无线传感器网络能效聚类协议综述

无线传感器网络中能效聚类协议的描述性研究与表征

摘要

无线传感器网络由若干传感器组成。这些传感器从外部环境收集数据，并将信息传递给专用设备。在水下监控、森林监控、栖息地监测等一些应用中，由于无法进行电池更换，无线传感器网络的能量效率成为一个关键挑战。聚类在实现能量效率方面起着重要作用。簇由多个传感器组成，其中一个节点作为簇头，负责信息的聚合与传输。位于基站附近的簇头承担较大的工作负载，导致其持续发生能量损耗。因此，这些附近的簇头会过早死亡。如果根据节点的剩余能量来选择簇头并进行重新部署，则有助于延长簇头的寿命。另一个问题是，当传感器节点不传输任何数据时，仍会在空闲监听上消耗部分能量。通过采用休眠与唤醒机制对节点进行调度，可以延长网络寿命。本文综述了无线传感器网络的节能协议。

关键词 无线传感器网络 • 聚类 • LEACH • 能量效率 • 剩余能量 • 睡眠和唤醒

引言

无线传感器网络是由传感器节点互连而成，用于监测压力、温度、声音、振动等物理或环境参数。传感器节点将这些数据传送到汇聚节点或基站节点，在该节点处对数据进行分析，并从中得出有用推论。无线传感器网络中的传感器节点除了无线收发器和电源组件外，还具备感知、计算设备等功能。这些传感器节点具有有限的存储容量、处理速度和短持续供电能力。

无线传感器网络适用于难以布线或使用无线网络更为有利的场景，如医疗保健、农业、水下监控、森林火灾检测等。然而，无线传感器网络也面临能量效率、安全性、覆盖范围、连通性和响应性等自身挑战。在所列挑战中，能量效率是最主要的挑战，因为在许多情况下电池更换几乎不可能，因此需要改进技术以显著降低能量消耗。本文讨论了若干聚类协议（如 LEACH、DEEC、LEACH‐C、T‐LEACH、QAC、LESCA、EBUC、BPSO‐T、TCH‐MAC、HEEC等）的优缺点（图1）。

聚类

聚类旨在实现网络的高能量效率并延长网络寿命。簇是由一组传感器节点组成的。在聚类过程中，包含传感器节点的整个感知区域被划分为若干个簇。每个簇都有一个簇头（CH）节点。

簇中的所有传感器节点将其信息发送给各自的簇头，然后由该簇头负责将数据传输到基站。目前有许多聚类技术，例如 LEACH、DEEC、LEACH‐C、T‐LEACH、QAC、LESCA、EBUC、BPSO‐T、TCH‐MAC、HEEC 等。所有聚类技术都采用各自的方法进行簇的形成、簇头选择和数据传输（图2）。

文献综述

聚类协议有多种，每种都有其各自的优缺点。文中讨论和使用的聚类协议包括LEACH、DEEC、LEACH‐C、T‐LEACH、QAC、LESCA、EBUC、BPSO‐T、TCH‐MAC、HEEC等。各种聚类协议的详细信息如下：‐

LEACH（低能耗自适应聚类层次结构）

聚类协议LEACH包含一些重复的迭代，每次迭代分为两个阶段：建立阶段和稳定阶段[2]。在建立阶段完成整个感知区域划分为簇以及每个簇中簇头节点的选择。在稳定阶段，通过传感器进行数据收集和通信。

LEACH将节点划分为多个簇，每个簇从所有成员节点中选出一个作为簇头。每个簇的所有簇成员将其数据发送给该簇的簇头。簇头负责数据聚合并传输到目标目的地。为所有传感器分配了时分多址（TDMA）调度以发送其数据。LEACH由Heinzelman等人[3]提出。该协议基于分布式策略，因此无需预先掌握网络知识，并且由于簇头（CH）执行数据聚合，消除了冗余和大量数据，从而降低了能量消耗。LEACH的一些局限性包括：在选举簇头时，LEACH假设所有节点具有相同的能量能力；但在实际中，经过若干次数据传输后，由于数据聚合和传输过程中的能量消耗，各节点的能量能力会变得不同[4]。LEACH的另一个局限性是所有节点都必须同时支持时分多址（TDMA）（用于时隙分配）和码分多址（CDMA）（用于数据传输）。

LEACH 是一种分布式协议，簇头选择由节点自行完成。负载均衡可以通过某种集中式方法来选举簇头。Heinzelman 等人 [5] 提出了一种名为 LEACH‐C 的 LEACH 替代方案。该方案中的簇和簇头的分配由基站控制。与 LEACH 一样，它也包含设置阶段和稳定阶段。在设置阶段，基站（BS）使用模拟退火优化算法对节点进行簇的形成。然后通过计算节点的平均能量，并仅允许能量高于平均值的节点参与簇头选择，从而实现节点上的负载均衡。在簇形成和簇头选择完成后，基站将这些信息分发给所有节点。稳定阶段与 LEACH 中的相同。

