在真实信道条件下的物联网定向无线传感器网络中，基于仿真的混合节点等级LEACH聚类建模

《Simulation Modelling Practice and Theory》：Simulation-based modeling of hybrid node rank–based LEACH clustering for IoT-oriented WSNs under realistic channel conditions

　　奈雅娜·伊丽莎白·安德鲁斯|阿努吉·穆罕默德印度喀拉拉邦科塔亚姆，圣雄甘地大学计算机科学学院，邮编686560

摘要
基于物联网的无线传感器网络在实现低成本、低干预的实时环境监测方面起着关键作用。然而，能源节约和网络寿命仍是亟待解决的难题。尽管低能耗自适应分层聚类协议被广泛采用，但它仅依赖随机选择簇头，这可能导致远离基站的低能耗节点被选为簇头，进而造成簇头分布不均、能耗不均衡以及节点过早失效。本研究基于NS-3（3.43版本）构建了一个仿真驱动的分层聚类建模框架，提出了混合节点等级LEACH算法，以便在真实的无线信道条件下系统评估簇头选择机制。为降低簇头选择的随机性，混合节点等级LEACH结合了标准化节点等级与剩余能量及距离指标，以平衡随机性与确定性。此外，我们还实现了改进版的IBRE-LEACH作为中间框架，用于对比分析。作为理论贡献，我们通过引入基于对数距离传播损耗模型及设备特定参数，确定了最佳传输范围r0，从而分析了LEACH中分层结构的必要性。为提升信道真实性，我们在簇头宣告阶段采用了Jakes传播损耗模型，以模拟多径衰落和RSSI的时间变化。基于真实数据集的仿真结果表明，混合节点等级LEACH的聚合压缩效率与簇头参与率几乎比改进版IBRE-LEACH高4倍，吞吐量则高出近25倍，同时仍保持良好的能效、网络寿命及稳定性。

引言
无线传感器网络在物联网中具有重要意义，各类智能设备通过无线技术实现与物理世界的连接，从而进行实时数据采集[1][2]。这些微型传感器节点被广泛应用于环境监测、医疗系统、农业、工业自动化以及军事监控等领域，用于持续监测那些人工干预会耗费大量时间、成本且存在风险的关键信息[3][4]。每个传感器节点通常包含感知、处理、通信和供电模块[5]，但由于电池容量有限、资源约束以及计算负担，其运行面临诸多挑战。传感器节点之间不均衡的能耗会影响网络寿命，因此需要高效的通信机制和合理的资源分配策略[6]。在节能方法中，聚类被视为提升通信效率并延长网络寿命的有效手段[7]。无线传感器网络的任务是将传感器数据从部署区域传输到基站，再由数据接收端进行收集[8]，而路由协议则是确保数据在发送端与接收端之间高效传输的关键。

低能耗自适应分层聚类协议是一种著名的基于聚类的分层路由协议，它会在每一轮中轮换簇头[9]。该协议还通过在簇头处进行数据聚合来减少冗余传输，从而在降低能耗的同时提升网络寿命[10]。然而，LEACH中的低功耗传感器节点使用寿命较短，这促使人们不断研究如何进一步提高能效[4]。在簇间通信场景中，数据会在不同簇之间传递，这种通信方式在多层簇结构中尤为重要。多层聚类旨在提升能效与数据分发效率，即第一层的簇头与第二层的簇头相互通信，最终将数据传送到基站。这一概念适用于大规模网络环境[11]。LEACH的分层结构具有诸多优势[12]：
• 实现简单
• 能有效平衡网络负载
• 能够在网络中合理分配能耗，提升整体性能
• 支持基于轮次的随机簇头选举

