CN103701697B - 基于链路质量的层次型路由方法 - Google Patents

基于链路质量的层次型路由方法 Download PDF

Info

Publication number
CN103701697B
CN103701697B CN201310676684.2A CN201310676684A CN103701697B CN 103701697 B CN103701697 B CN 103701697B CN 201310676684 A CN201310676684 A CN 201310676684A CN 103701697 B CN103701697 B CN 103701697B
Authority
CN
China
Prior art keywords
node
cluster head
cluster
algorithm
class
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
Application number
CN201310676684.2A
Other languages
English (en)
Other versions
CN103701697A (zh
Inventor
毛莺池
王康
王久龙
任道宁
接青
朱沥沥
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201310676684.2A priority Critical patent/CN103701697B/zh
Publication of CN103701697A publication Critical patent/CN103701697A/zh
Application granted granted Critical
Publication of CN103701697B publication Critical patent/CN103701697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开一种基于链路质量的层次型路由方法,以链路质量为基础,以层次型拓扑结构为前提,进行路由方法的设计和实现,以弥补平面型路由方法效率偏低、层次型路由方法考虑链路质量不足的缺陷,进一步提升网络效率。本发明提出了基于时间窗口的指数加权移动平均算法与均值LQI相结合的链路质量预测方法,可以准确及时的获取节点间链路质量信息。EBCLQ方法采用基于LQEWAL链路质量预测方法的网络初始化算法,通过NIL算法可以获取节点间链路质量和能量等信息。EBCLQ方法提出了由候选簇头产生、正式簇头确立、簇建立三步组成的成簇过程。EBCLQ方法提出了基于链路质量的时隙分配算法和基于簇头分类的多跳算法。

