CN108566664B - 一种分布式高能效的wsn分簇路由优化方法 - Google Patents
一种分布式高能效的wsn分簇路由优化方法 Download PDFInfo
- Publication number
- CN108566664B CN108566664B CN201810432459.7A CN201810432459A CN108566664B CN 108566664 B CN108566664 B CN 108566664B CN 201810432459 A CN201810432459 A CN 201810432459A CN 108566664 B CN108566664 B CN 108566664B
- Authority
- CN
- China
- Prior art keywords
- node
- cluster head
- nodes
- energy
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/14—Routing performance; Theoretical aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/46—Cluster building
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种分布式高能效的WSN分簇路由优化方法,该方法包括以下步骤:(1)节点随机部署;(2)根据阈值判断节点能否成为簇头;(3)步骤(2)中节点若不能成为簇头,判断该节点是否被多个簇头节点覆盖;(4)步骤(3)中节点若多个簇头节点被覆盖,则对该节点进行倾向度计算;(5)将步骤(4)中倾向度最高的簇头节点加入进行信息传送。本发明在考虑网络节点剩余能量的基础上,结合簇头节点覆盖范围内节点的数量,考虑基站、簇头和节点的位置,使得节点入簇的方式更为合理,减少了网络整体的能量损耗。理论分析和仿真实验结果表明,改进算法与原算法相比,降低了能量开销,延长了网络生命周期。
Description
技术领域
本发明涉及一种分布式高能效的WSN分簇路由优化方法。
背景技术
近些年来,无线传感器技术已经成为通信和计算机领域新兴的研究热点。由部署在检测区域内的大量传感器节以及基站组成的无线传感器网络(WSN)引起了人们极大的关注。无线传感器网络应用于环境监测、军事、交通运输等方面具有非常明显的优势,其节点具有一定的计算、存储和信息传输等功能,可以通过在待监测区域人工或随机播撒布置大量传感器节点,实时采集所需要的数据信息,通过单跳或者多跳方式传输至基站。
WSN路由算法:路由算法是无线传感器网络技术中的基础和核心,它会根据不同的要求将各个节点采集到的数据信息传递到基站节点。在整个过程中,如何提高网络整体的能量高效性是最为重要的问题之一。
目前,国内外学者提出了许多针对各种不同问题的路由算法,其中分簇路由机制是一种能够降低能量消耗、拓扑管理方便的路由协议,它的成员节点功能相对单一,无需维护较为复杂的路由信息,适用于大规模的网络。它可以将整个无线传感器网络分成若干个簇,每个簇内选择一个节点作为簇头,簇头节点承担中继任务,负责接收簇内其他节点采集的数据和信息进行处理,并将其传输至基站。
2000年Heinzelman提出的LEACH(Low-Energy Adaptive Clustering Hierarchy)是WSN第一个分簇路由协议,这也引起了许多学者的浓厚兴趣,自此以后,出现了许多典型的分簇路由协议。如:门限敏感的传感器网络节能算法TEEN(Threshold sensitive EnergyEfficient sensorNetworkprotocol)、分布式能量有效分簇算法DEEC(Distribute EnergyEfficient Clustering Algorithm)以及LEACH的改进算法PEGASIS(Power-EfficientGathering in Sensor Information System)等。LEACH算法中,每个节点随机自主决定是否作为簇头,因此它不能保证簇的合理分布以及簇头的合理选择。TEEN算法提出双门限值降低数据传输量,PEGASIS算法每轮只选择一个簇头与基站通信,这两种路由算法都不十分适合实时应用。
采用的DEEC算法虽然能提高剩余能量较高节点担任簇头的可能性,但它仍然有以下几种缺点:①普通节点进行入簇选择的时候只是单纯的依据接收到的邻近簇头节点的信号强弱;②剩余能量较多的节点并不能重复担任簇头;③选择簇头时并没有考虑到备选簇头覆盖半径内节点的数量,考虑的因素有局限性。
发明内容
本发明要解决的技术问题是:提供一种分布式高能效的WSN分簇路由优化方法,准确对农村电网智能化水平综合评价方法,用较为完善的指标体系对智能农网做完整的分析。
本发明的技术方案:一种分布式高能效的WSN分簇路由优化方法,该方
法包括以下步骤:
(1)节点随机部署;
(2)根据阈值判断节点能否成为簇头;
(3)步骤(2)中节点若不能成为簇头,判断该节点是否被多个簇头节点覆盖;
(4)步骤(3)中节点若多个簇头节点被覆盖,则对该节点进行倾向度计算;
(5)将步骤(4)中倾向度最高的簇头节点加入进行信息传送。
步骤(2)中判断节点成为簇头的方法如下:
在无线传感器网络中,每个节点的剩余能量不同,节点担任簇头节点的概率如式(3)所示:
式中,popt为初始设置的簇头节点与普通节点数量的比值,Er(i)为节点i剩余的能量值,为r轮过后网络所有节点整体的平均剩余能量值,当选取簇头时,每个节点都会产生一个0至1之间的数值,若某节点的这个数值小于设定的阈值Ti,则此节点担任簇头,Ti的计算公式为式(4):
其中,G为最近1/pi轮中没有担任过簇头节点的集合,r表示当前循环进行的轮数,i表示第i节点,当簇头节点选择完后,对本节点将担任簇头的信息进行广播,普通节点便会根据信号的强弱选择合适的簇头节点进行入簇。
步骤(3)中判断节点被多个簇头节点覆盖的方法步骤如下:
簇头节点到基站的距离记为d(i),则簇头i的数据接收覆盖半径R(i)为式(5):
式中:dmax和dmin分别表示簇头节点到基站最大和最小的信息传输距离,R0为预先定义的最大覆盖半径,c为0到1之间的常数,由式(5)可知,簇头的覆盖范围在(1-c)R0到R0之间变化;
节点i当选为簇头的概率为式(6):
担任簇头的节点会广播自身ID、覆盖半径以及自身的剩余能量,在此同时宣布自己成为簇头。
步骤(4)中倾向度计算方法:倾向度的计算公式如下(7):
式中,Lstr(i)为节点i到基站的直线距离,LtoBS(i)为节点i通过簇头中继到达基站的距离,e为0到1之间的常数。
本发明的有益效果:与现有技术相比,本发明通过改变簇的范围、改进成簇机制和根据数据传输的距离以及能量因素共同确定节点的入簇机制,优化了簇头的覆盖半径,根据簇头节点的剩余能量和数据传输路径引入了节点入簇的倾向度的概念,改进了普通节点的入簇机制。通过实验仿真与结果分析,LDEEC算法能够很好地均衡节点的能量消耗,延长整个网络的生命周期。
附图说明
图1是本发明信息传送模型;
图2是各节点分布图;
图3是本发明LDEEC算法流程图;
图4是100m×100m环境下网络生命周期曲线;
图5是数据传输对比曲线;
图6是能量消耗对比曲线;
图7是能量方差对比曲线;
图8是网生命期在100m×100m环境下随e的变化曲线;
图9是网络生命期在200m×200m环境下随e的变化曲线。
具体实施方式
以下结合附图和实例详细描述本发明的具体实施方式,但本发明不受所述具体实施例所限。
实施例1:如图1-图9所示,一种分布式高能效的WSN分簇路由优化方法,该方法包括以下步骤:
(1)节点随机部署;
(2)根据阈值判断节点能否成为簇头;
(3)步骤(2)中节点若不能成为簇头,判断该节点是否被多个簇头节点覆盖;
(4)步骤(3)中节点若多个簇头节点被覆盖,则对该节点进行倾向度计算;
(5)将步骤(4)中倾向度最高的簇头节点加入进行信息传送。
步骤(2)中判断节点成为簇头的方法如下:
无线传感器网络能耗模型:采用如图1所示的简化无线通信能耗模型。在此模型中,无线通信模块发送数据能量消耗主要是发送和功率放大电路,接收数据的能量消耗主要在接收电路。
无线信号的能量衰减取决于发送端和接收端的距离d。当传输的距离小于阈值dcrossover时,采用Friss自由空间模型(Friss Free Space Model);当传输的距离大于阈值dcrossover时,采用双径传播模型(Two-ray Ground Propagation Model),在保证合理信噪比(SNR)的情况下,各节点之间发送信息和接受信息的消耗为:
ERx(k)=Eelec×k (2)
式中,Eelec(nJ/bit)为射频能量损耗,即发送或者接受1bit信息电路消耗的能量,Efs(pJ/bit/m2)和Emp(pJ/bit/m4)为不同信道传播模型下的功率放大电路能耗系数。
没有考虑到各节点剩余能量的问题,让剩余能量较高的节点担任簇头节点,均衡节点负载,从而达到延长网络的生命周期的目的。
在无线传感器网络中,每个节点的剩余能量不同,节点担任簇头节点的概率如式(3)所示:
式中,popt为初始设置的簇头节点与普通节点数量的比值,Er(i)为节点i剩余的能量值,为r轮过后网络所有节点整体的平均剩余能量值,当选取簇头时,每个节点都会产生一个0至1之间的数值,若某节点的这个数值小于设定的阈值Ti,则此节点担任簇头,Ti的计算公式为式(4):
其中,G为最近1/pi轮中没有担任过簇头节点的集合,r表示当前循环进行的轮数,i表示第i节点,当簇头节点选择完后,对本节点将担任簇头的信息进行广播,普通节点便会根据信号的强弱选择合适的簇头节点进行入簇。
分布式能量有效分簇(DEEC)算法虽然能提高剩余能量较高节点担任簇头的可能性,但它仍然有以下几种缺点:①普通节点进行入簇选择的时候只是单纯的依据接收到的邻近簇头节点的信号强弱;②剩余能量较多的节点并不能重复担任簇头;③选择簇头时并没有考虑到备选簇头覆盖半径内节点的数量,考虑的因素有局限性。
针对DEEC算法的缺点,结合无线传感器网络在特殊环境中布置的特点以及要求,提出了一种考虑到根据位置因素和传输路径改进的WSN分簇路由方法LDEEC,其主要包含了两个方面:1)通过改变簇的范围,改进成簇机制;2)根据数据传输的距离以及能量因素共同确定节点的入簇机制(共同覆盖区域):
1)虽然整个网络是以多跳方式进行传输,但是节点距离基站的远近也直接影响着信息传输过程中能量的消耗。距离基站较近的簇头节点具有较重的路由任务,它们将会承担着转发距离基站较远的簇头传输过来数据的工作,能量消耗较大,而那些距离基站较远的簇头转发任务量少,能量消耗也就相应较少。因此便增大距离基站较远的簇头节点的覆盖半径,这样就会在距离基站较近的区域选举更多的簇头,从而均衡各节点的能量消耗。