每一轮都会进行簇头选举，因此每轮都会消耗一定的能量。为解决这一问题，Heinzelman 等人 [5] 提出了一种名为 LEACH‐F 的协议。该协议采用集中式方法形成簇，并由基站使用模拟退火优化算法为后续轮次确定一组簇头列表，以寻找最优簇。节点间的通信距离是影响能量消耗的重要因素。为了最小化传感器之间的通信距离，陈等人 [6] 提出了一种名为 ME‐LEACH‐L 的协议。该协议包含四个阶段：簇头选择、能量感知的虚拟骨干树构建、簇头选择最近的 EVT 节点以及通信阶段。这是一种节能方法，有助于延长网络寿命，但虚拟骨干树（EVT）的构建也会带来一定的开销。

基于剩余能量的簇头选举可以提高网络寿命。Hong 等人[7]提出了一种基于阈值能量的协议，称为 T‐LEACH。该协议中簇头和阈值能量是预定义的。当簇头的存活能量低于阈值能量时，将进行簇头重新选举。这减少了每轮簇头选举带来的能量消耗。但在此处阈值能量的设定是一个挑战。Wang 等人[8]提出了一种名为 LEACH‐H 的协议。在该协议中，每轮的簇头数量是固定的。在第一轮中，基站使用模拟退火方法选择簇头。当前轮次的簇头为下一轮选择新的簇头。该方法适用于大规模无线传感器网络，但给簇头带来了为下一轮选择簇头的开销。

由于通信导致簇头消耗更多能量，如果簇头死亡，则应有一个节点能够承担簇头的责任。Sasikala 等人 [9]提出了 V‐LEACH 协议。该协议考虑了簇头的能量。除了簇头和传感器节点外，还设置了一个具有最多剩余能量的副簇头。当主簇头死亡后，该副簇头将接替主簇头的职责。该方法在网络寿命方面取得了良好效果，但带来了一定的开销。

遗传算法可用于聚类以获得最优结果。Liu 等 [10] 提出了基于遗传算法的Leach，该方法采用基于遗传算法的簇形成和簇头选择进行聚类。首先进行候选簇头选择，然后这些节点共享其信息。基站选择最优概率以形成最优簇。该方法取得了良好的能量效率结果，但存在一定的消息开销。

基于剩余能量的聚类

剩余能源较多的节点应被选为簇头，以延长网络寿命。Liet al.[11]提出了一种称为分布式能量高效聚类（DEEC）的协议。该协议适用于异构无线传感器网络。

并且基于节点的剩余能量。在DEEC中，簇头选择是根据节点的剩余能量和网络的平均能量来进行的。DEEC适用于异构网络，其中一些节点比其他节点具有更高的初始能量。所有节点被分为两种类型：高级节点和普通节点 [11]。具有更高初始能量的节点称为高级节点，这些节点成为簇头的概率更高，其余的称为普通节点。刘等人 [12]提出了一种名为能量感知路由协议（EAP）的协议。节点与其邻居节点交换剩余能量信息。每个节点都会建立一个关于邻居节点存活能量的表格，并且该表格会持续更新。簇中的每个节点都将广播延迟作为竞争成为簇头的因素之一。该机制同样基于节点的剩余能量和网络的平均能量。陈等人 [13]提出了一种名为基于服务质量的自适应聚类（ QAC）的协议。在QAC算法中，存在主簇头和从簇头。一些临时簇头被指定为主簇头。主簇头使用节点数量的阈值来选举从簇头。簇内的其他成员节点可以从主簇头或从簇头中选择簇头。如果主簇头或从簇头中有任一节点失效，它们可以重新分配各自的功能。阿里等人 [14]提出了一种名为LESCA的协议。该协议基于谱分类，考虑节点的剩余能量以及节点到基站的距离来选择簇头。由于节点与基站之间的距离是影响能耗的一个非常重要的因素，因此这些距离被视为质量参数。桑托什等人 [15]提出了一种名为 EECPEP‐HWSN的协议。该协议在选择簇头时考虑了节点的当前存活能量、初始能量以及节点与基站之间用于数据传输的节点数量。

