基于均匀线的异构无线传感器网络多应用

沙特国王大学学报LUET：一种基于均匀线的异构无线传感器网络多应用Tanvi Sood，Kanika Sharma电子与通信工程，NITTTR，旁遮普大学，160019，印度阿提奇莱因福奥文章历史记录：收到2020年2020年8月27日修订2020年9月27日接受2020年10月8日网上发售保留字：指标词分簇节能异构网络寿命估计WSNA B S T R A C T多个应用场景的节能资源优化需要适当的基于聚类的网络分割，巧妙地消除不平衡的网络连接，这是一个刺激的瓶颈，在无线传感器网络的性能。本文提出了一种新的基于均匀连通性的分簇协议，称为基于均匀线的增强阈值（LUET），以提供能量有效的覆盖在三层异构无线传感器网络。该协议考虑了节点 本文还提出了一种基于旋转历元的LUET变体（LUET| R），其包含用于初始聚类回合的静态时期，直到第一节点死亡，以克服第一节点死亡后的快速下降。仿真模型表明，LUET及其改进协议在网络生存时间、功耗、网络死亡率、平均孤立节点数、吞吐量等方面均优于©2020作者由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍随着微型传感器、超大规模集成电路和无线通信技术的发展，一种新型的网络 -- 无线传感器网络（ Wireless Sensor Network ，WSN）应运而生。随着其在环境、家庭、医疗保健、LoC渗透检测、工业过程控制、幼儿园等领域的应用，出现了许多技术问题，这些问题成为研究人员的主要焦点（Ayaz等人，2018年）。用于环路监控、监视系统、数据采集系统的工业无线传感器网络（IWSNs）保证了有效的网络连接（Han等人，2017年），而IWSNs安全系统，工业警报系统帮助警报即时事件（反馈），以最小的延迟中央警戒单位（Gungor和Hancke，2009年）。WSN还冒险进入物联网（IoT），实现了动态和强大的范例（Salem和Shudifat，2019）。大型开放空间监测系统，适用于精密*通讯作者。电子邮件地址：ece. gmail.com（T.Sood），kanikasharma80@yahoo. com（K.Sharma）。沙特国王大学负责同行审查农业、环境监测等。由于高节点数量（Rajput和Kumaravelu，2019）有助于实现物联网WSN的自主节能弹性特征、动态网络规模、能量异构性、服务质量允许其主导物联网框架的数据收集任务以获得更长的寿命（Thangaramya等人，2019;Behera等人，2019年）的报告。大数据时代的环境监测需求日益增长，面临着高数据相关性的密集部署，已成为最具挑战性的研究课题之一。这需要基于压缩的战略机制来延长寿命（Harb和Makhoul，2019）。然而，由基站（BS）管理的大量节点不能被再充电，并且因此，它们保持资源受限。这种资源限制使得节能成为WSN中的主要挑战（Gong等人，2012年）。大规模部署中的节点倾向于选择多跳通信以获得更高的效率，这无意中导致了额外的开销，从而 导 致 集 群 避 免 了 空 间 相 关 的 感 知 数 据 远 距 离 传 输 （ Nayak 和Vathasavai，2017）。因此，集群场景&由于去除了数据冗余而节省了大规模WSN中的能量带宽资源（Chidean等人，2015年）。然而，其主要焦点是最佳簇头（CH）选择（Shankar等人，2017; Kulkarni等人，2019年）或节能路由到BS（Sarkar和Senthil Murugan，2019年;Vijayalakshmi和Anandan，2019年）。这些算法中的主要挑战是对高效网络连接的最小保证https://doi.org/10.1016/j.jksuci.2020.09.0161319-1578/©2020作者。由爱思唯尔公司出版代表沙特国王大学这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comT. Sood和K. Sharma沙特国王大学学报417810它们的随机CH估计导致集中的CH密度，从而导致覆盖重叠，并因此导致巨大的孤立节点计数（EIN）。在不考虑地理分布的情况下，在可能的长距离上的直接/多跳BS通信导致早期网络衰减，从而导致集群协议中的研究转移（Zeng等人，2019年; Chen等人， 2019年）的报告。