CN103391555B - 一种新型分簇无线传感器网络寿命最大化的节点部署方法 - Google Patents

Abstract

一种新型分簇无线传感器网络寿命最大化的节点部署方法，它涉及无限传感器网络技术领域，此计算方法包括，1、从理论上得到了满足覆盖要求的最小密度均匀部署的分簇网络中不同区节点承担的数据量和能量消耗规律，并给出了网络寿命的计算方法；2、提出了一种非均匀节点部署算法(NUND)，在部署节点一定的情况下，优化了网络寿命。3、基于NUND部署方案，依据不同区域的节点密度改变增加部署节点区域的簇头轮换频率，提出了改进型的非均匀节点部署方案(I‑NUND)，进一步降低网络能耗，最大化网络寿命。

Description

一种新型分簇无线传感器网络寿命最大化的节点部署方法

技术领域：

本发明涉及无限传感器网络技术领域，具体涉及一种新型分簇无线传感器网络寿命最大化的节点部署方法。

背景技术

传感器网络作为一种新型的自组织网络具有良好的应用前景，并已在军事侦查，环境监测，目标追踪等应用领域取得较为满意的实用价值。传感器节点通常采用电池供电，且网络部署成本较高，在一次部署后便无法被轻易替换或充电，因而能量极其珍贵[1，2]。但受限于传感器网络的多对一传输模式，传感器网络中靠近sink的节点通常由于承担过重的转发任务而提前死亡，形成所谓的“能量空洞”。在能量空洞产生后，网络外围的数据无法传送到sink，从而导致网络过早死亡[3，4]。分簇传感器网络作为一种层次型网络，通过其数据融合和层次性结构等特性，一定程度上均衡网络中节点的能量消耗并提高了网络寿命[10]。

但均匀部署的传感器网络由于不同区域承担的数据量差异，必定会导致网络的能耗不均形成能量空洞，从而导致网络提前死亡且能量效率低下[1，4，5]。一种有效的解决方案是在网络中能耗较高的区域多部署一些传感器节点，来尽量延后甚至避免能量空洞的产生。因此，如何在网络部署阶段，合理的散布传感器节点来提高网络寿命及能量利用率成为近年来的研究热点[6，7，8，9]。

目前在传感器网络的非均匀节点部署策略和分簇传感器网络性能优化等方面已有大量的研究成果，以期达到更大的能量利用率和网络寿命。我们将相关研究工作总结成以下两个方面。

1.基于平面WSN的非均匀节点部署策略

近几年，Xiaobing Wu等人[6]首次系统性的提出了非均匀的节点部署算法以解决传感器网络中的能量空洞问题。他们从理论上分析并证明了非均匀部署策略对减缓传感器网络能量空洞问题的有效性，并指出由于传感器网络多对一的传输特性，全网范围内的能耗均衡是不可能达到的，而部分区域的能耗均衡则可达。

在此之后，Lian等人[7]通过改变传感器节点的工作模式，使传感器节点在睡眠模式和工作模式轮换工作，提出了一种非均匀部署策略实现了全网的能耗均衡，达到能量利用效率的最大化。相似地，文献[8]也提出一种能量感知的非均匀部署策略来解决传感器网络的能量空洞问题并延长网络的连同时间。他们通过对网络中节点的能量消耗规律分析，基于距离sink的跳数给出了网络中不同区域的节点部署函数。

然而，也有研究针对不同的网络环境提出不同的节点部署方案。文献[9]为延长网络寿命并均衡网络能耗，提出了基于距离和基于密度的两种部署策略。前者通过改变不同位置节点的发射功率来达到网络的能耗平衡，后者则调整不同区域的节点部署密度，并使不同区域中的节点在工作和睡眠模式中轮换工作。与文献[9]的策略类似，Ferng等人[3]基于corona-based传感器网络模型，证明了全网能耗均衡的可达性，并且针对不同的网络情况，提出了三种非均匀节点部署方案。

上述的这些非均匀节点部署方案均能有效的解决平面传感器网络中遇到的能量空洞问题。然而，目前还未见相关的基于分簇网络的非均匀节占部署策略。由于分簇网络特有的结构与能耗特性，已有的平面网络节点部署策略并不能很好的适用于分簇网络。而分簇作为一种高效的数据收集结构，也在众多研究和应用中证明其有效性[10]，因此，对分簇网络节点部署的研究具有非常好的意义。

2.分簇传感器网络优化研究

分簇网络的效率主要体现无线传感器网络节点感知的数据具有相关性，因而，当簇头节点收集到簇内的数据后，可以经过数据融合再经过簇头节点的转发传送给sink，因而大大减少数据的传送量，从而提高了网络寿命。但分簇网络却存在较为复杂的建簇，维护簇的过程，这些过程都需要额外的系统能量消耗。因而为减少维护簇结构所带来的额外能量消耗，已经有不少研究分簇传感器网络优化方面的研究。

Yang等人[13]提出了一种高扩展性的网络结构PMRC，并基于此结构提出了相应的成簇算法。在此成簇算法中，每个簇将会选出两个簇头进行轮换工作用以提高每个簇的工作效率。他们的仿真结果证明PMRC结构和双簇头轮换策略能有效的提高网络寿命。Ferng等人[14]提出了一种静态粗和动态簇结合的路由策略有效的均衡了网络中的能量消耗。他们通过在网络中预先撒布虚拟点来均衡簇的大小，然后基于节点的剩余能量和距离最近虚拟点的距离来选取簇头节点。同时，他们还提出了一种多跳的路由发现算法进一步提高了能量效率。类似的研究还可参见文献[10-12]。

虽然在节点部署领域和分簇网络优化领域已有大量的研究成果，但依然存在一些亟待解决的研究点。(1)据我们当前的研究所知，当前节点部署的研究目标都是期望达到整个网络的能量消耗均衡。但是在实际中，应用需求的往往并不是使得网络节点间的能量消耗均衡，应用需求的往往是满足其应用所要求的网络寿命。同时，由于从经济角度上的考虑，实际能够部署的节点数量往往有限，应用往往关注的是如何以最少的部署节点以获得最大的网络寿命。由于网络在不同参数下，其hotspots区域的位置与能量消耗不同，因此，如何部署这些数量有限的节点，确定这些有限的节点部署位置与节点密度是一个重要的研究内容。(2)大多数的研究都是针对的平面网络节点部署问题[3，6-9]，还未见有对分簇网络节点部署的研究。分簇网络是一种更有效的数据收集网络，在实践中得到了广泛的应用。因此，对这种在实践中得到广泛应用的网络进行研究具有非常重要的意义[10，11]。

