CN102510572B - 一种面向异构无线传感器网络的分簇路由控制方法 - Google Patents

Abstract

一种面向异构无线传感器网络的分簇路由控制方法，包括以下步骤：1)进行平均网络能量估计，考虑理想状态的平均能量预测和历史能耗参考值准确估算下轮平均网络剩余能量；2)进行最优簇头选举，依据较为准确的网络剩余能量估算来计算节点成为簇头的概率，确定最优簇头集；3)簇形成过程，引入类万有引力思想，以引力大小确定非簇头节点加盟哪个簇；4)稳定的数据传输过程，将各传感器节点收集的数据信息融合处理，待积累到设定程度后通过簇头转发至基站。本发明提供更加准确的平均网络能量预测估算，从而使得选举产生的簇头分布更均匀；同时簇结构更加合理，节省了各节点能耗，实现了多级异构无线传感网环境下的网络负载均衡。

Description

一种面向异构无线传感器网络的分簇路由控制方法

技术领域

本发明涉及无线传感网领域，尤其涉及的是一种面向异构无线传感器网络分簇路由控制方法。

背景技术

无线传感器网络(WSNs)是物联网的重要组成部分，也是21世纪最重要的创新性技术之一。WSNs是由大量低成本、低功耗的微型传感器节点组成的多跳自组织无线网络，它与一般的有线网(如Ethernet)或者无线网络(如移动ad hoc网络)有着本质的区别。通常WSNs以数据为中心，其本身不在乎发送方和接收方，传感节点部署之后就保持静止或微移动状态。由于受能量、计算处理能力等各种资源约束，通信协议一直以来都是WSNs较为严重的软肋，而适用于移动adhoc网络的基于IP协议路由和传统多跳路由很难直接照搬到WSNs中去。

平面型路由是WSNs中主要的通信协议，节点和基站间采用多跳路由策略传输数据，却极易因为传输路径过长导致全网节点能量的过度消耗；同时由于没有汇聚节点所采取的融合机制，也极易造成大量冗余数据传播，进而导致网络拥塞的出现。层次型路由中基于分簇的思想以及数据融合机制弥补了平面路由的不足，保障全网的连通性和负载均衡，最大化网络生命周期。LEACH协议一直被认为是WSNs分簇算法中最具代表性意义的能量节约型分布式路由协议，但也存在着不少问题：1)未考虑节点剩余能量；2)簇头选取分布不均；3)随机选取簇头及成簇方式容易带来大量不确定因素；4)容易出现能耗不均现象。针对该类问题，不少学者在LEACH协议的基础上提出改进算法，如LEACH-C、PEGASIS、TEEN、HEED，但都不同程度地存在不足，且协议在异构网络环境下表现不尽如人意。

近些年来，国内外也有学者对异构WSNs的路由方法进行了深入研究。如Smaragdakis等提出异构感知分簇协议SEP，SEP把网络节点分为高级与普通两种类型，其中高级节点比普通节点装配更多的起始能量，根据剩余能量及加权选择概率选举每个簇的簇头。SEP能够在两级异构WSNs中获得更长的稳定期生命周期，但不足以胜任多级异构网络环境。Qing等以节点剩余能量和全网平均剩余能量之比作为簇头选举条件，提出了一种分布式能量高效分簇路由协议DEEC。DEEC依靠估计网络总的生命周期来计算全网每轮近似的平均剩余能量，然而评估全网可能的理想生存时间显然是极其困难的，不可预测的。Kumar等把节点分为超级、高级和普通三种类型，并就此提出另一种能量高效异构聚簇算法EEHC，同DEEC相似，EEHC同样依赖于节点剩余能量和相似的加权选择概率选举簇头。刘志等提出分环多跳分簇路由算法，在不同环内构建大小不同的簇，同时以分环方式实现簇头间的多跳通信，能基本满足节点能量同构及异构网络。Zhou等考虑所有节点的剩余能量和能耗速率，提出可靠的传输协议EDFCM，该协议在给出能耗数学模型的基础上以一阶能量消耗预测作为簇头选举依据，但这一过程必须要知道下一轮的近似平均能耗，而预测全网可能的生存时间和下轮平均能耗存在一定的难度，往往容易造成结果的偏差。

