李 龍，劉建明，李宏周，彭智勇

（1.桂林電子科技大學(xué)電子工程與自動(dòng)化學(xué)院，廣西桂林541004；2.桂林電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，廣西桂林541004）

0 引 言

無(wú)線傳感器網(wǎng)絡(luò)［1］是由大量隨機(jī)部署的傳感器節(jié)點(diǎn)通過(guò)無(wú)線電通信構(gòu)成的自組織網(wǎng)絡(luò)，目的是感知、監(jiān)測(cè)、采集和處理網(wǎng)絡(luò)覆蓋圍內(nèi)的相關(guān)環(huán)境參數(shù)，并最終傳遞給觀察者。網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)擁有的能量十分有限，因此，在不影響網(wǎng)絡(luò)整體功能的前提下，盡可能高效地利用節(jié)點(diǎn)的能量以最大限度延長(zhǎng)網(wǎng)絡(luò)的生存時(shí)間成為無(wú)線傳感器網(wǎng)絡(luò)設(shè)計(jì)中的核心問(wèn)題。為此，Wendi Rabiner Heinzelman等人在網(wǎng)絡(luò)路由層面提出了LEACH（low energy adaptive clustering hierarchy）算法［3，4］。

LEACH協(xié)議將整個(gè)網(wǎng)絡(luò)劃分為邏輯上的層次結(jié)構(gòu)，按功能將網(wǎng)絡(luò)中的節(jié)點(diǎn)區(qū)分為簇頭節(jié)點(diǎn)和普通節(jié)點(diǎn)。其基本思想是周期性地隨機(jī)選擇部分節(jié)點(diǎn)成為簇頭節(jié)點(diǎn)，負(fù)責(zé)收集其他節(jié)點(diǎn)發(fā)送的數(shù)據(jù)并與基站通信；其他普通節(jié)點(diǎn)按照通信距離的遠(yuǎn)近選擇較近的簇頭節(jié)點(diǎn)入簇，并在自己所屬的時(shí)間片內(nèi)將收集到的數(shù)據(jù)直接發(fā)送給本簇的簇頭。由于簇頭節(jié)點(diǎn)需要收集本簇內(nèi)所有節(jié)點(diǎn)的數(shù)據(jù)，并進(jìn)行數(shù)據(jù)融合以及發(fā)送給基站，使得此類(lèi)節(jié)點(diǎn)的能耗較大、更容易死亡，因此在具體選擇簇頭的過(guò)程中應(yīng)該充分考慮這一現(xiàn)象，力求將整個(gè)網(wǎng)絡(luò)的能量消耗盡可能平均地分配到每個(gè)傳感器節(jié)點(diǎn)，從而達(dá)到降低網(wǎng)絡(luò)能源消耗、提高網(wǎng)絡(luò)整體生存時(shí)間的目的。本文以LEACH協(xié)議為基礎(chǔ)，提出了一種新的簇頭選擇算法，該算法在選舉簇頭的過(guò)程中考慮所有節(jié)點(diǎn)的剩余能量分布情況，并根據(jù)節(jié)點(diǎn)自身剩余能量將節(jié)點(diǎn)歸類(lèi)，不同類(lèi)別的節(jié)點(diǎn)擁有不同的閾值T（n），即當(dāng)選為本輪簇頭節(jié)點(diǎn)的概率不同，最終使得網(wǎng)絡(luò)中所有節(jié)點(diǎn)的能耗更加均衡?；贜S2的仿真結(jié)果表明，該算法可以更好平衡網(wǎng)絡(luò)中各節(jié)點(diǎn)的能量消耗，在延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間、提高網(wǎng)絡(luò)數(shù)據(jù)吞吐量等方面都有比較好的表現(xiàn)。

1 LEACH路由協(xié)議

1.1 網(wǎng)絡(luò)模型

按照節(jié)點(diǎn)的功能不同，LEACH協(xié)議將構(gòu)成整個(gè)網(wǎng)絡(luò)的節(jié)點(diǎn)分為3類(lèi):簇頭節(jié)點(diǎn)、簇內(nèi)節(jié)點(diǎn)、基站節(jié)點(diǎn)。其網(wǎng)絡(luò)模型如圖1所示，其中各種節(jié)點(diǎn)的詳細(xì)屬性設(shè)定如下［4，6］:

（1）基站節(jié)點(diǎn)的位置固定，原理監(jiān)測(cè)區(qū)域，并且具有充足的能量供應(yīng)，即研究中不考慮基站的能量消耗；

（2）除基站節(jié)點(diǎn)外，其他節(jié)點(diǎn)具有完全相同的物理結(jié)構(gòu)、初始能量，并且能量供應(yīng)有限；

（3）所有節(jié)點(diǎn)隨機(jī)分布在監(jiān)測(cè)區(qū)域內(nèi)，并且節(jié)點(diǎn)是靜止的；

（4）節(jié)點(diǎn)可感知自身的剩余能量；

（5）節(jié)點(diǎn)總是有數(shù)據(jù)要發(fā)送；

（6）相鄰節(jié)點(diǎn)收集到的數(shù)據(jù)具有相似性，可以通過(guò)數(shù)據(jù)融合減少通信量；

（7）網(wǎng)絡(luò)中的所有節(jié)點(diǎn)可以相互通信，且都使用單跳通信。

1.2 無(wú)線通信能耗模型

本文中在計(jì)算節(jié)點(diǎn)能耗的時(shí)候，使用的是文獻(xiàn)［4］中提供的無(wú)線通信能耗模型，即一階無(wú)線電模型，如圖2所示。

圖1 LEACH協(xié)議網(wǎng)絡(luò)模型

圖2 一階無(wú)線電模型

該模型中，數(shù)據(jù)發(fā)送端節(jié)點(diǎn)的能耗包含發(fā)送電路能耗、放大電路能耗，數(shù)據(jù)接收端節(jié)點(diǎn)的能耗只包含接收電路能耗。

本文中設(shè)定發(fā)送電路以及接收電路的能耗為Eelec＝50nJ/bit，放大電路的能耗為εamp＝100pJ/bit/m2。

據(jù)此便可求得數(shù)據(jù)發(fā)送端節(jié)點(diǎn)的能耗為ETx（k，d）＝Eelec＊k＋εamp＊k＊d2；數(shù)據(jù)接收端節(jié)點(diǎn)的能耗為ERx（k）＝Eelec＊k。

其中，k為節(jié)點(diǎn)間傳送的數(shù)據(jù)量，單位為bit；d為節(jié)點(diǎn)間通信距離。相較于數(shù)據(jù)發(fā)送、接收時(shí)的能耗，節(jié)點(diǎn)在閑置、休眠時(shí)的能耗可以忽略不計(jì)。

1.3 工作流程

LEACH協(xié)議定義了“輪（round）”的概念來(lái)細(xì)化網(wǎng)絡(luò)的工作流程，如圖3所示，一輪包括簇的生成和數(shù)據(jù)傳輸兩個(gè)階段［4］。

在簇的生成階段，每個(gè)節(jié)點(diǎn)自主選擇是否成為當(dāng)前輪的簇頭，若成為簇頭則通過(guò)CSMA MAC協(xié)議以相同的傳輸能量向整個(gè)網(wǎng)絡(luò)廣播自己成為簇頭的消息；其他非簇頭節(jié)點(diǎn)根據(jù)接收到的多個(gè)廣播消息的強(qiáng)度來(lái)決定加入哪個(gè)簇，并通過(guò)CSMA MAC協(xié)議將自己加入該簇的信息報(bào)告給相應(yīng)的簇頭；簇頭節(jié)點(diǎn)收到所有的非簇頭節(jié)點(diǎn)想要加入該簇的信息后，基于本簇內(nèi)加入的節(jié)點(diǎn)數(shù)目創(chuàng)建TDMA調(diào)度，并通知簇內(nèi)節(jié)點(diǎn)。在數(shù)據(jù)傳輸階段，簇內(nèi)節(jié)點(diǎn)在分配好的時(shí)隙內(nèi)把采集到的數(shù)據(jù)發(fā)送給簇頭，簇頭對(duì)收集到的數(shù)據(jù)進(jìn)行融合、壓縮后轉(zhuǎn)發(fā)至基站節(jié)點(diǎn)。