新的研究需要通过重新配置CH选择方案以实现区域覆盖最大化和更好的网络连接来适应网络中的动态场景。本文提出了一种新的分簇协议LUET，它引入了一种新的思想，线的均匀性，LoU为基础的CH选择方案的三层异构无线传感器网络。LUET的主要贡献如下。CH选择方案依赖于LoU，LoU对角地穿过网络区域并实现更好的网络覆盖。沿LoU递减的CH的均匀选择满足IWSN应用场景的连接性要求。第一种LUET变体，LUET| C使用算术压缩来压缩数据包。它满足了周期性实时大数据收集模型的要求，因为它提高了无线传感器网络第二LUET变量取决于旋转时期（LUET| R），其在相同集群中重新站立先前选择的集群成员（CM）用于CH角色，直到第一节点死亡（FND）。这一时期最大限度地减少了CH旋转过程中的能量消耗，同时也提高了FND后的生活节奏。用于精准农业的基于周期监测的密集系统利用LUET| R以有效地维持更长的寿命。第三种LUET变体|RC使用历元压缩变量来克服基于IoT的应用中的早期能量耗尽。仿真结果分析了不同基站位置对网络性能的影响其余的论文如下。第2节详细阐述了现有的文献，解释了能源效率的异构设置为基础的CH选择方案，未能监督无线传感器网络第3节介绍了无线传感器网络第4节描述了所提出的方法，而第5节讨论了其基于模拟结果的分析。最后，第6节结束了工作。2. 相关工作LEACH引入了观察概率CH选择的聚类方法。每个LEACH轮从概率选择的CH候选者中选出最终CH，这些CH候选者将自己与具有高接收信号强度（RSS）的相邻节点相关联。虽然LEACH通过缩短节点与基站之间的距离避免了过多的能量消耗，但实际场景要求异构性，这导致许多基于分簇的能量异构协议。SEP（Smaragdakis等人， 2004年）/EEHC（Kumar等人，2009）分别引入了LEACH中的2级/3级能量异质性。SEP、EEHC使用基于初始能量可变性的加权选择概率Pnrm1、Padv2和Pnrm、Padv、Padv3，而不是Pi4用于CH选择。SEP也介绍了无线传感器网络的子时代然而，SEP，EEHC观察到非-节点之间均匀且非动态的CH角色分布导致正常节点的早期衰减。DEEC（Qing等人，2006年），EDEEC（Saini和Sharma，2010年）坚持这些缺点，并介绍了1个正常节点的加权概率（范数）2高级节点的加权概率（adv）3超级高级节点的加权概率（super）4任意第i个节点的最优概率在门限函数Popt中引入能量参数E，T_n使得多级异构无线传感器网络中CH选择是动态的，其中，剩余功率与平均功率之比定义了E。DEEC，EDEEC需要估计平均能量以获得动态网络的然而，这种动态的性质和对E依赖性导致adv 的历元比范数更高，这导致adv的早期衰减。EDDEEC（Javaid等人， 2013年）推出阈值剩余能量，Thres1/47E初始，其为所有节点设置能量的使用限制，直到切换回Pi。MED-BS聚类算法（Guiloufi等人，2013年）为WSN传感器引入了能量感知移动模型，该模型成功地构建了一个稳定的模型，以支持可扩展性，而不会过度使用集群重建阶段。然而，它基于能量效率参数的寿命改善。GEEC协议为CH选择提供了一个博弈模型，同时实现了寿命扩展和能量然而，由于它没有考虑传感器在野外的地理位置，它没有为热点问题和少数位置的高CH密度提供解决方案。hetDEEC（Singh等人，2017）克服了现有工作中观察到的静态n级能量异质性，并通过使用H参数引入了支持1级、2级和3级异质性的模型。ATEER（Singh和Verma，2017年）利用EDEEC的Pnrm;Padv;Psadv进行设置阶段APTEEN，用于稳态阶段的群集内通信，以限制传输不必要的感测包。一种改进的基于LEACH的聚类算法ILEACH（Wu等人，2017）不仅改进了SEP的阈值函数T_n，利用P_nrm和P_ad_v，还引入了数据融合率。一种改进的SEP方案，P-SEP（Naranjo等人， 2017年），推出了一个新的CH选择一个pol-冰，以延长稳定期均匀分布的雾支持的无线传感器网络。两层异构设置也使这些无线传感器网络的时间间隔延长。在（Lin和Wang，2019）中提出的ECGD使用双CH机制和非合作博弈模型来减少能量开销，同时平衡能量消耗。在（Wang等人，2019年）有效缓解了热点问题，并引入了除CH之外的备用CH，以减少由于迭代CH旋转而导致的能量使用。