基于時(shí)間片的無(wú)線(xiàn)傳感網(wǎng)絡(luò)節(jié)點(diǎn)低功耗分簇算法的研究

基于時(shí)間片的無(wú)線(xiàn)傳感網(wǎng)絡(luò)節(jié)點(diǎn)低功耗分簇算法的研究摘要：無(wú)線(xiàn)傳感器網(wǎng)絡(luò)是由一組微型傳感器節(jié)點(diǎn)以自組織方式構(gòu)成的無(wú)線(xiàn)網(wǎng)絡(luò)，網(wǎng)絡(luò)中，除了少數(shù)節(jié)點(diǎn)需要移動(dòng)以外，大部分節(jié)點(diǎn)都是靜止的。為了延長(zhǎng)網(wǎng)絡(luò)壽命，設(shè)計(jì)有效的協(xié)議和算法是WSN的核心問(wèn)題之一。本文把網(wǎng)絡(luò)節(jié)點(diǎn)按照時(shí)間片進(jìn)行分簇，并通過(guò)協(xié)議使不同的節(jié)點(diǎn)處于工作狀態(tài)，其余節(jié)點(diǎn)處于休眠狀態(tài)，從而節(jié)約了節(jié)點(diǎn)的耗能，延長(zhǎng)網(wǎng)絡(luò)的壽命。經(jīng)過(guò)仿真實(shí)驗(yàn)，該系統(tǒng)可以達(dá)到設(shè)計(jì)指標(biāo)，延長(zhǎng)無(wú)線(xiàn)傳感網(wǎng)絡(luò)的使用壽命，從而提高網(wǎng)絡(luò)的生存能力。關(guān)鍵詞：無(wú)線(xiàn)傳感器網(wǎng)絡(luò)；分簇算法；節(jié)能0引言無(wú)線(xiàn)傳感器網(wǎng)絡(luò)是由具有計(jì)算、存儲(chǔ)和無(wú)線(xiàn)通信能力的小型智能設(shè)備組成的分布式感知網(wǎng)絡(luò)。傳感器節(jié)點(diǎn)負(fù)責(zé)收集監(jiān)測(cè)區(qū)域內(nèi)的聲音、電磁或地震信號(hào)等多種信息，通過(guò)無(wú)線(xiàn)信道將它們發(fā)送到Sink節(jié)點(diǎn)。Sink節(jié)點(diǎn)具有更強(qiáng)的處理能力，能夠進(jìn)一步處理信息，或擁有更大的發(fā)送范圍，可以將信息送往某個(gè)大型網(wǎng)絡(luò)，使遠(yuǎn)程用戶(hù)能夠檢索到該信息。通常傳感器節(jié)點(diǎn)體積都非常小，只有有限的計(jì)算能力、有限的存儲(chǔ)能力、有限的無(wú)線(xiàn)通信能力和有限的電源供應(yīng)，而且在部署后難以一次補(bǔ)充能量，因此無(wú)線(xiàn)傳感器網(wǎng)絡(luò)存在嚴(yán)重的能量約束問(wèn)題，如何提高能量效率成為傳感器網(wǎng)絡(luò)研究的重大問(wèn)題。在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中分簇被認(rèn)為是延長(zhǎng)網(wǎng)絡(luò)壽命的最有效的方法之一。將傳感器節(jié)點(diǎn)劃分為一個(gè)個(gè)簇，傳感器節(jié)點(diǎn)的角色分為簇頭和簇成員兩種，簇成員監(jiān)測(cè)到的數(shù)據(jù)首先傳到簇頭，簇頭可以對(duì)采樣數(shù)據(jù)進(jìn)行融合，然后再轉(zhuǎn)發(fā)到Sink節(jié)點(diǎn)，以減少網(wǎng)絡(luò)流量，由于各個(gè)簇頭與Sink節(jié)點(diǎn)的距離不同，離Sink節(jié)點(diǎn)距離較遠(yuǎn)的簇頭采取多跳的方式進(jìn)行通信。