感器的接觸面積劃分為不同的層，第[i]層的節(jié)點(diǎn)數(shù)用[Ni]表示，[Ei]表示第[i]層節(jié)點(diǎn)的能量消耗總量，用下面的算法計(jì)算不同層的單位時(shí)間能量消耗，所求[R]層總能量消耗由該層所有節(jié)點(diǎn)的感知消耗和發(fā)送信息消耗共同構(gòu)成：

第[i]層[i]的取值范圍是[1，R]，第[i]層的能量消耗還包括輻射外部數(shù)據(jù)產(chǎn)生的能量消耗，表達(dá)式如下：

為了得到各個(gè)節(jié)點(diǎn)上的敏感數(shù)據(jù)分布[3]，就要讓各節(jié)點(diǎn)能量消耗相同，則節(jié)點(diǎn)存活時(shí)間為：

將上述兩式進(jìn)行轉(zhuǎn)換可得：

1.2 節(jié)點(diǎn)非均勻分布

根據(jù)式（6）可知，一定范圍內(nèi)節(jié)點(diǎn)上敏感數(shù)據(jù)與節(jié)點(diǎn)能量消耗和區(qū)域大小有關(guān)[4]，在一定空間范圍內(nèi)，已知節(jié)點(diǎn)的能量消耗和網(wǎng)絡(luò)規(guī)模后，節(jié)點(diǎn)間的比值關(guān)系可以確定，以下給出圓形區(qū)域和帶狀區(qū)域的節(jié)點(diǎn)間比例關(guān)系，圓形范圍的面積計(jì)算公式為：

將式（8）代入到式（6）得出：[NiNi-1=（2i-1）+μ（R2-i2）（2i-1）+μ（R2-（i-1）2）=1+2-μ（2i-1）（2i-3）+μ（R2-（i-1）2）， 1≤i≤R] （9）

由式（7）得出，當(dāng)[μ<2（2i-1）]時(shí)，發(fā)生[Ni>Ni-1]的情況，這種情況下[α1>γ1，]傳感器感知信息是能量消耗的主要原因[5]，圓形區(qū)域的外部面積遠(yuǎn)大于內(nèi)部面積，感知信息消耗的能量會(huì)更多，所以此時(shí)的外部就會(huì)出現(xiàn)較多的敏感數(shù)據(jù)，當(dāng)出現(xiàn)[f=節(jié)點(diǎn)集所覆蓋的網(wǎng)格數(shù)網(wǎng)格數(shù)]時(shí)，節(jié)點(diǎn)信息傳遞是能量消耗的主要原因，出現(xiàn)[Ni≤Ni-1]的情況，內(nèi)部的能量消耗更多轉(zhuǎn)發(fā)到外部節(jié)點(diǎn)[6]，內(nèi)部會(huì)出現(xiàn)較多的敏感數(shù)據(jù)，則根據(jù)式（9）得出：

可以得出節(jié)點(diǎn)網(wǎng)絡(luò)的生存周期為：

當(dāng)無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)的區(qū)域分布呈現(xiàn)帶狀，則有[Ai=Ai-1=H，][1≤i≤R]，得出：

帶狀區(qū)域下會(huì)出現(xiàn)[Ni

節(jié)點(diǎn)網(wǎng)絡(luò)生存周期為：

以上內(nèi)容通過(guò)傳感器感知不同區(qū)域，利用能耗分析算法得出在一定網(wǎng)絡(luò)環(huán)境下，節(jié)點(diǎn)數(shù)與節(jié)點(diǎn)能耗之間可以實(shí)現(xiàn)無(wú)線傳感網(wǎng)絡(luò)中節(jié)點(diǎn)的非均勻分布。在此基礎(chǔ)上采用下文方法對(duì)無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)分布密度實(shí)施優(yōu)化控制，進(jìn)而完成節(jié)點(diǎn)中敏感數(shù)據(jù)分布密度的均衡控制，降低網(wǎng)絡(luò)節(jié)點(diǎn)能耗。