发明内容：

本发明的目的是提供一种新型分簇无线传感器网络寿命最大化的节点部署方法，它综合考虑了节点在发送和接收数据，以及进行成簇和簇头轮换等过程的能量消耗，准确地计算出节点的能耗规律，确定网络中能耗最高的区域，即hotspot区域，同时给出了计算网络中第1个节点死亡时间的方法。

为了解决背景技术所存在的问题，本发明是采用以下技术方案：它提出了一种非均匀的节点部署方案(NUND)来改善分簇网络的能量效率，提高网络寿命。此方案的特征在于，不以达到整个网络能量消耗均衡为目的，而是以使得网络寿命最大化为节点部署的优化目标，即以网络效率(网络寿命/部署的总节点数)为优化目标。此方案的核心在于，通过计算以满足覆盖要求的最小密度均匀部署的分簇网络中能量消耗规律，在所求出的能量消耗较高的热区增加部署节点，使热区平均节点能耗较低，其区域内的节点死亡时间延长，从而达到优化网络寿命的目的，且它在NUND方案的基础上，提出一种改进型非均匀节点部署方案(I-NUND)来最大化分簇网络的寿命。此方案的特征在于，在NUND部署基础上，降低增加节点部署区域的簇头轮换频率，从而减少这些区域的簇头轮换能耗，使网络中能耗最高区域的平均能耗进一步降低，最大化的提高了网络寿命。

本发明具有以下有益效果：(1)本发明综合考虑了节点在发送和接收数据，以及进行成簇和簇头轮换等过程的能量消耗，准确地计算出节点的能耗规律，确定网络中能耗最高的区域，即hotspot区域，同时给出了计算网络中第1个节点死亡时间的方法。

(2)与以往研究不同，本发明所提出的节点部署方案不以达到整个网络能量消耗均衡为目的，而是以使得网络寿命最大化为节点部署的优化目标，即以网络效率(网络寿命/部署的总节点数)为优化目标，从而更符合应用的需求，而且具有更广泛的实用价值。其研究目标是在给出的可部署节点数量，例如n的情况下，如何有效的部署这n个节点，确定这n个节点部署的位置和密度以使得网络寿命最大化。实际上，已经提出的以达到整个网络能量消耗均衡为目标的节点部署方案仅是本文的一个特例，即可部署的节点数量n充分大或无限制的情况。但是，本发明通过对以往研究的进一步深化，给出了在n为任意情况下网络寿命最大化的部署方案。在实际中，由于经济的考虑，可部署的节点总是有限的，可见此研究具有更好的实际意义。

(3)本发明首次分析给出了分簇网络节点部署方案。以往研究都只研究了平面网络的节点部署问题，而本发明考虑了节点簇头轮换频率，并重新分析了分簇无线传感器网络节点承担的数据量与能量消耗。在得到分簇网络节点能量消耗的基础上，分析得到了网络的hotspots区域，并给出了相应的以提高网络效率为目标的非均匀节点部署算法(Non-Uniform Node Distribution algorithm，NUND)。算法能够在给定可部署节点数量为n的情况，给出节点部署的优化网络参数，以及节点部署的节点密度函数，从而可以减弱网络hotspots影响，以有效提高网络寿命。

(4)本发明在NUND方案的基础上，通过节点密度差异变换簇头轮换频率，进一步给出了改进了非均匀节点部署方案(Improved Non-Uniform Node Distributionalgorithm，I-NUND)，有效的降低了网络中簇头轮换的能量消耗，提高了网络的能量效率，并最大化的提高了分簇网络的寿命。分簇网络是一种比较复杂的网络，有很多因素影响其网络寿命，簇头节点的选取对系统的消耗具有重要的影响。由于簇头节点承担了簇内与簇间数据的转发，因而其能量消耗非常大。在均匀部署的情况下，由于hotspots区域能耗过大，所以簇头节点轮换的频率要较高，从而避免被选择的簇头节点能量消耗殆尽而导致网络提前死亡，形成能量空洞导致网络失效。但在hotspots区域增加部署后，即使节点死亡一部分后，增加部署的节点仍能保证网络的连通与监测覆盖，因此，这些区域的簇头轮换频率可以相应的降低，这样能够降低网络建簇的系统能量消耗，从而提高网络寿命。

附图说明：

图1为本发明分簇网络数据转发模型图；

图2为本发明分簇数据承担量计算模型图。

具体实施方式：

参看图1-2，本具体实施方式基于一种典型的传感器网络应用模型，因而其研究具有较实际的意义。具体的网络模型和能耗模型描述如下。

网络模型：(1)n个传感器节点将按照一定的部署方案散布在一个圆形区域，sink节点位于区域的圆心位置。(2)网络所采用的分簇算法为文献[17]中的EADC算法，此算法将节点的剩余能量与周围节点的能量比值作为簇头选举的标准。簇内成员采用TDMA方式向簇头节点发送数据，簇间采用CSMA方式，簇头节点将融合数据采用多跳贪婪路由算法，选择自己通信半径内距离sink最近的簇头节点作为下一跳，直至将数据发送到sink。(3)网络中传感器节点的发射功率可调，因此其通信半径的r_t的取值可变，例如Berkeley Motes，拥有100个发射功率等级。根据分簇算法，均匀分簇后的簇半径可近似视为每一个节点在一个固定的时间周期(或一轮)内将会在监测环境中收集数据，并向sink发送一个数据包。因而，网络寿命可通过时间周期(轮)来表示。(4)传感器节点具有两种模式，工作模式和睡眠模式。在睡眠模式下，节点停止任何工作，其能量消耗可忽略不计。在工作模式下，则与普通节点类似，参与网络工作。节点的在两种模式下的转换算法采用文献[3]中的唤醒与休眠机制。

能量模型：根据无线信道模型^[10]，节点发送数据与接收数据的能量消耗公式分别入公式(1)和(2)所示。

$\left\{\begin{array}{ccc}{E}_t=B(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}{d}^2)& \mathrm{if}& d\≤d_0\\ E_t=B(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{amp}}{d}^4)& \mathrm{if}& d>d_0\end{array}\right.---\left(1\right)$

E_r＝BE_elec (2)

