一种水下无线传感器网络中基于分层和不等簇的高效路由协议

抽象的

由于应用范围广泛，水下无线传感器网络（UWSNS）绘制了所有领域的巨大关注。水下无线传感器网络类似于地面无线传感器网络（WSNS），然而，由于不同的工作环境和通信介质，UWSNS具有许多独特的特性，例如高位误差率，长端到端延迟和低带宽。这些UWSN的这些特征导致许多问题，例如重传，高能耗和低可靠性。为了解决这些问题，提出了许多用于UWSN的路由协议。本文提出了一种无基于层和不等簇（eerblc）的能量有效路由协议的无定位路由协议。eerblc协议由三个阶段组成：图层和不等群集形成，传输路由，维护和群集更新。在第一阶段，水下的监测区域被分成层，同一层中的节点被聚集。为了平衡整个网络的能量并避免“热点”问题，提出了一种基于UWSN的层的新型不等聚类方法，其中提出了一种不等簇大小的新计算方法。同时，给出了基于能量平衡和程度的新的簇头选择机制。在传输阶段，eEerblc协议提出了一种基于转发比和残余能量的新的下一种转发器选择方法。 In the third phase, Intra and inter cluster updating method is presented. The simulation results show that the EERBLC can effectively balance the energy consumption, prolong the network lifetime, and increase the amount of data transmission compared with DBR and EEDBR protocols.

1.介绍

目前，水下无线传感器网络(UWSNs)由于其广泛的应用领域，如环境监测、灾害预防、辅助导航、资源勘探等，越来越受到学术界和工业界的关注[1-7.］.UWSN由基站，宿节点和普通传感器节点组成。传感器节点随机从水面中随机部署到水的底部。它们收集并将信息传输到宿节点。沉积节点接收信息表单传感器节点，然后将信息发送到基站。水槽节点通常部署在水面上。基站处理数据并通过数据分析支持最终决定。数字1展示了uwsn的架构。UWSNs类似于地面无线传感器网络(WSNs)。然而，考虑到物理层技术和传播介质，其挑战与地面传感器网络有很大的不同。在地面无线传感器网络中，数据通过无线电信号传输。但由于在水中衰减快、耗能高，不适用于水下环境。在水中，通常采用声信号作为通信介质。声信号的速度明显慢于无线电信号，导致传播延迟较大。此外，多径衰落信道造成高误码率和低带宽。这些特性导致了重传、能耗高、可靠性低等问题。因此，设计适合uwsn的路由协议成为一项具有挑战性的任务。

在过去的几年里，许多路由协议被提出用于UWSNs [8.-29.］.这些协议可以分为两类：基于本地化和本地化的路由协议。在该部分2，我们详细介绍两种类型的协议。在基于本地化的协议中，每个节点都需要知道自己的位置。然而，由于GPS设备不适合在水中工作，且节点位置随水流随时变化，定位是uwsn的难点。无本地化路由协议比基于本地化路由协议更适合uwsn，因为节点不需要知道自己在无本地化路由协议中的位置。

在本文中，我们提出了一种基于层和不等簇（eerblc）的能量高效路由协议的无定位路由协议。该路由协议旨在解决能量消耗，长传播延迟和高误差率的问题。在该协议中，根据与表面的距离分层监视区域，然后在每个层中聚集节点。在该过程中，形成不平等的簇以平衡能量。较近表面的簇的尺寸小于远离表面的距离。eerblc协议显示层算法，簇头选举算法和簇大小计算算法。群集成员节点收集并将数据发送到每个群集中的群集头节点。群集头节点执行数据聚合并通过多跳路径将数据转发以沉入节点。此外，在数据转发期间提出了一种基于链路质量和剩余能量选择下一跳的新方法。最后，eerblc协议中呈现了群集的维护和更新方法。

本文的其余部分安排如下。为UWSNS提出的一些众所周知的路由协议总结在部分中2．部分3.详细描述了所提出的路由协议eerblc。部分4.呈现eerblc的性能评估。最后，部分5.图表了这项研究的结论。

