CN103260264B - 基于双融合节点蚁群优化的无线传感器网络数据融合方法 - Google Patents
基于双融合节点蚁群优化的无线传感器网络数据融合方法 Download PDFInfo
- Publication number
- CN103260264B CN103260264B CN201310169369.0A CN201310169369A CN103260264B CN 103260264 B CN103260264 B CN 103260264B CN 201310169369 A CN201310169369 A CN 201310169369A CN 103260264 B CN103260264 B CN 103260264B
- Authority
- CN
- China
- Prior art keywords
- aggregators
- ant
- node
- base station
- network
- 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.)
- Active
Links
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
本发明提供的是一种基于双融合节点蚁群优化的无线传感器网络数据融合方法。涉及无线传感器网络中分簇结构簇头的选取和路由路径的优化两个方面。使用等概率的方法选取网络簇头,再通过节点到基站距离的不同选取出非均匀的副簇头,使用蚁群优化算法对网络中与基站直接进行通信的簇头进行路径优化,然后再使用蚁群优化算法对网络中与基站直接进行通信的簇头进行路径优化,使网络中的簇头并不都直接与基站直接通信,而是通过蚁群优化算法选取出来的优化路径进行与基站的通信。很好地解决了无线传感器网络中距离基站远、近两端的热区问题,可以降低网络进行通信的能耗,延长网络的生存时间。
Description
技术领域
本发明涉及无线传感器网络中数据融合方法,具体涉及分簇融合算法中的融合节点选择和路由路径优化的一种算法。
背景技术
无线传感器网络是由大量密集散布在一个区域的传感器节点组成的,节点之间是通过无线方式进行传输通信的。由于节点的本身资源有限,比如说计算、存储,尤其是节点能量有限,使得如何最大程度的利用无线传感器网络有限的能量进行工作成为了一个研究热点,而数据融合技术正是解决这一问题的关键技术之一。
目前无线传感器网络的数据融合技术研究主要集中在两方面,一个是为了解决数据机密性和数据完整的安全融合算法,一个就是基于数据通信的路由融合算法。适宜的数据通信的路由融合算法能够均衡网络的能量利用,最大限度的使用它们。在无线传感器网络中,数据融合和数据通信是紧密相关的,节点是大量密集的散布在一起,它们收集的数据存在着大量冗余,而这些冗余会给网络带来巨大地能耗开支,所以,网络需要通过节点有限的计算能力进行数据融合以减少网络中数据的通信量,从而节省网络的能量这是数据通信的路由融合算法中要解决的关键问题;另外由于节点选择不同的融合节点进行数据融合所造成的能量开支也是不同的,因此如何有效地选择融合节点进行通信也是路由融合算法中需要解决的一个重要问题。
无线传感器网络中的路由融合算法主要分为两类:平面型融合算法和层次型融合算法。在平面型网络中,每一个节点的功能都是相同的,数据也是以多跳的方式进行路由,因为并不是所有节点都可以直接与基站直接通信,所以数据融合由所有参加路由的节点执行。而在层次型网络中,通常都使用两跳通信,一跳是簇成员到融合节点的通信,另一跳是融合节点到基站的通信。层次型网络通信中,数据融合是由融合节点来实现的,并由它把融合数据发送给节点。无线传感器网络中最早的层次型融合算法是LEACH(Low Energy Adaptive Clustering Hierarchy)算法。
LEACH算法分为两个阶段:成簇阶段和稳定阶段。在建立簇的阶段,每个节点随机选取一个小于1的正数a,如果它小于阈值T(n),则该节点成为融合节点,并向网络中广播消息。未当选的节点根据接收到信息信号的强弱选择加入一个簇,融合节点会为簇内所有节点分配一个用于数据传输的时间片。在稳定阶段,簇内的所有节点按照自己的时间片依次向融合节点发送数据,融合节点将数据融合以后,直接发送给基站,经过多次稳定阶段的数据融合和 传输之后,网络将进行新一轮的成簇和稳定通信过程。LEACH算法通过周期性的选择融合节点,可以把能量消耗均衡到簇内的每一个节点上,使网络的整体寿命延长。但是LEACH算法中并没有考虑簇间的能耗均衡,因为融合节点直接与基站通信,离基站较远区域的融合节点需要耗费更多的能量与基站进行通信,从而使远离基站的区域出现“热区”问题。尤其是在规模越大的网络中,这种问题就会越加明显,所以LEACH算法并不适合于大规模的网络环境中。
近年来,Bao Xirong等人结合遗传算法和蚁群算法,提出了一种分簇式能量有效路由协议(Energy-Saving Genetic Ant Colony Routing,ECGAC),该算法将节点的剩余能量和融合节点之间的距离作为分簇概率公式中的计算系数,充分考虑了网络的整体能量均衡水平。LiuYuhua等人提出一种基于偏转角的蚁群路由算法(Ant Routing by Deflection Angle,ARDA),该算法通过偏转角机制使得蚁群位于源节点和目的节点的连接线附近,很好的均衡了全网的能量使用效率。但是,上述算法采用的传统蚁群算法要经过大量蚂蚁的迭代计算才能求出问题的最优解,大量蚂蚁的寻路过程会消耗大量的能量,因此在WSN中,它只适合于平面性网络结构中,而在层次性网络中,由于需要定期的进行重分簇,每一次分簇都需要重新进行路径的寻优过程,如果每一次路径寻优都要进行大量迭代计算的话,那对WSN能量的消耗无疑更是巨大的。
发明内容
本发明目的在于提供一种能很好地解决好由于融合节点与基站距离不同产生的“热区”问题,而且融合节点与基站能采取优化路径进行通信的基于双融合节点蚁群优化的无线传感器网络数据融合方法。
本发明的目的是这样实现的:
包括无线传感器网络中分簇结构簇头的选取和路由路径的优化两个方面,其特征是采用非均匀分布双融合节点和蚁群优化路由路径,具体步骤是:
(1)、节点按照基站提供的P值开始等概率的竞选融合节点,每个节点随机选取一个小于1的正数a,如果它小于阈值T(n),则该节点成为融合节点,并向网络中广播当选信息CHMsg(addr,ID,CH),融合节点选择的阈值T(n)由以下公式计算得出:
P是选取融合节点的概率,r是已经进行了的轮数,G表示在一个周期内还未当选过融合节点的节点集合,如果节点当选过融合节点了,那T(n)为0;未当选节点收到融合节点的广 播后,根据信息信号的强弱选择簇,并向融合节点发送入簇的请求信息JoinMsg(addr,ID,Ere,CID)。当融合节点收到一个节点的入簇请求后,把其放入自己的簇成员列表中,并把节点的位置信息和剩余能量信息保存起来。然后融合节点会为每一个入簇的节点分配一个用于传输数据的时序,并向其发送确认信息AKMsg(ID,CID,DATA)。
(2)簇形成以后,融合节点开始副融合节点的选取,融合节点根据自身到基站的距离计算出一个阈值T(d):
T(d)=(1-d/dmax)k
其中,d表示融合节点到基站的距离,dmax表示网络内节点到基站的最大距离,k表示调节系数;
(3)将步骤(2)中得到的结果与步骤(1)中竞选融合节点时产生的随机数a进行对比,如果大于a,则融合节点可以在簇内选取一个副融合节点,否则不选取。副融合节点主要负责簇间数据的转发,产生副融合节点的概率随融合节点到基站距离的减少而增大。
(4)可以产生副融合节点的融合节点计算簇内所有节点的剩余能量和节点到基站的距离比值Ere/d,并选择其中比值最大的节点作为簇内的副融合节点;
(5):所有融合节点选取完毕后,网络进入了基于蚁群优化算法的簇间路由路径选择和优化步骤;
步骤1:网络中的所有融合节点将会对路由列表中的所有副融合节点广播蚂蚁ant,蚂蚁中包含了一个路由列表R_list用以记录路由节点集,R_list有蚂蚁经过的所有节点的ID信息,蚂蚁中还包含有蚂蚁在传输中总共需要消耗的能量Etotal,即如果蚂蚁从节点i到达了节点j,就把i、j之间传输数据需要消耗的能量Eij加到蚂蚁的Etotal中;蚂蚁中还有一个数据结构N_list,里面包含有蚂蚁进行下一跳的所有节点ID信息,即蚂蚁目前所在节点的路由列表,检测到蚂蚁的节点就是根据这个列表中的信息判断是否接受转发蚂蚁,如果融合节点的路由列表为空,说明融合节点与基站之间只有直接通信的这一条路径,因此它无需广播蚂蚁。
步骤2:副融合节点接收到蚂蚁以后,把自己的ID号添加到R_list中,并更新蚂蚁的Etotal数值,然后再检查自己的路由列表,如果为空,则副融合节点把蚂蚁直接发送个给基站,否则用自己的路由列表替换掉蚂蚁中原有的N_list信息,然后再把蚂蚁广播出去。
步骤3:当网络中的所有蚂蚁都到达基站以后,基站会根据收到的蚂蚁,统计每个融合节点到基站的路径数和每条路径需要消耗的能量信息,再根据这些统计信息计算出每个副融合 节点需要更新的信息素值,最后把每个融合节点(或副融合节点)需要更新的信息素值信息广播出去,融合节点(或副融合节点)根据接收到的信息进行信息素的更新,其中每一个节点通过一个蚂蚁以后应该更新的信息素值为:
Q是一个常数,表示通过了融合节点(或副融合节点)的i、j之间的第k条路径的总能耗。
(6)所有融合节点(或副融合节点)的信息素更新完毕之后,网络即进入了数据传输的稳定阶段,每个簇内的的节点都把数据发送给融合节点进行数据融合处理,然后融合节点把数据直接或者通过副融合节点的多跳通信方式发送给基站,融合节点(或副融合节点)选择下一跳的方式是基于概率进行的,其计算公式如下:
ηij表示融合节点(或副融合节点)i、j之间的可视度,其大小等于l/dij;α和β分别表示了信息素和可视度的调节系数;R表示融合节点(或副融合节点)i的路由列表。
(7)当簇稳定的进行了多轮数据传输以后,网络会进入新一轮的成簇和稳定过程。以此类推,循环执行上述步骤,直至整个网络能量消耗尽为止。
