文摘

实现全部潜能的无线传感器网络(网络)强调了许多设计问题,特别是权衡有关最大化路线重叠等多个相互冲突的改进有效的数据聚合和链接总成本的最小化。虽然数据聚合的问题网络路由协议和链路代价函数已经在文献中综合考虑,权衡改善这两个尚未解决。本文全面的体重对不同目标之间的权衡,所谓的加权数据聚合路由策略(WDARS)旨在最大化的重叠路线有效数据聚合和链接同时基于集群的网络成本问题。拟议的能耗评估方法、网络生命周期,吞吐量和分组交货率,与下文和德里纳河。这些协议都是基于集群路由协议,只有目标最大化的重叠路线有效数据聚合。分析和仿真结果表明,WDARS交付更长的网络寿命比其他方法更精通和可靠的性能。

1。介绍

无线传感器网络(网络)是由一个协作的传感器通过传感、数据处理和无线传感器节点之间的通信。这些网络组织传感事件驱动的信息传输到基站的深入评价(1- - - - - -3]。网络带来了有益的结果在几个应用,如环境监测、监视任务,健康监测、家庭自动化、目标跟踪、交通监控、消防管理、农业监测、工业故障检测和能源管理(4- - - - - -8]。网络通常部署在数千个节点的形式在偏远和敌对地区无法访问或不安全的人类。因此,自治的形成和节能网络中传感器节点是至关重要的,以确保延长网络的生命周期和控制能源消耗9- - - - - -12]。

能源效率直接关系到有效的数据路由节点在集群形成减少能源消耗和控制开销,同时限制传感器节点之间的干扰(13]。一般来说,能源消耗在数据传感、处理和传输。在这些活动中,数据传输消耗最多的能源(14]。因此,必须开发高效的数据转发和处理技术延长网络生命周期。一个可能的解决方案是使用网络数据聚合机制(例如,看到15])。这种方法可以减少相当数量的字节传输在网络操作期间在中间节点,从而有助于通过聚合数据带宽和节省能源。数据聚合包括结合来自各种数据源的数据,聚合信息收到的基站和循环冗余信息就被消除了。通过采用数据聚合,减少冗余和数据的传输问题。执行常见任务,网络内的节点必须相互通信或通过中间节点(16,17]。

开发一个数据聚合方案,应考虑的三个主要成分数据聚合,即(1)聚合函数所使用的协议,(2)数据聚合等待调度它定义了一个节点聚合,并将接收的数据转发,和(3)路由方案,定义了路由协议用于发送聚合数据向水槽通过生成一个网络结构18]。本文主要关注数据聚合的路由方案潜在优化路由过程利用可用的中间传感器节点的处理能力。

聚合任务在我们的网络是通过基于集群的数据聚合在三级层次结构的形成。这减少了处理和通信成本随机分布的节点。集群网络内的线路发生重叠时,集群的成员节点执行聚合(聚合通过集群成员)。此外,聚合数据被发送到水槽的簇头节点通过簇头(聚合)。如果重叠路径的两个或两个以上的事件发生在集群之外,转发节点将执行数据聚合(聚合通过中继节点)。

在网络环境中,有效的网络数据聚合需要一种自适应转发模式,允许中间节点转发数据包向汇聚节点通过不同的路径。路径估计基于综合权重,选择下一跳的最大重叠路线,以确保网络数据聚合的效率。这个转发模式不同于经典的路由只考虑源和汇节点之间的最短路径。

在事件驱动的网络,监控功能恶化时重叠路径执行广泛的数据聚合的不相关的事件。因此,改善网络性能并不是获得。低效的数据聚合忽略了网络状态,导致早期的能源损耗的骨干节点和不均匀网络结构由于各种死亡节点。因此,最大化数据聚合和能量之间的平衡是必要的。

摘要小说提出的加权数据聚合路由策略分析存在的问题。该算法利用hop-tree获得最大的数据聚合。建立和更新hop-tree,节点的本地状态被认为是以便适应行为获得了网络事件驱动。此外,提出的策略发现理想的点通过最短路径的路由重叠事件下沉和优化能源消耗的平衡。每个节点选择下一跳转发数据按照创新三重成本函数,分布式、自适应和综合权重。

