基于节点剩余能量调配的无线传感器网络能量均衡路由协议

李戈阳^{1, 2}，曹  阳¹，冯  浩²，吴雯昊²

(1. 武汉大学 电子信息学院，湖北 武汉，430072；

2. 中国舰船研究设计中心，湖北 武汉，430064)

摘  要：针对现有无线传感器网络路由协议中能量消耗不均衡的问题，提出基于节点剩余能量调配的能量均衡路由协议(RESEE)。协议对节点间的梯度进行模糊分级，并将模糊等级选择策略与质量评价函数相结合选择下一跳节点，以实现全局的能量均衡；协议采用低能量节点的拒绝与推荐策略、高能量节点的激活策略，以实现局部的能量均衡。仿真结果表明：当节点数为400时，RESEE较定向扩散(DD)路由协议的节点平均能耗降低29%，网络寿命上延长125%，节点剩余能量分布曲线证明RESEE能更均衡地利用有限的能量。

关键词：无线传感器网络；剩余能量调配；模糊分级；能量均衡

中图分类号：TP393          文献标志码：A         文章编号：1672-7207(2009)06-1642-07

Residual energy scheming based energy equilibrium routing protocol for wireless sensor network

LI Ge-yang^{1, 2}, CAO Yang¹, FENG Hao², WU Wen-hao²

(1. School of Electronic and Information, Wuhan University, Wuhan 430072, China;

2. China Ship Development and Design Center, Wuhan 430064, China)

Abstract: To balance the energy consumption in WSN, residual energy scheming based energy equilibrium routing protocol (RESEE) was proposed. In RESEE, a fuzzy gradient classification based next hop strategy was designed to balance the energy consumption as a whole. Reject and recommend strategy of low residual energy node, and reactivate strategy of high residual energy node were applied to equilibrize the energy consumption locally. Simulation results show that the average dissipated energy decreases by 29% in RESEE compared with directed diffusion (DD), and the lifetime grew by 125% at the network size of 400. Residual energy distribution maps also prove the energy equilibrium characteristic of RESEE.

Key words: wireless sensor network; residual energy scheming; fuzzy gradient classification; energy equilibrium

无线传感器网络(WSN)^[1-2]的路由协议是目前研究热点之一，不同于卫星网络^[3]、无线Ad-hoc网络^[4]与Internet的路由，节点能量受限的WSN在路由协议设计上要求节能高效，针对此特点，现已提出许多节能路由协议^[5]，如DD^[6]，LEACH^[7]，TEEN^[8]，PEGASIS^[9]与GITDC^[10]，这些协议在一定程度上延长了网络寿命，但未能从能量均衡的角度^[11]合理利用网络节点的有限能量，难以避免节点的过早死亡。考虑到无线传感器网路路由协议设计的最终目的是使网络寿命最大化^[12-13]，研究人员从能量均衡的角度提出了若干改进方案，如：Efthymiou等^[14-15]提出依据节点的能力来决定用单跳还是多跳的方式将数据送达Sink节点，以此均衡能量消耗；Zhang等^[16]通过设置节点向簇首发送数据量与直接向下一跳节点发送数据量的比率，来实现能量均衡路由；Gao等^[17]以sink为圆心，对网络内节点进行扇形分簇，通过设置簇内与簇间的通信协作机制来实现能量均衡路由；Liu等^[18]结合地理位置信息，预计算待发数据节点对某些邻节点完成下一跳时，发送节点与接收节点剩余能量总和，选择能达到最大剩余能量总和的邻节点作为下一跳节点。

但现有的能量均衡路由协议存在许多局限性，如Efthymiou等^[14-15]提及的方法，提高了节点的硬件要求，远距离的数据传输也会极大地增加能耗；文献[16]中的方法难以避免簇首选择带来的能耗，也无法从根本上解决簇首过早死亡的问题；在文献[17]中，簇首虽不担负全部的簇间数据传输任务，但繁琐的簇内通信机制使得簇首仍需进行数据压缩、数据融合与簇内广播等操作，因此，无法从根本上解决簇首与簇内其他节点间的能量均衡问题；文献[18]中的方案要依靠节点的地理位置信息，这降低了协议的适应性。

为了更好地实现能量均衡路由，本文作者对定向扩散协议(DD)^[6]进行改进与扩展，提出基于节点剩余能量调配的能量均衡路由协议(RESEE)。该协议利用3种策略分别实现全局与局部的能量均衡。

