CN103945425B - 一种无线传感器网络中的拓扑优化方法及节点 - Google Patents

Abstract

本发明提出了一种无线传感器网络中的拓扑优化方法及节点，该方法在不改变无线传感网络的连通性的条件下通过降低某些节点的发射功率进而动态调整各节点的邻居节点，所述方法包含：步骤101）每个节点根据当前时刻其自身的覆盖范围和该节点的各邻居节点的覆盖范围在保证连通性的原则下降低各节点自身的发射功率；步骤102）每个节点通过查找自身的反向邻居中具有最小生命时间的节点，在保证连通性的原则下判断能否降低反向邻居节点中拥有最小生命时间的节点的发射功率；其中，无线传感器网络中任意一个节点N_i的发射功率p_i(t)的距离范围内覆盖的节点称为N_i的邻居节点，而位于无线传感器网络内能够覆盖节点N_i的所有节点的集合，称为节点N_i的反向邻居节点。

Description

一种无线传感器网络中的拓扑优化方法及节点

技术领域

本发明涉及无线通信技术和传感技术领域的能源供给与耗能优化问题，具体涉及一种无线传感器网络中的拓扑优化方法及节点。

背景技术

无线传感器网络由感知环境和被监测对象的传感器节点组成，通过节点提供的无线通信能力以自组织方式进行组网，以单跳或多跳将感知的信息传送到目的地的一种网络。无线传感网络不需要固定基础设施，大量具有数据感知能力、计算能力、通信能力的微型无线传感器节点可以嵌入到普通计算环境中，与现有的无线、有线的网络无缝互联，形成相互通信、信息共享的一个信息网络环境，因此在军事、环境监测、精细农业、医疗保健、空间探索等领域具有广阔的应用前景。典型的无线传感器网络是由传感器节点、网关(Sink节点、基站、接入点)、外部网络(卫星通信网、互联网、UAV等)、远程任务管理和用户组成。传感器网络节点部署在被监测区域内，采集被测对象的相关信息，并通过“多跳”的方式把这些信息发送给网关(如Sink节点)，网关将与现有的外部网络互联，最终将数据传给终端的用户。如图1所示是典型的无线传感器网络系统结构。

传感器网络应用环境的特殊性以及无线通信易受干扰，使得传感器节点失效的可能性远大于传统的网络，在能源供给、大规模数据处理能力、通信带宽和可靠性等问题上存在一定的挑战，因此，必须通过拓扑控制和各层协议，保证无线传感器网络不会因为个别节点的失效而使整个网络不能有效工作。具体问题包括：

1)节点能量受限：为了使网络更具灵活性，方便节点的部署，节点通常为独立的工作单位，要求有独立的能量供应，目前节点主要采用电池供电的方式，这导致节点能量要求有独立的能量供应。

2)自组织网络：无线传感器网络节点的位置不能预先精确设定，节点之间的相互邻居关系也不能预先知道。传感器节点在随机放置后，需要自动配置和管理，通过拓扑控制机制和网络协议自动形成转发数据的多跳无线网络系统。

3)网络拓扑动态变化：无线传感器网络工作过程中，部分传感器节点由于能量耗尽或环境因素造成失效，或为了弥补失效节点，增加监测精度，需要补充一些传感器节点到网络中，导致无线传感器网络中的节点个数动态的增加或减少，从而使网络的拓扑结构随之动态变化。

因此，无线传感器网络具有规模大、自组织、随机部署、应用环境复杂、传感器节点数据处理能力和能源供应受限，网络拓扑经常发生变化的特点，这些特点使拓扑控制成为挑战性研究课题。拓扑控制对于延长网络的生命期、降低通信干扰、提高MAC(Media AccessControl)层协议和路由协议的效率等具有重要意义，不仅是其它协议运行和应用实现的基础，还是保证网络连通性、提高网络能量耗效率和延长网络生命期的关键技术。

