CN103874158A

CN103874158A - 一种新型的聚类路由算法

Info

Publication number: CN103874158A
Application number: CN201210551388.5A
Authority: CN
Inventors: 彭力; 戴菲菲
Original assignee: Jiangnan University
Current assignee: Jiangnan University
Priority date: 2012-12-18
Filing date: 2012-12-18
Publication date: 2014-06-18

Abstract

本发明属于计算机路由领域，提出了基于Fuzzy C-Means(FCM)的算法的改进LEACH协议。新的分簇协议首先利用FCM算法和节点的位置信息把整个网络分割成簇(是最优簇头数)；然后在这个区域中分别运用考虑了节点剩余能量的修正LEACH算法进行簇头选择。本文算法解决了经典LEACH算法中簇头节点位置的分布不均匀的问题；同时分割后的每一个区域中的节点数基本相同，大大提高了网络结构的均衡性。与经典的LEACH算法相比，无线传感器网络在新的分簇协议下能有效降低簇头空间分布的不均匀性，选举簇头的数目更加的精确与合理；与LEACH-C算法相比本文算法大大降低了网络对基站BS的过度依赖问题，同时使算法的复杂度大为降低；与pLEACH算法相比，新算法使分割区域中的节点分布更加的均匀、合理与自适应性。所以本文算法使网络能量消耗分布更加均衡，有效地延长网络生存周期。

Description

一种新型的聚类路由算法

一、技术领域

本发明是一种新型的聚类路由算法，属于计算机路由技术领域。

二、背景技术

无线传感器网络(Wireless Sensor Networks，WSNs)是由部署在监测区域内的传感器节点通过无线通信形成的一个多跳自组织网络系统。它能协作得感知、采集和处理覆盖区域中感知对象的信息，并传送给观察者。无线传感器网络不需要固定网络的支持，具有展开快速、抗毁性强等优点；可被广泛应用于国防军事、国家安全、环境监测、反恐抗灾等领域。

通常情况下，无线传感器网络中的传感器节点能源有限、存储容量低，计算能力和通信能力均较弱；网络的寿命很大程度上取决于传感器节点能量消耗的快慢。因此，开发节能的路由协议对于无线传感器网络的成功应用来说意义重大。

三、发明内容

本发明提出了基于Fuzzy C-Means(FCM)的算法的改进LEACH协议。新的分簇协议首先利用FCM算法和节点的位置信息把整个网络分割成簇(是最优簇头数)；然后在这个区域中分别运用考虑了节点剩余能量的修正LEACH算法进行簇头选择。本文算法解决了经典LEACH算法中簇头节点位置的分布不均匀的问题；同时分割后的每一个区域中的节点数基本相同，大大提高了网络结构的均衡性。与经典的LEACH算法相比，无线传感器网络在新的分簇协议下能有效降低簇头空间分布的不均匀性，选举簇头的数目更加的精确与合理；与LEACH-C算法相比本文算法大大降低了网络对基站BS的过度依赖问题，同时使算法的复杂度大为降低；与pLEACH算法相比，新算法使分割区域中的节点分布更加的均匀、合理与自适应性。所以本文算法使网络能量消耗分布更加均衡，有效地延长网络生存周期。

附图说明

图1采用的无线传输能耗模型；

图2包含100个节点的无线传感器网络随机均匀部署在边长为M＝100m的正方形区域内

图3初始聚类中心

图4FCM最后输出地聚类结果

图5经典LEACH算法的簇头节点分布

图6改进的LEACH算法的簇头节点分布

图7经典LEACH与改进的LEACH算法节点能耗速度比较

图8生命周期比较

具体实施步骤

1创建无线传输能耗模型

在无线传感器网络中，路由算法的设计与采用的无线传输能耗模型紧密相关。本发明采用图1所示的模型。

从图1可以看出，该模型考虑了信息无线传输中发射电路的能耗、功率放大器的能耗以及接收电路接收信号的能耗。其中，功率放大器的能耗与传输距离d有关。具体而言，当d较小的时候，功率放大器的能耗满足自由空间(Free Space)能耗模型；当d较大的时候，其满足多路径衰减(Multi-path Fading)能耗模型。

从数学上说，每传输j-bit数据且传输距离为d时，发射机所消耗的能量等于

＝ (1)

其中，表示发j比特数据时发射电路的能耗；表示发射比特数据、传输距离为d时功率放大器的能耗。为每传输1比特数据，发射电路所消耗的能量。功率放大参数和与所采用的传输能耗模型有关，为自由空间传输，为多路径衰减传输。是区分两种模型的边界条件：

(2)

由(1)可以看出，当传输d距离大于时，发射机的能耗会随着传输距离急剧增大。在接收端，接收电路接收j比特数据所消耗的能量是

(3)

此外，本文假设：无线传感器网络中任何一个节点在处理本地数据或进行数据融合时，每处理1比特数据所需要消耗的能量为。

2无线传感网模型与最优簇头数

在本发明所考虑的无线传感器网络中，传感器节点随机且均匀的部署在一个边长为M的正方形区域内。图2给出了一个包含100个节点的网络部署实例，其中M＝100m，星号表示传感器节点的位置。