Description

基于链路质量的层次型路由方法
技术领域
本发明涉及一种路由方法,具体地说是涉及一种基于链路质量的层次型路由方法,属于无线传感器网络技术领域。
背景技术
传感器技术、微电子技术、嵌入式计算技术、分布式信息处理技术和无线通信技术的进步,推动了低功耗多功能传感器的发展,并孕育出了无线传感器网络。由于无线传感器网络克服了传统监测网络诸如不易部署、成本高昂等缺点,使其在环境监测、军事监控,基建保护等领域应用广泛,体现了巨大的应用前景。
当前,无线传感器网络面临的最大挑战就是能量有限,作为组网基础的路由方法在设计时就必需利用网络自身特性,降低节点能耗和平衡网络整体能耗,提升网络效率,延长网络寿命。
节点能耗主要由通信能耗、处理能耗、侦听能耗三部分组成,通信能耗是各能耗中所占比例最高的。如何提升单次通信的成功率和减少非必要性通信,成了路由方法设计的关键。提升单次通信的成功率,需要节点选择链路质量较好的信道;减少非必要性通信,需要一个良好的网络拓扑结构控制。目前,虽然路由方法方面已有大量的研究成果。但是,在构建高效的拓扑结构上,同时全面考虑链路质量的路由方法却少见。在此环境下,结合链路质量因素对路由方法的重要性和层次型拓扑结构的高效性,提出一种在保证链路质量的基础上,提高通信效率的路由方法,是亟需解决的重要问题。
发明内容
发明目的:针对平面型路由方法效率偏低,层次型路由方法考虑链路质量不足的缺陷,提出了一种基于链路质量的能耗均衡层次型路由方法(Energy Balanced Clusterrouting algorithm based on Link Quality,EBCLQ),简称为基于链路质量的层次型路由方法。
技术方案:一种基于链路质量的层次型路由方法,为基于时间窗口的指数加权移动平均算法与均值LQI相结合的链路质量预测方法(Link Quality Estimation based onWMEWMA and Average LQI,LQEWAL),LQEWAL链路质量预测方法,结合了现有的基于时间窗口的指数加权移动平均算法和链路质量硬件参数(均值链路质量指示),以便准确及时的获取节点间链路质量信息。
通过NIL算法(网络初始化算法,Network Initialization based on LQEWAL,NIL算法),获取节点间链路质量和能量等信息。
针对以往成簇算法中存在簇头分布不均和簇头过多的问题,根据NIL算法获取的节点间链路质量和网络信息,对网络进行初始化工作。
提出了由候选簇头产生、正式簇头确立、簇建立三步组成的成簇过程。
其中,候选簇头产生采取基于平均链路质量和平均能量的候选簇头选举算法(Candidate Cluster-head Election based on average Link quality and Energy,CCELE),以一跳内节点平均能量和平均链路质量为参数,由邻居节点相互竞争产生;
正式簇头确立采取基于候选簇头的正式簇头确立算法(Formal Cluster-head toEstablish based on Candidate Cluster-head,FCECC),由一跳内候选簇头进一步竞争确立;
簇建立阶段,节点选择同自身通信能耗最小的簇头加入。
针对簇内通信可能存在的消息碰撞和簇间通信能耗、延时过高的缺点,提出了基于链路质量的时隙分配算法(Slot Allocation based on Link quality,SAL)和基于簇头分类的多跳算法(Multi-Hop or One-Hop based on Cluster-head Classification,MOCC)。
SAL算法按各簇成员同簇头间链路质量高低顺序进行簇内时隙分配;
MOCC算法按簇头与sink节点链路质量和基于链路质量的通信能耗将其分为OH(One-Hop)类和MO(Mulit-Hop or One-Hop)类,采取OH类簇头单跳,MO类单跳或多跳的数据转发策略。
有益效果:相对于现有技术,本发明提供的基于链路质量的层次型路由方法,以链路质量为基础,采用层次型拓扑结构,进行路由方法的设计和实现,以弥补平面型路由方法效率偏低、层次型路由方法考虑链路质量不足的缺陷,进一步提升网络效率。
附图说明
图1为本发明实施例的层次型路由方法的网络结构图;
图2为本发明实施例的EBCLQ方法一轮流程图;
图3为本发明实施例的簇头聚堆问题示意图;
图4为本发明实施例的簇头选举流程图;
图5为本发明实施例的未收到簇头信息节点的成簇情况图;
图6为本发明实施例的簇间数据传输图;
图7为本发明实施例的簇间算法流程图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
平面型路由方法核心思想:所有节点地位相同,作用相同,数据以单跳或多跳的方式发送给sink节点。优点是方法简单,易于维护,对于数目少的小型网络适用。缺点是大多平面型方法依赖泛洪和持续消息广播,即使考虑了链路质量,通信量依然很大,网络整体能耗极高,难以应用于高密度、规模大的网络。