2 差分蜂群算法的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布密

度控制法

2.1 節(jié)點(diǎn)編碼設(shè)計(jì)

本文采用基于差分蜂群算法對(duì)1.2節(jié)完成非均勻分布的傳感節(jié)點(diǎn)中的敏感數(shù)據(jù)分布密度實(shí)施均衡控制，為了實(shí)現(xiàn)敏感數(shù)據(jù)分布的健全性，以網(wǎng)絡(luò)覆蓋率為目標(biāo)函數(shù)，維數(shù)[D=2N，][XY]表示單個(gè)個(gè)體，得到一種節(jié)點(diǎn)密度分布方案[X=x1，x2，…，xN，Y=y1，y2，…，yN，]個(gè)體的適應(yīng)度用[f（XY）]表示，其中：

[f=節(jié)點(diǎn)集所覆蓋的網(wǎng)格數(shù)網(wǎng)格數(shù)] （15）

節(jié)點(diǎn)編碼設(shè)計(jì)如圖1所示。

2.2 算法步驟

對(duì)無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)種群進(jìn)行初始化，則初始種群表示為：

式中：[j∈1，2，…，D；][Xjx]表示維度為[D]的分向量；[rand（0，1）]表示區(qū)間[0，1]內(nèi)的任意數(shù)。

在種群附近搜索，根據(jù)式（17）尋找新的向量[Vi]：

式中：[k∈1，2，…，NP]，[k]和[i]的值都是隨機(jī)產(chǎn)生且大小不同；[φji]為-1～1之間的隨機(jī)數(shù)且[Vi∈Ω]。

差分策略可隨機(jī)選取不同的向量，將其向量縮放后進(jìn)行合成得到：

式中：[F]為縮放因子，在0～1之間；[r1，r2，r3]代表3個(gè)隨機(jī)向量。交叉操作中新的分解向量[X′i]由[Xi]和[Vi]交叉得到：

式中：分解向量維度[j]是[1～D]的整數(shù)；CR代表交叉概率；[sn]代表任意維度。

基于差分蜂群算法對(duì)節(jié)點(diǎn)上產(chǎn)生的敏感數(shù)據(jù)進(jìn)行分布密度控制的步驟如下：

1） 設(shè)[n=0，]根據(jù)式（16）得到初始的種群[X（0）]，根據(jù)種群得到向量的適應(yīng)度值。

2） 由第[n]代種群[X（n）]求出分解向量[Xi，]對(duì)式（15）、式（19）進(jìn)行差分進(jìn)化法通過(guò)變形得到新向量[X′i，]且新向量的取值范圍[X′i∈Ω，]求出新向量的適應(yīng)度值用[f（X′i）]表示。

3） 新向量的適應(yīng)度值與原向量的適應(yīng)度值相比，若大于原向量適應(yīng)度值，用新向量的適應(yīng)度值代替原向量的適應(yīng)度值，若不是則保持不變[9?10]。

4） 計(jì)算[Xi]的適應(yīng)度值，再求出各個(gè)分解向量的概率[P。]

5） 隨機(jī)選擇一個(gè)分解向量，按照[Vji=][Xjr1+F（Xjr2-Xjr3）]在這個(gè)向量的周?chē)M(jìn)行搜索，得到新的向量[Vi]，同時(shí)保證新向量[Vi∈Ω，]計(jì)算新向量的適度值用[f（Vi）]表示。

6） 利用比較值選擇法，將[Vi]和[Xi]中適應(yīng)度值進(jìn)行比較，若[Vi]的適應(yīng)度值大于[Xi]的適應(yīng)度值，用[Vi]代替[Xi，]將得到結(jié)果作為節(jié)點(diǎn)敏感數(shù)據(jù)的最優(yōu)適應(yīng)度值[f_best，]得到對(duì)應(yīng)參數(shù)[（x1，x2，…，xn）]。

7） 若分解向量的周?chē)蛄克阉魅客瓿?，沒(méi)有找到最優(yōu)結(jié)果，根據(jù)上文[Vji=Xjx+φji（Xji-Xjk）]把該向量進(jìn)行替換。

8） 假設(shè)[n]等于最大迭代數(shù)[Gmax，]停止運(yùn)算得到最優(yōu)的適應(yīng)度值[f_best]和[（x1，x2，…，xn）]。

通過(guò)上述過(guò)程對(duì)本文中的無(wú)線傳感網(wǎng)絡(luò)非均勻分布的節(jié)點(diǎn)分布密度實(shí)施優(yōu)化控制，其中編碼設(shè)計(jì)提高了控制效率，算法步驟的細(xì)化實(shí)現(xiàn)了節(jié)點(diǎn)中敏感數(shù)據(jù)分布密度的均衡控制。

3 實(shí)驗(yàn)分析

為了驗(yàn)證本文方法的控制性能，采用Matlab對(duì)三種檢測(cè)方法進(jìn)行測(cè)試。將線圈個(gè)數(shù)NP=40的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)置入到邊長(zhǎng)為100 m的正方形檢測(cè)區(qū)域內(nèi)，已知傳感器網(wǎng)絡(luò)感知節(jié)點(diǎn)半徑為12 m，將檢測(cè)區(qū)域劃分為100個(gè)大小相同的正方形區(qū)域，將最大迭代數(shù)定為500，實(shí)驗(yàn)采用本文方法、基于參數(shù)可變遺傳方法以及基于蝙蝠優(yōu)化方法對(duì)實(shí)驗(yàn)區(qū)域敏感數(shù)據(jù)分布密度實(shí)施100次控制，進(jìn)而驗(yàn)證方法能夠有效控制敏感數(shù)據(jù)的分布密度。

本文方法將NP固定為15，最大迭代次數(shù)為120；基于參數(shù)可變遺傳方法的NP也固定為15，最大迭代次數(shù)為100；基于蝙蝠優(yōu)化方法的NP為10。三種方法對(duì)覆蓋區(qū)域中節(jié)點(diǎn)敏感數(shù)據(jù)分布密度實(shí)施控制，本文方法在88次迭代后得到最優(yōu)的密度分布曲線，基于參數(shù)可變遺傳方法在第196次迭代后得到最優(yōu)的密度分布曲線，基于蝙蝠優(yōu)化方法無(wú)法得出最優(yōu)分布，實(shí)驗(yàn)結(jié)果如圖2所示。

對(duì)三種檢測(cè)方法重復(fù)進(jìn)行100次，根據(jù)結(jié)果計(jì)算出密度分布的平均數(shù)、標(biāo)準(zhǔn)差和最差值得出的數(shù)值制作成如表1所示的三種方法的運(yùn)行結(jié)果。

從表1可以得出，無(wú)論從哪個(gè)角度來(lái)看，本文方法的節(jié)點(diǎn)分布密度效果都要好于基于參數(shù)可變遺傳方法和基于蝙蝠優(yōu)化方法，能夠?qū)崿F(xiàn)敏感數(shù)據(jù)的完全分布密度控制。從圖2可以看出，本文方法對(duì)敏感數(shù)據(jù)的密度控制收斂速度快，節(jié)點(diǎn)分布密度覆蓋范圍廣，可以避免局部區(qū)域數(shù)據(jù)冗雜。

為進(jìn)一步驗(yàn)證本文方法對(duì)敏感數(shù)據(jù)的均衡控制效果，設(shè)計(jì)節(jié)點(diǎn)散播密度的網(wǎng)絡(luò)仿真實(shí)驗(yàn)，圖3是不同方法下的節(jié)點(diǎn)密度變化曲線。

從圖3中能夠得出，節(jié)點(diǎn)在隨機(jī)分布的模型下，節(jié)點(diǎn)上敏感數(shù)據(jù)的分布密度要達(dá)到90%以上的概率，本文方法一共需要安裝35個(gè)無(wú)線傳感網(wǎng)絡(luò)，基于參數(shù)可變遺傳方法和基于蝙蝠優(yōu)化方法都至少需要40個(gè)無(wú)線傳感網(wǎng)絡(luò)。若要實(shí)現(xiàn)節(jié)點(diǎn)的完全覆蓋本文方法需要40個(gè)無(wú)線傳感器網(wǎng)絡(luò)，基于參數(shù)可變遺傳方法和基于蝙蝠優(yōu)化方法需要50個(gè)。說(shuō)明可通過(guò)更少的節(jié)點(diǎn)數(shù)達(dá)到更高的網(wǎng)絡(luò)覆蓋率。

節(jié)點(diǎn)感知范圍半徑的大小也會(huì)影響節(jié)點(diǎn)分布密度變化曲線，圖4是在節(jié)點(diǎn)數(shù)為40個(gè)情況下，不同控制方法下感知半徑變化對(duì)節(jié)點(diǎn)密度變化曲線造成的影響。

從以上實(shí)驗(yàn)結(jié)果可以得出，一定數(shù)量的節(jié)點(diǎn)分布在一定范圍的區(qū)域時(shí)，在無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)感知半徑逐漸增大的情況下，本文方法的網(wǎng)絡(luò)節(jié)點(diǎn)分布密度較其他兩種方法領(lǐng)先，三種方法同時(shí)都達(dá)到覆蓋率100%時(shí)的感知半徑為13 m。

圖5和圖6對(duì)控制方法下初始節(jié)點(diǎn)和最終節(jié)點(diǎn)的敏感數(shù)據(jù)分布進(jìn)行對(duì)比，初始情況下無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)上敏感數(shù)據(jù)的分布雜亂無(wú)章，在經(jīng)過(guò)本文方法的作用下，敏感數(shù)據(jù)分布密度變得清晰，有規(guī)律可尋，事實(shí)證明了本文方法可以對(duì)無(wú)線傳感網(wǎng)絡(luò)中的敏感數(shù)據(jù)進(jìn)行均衡分布控制。

表2是三種方法在無(wú)線傳感器節(jié)點(diǎn)為40個(gè)時(shí)，傳感區(qū)域?yàn)?0 m×10 m的正方形區(qū)域內(nèi)，初始節(jié)點(diǎn)能量和最終節(jié)點(diǎn)能量的對(duì)比情況，由表2數(shù)據(jù)可以得出，本文方法相較于其他兩種方法消耗的能量較少。

4 結(jié) 論

本文對(duì)無(wú)線傳感器網(wǎng)絡(luò)敏感數(shù)據(jù)分布密度控制問(wèn)題進(jìn)行研究，采用基于差分蜂群算法的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布密度控制方法，提高了節(jié)點(diǎn)上敏感數(shù)據(jù)的分布密度控制效率，實(shí)現(xiàn)了節(jié)點(diǎn)中敏感數(shù)據(jù)分布密度的均衡控制，減少了能量消耗。

參考文獻(xiàn)

[1] 成國(guó)營(yíng)，王艷.無(wú)線傳感器網(wǎng)絡(luò)中多移動(dòng)Agent協(xié)同控制數(shù)據(jù)分流方法[J].計(jì)算機(jī)應(yīng)用，2015，35（4）：910?915.

CHENG Guoying， WANG Yan. Multi?mobile Agent collaborative control data separation method in wireless sensor network [J]. Journal of computer applications， 2015， 35（4）： 910?915.

[2] 袁飛，詹宜巨，王永華.無(wú)線傳感器網(wǎng)絡(luò)中數(shù)據(jù)密度相關(guān)度融合算法[J].控制理論與應(yīng)用，2014，31（11）：1568?1573.

YUAN Fei， ZHAN Yiju， WANG Yonghua. Data density correlation degree based aggregation algorithm in wireless sensor network [J]. Control theory & applications， 2014， 31（11）： 1568?1573.

[3] 熊偉麗，劉欣，陳敏芳，等.基于差分蜂群算法的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布優(yōu)化[J].控制工程，2014，21（6）：1036?1040.

XIONG Weili， LIU Xin， CHEN Minfang， et al. Node distribution optimization in wireless sensor networks based on differential bee colony algorithm [J]. Control engineering of China， 2014， 21（6）： 1036?1040.

[4] 徐立鴻，早明華，蔚瑞華，等.溫室無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)發(fā)射功率自適應(yīng)控制算法[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（8）：142?148.

XU Lihong， ZAO Minghua， WEI Ruihua， et al. Adaptive control algorithms of transmitting power for greenhouse WSN nodes [J]. Transactions of the Chinese society of agricultural engineering， 2014， 30（8）： 142?148.

[5] 及歆榮，侯翠琴，侯義斌.無(wú)線傳感器網(wǎng)絡(luò)下線性支持向量機(jī)分布式協(xié)同訓(xùn)練方法研究[J].電子與信息學(xué)報(bào)，2015，37（3）：708?714.

JI Xinrong， HOU Cuiqin， HOU Yibin. Research on the distri?buted training method for linear SVM in WSN [J]. Journal of electronics & information technology， 2015， 37（3）： 708?714.

[6] 游子毅，章俊華，陳世國(guó)，等.基于無(wú)線傳感網(wǎng)絡(luò)的數(shù)據(jù)融合方法及其在智能交通系統(tǒng)中的應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用研究，2014，31（6）：1719?1722.

YOU Ziyi， ZHANG Junhua， CHEN Shiguo， et al. Data aggregation scheme based on wireless sensor networks and its application research in intelligent transportation system [J]. Application research of computers， 2014， 31（6）： 1719?1722.

[7] 孫澤宇，李傳鋒，邢蕭飛，等.聯(lián)合感知無(wú)線傳感網(wǎng)的優(yōu)化覆蓋控制算法[J].西安交通大學(xué)學(xué)報(bào)，2016，50（10）：86?92.

SUN Zeyu， LI Chuanfeng， XING Xiaofei， et al. An optimal coverage control algorithm with joint sensing for wireless sensor networks [J]. Journal of Xian Jiaotong University， 2016， 50（10）： 86?92.

[8] 蔣文賢，繆海星，王田，等.無(wú)線傳感器網(wǎng)絡(luò)中移動(dòng)式覆蓋控制研究綜述[J].小型微型計(jì)算機(jī)系統(tǒng)，2017，38（3）：417?424.

JIANG Wenxian， MIAO Haixing， WANG Tian， et al. Survey on coverage control with mobile elements in wireless sensor networks [J]. Journal of Chinese computer systems， 2017， 38（3）： 417?424.

[9] 孫澤宇，伍衛(wèi)國(guó)，王換招，等.無(wú)線傳感器網(wǎng)絡(luò)基于參數(shù)可調(diào)增強(qiáng)型覆蓋控制算法[J].電子學(xué)報(bào)，2015，43（3）：466?474.

SUN Zeyu， WU Weiguo， WANG Huanzhao， et al. An enhanced coverage control algorithm for wireless sensor networks based on adjustable parameters [J]. Acta electronica sinica， 2015， 43（3）： 466?474.

[10] 王建平，薛雪，孫偉.智能配電網(wǎng)無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)通信的QoS?MAC層模型[J].電力系統(tǒng)自動(dòng)化，2014，38（9）：160?167.

WANG Jianping， XUE Xue， SUN Wei. QoS?MAC model of wireless sensor networks for smart distribution power grid data communication [J]. Automation of electric power systems， 2014， 38（9）： 160?167.