无线传感器网络中采用本发明进行数据融合的其优点在于:1、对于无线传感器网络能量的均衡性好。2、可以延长无线传感器网络的生存时间。3、技术复杂度低、易实现。4、对不同规模网络的适应性强。
附图说明
图1为本发明方法的成簇模型图。
图2为本发明整个过程的流程图。
图3为蚁群优化过程的详细流程图。
具体实施方式
本发明的实现主要包括如下步骤:
1)首先,基站启动网络并广播信息,其中包含了自己的位置信息,所有收到信息的节点向基站报告自己的位置信息,。然后基站计算出网络中离基站最远节点到基站的距离dmax,广播给网络中的所有节点,并启动网络进行分簇。基站提供的信息中除了dmax和选取融合节 点的概率P之外,还包括重新进行分簇的周期时间,这样簇形成之后就知道需要稳定传输多少次数据之后再进行重分簇。
2)再次收到基站的信息后,节点将按照基站提供的P值开始等概率的竞选融合节点。每个节点随机选取一个小于1的正数a,如果它小于阈值T(n),则该节点成为融合节点,并向网络中广播当选信息CHMsg(addr,ID,CH),信息中含有融合节点的地址addr、节点ID和当选标志CH。融合节点选择的阈值T(n)由公式(1)计算得出:
P是选取融合节点的概率,r是已经进行了的轮数,G表示在一个周期内还未当选过融合节点的节点集合,如果节点当选过融合节点了,那T(n)为0。
3)未当选节点收到融合节点的广播后,根据信息信号的强弱选择簇,并向融合节点发送入簇的请求信息JoinMsg(addr,ID,Ere,CID),信息中包含了节点自身的地址、ID、剩余能量和融合节点ID。
4)当融合节点收到一个节点的入簇请求后,把其放入自己的簇成员列表中,并把节点的位置信息和剩余能量信息保存起来。然后融合节点会为每一个入簇的节点分配一个用于传输数据的时序,并向其发送确认信息AKMsg(ID,CID,DATA),其中包含了入簇节点ID、融合节点自身ID以及为入簇节点分配的时序信息。
5)簇形成以后,融合节点开始副融合节点的选取。融合节点根据自身到基站的距离计算出一个阈值T(d),并把它与之前竞选融合节点时产生的随机数a进行对比,如果大于a,则融合节点可以在簇内选取一个副融合节点。副融合节点主要负责簇间数据的转发。产生副融合节点的概率随融合节点到基站距离的减少而增大,这样使整个网络中融合节点(或副融合节点)的分布密度随着与基站距离的减少而逐渐增大,这样的设计可以解决多跳路由中近基站端区域的“热区”问题。阈值T(d)由公式(2)产生:
T(d)=(1-d/dmax)k (2)
其中,d表示融合节点到基站的距离,dmax表示网络内节点到基站的最大距离。k表示调节系数。
可以产生副融合节点的融合节点会计算簇内所有节点的剩余能量和节点到基站的距离比值Ere/d,并选择其中比值最大的节点作为簇内的副融合节点。另外本方法在簇间采用多跳方式进行通信,融合节点把簇内所有数据进行融合之后通过副融合节点传至基站,这样就可 以均衡簇间的能量消耗,解决远基站端区域的“热区”。
成功选取副融合节点以后,融合节点会把当选的副融合节点存放到路由列表中,并向网络广播信息AHMsg(ID,addr),其中包含了当选节点的ID和地址。当选节点收到信息以后就知道自己当选为副融合节点了,它会把融合节点为其分配的时序信息丢掉,并建立一个路由表,用于存放融合节点数据转发的路径。其它簇的融合节点(或副融合节点)收到信息以后,会计算这个节点到基站的距离,如果距离比自身到基站的距离还要远的话,融合节点(或副融合节点)会丢掉这个信息包,否者就把这个节点存入路由列表中。
6)当副融合节点选取完毕以后,网络即进入了基于蚁群优化算法进行的路由路径优化步骤中。
首先,网络中的所有融合节点将会对路由列表中的所有副融合节点广播蚂蚁ant,即只有融合节点列表内的副融合节点才能接受到融合节点发送来的蚂蚁,蚂蚁中包含了一个路由列表R_list,里面有蚂蚁经过的所有节点的ID信息。蚂蚁中还包含有蚂蚁在传输中总共需要消耗的能量Etotal,即如果蚂蚁从节点i到达了节点j,节点j会使用公式(3)计算出i、j之间传输数据需要消耗的能量Eij,并把它加到蚂蚁的Etotal中。
k是要发送的数据大小;eelec为传感器中1bit数据经电子电路消耗的能量(单位是J/bit),εfs为发射功放将1bit数据发送在自由空间模型下,单位平方米所耗费的能量值(单位是J/(bit·m-2));εmp是把1bit数据发送在多路径衰减下消耗能量的系数(单位是J/(bit·m-4));d表示数据传输的距离;d0表示功放模型选择的阈值,其大小由εfs和εmp决定,如公式(4)所示:
传感器节点接收数据所消耗的能量为:
ERx(k,d)=k×eelec (5)
另外蚂蚁中还有一个数据结构N_list,里面包含有蚂蚁进行下一跳的所有节点ID信息,即蚂蚁目前所在节点的路由列表,检测到蚂蚁的节点就是根据这个列表中的信息判断是否接受转发蚂蚁。如果融合节点的路由列表为空,说明融合节点与基站之间只有直接通信的这一条路径,因此它无需广播蚂蚁。
