CN102665171A - 基于大规模wsn突发事件监测的路由控制方法 - Google Patents

Abstract

本发明公开一种基于大规模WSN突发事件监测的路由控制方法，包括搭建网络模型、网络初始化、簇头选举以及数据传输四个步骤，在数据传输过程中，簇头节点根据网关节点是否存在于自己的“邻居节点记录表”中选择以一跳或多跳中继方式将有效监测数据发送回网关节点，在多跳中继方式中，当前节点根据自身的剩余能量状况选择不同的算法来寻找下一跳路由节点。其显著效果是：簇头节点与网关节点之间采用单跳或多跳中继方式通信，避免了长距离传输造成的能量过度耗损，通过簇头节点和中继节点选举方法、自适应功率调整、控制消息延迟转发等机制，节省和均衡了网络能量消耗，从而推迟首个死亡节点的时间，提高网络性能。

Description

基于大规模WSN突发事件监测的路由控制方法

技术领域

本发明属于无线传感器网络中的路由技术，具体地说，是一种基于大规模WSN突发事件监测的路由控制方法。

背景技术

无线传感器网络(Wireless Sensor Network，WSN)是由大量部署在特定监测区域内的微型传感器节点构成，通过无线通信方式组建的网络系统。WSN因其低成本、易实施、大规模、自组织等特点广泛应用于环境监测与保护、医疗护理、军事应用等方面。而传感器节点能量和功能的局限性制约了WSN应用的有效开展。

路由协议在很大程度上影响了网络的能量效率、时延及鲁棒性等重要性能。高效适用的路由协议能够弥补单个传感器节点能量和功能的不足，提高WSN的能量效率并延长网络的有效生命期，成为无线传感器网络领域的重要研究内容。

现有的WSN路由协议可以分为平面型路由协议和分层式路由协议。在小规模WSN应用中，平面型路由凸显其简单有效的特点。但对于大规模WSN应用场景，分层式路由较平面型路由更能有效降低和均衡能量消耗，提高网络能量效率和生命周期。

LEACH(low-energy adaptive clustering hierarchy)是最早提出的分层式路由协议，在节省和均衡网络能耗方面取得了一定成效，但该协议本身存在一些固有不足，如：簇头选择和分布具有很大随机性；簇头选择时未考虑节点剩余能量因素导致部分节点过早死亡；簇头与网关节点直接通信导致远离网关节点的簇头能量消耗过快等。

在LEACH基础上的一些改进协议虽然在一定程度上克服了LEACH协议固有的不足，但大多采用预成簇机制，即簇头的选择和簇的形成发生在网络形成初期，与事件没有必然的相关性。而突发事件监测场景中事件发生的时间和地点具有很大的随机性，为此预成簇机制具有明显缺陷，与事件不相关的节点参与成簇产生不必要的能量消耗；成簇区域和事件区域不吻合降低了数据融合的有效性等。

事件驱动成簇EDC(event-driven clustering)路由算法的提出克服了上述缺陷。该算法仅当异常事件发生，才会由监测到事件的相关节点参与簇头竞选和成簇操作，避免了无关节点产生不必要的能量消耗，且保证了成簇区域与事件区域一致吻合性，从而提高了数据融合的有效性。但该算法需要借助基站和网关节点的作用，增加了网络部署的复杂程度。

发明内容

为了解决上述缺陷，本发明提供一种基于大规模WSN突发事件监测的路由控制方法，该方法既能根据异常事件发生的随机性进行驱动成簇，又能节省和均衡网络能量消耗，从而尽可能延长首个死亡节点的生命周期，增加整个网络的有效工作期。

