一种自适应的混合型无线传感器网络拓扑控制算法

1、第 23卷 第 3期 2010年 3月传 感 技 术 学 报CH I N ESE JOURNAL OF SE N S ORS AND ACT UATORSVo. l 23 No . 3M ar . 2010项目来源 :国家自然科学基金项目资助 (60673132; 广东省 重大科技 专项项 目资助 (2009A 080207008; 广东 省自然 科学基 金项目 (07117421 ; 广东省自然科学基金 研究团 队项目 (8351009001000002 ; 广 东粤港 关键领 域重点 突破项 目资 助 (2007A02090500121 :An Adaptive Hybri d Topol

2、ogy Control forW SN*LI Shaochun , CH ENG L i ang l un*(Net w orks&Syste m R ese a rch Institute , Fa c u lt y of Au t oma ti on, Guangd ong Universit y of T ec hnology , G uangzhou 510006, Ch ina Abst ract :H ybri d topology con tro l algorithm for spec ific app lications is one o f the hot issu

3、es in the field ofW SN to pology contro. l On the basis of the study o f c l a ssica l oriented event driven net w ork topo l o gy control a l g orit h m ASCENT, an adapti v e hybri d topo logy contro l algorithm AH TC is proposed . The proble m s o fASCNET are solved when app l y ing to net w ork s

4、cenes o f large sca le driven even. t The proble m s such as fa ilure adaption i n large sca le net w ork , node resi d ual ener gy and h i g h rate o f net w or k packet l o ss are less consi d esed . S i m ulati o n resu lts show that t h e i m proved algor ith m has better energy e fficiency and

5、stability . K ey w ords :W S N; topo logy contro; l adaptive hybrid ; ASCE NT; AHTC EEACC :6150P一种自适应的混合型无线传感器网络拓扑控制算法*李少春 , 程良伦*(广东工业大学自动化学院 控制网 络与系统研究所 , 广州 510006摘 要 :针对特定应用场合的混合型拓扑控制算法是 W SN 拓扑控 制领域 的研究热 点之一。 在研究 经典的面 向事件 驱动型网络拓扑控制算法 A SCENT 基础上 , 提出了一种自适应的混合型拓 扑控制算法 AHTC 算法。针对大 规模事件驱 动型网络 场景应用

6、, 解决了 A SC N ET 算法不能适应于大规模网络、 未考虑节点剩余能量、 网络 丢包率高等 问题。仿真结 果表明 , 改进的 算法有更好的节能性 和稳定性。关键词 :无线传感器网络 ; 拓扑控制 ; 自适应 ; 混合型 ; A SCENT; AHTC 中图分类号 :TP393 文献标识码 :A 文章编号 :1004-1699(2010 03-0428-06 无线传感器网络的首要设计目标之一是降低全 网能耗。而拓扑控制是实现这一目标的重要支撑基 础。拓扑控制从研究方向上分可以分为 :节点功率 控制、 层次型拓扑控制、 网内节点协同启发机制 1。 节点功率控制机制调节网络中每个 节点的发射

7、功 率 , 目的是在保证全网连通性的情况下 , 均衡节点一 跳 距 离 的 邻 居 数 目。 经 典 算 法 有 :LMA2、DRNG 3、 L M ST 4等 ; 层次型拓 扑控制是 选择网络 中的一些节点成为骨干节点 , 构架起包转发的骨干 网络 , 其他非骨干网节点接受骨干节点管辖。经典 算法有 :GAF 5、 LEACH 6、GB R 7等 ; 网内节点协同 启发机制是节点按照周边通讯环境的变化 , 进行自 主控制以及和邻居节点进行交互的机制。无线传感器是一种面向实际应用的多样性网络。在随机部署 的大规模密集型网络中 , 经典的拓扑控制机制无法 适应其特殊要求。尤其是对于大规模事件驱动

8、型网 络。功率控制由于缺乏休眠机制而无法适应大规模 密集型网络。层次型拓扑可以近似的用于大规模网 络但是缺乏本地功率优化和自适应性。而协同启发 机制的缺点在于局部的自适应性而不能很好的扩展 到大规模网络。且大多数算法都没有考虑节点剩余 能量和负载均衡问题。本文试图通过结合各种拓扑控制机制的优势来 构建一 种 适应 于大 规 模事 件 驱动 型 网 络场 景 的 W SN 拓扑控制算法。在这种场合下 , 兴趣事件的低 概率发生前提使得网络中传递的数据量较小 , 因此第 3期 李少春 , 程良伦等 :一种自适应的混合型无线传感器网络拓扑控制算法大部分能耗会流失在节点侦听环节 , 所以降低网络 的侦

