采煤工作面信道衰落環境下的WSN分簇協議

2017-05-09 09:47:43錢建生馮小龍

哈爾濱工業大學學報 2017年3期

錢建生，任鵬，馮小龍

(中國礦業大學信息與電氣工程學院，江蘇徐州 221116)

錢建生，任鵬，馮小龍

(中國礦業大學信息與電氣工程學院，江蘇徐州 221116)

針對無線信號在采煤工作面環境時變衰落特征，提出一種基于跨層設計的分簇協議(LEACH-CL)，記錄參與競爭節點數和設置滑動窗口，穩定簇首生成數最優. 通過探測幀獲取節點與基站間的信道效率，聯合節點剩余能量信息，作為簇首選則的判斷依據，設計一種適應無線信號衰落的成簇協議，并通過一定的衰落儲備法調節節點不同時期的發送功率. 仿真實驗表明：與同類3種算法(LEACH、ALEACH和 LEACH-SWDN)比較，LEACH-CL協議網絡拓撲比較穩定，在信號衰落環境下適應性強，有效地延長了網絡的生命期，降低網絡丟包率，更適應于采煤工作面復雜多變環境特征.

無線傳感器網絡；分簇；信道效率；抗衰落；跨層設計

煤礦采煤工作面環境復雜多變，空間內采煤設備及其相關電氣設備聚集，且空氣高溫潮濕，粉塵大，是煤礦災害危險系數最高的場所，不適宜人員作業. CMFM-WSN(coal mining face monitoring with wireless sensor networks)技術的發展為采煤工作面的檢測和控制提供了技術支持. WSN是一種低功耗能量受限的網絡，其網絡自組織性特點，且具有一定的抗毀性，因此，能量高效，系統穩定可靠并適應環境變化的CMFM-WSN協議是井下采煤工作面WSN應用的研究重點[1]. 分簇協議是目前應用最廣，適用性強，自組織性管理較好的協議. 文獻[2-3]對無線傳感器網絡分簇路由協議作了總結，最典型的WSN分簇算法LEACH[4]是最早提出應用于WSN網絡拓撲的聚類控制算法，此后演變出ALEACH[5]、 LEACH-FL[6]、 W-LEACH[7]、LEACH-SWDN[8]等相關同族分簇協議. 在WSN聚類算法中，研究者大多將研究點集中在分簇規則和分簇拓撲下的路由協議. 分簇算法主要從簇首的選舉策略和成簇規則方面考慮，而在簇首選舉和成簇過程中，研究者常將一些參數作為選舉簇首的依據，如節點剩余能量、節點到匯聚節點的距離及鄰節點度等，由此形成尺寸大小、均勻度不等簇類，如均勻成簇PEGASIS[9]和非均勻成簇EC[10]. 在簇間路由方面，分為簇間單跳LEACH或者多跳通信LEACH-IACA[11]兩類，在大規模部署區域內，人們常選擇簇間多跳通信，這樣有利于節約能耗和最大吞吐量，而較小區域內(即無線傳感器節點通信范圍可達的情況下)選擇簇間單跳通信. 采煤工作面的空間距離決定簇間滿足單跳通信方式，單跳通信也有利于降低數據傳輸延遲. 相關研究表明，采煤工作面空間的變化，電器化設備運轉，設備及操作人員的移動等對CMFM-WSN影響極大，突出表現為電磁波傳輸波動劇烈，噪聲干擾強，陰影衰落、鏈路中斷等，物理層數據參數(如RSSI、SNR)的改變對網絡層和數據鏈路層也有一定的影響. 面對信道衰落環境下如何設計成簇算法，文獻[12]利用網絡各層松解術將物理層的信道衰落信息反饋給網絡層，并指導其網絡拓撲的控制規則，其根據節點之間的通信衰減梯度建立關鍵節點，以此作為簇首選舉的標準，然而其數據交互較多，每個節點計算開銷較大，無形中浪費較多能量.

本文在傳統LEACH算法的基礎上，針對環境變化對網絡、MAC層和PHY層的影響，提出一種基于跨層設計的成簇算法LEACH-CL(low energy adaptive clustering hierarchy base on cross layer)，并通過功率補償的方法對其進行抗信道衰落功率控制，使其能夠適應采煤工作面的信道衰落特征，節約能量消耗，提高網絡數據傳輸能力.

