無線傳感器網(wǎng)絡(luò)拓?fù)淇刂蒲芯烤C述

李安瑩房鑫平孫福陽

（沈陽理工大學(xué)，遼寧 沈陽 110159）

1 引言

無線傳感器網(wǎng)絡(luò)（WSN）是集信息采集、傳輸以及處理于一體的智能信息管理系統(tǒng)，應(yīng)用前景廣闊，是目前比較活躍的一個領(lǐng)域。

WSN是一種由大量微傳感器節(jié)點組成的自組織網(wǎng)絡(luò)，其向?qū)W者們提供了大量的研究課題，拓?fù)淇刂剖亲罨締栴}之一。拓?fù)淇刂凭褪且芯咳绾涡纬梢粋€良好的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，為數(shù)據(jù)融合、路由協(xié)議以及目標(biāo)定位等其他技術(shù)提供支撐。

WSN節(jié)點通常大規(guī)模部署并且具有隨機性、自組織性，網(wǎng)絡(luò)組織方式通常多種多樣，節(jié)點能量非常有限，因此，在設(shè)計無線傳感器網(wǎng)絡(luò)時，要提高路由協(xié)議和MAC協(xié)議的效率，延長網(wǎng)絡(luò)生存周期，一定要有一個良好的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

目前主流的拓?fù)淇刂扑惴煞譃椋汗?jié)點功率控制型和層次型拓?fù)淇刂菩汀?/p>

功率控制就是通過變化節(jié)點的發(fā)射功率來調(diào)整節(jié)點無線信號的覆蓋區(qū)域大小，在此基礎(chǔ)上調(diào)節(jié)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，最終目的是提高整個網(wǎng)絡(luò)的連通性。

層次型拓?fù)淇刂浦饕捎玫氖欠执貦C制，將整個網(wǎng)絡(luò)劃分成若干區(qū)域形成多個簇，選出骨干節(jié)點構(gòu)成骨干網(wǎng)進行數(shù)據(jù)轉(zhuǎn)發(fā)，而普通節(jié)點可擇機關(guān)閉不必要的模塊，以避免不必要的能量消耗。

2 典型的拓?fù)淇刂扑惴?/h2>

2.1 節(jié)點功率拓?fù)淇刂扑惴?/h3>

LMA和LMN算法是基于節(jié)點度的算法，通過不斷的改變節(jié)點的發(fā)射功率來使得其度數(shù)處在一個合適的范圍，根據(jù)已經(jīng)采集到的局部信息來調(diào)整鄰居節(jié)點之間的連通性，最終使整個網(wǎng)絡(luò)具有連通性。兩種算法的相同點是分步驟、周期性地調(diào)整節(jié)點的發(fā)射功率，不同點是它們有著不同的節(jié)點度數(shù)計算方法。

這兩種算法利用較少的局部信息就可確定節(jié)點功率的調(diào)節(jié)方式，而且對時鐘同步、傳感器節(jié)點要求均不高，但是在節(jié)點鄰居節(jié)點判斷上存在不足，所形成的網(wǎng)狀拓?fù)浣Y(jié)構(gòu)不僅增大了網(wǎng)絡(luò)復(fù)雜度，而且使網(wǎng)絡(luò)開銷增大了。

DRNG和DLMST算法是基于鄰近圖的拓?fù)淇刂扑惴ǎ泄?jié)點調(diào)整發(fā)射功率至最大化形成一個拓?fù)浣Y(jié)構(gòu)圖，再根據(jù)設(shè)定的鄰居判別規(guī)則得出該圖的鄰近圖，每個節(jié)點根據(jù)鄰居中最遠(yuǎn)節(jié)點的距離來設(shè)定發(fā)射功率。

這兩種算法均以節(jié)點發(fā)射功率不一致為背景，基于鄰近圖RNG、最小生成樹LMST理論，用距離最遠(yuǎn)的鄰居節(jié)點所需的發(fā)射功率為標(biāo)準(zhǔn)，有效解決了發(fā)射功率不一致的問題，并通過增加刪除操作來保證網(wǎng)絡(luò)拓?fù)涞碾p向連通。但是這兩個算法需要精確的定位信息。