然而這種做法帶來(lái)了一個(gè)能量消耗不均衡的“熱區(qū)”問(wèn)題，即在傳感器網(wǎng)絡(luò)的多對(duì)一通信模式中，靠近Sink節(jié)點(diǎn)的網(wǎng)絡(luò)節(jié)點(diǎn)需要大量轉(zhuǎn)發(fā)其它簇的數(shù)據(jù)，節(jié)點(diǎn)能量過(guò)快消耗至死亡，造成網(wǎng)絡(luò)分割，降低網(wǎng)絡(luò)生存時(shí)間。很多節(jié)能的拓?fù)淇刂品椒ň褪且匝娱L(zhǎng)網(wǎng)絡(luò)生存期為主要目的的，其中LEACH［口是最具有影響力的代表性算法。然而，在TinyOS系統(tǒng)支持的TOSSIM仿真器中加入了能量意識(shí)功能后進(jìn)行仿真⑶，LEACH往往會(huì)出現(xiàn)在網(wǎng)絡(luò)整體能量較多的情形之下少量節(jié)點(diǎn)過(guò)早死亡，從而大大降低了網(wǎng)絡(luò)壽命。本文的主要工作是在LEACH的基礎(chǔ)上，使用基于時(shí)間片的輪值分簇法，延長(zhǎng)網(wǎng)絡(luò)的生存期，從而提高網(wǎng)絡(luò)的生存能力。.LEACH協(xié)議分析網(wǎng)絡(luò)模型網(wǎng)絡(luò)模型采用與LEACH相同的WSN的研究拓?fù)淇刂频牡湫驮O(shè)置，N個(gè)具備弱通信能力、計(jì)算能力且能量有限的、同構(gòu)的節(jié)點(diǎn)隨機(jī)均勻分布在一個(gè)正方形區(qū)域A內(nèi)；節(jié)點(diǎn)部署后不再移動(dòng)，在無(wú)人工干預(yù)的情況下自組織地生成對(duì)等網(wǎng)絡(luò)，網(wǎng)絡(luò)中存在一個(gè)唯一的基站，部署在區(qū)域A以外的某位置。該傳感器網(wǎng)絡(luò)具有如下性質(zhì)：(1)每輪中節(jié)點(diǎn)的能量消耗不一致；(2)節(jié)點(diǎn)不需要知道其具體位置信息；(3)網(wǎng)絡(luò)中維持一個(gè)弱同步時(shí)鐘；(4)所有的傳感器以固定速率感知周?chē)h(huán)境，這樣一來(lái)總有數(shù)據(jù)要發(fā)送給終端用戶(hù)；(5)網(wǎng)絡(luò)壽命指從網(wǎng)絡(luò)啟動(dòng)到第一個(gè)節(jié)點(diǎn)死亡時(shí)間。在通信方式上，本文也使用與LEACH算法相同的假設(shè)。使用對(duì)稱(chēng)的通信信道模型和自由空間模型(FreeSpace)，在距離閾值d0(d0是常數(shù)，與具體的應(yīng)用環(huán)境關(guān)系)之間發(fā)送數(shù)據(jù)放大器消耗的能量與發(fā)送節(jié)點(diǎn)到接收點(diǎn)的距離的平方成正比。使用公式(1)，計(jì)算發(fā)送方數(shù)據(jù)消耗的能量［38］：E(L,d)=EL+￡Ld2 (1)Tx elecamp接收方接收部件產(chǎn)生的消耗公式(2)所示。E(L,d)=EL (2)Rx elec其中，L是數(shù)據(jù)幀的長(zhǎng)度，E是發(fā)送器和接收器無(wú)線(xiàn)信號(hào)電路小號(hào)的能量，￡是發(fā)送放大器電路消耗的能elec amp量。根據(jù)公式(1)可知，信道傳輸?shù)哪芰繐p失為O(d)d為節(jié)點(diǎn)間距離，故應(yīng)該盡量減少發(fā)送距離和接受的次數(shù)。簇頭數(shù)目