LEACH采用轮次制进行簇头选择，每个节点会生成一个0到1之间的随机数，并将其与阈值函数T(n)进行比较，该函数定义如公式(1)所示[9]。如果生成的数值小于T(n)，则对应的节点将被选为当前轮次的簇头。簇头出现的概率P是预先设定的。在LEACH的每一轮中，那些在上一轮已担任簇头的节点会被排除在当前轮次的候选节点集合S之外。在一个包含100个节点的网络中，当P=0.05时，大约有5个节点有机会成为簇头。LEACH的运行分为两个主要阶段：簇形成阶段和数据传输阶段。簇形成阶段始于宣告阶段，这是建立簇的最关键步骤。在宣告阶段，根据T(n)值选出的簇头会广播宣告包，而非簇头节点则通过分析这些消息的接收信号强度指标来决定加入哪个簇头。在随后的数据传输阶段，聚合后的传感器数据会被发送到基站[9]。优化簇头选择对于提升网络能效至关重要，这也是本研究的核心目标。

在LEACH中，T(n)值的分布呈现出一定的规律性，当P=0.05时，其在不同轮次区间内的取值范围为(0.05, 0.052, 0.055, 0.058, 0.0625, 0.0666, 0.0714, 0.0769, 0.0833, 0.0909, 0.1, 0.11, 0.125, 0.1428, 0.166, 0.2, 0.25, 0.33, 0.5, 1)。由于T(n)的最大值为1，因此集合N中的所有节点都有机会成为簇头。在每个轮次周期的最后几轮（如19、39、59轮等），那些在 earlier轮次未成为簇头的节点仍有可能被选中，因为任何0到1之间的随机值都小于1。这样一来，T(n)确保了每个节点在1/P轮内恰好成为一次簇头。

研究人员致力于开发LEACH的各种改进版本，以进一步提升能源节约效果和网络寿命。这些改进版本可分为三类（第一类、第二类和第三类）[13]，如表1所示。第一类路由协议围绕簇头选择展开，根据剩余能量、集中程度、移动性、能效和距离五个关键指标进行分类。第二类协议则侧重于数据传输，考虑单跳和多跳通信两种场景。本研究聚焦于第三类协议，这类协议结合了第一类和第二类的优点。为延长网络寿命，人们提出了基于能量收集的LEACH变体，尤其适用于恶劣或难以到达的环境。在这些方案中，传感器节点会利用太阳能、热能或风能等环境能源来补充电量。诸如s-LEACH[14]、EH-WSNs[15]、EP-LEACH[16]和As-LEACH[17]等协议采用了考虑太阳能因素的聚类机制，即优先选择剩余能量和收集到的能量较高的节点作为簇头，从而提升能源可持续性。不过，这些方法主要关注能源补充和簇头选择，对数据传输效率及分层通信设计考虑不足，因此未能充分发挥第三类协议的优势，后者通过整合簇头选择与数据传输策略来提升网络性能。

尽管LEACH及其变体在无线传感器网络中被广泛应用，但高效的可靠簇头选择依然是一个重大挑战。虽然聚类技术有助于降低能耗和通信开销，但传统方法往往无法实现传感器节点间的能量均衡分配[6]。因此，科学的簇头选择尤为重要，因为它直接影响资源分配、通信效率以及整体网络性能[18]。然而，LEACH依赖于随机选举簇头，这往往会导致远离基站的低能耗节点被选中，进而造成簇头分布不均、能耗不均衡以及网络寿命缩短。在规模较大或连接较为稀疏的网络中，单层聚类结构会进一步限制网络连通性并增加传输成本，这就凸显出采用多层LEACH结构的必要性。虽然多层聚类能够降低能耗并延长网络寿命，但现有研究并未系统分析在LEACH中采用多层的具体必要性。为解决这一问题，本研究实现了两层LEACH结构，并在特定参数下将其与一层LEACH结构进行了比较。在本研究中，确定最佳传输范围r0作为阈值距离是一个至关重要的参数，它决定了网络的层级结构。这一参数的确定为集群形成提供了传输约束，也为在真实信道条件下的高效可靠分层通信奠定了理论基础。所确定的r0有助于提升网络节点间的连通性。

此外，大多数现有的基于LEACH的研究都依赖于理想化的仿真环境，这些环境使用简化的传播模型，如自由空间模型和固定路径损耗模型[21]，这类模型无法体现现实世界中的无线通信特性，比如因障碍物导致的非视距传播、小尺度多径衰落以及RSSI的时间变化。因此，这些方法难以准确反映基于LEACH的聚类技术在真实传播条件下的性能表现。

