CN103945508A - 一种基于概率比较的无线传感网拓扑构建方法 - Google Patents

Abstract

一种基于概率比较的无线传感网拓扑构建方法，包括以下步骤：1)选择sink节点为初始节点，发送hello消息给其邻居节点；邻居节点根据节点剩余能量和节点间距离计算权值；Sink节点按权值降序排列形成排序表并计算子节点个数；之后sink节点广播含有该表的确认消息，子节点分别竞争为active节点或reserving节点；2)成为reserving节点后，会根据同层竞争机制选择最优父节点；3)父节点接收子节点的个数值后进行累加计算，并将计算值发送给前一跳父节点，直至发送到sink节点；将当前层的总节点数统计后代入对应层公式计算概率值，确定节点是否需要二次唤醒。本发明能量消耗较小，延长了网络生命周期。

Description

一种基于概率比较的无线传感网拓扑构建方法

技术领域

本发明涉及无线传感网领域，尤其涉及的是一种基于概率比较的无线传感网拓扑构建方法。

背景技术

无线传感器网络(Wireless Sensor Networks,WSNs)是一个无线自组织网络，它由大量资源受限的传感器节点组成。基于WSNs的特性，可用较低的成本灵活地解决大量监测问题，尤其是一些危险区域的监测问题。节点在网络通信、数据处理等方面需要消耗大量能量，且节点能量不易得到及时补充。因此如何降低能耗，尽可能延长网络生存时间是WSNs急需解决的问题。而拓扑控制是解决此类问题的有效手段之一，其中拓扑构建则是拓扑控制的首要过程

自Ephremides A和Guha S提出利用近似算法计算连通支配集(ConnectedDominating Set,CDS)寻找虚拟骨干网(Virtual Backbone)，基于CDS的拓扑控制技术成为WSNs中构建精简拓扑的一个最普遍方法。现有文献中构建CDS的方法主要有三种：1)剪枝方法，先选择一个含有较多节点的连通集，再基于这个节点集将冗余节点删除。2)最大独立集(Maximal Independent Set,MIS)方法，寻找一个能够覆盖全面区域的独立集，该独立集无法再包含其它任一节点，然后选择最少的节点作为网关节点，连接各个独立节点。如EECDS通过四色着色方法，利用着色机制将不同状态的节点区分，以此来判断出MIS节点和non-MIS节点；寻到MIS后，再利用着色机制寻找网关节点，将网络中所有的MIS节点连接，而这些网关节点和MIS节点便是整个网络的活动节点。利用EECDS方法构造的树活动节点数较多，能量消耗较快。3)树构造方法，先选择一个初始点(sink节点)，通过广播信息寻找CDS的支配节点，直到节点覆盖整个网络。如A3算法，通过节点间信息的广播、回复和确认，构建一个次优连通支配集。它的消息复杂度和计算复杂度都较低，且在它的构建过程中，能耗比和发送的消息数都呈线性关系。该算法延长了网络的生命周期，但它在二次唤醒这一过程中，却有不必要的消息发送和能量损耗。二次唤醒在节点较少的情况下，能够保证网络连通性和覆盖性，但在节点较多或节点密度较大的情况下，将消耗不必要的能量。这对只能依靠自身携带能量工作的传感器节点很重要。

因此，对于无线传感网中节点能耗问题，急需一种更优方法来解决。

发明内容

为了克服现有无线传感网拓扑控制方法中的能耗问题，尤其是节点二次唤醒的能耗问题，本发明提供了一种节省网络能量消耗延长网络生命的适用于无线传感网的树型拓扑构建方法。

本发明解决其技术问题所采用的技术方案是：

一种基于概率比较的无线传感网拓扑控制方法，所述构建方法包括以下步骤：1)初始情况下，无线传感网的各个节点随机分布且连通，选择sink节点为初始节点，发送hello消息给其邻居节点，并根据消息到达的先后将其标记；

2)邻居节点收到hello消息后，根据节点剩余能量和节点间距离，计算权值，并向sink节点发送一消息，该消息包含自身节点的标记号和权值，权值的计算公式为：

$M_{x,y}=\mathrm{\ω}*\frac{E_x}{E_{\max }}+(1-\mathrm{\ω})*\frac{D_{x,y}}{D^{*}}---\left(1\right)$

其中，x是候选者节点，y是它的父节点，ω表示能量权重，(1-ω)则为距离权重，E_x是节点x的剩余能量，E_max是节点最大的初始能量，D_x,y是节点x和y之间的距离，D*是两个节点间能够通信的最大距离；