为达到上述目的，本发明所采用的技术方案如下：

一种基于大规模WSN突发事件监测的路由控制方法，其关键在于按照以下步骤进行：

步骤1：搭建网络模型；

在预设的监测区域内随机分布N个传感器节点和一个网关节点，每个传感器节点具有唯一的身份标识号，各传感器节点具有相同的初始能量以及数据处理和通信能力；

步骤2：网络初始化；

各传感器节点和网关节点通过广播初始化消息建立“邻居节点记录表”，所述“邻居节点记录表”中记录的邻居节点信息包括邻居节点身份标识号、邻居节点剩余能量、邻居节点的距离以及邻居节点离网关节点的距离；

步骤3：簇头选举；

当某一区域发生异常事件时，监测到异常事件的传感器节点按照簇头选举算法选择其中一个传感器节点作为簇头节点；

步骤4：数据传输；

步骤4-1：监测到异常事件的传感器节点先将数据转发给步骤3选举出的簇头节点，簇头节点判断自己“邻居节点记录表”中是否存在网关节点，如果簇头节点的“邻居节点记录表”存在网关节点，则进入步骤4-2；否则进入步骤4-3；

步骤4-2：簇头节点直接将数据转发给网关节点；

步骤4-3：簇头节点选择多跳中继方式将数据发送回网关节点；所述多跳中继方式根据如下原则选择下一跳中继节点：

当前节点判断自身的能量状况：

如果E_res(c)＜E₀且E_res(c)＜E_aver，当前节点按照公式(1)计算邻居节点的路由概率；

否则，当前节点按照公式(2)计算邻居节点的路由概率；

$P_{\mathrm{rn}}\left(i\right)=\frac{E_{\mathrm{res}}\left(i\right)-E_{\mathrm{aver}}}{d_s\left(i\right)\×d_c\left(i\right)},$ $\∀i\∈M---\left(1\right)$

P_m(i)＝E_res(i)/d_s(i)， $\∀i\∈M---\left(2\right)$

其中，E_res(c)为当前节点的剩余能量，E₀为传感器节点的初始能量，M为当前节点的邻居节点中较其离网关节点更近的传感器节点集合，E_aver为集合M中传感器节点和当前节点的平均能量，E_res(i)为集合M中候选节点i的剩余能量，d_s(i)集合M中候选节点i到网关节点的距离，d_c(i)是集合M中候选节点i到当前节点的距离，P_m(i)为候选节点i的路由概率，i为节点标识号；

步骤4-4：当前节点选择集合M中路由概率最大的一个传感器节点作为下一跳路由进行数据转发。

作为进一步描述，所述步骤3中的簇头选举算法步骤如下：

步骤3-1：监测到异常事件的传感器节点m按照公式(3)计算簇头选举概率P_CHm，按照公式(4)计算等待时间T_m，生成簇头选举消息M_CHm并让计时器T_x开始计时，所述簇头选举消息M_CHm中包括传感器节点m的节点标识号和簇头选举概率P_CHm；

$P_{\mathrm{CHm}}=k_1\×\frac{E_{\mathrm{resm}}}{E_0}+k_2\×\frac{1}{d_s\left(m\right)}+k_3\×\frac{N_{\mathrm{nbsm}}}{N}---\left(3\right)$

T_m＝(1-P_CHm)×T₀    (4)

其中，E_resm为传感器节点m的剩余能量，E₀为传感器节点的初始化能量，d_s(m)为传感器节点m到网关节点的距离，N_nbsm为传感器节点m的邻居节点数目，N为网络模型中传感器节点的数目，k₁、k₂、k₃为大于0的比例因子，且k₁+k₂+k₃＝1，T₀为时间常数；

步骤3-2：判断计时器T_x是否大于或等于T_m，如果计时器T_x小于T_m，则进入步骤3-3判断是否收到其他传感器节点n广播的簇头选举消息M_CHn，否则进入步骤3-4；

步骤3-3：如果传感器节点m收到其他传感器节点n广播的簇头选举消息M_CHn，则将M_CHn设为自身的簇头选举消息M_CHm，进入步骤3-4，否则返回步骤3-2；