1 網絡模型及信道衰落特征

1.1 網絡模型

本文以采煤工作面為網絡應用場景，在智慧礦山無人開采的背景下，對井下采煤工作面實施無線傳感器網絡的監測. 采煤工作面主要有3種工作設備組成：采煤機、刮板輸送機、液壓支架. 隨著采煤機對煤層開采不斷推進，刮板輸送機與液壓支架也要朝著采煤機推進的方向跟進[13]. 如圖1(a)所示，傳感器節點部署于巷道壁、液壓支架、刮板輸送機和采煤機等. 由于煤礦井下不同區域地理地質及空間結構有所不同，如：交通運輸巷類似窄長的帶狀空間結構，其網絡拓撲更適宜一種鏈狀結構，簇間采用多跳傳輸；采空區類似圓形或矩形空間結構，可根據實際情況采用平面或分層的網絡拓撲結構. 本文根據實際情況，將采煤工作面下的網絡拓撲設置為兩層結構，上層為由簇首組成的骨干網，主要用于數據的中繼傳輸，下層(底層)為各簇首的成員節點用于現場數據的采集與控制. 從源節點到目的節點最多兩跳，這也滿足傳感節點在采煤工作面區域內的傳輸要求. 圖1(b)為網絡拓撲結構示意.

假設節點分布于長為X、寬為Y 的矩形采煤工作面區域內，且系統具有如下性質：1)網內節點在初次部署后固定不變，當固定在移動設備上時，可隨設備移動；2) 基站位于區域的中心位置，與井下以太環網相連，且其能量不受限制，具有很強的計算、存儲能力；3) 所有傳感器節點功率可調，可以直接與基站通信；4) 傳感器節點類型同構，能量受限，且初始能量相同；5)網絡具有自組織性，部署后網絡不需要人為維護；6)網絡節點位置信息可知.

(a) 采煤工作面中網絡傳感器節點分布

(b) 網絡節點拓撲示意

1.2 環境因素對信道衰落的影響

不同于地面上無線信號傳輸，煤礦井下無線信號受三方面影響：1) 傳輸媒介即空氣質量(主要影響因素為溫度、濕度、粉塵和煙霧等)；2) 空間結構(影響因素為巷道尺寸、巷道壁粗糙度和傾斜度)；3)移動的障礙物[14](影響因素為周圍電氣設備噪聲、移動的人員和設備). 文獻[15]闡述了煤巷壁、障礙物對電磁波的影響，采煤工作面的信號衰落模型由路徑損耗和附加損耗組成，采煤工作面無線信道傳輸模型為

Lloss=L0+Lrc+Ltc+Lh+Ls=56.13+20lgd+20lgf+5×10-3d2+9×10-3d+ 4.343π2h2(a-4+b-4)cf-1d+ 4.343π2θ2dfc-1+10lg(Pmn12/dsm2)+Yc.

(1)

式中：L0為自由空間下路徑損耗；Lrc為巷道壁粗糙引起的衰減損耗；Ltc為巷道壁傾斜引起的衰減損耗；Lh為“三機”金屬導體結構對電磁波干擾帶來的衰減損耗；Ls為“三機”設備的機械噪聲對無線信號信噪比的影響.

采煤工作面的信道模型可以總結為路徑損耗模型和陰影衰減模型的疊加，對數模型下的信號傳輸損耗[16]表示為

式中：Xσ為高斯隨機變量;Xσ～N(0,σ2);α為路徑損耗指數,α=2～6;σ=1～8dB

一般對數正態分布模型下接收功率為

(4)

其中ξ=σ/α，ξ值越大說明信道變化強度越大.

2 跨層成簇協議

針對信道衰落明顯的應用環境，本文對簇首的選舉作了幾個方面的改進：1)為保持網絡簇首選舉的最佳簇首數，考慮隨著部分節點的能量耗盡，網絡中真正參與數據傳輸的的節點數也在不斷變化，其原來固定不變的最優簇首數K也應該隨之改變，K=[k1,k2,k3,…,kr]，kr=c%·Nactive. 2)為保持最佳簇首數，對用于選舉簇首時與閾值比較的隨機生成數作了改進，由原來固定變化在[0, 1]，修正為一個自適應變化的滑動窗口. 3)對原來的閾值改進，一是將原閾值中部署節點總數N替換成存活的節點數量Nactive，這也是為了更好地保證每輪生成的簇首數遵循最優化，二是增加節點剩余能量比值因子和信道效率比值因子). 4)在普通節點選擇自己的簇集加入時，考慮其將數據傳送到基站的最終通信損耗，而不是緊考慮距離和能量因素. 因為在信道衰落的環境中，相同的距離節點成功傳輸等量數據消耗的能量有可能不同，這主要是受到信道衰落環境的影響. 分簇路由協議在時間軸上主要分成簇的建立階段和穩定傳輸階段，如圖2所示.