然而，这个框架并没有表现出它对网络异构性的影响，这是不同应用场景的时代需求。基于异构设置的聚类算法为了更好的效率而不断发展，如从表1中可以观察到的。然而，他们并没有关注网络连接性差、数据冗余和网络死亡速度的快速变化。这些算法继承了LEACH算法的聚类思想，但CH的选择与节点的地理位置和剩余能量无关。该随机选择过程后来也基于节点的剩余能量和/或其与任何实体（主要是BS）的距离。这种选择过程导致具有较高剩余能量和/或与对象的距离较小的节点具有较高的被选为CH的概率。然而，它们未能在网络中显示出均匀的连接覆盖。因此，系统观察到CH覆盖不均匀的可能性很高。这里，术语CH覆盖意味着所有节点都被连接连接到至少一个CH，以在整个WSN中实现统一连接。 在存在非均匀连接性的网络中，未连接的节点不具有转发器节点来将数据推进到BS，这使得它们具有直接的单跳通信。然而，任何两个通信实体的能量消耗随着平方而变化对于在通信范围内的实体，将其作为距离的四次方，或者对于在彼此范围之外的实体，将其作为可达范围的四次方。因此，更大比例的远距离不连通节点导致更高的能量消耗。因此，一个网络应该符合较小的孤立节点的比例，更好的连通性相对最小化的能量消耗。●●●●●●T. Sood和K. Sharma沙特国王大学学报41798CM废石墨ð×Þ我的朋友Amp---þAgr我的天T;ÞþR小姐？ð我的朋友ð1ðii;2ð我的天p2表1调查聚类算法。算法n能级异质性与寿命相比，（%）4.拟议方法LUET及其变体证明了均匀覆盖对三层异构无线传感器网络效率的影响，并克服了其他短覆盖问题。SEP 2-水平LEACH 8EEHC2级LEACH 10DEEC3级SEP 15EDEEC3级SEP 46.34DDEEC3级DEEC 15第二中提到的。在LUET检查CH-合格性的必要程序与SEP相似，除了考虑剩余能量外，还考虑地理节点分布的EDDEEC三级DEEC，EDEEC，DDEEC3. 初步注释3.1. 假设七十七点一九分、二十六点七一分、十九点九分4.1. 基于均匀线的增强阈值（LUET）LUET利用地理节点分布来服务LoU概念。穿过WSN中心的两条对角线，其边界构成矩形/正方形，被称为LoU。CH分布沿LoU提供更好的网络连接在所有的WSN象限，如图所示。 4.1. 表2显示了CH-第一轮LUET配置的WSN的坐标LUET开始于使用方程计算LoU方程（3）和（4）。LoU1：斜率1μxμ-yμc1¼0μ 3μ拟议的网络模型遵循一些基本假设。在随机部署之后，所有节点在位置上是静态的（知道它们的位置和WSN维度），能量是异构的，由它们的唯一ID标识。● 节点由单个静态BS管理（不受任何约束）LoU2：斜率2x-yc2¼04c1c2是等式中的实常数（3）和（4）。斜率i（斜率1或斜率2）定义具有非零值的LoU（5）对于端点坐标为（xd1;yd1），（xd2;yd2）的直线.如果LUET使用10M × M×N网络，则WSN的LoU方程为x-y1/4 0和x-y-M 1/4 0，如图所示。 4.2.y-Y可以在场内也可以在场内斜率i¼d2d 1ð5Þ能量耗尽被认为是节点故障的唯一潜在原因一个节点持有聚合能力，允许它压缩成一个有用的数据包几个数据包。● RSS允许相对距离估计。3.2. 无线电能量模型能量消耗WSN-model随w.r.t.信道模型，由节点Ni选择，允许节点计算xd2-xd1在LUET中，N i被选择用于CH角色的机会与其与LoU的接近度相关联，因此，其在继续进行设置阶段（SUS）和稳态阶段（SSS）之前计算距离因子（DF N i）。到LoU的接近度由N i的最小距离d min？Ni（8）当N i m为任意坐标时，即Ni m为任意坐标时，N im为任意坐标。e. [（x1;y1）.（x i;y i）.. . （xN;yN）]。 具有较小距离的Ni（DjNij）1; 2，等式（6）和（7））定义了其邻近性。我在哪里？Ni增强了Ni成为C H的机会有助于DFN的计算，如等式所示（九）、在其生命周期中消耗的能量。N i中消耗的总能量（E消耗量为<$N i <$） 在使用电子电路进行（E），放大感测的L位数据（E），DNw：r：t：L我jxip-yijð6Þ这个数据（EAgg rNi）和通信它（ET.L;dn1我;ERL）over1ffi2ffiffi距离，d在等式中给出。