一种低能耗层次型无线传感器网络拓扑控制算法

第36卷第4期自动化学报Vol.36,No.4 2010年4月ACTA AUTOMATICA SINICA April,2010一种低能耗层次型无线传感器网络拓扑控制算法康一梅1李志军2胡江3董吉昌4摘要提出一种低能耗层次型拓扑控制算法(A low-power hierarchical wireless sensor network topology control algo-rithm,简称LPH算法).该算法是一种支持多跳网络、降低能耗的多级组网控制算法.它将拓扑控制分为组网和拓扑维护两个阶段,其中组网阶段包括选择簇头、标识簇头及簇内节点、优化拓扑三个任务,算法在各个阶段、各个任务中都考虑了节能.同时,在簇头选择时考虑了簇头节点分布均衡问题,通过优化拓扑降低簇内通信能耗.其次,通过静态地址与动态地址结合的方式提高网络层次及可维护性.本文详细介绍了LPH算法及其思想,给出算法的空间复杂度、时间复杂度及能耗分析,并基于NS2仿真工具,对LEACH、PEGASIS和LPH三种算法分别进行了模拟仿真,说明LPH算法的性能与优势.关键词拓扑控制算法,多跳网络,分簇拓扑算法,低能耗,网络生存期DOI10.3724/SP.J.1004.2010.00543A Low-power Hierarchical Wireless Sensor Network Topology Control AlgorithmKANG Yi-Mei1LI Zhi-Jun2HU Jiang3DONG Ji-Chang4Abstract In this paper,a low-power hierarchical wireless sensor network(WSN)topology control algorithm,which is called LPH,is presented.LPH is a multi-level topology control algorithm.In this algorithm,the topology control is divided into two phases:network building and network maintaining.The phase of network building includes three tasks: cluster head election,cluster head and nodes identification,and topology optimization.LPH provides solutions to reduce energy consumption in every phase and every task.LPH also provides a solution to balance the distribution of the cluster head nodes.On the other hand,the algorithm extends the network-level and improves the maintainability of WSN by using combination of the static address and dynamic address.The paper analyzes space complexity,time complexity and energy consumption of LPH.Finally,this paper introduces the simulation of LEACH,PEGASIS and LPH algorithms based on NS2,and analyzes the simulation results.Key words Topology control algorithm,multi-hop network,clustered topology algorithm,low power,network life cycle网络拓扑结构是自组织无线传感器网络中路由算法、MAC协议、数据融合、时间同步和目标定位等的基础,好的网络拓扑控制算法能够提高通信效率和网络拓扑结构的鲁棒性、节省能量,并延长网络的生存期.基于分簇机制的层次型拓扑控制算法是目前常用的一类拓扑控制算法.层次型拓扑控制算法的关键在于推选出合适的簇头节点.近年来,研究人员提出了多种传感器网络的层次型拓扑控制算法[1−9]: Heinzelman等提出的LEACH层次型拓扑控制算法[1],在每个数据收集的周期开始,一小部分节点随机成为簇头,在数据传输阶段,簇头以单跳通信的方收稿日期2008-07-10录用日期2009-09-19Manuscript received July10,2008;accepted September19, 20091.北京航空航天大学软件学院嵌入式实验室北京1000832.西门子(中国)研究院无线通信部北京1001023.中国兵器工业计算机应用技术研究所北京1001024.