无线传感器网络拓扑控制的研究主要目标是形成一个优化的网络拓扑结构，在保证一定的网络连通质量和覆盖的前提下，兼顾通信干扰、网络传输延迟、负载均衡、简单性、可靠性、可扩展性等其它性能，延长网络的生命期。

分析近年来拓扑控制领域的代表性算法，可以归纳为3种类别：即节点功率控制、层次型拓扑控制及网内节点协同启发机制。其中节点功率控制是调整网络中每个节点的发射功率，目的是在保证全网连通性的情况下，均衡节点的单跳可达邻居数目；层次型拓扑控制是利用分簇机制，选择网络中一些节点作为簇头节点，由簇头节点形成处理并转发数据的骨干网络，其余非骨干节点由骨干节点集中管理，可以处于休眠状态以节省能量。网内节点协同启发机制是节点按照周边通讯环境的变化，进行自主控制，从而与邻居节点进行交互的机制。

目前拓扑控制领域存在一些技术局限。首先是用于建模无线传感器网络的模型过于理想化，为了得到更加符合实际的量化结果，需要使用更加真实的模型；其次，节点的分布假设过于理想化，当前的研究都假定节点是均匀分布的。最后，无线传感器的区域假设过于理想化。一般假设无线传感器区域是二维平面，没有考虑地形位置的因素。

本发明的技术主要侧重于节点功率控制问题，功率控制是一个十分复杂的问题，希腊佩特雷大学的Kirousis等人将其简化为发射范围分配问题，简称RA(RangeAssignment)问题，并详细讨论了该问题的计算复杂性，结果表明，在一维情况下，RA问题的时间复杂度为O(n⁴)，然而在二维和三维的情况下，发射范围分配问题RA问题是一个很难解决的问题，实际的功率控制问题比发射范围分配问题RA问题更为复杂。这个结论告诉我们，在设计基于功率控制的拓扑控制算法时，试图寻找最优解是不现实的，应接合无线传感器网络的实际应用场景和技术进展，寻找符合拓扑控制目标的实用解。

目前基于节点功率的拓扑控制，学术界已取得一些成果，其基本思想都是通过降低节点的发射功率，降低节点的能耗以达到延长网络生命期的目的。目前基于该思想的拓扑控制算法包括：与路由协议结合的功率控制拓扑控制算法COMPOW，基于节点度的功率控制拓扑控制算法如LMA(Local Mean Algorithm)和LMN(Local Mean of NeighborsAlgorithm)算法，基于方向的功率控制算法CBTC算法，以及基于邻近图的功率控制拓扑控制算法，如DRNG和DLMST算法等，下面分别对这些经典的算法进行分析和总结。

1)COMPOW拓扑控制算法

COMPOW算法是伊利诺斯大学的Narayanaswamy等人提出的将功率控制与路由协议相结合的一种解决方案。所有传感器节点使用相同发射功率工作，在保证网络连通的前提下，将发射功率最小化。对于网络节点分布较均匀的情况，COMPOW算法具有较好的性能，在保证最大功率拓扑结构的同时，将传输功率降到最低，从而减少整个网络的通信开销。在该算法中，网络中即使只有一个相对孤立的节点，也会导致网络的所有节点使用很大的发射功率进行工作，因此COMPOW算法的节能效果比较差，但是对无线传感器网络而言，节点能量分布不均是实际应用中的普遍现象，COMPOW算法便只存在理论上的价值，不能直接用于无线传感器网络。

对于COMPOW明显的缺陷，Kawadia和Kuma等人进行了改进，提出CLUSTERPOW算法，以适合实际网络中具有节点不均匀分布的情况。该算法根据不同的传输功率级进行隐式分簇，各簇内并不存在簇首节点，每条通讯链路由形成网络内各种簇结构的不同功率层组成。分簇的级是由功率的级数来决定，每个节点为多个功率等级维护一个列表，因此，该算法开销太大，节点能耗过重，也不能真正达到通过减少节点的能耗来延长网络生命期的目标。

