CN101959244A - 一种适用于无线传感网的层次型路由控制方法 - Google Patents

一种适用于无线传感网的层次型路由控制方法 Download PDF

Info

Publication number
CN101959244A
CN101959244A CN2010102963246A CN201010296324A CN101959244A CN 101959244 A CN101959244 A CN 101959244A CN 2010102963246 A CN2010102963246 A CN 2010102963246A CN 201010296324 A CN201010296324 A CN 201010296324A CN 101959244 A CN101959244 A CN 101959244A
Authority
CN
China
Prior art keywords
node
cluster
nodes
cluster head
head
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010102963246A
Other languages
English (en)
Other versions
CN101959244B (zh
Inventor
洪榛
俞立
陈宁宁
董齐芬
郑凯华
潘浩
张贵军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN2010102963246A priority Critical patent/CN101959244B/zh
Publication of CN101959244A publication Critical patent/CN101959244A/zh
Application granted granted Critical
Publication of CN101959244B publication Critical patent/CN101959244B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

一种适用于无线传感网的层次型路由控制方法，包括以下步骤：1)对无线传感节点随机部署形成的网络拓扑进行距离侦测存储；2)基于N阶近邻理论，在传感节点位置及网络拓扑动态变化时，通过对节点分布离散度及曲率变化的分析确定当前最优的聚簇数量kopt；3)根据最优簇数kopt计算最佳簇头占有比率popt，并结合节点剩余能量选取簇头集；4)引入Hausdorff距离调整初始快速形成的簇结构；5)数据传输，将各传感器节点收集的数据信息通过簇头发送至基站。本发明提供准确的最优簇数计算，簇头分布更均匀，簇结构合理，节省了各节点能耗，实现了无线传感网的网络负载均衡。