圖3 LEACH協(xié)議的工作流程

為提高能量的利用效率，減少頻繁分簇帶來(lái)的能量消耗以及信息傳遞的延時(shí)，每一輪中的數(shù)據(jù)傳輸階段要遠(yuǎn)遠(yuǎn)長(zhǎng)于簇的生成階段。

從LEACH協(xié)議的工作流程我們也可以看出，在每一輪中，只有在簇的生成階段選擇合適的簇頭，并以簇為單位對(duì)網(wǎng)絡(luò)進(jìn)行合理的分割，才能在接下來(lái)的數(shù)據(jù)傳輸階段提高網(wǎng)絡(luò)的整體效率，并最終延長(zhǎng)網(wǎng)絡(luò)的生存時(shí)間。

2 隨機(jī)簇頭選擇算法

在LEACH協(xié)議中提供了一種簇頭節(jié)點(diǎn)的選取原則:在簇的生成階段，每個(gè)節(jié)點(diǎn)都擁有閾值T（n），同時(shí)會(huì)生成一個(gè)（0，1）之間的隨機(jī)數(shù)，如果該隨機(jī)數(shù)小于閾值T（n），則該節(jié)點(diǎn)當(dāng)選為本輪中的簇頭。節(jié)點(diǎn)閾值T（n）的計(jì)算公式如下

其中，p是期望的簇頭數(shù)在所有節(jié)點(diǎn)中占的百分比，r是輪數(shù)，G是最近1/p輪中未當(dāng)選過(guò)簇頭的節(jié)點(diǎn)集合。

關(guān)于LEACH協(xié)議中的簇頭選擇算法，科研人員已經(jīng)進(jìn)行了許多探索，在文獻(xiàn)［5］中提出了一種基于節(jié)點(diǎn)剩余能量的簇頭選擇算法，該算法更改了簇頭選擇過(guò)程中的節(jié)點(diǎn)閾值T（n）的計(jì)算方法，添加了乘性因子E＿current/E＿max，得出新的計(jì)算公式

其中，E＿current是當(dāng)前節(jié)點(diǎn)的剩余能量，E＿max是當(dāng)前網(wǎng)絡(luò)中節(jié)點(diǎn)剩余能量的最大值，p、r、G的含義與前面相同。

顯而易見(jiàn)，上述式（2）中之所以添加乘性因子E＿current/E＿max，是將所有節(jié)點(diǎn)的剩余能量默認(rèn)為服從線性分布，目的是使得剩余能量大的節(jié)點(diǎn)，有更大的概率當(dāng)選為本輪簇頭。但是通過(guò)仿真可以發(fā)現(xiàn)，某一時(shí)刻網(wǎng)絡(luò)中所有節(jié)點(diǎn)的剩余能量之間沒(méi)有必然的規(guī)律（如圖4所示），可視為隨機(jī)分布，在這種情況下，若求取閾值的過(guò)程中只考慮兩個(gè)節(jié)點(diǎn)的剩余能量E＿current、E＿max不足以體現(xiàn)整個(gè)網(wǎng)絡(luò)的能耗情況，節(jié)點(diǎn)間能量消耗的均衡性不夠理想。

圖4 節(jié)點(diǎn)剩余能量分布

3 基于節(jié)點(diǎn)剩余能量分布的簇頭選擇算法

為更好的解決上面提到的問(wèn)題，使得節(jié)點(diǎn)間的能量消耗更加均衡，本文在充分考慮節(jié)點(diǎn)剩余能量的分布的情況下，結(jié)合節(jié)點(diǎn)自身的剩余能量情況，提出基于節(jié)點(diǎn)剩余能量分布的簇頭選擇算法。

網(wǎng)絡(luò)運(yùn)行過(guò)程中，LEACH協(xié)議會(huì)周期性地、不間斷地進(jìn)行簇頭的選擇，同樣的，新算法也會(huì)周期性地要求基站進(jìn)行以下工作:收集網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的剩余能量信息、求取剩余能量平均值E＿average，并統(tǒng)計(jì)剩余能量高于該平均值的節(jié)點(diǎn)的數(shù)量num＿HaveMoreEnergy，此類(lèi)節(jié)點(diǎn)被視為高能量節(jié)點(diǎn)，反之視為低能量節(jié)點(diǎn)；在統(tǒng)計(jì)完成后，基站會(huì)將統(tǒng)計(jì)結(jié)果面向全網(wǎng)廣播，其中統(tǒng)計(jì)信息中含有以下數(shù)據(jù):所有節(jié)點(diǎn)的平均剩余能量、高能量節(jié)點(diǎn)數(shù)、理想簇頭數(shù)等。