2.相关工程

uwsn在过去十年一直在研究中。一些研究者已经提出了许多uwsn路由协议。如上所述，这些协议可以分为两类:基于本地化的协议和不基于本地化的协议。

２.１.Localization-Based路由协议

在文献中提出了一种基于向量的转发（VBF）路由协议[14.］.在这个协议中，它假定每个传感器节点都知道自己的位置。传感器节点转发带有源、目的和距离字段的位置信息的数据包。只有管道中具有给定半径的节点才能被选择为转发器。管道被一个从源节点到汇聚节点的矢量减半。VBF减少了转发节点的数量，从而降低了整个网络的开销。但是，它对管道半径很敏感。在VBF协议的基础上，提出了许多改进协议[15.-17.］.其中一些协议[15.那16.提高交货率，并有一些[17.]提高能源消耗。提出了专注的鲷鱼路由（FBR）以减少文献中不必要的洪水[18.］.在选择转发器期间，FBR使用不同的传输功率电平。在FBR方案中，RTS / CTS的机制导致长端到端延迟和过度的能量消耗。在文献中提出了一种用于UWSN的新型多径网格的地理路由协议（EMGGR）[19.］.EMGGR路由协议假定网络的地理区域被划分为3D逻辑网格，传感器节点部署在某些单元格中。它基于其位置和剩余的能级选择网关。提出了类似于EMGGR的一些协议，例如NGF [11.]、GGFGD及GGFGD [20.］.文学 [21.]提出深度控制的路由（DCR）。在DCR中，具有网络拓扑控制器的每个传感器节点可以调整其深度，以便在贪婪的地理路由失败时组织网络拓扑。DCR是用于UWSN的第一协议，用于将传感器节点垂直移动移动移动它以用于拓扑控制目的。

２.２.Localization-Free路由协议

在基于本地化的路由协议中，需要全维定位信息。然而，在水下环境中，位置信息很难获得。因此，提出了许多本地化的路由协议。

文献中提出了一种经典的无本地化路由协议，称为深度路由(DBR) [22.］.该协议假定每个节点都配备了一个深度传感器。DBR基于深度信息选择下一个转发器。DBR是一种实用的路由协议。然而，它有一些严重的问题。首先，如果节点深度相同，它们将同时转发数据包。即使深度不完全相同，由于UWSNs的传播延迟较长，相同的数据包也可以通过不同的节点转发。特别是在密度大的区域，会产生大量的冗余数据包，导致能耗高。其次，在区域稀疏的情况下，由于传感器节点的贪婪模式，有可能无法选择传感器节点作为转发器。第三，由于每个节点在接收数据包后需要将数据包保存一段时间，导致端到端延迟较长。 These problems affect the performance of DBR. To improve DBR’s energy consumption problem, Energy-efficient depth-based routing protocol (EEDBR) for UWSNs is proposed in literature [23.］.EEDBR在网络生命周期，能量消耗和端到端延迟方面提高性能。在文献中提出了基于跳跃动态寻址的路由协议（H2-DAB）[24.］.在H2-DAB中，需要为每个节点分配一个HopID。节点的HopID表示当前节点到汇聚节点的跳数。根据源节点选择HopID最小的节点作为转发器。这就造成了空穴区问题。此外，查询请求和应答机制导致长端到端延迟和额外的能源消耗。为了提高交付率，提出了一些无本地化协议，如CARP和E-CARP [12.那25.］.在文献[26.[提出了用于UWSN的基于群集的路由协议（CBKU）。CBKU使用改进的K均值算法来聚类以避免能量不平衡。为了延长UWSN的寿命，基于集群提出了一些无位置协议[27.-29.］.

3.拟议协议(EERBLC)的设计

３.１.动机EERBLC

降低能耗是无线传感器网络路由协议的主要目标。在水下环境中，采用声信号作为通信介质，能耗较大。传感器节点的能量有限，难以提供。因此，能量高效和能量平衡是路由协议的主要设计目标。在地面无线传感器网络中提出了基于集群的路由协议[30.-33.］.聚类后​​，成员传感器节点收集并将数据发送到群集头，群集头在数据融合后将数据发送到宿节点。已经证明，基于群集的协议对节约能源非常有效。在UWSN中，传输需要比接收更多的能量。因此，减少传输的数量可用于降低能量消耗。群集头聚合和保险丝数据可以有效地减少传输的数量。因为长距离通信导致更多能耗，所以采用多跳路径路由方法来节省我们协议中的能量。群集将数据转发到其他群集头部沉入节点。因此，我们的工作旨在根据群集设计更适合UWSN的路由协议。

一些UWSNs协议引入了集群技术[34.-38.]但是他们都没有考虑“热点”问题。“热点”问题是群集尤其是表面前向数据附近的节点比其他节点更频繁地导致这些节点的过早死亡。“热点”问题会影响整个网络生命周期。因此，eerblc协议旨在提高群集技术来解决热点问题。这个想法是，表面附近的节点不是聚集的，并且可以选择这些节点作为转发器;同时，应用不平等的集群技术以避免“热点”问题。该图层更靠近曲面，群集的数量是储存，群集大小较小。此外，在选择转发器期间，应考虑能量平衡。