握奇数据系统有限公司平台开发中心北京1001021.Embedded Software Laboratory,College of Software,Bei-hang University,Beijing1000832.Wireless Communications Department of Siemens(China)Corporate Technology,Beijing 1001023.Beijing Institute of Computer Application and Technology,Beijing1001024.Platform Develop Department of Watchdata System Co,Ltd.,Beijing100102式将融合后的数据传输给Sink节点.为了提高簇的生成质量,Heinzelman等又提出了集中式的层次型拓扑控制算法LEACH-C以及考虑节点能量的算法[2].Lindsey等提出的PEGASIS算法将网络中的节点组织为链状,数据在链上经融合处理,最后传输至汇聚点[3],算法需要知道每个节点的位置信息,为了延长网络的生命周期,节点只需要和它们最近的邻居之间进行通信.节点与汇聚点间的通信过程是轮流进行的,这种轮流通信机制使得能量消耗能够统一地分布到每个节点上,因此降低了整个传输所需消耗的能量.Dasgupta等提出了一种基于分簇的启发式算法来最大化网络的存活时间,算法需要知道节点的位置信息和能量信息[4].Choi等提出两阶段分簇协议TCP,在簇内构造多跳路由链路以节约能量[5].近年来,国内也提出了很多新的拓扑控制算法: EEUC高效非均匀分簇算法通过以主动的方式来均衡网络中所有节点的能量消耗,特别是均衡簇头的能量消耗[6].EC-LEACH算法通过对LEACH算法中的簇头选举阈值的修改以及让簇头主动“让贤”的方法选择簇头,从而达到平衡网络节点消耗的目的[7].DCPC基于能量保护的分布式拓扑控制算法544学报36卷根据每个节点的剩余能量,将具有更高度数的节点选举为簇头,在簇的形成阶段不需要了解整个网络所有节点的确切位置和各节点当前的工作状态,仅仅通过每一个节点的本地决定就可形成全局优化的子网结构,从而达到减少远距离通信量、降低系统能耗的目的[8].这些算法大多只针对网络拓扑的某一方面进行优化设计,它们存在以下共同缺点:1)能量开销大.由于簇头能量消耗大,需要周期性重选簇头,重新组网能耗很大,如LEACH 算法,而基于LEACH 的改进算法也无法根本改变其能耗问题.2)支持大规模网络组网能力较差.现有算法(如LEACH 算法)一般只能组建两级网络,难以满足大规模布撒节点时组网的需求.针对上述问题,本文提出一种低能耗层次型无线传感器网络拓扑控制算法—LPH 算法,该算法根据节点的剩余能量和距离进行推选和更换簇头,在保证网络覆盖范围的同时,延长网络寿命;其次,算法通过动态IP 地址可支持5层以上大规模网络拓扑,并提高网络拓扑的可维护性.1问题分析在分析无线传输能量消耗时,采用最多的是无线传输能量消耗模型(Radio enemy dissipation model,REDM)[9],如图1所示.图1无线传输能量消耗模型Fig.1Radio energy dissipation model该模型设定一个阈值d 0,当近距离传输,即距离d <d 0时,能量消耗与距离的二次方d 2成正比;而当距离较大时,通信能耗与距离的四次方d 4成正比.根据REDM 模型,接收一个信息也需较大能量消耗,故拓扑控制算法不但要试图减少传输距离,也要减少接收和传输信息的数据量及次数.但是,在多跳网络中,如果簇头间距过小,网络中形成很多簇,簇与簇之间重叠范围很大,反而加大网络中总能量的损耗.假设N (i )为传感器节点i ,其中0≤i ≤n .为了便于描述,我们首先给出以下定义:定义1.d (v,u )表示N (v )和N (u )之间的通信距离,且d (v,u )=d (u,v ).其中,d 0为基于REDM 模型设定的阈值.d 1表示簇头节点进行广播时能够覆盖的距离.定义2.E (i )表示N (i )所剩的能量.E avr 表示所有节点剩余能量的平均值,即E avr=1n n −1i =1E (i )(1)1.1拓扑控制要求对于大规模随机布撒的无线传感器网络,由于无线传感器传输距离有限,基于REDM 能耗模型构建低能耗、适应性强、寿命长的无线传感器网络的拓扑控制算法应该具备以下特点:1)为了保证组网的覆盖面,应该采用多跳网络;2)簇头节点间距合适,分布密度均匀;3)为降低节点间通讯频率提供基础;4)某些簇头节点能量不足时,为了保证网络的覆盖面,同时节省能量,可以局部重新组网.1.2拓扑控制思想基于上述特点,我们将拓扑控制算法的任务分为以下两个阶段:1)组网阶段组网阶段包括选择簇头、标识簇头及簇内节点、优化拓扑三个任务.在选择簇头时,簇头应该同时满足3个条件:簇头节点有足够的剩余能量来保证数据传递;簇头与簇内节点间距离在正常通信距离之内;簇头节点间距离不会太近.假设N (c )可以收到n 个其他节点的信息,其中k 个节点的能量大于这n 个节点的平均剩余能量值E avr ,则当E (i )>E avr 且knd 0<d (c,i )<d 0时,N (c )可以成为簇头节点.簇头节点所处范围如图2所示.图2簇头节点所处范围图示Fig.2The allow-area for a cluster head在标识簇头及簇内节点时,如果动态给每个簇头及簇内节点分配一个地址,则在多跳网络通讯中,节点间不必用广播方式传送数据,而是可以通过4期:一种低能耗层次型无线传感器网络拓扑控制算法545P2P 的方式传送数据,这样可以大大减少数据传递的能耗.