1  能量问题定义与分析

可将无线传感器网络建模为一个无向图G(V, L)，其中：V为传感器节点的集合，L为节点间通信链路的集合。若节点i∈V有n个邻节点N_k∈V ，则节点i具有n条无线双向通信链路l(i, k)∈L，其中k=1, 2, …, n。若能量利用不均衡，则当某高负荷节点i死亡时，尽管其邻节点N_k的剩余能量E_k仍远远大于节点死亡的能量门限，但此时n条无线双向通信链路l(i, k)∈L均失效。为了维持网络连通性，节点i在路径中的地位将被邻近节点j替代，而节点j能量将以相同方式被耗尽。如此恶性循环，将加速死亡节点的产生，导致大量通信链路失效，造成覆盖与连通问题，极大地缩短网络的寿命。

为了延长网络寿命，减少冗余数据的传送能起到一定作用，但不能从根本上解决问题。通过对无线传感器网络中节点剩余能量分布的分析、能量耗尽节点与能量富足节点的位置分析及路径的分析，发现网络的生存时间与能量利用是否均衡直接相关。因此，本研究从能量均衡的角度设计路由协议，以延长网络寿命。

2  能量均衡策略

本研究从3个角度实现能量均衡：利用模糊梯度策略进行准下一跳节点选择，以从整体上均衡能量消耗；采用低能量节点的拒绝与推荐策略、高能量节点的激活策略进行负载的合理调配，以实现局部的能量均衡。

2.1    模糊梯度策略

节点间的梯度^[5]通常用于描述节点间通信的次数与传输的数据量等信息(也可自行定义梯度的属性)。DD协议正是基于此梯度进行下一跳节点选择，最终建立指向sink节点的路径。但DD仅利用梯度的具体数值选择下一跳节点，难以均衡地利用网络中的节点，易造成下一跳节点选择陷入局部最优，致使路径缺乏多样性，从而导致网络过早出现死亡节点。为了解决以上问题，采用模糊梯度模型与基于质量评价函数的下一跳优选策略。

利用模糊理论，将某节点K对其邻节点的梯度进行如图1所示的模糊分级。其中：L₁，M和H₂分别为节点K对其所有邻节点梯度的最小值、平均值和最大值；模糊集的交界坐标L₂，M₂，M₁和H₁设置如下：

图1  梯度的隶属度函数示意图

Fig.1  Sketch map of gradient subjection function

通过调整k₁~k₄的取值，就可以对梯度区间的划分进行控制。

图1中低、中、高3个等级，各级均有P_L，P_M与P_H的几率被选择为选取下一跳节点的集合，一旦选中某集合，则根据质量评价函数从该集合中选取Q最大的节点作为下一跳节点。本研究定义质量评价函数为：

策略的具体实现步骤如下。

步骤1  基于图1及式(1)~(4)，依据梯度对节点K的邻节点进行等级划分。

步骤2  产生随机数R∈(0，100)；

若R∈(0，P_L)，则选定低梯度节点集；若R∈   (P_L，P_L+P_M)，则选定中梯度节点集；否则，选定高梯度节点集。

步骤3  利用式(5)计算选定集合中各节点的Q并选择具有最大Q的节点作为下一跳节点。

鉴于采用模糊理论的启发式算法在参数设置上具有一定经验性，本文作者利用模糊梯度策略优化DD协议，从实现精简的高梯度集、后备资源广泛的中梯度集以及潜力暂不明显的低梯度集出发，以降低传输时延、均衡节点间能量消耗、延长网络寿命为目的，进行了大量仿真实验，最后获得较优的模糊分级与等级选择参数：k₁=0.3，k₂=0.5，k₃=0.55，k₄=0.8；P_L=0.1，P_M=0.2和P_H=0.7；均衡考虑下一跳节点的各方面因素，取A=B=C=1。

2.2    低能量节点的拒绝与推荐策略

设置了拒绝转发门限T_a与拒绝转发并推荐其他节点作为下一跳节点的门限T_b，其中T_a＞T_b。若节点D被选为准下一跳节点，则考察D的剩余能量E_r，根据剩余能量值所在区间采取相应的转发机制。策略的具体流程如下：