新算法的核心思想就是基站周期性地收集網(wǎng)絡(luò)的剩余能量情況并獲得統(tǒng)計(jì)信息，若統(tǒng)計(jì)信息中高能量節(jié)點(diǎn)的數(shù)量大于理想簇頭節(jié)點(diǎn)數(shù)num＿clusters，則簇頭節(jié)點(diǎn)全部從高能量節(jié)點(diǎn)中選出，否則，num＿HaveMoreEnergy個(gè)高能量節(jié)點(diǎn)全部擔(dān)任簇頭，有（num＿clusters－num＿HaveMoreEnergy）個(gè)簇頭節(jié)點(diǎn)按照某一特定概率從低能量節(jié)點(diǎn)中選出。

對(duì)于每一個(gè)節(jié)點(diǎn)來(lái)說(shuō)，該節(jié)點(diǎn)接收來(lái)自基站的數(shù)據(jù)廣播，判斷網(wǎng)絡(luò)整體能耗情況并結(jié)合自身剩余能量情況生成閾值T（n），然后與隨機(jī)數(shù)RandomRange｛0 1｝相比較，判定自身是否擔(dān)任本輪中的簇頭，圖5為該簇頭選擇算法的具體流程圖。

圖5中T（n）＿式（1）的具體公式為

圖5中T（n）＿式（2）的具體公式為

圖5 流程

4 仿真分析與比較

4.1 仿真參數(shù)設(shè)置

為了評(píng)估本文中提出的簇頭選擇算法的合理性以及有效性，并在節(jié)點(diǎn)能量消耗、網(wǎng)絡(luò)數(shù)據(jù)吞吐量以及網(wǎng)絡(luò)存活時(shí)間等方面與其他研究人員提出的簇頭選擇算法相比較，本文以NS2為仿真平臺(tái)分別對(duì)LEACH中的簇頭選擇算法、文獻(xiàn)［5］中提出的簇頭選擇算法、本文中提出的基于節(jié)點(diǎn)剩余能量分布的簇頭選擇算法進(jìn)行數(shù)十次仿真，并對(duì)仿真結(jié)果進(jìn)行分析比較。仿真場(chǎng)景中詳細(xì)的參數(shù)設(shè)置見(jiàn)表1。

表1 仿真參數(shù)設(shè)置

4.2 仿真結(jié)果

本文基于相同的仿真場(chǎng)景，分別對(duì)前文中提到的3種簇頭選擇算法進(jìn)行了仿真。仿真主要對(duì)比了將不同的簇頭選擇算法應(yīng)用到WSN時(shí)，網(wǎng)絡(luò)在生存時(shí)間、數(shù)據(jù)吞吐量、節(jié)點(diǎn)生存時(shí)間、節(jié)點(diǎn)平均能耗等多個(gè)方面的表現(xiàn)。

4.2.1 網(wǎng)絡(luò)生存時(shí)間

由于節(jié)點(diǎn)能量受限，網(wǎng)絡(luò)生存時(shí)間成為衡量該網(wǎng)絡(luò)性能的指標(biāo)之一。為此，本文分別對(duì)應(yīng)用不用簇頭選擇算法的網(wǎng)絡(luò)進(jìn)行10次仿真，并對(duì)仿真數(shù)據(jù)進(jìn)行綜合分析，得出圖6中的仿真結(jié)果對(duì)比圖。

在仿真的過(guò)程中，如果存活節(jié)點(diǎn)的數(shù)量小于理想簇頭節(jié)點(diǎn)數(shù)，即認(rèn)為網(wǎng)絡(luò)死亡，仿真結(jié)束。當(dāng)網(wǎng)絡(luò)中分別應(yīng)用LEACH協(xié)議中的簇頭選擇算法（式（1））、文獻(xiàn)［5］中介紹的簇頭選擇算法（式（2））、本文中提出的基于節(jié)點(diǎn)剩余能量分布的簇頭選擇算法時(shí)（圖5），網(wǎng)絡(luò)生存時(shí)間的平均值分別為551s、608s、653s，可見(jiàn)本文中提出的新算法在提高網(wǎng)絡(luò)的生存時(shí)間方面有比較大的優(yōu)勢(shì)。

