一種基于LEACH的改進(jìn)型無(wú)線(xiàn)傳感器網(wǎng)絡(luò )路由算法

完全融合，即將第一層簇頭發(fā)送來(lái)的數據包壓縮成一個(gè)2 000 b的數據包發(fā)送到基站。由于融合率較大，不僅要用到數據級融合，特征級融合，還要用到?jīng)Q策級融合。即最后傳輸到基站的已不是簡(jiǎn)單的數據，而是第二層簇頭節點(diǎn)對采集到的數據進(jìn)行綜合分析后所得到的結果。仿真發(fā)現，完全融合后，DE―LEACH的首節點(diǎn)死亡時(shí)間比LEACH晚40％，50％節點(diǎn)死亡時(shí)間晚30％(如圖5)。數據采集總比特數DE―LEACH比LEACH高出28％(如圖6)。
由仿真比較可見(jiàn)，綜合考慮了簇頭節點(diǎn)到基站的距離以及剩余能量并據此選出第二層簇頭的DE―LEACH算法，性能較LEACH有明顯的改善。
DE―LEAcH算法的優(yōu)點(diǎn)：延長(cháng)了首節點(diǎn)死亡時(shí)間，曲線(xiàn)斜率明顯比LEACH大，縮短了首末節點(diǎn)死亡時(shí)間間隔，相比于LEACH，節點(diǎn)死亡時(shí)間更加集中，監控盲點(diǎn)出現時(shí)間短，重新部署傳感器節點(diǎn)更加經(jīng)濟高效；數據采集總量明顯提高。DE―LEACH算法的不足：由于在原來(lái)LEACH算法的簇頭與基站之間又增加了一跳路由，網(wǎng)絡(luò )延遲有所增加。另外，節點(diǎn)的運算能力要有所提高。就仿真來(lái)看，要想得到更長(cháng)的網(wǎng)絡(luò )生存時(shí)間和更高的數據采集量，就要加大數據融合率，這對節點(diǎn)的數據融合能力提出了更高的要求。在實(shí)際應用中，需要根據應用對性能和成本的要求進(jìn)行綜合考慮。

3．2 事件驅動(dòng)型DE―LEACH生存期分析
針對傳感器節點(diǎn)所采集的數據(如溫度、壓力等)在較短時(shí)間內的相關(guān)性，可設定一個(gè)門(mén)限值，當相鄰兩次所采集數據變化超過(guò)此門(mén)限值時(shí)，節點(diǎn)才向簇頭發(fā)送數據，并保留后一次數據在該節點(diǎn)存儲器中；若變化小于門(mén)限值，則不進(jìn)行發(fā)送，仍保留前一次數據以防止數據以漸進(jìn)的方式變化。門(mén)限值可設定為前次采集數據的百分比或具體的數值，視具體情況而定。圖7的仿真設定門(mén)限值為前次采集數據的10％(完全不融合情況)。

由圖7可見(jiàn)加入事件驅動(dòng)因素后，網(wǎng)絡(luò )生存期延長(cháng)約9％，仿真中為方便采集數據用隨機數的方式產(chǎn)生，不具有相關(guān)性。當實(shí)際應用中的數據具有相關(guān)性時(shí)，生存期延長(cháng)將更加明顯。另外，門(mén)限值的大小可根據需要更改，適應性較強。加入事件驅動(dòng)的缺點(diǎn)：由于需要存儲兩次采集的數據進(jìn)行比較，提高了對傳感器節點(diǎn)存儲能力的要求。

4 結 語(yǔ)
路由協(xié)議在很大程度上決定了網(wǎng)絡(luò )的整體性能。因此，作為無(wú)線(xiàn)傳感器網(wǎng)絡(luò )核心技術(shù)之一，路由協(xié)議一直是研究的熱點(diǎn)。LEACH算法是一種經(jīng)典的層次型路由協(xié)議，它利用簇頭輪換機制有效的將能量消耗較均勻地分攤到整個(gè)網(wǎng)絡(luò )。在LEACH算法的基礎上提出了一種基于距離和能量選擇第二層簇頭的兩層改進(jìn)型LEACH算法DE―LEACH，并簡(jiǎn)要分析了事件驅動(dòng)對網(wǎng)絡(luò )生存期的影響。仿真結果表明，該算法進(jìn)一步平均了網(wǎng)絡(luò )中的能量消耗，有效延長(cháng)了網(wǎng)絡(luò )生存時(shí)間，提高了網(wǎng)絡(luò )的數據采集能力。
LEACH算法的實(shí)現作了一些假設。其中一點(diǎn)是網(wǎng)絡(luò )中每個(gè)節點(diǎn)當選簇頭后都進(jìn)行全網(wǎng)廣播，這樣的假設在網(wǎng)絡(luò )覆蓋范圍較大的情況下?lián)p耗將明顯加大，因此在大規模應用中多層多跳路由成為必然的選擇。這也將是今后工作繼續探討的方向之一。