CN103987094B - 一种基于rs算法的无线传感网络算法 - Google Patents
一种基于rs算法的无线传感网络算法 Download PDFInfo
- Publication number
- CN103987094B CN103987094B CN201410228860.0A CN201410228860A CN103987094B CN 103987094 B CN103987094 B CN 103987094B CN 201410228860 A CN201410228860 A CN 201410228860A CN 103987094 B CN103987094 B CN 103987094B
- Authority
- CN
- China
- Prior art keywords
- node
- algorithm
- switching
- nodes
- load
- 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)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
一种基于RS算法的无线传感网络算法,构建RS算法模型,所述RS算法模型中包括节点的切换概率;引入修正因子,通过所述修正因子修正节点切换概率找到靠近汇聚节点且剩余能量多的节点作为切换目标节点。由于引入修正参数,对节点的切换概率进行修正。可有效延长网络中的生存时间,提高无线传感网络性能。
Description
技术领域
本发明涉及一种基于RS算法的无线传感网络算法。
背景技术
无线传感网络广泛的应用于军事、环境监测、智能房间、建筑物环境监测等等。每个传感器都有有限的能量,它们可以无线的传递信息。通常,由于环境和地理位置的不确定性,这些传感器会被随机的部署于监测区域。大多数的无线传感网络中,所有的传感器会传递信息到sink节点,同时会形成一个以sink节点为根源的数据收集树。
无线传感网络中传感器的能量是有限的,所以应该避免传感器多余的能量消耗是目前重要的挑战。由于每个传感器的通信半径是有限的,越靠近sink节点的节点会有更高的能量消耗。因此,一般通过构造一个平衡的数据收集树来延长无线传感网络的生存时间,但是仍然存在时间复杂度较高的问题。考虑到时间复杂度的问题,RS算法在延长网络寿命的同时拥有较低的时间复杂度。
发明内容
本发明提供一种生存时间更长的基于RS算法的无线传感网络算法,其包括,
构建RS算法模型,所述RS算法模型中包括节点的切换概率;RS算法是RandomizedSwitching;
引入修正因子,通过所述修正因子修正节点切换概率找到靠近汇聚节点且剩余能量多的节点作为切换目标节点。
Pi h表示在第h轮数据收集中,节点vi的切换概率,则,
Pi h+1=Pi h×κi(i=1,2,…,n) (2)
其中,leveli表示节点vi在数据收集树中的层数。同时,remaini表示节点vi的剩余能量。n表示节点的总数;ω是最小路径负载,δ是判断βmax大小的尺度,取2×10-4;
在上述技术方案的基础上,
其中,βmax为切换次数,其中ε是最大路径负载,假设在100个传感器节点随机部署于在1*1的区域中,通信半径为0.25,把βmax分为四个范围去变化,这是假设节点va是负载最大的节点,当ε-ω<5×δ时,βmax为1,即节点va的一个孩子节点应该被切换至新的父亲节点,这样就避免了在va的负载相对较小时,其孩子节点多余的切换使其它节点的负载增加。当ε-ω>15×δ时,βmax为4,即节点的四个孩子节点应该被切换至新的父亲节点,这样就避免了在va的负载较大时,其孩子节点较少的切换可能没有效果。
本发明有益效果在于:由于引入修正参数,对节点的切换概率进行修正。可有效延长网络中的生存时间,提高无线传感网络性能。
附图说明
图1为现有技术中RS算法的收敛性仿真示意图;
图2为本发明基于RS算法的无线传感网络算法收敛性仿真示意图;
图3为本发明100个节点生存时间仿真图;
图4为本发明200个节点生存时间仿真图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的详细说明。
构建RS算法模型,其包括假设G=(V,E)表示监测区域A中由传感器随机部署构成的图,V={v0,v1,…,vN}表示图中的N个节点(传感器)和sink节点v0,E表示传感器节点直接连接边的集合。同时假设传感器节点在区域中分布较密集,在G中没有不连通区域。
数据收集树T=(VT,ET)是G的一个子图,并且VT=V、T的根节点v0在T中的第一层。用L表示树T的最大层数,加入节点在T的层数l后,节点也可以表示为在G的生成树T中,如果节点vi和vj有共同的父亲节点,则称它们是兄弟节点。Ci表示节点vi的孩子节点。M表示树T的叶子节点,T中点vi到v0有不同的路径,所以用Tk表示图G的第k个生成树,是在Tk中vi到v0的路径。以vi为根节点的子树记为T(vi),当前点vi的剩余能量记为ei。在一轮数据收集中,传感器节点vi接收其孩子节点传来的信息,所消耗的能量为这里的一轮数据收集是指所有的节点把收集到的信息传递给sink节点。
节点vi的数据生成率是指该点在一轮数据收集中所自身收集到的数据,相似地节点vi会把接受到的信息传递给其父亲节点。节点收集信息的过程中,所消耗的能量可以忽略不计。因此,在一轮数据收集中,节点vi的能量总消耗为节点vi的负载定义为γi=ri/ei,则节点vi的生存时间可以定义为ti=ei/ri=1/γi。
RS算法有三部分构成,分别是:切换(T)、找潜在父亲节点(G,vi)、更新树(T)。切换是RS算法的核心部分,切换是指找出合适的父亲节点,作为切换的对象,最后,更新树是指更新点和路径的负载。
算法1描述了切换,算法2描述了找到潜在父亲节点,算法3是更新树。
通过对RS算法的仿真,我们发现在网络中传感器节点在传递信息到sink节点的过程中,可能会出现较大的跳数。原因是在RS算法中,每次通过切换找到新的父亲节点时,都是以随机概率选定新的父亲节点,这样选定的新父亲节点在数据收集树中跳数较高。