步骤3-4：传感器节点m广播自身的簇头选举消息M_CHm，进入步骤3-5；

步骤3-5：判断计时器T_x是否大于或等于T_N，T_N为时间常数，且T_N＞T₀，如果计时器T_x小于T_N，则进入步骤3-6判断是否收到其他传感器节点广播的簇头选举消息M_CHn，否则进入步骤3-9；

步骤3-6：如果传感器节点m收到其他传感器节点广播的簇头选举消息M_CHn，则进入步骤3-7，否则返回步骤3-5；

步骤3-7：判断P_CHm是否大于P_CHn，其中P_CHm为传感器节点m当前簇头选举消息M_CHm中的簇头选举概率，P_CHn为传感器节点n的簇头选举概率，如果P_CHm大于P_CHn，则返回步骤3-5，否则进入步骤3-8；

步骤3-8：传感器节点m将M_CHn设为自身的簇头选举消息M_CHm并广播M_CHm，返回步骤3-5；

步骤3-9：传感器节点m将簇头选举消息M_CHm中节点标识号所对应的传感器节点作为簇头节点。

由于节点死亡会降低邻居节点间的连通性，增加其能量消耗的速率。所以，网络中首个死亡节点的生命周期在很大程度上影响到整个网络的有效工作期。本发明所提供的方法主要是通过推迟首个死亡节点的时间，进而延长整个网络的有效工作期。该方法采用事件驱动成簇机制，在事件发生区域，由相关节点参与成簇，避免了不必要的成簇消耗，同时有利于数据融合的有效性。数据传输过程中，根据簇头节点到网关节点的距离选择单跳或多跳传输方式。在选择中继节点时，不仅考虑候选节点的能量和位置因素，同时根据当前节点的能量状况选择不同的竞选方法，从而避免当前节点过早死亡。

本发明的显著效果是：算法简单，容易实现，采用事件驱动成簇机制，可以避免不相关节点参与成簇操作造成的能量损耗，簇头节点与网关节点之间采用单跳或多跳中继方式通信，避免了长距离传输造成的能量过度耗损，本发明还采用了簇头节点和中继节点选举方法、自适应功率调整、控制消息延迟转发等机制，进一步节省和均衡了网络能量消耗，从而推迟首个死亡节点的时间，提高网络性能。

附图说明

图1是本发明的总体步骤流程图；

图2是图1中数据传输的具体流程图；

图3是图1中簇头选举的具体流程图；

图4是本发明的技术效果对比图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。

如图1，图2所示，一种基于大规模WSN突发事件监测的路由控制方法，按照以下步骤进行：

步骤1：搭建网络模型；

在预设的监测区域内随机分布N个传感器节点和一个网关节点，每个传感器节点具有唯一的身份标识号，各传感器节点具有相同的初始能量以及数据处理和通信能力；

本实施例中，我们将200个传感器节点随机分布在500×500m²的监测区域内，网关节点位于监测区域的中心，每个传感器节点的身份标识号依次定为1～200。

步骤2：网络初始化；

各传感器节点和网关节点通过广播初始化消息建立“邻居节点记录表”，所述“邻居节点记录表”中记录的邻居节点信息包括邻居节点身份标识号、邻居节点剩余能量、邻居节点的距离以及邻居节点离网关节点的距离；

本实施例中采用广播机制，首先由网关节点使用不同的发射功率广播自身的初始化消息，每个传感器节点根据接收消息的强度计算自身到达网关节点的距离，传感器节点i到网关节点的距离记为d_s(i)；然后每个传感器节点再利用固定功率广播自身的初始化消息，传感器节点广播的初始化消息中包括自身的身份标识号、剩余能量和离网关节点的距离，如果一个传感节点收到另一个传感器节点广播的初始化消息，则认为另一传感器节点属于自己的邻居节点，从而根据接收消息的强度计算两节点之间的距离，最后将另一节点的相关信息保存在自身的“邻居节点记录表”中。