LEACH生成的簇頭個(gè)數(shù)據(jù)有隨機(jī)性，這種數(shù)目的隨機(jī)以不可忽略的概率導(dǎo)致簇頭個(gè)數(shù)過(guò)多或者過(guò)少的情形。LEACH每輪中選出的簇頭數(shù)服從二項(xiàng)分布，設(shè)簇頭比例為p=k/N，每輪中選出的簇頭個(gè)數(shù)為X，則式（3）成立:P{X=P{X=K}=pk(1—p)N-k（3）根據(jù)公式（3），圖1顯示了當(dāng)N=100，最優(yōu)簇頭數(shù)目k=5,即p=0.05時(shí)X的概率分布，圖中簇頭個(gè)數(shù)取最優(yōu)值k=5的概率只有0.18002。簇頭過(guò)少的情形，如產(chǎn)生的簇頭小于3的概率為0.1183,簇頭的數(shù)目決定了簇的規(guī)模，即有0.1183概率使得簇規(guī)模過(guò)大，這樣，簇頭節(jié)點(diǎn)收集了所有的節(jié)點(diǎn)信息后才進(jìn)行融合并轉(zhuǎn)發(fā)融合后的數(shù)據(jù)，在一個(gè)輪周期內(nèi)有效地減少了簇頭的轉(zhuǎn)發(fā)次數(shù)，但可能降低了信息服務(wù)質(zhì)量；產(chǎn)生簇頭大于7的概率為0.128，這種簇規(guī)模過(guò)小的情形使得簇內(nèi)數(shù)據(jù)的融合效果不明顯，從而簇頭與基站通信的頻率較高，在全網(wǎng)范圍內(nèi)增加了簇頭與基站總體通信耗費(fèi)，縮短了網(wǎng)絡(luò)使用壽命。圖1簇頭分?jǐn)?shù)概率分布.簇3頭分布LEACH生成的簇頭在分布上是隨機(jī)的，這種分布的隨機(jī)性也導(dǎo)致輪內(nèi)各簇規(guī)模大小不同。如圖所示。分析認(rèn)為這種不一致性使得LEACH算法有效性的兩個(gè)前提條件難以得到保證。圖2LEACH簇分布LEACH有效的前提條件如下：一是簇頭初期，所有節(jié)點(diǎn)當(dāng)前能量一樣多；二是簇形成后，消耗大致相同的能量，在網(wǎng)絡(luò)布置初期第一個(gè)工作周期內(nèi)，首輪選舉簇頭時(shí)，條件一可以得到滿(mǎn)足；但是當(dāng)簇內(nèi)規(guī)模不一樣時(shí)，條件二得不到保證。因?yàn)榫W(wǎng)絡(luò)模型的假設(shè)(即所有的傳感器以固定速率感知周邊環(huán)境，這樣一來(lái)總有數(shù)據(jù)發(fā)送給始終用戶(hù))認(rèn)為節(jié)點(diǎn)按照相同的速率傳輸數(shù)據(jù)。這樣簇規(guī)模大小決定了簇頭的工作量將大大不同。LEACH隨機(jī)產(chǎn)生簇頭的方式會(huì)使規(guī)模簇規(guī)模大小相差較大，不同的簇內(nèi)簇頭消耗的能量有顯著的差距，同時(shí)，在同一簇內(nèi)節(jié)點(diǎn)到簇頭的距離差別較大，從而通信功率差距較大，也會(huì)導(dǎo)致能耗的較大差距。這樣，在此后每輪選舉的時(shí)候，成簇算法很可能會(huì)選中上一輪中能量消耗較多的節(jié)點(diǎn)繼續(xù)擔(dān)任簇頭，這無(wú)疑又加速了該節(jié)點(diǎn)的死亡。綜上所述，LEACH算法依然存在個(gè)別簇頭早死亡從而導(dǎo)致降低網(wǎng)絡(luò)壽命的現(xiàn)象，必須盡量使用剩余能量較多的節(jié)點(diǎn)來(lái)充當(dāng)簇頭，必須盡量減少當(dāng)值簇頭的消耗。算法的實(shí)現(xiàn)針對(duì)LEACH簇頭分布及數(shù)目的隨機(jī)性所導(dǎo)致的問(wèn)題，在成簇階段考慮節(jié)點(diǎn)剩余能量，提出了能量意識(shí)的簇頭產(chǎn)生方法，盡量讓剩余能量的節(jié)點(diǎn)擔(dān)任簇頭，在簇的維持階段，采用基于分時(shí)復(fù)用思想簇內(nèi)輪值活動(dòng)節(jié)點(diǎn)(ActiveNodes)，使用活動(dòng)節(jié)點(diǎn)分?jǐn)偣?jié)點(diǎn)消耗，降低簇頭消耗，這樣增加簇的輪內(nèi)壽命，在整個(gè)網(wǎng)絡(luò)生命期內(nèi)減少生成簇的次數(shù)，從而在全局范圍內(nèi)減少消耗，延長(zhǎng)網(wǎng)絡(luò)壽命。