在公式(1)和(2)中，E_elec表示发送回路损耗，根据发送者和接受者的距离，分别采用自由空间(距离的平方)和多路径消耗(距离的4次方)信道模型。ε_fs和ε_amp分别别表示两种模型下的放大系数。B为无线传感器节点的发送或者是接收数据的比特速率。

为进一步明确本发明的优化和计算目标，并给出理论上的解决方案，将本发明所涉及的相关定义及待解决的问题描述如下。

最小密度ρ——最小密度指满足网络最低的覆盖与连通要求的最小节点密度。

工作密度ρ_w——工作密度指网络中同时处于工作状态的节点密度，它必须满足ρ_w≥ρ。同时，我们将每一轮中处于工作状态的节点数目称为工作节点数目。

网络寿命Lifetime——由于网络中节点死亡后，导致网络中工作密度低于最小密度ρ，网络监测区域则不再完整，因此视为网络死亡。我们将网络开始工作至第一个导致网络中出现工作节点密度小于ρ时的节点死亡所持续的时间定义为网络寿命。

因此，在我们的网络模型下，节点部署方案的目标为，对于给定的n个部署节点，在满足其最小工作密度ρ的均匀部署下，如何部署余下的节点来使得网络寿命达到最大化？

本发明针对上述问题，提出了一种使分簇网络寿命最大化的非均匀节点部署方案(I-NUND)，具体分析和计算过程如下。

1.分簇无线传感器网络非均匀节点部署方案理论分析

分簇传感器网络的数据收集过程如下：(1)在簇内数据收集时，簇内节点通过TDMA分配的时隙直接向CH节点传送数据；(2)簇头节点收集完簇内数据后，在簇间将融合数据经过多跳传送到达sink。

多跳分簇网络的数据收集模式如图1所示，与文献[10]一样，分簇网络中一个簇负责数据收集的范围为图1中的阴影的区域。在研究分簇网络节点部署规律之前，我们应对最小密度下的分簇无线传感网络进行相关的能耗分析，得出其能耗规律，然后则可针对此能耗规律进行相应的部署策略。图2所示的簇c代表网络中距离sink为l＝hr+x任意一个簇，其与sink节点的外切线夹角为2α，那么根据余弦定理可有簇c所在负责数据收集的阴影区域的面积可计算为4alr，簇c所拥有的节点个数n＝4ραlr[8，9]。图中Q所示为阴影区域中任意选取的离Sink的距离为y，其中l-r≤y≤l+r，宽为dy的圆环上，取出的夹角为dθ的一微小段扇环。

(1)最小密度下的分簇传感器网络能耗分析

从我们的网络模型可知，我们的节点部署方案的目标是指在满足网络的最小指定均匀部署密度ρ下，如何部署多余的节点使得网络寿命达到最大化。那么，我们首先需要分析部署密度为ρ的均匀部署分簇网络能量消耗规律。而分簇网络的能量消耗取决于节点承担的数据量情况，因此，本节首先分析分簇传感器网络节点承担的数据量情况。在以往很多的研究中，分簇网络中往往只考虑了节点承担了感知数据的情况，但实际上，分簇网络在簇的维护和簇头轮换中的能量消耗占据了一定比重。因此，我们的部署方案较为全面的考虑了这种情况，对分簇网络节点承担的感知数据量与系统建簇时消息通信量进行了分析。

定理1.设网络中每个簇的簇半径为r，网络中的节点密度为ρ，建簇过程中竞选簇头时的广播信息(Election_Msg)为λ₁bits，节点给簇头发送的加入信息(Join_Msg)为λ₂bits，簇头节点C_l距离sink的距离为l，那么C_l和其簇内的CMs的建簇能耗 分别满足下式：

$\left\{\begin{array}{c}{E}_{\mathrm{create}}^{\mathrm{ch}}=(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}{r}^2){\mathrm{\λ}}_1+(n-1)E_{\mathrm{elec}}{\mathrm{\λ}}_2,\mathrm{ifr}\≤d_0\\ E_{\mathrm{create}}^{\mathrm{ch}}=(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{amp}}{r}^4){\mathrm{\λ}}_1+(n-1)E_{\mathrm{elec}}{\mathrm{\λ}}_2,\mathrm{ifr}>d_0\\ E_{\mathrm{create}}^{\mathrm{cms}}={4\mathrm{\λ}}_2\mathrm{lr\ρ\α}(E_{\mathrm{elec}}+{2\mathrm{\ϵ}}_{\mathrm{fs}}{l}^2+r^2)+{4\mathrm{\λ}}_2{\mathrm{\ρ\ϵ}}_{\mathrm{fs}}l\sin \mathrm{\α}({2l}^{2}r+\frac{2}{3}{r}^3)+{8\mathrm{\λ}}_1\mathrm{\ρ\αlr}{E}_{\mathrm{elec}}\end{array}\right.$

证明.在建簇阶段，能量较高的节点首先广播竞选簇头信息，收到广播信息的节点则取消其竞选事件，选择离自己最近的广播节点作为簇头，并发送加入信息(Join_MSG)。对于广播竞选信息的簇头而言，其能量消耗即为广播能耗及接收CMs发送的Join_MSG能耗。根据3.2所定义的能耗模型，可得：

$\left\{\begin{array}{c}{E}_{\mathrm{create}}^{\mathrm{ch}}=(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}{r}^2){\mathrm{\λ}}_1+(n-1)E_{\mathrm{elec}}{\mathrm{\λ}}_2,\mathrm{ifr}\≤d_0\\ E_{\mathrm{create}}^{\mathrm{ch}}=(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{amp}}{r}^4){\mathrm{\λ}}_1+(n-1)E_{\mathrm{elec}}{\mathrm{\λ}}_2,\mathrm{ifr}>d_0\end{array}\right.$

对于CMs节点，因其与簇头节点的位置不等，我们可以采用区域积分来估算其平均能耗值。取簇内任意一个位置，它离Sink的距离为y|y∈{l-r，...，l+r}，宽为dy的圆环上，取夹角dθ的一微小段扇环，如图1中的区域Q。则这一区域内节点个数为y×dθ×dy×ρ。簇内所有普通节点直接发送到簇头，其距簇头节点的距离可以计算为：