（一）.ENE。CM n dnE NE L d E LD2Niw：r：t：LoU21/4jxi-Mjð7Þ1/2升。P.CMn;dnEAggrNi1dNmin DND N83.3. 异构网络模型DFN 联系我们ð9Þ我是敏？ðNiÞ假设N个节点随机分散的正方形区域M M作为假定三个能级的WSN区域由方程式在等式（9）中，R1定义了N1的阈值通信范围。由于节点是静态的，因此Ni在开始之前计算DFN一次异质性和由规范和超规范组成。 总我轮的部分。之后，SUSr）com-三层异质设置的初始能量如等式2中给出。（2）其中Eo是范数的初始能量。adv=超级装备在每次循环迭代中（I能量因子（EF<$N i;r I）和T<$N i的计算。如等式（1）所示（10）定义为Ni的残差具有比正常值高a=s倍的能量。adv-计数是m的一个分数的norm-计数和超级计数是m的分数的adv-计数。Etotal¼1000amamuseumamsωNωEo2能量，E剩余能量，平均能量，E avgr I（等式1）（15））对于rI.残余EFNð10ÞEav gr I5FSM（自由空间模型），MPM（多路径模型）6 FSMn = 2，MPM分层结构支持两级通信，即，Ni到CH CH到BS，其中NiCH和CHBS之间的平均距离可以使用等式（1）来计算。（11）和（12）。●●●我hetDEEC多层次SEP、DEEC5.025，11.21ATEER3电平EEHC、DEEC、66.67、47.84、38.30ILEACH2级EDDEECSep15.9P-SEP2级Sep31T. Sood和K. Sharma沙特国王大学学报4180.ΣkCH图4.1. CH-建议工作的分布图。表2CH分布图的信息表。rI CH：ID*xi;yiωωn型节点ID第一名25分，273分，117分， 0-60分第27名，145，152人，公元61-84年第一名52名诺姆90，84名超级85-991st61adv23，266BS2 200;200100第一名64马格德堡69，104第一名69马格德堡v221，75算法：基于均匀线的增强阈值（LUET）协议输入：非集群WSN输出：节能的集群式WSN1. 开始2. 初始化网络参数3. 在测试区域4. Ni计算dmi n？DFN第一名70马格德堡v69，177第73名阿扎德v284，11* 在第I次迭代中选择的-CH的ID，rI。** 坐标为Ni。Mn-CH<$p2kp0： 765ωMð11Þ我5. 设置eg：= 06. 重复步骤7至17，以获得i1/4至N7. Ni计算EavgrI;EFNi;rI8. 如果EresidualNi>EavgrI，则：9. Ni计算Pn-型<$Ni<$，T<$Ni<$[End结构]10. Ni产生r和i11. 如果randiTNi，则：<12. Ni变为CHNi13. 例如：dCH-BS¼2ð12Þ14. 其他15. Ni变为CMNi在集群环境中，每一轮通信所消耗的能量是由于集群内的交互（ECM-CH）簇间通信（ECH-BS）。对于第I迭代[If结构的结尾]16. 如果（N i！¼CH Ni &&我的天啊！1/4CMNiN），则：17. 设置Ni¼INN假设生成k个CH3k个optCH（k个opt：最优计数），其单独地管理c/4 N- 1个CM的与最近CH相关联的CM倾向于采用FSM来传送我[End[第6步循环结束]18. 重复步骤19至28，以获得i1/ 4至NL比特数据在一个距离上，dCM-CH通过消耗ECM-CH能量，DT. Sood和K. Sharma沙特国王大学学报4181使用Eq. （十三）、7先到先得T. Sood和K. Sharma沙特国王大学学报418272>： 日本 料理ΣΣX19. 如果Ni=CHi），则：图4.2. LoU-概念。kCH。2Σ20. 在其通信范围内的N个21. 其他22. N i作为CM Ni加入 通过向最近的CHECH-BS¼第1页1L2EjEDAjcEmpmj×dCH-BS] 1414年[End结构]23. CH在其CM之间广播TDMA24. 如果（Ni¼CMNi），则：25. 感测数据发送到CH26. CH向BS27. 否则，如果（Ni1/4 INNi），则：28. Ni直接发送到BS[End[第18步循环结束]29. 重复步骤5到28，直到整个网络停止工作30. 