3)Sink节点接收到消息之后，按照权值大小降序排列，形成排序表，并计算子节点个数；之后sink节点广播含有该表的确认消息，节点根据排序表顺序知道自身优先度，则在表中有优先特权的节点首先标定为active节点，并向其邻居节点发送消息；该消息含有发送消息节点的标记号与权值，通知接收消息的节点暂时没有资格成为active节点，而成为reserving节点；在这一阶段只有未收到该消息的节点才有可能竞争成为active节点；

4)节点竞争过程：成为reserving节点后，节点将会根据同层竞争机制选择最优父节点；

5)节点数计算比较过程：父节点接收子节点的个数值之后，进行累加计算，并将计算值发送给前一跳父节点，迭代执行该过程，直至发送到sink节点。Sink节点将当前计算层的总节点数统计之后，将其代入对应层的公式，计算该统计值对应出现的概率，确定节点是否需要二次唤醒，所述概率的计算公式为：

$f\left(X\right)=\frac{100}{\sqrt{2\mathrm{\&pi;}*D_i}}*e^{-\frac{{\left(\frac{X-E_i}{z}\right)}^2}{2*D_i}},1<i\&le;5---\left(2\right)$

其中，f(X)为每层总节点数的概率分布，X为每一层的总节点数，i为树的层数，n为总节点数，z是一变量，当i＝2,3,4时，z＝E_i-1；当i＝5时，z＝1，E_i和D_i分别是对应层的期望值和方差值。

进一步，在所述步骤4)中，同层竞争机制如下：reserving节点将会接收来自其他节点的hello消息，计算权值M'_xy，并与先前权值M_xy进行比较，若M'_xy＞M_xy，该reserving节点将会发送一个ID消息给先前父节点，并发送新的权值消息及其标记号给新的父节点，形成预约关系。

再进一步，在所述步骤5)中，二次唤醒需要根据节点苏醒的先后机制，即选择权值较大的节点优先进入active状态。

更进一步，在所述步骤5)中，随机抛散的传感器节点通过树型算法构建拓扑网络，在树层数1＜i≤5时，其节点概率分布服从正态分布；在i＞5时，服从泊松分布。由于(m为该拓扑网络总层数)，即第6层后的节点数远小于其余层节点数。则当节点总层数超过5层时，不再进行该层节点数的比较，而是等到树构建完毕之后，统一进行数据比较。

在所述步骤5)中，期望值的表达式：

$E_i=\left\{\begin{array}{cc}{a}_1*i^2+b_1*i+c_1& i=\mathrm{2,3,4}\\ a_2*e^{b_2*n}+c_2*e^{d_2*n}& i=5\end{array}\right.---\left(3\right)$

其中，a₁,b₁,c₁是关于节点数n的一个函数，a₂,b₂,c₂,d₂是一常数：

a₁＝-0.1496*n+9.4503;b₁＝0.9802*n-57.6247;c₁＝-1.1666*n+77.1415

a₂＝10.67;b₂＝0.001373;c₂＝-86.8;d₂＝77.1415

方差值的表达式：

$D_i=\left\{\begin{array}{cc}{a}_3*i^2+b_3*i+c_3& i=\mathrm{2,3,4}\\ a_4*e^{b_4*n}+c_4*e^{d_4*n}& i=5\end{array}\right.---\left(4\right)$

其a,b,c,d的值分别为：

a₃＝-0.2435*n+15.6249;b₃＝1.669*n-104.1198;c₃＝-2.2068*n+145.3152

a₄＝30.91;b₄＝0.00303;c₄＝-182.3;d₄＝-0.02816

本发明的技术构思为：该方法基于生成树原理提出，以sink节点作为根节点，以此散发寻找树的枝节点(active节点)和叶节点(non-active节点)。Sink节点广播消息进入邻居发现过程，在其通信范围内，寻找最优节点标记为active节点，并将其余节点标记为reserving节点。再进入节点竞争过程，reserving节点选择最优父节点，使当前网络处于最优。最后为节点数计算比较过程，决定节点是否需要二次唤醒，保证网络的连通性。

本发明的有益效果主要表现在：在初始网络为连通网络的情况下，基于消耗较少能量的前提，获得较优树型拓扑网络。本发明在节省能耗的同时尽可能地延长了网络的生命周期。

附图说明

图1是一种基于概率比较的无线传感网拓扑构建方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1，一种基于概率比较的无线传感网拓扑构建方法，包括如下步骤：

1)邻居发现过程

初始情况下，所有节点随机分布且连通。选择sink节点为初始节点，发送hello消息给其邻居节点，并根据消息到达的先后将其标记；

邻居节点收到hello消息后，根据节点剩余能量和节点间距离，计算权值，并向sink节点发送一消息，该消息包含自身节点的标记号和权值；

进一步，节点权值计算公式为：

$M_{x,y}=\mathrm{\&omega;}*\frac{E_x}{E_{\max }}+(1-\mathrm{\&omega;})*\frac{D_{x,y}}{D^{*}}---\left(1\right)$

