异构无线传感器网络综合了多种高新技术，包括信息分布式处理、无线通信及现代网络、计算机嵌入式及传感器技术等，其利用集成化的各类传感器实时、协作性的采集、感知、监测各种对象的信息或环境，通过自组织多跳方式将其传送到用户终端，实现了人类社会、计算机世界和物理世界的三元连接.对于异构无线传感器网络，通过聚类路由算法能够减轻其带宽消耗，提升网络的生命周期与可扩展性，因此聚类路由算法对于异构无线传感器网络而言是一种重要的路由协议.
杨佳等[1]依据双簇头相关的研究，提出一种新的异构无线传感器网络聚类路由算法，通过洪泛算法实现异构无线传感器网络聚类路由的搭建；董发志等[2]根据网络状态实时调整三个因子的权重，将轮询机制引入簇内通信，延长了网络生命周期；赖晓翰等[3]考虑网络端到端延迟时间，利用指数加权平均算法加强路由选择的稳定性，在节点通信距离变化时具有较好的性能稳定性.上述研究过程中，在异构无线传感器网络层数为3～5层时，存在网络吞吐量较低的问题，因此本文将狼群算法应用于异构无线传感器网络聚类路由算法的设计中，提出一种基于狼群算法的异构无线传感器网络聚类路由算法.
1 基于狼群算法的聚类路由算法
1.1 能耗模型构建
为了构建异构无线传感器网络的能耗模型，以无线电一阶模型为依据[4-5]分析模型的能耗，模型具体构成如图1所示.
图1 能耗模型的构成
Fig.1 Composition of energy consumption model
当无线电信号经过距离d比临界值d0小时，需要利用自由空间模型，此时对数据信号进行传输所消耗的能量和d的平方存在正比关系；当d比临界值d0大时，需要利用多路径衰落模型，数据信号传输所消耗的能量和d的四次方存在正比关系[6].临界值d0的计算表达式为
(1)
式中：hf为无线电信号被天线接收的最大距离；ht为天线高度；λ为无线电信号的实际波长；L为发送能量消耗.
模型中节点对k bit数据进行转发消耗能量的表达式为
ET(k，d)=ETE(k)+ETA(k，d)=
(2)
式中：ETA(k，d)为k bit数据进行转发时无线电信号经过距离d的能量消耗；ETE(k)为传输电路对k bit数据进行转发时能量的消耗；Eelec为异构无线传感器节点接收或转发单位比特数据消耗的能量；Efs为自由空间模型对应的放大器传输能耗参数[7]；Emp为多路径衰落模型对应的放大器传输能耗参数[8].
模型中接收电路对k bit数据进行接收时消耗能量的计算表达式[9-10]为
ER(k)=kEelec
(3)
1.2 簇群建立
在构建异构无线传感器网络聚类路由算法簇群的过程中，随机选取簇头节点，这些节点需要满足：在一个回合中，当一个节点已经作为集群的簇头时，该节点以后不能再作为簇头，但需要排除所有节点都已经作为簇群簇头的情况[11-12]，这样就可以保证监控区域内的每个节点都有平等的机会进行簇头竞选.另外，簇头节点的实际数目也非常重要，构建异构无线传感器网络聚类路由算法簇群的具体流程如图2所示.
1.3 数据转发
当集群请求节点接收到集群头的码分多址(CDMA)码和时分多址(TDMA)时隙时，开始转发传输数据[13].节点将实时采集监控区域的数据信息，并转发到集群头.转发需要在TDMA插槽的指定时间内完成.发送后，节点进入休眠状态，以节省能量[14]，集群头需要处理数据信息并发送到基站，转发数据的具体流程如图3所示.当基站完成数据信息收集后，异构无线传感器网络将进行下一轮数据信息的收集.
1.4 网络聚类路由算法
基于狼群算法建立路由路径，并制订路径选择策略，实现异构无线传感器网络聚类路由算法[15-17].异构无线传感器网络聚类路由算法主要分为3个步骤：
图2 构建聚类路由算法簇群的流程
Fig.2 Flow chart of cluster construction for clustering routing algorithm
图3 转发数据流程
Fig.3 Flow chart of data forwarding
1) 通过簇首对前驱节点的信息进行收集，包括该节点目前剩余能量Epre-cur等.根据节点ID序号对全部路径的前驱节点进行排列，获取全部前驱节点目前剩余能量之和EALL.
2) 对各前驱节点的目前备选概率进行计算，即
(4)
式中，Ecur_i为前驱节点的目前能量.
3) 根据节点ID序号实施概率相加.在开始选择各轮路径之前，通过簇首节点产生一个随机数q，该随机数位于0到1之间.当该随机数满足Pcur_i+Pcur_i+1+…+Pcur_w-1<q<Pcur_i+Pcur_i+1+…+Pcur_w-1+Pcur_w时，选择节点w作为此时前驱路由路径，实现路径选择.