本研究的创新之处在于构建了一个基于仿真的建模框架，该框架以提出的混合节点等级LEACH算法为核心，结合自适应的标准化簇头选择方法、真实的无线信道建模以及基于分析的方法确定最佳传输范围r0，从而为面向物联网的无线传感器网络评估提供实用工具。该设计实现了能源利用的均衡化、更高的簇头参与率、更优的数据聚合效率、更高的吞吐量以及更长的网络寿命。本研究的主要贡献如下：
• 我们在NS-3中开发了一个基于仿真的聚类建模框架，该框架能够分析多层聚类结构，纳入设备特定的传播参数以及考虑信道特性的聚类行为。相比理想化假设，该框架可帮助在真实无线信道条件下系统评估LEACH系列协议中的簇头选择机制。
• 为降低随机簇头选择的弊端，我们提出了混合节点等级LEACH算法，这是本研究的核心贡献。该算法引入了一种结合概率性与确定性方法的标准化混合能量感知型簇头选择机制，旨在提升聚类效率、实现能源利用均衡以及增强网络稳定性。
• 作为中间框架开发阶段的工作，我们实现了改进版的IBRE-LEACH算法，该算法借鉴了EES-LEACH中的节点等级选择方法。尽管该算法的能效更高，但由于簇头选择范围有限且节点参与率较低，导致许多节点未能得到充分利用，因此在实际应用中的实用性较差。
• 我们将提出的混合节点等级LEACH算法与改进版IBRE-LEACH算法以及现有的第三类LEACH变体进行了对比，以展示其性能优势。
• 我们从理论上分析了在LEACH系列协议中采用分层聚类的必要性，其中通过基于对数距离传播损耗模型确定最佳传输范围r0是这项以连通性为核心的研究的重要内容。
• 为在宣告阶段更真实地模拟多径衰落和RSSI的时间变化，我们采用了Jakes传播损耗模型，并将其与NS-3支持的其他模型进行了比较。该模型与用于一般无线通信的对数距离传播损耗模型相结合，能够同时考虑大规模路径损耗和小尺度衰落效应，从而更真实地反映信道特性。
• 我们使用NS-3和真实数据集进行了仿真测试。

本文的其余部分结构如下：第2节阐述无线传感器网络中分层聚类的理论基础，并综述有关分层聚类层级、第三类路由协议以及EES-LEACH等能效优化机制的现有研究成果。第3节介绍系统架构与仿真模型。第4节详细说明所提出的方法。第5节展示仿真结果并进行性能分析。最后，第6节对全文进行总结，并指出未来研究的方向。所提出的方法论在第三节中描述的系统模型及通信范围约束的基础上，该基于仿真的分层聚类建模框架重点设计了混合节点等级LEACH算法（Hybrid-NR-LEACH），这也是本研究的主要贡献。该算法在候选跳节点选定阶段结合了随机与确定性方法，以此克服现有协议中随机选择候选跳节点的局限性。作为中间框架阶段，还提出了改进的IBRE-LEACH算法。

仿真结果与性能分析本节利用NS-3.43工具对所提出的算法进行了基于仿真的分析，内容分为以下几个小部分：（i）通过一级和二级候选跳节点配置来评估网络中的分层结构效果；（ii）比较所提出的Hybrid-NR-LEACH算法与E-IBRE-LEACH算法以及现有的基于LEACH的变体算法（2L-LEACH和三类协议）的性能；（iii）在不同传播损耗模型下评估信号强度。

结论与未来工作尽管基于LEACH的无线传感器网络被广泛用于实现物联网环境中的节能数据聚合，但它仍存在若干局限性。本研究指出了LEACH算法中的三个关键问题：候选跳节点的随机选定、分层聚类的必要性以及真实信道建模的需求。为解决这些局限性，本研究开发了一个基于NS-3.43的仿真框架，用于在真实的无线信道条件下系统地评估候选跳节点的选择行为。