CN104065574A - 一种无线传感器网络层内非均匀分簇路由方法 - Google Patents

Abstract

本发明属于无线传感器网络技术领域，具体涉及一种无线传感器网络层内非均匀分簇路由方法。本发明包括：在一个具有N个随机部署传感器节点的无线传感器网络中，汇聚节点计算出全网分层总数；汇聚节点向全网广播分层总数和相关的网络统一参数；计算节点所在的层数；网络中节点计算出节点本身的初始化概率，竞选候选簇首；确定候选簇首的最大竞争半径为无线通信模块的距离阈值；经过多次迭代竞选出最终的簇首；普通结点选择簇内通信代价最小；在每个数据收集周期进行簇的重构，均衡节点的消耗。本发明可以防止剩余能量过低的节点竞选成为需要消耗较多能量的簇首，防止簇首过早死亡。

Description

一种无线传感器网络层内非均匀分簇路由方法

技术领域

本发明属于无线传感器网络技术领域，具体涉及一种无线传感器网络层内非均匀分簇路由方法。

背景技术

无线传感器网络(Wireless Sensor Network,简称WSN)是由部署在特定的监测区域内大量廉价、微型的、具有通信能力和计算能力的感器节点构成的自组织分布式网络系统，它具有快速展开、高健壮性和抗毁性等特点，能够广泛应用于军事、环境检测和预报、智能家居等诸多领域，已经引起了世界许多国家军界、学术界和工业界的高度重视。

无线传感器网络不同于ad hoc、无线局域网等不以能量消耗为重点的传统无线网络，无线传感器节点所携带的能量十分有限，且它们的部署区域通常很复杂，甚至有些区域人员不能到达，即不能为之补充能量，因此，如何高效的利用能量，尽可能的延长网络寿命是无线传感器网络应用的核心问题之一。为了更好得解决此问题，提高无线传感器网络的路由技术，令网络有着良好的拓扑结构，对于自组织的无线传感器网络来说至关重要。目前，无线传感器网络路由算法存在着多种分类。其中，根据网络拓扑结构可分为平面路由和分层结构路由两类。

平面路由中，所有网络节点的地位是平等的，不存在层次差异，节点间相互协作共同完成感知和数据处理任务。平面路由虽然简单，不易产生瓶颈效应，有较好的健壮性，但由于网络中无管理节点，缺乏对通信资源的优化管理，对网络动态变化的反应速度较慢。

在分层路由中，网络被划分为簇。每个簇由一个簇首和多个簇内成员组成，由最高层的簇首与汇聚点进行通信。分层路由算法便于管理和扩展，有利于分布式算法的应用，可以对系统变化做出快速反应，并能节省网络传输的能耗。因此分层路由算法是WSN路由的研究热点和趋势。

目前，大多数分层路由算法都是基于LEACH算法思想演变而来的均匀分簇算法，LEACH算法的主要思想如下：

节点产生一个0～1之间的随机数，如果这个数小于阈值T(n)，则发布自己是簇头的公告消息。在每轮循环中，如果节点已经当选过簇头，则把T(n)设置为0，这样该节点不会再次当选为簇头。对于未当选过簇头的节点，则将以T(n)的概率当选；随着当选过簇头的节点数目增加，剩余节点当选簇头的阈值T(n)随之增大，节点产生小于T(n)的随机数的概率随之增大，所以节点当选簇头的概率增大。当只剩下一个节点未当选时，T(n)＝1，表示这个节点一定当选。T(n)可表示为

其中，P是簇头在所有节点中所占的百分比，r是选举轮数，rmod(1/P)代表这一轮循环中当选过簇头的节点个数，G是这一轮循环中未当选过簇头的节点集合。节点当选簇头以后，发布通告消息告知其他节点自己是新簇头。非簇头节点根据自己与簇头之间的距离来选择加入哪个簇，并告知该簇头。分簇结束后，在数据通信阶段，簇内节点把数据发送给簇头，簇头进行数据融合并把结果发送给汇聚节点。

然而靠近汇聚节点的簇首不但把自身的数据传输给汇聚节点，还要转发大量其他簇首的数据，这就容易形成靠近汇聚节点的簇因负载较重，过早死亡的“热区”问题。因此本发明基于分层路由，根据层内非均匀分簇思想来延长网络的存活时间。