2)基于节点度的功率控制算法

局部平均算法LMA和邻居的局部平均算法LMN是由德国柏林工业大学的Kubisch等人提出。这类算法的基本思想是设定无线传感器网络节点度的上限和下限值，每个节点动态地调整自已的发射功率，使得节点的度数处于设定的上限值和下限值之间，从而优化网络的拓扑结构，提升信道复用率，降低竞争强度。该算法只是通过节点的度来进行拓扑控制，实验仿真表明，它很难保证随机部署的网络连通性，因此在网络运行过程中，很容易造成网络分割，直接影响到网络的生命期。

3)基于方向的功率控制算法

基于方向的功率控制算法代表是CBTC算法，是由微软亚洲研究院的Wattenhofer和康奈尔大学的Li等人提出。算法可以较好地保证网络的连通性。其基本思想是网络中任意节点u选择最小发射功率，使得在任何以节点u为中心的角度为ρ的锥形区域内至少有一个邻居节点。该算法理论上可以保证当时网络的连通性。但该算法需要可靠的方向信息，节点为了提供可靠的方向信息，需要配备多个有向天线，从而增加传感器节点的成本和能耗。

4)基于邻近图(RNG)的功率控制算法

伊利诺斯大学的Li和Hou提出基于邻近图理论的功率控制算法，基本思想是设网络中所有节点在最大发射功率工作时形成的拓扑图是G(V，E)，按照一定的邻居判别条件求出该图的邻近图G'(V'，E')，每个节点以自己所邻接的最远节点来确定发射功率。邻近图经典的模型包括：有向邻近图DRNG(Directed Relative Neighborhood Graph)、有向局部最小生成树DLMST(Directed Local Minimum Spanning Tree)算法和有向局部生成子图DLSS(Directed Local Spanning Subgraph)。从基于邻近图的功率拓扑控制算法的思想可以知道，它们都能保证网络的连通性，同时在平均功率和节点度等方面具有较好的性能。基于邻近图的功率控制一般需要精确的地理位置信息，可以通过在网络节点集成GPS提供较准确的地理位置信息，但这无疑增加了节点的能耗和成本。

综上所述，当前无线传感器网络拓扑控制算法，如网络拓扑协议、路由算法的能量优化等都致力于网络的能量优化，以获得最大的网络生存时间，但前提都是假定在有限的计算能力、存储能力、无线通信能力和有限的电源供应能力的前提下，信号之间存在相互干扰，不断地衰减，能量的不可补充性直接影响节点的生命周期。如何结合能耗模型的研究，通过引入可持续能量收集获取技术分析生存时间，优化网络拓扑结构以延长网络的生存时间是当今无线传感器领域亟需解决的一个重要研究方向。

发明内容

本发明的目的在于，为了克服上述问题，本发明提出了一种无线传感器网络中的拓扑优化方法及节点。

为实现上述目的，本发明提供了一种无线传感器网络中的拓扑优化方法，该方法在不改变无线传感网络的连通性的条件下通过降低某些节点的发射功率进而动态调整各节点的邻居节点，所述方法包含：

步骤101)每个节点根据当前时刻其自身的覆盖范围和该节点的各邻居节点的覆盖范围在保证连通性的原则下降低各节点自身的发射功率；

步骤102)每个节点通过查找自身的反向邻居中具有最小生命时间的节点，在保证连通性的原则下判断能否降低反向邻居节点中拥有最小生命时间的节点的发射功率；

其中，无线传感器网络中任意一个节点N_i的发射功率p_i(t)的距离范围内覆盖的节点称为N_i的邻居节点，而位于无线传感器网络内能够覆盖节点N_i的所有节点的集合，称为节点N_i的反向邻居节点。

上述步骤101)进一步包含：

步骤101-1)获取无线传感器网络中某个节点N3的发射功率，且该发射功率为覆盖距离节点N3最远的邻居节点N1所需的发射功率；

步骤101-2)获取所述节点N3的所有邻居节点，并判断其所有邻居节点中是否有能够覆盖节点N1的邻居节点：

如果有则将所述节点N3的发射功率降低至能够到达其次远邻居节点所需的功率，同时将能够覆盖所述节点N1的N3的邻居节点选定为节点N1的邻居节点，并从所述节点N3的邻居节点中删除节点N1；

