完全融合，即将第一层簇头发送来的数据包压缩成一个2 000 b的数据包发送到基站。由于融合率较大，不仅要用到数据级融合，特征级融合，还要用到决策级融合。即最后传输到基站的已不是简单的数据，而是第二层簇头节点对采集到的数据进行综合分析后所得到的结果。仿真发现，完全融合后，DE—LEACH的首节点死亡时间比LEACH晚40％，50％节点死亡时间晚30％(如图5)。数据采集总比特数DE—LEACH比LEACH高出28％(如图6)。
    由仿真比较可见，综合考虑了簇头节点到基站的距离以及剩余能量并据此选出第二层簇头的DE—LEACH算法，性能较LEACH有明显的改善。
    DE—LEAcH算法的优点：延长了首节点死亡时间，曲线斜率明显比LEACH大，缩短了首末节点死亡时间间隔，相比于LEACH，节点死亡时间更加集中，监控盲点出现时间短，重新部署传感器节点更加经济高效；数据采集总量明显提高。DE—LEACH算法的不足：由于在原来LEACH算法的簇头与基站之间又增加了一跳路由，网络延迟有所增加。另外，节点的运算能力要有所提高。就仿真来看，要想得到更长的网络生存时间和更高的数据采集量，就要加大数据融合率，这对节点的数据融合能力提出了更高的要求。在实际应用中，需要根据应用对性能和成本的要求进行综合考虑。

3．2 事件驱动型DE—LEACH生存期分析
    针对传感器节点所采集的数据(如温度、压力等)在较短时间内的相关性，可设定一个门限值，当相邻两次所采集数据变化超过此门限值时，节点才向簇头发送数据，并保留后一次数据在该节点存储器中；若变化小于门限值，则不进行发送，仍保留前一次数据以防止数据以渐进的方式变化。门限值可设定为前次采集数据的百分比或具体的数值，视具体情况而定。图7的仿真设定门限值为前次采集数据的10％(完全不融合情况)。

    由图7可见加入事件驱动因素后，网络生存期延长约9％，仿真中为方便采集数据用随机数的方式产生，不具有相关性。当实际应用中的数据具有相关性时，生存期延长将更加明显。另外，门限值的大小可根据需要更改，适应性较强。加入事件驱动的缺点：由于需要存储两次采集的数据进行比较，提高了对传感器节点存储能力的要求。

4 结 语
    路由协议在很大程度上决定了网络的整体性能。因此，作为无线传感器网络核心技术之一，路由协议一直是研究的热点。LEACH算法是一种经典的层次型路由协议，它利用簇头轮换机制有效的将能量消耗较均匀地分摊到整个网络。在LEACH算法的基础上提出了一种基于距离和能量选择第二层簇头的两层改进型LEACH算法DE—LEACH，并简要分析了事件驱动对网络生存期的影响。仿真结果表明，该算法进一步平均了网络中的能量消耗，有效延长了网络生存时间，提高了网络的数据采集能力。
    LEACH算法的实现作了一些假设。其中一点是网络中每个节点当选簇头后都进行全网广播，这样的假设在网络覆盖范围较大的情况下损耗将明显加大，因此在大规模应用中多层多跳路由成为必然的选择。这也将是今后工作继续探讨的方向之一。