其中x是候选者节点，y是它的父节点，ω表示能量权重，(1-ω)则为距离权重。E_x是节点x的剩余能量，E_max是节点最大的初始能量，D_x,y是节点x和y之间的距离，D*是两个节点间能够通信的最大距离。

节点间的距离评估通过节点接收信号强度(Received Signal Strength Indication,RSSI)计算，即若节点间RSSI值小，则表明节点间距离大。

根据式(1)可知只有能量大且离父节点较远的节点才有可能成为active节点。

Sink节点接收到消息之后，按照权值大小降序排列，形成排序表，并计算子节点个数。之后sink节点广播含有该表的确认消息，邻居节点根据排序表顺序知道自己的优先度，分别竞争成为active节点或reserving节点；

进一步，在表中有优先特权的节点首先标定为active节点，并向其邻居节点发送消息。该消息含有发送消息节点的标记号与权值，通知接收消息的节点暂时没有资格成为active节点，而处于一种临时状态——与sink节点保持预约关系，并转为被预约状态，成为reserving节点。在这一阶段只有未收到该消息的节点才有可能竞争成为active节点。成为active节点之后，其向邻居节点发送hello消息。

2)节点竞争过程

成为reserving节点后，节点将会根据同层竞争机制选择合适的父节点，即reserving节点将会接收来自其他节点的hello消息，计算权值M'_xy，并与先前权值M_xy进行比较。若M'_xy＞M_xy，该reserving节点将会发送一个ID消息给先前父节点，并发送新的权值消息及其标记号给新的父节点，形成预约关系。

3)节点数计算比较过程

父节点接收子节点的个数值之后，进行累加计算，并将计算值发送给前一跳父节点，迭代执行该过程，直至发送到sink节点。Sink节点将当前层的总结点数统计之后，代入对应层公式，计算该统计值对应出现的概率，确定节点是否需要二次唤醒。

进一步，在所述步骤3)中，随机抛散的传感器节点通过树型算法构建拓扑网络，在树层数1＜i≤5时，其节点概率分布服从正态分布；在i＞5时，服从泊松分布。由于(m为该拓扑网络总层数)，即第6层后的节点数远小于其余层节点数。

因此在本方法中，当节点总层数超过5层时，不再进行节点数的比较，而是等到树构建完毕之后，统一进行数据比较。

则对应层的节点概率计算公式为：

$f\left(X\right)=\frac{100}{\sqrt{2\mathrm{\&pi;}*D_i}}*e^{-\frac{{\left(\frac{X-E_i}{z}\right)}^2}{2*D_i}},1<i\&le;5---\left(2\right)$

其中，f(X)为每层总节点数的概率分布，X为每一层的总节点数，i为树的层数，n为总节点数。z是一变量，当i＝2,3,4时，z＝E_i-1；当i＝5时，z＝1。E_i和D_i分别是对应层的期望值和方差值，其表达式如式(3)和式(4)所示。

期望值的表达式：

$E_i=\left\{\begin{array}{cc}{a}_1*i^2+b_1*i+c_1& i=\mathrm{2,3,4}\\ a_2*e^{b_2*n}+c_2*e^{d_2*n}& i=5\end{array}\right.---\left(3\right)$

其中，a₁,b₁,c₁是关于节点数n的一个函数，a₂,b₂,c₂,d₂是一常数：

a₁＝-0.1496*n+9.4503;b₁＝0.9802*n-57.6247;c₁＝-1.1666*n+77.1415

a₂＝10.67;b₂＝0.001373;c₂＝-86.8;d₂＝77.1415

方差值的表达式：

$D_i=\left\{\begin{array}{cc}{a}_3*i^2+b_3*i+c_3& i=\mathrm{2,3,4}\\ a_4*e^{b_4*n}+c_4*e^{d_4*n}& i=5\end{array}\right.---\left(4\right)$

其a,b,c,d的值分别为：

a₃＝-0.2435*n+15.6249;b₃＝1.669*n-104.1198;c₃＝-2.2068*n+145.3152

a₄＝30.91;b₄＝0.00303;c₄＝-182.3;d₄＝-0.02816

若计算的概率值大于所设置的概率值α，说明其已最大可能地包含这一范围内的所有节点，且在该层中处于reserving状态的节点都进入sleeping状态；若计算的概率值小于设置的概率值，说明需要将reserving节点变为active节点，以寻找其余节点满足关系。根据节点苏醒的先后机制，选择权值较大的节点优先进入active状态，开始寻找。

本实施例利用生成树原理提出一种新的基于概率比较的无线传感网拓扑控制方法，该方法基于节点分布状况分析节点的分布概率密度，利用概率比较决定节点是否需要进行二次唤醒，减少拓扑网络构造中的通信及能量消耗，延长了网络生命周期。