步骤3：簇头选举；

当某一区域发生异常事件时，监测到异常事件的传感器节点按照簇头选举算法选择其中一个传感器节点作为簇头节点；

现有技术中簇头选举的方法有多种，既有预成簇机制，又有事件驱动成簇机制，为了避免不相关节点参与成簇造成能量损耗，本发明采用事件驱动成簇机制。

如图3所示，簇头选举算法步骤如下：

步骤3-1：监测到异常事件的传感器节点m按照公式(3)计算簇头选举概率P_CHm，按照公式(4)计算等待时间T_m，生成簇头选举消息M_CHm并让计时器T_x开始计时，所述簇头选举消息M_CHm中包括传感器节点m的节点标识号和簇头选举概率P_CHm；

$P_{\mathrm{CHm}}=k_1\×\frac{E_{\mathrm{resm}}}{E_0}+k_2\×\frac{1}{d_s\left(m\right)}+k_3\×\frac{N_{\mathrm{nbsm}}}{N}---\left(3\right)$

T_m＝(1-P_CHm)×T₀    (4)

其中，m为监测到异常事件传感器节点的身份标识号，E_resm为传感器节点m的剩余能量，E₀为传感器节点的初始化能量，d_s(m)为传感器节点m到网关节点的距离，N_nbsm为传感器节点m的邻居节点数目，N为网络模型中传感器节点的数目，k₁、k₂、k₃为大于0的比例因子，且k₁+k₂+k₃＝1，T₀为时间常数；

监测到异常事件的传感器节点在计算自己的簇头选举概率时即考虑了节点剩余能量，又考虑了距离网关节点的距离，还考虑了与邻居节点的连通性，可见，节点剩余能量大，离网关节点的距离近且与邻居节点连通性大的节点簇头选举概率大，簇头选举概率大的节点等待时间短，从而提前将自己的簇头选举消息广播到网络中。

步骤3-2：判断计时器T_x是否大于或等于T_m，如果计时器T_x小于T_m，则进入步骤3-3判断是否收到其他传感器节点n广播的簇头选举消息M_CHn，否则进入步骤3-4；

步骤3-3：如果传感器节点m收到其他传感器节点n广播的簇头选举消息M_CHn，则将M_CHn设为自身的簇头选举消息M_CHm，进入步骤3-4，否则返回步骤3-2；

步骤3-4：传感器节点m广播自身的簇头选举消息M_CHm，进入步骤3-5；

步骤3-5：判断计时器T_x是否大于或等于T_N，T_N为时间常数，且T_N＞T₀，如果计时器T_x小于T_N，则进入步骤3-6判断是否收到其他传感器节点广播的簇头选举消息M_CHn，否则进入步骤3-9；

步骤3-6：如果传感器节点m收到其他传感器节点广播的簇头选举消息M_CHn，则进入步骤3-7，否则返回步骤3-5；

步骤3-7：判断P_CHm是否大于P_CHn，其中P_CHm为传感器节点m当前簇头选举消息M_CHm中的簇头选举概率，P_CHn为传感器节点n的簇头选举概率，如果P_CHm大于P_CHn，则返回步骤3-5，否则进入步骤3-8；

步骤3-8：传感器节点m将M_CHn设为自身的簇头选举消息M_CHm并广播M_CHm，返回步骤3-5；

如果一个节点广播了自身的簇头选举消息，但在固定时间T_N内还收到其他节点广播的簇头选举消息，则需要判定两消息中哪个节点的簇头选举概率大，簇头选举概率大的节点作为候选的簇头节点。

步骤3-9：传感器节点m将簇头选举消息M_CHm中节点标识号所对应的传感器节点作为簇头节点。

经过上述流程，当前事件所有相关节点都记录了簇头节点的身份标识号，各节点即可采用CSMA/CD协议将自身监测数据发送给簇头节点，簇头节点对收集到的监测数据进行融合处理得到有效监测数据。