圖2 分簇協議3個階段的時間軸示意

Fig.2 Time axis showing the three phases of clustering protocol

TCF為簇的形成階段即為簇首的選舉和簇集的形成過程、TIC為簇內通信階段, 各簇集中的簇首根據加入的節點數目創建TDMA調度，簇集內的成員節點按照簇首創建的TDMA時隙向簇首傳輸數據、TTS簇首將收集來的數據向基站或者匯聚節點傳輸數據階段、本文參照LEACH中的采用輪循方式通信，一輪通信時間Tr=TCF+TIC+TTS，通常把TCF建立階段，TIC+TTS為穩定數據傳輸階段.

2.1 簇首選舉策略

定義1 剩余能量比值Ei_curr/Er_max，其中Ei_curr為節點i的剩余能量值，Er_max為參與本輪競選簇首節點中能量最大的節點能量值.

定義2 信道效率比值Mi_curr/Mr_max，其中Mi_curr為節點i當前信道效率值，Mr_max為參與本輪競選簇首節點中信道效率值最高值，

(5)

為了節省能量消耗，所有節點在本輪數據傳輸結束后會進入一個短暫的休眠狀態，在下一輪開始時調整為激活狀態. 每輪傳輸由Sink節點統一觸發開始，初始化分為3個步驟：1)網絡初始化階段，由基站控制，通過Beacon幀定期向網內節點發送一個notice廣播消息，喚醒處于休眠狀態的節點及終止還在傳輸狀態的節點，其未傳完的數據將在新一輪中繼續傳輸； 2)網內所被喚醒的節點和未傳完數據(即將參與新一輪傳輸的節點)，根據其接受的Beacon幀中發射功率PT與自身測得的RSSI值計算出通信損耗Li_loss，所有參與下一輪傳輸的節點向基站發送Proberequest探測幀，通過跨層調度同時攜帶節點自身能量信息Ei_curr、MAC維護的變量Crequest及計算所得的Li_loss3個參數一并發于基站；3)基站收到Proberequest探測幀后，計算Mr_max、Mr_aver(當前輪中所有節點信道效率的平均值)、Er_max和Er_aver(當前輪中所有節點的能量平均值)，通過跨層調度以Proberesponse響應幀形式，回復給相應節點.

初始化中采用跨層數據報告形式，將同時物理層的能量信息、RSSI值和MAC層幀重傳數通過幀進行交互，同時報告給網絡層，具體如圖3所示.

圖3 跨層共享信息結構示意

Ti(t)=

2.2 簇的形成

未當選的簇首的節點即為普通節點，普通節點根據簇首節點發布的當選簇首的公告，來計算其與簇首的之間距離上的通信損耗值，再比較其將數據完整傳到基站的總損耗Li-all，Li-all=Li-CH+LCH-S，Li-CH為普通節點與其候選簇首的通信功率損耗，LCH-S為候選簇首到基站的通信損耗，通過比較選擇Li-all最小的簇首為其最終簇首，并加入該簇首組建的簇集，至此網絡中簇結構的網絡拓撲形成.

3 信道能量消耗模型及功率控制

3.1 信道能耗模型

3.2 功率控制

功率應該根據信道的變化和節點對信噪比的要求而選擇不同，分簇協議本身將節點劃分成兩個不同等級，成員節點和簇首節點. 相對成員節點，簇首在數據通信中擔當的角色更為重要. 簇首節點的功率應該在空間復用度和正確接收概率之間進行折中，功率過大雖然保證了空間覆蓋度，但也浪費一定能耗，同時也干擾其它簇集通信，功率過小使得報文達不到QoS正確接收率的要求，進而報文重發，浪費帶寬資源和能量. 本節描述了LEACH-CL協議下的各個階段節點傳輸功率機制，無線信道的波動下對傳輸功率的要求. 通常可以通過測量獲得接受節點的接受功率值，傳輸損耗分貝數為PL=PT-PR，PT、PR分別為發射功率和接收功率，PR也可根據節點元器件物理層的RSSI值求得. 實際中采用不同的通信設備及應用場景時，所獲得的通信傳輸損耗值也不盡相同. 通過建模分析，PL從邏輯上主要取決于鏈路間距離、天線增益及場景中的附加損耗. 本文假設信道特征符合高斯正態分布特性，所有通信損耗如式(2)所示，損耗真值VPL(d)與分貝值之間轉換關系為10log10VPL=PL.