如果没有则保持所述节点N3的发射功率不变。

上述步骤102)进一步包含：

步骤102-1)获取无线传感器网络中某个节点N3的所有反向邻居节点，并采用如下公式计算比较各邻居节点的剩余时间：

x_i(t)＝w_i(t)/p_i(t)

其中，w_i(t)来表示节点i在t时刻的剩余能量，p_i(t)表示节点i在t时刻的发射功率，x_i(t)表示节点i在t时刻的剩余生命时间；

步骤102-2)从上述反向邻居节点中选择剩余生命时间最小的节点，当剩余生命时间最小的节点为N1，再进行如下判断抉择：

如果节点N1的功率还能进一步降低，即节点N1的当前功率不是最小值，并且节点N1的剩余生命时间比节点N3的剩余生命时间小时，则寻找到距离节点N1最远的节点节点N2，检查节点N2是否在节点N3的覆盖能力范围内，如果是，并且节点N3当前的能量w₃除以功率p₃₂的时间大于节点N1当前的生命时间x₁(t)，则将节点N3的功率调整至p₃₂，即将节点距离节点N1最远的邻居节点N2划分为节点N3的邻居节点，同时降低节点N1当前的发射功率。

上述方法还包含：用于为无线传感器网络中的节点采用太阳能进行充电的步骤。

上述w_i(t)的计算公式为：

w_i(t)＝h_i(t)*t*p1-t*p2

其中，h_i(t)为节点i在某个时间段t的平均获取功率，p1为太阳能转换为电能的能量转换效率，p2为电池漏电功率。

为了实现上述方法，本发明还提供了一种无线传感器网络中的节点，所述系统包含：

第一调整模块，用于根据节点当前时刻其自身的覆盖范围和该节点的各邻居节点的覆盖范围，在保证连通性的原则下降低节点自身的发射功率；

第二调整模块，用于通过节点查找自身的反向邻居中具有最小生命时间的节点，进而判断能否降低反向邻居节点中拥有最小生命时间的节点的发射功率；

其中，无线传感器网络覆盖区域内任意一个节点N_i的发射功率p_i(t)的距离范围内覆盖的节点称为N_i的邻居节点，而位于监测区域内能够覆盖节点N_i的所有节点的集合，称为节点N_i的反向邻居节点；且无线传感器网络中各节点以距离为度量表征节点的发射功率和覆盖范围。

上述第一调整模块进一步包含：

发射功率获取子模块，用于获取无线传感器网络中节点N3的发射功率，且该发射功率为覆盖距离节点N3最远的邻居节点N1所需的发射功率；

拓扑调整子模块，用于获取节点的所有邻居节点，并判断其所有邻居节点中是否有能够覆盖节点N1的邻居节点：如果有则将所述节点N3的发射功率降低至能够到达其次元邻居节点所需的功率，同时将能够覆盖所述节点N1的N3的邻居节点选定为节点N1的邻居节点，并从所述节点N3的邻居节点中删除节点N1；如果没有则保持所述节点N3的发射功率不变。

上述第二调整模块进一步包含：

反向邻居节点获取子模块，用于获取无线传感器网络中某个节点N3的所有反向邻居节点，所述所有的反向邻居节点包含：N1，N2和N4，最后采用如下公式计算比较所有反向邻居节点N1，N2和N4的剩余时间：

x_i(t)＝w_i(t)/p_i(t)