能量意識(shí)的簇頭選舉方法成簇過(guò)程分為兩個(gè)環(huán)節(jié)，首先是簇頭選舉，然后是剩余節(jié)點(diǎn)根據(jù)和簇頭的交互信息，選擇加入合適的簇頭。大量對(duì)等節(jié)點(diǎn)如何分布式的選舉是關(guān)鍵問(wèn)題。LEACH提供了一個(gè)有效的分布式算法，但未能考慮簇規(guī)模的隨機(jī)性導(dǎo)致節(jié)點(diǎn)剩余能量不同，每個(gè)節(jié)點(diǎn)剩余能量完全相同的假設(shè)會(huì)導(dǎo)致能量很低的節(jié)點(diǎn)以不可忽略的概率當(dāng)選簇頭，從而過(guò)早死亡。為此，在簇頭選舉階段引入能量因素設(shè)定閾值函數(shù)T(i)：1-prmodG/p)]1y/X八GT(i)=] ⑶0,其他其中，參數(shù)P為預(yù)設(shè)的簇頭節(jié)點(diǎn)占總節(jié)點(diǎn)數(shù)的比例，r為簇頭選舉的當(dāng)前輪數(shù)，i是當(dāng)前節(jié)點(diǎn)的ID,G是到該輪

其值有公式（4）結(jié)出：為止尚未當(dāng)選簇頭的節(jié)點(diǎn)集合，其值有公式（4）結(jié)出：(4)?！狤.(4)/v- i-init—Ei-current其中，E為節(jié)點(diǎn)的初始能量，E 為節(jié)點(diǎn)的當(dāng)前能量。i i一current一init考慮到比例因子不應(yīng)隨節(jié)點(diǎn)能量的降低而很快趨近于零，也不能下降很慢，否則體現(xiàn)不出能量因素。仿真了1、1 、等幾種情況，在設(shè)置網(wǎng)絡(luò)參數(shù)下，經(jīng)過(guò)對(duì)結(jié)果的大量分析比較選用1比例因子。簇頭產(chǎn)生階段，每個(gè)節(jié)點(diǎn)分布式的決定自身在當(dāng)前輪中是否成為簇頭，節(jié)點(diǎn)產(chǎn)生一個(gè)0~1之間的隨機(jī)數(shù)，然后根據(jù)公式（3）求出閾值T（i），如果這個(gè)隨機(jī)數(shù)小于閾值，則該節(jié)點(diǎn)成為簇頭。由于節(jié)點(diǎn)成為簇頭。有公式（4）可看出，隨著輪數(shù)的增加門(mén)檻值T（i）逐漸增大，且剩余節(jié)點(diǎn)中的能量多的節(jié)點(diǎn)當(dāng)選為簇頭的概率最大。簇形成階段，簇頭通過(guò)非持續(xù)CSMAMAC協(xié)議，使用同樣的能量發(fā)出簇頭通知消息給剩余節(jié)點(diǎn)，在這個(gè)階段，非簇頭節(jié)點(diǎn)打開(kāi)接收器，接收通知信息，然后根據(jù)收到的信息的強(qiáng)弱決定這一輪加入哪個(gè)簇。非簇頭節(jié)點(diǎn)會(huì)收到很多通知信息，已通知信號(hào)最強(qiáng)的的那個(gè)簇頭所在的簇為選中的簇，這也是最近鄰居聚類(lèi)法則，具有有效地避免簇間干擾的作用。當(dāng)節(jié)點(diǎn)決定加入某一簇后，需通知簇頭節(jié)點(diǎn)它屬于哪個(gè)簇，根據(jù)對(duì)稱(chēng)通信信道的假設(shè)，該節(jié)點(diǎn)可以根據(jù)信號(hào)的能量意識(shí)選擇可以通信的最小功率發(fā)射恢復(fù)（回復(fù)？）消息給簇頭，也用非持續(xù)CDMAMAC協(xié)議把這個(gè)反饋消息發(fā)回給簇頭，表示加入這個(gè)簇。基于時(shí)間片的簇內(nèi)能耗輪值方法在LEACH中，給定一個(gè)輪周期，第一輪選出若干個(gè)節(jié)點(diǎn)當(dāng)簇頭，一個(gè)周期后，重新選舉簇頭成簇，考慮到成簇代價(jià)太大，因此應(yīng)該盡量延長(zhǎng)輪周期。