本文的其余部分组织如下:在部分2,相关工作进行了讨论。节3列出的网络模型和场景的假设,并详细提出了提出方法和策略。部分4讨论了该算法的性能进行比较,与其他方法。最后,在节5,结论和未来可能的方向。

2。相关工作

2.1。基于平面网络聚合

在文献中,许多早期的方法采用平面传感器网络数据聚合(19,20.]。例如,许多研究父母与孩子协会建立简单的拓扑用于基于树的数据聚合技术(21]。孩子们发送的数据聚合的父节点进而将其发送给自己的父节点。的关键限制基于树的数据聚合方法讨论如下:(1)该技术提供了一个更简单的方法聚合数据但造成较高的延迟,因为数据聚合不执行,直到数据包到达父节点或祖父母节点。(2)附近的高可能性的数据没有聚合感兴趣的事件,因为任何两个节点意义相同的事件可能有不同的父节点。这减少了熟练的数据聚合作为数据传输祖父母长路径节点。(3)基于树的数据聚合方案需要大量的控制信息构建和更新路由树,消耗更多的能量。(4)施工前树是基于假设网络中源节点是固定和预定。因此,它不能显示出灵活的行为。(5)它的主要缺点是当数据包丢失由于通道链接。在这种情况下,整个子节点的聚合数据丢失。

分层树结构是昂贵的维护和容易损坏由于有限的网络力量。然而,他们仍然被用于设计最优数据聚合函数,节能网络,熟练数据聚合在中间节点。例如,李等人开发了数据聚合协议使用Steiner最小树(22]。以数据为中心的路由方法采用最短路径树(SPT)路由协议(23]。该算法是一种简单的方法来构造的树特别时尚和促进能源意识在父节点。任何节点检测到事件时,它使用最短路径传输的信息向下沉。这种情况是真实的,如果数据聚合的重叠路径(即发生。投机取巧的数据聚合)。

问题的基于树的数据聚合由于感觉到相关信息被认为是在24]。作者展示了数据收集问题是一个np完全问题,发现理想的结果之间最短路径树(SPT)和旅行商问题(TSP)。混合方案提出的公园和Sivakumar [25)结合最短路径树和集群的数据聚合在每个最小支配集的头节点和所有节点通过链接全球最短路径树。

在[26能源利用),一个生成树算法(《)提出了数据聚合展示能源意识的特点。该算法选择最高的源节点可用能量作为根而其他节点使用根节点剩余能量和距离作为度量来选择他们的父节点的邻居。然而,节点将倾向于选择邻近节点最少的距离作为父节点到根。这将导致快速能源消耗最低的父节点距离根和他们将失败的更快比其他网络节点由于其频繁选择父节点。实现长的网络寿命和消除死者网络中的节点,一个算法基于节点剩余能量和距离参数提出了在27]。选择具有最高能量的节点作为父节点到根与一个合理的距离。的能量沿着路径和长度是用来维持一个平衡能量和距离参数。

2.2。基于集群的聚合

集群在分层数据聚合是一种行之有效的方法。这种方法涉及到网络分工成小集的节点称为集群。在每个集群,层次结构分为一个簇头节点和成员节点(28]。成员节点的数据收集的集群。然后,数据聚合和转发到上游节点。聚类算法可以是静态或动态。

静态集群是集群形成的网络操作前(29日- - - - - -31日)和基于网络参数(例如,剩余能量的节点(32)和物理距离的泰森多边形法(基于图表的方法33])。此外,集群的重建或更新不发生自适应。利奇(34和注意35)是两个经典模型的静态集群。他们不同的簇头的选择方法如下;浸出是制定假设所有节点的能量等于选举期间,注意考虑节点能量的变化来优化网络生命周期。

动态集群架构(33,36,37)形成中的反动地接近事件的传感节点。一旦事件,一个特定的传感器节点被选为簇头(理想情况下的节点最大能量或毗邻事件)和单节点分配成员节点。这种方法的主要优点是,只有积极参与节点的聚合数据。因此,它保存空闲节点的能量。

中村et al。38]讨论了反应性算法,基于信息融合的角色分配(下文)。协调员的角色如水槽、合作者,和继电器被分配当任何事件发生。在这个协议,集群是由各个节点检测到类似的事件时形成的。然后,协调员聚集数据从所有集群合作并发送事件数据以多次反射的方式向下沉。下文发现的最短路径树所有源节点与水槽内部集群数据聚合的方式是可能的。下文提供了一个角色移民政策;即协调人的角色从一个节点转移到另一个的负载能量消耗是集群中的节点之间均匀分布。下文的星团内使用和intercluster数据聚合方案。下文的一个缺点是,每次发现一个新的事件,事件的信息通过网络播放所有通知其他节点的路径协调员到水槽节点更新可用。这些过程是昂贵的,限制网络可伸缩性。

网内数据路由聚合(德里纳河)轮(39提供可靠的和改进的数据聚合。它减少了构建路由控制开销的树木和最大化重叠路径的形成。德里纳河的主要目的是减少能源消耗和减少消息交换在网络操作。然而,有一些缺点在德里纳河如下。负载平衡的(1)缺乏重型负载之前构建路径上的节点,这些节点将导致过早地失效。(2)相关事件忽略由于假设不同的活动区域的数据可以充分聚合。(3)有时候数据必须在较长的路径,路由,增加总能量消耗。

在这项工作中,我们提出了一个新颖的网络数据聚合算法(考虑权衡路线重叠,为数据传输链路总成本。此外,该算法利用了本地节点状态为有效的数据构造和更新hop-tree聚合和有效控制能源消耗。

3所示。WDARS:加权数据聚合路由策略

3.1。网络模型和场景的假设

在这项研究中,我们考虑传感器节点的功能模拟场景如下:(1)一个2 d空间已经满是随机部署的传感器节点。节点表现出静态和同类行为的存储、处理能力、电池、传感和通信功能。(2)对称的无线电频道已经考虑建模,这样所需要的能量从传感器节点进行数据传输传感器节点等于能量用于相同的数据从传感器节点传输吗传感器节点。(3)单基站被认为是在一个遥远的位置的传感器。它连接到电源,而传感器节点nonrechargeable和能量耗尽后可能会死。(4)每个节点有一个惟一的ID,并将数据在任何时候转发在网络操作。(5)假设每个节点有能力来计算其剩余能量和现有缓冲区大小(可用内存来存储数据在服务之前)。(6)网络采用动态集群架构。集群形成反应性地近距离内的传感节点事件和终止的事件。

3.2。提出的模型

事件驱动的应用程序中经常使用一个广泛的网络和执行不同的加载网络的各个部分。这是由于任意发生的事件。为了考虑这样的应用程序,协议应采取特别的功能设计,能源效率(即。,effective management of energy resource for each node), maximum connectivity, a simple controlled processing, and transmissions.

大多数现有的网内数据聚合协议最大化效率的路径重叠数据聚合。然而,这种方法可能影响网络的稳定性。因此,我们提出了一种协议提供数据聚合之间的权衡成本和链接总成本解决过度路线重叠的问题,可能会导致传输的数据沿着长路径和骨干节点上的负载不平衡数据。拟议中的协议构建一个完全分布式集群和高效的路由树的最大节能和拥塞避免。它连接的所有传感器节点检测事件到水槽,同时最大化数据聚合。同时,拟议中的协议优化能源消耗的平衡路径导致集群的沉头。图1描绘了提出方法和路由协议的角色描述如下:(我)集群成员(CM)。这个节点负责事件的发现和收集的数据转发到集群。(2)簇头(CH)。簇头的责任包括事件检测和执行数据聚合。然后,收集的数据传输向下沉。(3)继电器。这是一个节点的职责是将接收的数据转发到下一个可能的跳。在某些情况下,中继节点代表一个数据聚合点当数据路径重叠。(iv)下沉。它是一个集合的节点或个人电脑高计算能量和处理能力。水槽容易获得所有的数据从集群头和其他成员节点。在这项研究中提出的算法由三个阶段组成。第一阶段包括传感器节点之间建立hop-tree和下沉。第二阶段开始就任何事件由一个节点感知。在此阶段,簇的形成和簇头的选择。在第三阶段建立路线,数据聚合和路由过程。

3.2.1之上。第一阶段:Hop-Tree建筑过程

初始化阶段的输入是一组的节点部署在预先确定的传感器领域。因此,每个节点将确定其邻国的父母在其无线电频率(广播)地区,跳的距离到达沉没,他们的残余能量,可用的缓冲区大小。初始化算法首先播放一个跳配置消息(HCM)从水槽中的所有传感器网络(步骤1,算法1)。除了常见的消息字段,它包含五个关键参数包括节点编号,类型,Hop-to-Tree(计画),Hop-to-Sink(高温超导)和状态(呃,AB)解释表1。

除了Hop-to-Tree,每个节点有Hop-to-Sink参数,保持最小节点之间的跳数和下沉。在树的开始形成,相同的值分配给Hop-to-Tree和Hop-to-Sink。Hop-to-Tree参数的值变化后立即检测到第一个事件。它将不断改变发生的新事件。相反,Hop-to-Sink不变的价值在每一个节点。然而,Hop-to-Tree任何节点可能会改变由于发生的两个事件:(i)成员节点包含在主体结构,的Hop-to-Tree水槽节点和其他节点属于主体结构为零。(2)收到HCM的成员节点和给出了更精确的距离信息。

在过程的开始,当hop-tree开始形成,计画在水槽节点的值存储为零和无穷为其他节点,节点的能量设置为实际值,和节点可用缓冲区内存大小是承认最大。一旦水槽的邻近节点接收HCM算法(步骤2,1),一个节点执行以下任务:验证的值如果计画价值大于HCM的http消息(3.1步骤,算法1);这种情况将保证每个节点记录的最小数量的啤酒花下沉。根据条件的有效性,节点维护信息的邻国HCM收到邻居表中(3.1.1步算法1)。这个节点也更新路由表3.1.2规定步骤和3.1.3算法1利用权重函数来计算成本的链接下一跳邻居和选择成本最低的节点作为下一跳是取决于(4)。这是递增的值计画和高温超导一分之一传感器节点。传感器节点计算其残余能量后,一个完整的传输和更新ER域。此外,它计算获得缓冲区大小和更新AB字段最后循环HCM进一步邻居,见算法1(步骤3.1.4-3.1.11)。

否则,在步骤3.2中,算法1,HCM消息将在步骤3.1中,如果条件下降算法1是假的,这表明存储路径是最短的距离。

重复此过程,直到所有的节点在网络中加入树拓扑,水槽节点作为根节点的树。

包传输从节点的权重到节点定义如下: 重量()由平均剩余能量和节点的缓冲区大小。在第一部分(1),当节点的剩余能量减少,结果方法1。相反,当剩余的能量高,结果值趋于零,降低成本。此外,如果不会改变(即节点能量。,same as the starting energy), zero cost energy will be obtained. Likewise, in the second part of the equation, when the buffer is spacious, the cost approaches 0 and when the buffer size has reached its maximum capacity, the cost approaches 1.

此外,和基于跳数的距离计算下一跳邻居。这些权值具有相同的初始值在树的建立。在(2),当节点是一个跳离已经建立路径,0成本。如果节点远前面的道路,成本高于0,如果跳的距离是一样的,成本是1。相同的原则应用于(3),但表示距离的变量是下沉。权重是由α,β,并和他们的总和等于团结。最终的重量通过结合,,在一起,代表的包传输节点的总成本到节点。

图2显示了hop-tree构建过程,传感器的标签指示Hop-to-Tree增加订单,因为它远离水槽。

算法1。Hop-tree构建过程。步骤1。HCM水槽节点广播的初始化信息。步骤2。””是网络中节点的集合,收到HCM这样。/ / 代表任何成员节点步骤3。Foreach 步骤3.1。如果 (HCM) ()真正的然后3.1.1。插入Neighbortable(节点标识、计画、高温超导ER和BM);3.1.2步。节点成本计算最后的链接();/ /不 和 传感器节点的邻居节点的设置吗 ,在那里 的位置是 和 之间的欧几里得距离吗 和 3.1.3步。 ;/ / Bestneighbour =最小重量的邻居3.1.4步。 ;3.1.5步。 ;3.1.6步。更新HCM;3.1.7步。 ;3.1.8中。 ;3.1.9步。 ;3.1.10步。状态(HCM)状态();/ /状态包含ER和AB3.1.11步。广播(HCM);步骤3.2。其他的丢弃HCM消息;步骤3.3。结束。步骤4。结束。