Claims (5)

1.一种基于概率比较的无线传感网拓扑构建方法，其特征在于：所述构建方法包括以下步骤：

1)初始情况下，无线传感网的各个节点随机分布且连通，选择sink节点为初始节点，发送hello消息给其邻居节点，并根据消息到达的先后将其标记；

2)邻居节点收到hello消息后，根据节点剩余能量和节点间距离，计算权值，并向sink节点发送一消息，该消息包含自身节点的标记号和权值，权值的计算公式为：

$M_{x,y}=\mathrm{\&omega;}*\frac{E_x}{E_{\max }}+(1-\mathrm{\&omega;})*\frac{D_{x,y}}{D^{*}}---\left(1\right)$

其中，x是候选者节点，y是它的父节点，ω表示能量权重，(1-ω)则为距离权重，E_x是节点x的剩余能量，E_max是节点最大的初始能量，D_x,y是节点x和y之间的距离，D^*是两个节点间能够通信的最大距离；

3)Sink节点接收到消息之后，按照权值大小降序排列，形成排序表，并计算子节点个数；之后sink节点广播含有该表的确认消息，节点根据排序表顺序知道自身优先度，则在表中有优先特权的节点首先标定为active节点，并向其邻居节点发送消息；该消息含有发送消息节点的标记号与权值，通知接收消息的节点暂时没有资格成为active节点，而成为reserving节点；在这一阶段只有未收到该消息的节点才有可能竞争成为active节点；

4)节点竞争过程：成为reserving节点后，节点将会根据同层竞争机制选择最优父节点；

5)节点数计算比较过程：父节点接收子节点的个数值之后，进行累加计算，并将计算值发送给前一跳父节点，迭代执行该过程，直至发送到sink节点。Sink节点将当前计算层的总节点数统计之后，将其代入对应层的公式，计算该统计值对应出现的概率，确定节点是否需要二次唤醒，所述概率的计算公式为：

$f\left(X\right)=\frac{100}{\sqrt{2\mathrm{\&pi;}*D_i}}*e^{-\frac{{\left(\frac{X-E_i}{z}\right)}^2}{2*D_i}},1<i\&le;5---\left(2\right)$

其中，f(X)为每层总节点数的概率分布，X为每一层的总节点数，i为树的层数，n为总节点数，z是一变量，当i＝2,3,4时，z＝E_i-1；当i＝5时，z＝1，E_i和D_i分别是对应层的期望值和方差值。

2.如权利要求1所述的基于概率比较的无线传感网拓扑构建方法，其特征在于：在所述步骤4)中，同层竞争机制如下：reserving节点将会接收来自其他节点的hello消息，计算权值M'_xy，并与先前权值M_xy进行比较，若M'_xy＞M_xy，该reserving节点将会发送一个ID消息给先前父节点，并发送新的权值消息及其标记号给新的父节点，形成预约关系。

3.如权利要求1或2所述的基于概率比较的无线传感网拓扑构建方法，其特征在于：在所述步骤5)中，二次唤醒需要根据节点苏醒的先后机制，即选择权值较大的节点优先进入active状态。

4.如权利要求1或2所述的基于概率比较的无线传感网拓扑构建方法，其特征在于：在所述步骤5)中，随机抛散的传感器节点通过树型算法构建拓扑网络，在树层数1＜i≤5时，其节点概率分布服从正态分布；在i＞5时，服从泊松分布。

5.如权利要求4所述的基于概率比较的无线传感网拓扑构建方法，其特征在于：在所述步骤5)中，

期望值的表达式：

$E_i=\left\{\begin{array}{cc}{a}_1*i^2+b_1*i+c_1& i=\mathrm{2,3,4}\\ a_2*e^{b_2*n}+c_2*e^{d_2*n}& i=5\end{array}\right.---\left(3\right)$

其中，a₁,b₁,c₁是关于节点数n的一个函数，a₂,b₂,c₂,d₂是一常数：

a₁＝-0.1496*n+9.4503;b₁＝0.9802*n-57.6247;c₁＝-1.1666*n+77.1415

a₂＝10.67;b₂＝0.001373;c₂＝-86.8;d₂＝77.1415

方差值的表达式：

$D_i=\left\{\begin{array}{cc}{a}_3*i^2+b_3*i+c_3& i=\mathrm{2,3,4}\\ a_4*e^{b_4*n}+c_4*e^{d_4*n}& i=5\end{array}\right.---\left(4\right)$

其a,b,c,d的值分别为：

a₃＝-0.2435*n+15.6249;b₃＝1.669*n-104.1198;c₃＝-2.2068*n+145.3152

a₄＝30.91;b₄＝0.00303;c₄＝-182.3;d₄＝-0.02816。