静态与平衡聚类

重新聚类会消耗一定量的能源。通过静态聚类可以节省这部分能耗。扎赫马提等人[16]提出了一种名为 EEPSC（基于静态聚类的能量高效协议）的协议。该协议基于静态聚类方法。整个过程包含多个轮次，每一轮分为三个阶段。设置阶段用于网络的子划分，由基站负责构建簇。基站向所有节点广播一条消息，其中包含网络中期望的簇头ID。节点加入各自的簇头。由于不进行重新聚类，该方案具有节能优势。簇头选举是基于节点存活强度来决定的。但该方案也存在一些缺陷，例如由于簇结构是静态的，因此缺乏扩展性。

靠近基站的簇头比其他簇头更繁忙。如果将靠近基站的簇的大小保持较小，则簇头负载可以得到平衡。江等人[17]提出了一种名为能量均衡的不等聚类（EBUC）的协议。该协议构建了不等大小的簇，簇内节点数量不平衡。在簇头选择过程中考虑节点的能量，并在基站应用粒子群优化算法进行簇头选择。靠近基站的簇规模较小，以减小热点效应的影响。通过考虑节点到簇头的距离和簇的大小来进行聚类，以实现能量效率并延长网络寿命。维平等人[18]提出了一种平衡聚类方法，包含两个阶段：建立阶段和稳定阶段。该方法基于两个参数 ThCluster和ThDistance进行操作。任何节点如果其成员数≥ThCluster且距离≤ThDistance，则可加入该簇头。在救援阶段，若上述条件不满足，则节点将加入最近的簇。该方法能够延长网络寿命并降低节点死亡率。由于LEACH使用概率函数选择簇头，簇头轮换会消耗部分能量。穆罕默德等人[19]提出了一种名为EE‐MRP的协议，采用多阶段数据传输方式。网络区域被划分为多个阶段，簇头均匀分布，从而提高了吞吐量和网络整体寿命。采用静态簇头选择以最小化能量消耗。

睡眠和唤醒方法解决空闲监听问题

当传感器节点不传输任何数据时，仍会消耗一些能量。这称为空闲监听。为了节约能源，可以采用睡眠和唤醒方法。Sasikala等人[20]提出了一种方法，该方法根据剩余能量将节点保持在非活动状态或睡眠模式。部分节点专门用于选择簇头。当簇的存活能量大于预设阈值时，簇保持在激活状态。Nazir等人[21]提出了一种在无线传感器网络中的睡眠和唤醒方法。该方法考虑了三个参数：节点到基站的传输距离、节点的位置重要性以及事件发生的现有环境。根据这三个参数，应用睡眠‐唤醒方法。Dayong等人[22]提出了一种技术，其中每个节点的操作方式由其自身决定，即节点是进入睡眠、监听还是进行传输。时间轴被划分为多个时隙。每个节点的位置及其周围环境决定其合适的时隙。Sivakumar等人[23]提出了一种睡眠和唤醒方法，其中簇头可以创建一条通往基站的路径。基站发起数据请求消息，并将其发送至目标簇头。随后，簇头向需要唤醒的节点发送消息，并向其他节点发送睡眠消息。Xin等人[24]提出了一种名为 TCH‐MAC。它基于混合TDMA/CSMA，利用睡眠与唤醒机制来降低能量消耗。为了管理网络的数据流量，采用自适应TDMA方法。此外，使用CSMA以提高能量效率。

混合不等簇聚类

为了实现能量效率，可以采用混合聚类。不等簇聚类能够使靠近基站的节点更加节能。Seyed 等 [25] 提出了一种 HEEC（混合不等能量高效聚类）。簇头可以与簇成员分担部分工作负载。

基于自然启发优化算法的聚类

Dexim 等人 [26]提出了一种名为 DCH‐NPSO 的协议。该协议在每个簇中使用两个簇头 MCH 和 SCH。为了提高网络的活跃时间和能量效率，聚类过程中考虑了节点的剩余能量以及节点与基站之间的传输距离。采用小生境粒子群优化（Niching PSO）算法在簇内选择 MCH 和 SCH，并用于单跳路由。传感器的有效布置或部署对于实现能量效率目标至关重要。Shanmugasundaram 等人 [27]提出了一种称为 BPSO‐T 的方法。该方法将二进制粒子群优化与高效传递函数相结合，用于聚类以提高能量效率。Madhusudan 等人 [28]提出了一种基于自然启发式优化的协议，该协议继承了萤火虫算法的特性。在该方法中，采用锦标赛选择算法来选择种群，然后将选定的种群用于后续的交叉和变异过程。所提出的方法降低了数据包丢失率。Rajeev 等人 [29]提出了一种名为 ABC‐ACO 的协议。在 ABC‐ACO 中，将整个感兴趣区域划分为若干子区域。采用分层方式应用一些自然启发策略以获得最优结果。在初始阶段，使用 ABC（人工蜂群算法）选择节点作为簇头。当簇头选择完成后，再使用 ACO（蚁群优化）寻找最优路由路径。该方法通过减少因距离导致的能量消耗，有助于延长网络寿命（表1）。

结果

由于无线传感器网络（WSN）中的主要挑战之一是传感器的能量效率，因此比较各种协议非常重要。关于传感器能源的术语，以及在MATLAB上模拟无线传感器网络所使用的以下步骤和参数，假设的值如表2所示：

1. （A）场景或网络生成
2. 使用随机传感器部署技术将传感器随机部署以创建感兴趣区域（ROI）。
3. （B）簇头选择
4. 根据传感器剩余能量，从已部署的传感器中选择少数作为簇头。
5. （C）簇形成
6. 将传感器分组形成簇，每个簇包含一个簇头。
7. （D）数据传输
8. 各簇中的传感器以数据包形式将信息传输至其簇头，簇头在进行聚合后将全部信息转发至汇聚节点。

模拟协议实现的步骤如下（图3）：
为实现上述任何场景/网络的创建以及所有协议，需要为场景/网络中的传感器分配数量（N），为传感器分配初始能源（E0），并确定轮次数（R），因为数据传输以“轮次”为单位，从传感器到其簇头以及从簇头到汇聚节点分步进行；EDA 是指簇头在聚合其簇内传感器所发送数据时的能耗，在数据传输过程中传感器会消耗一定量的能源，Efs 和 Emp 分别表示在自由空间和多路径环境下的传输能耗。

表3显示了各种聚类协议在第一个节点死亡和最后一个节点死亡时的比较。FND表示第一个节点死亡的轮次编号，LND表示最后一个节点死亡的轮次编号。通过FND和LND可以清楚地看出网络寿命，该表明确表明，在所有协议中，LEACH具有更高的效率。

以往研究趋势分析表明，在所有现有的聚类协议中，就网络寿命而言，LEACH取得了良好的结果。LEACH采用概率方法进行聚类，簇头选择基于节点的剩余能量。结果表明，采用参数FND和LND来分析聚类协议的能量效率和网络寿命。一些先前的研究也致力于通过其他参数（如簇头选择、簇形成等）确定能量效率的最佳性能。本工作也致力于分析网络寿命（图4和5）。

表1 现有的聚类协议
协议
LEACH [3]
LEACH‐C [5]
LEACH‐F [5]
DEEC [11]
QAC [13]
EEPSC [16]
ME‐LEACH‐L [6]
EAP [12]
T‐LEACH [7]
LEACH‐H [8]
EBUC [17]
基于遗传算法的Leach[10]
基于睡眠‐唤醒方法 [21]
睡眠‐唤醒 LEACH[20]
自适应方法[22]
睡眠‐唤醒聚类自下而上的方法[23]
平衡聚类[18]
V‐LEACH[9]
LESCA[14]
DCH‐NPSO [26]
BPSO‐T [27]
基于萤火虫的聚类协议 [28]
ABC‐ACO [29]
HEEC [25]
EECPEP‐HWSN [15]
TCH‐MAC [24]
EE‐MRP [19]

表2 协议实现的仿真参数（MATLAB）
参数名称
E0
Efs
Emp
N
EDA
R

表3 聚类协议的对比仿真结果
参数
第一节点死亡轮次（FND）
最后节点死亡轮次（LND）

结论与未来展望

本文对无线传感器网络中的聚类协议进行了细致的综述，考虑了无线传感器网络所面临的挑战。在无线传感器网络中，能量效率是其中一个极为关键的主要挑战问题。为了提高能量效率，已提出多种拓扑结构和策略，聚类便是其中之一。本文对一些现有的聚类协议进行了文献综述。通过此次综述，重点展示了与现有聚类协议领域相关的特定仿真结果。通过分析结果可以得出，LEACH在网络寿命方面表现更优。本文研究的时间范围为2000年至2018年。本文聚焦于能量效率问题，因此重点关注节能聚类协议。由于数据传输负担过重，靠近基站的传感器节点会过早死亡。已有部分研究通过考虑节点的剩余能量、节点到基站的距离、传感器节点与其各自簇头之间的距离等因素进行簇头选择，以缓解该问题。尽管现有协议已取得较好的效果，但仍需进一步改进。另一个与能量效率相关的问题是空闲监听问题。当节点处于空闲状态（未传输任何数据）时，仍会消耗一定能量用于监听数据。一些论文针对此问题，尝试通过睡眠与唤醒调度来降低能量消耗。此外，在高效休眠与唤醒方法的实现方面仍有研究空间。