基于智能算法的層次型多鏈WSN路由協(xié)議*

臧 哲，齊建東，張曉武，何 以

(北京林業(yè)大學(xué)信息學(xué)院，北京100083)

能源嚴格受限以及網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)拓撲性是無線傳感器網(wǎng)絡(luò)WSN(Wireless Sensor Network)的兩個特點。基于以上因素設(shè)計路由協(xié)議，一方面要求在網(wǎng)絡(luò)能耗和數(shù)據(jù)可靠傳輸之間達到平衡;另一方面要求節(jié)點在付出最小代價的前提下?lián)碛袆討B(tài)組網(wǎng)能力，進一步服務(wù)于數(shù)據(jù)的有效傳輸[1]。成鏈拓撲方法因為具備組網(wǎng)形式簡單、拓撲結(jié)構(gòu)易維護和數(shù)據(jù)傳輸高效的特性，逐漸成為近年來研究的熱點方向。

本文提出一種優(yōu)化的成鏈路由算法——HMCRP算法。該算法借鑒分簇算法 GAF[2](Geographical Adaptive Fidelity)，基于地理位置將網(wǎng)絡(luò)劃分為底層和頂層，保證層次劃分的合理性。

借鑒PEGASIS[3]的鏈式拓撲思想，但在成鏈方式和鏈頭選取上加以優(yōu)化:每個自治區(qū)域內(nèi)節(jié)點通過蟻群算法[4]成鏈，在自治區(qū)域內(nèi)形成最優(yōu)傳輸路徑，降低傳輸能耗;自治區(qū)域成鏈后會依照鏈頭選取公式選取出一個鏈頭，鏈頭選取充分考慮節(jié)點自身性能和數(shù)據(jù)傳輸代價，以降低每輪數(shù)據(jù)傳輸能耗。

1 鏈式拓撲路由協(xié)議研究現(xiàn)狀

無線傳感器網(wǎng)絡(luò)的路由算法是一個非常活躍的研究領(lǐng)域。其中網(wǎng)絡(luò)節(jié)點形成鏈式拓撲的思想，是重要的研究方向之一。目前國內(nèi)外提出了許多基于最早的成鏈協(xié)議PEGASIS的改進思想。

文獻[3]提出的PEGASIS(Power－Efficient Gathering in Sensor Information Systems)協(xié)議，首次提出了全網(wǎng)節(jié)點成鏈的拓撲方式。PEGASIS將全網(wǎng)節(jié)點形成一條基于地理位置的鏈。其構(gòu)建拓撲的基本思想是:假設(shè)所有節(jié)點均處于靜止狀態(tài)并且節(jié)點借助定位裝置可以探測鄰居節(jié)點與自身的距離;從距基站最遠的節(jié)點開始，采用基于距離的貪婪算法構(gòu)造鏈拓撲，并涵蓋全網(wǎng)非基站節(jié)點。在每輪數(shù)據(jù)傳輸前，PEGASIS會采用輪詢的方式選擇鏈上某節(jié)點作為數(shù)據(jù)匯聚的“鏈頭”。在數(shù)據(jù)傳輸階段，鏈頭通知鏈拓撲兩端點節(jié)點采集數(shù)據(jù)并傳輸?shù)礁髯晕ㄒ坏暮罄^節(jié)點，后繼節(jié)點將經(jīng)過數(shù)據(jù)融合處理的新數(shù)據(jù)傳輸給下一個后繼節(jié)點，依此類推，直到鏈頭接收到鏈拓撲兩端的數(shù)據(jù)并發(fā)送給基站。與傳統(tǒng)的網(wǎng)狀WSN路由算法相比，PEGASIS具有以下優(yōu)勢:鏈狀拓撲簡單，降低網(wǎng)絡(luò)收斂時間和拓撲維護代價;鏈狀拓撲加入數(shù)據(jù)融合策略，保證節(jié)點(鏈頭除外)在一輪數(shù)據(jù)傳輸中只會收、發(fā)一次數(shù)據(jù)，降低數(shù)據(jù)傳輸能耗。但PEGASIS協(xié)議也存在明顯不足之處:單一鏈拓撲會造成數(shù)據(jù)傳輸可靠性降低、每輪數(shù)據(jù)傳輸延遲過大;貪婪算法只考慮局部特征，無法保證全局最優(yōu)鏈路;鏈頭選取使用簡單的輪詢方式，不能保證鏈頭選取最優(yōu)。