然而，由于簇頭耗費(fèi)能量遠(yuǎn)遠(yuǎn)大于普通節(jié)點(diǎn)，輪周期過(guò)長(zhǎng)會(huì)導(dǎo)致輪內(nèi)簇頭節(jié)點(diǎn)過(guò)早死亡，為此，提出在簇內(nèi)制定信息調(diào)度機(jī)制，讓各節(jié)點(diǎn)輪流負(fù)責(zé)。簇頭節(jié)點(diǎn)接收到所有想加入該簇的節(jié)點(diǎn)反饋消息，基于簇中節(jié)點(diǎn)的數(shù)量，簇頭節(jié)點(diǎn)建立TDMA調(diào)度，集中式的決定每個(gè)成員輪流充當(dāng)活動(dòng)節(jié)點(diǎn)（ActiveNodes），讓活動(dòng)節(jié)點(diǎn)承擔(dān)簇頭的任務(wù)。調(diào)度過(guò)程中要用到3個(gè)關(guān)于時(shí)間的參數(shù)SB、SA與Tround、其中，SB是一個(gè)網(wǎng)絡(luò)參數(shù)，取值至少為幀長(zhǎng)除以信道速率；SA是簇的參數(shù)，表示簇內(nèi)某節(jié)點(diǎn)擔(dān)任Active節(jié)點(diǎn)的持續(xù)時(shí)間，其值為SB乘以簇內(nèi)成員數(shù)（簇內(nèi)總節(jié)點(diǎn)點(diǎn)數(shù)-1）；輪的時(shí)間Tround是預(yù)先確定值，簇內(nèi)某節(jié)點(diǎn)在一輪中，可以根據(jù)Tround/SB的值確定擔(dān)任幾次Active節(jié)點(diǎn)，這樣所有節(jié)點(diǎn)擔(dān)任的次數(shù)相差不超過(guò)1。簇形成后，當(dāng)選的簇頭根據(jù)簇內(nèi)節(jié)點(diǎn)的個(gè)數(shù)N，來(lái)確定時(shí)隙的分配。該輪中一級(jí)時(shí)槽SA應(yīng)該是二級(jí)時(shí)槽SB和N的積的倍數(shù)，每個(gè)節(jié)點(diǎn)只在其規(guī)定的時(shí)槽SB內(nèi)傳輸信息到Active節(jié)點(diǎn)，從而各個(gè)傳感節(jié)點(diǎn)通過(guò)TDMA來(lái)避免信息競(jìng)爭(zhēng)沖突，在各個(gè)時(shí)槽SA簇內(nèi)所有節(jié)點(diǎn)依次當(dāng)選為Active節(jié)點(diǎn)，算法操作的時(shí)序如圖3所示。算法實(shí)現(xiàn)時(shí)，可以不進(jìn)行二級(jí)時(shí)槽SA的分配，而是在N個(gè)SA時(shí)槽后，由當(dāng)前Active節(jié)點(diǎn)將領(lǐng)導(dǎo)地位隨機(jī)遷移到N個(gè)成員之一，自己降格為簇內(nèi)成員，由新的Active節(jié)點(diǎn)進(jìn)行下一個(gè)SA時(shí)槽的工作。每次以概率P=1/Ncurrent進(jìn)行領(lǐng)導(dǎo)地位的轉(zhuǎn)讓?zhuān)渲蠳current為簇內(nèi)當(dāng)前尚未承擔(dān)Active節(jié)點(diǎn)的節(jié)點(diǎn)個(gè)數(shù)，這個(gè)值可以包含在網(wǎng)絡(luò)控制幀中。圖3基于時(shí)間片的分簇操作時(shí)序簇生成后進(jìn)入穩(wěn)定工作階段，簇頭按照預(yù)先確定的二級(jí)時(shí)槽SB間隔，根據(jù)當(dāng)前簇內(nèi)節(jié)點(diǎn)個(gè)數(shù)N，可以確定一級(jí)時(shí)槽SA的間隔，再根據(jù)預(yù)定的每輪持續(xù)時(shí)間Tround確定當(dāng)前簇中一級(jí)時(shí)槽SA的個(gè)數(shù)NA,假設(shè)SA內(nèi)Active節(jié)點(diǎn)耗能為esa(通信能耗)，則簇頭耗能為esana。