圖4 傳輸系統框圖

定義3 有效傳輸范圍(transmission range). 在其傳輸范圍內滿足QoS條件下的數據有效傳輸，其最小傳輸功率為PRmin(即上文中的接收功率門限值Pth).

定義4 節點的載波偵聽范圍(carriersensingrange). 處在載波偵聽范圍內的節點能夠監聽到節點正在通信，但不一定滿足QoS條件下的數據傳輸需求，其最小傳輸功率為PSmin，通常PRmin/PSmin>1.

當節點的的接收功率PRPRmin時，節點可以爭取讀取發送端傳遞的數據，并計算出鏈路間的路徑損耗.

QoS條件一般設定為pep=10-2，即數據包傳輸錯誤率不高于0.01，則有

節點在不同的階段發射功率控制機制，在網絡初始時基站發起新一輪數據傳輸時的啟動信息數據包使用其最大的發射功率，以滿足網內各個節點都能夠有收到信息,即

式中Dmax為距離基站最遠的節點與基站之間的距離，FL為信號衰落儲備，引入FL主要是用來在信道變化時對抗正態分布下的信道衰落.

其中pout取決于當前鏈路的信噪比及其信道衰落分布特征[22]，在網絡初始化階段pout=pout_start. 在成簇階段，簇首向周圍廣播當選為簇首時發射功率為PBr=PRmin·VPL·FL，其中pout=pout_br. 在TCF階段接收網絡初始化數據包和簇首廣播信息數據包的功率，PRCF=PRmin+10log10FL-Xσ. 在每一輪通信中我們采用同一通信頻段，根據節點部署的區域及其部署密度來看，簇首與其成員節點間的距離相比較簇首與基站間的距離要小得多，故而簇首與其成員節點多為可視距通信，其通信損耗變化不大. 這里在TIC階段簇內成員節點向簇首發送數據時的發送功率設定為PTIC=PRmin·VPL.

在TTS階段，所有與基站直接通信的簇首節點(包括沒有加入簇集而直接與基站通信的節點)，如果成功計算出路徑損耗真值，則其發射功率可由公式PT_TS=PRmin·VPL計算出，否則其發送功率設定為式(7)，其中pout=pout_ts.

4 性能分析

4.1 消息復雜度

LEACH-CL協議消息復雜度為O(N). 網絡初始階段一個Beacon廣播消息，Nactive個Proberequest探測包，Nactive個Proberesponse響應包. 成簇階段，簇首生成率為c%，所以共有c%·Nactive個簇首向周圍節點廣播c%·Nactive條消息，而有(1-c%)·Nactive個非簇首節點廣播申請加入簇集消息，由于采用簇間單跳通信方式，各個簇首直接與基站進行數據傳輸，所以網絡中總的消息開銷為

1+2Nactive+c%·Nactive+(1-c%)·Nactive+1=

2+3Nactive.

所以LEACH-CL算法消息復雜度為O(N). 證畢.4.2 每輪簇首生成數

定理1 每輪產生的簇首數為最佳簇首數kr，kr=c%·Nactive.

(9)

令

(11)

(12)

所以在本文的算法中，每一輪產生的簇首數期望值為kr.

5 實驗仿真與結果分析

為了驗證LEACH-CL算法的性能，本文在NS2平臺上進行仿真實驗，并對它們的性能與同類算法比較，采煤工作面下的信道衰落主要由式(2)的參數α和σ決定，將信道模型選擇室內的Shadowing模型，且α和σ假設參照文獻[23]. 通信頻率為2.4GHz,α=2.0～6.0,σ=1～8dB,ηamp=0.8,傳感器節點初始能量為5.0J，Rb=54Mbit/s，W=1 030kHz；此外，PAPP_T=0.003 63J/s,PAPP_R=0.011 13J/s,PAPP_S=0.005 56J/s；最小接受功率為5.92pW,感知功率為3.4pW;pout_br=0.12, pout_start=0.01, pout_ts=0.05.