L²＝l²+y²-2lycosθ

依据我们的建簇算法，平均每个节点能收到2个竞选广播信息，那么依据3.2的能量消耗公式，此扇环消耗的能量计算为下式：

λ₂{y·dθ·dy·ρ·E_elec+y·dθ·dy·ρ·ε_fs·L²}+2λ₁y·dθ·dy·ρ·E_elec

对此区域进行积分为，可以求得此区域所有普通节点发送到簇头所消耗的总能量为：

$E_{\mathrm{create}}^{\mathrm{cms}}=$

${2\∫}_{l-r}^{l+r}{\∫}_0^{\mathrm{\α}}\left\{{\mathrm{\λ}}_2\right\{y\·\mathrm{\ρ}\·E_{\mathrm{elec}}+y\·\mathrm{\ρ}\·{\mathrm{\ϵ}}_{\mathrm{fs}}\·(y^2+l^2\text{-2lycos\θ})\}+{2\mathrm{\λ}}_1\·y\·\mathrm{\ρ}\·E_{\mathrm{elec}}\}\mathrm{d\θdy}$

$={4\mathrm{\λ}}_2\mathrm{lr\ρ\α}(E_{\mathrm{elec}}+{2\mathrm{\ϵ}}_{\mathrm{fs}}{l}^2+r^2)+{4\mathrm{\λ}}_2{\mathrm{\ρ\α}}_{\mathrm{fs}}l\sin \mathrm{\α}({2l}^{2}r+\frac{2}{3}{r}^3)+8{\mathrm{\λ}}_1\mathrm{\ρ\αlr}{E}_{\mathrm{elec}}$

[证毕]

定理2.设在每一个数据收集周期内，簇头节点发送的TDMA广播时隙信息δbits，每个节点在其slot内发送的数据为τbits，那么CH和CMs在簇内数据收集中的能量消耗分别为下式所示：

$\left\{\begin{array}{c}{E}_{\mathrm{in}}^{\mathrm{ch}}=(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}{r}^2)\mathrm{\δ}+(n-1)E_{\mathrm{elec}}\mathrm{\τ},\mathrm{ifr}\≤d_0\\ E_{\mathrm{in}}^{\mathrm{ch}}=(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{amp}}{r}^4)\mathrm{\δ}+(n-1)E_{\mathrm{elec}}\mathrm{\τ},\mathrm{ifr}>d_0\\ E_{\mathrm{in}}^{\mathrm{cms}}=4\mathrm{\τlr\ρ\α}(E_{\mathrm{elec}}+2{\mathrm{\ϵ}}_{\mathrm{fs}}{l}^2+r^2)-{4\mathrm{\τ\ρ\ϵ}}_{\mathrm{fs}}l\sin \mathrm{\α}({2l}^{2}r+\frac{2}{3}{r}^3)+{4\mathrm{\δ\ρ\αlrE}}_{\mathrm{elec}}\end{array}\right.$

证明.与定理1.的证明过程相似，CH在进行簇内数据收集时，将先向CMs广播时隙信息，CMs收到时隙信息后，分别在各自的slot向CH发送τbits的数据。那么CH在一轮簇内数据收集中的能耗为：

$\left\{\begin{array}{c}{E}_{\mathrm{in}}^{\mathrm{ch}}=(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}{r}^2)\mathrm{\δ}+(n-1)E_{\mathrm{elec}}\mathrm{\τ},\mathrm{ifr}\≤d_0\\ E_{\mathrm{in}}^{\mathrm{ch}}=(E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{amp}}{r}^4)\mathrm{\δ}+(n-1)E_{\mathrm{elec}}\mathrm{\τ},\mathrm{ifr}>d_0\end{array}\right.$

同样，对于CMs节点，我们采用和定理1.同样的积分方法求得：

$E_{\mathrm{in}}^{\mathrm{cms}}=$

$2{\∫}_{l-r}^{l+r}{\∫}_0^{\mathrm{\α}}\{\mathrm{\τ}(y\·\mathrm{\ρ}\·E_{\mathrm{elec}}+y\·\mathrm{\ρ}\·{\mathrm{\ϵ}}_{\mathrm{fs}}\·(y^2+l^2-2\mathrm{ly}\cos \mathrm{\θ}))+2\mathrm{\δ}\·y\·\mathrm{\ρ}\·E_{\mathrm{elec}}\}\mathrm{d\θdy}$

$=4\mathrm{\τlr\ρ\α}(E_{\mathrm{elec}}+2{\mathrm{\ϵ}}_{\mathrm{fs}}{l}^2+r^2)-4{\mathrm{\τ\ρ\ϵ}}_{\mathrm{fs}}l\sin \mathrm{\α}({2l}^{2}r+\frac{2}{3}{r}^3)+4\mathrm{\δ\ρ\αlr}{E}_{\mathrm{elec}}$

[证毕]

定理3.设簇头节点C_l距离sink的距离为l，l＝hr+x，CH对于簇内数据的融合率为φ。簇间的数据传输采用簇头间的多跳路由策略，那么每一轮数据收集中，the inter-cluster energy consumption of C_lcan be written as following formula.

$\left\{\begin{array}{c}{E}_{\mathrm{out}}^{\mathrm{ch}}=\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l-r)}^2)(E_{\mathrm{elec}}+{\mathrm{\&epsiv;}}_{\mathrm{fs}}{l}^2)+\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l+r)}^2)E_{\mathrm{elec}},\mathrm{ifl}<2\mathrm{randl}\&le;d_0\\ E_{\mathrm{out}}^{\mathrm{ch}}=\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l-r)}^2)(E_{\mathrm{elec}}+{\mathrm{\&epsiv;}}_{\mathrm{amp}}{l}^4)+\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l+r)}^2)E_{\mathrm{elec}},\mathrm{ifl}<2\mathrm{randl}>d_0\\ E_{\mathrm{out}}^{\mathrm{ch}}=\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l-r)}^2)(E_{\mathrm{elec}}+{\mathrm{\&epsiv;}}_{\mathrm{fs}}{\left(2r\right)}^2)+\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l+r)}^2)E_{\mathrm{elec}},\mathrm{ifl}>2\mathrm{rand}2r\&le;d_0\\ E_{\mathrm{out}}^{\mathrm{ch}}=\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l-r)}^2)(E_{\mathrm{elec}}+{\mathrm{\&epsiv;}}_{\mathrm{amp}}{\left(2r\right)}^4)+\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l+r)}^2)E_{\mathrm{elec}},\mathrm{ifl}>2\mathrm{rand}2r>d_0\end{array}\right.$