其中，w_i(t)来表示节点i在t时刻的剩余能量，p_i(t)表示节点i在t时刻的发射功率，x_i(t)表示节点i在t时刻的剩余生命时间；

步骤102-2)从上述反向邻居节点中选择剩余生命时间最小的节点N1，进行如下判断抉择：

如果节点N1的功率还能进一步降低，即节点N1的当前功率不是最小值，并且节点N1的剩余生命时间比节点N3的剩余生命时间小时，则寻找到距离节点N1最远的节点节点N2，检查节点N2是否在节点N3的覆盖能力范围内，如果是，并且节点N3当前的能量w₃除以功率p₃₂的时间大于节点N1当前的生命时间x₁(t)，则将节点N3的功率调整至p₃₂，即将节点距离节点N1最远的邻居节点N2划分为节点N3的邻居节点，同时降低节点N1当前的发射功率。

上述节点还包含：能量补充模块，用于采用太阳为节点充电。

上述w_i(t)的计算公式为：

w_i(t)＝h_i(t)*t*p1-t*p2

其中，h_i(t)为节点i在某个时间段t的平均获取功率，p1为太阳能转换为电能的能量转换效率，p2为电池漏电功率。

与现有技术相比，本发明的有益效果是：

1、现有的技术中无线传感器节点电池储存能量有限，不能持续供能。本提案中采用可充电式电池，可以从传感器所处环境中，获取太阳能。转换为可用电量后，储备在电池中，供传感器后续使用。

2、现有的技术中，传感器网络的发射功率在初始时刻确定，整个网络生存过程中保持不变。这没有考虑到节点之间功率大小不同的问题，导致在网络终止运行后，部分节点可能还存在着大量能量。本发明考虑节点不同时刻的剩余能量，根据剩余能量及自身的覆盖能力，及时调整功率大小，以最大化网络生命时间。

附图说明

图1是本发明中的软件框架结构示意图；

图2是UCLA大学的Heliomote传感器一天的能量收获效率图；

图3(a)是本发明实施例中初始网络拓扑图；

图3(b)是采用本发明的节点根据自身情况进行功率调整后的网络拓扑图；

图4是本发明各节点根据自身判断能否降低发射功率进而改变拓扑结构的流程图；

图5(a)是本发明实施例中初始网络拓扑图；

图5(b)是本发明实施例中节点从反向邻居的角度出发，帮助反向邻居节点调整其发射功率后的网络拓扑图；

图6是本发明实现反向邻居节点功率调整改变网络拓扑结构的流程图。

具体实施方式

下面结合附图和实施例对本发明所述方法进行详细说明。

物质空间中存在各种潜在的可以利用的能源，如太阳(光)能、风能、机械振动能等，目前利用机械振动和光能的能量收集技术研究比较多，并有相关器件的产品。传感器节点采用可重复充电化学电池和能量获取相结合是实现长期供电的有效手段，作为能量储存的电池，延长电池的使用寿命，达到让网络能从所处环境中获取能量，以延长生命时间的目的。本发明首次提出将可充电式电池与动态调整无线传感器节点发射功率方法结合，优化网络能量消耗，最大化网络生存周期。以下详细描述本发明的设计流程和步骤。

第一步：传感器网络初始化阶段

假设在一块m*m(m²)的监测区域范围内，随机部署n个传感器节点。每个节点的初始值设置成节点可以达到的发射功率的最大值p_max。假设从节点N_i出发，要与节点N_j相连的最小发射功率为p_ij，节点i在t时刻的剩余能量用w_i(t)来表示，节点i在t时刻的发射功率用p_i(t)来表示，那么节点i在t时刻的剩余生命时间x_i(t)可以用如下公式(1)来计算：

x_i(t)＝w_i(t)/p_i(t) (1)

定义在节点N_i的发射功率p_i(t)的距离范围内覆盖的节点称为N_i的邻居节点。把那些覆盖节点N_i的所有节点的集合，称为N_i的反向邻居节点。可以看出，针对N_i的任一个反向邻居节点N_j，N_i是N_j的邻居节点。为了描述方便，本发明中将两个节点之间相连所需的功率用它们之间的距离代替，即两个节点之间的距离越大，则它们之间通信所需的功率越大。