5.1 參數β的選取

β參數為LEACH-CL簇首選舉策略中引入兩個參考因子的權重系數，它決定了剩余能量比值因子和信道效率因子在閾值中所占的比重，通過對它們在[0，1]之間以0.05個單位為間隔取值，以網絡首個節點死亡時間為判斷標準，獲得21組數據通過曲線擬合繪制出圖5中實線，發現β在0.5與0.6之間時網絡生命期最大. 針對β在[0，1]時的不同取值，以網絡數據數據包平均接受率為判斷標準，發現β在0.8和[0.5, 0.6]時出現拐點，這說明此兩處的取值對網絡的數據接受率起到重要作用. 綜合考慮，參數最終設定為0.55時較為理想.

圖5 網絡存活時間和包接收率隨β變化的趨勢

5.2 簇首生成數量特征

針對簇首的生成情況，仿真實驗選取120個分布節點，在首個節點死亡前，抽取100輪數據進行統計. 圖6給出4種協議下簇首生成數的比較，發現傳統LEACH算法，簇首生成數目非常分散，波動較大.ALEACH算法引入剩余能量作為參考，一定程度上好與LEACH算法，但相比較LEACH-SWDN和LEACH-CL還是比較分散，這是因為LEACH和ALEACH都是采用隨機生成數與閾值比較生成簇首，而LEACH-SWDN和LEACH-CL算法中對生成簇首的期望值進行了設計，所以LEACH-SWDN和LEACH-CL生成簇首數相對集中，50%以上都集中在期望值6上.

圖6 生成簇首數的統計比較

Fig.6 Comparison for the statistics of the number of CHs formed

5.3 網絡生命期對比

圖7為網絡的生命周期比較圖，不難發現，LEACH-CL效果最優，無論是在首個節點死亡時間，還是首個節點死亡后，網絡內節點死亡的時間斜率上，LEACH-CL協議都要好與其他3個協議. 在網絡生命期上，因為ALEACH協議引入能量因子使得其網絡能效優于LEACH協議，而LEACH-SWDN在前兩種協議的基礎上，設計穩定的簇首生成期望值，使得每輪時間之間網絡能耗相對均衡，但是根據最佳數簇首數的原理，在網內首個節點死亡后，LEACH-SWDN協議并沒有跟隨存活節點總數的變化而變化，其固定其簇首數不再遵循最佳數簇首數的原理. LEACH-CL協議一方面從最佳簇首數遵循網內存活節點的變化，另一方面在簇首選擇時采用最佳信道和能量作為參考因子使得能量較高和信道較好的節點成為簇首. 能量因子起到均衡網絡能耗均衡，避免能量“空洞”現象，而信道效率因子使得擔任重要較色的簇首節點穩定傳輸數據，避免因信號不穩定而出現重傳和提高發射功率，減少非正常數據傳輸造成的能量消耗.

圖7 網絡生命期對比

5.4 信道衰落對網絡的影響

圖8給出不同路徑損耗指數下的四種協議的網絡首個節點死亡情況，從4條曲線的線性變化來看LEACH-CL協議明顯優于其他3種，尤其是隨著路徑損耗指數的增長，其優越性更好的體現出來，這正是LEACH-CL協議中將通信損耗作為簇首選舉和成員節點選擇簇集時的參考依據的優勢體現.

圖8 不同衰減指數下的網絡首個節點死亡情況

LEACH-SWDN協議最大的貢獻是穩定了網絡簇首節點數，一定程度上網絡拓撲結構，其丟包情況也有所緩解. 從圖9中可以看出，LEACH-CL協議中信道效率因子的引入，改變了僅從穩定簇首生成數對丟包率的影響. 在穩定簇首生成數的基礎上，對簇首節點底層信道狀況也有所考慮，這受益于跨層設計技術將物理層和MAC層的相關信息提供給網絡層，使得改進后的網絡層對數據送達率的提高有所促進.

圖9 不同節點數下的丟包率情況

6 結論

1)針對井下采煤工作面的信道衰落的時變特征，應用跨層設計的思想，從物理層和MAC層選取能夠集中體現網絡信道變化特征的信息，通過管理控制幀的交互，在網絡成簇算法的指導下設計一種抗信道衰落的成簇協議.