发明内容

本发明目的在于提供一种可以有效地解决现有无线传感器网络分簇路由算法无法从整体上协调节点能量消耗的问题，降低路由算法的能量消耗的无线传感器网络层内非均匀分簇路由方法(LBUC)。

本发明的目的是这样实现的：

(1)在一个具有N个随机部署传感器节点(S₁,S₂,...,S_N)的无线传感器网络中，汇聚节点计算出全网分层总数，

totalLayers＝ceil(sqrt(X_m ²+Y_m ²)/(d_o×C₁))，

X_m和Y_m是监测区域的长度和宽度，C₁是层环半径比例系数，d_o是通信模型中的通信模块的距离阈值；

(2)汇聚节点向全网广播分层总数和相关的网络统一参数；

(3)任意节点S_i接到网络分层信息后进行保存，根据自身到汇聚节点的距离信息，计算节点S_i所在的层数，

$S_i.\mathrm{layerNum}=\mathrm{ceil}\left(C_1\frac{S_i.\mathrm{disToBS}}{d_o}\right),$

S_i.disToBS表示S_i节点到汇聚节点的距离；

(4)网络中节点计算出节点本身的初始化概率CH_prob，竞选候选簇首，

CH_prob＝max(C_prob+E_resident/E_max,p_min)，

C_prob和_pmin为全网统一的参数，E_resident/E_max代表节点剩余能量与初始化能量的百分比；

(5)确定候选簇首的最大竞争半径为无线通信模块的距离阈值d_o，节点S_i的竞争半径S_i.R_c为；

$S_i.R_c=\frac{1}{2}(C_2+\frac{S_i.\mathrm{layerNum}}{\mathrm{totalLayers}})\×d_o,$

C₂为网络统一参量；

(6)每个候选簇首维护一个邻居候选簇首集合S_i.TempCH(ID)，在这个集合内依据节点所在层数和当前的剩余能量，经过多次迭代竞选出最终的簇首；

(7)簇首选举结束后，当选的簇首向外广播获胜的消息，普通结点选择簇内通信代价最小，即接收信号强度最大的簇首加入；

(8)在每个数据收集周期进行簇的重构，均衡节点的消耗。

本发明具有的有益效果：

1、本发明引入了剩余能量，在簇首竞争机制中，各节点根据自身的剩余能量来计算自己的初始化概率，以此概率竞选候选簇首，每个候选簇首在其维护的邻居候选簇首集合内，依据节点所在层数和当前的剩余能量经过多次迭代竞选出最终的簇首。利用这种方式可以防止剩余能量过低的节点竞选成为需要消耗较多能量的簇首，防止簇首过早死亡。

2、本发明采用层内非均匀分簇方式，改变了传统的均匀分簇，不是单纯依据距离而分簇，而是通过层级的限制，让靠近汇聚节点的候选簇首优先成为最终簇首，使靠近汇聚节点的附近链路数目增加，防止汇聚节点附近节点能量消耗过快而死亡，从而缓解“热区”问题。

附图说明

图1为本发明无线传感器网络层内非均匀分簇路由算法的流程图。

图2为本发明无线传感器网络层内非均匀分簇路由算法在各个数据收集周期产生簇首的数目。

图3为本发明无线传感器网络层内非均匀分簇路由算法运行10轮后簇首消耗的能量和。

图4为本发明无线传感器网络层内非均匀分簇路由算法运行50轮后簇首消耗的能量和。

图5为本发明无线传感器网络层内非均匀分簇路由算法运行100轮后网络结构图。

具体实施方式

下面结合附图对本发明做进一步描述：

一种无线传感器网络层内非均匀分簇路由算法，其特征在于：

步骤1：在一个具有N个随机部署传感器节点(S₁,S₂,...,S_N)的无线传感器网络中，汇聚节点利用如下公式计算出全网分层总数，

totalLayers＝ceil(sqrt(X_m ²+Y_m ²)/(d_o×C₁))

式中，X_m和Y_m是监测区域的长度和宽度，C₁是层环半径比例系数，其决定网络分层总数。d_o是通信模型中的通信模块的距离阈值；

步骤2：汇聚节点向全网广播分层总数和相关的网络统一参数；

步骤3：任意节点S_i接到网络分层信息后将之保存，并根据自身到汇聚节点的距离信息，按照如下公式计算其所在的层数，

$S_i.\mathrm{layerNum}=\mathrm{ceil}\left(C_1\frac{S_i.\mathrm{disToBS}}{d_o}\right),$