网络中节点当选簇头的概率如式(3)所示,簇头节点到基站的距离记为d(i),则簇头i的数据接收覆盖半径R(i)为式(5):
式中:dmax和dmin分别表示簇头节点到基站最大和最小的信息传输距离,R0为预先定义的最大覆盖半径,c为0到1之间的常数,由式(5)可知,簇头的覆盖范围在(1-c)R0到R0之间变化;
节点i当选为簇头的概率为式(6):
担任簇头的节点会广播自身ID、覆盖半径以及自身的剩余能量,在此同时宣布自己成为簇头。
2)在通过以上方式将簇头节点选择完毕之后,接下来的工作就是剩余的普通节点将选择合理的簇头节点进行加入。由于DEEC算法中普通节点只是单纯的依据邻近簇头节点的信号强弱进行入簇,因此将簇头节点的剩余能量以及信息传递需要的距离共同考虑进入簇选择的过程中去,从而解决节点能量消耗不均衡的问题,从而引入倾向度概念。
步骤(4)中倾向度计算方法:倾向度的计算公式如下(7):
式中,Lstr(i)为节点i到基站的直线距离,LtoBS(i)为节点i通过簇头中继到达基站的距离,e为0到1之间的常数。
当普通节点接收到簇头节点的广播信息之后,如果只被一个簇头节点覆盖,就直接入簇;如果被两个或者两个以上簇头节点覆盖的节点就会选择倾向度高的簇头节点进行信息传输。
如图2所示,假设能够覆盖节点i的簇头节点有CH1、CH2,节点i距离CH125m,距离CH213m,CH1距离CH345m,CH3距离基站40m,CH2距离CH452m,CH4距离基站50m,所有节点的剩余能量均为0.3J,e为0.5。
则节点i选择CH1加入后的倾向度为:
则节点i选择CH2加入后的倾向度为:
因此,簇头节点1会是节点i更加倾向的选择,LDEEC算法流程如图3所示。
仿真结果及分析:在e=0.5的情况下,运用MATLAB仿真软件,对DEEC算法和LDEEC算法的运行进行仿真,并对两种算法进行性能上的比较,并针对新的节点入簇机制中的变量e的大小进行仿真,确定适应不同实验面积的e值。仿真参数如表1所示:
不同环境下的仿真:从图4中可以看到,在100m×100m的实验环境下,两种算法相比,DEEC算法和LDEEC算法出现首个死亡节点的时间分别为1130轮和1574轮,出现30%死亡节点的时间为第1474轮和第2321轮,分别延长了39%和57%。因此说明LDEEC算法可以在保证网络不崩溃的情况下很好的延长网络的生命周期。
表1仿真参数
参数 | 数值 |
E<sub>elec</sub> | 5nJ/bit |
E<sub>fs</sub> | 10pJ/(bit·m<sup>2</sup>) |
E<sub>mp</sub> | 0.0013pJ/(bit·m<sup>4</sup>) |
节点个数 | 100 |
E<sub>0</sub> | 0.5J |
传输数据 | 4000bit |
簇头比例 | 0.1 |
如图5、图6所示,虽然DEEC算法与LDEEC算法最后消耗的总能量相同,但LDEEC算法在整个网络崩溃之前能够传输的数据为232986bi t,这就说明,LDEEC算法能用更少的能量来传输更多的数据,在森林监测环境中能够传输更多有用的信息,比DEEC算法更加的节约能量。
如图7所示,LDEEC算法的节点能量方差一直低于DEEC算法,这也就说明,改进的算法中节点的能量消耗更加均衡。
最优倾向度的仿真:仿真表明,在不同的环境下,节点入簇时的最优倾向度也会不同。笔者对100m×100m和200m×200m的环境下,不同e值得倾向度变化进行仿真,仿真结果如图8、9所示。
由图8、9可知,由于是100个节点随机部署,所以节点在200m×200m环境中比在100m×100m环境中的分布距离更远,更多的节点将会采用多路径衰减方式传输数据,这样就会消耗更多的能量。因此节点在进行入簇选择时会更加倾向于具有更短传输路径的簇头节点,e的值就会更加偏向于1。
仿真结论:无线传感器网络技术广泛应用于森林火灾监测系统中,由于森林罕有人至,传感器节点分布相对均匀,不方便维护。因此以DEEC算法为基础,对其进行改进,提出了LDEEC算法。该算法根据簇头节点和基站的距离,优化了簇头的覆盖半径,其次根据簇头节点的剩余能量和数据传输路径引入了节点入簇的倾向度的概念,改进了普通节点的入簇机制。通过实验仿真与结果分析,LDEEC算法能够很好地均衡节点的能量消耗,延长整个网络的生命周期。
以上所述,仅是本发明的一个实施例而已,并非对本发明作任何形式上的限制,任何未脱离本发明技术方案内容,均仍属于本发明技术方案的范围内。
Claims (1)
1.一种分布式高能效的WSN分簇路由优化方法,其特征在于:该方法包括以下步骤:
(1)节点随机部署;
(2)根据阈值判断节点能否成为簇头;
(3)步骤(2)中节点若不能成为簇头,判断该节点是否被多个簇头节点覆盖;
(4)步骤(3)中节点若多个簇头节点被覆盖,则对该节点进行倾向度计算;
(5)将步骤(4)中倾向度最高的簇头节点加入进行信息传送;
步骤(2)中判断节点成为簇头的方法如下:
在无线传感器网络中,每个节点的剩余能量不同,节点担任簇头节点的概率如式(3)所示:
式中,popt为初始设置的簇头节点与普通节点数量的比值,Er(i)为节点i剩余的能量值,为r轮过后网络所有节点整体的平均剩余能量值,当选取簇头时,每个节点都会产生一个0至1之间的数值,若某节点的这个数值小于设定的阈值Ti,则此节点担任簇头,Ti的计算公式为式(4):
其中,G为最近1/pi轮中没有担任过簇头节点的集合,r表示当前循环进行的轮数,i表示第i节点,当簇头节点选择完后,对本节点将担任簇头的信息进行广播,普通节点便会根据信号的强弱选择合适的簇头节点进行入簇;
步骤(3)中判断节点被多个簇头节点覆盖的方法步骤如下:
簇头节点到基站的距离记为d(i),则簇头i的数据接收覆盖半径R(i)为式(5):
式中:dmax和dmin分别表示簇头节点到基站最大和最小的信息传输距离,R0为预先定义的最大覆盖半径,c为0到1之间的常数,由式(5)可知,簇头的覆盖范围在(1-c)R0到R0之间变化;
节点i当选为簇头的概率为式(6):
担任簇头的节点会广播自身ID、覆盖半径以及自身的剩余能量,在此同时宣布自己成为簇头;
步骤(4)中倾向度计算方法:倾向度的计算公式如下(7):
式中,Lstr(i)为节点i到基站的直线距离,LtoBS(i)为节点i通过簇头中继到达基站的距离,e为0到1之间的常数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810432459.7A CN108566664B (zh) | 2018-05-08 | 2018-05-08 | 一种分布式高能效的wsn分簇路由优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810432459.7A CN108566664B (zh) | 2018-05-08 | 2018-05-08 | 一种分布式高能效的wsn分簇路由优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108566664A CN108566664A (zh) | 2018-09-21 |
CN108566664B true CN108566664B (zh) | 2021-08-13 |
Family
ID=63537954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810432459.7A Active CN108566664B (zh) | 2018-05-08 | 2018-05-08 | 一种分布式高能效的wsn分簇路由优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108566664B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109343151B (zh) * | 2018-09-26 | 2021-08-13 | 南京溧水高新产业股权投资有限公司 | 一种实时的天气舒适度智能显示系统 |
CN109343152B (zh) * | 2018-09-27 | 2021-05-25 | 东莞幻鸟新材料有限公司 | 一种天气舒适度智能监测系统 |
CN110708735B (zh) * | 2019-10-11 | 2021-04-16 | 长春理工大学 | 异构认知无线传感器网络分簇路由方法 |
CN111586789A (zh) * | 2020-05-19 | 2020-08-25 | 北京理工大学 | 一种数据的传输方法、装置、计算机设备及存储介质 |
CN112492661B (zh) * | 2020-12-10 | 2022-04-15 | 中南民族大学 | 基于改进麻雀搜索算法的无线传感器网络分簇路由方法 |
CN113588001A (zh) * | 2021-08-12 | 2021-11-02 | 上海宏英智能科技股份有限公司 | 一种工程机械状态监测系统 |
CN115001537B (zh) * | 2022-06-02 | 2023-09-26 | 广东电网有限责任公司 | 一种基于分簇算法的载波通信系统的路由组网方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103209455A (zh) * | 2013-01-06 | 2013-07-17 | 南昌大学 | 一种基于节点位置信息的无线传感网路由方法 |
CN105898897A (zh) * | 2014-12-15 | 2016-08-24 | 江南大学 | 一种改进蚁群优化传感器网络簇头方法 |
CN106851596A (zh) * | 2017-01-10 | 2017-06-13 | 扬州大学 | 一种农业环境无线传感网的动态自组网方法 |
-
2018
- 2018-05-08 CN CN201810432459.7A patent/CN108566664B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108566664A (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108566664B (zh) | 一种分布式高能效的wsn分簇路由优化方法 | |
CN108712767B (zh) | 一种无线传感器网络中能耗均衡的簇间多跳路由控制方法 | |