文獻[5]針對PEGASIS協(xié)議，通過實驗說明鏈頭選取方式對網(wǎng)絡(luò)性能的影響。論文列舉如下四種鏈頭選取方式:隨機選取，Shuffle選取(即輪詢方式)，基于節(jié)點能量選取，以及分區(qū)域選取。仿真實驗結(jié)果表明:依據(jù)評價標準(例如能量)的選取優(yōu)于隨機選取;分區(qū)域選取鏈頭優(yōu)于全網(wǎng)單一鏈頭。

文 獻 [6]的 EB－PEGASIS(EnergyBalance PEGASIS)協(xié)議，與文獻[7]中的 EEPB算法類似。論文首先對PEGASIS成鏈過程加以分析:貪婪算法的成鏈方式只考慮局部最優(yōu)解，容易導(dǎo)致相鄰節(jié)點形成長鏈。EB－PEGASIS引入平均距離門限值，在鏈路形成過程中，當節(jié)點間距離小于門限值，則判斷為短鏈并入鏈;當節(jié)點間距離大于門限值，則判斷為長鏈，待加入鏈的節(jié)點將從已加入鏈中的節(jié)點中選擇距離最近的節(jié)點進行連接，最終形成一條具有分支的鏈路。門限值分支成鏈的方式有效避免網(wǎng)絡(luò)中臨近節(jié)點形成長鏈，增強鏈拓撲合理性。但改進沒有考慮鏈路可靠性、鏈頭選取。

文獻[8]改進PEGASIS鏈頭選取方式:“鏈頭”的能量需要大于所有節(jié)點能量平均值，為此每個節(jié)點需要維護3個值:網(wǎng)絡(luò)節(jié)點個數(shù)n，節(jié)點能量E以及當前網(wǎng)絡(luò)中能量小于自身的節(jié)點數(shù)目m。這種方式一方面考慮了節(jié)點能量這個局部特征，另一方面也把全網(wǎng)環(huán)境(能量均值)作為參考。但論文中提及的方式需要協(xié)議額外維護網(wǎng)絡(luò)報文獲取節(jié)點信息。

文獻[9]借鑒圖論算法，在全網(wǎng)按照克魯斯卡爾算法構(gòu)建最小生成樹，數(shù)據(jù)傳輸階段以基站節(jié)點為根節(jié)點，數(shù)據(jù)按照后續(xù)遍歷順序進行傳送。該最小生成樹根據(jù)后續(xù)遍歷順序傳輸數(shù)據(jù)的思想延續(xù)了PEGASIS協(xié)議兩端數(shù)據(jù)傳輸?shù)芥滎^的方式。論文引入多級鏈頭的思想，均衡網(wǎng)絡(luò)負載，降低每輪數(shù)據(jù)傳輸延遲。

文獻[10]采用類似于文獻[11]的方法，首次考慮到全網(wǎng)單鏈的弊端:一旦中間一個節(jié)點失效，則本輪數(shù)據(jù)傳輸將失效。論文提出將成簇算法LEACH與PEGASIS相結(jié)合的方式，使用LEACH方式將網(wǎng)絡(luò)劃分成各個自治區(qū)域，然后每個自治區(qū)域按照PEGASIS方式做成鏈處理。各個自治區(qū)域成鏈，有效降低了數(shù)據(jù)丟失率，但LEACH成簇方式不能保證合理劃分自治區(qū)域，并且論文沒有對PEGASIS協(xié)議本身做進一步優(yōu)化。

文獻[12]提出的PDCH(Protocol Based on Double Cluster Head)借鑒了文獻[6]中分支鏈的方式，不同點在于PDCH以基站節(jié)點為中心，依據(jù)距離基站的距離，將網(wǎng)絡(luò)劃分為多個同心圓，在每個層次分別使用論文[6]的EB－PEGASIS方法進行成鏈。文中另外一個改進點是引入主、輔鏈頭的概念，分別進行數(shù)據(jù)的收集和傳輸。PDCH分層成鏈和雙鏈頭方式，降低了單一鏈頭的能耗壓力。但同心圓劃分方式使得距離基站較近的鏈頭壓力增加;成鏈方式依然采用貪婪算法，在區(qū)域內(nèi)存在與文獻[6]相同的弊端。