2)通過功率補償使得CMFM-WSN系統更加適應采煤工作面這一特殊應用場景. LEACH-CL協議網絡拓撲比較穩定，適應井下環境的復雜多變特征，在延長網絡生命，提高數據傳輸率上具有顯著的效果. CMFM-WSN系統的研究中網絡性能受到上下各層的影響，跨層技術的應用也比較廣泛，但其各層間的約束關系也不容忽視，為了更加有效的保障CMFM-WSN系統的可靠性，可在信道衰落環境下的無線多媒體傳感器網絡上進一步研究，為實現采煤工作面的無人開采提供技術支持.

[1] 蔣文賢, 程光. 無線傳感器網絡能效模型的量化評價與優化[J]. 哈爾濱工業大學學報, 2014, 46(5):87-94. DOI:10.11918/j.issn.0367-6234.2014.05.014.

JIANG Wenxian, CHENG Guang. Optimization and quantitative evaluation mechanism of energy efficiency model on wireless sensor networks[J]. Journal of Harbin institute of Technology, 2014, 46(5):87-94. DOI:10.11918/j.issn.0367-6234.2014.05.014.

[2] LIU Xuxun. A survey on clustering routing protocols in wireless sensor networks[J]. Sensors, 2012, 12(8):11113-11153. DOI:10.3390/s120811113.

[3] SINGH S P, SHARMA S C. A survey on cluster based routing protocols in wireless sensor networks[J]. Procedia Computer Science, 2015, 45(18):687-695. DOI:10.1016/j.procs.2015.03.133.

[4] 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. DOI:10.1109/twc.2002.804190.

[5] ALI M S, DEY T, BISWAS R. ALEACH: advanced leach routing protocol for wireless microsensor networks[C]// International Conference on Electrical and Computer Engineering 2008. Dhaka: IEEE, 2008:909-914. DOI:10.1109/icece.2008.4769341.

[6] RAN Ge, ZHANG Huazhong, GONG Shulan. Improving on LEACH protocol of wireless sensor networks using fuzzy logic[J]. Journal of Information & Computational Science, 2010, 7(3): 767-775.

[7] ABDULSALAM H M, KAMEL L K. W-LEACH: weighted low energy adaptive clustering hierarchy aggregation algorithm for data streams in wireless sensor networks[C]// Proceedings of the 2010 IEEE International Conference on Data Mining Workshops. Sydney: IEEE Computer Society, 2010:1-8. DOI:10.1109/icdmw.2010.28.

[8] WANG Aimin, YANG Dailiang, SUN Dayang. A clustering algorithm based on energy information and cluster heads expectation for wireless sensor networks[J]. Computers & Electrical Engineering, 2012, 38(3):662-671. DOI:10.1016/j.compeleceng.2011.11.017.[9] LINDSEY S, RAGHAVENDRA C, SIVALINGAM K M. Data gathering algorithms in sensor networks using energy metrics[J]. IEEE Transactions on Parallel & Distributed Systems, 2002, 13(9):924-935. DOI:10.1109/tpds.2002.1036066.

[10]WEI Dali, JIN Yichao, VURAL S, et al. An energy-efficient clustering solution for wireless sensor networks[J]. IEEE Transactions on Wireless Communications, 2011, 10(11):3973-3983. DOI:10.1109/twc.2011.092011.110717.

[11]LONG Chengzhi, LIAO Sha, ZOU Xu, et al. An improved LEACH multi-hop routing protocol based on intelligent ant colony algorithm for wireless sensor networks[J]. Journal of Information & Computational Science, 2014, 11(8):2747-2757. DOI:10.12733/jics20103577.

[12]TSENG C C, CHEN K C. Layerless design of a power-efficient clustering algorithm for wireless ad hoc networks under fading[J]. Wireless Personal Communications, 2008, 44(1):3-26. DOI:10.1007/s11277-007-9384-y.

[13]樊啟高．綜采工作面“三機”控制中設備定位及任務協調研究[D]．徐州：中國礦業大學，2013．

FAN Qigao. Study onequipments positioning and task coordination for three machines controlling on the mechanized mining face[D]. Xuzhou: China University of Mining and Technology, 2013.

[14]張會清, 任明榮, 范青武,等. 矩形隧道內菲涅爾區及障礙物對電波傳播影響[J]. 電波科學學報, 2007, 22:200-202.

ZHANG Huiqing, REN Mingrong, FAN Qingwu, et al. Effection on wave propagation forfresnel zone and obstacles underground tunnel[J]. Chinese Journal of Radio Science, 2007, 22:200-202.

[15]周莉娟, 陳光柱, 羅成名. 采煤工作面無線傳感器網絡的無線通信信道建模[J]. 傳感技術學報, 2010, 23(5):722-726.

ZHOU Lijuan, CHEN Guangzhu, LUO Chengming. Wirelesschannel modeling in underground coal face wireless sensor network[J]. Chinese Journal of Sensors and Actuators, 2010, 23(5):722-726.

[16]ZUNIGA M, KRISHNAMACHARI B. Analyzing the transitional region in low power wireless links[C]//2004 First Annual IEEE Communications Society Conference on Sensor and Ad Hoc Communications and Networks.[S.l.]:IEEE,2004:517-526. DOI:10.1109/sahcn.2004.1381954.

[17]WANG Bang, LIM H B, MA Di, et al. The hop count shift problem and its impacts on protocol design in wireless ad hoc networks[J]. Telecommunication Systems, 2010, 44(1/2):49-60. DOI:10.1007/s11235-009-9221-6.

[18]官駿鳴, 陸陽, 盛鋒,等. 基于節點接入能力的ad hoc網絡按需路由協議[J]. 通信學報, 2007, 28(10):32-37. DOI:10.3321/j.issn:1000-436x.2007.10.005.

GUAN Junming, LU Yang, SHENG Feng, et al. On-demand routing protocol based on node’s capacity of access to medium for ad hoc networks[J]. Journal on Communications, 2007, 28(10):32-37. DOI:10.3321/j.issn:1000-436x.2007.10.005.

[19]ZHU Hua, LI Ming, CHLAMTAC I, et al. A survey of quality of service in IEEE 802.11 networks[J]. Wireless Communications IEEE, 2004, 11(4):6-14. DOI:10.1109/mwc.2004.1325887.

[20]CHATZIMISIOS P, VITSAS V, BOUCOUVALAS A C. Throughput and delay analysis of IEEE 802.11 protocol[C]// 2002 IEEE 5th International Workshop on Networked Appliances. Liverpool: IEEE, 2002:168-174. DOI:10.1109/iwna.2002.1241355.

[21]GUNES M, HECKER M, BOUAZIZI I. Influence of adaptive RTS/CTS retransmissions on TCP in wireless and ad-hoc networks[C]// Proc IEEE Symp Computer and Communications 2003. Antalya:IEEE Computer Society,2003: 855-860. DOI:10.1109/iscc.2003.1214224.[22]ZHAO Yi, ADVE R, LIM T J. Outage probability at arbitrary SNR in cooperative diversity networks[J]. Communications Letters IEEE, 2005, 9(8):700-702. DOI:10.1109/lcomm.2005.1496587.

[23]FOROOSHANI A E, BASHIR S, MICHELSON D G, et al. A survey of wireless communications and propagation modeling in underground mines[J]. IEEE Communications Surveys & Tutorials, 2013, 15(15):1524-1545. DOI:10.1109/surv.2013.031413.00130.

Power-efficient clustering protocol for coal mining face monitoring with wireless sensor networks under channel fading

QIAN Jiansheng，REN Peng，FENG Xiaolong

(School of Information and Electrical Engineering, China University of Mining and Technology, Xuzhou 221116, Jiangsu, China)

Aiming at the time-varying fading characteristics of radio waves in coal mining face, a clustering protocol based on cross-layer is proposed. Number of active sensor nodes is recorded initially and sliding window is set up to keep optimal number of stable cluster heads in each round. The channel efficiency between nodes and base stations is calculated by probe frame, and surplus energy information is combined as a selection criterion of cluster head, to design a clustering protocol adapting to wireless signal time-varying fading. In addition, the sending power in different phases of the nodes is regulated by certain fade margin method. Simulation experiments show that compared with other three similar algorithms (LEACH, ALEACH and LEACH-SWDN), LEACH-CL protocol features stable network topology and strong adaptability under signal fading, thus effectively prolonging the network lifetime and reducing the network packet loss rate, hence it is more suitable for complex and changeable coal mining face.

WSN; clustering; channel efficiency; anti-fading; cross layer design