4.2.2 存活節(jié)點(diǎn)數(shù)

圖7中繪制的是10次仿真過(guò)程中首個(gè)死亡節(jié)點(diǎn)的出現(xiàn)時(shí)間對(duì)比圖。圖8為10次仿真過(guò)程中節(jié)點(diǎn)平均存活數(shù)。從圖7中的仿真結(jié)果得出，分別將3種不同的簇頭選擇算法（排序同上）應(yīng)用到網(wǎng)絡(luò)中的時(shí)候，首個(gè)死亡節(jié)點(diǎn)出現(xiàn)時(shí)間的平均值分別為370s，400s，410s。從圖8可以看出，若網(wǎng)絡(luò)在簇頭選擇過(guò)程中使用本文中提出的新算法，其存活節(jié)點(diǎn)數(shù)在整個(gè)網(wǎng)絡(luò)的生存時(shí)間內(nèi)都明顯高于應(yīng)用其他簇頭選擇算法的網(wǎng)絡(luò)。

4.2.3 節(jié)點(diǎn)的平均能耗

隨著仿真過(guò)程的進(jìn)行，節(jié)點(diǎn)的能耗不斷增加，若能耗大魚(yú)2J，則節(jié)點(diǎn)死亡。圖9中繪制的是整個(gè)仿真過(guò)程中，隨著網(wǎng)絡(luò)運(yùn)行時(shí)間不斷加長(zhǎng)，所有節(jié)點(diǎn)的平均能耗情況。從圖中可見(jiàn)，由于應(yīng)用了新的簇頭選擇算法，網(wǎng)絡(luò)中節(jié)點(diǎn)的平均能耗明顯降低，能量利用更加均衡合理，相應(yīng)地延長(zhǎng)了網(wǎng)絡(luò)的生存時(shí)間。

4.2.4 網(wǎng)絡(luò)數(shù)據(jù)吞吐量

本文不僅在網(wǎng)絡(luò)生存時(shí)間、節(jié)點(diǎn)能耗方面對(duì)新的簇頭選擇算法進(jìn)行了分析，還對(duì)比了在應(yīng)用不同分簇算法時(shí)網(wǎng)絡(luò)的數(shù)據(jù)吞吐量，如圖10所示。本文中統(tǒng)計(jì)的數(shù)據(jù)吞吐量是在網(wǎng)絡(luò)死亡后，基站節(jié)點(diǎn)所成功接收到的全部數(shù)據(jù)量。分別對(duì)應(yīng)用不同簇頭選擇算法（排序同上）的網(wǎng)絡(luò)進(jìn)行10次仿真，得出網(wǎng)絡(luò)數(shù)據(jù)吞吐量的平均值分別為44720bit、45960bit、47420bit。顯而易見(jiàn)，本文中提出的簇頭選擇算法在提高網(wǎng)絡(luò)的數(shù)據(jù)吞吐量方面表現(xiàn)尤為突出。

圖7 首個(gè)死亡節(jié)點(diǎn)的出現(xiàn)時(shí)間

圖8 存活節(jié)點(diǎn)數(shù)

圖9 所有節(jié)點(diǎn)的平均能耗

圖10 網(wǎng)絡(luò)數(shù)據(jù)吞吐量

綜合以上仿真結(jié)果可見(jiàn)，相比于其他的簇頭選擇算法，本文中提出的基于節(jié)點(diǎn)剩余能量分布的簇頭選擇算法在平衡節(jié)點(diǎn)能耗、延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間、提高網(wǎng)絡(luò)數(shù)據(jù)吞吐量多個(gè)方面都有比較大優(yōu)勢(shì)。

5 結(jié)束語(yǔ)

本文中提出了一種基于節(jié)點(diǎn)剩余能量分布的簇頭選擇算法，并使用NS2仿真軟件對(duì)該算法進(jìn)行了驗(yàn)證，通過(guò)仿真數(shù)據(jù)可以發(fā)現(xiàn)，相比于其他簇頭選擇算法，該算法可以更好平衡網(wǎng)絡(luò)中節(jié)點(diǎn)的能量消耗，在延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間、提高網(wǎng)絡(luò)數(shù)據(jù)吞吐量等方面都有比較好的表現(xiàn)，與仿真前的設(shè)想一致。