綜上所述，目前基于鏈式拓撲的路由設(shè)計思想在成鏈方式和鏈頭選取上欠缺更進一步的思考，HMCRP路由算法在這兩點上均作了考慮:基于蟻群算法成鏈，并提出鏈頭選取公式。全網(wǎng)形成單一鏈會增加數(shù)據(jù)傳輸過程中的不穩(wěn)定性，所以HMCRP對網(wǎng)絡(luò)基于地理位置進行層次型區(qū)域劃分，一定程度上提高了全網(wǎng)的數(shù)據(jù)傳輸可靠性，并保證區(qū)域內(nèi)網(wǎng)絡(luò)復(fù)雜度較低。

2 HMCRP算法設(shè)計

HMCRP協(xié)議繼承PEGASIS鏈狀拓撲，但考慮到節(jié)點規(guī)模比較大的場景，所以HMCRP的拓撲方案設(shè)定為:全網(wǎng)拓撲采用層次型結(jié)構(gòu)，每層的自治區(qū)域采用成鏈拓撲提高網(wǎng)絡(luò)傳輸效率;成鏈方式采用蟻群算法，避免貪婪算法的局部性劣勢;鏈頭選取考慮節(jié)點性能和數(shù)據(jù)傳輸代價，降低數(shù)據(jù)傳輸成本。協(xié)議假設(shè):①節(jié)點均為靜止狀態(tài)，全網(wǎng)節(jié)點位置信息已知。②節(jié)點(基站除外)初始能量相等并可以感知自身能量值。

2．1 層次型區(qū)域劃分階段

文獻[2]提出分簇算法 GAF(Geographical Adaptive Fidelity):假設(shè)全網(wǎng)節(jié)點地理位置已知，基站將監(jiān)控區(qū)域劃分成若干單元格區(qū)域，每個節(jié)點依據(jù)其自身方位被歸入相應(yīng)的單元格中，單元格大小的確立遵循兩個相鄰單元格對角線距離小于等于節(jié)點通信距離的原則。算法保證簇的均勻分布，并由基站承擔拓撲計算任務(wù)，具有較強的實際應(yīng)用價值。

HMCRP協(xié)議將全網(wǎng)劃分為兩層:依據(jù)GAF劃分出底層自治區(qū)域，如圖1(a)所示。基站通過計算獲得底層自治區(qū)域劃分信息，并廣播告知全網(wǎng)節(jié)點。

底層自治區(qū)域分別形成鏈狀拓撲并選取鏈頭。考慮到大規(guī)模網(wǎng)絡(luò)中鏈頭分布廣泛，HMCRP以基站為中心，以底層自治區(qū)域的鏈頭為單位劃分成若干扇形并成鏈，即頂層自治區(qū)域，如圖1(b)。使用扇形劃分方式，保證頂層自治區(qū)域節(jié)點分布情況類似，避免同心圓劃分方式中外圍圓環(huán)跨度過大、各個自治區(qū)域分布情況不均的問題。

圖1 層次型劃分示意圖

2．2 底層成鏈階段

2．2．1 蟻群算法應(yīng)用于WSN

自然界中蟻群在覓食途中會釋放一種信息素，用于蟻群間的信息交流。覓食路徑越短，該路徑上信息素濃度越高，反之則越低。當某一時刻有多條備選路徑，螞蟻會以較大概率選擇信息素濃度高的路徑，并在該路徑上增加信息素。這種正反饋模式最終會促進螞蟻找到覓食路徑的最優(yōu)解。蟻群算法通過有限次循環(huán)迭代方式求近似最優(yōu)解的策略，可以較好的獲得全局最優(yōu)解。現(xiàn)有的一些WSN文獻將該模型應(yīng)用于路徑搜索、簇頭選取，實驗證明具有較好的表現(xiàn)。

文獻[13]在數(shù)據(jù)源節(jié)點與基站之間通過蟻群算法搜尋較優(yōu)路徑。源節(jié)點首先發(fā)送探測報文充當“探測螞蟻”，通過公式(1)計算下一跳選擇概率，其中τij(t)為 t時刻節(jié)點i與j之間的信息素濃度，，C為節(jié)點初始化能量，e為節(jié)點j剩余j能量。

