無(wú)線傳感器網(wǎng)絡(luò)模糊邏輯分簇路由協(xié)議

閆會(huì)芹，何加銘，2，鄭紫微，曾興斌，2

(1.寧波大學(xué)通信技術(shù)研究所，浙江寧波 315211;2.浙江省移動(dòng)網(wǎng)應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室，浙江寧波 315211)

0 引言

WSN 網(wǎng)絡(luò)(Wireless Sensor Network，WSN)［1，2］是由大量微型傳感器節(jié)點(diǎn)通過(guò)自組織的方式構(gòu)成。這些傳感器節(jié)點(diǎn)將覆蓋區(qū)域內(nèi)收集到的信息通過(guò)協(xié)作感知、采集、處理和傳輸?shù)炔僮靼l(fā)送給Sink節(jié)點(diǎn)。如果說(shuō)網(wǎng)絡(luò)改變了人們之間的溝通方式從而構(gòu)成了邏輯上的信息世界，那么WSN則是將邏輯世界與物理世界結(jié)合到一起，進(jìn)而改變了人類與自然界交互的方式［3］。

由于傳感器節(jié)點(diǎn)的能量有限且不可補(bǔ)給，所以降低節(jié)點(diǎn)能量消耗、延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間是無(wú)線傳感器網(wǎng)絡(luò)路由設(shè)計(jì)的重要目標(biāo)。WSN路由協(xié)議從網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的角度常分為平面路由協(xié)議和層次路由協(xié)議［4，5］。其中 LEACH(low-energy adaptive clustering hierarchy)協(xié)議［6］是 Heinzelman 等人提出的最具有代表性的層次路由協(xié)議。與一般的平面協(xié)議相比LEACH協(xié)議可以將網(wǎng)絡(luò)的生命周期延長(zhǎng)15%。CHEF［7］是 Jong-Myoung 和 Seon-Ho 提出的一種利用模糊邏輯推理的方法實(shí)現(xiàn)簇頭選舉的分簇路由協(xié)議，該協(xié)議主要針對(duì)分布均勻的網(wǎng)絡(luò)，通過(guò)簇頭競(jìng)爭(zhēng)半徑是簇頭節(jié)點(diǎn)能耗均衡。文獻(xiàn)［8，9］提出，針對(duì)非均勻分布的傳感器網(wǎng)絡(luò)劃分簇頭的競(jìng)爭(zhēng)半徑。提出基于模糊邏輯的分簇路由協(xié)議(Double Fuzzy Logic Clustering Protocol，DFLCP)，考慮節(jié)點(diǎn)的剩余能量、位置以及分布密度，采用模糊推理選取簇頭，實(shí)現(xiàn)網(wǎng)絡(luò)能量負(fù)載均衡，延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間。