9、听能耗成为延长 W SN 生命期的特性因素和主 要手段 , 同时该场景下拓扑控制算法的设计还必须 符合传统算法设计的 共性原则 8。回顾以往面向 事件驱 动 型网 络 经典 算 法 有 :STE M 算法 9、 AS CENT 算法 10等。本文就是在研究 ASCENT 算法启 发机制思想的基础上结合层次型拓扑控制分簇思想 改善设计了一种自适应的混合型拓扑控制算法 AHTC (Adapti v e H ybrid Topo l o gy Contro l 算 法。仿 真结果表明 , 改进后的算法较原有算法有更好的节 能性和稳定性。本文针对的应用场合有以下特点 :节点规模 大。类似于建筑物状态监

10、控、 森林防火或者生态保 护等随机部署的节点场景。 ! 分布 密度大且不均 匀。假设部署的节点有一定的密度 , 即一个节点在 自己的通信范围内至少覆盖另一节点。 事件发生 的随机性。 #事件发生的低概率性。1 A SCENT 算法分析1. 1 ASCENT 算法的基本原理算法的前提假设 :节点密度足够的大 ; ! 有一 个 CS MA MAC 协议或者 TDMA MAC 协议支持。 ASCENT (Adaptive Self Configuring s Ensor Net w orks Topo l o g ies 算法在 W SN 网络中运行时包括触 发、 建立和稳定三个阶段。触发阶段 ,

11、在汇聚节点与 数据源节点不能正常通信时 , 汇聚节点向它的邻居 节点发出求助信息 ; 建立阶段 , 当节点收到邻居节点 的求助消息时 , 通过一定的算法决定自己是否成为 活动节点 , 如果成为活动节点 , 就向邻居节点发送发 布 邻居声明 %消息 , 同时这个消息是邻居节点判断 自身是否成为活动节点的因素之一 ; 稳定阶段 , 数据 源节点和汇聚节点间的通信恢复正常。网络中活动 节点个数保持稳定 , 从而达到稳定状态。1. 2 ASCENT 算法的状态转换机制在 ASCENT 算法中 , 节点始终处于下面四种状 态中的任意一种 :睡眠 (SLEEP 、 侦听 (PASSI VE 、 测试 (T

12、EST 、 活动 (AC T I V E 。初始 , 一个随机的定时器打开 , 任意节点在测试 阶段初始化。当一个节点进入测试阶段时候 , 它就 设定一个时间器 T, t 当 Tt 期满的时候 , 发送 邻居声 明 %消息 , 节点进入活动状态。如果在 Tt 到来之前 活动节点的数目超过了邻居上限 (NT 或者如果平 均数据丢失率 (DL 高于在自己处于测试阶段时的 点同时转入了测试状态。就选择在 邻居声明 %消 息里节点 I D 高的节点成为活动节点。活动节点的 数目不能超过 NT 值。当一个节点进入侦听态的时 候 , 它设置了一个定时器 Tp 。当 Tp 时间到的时候 , 节点进入休眠状态

13、。如果在 Tp 到来之前邻居数目 低于 NT, 或者 DL 高于丢包 临界值 (LT , 或 者 DL 低于丢包临界值但是节点收到了一个来自于活动邻 居的求助消息。节点就转入到测试状态。当在侦听 状态时节点打开他们的射频模块 , 能够监听到他所 有的活动邻居传送的包 , 但不传送任何数据包。处 于侦听和测试状态的节点 , 持续刷新活动邻居的数 目和数据丢失率的值。一个进入休眠态的节点关闭 射频模块 , 设置一个时间 Ts 用来度量休眠长度。当 Ts 到了的时候 , 节点转入侦听模式。一个节点一旦 进入活动状态 , 就在活动状态继续传递数据和路由 包直到它消耗 完能量为止。如果数据丢失 率高于

14、LT 时 , 活动的节点又开始发送求助消息。1. 3 ASCE NT 算法的局限性分析(1ASCENT 的应用场合实际上 ASCENT 算法只是提出了一种密集型网 络局部自适应优化的方法。如果网络规模增大的时 候由于算法基于邻近发现原则 , 所以连起来的拓扑 都是一跳连接 , 使得网络通信链路过于复杂 , 网络中 有太多的活动节点。随着网络规模的增大能耗将大 大提升。(2 难以保证的连通性虽然算法中规定了一些邻居域、 丢包率等来调 节活动节点的个数 , 由于没有考虑剩余能量等负载 平衡问题 , 当活动节点能量不足难以胜任转发任务 时 , 网络的连通性就很难得到保障。导致网络能量 消耗不均匀。(