出口由于LUET增加了更接近LoU的节点的CH选择概率，因此它们可能/可能不接近BS。因此，考虑ECH-BS其中，EDA是聚集期间消耗的能量。EavgrINfECM-CHECH-BSg15在此之后，TNi使用等式Ni（17）基于其节点类型，如等式（16）中所示。其中a和b是和等于1的常数。中的CH节点最后1=P选择轮可以成为获得TNi>0的CH选择的被提名者。最后的CH列表有Nis，其值为TNi高于随机值（rand）。FCFS 被用来选择k个选择CH从该列表进入最终CH列表，CH_final，其每个成员将其自身介绍给其所有未能符合CH_final的邻居。这些邻居通过确认回组到大小为CountCM的集群中来将它们自己与最高RSS值的CH绑定。在TDMA机制之后，分配&缓冲数据交换，总结SUS和ECM-CH¼kCHL×ESSS开始。 隔离的节点IN NiN和CH N i N i N经由直接跳路由将它们的数据转发到BS。1Ni1ð13Þ>8个PoptaωE F<$Ni;rI<$bωD FNi<$ P一Sð ð ÞÞ公司简介吴恩达Pn-typeNNi-11Popt1aaωEFNi;rI bωDFNi1pn型我的天ðNiÞXXCn型我NRM我<>>T. Sood和K. Sharma沙特国王大学学报41837先到先得Popt1saωEFNi;rI bωDFNi1pn型我的天悲伤的v ðNiÞ ð16ÞT. Sood和K. Sharma沙特国王大学学报4184Xð Þ ð Þ¼¼半·········-]nT fsmCMTNiPn-型Ni17Þ由于压缩消除了冗余，f 1-。Poptω。rω模1=Poptg4.2. 基于算术压缩的变化（LUET| C）、LUET被证明是有利的，因为电池耗尽率随着距离能量放电速度而变化很大。然而，传输的数据包大小也会导致消耗刺激LUET| C采用标准算术数据压缩。这种技术消除了通信之前的数据冗余，并根据以下符号进行注释。表示为一组随机整数1; 2; 3;;Mn 1的数据源O像A随机sym的编码序列一样s1;s2;s3;·· · · ··;sk;···;sAg使用的最优 编码并且最大化网络的信道容量以用于基本的消息交换。然而，压缩对平均£ IN没有边际影响，对于两个LUET，在FND之前保持17%| C&LUET（表3）。4.3. 基于旋转历元的变化（LUET|右）大多数集群协议在每一轮中进行轮转，以保持所有节点之间的统一负载分布，而不会在较长时间内使最可能的高资格节点过载。然而，无线传感器网络观察到一个不同的生活节奏（LP），尽管迭代CH旋转。几个已建立的工作观察到一个更高的LP，直到FND，FND后下降，直到它的最后一个节点-法序列中的每个符号都以概率pm分布，其中m<$1; 2;·········;Mn- 1作为示在当量（十八）、可以使用累积分布函数cm计算pm，如等式2所示。（19）（利用c00c11）其中cm由方程（19）获得。（20）因为没有符号与pm^0相关联。pmfskmg;k1; 2;······;A18pmcm1-cm 19m-1cmp<0.01;m<0.01;2;···;M<0.01t¼0所有p mc m值分别组装在pc中，如等式5所示。（21）和（22）。p½p0;p1;p2;· ··· · ·;pMn-1]21cl/2c0;c1;c2;· ·· · · ·;cMn-1;cMn]22在编码器输出处的压缩数据序列b（缓冲器）可以通过利用pc来获得&，并且包含所有输出变量，其中每个变量用D个符号f0;1;2;···;D-1g 来定义。根据经验，b的长度形成要由CM发送到它们的CH的压缩分组大小（Lc）压缩会导致死亡（LND）。表4比较了%LP，并得出结论，FND发生在平均NL的69%之后，而剩余的99个存活节点仅存活31%的寿命直至死亡。它吸引了一个因此，对于NL的很大一部分（直到FND），WSN在FND之前不会面临突出降低的通信开销的快速拓扑变化。因此，所提出的基于迭代历元的函数CH旋转在第一轮之后暂停迭代旋转，直到对于恒定LP的FND。所提出的历元标准由算法中预定义的旋转时钟Rc基于旋转历元的变体|r，通过设置R c 0冻结第一组选定CH直到FND。在FND之后，Rc被设置为1，这恢复了SEP的迭代CH-旋转方案。因此，将CH功能冻结到第一CH候选减少了高开销，导致LP的下降，并且-I N. 