判断节点D的剩余能量E_r所在区间；

若E_r≥T_a，则节点D成为下一跳节点；

若E_r＜T_a且E_r≥T_b，则节点D以概率P₁拒绝作为下一跳节点；否则，则节点D以概率P₂拒绝作为下一跳节点，并推荐其符合要求的邻节点作为下一跳节点。

本文作者将此策略与模糊梯度策略结合优化DD协议。设节点的初始能量为E_s，在T_a=0.25E_s，T_b=0.1E_s的前提下，研究P₁在区间[0.1，0.5]上，P₂在区间   [0.5，0.9]上以0.1为步长取值时，网络寿命与策略启动次数的比值。分析结果表明，当取P₁=0.2，P₂=0.8时，上述比值最大，策略的启动具有较高的效率。下面采用该参数设置。

2.3    高能量节点的激活策略

当网络运行若干轮后，在可达sink节点路径附近仍可能存在极少被利用的高剩余能量节点。这些节点对邻节点的梯度很小，导致其被下一跳节点选择策略发现的概率较小，若能将这些处于假死状态的高能量节点激活，则能在网络运行初期实现能量均衡。为此，本文作者设计了高能量节点的激活策略。定义剩余能量大于95%的节点为高能量节点。

如图2所示，路径O→P→S为当前数据包的路径，圆形区域为待发数据包节点S的通信半径。节点D是根据2.1节所述策略选择的准下一跳节点。高能量节点激活流程如下：

图2  高能量节点激活策略示意图

Fig.2  Sketch map of activation strategy of high residual energy nodes

a. 若节点D为高能量节点，则D成为下一跳节点，激活完成。

b. 若节点D为非高能量节点，则节点S在自身与节点D的邻节点域的交集中，尝试搜索高能量节点K，且节点K必须满足2个条件：1) 夹角γ小于预设的最大搜索角γ₀；2) 节点S与节点K的距离大于节点K与节点D的距离。因此，有：

＞。                 (8)

c. 若不存在符合条件的节点K，则激活失败。

d. 若存在1个符合条件的节点K，则K担任S的下一跳节点，激活成功。

e. 若存在多个符合条件的节点，则选择剩余能量最高的节点作为下一跳节点，激活成功。

最大搜索角γ₀是对搜索角γ的域值约束。增大γ₀虽然能提高节点的激活率，但路径跳数将随之增加，导致传输时延上升；若γ₀偏小，则激活力度不够。综上考虑，本文将该策略与模糊梯度策略结合优化DD协议，分析γ₀在区间[10?~45?]上以5?为步长取值时，对平均传输时延与网络寿命的影响。通过对节点总数为100，200，300和400的网络进行大量仿真测试发现，当γ₀＞30?时，传输时延有明显上升，且网络寿命(网络中10%的节点死亡时，source节点向sink节点成功发送的数据包数目)延长趋势变缓。因此，在算法设计中取γ₀=30?。当节点总数为400时，具体数据如图3所示。

1—平均时延；2—归一化数据包发送量

图3  γ₀对策略性能的影响

Fig.3  Effects of γ₀ on performance of strategy

3  能量均衡路由协议RESEE

3.1    RESEE路由协议的基本思想

基于节点剩余能量调配的能量均衡路由协议(RESEE)是DD的改进与扩展。在路由发现阶段，对兴趣扩散机制进行了改进，并将模糊梯度策略、低能量节点的拒绝与推荐策略、高能量节点的激活策略有机结合进行下一跳节点选择；在路由维持阶段，从多角度进行路径维护，确保路径的健壮性。

3.2    RESEE的路由发现过程

RESEE是基于事件查询驱动的路由协议，其路由发现过程的具体步骤如下。      

a. 兴趣扩散。汇聚节点sink以选播的方式向网络中扩散含有探测目标特征的兴趣(Interest)，探测到与Interest相匹配的信息的节点成为source节点。与DD的兴趣洪泛相比，选播兴趣使节点仅向其没有接收过当前兴趣的所有邻节点发送一次兴趣，既能避免洪泛带来的拥塞与内暴，降低能量开销，又能建立更具方向性的梯度。

b. 梯度建立。根据Interest包的流向及节点间的距离，在节点间建立初始的有向梯度。

c. 数据传输。探测到与Interest相匹配的信息的节点成为source节点。source节点S利用前面所述的模糊梯度模型将其邻节点分级，并选定某等级。在被选等级中利用质量评价函数Q，选择该级中Q最大的节点作为准下一跳节点D。此时，节点S根据前面所述策略，以夹角γ＜γ₀为约束搜索可激活的高能量节点K。若激活成功，则将K作为下一跳节点；否则，由前面所述拒绝与推荐策略处理准下一跳节点D。接收到数据的节点进行相同操作，直至数据送达sink节点为止，一旦发送超时，数据包将被丢弃。