不可忽略的是，該算法的實(shí)現(xiàn)需要節(jié)點(diǎn)周期性地獲取自身的剩余能量并上傳到基站，基站統(tǒng)計(jì)分析全局的能量信息之后再?gòu)V播給所有節(jié)點(diǎn)，這會(huì)增加網(wǎng)絡(luò)中控制信息的發(fā)送量，給數(shù)據(jù)的傳遞帶來(lái)延時(shí)，這是接下來(lái)需要進(jìn)一步改進(jìn)的地方。除此之外，LEACH協(xié)議在其他方面還需進(jìn)一步研究，例如，簇頭的分布位置不合理、簇的規(guī)模不均勻等。

［1］Liu X.A survey on clustering routing protocols in wireless sensor networks［J］.Sensors，2012（12）:11113－11153.

［2］Meenakshi Sharma，Kalpana Sharma.An energy efficient extended LEACH（EEELEACH）［C］//International Conference on Communication Systems and Network Technologies，2012:377－382.

［3］ZHANG Yabin.Research on layered－clustering routing and simulation platform for underwater sensor network［D］.Guilin:Guilin University of Electronic Technology，2012（in Chinese）.［張亞斌.水下傳感器網(wǎng)絡(luò)分層－分簇路由與仿真平臺(tái)研究［D］.桂林:桂林電子科技大學(xué)，2012.］

［4］DAI Sisi，TANG Junhua，ZHANG Aixin.Gossiping－based directed diffusion for wireless sensor network［J］.China Infor－mation Security，2010（4）:45－49（in Chinese）.［戴思思，唐俊華，張愛(ài)新.基于Gossip算法的定向擴(kuò)散協(xié)議研究［J］.信息安全與通信保密，2010（4）:45－49.］

［5］HUANG Jiayi，CHENG Lianglun.Balanced energy clustering algorithm of WSN which cluster region were adjusted adaptively［J］.Application Research of Computers，2012（29）:4276－4279（in Chinese）.［黃加異，程良倫.一種聚類(lèi)區(qū)域自適應(yīng)調(diào)整的WSN能耗均衡分簇算法［J］.計(jì)算機(jī)應(yīng)用研究，2012（29）:4276－4279.］

［6］Hyunsook Kim.Cluster head selection scheme for minimizing the changes of the cluster members considering mobility in mobile wireless sensor networks［C］//ICACT，2013.

［7］Deng S，Li J，Shen L.Mobility－based clustering protocol for wireless sensor networks with mobile nodes［J］.Wireless Sensor Systems，2011（1）:39－47.

［8］Andrey K，Ahmed S.Prediction－based clustering algorithm for mobile wireless sensor networks［C］//International Conference on Advanced Communication Technology.Phoenix Park，2012:1209－1215.

［9］YANG Ming，XU Ruichen，JIANG Ting.A cluster head selection mechanism based on historical information［J］.Communications Technology，2011，44（11）:97－99（in Chinese）.［楊明，許瑞琛，蔣挺.一種基于歷史信息的簇頭選取機(jī)制［J］.通信技術(shù)，2011，44（11）:97－99.］

［10］HUANG Tao，YANG Ning，ZHANG Zhijiang，et al.Analysis and simulation of LEACH and its evolution routing protocols［J］.Radio Communications Technology，2009（35）:4－7（in Chinese）.［黃韜，楊寧，張智江，等.LEACH及其演進(jìn)路由協(xié)議分析與仿真［J］.無(wú)線電通信技術(shù)，2009（35）:4－7.］

［11］Asaduzzaman，Hyung Yun Kong.Energy efficient cooperative LEACH protocol for wireless sensor networks［J］.Journal of Communications and Networks，2012，12（4）:358－365.

［12］TIAN Wei，YANG Zhen.Research on WSN geographic routing algorithm［J］.China Communications，2010，7（3）:153－157（in Chinese）.［田煒，楊震.WSN地理位置路由算法研究［J］.中國(guó)通信，2010，7（3）:153－157.］