3.2.2。第二阶段:事件驱动的集群形成和簇头的选举

在第二阶段,形成动态集群架构。一旦事件,所有节点检测到事件将集群形成算法的输入。最后,算法选择一个特定的传感器节点作为簇头(理想情况下的最低重量成本)在集群范围内的节点的头将被指定为成员节点。在这个过程中,任何节点检测到事件的角色设置为集群头和计算其重量在1.1和1.2的步骤如上所述的算法2。然后,所有事件节点传播他们的信息通过集群配置消息(CCM)(1.3步骤,算法2),CCM也构成数量(节点编号、类型、计画、高温超导和状态)。簇头选择考虑最终的权函数(4)和最低重量节点将被指派为集群头(步骤3中,算法2)。最后,决定是广播到所有成员节点。集群成员节点然后记住他们的头,所有的事件检测报告是直接发送到集群。在两个或多个并发的情况下节点拥有相同的重量,最低的节点ID被认为是合格的,如步骤3.2所示,算法2。

每个簇头容易收集信息从成员节点和聚合数据向下沉。图3显示了一个示例集群的形成。

算法2。事件驱动的集群形成和簇头的选举。输入。 / /的组节点检测到的事件。输出。 / /一个节点的集合 当选为簇头。步骤1。Foreach 做步骤1.1。 ;步骤1.2。 ;/ /每个节点计算其重量 。步骤1.3。节点广播(CCM);/ /每个节点创建CCM广播后跳一个邻居。步骤1.4。结束。步骤2。””是网络中节点的集合,收到了CCM和检测到的事件。步骤3。Foreach 步骤3.1。如果 然后3.1.1。 ;3.1.2步。节点重新传输CCM收到;步骤3.2。ElseIf 然后3.2.1之上。 ;3.2.2步。节点重新传输CCM收到;步骤3.3。其他的节点丢弃的CCM;步骤4。结束。

3.2.3。第三阶段。路由建立考虑到节点的重量

在第三阶段,建立了一组集群头在第二阶段被认为是作为输入,并将事件数据的新路线将是这一过程的结果。在此阶段,路由树的形成是基于邻居表中保存的权重是创建阶段。每个节点将所有邻国的清楚,可能的父节点广播范围内,所需要的跳数方法水槽或前路由路径,这些节点剩余能量,获得缓冲区内存。这意味着每个节点邻居表中可以利用这些信息来发送数据包到水槽节点。

这个过程的第一步,集群头现在负责路由树的形成和路由数据包的新事件向水槽(步骤1,算法3)。集群头将检查其计画是零,这意味着除了hop-tree的支柱,所以创建一个新的路线hop-trees”新骨干不是必需的(步骤2,算法3)。

为了获得能量耗散和延迟是由于数据碰撞,避免拥挤WDARS方案跟踪剩余的能量水平和缓冲存储器访问节点的支柱,如果它超过重量限制,新发起路由路径的形成,如步骤3所示,算法3。在改革过程中,你的邻居节点,相对较少的计画和高温超导,更高的能级,可用缓冲区内存相比其他候选人选择的选择下一个希望。还在路由路径的改革过程中,重量门槛水平()每个节点略有增加,如果没有合适的节点可以被发现。

集群头开始创建一个路由建立消息传送快速眼动(REM)和下跳步骤4所示,其算法3。如果收到建立消息路由的下一跳节点,它将重新发送并启动更新hop-tree的过程(步骤5和6,算法3)。这些步骤的重复发生,直到接近或水槽节点参与发现以前建造的路线。创建路线发生通过选择最好的邻居在每一跳。

hop-tree是必需的,这样所有的更新源节点可以通过最短路径连接,数据聚合可以最大化,可以平衡和能量耗散事件连续发生。方案,计画,高温超导,呃,更新和AB值在每个节点来实现这些目标。数据之间的相关性非常关心的数据聚合,因此更高程度的相关性产生更好的结果。节点之间的空间距离决定了节点感知数据的空间相关性。所以,如果这两个事件是近,感觉到数据高度相关,而当事件远感觉数据展品降低程度的相关性。通常情况下,无法进行有效的数据聚合事件远。WDARS,使用不同的权重的目的特别的计画和高温超导线路路径的建立是实现理想的点重叠为不同的事件。当事件被关闭,数据路径尽可能早地将重叠在最近的理想点聚集事件的数据。相比之下,当事件远路线重叠的数据将出现在的地方选择最短路径到达目的地,避免传输数据的痕迹。

算法3。路由建立考虑到节点的重量。步骤1。领导者节点新的事件开始建立路由树;步骤2。如果 然后步骤2.1。开始将数据发送给它;/ /不需要路由的形成;节点 已经在Hop-Tree的支柱。步骤3。如果 >重量门槛然后步骤3.1。节点找到一个新的NextHop少重量满足预定义的限制利用邻居表。步骤4。领导者节点发送快速眼动的下一跳。步骤5。重复步骤5.1。节点是接受快速眼动。步骤5.2。 ;/ /节点 成为一个新的路由结构的一部分步骤5.3。 ;步骤5.4。如果 >重量门槛然后5.4.1之前。节点找到一个新的NextHop少重量满足预定义的限制利用邻居表。步骤5.5。节点发送消息路由建立REM NextHop ();步骤5.6。节点广播的HCM计画的价值= 0;步骤6。直到发现水槽节点或路由结构的节点属于以前的事件。步骤7。结束。

图4(一)显示了新路径的形成和更新hop-tree只基于http [39]。他们的技术力量事件远的路径重叠和聚合数据从两个一致的事件。这个结果在一个贫穷的数据形成,过载重叠路径导致能源消耗的不平衡网络,和死亡人数增加节点。此外,数据传输内容的路径将提高能源消费总量。在WDARS路线重叠的状态取决于计画和高温超导添加到节点状态如图4 (b)。可以观察到的路线重叠是线性相关的两个事件之间的距离,保证了数据传输的最短路线。

4所示。仿真结果和性能评估

4.1。模拟环境

提出了模型的仿真是用MATLAB进行内部IEEE 802.15.4的MAC层协议提供服务。这种模拟是基于无线传感器网络的基于事件的环境面积500 m×500 m的节点是随机放置。如果两个传感器的范围内,他们是邻居。一个圆形的活动空间被认为是随机的位置,时间和事件持续时间。节点的大小不同步长为50个节点传感器领域,通信范围和事件半径保持不变。随着节点数的增加,模拟所花费的时间也逐渐增加。所有参数在表列出本模拟中使用2。

以下4.4.1。采用能耗模型的描述

能源消耗模型能耗可以分为三个子模块:通信、计算、和传感14]。在这些活动中,沟通阶段消耗了大量的能源的传感器节点根据源和目的节点之间的距离。在这个模拟中,我们利用无线电收发机模型(40]。根据通信能耗模型图5,消耗的能量传输/位包在一个距离通过收音机可以在以下方程描述: 此外,传感器节点负责转发其他传感器节点的数据。在这个过程中,传感器节点收到的数据包都是和他们的能量不受变化影响通信对之间的距离。因此,接收一个所需的能量位包在一个距离是由以下方程: 每个传感器节点被激活的传感结构和数据收集从环境消耗能源用传感。假设恒定的能量是感觉一点消散。因此,整个能量耗散位是由以下方程: 最后,传感器网络被设计成分布式集群。传感器节点不仅提出了数据,而且贡献在关键决策对于网络操作。此外,数据聚合的计算消耗额外的能量但它是相对较低的损耗的能量相比,在沟通(14]。为简单起见,我们假设计算和感应能量损耗的能量是相同的和等于50 nJ /,而通信(发送/接收)被认为是100年新泽西州/。下面的列表定义了不同的能量术语的含义在这工作和他们的典型值。

能源消耗模型参数介绍如下。

术语和意义有: 每一点:能源消耗在发射机电子(100年是新泽西/位); 每一点:能源消耗在接收机电子(100年是新泽西/位); 一点:能源消耗在传感(被50 nJ /位); 一点:聚合所消耗的能量(50 nJ /位/信号); 发射器放大器:能源消耗的空间通道或多路径衰落信道(10 pJ /位/ m²和0.0013 pJ /位/ m⁴、职责); :距离旅行数据; :数据包大小位(8192位); :路径损耗指数范围在2和6之间。