式中S_i.disToBS表示S_i节点到汇聚节点的距离；

步骤4：在确定自己所在层之后，网络中各节点利用如下公式计算出自己的初始化概率CH_prob，并以之竞选候选簇首，

CH_prob＝max(C_prob+E_resident/E_max,p_min)

式中，C_prob和p_min为全网统一的参数，E_resident/E_max代表节点剩余能量与初始化能量的百分比；

步骤5：设定候选簇首的最大竞争半径为无线通信模块的距离阈值d_o，下述公式为S_i的竞争半径S_i.R_c的计算公式；

$S_i.R_c=\frac{1}{2}(C_2+\frac{S_i.\mathrm{layerNum}}{\mathrm{totalLayers}})\×d_o$

其中C₂为网络统一参量；

步骤6：每个候选簇首维护一个邻居候选簇首集合S_i.TempCH(ID)，在这个集合内依据节点所在层数和当前的剩余能量经过多次迭代竞选出最终的簇首；

步骤7：簇首选举结束后，最终当选的簇首向外广播获胜的消息，普通结点选择簇内通信代价最小，亦即接收信号强度最大的簇首加入；

步骤8：在每个数据收集周期(“轮”)进行簇的重构，以均衡节点的消耗。

步骤6中，如果候选簇首S_i宣布其竞选获胜，则在S_i的竞争半径内的所有候选簇首均不能成为簇首，保证簇首均匀分布，减小了簇首间的重复覆盖。此外，如果，i-1层的候选簇首S_i和i层的候选簇首S_j在互相的竞选半径内，则S_i优先成为最终簇首。

步骤4及步骤6中将节点剩余能量引入到分簇算法中来选出更合适的簇首，形成更合理的网络拓扑结构。

步骤5中的最大竞争半径由所在层次数和网络统一参量共同决定，随着层次的变化呈线性递减关系，保证簇内节点的通信都在一跳范围内。

步骤6中，如果候选簇首S_i宣布其竞选获胜，则在S_i的竞争半径内的所有候选簇首均不能成为簇首，保证簇首均匀分布，减小了簇首间的重复覆盖。此外，如果，i-1层的候选簇首S_i和i层的候选簇首S_j在互相的竞选半径内，则S_i优先成为最终簇首。

在一个具有N个(S₁,S₂,...,S_N)随机部署传感器节点的无线传感器网络中，我们在Heinzelma建立的无线通信能量消耗模型基础上描述LBUC算法，其工作方式如下：

步骤1：汇聚节点利用公式(1)计算出全网分层总数：

totalLayers＝ceil(sqrt(X_m ²+Y_m ²)/(d_o×C₁)) (1)

在式(1)其中，X_m和Y_m是监测区域的长度和宽度，C₁是层环半径比例系数，其决定网络分层总数。d_o是通信模型中的通信模块的距离阈值。

步骤2：在计算全网分层数的基础上，汇聚节点并向全网广播分层总数和相关的网络统一参数。任意节点S_i接到并保存网络分层信息，并根据自身到汇聚点的距离信息，利用公式(2)计算其所在的层数：

$S_i.\mathrm{layerNum}=\mathrm{ceil}\left(C_1\frac{S_i.\mathrm{disToBS}}{d_o}\right)---\left(2\right)$

步骤3：在确定自己所在层之后，各节点利用公式(3)计算自己的初始化概率CH_prob，并以不同的初始概率竞选候选簇首。

CH_prob＝max(C_prob+E_resident/E_max,p_min) (3)

在上式中，C_prob和p_min为全网统一的参数，它们的作用是影响算法的收敛速度。通常p_min＝10^-4，C_prob＝5％。E_resident/E_max代表节点剩余能量与初始化能量的百分比。式(3)将剩余能量引入到了簇首竞争机制中，使选出的簇首具有更多的能量来维持更长的簇首生命期。

步骤4：为了保证簇内节点的通信都在一跳范围内，设定候选簇首的最大竞争半径为无线通信模块的距离阈值d_o。竞争半径随着层次的变化呈线性递减关系。即，候选簇首S_i的竞争半径由所在层次数和网络统一参量C₂共同决定，公式(4)给出了S_i的竞争半径S_i.R_c计算公式：