2 仿真实验验证
2.1 仿真实验设计
为验证设计的异构无线传感器网络聚类路由算法的应用性能，对其进行实验验证.通过软件MATLAB R2012a对算法的运行进行模拟.在监测环境内对异构无线传感器节点进行随机散布，构成实验异构无线传感器网络，并分析吞吐量(单位时间内实际传输的数据量)，传输数据量越大，其所需能耗越多.将从某多跳分层异构无线传感器网络中获取的3～5层网络吞吐量数据作为实验数据[18].仿真环境的实验参数如表1所示，主要数据参数如表2所示.
表1 仿真环境实验参数
Tab.1 Experimental parameters of simulation environment
参数取值单位接收能耗50nJ/bit发送能耗50nJ/bit初始节点能量0.5J数据包长度4000bit数据融合能耗5×10-9J循环最大轮数5000轮多径衰落对应放大器能耗参数0.0013W自由空间对应放大器能耗参数10W
表2 主要数据参数
Tab.2 Main data parameters
参数取值单位Efs50nJ/bitEmp10pJ·m2/bitEelec0.0013pJ·m2/bitETA(k,d)5nJ/bitd07-ETE(k)0.12pJ·m2/bitET(k,d)0.06pJ·m2/bit
实验分别模拟3～5层异构无线传感器网络的效果，能耗模拟结果如图4所示.
2.2 实验结果分析
在异构无线传感器网络层数为3～5层时，将基于狼群算法的异构无线传感器网络聚类路由算法与文献[2]、[3]算法进行网络吞吐量数据对比，实验数据对比结果如表3所示.
图4 异构无线传感器网络能耗模拟
Fig.4 Energy consumption simulation for heterogeneous wireless sensor networks
根据表3的网络吞吐量数据对比可知，当异构无线传感器网络层数为3～5时，本文算法的网络吞吐量高于文献[2]、[3]算法，这是因为本文引入狼群算法建立路由路径，并根据制订的路径选择策略，在没有帧丢失的情况下，扩大设备能够接收的最大速率，扩大吞吐量.
3 结 论
本文提出了基于狼群算法的异构无线传感器网络聚类路由算法，分析了异构无线传感器网络能量消耗的一阶无线模型.当集群路由算法的集群请求节点接收到簇头的码分多址码和时分多址时隙时，开始转发数据.引入狼群算法建立路由路径，并根据所建立的路径选择策略，对异构无线传感器网络的分簇路由算法进行优化.在3～5层网络层数中实现了网络吞吐量的提升，为异构无线传感器网络生命周期与可扩展性的提升提供理论参考.
表3 网络吞吐量数据对比结果
Tab.3 Comparison results of network throughput
循环轮数3层网络吞吐量/(104 bit)基于狼群算法的路由算法文献[2]算法文献[3]算法4层网络吞吐量/(104 bit)基于狼群算法的路由算法文献[2]算法文献[3]算法5层网络吞吐量/(104 bit)基于狼群算法的路由算法文献[2]算法文献[3]算法10004.532.232.354.652.362.594.892.562.7420007.965.065.248.035.465.688.465.845.96300010.246.126.2110.646.246.4810.786.496.75400010.366.196.2710.696.366.5210.826.516.85500010.486.246.3110.726.456.5710.986.576.92
[1]杨佳，刘晓丽，许强.一种新的异构无线传感器网络分簇路由协议 [J].传感器与微系统，2020，39(4)：121-124.
(YANG Jia，LIU Xiao-li，XU Qiang.A new clustering routing protocol for heterogeneous WSNs [J].Transducer and Microsystem Technologies，2020，39(4)：121-124.)
[2]董发志，丁洪伟，杨志军，等.基于遗传算法和模糊C均值聚类的WSN分簇路由算法 [J].计算机应用，2019，39(8)：2359-2365.
(DONG Fa-zhi，DING Hong-wei，YANG Zhi-jun，et al.WSN clustering routing algorithm based on genetic algorithm and fuzzy C-means clustering [J].Journal of Computer Applications，2019，39(8)：2359-2365.)
[3]赖晓翰，文昊翔，陈隆道.潮间带无线传感器网络路由算法 [J].浙江大学学报(工学版)，2018，52(12)：2414-2422.
(LAI Xiao-han，WEN Hao-xiang，CHEN Long-dao.Energy efficient routing for wireless sensor networks in intertidal environment [J].Journal of Zhejiang University(Engineering Science)，2018，52(12)：2414-2422.)
[4]苟平章，张芬，毛刚，等.基于AGNES聚类的能耗均衡WSNs优化路由算法 [J].计算机工程与科学，2020，42(4)：620-627.
(GOU Ping-zhang，ZHANG Fen，MAO Gang，et al.An energy-balanced WSNs routing optimization algorithm based on AGNES clustering [J].Computer Engineering and Science，2020，42(4)：620-627.)
[5]李柳雅，贾宗璞.基于CFSFDP聚类算法的WSN高能效分簇路由算法 [J].计算机应用研究，2018，35(3)：884-888.
(LI Liu-ya，JIA Zong-pu.Energy-efficient clustering routing algorithm based on CFSFDP clustering algorithm in WSN [J].Application Research of Compu-ters，2018，35(3)：884-888.)