较高的跳数会造成多余的能量消耗,因此,无线传感网的生存时间可能因此会受到减短。对于传感器节点,剩余能量也是重要的因素之一,所以本文将基于跳数和剩余能量的基础上,对原来随机的切换概率进行改进。
在RS算法中,振荡需要保持收敛,对于切换次数βmax没有限制。同时,切换次数对收敛的影响较大。实际上,βmax反映了ε-ω应该被减小的程度。当ε-ω较大时,βmax也应该加大;当ε-ω较小时,βmax也应该较小。这样,如果βmax随着ε-ω的变化而变化,那么收敛将会得到改善。
由于原算法的切换概率是随机的,这样可能会使得网络跳数增加,同时考虑到传感器传递信息跳数和剩余能量的重要性,为了构造一个更加合适的切换概率,引入修正因子ξi去修正切换概率。对于越靠近汇聚节点、剩余能量越多的节点更加适合成为切换的目标。通过改变ξi,可以找到跳数和剩余能量之间的较优权重,使得网络生存时间达到最长。这里,leveli表示节点vi在数据收集树中的层数。同时,remaini表示节点vi的剩余能量,我们定义因子κi表示在和之间的关系,其中表示在第h轮数据收集中,节点vi的切换概率。应该介于0到1之间。具体算法如下:
Pi h+1=Pi h×κi(i=1,2,…,n)(2)
经过一轮信息收集后,每个节点的剩余能量、跳数等基本条件发生改变,所以通过公式(1),可以确定每个节点的切换概率修正因子,进一步,在公式(2)中,基于修正因子对切换概率进行修正。为了保证稳定性,切换概率需要保持在0到1之间,所以引入公式(3)。n表示节点的总数;ω是最小路径负载,δ是判断βmax大小的尺度,取2×10-4。
为了构造动态的βmax,我们假设在100个传感器节点随机部署于在1*1的区域中,通信半径为0.25。我们把βmax分为四个范围去变化,这是假设节点va是负载最大的节点。当ε-ω<5×δ时,βmax为1,即节点va的一个孩子节点应该被切换至新的父亲节点。这样就避免了在va的负载相对较小时,其孩子节点多余的切换使其它节点的负载增加。当ε-ω>15×δ时,βmax为4,即节点的四个孩子节点应该被切换至新的父亲节点。这样就避免了在va的负载较大时,其孩子节点较少的切换可能没有效果。在(4)中,表示了这四个范围。
当节点个数有100增加到400的过程中,选择适当的δ和βmax,也可以有和100个节点是一样的效果。
由于原算法对于所有的节点有相同的切换次数,由于不同的节点的基本条件不同,所以相同的切换次数会影响算法的收敛性。通过βmax的分范围后,可以使得算法的收敛性得到改善。
仿真结果
仿真实验
请参考图1至图4。我们在MATLAB上进行仿真,在区域100m×100m内随机的部署传感器。首先传感器的个数N设置为100,每个传感器的初始能量设置为0.05Joule(J),传感器的通信半径为25m。我们假设接收信息消耗的能量为50nJ/bit,发射信息消耗的能量为100nJ/bit。每条信息为16bytes。
我们假设sink节点在(50m,50m)的位置,我们统计以下信息:
生存时间:网络开始工作到网络中出现第一个能量耗尽的节点的时间;
运行时间:到达统计达到收敛时,所经历的轮数;
能量输出:直到网络结束时,每个节点总共消耗的能量。
接下来,我们把NRS算法的结果和RS算法的结果进行比较。
算法振荡的收敛性。
这里,我们假设δ=2×10-4,收敛性必须要保持。当节点数为100时,RS算法的收敛性见图1,其中平行于x轴的线表示δ,横坐标表示轮数,纵坐标表示ε-ω,从中,我们可以看出。收敛后,非常接近于δ。同样的,在图2中,我们可以得出NRS算法的收敛性,同时可以得出收敛效果较好。
实验结果
记录了每个节点的能量的消耗情况。当网络中有100个节点时,根据MATLAB上得到的结果,我们得出当网络结束时,RS算法最后所有节点剩余能量的平均值为0.032,NRS算法最后所有节点剩余能量的平均值为0.013。因此,NRS算法可以更加充分的利用传感器节点,这也是NRS算法拥有较长生存时间的原因。
由于每次仿真,都是所有的传感器节点被随机地部署在区域内,所以每次网络的生存时间都不相同。为了反映NRS算法的改进,我们分别在100个点和200个点两种情况下进行6次试验,最后记录网络生存时间。我们发现NRS算法的生存时间较RS算法更长。
Claims (2)
1.一种基于RS算法的无线传感网络算法,其特征在于:其包括,
构建RS算法模型,所述RS算法模型中包括节点的切换概率;RS算法是RandomizedSwitching;
引入修正因子,通过所述修正因子修正节点切换概率找到靠近汇聚节点且剩余能量多的节点作为切换目标节点;
表示在第h轮数据收集中,节点vi的切换概率,则,
<mrow>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&xi;</mi>
<mi>i</mi>
</msub>
<mo>&times;</mo>
<mfrac>
<mrow>
<msub>
<mi>level</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mi>max</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>level</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&xi;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mfrac>
<mrow>
<msub>
<mi>remain</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mi>max</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>remain</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mi>h</mi>
</msubsup>
<mo>&times;</mo>
<msub>