4.2。绩效评估

的性能提出WDARS一直与各种网络评估测试用例对德里纳河和下文协议和比较。图6说明了各种网络节点的能耗密度WDARS之间,德里纳河,和下文协议。下文记录最高的能源消耗德里纳河和WDARS紧随其后。这是由于这样的事实,下文将更多的控制包在整个网络在节点和事件检测通知更新的路线从现有协调员到水槽节点。这个过程的结果在以后的沟通成本高。德里纳河,形成较长的路径由于不必要的重叠的遥远和不相关的事件。因此,一个重要的能源浪费通过长路径转发数据。相反,建议WDARS消耗更少的能量的方法考虑节点的剩余能量稳定节点之间的能量消耗。此外,计画的重量和高温超导发挥重要作用在节能的选择合适的重叠点。因此,一个平衡的数据聚合和关联成本之间的权衡。能源消费总量的平均值为所有测试协议如图7。拟议中的WDARS记录最低的能源消耗与德里纳河11.65%(21.75%)和下文(35.71%)。

接下来,死亡节点的利率为每个算法在网络操作进行评估和比较,如图8。同样,WDARS死者的节点数量最低的德里纳河和下文升序排序。这可以解释如下:下文忽略了决定转发节点的节点状态。只有最短路径树被认为是连接源和汇节点,使星团内的数据聚合。因此,位于最短路径的节点数据传输中广泛使用。这将导致能源消耗过度的节点,进而产生大量的死节点的网络。德里纳河,路线重叠的最大化是无论网络节点的实际状态和事件之间的空间相关性。这种方法有重叠区域上放置一个巨大的负载和聚合率很低。因此,节点的能量在这些领域正在迅速枯竭,导致早期死亡的骨干节点。相反,死者WDARS最小化节点通过设置合理的权重。 Furthermore, the scenario of low hop distance and extensive energy depletion were successfully avoided in WDARS. Thus, the energy consumption of the nodes in the network is well balanced.

网络生命周期是高度依赖于路由协议和影响力的两个因素:能源消耗在时间和初始节点能量。如果一个节点的初始能量的能力和每个节点消耗的能量,然后给出时间节点可以的工作。所有这类数组为我们提供的信息网络。如图9,所有的网络生命周期算法增加随着节点密度的增加。的生命周期WDARS超过其他算法节点密度。当节点密度最低,终生WDARS和德里纳河之间的差异,下文是8.89%和9.44%,分别。在节点大小为300,WDARS得分高出91.11%,比德里纳河和下文75.55%和77.78%,分别。此外,能量平衡的方法采用WDARS似乎有益的网络密度的增加。

图10显示WDARS的吞吐量,德里纳河,下文在不同的网络密度。它可以被观察到的总吞吐量增加节点密度的增加。总的来说,WDARS达到8.22%和13.07%的吞吐量在最低密度最高密度的39.31%和41.90%的网络和与德里纳河,下文分别。WDARS的性能是由其协议跟踪级别可用缓冲区内存的骨干,有效避免了拥塞延迟造成的数据碰撞。

另一个评价指标,量化的质量路由树由包交货率的测量算法(PDR)。低PDR意味着建立树的聚合率更高。在图11,所有算法的PDR增加网络密度增加。网络密度最低,WDARS PDR 36.10%和39.80%,而在较低密度最高有26.50%和33.10%相比德里纳河,下文分别。WDARS选择路线的理想点重叠导致更少的中继节点在路由树比德里纳河和下文不同网络密度。完美的聚合结果实现了通过最小Steiner树(23]。

5。结论和未来的建议

本文提出了一种多目标clustered-based路由协议利用综合权重。拟议的WDARS成功最大化的路线通过理想的聚合点重叠,同时确保数据传输网络在一个轻量级的路线。WDARS的性能与著名的德里纳河和下文算法的可扩展性,聚合速率,数据交付率、能量消耗和网络。对于一组不同的测试实例,仿真结果表明,WDARS-based集群协议比德里纳河和下文。同时,我们WDARS达到一个更好的性能提供了一个路线的网络生存时间为网络通信结构和降低能源消耗。此外,WDARS演示了一个可接受的水平在平衡负载在所有节点的能量。这反映了该算法能提供成本考虑聚合。同时,建立了网络负载和网络寿命之间的权衡而考虑节点剩余能量和能得到的缓冲区大小。其他改进路由结构表现出延迟和容错能力将在未来的研究工作。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

这项研究支持科研补助金RP036 (A, B, C) -15让和HIR MoE格兰特。C / 625/1 / HIR / MoE / FCSIT / 17从教育部马来西亚。