3.3  RESEE的路由维持

RESEE从3个角度进行路由维持。

a. 单跳梯度调整。在每一个下一跳完成时，相应增加该跳路径的梯度，从微观上为即将发送的数据包提供节点选择参考。

b. source-sink路径梯度调整。当数据包成功送达sink节点时，根据所生成路径的跳数、时延、能耗等参数，增强或削弱整条路径的梯度。

c. 周期性兴趣扩散。间隔固定时间，向网络中扩散兴趣，以此绕开故障或死亡节点。若事件发生区域发生改变，则可利用该方法重新确定源节点。

4  协议分析

4.1  正确性及有效性分析

4.1.1  正确性

RESEE采用DD协议的基本流程，仅在下一跳节点选择策略中引入模糊梯度策略，并在该节点确定后利用高、低能量节点调配策略实施负载分流。上述改动在网络存活的前提下都能产生下一跳节点，因此，未影响原有DD协议的正确性。

4.1.2  有效性

在模糊梯度策略中，依据梯度对邻节点进行等级划分，既能防止低梯度节点丧失被选择权，又能避免高梯度节点独占被选择权。在选定的等级中进行下一跳节点选择时，采用以节点剩余能量为参数的质量评价函数，这使得节点无法被多次选中，避免选择陷入局部最优，并能促进级间节点资源的流动，从而实现能量均衡的下一跳节点选择。在低能量节点的拒绝与推荐策略中，低能量节点的拒绝与推荐行为能从微观的角度将负载过大节点的负荷转移到临近节点。此方法既能扩展路径的多样性，同时也能避免节点过度使用导致的早期节点死亡以及成片节点死亡现象，延缓覆盖与连通问题的出现。类似地，在高能量节点的激活策略中，算法在限定区域内搜索符合位置约束且后备资源充足的节点，这在网络运行初期起到了避免下一跳节点选择陷入局部最优的作用。

4.2  适应性分析

假设RESEE能处理节点数为N的网络的路由，不失一般性地将网络节点总数增加为N+1，新增节点将具有其邻节点的基本信息且其自身信息也为邻节点所知。因此，该节点能参与模糊梯度等级划分与下一跳节点的竞选；同时，只要该节点的剩余能量与其他条件满足能量调配策略的约束，则它们将被策略调度。依此类推，只要在信道容量及节点存储处理能力等条件允许的条件下，RESEE能处理节点总数为N+?n  (?n∈N)的网络路由。由此可见，RESEE对网络规模具有很好的适应性。

5  实验仿真分析

5.1  参数设置

基于Vc++6.0实现了路由仿真平台。为了研究网络规模对RESEE性能的影响，依次设置网络中节点数为100，150，…，400。假定节点均匀随机分布在100 m×100 m的平面区域内，节点通信半径为25 m，source节点数为4，sink节点数为1，事件发生区域与sink节点分别随机均匀分布在成对角的20 m×20 m区域内^[6]。设置节点的初始能量为E_s=3 J，兴趣包为32字节，数据包为64字节。采用文献[7]中的能耗模型计算节点发送与接收数据的能量消耗。能量均衡策略中的参数设置为：k₁=0.3，k₂=0.5，k₃=0.55，k₄=0.8；P_L=0.1，P_M=0.2，P_H=0.7；A=B=C=1；T_a=0.25E_s，T_b=0.1E_s；P₁=0.2，P₂=0.8；γ₀=30?。分别利用模糊梯度策略与基于节点剩余能量的调配策略优化的改进DD协议即RESEE，仅用模糊梯度策略优化的改进DD协议即Fuzzy-DD以及DD协议计算节点平均能耗、路径平均传输时延以及网络中10%的节点死亡时，source节点向sink节点成功发送的数据包数目。最后的仿真结果由50次仿真结果取平均值获得。