在本輪實(shí)現(xiàn)中，能耗近似平均分?jǐn)偟酱貎?nèi)每個(gè)節(jié)點(diǎn)，更準(zhǔn)確地說(shuō)，其中，NAmodN個(gè)節(jié)點(diǎn)每個(gè)耗能為［1+(NA/N)］ESA,(N-NAmodN)個(gè)節(jié)點(diǎn)每個(gè)耗能為［NA/(N+Dl/ESAo可見(jiàn)，該算法在簇內(nèi)將能量消耗近似平攤到簇內(nèi)節(jié)點(diǎn)上，簇內(nèi)各節(jié)點(diǎn)能耗大致平均，避免了簇頭單個(gè)承擔(dān)太多的轉(zhuǎn)發(fā)任務(wù)而過(guò)早死亡。數(shù)據(jù)傳輸服務(wù)簇內(nèi)時(shí)間片信息建立后，可以進(jìn)行數(shù)據(jù)傳輸。假設(shè)節(jié)點(diǎn)總是有數(shù)據(jù)要發(fā)送，在其分配的時(shí)槽內(nèi)向Active節(jié)點(diǎn)發(fā)送信息，因?yàn)榫嚯x較短，只需要較少的能量，在其余時(shí)槽內(nèi)關(guān)閉無(wú)線(xiàn)信號(hào)，減少能耗。Active節(jié)點(diǎn)工作期間必須一直打開(kāi)無(wú)線(xiàn)信號(hào)以接收成員信息，接收到所有數(shù)據(jù)后，進(jìn)行信號(hào)融合處理功能，壓縮數(shù)據(jù)成單一信號(hào)后傳送到基站，由于距離較遠(yuǎn)，Active節(jié)點(diǎn)能耗很大。本輪規(guī)定的時(shí)間到后，啟動(dòng)下一輪的簇頭選舉和簇生成工作。仿真實(shí)驗(yàn)分析與相關(guān)工作比較考慮能耗均勻性、能量有效性、網(wǎng)絡(luò)壽命和系統(tǒng)死亡速度及基站移動(dòng)對(duì)性能的影響等作為性能評(píng)價(jià)標(biāo)準(zhǔn)，在仿真實(shí)驗(yàn)中與相關(guān)工作進(jìn)行了比較。參數(shù)設(shè)置和評(píng)價(jià)指標(biāo)在仿真平臺(tái)的選擇上，目前存在的WSN仿真方法可以分為兩類(lèi)，一類(lèi)是程序代碼模擬器，例如，TOSSIM0、Avrora14］和TOSSFS等；另一類(lèi)是協(xié)議仿真軟件，例如對(duì)NS-2［6］和OPNET［7］進(jìn)行擴(kuò)展的仿真方法。由于WSN是高度應(yīng)用相關(guān)的，且跨層設(shè)計(jì)實(shí)現(xiàn)網(wǎng)絡(luò)服務(wù)功能，所以，程序代碼模擬器比NS-2等分層協(xié)議仿真軟件更合適無(wú)線(xiàn)傳感器網(wǎng)絡(luò)仿真模擬器，由加州大學(xué)伯克利分校、Intel研究中心和哈佛大學(xué)聯(lián)合開(kāi)發(fā)，內(nèi)嵌在TinyOS［3］操作系統(tǒng)中，它能夠?qū)蝹€(gè)節(jié)點(diǎn)的操作提供高精度模擬，可以準(zhǔn)確的模擬應(yīng)用程序在節(jié)點(diǎn)上的行為。因?yàn)槌杀竞筒渴饌鞲衅骶W(wǎng)絡(luò)的困難性，必須在部署之前獲得應(yīng)用的能量使用狀況，TOSSIM以前沒(méi)有能量意識(shí)，在本仿真中使用加入了能量意識(shí)的PowerTOSSIM［8］來(lái)進(jìn)行仿真，從而能夠較精確的獲得應(yīng)用消耗的能量值。