<mi>&kappa;</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo><</mo>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo><</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mrow>
<mi>h</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>></mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,leveli表示节点vi在数据收集树中的层数,同时,remaini表示节点vi的剩余能量;levelj表示节点vj在数据收集树中的层数,同时,remainj表示节点vj的剩余能量;修正因子ξi;κi表示在Pi h和Pi h+1之间的关系;n表示节点的总数;h代表的是数据收集的次数;Pi h+1表示的是在第h+1轮数据收集中,节点vi的切换概率。
2.如权利要求1所述的一种基于RS算法的无线传感网络算法,其特征在于:
<mrow>
<msub>
<mi>&beta;</mi>
<mi>max</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mn>0</mn>
<mo><</mo>
<mi>&epsiv;</mi>
<mo>-</mo>
<mi>&omega;</mi>
<mo>&le;</mo>
<mn>5</mn>
<mo>&times;</mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>2</mn>
</mtd>
<mtd>
<mrow>
<mn>5</mn>
<mo>&times;</mo>
<mi>&delta;</mi>
<mo><</mo>
<mi>&epsiv;</mi>
<mo>-</mo>
<mi>&omega;</mi>
<mo>&le;</mo>
<mn>10</mn>
<mo>&times;</mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>3</mn>
</mtd>
<mtd>
<mrow>
<mn>10</mn>
<mo>&times;</mo>
<mi>&delta;</mi>
<mo><</mo>
<mi>&epsiv;</mi>
<mo>-</mo>
<mi>&omega;</mi>
<mo>&le;</mo>
<mn>15</mn>
<mo>&times;</mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>4</mn>
</mtd>
<mtd>
<mrow>
<mi>&epsiv;</mi>
<mo>-</mo>
<mi>&omega;</mi>
<mo>></mo>
<mn>15</mn>
<mo>&times;</mo>
<mi>&delta;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,βmax为切换次数,其中ε是最大路径负载,假设在100个传感器节点随机部署于在1*1的区域中,通信半径为0.25,把βmax分为四个范围去变化,这是假设节点va是负载最大的节点,当ε-ω<5×δ时,βmax为1,ω是最小路径负载,δ是判断βmax大小的尺度,取2×10-4;即节点va的一个孩子节点应该被切换至新的父亲节点,这样就避免了在va的负载相对较小时,其孩子节点多余的切换使其它节点的负载增加;当ε-ω>15×δ时,βmax为4,即节点的四个孩子节点应该被切换至新的父亲节点,这样就避免了在va的负载较大时,其孩子节点较少的切换可能没有效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410228860.0A CN103987094B (zh) | 2014-05-27 | 2014-05-27 | 一种基于rs算法的无线传感网络算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410228860.0A CN103987094B (zh) | 2014-05-27 | 2014-05-27 | 一种基于rs算法的无线传感网络算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103987094A CN103987094A (zh) | 2014-08-13 |
CN103987094B true CN103987094B (zh) | 2018-05-01 |
Family
ID=51278891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410228860.0A Active CN103987094B (zh) | 2014-05-27 | 2014-05-27 | 一种基于rs算法的无线传感网络算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103987094B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102083163A (zh) * | 2011-02-28 | 2011-06-01 | 无锡泛联物联网科技股份有限公司 | 无线传感器网络随机休眠调度路由方法 |
-
2014
- 2014-05-27 CN CN201410228860.0A patent/CN103987094B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102083163A (zh) * | 2011-02-28 | 2011-06-01 | 无锡泛联物联网科技股份有限公司 | 无线传感器网络随机休眠调度路由方法 |
Non-Patent Citations (2)
Title |
---|