副融合节点接收到蚂蚁以后,把自己的ID号添加到R_list中,并更新蚂蚁的Etotal数值。然后再检查自己的路由列表,如果为空,则副融合节点把蚂蚁直接发送个基站,否则用自己的路由列表替换掉蚂蚁中原有的N_list信息,然后再把蚂蚁广播出去。
当网络中的所有蚂蚁都到达基站以后,基站会根据收到的蚂蚁,统计每个融合节点到基站的路径数和每条路径需要消耗的能量信息,再根据这些统计信息计算出每个副融合节点需要更新的信息素值,最后把每个融合节点(或副融合节点)需要更新的信息素值信息广播出去。融合节点(或副融合节点)根据接收到的信息进行信息素的更新,按照公式(6)计算:
τij=τinit+Δτij (6)
τinit表示每两个融合节点(或副融合节点)之间的初始信息素含量,一般都取值为1。Δτij表示更新的数值,其用公式(7)计算:
其中m表示所有融合节点通往基站的路径中通过了融合节点(或副融合节点)i、j之间路径的数量,这与传统的蚁群算法中m表示蚂蚁个数的是不同的。可以由公式(8)计算:
Q是一个常数,表示通过了融合节点(或副融合节点)的i、j之间的第k条路径的总能耗。本方法中在这里求的路径上的最小成本,可以保证路径上传输数据的能耗最小。
7)所有融合节点(或副融合节点)的信息素更新完毕之后,网络即进入了数据传输的稳定阶段。每个簇内的的节点都把数据发送给融合节点进行数据融合处理,然后融合节点把数据直接或者通过副融合节点的多跳通信方式发送给基站。融合节点(或副融合节点)选择下一跳的方式是基于概率进行的,其计算公式如下:
ηij表示融合节点(或副融合节点)i、j之间的可视度,其大小等于l/dij;α和β分别表示了信息素和可视度的调节系数。R表示融合节点(或副融合节点)i的路由列表。
融合节点(或副融合节点)从路由列表中选择计算概率最大的节点作为数据的下一跳节点,当路由列表中的某一个节点失效以后,它会把这个节点从路由列表中移除,并选择另一个计算概率最大的节点作为数据的下一跳节点。
8)当簇稳定的进行了多轮数据传输以后,网络会进入新一轮的成簇和稳定过程。与LEACH方法一样,在1/p轮中,之前当选过融合节点的节点不能再参与融合节点的竞选。
9)以此类推,循环执行上述步骤,直至整个网络内所有节点能量消耗殆尽为止。
下面结合附图和本发明的具体实施例对本发明的方法作进一步详细的说明。图1中标号1为传感器网络中的普通节点,2为融合节点,3副融合节点,4为基站。
在本实施例中,使用融合算法时基于非均匀分布双融合节点和蚁群优化的无线传感器网络数据融合方法,实现了网络能量消耗的均衡和有效降低,延长了整个网络的生存时间。
首先整个网络系统满足如下条件:
(1)网络一旦形成,网络的节点和基站都固定不变,且基站位于离传感器节点网络较远的区域;
(2)网内节点都具有相同的初始能量,而基站的能量是无限制的;
(3)传感器节点能够感知自己的位置;
(4)传感器节点可以根据数据要传输的距离自适应的调整发射功率。
网络节点满足以下的能量模型:
在无线传感器网络中一般都采用一阶无线通信能量模型。在这个模型中,能耗主要有两个部分:由功放产生的能耗和由电子电路产生的能耗。在无线传感器网络中,发送数据传感器由无线发送装置和放大器两部分产生能耗;接收信号的传感器只有接收装置产生能耗,但是如果接收数据的传感器是融合节点的话,那传感器还需要消耗一部分的能量用于是数据的融合。在无线通信中,信号传输的距离不同,其能量衰减形式也不同,因此可以根据衰减的形式把功放分为自由空间模型和多路径衰减模型两种。
因此,根据无线通信的能耗模型,可以把传感器发送数据的能耗用公式(3)表示。传感器传输和接收数据时电子电路单位数据上所消耗的能量为ETx=ERx=eelec=5×10-8。自由空间下,传感器发射数量所消耗的能量系数为εfs=1×10-11J/(bit*m-2),多径衰落下,传感器发射能量的能耗系数为εmp=1.3×10-15J/(bit*m-4)。节点进行单位数据融合的能耗为eDa=5×10-9。
设置网络的规模为100X100的大小,把基站放在网络的(50,175)位置上。在网络范围内随机放置100个无线传感器节点,每个节点初始带有4J能量。
网络启动以后,基站给网络内广播信息,其中含有的信息自己的坐标位置,选取融合节 点的概率值P=0.2,选取副融合节点的调节系数k=2,还有稳定阶段数据传输的次数m=20。
网络内的节点收到基站发来的信息以后,定位出自己的位置,并把它发送给基站。基站计算出所有的节点到自身的距离,并比较出其中的最大值dmax,然后广播给网络中的所有节点。
再次收到基站的信息后,节点将按照基站提供的P=0.2的值开始竞选融合节点。它首先随机生成一个在(0,1)范围内的a值,然后利用a值与0.2/(1-0.2*(rmod(1/0.2)))进行比较,如果a小于这个值,则节点当选为融合节点,用C作为它的标志。否则节点成为普通节点,用N作为它的标志。当选为融合节点以后,它会向网络内广播当选信息,其中包括了当选标志、自身ID和位置信息(x1,y1)。普通节点接收到广播信息以后,计算到每一个融合节点的距离d=((x2-x1)2+(y2-y1)2)1/2,并找出出其中的最大值,选择这个最大值的节点作为自己的融合节点,然后向其发送加入请求。