由于苛刻的环境，误码率非常高，并且UWSN中的交付比率非常低。高质量的链路可以提高误码率，输送比率和能耗。因此，选择具有良好链接质量的可靠路由路径是非常重要的问题。在选择下一个转发器期间，在eerblc协议中考虑了链路质量和剩余能量。

３．２．网络结构与假设

网络结构如图所示1．eerblc采用多汇模型来提高网络的可靠性和数据传递比率。该模式还可以降低水槽周围节点的能量消耗。水槽节点在水面上均匀分布。每个水槽节点配备无线电调制解调器和声学调制解调器。无线电调制解调器用于在宿节点和数据中心之间进行通信。声学调制解调器用于在水下的传感器节点之间进行通信。

为了使聚类更有效，水下传感器节点以3D空间中的从底部到表面的层的形式部署。传感器节点通过弹性控制机制部署在不同的层。层数取决于水的深度和层之间的通信范围。如果海洋的平均深度约为2.5-3公里，则通信响起为500米，需要约5-6层。每个传感器节点配备有声学调制解调器，用于在水下彼此通信。水下传感器节点在水平方向上漂移水流，垂直运动可以忽略不计。

所有水下传感器节点都可以传感器和收集数据。在每个层中，除了在节点可以直接与宿节点通信的最高层之外，节点是群集的。在每个群集中，群集成员将数据发送到群集头部。群集头Aggerates并将数据转发到其他簇头。通过多跳路径将数据发送到宿。考虑到能量平衡，最高层中不需要聚类，可以选择所有节点作为转发器。

在本文中，我们假设沉积节点的能量是无限的，因为可以更换沉积节点的电池。同时，我们假设水下传感器节点具有相同的初始能量和相同的通信范围。和水下传感器节点的能量是一次性的。每个水下传感器节点配备深度传感器。一旦任何一个沉没节点接收到数据包，就会被认为是成功的交付。

3.3。能量消耗模型

由于水下声道的特点，UWSN的能量消耗模型与地面WSN的能量消耗模型完全不同。公式 （1）显示计算方法。

在哪里是节点可以接收数据的功率阈值，D是发送距离，k是能量扩展系数， 是将数据发送到目的地的最低能耗。被定义为公式（2）。

在哪里与频率有关，定义为公式(3.）。

在哪里载波声信号的频率是Hz和是db / m。

意味着融合L比特数据消耗的能量，如公式（4.）。

在哪里是通过融合一点数据消耗的能量，一般来说它可以作为5nj /位。

3.4。eerblc协议

如上所述，在eerblc协议中，水下传感器节点以层的形式部署。例如，如果监控区域的深度为1000μm并且节点的通信r r为250μm，则整个网络需要4层节点。两层之间的距离小于或等于250μm。在每层中，传感器节点都被随机部署。节点在同一层竞争为簇头。

eerblc协议中有三个阶段，包括群集形成，传输路由和维护和群集更新。

3.4.1。集群形成

多跳传输会导致能量消耗不均衡。靠近汇聚节点的簇头比其他簇头承担更多的转发任务。为了解决这一问题，在EERBLC协议中采用了不等分簇技术。集群将在同一层具有相同的集群大小。深度越大的集群大小越大。第一层不形成集群，每个节点可以直接将数据转发给汇聚节点。EERBLC协议下的网络结构如图所示2．为了平衡每个集群中节点之间的能量消耗，群集头选择机制基于三个参数：剩余能量，程度和层数。

部署传感器节点后，每个节点计算其自己的图层编号。公式 （5.)表示层数的计算方法。

Ln是节点的层数 那 是深度 那R是节点的最大通信范围。

在集群设置阶段有三个步骤。该阶段的第一步是信息收集阶段，其持续时间设置为T1。在这个阶段的开始，每个节点广播一个N_HELLO消息，其中包括节点id、层数、剩余能量。每个节点一旦收到N_HELLO消息，就记录同一层邻居的消息。来自其他层节点的消息将被丢弃。N_HELLO报文的格式如表所示1．

第二步是群集头竞争阶段，当T1到期时开始。在该阶段，等候时间TC到期的传感器节点成为集群头，并广播竞争消息N_COM。竞争消息N_COM维护节点ID，层数，剩余能量和程度。程度是邻居的数量。表中显示了n_com数据包的格式2．