每个传感器节点都有唯一的网络标识，且每一个节点的位置在网络的整个生命周期(LifeTime)内是固定不变的。节点的感知半径相同，且能够根据自己到簇头的距离自适应的调整其发射功率。另外，节点能够随时启动和关闭感知功能，并能感知自己的剩余能量和准确的位置信息。

无线传感器网络使用分簇协议进行自组织，形成一个二级网络结构。分簇协议将传感器网络分为多个簇，每簇包含若干个节点。在每一轮(Round)数据传输开始前，每个簇选举一个簇头。簇头负责收集本簇节点的数据，并进行融合处理后发送给观察者。

在上述使用分簇协议进行自组织的无线传感器网络中，簇头总数k是一个待优化的系统参数。我们将通过最小化网络每轮在通信和数据处理中所消耗的能量来确定最优簇群数[6]。

假设网络的总能量为且网络每一轮数据传输所消耗的总能量为。在理想状况下(即所有节点的能耗均相等)，在网络的生命周期内可进行的数据传输总轮次R等于

。 (4)

当固定，则网络生命周期取决的大小。假设在每轮数据传输中，每个簇成员节点向簇头发送j比特的信息。经数据融合后，每个簇头也向观察者发送j个比特。则网络每轮数据传输的能耗是

(5)

其中，N为传感器网络节点总数，是簇的数目，表示簇头节点处理本地数据或进行数据融合的能耗分别表示簇头到观察者的平均距离和簇成员节点到簇头之间的平均距离。当传感器节点随机均匀的部署在边长为M的正方形内时，我们有[12]：

。 (6)

将(6)带入(5)，并对求一阶导数，让其等于零，可以得到最优簇头数：

(7)

3改进的LEACH协议

根据典LEACH算法中的一些不足，本文主要针对其在选择簇头时没有考虑节点的剩余能量，簇头数每轮可能不一致以及簇头分布不均匀来进行改进。

我们利用FCM聚类算法把网络所有节点按最优的簇头数分为个子集。考虑到节点的随机均匀部署，这等价于将网络覆盖区域分隔为个。FCM算法由Dunn提出并由Bezdek加以推广，是目前被广泛采用的聚类算法之一。它是在传统的K-Means算法的基础上结合模糊集合理论而得到的一种柔性的模糊划分方法，有别于传统K-Means算法“非此即彼”的硬划分。FCM算法中待划分的样本点以不同的隶属度归属于每一类，通过优化目标函数可得到每个样本点对所属聚类中心的隶属度，从而决定样本点的归属，以达到自动对样本点分类的目的。FCM聚类算法的基本思想如下所述：

给定节点位置坐标的集合，FCM聚类算法划分成个模糊簇，并求每个簇的聚类中心，以使如下目标函数达到最小：

(9)

函数的约束条件为

(10)

表示各节点对应于各个聚类中心的隶属度矩阵，为第个节点对第簇的隶属度。表示类中心矩阵。为节点与第簇中心之间的欧式距离。m为模糊加权指数，m值越大，分类的模糊程度越高，通常情况下取。目标函数为每个数据样本点到各聚类中心距离的加权平方和。

FCM聚类算法的实质就是一个将目标函数最小化的迭代收敛的过程。为使目标函数达到最小值，隶属度和类中心将采用下式来进行更新：

(11)

(12)

本发明实现的FCM算法的具体步骤是：

(1)给出聚类数目，模糊参数m＝2，迭代终止条件；(2)随机初始化聚类中心，为循环次数，此处；(3)利用公式(10)计算得到隶属度函数矩阵；(3)利用公式(11)修正类中心；(4)计算迭代误差，假如，则直接跳到步骤(6)；否则令，跳转到步骤(3)。(5)算法结束，输出聚类结果。

作为一个示例，我们将上述FCM算法用于对图2所示的无线传感器网络所覆盖的区域进行分割。最优簇数。图3给出了初始聚类中心的选择，五角星为初始聚类中心。图4给出了FCM算法收敛后的结果，其中绿色星号表示聚类中心。所有节点根据自身到聚类中心的距离的长短被划分为5个子集，每个子集内的任意节点到对应的聚类中心距离比它到其他聚类中心距离短。因为节点是随机均匀部署的，无线传感器网络的覆盖区域也被相应的划分为5个区域。

簇头选择与数据传输

上面利用FCM聚类算法已经把整个网络分割成个簇。在接下来的数据传输中，我们在这个区域中分别利用LEACH协议来选择簇头。具体而言，每轮数据传输之前，每个簇选举一个簇头，用于收集并融合本簇节点的数据，发送给观察者。经典的LEACH协议在选择簇头时没有考虑到节点剩余能量，因此本文在簇头选择过程中采用了修正的簇头选举阈值，如公式(12)所示：

(12)