发明内容

为了解决现有异构无线传感网路由控制无法准确预测估计全网能耗，从而引起的簇头选举不适、能耗负载不均衡以及节点的簇划归问题，本发明提供了一种相对准确的能量估计机制和簇划分策略，来指导簇头选举过程和判定节点归属。

本发明解决其技术问题所采用的技术方案是：

一种面向异构无线传感网的分簇路由控制方法，包括以下步骤：

1)首先，进行平均网络能量估计：计算理想状态下第r轮网络平均剩余能量结合上一轮消耗的平均剩余能量以及上一轮分簇后整个网络消耗的能量，更加准确地预测估计下一轮网络的平均剩余能量

$\stackrel{\‾}{E}\left(r\right)=\mathrm{\α}{\stackrel{\‾}{E}}_{\mathrm{ideal}}\left(r\right)+(1-\mathrm{\α})\×({\stackrel{\‾}{E}}_{(r-1)}-\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{E}_i(r-1))---\left(11\right)$

其中，r为轮数，N为节点个数，为第r-1轮(上一轮)全网的平均剩余能量，E_i(r-1)为节点s_i在第r-1轮消耗的能量，α为加权系数，且α∈(0，1)；

2)进行最优簇头选举：引入簇头选举加权概率，则所述多级异构网络环境下的单独节点s_i的加权概率为：

$P^{\′}\left(s_i\right)=p_{\mathrm{opt}}\·\frac{E_0(1+{\mathrm{\λ}}_i)}{\frac{E_0}{N}(N+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)}=\frac{{\mathrm{Np}}_{\mathrm{opt}}(1+{\mathrm{\λ}}_i)}{(N+\underset{i=+1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)}---\left(12\right)$

其中p_opt为最优簇头占有比，E₀是初始能量的下界，参数λ_i为节点s_i的能量倍数，λ_i＞0；

进一步，计算得到所述多级异构网络环境下节点s_i当选簇头的平均概率：

$P_i^{\′}=\frac{{\mathrm{Np}}_{\mathrm{opt}}(1+{\mathrm{\λ}}_i)}{(N+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)}\·\frac{E_{\mathrm{res}}^i\left(r\right)}{\stackrel{\‾}{E}\left(r\right)}---\left(13\right)$

此时，节点s_i选举成为簇头的概率阀值T(s_i)有：

其中，G为本周期内未当选为簇头的节点集合；

3)簇形成过程：各簇头节点向整个网络通告自己当选簇头的消息，等待其他非簇头节点加入，引入类万有引力定律，非簇头节点根据下式给出的簇头引力来确定到底加入哪个簇。

$F(i,j,r)=C\·\frac{E_{\mathrm{res}}^i\left(r\right)\·E_{\mathrm{res}}^j\left(r\right)}{d^2(i,j)}---\left(17\right)$

其中，F(i，j，r)为第r轮非簇头节点i与簇头节点j之间的引力，C为给定的常量，而则分别为第r轮非簇头节点s_i和簇头s_j的剩余能量；

4)稳定的数据传输过程：簇内成员节点将在既定的TDMA时隙内把数据包发送给簇头节点，簇头在接收数据后执行数据融合算法，同时临时存储并等待转发基站。

进一步，在所述平均网络能量估计过程中，理想状态下第r轮网络平均剩余能量通过式(10)的计算得到。

${\stackrel{\‾}{E}}_{\mathrm{ideal}}\left(r\right)=\frac{1}{N}{E}_{\mathrm{Total}}(1-\frac{r}{R})---\left(10\right)$

而网络总的生存时间R则通过下式计算：

$R=\frac{E_{\mathrm{Total}}}{E_{\mathrm{round}}}---\left(9\right)$

其中E_round为每轮所有节点消耗的能量之和。

进一步，在所述最优簇头选举过程中，多级异构网络下节点s_i当选簇头的轮转周期τ′_i为：

${\mathrm{\τ}}_i^{\′}=\frac{1}{P^{\′}}=\frac{(N+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)}{{\mathrm{Np}}_{\mathrm{opt}}(1+{\mathrm{\λ}}_i)}\·\frac{\stackrel{\‾}{E}\left(r\right)}{E_{\mathrm{res}}^i\left(r\right)}={\mathrm{\τ}}_{\mathrm{opt}}^{\′}\·\frac{\stackrel{\‾}{E}\left(r\right)}{E_{\mathrm{res}}^i\left(r\right)}---\left(14\right)$

其中τ′_opt是节点成为簇头的最优轮转周期。进而，节点s_i选举成为簇头的概率阀值T(s_i)可转化为：

再进一步，在所述簇形成过程中，通信范围内非簇头节点接收多个簇头发送的邀请加入的消息包，通过判定接收信号的强弱(RSSI)确定发送方和接收方之间的距离d(i，j)。

更进一步，在所述簇形成过程中，每个非簇头节点在经过比较引力大小后即确定本轮应该加入哪个簇，并向该簇的簇头节点发送请求加入消息包。簇头在接收到非簇头节点的请求加入消息后，立即为该节点分配TDMA时隙，并建立TDMA时间表后向所有的簇内成员转发。而簇内成员接收簇头的TDMA时间表后，保存并等待簇头分配的时隙与簇头进行数据通信。

更进一步，在所述稳定的数据传输过程中，簇头节点收集的数据积累到设定程度，才执行发送操作将数据传送给基站。

本发明的技术构思为：本发明给出多级异构WSNs模型，每个节点装配区间[E₀，E₀(1+λ)]的初始能量，且每个节点保持不同的能量，其中E₀是初始能量的下界，参数λ为常数，λ＞0，决定最大初始能量的设置倍数。令当前网络是由N个节点组成的节点集记为S，且因此，节点s_i装配的初始能量为E₀(1+λ_i)，那么所述异构网络环境下所有节点初始能量和为：

$E_{\mathrm{Total}}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{E}_0(1+{\mathrm{\λ}}_i)=E_0(N+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)---\left(1\right)$

首先进行平均网络能量估计，结合考虑理想状态的平均能量预测和历史能耗参考值估算下一轮网络的平均剩余能量，决定节点当选簇头的概率，以此来指导整个簇头选举过程。其次在簇形成过程中引入类万有引力思想，以引力大小确定非簇头节点加盟哪个簇，最后形成全网的稳定数据通信。

本发明的有益效果主要表现在：平均网络能量预测估算更加准确，从而使得选举产生的簇头分布更均匀；同时引入的类万有引力思想也促使簇结构更加合理，节省了各节点能耗，实现了多级异构无线传感网环境下的网络负载均衡。

附图说明

图1是簇形成流程图。

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1，一种面向异构无线传感器网络的分簇路由控制方法，包括如下步骤：

1)首先，进行平均网络能量估计：

根据常用的无线能耗模型

计算簇头、非簇头节点每轮发送l位消息包消耗的能量E_CH、E_nonCH：

$E_{\mathrm{CH}}=(\frac{N}{k}-1){\mathrm{lE}}_{\mathrm{elec}}+\frac{N}{k}{\mathrm{lE}}_{\mathrm{DA}}+{\mathrm{lE}}_{\mathrm{elec}}+l{\mathrm{\ξ}}_{\mathrm{fs}}{d}_{\mathrm{toBS}}^2---\left(3\right)$

$E_{\mathrm{nonCH}}={\mathrm{lE}}_{\mathrm{elec}}+l{\mathrm{\ξ}}_{\mathrm{fs}}{d}_{\mathrm{toCH}}^2---\left(4\right)$

其中，k为该轮网络中簇的数量，E_DA为处理融合每位数据消耗的能量，d_toBS为簇头节点与基站的平均距离，d_toCH则为非簇头节点与簇头的平均距离。假设所述N个节点均匀分布于M ×M区域，d_toBS和d_toCH分别可表示为：

$d_{\mathrm{toBS}}={\∫}_{M^2}\sqrt{x^2+y^2}\frac{1}{M^2}{\mathrm{dM}}^2=0.3835M---\left(5\right)$

$d_{\mathrm{toCH}}=\sqrt{\∫\∫(x^2+y^2)\mathrm{\ρ}(x,y)\mathrm{dxdy}}=\frac{M}{\sqrt{2\mathrm{\πk}}}---\left(6\right)$

由此可以计算得出每个簇每轮消耗的能量，进而获得全网k个簇每轮消耗的总能量：

$E_{\mathrm{round}}=k\·E_{\mathrm{cluster}}=E_{\mathrm{CH}}+(\frac{N}{k}-1)E_{\mathrm{nonCH}}---\left(7\right)$

$\≈l(2{\mathrm{NE}}_{\mathrm{elec}}+{\mathrm{NE}}_{\mathrm{DA}}+k{\mathrm{\ξ}}_{\mathrm{mp}}{d}_{\mathrm{toBS}}^4+N{\mathrm{\ξ}}_{\mathrm{fs}}{d}_{\mathrm{toCH}}^2)$

当前网络的簇数量k可以通过下式求解获得：

k＝N·p_opt (8)

进一步，根据E_Total、E_round计算网络总的生存时间R：

$R=\frac{E_{\mathrm{Total}}}{E_{\mathrm{round}}}---\left(9\right)$

从而得出理想状态下第r轮网络平均剩余能量

${\stackrel{\‾}{E}}_{\mathrm{ideal}}\left(r\right)=\frac{1}{N}{E}_{\mathrm{Total}}(1-\frac{r}{R})---\left(10\right)$

再进一步，结合上一轮消耗的平均剩余能量以及上一轮分簇后整个网络消耗的能量，便可以更加准确地估算下一轮网络的平均剩余能量

$\stackrel{\‾}{E}\left(r\right)=\mathrm{\α}{\stackrel{\‾}{E}}_{\mathrm{ideal}}\left(r\right)+(1-\mathrm{\α})\×(\stackrel{\‾}{E}(r-1)-\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{E}_i(r-1))---\left(11\right)$

其中，r为轮数，N为节点个数，为第r-1轮(上一轮)全网的平均剩余能量，E_i(r-1)为节点s_i在第r-1轮消耗的能量，α为加权系数，且α∈(0，1)；

2)进行最优簇头选举：

针对所述的多级异构网络，引入簇头选取加权概率，可以较好地解决异构环境下节点成为簇头概率的不定性。计算所述多级异构网络环境下的单独节点s_i的加权概率为：

$P^{\′}\left(s_i\right)=p_{\mathrm{opt}}\·\frac{E_0(1+{\mathrm{\λ}}_i)}{\frac{E_0}{N}(N+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)}=\frac{{\mathrm{Np}}_{\mathrm{opt}}(1+{\mathrm{\λ}}_i)}{(N+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)}---\left(12\right)$

其中，p_opt为最优簇头占有比，E₀是初始能量的下界，参数λ_i为节点s_i的能量倍数，λ_i＞0；

进一步，计算得到所述多级异构网络环境下节点s_i当选簇头的平均概率：

$P_i^{\′}=\frac{{\mathrm{Np}}_{\mathrm{opt}}(1+{\mathrm{\λ}}_i)}{(N+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)}\·\frac{E_{\mathrm{res}}^i\left(r\right)}{\stackrel{\‾}{E}\left(r\right)}---\left(13\right)$

同时可得到所述多级异构网络下节点s_i当选簇头的轮转周期τ′_i为：

${\mathrm{\τ}}_i^{\′}=\frac{1}{P^{\′}}=\frac{(N+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\λ}}_i)}{{\mathrm{Np}}_{\mathrm{opt}}(1+{\mathrm{\λ}}_i)}\·\frac{\stackrel{\‾}{E}\left(r\right)}{E_{\mathrm{res}}^i\left(r\right)}={\mathrm{\τ}}_{\mathrm{opt}}^{\′}\·\frac{\stackrel{\‾}{E}\left(r\right)}{E_{\mathrm{res}}^i\left(r\right)}---\left(14\right)$

再进一步，所述多级异构网络下节点s_i选举成为簇头的概率阀值T(s_i)有：

更进一步，节点s_i选举成为簇头的概率阀值T(s_i)可转化为：

3)簇形成过程：各簇头节点向整个网络通告自己当选簇头的消息，等待其他非簇头节点加入。在通信范围内非簇头节点接收多个簇头发送的邀请加入的消息包，通过判定接收信号的强弱(RSSI)确定发送方和接收方之间的距离d(i，j)，引入类万有引力定律，非簇头节点根据下式给出的簇头引力来确定到底加入哪个簇：

$F(i,j,r)=C\·\frac{E_{\mathrm{res}}^i\left(r\right)\·E_{\mathrm{res}}^j\left(r\right)}{d^2(i,j)}---\left(17\right)$

如图1，通过式(17)的计算，每个非簇头节点在经过比较引力大小后即确定本轮应该加入哪个簇，并向该簇的簇头节点发送请求加入消息包。簇头在接收到非簇头节点的请求加入消息后，立即为该节点分配TDMA时隙，并建立TDMA时间表后向所有的簇内成员转发。而簇内成员接收簇头的TDMA时间表后，保存并等待簇头分配的时隙与簇头进行数据通信。

4)稳定的数据传输过程：簇内成员节点将在既定的TDMA时隙内把数据包发送给簇头节点。簇头在接收数据后执行数据融合算法，同时临时存储并等待转发基站。各簇头待数据包积累到设定程度后，将数据转发至基站。本轮整个数据通信过程就宣告结束，紧接着新一轮的迭代过程又将开始，一直到各节点耗尽所有能量，网络生命周期才正式宣告终结。

Claims (5)

1.一种面向异构无线传感器网络的分簇路由控制方法，包括以下步骤：

1)首先，进行平均网络能量估计：

计算理想状态下第r轮网络平均剩余能量结合上一轮消耗的平均剩余能量以及上一轮分簇后整个网络消耗的能量，更加准确地预测估计下一轮网络的平均剩余能量

其中，r为轮数，N为节点个数，为第r-1轮(上一轮)全网的平均剩余能量，E_i(r-1)为节点s_i在第r-1轮消耗的能量，α为加权系数，且α∈(0,1)；

在所述步骤1)中，理想状态下第r轮网络平均剩余能量通过式(10)的计算得到，

而网络总的生存时间R则通过下式计算：

其中E_round为每轮所有节点消耗的能量之和；

E_Total是所有节点初始能量和；

其特征在于：所述分簇路由控制方法还包括以下步骤：

2)进行最优簇头选举：

引入簇头选举加权概率，则多级异构网络环境下的单独节点s_i的加权概率为：

其中，p_opt为最优簇头占有比，E₀是初始能量的下界，参数λ_i为节点s_i的能量倍数，λ_i>0；

进一步，计算得到所述多级异构网络环境下节点s_i当选簇头的平均概率P_i′：

此时，节点s_i选举成为簇头的概率阀值T(s_i)有：

其中，G为本周期内未当选为簇头的节点集合；

3)簇形成过程：

各簇头节点向整个网络通告自己当选簇头的消息，等待其他非簇头节点加入，引入类万有引力定律，非簇头节点根据下式给出的簇头引力来确定到底加入哪个簇，

其中，F(i,j,r)为第r轮非簇头节点i与簇头节点j之间的引力，C为给定的常量，而则分别为第r轮非簇头节点s_i和簇头s_j的剩余能量；

通信范围内非簇头节点接收多个簇头发送的邀请加入的消息包，通过判定接收信号的强弱确定发送方和接收方之间的距离d(i,j)；

4)稳定的数据传输过程：簇内成员节点将在既定的TDMA时隙内把数据包发送给簇头节点，簇头在接收数据后执行数据融合算法，同时临时存储并等待转发基站。

2.如权利要求1所述的一种面向异构无线传感器网络的分簇路由控制方法，其特征在于：在所述步骤2)中，多级异构网络下节点s_i当选簇头的轮转周期τ_i′为：

其中，τ_opt′是节点成为簇头的最优轮转周期。

3.如权利要求2所述的一种面向异构无线传感器网络的分簇路由控制方法，其特征在于：在所述步骤2)中，节点s_i选举成为簇头的概率阀值T(s_i)转化为：

4.如权利要求3所述的一种面向异构无线传感器网络的分簇路由控制方法，其特征在于：在所述步骤3）中，每个非簇头节点在经过比较引力大小后即确定本轮应该加入哪个簇，并向该簇的簇头节点发送请求加入消息包；簇头在接收到非簇头节点的请求加入消息后，立即为该节点分配TDMA时隙，并建立TDMA时间表后向所有的簇内成员转发；而簇内成员接收簇头的TDMA时间表后，保存并等待簇头分配的时隙与簇头进行数据通信。

5.如权利要求2所述的一种面向异构无线传感器网络的分簇路由控制方法，其特征在于：在所述步骤4）中，在所述稳定的数据传输过程中，簇头节点收集的数据积累到设定程度，执行发送操作将数据传送给基站。