避免路由循環(huán)和空洞節(jié)點的水下傳感器網(wǎng)絡(luò)深度路由算法*

蔡文郁，張銘坤，張美燕

(1.杭州電子科技大學電子信息學院，浙江 杭州 310018；2.浙江水利水電學院電氣工程學院，浙江 杭州 310018)

隨著陸地自然資源逐漸枯竭，越來越多的科學研究和新能源探索逐漸轉(zhuǎn)移到水下環(huán)境，這使得水下無線傳感器網(wǎng)絡(luò)(UWSN)受到了世界各國的廣泛關(guān)注[1]。水下無線傳感器網(wǎng)絡(luò)可以廣泛應(yīng)用于軍事防御系統(tǒng)、海岸線監(jiān)視與保護、海底資源勘探、海洋環(huán)境監(jiān)測和輔助導航等場合。由于水體環(huán)境的無線電信號衰減非常嚴重，而水聲信號卻可以傳播到較遠的距離，因此在水下環(huán)境中水聲通信是目前的主要技術(shù)方式[2]。然而，水聲通信存在著傳播速度低、帶寬有限、動態(tài)性高、能量有限和部署成本高等問題[3]，并且水下信道具有多徑衰落、噪聲、路徑損耗和多普勒擴頻等特性，導致較高的丟包率和數(shù)據(jù)包傳輸時延等問題[4-5]。此外，節(jié)點移動性也是水下無線傳感網(wǎng)絡(luò)中一個不可忽視的重要影響因素。水下節(jié)點的移動特性導致傳統(tǒng)的無線路由協(xié)議無法用于水下無線傳感網(wǎng)絡(luò)[6]。因此，針對UWSN 的可靠數(shù)據(jù)路由技術(shù)仍然是一個巨大的挑戰(zhàn)。

現(xiàn)有的水下無線傳感網(wǎng)絡(luò)路由方法可以分為兩類:基于地理信息的路由協(xié)議[7-8]和無地理信息的路由協(xié)議[9-10]?；诘乩硇畔⒌穆酚蓞f(xié)議需要獲取水下傳感器節(jié)點的位置信息，條件較為苛刻，很難進行實用，因此無地理信息的路由協(xié)議是目前的主要研究方向?；谏疃刃畔⒌穆酚蓞f(xié)議(DBR)[9]根據(jù)鄰居節(jié)點的深度來選擇下一跳節(jié)點:假設(shè)每個水下節(jié)點都能獲知其鄰居節(jié)點的深度信息，并選取深度最小的鄰居節(jié)點作為下一跳轉(zhuǎn)發(fā)節(jié)點。但是DBR 沒有考慮轉(zhuǎn)發(fā)節(jié)點的剩余能量和節(jié)點連通性，容易導致節(jié)點能量消耗的不均衡，也容易陷入局部最優(yōu)的路由循環(huán)。能量優(yōu)化的深度路由協(xié)議(EEDBR)[10]根據(jù)網(wǎng)絡(luò)節(jié)點的剩余能量和深度信息計算轉(zhuǎn)發(fā)權(quán)重，并更新數(shù)據(jù)包的保持時間，有效降低了節(jié)點能量消耗和端到端傳輸延遲，但是EEDBR 協(xié)議還存在著負荷分配不均衡的問題?；谏疃鹊亩嗵酚蓞f(xié)議(DBMR)[11]采用多跳轉(zhuǎn)發(fā)的方式，減少了數(shù)據(jù)包冗余傳輸以及通信信道的占用。能量均衡、高效、可靠的路由協(xié)議(EBER2)[12]通過結(jié)合考慮下一跳節(jié)點的能量和潛在轉(zhuǎn)發(fā)節(jié)點的數(shù)量來均衡網(wǎng)絡(luò)能耗，提高網(wǎng)絡(luò)壽命。但是EBER2 協(xié)議只是單純的貪婪轉(zhuǎn)發(fā)策略，存在較高的傳輸延遲，并且通過高速的光纖鏈路實現(xiàn)與海面Sink 節(jié)點的通信，部署成本非常昂貴。基于轉(zhuǎn)發(fā)區(qū)域劃分的加權(quán)深度路由協(xié)議(WDFAD-DBR)[13]在DBR 的基礎(chǔ)上還考慮了2-Hop鄰居節(jié)點的深度值，減少了空洞節(jié)點發(fā)生的概率，提高了網(wǎng)絡(luò)的可靠性和數(shù)據(jù)包投遞率。但是，WDDAD-DBR 協(xié)議在計算數(shù)據(jù)包轉(zhuǎn)發(fā)權(quán)重時并沒有考慮剩余能量，導致節(jié)點能量消耗不均衡，從而降低了網(wǎng)絡(luò)整體生存周期。增強空洞避免路由協(xié)議(E-VAR)[14]可以實現(xiàn)對空洞節(jié)點的標記，優(yōu)先選擇非空洞節(jié)點作為下一跳轉(zhuǎn)發(fā)節(jié)點。E-VAR 協(xié)議可以避免部分空洞節(jié)點，但是還可能存在路由循環(huán)現(xiàn)象，導致數(shù)據(jù)包的冗余傳輸。

針對現(xiàn)有路由協(xié)議存在的問題，提出了一種避免路由循環(huán)和空洞節(jié)點的深度路由協(xié)議PE-VAR，對節(jié)點是否屬于空洞節(jié)點進行自我標記，以循環(huán)路徑中節(jié)點的鄰居數(shù)、能量、深度等參數(shù)綜合計算正向推進距離值和替換優(yōu)先值，遴選出需要替代或者避開的節(jié)點，從而抑制出現(xiàn)循環(huán)路徑時的冗余傳輸。相比較E-VAR 協(xié)議，PE-VAR 協(xié)議無需獲取網(wǎng)絡(luò)節(jié)點的三維坐標，增加了節(jié)點的替換優(yōu)先值計算以及對路由路徑循環(huán)的監(jiān)測環(huán)節(jié)，有效解決數(shù)據(jù)傳輸過程中出現(xiàn)的循環(huán)路由情況，減少數(shù)據(jù)包的冗余傳輸，提升整個網(wǎng)絡(luò)的生命周期。

1 系統(tǒng)模型與假設(shè)

1.1 UWSN 網(wǎng)絡(luò)模型

水下無線傳感網(wǎng)絡(luò)是由隨機分布在三維空間內(nèi)的眾多水下傳感器節(jié)點和隨機分布在水面上的Sink節(jié)點組成，假設(shè)每個水下節(jié)點都配置了水壓傳感器，因此可以獲取節(jié)點自身所處的深度值。源節(jié)點采集周圍環(huán)境的感知數(shù)據(jù)并利用水聲通信模塊發(fā)送，中繼節(jié)點接收到后進行優(yōu)化轉(zhuǎn)發(fā)，最后將感知數(shù)據(jù)傳輸?shù)胶Ｃ鍿ink 節(jié)點。假設(shè)水下無線傳感網(wǎng)絡(luò)中水下節(jié)點的內(nèi)部時鐘都可以保持同步狀態(tài)，并具有相同的初始能量E0，由于水面Sink 節(jié)點的電能不限，因此假設(shè)所有水下節(jié)點都能收到水面Sink 節(jié)點的HELLO 數(shù)據(jù)包。綜上所述，本文研究的UWSN 模型如圖1 所示。

圖1 UWSN 網(wǎng)絡(luò)模型

1.2 水聲傳播衰減模型

水聲傳播過程中主要有兩方面的衰減:①擴散損失，聲波在不斷擴散過程中引起聲強衰減；②吸收損失，由于介質(zhì)粘滯、熱傳導以及其他弛豫過程導致的衰減[11]。水聲傳播衰減模型的表達式如下:

式中，d為傳播距離，n在淺海中取值為1.5，a為吸收系數(shù)，單位為dB/km，計算方法如式(2)所示[12]:

式中，f為聲波頻率，單位為kHz。

1.3 節(jié)點移動模型

水下傳感器網(wǎng)絡(luò)一般應(yīng)用于淺水區(qū)域，水流速度相對較慢，水下傳感器的節(jié)點運動較為緩慢。文獻[6]提出了一種基于歐拉方法的節(jié)點移動模型，如下式所示:

式中，Vx表示的是節(jié)點x軸方向的速度，Vy表示的是節(jié)點y軸方向的速度。k1，k2，k3和λ與潮汐、深度等水體環(huán)境相關(guān)，k4，k5是兩個隨機變量。本文傳感器節(jié)點的移動模型采用了上述移動模型，參數(shù)取值與文獻[6]一致:k1，k2是服從N(π，0.1π)分布的隨機數(shù)；k3是服從N(2π，0.2π)分布的隨機數(shù)；k4，k5是服從N(1，0.1)分布的隨機數(shù)；λ是服從N(3，0.3)分布的隨機數(shù)。

1.4 能量消耗模型

本文采用文獻[13]中的節(jié)點能量消耗模型，忽略數(shù)據(jù)接收所需的能量，發(fā)送數(shù)據(jù)的能耗公式如下所示:

式中，m表示傳輸數(shù)據(jù)的長度，Eelec表示節(jié)點發(fā)送(接收)1 bit 數(shù)據(jù)所消耗的能量，εfs表示自由空間模型信號放大倍數(shù)，εamp表示多徑衰減模型信號放大倍數(shù)，d0表示功率距離閾值，d為數(shù)據(jù)收發(fā)兩端之間的距離。

2 PE-VAR 路由協(xié)議

DBR 協(xié)議[9]的主要思想是貪婪轉(zhuǎn)發(fā)策略，即讓發(fā)送節(jié)點選擇所有其鄰居節(jié)點中深度最小的節(jié)點作為最優(yōu)的下一跳轉(zhuǎn)發(fā)節(jié)點。但是，DBR 協(xié)議容易陷入局部最優(yōu)，遇到空洞節(jié)點后，會使得數(shù)據(jù)包在兩個或多個節(jié)點間循環(huán)傳輸。根據(jù)節(jié)點在水下網(wǎng)絡(luò)中的位置不同，可以分為普通節(jié)點(擁有正向推進鄰居節(jié)點，即存在鄰居節(jié)點深度小于當前節(jié)點深度的情況)、孤立節(jié)點(沒有鄰居節(jié)點)、空洞節(jié)點(沒有正向推進的鄰居節(jié)點，即所有鄰居節(jié)點深度都不小于當前節(jié)點深度)、死亡節(jié)點(能量耗盡沒有數(shù)據(jù)轉(zhuǎn)發(fā)能力的節(jié)點)。圖2 表示了三維水下無線傳感網(wǎng)絡(luò)中典型的路由循環(huán)場景:節(jié)點Ni沒有發(fā)現(xiàn)比當前節(jié)點具有更小深度的鄰居節(jié)點，而且節(jié)點Ni也無法與Sink 節(jié)點直接單跳通信，因此Ni為空洞節(jié)點。而且，節(jié)點Nj選擇的下一跳節(jié)點為Ni，之后的數(shù)據(jù)包傳遞將會再次重復原路由路徑，出現(xiàn)了無謂的路由循環(huán)情況，數(shù)據(jù)包無法可靠、及時地發(fā)送到水面Sink 節(jié)點。

圖2 空洞節(jié)點和路由循環(huán)案例

E-VAR 協(xié)議[14]會對空洞節(jié)點的標記，優(yōu)先選擇非空洞節(jié)點作為下一跳轉(zhuǎn)發(fā)節(jié)點，雖然能在傳輸時避免途徑部分空洞節(jié)點，但依然可能存在路由循環(huán)現(xiàn)象，導致數(shù)據(jù)包的冗余傳輸。為此，PE-VAR 協(xié)議增設(shè)了節(jié)點的替換優(yōu)先值計算以及對路由路徑循環(huán)的監(jiān)測環(huán)節(jié)，有效地解決了E-VAR 協(xié)議存在的問題。

針對以上路由循環(huán)和空洞節(jié)點問題，PE-VAR協(xié)議的主要思想如下:當水下節(jié)點啟動或者定時器觸發(fā)時，每個節(jié)點執(zhí)行自我標記流程，完成后將自身信息廣播給其鄰居節(jié)點；然后，水下節(jié)點進行數(shù)據(jù)包的轉(zhuǎn)發(fā)，若檢測到當前路由路徑中出現(xiàn)路由循環(huán)，則觸發(fā)路由循環(huán)處理機制，更換轉(zhuǎn)發(fā)節(jié)點；最終，避免路由循環(huán)陷阱，實現(xiàn)數(shù)據(jù)包的有效轉(zhuǎn)發(fā)。PE-VAR協(xié)議主要分為以下三個階段:自我標識定義、選擇轉(zhuǎn)發(fā)節(jié)點、避免路由循環(huán)。

2.1 自我標識定義

當節(jié)點啟動開始工作或者達到預(yù)設(shè)的定時時間，啟動自我標識過程:傳感器節(jié)點Ni和Sink 節(jié)點都會廣播HELLO 數(shù)據(jù)包，用來告知其鄰居節(jié)點自身的信息，HELLO 數(shù)據(jù)包含如下信息:HELLO 標簽、發(fā)送節(jié)點ID、剩余能量Ei、發(fā)送節(jié)點深度信息Hi、發(fā)送時間戳。網(wǎng)絡(luò)中所有節(jié)點收到HELLO 數(shù)據(jù)包后通過統(tǒng)計計算，獲取節(jié)點Ni的鄰居節(jié)點集Gi、鄰居節(jié)點集的長度｜Gi｜。節(jié)點Nj∈Gi(j＝1，2，…，｜Gi｜)收到HELLO 數(shù)據(jù)包后回復REPLY 數(shù)據(jù)包，包含以下字段信息:REPLY 標簽、發(fā)送節(jié)點ID、剩余能量Ej、發(fā)送節(jié)點空洞標記Fj(若節(jié)點無正向推進鄰居節(jié)點，則值為1，反之為0)、發(fā)送時間戳和鄰居節(jié)點集信息，鄰居節(jié)點集Gj數(shù)據(jù)包含如下信息:鄰居節(jié)點ID、鄰居節(jié)點剩余能量、鄰居節(jié)點深度數(shù)據(jù)。水下傳感器節(jié)點根據(jù)收發(fā)HELLO 數(shù)據(jù)包的時間戳差值，依據(jù)水聲通信速率計算出與鄰居節(jié)點間的歐氏距離。

節(jié)點Ni的自我標識流程如圖3 所示:初始化時Ni的空洞標識為0，鄰居節(jié)點集Gi為空。根據(jù)HELLO 包中的時間戳與自身內(nèi)部時鐘插值，來計算節(jié)點Ni與Sink 節(jié)點之間的歐式距離Dis，當Dis小于最大傳輸范圍Rmax時，節(jié)點Ni與Sink 節(jié)點直接單跳通信；否則，節(jié)點Ni更新其鄰居節(jié)點集Gi，并保存鄰居節(jié)點Nj到離其最近Sink 的歐氏距離Djs。若Dis小于其所有鄰居中最小的Djs，則表示節(jié)點Ni為空洞節(jié)點，并進行標記，即Fi＝1，否則Ni為正常節(jié)點，保持Fi＝0。

圖3 節(jié)點Ni 的自我標識機制

2.2 選擇轉(zhuǎn)發(fā)節(jié)點

PE-VAR 協(xié)議的數(shù)據(jù)包轉(zhuǎn)發(fā)策略如圖4 所示，節(jié)點根據(jù)數(shù)據(jù)轉(zhuǎn)發(fā)策略選擇優(yōu)化的下一跳節(jié)點。如圖4 所示，數(shù)據(jù)發(fā)送節(jié)點Ni遍歷鄰居表Gi，若鄰居表為空，則當前節(jié)點為孤立節(jié)點，丟棄數(shù)據(jù)包，等待下一次節(jié)點自我標識過程；若鄰居表不為空，搜索鄰居表中是否包含Sink 節(jié)點，若包含則直接將數(shù)據(jù)包傳輸給Sink 節(jié)點，否則對鄰居節(jié)點集進行正向推進距離值計算，如果存在普通節(jié)點，則優(yōu)先考慮鄰居節(jié)點集中的正常節(jié)點，其次才考慮空洞節(jié)點。計算鄰居節(jié)點的正向推進距離值A(chǔ)dv(即發(fā)送節(jié)點Ni離其最近Sink 節(jié)點的歐式距離Dis與其鄰居節(jié)點Nj到其最近Sink 節(jié)點的歐式距離Djs之差)，如下式所示:

圖4 數(shù)據(jù)包轉(zhuǎn)發(fā)策略

如果鄰居節(jié)點Nj為空洞節(jié)點(Fj＝1)，則要避免其被選為下一跳轉(zhuǎn)發(fā)節(jié)點。由于(Dis-Djs)∈(0，2×Rmax]，若鄰居節(jié)點Nj為空洞節(jié)點則要將其Dis與Djs的差值再減去2 倍最大傳輸半徑Rmax，則可確保其被選擇的概率低于所有非空洞鄰居節(jié)點被選擇的概率。最終選擇Adv 值最大的鄰居節(jié)點作為下一跳轉(zhuǎn)發(fā)節(jié)點。

2.3 避免路由循環(huán)機制

當數(shù)據(jù)傳輸中出現(xiàn)循環(huán)路徑時，PE-VAR 協(xié)議設(shè)計了一種路由循環(huán)避免機制。多跳傳輸?shù)臄?shù)據(jù)包中按序記錄了轉(zhuǎn)發(fā)節(jié)點的ID，如果下一跳轉(zhuǎn)發(fā)節(jié)點ID 在當前路由路徑中出現(xiàn)過，則可判斷出現(xiàn)路由循環(huán)。節(jié)點Ni的替換優(yōu)先級值Pi定義如下:

式中，｜Gi｜表示節(jié)點Ni鄰居節(jié)點集的長度，Hi表示節(jié)點Ni的深度，表示節(jié)點Ni的鄰居節(jié)點集中第k個節(jié)點的深度，表示當前節(jié)點Ni與其鄰居節(jié)點Nk的歐氏距離，δ表示的系數(shù)，Rmax表示節(jié)點最大傳輸半徑，Ei表示節(jié)點Ni的剩余能量，E0表示節(jié)點的初始能量。

替換優(yōu)先級既考慮了當前節(jié)點與其所有鄰居節(jié)點歐氏距離，又考慮了剩余能量率因素。而且，本文對替換優(yōu)先級的影響因素采用了線性歸一化處理，綜合權(quán)衡了距離值與剩余能量率等因素。歸一化后歐氏距離的差值越大，說明選擇該下一跳節(jié)點能夠傳輸更遠，推進數(shù)據(jù)包的正向傳輸。歸一化后的剩余能量率越小，則盡量不選擇其為轉(zhuǎn)發(fā)節(jié)點，防止該節(jié)點過早死亡，影響下一輪次的數(shù)據(jù)包傳遞。

如果檢測發(fā)現(xiàn)了數(shù)據(jù)傳輸路由循環(huán)，PE-VAR協(xié)議根據(jù)路由循環(huán)中各節(jié)點的替換優(yōu)先級值來選擇合適的下一跳節(jié)點。如圖5 所示，Ni根據(jù)鄰居表中各鄰居節(jié)點的Adv 值選擇預(yù)轉(zhuǎn)發(fā)節(jié)點Nj，發(fā)送節(jié)點遍歷當前路徑列表Rcur，若Nj未在Rcur中出現(xiàn)過，則直接確定下一跳節(jié)點為Nj；如果Nj已在Rcur中出現(xiàn)過，則截取記錄當前循環(huán)路徑。循環(huán)路徑Sc截取方式:先找到重復節(jié)點Nj在Rcur中的位置，將該位置作為截取路徑的起始位置，然后依次向后遍歷Rcur直至尾部，并將所遍歷到的節(jié)點按序存入循環(huán)路徑Sc中。

圖5 循環(huán)路徑處理流程

綜上所述，Pi值越大表示節(jié)點Ni具有更優(yōu)的鄰居節(jié)點可供選擇。為了避免路由循環(huán)問題，在替換優(yōu)先級最大節(jié)點的鄰居節(jié)點中，將其當前的最優(yōu)候選轉(zhuǎn)發(fā)節(jié)點存入避選節(jié)點集中，以避免冗余循環(huán)傳輸。循環(huán)避免的示例如圖6(a)所示:路由循環(huán)由3、4、20、6、7、8 節(jié)點組成，假設(shè)7 號節(jié)點的優(yōu)先級最大，因此7 號節(jié)點的預(yù)選轉(zhuǎn)發(fā)節(jié)點8 號節(jié)點將存入避選節(jié)點集中，避免其被選為下一跳節(jié)點。當數(shù)據(jù)包再次傳輸?shù)?號節(jié)點時，選擇其鄰居節(jié)點中Adv 值最大的12 號節(jié)點作為下一跳轉(zhuǎn)發(fā)節(jié)點，如圖6(b)所示。因此，轉(zhuǎn)發(fā)路徑就不會按照原先的路徑繼續(xù)重復傳輸，避免了無謂的路由循環(huán)。

圖6 路由循環(huán)處理

3 仿真結(jié)果

本文采用MATLAB R2020b 仿真平臺對本文所研究的PE-VAR 算法進行性能驗證，與現(xiàn)有的DBR、E-VAR 算法在數(shù)據(jù)包投遞成功率(Packet Delivery Success Rate，SR)、數(shù)據(jù)包投遞時延(Packet Delivery Delay，PD)、節(jié)點死亡率(Node Dead Rate，DR)、能量消耗(Energy Consumption，EC)等方面進行對比。DBR、E-VAR、PE-VAR 三種路由方式采用的網(wǎng)絡(luò)仿真環(huán)境以及參數(shù)相同，主要參數(shù)如表1 所示。

表1 仿真參數(shù)

為了提高仿真結(jié)果的可靠性，每種仿真場景重復20 次實驗，每次實驗300 輪。每一輪仿真結(jié)束后，依照上文的水下節(jié)點運動模型改變傳感器節(jié)點的位置。每次實驗的數(shù)據(jù)源節(jié)點從當前網(wǎng)絡(luò)中未死亡的節(jié)點中隨機選擇，最后取數(shù)據(jù)平均值作為最終結(jié)果。網(wǎng)絡(luò)仿真場景如圖7 所示，節(jié)點移動路徑如圖8 所示。

圖7 UWSN 仿真模型

圖8 水下節(jié)點移動路徑

在相同的USNs 絡(luò)模型和起始節(jié)點情況下，PE-VAR、DBR、E-VAR 三種算法獲取的路徑對比如圖9 所示。在相同的仿真網(wǎng)絡(luò)環(huán)境下，三種路由方法均以節(jié)點12 作為源節(jié)點進行數(shù)據(jù)包發(fā)送遞，DBR方法在節(jié)點79 和節(jié)點45 之間出現(xiàn)雙節(jié)點路由循環(huán)，導致一個節(jié)點死亡，另一節(jié)點沒有鄰居節(jié)點進行數(shù)據(jù)傳遞，最終路由失?。籈-VAR 方法，出現(xiàn)節(jié)點79、11、3 之間的多節(jié)點循環(huán)，導致一個節(jié)點能量先耗盡，導致路由方向向下，最后失敗于節(jié)點85 和節(jié)點57 造成的雙節(jié)點循環(huán)；PE-VAR 避免了上述的路由循環(huán)問題，根據(jù)替換優(yōu)先級，對造成這種情況影響較大的節(jié)點避免作為下一跳節(jié)點，最終成功將數(shù)據(jù)包傳輸給Sink 節(jié)點。

圖9 路徑對比結(jié)果

圖10 和圖11 比較了DBR、E-VAR、PE-VAR 三種路由在節(jié)點靜態(tài)和節(jié)點動態(tài)兩種仿真環(huán)境下性能對比。無論是節(jié)點靜態(tài)還是節(jié)點動態(tài)情況，本文提出的PE-VAR 路由協(xié)議在四項性能指標上，在節(jié)點個數(shù)為100～300 時，均優(yōu)于DBR 和E-VAR 協(xié)議，當節(jié)點數(shù)為300～400 時，由于節(jié)點密度過大，使得該區(qū)域網(wǎng)絡(luò)負載過大，在迭代一定次數(shù)后節(jié)點死亡數(shù)量大，導致三種路由在節(jié)點死亡率與網(wǎng)絡(luò)能耗性能差異不明顯。仿真結(jié)果表明，PE-VAR 算法較DBR和E-VAR 算法而言，提高了數(shù)據(jù)包投遞成功率，降低了數(shù)據(jù)包平均投遞時延、節(jié)點死亡率以及網(wǎng)絡(luò)總體能量消耗百分比，最終提升了整體網(wǎng)絡(luò)的性能，延長了網(wǎng)絡(luò)生命周期。

圖10 節(jié)點靜態(tài)時網(wǎng)絡(luò)性能對比

圖11 節(jié)點動態(tài)時網(wǎng)絡(luò)性能對比

4 結(jié)語

通過考慮路由過程中出現(xiàn)的循環(huán)冗余傳輸情況，提出了一種避免路由循環(huán)和空洞節(jié)點的基于節(jié)點深度值的路由協(xié)議，通過比較路由循環(huán)中各節(jié)點的優(yōu)先級，更換替換優(yōu)先級值最大的節(jié)點的原轉(zhuǎn)發(fā)節(jié)點，跳出循環(huán)并繼續(xù)進行數(shù)據(jù)包的轉(zhuǎn)發(fā)。仿真結(jié)果表明，PE-VAR 算法在數(shù)據(jù)包投遞成功率、數(shù)據(jù)包投遞平均時延、節(jié)點死亡率、平均能量消耗性能方面，相比較DBR 算法和E-VAR 算法，都有一定提升。