如果节点S_我节点S在Tc到期前收到同层其他节点的N_COM消息_我掉落竞争，成为普通节点。每个节点的Tc不同，计算公式如下(6.）。

其中t2是竞争的持续时间，P.为[0.5,1]中的随机值，用于避免节点剩余能量相同时的通信冲突。由公式(6.）具有较高剩余能量的节点具有较短的等待时间，并且具有更大的机会成为集群头。一旦节点的等待时间tc到期，就会选择竞争通信范围内的候选群集头和广播N_COM消息。

为了平衡整个网络的能量，在不同的层中形成不等簇。较近表面的节点具有较重的转发负载。因此，在更靠近表面的层中簇尺寸较小。为了产生不平等的群集，这些节点需要计算自己的竞争半径RC。公式 （7.）显示RC的计算方法。

在哪里是节点的图层数，是整个网络的总层数，为电流剩余能量，和是加权值。它显示出式（7.）具有更大的层数的节点具有Lager竞争半径。并且具有更多能量的节点在同一层具有储存竞争半径。

如果一个节点S_j收到节点S的N_COM消息_我在其等待时间tc到期之前，它会增加s_我到其候选簇头列表，并成为一个非簇头节点。如果节点从几个集群头接收到许多N_COM消息，它需要从它的候选集群头列表中选择一个集群头。为了优化簇首的选择方法，设计了一种多目标优化技术，计算每个候选簇首的代价值。成本价值按公式(8.）。

在哪里是候选人的剩余能量_我那是候选S的邻居数_我，n是所有节点的总数。和是用于调节能量和程度的重量的参数。最大成本值的节点将被节点S选择为群集头部_j．如果有多个簇头节点的簇头值为最大值，则选择列表中第一个簇头值为最大值的节点作为簇头。簇头选定后，节点S_j将n_join消息回复所选的头节点。n_join维护头节点的ID，s的id_j，剩余能量。头部节点添加S._j到其会员名单。n_join数据包的格式如表所示3.．

群集形成程序如算法所示1．

3.4.2。传输路由算法

在集群形成阶段之后，每个簇头将一个TDMA调度分配给其集群中的每个成员。每个成员节点在其分配的时间槽内传输数据。簇头聚合并将数据转发给汇聚节点。如果节点位于最底层，且节点编号为1，则数据直接传输给sink节点。在其他情况下，数据由簇头通过多跳路径转发。

每个簇头记录头ID，剩余能量和转发比率的信息，当听到其上层的其他头部的数据分组，该层数比其层数小于其层数。群集头仅选择上层的节点作为下一个转发器。考虑到节能和交付比率，下一跳的选择基于残余能量和转发比率。选择的成本值计算为以下公式（9.）。

在哪里是头节点S的剩余能量_我，FR是S的转发比率_我那和是体重系数。

群集头根据记录的信息计算每个群集头的成本值。为了提高传递比率，选择具有最大值的两个头节点作为下一个转发器。群集头前向数据包包括数据编号，源ID，头ID，下一跳ID1，下一跳ID2，数据，剩余能量和转发比率。数据包的格式如表所示4.．

来自同一节点的每个数据包都有一个唯一的编号。源节点id和数据号代表整个网络中唯一的数据包。头部id表示转发该数据包的头部节点。下一跳id1和下一跳id2表示下一个转发节点，其cost值是上层所有邻居头节点中最大的两个。下一跳id1的开销值大于下一跳id2。剩余能量是转发数据的头节点当前的能量。转发率是转发头节点的转发率。

如果群集头未在上层从其他头节点接收消息，则它将数据发送到同一层的邻居头部。接收数据包的头节点将其ID与下一跳ID1和下一跳ID2进行比较。如果节点的ID是下一跳ID1并且没有记录数据包，它将立即转发数据包。否则，如果节点的ID是下一跳ID2，并且未记录数据包，则在等待一段时间后将转发数据包。在等待时间期间，如果收到相同的数据包，转发器将丢弃数据包。转发节点最近转发10个数据包。如果节点的ID既不是下一跳ID1也不是下一跳ID2，则数据包将被删除。下一个转发器选择的过程显示为算法2．

3.4.3。集群的维护和更新方法

水下无线传感器网络的结构是动态的。节点随机移动水流。因此，簇的结构可以随时改变。本文提出了一种恢复机制。

对于成员节点，当成员节点未能将数据发送到其群集头时，这意味着它已从其集群中移出。在这种情况下，它将监视群集头部的数据包。一旦听到群集头的数据包，它将根据数据包中的信息加入此集群。