然而，在第一CH集合上的突然加载使它们过载并且在很大程度上减小SP，这通过改进的旋转时期变体LUET来改善|R，在内部使用CH角色旋转预先建立集群使用P n-类型的PN i计数CM直到Rc0. LUET| R禁止第一CH-候选者作为CH-角色的早期衰变旋转结余数据加载对的完整集群因此，基于死节点计数（Cd），作为算法指令，Rc被重置为0直到FND，并且在FND之后被设置为1直到LND（等式2）。（27））。（0;ifCd¼0的^e。E残基lNi=ET。L;dn在能源消耗方面，Rc¼ð27ÞCM延长网络寿命的分组通信（Marcelloni和Vecchio，2009）。等式（23）和（24）分别描述了在簇内的发送和接收期间的能量交换。E nL c;dL cE EωdÞð23ÞER Lc E ωLc24发表在（Marcelloni和Vecchio，2009）的工作描述了多种压缩技术对不同数据集的影响由于对数据集进行算术压缩而获得的压缩比Z在[0.193，0.266]范围 中值公式（mc½range）已被用于获得LUET的Z|如图所示，Eq。（25），其在如等式（25）中那样应用于原始分组（L）时输出L_C。（26）.电话：+86-21 - 6666888传真：+86-21-66668888LC¼L×Z26因此，LUET| C显示出更好的网络寿命（NL）和功率效率（eP）。无线传感器网络中BS的LUET，如图所示。 4.3，由于算术压缩。LUET周期（SP）分别观察到0.4068和1.674的多个因子（factors）的改善，而吞吐量也检测到1;如果Cd≥1表5观察到NL略有改善（2.5%），英（64.7%）LUET| R w.r.t.由于受限制的洪水，的控制开销分组期间CH-旋转。图第4.4节显示较小的SP，但LUET的%LP有所改善|R由于在现象区域内具有BS的WSN的基于时期的变化。5. 旋转历元算法的变化&-压缩（LUET| RC）LUET| C改善SP;NL&eP，而LUET| R优于%L P;NL，减少£INw.r.t.LUET。两种LUET变体协议也观察到缺点，即，LUET| C没有更好的CH覆盖率，因为它侧重于减少冗余和LUET| R观察到SP下降60%，作为具有 较小 E 残差 的不太可能的 节点，更多的dN1-BS可以被选为CH角色。 LUET| RC结合LUET| C和LUET|R，如图所示。四 点五表6所示的模拟结果表明，LUET| RC观察到边界内BS的NL-改善为49：86%; 6：52%; 46：2%，边界处BS的NL-改善为57：94%; 1：00%;56：6w.r.t. LUET，LUET| C& LUET| R，分别。 它减少了£IN-覆盖率为倍数，d= 0： 647，BS2为200; 200kHz，BS22010;2000年12月，d= 0： 375; 0： 412。LUET，LUET| C.T. Sood和K. Sharma沙特国王大学学报4185在●-●-●-●-图4.3. 基于Z的分析表3在两个BS位置&观察的已建立和拟议方案的模拟结果。协议BS2-200; 200-BS2 - 200; 200-SPNL$T£INSPNL$T£INATEER533 7013 226，627 19 154 5100 154，098 19ILEACH541 7050 226，645 17 157 5147 157，912P-SEP 530 6206 226，677 21 152 5106 158，593 19LUET549 7156 226，893 17 158 5261 157，179 16LUET| C146810，067348，163176028227277，84417LUET| 3407335242，9776905306160，6837LUET|97210，724406，10662388309290，06810观察LUET：“S P，更好的$T，N L;LUET| C：“S P、NL、$T，但英镑改善甚微在LUET中直至FND;LUET| R：SP中的#，但“，$TNL&#£在覆盖率|RC：利用两种变体的优点;“S P、NL、$T&#£IN覆盖范围表4比较%LP 评估预处理工作（循环）。