当融合节点收到一个节点的入簇请求后,把其放入自己的簇成员列表中,并把节点的位置信息和剩余能量信息保存起来。然后融合节点会为每一个入簇的节点分配一个用于传输数据的时序,并向其发送确认信息,其中包含了入簇节点ID、融合节点自身ID以及为入簇节点分配的时序信息。当网络内所有节点都收到确认信息以后网络内的所有簇就完整形成了。
簇形成以后,融合节点开始了副融合节点的选取。每一个融合节点都会计算(1-d/dmax)2的值。如果a值小于它的话,融合节点会计算簇内所有节点Ere/d的值,其中Ere为簇内每一个节点的剩余能量,d为簇内每一个节点到基站的距离。找到这个值最大的节点作为簇内的副融合节点。如果融合节点的a值大于它计算出来的(1-d/dmax)2值的话,那它所在的簇不需要副融合节点。
网络内的簇成功选取副融合节点以后,融合节点会把当选的节点存放到路由列表中,并向网络广播信息,其中包含了当选节点的ID和地址。当选节点收到信息以后就知道自己当选为副融合节点了,它会把融合节点为其分配的时序信息丢掉,并建立一个路由表,用于存放融合节点数据转发的路径。其它簇的融合节点(或副融合节点)收到信息以后,会计算这个节点到基站的距离,如果距离比自身到基站的距离还要远的话,融合节点(或副融合节点)会丢掉这个信息包,否者就把这个节点存入路由列表中。
以上过程完成以后,下面开始了蚁群算法的优化步骤了。蚁群优化部分的α和β分别表示了信息素和可视度的调节系数,分别为α=5,β=1。融合节点(或副融合节点)间的初始信息素浓度为1,信息素调节值Q=100×10-8。网络中的所有融合节点将会对路由列表中的所有副融合节点广播蚂蚁ant。
当网络中的所有蚂蚁都到达基站以后,基站会根据收到的蚂蚁,统计每个融合节点到基站的路径数和每条路径需要消耗的能量信息,再根据这些统计信息计算出每个副融合节点需 要更新的信息素值,最后把每个融合节点(或副融合节点)需要更新的信息素值信息广播出去。融合节点(或副融合节点)根据接收到的信息进行信息素的更新。
所有融合节点(或副融合节点)的信息素更新完毕之后,网络即进入了数据传输的稳定阶段。每个簇内的的节点都把数据发送给融合节点进行数据融合处理,然后融合节点把数据直接或者通过副融合节点的多跳通信方式发送给基站。这个过程持续20次以后网络又开始从新选取融合节点和重新分簇。
经过以上步骤,网络的规模在变大以后,其生存时间也相比较LEACH方法可以大大延长。其对网络的均衡性要远好于LEACH方法。另外,ECGAC算法和ARDA虽然引入了蚁群算法进行数据融合及路由,但是其仅适合平面路由算法;因为在层次性网络中,由于需要定期的进行重分簇,每一次分簇都需要重新进行路径的寻优过程,能量消耗巨大,本算法对蚁群算法进行优化,使其更加适合于层次型网络结构中。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (9)
1.一种基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是包括如下步骤:
(1)、节点按照基站提供的P值开始等概率的竞选融合节点,每个节点随机选取一个小于1的正数a,如果它小于阈值T(n),则该节点成为融合节点,并向网络中广播当选信息CHMsg(addr,ID,CH),未当选节点收到融合节点的广播后,根据信息信号的强弱选择簇,并向融合节点发送入簇的请求信息JoinMsg(addr,ID,Ere,CID),当融合节点收到一个节点的入簇请求后,把其放入自己的簇成员列表中,并把节点的位置信息和剩余能量信息保存起来,然后融合节点会为每一个入簇的节点分配一个用于传输数据的时序,并向其发送确认信息AKMsg(ID,CID,DATA),其中addr为节点的地址、CID为融合节点ID、DATA为入簇节点分配的时序信息;
(2)簇形成以后,融合节点开始副融合节点的选取,融合节点根据自身到基站的距离计算出一个阈值T(d);
(3)将步骤(2)中得到的结果与步骤(1)中竞选融合节点时产生的随机数a进行对比,如果大于a,则融合节点在簇内选取一个副融合节点,否则不选取;
(4)可以产生副融合节点的融合节点计算簇内所有节点的剩余能量和节点到基站的距离比值Ere/d,并选择其中比值最大的节点作为簇内的副融合节点;
(5)所有融合节点选取完毕后,网络进入基于蚁群优化算法的簇间路由路径选择和优化步骤:
步骤1:网络中的所有融合节点将会对路由列表中的所有副融合节点广播蚂蚁ant,蚂蚁中包含了一个路由列表R_list用以记录路由节点集,R_list有蚂蚁经过的所有节点的ID信息,蚂蚁中还包含有蚂蚁在传输中总共需要消耗的能量Etotal;蚂蚁中还有一个数据结构N_list,里面包含有蚂蚁进行下一跳的所有节点ID信息;
步骤2:副融合节点接收到蚂蚁以后,把自己的ID号添加到R_list中,并更新蚂蚁的Etotal数值,然后再检查自己的路由列表,如果为空,则副融合节点把蚂蚁直接发送个给基站,否则用自己的路由列表替换掉蚂蚁中原有的N_list信息,然后再把蚂蚁广播出去;
步骤3:当网络中的所有蚂蚁都到达基站以后,基站根据收到的蚂蚁,统计每个融合节点到基站的路径数和每条路径需要消耗的能量信息,再根据这些统计信息计算出每个副融合节点需要更新的信息素值,最后把每个融合节点或副融合节点需要更新的信息素值信息广播出去,融合节点或副融合节点根据接收到的信息进行信息素的更新;
(6)所有融合节点或副融合节点的信息素更新完毕之后,网络即进入数据传输的稳定阶段,每个簇内的的节点都把数据发送给融合节点进行数据融合处理,然后融合节点把数据直接或者通过副融合节点的多跳通信方式发送给基站;
(7)当簇稳定的进行了多轮数据传输以后,网络进入新一轮的成簇和稳定过程,以此类推,循环执行上述步骤,直至整个网络能量消耗尽为止。
2.根据权利要求1所述的基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是:融合节点选择的阈值T(n)由以下公式计算得出:
P是选取融合节点的概率,r是已经进行了的轮数,G表示在一个周期内还未当选过融合节点的节点集合,如果节点当选过融合节点了,那T(n)为0。
3.根据权利要求1或2所述的基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是:阈值T(d)按照下式计算:
T(d)=(1-d/dmax)k
其中,d表示融合节点到基站的距离,dmax表示网络内节点到基站的最大距离,k表示调节系数。
4.根据权利要求1或2所述的基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是:每一个节点通过一个蚂蚁以后应该更新的信息素值为:
Q是一个常数,表示通过了融合节点或副融合节点的i、j之间的第k条路径的总能耗。
5.根据权利要求3所述的基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是:每一个节点通过一个蚂蚁以后应该更新的信息素值为:
Q是一个常数,表示通过了融合节点或副融合节点的i、j之间的第k条路径的总能耗。
6.根据权利要求1或2所述的基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是融合节点或副融合节点选择下一跳的方式是基于概率进行的计算公式如下:
ηij表示融合节点或副融合节点i、j之间的可视度,其大小等于l/dij;α和β分别表示了信息素和可视度的调节系数;R表示融合节点或副融合节点i的路由列表。
7.根据权利要求3所述的基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是融合节点或副融合节点选择下一跳的方式是基于概率进行的计算公式如下:
ηij表示融合节点或副融合节点i、j之间的可视度,其大小等于l/dij;α和β分别表示了信息素和可视度的调节系数;R表示融合节点或副融合节点i的路由列表。
8.根据权利要求4所述的基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是融合节点或副融合节点选择下一跳的方式是基于概率进行的计算公式如下:
ηij表示融合节点或副融合节点i、j之间的可视度,其大小等于l/dij;α和β分别表示了信息素和可视度的调节系数;R表示融合节点或副融合节点i的路由列表。
9.根据权利要求5所述的基于双融合节点蚁群优化的无线传感器网络数据融合方法,其特征是融合节点或副融合节点选择下一跳的方式是基于概率进行的计算公式如下:
ηij表示融合节点或副融合节点i、j之间的可视度,其大小等于l/dij;α和β分别表示了信息素和可视度的调节系数;R表示融合节点或副融合节点i的路由列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310169369.0A CN103260264B (zh) | 2013-05-09 | 2013-05-09 | 基于双融合节点蚁群优化的无线传感器网络数据融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310169369.0A CN103260264B (zh) | 2013-05-09 | 2013-05-09 | 基于双融合节点蚁群优化的无线传感器网络数据融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103260264A CN103260264A (zh) | 2013-08-21 |
CN103260264B true CN103260264B (zh) | 2015-08-12 |
Family
ID=48963890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310169369.0A Active CN103260264B (zh) | 2013-05-09 | 2013-05-09 | 基于双融合节点蚁群优化的无线传感器网络数据融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103260264B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105072656B (zh) * | 2015-07-10 | 2019-04-23 | 桂林电子科技大学 | 基于K-means聚类和蚁群算法的多级异构无线传感器网络分簇路由方法 |
CN105187310B (zh) * | 2015-09-22 | 2019-04-02 | 北京大学深圳研究生院 | 一种路径优化方法与系统 |
CN108738029B (zh) * | 2017-04-14 | 2021-06-11 | 桂林电子科技大学 | 无线传感器网络中参考节点的移动路径动态规划方法 |
CN107566512A (zh) * | 2017-09-20 | 2018-01-09 | 深圳市晟达机械设计有限公司 | 电网输电杆塔无线监测系统 |
CN108512904A (zh) * | 2018-03-01 | 2018-09-07 | 深圳智达机械技术有限公司 | 一种基于大数据和wsn技术的输电线路监测系统 |
CN108430048A (zh) * | 2018-03-03 | 2018-08-21 | 深圳万发创新进出口贸易有限公司 | 一种基于wsn技术的酒厂储酒罐温度监测系统 |
CN108366126A (zh) * | 2018-03-03 | 2018-08-03 | 深圳大图科创技术开发有限公司 | 一种基于wsn技术的病虫害监测预警系统 |
CN108171956A (zh) * | 2018-03-03 | 2018-06-15 | 深圳凯达通光电科技有限公司 | 一种基于大数据和wsn技术的电力变压器环境监测系统 |
CN108449732A (zh) * | 2018-03-03 | 2018-08-24 | 深圳智达机械技术有限公司 | 一种基于大数据和wsn技术的森林生态环境实时监测系统 |
CN110601976B (zh) * | 2019-08-12 | 2021-07-20 | 浙江工业大学 | 面向电磁纳米网络的自适应偏转路由控制方法 |
CN112822747B (zh) * | 2021-03-02 | 2022-09-30 | 吉林大学 | 一种基于遗传算法和蚁群算法的路由选择策略的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102438291A (zh) * | 2012-01-06 | 2012-05-02 | 上海交通大学 | 一种提高无线传感器网络容量的数据融合方法 |
EP2584849A1 (en) * | 2011-10-17 | 2013-04-24 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Method for node positioning for a wireless network |
-
2013
- 2013-05-09 CN CN201310169369.0A patent/CN103260264B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2584849A1 (en) * | 2011-10-17 | 2013-04-24 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Method for node positioning for a wireless network |
CN102438291A (zh) * | 2012-01-06 | 2012-05-02 | 上海交通大学 | 一种提高无线传感器网络容量的数据融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103260264A (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103260264B (zh) | 基于双融合节点蚁群优化的无线传感器网络数据融合方法 | |
Junhai et al. | A survey of multicast routing protocols for mobile ad-hoc networks | |
US7414977B2 (en) | Power and delay sensitive ad-hoc communication networks | |
Vidhyapriya et al. | Energy aware routing for wireless sensor networks | |
Tavli et al. | Energy-efficient real-time multicast routing in mobile ad hoc networks | |
Mishra et al. | Study of cluster based routing protocols in wireless sensor networks | |
Hong et al. | The Mars sensor network: efficient, energy aware communications | |
Ammari et al. | A trade-off between energy and delay in data dissemination for wireless sensor networks using transmission range slicing | |
Raj Kumar et al. | A cognitive knowledged energy-efficient path selection using centroid and ant-colony optimized hybrid protocol for WSN-assisted IoT | |
Khan et al. | Gradient cost establishment (grace) for an energy-aware routing in wireless sensor networks | |
Liu et al. | An energy-efficient protocol for data gathering and aggregation in wireless sensor networks | |
Sampayo et al. | REFLOOD: Reactive routing protocol for wake-up radio in IoT | |
Dahlstrom et al. | Performance analysis of routing protocols in Zigbee non-beacon enabled WSNs | |
Karthikeyan et al. | Energy utilization strategies using novel approach in wireless sensor networks | |
Teixeira et al. | Wireless sensor network: Improving the network energy consumption | |
Kodali | Energy efficient routing in multi-level LEACH for WSNs | |
Rahman et al. | Level based path selection technique in large WSN for hierarchical architecture | |
Wu et al. | PORA: piggybacking-based opportunistic routing for asynchronous duty-cycled WSNs | |
Tamilselvi et al. | Traffic-aware reliability enhanced cluster head selection based routing for heterogeneous WSNs | |
Chen et al. | Mobile Ad Hoc Networks | |
Babbitt et al. | Self-selecting reliable path routing in diverse wireless sensor network environments | |
Champ et al. | Dynamic localized broadcast incremental power protocol and lifetime in wireless ad hoc and sensor networks | |
SEKHAR | A UNIFIED APPROACH OF AUGMENTING THE LIFETIME OF COOPERATIVE WIRELESS SENSOR NETWORKS USING ENERGY HARVESTING TECHNIQUE | |
Yin et al. | An energy-efficient routing protocol for event-driven dense wireless sensor networks | |
Farooq et al. | Bee-inspired routing protocols for mobile ad hoc and sensor networks |
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 |