步骤4：数据传输；

步骤4-1：监测到异常事件的传感器节点先将数据转发给步骤3选举出的簇头节点，簇头节点判断自己“邻居节点记录表”中是否存在网关节点，如果簇头节点的“邻居节点记录表”存在网关节点，则进入步骤4-2；否则进入步骤4-3；

步骤4-2：簇头节点直接将数据转发给网关节点；

步骤4-3：簇头节点选择多跳中继方式将数据发送回网关节点；所述多跳中继方式根据如下原则选择下一跳中继节点：

当前节点判断自身的能量状况：

如果E_res(c)＜E₀且E_res(c)＜E_aver，当前节点按照公式(1)计算邻居节点的路由概率；

否则，当前节点按照公式(2)计算邻居节点的路由概率；

$P_{\mathrm{rn}}\left(i\right)=\frac{E_{\mathrm{res}}\left(i\right)-E_{\mathrm{aver}}}{d_s\left(i\right)\×d_c\left(i\right)},$ $\∀i\∈M---\left(1\right)$

P_m(i)＝E_res(i)/d_s(i)， $\∀i\∈M---\left(2\right)$

其中，E_res(c)为当前节点的剩余能量，E₀为传感器节点的初始能量，M为当前节点的邻居节点中较其离网关节点更近的传感器节点集合，E_aver为集合M中传感器节点和当前节点的平均能量，E_res(i)为集合M中候选节点i的剩余能量，d_s(i)集合M中候选节点i到网关节点的距离，d_c(i)是集合M中候选节点i到当前节点的距离，P_m(i)为候选节点i的路由概率，i为节点标识号；

步骤4-4：当前节点选择集合M中路由概率最大的一个传感器节点作为下一跳路由进行数据转发。

如图4所示，本发明提出的方法命名为一种基于事件驱动成簇的路由协议EDCR(event driven clustering routing)。将其与参考文献O.Buyanjargal and Y.Kwon，″Adaptive and Energy Efficient Clustering Algorithm for Event-DrivenApplication in Wireless Sensor Networks(AEEC)，″Journal of networks，vol.5，pp.904-911，2010.提出的AEEC算法和参考文献V.T.Quang and T.Miyoshi，″Adaptive routing protocol with energy efficiency and event clustering for wirelesssensor networks，″IEICE-Transactions on Communications，vol.91，pp.2795-2805，2008.提出的ARPEES算法进行了对比。通过图4可以发现，本发明提出的方法在网络能量控制方面具有显著的优势。

Claims (2)

1.一种基于大规模WSN突发事件监测的路由控制方法，其特征在于按照以下步骤进行：

步骤1：搭建网络模型；

在预设的监测区域内随机分布N个传感器节点和一个网关节点，每个传感器节点具有唯一的身份标识号，各传感器节点具有相同的初始能量以及数据处理和通信能力；

步骤2：网络初始化；

各传感器节点和网关节点通过广播初始化消息建立“邻居节点记录表”，所述“邻居节点记录表”中记录的邻居节点信息包括邻居节点身份标识号、邻居节点剩余能量、邻居节点的距离以及邻居节点离网关节点的距离；

步骤3：簇头选举；

当某一区域发生异常事件时，监测到异常事件的传感器节点按照簇头选举算法选择其中一个传感器节点作为簇头节点；

步骤4：数据传输；

步骤4-1：监测到异常事件的传感器节点先将数据转发给步骤3选举出的簇头节点，簇头节点判断自己“邻居节点记录表”中是否存在网关节点，如果簇头节点的“邻居节点记录表”存在网关节点，则进入步骤4-2；否则进入步骤4-3；

