摘要：?在无线传感器网络中，能量效率是影响网络寿命的关键因素。数据聚合技术通过减少网络传输的数据量，成为节约能量的重要手段。本文针对经典分簇 算法 LEACH 存在的不足，提出一种基于权重优化的分层聚类数据聚合算法（W-LEACH）。该算法在簇头选举阶段，综合考虑节点的剩余能量、与基站的距离以 及节点密度等权重因子，以构建更为稳定的簇结构。仿真实验结果表明，与LEACH 算法相比，W-LEACH 算法能够有效均衡网络负载，显著延长网络的生命周期。关键词：?无线传感器网络；数据聚合；分簇算法；能量效率；LEACH

1. 引言

随着物联网技术的快速发展，无线传感器网络作为其关键支撑技术，在环境监测、智能家居、军事侦察等多个领域得到了广泛应用 [1]。传感器节点通常依靠电池供电，且在部署后难以进行电池更换，因此，如何最大限度地延长网络生命周期成为无线传感器网络研究中的重要课题。通信模块是节点能量消耗的主要部分，减少不必要的数据传输是实现节能的重要途径。

数据聚合技术通过在数据传输路径上对多个节点采集的信息进行整合与压缩，消除冗余数据，从而有效降低网络的总传输量[2]。在各种数据聚合策略中，基于分簇的层次化路由协议，例如低能量自适应聚类层次结构（LEACH）算法，因其结构清晰、可扩展性强而受到广泛关注 [3]。然而，LEACH 算法采用随机轮换簇头的机制，未充分考虑节点的剩余能量和地理位置信息，容易导致部分节点能量过快耗尽。本文旨在对 LEACH 算法进行改进，提出一种基于权重优化的分层聚类算法，以期提高网络的能量效率。

2. 相关工作

LEACH 算法是无线传感器网络分簇路由协议中的代表性工作。其核心思想是通过周期性随机选举簇头，将能量消耗均匀分配到所有节点上。簇头负责接收簇内成员节点的数据，进行聚合处理后再转发至基站。然而，LEACH 算法的随机性特征也带来明显问题：首先，剩余能量较低的节点可能当选为簇头，从而加速其能量耗尽；其次，簇头分布可能不均匀，导致部分簇头因通信距离过远而能量消耗过大。

针对上述问题，研究人员提出了多种改进方案。例如，HEED 算法将节点的剩余能量作为簇头选举的主要参数 [4] ；LEACH-C 算法则通过基站的集中控制，利用全局信息生成更优的分簇方案 [3]。然而，这些算法要么未能全面考虑多种因素的影响，要么引入了额外的控制开销。本文提出的 W-LEACH 算法旨在通过一种分布式的权重模型，实现更加智能和稳定的簇头选举机制。

3. W-LEACH 算法设计

W-LEACH 算法的设计目标是在分布式环境下，选举出综合性能最优的节点担任簇头，从而构建能量高效的通信路径。算法在每个回合的簇头选举阶段引入一个权重值T(n)，其计算公式如下：

neighbor / N_avg)

其中，E_residual 和 E_max 分别表示节点的当前剩余能量和初始能量；d_to_BS 表示节点到基站的距离， d_-avg 表示所有节点到基站的平均距离；N_neighbor 代表节点的邻居节点数量， N_-avg 表示网络的平均邻居节点数； ∝ 、β、γ 为权重系数，且满足 α+β+γ=1 ，用于调节各因素在选举过程中的重要程度。

算法的主要步骤如下：

3.1 初始化与信息交换： 节点广播包含自身 ID 和位置信息的信标帧，以此获取邻居信息，并计算自身邻居节点数 N_neighbor。3.2 权重计算： 每个节点根据上述公式计算自身的权重值 T(n) 。剩余能量越高、距离基站越近、周围节点密度越大的节点，其 T(n) 值也越大。3.3 簇头选举： 节点将自身计算得到的 T(n) 值与预设阈值以及接收到的邻居节点的 T(n) 值进行比较。若本节点的 T(n) 值为所在区域内最高，并且超过设定的阈值，则该节点宣布自己为候选簇头。3.4 簇的形成与稳定数据传输： 与LEACH 算法类似，非簇头节点选择加入信号最强的候选簇头所在的簇，形成簇结构，随后进行数据采集与传输。

4. 仿真实验与结果分析

为评估 W-LEACH 算法的性能，我们利用 MATLAB 平台进行了仿真实验。实验场景为100 个节点随机分布在 100m×100m 的区域内，基站位于坐标(50,

175) 处。将经典 LEACH 算法作为对比对象，主要评价指标包括网络生命周期（以第一个节点死亡时间 FND 和半数节点死亡时间 HND 衡量）以及总数据传输量。

表1 算法性能对比

仿真结果如表 1 所示，W-LEACH 算法将首个节点死亡时间（FND）和半数节点死亡时间（HND）分别提高了约 33% 和 25% 。这主要是因为权重模型确保了剩余能量高、地理位置优越的节点有更大几率当选为簇头，从而有效均衡了整个网络的能量消耗。同时，由于簇结构更加合理，网络的总数据吞吐量也获得了提升。

5. 结论

本文提出了一种改进的无线传感器网络数据聚合算法 W-LEACH。该算法通过引入一个综合考量节点剩余能量、地理位置和密度信息的权重模型，优化了簇头选举机制。仿真实验结果验证了 W-LEACH 算法在延长网络生命周期方面显著优于经典 LEACH 算法。未来的研究工作将聚焦于权重系数的自适应调整策略，并探索在多跳通信场景下的进一步优化。

参考文献：

[1] Akyildiz I F, Su W, Sankarasubramaniam Y, et al. A survey on sensor networks[J]. IEEE Communications magazine, 2002, 40(8): 102-114.

[2] Rajagopalan R, Varshney P K. Data-aggregation techniques in sensor networks: A survey[J]. IEEE Communications Surveys & Tutorials, 2006, 8(4): 48- 63.

[3] Heinzelman W R, Chandrakasan A, Balakrishnan H. Energy-efficient communication protocol for wireless microsensor networks[C]//Proceedings of the 33rd annual Hawaii international conference on system sciences. IEEE, 2000: 10 pp. vol.2.

[4] Younis O, Fahmy S. HEED: a hybrid, energy-efficient, distributed clustering approach for ad hoc sensor networks[J]. IEEE Transactions on mobile computing, 2004, 3(4): 366-379.

[5] Lindsey S, Raghavendra C S. PEGASIS: Power-efficient gathering in sensor information systems[C]//Proceedings, IEEE aerospace conference. IEEE, 2002, 3: 3-1125.

作者简介：郑军，男，教授，硕士生导师，网络安全学科带头人，研究方向为人工智能，网络安全，嵌入式系统等