每个群集头计算其群集的平均能量。当其能量低于平均能量时，群集在该层中进行重整，并更新路由信息。

对于整个网络，在每一轮的数据采集中，汇聚节点都期望下一轮的交付率。一旦交付率低于预期的70%，汇聚节点将向节点广播改造消息。水下传感器节点将重建集群。

4.模拟和讨论

本节对EERBLC的性能进行了评价，并与DBR和EEDBR进行了比较。仿真使用MATLAB 7.0实现。为了对EERBLC、DBR和EEDBR进行公平比较，所有仿真均采用相同的节点数。在500m × 500m × 500m的三维区域内部署400个传感器节点。每个传感器节点的初始能量是5焦耳。节点发送数据时功耗为2w，接收数据时功耗为0.1 W。每个传感器节点的传输距离为100m。在EERBLC模拟中，每层深度定义为80 m，每层随机部署80个节点。所有节点沿水平方向以2-3米/秒的速度移动。两个浮标部署在水面，用作汇聚点，收集来自传感器节点的数据包。 Every sensor node can hold 10 data packets in its buffer. Size of a data packet is 200 bytes, size of N_HELLO message is 5 bytes, size of N_COM message is 6 bytes, size of N_JOIN message is 5 bytes. Frequency of the carrier acoustic signal is 10 kHz. Simulation parameters are given in Table5.．最终的仿真结果是平均5种不同的结果。

本文从稳定周期、网络生存期、吞吐量、交付率、能耗和端到端时延等方面对协议的性能进行了评估。稳定周期定义为整个网络到第一个节点死亡的时间。为了评价系统的稳定性，对DBR、EEDBR和EERBLC进行了比较仿真。仿真的所有参数如表所示5.．最终仿真结果如图所示3.，这是5个不同结果的平均值。在DBR协议中，第一个节点大约死于50岁。在EEDBR和EERBLC协议中，第一个节点都在100秒左右死亡。DBR中产生大量冗余数据包，不考虑节点的剩余能量。这会导致淋巴结的过早死亡。在EEDBR和EERBLC中，能量是转发数据时主要考虑的因素。其中，EERBLC采用了聚类技术来减少转发数据的数量。因此，第一个死节点的时间要晚于DBR。

网络生存期定义为整个网络中所有节点死亡的时间。数字4.在随机拓扑中展示三种协议的网络生命周期。仿真结果表明，DBR，EEDBR和eERBLC的一生分别为约1600岁，1800岁和2000年代。由于数据和重传冗余，DBR的寿命在三种协议中最短。在EEDBR中，能量和冗余数据的问题在某种程度上提高，因此其寿命比DBR长。eerblc中使用的聚类技术可节省能源。在路由期间考虑到能量平衡。因此，eerblc在三种协议中具有最长的一生。

吞吐量被定义为在宿节点上成功接收的数据包数。数字5.显示了三种协议的吞吐量仿真结果。结果表明，DBR收到约95,000个数据包，EEDBR收到约86,000个数据包，eerblc在2000年期间收到约70,000个数据包。由于大量冗余数据，DBR接收大多数数据包。EEDBR在某种程度上减少了冗余数据的数量，因此EEDBR的吞吐量小于DBR。在eerblc中，因为群集头聚合数据，数据包数量显着减少。因此，EBECRP的吞吐量小于DBR和EEDBR。

发送率定义为汇聚节点成功接收的报文数与源节点发送的报文数的比值。通过比较仿真，对DBR、EEDBR和EERBLC中的传输比性能进行了评价。结果如图所示6.．DBR，EEDBR和eERBLC的输送比分别为92％，89％和96％。DBR的传递比率高于EEDBR，因为DBR使分组冗余地传输，其中遵循多条路径来到达汇聚节点。为了避免冗余数据，EEDBR会减少转发节点。导致EEDBR的交付比率下降。数据在eerblc中有效地聚合，并且在选择转发节点期间考虑转发比率。这导致eerblc中的沉积节点接收的更多数据包。因此，eerblc在三种协议中具有最高的交付比率。

能量消耗是衡量网络性能的指标，它隐含地反映了网络生命周期的状况。能耗低，网络寿命长。图7为能耗模拟结果。由于转发节点过多，报文传输冗余，DBR的能耗高于其他两种协议。EEDBR根据深度和剩余能量选择转发器。它避免了转发节点的数量。此外，在EEDBR中，由于采用了优先级分配技术，大大减少了相同数据包的重复传输。因此，EEDBR的能耗比DBR低。EERBLC采用聚类技术对整个网络的负载进行均衡，实现了能量消耗的均衡和寿命的延长。在网络初始阶段，集群的形成需要消耗更多的能量，因此EERBLC在300 s前的剩余能量小于EEDBR。 However, the energy consumption is less than other two protocols after initial phase.