仿真過(guò)程如下：(1)仿真啟動(dòng)，仿真程序從main.exe開(kāi)始，設(shè)置仿真場(chǎng)景，加入能量參數(shù)；(2)仿真初始化，初始化全局任務(wù)隊(duì)列，完成系統(tǒng)初始化設(shè)置；(3)事件隊(duì)列處理循環(huán)，實(shí)現(xiàn)相應(yīng)功能；(4)仿真結(jié)束階段。實(shí)驗(yàn)中用到的參數(shù)見(jiàn)下表,100個(gè)節(jié)點(diǎn)均勻隨機(jī)分布的網(wǎng)絡(luò)如圖4所示，基站放置在離最近節(jié)點(diǎn)50m處，位置為(50m,150m),圖4中末給出，根據(jù)下表的參數(shù)能算出二級(jí)時(shí)槽SB的值(L/Cbw)為3.2ms,在節(jié)點(diǎn)能量達(dá)到0.002J及以下時(shí)，算法認(rèn)為該節(jié)點(diǎn)死亡。表模擬中使用的參數(shù)參數(shù)值網(wǎng)絡(luò)大小100m*100m基站位置50m.150m節(jié)點(diǎn)個(gè)數(shù)100無(wú)線(xiàn)收發(fā)電路能耗50nJ/bit發(fā)送放大器能耗100pJ/(bit.m2)初始能量0.5J數(shù)據(jù)幀大小400Byte廣播幀大小40Byte距離閾值300m數(shù)據(jù)融合能耗5nJ/bit一輪持續(xù)時(shí)間18s信道帶寬1Mbit/s二級(jí)時(shí)槽3.2ms

1009080706050403020100 10 2030 4050 60 708090圖4100個(gè)節(jié)點(diǎn)的隨機(jī)網(wǎng)絡(luò)仿真實(shí)驗(yàn)中，實(shí)現(xiàn)了LEACH、HEED2、DCHS身和基于時(shí)間片低功耗算法(TimeSiot-Based),并對(duì)性能進(jìn)行比較，主要分析、評(píng)價(jià)基于時(shí)間片低功耗算法的如下幾個(gè)衡量標(biāo)準(zhǔn)：(1)、能量消耗均勻性；(2)、網(wǎng)絡(luò)壽命，第一個(gè)節(jié)點(diǎn)的死亡時(shí)間；(3)、系統(tǒng)死亡速度，指的是從第一個(gè)節(jié)點(diǎn)死亡到所有節(jié)點(diǎn)死亡的時(shí)間；(4)、能量有效性；(5)、網(wǎng)絡(luò)消耗的能量與基站接收幀個(gè)數(shù)之間的關(guān)系。實(shí)驗(yàn)結(jié)果及相關(guān)工作比較經(jīng)過(guò)600輪仿真后，可知LEACH中耗能小于10%和大于90%的節(jié)點(diǎn)數(shù)量分別在20%和30%左右，而處于其他能量消耗段的節(jié)點(diǎn)數(shù)量都不大于10%，這說(shuō)明存在一部分節(jié)點(diǎn)過(guò)度使用能量，這部分節(jié)點(diǎn)會(huì)率先死亡，盡管LEACH初衷是通過(guò)隨機(jī)輪轉(zhuǎn)來(lái)平衡能耗，但效果不理想。本文提出的TimeSlot-Based協(xié)議主要通過(guò)平衡簇內(nèi)節(jié)點(diǎn)的能耗，使得大部分節(jié)點(diǎn)消耗近似相同的能量，與LEACH、DCHS和HEED相比性能有較大的提高，仿真效果基本和預(yù)期性能吻合，能量分布比較緊湊，耗能40%左右的節(jié)點(diǎn)幾乎占到總數(shù)的80%，同時(shí)，耗能40%、50%和60%范圍內(nèi)的節(jié)點(diǎn)占到總數(shù)的95%左右，從而解決了LEACH協(xié)議中因?yàn)榇仡^個(gè)數(shù)不合理和分布不均勻而導(dǎo)致能耗不均勻的問(wèn)題。圖5是活節(jié)點(diǎn)數(shù)量與網(wǎng)絡(luò)工作時(shí)間(輪數(shù))之間的關(guān)系，可以看到，與LEACH和DCHS