[6]李东林，韦素媛.基于簇首位置控制的异构WSN分簇路由算法 [J].微电子学与计算机，2018，35(5)：74-78.
(LI Dong-lin，WEI Su-yuan.A clustering routing algorithm based on position control of the cluster head in heterogeneous wireless sensor network [J].Micro-electronics & Computer，2018，35(5)：74-78.)
[7]秦宁宁，金磊，许健，等.邻近信息约束下的随机异构无线传感器网络节点调度算法 [J].电子与信息学报，2019，41(10)：2310-2317.
(QIN Ning-ning，JIN Lei，XU Jian，et al.Neighbor information constrained node scheduling in stochastic heterogeneous wireless sensor networks [J].Journal of Electronics & Information Technology，2019，41(10)：2310-2317.)
[8]陶志勇，王和章，刘影.大规模无线传感网基于泊松混合模型的成簇路由协议 [J].小型微型计算机系统，2018，39(5)：910-917.
(TAO Zhi-yong，WANG He-zhang，LIU Ying.Clustering routing protocol based on poisson mixture model in large-scale wireless sensor networks [J].Journal of Chinese Computer Systems，2018，39(5)：910-917.)
[9]张美燕，蔡文郁.基于Dubins曲线的无线传感网聚类移动数据采集算法 [J].传感技术学报，2019，32(4)：127-133.
(ZHANG Mei-yan，CAI Wen-yu.Dubins curves based mobile data collecting algorithm for clustered wireless sensor networks [J].Chinese Journal of Sensors and Actuators，2019，32(4)：127-133.)
[10]朱壮普，吴勇.农业机械远程电子监测技术研究——基于分簇无线传感器网络路由算法 [J].农机化研究，2020，42(1)：199-203.
(ZHU Zhuang-pu，WU Yong.Research on remote electronic monitoring technology for agricultural machinery based on clustering routing algorithm for wireless sensor networks [J].Journal of Agricultural Mechanization Research，2020，42(1)：199-203.)
[11]周新莲，朱泽鹏.无线传感器骨干网络路由算法 [J].吉林大学学报(理学版)，2019，57(2)：363-368.
(ZHOU Xin-lian，ZHU Ze-peng.Routing algorithms for wireless sensor backbone networks [J].Journal of Jilin University(Science Edition)，2019，57(2)：363-368.)
[12]胡春安，叶健.基于鲸鱼算法的无线传感器网络分簇路由算法 [J].计算机工程与设计，2019，40(11)：3067-3072.
(HU Chun-an，YE Jian.Clustering routing algorithm for wireless sensor networks with whale algorithm [J].Computer Engineering and Design，2019，40(11)：3067-3072.)
[13]田晔非，王林泓.考虑剩余能量和通信代价的传感器网络路由算法 [J].南京理工大学学报(自然科学版)，2018，42(1)：96-101.
(TIAN Ye-fei，WANG Lin-hong.Routing algorithm for wireless sensor networks by considering residual energy and communication cost [J].Journal of Nanjing University of Science and Technology，2018，42(1)：96-101.)
[14]余修武，梁北孔，周利兴，等.基于网络分区和路径能耗的深井无线传感器网络多簇首路由算法 [J].中国安全生产科学技术，2019，15(1)：34-39.
(YU Xiu-wu，LIANG Bei-kong，ZHOU Li-xing，et al.Study on multiple cluster head routing algorithm of wireless sensor network in deep mine based on network partition and path energy consumption [J].Journal of Safety Science and Technology，2019，15(1)：34-39.)
[15]郑宝周，李富强，吴莉莉，等.一种改进的无线粮情监测系统路由算法 [J].河南农业大学学报，2018，52(3)：377-382.
(ZHENG Bao-zhou，LI Fu-qiang，WU Li-li，et al.An improved routing algorithm of granary wireless monitoring system [J].Journal of Henan Agricultural University，2018，52(3)：377-382.)
[16]王伊凡，朱海滢，熊啸岳，等.基于自适应阈值滤波的三维ECT重建算法 [J].沈阳工业大学学报，2020，42(3)：313-317.
(WANG Yi-fan，ZHU Hai-ying，XIONG Xiao-yue，et al.3D ECT reconstruction algorithm based on adaptive threshold filtering [J].Journal of Shenyang University of Technology，2020，42(3)：313-317.)
[17]姚礼垚，熊浩，钟依健，等.基于深度网络模型的牛脸检测算法比较 [J].江苏大学学报(自然科学版)，2019，40(2)：78-83.
(YAO Li-yao，XIONG Hao，ZHONG Yi-jian，et al.Comparison of cow face detection algorithms based on deep network model [J].Journal of Jiangsu University(Natural Science Edition)，2019，40(2)：78-83.)
[18]蒋勇，赵作鹏.低能耗的无线传感网络分层聚类与节点管理机制 [J].计算机工程与设计，2019，40(3)：45-50.
(JIANG Yong，ZHAO Zuo-peng.Hierarchy clustering and nodes management mechanism for WSN with low energy consumption [J].Computer Engineering and Design，2019，40(3)：45-50.)