这里，表示每一个区域的簇头节点的百分比。改进的LEACH算法要求任意一个区域只包含一个簇头节点；故的值等于每个区域内节点数目的倒数。表示节点n的当前剩余能量，而指的是节点n的初始能量。代表以1/p轮为周期的循环在当前循环剩余轮次；G为最近1/p轮中各个区域中还未当选过簇头的节点集合。节点剩余能量较高，则它成为簇头的概率就越大，因此使得簇头的选取更为的合理，很大程度上延长了网络的寿命。

在进行簇头选择会出现两种非常规情况：一种是每轮可能有个节点成为候选簇头节点；我们将选择剩余能量最多候选簇头节点的成为簇头节点；另一种是在选举中没有节点成为候选簇头节点，我们将选择剩余能量最多的簇内节点成为簇头节点。

各个区域中的簇头节点被选举出来之后，簇头节点利用CSMA协议对各自区域的节点发送广播数据包，其中包含该节点成为簇头的信息，簇群节点接收到此数据包后加入该簇，至此簇建立阶段完成。在稳定运行阶段，普通节点利用CSMA协议向其簇头发送加入数据包。簇头节点收到加入数据包后，会产生一个TDMA时刻表，为簇内所有节点分配发送时隙，并将此时刻表向各成员广播。此后，簇头节点即开始接收各成员采集到的数据，并将其融合后发送到基站。

5仿真分析

本文采用计算机仿真对本文提出的改进LEACH算法和经典的LEACH路由算法进行了性能比较。我们考虑了图2所示的无线传感器网络，其中有100个传感器节点随机均匀分布在边长为M＝100m的正方形区域中。观察者的位置为[0，0]Tm。选择的仿真场景参数如表1所示。

表1仿真场景参数

根据公式(7)：

取N＝100，M＝100m，，，，得到最优簇头数。如果整个网络中只有一个簇，所有的非簇头节点都要发送数据给簇头节点，距离远的非簇头节点就会消耗更多的能量，从而缩短了整个网络的生存周期；当整个网络的簇头超过5个时，没有那么多的本地数据融合需要被执行，过多的数据融合导致过多的能量被消耗。在本文中，我们取最优簇头数＝5。

(1)簇头节点分布比较

我们知道经典LEACH算法随机选择节点成为簇头，每一个节点都有等概率的机会成为簇头。这可能造成簇头节点位置分布不均：有的地方同时有好几个簇头节点，而有的地方就没有簇头节点，一个例子如图5所示，红色五角星为簇头节点。而在本文提出的改进LEACH算法中，我们首先利用FCM聚类算法，把距离相近的节点聚为一簇，然后再在簇内选举出簇头节点。这样簇头节点分布的相对比较均匀，一个例子如图6所示，红色五角星为簇头节点。

(2)节点能耗速度比较

图7给出了经典LEACH协议与改进的LEACH算法下节点能耗速度比较。经典LEACH算法中节点大约每20轮进行一次簇头选举，由于簇成员数目和节点位置的不确定性，簇头节点的能量消耗有时非常大，有的时候能耗较少，导致网络的能耗不均衡；改进的LEACH算法也是大概平均每20轮节点当选一次簇头，每一个簇中的簇成员节点数都近似相等，能耗比较平均，所以在很大程度上提高了网络的能耗均衡性，延长了网络的寿命。

(3)网络生命周期比较

图8是经典LEACH与改进的LEACH两种算法的生命周期比较。从图中可以看出，LEACH算法的第一个节点死亡时间为720轮(Round)左右，而改进LEACH算法的第一个节点死亡时间大约为1620轮左右。若以网络开始运行至50％节点死亡的时长为网络生命周期，经典LEACH算法的生命周期大约为1000轮，而改进的LEACH算法大约为1800轮。改进的LEACH算法不仅延长了网络的生命周期，而且在相同轮数下死亡节点数远小于经典LEACH算法，这说明改进的LEACH算法很好的均衡了网络中所有节点的能量消耗。

Claims

1.本发明是一种新型的聚类路由算法，该发明含有以下步骤：

(1)首先分析经典LEACH的不足，利用聚类方法对之进行改进。

(2)给出聚类数目，模糊参数m＝2，迭代终止条件；

(3)随机初始化聚类中心，为循环次数，此处；

(4)计算得到隶属度函数矩阵；

(5)修正类中心；

(6)计算迭代误差，假如误差小于阈值，则直接跳到步骤(7)；否则跳转到步骤(4)。

(7)算法结束，输出聚类结果。

2.根据权利要求1所述的一种新型的聚类路由算法，其特征在于：所述步骤(2)的是根据给出聚类的数目以及模糊的参数。

3.根据权利要求1所述的一种新型的聚类路由算法，其特征在于：所述步骤(4)在利用隶属度函数对最优位置不断修正的。

4.根据权利要求1所述的一种新型的聚类路由算法，其特征在于：所述步骤(5)(6)不断循环迭代寻找最优的聚类中心。