2.2 層次型拓?fù)淇刂扑惴?/h3>

LEACH是最早的也是較典型的基于均勻分簇的拓?fù)淇刂扑惴ǎ厥淄ㄟ^分布式選舉隨機生成，剩余節(jié)點作為簇內(nèi)成員節(jié)點。在網(wǎng)絡(luò)運行中，簇首節(jié)點融合簇內(nèi)所有節(jié)點的信息，以單跳方式發(fā)送至Sink節(jié)點。簇首節(jié)點和簇結(jié)構(gòu)均周期性更新。

相對于傳統(tǒng)網(wǎng)絡(luò)，LEACH使用簇結(jié)構(gòu)，能有效提高節(jié)點能量利用率和網(wǎng)絡(luò)壽命。但簇首節(jié)點和Sink節(jié)點之間的單跳通信可能因長距離數(shù)據(jù)傳輸而能耗過大；頻繁的簇重增加了額外的通信開銷；簇首節(jié)點的選擇未考慮節(jié)點地理位置、剩余能量等因素。

GAF是一種基于地理位置的分簇拓?fù)淇刂扑惴ǎ紫葘⒕W(wǎng)絡(luò)劃分為固定數(shù)目的虛擬分區(qū)，節(jié)點將自身地理位置信息與虛擬網(wǎng)格中某個點關(guān)聯(lián)映射起來并計算自身所屬的分區(qū)，每個區(qū)域內(nèi)選出一個節(jié)點在某一時間段內(nèi)處于活動狀態(tài)來監(jiān)測所在區(qū)域內(nèi)的信息并報告數(shù)據(jù)給Sink節(jié)點。

GAF使得形成的簇結(jié)構(gòu)更均勻，但是在選擇簇首時沒考慮節(jié)點的剩余能量，劃分單元格時，若節(jié)點間的一跳通信距離較小單元格會比較密集，而一跳通信距離較大分簇又比較稀疏，這樣的分簇反而會降低網(wǎng)絡(luò)的效率。

EEUC是一種分布式的、非均勻分簇算法，首先以概率T（由算法預(yù)先設(shè)定）在網(wǎng)絡(luò)中選出一些節(jié)點作為候選簇首節(jié)點。簇首由候選簇首節(jié)點競爭產(chǎn)生，其他節(jié)點在簇首選舉過程中處于休眠狀態(tài)，其中競爭半徑由候選簇首到Sink節(jié)點的距離決定。

EEUC將整個網(wǎng)絡(luò)分成規(guī)模各異的簇，簇的規(guī)模與離Sink節(jié)點的距離成反比，這樣有效降低了簇首通信代價，避免了“熱區(qū)”問題，延長了網(wǎng)絡(luò)周期。但EEUC單純的考慮距離而沒有考慮節(jié)點的剩余能量以及密度因素，而且沒有考慮簇首節(jié)點在簇內(nèi)的位置，可能造成網(wǎng)絡(luò)能耗不均衡過早死亡的現(xiàn)象。

結(jié)語

本文介紹了WSN拓?fù)淇刂频姆诸惡蛶追N經(jīng)典的拓?fù)淇刂扑惴ǎ治隽怂惴ǖ膬?yōu)缺點。目前的大多數(shù)研究模型都比較理想化，沒有全面考慮實際應(yīng)用中存在的問題，還有很多問題亟需進一步研究。未來拓?fù)淇刂蒲芯康陌l(fā)展趨勢應(yīng)為：結(jié)合多種機制且更接近實際情況，網(wǎng)絡(luò)的各種性能應(yīng)被綜合考慮進來，拓?fù)淇刂频淖赃m應(yīng)性和魯棒性應(yīng)有所提高。

[1]余成波，李紅兵，陶紅艷.無線傳感器網(wǎng)絡(luò)使用教程[M].北京：清華大學(xué)出版社，2012.

[2]Zhang X, LU SL, Chen GH, Chen DX,Xie L. Topology control for wireless sensor networks. Journal of Software, 2007, 18（04）: 934-954.

[3]Li CF, Ye M, Chen GH, Wu J, An energy-efficient unequal clustering mechanism for Wireless sensor network.IEEE International Conference on Mobile Adhoc and Sensor Systems Conference,2005. pp. 596-640.