報文最終到達基站，基站將沿原路徑回復(fù)確認報文充當“反向螞蟻”。其到達每一個中間節(jié)點，會更新該節(jié)點的信息素濃度，增量如式(2)所示，N為路徑上節(jié)點數(shù)目，dk為經(jīng)過的距離，a為權(quán)值因子。

在螞蟻釋放信息素的同時，路徑上的信息素會以輪為單位耗散，其耗散模型為式(3)。

ρ(0＜ρ＜1)表示信息素的揮發(fā)程度。

文獻[14－15]在路徑選取上使用蟻群算法。文獻[14]中φij(t)的計算結(jié)合距離因子和角度偏移因子，距離因子表征當前節(jié)點距離備選節(jié)點的距離，角度偏移因子表征當前節(jié)點與備選節(jié)點、基站之間形成的夾角度數(shù)，夾角越大表明偏離基站越大，則節(jié)點被選擇的概率越小。文獻[15]提出螞蟻生存壽命的概念，當螞蟻在其壽命內(nèi)沒有到達匯聚節(jié)點，就會死亡，避免在較差路徑上繼續(xù)探索而產(chǎn)生不必要的能量消耗。

文獻[16]對 LEACH[17]協(xié)議做改進，在簇頭選取上使用蟻群算法:初始階段基站均勻拋散“螞蟻”，螞蟻與簇頭數(shù)目相等，收到螞蟻的節(jié)點為第一輪的簇頭;之后，簇頭廣播信息，非簇頭根據(jù)接收到的簇頭信息，以距離、節(jié)點性能為指標形成與各個簇頭的信息素濃度評價值，以較大概率選擇評價值高的簇頭并入簇。

2．2．2 成鏈過程

HMCRP引用文獻[17]的網(wǎng)絡(luò)能耗模型:節(jié)點在發(fā)送和接收數(shù)據(jù)時，為運行發(fā)送和接收電路而消耗的能量為E電路J/byte;節(jié)點在發(fā)送數(shù)據(jù)時的信號放大器能耗記為E放大器(單位:J/m2)。

式(4)表示節(jié)點廣播發(fā)送n byte到周圍距離d m遠所消耗的能量。

式(5)表示節(jié)點接收n byte所消耗的能量。因放大器模塊的作用，節(jié)點發(fā)送數(shù)據(jù)消耗的能量除了與數(shù)據(jù)量有關(guān)，還與距離的平方成正比。根據(jù)以上特點，HMCRP在智能成鏈方法中，使用距離的平方來表征兩個節(jié)點之間的傳輸代價。

Lk表示距離平方和，Q表示螞蟻在本輪釋放的信息素總量。基站針對每個底層自治區(qū)域分別作改進蟻群算法的成鏈計算。

2．2．3 鏈頭選取

成鏈過程結(jié)束后，在鏈頭選取上考慮兩方面:鏈頭自身能量值以及鏈數(shù)據(jù)傳輸價。如式(7):

δ底層鏈頭值越大表征節(jié)點越適合作為鏈頭。ε能量為節(jié)點當前剩余能量，ρ代價為鏈一輪的數(shù)據(jù)傳輸代價，α'和β'為權(quán)值因子且均為正數(shù)，用以調(diào)節(jié)能量和傳輸代價在鏈頭選取中的權(quán)重。

HMCRP的數(shù)據(jù)傳輸方式與PEGASIS類似，這里為了簡化計算模型，將數(shù)據(jù)融合模型規(guī)定如下:數(shù)據(jù)初始大小為b byte，數(shù)據(jù)融合增量為Δb byte。如圖2所示，假設(shè)鏈拓撲節(jié)點編號1到n，選取編號為m的節(jié)點為鏈頭，則一輪數(shù)據(jù)傳輸代價ρ代價可以表示為:

i為節(jié)點編號，di為節(jié)點間距離，ρ代價表示以節(jié)點m為鏈頭，一輪數(shù)據(jù)傳輸?shù)拇鷥r。鏈頭選取綜合考慮節(jié)點剩余能量(局部特征)和鏈路數(shù)據(jù)傳輸代價(全局特征)，與原始PEGASIS協(xié)議中的隨機選取方式，以及改進協(xié)議中提及的單一考慮節(jié)點能量指標方式相比較，鏈頭的選取更加合理，有助于提高鏈路可靠性，降低網(wǎng)絡(luò)能耗。