CN107222900B (zh) | 一种基于动态链的无线传感器网络节点协作方法 | |
Liu et al. | An improved energy efficient unequal clustering algorithm of wireless sensor network | |
Zhang et al. | An improved routing protocol for raw data collection in multihop wireless sensor networks | |
Jiang et al. | An energy consumption optimized clustering algorithm for radar sensor networks based on an ant colony algorithm | |
Zheng et al. | An energy efficient clustering scheme with self-organized id assignment for wireless sensor networks | |
Alsultan et al. | Power aware routing protocols in wireless sensor network | |
Wang et al. | LUM-HEED: a location unaware, multi-hop routing protocol for underwater acoustic sensor networks | |
Feng et al. | Energy saving geographic routing in ad hoc wireless networks | |
Lu et al. | On distributed node sleep scheduling optimization method based on time switching of SWIPT | |
Singh et al. | Energy-efficient data gathering algorithms for improving lifetime of WSNs with heterogeneity and adjustable sensing range | |
Pramanick et al. | An energy-efficient routing protocol for wireless sensor networks | |
Zhang et al. | Energy-efficient routing protocol based on clustering and least spanning tree in wireless sensor networks | |
Mohammad et al. | Implementation of Multihop technique in DEC Protocol | |
Patil et al. | A theoretical review of topological organization for wireless sensor network | |
Chourse et al. | A review on energy efficient of clustering-based routing protocol in wireless sensor network | |
Mehrotra et al. | NSEEAR: A energy adaptive routing protocol for heterogeneous wireless sensor networks | |
Merzoug et al. | Cluster-based communication protocol for load-balancing in wireless sensor networks | |
Gao et al. | Fuzzy weight cluster-based routing algorithm for wireless sensor networks | |
Ge et al. | An adaptive energy efficient topology for wireless sensor networks | |
Haoran et al. | Research of inter-cluster multi-hop routing algorithm for wireless sensor networks | |
Beydoun et al. | WSN hierarchical routing protocol taxonomy | |
Dhivya et al. | A Review of Energy Efficient Protocols for Wireless Sensor Networks | |
Yetayih | Improvement of LEACH Protocol for Wireless Sensor Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |