无线传感器网络中的LEACH算法分析与设计

1．5 根据LEACH实时性不强而改进
根据LEACH算法实时性不强的问题，Manjeshwar A等人提出了TEEN算法，TEEN算法与LEACH算法较大的不同点是，在簇首节点的选举过程中，协议设置了两个阈值，分别为硬阈值、软阈值两个参数。硬阈值是被检测数据不能超过的数值，而且软阈值决定了被测数据的波动范围。只有当被监测数据超过硬阈值且被监测数据的变化幅度大于软阈值时，节点才会传送最新的监测数据，并设置为新的硬阈值。相对于LEACH算法，TEEN算法能够较大地减少节点之间数据传送的次数，从而有效减少了整个网络的功耗，延长了整个网络的寿命。APTEEN算法则结合了LEACH与TEEN两种算法，是一种主动型与响应型混合的数据传输模式。但网络中有突发事件时，数据传输模式将会采用与TEEN相同的模式(响应型模式)，只不过AFTEEN算法多了一个计数器，节点每传送一次数据，对应的计数器将清零。当计数器的时间到达的时候，将采取主动发送这个数据，不再判断软、硬门限值。
1．6 根据网络节点分布密度不均而改进
在LEACH算法中并未考虑节点分布密度对网络的影响，在分布密度大的区域，相对簇首节点的负担也较重，能量也容易耗尽，因此应该增加该区域簇首节点的个数。参考文献中根据无线网络中周围节点存活个数不同，来改变该区域内节点成为簇首节点的概率。为了在节点密集区域增加簇头的个数，只需要增大对应节点成为簇头的概率，对于节点稀疏区域则降低其中节点成为簇头的概率即可。因此将簇头选举的阈值修改为：

式(7)中Neighbor(n)_alive与Network_alive分别表示表示节点n邻居集中以及整个网络中存活节点的数目，1／p表示平均每簇中节点的个数，从式(7)可以看出当节点周围存活个数大于平均值时，该区域节点成为簇首节点的概率将增大，反之则降低。
1．7 根据大规模多跳网络而改进
根据LEACH算法跳距的局限性，在LEACH算法中，整个网络最大跳距为两跳，这样就会导致远离基站的簇首节点，能量消耗太大而过早死亡，影响到整个网络的性能，Siva D．Muruganathan等人提出了BCDCP多跳分簇算法，簇首节点的选择由基站来控制，基站首先将每个节点的当前能量取平均，只有大于平均值的节点才有机会成为簇首节点，这样就避开了低能量节点成为簇首节点的可能。当簇首节点与基站的距离超过一定时，不直接与基站通信，而是借助其他簇首节点转发到基站，选择其他簇首节点是采用的是最小生成树算法，这样就减轻了远离基站簇首节点的负担，也扩展了整个网络的规模。
1．8 节点能量传输模型与最优簇首节点概率
大部分作者都把节点传输模型采用公式(8)与(9)，式中k为传输信息的比特数，d为节点之间距离。εfs为自由空间传送方式下的功率放大参数。式(8)为节点接收数据所消耗的能量，式(9)是发送数据所消耗的能量，因本文针对的是小规模无线传感器网络，所以采用的是自由空间模型。

因为不同规模的网络，节点密度的不同，最优簇首个数也不相同，采用参考文献提出的最优簇首个数公式(10)，采用的是自由空间模型。


2 分簇路由算法设计
2．1 算法设计
本文主要针对一些特定的环境下，对经典的LEACH算法进行改进。目前关于无线传感器网络测距技术，普遍采用信号强度与信号差往返时间来测距两种方法。前者在理论上较难实现，一般很难在现实中使用。而后者理论简单，但由于硬件成本的限制，只能采用一般的时钟晶振，这时就对节点之间的时间同步提出了较高的要求。而目前传统的时间同步算法都会随着跳数的增加，误差越变越大，而在小规模测距定位系统中，节点之间无需传输大量的数据，因此簇首节点无需进行大量的数据融合，因此本文设计的初衷是减少传输跳数、延长整个网络生存时间。因此对传统的LEACH算法作以下改进。能量传输模型采用式(8)与式(9)，网络中最优簇首个数比例采用式(10)，规定阈值T(n)采用式(6)。