簇头地址:上级簇头地址+本簇头标识;节点地址:簇头地址+本节点标识.簇头标识由该簇头的上级簇头完成,上级簇头为自己的直接下级簇头分配一个唯一标识;节点标识由其所属簇头完成,簇头为本簇的每个节点分配一个唯一标识.优化拓扑是为了更多地节省整个网络的能耗,可对某些节点进行换簇操作.如图3所示,N (i )属于以N (c )为簇头的簇,如果N (i )满足d 0<d (c,i )<d 1且d (n,i )<d 0,则将N (i )换到簇头为N (n )的簇内.图3更换簇头选择Fig.3Cluster header election to change cluster head2)拓扑维护阶段在拓扑维护阶段,簇头节点只需对簇内的拓扑进行维护.这个阶段,当某个节点剩余能量E (i )低于平均剩余能量E avr 时,该节点便需要主动交出其簇头权力,并同时推选出新簇头,新的簇头节点应该由与其距离小于knd 0且最近的节点担任,此时原来簇头节点需要把原有的簇内所有节点的信息发送给新簇头节点.最近节点的推选算法如下:当某个簇头节点剩余能量E rest (i )低于平均剩余能量E avr 时,该节点需要选取另一个节点取代该节点成为簇头节点,新的节点由与其距离小于knd 0且离该节点最近的节点担任.选取最近簇头节点的步骤为:步骤1.簇头节点向周围节点广播一个簇头节点更换请求.步骤2.接收到该信息的节点需要判断本节点与簇头节点的距离是否小于knd 0,节点剩余能量E rest (i )是否高于平均剩余能量E avr ,如果以上条件都能够满足,就需要簇头节点发送簇头节点更换响应,该响应中应该包含该节点同簇头节点之间的距离d (c,i ).步骤3.簇头节点在发出簇头节点更换请求后,需要定时等待一段时间以接收簇头节点更换响应.如果定时时间到,便将接收到的簇头节点更换响应读出,并比较得出其中最小的距离,该节点便是选中的最近节点.在以上分析的基础上,本文提出了LPH 算法.2LPH 算法假设有m +1个簇头,t 为设定的建簇信息采集时间,N (c j )为第j 个簇头,0≤j ≤m ,0≤c j ≤n .下面步骤1∼11是LPH 组网算法,步骤12∼16是LPH 拓扑维护算法.步骤1.令j =0,以Sink 节点为N (c j ).步骤2.如果j =m ,则转到步骤3;否则,转到步骤12.步骤3.N (c j )向周围广播一条建簇信息.步骤4.N (i )收到该信息后,如果N (i )还未加入任何簇且d (c j ,i )<d 0,或者N (i )与当前簇头N (c p )的距离满足d 0<d (c p ,i )<d 1且d (c j ,i )<d 0,则将d (c j ,i )和E (i )发送给N (c j );否则,不予响应.其中,0≤i ≤n .步骤5.在t 时间段内,N (c j )计算反馈信息的所有节点总数n 、E avr 及剩余能量大于E avr 的节点数k ;记录N (i )的信息;将n 、k 、E avr 发送给N (i ),其中,0≤i ≤n .步骤6.令l =j +1.步骤7.For i =0To n :步骤8.如果E (i )>E avr 且knd 0<d (c j ,i )<d 0,则N (i )抢占申请成为簇头节点N (c l ),向周围节点广播建簇信息.若成功,则m =m +1,l =l +1,转到步骤12;否则,N (i )向N (c j )发送入簇请求.步骤9.N (c j )为N (i )分配动态网络地址,将该地址发送给N (i ),N (c j )将N (i )的信息写入到N (c j )的邻居表中,N (c 0)更新地址表.步骤10.Next.步骤11.令j =j +1,转到步骤2.步骤12.For j =1To m :步骤13.如果E (j )<E avr ,则N (c j )广播一个推选新簇头信息.步骤14.N (i )收到该信息后,如果N (c j )是N (i )所属簇的簇头,且d (c j ,i )<knd 0,E (i )>E avr ,则将d (c j ,i )发送给N (c j );否则,不予响应.步骤15.N (c j )在反馈信息节点中,选择距离最近的节点向其发送簇头授权信息.该节点收到簇头授权信息后,向N (c j )回复一个簇头授权应答,将本节点的动态地址改为N (c j )的动态网络地址.N (c 0)更新地址表.步骤16.Next.546学报36卷3LPH算法性能分析下面分别给出LPH算法的时间复杂度、空间复杂度以及能耗分析.3.1时间复杂度分析LPH组网算法的时间复杂度为:步骤1.1;步骤2.m−j;步骤3.1;步骤4.1;步骤5.n+n−1+n+2(n−1)+n+n−1= 7n−3;步骤6.1;步骤7.n;步骤8.n−1;步骤9.n−1;步骤11.1.总时间为:T=1+(m−j)(1+1+7n−3+ 1+n+n−1+n−1+1)=1+(m−j)(10n−1).即LPH组网算法的时间复杂度为:O(mn)= O(n).LPH拓扑维护算法的时间复杂度为:步骤12.m;步骤13.m−1;步骤14.(m−1)j;步骤15.(m−1)(j+1).总时间为:T=m+m−1+mj−j+mj+ m−j−1=(3+2j)m−2j−2.即LPH拓扑维护算法的时间复杂度为:O(m) =O(1).3.2空间复杂度分析LPH组网算法的空间复杂度为:步骤2.1;步骤3.m−j;步骤4.m−j;步骤5.(1+1+1)(m−j);步骤6.1;步骤9.n.总空间为:S=1+(m−j)(1+1+3+1)+m.即LPH组网算法的空间复杂度为:O(n).LPH拓扑维护算法的空间复杂度为:步骤14.1+n/m.总空间为:S=1+n/m.即LPH拓扑维护算法的空间复杂度为:O(n).3.3LPH算法的能耗分析下面从两个方面说明LPH算法在能耗方面的优势.1)LPH算法根据REDM模型,为降低节点传输能耗,在算法设计中就限定簇头与节点间的距离必须满足d<d0,这样其能量消耗与距离的二次方d2成正比;而现有拓扑算法并未限定簇头与节点间的距离,因此,会有许多节点与簇头间的距离大于d0,这样其通信能耗与距离的四次方d4成正比.2)在现有的同类层次型拓扑控制算法中,如LEACH、HEED成簇算法都最多只能形成两级关系,即簇头节点同普通节点的关系,在相同的节点分布环境下,普通节点与簇头间的距离将远远大于LPH算法中的普通节点与簇头间的距离,簇内节点需要的总能量消耗也将远远大于LPH算法.对于PEGASIS算法,虽然该算法也支持多跳,但是在拓扑维护阶段中,并没有在普通节点与簇头节点之间进行优化.因此,利用PEGASIS算法形成的网络,在数据传输过程中耗能比LEACH算法形成的网络耗能更多.综上所述,LPH算法在能量损耗方面比LEACH、HEED及PEGASIS算法都节约更多的能量.4仿真验证4.1仿真场景与参数本文用NS2仿真工具对LEACH、PEGASIS 和LPH三种算法在节点数不同的两个场景中进行仿真.我们选择与文献[10]相同的假设,即N个节点均衡地分布于M×M区域,且节点是微移动或者静止不动的.其中,场景I的区域大小为100m×100m,节点数为50,Sink节点位于坐标(25,50),如图4所示;场景Ⅱ中节点同样分布在100m×100m的区域内,节点数为100,Sink节点位于坐标(50,50),如图5所示.仿真实验的参数包括进行NS2仿真实验所必须的一些网络参数,如信道类型、无线传输方式、无线物理层、MAC层等,以及表1给出的主要模拟参数,后5个参数与文献[10]中相同.表1仿真参数Table1Parameters used in simulation参数类型参数值节点初始能量2J数据包长度500ByteE threshold0.01JE static50nJ/bitεamp100pJ/(bit·m−2)E da5nJ/(bit·signal−1)4期:一种低能耗层次型无线传感器网络拓扑控制算法547图450个节点的仿真场景IFig.4Simulation scene I with50nodes in area of100m×100m图5100个节点的仿真场景IIFig.5Simulation scene II with100nodes in area of100m×100m4.2仿真结果分析在仿真过程中,分别针对LEACH、PEGASIS和LPH三种算法定期采集以下三种数据:1)每个节点当前消耗的总能量;2)Sink节点当前接收到的数据总量;3)网络中当前存活的节点数目.使用这些仿真数据,本文主要从能量效率的角度来分析评价算法的性能.评价指标如下:1)总能量损耗:每个节点从网络启动到某一个时刻所损耗的总能量.2)节点存活数:从网络启动到某一个时刻,网络中存活下来的节点数目.3)网络节点多跳数目:拓扑网络建立结束时刻,整个网络跳数.图6和图7分别比较了LEACH、PEGASIS和LPH三种算法在第4.1节描述的场景下的平均能量损耗.在场景I中,LEACH算法的总能量损耗是LPH算法能量损耗的1.68倍左右,PEGASIS算法的总能量损耗是LPH算法能量损耗的1.2倍左右;在场景II中,LEACH算法的总能量损耗是LPH算法能量损耗的1.17倍左右,PEGASIS算法的总能量损耗是LPH算法能量损耗的1.52倍左右.这表明LPH算法在相同情况下比LEACH和PEGASIS算法使用更低的能耗.图6节点平均能量损耗(场景I)Fig.6Average energy consumption(Scene I)图7节点平均能量损耗(场景II)Fig.7Average energy consumption(Scene II)图8和图9分别展示了在场景I和场景II下的节点存活数.图8网络中节点存活数(场景I)Fig.8Live node quantities(Scene I)548学报36卷图9网络中节点存活数(场景II)Fig.9Live node quantities(Scene II)在场景I中,LPH算法的第一个节点死亡(First node dies,FND)的时间是PEGASIS算法的1.16倍左右,最后一个节点死亡(Last nodedies,LND)的时间是PEGASIS算法的1.17倍左右;LPH算法的FND的时间是LEACH算法的1.4倍左右,LND的时间是LEACH算法的1.3倍左右.在场景II中,LPH算法的FND的时间是PEGA-SIS算法的1.6倍左右,LND的时间是PEGASIS算法的1.11倍左右;LPH算法的FND的时间是LEACH算法的2倍左右,LND的时间是LEACH算法的1.17倍左右.这表明LPH算法比LEACH和PEGASIS算法更延长了网络的生命周期,同时使能量的消耗更均匀地分布到所有节点中.对于拓扑网络建立完成时刻来说,统计到的多跳节点数是最能够衡量网络节点状态的参数.如图10和图11所示,对于场景I和II,可以看到LEACH算法由于自身算法的局限性,最多只能够支持两跳,这就加大了网络簇头节点的能量消耗,使得簇头节点更迅速的死亡;虽然PEGASIS算法也能够支持多跳,但是由于该算法没有对形成的整个网络拓扑进行优化,使得某些多跳节点的数目维持很图10网络中节点多跳数目(场景I)Fig.10Hops counts(Scene I)图11网络中节点多跳数目(场景II)Fig.11Hops counts(Scene II)大数量(场景I和II中1、2、3跳维持着很大的数目),同时多跳节点数据大量传递,导致父簇头节点由于需要转发大量的多跳数据而过早死亡.LPH算法在形成多网络跳拓扑时,考虑了簇头均衡,并对网络进行优化,在增加簇头数目的同时降低了簇内通信的损耗.从场景I和II中可以看出,网络拓扑建立完成后,大多数节点跳数都很平均,这样既减少了数据因多跳转发的次数,以避免簇头节点过早死亡;同时又由于分层多跳的思想提高了父簇头节点的生命周期.5结论较之现有的层次型拓扑控制算法,LPH算法有以下优点:1)能够实现至少5层的传感器网络(这同节点中地址空间分配的大小相关,这样的网络一般最多只能支持65536个网络节点),节点覆盖率高,而其他层次型拓扑控制算法(如LEACH算法)一般只能支持到两层.2)基于REDM能耗模型,LPH算法可以实现簇头节点分布均衡.3)网络层数的提高,使得簇头节点的数据拥塞明显降低,同时提高了整个网络的安全性和鲁棒性.另外,簇头节点通信的数据量明显减少,更加降低了单个节点的能耗,从而延长了整个网络的生命周期.4)网络中节点使用动态IP地址,在很大程度上提高了整个网络的可维护性.References1Heinzelman W,Chandrakasan A,Balakrishnan H.Energy-efficient communication protocol for wireless microsensornetworks.In:Proceedings of the33rd Annual Hawaii Inter-national Conference on System Sciences.Maui,USA:IEEE,2000.1−102Heinzelman W,Chandrakasan A,Balakrishnan H.Anapplication-specific protocol architecture for wireless micro4期:一种低能耗层次型无线传感器网络拓扑控制算法549sensor networks.IEEE Transactions on Wireless Communi-cations,2002,1(4):660−6703Lindsey S,Raghavendra C,Sivalingam K M.Data gath-ering algorithms in sensor networks using energy metrics.IEEE Transactions on Parallel and Distributed Systems, 2002,13(9):924−9354Dasgupta K,Kalpakis K,Namjoshi P.An efficient clustering-based heuristic for data gathering and aggrega-tion in sensor networks.In:Proceedings of the IEEE Con-ference on Wireless Communications and Networking.New Orleans,USA:IEEE,2003.1948−19535Choi W,Shah P,Das S K.A framework for energy-saving data gathering using two-phase clustering in wireless sensor networks.In:Proceedings of the International Conference on Mobile and Ubiquitous Systems:Networking and Ser-vices.Boston,USA:IEEE,2004.203−2126Li Cheng-Fa,Chen Gui-Hai,Ye Mao,Wu Jie.An uneven cluster-based routing protocol for wireless sensor networks.Chinese Journal of Computers,2007,30(1):31−36(李成法,陈贵海,叶懋,吴杰.一种基于非均匀分簇的无线传感器网络路由协议.计算机学报,2007,30(1):31−36)7Chen Jian-Ming,Wang Qing-Hai,Lu Jian-Jun.Study on adaptive topology algorithm EC-LEACH.Journal of Test and Measurement Technology,2008,22(6):539−543(陈建明,王青海,路建军.自适应分簇拓扑算法EC-LEACH的研究.测试技术学报,2008,22(6):539−543)8Liu Gang,Li Zhi-Gang,Zhu Xing-Guo,Zhou Xing-She.DCPC:energy conservation-based topology control protocol for wireless sensor puter Science,2007,34(4): 28−31(刘刚,李志刚,朱兴国,周兴社.DCPC:基于能量保护的传感器网络分布式拓扑控制协议.计算机科学,2007,34(4):28−31)9Oberg L,Xu Y Z.A complete energy dissipation model for wireless sensor networks,sensorcomm.In:Proceedings of the International Conference on Sensor Technologies and Applications.Valencia,Spain:IEEE,2007.531−54010Qing Li,Zhu Qing-Xin,Wang Ming-Wen.A distributed energy-efficient clustering algorithm for heterogeneous wire-less sensor networks.Journal of Software,2006,17(3): 481−489(卿利,朱清新,王明文.异构传感器网络的分布式能量有效成簇算法.软件学报,2006,17(3):481−489)康一梅北京航空航天大学软件学院教授,1994年获中国科学院自动化研究所博士学位.主要研究方向为无线传感器网络、软件架构设计、嵌入式软件设计.本文通信作者.E-mail:kangyimei@(KANG Yi-Mei Received herPh.D.degree in automatic control the-ory and application from Institute of Automation,Chinese Academy of Sciences in1994.She is a professor at the College of Software,Beihang University.Her research in-terest covers wireless sensor network,software architecture design,and embedded software design.Corresponding au-thor of this paper.)李志军2008年获北京航空航天大学软件学院硕士学位,现为西门子(中国)研究院无线通信部门研究专员.主要研究方向为无线局域网、无线传感器网络.E-mail:zhijun.li@(LI Zhi-Jun Received his master de-gree from Beihang University in2008.Now he is working at the Wireless Com-munications Department of Siemens(China)Corporate Technology.His research interest covers wireless LAN and wireless sensor network.)胡江中国兵器工业计算机应用技术研究所副总工程师,研究员,1991年获北京理工大学自动控制系工学硕士学位.主要研究方向为车辆电子综合技术.E-mail:hujiang201011@(HU Jiang Received his master de-gree from Beijing Institute of Technol-ogy in1991.Now he is a professor at Beijing Institute of Computer Application and Technology. His main research interest is vehicle electronic integrated technology.)董吉昌2009年获北京航空航天大学软件学院硕士学位,现为握奇数据系统有限公司平台开发中心工程师.主要研究方向为无线传感器网络、Java智能卡、嵌入式Java虚拟机.E-mail:jichang.dong@(DONG Ji-Chang Received hismaster degree from Beihang University. Now he is an engineer at the Platform Develop Department of Watchdata System Co,Ltd.His research interest covers wireless sensor network,Java smart card,and embedded Java virtual machine.)。