算法FNDLNDFND后%LP(1)Zhang等人， 20141000120017(2)Huang等人， 20181450174017(3)米塔尔，2019年283429284(4)Vançin和Erdem，2018年2761453639(5)Abidi和Ezzedine，2020年2000440054(6)Behera等人， 20191382247444(7) Elhoseny等人， 20171100170235(8)Yang等人， 201814502250366. 仿真及结果NS2： 35被用作LUET性能分析的仿真环境。表7和表8总结了WSN参数。6.1. 性能度量NL这个术语是最重要的，并且可能随着应用场景而变化，例如，对于像无线身体区域网络（WBAN）这样的应用，它是定义第一轮的轮节点到期，因为每个Ni具有要执行的单独功能;对于像周期性密集监视的应用，它是直到LND的循环。D-P是观察FND、BND、HND、LQND、LND来解释整个NL的淋巴结死亡速度的模式。SP NL到FND这段时间在表现出应用程序相关性能方面起着主导作用例如，任何节点功能的丢失对于患者的健康监督、入侵检测可能是致命的，● eP-如果一个节点耗尽能量，它被认为是死的。拍-E残差ΔNi下降的时间，需要是一致的，并且需要针对平衡的WSN操作进行优化。因此，eP在分析协议性能方面起着至关重要的作用。$T-It是成功传输到的最大数据包计数BS.不平衡CH选择可以将更多节点与求助于与BS的直接传输的选择头隔离。这些隔离/未连接的节点导致旺盛的能量使用，因为耗尽的能量随着与BS的距离成比例地加倍。表5LUET的比较%LP评价|R w.r.t. LUET。算法FND FND * HND** LQND* LND %LP FNDLUET549 1318 1583 3133 7156 92.33LUET|340155018563241733595.36* 第一个四分之一节点死亡（Nnew¼0： 75N）。** 半节点-死亡（N新1/40： 5N）。* 最后一个四分之一节点死亡（N新1/40： 25N）。●T. Sood和K. Sharma沙特国王大学学报4186图4.4. 比较%LP。图4.5. LUET| RC的操作。表6两个BS位置的LUET及其变体的%£IN&%LP结果&（以轮次为单位）。协议FNDLND%£INFND后%LPFNDLND%£INFND后%LPLUET5497156BS2- 200;200磅1792.331585261BS22000;2000年1696.99LUET| C146810,0671785.4260282271792.68LUET| R3407335695.36905306798.3LUET| RC97210,724690.9423883091097.14T. Sood和K. Sharma沙特国王大学学报4187表7模拟参数-设置。模拟参数值无线传感器网络面积（平方米），M×M300×300部署的节点，N100数据包长度（字节）512保持距离（米），R87： 7发射器/接收器电子能量（nJ=bit），ET/ER50数据聚合能量（nJ=位），EAggr5发射自由空间分频器能量（pJ=bit=m2），Efsm10发送多径解调器-能量（pJ=bit=m4），Empm0： 0013最优概率，kopt0： 08LUET的精致改善|RC的NL允许在基于物联网的网络框架中有效使用WSN，而NL -LUET中的改进|C语言支持多种大数据模型。尽管LUET的a~-值相似，|RC和LUET| C，LUET| RC保持最NL有效，其中在HND之前a~-值规则较高，在HND之后a~-值规则稍好. 增强的d-NL（图 5.1）是由于基于LoU的CH选择提供了更好的节点连接性，并且还由于算术压缩和旋转时期。关于DP的经验探索研究了节点死亡的速率，每个WSN阶段，即，FND、BND、HND、LQND、LND（图 5.2（a）和5.3（a））。支持LUET及其变体协议的无线传感器网络的%DP观察到一致相似的增长图w.r.t.表8三层异质结网络参数网络参数值比例超级，ms0： 24超级s3的能量因数比例adv，ma0： 40ADV，A2的能量因数标准初始能量（焦耳），EO0： 56.2. 绩效考核大多数文献假设BS位置在场的中心，这限制了应用范围，因为不是每个应用都能舒适地将BS放置在中心。然而，所提出的工作假设了两种BS位置场景，即，在网络和边界上。