1 相關(guān)工作

1.1 LEACH協(xié)議算法

Leach算法在每輪成簇過(guò)程中主要包括下面幾個(gè)階段:① 簇頭選舉階段;② 簇的形成階段;③ 數(shù)據(jù)傳輸階段［4，10］。

簇頭選舉中，每個(gè)節(jié)點(diǎn)隨機(jī)產(chǎn)生一個(gè)0～1之間的數(shù)值，如果這個(gè)隨機(jī)數(shù)小于閾值T(n)，則該節(jié)點(diǎn)成為簇頭并廣播消息，在第0輪的時(shí)候，每個(gè)節(jié)點(diǎn)當(dāng)選為簇頭的概率為p，被選為簇頭的節(jié)點(diǎn)在后面的幾輪中將不能再次當(dāng)選為簇頭節(jié)點(diǎn)。隨著每一輪的進(jìn)行，剩下可以當(dāng)選為簇頭的節(jié)點(diǎn)數(shù)量在不斷地變小，但是T(n)在不斷地變大，且能夠保持每輪當(dāng)選的簇頭個(gè)數(shù)是一樣的。經(jīng)過(guò)了若干輪后，T(n)=1，所有未當(dāng)選為簇頭的節(jié)點(diǎn)都當(dāng)選為簇頭節(jié)點(diǎn)，接下來(lái)的一輪，所有節(jié)點(diǎn)又可以重新當(dāng)選為簇頭節(jié)點(diǎn)。未當(dāng)選的節(jié)點(diǎn)根據(jù)接收到的信號(hào)強(qiáng)弱決定加入哪個(gè)簇，并向該簇簇頭回復(fù)消息，全部節(jié)點(diǎn)都加入簇后，簇的形成階段就結(jié)束了。在數(shù)據(jù)傳輸階段，簇內(nèi)節(jié)點(diǎn)按照TDMA時(shí)刻表所確定的時(shí)隙，將信息發(fā)送給簇頭節(jié)點(diǎn)。在數(shù)據(jù)傳輸經(jīng)歷一段時(shí)間以后，整個(gè)網(wǎng)絡(luò)進(jìn)入下輪的簇頭選舉和簇的形成。

式中，P為網(wǎng)絡(luò)中簇首數(shù)量與總節(jié)點(diǎn)數(shù)量的百分比，r為當(dāng)前的輪數(shù)，G為最近1/P輪沒(méi)有成為過(guò)簇首的節(jié)點(diǎn)集。

1.2 模糊邏輯

模糊邏輯是有多個(gè)真值的多值邏輯，使用連續(xù)的多值或在0和1之間的隸屬度函數(shù)值。模糊邏輯能夠描述和處理事物的模糊性和系統(tǒng)中的不確定性。

模糊推理系統(tǒng)的結(jié)構(gòu)如圖1所示，主要由4部分組成:模糊產(chǎn)生器、模糊推理、模糊規(guī)則庫(kù)以及解模糊化器。常用的模糊推理類型有Mamdani方法和Sugeno方法［12］，它們唯一的區(qū)別在與獲取輸出的方式不同。文中使用的是Mamdani模糊推理方法，2次使用到模糊推理規(guī)則，首先在簇頭選舉的過(guò)程中輸入節(jié)點(diǎn)的剩余能量、節(jié)點(diǎn)位置和節(jié)點(diǎn)周圍密度通過(guò)模糊推理計(jì)算簇頭的競(jìng)爭(zhēng)半徑;在簇頭選舉時(shí)，通過(guò)節(jié)點(diǎn)的剩余能量和節(jié)點(diǎn)到Sink節(jié)點(diǎn)的距離計(jì)算節(jié)點(diǎn)成為簇頭的概率。

圖1 模糊推理系統(tǒng)

輸入變量，書寫模糊規(guī)則，經(jīng)過(guò)推理得到想要的輸出值。在解模糊化階段中使用矩心centroid算法。

2 DFLCP協(xié)議模型

2.1 網(wǎng)絡(luò)模型

假設(shè)隨機(jī)分布100個(gè)節(jié)點(diǎn)在200*200的區(qū)域中，并且WSN有如下的屬性:

①所有節(jié)點(diǎn)都是隨機(jī)分布的，且有相同的初始能量，計(jì)算能力等;

②每個(gè)節(jié)點(diǎn)具有唯一的ID;

③節(jié)點(diǎn)和Sink節(jié)點(diǎn)都是靜止的;

④節(jié)點(diǎn)和Sink節(jié)點(diǎn)的位置都是已知的;

⑤Sink節(jié)點(diǎn)在WSN中。

2.2 能量消耗模型

采用自由空間(d2)信道模型和多徑衰落(d4)信道模型［11，13］，其無(wú)線電模型如圖 2 所示。

圖2 模糊推理系統(tǒng)

在這種模式下，每個(gè)節(jié)點(diǎn)發(fā)送l位數(shù)據(jù)消耗的能量為:

每個(gè)節(jié)點(diǎn)接收l(shuí)位數(shù)據(jù)消耗的能量為:

式中，Eelec為接收電路或者發(fā)送電路單位比特所消耗的能量，d為數(shù)據(jù)在兩節(jié)點(diǎn)間傳輸?shù)木嚯x，當(dāng)d＜d0時(shí)，為自由空間模型，εfs該模型下功率放大所需要的能耗;當(dāng)d≥d0時(shí)，為多徑衰落模型，εmp為該模型下功率放大所需能耗。

3 DFLCP協(xié)議算法

在文獻(xiàn)［10］中提出非均勻分簇的概念，使得簇頭的分布能夠相對(duì)均勻。在DFLCP協(xié)議中，利用模糊邏輯計(jì)算出簇頭節(jié)點(diǎn)的競(jìng)爭(zhēng)半徑。在計(jì)算時(shí)考慮到節(jié)點(diǎn)到Sink節(jié)點(diǎn)的距離、剩余能量和分布密度3個(gè)節(jié)點(diǎn)參數(shù)。根據(jù)計(jì)算結(jié)果劃分預(yù)選簇頭節(jié)點(diǎn)的競(jìng)爭(zhēng)區(qū)域，在競(jìng)爭(zhēng)區(qū)域內(nèi)選出真正簇頭節(jié)點(diǎn)。

DFLCP協(xié)議的部分代碼:

在簇頭選舉過(guò)程中，每個(gè)節(jié)點(diǎn)隨機(jī)生成一個(gè)0～1之間的隨機(jī)數(shù)，若隨機(jī)數(shù)比閾值函數(shù)T(n)小，則該節(jié)點(diǎn)成為預(yù)選簇頭;然后利用模糊邏輯計(jì)算預(yù)選簇頭的競(jìng)爭(zhēng)半徑，并廣播消息其中包括節(jié)點(diǎn)的ID、競(jìng)爭(zhēng)半徑、節(jié)點(diǎn)的成為簇頭的概率(其中，節(jié)點(diǎn)成為簇頭的概率是利用節(jié)點(diǎn)的剩余能量和節(jié)點(diǎn)到Sink節(jié)點(diǎn)的距離通過(guò)模糊邏輯計(jì)算得到)。若某節(jié)點(diǎn)A接收到節(jié)點(diǎn)B廣播的消息，A節(jié)點(diǎn)在B節(jié)點(diǎn)的競(jìng)爭(zhēng)半徑內(nèi)，則比較兩節(jié)點(diǎn)的成為簇頭的概率，若A.chance大于B.chance，則B節(jié)點(diǎn)放棄成為簇頭，否則B節(jié)點(diǎn)成為簇頭。其中2次使用模糊邏輯。在計(jì)算簇頭的競(jìng)爭(zhēng)半徑時(shí)，利用節(jié)點(diǎn)到Sink節(jié)點(diǎn)的距離、節(jié)點(diǎn)剩余能量、節(jié)點(diǎn)分布密度3個(gè)變量(圖3)通過(guò)模糊邏輯確定預(yù)選簇頭節(jié)點(diǎn)競(jìng)爭(zhēng)半徑。輸出函數(shù)(圖 4)共有 11 種變量(very small、small、little small、little medium、medium、higher medium、little strong、strong、very strong、lager、very lager)和 27 條模糊規(guī)則。節(jié)點(diǎn)到Sink節(jié)點(diǎn)的距離越近，節(jié)點(diǎn)的剩余能量越高，節(jié)點(diǎn)的分布密度越小，則預(yù)選簇頭節(jié)點(diǎn)的競(jìng)爭(zhēng)半徑越大。

圖3 模糊邏輯輸入變量

圖4 模糊邏輯輸出變量—節(jié)點(diǎn)競(jìng)爭(zhēng)半徑

在計(jì)算節(jié)點(diǎn)成為簇頭的概率大小時(shí)，考慮節(jié)點(diǎn)的剩余能量以及節(jié)點(diǎn)到Sink節(jié)點(diǎn)的距離2個(gè)變量通過(guò)模糊邏輯計(jì)算得出。其中節(jié)點(diǎn)的剩余能量分為very low、low、medium和high 4種情況。

4 仿真及結(jié)果分析

為了驗(yàn)證算法的性能，采用MATLAB進(jìn)行仿真實(shí)驗(yàn)，設(shè)置仿真參數(shù)如表1所示。仿真結(jié)果如圖5所示。

表1 仿真參數(shù)

圖5為850輪時(shí)的節(jié)點(diǎn)分布圖，從圖5中可以看出，節(jié)點(diǎn)的分布相對(duì)較為均勻。節(jié)點(diǎn)密度大時(shí)簇頭分布較多，簇頭競(jìng)爭(zhēng)半徑較小;節(jié)點(diǎn)密度小時(shí)簇頭分布較少，簇頭競(jìng)爭(zhēng)半徑較大。在簇頭半徑內(nèi)不存在其他簇頭節(jié)點(diǎn)，避免2個(gè)簇節(jié)點(diǎn)相距很近，且簇頭半徑按照節(jié)點(diǎn)到Sink節(jié)點(diǎn)的距離和節(jié)點(diǎn)剩余能量、節(jié)點(diǎn)分布密度各不相同。其中小實(shí)心節(jié)點(diǎn)代表已死亡的節(jié)點(diǎn)，圓的圓心表示簇頭節(jié)點(diǎn)，小圓圈節(jié)點(diǎn)代表普通節(jié)點(diǎn)。

圖5 節(jié)點(diǎn)分布圖

圖6 每輪中網(wǎng)絡(luò)剩余能量

圖7為L(zhǎng)EACH協(xié)議和DFLCP協(xié)議中每輪節(jié)點(diǎn)的存活數(shù)目，從圖中可以看出，DFLCP協(xié)議的第一個(gè)節(jié)點(diǎn)死亡的輪數(shù)為794，LEACH協(xié)議第一個(gè)死亡的節(jié)點(diǎn)為704輪。DFLCP協(xié)議中50%的節(jié)點(diǎn)死亡輪數(shù)為1214，LEACH協(xié)議中50%的節(jié)點(diǎn)死亡的輪數(shù)為1085。結(jié)果表明DFLCP協(xié)議采用模糊邏輯均衡能量消耗，可以更好地延長(zhǎng)網(wǎng)絡(luò)壽命。

圖7 節(jié)點(diǎn)存活數(shù)目

由仿真結(jié)果比較可以看出DFLCP協(xié)議的效果比LEACH協(xié)議可以更好地延長(zhǎng)網(wǎng)絡(luò)壽命。因?yàn)長(zhǎng)EACH協(xié)議在簇頭選舉時(shí)是隨機(jī)的，沒(méi)有考慮到節(jié)點(diǎn)的剩余能量和分布密度等信息，會(huì)造成網(wǎng)絡(luò)能量消耗不均衡，而DFLCP協(xié)議在選取簇頭時(shí)，均衡各個(gè)節(jié)點(diǎn)的能量消耗，通過(guò)競(jìng)爭(zhēng)半徑控制簇頭的分布密度，從而可以更好地延長(zhǎng)網(wǎng)絡(luò)壽命。

圖6比較了LEACH協(xié)議和DFLCP協(xié)議中每輪網(wǎng)絡(luò)剩余能量。第500輪時(shí)，LEACH協(xié)議剩余總能量為30.62 J，DFLCP的剩余總能量為33.08 J;第900輪時(shí)，LEACH協(xié)議剩余總能量為11.46 J，DFLCP的剩余總能量為15.65 J。從整體來(lái)看，第700輪開始LEACH協(xié)議的能量衰減較快。初始能量相同，在每輪中DFLCP協(xié)議網(wǎng)絡(luò)剩余總能量均高于LEACH協(xié)議。

5 結(jié)束語(yǔ)

針對(duì)無(wú)線傳感器分簇路由協(xié)議提出DFLCP協(xié)議，該協(xié)議利用模糊邏輯原理根據(jù)節(jié)點(diǎn)的剩余能量、節(jié)點(diǎn)到Sink節(jié)點(diǎn)的距離和節(jié)點(diǎn)分布密度計(jì)算出簇的半徑，實(shí)現(xiàn)非均勻分簇。通過(guò)仿真結(jié)果表明，DFLCP協(xié)議可以有效地延長(zhǎng)網(wǎng)絡(luò)壽命，降低節(jié)點(diǎn)能量消耗。但是DFLCP仍然有很大的提升空間，仍需對(duì)分簇中算法進(jìn)行研究，提出高效并支持移動(dòng)性的分簇算法。

［1］AKYILDIZ I F，SU W，SANKARASUBRAMANIAM Y，et al.A Survey on Sensor Networks ［J］.Communications Magazine，IEEE，2002，40(8):102 －114.

［2］SINGH S K，SINGH M P，SINGH D K.A Survey of Energy-efficient Hierarchical Cluster-based Routing in Wireless Sensor Networks［J］.International Journal of Advanced Networking and Application(IJANA)，2010，2(2):570－580.

［3］CALLAWAY E H. Wireless Sensor Networks:Architectures and Protocols［M］.USA:CRC press，2004.

［4］沈波，張世永，鐘亦平.無(wú)線傳感器網(wǎng)絡(luò)分簇路由協(xié)議［J］.軟件學(xué)報(bào)，2006，17(7):1588 －1600.

［5］李建中，高宏.無(wú)線傳感器網(wǎng)絡(luò)的研究進(jìn)展［J］.計(jì)算機(jī)研究與發(fā)展，2008，45(1):1 －15.

［6］HEINZELMAN W R， CHANDRAKASAN A，BALAKRISHNAN H.Energy-efficientCommunication Protocol for Wireless Microsensor Networks［C］∥System Sciences，2000.Proceedings of the 33rd Annual Hawaii International Conference on.IEEE，2000，2:10 －13.

［7］KIM J M，PARK S H，HAN Y J，et al.CHEF:cluster Head Election Mechanism Using Fuzzy Logic in Wireless Sensor Networks ［C］∥ Advanced CommunicationTechnology，ICACT 2008.10th International Conference on.IEEE，2008:654 －659.

［8］BAGCI H，YAZICI A.An Energy Aware Fuzzy Approach to Unequal Clustering in Wireless Sensor Networks［J］.Applied Soft Computing，2013，13(4):1741 －1749.

［9］MIN X，WEI-REN S，CHANG-JIANG J，et al.Energy Efficient Clustering Algorithm for Maximizing Lifetime of Wireless Sensor Networks［J］.AEU-International Journal of Electronics and Communications，2010，64(4):289 －298.

［10］DENG Y P，CHEN Z.Group Clustering Protocol Based on Energy Balance for Wireless Sensor Networks［J］.Journal of Computer Applications，2011，6:6 －11.

［11］HEINZELMAN W B， CHANDRAKASAN A P，BALAKRISHNAN H.An Application-specific Protocol Architecture for Wireless Microsensor Networks ［J］.IEEE Transactions on Wireless Communications，2002，1(4):660－670.

［12］MAMDANI E H，ASSILIAN S.AnExperimentin Linguistic Synthesis with a Fuzzy Logic Controller［J］.International Journal of Man-machine Studies，1975，7(1):1－13.

［13］蔣暢江，石為人，唐賢倫，等.能量均衡的無(wú)線傳感器網(wǎng)絡(luò)非均勻分簇路由協(xié)議［J］.軟件學(xué)報(bào)，2012，23(5):1223－1232.