图1所示的是层次型路由方法的网络结构。层次型路由方法采取与平面型路由方法截然不同的拓扑结构,其思想:将整个监测区域分为若干个大小不等(或相等)的“簇”,每个簇有一个簇头节点和若干簇成员节点,簇成员按照TDMA与簇头通信,簇头以单跳或多跳方式与sink节点通信。
无线传感器网络路由方法设计的挑战概括为两点:网络动态性和能量有限性。当前大部分路由方法都重点考虑了能量有限,却忽略了网络动态性,尤其是链路质量动态变化对网络的影响。无线传感器网络中,任意节点间通信都会发生链路不稳定,甚至不可通信的情况。路由方法的实现又是以节点间相互协作多跳通信为基础,各单跳链路质量自然对整个数据转发路径效率影响重大。
节点收包率(Packet Receive Ratio,PRR)是两个节点通信链路质量的度量,定义为:假设i节点作为发送者在t时间内共发出n个数据包,j节点作为接受者在t时间内接受到m(m≤n)个数据包,那么i节点发向j节点方向的收包率PRR为:PRR为1时,链路质量最好,即节点间的每次收发包都是一次性完成,无丢包情况;为0时,链路质量最差,丢包率为100%。
链路质量指示(Link Quality Indication,LQI)是衡量链路质量的指标,是用于链路质量预测的硬件参数,单次LQI与PRR值相关性不是很好,但均值LQI与PRR有良好的相关性,因此可以作为上层路由方法对链路质量预测的参考。
综上,高效的无线传感器网络路由方法必须要考虑到链路质量重要性。指数加权移动平均算法(Exponentially Weighted Moving Average,EWMA)是基于软件的链路质量预测算法(周期性发送探测消息或者持续侦听网络内数据消息,直接得出节点间PRR值,用以预测链路质量)。它利用802.11或802.15.4协议广播数据包丢失后不重传的特点,周期性广播包含序列号和时间戳的探测消息,通过统计和计算直接得出节点间正、反向PRR值。基于时间窗口的指数加权移动平均算法(Window Mean Exponentially Weighted MovingAverage,WMEWMA)就是改进了EWMA算法:它不需要保存大量历史记录和反复计算PRR值,通过对历史数据和当前数据的线性拟合,使之只需一个初始值和一个当前采样值。如此就降低了存储需求和计算需求,提高了预测精度和效率。
本发明为了能够以尽可能小的能耗代价获取较好的链路质量信息,提出了较适合于层次型路由方法的链路质量预测方法(LQEWAL),它是结合WMEWMA算法和均值LQI的链路预测算法。具体描述:
在每一轮,簇头与簇成员间链路质量采用均值LQI计算获得;簇间链路质量,采用WMEWMA算法获取。监测区域内所有节点与其一跳邻节点间链路质量,采取每隔一定轮数进行一次WMEWMA算法计算获得。具体步骤如下:
注:此处给出的PRR是正向的链路质量,反向链路质量同理可得
①簇内链路质量预测,采用均值LQI计算获得。先求得LQI均值(k为簇内每个成员收到的簇头消息数目)。根据现有的LQI均值与PRR的拟合公式得到 PRR = - 3.149556 + 0.086349 LQI avg - 0.000452 LQI avg 2 ;
②簇间、监测区域内所有节点与其邻节点间链路质量预测。先求得当前链路质量PRRi=R/(R+F)(中R表示在时间窗口t内节点收到包个数,F表示节点在此段未收到包个数)。线性拟合后PRRi=α×PRRi-1+(1-α)×PRRi(α是参数,它的值越大表示历史记录对当前预测起的影响越大,值越小则表示越当前链路质量在预测中起主导作用)。
图2所示的是EBCLQ方法一轮流程图。EBCLQ方法工作过程主要包括三个部分:网络初始化、簇形成、数据传输。网络初始化每隔20轮进行一次,主要是用来获取节点间链路质量和能量等网络信息,是网络成簇和数据传输的基础,一般情况下,网络不需要初始化。如图2所示,簇形成阶段包括候选簇头产生,正式簇头确立,簇建立三步。候选簇头主要是一跳内邻节点以平均链路质量和平均能量为参数,通过相互竞争产生;正式簇头由一跳内候选簇头通过进一步竞争确立;簇建立则是簇成员选择加入簇头的过程。数据传输主要是由簇内和簇间数据传输构成。EBCLQ方法在簇内采用了基于链路质量的时隙分配算法,以降低消息碰撞的概率;在簇间数据传输上,通过对簇头分类,采用了单跳与多跳相结合的簇间传输算法。下面具体说明:
一、网络初始化
为了能够通过网络初始化,使节点了解其一跳内网络信息(邻居数目、各邻居ID、邻居能量)和预测节点间链路质量,为成簇和数据传输做好准备,EBCLQ方法采用NIL算法。链路质量预测需要消息广播,若网络中所有节点同时进行广播,势必会发生信道拥挤、串音等情况,既增加非必要能耗,又降低了链路质量预测的精确度。针对此问题,NIL算法将网络初始化分为两步进行:
①获取sink节点同一般节点的综合链路质量。网络初始化开始后,sink节点以最大功率进行广播,监测区域内未收到消息的节点将自身与sink综合链路质量值置为0,并立即进入休眠态。收到消息的节点,则保持在工作态。而后处于工作态的节点调整发射功率至最大,进行消息广播,计算并记录与sink间综合链路质量Lis(Lis=Lsi={Lis|Lis=lis×lsi,Lis∈[0,1]},其中lis表示i发向s的单向链路质量为lij,其值与PRR值相同,lsi同理可得)。
②获取节点一跳内信息和一跳间节点链路质量。所有节点均进入工作态,调整发射功率至一跳范围距离进行消息广播,计算并记录彼此间综合链路质量L。若L>Lf(Lf为综合链路质量阈值,用来保证网络通信效率,其具体取值可以根据具体情况而定),则节点间互为邻居关系,并相互记录彼此ID号。
通过以上两个步骤,便完成了网络初始化工作。以一个拥有m个邻居ID号为i的节点为例,其将在内存中保存,见表3-表5所示的内容。
表1邻居节点列表
节点ID 邻居节点ID 邻居节点ID ........ 邻居节点ID 邻居数目
i a b ........ c m
表2邻居节点能量列表
表3节点与各邻节点综合链路质量
二、候选簇头产生、正式簇头确立、簇建立组成的三步成簇过程
EBCLQ方法针对以往簇头选举算法中分簇不均、考虑链路质量不足的缺点,提出了完全分布式的两步簇头选举算法和基于链路质量的簇建立方式。
EBCLQ方法簇头选举算法的思想为:以节点为中心,以其一跳距离为半径,将网络进行局部化分解。通过在每个局部选出最优节点作为簇头,来平衡网络负载,降低能耗。其具体为候选簇头产生采取CCELE算法,正式簇头确立采取FCECC算法。
EBCLQ方法将节点分为两类:可与sink节点直接通信的节点归为A类,无法与sink节点直接通信的节点归为B类。对于节点i,即:
A = { A | &ForAll; i &Element; A &RightArrow; 0 < L si &le; 1 } , B = { B | &ForAll; i &Element; B &RightArrow; L si = 0 }
CCELE算法的目的是:保证在每个节点一跳范围内都至少产生一个簇头,且此簇头到各邻节点的平均综合链路质量是最好的一个。具体步骤如下:
①对于A类节点i,若Lis小于Lf,则节点i进入休眠态,退出簇头选举。在数据传输阶段,A类节点中产生的簇头除了要发送本簇内信息,还要转发离sink节点较远节点转发来的消息,若其与sink节链路质量较低,能耗将很高。因此,降低与sink节点链路质量较差的节点当选为簇头的概率,保护节点因大量消息转发而能耗过大。
②对于剩下的所有节点,首先将节点自身能量E(i)与周围一跳邻居平均能量Eiavg进行比较,若节点能量高于一跳平均能量,则继续参选,否则进入休眠态。
③剩下仍处在工作态的节点,比较相互间的Liavg(平均链路质量)值,一跳范围内此值最高的节点当选为该范围内的候选簇头。
图3所示,CCELE算法中,一跳内可能存在多个簇头和网络内簇头数量过多,产生簇头聚堆问题。以节点a、b、c为中心进行的选举,节点a、d、e分别当选为候选簇头。从图中看出节点a、d、e互为一跳邻居,即以a为中心的一跳范围内出现了3个簇头。若网络中发生大规模簇头聚堆现象,势必影响网络的均衡性。
因此,正式簇头确立采取FCECC算法,对候选簇头进行筛选,避免簇头聚堆现象的发生。具体步骤如下:
①为了节省能量,在此阶段所有普通节点(未当选为候选簇头的节点)全部进入休眠态。
②候选簇头以一跳范围为距离,进行消息广播。若在此阶段,候选簇头未收到其它候选簇头的消息,则将自己定义为正式簇头;若在此阶段,收到了一个或者多个其它候选簇头的消息,则通过相互竞争来确立正式簇头。
③竞争方式:对于B类节点中产生的候选簇头,首先比较相互之间的能量,能量高的当选正式簇头。若节点能量相同,则比较各自所拥有的邻居数目,邻居数目多的当选正式簇头;对于A类节点中产生的候选簇头,则首先比较各自同sink的综合链路质量值L,由此值较高的节点当选为正式簇头。若L值相同,则比较节点当前能量,剩余能量多的当选为正式簇头。
图4显示了本发明的整个簇头选举的流程,如图所示,过程包括:
Step1:开始,进入初始化工作;
Step2:根据EBCLQ方法将节点分为两类标识,判断节点类型。若是A类节点,转至Step3;反之,B类节点,转至Step4;
Step3:判断节点与sink节点的L值是否大于阈值。若是,转至Step4;反之,转至Step5;
Step4:判断节点的能量是否高于邻居节点的平均能量。若是,转至Step6;反之转至Step5;
Step5:节点作为普通节点,等待加入簇;
Step6:判断Liavg(平均链路质量)是否大于所有邻节点。若是,转至Step7;
反之转至Step5;
Step7:节点当选为候选簇头;
Step8:判断节点一跳内是否存在其他候选簇头。若存在,转至Step9;反之,转至Step13;
Step9:再次判断节点的类型。若是A类节点,转至Step10;反之,B类节点,转至Step11;
Step10:比较各自同sink的综合链路质量值L和节点当前能量,转至Step12;
Step11:比较相互之间的能量以及各自所拥有的邻居数目,转至Step12;
Step12:对于A类节点,比较各自同sink的综合链路质量值L,现在L值较高的节点转至Step13,若L值相同,则比较节点当前能量,选择剩余能量多的转至Step13;对于B类节点比较相互之间的能量,选择能量高的转至Step13,若节点能量相同,比较各自所拥有的邻居数目,选择邻居数目多的转至Step13;
Step13:选择出来的节点当选为正式簇头。
簇建立阶段:当选为正式簇头的节点,进行消息广播,接收到消息的节点首先计算自身同簇头之间的通信能耗Eij其中,Etx(k,d)表示节点发送k比特数据到距离为d的另一节点,发送端所需要的能量,lij为单向链路质量)
在簇头广播阶段,所有普通节点可以分为以下两种情况:
1、节点收到一个或多个簇头消息:通过比较自身到各簇头的通信能耗大小,选择通信能耗最小的一个簇头加入。
2、节点在此阶段未收到任何簇头消息,以节点i为例:
(1)若i是B类节点,则向一跳邻居中与其L值最高的节点a发送消息,若a一跳范围内存在簇头b,则i通过a转发加入簇头b,若a一跳范围内也无簇头,则a继续向一跳范围同其L值最高的节点(上一跳节点i除外)转发消息,直到下一跳节点中存在簇头为止,如图5中(a)所示。
(2)若i是A类节点,若满足Lis≥Lf,则声明自己为簇头,直接同sink节点通信;若Lis<Lf,则采取与(1)中相同的做法,通过邻节点加入其它簇,如图5中(b)所示。
三、数据传输
EBCLQ方法数据传输阶段包括簇内数据传输和簇间数据传输两个部分。
本发明为了解决簇内通信链路质量差的问题,在EBCLQ方法中提出了SAL时隙分配算法。具体步骤为:
①利用LQEWAL链路质量预测方法中提出的均值LQI方法,统计各簇成员同簇头之间的链路质量。
②按各成员同簇头间L值高低,对簇成员进行排序。
③按各簇成员排序高低,对其进行时隙分配。即排在第一位的簇成员占有第一个时隙,排在最后一位的簇成员则占有最后一个时隙。
本发明为了解决簇间多跳算法存在诸如单纯基于距离或跳数、高时延、高能耗等问题,在EBCLQ方法中提出了MOCC算法。其工作步骤如下:
1、簇头分类:在此阶段,EBCLQ方法将所有簇头分为OH(One-Hop)类和MO(Mulit-Hop or One-Hop)类。分类依据为:对于B类节点中产生的簇头,归为MO类;对A类节点中产生的簇头,首先计算其到sink节点的通信能耗Eis,若Eis>Ef(Ef为能耗阈值,根据具体环境设定),也归为MO类,剩下的簇头节点归为OH类。
2、路径选择:如图6中(a)所示,对于OH类簇头,全部采用单跳与sink节点进行直接通信;对于MO类簇头,以簇头i为例:
(1)若Lis=0(为B类节点),则先找到与其可通信且代价最小的一个簇头j,若簇头j的Ljs也为0,则继续寻找下一跳簇头,直到簇头j与sink节点的综合链路质量Ljs>0为止。若簇头j为OH类簇头,则通过j向sink节点转发消息。若簇头j为MO类节点,则进入步骤(2)。
(2)若Lis>0(为A类节点)。首先计算其同sink节点直接通信的能耗Esi。若OH类簇头点中存在能量大于i且可与i通信的簇头j,那么计算i通过节点j向sink节点转发消息的能耗Eijs(Eijs=Eij+ERj+Ejs,其中Eij、Ejs分别表示节点i与节点j、节点j与节点sink之间的每比特发送能耗,ERj表示节点j接受节点i所发来每比特消息的接受能耗)。最后通过直接发送和转发之间的能耗差E(E=Esi-Eijs),决定路径选择方式:
如图6中(b)所示,若对于所有簇头j,E均小于0(即转发能耗高于直接发送能耗),那么簇头i选择直接与sink进行通信;若存在j,使得E大于0,那么找到使E值最大的那个簇头节点j,簇头i选择通过簇头j进行消息转发。
图7显示了本发明的簇间路径选择流程,如图所示,过程包括:
Step1:判断是否A类节点中产生的簇头。若是,转至Step2;反之,转至Step3;
Step2:计算此节点到sink通信能耗Eis,转至Step4;
Step3:寻找下一跳节点j,转至Step5;
Step4:判断Eis>Ef(Ef为能耗阈值,根据具体环境设定)。若成立,转至Step6;反之,转至Step7;
Step5:判断Ljs>0。若成立,转至Step8;反之,转至Step3;
Step6:寻找OH类中能量大于自身且可通信的节点,转至Step9;
Step7:选择与sink节点单跳收发,结束;
Step8:判断j是否OH类节点。若是,转至Step13;反之,转至Step6;
Step9:若存在如Step6所述的节点,转至Step10;反之,转至Step7;
Step10:计算能耗E;
Step11:判断E>0;若成立,转至Step12;反之Step7;
Step12:寻找使E值最大的那个簇头j
Step13:选择多跳,通过j;结束。

Claims (5)

1.一种基于链路质量的层次型路由方法,其特征在于,采用基于时间窗口的指数加权移动平均算法与均值LQI相结合的链路质量预测方法,主要包括:网络初始化、簇形成、数据传输三个过程;
通过NIL算法获取节点间链路质量和能量网络信息,对网络进行初始化工作;NIL算法指网络初始化算法;
簇形成包括候选簇头产生、正式簇头确立、簇建立三个步骤;
其中,候选簇头产生采取基于平均链路质量和平均能量的候选簇头选举算法,以一跳内节点平均能量和平均链路质量为参数,由邻居节点相互竞争产生;
正式簇头确立采取基于候选簇头的正式簇头确立算法,由一跳内候选簇头进一步竞争确立;
簇建立阶段,节点选择同自身通信能耗最小的簇头加入;
基于链路质量的时隙分配算法和基于簇头分类的多跳算法进行数据传输;
SAL算法按各簇成员同簇头间链路质量高低顺序进行簇内时隙分配;SAL算法指基于链路质量的时隙分配算法;
MOCC算法按簇头与sink节点链路质量和基于链路质量的通信能耗将其分为OH类和MO类,采取OH类簇头单跳,MO类簇头多跳的数据转发策略;MOCC算法指的是基于簇头分类的多跳算法;OH表示One-Hop,OH类为单跳类,MO表示Multi-Hop,MO类为多跳类;
NIL算法将网络初始化分为两步进行:
①获取sink节点同一般节点的综合链路质量;网络初始化开始后,sink节点以最大功率进行广播,监测区域内未收到消息的节点将自身与sink综合链路质量值置为0,并立即进入休眠态;收到消息的节点,则保持在工作态;而后处于工作态的节点调整发射功率至最大,进行消息广播,计算并记录与sink间综合链路质量Lis,Lis=Lsi={Lis|Lis=lis×lsi,Lis∈[0,1]},其中lis表示i发向s的单向链路质量为lij,其值与PRR值相同,lsi同理可得,PRR指节点收包率;
②获取节点一跳内信息和一跳间节点链路质量;所有节点均进入工作态,调整发射功率至一跳范围距离进行消息广播,计算并记录彼此间综合链路质量L;若L>Lf,Lf为综合链路质量阈值,用来保证网络通信效率,则节点间互为邻居关系,并相互记录彼此ID号;
通过以上两个步骤,便完成了网络初始化工作。
2.如权利要求1所述的基于链路质量的层次型路由方法,其特征在于,
采取CCELE算法产生候选簇头,将节点分为两类:可与sink节点直接通信的节点归为A类,无法与sink节点直接通信的节点归为B类;对于节点i,即:
A = { A | &ForAll; i &Element; A &RightArrow; 0 < L s i &le; 1 } , B = { B | &ForAll; i &Element; B &RightArrow; L s i = 0 }
CCELE算法指基于平均链路质量和平均能量的候选簇头选举算法,CCELE算法具体步骤如下:
①对于A类节点i,若Lis小于Lf,则节点i进入休眠态,退出簇头选举;
②对于剩下的所有节点,首先将节点自身能量E(i)与周围一跳邻居平均能量Eiavg进行比较,若节点能量高于一跳平均能量,则继续参选,否则进入休眠态;
③剩下仍处在工作态的节点,比较相互间的Liavg值,一跳范围内此值最高的节点当选为该范围内的候选簇头。
3.如权利要求2所述的基于链路质量的层次型路由方法,其特征在于,
FCECC算法指基于候选簇头的正式簇头确立算法,采取FCECC算法确立正式簇头,具体步骤如下:
①在此阶段所有普通节点全部进入休眠态;
②候选簇头以一跳范围为距离,进行消息广播;若在此阶段,候选簇头未收到其它候选簇头的消息,则将自己定义为正式簇头;若在此阶段,收到了一个或者多个其它候选簇头的消息,则通过相互竞争来确立正式簇头;
③竞争方式:对于B类节点中产生的候选簇头,首先比较相互之间的能量,能量高的当选正式簇头;若节点能量相同,则比较各自所拥有的邻居数目,邻居数目多的当选正式簇头;
对于A类节点中产生的候选簇头,则首先比较各自同sink的综合链路质量值L,由此值较高的节点当选为正式簇头;若L值相同,则比较节点当前能量,剩余能量多的当选为正式簇头。
4.如权利要求1所述的基于链路质量的层次型路由方法,其特征在于,
簇建立阶段:当选为正式簇头的节点,进行消息广播,接收到消息的节点首先计算自身同簇头之间的通信能耗Eij其中,Etx(k,d)表示节点发送k比特数据到距离为d的另一节点,发送端所需要的能量,lij为单向链路质量;
在簇头广播阶段,所有普通节点可以分为以下两种情况:
1、节点收到一个或多个簇头消息:通过比较自身到各簇头的通信能耗大小,选择通信能耗最小的一个簇头加入;
2、节点在此阶段未收到任何簇头消息,以节点i为例:
(1)若i是B类节点,则向一跳邻居中与其L值最高的节点a发送消息,若a一跳范围内存在簇头b,则i通过a转发加入簇头b,若a一跳范围内也无簇头,则a继续向一跳范围同其L值最高的节点转发消息,上一跳节点i除外,直到下一跳节点中存在簇头为止;
(2)若i是A类节点,若满足Lis≥Lf,则声明自己为簇头,直接同sink节点通信;若Lis<Lf,则采取与(1)中相同的做法,通过邻节点加入其它簇。
5.如权利要求1所述的基于链路质量的层次型路由方法,其特征在于,EBCLQ方法数据传输阶段包括簇内数据传输和簇间数据传输两个部分;EBCLQ方法指基于链路质量的层次型路由方法;
在EBCLQ方法中提出了SAL时隙分配算法,具体步骤为:
①利用LQEWAL链路质量预测方法中提出的均值LQI方法,统计各簇成员同簇头之间的链路质量;LQEWAL指链路质量预测方法;
②按各成员同簇头间L值高低,对簇成员进行排序;
③按各簇成员排序高低,对其进行时隙分配;即排在第一位的簇成员占有第一个时隙,排在最后一位的簇成员则占有最后一个时隙;
为了解决簇间多跳算法存在诸如单纯基于距离或跳数、高时延、高能耗等问题,在EBCLQ方法中提出了MOCC算法,其工作步骤如下:
1、簇头分类:在此阶段,EBCLQ方法将所有簇头分为OH类和MO类;分类依据为:对于B类节点中产生的簇头,归为MO类;对A类节点中产生的簇头,首先计算其到sink节点的通信能耗Eis,若Eis>Ef,也归为MO类,剩下的簇头节点归为OH类,Ef为能耗阈值;
2、路径选择:对于OH类簇头,全部采用单跳与sink节点进行直接通信;对于MO类簇头,以簇头i为例:
(1)若Lis=0,则先找到与其可通信且代价最小的一个簇头j,若簇头j的Ljs也为0,则继续寻找下一跳簇头,直到簇头j与sink节点的综合链路质量Ljs>0为止;若簇头j为OH类簇头,则通过j向sink节点转发消息;若簇头j为MO类节点,则进入步骤(2);
(2)若Lis>0,首先计算其同sink节点直接通信的能耗Esi;若OH类簇头点中存在能量大于i且可与i通信的簇头j,那么计算i通过节点j向sink节点转发消息的能耗Eijs;Eijs=Eij+ERj+Ejs,其中Eij、Ejs分别表示节点i与节点j、节点j与节点sink之间的每比特发送能耗,ERj表示节点j接受节点i所发来每比特消息的接受能耗;最后通过直接发送和转发之间的能耗差E(E=Esi-Eijs),决定路径选择方式:
若对于所有簇头j,E均小于0,那么簇头i选择直接与sink进行通信;若存在j,使得E大于0,那么找到使E值最大的那个簇头节点j,簇头i选择通过簇头j进行消息转发。
CN201310676684.2A 2013-12-11 2013-12-11 基于链路质量的层次型路由方法 Active CN103701697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310676684.2A CN103701697B (zh) 2013-12-11 2013-12-11 基于链路质量的层次型路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310676684.2A CN103701697B (zh) 2013-12-11 2013-12-11 基于链路质量的层次型路由方法

Publications (2)

Publication Number Publication Date
CN103701697A CN103701697A (zh) 2014-04-02
CN103701697B true CN103701697B (zh) 2017-01-18

Family

ID=50363099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310676684.2A Active CN103701697B (zh) 2013-12-11 2013-12-11 基于链路质量的层次型路由方法

Country Status (1)

Country Link
CN (1) CN103701697B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104661236B (zh) * 2015-02-16 2018-03-30 河海大学 一种无线多跳网络建模方法及仿真平台
CN104753719A (zh) * 2015-03-20 2015-07-01 沈阳化工大学 一种提高网络实时性和灵敏性使用累积链路质量的方法
CN105050095B (zh) * 2015-04-02 2019-01-22 浙江理工大学 一种基于能量预测的异构无线传感网的拓扑构建方法
CN104853365B (zh) * 2015-05-11 2019-01-22 浙江理工大学 一种基于有损链路状态预测的无线传感网拓扑构建方法
CN106878036A (zh) * 2015-12-10 2017-06-20 中国电信股份有限公司 用于提高网络资源效率的方法、管理服务器和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176149A (zh) * 2011-02-24 2011-09-07 浙江工业大学 基于无线传感器网络的智能楼宇能耗监测系统
CN102638901A (zh) * 2012-04-28 2012-08-15 上海大学 适用于工业监测的无线传感器网络自适应mac协议
CN103298032A (zh) * 2013-07-02 2013-09-11 重庆大学 一种无线传感器网络中的节点能耗均衡方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8687576B2 (en) * 2010-09-03 2014-04-01 Telefonaktiebolaget Lm Ericsson (Publ) Dynamic bandwidth allocation control in a multi-access radio communication system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102176149A (zh) * 2011-02-24 2011-09-07 浙江工业大学 基于无线传感器网络的智能楼宇能耗监测系统
CN102638901A (zh) * 2012-04-28 2012-08-15 上海大学 适用于工业监测的无线传感器网络自适应mac协议
CN103298032A (zh) * 2013-07-02 2013-09-11 重庆大学 一种无线传感器网络中的节点能耗均衡方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
无线传感器网络高能效可靠数据传输理论及应用研究;李玉凯;《中国博士学位论文全文数据库》;20110915(第9期);摘要部分 *

Also Published As

Publication number Publication date
CN103701697A (zh) 2014-04-02

Similar Documents

Publication Publication Date Title
Agarwal et al. Survey of clustering algorithms for MANET
CN102026331B (zh) 无线传感器网络中分布式多跳节能通信方法
CN103701697B (zh) 基于链路质量的层次型路由方法
Mittal et al. Distance-based residual energy-efficient stable election protocol for WSNs
Farhan et al. Toward interference aware IoT framework: energy and geo-location-based-modeling
CN111818553B (zh) 基于模糊逻辑的无线传感器网络改进多跳leach协议的数据传输方法
CN101959244A (zh) 一种适用于无线传感网的层次型路由控制方法
CN104410997A (zh) 一种用于无线传感器网络的层次型拓扑结构构建方法
Agarwal et al. REVIEW OF WEIGHTED CLUSTERING ALGORITHMS FOR MOBILE AD HOC NETWORKS.
CN102595550A (zh) 基于跨层优化的自适应无线传感器网络路由方法
CN108566658B (zh) 一种无线传感器网络中能耗均衡的分簇算法
CN101141388A (zh) 一种Ad hoc网络中实现优化能量消耗的方法
CN105764111A (zh) 无线传感网络自治式路由选择方法
Jerbi et al. A novel clustering algorithm for coverage a large scale in WSN
CN112218257A (zh) 一种无线传感器网络监测系统的路由方法
Khediri et al. Multi objective clustering algorithm for maximizing lifetime in wireless sensor networks
Prasad et al. An energy efficient fuzzy level clustering for stable communications in cognitive sensor networks
CN109862537A (zh) 车联网社区内通达性方法
Srinidhi et al. Hybrid energy-efficient and QoS-aware algorithm for intelligent transportation system in IoT
Long et al. Energy-aware routing scheme in industrial wireless sensor networks for Internet of Things systems
Chelbi et al. An Unequal Cluster-based Routing Protocol Based on Data Controlling for Wireless Sensor Network.
MuthuLakshmi Advanced leach protocol in large scale wireless sensor networks
Diakhate et al. Optimizing The Energy Consumption of WSN by Using Energy Efficient Routing Protocol Using Dijkstra Algorithm
Azim et al. Performance evaluation of optimized forwarding strategy for flat sensor networks
Bakr et al. Energy Efficient Spectrum Aware Distributed Cluster-Based Routing in Cognitive Radio 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