证明.对于簇头节点C_l，其在簇间传输时所接受到的数据量，即为自己这个簇后的扇形环区域中节点所发送过来的数据。根据扇形的面积公式，我们可以求得此扇形环的面积为同样，C_l在簇间传输时发送的数据量应为包括自己这个簇的扇形环区域中节点发送过来的数据，求得此扇形环的面积为由此便可得，簇头节点C_l接收的数据量发送的数据量 $D_{\mathrm{Tout}}^{\mathrm{ch}}=\mathrm{\&phi;\&tau;\&rho;\&alpha;}(R^2-{(l-r)}^2).$

在簇间的多跳算法中，当簇头节点离Sink的距离小于2r，其将与Sink直接通信，其发送距离为l；当簇头离Sink的距离大于2r时，将通过2r外的簇头中继往前传输。那么C_l在簇间传输时的能耗应表示为：

$\left\{\begin{array}{c}{E}_{\mathrm{out}}^{\mathrm{ch}}=D_{\mathrm{Tout}}^{\mathrm{ch}}(E_{\mathrm{elec}}+{\mathrm{\&epsiv;l}}^{\mathrm{\&gamma;}})+D_{\mathrm{Rout}}^{\mathrm{ch}}{E}_{\mathrm{elec}},\mathrm{ifl}<2r\\ E_{\mathrm{out}}^{\mathrm{ch}}=D_{\mathrm{Tout}}^{\mathrm{ch}}(E_{\mathrm{elec}}+{\mathrm{\&epsiv;}\left(2r\right)}^{\mathrm{\&gamma;}})+D_{\mathrm{Rout}}^{\mathrm{ch}}{E}_{\mathrm{elec}},\mathrm{ifl}>2r\end{array}\right.$

然后跟我们3.2的能耗模型，便可得到定理3.

[证毕]

定理4.设簇头每进行η轮数据收集后轮换一次，那么每进行一轮全网数据收集后，距Sink距离为l＝hr+x的节点的平均能量消耗播为下式：

$E_l^{\mathrm{avg}}=\{(E_{\mathrm{in}}^{\mathrm{ch}}+E_{\mathrm{out}}^{\mathrm{ch}})+(n-1)\frac{E_{\mathrm{in}}^{\mathrm{cms}}}{n}\}/n+\frac{1}{\mathrm{\&eta;n}}{E}_{\mathrm{create}}^{\mathrm{ch}}+(n-1)\frac{E_{\mathrm{create}}^{\mathrm{cms}}}{n\&CenterDot;\mathrm{\&eta;n}}$

证明.在节点均匀部署的条件下，不同距离的簇头轮换频率相等。当节点作为CM时，其一轮的数据消耗应为簇内收据收集能耗为平均的建簇能耗为当节点作为CH时，簇内和簇间的能耗之和为建簇的能耗为那么在nη轮内，每个节点都会充当η轮CH，(n-1)η轮CM。这样，节点的平均能耗即为η轮CH的能耗与(n-1)η轮CM的能耗之和再除以nη，其表达式如下：

$\begin{array}{c}{E}_l^{\mathrm{avg}}=\frac{\mathrm{\&eta;}(E_{\mathrm{in}}^{\mathrm{ch}}+E_{\mathrm{out}}^{\mathrm{ch}})+E_{\mathrm{create}}^{\mathrm{ch}}}{\mathrm{\&eta;n}}+\{(n-1)\mathrm{\&eta;}{E}_{\mathrm{in}}^{\mathrm{cms}}+(n-1)\frac{E_{\mathrm{create}}^{\mathrm{cms}}}{n}\}/\mathrm{\&eta;n}\\ =\{(E_{\mathrm{in}}^{\mathrm{ch}}+E_{\mathrm{out}}^{\mathrm{ch}})+(n-1)\frac{E_{\mathrm{in}}^{\mathrm{cms}}}{n}\}/n+\frac{1}{\mathrm{\&eta;n}}{E}_{\mathrm{create}}^{\mathrm{ch}}+(n-1)\frac{E_{\mathrm{create}}^{\mathrm{cms}}}{n\&CenterDot;\mathrm{\&eta;n}}\end{array}$

[证毕]

推论1.设均匀部署节点密度为ρ的网络，节点的初始能量为E_init，距离sink位置为l的区域的节点其平均能耗为那么网络的寿命 $\mathrm{LifeTime}=E_{\mathrm{init}}/\max \left(E_l^{\mathrm{avg}}\right)|l\&Element;\{l_{\min },R),(\mathrm{unit}:\mathrm{rounds})\&CenterDot;$

证明.在均匀部署节点密度为ρ的网络中，网络寿命显然取决于网络中最先死亡的区域。而网络中最先死亡的区域即为平均能耗最大的区域。因此，网络寿命即为网络中能量消耗最大节点寿命，而网络中能量消耗最大节点的能量消耗为从而可得网络寿命为 $\mathrm{LifeTime}=E_{\mathrm{init}}/\max \left(E_l^{\mathrm{avg}}\right)|l\&Element;\{l_{\min },R)\&CenterDot;$

[证毕]

(2)非均匀节点部署策略(NUND)

目前，对于节点部署策略的研究相当广泛，其各自的应用场景也相对复杂。我们所提出的节点部署策略旨在解决，如何用满足最小密度部署后多余出的节点来带给网络最大的寿命。即，对于一个网络半径R确定的网络，其网络的最小密度为ρ，现给定可部署的节点数量n|n＞ρπR²，应该如何部署这n个节点使得网络寿命最大？

首先，我们应当均匀部署n_min＝ρπR²个节点，以满足网络的最小部署要求。设m＝n-n_min，称为可部署节点。那我们要解决的关键问题便是，如何部署这m个节点使得网络寿命最大。下文将以定理和推论的形式给出NUND方案。

定理6.对于网络规模为R，working density为ρ，簇半径r的网络，若要使得网络的寿命为T，则必须使网络的最大能量消耗为

证明.对于一个网络参数均已确定的网络，若要使得网络的寿命为T，那么根据推论1可得出网络的最大能量消耗必须为而要使网络的最大能耗降为E_T，我们必须将能耗高于E_T的区域进行增加节点部署，使其部署密度增加至原始密度的倍，而能耗不高于E_T的区域，密度维持不变。

[证毕]

定理7.对于网络规模为R，簇半径的网络，要使得网络的寿命为T，那么所需要的可部署节点数量为

证明.若要使得网络寿命为T，那么依据定理6网络中不同区域的节点密度函数应为ρ_l，对于网络规模为R的网络，总共需要部署的节点数为减去最小部署节点数目ρπR²，则得到网络寿命T下所需的可部署节点数量 是为保证可部署节点数目为整数。

[证毕]

上面两个定理给出了指定网络寿命下节点的部署方案及所需的可部署节点数目。然而，对于指定的可部署节点数量m，我们可通过以下两个定理得到其部署后能获得最大网络寿命。

推论2.对于给定网络规模为R，簇半径r的网络中，如果可部署的节点个数m|m≥0，那么，必有一个网络的最大寿命T，使得此时所需要的节点数量正好为m，即

证明.依据定理7.对于网络规模为R，簇半径r的网络，要使得网络的寿命为T，那么可计算出所需要的可部署节点数量为依据此定理，对于任意给定的一个网络寿命T_i，可以计算此时所需的可部署节点数量为：如果此时的那么将T_i增加，反之减少T_i，总能够得到一个T_i使得而任何大于T_i的网络所需要的节点部署数量都大于m。这时得到的T_i就是网络的最大寿命T。

[证毕]

依据推论2，对于给定的可部署节点数目m，我们总能将其合理部署，并找到一个最大的网络寿命T。那么如何通过m来求解最大的网络寿命T便是我们下一步要解决的关键问题。算法1即给出了在确定的网络环境下，通过可部署的节点数量m来求解最大网络寿命T的计算方法。

算法1：通过可部署节点数求解最大网络寿命的算法

算法1通过可部署节点数求解最大网络寿命的算法

输入：网络半径R，working density isρ，簇半径r，可部署节点数目M以及网络参数

输出：最大网络寿命T

1)：依照定理4求出距离sink不同位置的能耗值

2)：令 $T_{\mathrm{pre}}=E_{\mathrm{init}}/\min \left(E_l^{\mathrm{avg}}\right),$ $T_{\mathrm{last}}=E_{\mathrm{init}}/\max \left(E_l^{\mathrm{avg}}\right)$

3)：依据定理6和7，求出网络最大寿命为T_pre和T_last时，需要的可部署的节点总数M_pre，M_last，如果M_pre＞＝M，T＝T_pre，转到第6步；如果M_last＜＝M，T＝T_last，转到第6步；否则，继续第4步

4)如果T_mid＝T_pre，T＝T_pre，转到第6步；否则，依据推理1求出网络最大寿命为T_mid时，需要的可部署的节点总数M_mid

5)：如果M_mid＞M，那么T_last＝T_min，转到第4步；如果M_mid＜M，那么T_pre＝T_mid，转到第4步；否则，T＝T_mid，转到第6步

6)输出最大网络寿命TEnd

根据前面的论述，对于一个给定的可部署节点数量m，在网络规模R及簇半径r等网络参数确定的网络中，算法1能够求解其最优部署下能够达到的最大网络寿命。但是对于不同簇半径r，节点需要部署的位置与网络寿命也不相同。因此，即使在给定的可部署节点数量m的情况下，依然可以通过选择优化的簇半径使得网络寿命最大化。

算法2给出了在给出可部署节点数量m，网络规模R，最小密度ρ以及其他网络参数的前提下，最优簇半径r_optimal的求解算法。

算法2：可部署节点数量为m的情况下最优簇半径r的求解算法

算法2最优簇半径求解算法

输入：网络半径R，最小密度ρ，可部署节点数目m以及其他网络参数

输出：使得网络寿命最大的最优簇半径r_optimal

1)r＝r_j，j＝1，Lifetime_max＝0

2)for each r_i Do//对每一个簇半径r_j

3)依据算法1计算出簇半径为r_j，可部署节点为m的情况下的网络的最大寿命Lifetime^j

6)输出最优簇半径r_optimal End

综合前面的论述，算法3给出了完整的部署算法，在给定网络规模R，最小密度ρ，可部署节点m以及其他网络参数的条件下，求解网络的最优簇半径r_optimal，网络最大寿命T，网络不同区域的节点密度函数ρ_l。

算法3：非均匀节点部署方案中部署密度函数求解算法

算法3网络半径R，最小密度ρ，可部署节点数量为m下的节点部署算法

输入：网络规模R，最小密度ρ，部署节点数量为m以及其他网络参数

输出：最优的簇半径r_optimal，以及网络最大寿命T，网络不同区域的节点密度函数ρ_l

1、)依据算法2计算出网络的最优簇半径为r_opimal

2)在簇半径为r_optimal的情况下，根据算法1求出网络的最大寿命T

3)在网络寿命为T，网络半径为R，最小部署密度为ρ，可部署节点数量为m的情况下，根据定理6求出网络中不同区域的节点密度函数ρ_l

4)Output r_optimal，T，ρ_l End

(3)节点部署策略实例分析

我们研究是为了给出一种网络效益较高的分簇网络部署方案，下面的分析表明，得到广泛研究的使得整个网络能量消耗均衡的节点部署研究仅是该研究的一个特例而已，而本文的研究更能够适应用可部署的节点个数不能保证整个网络能量均衡的情况。并且，即使是在使得整个网络能量均衡的节点部署策略中，我们的研究也具有优势，下面通过具体的部署策略来说明本文策略的好处。

依据本文的策略，要使得整个网络能量均衡，那么网络中各区域的能耗需降低至网络中能耗最低区域的能耗水平。此时网络的节点密度依据定理6，可以得到如下的推理3。

推理3.设网络规模为R，最小密度ρ，簇半径r，如果使得整个网络达到能量均衡，距离sink距离为l处的节点密度函数为下式：

${\mathrm{\&rho;}}_l^{\mathrm{all}}=\frac{E_l^{\mathrm{avg}}}{\min \left(E_l^{\mathrm{avg}}\right)|l\&Element;\{l_{\min },R)}\mathrm{\&rho;}$

证明.要达到全网能耗均衡的效果，必须使网络中各区域的节点平均能耗降低至。对网络中能耗高于的区域我们将增大其节点密度，以此来降低节点的平均能耗水平。而在我们的节点工作机制下，不同区域下节点密度与节点的平均能耗成等比关系。Therefore，对于整个网络，我们有距离sink为l处的节点密度函数应为下式

[证毕]