Description

一种适用于无线传感网的层次型路由控制方法
技术领域
本发明涉及无线传感网领域，尤其涉及的是一种适用于无线传感网层次型路由控制方法。
背景技术
无线传感网是一类新兴的科学领域，也是现今物联网的重要组成部分。无线传感网本身是由大规模低成本、低功耗的多功能微型传感器节点以无线方式组成的多跳自组织网络，并隶属于无线网络的范畴。但区别于一般的无线网络，通常无线传感网在节点部署后即保持静止状态，除非节点损坏或者死亡，否则网络拓扑不会改变；网络自身只关心数据的收发，而发送与接收者并不是网络关心的重点。因此，传统基于IP协议的路由机制以及Ad hoc网络中针对移动性较强的多跳路由并不适合于无线传感网。
针对无线传感网的特性，现有的路由按照网络结构可大致被分为三类：平面路由、基于地理位置的路由和层次型路由，而层次型路由被认为是最适合解决无线传感网的路由问题，其中尤以Heinzelman等提出的低能耗自适应等级分簇路由（LEACH）为代表。LEACH以轮转机制周期性地执行簇建立和稳定数据通信过程，等概率随机选举簇头并履行数据融合策略，在一定程度上降低了数据的通信量，有效减少能量消耗，延长了网络的生存时间。
LEACH引入的簇头数据融合机制降低了数据传输的冗余度，改变了传统短距离多跳路由存在的问题，但也带来了新的问题：1）未将节点的剩余能量纳入考虑范畴，导致部分节点很快耗尽能量而缩短网络生存时间；2）簇头选举分布不均，未考虑节点的具体分布，从而导致网络能耗的不均；3）随机选举簇头及成簇方式容易带来大量不确定因素，导致当前的通信网络并非最优，进而造成生存时间大幅缩减；4）伴随网络规模的扩大，容易出现能耗不均的现象（离簇头越远消耗的能量越多，反之越则少），从而进一步影响了网络的整体覆盖和生存时间。
LEACH-C、LEACH-F两种涵盖集中式簇形成算法的路由解决了上述的部分问题，但是LEACH-C过分依赖于GPS与查找算法，效率比LEACH有所降低，而LEACH-F则依赖簇数量的设置以及簇大小的能量成本，一旦网络发生改变（新节点的加入或者节点耗尽能量死亡），其性能指标就迅速下降。为此，Lindsey等提出的PEGASIS协议只保留一个簇头，利用贪婪策略按照离基站的远近及相邻关系成链，通过令牌控制方式沿链以最小功率传输融合后的数据，并最终由簇头把融合后的数据发送给基站。PEGASIS避免了LEACH协议因频繁选举簇头、重构簇带来的通信开销，较之LEACH协议提高了网络的生存时间，但也存在诸如单簇遇到网络失败的机率大大提高，传输时延增大等问题。Manjeshwar等提出适用于响应型WSNs的TEEN协议，该协议通过设立硬、软两阀值来调节数据的发送量，达到精度与系统能耗之间的平衡，实现对突发事件及热点区域的监视，但也存在阀值设置敏感，容易产生噪声干扰，不适用于周期性的数据上报传输。Younis等提出的HEED协议将节点剩余能量纳入考虑范畴，并依据主从关系引入多个约束条件作用于簇头选举，同时首次提出将簇内平均可达能量（AMRP）作为衡量簇内通信成本标准的理念，较之LEACH成簇速度快、网路拓扑更合理，能耗更均匀，但却无法保证所选簇头是当前最优（节点能量最多），即簇头选举的可靠性相对不高。鉴于以上分析，迫切需要一种更适用于无线传感网的路由方法来解决一些实际的节点数据路由传输问题。
发明内容
为了克服现有无线传感节点的路由控制方法的簇头分布不均、簇间距不均、簇头选举不合适、能耗负载不均衡的不足，本发明提供了一种簇头分布均匀、簇头选举更合适、簇间距更合理、能耗负载均衡的适用于无线传感器网络的层次型路由控制方法。
本发明解决其技术问题所采用的技术方案是：
一种适用于无线传感网的层次型路由控制方法，包括以下步骤：
1) 节点距离侦测存储：基站首先向各节点广播侦测请求包，节点在接收请求数据包后向基站传回自身的信息；基站收到回复信息后计算各自的距离并形成路由距离矩阵表，同时存储并转发相应的路由节点距离矩阵表给各自的节点，即节点只存储与自身相关的距离信息；
2) 最优聚簇分析：设定在指定区域内部署的N个无线传感节点组成的集合表示为S={x i | x i  =(a i ,b i )且x i ∈R 2, i = 1,2,…,N }，令                                                
Figure DEST_PATH_IMAGE001
为节点x i 的一阶最短近邻距离，
Figure 840939DEST_PATH_IMAGE002
为节点x i 的二阶最短近邻距离，以此类推，为节点x i 的N-1阶最短近邻距离，则按照节点x i 的最短近邻距离从小到大的排列有：
Figure 737220DEST_PATH_IMAGE004
                    (1)
进一步，分别计算j阶最短近邻距离的平均值
Figure 2010102963246100002DEST_PATH_IMAGE005
和平方均值
Figure 750175DEST_PATH_IMAGE006
：
Figure 2010102963246100002DEST_PATH_IMAGE007
                      (2)
Figure 261709DEST_PATH_IMAGE008
                     (3)
求解方差
Figure 2010102963246100002DEST_PATH_IMAGE009
：
Figure 738826DEST_PATH_IMAGE010
                (4)
假定y i 为原传感节点x i 的次序排列，且满足y 1 ≤ y 2 … ≤ y N-1的关系，同时令为其对应独立的且具有相同概率的概率密度函数
Figure 307473DEST_PATH_IMAGE012
，且必须满足
Figure DEST_PATH_IMAGE013
；设定概率密度函数f(y) = 1，运用Beta函数的特性将式(4)推导转换为式(19)：
Figure 807725DEST_PATH_IMAGE014
                 (19)
系数
Figure DEST_PATH_IMAGE015
、
Figure 851511DEST_PATH_IMAGE016
分别对应于：
Figure DEST_PATH_IMAGE017
 ,     
Figure 448714DEST_PATH_IMAGE018
          (20)
设
Figure DEST_PATH_IMAGE019
，在传感网络节点曲率变化时，如果在某一节点上曲率变化满足
Figure 624481DEST_PATH_IMAGE020
                 (22)
则认为在该传感网络节点上发生了跃变，该传感网络节点也被称为跃变节点，记为m *，其中阀值
Figure DEST_PATH_IMAGE021
是在(0,1)区间中的足够小的常数；
    假定网络初始簇数为k=1，当计算某一节点曲率时满足式(22)，簇数在原来的基础上加1，迭代遍历节点集，统计所有的跃变节点m *，得到最优的簇数量k opt ；
3) 簇头选举：阀值T(n)决定当前传感节点成为簇头节点的概率，而簇头在所有节点中所占百分比p则决定着T(n)大小，通过所述对传感节点的最优聚簇分析得到当前最优的簇数量k opt ，进而计算当前最优的簇头占用比p opt ：
Figure 175810DEST_PATH_IMAGE022
                            (23)
则T(n)表示为：
Figure DEST_PATH_IMAGE023
                (24)
其中，r为执行的轮数，N为传感节点集的个数，G为本周期内未当选为簇头的节点集合，当r到达一个周期执行时间，未当选为簇头的节点集合G将被重置；
4) 簇形成：各簇头节点及时向整个网络通告自己当选的消息，该消息包内容只包含簇头节点的ID信息，同时簇头节点等待其他非簇头节点请求加入，其他非簇头节点直接根据初始状态下基站测定并转发的近似距离存储表迅速选择加入最近的簇头，并向簇头发回加入请求消息，该消息包含当前的非簇头节点ID以及欲加入的请求指令；
5) 数据传输：将各传感节点收集的数据信息通过簇头进一步发送至基站。
作为优选的一种方案：在所述步骤3)中，将节点剩余能量纳入簇头选取评价标准，则公式（24）转变为式（25）：
Figure 524752DEST_PATH_IMAGE024
           (25)
其中E residual 为节点当前评估的剩余能量，E max 则为节点的最大能量，即为节点初始能量。
作为优选的另一种方案：在所述步骤4)中，假设N个传感节点围绕k个簇头初步形成的簇集为Clusters={C 1,C 2,…,C k }，节点v 1
Figure DEST_PATH_IMAGE025
C i 、v 2
Figure 164679DEST_PATH_IMAGE025
C j ，且满足v 1
Figure 511346DEST_PATH_IMAGE026
v 2、C i
Figure 986190DEST_PATH_IMAGE026
C j ，1
Figure DEST_PATH_IMAGE027
i
Figure 640288DEST_PATH_IMAGE027
k,1
Figure 884187DEST_PATH_IMAGE027
j
Figure 136177DEST_PATH_IMAGE027
k，则簇C i 到C j 的Hausdorff距离为：
Figure 36000DEST_PATH_IMAGE028
                  (26)
其中的
Figure DEST_PATH_IMAGE029
为簇C i 中的节点到C j 中节点的范数，如L 2范数；
最终两簇之间的Hausdorff距离用下式来表示：
 