第二步：可充电式电池能量获取阶段

本发明中设计的方法针对光能传感器，将可充电式电池附加在传感器上，用以给传感器提供能量。电池可以从周围环境中获取能量，图2为UCLA大学的Heliomote传感器一天的能量收获效率图，它采用NiMH电池储备能量，为负载提供可管理的稳定电压供给。图中的重叠曲线表示收集了67天的能量数据，从图中可以看出，由于白天阳光充足，白天的能量收获效率远大于晚上的收获效率。

在本方案中，假定每个节点在一天中不同的时刻按照当前时间的获取功率补给能量。假设节点在某个时间段t的平均获取功率为h_i(t)，能量转换效率为p1，电池漏电功率为p2，这段时间内节点积累的可用能量w_i(t)的计算公式如下：

w_i(t)＝h_i(t)*t*p1-t*p2 (2)

式中h_i(t)*t*p1表示t时段内获取的将太阳能转换为传感器可用电能的能量，p2*t表示t时间传感器的内漏电量。这样，如果以小时为刻度单位，可以根据图2计算出每个时间段节点收获的可用电能，为后面的动态功率调整做准备。在本发明的后续计算中，我们计算公式(2)时，p1一般取值0.7，p2一般取值0.6。

第三步：无线传感器网络节点功率调整阶段

由于在无线传感器网络中，各个节点会向别的节点发送数据包，这意味着传感器节点的自身电池能量会随着时间的推移而消耗，本发明考虑能量的实时数据和发射功率值，根据计算比较节点的剩余生命时间大小去调节节点的功率。在数据包发射阶段，假设每个节点都向剩余的“n-1”个节点发送数据包，路径采用典型的最短路径Dijkstra算法来确定。这个阶段主要分为两个步骤。

步骤1，监测区域内每个节点从自己的角度出发，根据自己的覆盖范围和当前邻居节点的覆盖范围，判断节点自身是否可以降低当前发射功率。

如图3(a)和图3(b)所示，针对节点N3，假定在某个时刻节点的功率为p₃₁，即由节点N1决定它的发射功率，因为1节点距离它最远。此时，节点N3覆盖范围内还有邻居节点N5和N4。节点N3检查剩余邻居节点N4和N5，看其中是否有某一节点可以覆盖节点N1。这里，假定p₃₁>p₃₅>p₃₄。如果有，则将功率收缩至次远节点处。如果没有，则发射功率不改变。为了不丢失拓扑内其余节点并保持网络拓扑的平稳性，节点N3并没有直接收缩到节点N4处，而是收缩到次远节点N5处。当传感器节点N3给节点N1进行数据传输时，可以通过节点N4间接的转发给节点N1。这样，网络的连通性没有改变，但是通过减小节点N3的功率达到延长其生命时间的目的。如果N3是整个网络中生命时间最小的节点，则延长它的时间就是延长了整个网络的生命时间。

图3(a)中节点N3到节点N1的虚线表示功率调整前，N3到N1发送数据的路线图。由于此时N3直接覆盖N1，所以可以直接给N1发送数据。图3(b)中虚线表示功率调整后，节点N3到N1的数据发送路线图。由于此时N3已将功率从p₃₁减小至p₃₅，它不能直接到达N1，又由于N1是N4的邻居节点，所以可将发往N1的数据通过N4转发。

上述步骤1的流程如图4所示。

步骤2，节点从反向邻居的角度出发，通过查找自己的反向邻居中具有最小生命时间的节点，去判断能否帮助它延长生命时间，进而达到延长整个网络生命时间的目的。

如图5(a)和图5(b)，针对节点N3，假设它的反向邻居节点包括节点N1，N2和N4。公式(1)计算比较节点N1，N2和N4的剩余时间。假设节点N1的时间小，则进一步对节点N1进行考察。如果节点N1的功率p₁₄还能进一步降低，即当前功率不是最小值(这里假设p₁₂>p₁₃>p₁₄)，并且节点N1的生命时间比节点N3小，则考察决定节点N1的发射功率的节点，找到节点N2，则检查节点N2是否在节点N3的覆盖能力范围内，如果是，并且节点N3当前的能量w₃除以功率p₃₂的时间大于节点N1当前的生命时间x₁(t)，则将节点N3的功率调整至p₃₂，这样节点N1就可以按照前述步骤中的方法减小自己的当前功率。这里假定p₁₂>p₁₅>p₁₃>p₁₄，节点N1的功率由p₁₂收敛至p₁₅。并且由于节点N3在节点N1的覆盖范围内，所以减小功率不会造成节点丢失，保证了网络拓扑的连通性。

图5(a)中节点N1到节点N2的虚线表示功率调整前，N1到N2发送数据的路线图。由于此时N1直接覆盖N2，所以可以直接给N2发送数据。图5(b)中虚线表示功率调整后，节点N1到N2的数据发送路线图。由于此时N1已将功率从p₁₂减小至p₁₅，它不能直接到达N2，又由于N3是N1的邻居节点，且N2是N3的邻居节点，所以可将发往N2的数据通过N3转发。

上述步骤2的流程如图6所示。

通过上述方案的实施，可以实现在m*m的监测区域范围内，引入可充电式电池，并且根据不同时刻节点剩余能量的差异，动态调整传感器网络中节点的发射功率，既能保证网络拓扑的连通性又能实现数据传输的高覆盖率，仿真结果预测，较现有的拓扑控制算法的网络生存时间能有效延长30％以上。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种无线传感器网络中的拓扑优化方法，该方法在不改变无线传感网络的连通性的条件下通过降低某些节点的发射功率进而动态调整各节点的邻居节点，所述方法包含：

步骤101)每个节点根据当前时刻其自身的覆盖范围和该节点的各邻居节点的覆盖范围在保证连通性的原则下降低各节点自身的发射功率；

步骤102)每个节点通过查找自身的反向邻居中具有最小生命时间的节点，在保证连通性的原则下判断能否降低反向邻居节点中拥有最小生命时间的节点的发射功率；

其中，无线传感器网络中任意一个节点N_i的发射功率p_i(t)的距离范围内覆盖的节点称为N_i的邻居节点，而位于无线传感器网络内能够覆盖节点N_i的所有节点的集合，称为节点N_i的反向邻居节点；

所述步骤102)进一步包含：

步骤102-1)获取无线传感器网络中某个节点N3的所有反向邻居节点，并采用如下公式计算比较各反向邻居节点的剩余时间：

x_i(t)＝w_i(t)/p_i(t)

其中，w_i(t)来表示节点i在t时刻的剩余能量，p_i(t)表示节点i在t时刻的发射功率，x_i(t)表示节点i在t时刻的剩余生命时间；

步骤102-2)从上述反向邻居节点中选择剩余生命时间最小的节点，当剩余生命时间最小的节点为N1，再进行如下判断抉择：

如果节点N1的功率还能进一步降低，即节点N1的当前功率不是最小值，并且节点N1的剩余生命时间比节点N3的剩余生命时间小时，则寻找到距离节点N1最远的节点节点N2，检查节点N2是否在节点N3的覆盖能力范围内，如果是，并且节点N3当前的能量w₃除以功率p₃₂的时间大于节点N1当前的生命时间x₁(t)，则将节点N3的功率调整至p₃₂，即将节点距离节点N1最远的邻居节点N2划分为节点N3的邻居节点，同时降低节点N1当前的发射功率。

2.根据权利要求1所述的无线传感器网络中的拓扑优化方法，其特征在于，所述步骤101)进一步包含：

步骤101-1)获取无线传感器网络中某个节点N3的发射功率，且该发射功率为覆盖距离节点N3最远的邻居节点N1所需的发射功率；

步骤101-2)获取所述节点N3的所有邻居节点，并判断其所有邻居节点中是否有能够覆盖节点N1的邻居节点：

如果有则将所述节点N3的发射功率降低至能够到达其次远邻居节点所需的功率，同时将能够覆盖所述节点N1的N3的邻居节点选定为节点N1的邻居节点，并从所述节点N3的邻居节点中删除节点N1；