同理，根据定理7我们可以得到，要使得整个网络能耗均衡，那么所需要的可部署节点数目m应如推理4所示。

推理4：设网络规模为R，最小密度为ρ，簇半径r，如果使得整个网络达到能量均衡，则所需要部署的节点个数为：

证明.根据定理7可知，若要网络中不同区域的节点密度函数为ρ_l，对于网络规模为R的网络，总共需要可部署的节点数为将全网均衡下的密度函数代入，可得全网均衡下的所需的可部署节点数目m_all应满足 $m_{\mathrm{all}}\&GreaterEqual;{\&Integral;}_0^R\frac{E_l^{\mathrm{avg}}}{\min \left(E_l^{\mathrm{avg}}\right)|l\&Element;(l_{\min },R)}{\mathrm{\&rho;\&pi;R}}^2-{\mathrm{\&rho;\&pi;R}}^2.$

[证毕]

同样，在全网均衡的条件下，选择不同的簇半径r，可以得到不同的网络寿命和节点可部署数量。那么，我们仍可依据算法2求得一个最有的簇半径，使得网络效率达到最高。

2.改进型非均匀节点部署策略(I-NUND)

依据上文提出的节点部署方案，我们将对能耗较大的区域增加部署冗余的节点，便能均衡网络能耗，延长网络寿命。但上文给出的方案，并未针对分簇网络的特性，将分簇网络的性能进一步优化。由于在网络部署了更多的节点后，使得我们对簇头节点轮换策略有了更多的选择余地，从而有可能更能够进一步提高网络寿命。

基于此，我们提出了一种新颖的簇头轮换策略。此轮换策略的基本思想如下：对于增加部署的区域，因存在多余节点，所以我们可以接受这部分区域的节点提前死亡。因此，对于增加了节点部署的区域，其簇头的轮换频率要降低，这样节点在当簇头的过程中，虽然承担的能耗就会更大，但却能减少建簇的能量消耗，从整体上降低此区域的平均能耗水平。当此区域中节点死亡至此区域的工作密度开始小于最小密度时，簇头轮换频率降为原始频率。而对于没有增加节点部署的区域，轮换频率仍维持原始状态不变。

推论5.设到sink距离为l的节点，其所在区域节点密度为ρ_l，簇头的轮换频率为η_l，那么节点的平均能耗为：

证明.与定理4.4证明过程类似，到sink距离为l的节点，其所在区域的簇头轮换频率为η_l。而当节点作为CM时，其一轮的数据消耗应为簇内收据收集能耗为平均的建簇能耗为当节点作为CH时，簇内和簇间的能耗之和为建簇的能耗为那么在轮内，每个节点都会充当轮CH，轮CM。这样，节点的平均能耗即为轮CH的能耗与轮CM的能耗之和再除以其表达式如下：

$\begin{array}{c}{E}_l^{\mathrm{avg}}=\frac{\mathrm{\&eta;}(E_{\mathrm{in}}^{\mathrm{ch}}+E_{\mathrm{out}}^{\mathrm{ch}})+E_{\mathrm{create}}^{\mathrm{ch}}}{\mathrm{\&eta;n}}+\{(n-1)\mathrm{\&eta;}{E}_{\mathrm{in}}^{\mathrm{cms}}+(n-1)\frac{E_{\mathrm{create}}^{\mathrm{cms}}}{n}\}/\mathrm{\&eta;n}\\ =\{(E_{\mathrm{in}}^{\mathrm{ch}}+E_{\mathrm{out}}^{\mathrm{ch}})+(n-1)\frac{E_{\mathrm{in}}^{\mathrm{cms}}}{n}\}/n+\frac{{\mathrm{\&eta;}}_l}{n}{E}_{\mathrm{create}}^{\mathrm{ch}}+(n-1)\&CenterDot;{\mathrm{\&eta;}}_l\frac{E_{\mathrm{create}}^{\mathrm{cms}}}{n^2}\end{array}$

[证毕]

定理8.网络节点密度为原始密度ρ时，其簇头的轮换频率为η_ρ，其节点密度为ρ_t时，其簇头的轮换频率为η_t，那么此时，节点平均每轮用于建簇的能量消耗的比值为ξ＝η_p/η_t。

证明.根据定理4.1，簇头节点在竞选簇头期间的能量消耗为一个簇的簇内节点在竞选簇头期间的能量消耗之和为对于节点密度分别为ρ和ρ_t的情况，节点所在区域的工作密度保持初始密度ρ不变，当轮换频率为η_ρ，η_t时，根据推论5.1可知每个节点平均每轮用于建簇的能量消耗为 $E_{\mathrm{\&rho;}}^{\mathrm{create}}=\frac{{\mathrm{\&eta;}}_{\mathrm{\&rho;}}}{n}{E}_{\mathrm{create}}^{\mathrm{ch}}+(n-1)\&CenterDot;{\mathrm{\&eta;}}_{\mathrm{\&rho;}}\frac{E_{\mathrm{create}}^{\mathrm{cms}}}{n^2},$ $E_t^{\mathrm{create}}=\frac{{\mathrm{\&eta;}}_t}{n}{E}_{\mathrm{create}}^{\mathrm{ch}}+(n-1)\&CenterDot;{\mathrm{\&eta;}}_t\frac{E_{\mathrm{create}}^{\mathrm{cms}}}{n^2},$ 由此可知，其建簇能量消耗的比值为 $\mathrm{\&xi;}=E_{\mathrm{\&rho;}}^{\mathrm{create}}/E_t^{\mathrm{create}}={\mathrm{\&eta;}}_p/{\mathrm{\&eta;}}_t.$

[证毕]

根据定理8可知，节点平均每轮用于建簇的能量消耗与轮换频率成正比。那么根据上文所提到的依据节点密度变化来改变不同区域的轮换频率，将一定程度上降低各区域节点的建簇能量消耗。我们将不同区域的CH轮换频率函数η_l定义为其中β＝0.739，γ＝0.961，ρ为最小密度，η为初始簇头轮换频率。从图中可看出，采用新的簇头轮换策略后，能够大量减少节点密集区域的建簇的能量消耗，从而可以有效提高网络寿命。

下面我们将给出在新的簇头轮换策略下的节点部署策略，节点部署的问题依然是如何部署m个可部署节点使得网络寿命最大。但在簇头轮换频率不同的情况下，节点部署策略与前面的部署有很大的不同，主要原因是，在第4节中，网络各区域的簇头轮换频率相同，而原始能量消耗速度又与节点的密度无关，因而，第4节的节点的部署密度是依据节点的能量消耗情况来确定的。但是而采取新的策略后，不同区域的部署密度决定了不同区域的簇头轮换频率，因而此时节点的原始能量消耗是与节点的密度相关的。这样，在节点部署时需要知道能量消耗，而能量消耗又需要先知道节点密度，因而，在采用新策略后，不能简单的套用第4节点的节点部署策略。