端到端延迟定义为汇聚节点从源节点接收数据包的平均时间。通过仿真比较了DBR、EEDBR和EERBLC。结果如图所示8.．由于转发前需要一定的等待时间，因此DBR是三种协议中端到端延迟最长的协议。在EEDBR中，转发采用优先级机制。优先级最高的转发器会立即发送报文。因此，延迟被减少。在EERBLC中，数据被有效地聚合，数据包的减少减少了传播时间。此外，在选择转发节点时考虑了链路质量，有效地限制了重发。因此，在三种协议中，EERBLC具有最小的端到端延迟。

根据上述仿真结果，我们可以看到eerblc具有最长的网络寿命，最高的交付比率和最小的端到端延迟，具有三种协议的最低能耗。证明eerblc是UWSN的有效路由协议。

5。结论

难以更换水下传感器节点的电池，因此，能源效率是水下无线传感器网络中的研究热点之一。在本文中，提出了一种基于层和集群（eerblc）的局部无线路由协议，命名为节能路由协议。该协议旨在解决高能耗，长端到端延迟和高误差率的问题。在该协议中，水下监测区域分层，然后在每个层聚集传感器节点。eerblc包括三个阶段：群集形成，传输路由，维护和群集更新。在群集形成阶段，提出了一种适用于UWSNS的新不等簇方法，以解决“热点”问题。并且，eerblc改进了群集头选择算法。引入多目标优化技术以计算每个候选头的成本值。在传输路由阶段，eerblc利用传感器节点的转发比和剩余能量作为路由度量。最后，介绍了帧内帧内帧内帧间更新方法。 Through simulations, the EERBLC protocol is compared to DBR and EEDBR routing protocols in UWSNs. The results prove that EERBLC can effectively improve the performance in terms of network lifetime, energy consumption, delivery ratio, throughput and end-to-end delay.