表9清楚地说明了LUET的NL的边际改善，LUET| C ， LUET| R，LUET| RCb ya~2½0：01 5;0：203 9]，a~2½0：4279;0：622 1];a~2½0：0309;0：1819]，a~2½0：5211;0：728]，分别为w.r.testab.lished协议.较低的£ IN的额外优势使得LUET，LUET| R适用于连续精密监控应用。所建立的协议与BS位置无关（图1和图2）。 5.2(b)和5.3（b））。一致-LUET中的D P| RC表示由于平衡的网络连通性、非迭代时期，网络在均匀基础上丢失节点，从而平衡LUET中发现的不一致性|C.LUET变体模型支持多个不同的WSN应用程序，需要表现出更好的SP。表10显示出a~21/20 ：006 3;0 ：039 5];a~21/21：713 5;2：9605];a~2半0：515 9;0：833 9]在LUET，LUET| C，LUET| RC，分别为y、w.r.t.建立协议，而不管BS位置。由于低的EIN，由于均匀CH分布使得LUET&更好的网络连接性，获得更好的SP| C，LUET| RC有利于大数据系统场景/物联网工作站和IWSN的LUET。然而，LUET|如图5.4所示，R观察到SP的下降，这是由于R C的掺入允许历元周期在其成员之间旋转CH角色，直到FND。但由于它通过降低CH旋转计数来稳定DP，从而减少开销交换，因此它在选择密集网络系统的精确农业，花卉授粉等场景中是有利的为持续监测。冗余节点表9NL-已建立方案的数值。方案ATEER ILEACH P-SEP ATEER ILEACH P-SEPBS2200;200BS20; 200LUET0.2039“0.153“0.0316“0.0221“0.0304“LUET|电话：+86-021- 8888888传真：+86-021- 8888888LUET|0.0459“0.0404“0.1819“0.0404“0.0309“LUET|电话：+86-0521 -8888888传真：+86-0521- 8888888图5.1. NL-分析。T. Sood和K. Sharma沙特国王大学学报4188图5.2. DP8BS2 200; 200。图5.3. DP8BS2 0; 200。对于这些场景中的重叠区域，在较长的NL均匀DP上折衷SP。随着节点数的减少，E残差随着NL的但是图 5.5观察到与LUET变体模型相比，在建立的协议中更快速下降的eP图。可以理解，e-P-图中的渐降是由于LoU-合并、算术压缩、旋转时钟等方法实现的能量保存。表11描述了LUET及其变体的生活节奏现有的聚类框架的建议LUET框架及其变种。可以观察到，所提出的协议，LUET，和它的变体具有更高的剩余能量在随机选择的轮计数相比，现有的工作描述配置有所提出的工作的WSN可以保留更多的能量在相同的运行计数。因此，除了提供升级的功能性能，LUET及其变体可以维持功能，能源消耗相对较少AeP的预先设定表12中明确比较了所提出的方案，深入了解了P值，其中LUET| C在FND之前显示适度较小的-eP，因为较大比例的活动节点在FND之前利用主导-Z，而LUET|钢筋混凝土展示最好的-eP。表10SP的相对湿度值建立的协议。BS2200; 200磅方案ATEER ILEACH P-SEPLUET0.03“0.0148“0.0358“LUET| C1.754“1.7135“1.7698“LUET| R0.362 #0.3715 #0.3585 #LUET| RC0.8236“0.7967“0.8339“BS20; 200LUET0.0259“0.0063“0.0395“LUET| C2.9091“2.8344“2.9605“LUET| R0.4156 #0.4268 #0.4079 #LUET| RC0.5455“0.5159“0.5658“从表13观察到的$T的%改善显示了与LUET w.r.t.相比，LUET变体的显著改善。既定的协议。 压缩在N i 改善渠道-因此，利用&率，$T（图）。 5.6）。表14展示了该数据包以某个指定的轮计数通过信道的计数，表示LUET变体与现有协议相比具有更高的容量，即，ATEER，ILEACH，P-SEP。T. Sood和K. Sharma沙特国王大学学报4189图5.4. SP-分析。图5.5. eP-分析。表11比较现有的协议和LUET其变种在能源消耗方面超过一些回合。圆形计数箱，BS2磅200;200磅1000220030003800440050005600