如果没有则保持所述节点N3的发射功率不变。

3.根据权利要求1或2所述的无线传感器网络中的拓扑优化方法，其特征在于，所述方法还包含：

用于为无线传感器网络中的节点采用太阳能进行充电的步骤。

4.根据权利要求3所述的无线传感器网络中的拓扑优化方法，其特征在于，所述w_i(t)的计算公式为：

w_i(t)＝h_i(t)*t*p1-t*p2

其中，h_i(t)为节点i在某个时间段t的平均获取功率，p1为太阳能转换为电能的能量转换效率，p2为电池漏电功率。

5.一种无线传感器网络中的节点，所述节点包含：

第一调整模块，用于根据节点当前时刻其自身的覆盖范围和该节点的各邻居节点的覆盖范围，在保证连通性的原则下降低节点自身的发射功率；

第二调整模块，用于通过节点查找自身的反向邻居中具有最小生命时间的节点，进而判断能否降低反向邻居节点中拥有最小生命时间的节点的发射功率；

其中，无线传感器网络覆盖区域内任意一个节点N_i的发射功率p_i(t)的距离范围内覆盖的节点称为N_i的邻居节点，而位于监测区域内能够覆盖节点N_i的所有节点的集合，称为节点N_i的反向邻居节点；且无线传感器网络中各节点以距离为度量表征节点的发射功率和覆盖范围；

所述第二调整模块进一步包含：

反向邻居节点获取子模块，用于获取无线传感器网络中某个节点N3的所有反向邻居节点，所述所有的反向邻居节点包含：N1，N2和N4，最后采用如下公式计算比较所有反向邻居节点N1，N2和N4的剩余时间：

x_i(t)＝w_i(t)/p_i(t)

其中，w_i(t)来表示节点i在t时刻的剩余能量，p_i(t)表示节点i在t时刻的发射功率，x_i(t)表示节点i在t时刻的剩余生命时间；

从上述反向邻居节点中选择剩余生命时间最小的节点N1，进行如下判断抉择：

如果节点N1的功率还能进一步降低，即节点N1的当前功率不是最小值，并且节点N1的剩余生命时间比节点N3的剩余生命时间小时，则寻找到距离节点N1最远的节点节点N2，检查节点N2是否在节点N3的覆盖能力范围内，如果是，并且节点N3当前的能量w₃除以功率p₃₂的时间大于节点N1当前的生命时间x₁(t)，则将节点N3的功率调整至p₃₂，即将节点距离节点N1最远的邻居节点N2划分为节点N3的邻居节点，同时降低节点N1当前的发射功率。

6.根据权利要求5所述的无线传感器网络中的节点，其特征在于，所述第一调整模块进一步包含：

发射功率获取子模块，用于获取无线传感器网络中节点N3的发射功率，且该发射功率为覆盖距离节点N3最远的邻居节点N1所需的发射功率；

拓扑调整子模块，用于获取节点的所有邻居节点，并判断其所有邻居节点中是否有能够覆盖节点N1的邻居节点：如果有则将所述节点N3的发射功率降低至能够到达其次远 邻居节点所需的功率，同时将能够覆盖所述节点N1的N3的邻居节点选定为节点N1的邻居节点，并从所述节点N3的邻居节点中删除节点N1；如果没有则保持所述节点N3的发射功率不变。

7.根据权利要求5或6所述的无线传感器网络中的节点，其特征在于，所述节点还包含：

能量补充模块，用于采用太阳为节点充电。

8.根据权利要求7所述的无线传感器网络中的节点，其特征在于，所述w_i(t)的计算公式为：

w_i(t)＝h_i(t)*t*p1-t*p2

其中，h_i(t)为节点i在某个时间段t的平均获取功率，p1为太阳能转换为电能的能量转换效率，p2为电池漏电功率。