数据可用性

用于支持本研究结果的数据可根据要求可从相应的作者获得。

的利益冲突

作者宣布没有关于本文的出版物的利益冲突。

致谢

基金资助:中央高校基本科研业务费专项资金资助(No. 201430430531);N172304027。

参考文献

1. J. Heidemann, M. Stojanovic, M. Zorzi，“水下传感器网络:应用、进展和挑战”，哲学交易，卷。370，不。1958，PP。158-175,2012。查看在：出版商网站|谷歌学术
2. G. Tuna和V. C. Gungor，“水声传感器网络的部署技术、定位算法和研究挑战调查”，国际通信系统杂志，第30卷，第2期第17条e3350, 2017。查看在：出版商网站|谷歌学术
3. E. Felemban，F.K.Shaikh，U. M. Qureshi，A.A.Hyikh和S. B.Qaisar，“水下传感器网络应用：综合调查”国际分布式传感器网络杂志，第11卷，第5期。11、文章编号896832,2015。查看在：出版商网站|谷歌学术
4. H. Mythrehee和A. Julian，“用于海洋环境监测的横梁UWSN架构”2015年全球通信技术会议（GCCT），pp。211-216，印度托克莱，2015年4月。查看在：出版商网站|谷歌学术
5. M. R. Ahmed, M. Aseeri, M. S. Kaiser, N. Z. Zenia, and Z. I. Chowdhury，“一种用于UWSN恶意攻击检测的新算法”，在2015年电气工程和信息通信技术会议（ICEEICT），第1-6页，孟加拉国达卡，2015年5月。查看在：出版商网站|谷歌学术
6. M. R. Ahmed, S. M. Tahsien, M. aseri, M. Shamim Kaiser，“水下无线传感器网络的恶意攻击检测”，刊于2015 IEEE通信与光子学国际会议(ICTP)，pp.1-5，达卡，孟加拉国，2016年12月。查看在：出版商网站|谷歌学术
7. S. Srinivas，P.Ranjitha，R. Ramya和G. Kumar Narendra，“使用大型UWSN和UANETS的海洋环境调查”2012年第8届无线通信国际会议，网络和移动计算， pp. 1-5，中国上海，2013年9月。查看在：出版商网站|谷歌学术
8. C. C.Kao，Y.S.Lin，G. D. Wu和C. J. Huang，“关于水下事物互联网的综合研究：应用，挑战和渠道模型”传感器，卷。17，不。7，p。1477年，2017年。查看在：出版商网站|谷歌学术
9. M. Li，X. Du，K. Huang，S. Hou和X. Liu，一种基于接收到的水下无线传感器网络（UWSN）的信号强度的路由协议，“信息，卷。8，不。4，p。153,2017。查看在：出版商网站|谷歌学术
10. P.江，Y.冯，F.Wu，S. Yu和H. Xu，“动态分层双簇头路由算法基于KRill Herd优化在UWSNS中”，传感器，第16卷，第5期。9，p。1379年，2016年。查看在：出版商网站|谷歌学术
11. M.Jouhari，K. Ibrahimi和M. Benattou，“UWSNS地理路由协议的新贪婪转发策略”2016国际无线通信与移动计算大会(IWCMC)，pp.388-393，帕福斯，塞浦路斯，2016年9月。查看在：出版商网站|谷歌学术
12. Zhou z, b Yao, R. Xing, L. Shu, and S. Bu，“E-CARP:一种水下物体网络中UWSNs的高效路由协议，”IEEE传感器杂志，第16卷，第5期。11, pp. 4072 - 4082,2016。查看在：出版商网站|谷歌学术
13. M. aslam，f. wang，z. lv等人，“用于声学UWSN的”节能立方体分层路径规划算法（EECPPA）“2017 IEEE环太平洋通信、计算机和信号处理会议(PACRIM)，pp.1-6，维多利亚，BC，加拿大，2017年8月。查看在：出版商网站|谷歌学术
14. 谢平，崔俊华，刘磊，“基于矢量的水下传感器网络转发协议”，《海洋工程学报》，vol . 21, no . 2, pp . 441 - 446网络2006.网络技术，服务和协议;计算机和通信网络的性能;移动和无线通信系统。网络2006.计算机科学的讲义笔记，第3976 Vol 3976，F.Boavida，T.Plagemann，B. Stiller，C.Westphal和E. Monteiro，EDS。，PP。1216-1221，Springer，Berlin，Heidelberg，2006年。查看在：出版商网站|谷歌学术
15. N. Nicolaou，A。参见和P.Xie，“改善了水下传感器网络的基于位置的路由的鲁棒性”海洋2007年 - 欧洲，pp.1-6，英国阿伯丁，2007年6月。查看在：出版商网站|谷歌学术
16. M. Mazinani, H. Yousefi，和M. Mirzaie，“水下无线传感器网络中基于矢量的路由协议”，无线个人通信号，第100卷。4, pp. 1569-1583, 2018。查看在：出版商网站|谷歌学术
17. M. R. Khosravi，H. Basri和H. Rostami，“使用球形分区的高速移动节点”高效地路由“致密UWSN”，“超级计算杂志，卷。74，没有。2，pp。696-716，2018。查看在：出版商网站|谷歌学术
18. J. M. Jornet, M. Stojanovic，和M. Zorzi，“聚焦波束路由协议的水声网络”3号ACM国际讲习班关于无线网络测试平台，实验评价和表征的课程（WUWNET'08），pp.75-82，美国旧金山，2008年9月。查看在：出版商网站|谷歌学术