步骤4-2：簇头节点直接将数据转发给网关节点；

步骤4-3：簇头节点选择多跳中继方式将数据发送回网关节点；所述多跳中继方式根据如下原则选择下一跳中继节点：

当前节点判断自身的能量状况：

如果E_res(c)＜E₀且E_res(c)＜E_aver，当前节点按照公式(1)计算邻居节点的路由概率；

否则，当前节点按照公式(2)计算邻居节点的路由概率；

$P_{\mathrm{rn}}\left(i\right)=\frac{E_{\mathrm{res}}\left(i\right)-E_{\mathrm{aver}}}{d_s\left(i\right)\×d_c\left(i\right)},$ $\∀i\∈M---\left(1\right)$

P_m(i)＝E_res(i)/d_s(i)， $\∀i\∈M---\left(2\right)$

其中，E_res(c)为当前节点的剩余能量，E₀为传感器节点的初始能量，M为当前节点的邻居节点中较其离网关节点更近的传感器节点集合，E_aver为集合M中传感器节点和当前节点的平均能量，E_res(i)为集合M中候选节点i的剩余能量，d_s(i)集合M中候选节点i到网关节点的距离，d_c(i)是集合M中候选节点i到当前节点的距离，P_m(i)为候选节点i的路由概率，i为节点标识号；

步骤4-4：当前节点选择集合M中路由概率最大的一个传感器节点作为下一跳路由进行数据转发。

2.根据权利要求1所述的基于大规模WSN突发事件监测的路由控制方法，其特征在于：所述步骤3中的簇头选举算法步骤如下：

步骤3-1：监测到异常事件的传感器节点m按照公式(3)计算簇头选举概率P_CHm，按照公式(4)计算等待时间T_m，生成簇头选举消息M_CHm并让计时器T_x开始计时，所述簇头选举消息M_CHm中包括传感器节点m的节点标识号和簇头选举概率P_CHm；

$P_{\mathrm{CHm}}=k_1\×\frac{E_{\mathrm{resm}}}{E_0}+k_2\×\frac{1}{d_s\left(m\right)}+k_3\×\frac{N_{\mathrm{nbsm}}}{N}---\left(3\right)$

T_m＝(1-P_CHm)×T₀    (4)

其中，E_resm为传感器节点m的剩余能量，E₀为传感器节点的初始化能量，d_s(m)为传感器节点m到网关节点的距离，N_nbsm为传感器节点m的邻居节点数目，N为网络模型中传感器节点的数目，k₁、k₂、k₃为大于0的比例因子，且k₁+k₂+k₃＝1，T₀为时间常数；

步骤3-2：判断计时器T_x是否大于或等于T_m，如果计时器T_x小于T_m，则进入步骤3-3判断是否收到其他传感器节点n广播的簇头选举消息M_CHn，否则进入步骤3-4；

步骤3-3：如果传感器节点m收到其他传感器节点n广播的簇头选举消息M_CHn，则将M_CHn设为自身的簇头选举消息M_CHm，进入步骤3-4，否则返回步骤3-2；

步骤3-4：传感器节点m广播自身的簇头选举消息M_CHm，进入步骤3-5；

步骤3-5：判断计时器T_x是否大于或等于T_N，T_N为时间常数，且T_N＞T₀，如果计时器T_x小于T_N，则进入步骤3-6判断是否收到其他传感器节点广播的簇头选举消息M_CHn，否则进入步骤3-9；

步骤3-6：如果传感器节点m收到其他传感器节点广播的簇头选举消息M_CHn，则进入步骤3-7，否则返回步骤3-5；

步骤3-7：判断P_CHm是否大于P_CHn，其中P_CHm为传感器节点m当前簇头选举消息M_CHm中的簇头选举概率，P_CHn为传感器节点n的簇头选举概率，如果P_CHm大于P_CHn，则返回步骤3-5，否则进入步骤3-8；

步骤3-8：传感器节点m将M_CHn设为自身的簇头选举消息M_CHm并广播M_CHm，返回步骤3-5；

步骤3-9：传感器节点m将簇头选举消息M_CHm中节点标识号所对应的传感器节点作为簇头节点。

Images