2．3 頂層成鏈階段

頂層自治區(qū)域以鏈頭為單位，依照改進的蟻群算法成鏈。在鏈頭選取上額外考慮鏈頭與基站的距離，頂層鏈頭選取公式改進為:

圖2 鏈拓撲數(shù)據(jù)傳輸示意圖

3 仿真實驗結(jié)果及分析

本文采用 Omnet++仿真網(wǎng)絡(luò)能耗，使用MATLAB仿真智能算法。對PEGASIS、EBPEGASIS、PDCH、AC－PEGASIS(對 PEGASIS 只加入蟻群算法、鏈頭選取改進，Ant Colony PEGASIS，簡稱AC－PEGASIS)、HMCRP 進行比較。

仿真能耗參數(shù)如表1。節(jié)點規(guī)模設(shè)定100、500和1000個節(jié)點，對應(yīng)區(qū)域為100 m×100 m，500 m×500 m，500 m×500 m，基站節(jié)點處于區(qū)域中心位置。

表1 仿真能耗參數(shù)設(shè)定

仿真指標說明:(1)數(shù)據(jù)傳輸輪數(shù);(2)數(shù)據(jù)傳輸平均能耗:數(shù)據(jù)包傳輸能耗的平均值;(3)數(shù)據(jù)接收成功率:基站的接收數(shù)據(jù)量與網(wǎng)絡(luò)產(chǎn)生數(shù)據(jù)量之比。

圖3為數(shù)據(jù)傳輸輪數(shù)對比，圖3(a)和3(b)分別為節(jié)點數(shù)目100和500的仿真結(jié)果，其節(jié)點數(shù)目與網(wǎng)絡(luò)面積成正比。結(jié)果中每種協(xié)議的總輪數(shù)在兩種網(wǎng)絡(luò)環(huán)境下逐漸減少，原因在于兩次仿真中節(jié)點間平均距離增加，導(dǎo)致數(shù)據(jù)傳輸能耗增加，因此傳輸總輪數(shù)減少。圖3(b)和3(c)使用相同大小的區(qū)域，兩次實驗結(jié)果可以看到每個協(xié)議的數(shù)據(jù)傳輸輪數(shù)有所增加，這是因為節(jié)點密度增大，節(jié)點數(shù)據(jù)傳輸?shù)钠骄鷥r減小所致。

圖4是數(shù)據(jù)傳輸?shù)钠骄芎膶Ρ取＞W(wǎng)絡(luò)運行中，隨著全網(wǎng)存活節(jié)點的減少，節(jié)點密度減小，相鄰節(jié)點間距離增加，因而數(shù)據(jù)傳輸能耗增加，形成上升曲線。

圖3 數(shù)據(jù)傳輸輪數(shù)仿真結(jié)果

圖4 數(shù)據(jù)傳輸平均能耗仿真結(jié)果

綜合圖3和圖4仿真結(jié)果，可以看出:ACPEGASIS在延長網(wǎng)絡(luò)生存期、降低數(shù)據(jù)傳輸能耗上優(yōu)于PEGASIS，證明智能成鏈和新鏈頭選取方式的結(jié)合是有效的;另外，HMCRP的仿真結(jié)果優(yōu)于EBPEGASIS、AC－PEGASIS 和 PDCH，證明區(qū)域分層方式在大規(guī)模網(wǎng)絡(luò)環(huán)境下的良好表現(xiàn)。

圖5是數(shù)據(jù)接收成功率對比，PEGASIS的簡單機制無法保證數(shù)據(jù)傳輸可靠性，隨著節(jié)點規(guī)模的增加導(dǎo)致傳輸成功率驟降;EB－PEGASIS和 ACPEGASIS分別在成鏈方式和鏈頭選取上加以改進，優(yōu)化了數(shù)據(jù)傳輸可靠性;PDCH采用同心圓分層的PEGASIS，可靠性大大增加;HMCRP既通過智能算法、鏈頭選取公式優(yōu)化PEGASIS本身，又使用基于地理位置的方式劃分層次，以此滿足大規(guī)模網(wǎng)絡(luò)的需求，數(shù)據(jù)傳輸成功率在對比協(xié)議中最優(yōu)。

圖5 數(shù)據(jù)接收成功率仿真結(jié)果

4 總結(jié)