15、3 状态转换机制的不足在 ASCE NT 算法中 , 一旦节点从测试态进入活 动态后就一直保持激活直到能量耗完为止 , 这样就 造成了网络能源的不必要浪费。特别是在事件驱动 型网络中。最重要的是要在节点侦听与休眠之间找 到一种平衡策略。而算法中活动节点无法再进入休 眠状态的机 制导致 全网能 耗加 大 , 甚至 出现割 裂 现象。2 AHTC 算法设计针对 ASCENT 算法中不足 , 本文提出了一种自 适应的混合型 拓扑控制算法 AHTC 算法 , 该算 法将 ASCE NT 的协同启发机制应用到簇内和簇间通 ,429传 感 技 术 学 报 第 23卷模事件驱动型网络中去。2. 1 AHTC

16、 算法的设计思想AHTC 算法在沿用 ASCENT 算法的原有机制的 基础上引入分簇的思想 , 使得算法更适应于大规模 网络。在测试状态使用了一种动态的 延时避让机 制 %。规定了活动节点的时间域值 Ta 。2. 2 基本定义表C M:(CLUSTERME M BER 簇内节点。C H:(CL U STERHEAD 簇头节点。E :i 节点 i 当前剩余能量。TEST 消息 :TEST 消息发送成功则节点发送包 含自身 I D 号的 HELLO 消息 , 表示自 身成为簇头。 节点若已经是簇头 , 或者已经属于某一个簇 , 则不发 送 TEST 消息。节点信息 :一个节点的节点信息包括自身 I

17、 D 及 剩余能量值 E i 。CLUSTER 消息 :由 CH 节点发送 , 告知 C M 节点 C H 节点的 I D 与 En , 及该簇内部所有节点之间的邻 居节点关系和 E i 。 收到该消息的 C M 节点记录自身 处于哪一个簇 , 并确定邻居节点 , 调整发送功率。 关联节点 :一个 C M 节点可以同时属于不同的 多个簇 , 即同时 收到两 个或两 个以上 的 CLUSTER 消息 , 这种节点称为关联节点 , 是连接不同的多个簇 的关键。一个节点一旦成为关联节点 , 就要周期性 地向自身所处的各个簇头节点发送 CONECTNODE 消息报告 , 报告自身的关联的簇的信息。成簇

18、概率 P :分簇算法参考文献 11中提出的 随机簇头选择算法 , 这种簇头选举方式十分简单 , 仅 仅通过随机竞争的方式完成 , 实验证明单个节点发 送探测消息的平均次数接近 e 次 , 这在实际网络成 簇中是可以接受的。在网络中选举剩余能量多的节 点作为簇头也有利于延长传感器节点的生存时间。 P 与节点 n 的剩余能量成正比 , P =k E r /E m 。 E r 节 点 n 当前剩余能量。 E m 是节点 n 初始最大能量。 HELP 消息 :用来把节点由侦听 状态转入测试 状态或由测试状态转入活动状态的直接依据。 时间域值 Ta :在时间 Ta 内如果没有消息转发。 则认为该节点可以

19、由激活状态转入休眠状态。 2. 3 AHTC 算法的整体设计步骤(1 STEP1分簇节点部署以后 , 在初始时刻任意一 个节点 n 首先以概率 P 发送 TEST 消息。若发送 TEST 消息 不成功 , 则进人侦听状态 ; 若发送成功 , 就将自身设 置为簇头 (C H , 并使用最大发送功 率向周围发送 TEST 消息 , 则重 新选举。其他节点 若接收到 这个 H ELLO 消息 , 就向节点 n 周期性地回复 ACK 消息 , 表明自己加人该簇。 ! 节点 n 接收到其它节点回复 的 ACK 消息 , 统计自身的邻居节点集 N, 然后形成 一个包含自身 I D 、 剩余能量及簇内所有节

20、点 I D 和 剩余能量的簇消息 CLUSTER 。并 向所有簇内节点 C M 发布此消息。收到 CLUSTER 消息的节点 , 自己 维护自身 的邻居集合。如果一 个 C M 收到了 多个 CLUSTER 消息 , 则表明自己是关联节点 , 这时向簇 头发 CONECTNODE 消息。当分簇结束后 , 全网的节点被分为簇内节点、 关 联节点和簇头节点。每个节点维护的本地信息包括 邻居节点信息 , 此外 , C H 还需维护一个关联节点信 息 , 而关联节点则需多维护一个簇头节点信息。 (2 STEP2簇内通信簇内通信采用局部的 ASCE NT 算法 , 不同的是 从数据源发起求助信息 , 并

21、考虑节点剩余能量问题。 初始化阶段 , 所有节点进入测试阶段。开始由任一 数据源发起 HELP %消息。发给节点剩余能量较为高 的邻居节点。 ! 邻居节点加入活动节点一起来转发 数据 , 如此反复直到本簇的簇头节点加入活动节点。 规则 1 如果节点发现自己的邻居中有簇头节 点 CH 则 直 接选 择 该节 点 充 当活 动 节 点并 转 到 STEP3的第一步 , 如果节点发现自己的邻居中没有 CH 节点 , 但是有关联节点 , 则选择关联节点充当活 动节点并转到 STEP3的第二步。规则 2 在 规则 1的 基础 上 , 如果 节 点发 出 HELP %消息之后 , 发现丢包率仍然高于丢 包

22、临界 (DL, 则选择剩余能量次高的邻居 , 要求其加入活 动节点。依次类推。直到发现邻居数目高于邻居临 界 (NL为止。规则 3 如果发现有多个簇头或者关联节点的 情况 , 选择剩余能量权重大的来触发。(3 STEP3簇间通信在簇间仍然使用 ASCENT 规则 , 来完成兴趣数 据的转发。 当某一簇头节点 C H 加入活动节点之 后 , 向 sink 节点方向的关联节点发布 H ELP %消息。 选择剩余能量大的关联节点加入到网络中。 ! 然后 该关联节点再向 si n k 方 向的簇 头发送 H ELP %消 息。如此反复直到把消息传送给 si n k 节点。规则 4 对于孤立簇 , 如果

23、 C H 没有收到 C M 的 CONECTNODE 消息时 , 则要求所有的 C M 探测自身 的邻居节点 , 加入关联节点。(4 STEP4拓扑维护阶段C M430中有 C H 节点失效则重新进入簇头选举和全网待定 状态。也即等待网络中随机事件的发生。经过 AHTC 算法之后 , 得到如图 1所示的 AHTC算法形成拓扑图。 图 1 两种算法的形成拓扑图对比2. 4 AHTC 算法的状态转换机制 AHTC 的状态转换机制是在 ASCE NT 算法状态 转换机制的基础上 , 做如下改动 : 将原来的固定测 试状态时间 T t 改为一个动态的延时避让机制。 ! 在 节点一进入活动状态的时候 ,

24、 启动一个时间计数器 Ta , 等 Ta 值到来之前没有任何消息转换时节点转入 休眠状态。之所以引入 延时避让机制 %是因为原算法中 Tt 等待时间是一个固定参数 , 当节点从侦听阶段转 入测试阶段时定时计数器 T t 值开始计时 , 如果在此 期间活动节点的数目没有超过邻居上限 (NT 或者 平均数据丢失率 (DL 仍低于在自己处于测试阶段 时的平均数据丢失率时节点转入活动状态。这样就 会导致不管节点剩余能量高低或者邻居节点多少只 要 Tt 值到来就要强迫节点进入活动状态 , 使得能量 很低的节点仍要承担转发任务 , 导致通信质量得不 到保证 , 网络能量消耗不均。为避免上述情况发生 , 综

25、合考虑节点剩余能量 和节点邻居数目等因素给出 T t 参数一般化定义 :令 T t=(1-E i/E m &N i+R, 其中 E i 是节点的 剩余能量 , E m 是该节点的最大能量 (电池充满时的 能量 , N i 是节点邻居个数 (这里不考虑数据延迟等 因素 , R 为时间补偿因子。由于算法的应用场合是 大规模密集型网络 , 为了避免节点分布不均导致的 节点间通信干扰加入 N i 参数来调整 T t 值。具体实现方法如下 :当一个节点进入测试阶段 时 , 算法自动计算一个 Tt 值。由公式可知 , 剩余能量 越多邻居节点越少的节点 Tt 值越小 , 越快速进入活 动节点状态。而

26、对于剩余能量虽多但邻居数目很多 的节点来说 , 会有效的延长 Tt 值 , 以避免在节点密集 区域出现过多的活动节点。抑制通信干扰。此外 , 对 于剩余能量不多但邻居节点数很少的节点来说 T t 值 也很小 , 这样可以保证在节点分布稀疏区域仍有节点, 节点后 , 就向该节点的所有邻居节点公布一个 邻居 声明 %消息 , 如果在 Tt 值到来之前某节点收到了一个 自身邻居的 邻居声明 %消息就返回到侦听状态。这 样就有效的促进了剩余能量多且邻居节点数目较少 的节点优先进入活动状态 , 使得全网能耗更加均衡。整个网络节点都按照 ASCENT 算法四种状态不 停的循环 , 并加入一个时间域 Ta

27、值 , 即如果在这个 时间内活动节点不再转发 数据则主动进入 休眠状 态。这样就大大节省了网络资源的消耗 , 使得算法 更加适用于事件驱动型网络。这里 Ta 的值要通过实际事件发生概率的大小等因素而定 , 在此不作为 本文讨论重点。两种算法的状态转换图对比如图 2所示。图 2 两种算法的状态转换图 对比3 仿真与性能分析为了评价和分析 AHTC 算法与 ASCE NT 算法性 能优劣 , 通过 OMNE T +12仿真工具 对其进行模 拟。利用 NED 和 I N I 配置文件描述下面实验环境 :N 个节点随机部署在 100m &100m 的正方形事件区域 内。随机选择 1个节点作为汇

28、聚节点 , pN 个节点作 为源节点 , 源节点以速率 v =5kpbs 匀速获知数据并 发往汇聚节点。每个节点通信半径 50m , 节点初始 能量 10J , 节点侦听能耗 0. 1J 。 实验中不考虑节点 移动性和报文传输延时 , 并且忽略节点接收报文及处 理器的能耗。按照文献 4对 ASCNET 算法参数设 置如下 :DL=4, LT =20%, T:t Tp :Ts=2:5:30, Tt=2s 。 在 AHTC 算法中取 T t 时间补偿因子 R=1s , 其 它参数仍采用原算法中固定参数。为了尽量忽略由 于 Ta 值导致的网络性能不同 , 设 Ta=20Tp 。节点信 号强度之比用距

29、离平方的反比来表示。在上述环境 中对 ASCENT 与 AHTC 算法做如下对比仿真 : 兴趣 事件发生概率 P 的确定实验 , 通过对网络丢包率的分 析 , 确定在 P =0. 08的情况下来进行两种算法的对 比 ; ! 在仿真模型下不断修改节点数目 , 判断两种算 法对网络生命期的影响 ; 在给定的源数据包情况 下 , 判断节点丢包率的随节点数目增大的变化情况来3. 1 兴趣事件发生概率 P 仿真分析 兴趣事件发生概率 P 作为 W SN 的重要特征参 数 , 体现了 W SN 的应用相关 性。本实验分 析 P 变 化对 AHTC 算 法的 影 响。为 了 不 失一 般 性 P 从 0 0

30、10. 4之间间隔 0. 1分别取 0. 08、 0. 18、 0. 28、 0. 38取值时 , 4条变化数据线如图 3所示。 4条数据 线表明 P 愈小 , 则 AHTC 所获 W SN 生命期愈大 , 这 是因为随着 P 降低 , 侦听开销的增幅低于兴趣数据 传输开销的降幅 , 所以引发了 W SN 生命期的增加。 从图 3中可以看到 , 随着节点数增加 , 4条数据线均 呈上升势态 , 这是由于节点分布密集必导致单个节 点的平均簇内能耗降低 , 节点进入休眠态的几率大 大提高 , 从而引起 W SN 生命期增长。此外 , 从图 3还可发现随着节点数逐渐增长不同 P 值下生命期 差异愈加

31、显著 , 这是由于在相同的节点数增加率的 基础上 , P 值越大网络中的活动节点数目就越多 , 网 络侦听能耗就越大 , 网络生命期就越短。这种现象 随着 P 值的减小而趋于 缓和。以下仿 真使用 P =0. 08。 图 3 P 对网络生命期的影响3. 2 网络节能性仿真分析仿真中采用一半节点死亡的时间作为网络生存 时间的评价标准。因为若网络中一半节点死亡 , 剩 余节点的能量已经很低 , 而网络的连通度也无法有 效保证。网络生存时间的对比如图 4所示。 AHTC 的网络生存期明显高于 ASCENT 。特别是随着节点 数目的增多 , ASCENT 算法下网络生存期增幅越来 越小 , 这是因为一

32、方面随着网络节点数目的增多 , 处 于侦听与活动状态节点过多 , 造成了网络不必要的 消耗。另一方面由于活动节点无法进入休眠状态而 导 致大 部分 节 点过 早 死亡 , 出现 网 络割 裂现 象。 AHTC 算法在考虑剩余能量的基础上加入分簇思想 使得节点有效选择链路而避免了过多节点加入到信 息转发中来 , 同时也达到了负载均衡的目的。此外 , 由于 T t 参数由原来的固定参数变为一种动态的时 间机制 , 使得剩余能量多且邻居数目少的节点优先生命期。而 Ta 参数的加入 , 很好的避免了节点早死现象。分析结果表明 AHTC 算法更适应于大规模事 件驱动型网络。图 4 AHTC 与 ASCE

33、 N T 网络生存期对比3. 3 网络稳定性仿真分析仿真中不断增加模型节点数目参数 , 在与其相 应的 W SN 网络生存期内统计两种算法情况下导致 的 S i n k 节点收到数据包数目总和。由图 5可知 , 随 着节点数目的增加 , AHTC 算法下 汇聚节点收到的 数据 包数 在相 应的 增多 , 而且 增幅 较大。而 AS CE NT 算法下 S i n k 节点收到的数据包数目在节点数 少于 100时还有一些增幅 , 但是当节点数接近或高 于 100以后 , S i n k 节点收到的数据包数目已经基本 上保持不变 , 即增幅趋于零。这也进一 步表明 AS CE NT 算法 在 网

34、络 规 模 逐 渐 增 大 时 丢 包 率 急 剧 上升。图 5 AHTC 与 ASCENT 数据包数目对比仿真分析结果表明 , AHTC 算 法延长了网络生 命周期 , 减少了网络丢包率。改善了原算法的节能 性和稳定性。4 结束语本文在 ASCNET 算法的基础上 , 改善设计了一 种适用于大规模事件驱动型网络的混合型拓扑控制 算法 -AHTC 算法。该算法结合层次型拓扑算法的 分簇思想以及节点 延时避让机制 %理念 , 扩大了原 算法的应用场合 , 使网络中剩余能量高的节点充当 活动节点 , 延长了 网络生命周期 , 减少了网 络丢包 ,第 3期 李少春, 程良伦等: 一种自适应的混合型无

35、线传感器网络拓扑控制算法 Italy: A CM Press 2001: 70- 84. , 6 433 低了全网能耗。 下一步要做的工作: 一方面根据实际情况给出 一种测试状态时间域 T t更有效的计算方法。本文 只是针对原算法中固定参数作出初步优化。另一方 面提出一种符合实际情况的动态活 动节点时间域 T a的计算方法, 使算法更趋于合理性和完善性。 参考文献: 1 2 杨贺, 张树东, 孙利民. 无线传感器网 络的拓扑控制机 制 J . 计算机科学, 2007 34 ( 1 : 36 - 38. , K ub isch M, K arl H, W ol isz A, et a. D is

36、tribu ted A lgorithm s for l Tran s iss ion Pow er C on trol in W ireless S ensor N etw orks C / / m I EEE W CNC 2003 N ew O rleans Lou isiana, M arch, 2003. , , 3 4 L i N, H ou J C. Topology C ontrol in H eterogeneous W ireless N et w orks Problem s and Solut ion s C / / I FOCOM, 2004 : N . L i N,

37、H ou J C, Sha L. D esign and A nalys is of an M ST based To pology C ontrol A lgorithm A . In Proc of Tw en ty S econd A nnu : . a l Joint C onference of the IEEE Co m pu ter and C ommun ications Societ ies( I NFOR C0M 2003 . S anfrancisco CA: , 2003 1702- 1712. : 5 Xu Y, H eidem ann J E strinn G eo

38、graphy in for ed En ergy C onser . m vation for A d H oe R out ing C / /P roc. of the 7th A nnu al In terna tional Con ference on M ob ile Com pu ting and N et ork ingr R om e, w . I EEE Press , H einzel an W R, Chand rakasan A, Balakr ishn an H. A n A pp lica m t ion specific Protoco l A rch itecture for W ireless M icrosen sor N et w ork s J . IEEE T ransact ion s on W ireless Commun ications O cto , ber 2002 1 ( 4 : 660- 670. , , 7