Figure 225279DEST_PATH_IMAGE030
             (27)
在确定簇间的Hausdorff距离后，假设簇C i 与C j 的Hausdorff距离H(C i ,C j ) = R h ，那么簇C i 中每个非簇头节点到C j 的节点必须满足d(v) < R h ，v代表簇C i 中任一非簇头节点，反之亦然。当C i 中存在一个或者多个节点大于或者等于R h ，则微调簇C i 与C j ，将簇C i 中离簇C j 最近的节点划归为C j ，并且被划分出去的节点同时向C j 发送请求加入消息和向C i 发送撤销加入消息。
进一步，在所述步骤5）中，非簇头节点基于不同的TDMA时间片向各自的簇头节点发送数据，簇头节点在接收不同的数据后采取融合策略。
再进一步，在所述步骤5）中，节点会在空闲、发送、接收和睡眠四个状态下流转一旦非簇头节点被授予TDMA时间片，即被唤醒转入空闲状态等待发送数据到相应的簇头节点，而簇头节点也将被唤醒处于准备接收数据的状态。
更进一步，在所述步骤5）中，基站在获取各簇头向全网广播的消息包后及时分配给簇头节点在t时刻的唯一网络ID，其他非簇头节点与簇头节点通信时在数据包头包含此网络ID，簇头节点通过网络ID判定数据包是否发送给自身。
在所述步骤5）中，邻近簇之间的通信采用的 CSMA/CA MAC协议。
本发明的技术构思为：首先进行必要的节点距离侦测，计算存储转发有效的节点距离关系矩阵路由表。其次利用N阶近邻理论实现最优聚簇分析，通过统计计算获取的k opt 计算最优的簇头占有比p opt ，并结合节点剩余能量确定簇头选举概率；快速成簇后引入Hausdorff距离进一步优化已形成的簇结构，最终形成全网的稳定通信。
本发明的有益效果主要表现在：最优簇数计算准确，簇头分布更均匀，簇结构合理，节省了各节点能耗，实现了无线传感网的网络负载均衡。
附图说明
图1是无线传感网(WSNs)网络结构图。
图2是无线能耗模型图。
图3是通信执行周期图。
图4是层次型路由方法流程图。
图5是节点状态转换设计图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图4，一种适用于无线传感网的层次型路由控制方法，包括如下步骤：
1）节点距离侦测存储阶段
无线传感节点在随机部署（如飞机飞行过程中投撒节点）后，即保持固定位置不变，各节点之间形成网络拓扑结构，基站负责统一的配置与通信调度。基站首先向各节点广播侦测请求包，节点在接收请求数据包后向基站传回自身的信息；基站收到回复信息后计算各自的距离并形成路由距离矩阵表，同时存储并转发相应的路由节点距离矩阵表给各自的节点，即节点只存储与自身相关的距离信息。
2）最优聚簇分析阶段
假定在指定区域内部署的N个无线传感节点组成的集合表示为S={x i | x i  =(a i ,b i )且x i ∈R 2, i = 1,2,…,N }，通过分析节点集的关系，可以找到满足一定条件的k个簇。令
Figure 589265DEST_PATH_IMAGE001
为节点x i 的一阶最短近邻距离，
Figure 12156DEST_PATH_IMAGE002
为其二阶最短近邻距离，以此类推，则按照节点x i 的最短近邻距离从小到大的排列有：
Figure 461592DEST_PATH_IMAGE004
                    (1)
进一步，分别计算j阶最短近邻距离的平均值
Figure 831393DEST_PATH_IMAGE005
和平方均值
Figure 285770DEST_PATH_IMAGE006
：
Figure 145142DEST_PATH_IMAGE007
                      (2)
Figure 816295DEST_PATH_IMAGE008
                     (3)
传感节点的分散程度将直接决定最优簇数量，为分析其离散度，求解方差
Figure 52104DEST_PATH_IMAGE009
：
Figure 629497DEST_PATH_IMAGE010
                (4)
假定y i 为原传感节点x i 的次序排列，且满足y 1 ≤ y 2 … ≤ y N-1的关系，同时令
Figure 659770DEST_PATH_IMAGE011
为其对应独立的且具有相同概率的概率密度函数，且必须满足
Figure 529823DEST_PATH_IMAGE013
。计算得到概率密度的K阶统计f N-1,K(y)：
Figure DEST_PATH_IMAGE031
                     (5)
其中，f N-1,K(y)为y i 的累计概率分布函数，P(K(y) ≤ y)为随机试验K阶次序传感节点集中小于等于随机变量y的概率。相应的，上述过程可以看成在N-1次试验中大于等于K次成功的事件概率，由于y i 的概率密度函数相同，且满足关系y 1 ≤ y 2 … ≤ y N-1，则式(5)可转化成：
          (6)
显然，上式可进一步写成：
Figure DEST_PATH_IMAGE033
               (7)
对上式进行推导得：
          (8)
将式(8)的求和项展开，相同项约掉，便得到下式：
Figure DEST_PATH_IMAGE035
           (9)
由于项
Figure 930345DEST_PATH_IMAGE036
，则K阶统计的概率密度f N-1,K(y)为：
Figure DEST_PATH_IMAGE037
              (10)
其中的F(y)是对应的累积概率分布函数：
Figure 803230DEST_PATH_IMAGE038
                             (11)
此时，式(2)、式(3)可等价转化成下式：
Figure DEST_PATH_IMAGE039
                         (12)
Figure 913137DEST_PATH_IMAGE040
                           (13)
再将式(12)与式(13)代入式(4)得：
Figure DEST_PATH_IMAGE041
           (14)
同时，再将式(10)与式(11)分别代入可得：
  (15)
从上式可以发现，若想计算最终的，必须给定相应的概率密度函数f(y)。由于一般部署的无线传感节点满足均匀分布的条件，因此f(y) = 1，上式便可简化成：
Figure DEST_PATH_IMAGE043
               (16)
进一步运用Beta函数及其性质
Figure 97759DEST_PATH_IMAGE044
代入可得：
Figure DEST_PATH_IMAGE045
               (17)
利用求和公式与平方求和公式可将上式转化为：
Figure 492532DEST_PATH_IMAGE046
                (18)
显然，式(18)可看成函数：
                 (19)
系数、
Figure 309681DEST_PATH_IMAGE016
分别对应于：
Figure 567749DEST_PATH_IMAGE017
 ,     
Figure 281627DEST_PATH_IMAGE018
          (20)
       从上面的一系列推导发现，节点离散度
Figure 389261DEST_PATH_IMAGE009
只与传感节点的个数N与节点m相关，将
Figure 784470DEST_PATH_IMAGE009
做
Figure DEST_PATH_IMAGE047
线性化处理后得到：
Figure 956432DEST_PATH_IMAGE048
                   (21)
设，在统计传感节点曲率变化时，如果在某一节点上曲率变化满足
                 (22)
则认为在这一节点上发生了跃变，该节点也被称为跃变节点，记为m *。其中m为节点，阀值
Figure 697358DEST_PATH_IMAGE021
是在(0,1)区间中的足够小的常数，且上式必须满足
Figure 664439DEST_PATH_IMAGE019
的情况，否则将不成立。通过判定近邻节点曲率变化关系，可确定跃变的发生及获取跃变节点，即可以通过求解曲率变化确定簇的存在和簇数量大小。不失一般性，假定网络初始簇数为k=1，当计算某一节点曲率时满足式(22)，则意味着在该节点发生跃变，簇数在原来的基础上加1，即当前必定存在两个簇，使得在计算统计节点曲率时发生跃变。迭代遍历节点集，统计所有的跃变节点m *，就可得到最终的簇数量；而且随着跃变节点的增加，簇数k也必定为单调递增。迭代执行全部过程，即可得到最优的簇数量k opt ，这也为下一步簇头选举打下基础。
3）簇头选举阶段
簇头的选取在层次型路由中起着关键作用，阀值T(n)决定当前传感节点成为簇头节点的概率，而簇头在所有节点中所占百分比p则决定着T(n)大小，其设定值也直接影响着整个网络的性能。通过前述对传感节点的最优聚簇分析可以得到当前最优的簇数量k opt ，进而计算当前最优的簇头占用比p opt ：
Figure 923382DEST_PATH_IMAGE022
                              (23)
则T(n)可表示为：
                (24)
其中，r为执行的轮数，N为传感节点集的个数，G为本周期内未当选为簇头的节点集合。当r到达一个周期执行时间，未当选为簇头的节点集合G将被重置。
考虑传感节点剩余能量对簇头选取乃至整个网络生存周期的影响， 将节点剩余能量纳入簇头选取评价标准，则T(n)进一步转变为：
Figure 539357DEST_PATH_IMAGE024
           (25)
其中E residual 为节点当前评估的剩余能量，E max 则为节点的最大能量，即为节点初始能量。
4）簇形成阶段
一旦簇头选举完成，各簇头节点采用基于载波监听多路访问/防止冲突（CSMA/CA）MAC协议及时向整个网络通告自己当选的消息，该消息包内容只包含簇头节点的ID信息，同时簇头节点等待其他非簇头节点请求加入。其他非簇头节点直接根据初始状态下基站测定并转发的近似距离存储表迅速选择加入最近的簇头，仍按照CSMA/CA协议向簇头发回加入请求消息，该消息包含当前的非簇头节点ID以及欲加入的请求指令。
快速成簇过程存在许多缺陷，即使前述已经实行了最优聚簇分析和最优簇头选取策略，也无法保证当前簇就是最优的。因此，为使网络划分的簇更趋均匀合理，引入Hausdorff距离来调整已经初步形成的簇，使得调整后的簇是最优的。
假设N个传感节点围绕k个簇头初步形成的簇集为Clusters={C 1,C 2,…,C k }，节点v 1
Figure 125059DEST_PATH_IMAGE025
C i 、v 2
Figure 121615DEST_PATH_IMAGE025
C j ，且满足v 1 v 2、C i
Figure 762998DEST_PATH_IMAGE026
C j ，1
Figure 406469DEST_PATH_IMAGE027
i
Figure 803952DEST_PATH_IMAGE027
k,1
Figure 96655DEST_PATH_IMAGE027
j
Figure 237787DEST_PATH_IMAGE027
k，则簇C i 到C j 的Hausdorff距离为：
Figure 798081DEST_PATH_IMAGE028
                  (26)
其中的
Figure 366465DEST_PATH_IMAGE029
为簇C i 中的节点到C j 中节点的范数，如L 2范数。反过来C j 到C i 的Hausdorff距离不一定与C i 到C j 的Hausdorff距离相同，因此，最终两簇之间的Hausdorff距离可以用下式来表示：
 
Figure 143535DEST_PATH_IMAGE030
             (27)
在确定簇间的Hausdorff距离后，判断两簇之间的非簇头节点是否满足Hausdorff距离条件，如果不满足则对簇进行调整。假设簇C i 与C j 的Hausdorff距离H(C i ,C j ) = R h ，那么簇C i 中每个非簇头节点到C j 的节点必须满足d(v) < R h （v代表簇C i 中任一非簇头节点），反之亦然。当C i 中存在一个或者多个节点大于或者等于R h ，则微调簇C i 与C j ，将簇C i 中离簇C j 最近的节点划归为C j ，并且被划分出去的节点同时向C j 发送请求加入消息和向C i 发送撤销加入消息。
5）数据传输阶段
数据传输阶段主要是将各传感节点收集的数据信息通过簇头进一步发送至基站。非簇头节点基于不同的TDMA时间片向各自的簇头节点发送数据，簇头节点在接收不同的数据后采取融合策略以降低冗余度或还原关键原始数据。通常节点会在空闲、发送、接收和睡眠四个状态下流转，鉴于节省能耗的设计原则，其大部分的时间处于睡眠状态，一旦非簇头节点被授予TDMA时间片，即被唤醒转入空闲状态等待发送数据到相应的簇头节点，而簇头节点也将被唤醒处于准备接收数据的状态。由于节点主要的能耗都在数据通信上，数据融合及睡眠状态时消耗极小部分能量，因此能保证尽可能地延长网络生存时间。
此外，对于邻近簇间的通信干扰，按照特定的网络编码方式，即基站在获取各簇头向全网广播的消息包后及时分配给簇头节点在t时刻的唯一网络ID，其他非簇头节点与簇头节点通信时必须在数据包头包含此网络ID，簇头节点通过网络ID判定数据包是否发送给自身，这样可以过滤掉大量邻簇的数据包。同时，采用的 CSMA/CA MAC协议同样可以避免大量通信冲突干扰的发生，使得全网能够保持稳定的数据通信传输。
如图1，无线传感节点随机部署在一定区域内，该区域可以是规则的几何图形区域，也可以是不规则图形区域，节点与节点之间、节点与基站之间形成多层网络拓扑结构。无线传感节点通过选举机制选取出簇头集，节点采集的各类信息由这些簇头集传输给基站，这种层次型的网络拓扑有利于网络能耗的均衡。
图2是本发明所采用的无线能耗模型，当节点v 1向距离d外的v 2发送L字节数据包时的能耗为：
Figure DEST_PATH_IMAGE049
               (28)
E Tx (L,d)包含发射电路及功率放大损耗两部分，其中E elec 为节点发射每位(bit)数据消耗的能量，参数
Figure 88357DEST_PATH_IMAGE050
fs 和
Figure 503158DEST_PATH_IMAGE050
mp 依赖于具体的传输放大模型，d threshold 为阀值，当传感节点v 1与v 2的距离d d threshold 时，则使用Friss自由空间模型，反之当d > d threshold 时则采用多路径衰减模型。特别的，当d = d threshold ，则有：
Figure DEST_PATH_IMAGE051
                         (29)
同时，v 2接收v 1发送过来的数据包消耗的能量为：
Figure 572057DEST_PATH_IMAGE052
                         (30)
       如图3通信执行周期所示，本发明采用轮机制，主要分为5个步骤，分别为距离侦测存储、最优聚簇分析、簇头选举、簇形成和数据通信。距离侦测阶段主要是节点初始化部署后，网络拓扑自然形成，需要对网络整体进行侦测。通过基站向节点广播询问消息以及节点的回复确立距离关系，并在基站计算存储该距离矩阵路由表，同时基站也会向节点转发相应的距离关系表。距离侦测存储只在节点初始化部署后执行，而且只执行一次。
接着，最优聚簇阶段实行N阶近邻理论分析，通过对节点的离散度及曲率变化分析，统计确定现有网络拓扑条件下可分簇数量。离散度的计算见式(4)及其推导，曲率分析计算主要见式(22)，当计算某一节点曲率时满足式(22)，则意味着在该节点发生了曲率上的跃变，那么当前就必定存在两个簇，迭代运行至计算得出完全的簇数量k opt 。该过程只在节点初始化部署及网络拓扑动态变化的情况发生。
然后簇头选举阶段将基于最优簇数k opt 计算最佳簇头占有比率p opt ，同时考虑节点的剩余能量，选举当前最优的簇头集。该过程主要是计算节点当选簇头的概率T(n)计算，每一轮都将根据实际的情况选举新的簇头，结合节点的剩余能量考虑，能量越多的节点将被优先考虑选为簇头。而簇头占有比率p opt 和簇的地域划分也决定着簇头的选举。
在簇头选举结束后，簇头节点采用基于载波监听多路访问/防止冲突（CSMA/CA）MAC协议及时向整个网络通告自己当选的消息，同时等待其他非簇头节点请求加入。其他非簇头节点直接根据初始状态下基站测定并转发的近似距离存储表迅速选择加入最近的簇头，仍按照CSMA/CA协议向簇头发回加入请求消息。在快速成簇，本发明又引入了Hausdorff距离，通过对簇间的Hausdorff距离判定，调整已经形成的簇结构，使之更趋合理和均衡。
最后进入数据稳定通信阶段，该阶段主要是在已经形成的WSNs通信网络上进行通信，非簇头节点基于不同的TDMA时间片向各自的簇头节点发送数据，簇头节点在接收不同的数据后采取融合策略以降低冗余度或还原关键原始数据。经过融合的数据信息通过簇头最后传送至基站，基站再对这些数据进行分类整理或二次融合，以达到进一步降低数据量的目的。
详细的流程如图4所示。为了满足能耗节省的设计要求，如图5所示，通常节点被设计成空闲、发送、接收和睡眠四个状态。节点大部分时间将处于睡眠状态，一旦非簇头节点被授予TDMA时间片，即被唤醒转入空闲状态等待发送数据到相应的簇头节点，而簇头节点也将被唤醒处于准备接收数据的状态。这样的设计模式能够尽可能地降低能力消耗，节省有限的电力资源。此外，为了充分保证整个通信网络的工作状态和效率，满足关系T analysis + T select + T form << T data，其中T analysis表示最优聚簇分析时间，T select表示簇头选举时间，以及T form表示簇形成时间。

Claims (7)

1.一种适用于无线传感网的层次型路由控制方法，包括以下步骤：
1) 节点距离侦测存储：基站首先向各节点广播侦测请求包，节点在接收请求数据包后向基站传回自身的信息；基站收到回复信息后计算各自的距离并形成路由距离矩阵表，同时存储并转发相应的路由节点距离矩阵表给各自的节点，即节点只存储与自身相关的距离信息；其特征在于：所述层次型路由控制方法还包括以下步骤：
2) 最优聚簇分析：设定在指定区域内部署的N个无线传感节点组成的集合表示为S={x i | x i  =(a i ,b i )且x i ∈R 2, i = 1,2,…,N }，令                                                
Figure 831005DEST_PATH_IMAGE001
为节点x i 的一阶最短近邻距离，
Figure 2010102963246100001DEST_PATH_IMAGE002
为节点x i 的二阶最短近邻距离，以此类推，
Figure 436561DEST_PATH_IMAGE003
为节点x i 的N-1阶最短近邻距离，则按照节点x i 的最短近邻距离从小到大的排列有：
Figure 2010102963246100001DEST_PATH_IMAGE004
                    (1)
进一步，分别计算j阶最短近邻距离的平均值和平方均值
Figure 2010102963246100001DEST_PATH_IMAGE006
：
Figure 798458DEST_PATH_IMAGE007
                      (2)
Figure 2010102963246100001DEST_PATH_IMAGE008
                     (3)
求解方差
Figure 241859DEST_PATH_IMAGE009
：
                (4)
假定y i 为原传感节点x i 的次序排列，且满足y 1 ≤ y 2 … ≤ y N-1的关系，同时令为其对应独立的且具有相同概率的概率密度函数
Figure 2010102963246100001DEST_PATH_IMAGE012
，且必须满足
Figure 767573DEST_PATH_IMAGE013
；设定概率密度函数f(y) = 1，运用Beta函数的特性将式（4）推导转换为式（19）：
Figure 2010102963246100001DEST_PATH_IMAGE014
                 (19)
系数
Figure 28790DEST_PATH_IMAGE015
、
Figure 2010102963246100001DEST_PATH_IMAGE016
分别对应于：
Figure 822303DEST_PATH_IMAGE017
 ,     
Figure 2010102963246100001DEST_PATH_IMAGE018
          (20)
设
Figure 441765DEST_PATH_IMAGE019
，在传感网络节点曲率变化时，如果在某一节点上曲率变化满足
Figure 2010102963246100001DEST_PATH_IMAGE020
                 (22)
则认为在该传感网络节点上发生了跃变，该传感网络节点也被称为跃变节点，记为m *，其中的阀值
Figure 258411DEST_PATH_IMAGE021
是在(0,1)区间中的足够小的常数；
    假定网络初始簇数为k=1，当计算某一节点曲率时满足式(22)，簇数在原来的基础上加1，迭代遍历节点集，统计所有的跃变节点m *，得到最优的簇数量k opt ；
3) 簇头选举：阀值T(n)决定当前传感节点成为簇头节点的概率，而簇头在所有节点中所占百分比p则决定着T(n)大小，通过所述对传感节点的最优聚簇分析得到当前最优的簇数量k opt ，进而计算当前最优的簇头占用比p opt ：
Figure 2010102963246100001DEST_PATH_IMAGE022
                              (23)
则T(n)表示为：
Figure 636170DEST_PATH_IMAGE023
                (24)
其中，r为执行的轮数，N为传感节点集的个数，G为本周期内未当选为簇头的节点集合，当r到达一个周期执行时间，未当选为簇头的节点集合G将被重置；
4) 簇形成：各簇头节点及时向整个网络通告自己当选的消息，该消息包内容只包含簇头节点的ID信息，同时簇头节点等待其他非簇头节点请求加入，其他非簇头节点直接根据初始状态下基站测定并转发的近似距离存储表迅速选择加入最近的簇头，并向簇头发回加入请求消息，该消息包含当前的非簇头节点ID以及欲加入的请求指令；
5) 数据传输将各传感节点收集的数据信息通过簇头进一步发送至基站。
2.如权利要求1所述的一种适用于无线传感网的层次型路由控制方法，其特征在于：在所述步骤3)中，将节点剩余能量纳入簇头选取评价标准，则公式（24）转变为式（25）：
Figure 2010102963246100001DEST_PATH_IMAGE024
           (25)
其中E residual 为节点当前评估的剩余能量，E max 则为节点的最大能量，即为节点初始能量。
3.如权利要求1或2所述的一种适用于无线传感网的层次型路由控制方法，其特征在于：在所述步骤4)中，假设N个传感节点围绕k个簇头初步形成的簇集为Clusters={C 1,C 2,…,C k }，节点v 1
Figure 284189DEST_PATH_IMAGE025
C i 、v 2
Figure 776350DEST_PATH_IMAGE025
C j ，且满足v 1
Figure 2010102963246100001DEST_PATH_IMAGE026
v 2、C i
Figure 581758DEST_PATH_IMAGE026
C j ，1
Figure 919198DEST_PATH_IMAGE027
i
Figure 624986DEST_PATH_IMAGE027
k,1
Figure 22469DEST_PATH_IMAGE027
j
Figure 312243DEST_PATH_IMAGE027
k，则簇C i 到C j 的Hausdorff距离为：
Figure 2010102963246100001DEST_PATH_IMAGE028
                  (26)
其中的
Figure 453374DEST_PATH_IMAGE029
为簇C i 中的节点到C j 中节点的范数，如L 2范数；
最终两簇之间的Hausdorff距离用下式来表示：
 
Figure 2010102963246100001DEST_PATH_IMAGE030
             (27)
在确定簇间的Hausdorff距离后，假设簇C i 与C j 的Hausdorff距离H(C i ,C j ) = R h ，那么簇C i 中每个非簇头节点到C j 的节点必须满足d(v) < R h ，v代表簇C i 中任一非簇头节点，反之亦然；当C i 中存在一个或者多个节点大于或者等于R h ，则微调簇C i 与C j ，将簇C i 中离簇C j 最近的节点划归为C j ，并且被划分出去的节点同时向C j 发送请求加入消息和向C i 发送撤销加入消息。
4.如权利要求1或2所述的一种适用于无线传感网的层次型路由控制方法，其特征在于：在所述步骤5）中，非簇头节点基于不同的TDMA时间片向各自的簇头节点发送数据，簇头节点在接收不同的数据后采取融合策略。
5.如权利要求4所述的一种适用于无线传感网的层次型路由控制方法，其特征在于：在所述步骤5）中，节点会在空闲、发送、接收和睡眠四个状态下流转一旦非簇头节点被授予TDMA时间片，即被唤醒转入空闲状态等待发送数据到相应的簇头节点，而簇头节点也将被唤醒处于准备接收数据的状态。
6.如权利要求4所述的一种适用于无线传感网的层次型路由控制方法，其特征在于：在所述步骤5）中，基站在获取各簇头向全网广播的消息包后及时分配给簇头节点在t时刻的唯一网络ID，其他非簇头节点与簇头节点通信时在数据包头包含此网络ID，簇头节点通过网络ID判定数据包是否发送给自身。
7.如权利要求6所述的一种适用于无线传感网的层次型路由控制方法，其特征在于：在所述步骤5）中，邻近簇之间的通信采用的 CSMA/CA MAC协议。
CN2010102963246A 2010-09-29 2010-09-29 一种适用于无线传感网的层次型路由控制方法 Expired - Fee Related CN101959244B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010102963246A CN101959244B (zh) 2010-09-29 2010-09-29 一种适用于无线传感网的层次型路由控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010102963246A CN101959244B (zh) 2010-09-29 2010-09-29 一种适用于无线传感网的层次型路由控制方法

Publications (2)

Publication Number Publication Date
CN101959244A true CN101959244A (zh) 2011-01-26
CN101959244B CN101959244B (zh) 2013-03-27

Family

ID=43486267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010102963246A Expired - Fee Related CN101959244B (zh) 2010-09-29 2010-09-29 一种适用于无线传感网的层次型路由控制方法

Country Status (1)

Country Link
CN (1) CN101959244B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102833779A (zh) * 2012-08-09 2012-12-19 嘉兴优太太阳能有限公司 针对具有无线传感网络的太阳能系统的测试装置
CN105072671A (zh) * 2015-06-30 2015-11-18 国网山东省电力公司潍坊供电公司 一种高级量测体系网络中传感器节点的自适应调度方法
CN105791026A (zh) * 2016-04-19 2016-07-20 浙江理工大学 一种基于功率和能量优化的势博弈拓扑控制方法
CN106370444A (zh) * 2016-08-16 2017-02-01 深圳高速工程检测有限公司 基于信息融合的结构损伤诊断方法和结构损伤诊断系统
CN106507431A (zh) * 2016-11-22 2017-03-15 南方电网科学研究院有限责任公司 无线传感器网络路由方法
CN108156087A (zh) * 2018-01-22 2018-06-12 南京邮电大学 一种分簇、流量分配、编码协商和数据转发方法及装置
CN108430088A (zh) * 2018-05-17 2018-08-21 广西大学 一种无线传感网络系统及其节点唤醒方法
CN108540959A (zh) * 2018-04-02 2018-09-14 嘉兴学院 用于接入调度系统的车联网ap协作调度优化方法
CN109309620A (zh) * 2018-11-23 2019-02-05 河北大学 一种面向边缘计算的轻量级异构网络分簇方法
CN109831794A (zh) * 2019-03-22 2019-05-31 南京邮电大学 一种超密集网络中基于密度与最小距离的基站分簇方法
CN110490266A (zh) * 2019-08-23 2019-11-22 北京邮电大学 一种传感器数据上传、传感器故障检测方法及装置
CN110798401A (zh) * 2019-10-24 2020-02-14 天津大学 基于剩余能量和地理位置的路径选择方法
CN116233784A (zh) * 2023-02-24 2023-06-06 青岛科技大学 Auv与水下无线传感器网络的数据收集方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101188535A (zh) * 2007-12-06 2008-05-28 上海大学 基于二叉树的无线传感器网络分簇能量均衡路由确定方法
US20090154395A1 (en) * 2007-12-17 2009-06-18 Electronics And Telecommunications Research Institute Wireless sensor network having hierarchical structure and routing method thereof
CN101489275A (zh) * 2009-02-27 2009-07-22 山东大学 基于能量均衡与距离协同中继无线传感器网络路由方法
CN101594657A (zh) * 2009-06-25 2009-12-02 北京航空航天大学 无线传感网络中基于软阈值的簇头选举方法
CN101841884A (zh) * 2010-04-30 2010-09-22 北京航空航天大学 一种基于能量的无线传感网络簇头继承分簇方法
CN101965052A (zh) * 2010-10-15 2011-02-02 浙江工业大学 基于最优信标组的无线传感网节点定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101188535A (zh) * 2007-12-06 2008-05-28 上海大学 基于二叉树的无线传感器网络分簇能量均衡路由确定方法
US20090154395A1 (en) * 2007-12-17 2009-06-18 Electronics And Telecommunications Research Institute Wireless sensor network having hierarchical structure and routing method thereof
CN101489275A (zh) * 2009-02-27 2009-07-22 山东大学 基于能量均衡与距离协同中继无线传感器网络路由方法
CN101594657A (zh) * 2009-06-25 2009-12-02 北京航空航天大学 无线传感网络中基于软阈值的簇头选举方法
CN101841884A (zh) * 2010-04-30 2010-09-22 北京航空航天大学 一种基于能量的无线传感网络簇头继承分簇方法
CN101965052A (zh) * 2010-10-15 2011-02-02 浙江工业大学 基于最优信标组的无线传感网节点定位方法

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102833779B (zh) * 2012-08-09 2015-01-07 嘉兴优太太阳能有限公司 针对具有无线传感网络的太阳能系统的测试装置
CN102833779A (zh) * 2012-08-09 2012-12-19 嘉兴优太太阳能有限公司 针对具有无线传感网络的太阳能系统的测试装置
CN105072671B (zh) * 2015-06-30 2018-11-23 国网山东省电力公司潍坊供电公司 一种高级量测体系网络中传感器节点的自适应调度方法
CN105072671A (zh) * 2015-06-30 2015-11-18 国网山东省电力公司潍坊供电公司 一种高级量测体系网络中传感器节点的自适应调度方法
CN105791026A (zh) * 2016-04-19 2016-07-20 浙江理工大学 一种基于功率和能量优化的势博弈拓扑控制方法
CN105791026B (zh) * 2016-04-19 2019-01-22 浙江理工大学 一种基于功率和能量优化的势博弈拓扑控制方法
CN106370444A (zh) * 2016-08-16 2017-02-01 深圳高速工程检测有限公司 基于信息融合的结构损伤诊断方法和结构损伤诊断系统
CN106507431A (zh) * 2016-11-22 2017-03-15 南方电网科学研究院有限责任公司 无线传感器网络路由方法
CN106507431B (zh) * 2016-11-22 2019-11-08 南方电网科学研究院有限责任公司 无线传感器网络路由方法
CN108156087B (zh) * 2018-01-22 2021-04-27 南京邮电大学 一种分簇、流量分配、编码协商和数据转发方法及装置
CN108156087A (zh) * 2018-01-22 2018-06-12 南京邮电大学 一种分簇、流量分配、编码协商和数据转发方法及装置
CN108540959A (zh) * 2018-04-02 2018-09-14 嘉兴学院 用于接入调度系统的车联网ap协作调度优化方法
CN108540959B (zh) * 2018-04-02 2020-09-15 嘉兴学院 用于接入调度系统的车联网ap协作调度优化方法
CN108430088A (zh) * 2018-05-17 2018-08-21 广西大学 一种无线传感网络系统及其节点唤醒方法
CN108430088B (zh) * 2018-05-17 2023-09-05 广西大学 一种无线传感网络系统及其节点唤醒方法
CN109309620B (zh) * 2018-11-23 2020-10-27 河北大学 一种面向边缘计算的轻量级异构网络分簇方法
CN109309620A (zh) * 2018-11-23 2019-02-05 河北大学 一种面向边缘计算的轻量级异构网络分簇方法
CN109831794A (zh) * 2019-03-22 2019-05-31 南京邮电大学 一种超密集网络中基于密度与最小距离的基站分簇方法
CN109831794B (zh) * 2019-03-22 2022-03-11 南京邮电大学 一种超密集网络中基于密度与最小距离的基站分簇方法
CN110490266A (zh) * 2019-08-23 2019-11-22 北京邮电大学 一种传感器数据上传、传感器故障检测方法及装置
CN110490266B (zh) * 2019-08-23 2022-04-22 北京邮电大学 一种传感器数据上传、传感器故障检测方法及装置
CN110798401A (zh) * 2019-10-24 2020-02-14 天津大学 基于剩余能量和地理位置的路径选择方法
CN116233784A (zh) * 2023-02-24 2023-06-06 青岛科技大学 Auv与水下无线传感器网络的数据收集方法
CN116233784B (zh) * 2023-02-24 2023-09-15 青岛科技大学 Auv与水下无线传感器网络的数据收集方法

Also Published As

Publication number Publication date
CN101959244B (zh) 2013-03-27

Similar Documents

Publication Publication Date Title
CN101959244A (zh) 一种适用于无线传感网的层次型路由控制方法
Hani et al. A Survey on LEACH-Based Energy Aware Protocols for Wireless Sensor Networks.
Kumar et al. A review of routing protocols in wireless sensor network
Gherbi et al. A novel load balancing scheduling algorithm for wireless sensor networks
CN110972228B (zh) 一种基于认知无线传感器网络的分簇路由方法
Ramanan et al. Data gathering algorithms for wireless sensor networks: a survey
ECE A survey on energy efficient routing in wireless sensor networks
Sha et al. A type of energy-balanced tree based data collection strategy for sensor network with mobile sink
Nezha et al. Energy-aware clustering and efficient cluster head selection
Kumar et al. Performance of energy conservation models, generic, micaz and micamotes, using AODV routing protocol on a wireless sensor network
Zhang et al. A distributed framework for low-latency data collection in battery-free wireless sensor networks
Kaur et al. Comparative analysis of clustering protocols for wireless sensor networks
Chaudhary et al. Energy efficiency and latency improving protocol for wireless sensor networks
Soni et al. An investigation on energy efficient routing protocol for wireless sensor network
Chelbi et al. An Unequal Cluster-based Routing Protocol Based on Data Controlling for Wireless Sensor Network.
Alrubaye et al. Improvement of cluster head selection in LEACH for reducing energy consumption in wireless sensor networks
MuthuLakshmi Advanced leach protocol in large scale wireless sensor networks
Kumar et al. Improved data gathering protocol for WSN
Malekpourshahraki et al. A survey on design challenges of scheduling algorithms for wireless networks
Krishnamoorthy Enhanced adaptive clustering mechanism for effective cluster formation in WSN
Chourse et al. A review on energy efficient of clustering-based routing protocol in wireless sensor network
Quynh et al. Improving energy efficiency for ARPEES routing protocol in wireless sensor networks
Choi et al. A weight-based unequal clustering routing protocol in wireless sensor network
Xiao et al. Energy efficient TDMA-based MAC protocol associated with GAF for wireless sensor networks
Han et al. An Event-driven Clustering Routing Algorithm in mobile CRSNs

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130327

CF01 Termination of patent right due to non-payment of annual fee