19. F. A. Salti，N.Alzeidi和B. R.Arafeh，“Emggr：用于水下无线传感器网络的节能基于多径网格的地理路由协议”无线网络，卷。23，不。4，pp。1301-1314,2017。查看在：出版商网站|谷歌学术
20. J. Jiang，G. Han，H.Guo，L. Shu，以及J.J.P.C. Rodrigues，“基于核心水下无线传感器网络的地理空间划分的地理多路径路由”，网络与计算机应用，卷。59，pp。4-13,2016。查看在：出版商网站|谷歌学术
21. 罗瑞罗，“DCR:水下传感器网络的深度控制路由协议”，载2013年电脑和通信（ISCC）的IEEE研讨会，pp.453-458，分裂，克罗地亚，2013年7月。查看在：出版商网站|谷歌学术
22. H. Yan，Z. Shi和J. Cui，“DBR：水下传感器网络的深度路由”，网络2008年临时和传感器网络，无线网络，下一代互联网。网络2008.计算机科学的讲义笔记，第4982号，A.达斯，H. K.彭，F. B. S. Lee和L. W. C.黄，编，第16-1221，施普林格，柏林，海德堡，2008。查看在：出版商网站|谷歌学术
23. A. Wahid和D. Kim，“水下无线传感器网络的节能本地化路由协议”国际分布式传感器网络杂志，卷。8，不。4，物品ID 307246,2012。查看在：出版商网站|谷歌学术
24. M. Ayaz和A. Abdullah，“基于逐跳动态寻址(H2-DAB)的水下无线传感器网络路由协议”2009国际信息与多媒体技术会议，第436-441号，韩国济州岛，2009年12月。查看在：出版商网站|谷歌学术
25. S. Basagni，C.Petroioli，R. Petroccia和D. Spaccini，“鲤鱼：水下声学无线网络的通道感知路由协议”特设网络， vol. 34, pp. 92-104, 2015。查看在：出版商网站|谷歌学术
26. Z. ying，S. Hongliang和Y. Jiancheng，“基于改进K-Means算法的水下无线传感器网络的聚集路由协议”2015 IEEE自动化、控制和智能系统网络技术国际会议(Cyber)，PP。2015年6月，中国沉阳1304-1309。查看在：出版商网站|谷歌学术
27. A. Majid，I. Azam，A.Waheed等，“基于节能和平衡能耗集群的水下无线传感器网络的路由协议”2016 IEEE第30届先进信息网络与应用国际会议(AINA)，第pp。324-333，Crans-Montana，瑞士，2016年3月。查看在：出版商网站|谷歌学术
28. A. Khan，N. Javaid，I. Ali等，“水下WSN的节能干扰感知路由协议”，互联网和信息系统上的KSII交易，第11卷，第5期。10，pp。4844-4864,2017。查看在：出版商网站|谷歌学术
29. A. Khan, I. Ali，和H. Mahmood，“一种用于水下无线传感器网络的无本地化可变传输功率路由协议”基于网络的信息系统的进展。nbi 2017。数据工程和通信技术讲义，第7卷，L. Barolli，T. Enokido和M. Takizawa，EDS。，PP。136-147，Springer，Cham，2018。查看在：出版商网站|谷歌学术
30. F. Hidoussi，H.Toral-Cruz，D.E.Boubiche等，“Peal：基于群集的WSN的功率有效和自适应延迟分层路由协议”无线个人通信，卷。96，没有。4，pp。4929-4945,2017。查看在：出版商网站|谷歌学术
31. M.Khanafer，I. Al-Anbagi和H.T.Mouftah，“基于优化的基于集群的WSN设计，用于延迟关键的应用程序”2017年第13届国际无线通信和移动计算会议（IWCMC），第969-973页，西班牙巴伦西亚，2017年6月。查看在：出版商网站|谷歌学术
32. S. KrishNamoorthy，“WSN中有效集群形成的增强自适应聚类机制”国际当前工程和科学研究杂志，卷。4，不。9，p。2017年8日。查看在：谷歌学术
33. S. Mondal，P. Dutta，S. Ghosh等人，“基于节能粗糙模糊集的基于群集和群集头部选择，即WSN”2016第二届下一代计算技术国际会议(NGCT)，第439-444页，印度德拉敦，2017年10月。查看在：出版商网站|谷歌学术
34. G. Tuna，“基于集群的水下无线传感器网络节能路由方法”，国际传感器网络杂志，卷。27，不。1，pp。26-36,2018。查看在：出版商网站|谷歌学术
35. S.RANI，S. H. Ahmed，J.Malhotra和R. Talwar，“水下无线传感器网络的节能链”节能链路，“网络与计算机应用，卷。92，pp。42-50,2017。查看在：出版商网站|谷歌学术
36. N. Goyal，M. Dave和A. K. Verma，“基于集群的水下无线传感器网络的数据聚集”，“印度国家科学院院刊A辑:物理科学，第87卷，第2期2, pp. 235-245, 2017。查看在：出版商网站|谷歌学术
37. D. Das和P. M. Ameer，“水下传感器网络的高效地理集群多跳路由”TENCON 2017 - 2017 IEEE区域10会议，第409-414页，马来西亚槟城，2017年11月。查看在：出版商网站|谷歌学术
38. P. Jiang，J. Liu和F.Wu，“节点非统一部署基于水下传感器网络的聚类算法”传感器，卷。15，不。12，pp。29997-30010,2015。查看在：出版商网站|谷歌学术

版权

版权所有©2018方朱和君坊威。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。