5.2  实验结果分析

RESEE，Fuzzy-DD与DD的节点平均能耗与路径平均传输时延分别如图4和图5所示。

1—RESEE; 2—Fuzzy-DD; 3—DD

图4  节点平均能耗

Fig.4  Average dissipated energies of nodes

1—RESEE; 2—Fuzzy-DD; 3—DD

图5  路径平均传输时延

Fig.5  Average transmission delay on paths

从图4可以看出：当节点数为100时，节点分布稀疏且可供模糊梯度策略利用的邻节点资源少，仅利用模糊梯度策略优化的效果不佳，因此，导致Fuzzy-DD的节点平均能耗(ADE)比DD协议的略高；而配置有能量调配策略与模糊梯度策略的RESEE能同时从局部与全局进行能量均衡与优化，从而，使RESEE的ADE与Fuzzy-DD和DD的相比有一定幅度的降低。当节点数目增加时，RESEE的多策略模块能更全面、合理、均衡地利用节点能量，有效地控制了ADE。当节点数增至400时，RESEE与Fuzzy-DD和DD相比，其ADE分别降低17%与29%。

各协议的路径平均传输时延如图5所示。由于模糊梯度策略的质量评价函数对单跳的距离进行了评估与比较，限制了短跳的产生，对降低传输时延起到了一定作用。因此，Fuzzy-DD的路径平均传输时延普遍比DD协议的低；而RESEE的能量调配策略虽从能量角度优化了路径，但在搜寻高能量节点的同时，也使路径偏离了模糊梯度策略建立的时延较优的路径，因此，RESEE的路径传输时延与Fuzzy-DD的相比有一定升高。

本文作者以WSN中出现10%死亡节点时，source节点成功向sink节点发送的数据包数目来衡量WSN的寿命。RESEE，Fuzzy-DD与DD的归一化数据包发送量如图6所示。

1—RESEE; 2—Fuzzy-DD; 3—DD

图6  归一化数据包发送量

Fig.6  Normalized values of transmitted packets

从图6可见，随着节点数目增加，节点密度随之提高，有利于各策略充分地发挥其能量均衡的作用，从而使RESEE与Fuzzy-DD的寿命远大于DD协议的寿命。特别在RESEE中，三策略协同进行能量均衡处理，使Fuzzy-DD网络寿命进一步延长。当节点数为400时，RESEE较Fuzzy-DD与DD在网络寿命上分别延长了16%与125%，此时，RESEE，Fuzzy-DD与DD的节点剩余能量分布如图7(a)，7(b)与7(c)所示。

(a) RESEE; (b) Fuzzy-DD; (c) DD

图7  节点剩余能量分布

Fig.7  Residual energy distribution of nodes

对比图7(b)与图7(c)可以看出，与DD相比，引入了模糊梯度策略的Fuzzy-DD从很大程度上均衡了节点的能量消耗，但剩余能量在区间(90%，95%)上的节点仍然偏多。通过比较图7(a)与图7(b)可以看出，RESEE的高剩余能量节点数目与Fuzzy-DD的相比大幅度减少，节点的能量分布更加均衡。这是由于RESEE的高能量节点激活策略能有效地激活大部分高剩余能量节点，提高路径的多样性，这也是RESEE能大幅度延长网络寿命的直接原因。数值统计结果表明：RESEE，Fuzzy-DD与DD的总能量利用率依次为47.6%，40.7%与23.8%。

6  结  论

a. 采用低能量节点的拒绝与推荐策略、高能量节点的激活策略与模糊梯度策略协同均衡网络能量消耗，使RESEE与DD协议相比节点平均能耗降低29%，网络寿命延长125%。

b. 本研究所提出的策略协作能很好地均衡网络中节点的能量消耗，这也是RESEE能大幅度延长网络寿命的直接原因。

c. 由于协议采用了启发式算法，其参数设置具有一定经验性，本研究进行了大量仿真实验以获取较优参数。如何优化当前参数配置以提高协议性能，有待于进一步研究。

参考文献：

[1] Akyildiz I F, Weilian S, Sankarasubramaniam Y, et al. A survey on sensor networks[J]. IEEE Communications Magazine, 2002, 40(8): 102-114.

[2] 崔 莉, 鞠海玲, 苗 勇, 等. 无线传感器网络研究进展[J]. 计算机研究与发展, 2005, 42(1): 163-174.
CUI Li, JU Hai-ling, MIAO Yong, et al. Overview of wireless sensor networks[J]. Journal of Computer Research and Development, 2005, 42(1): 163-174.

[3] 杨 林, 郑 刚. 一种集成网络编码的低轨卫星网络多径路由方法[J]. 中南大学学报: 自然科学版, 2007, 38(5): 950-955.
YANG Lin, ZHENG Gang. A multi-path routing scheme integrated with network coding in low earth orbit satellite networks[J]. Journal of Central South University: Science and Technology, 2007, 38(5): 950-955.

[4] Shah R C, Rabaey J. Energy aware routing for low energy Ad hoc sensor networks[C]//Proceedings of IEEE Wireless Communications and Networking Conference (WCNC). Orlando, 2002: 350-355.

[5] 唐 勇, 周明天, 张 欣. 无线传感器网络路由协议研究发展[J]. 软件学报, 2006, 17(3): 410-421.

TANG Yong, ZHOU Ming-tian, ZHANG Xin. Overview of routing protocols in wireless sensor networks[J]. Journal of Software, 2006, 17(3): 410-421.

[6] Intanagonwiwat C, Govindan R, Estrin D, et al. Directed diffusion for wireless sensor networking[J]. IEEE/ACM Trans Networking, 2003, 11(1): 2-16.

[7] Heinzelman W, Chandrakasan A, Balakrinan H. Energy-efficient communication protocol for wireless microsensor networks[C]// Proceedings of International Conference on System Sciences. Hawaii: IEEE Press, 2000: 1-10.

[8] Manjeshwar A, Agrawal D P. TEEN: A routing protocol for enhance deficiency in wireless sensor networks[C]//2001 15th Parallel and Distributed Processing Symposium Proceedings. San Francisco: IEEE Computer Society, 2001: 23-27.

[9] Lindsey S, Raghavendra C S. PEGASIS: Powerful efficient gathering in sensor information systems[C]//2002 IEEE Aerospace Conference Proceedings. New York: IEEE Computer Society, 2002: 9-16.

[10] Krishnamachari B, Estrin D, Wicker S. Modelling data-centric routing in wireless sensor networks[C]//Proceedings of the IEEE Infocom. New York: IEEE Computer Society, 2002: 2-14.

[11] Haenggi M. Energy-balancing strategies for wireless sensor networks[C]//Proceedings of IEEE International Symposium on Circuits and Systems (ISCAS'03). Bangkok, Thailand, 2003: 828-831.

[12] Melodia T, Vuran M C, Pompili D. The state of the art in cross-layer design for wireless sensor networks[C]//Springer Lecture Notes in Computer Science (LNCS). 2006: 78-92.

[13] Chang J H, Tassiulas L. Maximum lifetime routing in wireless sensor networks[J]. IEEE/ACM Transactions on Networking, 2004, 12(4): 609-619.

[14] Efthymiou C, Nikoletseas S, Rolim J. Energy balanced data propagation in wireless sensor networks[C]//Proceedings of the 18th International Parallel and Distributed Processing Symposium. Santa Fe: Kluwer Academic Publishers, 2004: 225-232.

[15] Singh N K, Simha R, Narahari B. Energy balance in wireless networks using connection segmentation and range control[J]. IEEE Wireless Communications and Networking, 2003, 3: 1871-1876.

[16] ZHANG Jun, ZHAO Er-dun, ZHANG Qiang. Energy-balanced solution for cluster-based wireless sensor networks with mixed communication modes[J]. International Workshop on Cross Layer Design, 2007, 9: 29-32.

[17] GAO Qing-hai, ZHANG Jun-shan, Larish B. Energy balancing in coalition-based multi-hop wireless sensor networks[C]// Proceedings of Military Communications Conference. Piscataway: IEEE Press, 2006: 1-7.

[18] LIU Xiang-wen, HOU Hui-feng, YU Hong-yi. LEBR: A localized energy balancing routing algorithm in wireless sensor networks[C]//Proceedings of International Conference on Communication Technology, Beijing: IEEE Press, 2006: 1-4.

[19] Heinzelman W B, Chandrakasan A P, Balakrishnan H. An application-specific protocol architecture for wireless micro- sensor networks[J]. Wireless Communications, IEEE Transactions, 2002, 4(1): 660-670.

收稿日期：2008-11-25；修回日期：2009-01-16

基金项目：高等学校博士点基金资助项目(20040486049)；国家自然科学基金重点资助项目(0132030)

通信作者：李戈阳(1982-)，男，湖南长沙人，博士研究生，从事无线传感器网络能量均衡路由协议研究；电话：13886156005；E-mail: ligeyang_82@163.com