Increasing the Energy Efficiency of WSNs Using;Wei Zhang Xinmiao Zhang Hao Wang;《2012 IEEE Asia Pacific Conference on Circuits and Systems》;20130124;全文 * |
RS SCHEDULED MULTIPLE MOBILE SINKS IN WSNs WITH DELAY CONSTRAINED APPROACH;M.Sudha Dr.J.Sundararajan K.Kavitha;《2013 Fourth International Conference on Computing, Communications and Networking Technologies (ICCCNT)》;20140130;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103987094A (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Murugaanandam et al. | Reliability-based cluster head selection methodology using fuzzy logic for performance improvement in WSNs | |
JP5683755B2 (ja) | パケットのループフリールーティングのためのスマートメーターネットワークにおける破損したリンクを回避する方法 | |
US20130235757A1 (en) | Apparatus and method for a biology inspired topological phase transition for wireless sensor network | |
CN104411000A (zh) | 一种无线传感器网络中分层路由协议簇头选择方法 | |
CN108156591B (zh) | 一种压缩感知和随机游走结合的数据收集方法 | |
CN105611599A (zh) | 一种基于剩余能量动态调整前向角度的路由算法 | |
Aissa et al. | New strategies and extensions in weighted clustering algorithms for mobile ad hoc networks | |
Kumar et al. | Distance based cluster head selection algorithm for wireless sensor network | |
KR101560523B1 (ko) | 에너지 효율성을 고려한 무선센서 네트워크 운영방법 | |
Ahvar et al. | FEAR: A fuzzy-based energy-aware routing protocol for wireless sensor networks | |
CN103796272A (zh) | 一种延长IPv6无线传感器网络寿命的路由构建方法 | |
CN103987094B (zh) | 一种基于rs算法的无线传感网络算法 | |
Wang et al. | Choose wisely: Topology control in energy-harvesting wireless sensor networks | |
Bhatnagar et al. | Sparrow-based Differential Evolutionary Search Algorithm for Mobility Aware Energy Efficient Clustering in MANET Network | |
Hong et al. | An expansion cluster routing algorithm based on rssi for an efficient data transmission | |
Tan et al. | A distributed and dynamic data gathering protocol for sensor networks | |
KR20120044703A (ko) | 무선 센서 및 액터 네트워크의 주문형 라우팅 방법 | |
Khamforoosh | Clustered balanced minimum spanning tree for routing and energy reduction in wireless sensor networks | |
JP2018023013A (ja) | 経路選択装置、経路選択方法及びプログラム | |
Chen et al. | Constructing load-balanced degree-constrained data gathering trees in wireless sensor networks | |
CN104968019B (zh) | 基于改进广度优先搜索的无线传感网树状拓扑生成方法 | |
Kumar et al. | MEEP: multihop energy efficient protocol for heterogeneous wireless sensor network | |
Deb et al. | Harvested profile aware multi hop routing protocol for wireless sensor network | |
Sivakumar et al. | An energy efficient routing technique to improve the performance of wireless sensor network through adaptive tree based sink relocation | |
JP6913721B2 (ja) | 無線通信装置及び無線ネットワーク |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |