另外，考虑到传感器节点所采集的数据在较短时间内具有相关性，可以采用事件驱动的方式进一步延长网络生存期。下面将对DE—LEACH与LEACH进行性能上的比较，并仿真分析了加人事件驱动因素后DE—LEACH的生存期改善程度。

3 仿真分析
3．1 DE—LEACH与LEACH性能比较
    利用Matlab工具对LEACH算法和DE—LEACH算法进行仿真比较，主要比较：
    (1)存活节点数随轮次变化曲线；
    (2)数据采集总比特数(二次融合前)随轮次变化曲线。
    仿真中，假设无线传感器网络由100个相同的无线传感器节点组成，随机抛撒在100 m×100 m的区域内，远程基站位于坐标点(x=0，y=一100)。每个节点初始能量为O．5 J，发送和接收电路损耗为Elec=50 nJ／b，数据融合消耗为Eda=5 nJ／b。放大系数为Efs=10 pJ／b／m2(d<d0)，Emp=O．001 3 pJ／b／m4(d>d0)，其中数据包长度为2 000 b，广播包长度
为200 b，总带宽为1 MHz。为简化仿真复杂度，监测区域内通信按自由空间模型取Efs=10 pJ／b／m2，而簇头节点与基站通信由于距离较远(>100 m)，按多径传播模型取Emp=O.001 3 pJ／b／m4。
    根据第二层簇头对收到的第一层簇头数据进行二次融合的融合率不同，这里分完全不融合、50％融合、完全融合分别进行了仿真比较。
    完全不融合，即将第一层簇头发送来的数据包不加处理地组成一个长数据包发送到基站，这时第二层簇头相当于只是完成了数据接收和转发的功能。仿真发现，即使在完全不融合的情况下，DE—LEACH的首节点死亡时间也要比LEACH晚30％，50％节点死亡时间晚15％(如图1)。数据采集总比特数DE—LEACH比LEACH高出12％(如图2)。虽然末节点死亡时间早于LEACH，但网络中存活期非常集中，网络出现大面积监控盲区的时间短，若要保证数据采集的持续性和完整性，对监控区域重新部署节点将比LEACH算法更经济有效。

    50％融合，即将第一层簇头发送来的数据包压缩一半之后发送到基站。各个第一层簇头发送的数据包中仍然含有第一层簇头数据包的包头等基站不需要的冗余信息，可以进行进一步融合。仿真发现，进行50％融合后，DE—LEACH的首节点死亡时间比LEACH晚40％，50％节点死亡时间晚25％(如图3)。数据采集总比特数DE—LEACH比LEACH高出22％(如图4)。