首先，新策略减少了节点的能量消耗。所以，对于给定的m个可部署节点，采用新策略后得到的网络寿命不会比第4节点的部署策略低。因此，对于给定网络规模为R，簇半径r的情况，在采用算法1得到的部署方案后，如果采用新策略后，在增加节点密度的区域，依据定理8，其能量消耗实际有所下降，因而所需要的节点个数并不需要这么多。这样，我们可以减少这些区域的节点个数，从而使得网络寿命可进一步提高。算法4为新策略下的节点部署算法。

算法4：改进型部署方案中部署密度函数求解算法

算法4簇头轮换频率不同网络协议下的节点部署算法

输入：网络半径R，working densityρ，增加部署节点数目m，频率轮换函数f(ρ_l)以及网络参数

输出：给出最优的簇半径以及网络最大寿命网络不同区域的节点密度函数

1)：j＝1， $r_{\mathrm{optimal}}^{\mathrm{improved}}=r_j,{\mathrm{Lifetime}}_{\max }^{\mathrm{improved}}=0$

2)：for each r_j Do//对每一个簇半径r_j

3)：按算法1求出簇半径r_j下的节点部署密度函数ρ_l与网络最大寿命T；

4)：根据节点的部署密度函数ρ_l和频率轮换函数f(ρ_l)求出各区域的轮换频率η_l；

5)：根据推论5计算出采用新的轮换策略后，不同区域轮换频率为η_l时，各区域节点平均每轮的能耗水平

6)：将作为算法1中第一步要求的距离sink不同位置的能耗值，然后执行算法1，求出网络的最大寿命

9)：在网络寿命为网络半径为R，簇半径为最小部署密度为ρ，可部署节点数量为m的情况下，根据Theorem6求出网络中不同区域的节点密度函数

10)：Output

Claims (6)

1.一种新型分簇无线传感器网络寿命最大化的节点部署方法，其特征在于(1)从理论上得到了满足覆盖要求的最小密度均匀部署的分簇网络中不同区节点承担的数据量和能量消耗规律，并给出了网络寿命的计算方法；(2)通过不同区域的节点能耗函数，计算出了在部署节点数目一定的情况下，不同区域的节点部署密度曲线；(3)依据不同区域的节点密度改变增加部署节点区域的簇头轮换频率，进一步优化了网络中不同区域的节点部署密度曲线，使网络寿命最大化。

2.根据权利要求1所述的一种新型分簇无线传感器网络寿命最大化的节点部署方法，其特征在于它采用了以下网络模型；(1)n个传感器节点将按照一定的部署方案散布在一个圆形区域，sink节点位于区域的圆心位置；(2)网络所采用的分簇算法为EADC算法，此算法将节点的剩余能量与周围节点的能量比值作为簇头选举的标准；簇内成员采用TDMA方式向簇头节点发送数据，簇间采用CSMA方式，簇头节点将融合数据采用多跳贪婪路由算法，选择自己通信半径内距离sink最近的簇头节点作为下一跳，直至将数据发送到sink；(3)网络中传感器节点的发射功率可调，因此其通信半径的r_t的取值可变，例如Berkeley Motes，拥有100个发射功率等级；根据分簇算法，均匀分簇后的簇半径可近似视为r≈-3/2r_t；每一个节点在一个固定的时间周期内将会在监测环境中收集数据，并向sink发送一个数据包；因而，网络寿命可通过时间周期来表示；(4)传感器节点具有两种模式，工作模式和睡眠模式；在睡眠模式下，节点停止任何工作，其能量消耗可忽略不计；在工作模式下，则与普通节点类似，参与网络工作。

3.根据权利要求1所述的一种新型分簇无线传感器网络寿命最大化的节点部署方法，其特征在于它选取了网络的任意簇来体现网络中簇头节点和成员节点的数据转发原理；簇c代表网络中距离sink为l＝hr+x任意一个簇，其与sink节点的外切线夹角为2α，那么根据余弦定理可有簇c所在负责数据收集的阴影区域的面积可计算为4αlr，簇c所拥有的节点个数n＝4ραlr；区域Q为任意选取的离Sink的距离为y，其中l-r≤y≤l+r，宽为dy的圆环上取出的夹角为dθ的一微小段扇环；则这一区域内节点个数为y×dθ×dy×ρ；簇内所有普通节点直接发送到簇头，其距簇头节点的距离可以计算为：L²＝l²+y²-2lycosθ。

4.根据权利要求1所述的一种新型分簇无线传感器网络寿命最大化的节点部署方法，其特征在于它采用了以下能耗模型；根据无线信道模型，节点发送数据与接收数据的能量消耗公式分别如公式(1)和(2)所示；

$\left\{\begin{array}{ccc}{E}_t=B(E_{\mathrm{elec}}+{\mathrm{\&epsiv;}}_{\mathrm{fs}}{d}^2)& \mathrm{if}& d{\&le;d}_0\\ E_t=B(E_{\mathrm{elec}}+{\mathrm{\&epsiv;}}_{\mathrm{amp}}{d}^4)& \mathrm{if}& d>d_0\end{array}\right.---\left(1\right)$

E_r＝BE_elec (2)

在公式(1)和(2)中，E_elec表示发送回路损耗，根据发送者和接受者的距离，分别采用自由空间(距离的平方)和多路径消耗(距离的4次方)信道模型；ε_fs和ε_amp分别表示两种模型下的放大系数；B为无线传感器节点的发送或者是接收数据的比特速率。

5.根据权利要求1所述的一种新型分簇无线传感器网络寿命最大化的节点部署方法，其特征在于所述的在部署节点数目一定的情况下，不同区域的节点密度计算方法，其特征在于进行满足覆盖要求的最小密度均匀部署后，计算出不同区域的节点能耗曲线，并将剩余部署节点优先部署于网络能耗最高的区域，其不同区域的部署密度比与节点能耗比保持正相关。

6.根据权利要求1所述的一种新型分簇无线传感器网络寿命最大化的节点部署方法，其特征在于它降低增加了节点部署的区域的簇头轮换频率，其簇头轮换频率与增加节点部署后的区域节点密度呈现反相关。