本文通過分析以往基于鏈式拓撲路由協(xié)議的優(yōu)點和不足，提出了自己的改進方案，最后通過仿真實驗，在協(xié)議性能上與 PEGASIS、EB－PEGASIS、PDCH協(xié)議進行了對比，仿真結(jié)果表明HMCRP算法對延長網(wǎng)絡(luò)生命期、降低數(shù)據(jù)傳輸能耗、提高數(shù)據(jù)接收成功率等方面有一定優(yōu)越性。針對非均勻分布網(wǎng)絡(luò)環(huán)境，以及網(wǎng)絡(luò)拓撲實時變化的動態(tài)網(wǎng)絡(luò)環(huán)境的可靠路由協(xié)議設(shè)計，將是下一階段的研究重點。

[1]Aquino－Santos R，Villase~nor－González L A，Licea V R，et al．Performance Analysis of Routing Strategies for Wireless Sensor Networks[J]．Revista Facultad de Ingeniería Universidad de Antioquia，2010，52(2):185－195．

[2]Ya Xu，John Heidemann，Estrin D．Geography－Informed Energy Conservation for Ad Hoc Routing[C]//Proceeding of the 7th AnnualInternationalConference on Mobile Computing and Networking，2001:70－84．

[3]Lindsey S，Raghavendra C．PEGASIS:Power－Efficient Gathering in Sensor Information Systems[C]//Aerospace Conference Proceeding，2002，3:1125－1130．

[4]Dorigo M，Blum C．Ant Colony Optimization Theory:A Survey[J]．Theoretical Computer Science，2005，344(2):243－278．

[5]Shukla I，Meghanathan N．Impact of Leader Selection Strategies on the PEGASIS Data Gathering Protocol for Wireless Sensor Networks[J]．Ubiquitous Computing and Communication Journal，2008，29(4):1－10．

[6]Liu Yueyang．An Energy－Efficient PEGASIS Based Enhanced Algorithm in Wireless Sensor Networks[J]． China Communications，2006，1(8):91－97．

[7]余勇昌，韋崗．無線傳感器網(wǎng)絡(luò)中基于PEGASIS協(xié)議的改進算法[J]．電子學(xué)報，2008，36(7):1309－1313．

[8]韓晶晶，徐中偉．一種基于最低能量保護的分簇CCLP算法[J]．信息技術(shù)，2008，11(10):55－58．

[9]Meghanathan N．Use of Tree Traversal Algorithms for Chain Formation in the PEGASIS Data Gathering Protocol for Wireless Sensor Networks[J]．KSII Transactions on Internet and Information Systems，2009，3(6):612－627．

[10]嚴英，郭麗，許建真．一種基于LEACH與PEGASIS協(xié)議的分層成鏈優(yōu)化路由算法[J]．傳感技術(shù)學(xué)報，2011，24(9):1311－1316．

[11]張震，閆連山，潘煒．基于LEACH和PEGASIS的簇頭成鏈可靠路由協(xié)議研究[J]．傳感技術(shù)學(xué)報，2010，23(8):1173－1178．

[12]Wang Linping B W．Improved Algorithm of PEGASIS Protocol Introducing Double Cluster Heads in Wireless Sensor Network[C]//Computer，Mechatronics，Control and Electronic Engineering(CMCE)，2010 International Conference，2010:148－151．

[13]Camilo T，Carreto C，Silva J，et al．An Energy－Efficient Ant－Based Routing Algorithm for Wireless Sensor Networks[J]．Ant Colony Optimization and Swarm Intelligence，2006，4150(1):49－59．

[14]Yanga L X．An Improved Ant Colony Optimization Algorithm for Multi－Object Routing in Wireless Sensor Networks[J]．Journal of Huazhong University of Science and Technology(Nature Science E－dition)，2007，35(10):24－27．

[15]Zhang H，F(xiàn)u Z．Ant Colony－Based Wireless Sensor Networks Routing Algorithm[J]．Transducer and Microsystem Technologies，2010，29(1):84－88．

[16]蘇淼，錢海，王煦法．基于蟻群的無線傳感器網(wǎng)絡(luò)雙簇頭算法[J]．計算機工程，2008，34(13):174－176．

[17]Heinzelman W R，Chandrakasan A，Balakrishnan H．Energy－EfficientCommunication Protocol for Wireless Microsensor Networks[C]//Proceeding of the 33rd Annual Hawaii International Conference，4－7 Jan，2000:1－10．