$S_i.R_c=\frac{1}{2}(C_2+\frac{S_i.\mathrm{layerNum}}{\mathrm{totalLayers}})\×d_o---\left(4\right)$

步骤5：每个候选簇首维护一个邻居候选簇首集合S_i.TempCH(ID)，在这个集合内依据节点所在层数和当前的剩余能量经过多次迭代竞选出最终的簇首。

步骤6：如果候选簇首S_i宣布其竞选获胜，则在S_i的竞争半径R_c内的所有候选簇首均不能成为簇首，保证簇首均匀分布，减小了簇首间的重复覆盖。此外，如果，i-1层的候选簇首S_i和i层的候选簇首S_j在互相的竞选半径内，则S_i优先成为最终簇首。

步骤7：簇首选举结束后，最终当选的簇首向外广播获胜的消息，普通节点选择簇内通信代价最小，亦即接收信号强度最大的簇首加入。

步骤8：在每个数据收集周期(“轮”)进行簇的重构，以均衡节点的消耗。

通过以上方式，LBUC算法生成了一个均匀分层，层内非均匀的分簇网络拓扑结构。

下面结合仿真实例，进一步说明本发明的有益效果。

具体实施为对无线传感器网络层内非均匀分簇算法进行模拟仿真，仿真平台为MATLAB仿真实验参数设定如下：数据区域范围为(0,0)～(300,300)m；汇聚节点的位置为(0,300)m；节点总数N＝400；初始化能量E_o＝0.5J；ETX＝50nJ/bit；ERX＝50nJ/bit；ε_mp＝0.0013pJ/(bit·m⁴)；ε_fs＝10pJ/(bit·m⁴)；数据融合为5nJ/(bit·signal)；数据压缩系数为0.95；数据包长度为4000bits；控制包长度为100bits；d₀＝87.7m。网络统一参量取C₁＝1.5，C₂＝0.8。

由于实验主要针对传感器网络能量消耗趋势进行分析，所以在实验中，简化物理层通信模型：

(1)物理层采用理想的MAC算法，忽略无线网络链路中可能发生的丢包现象，以及隐终端造成数据延迟等现象，保证数据在节点能量足够大的情况下，都能通过路由算法转发到汇聚节点。

(2)路由转发过程中，不存在拥塞丢包等现象。中间路由节点只进行转发，不进行任何数据融合等处理操作。

(3)仿真实验中的一个周期即“轮”过程，定义为所有的普通节点均采集和发送数据到簇首节点，然后由簇首节点发送到汇集节点的一次信息采集过程。

按照如上实验参数设定，运行LBUC算法，观察算法每轮产生的簇首数目，结果如图2所示。可以看出，LBUC算法所产生的簇首数目较少，这是由于候选簇首在局部区域进行竞争的方法有效控制了算法所生成的簇首数目，此外，其基于层次的非均匀分簇策略使其生成的簇首数目均匀，集中，稳定性好。

运行LBUC算法10轮，观察各轮中簇首消耗的能量和，结果如图3所示。从图3可以看出，LBUC算法中簇首消耗的能量和很低，这不仅因为采用了非均匀分簇思想，还由于簇首间多跳路由受到了分层的影响，大多簇首间的通信距离在通信阈值d_o之内，使路由转发的能量消耗最小。进一步对LBUC算法进行更多轮次的实验，簇首消耗的能量和与轮次的关系如图4所示。在运行50轮后，簇首能量消耗总和曲线图成线性递增趋势。这说明值的波动较小，此外簇首能量消耗总和较低，说明基于分层非均匀分簇的算法在降低能量消耗方面效果更好。

接下来观察算法死亡节点的规律。运行LBUC算法，直到第一个死亡节点出现，记录第一个死亡节点出现的轮次。本次仿真实验中，在第50轮中出现了第一个死亡节点，而同等环境下运行基本算法LEACH，则在第一轮就出现了死亡节点。这是由于，LBUC算法使用层级的限制，而不是单纯依据距离而分簇，靠近汇聚节点的转发路径更多，减少了链路簇首过重负载，且簇间的距离大多在通信距离的阈值内，因此，更加节省转发能量，网络寿命延长更为显著。继续运行LBUC算法和LEACH算法，LEACH算法在10轮就出现了94个死亡节点，而LBUC算法在100轮中只出现了46个死亡节点，这说明其节点负载更为均匀。LBUC算法运行100轮后的网络结构图如图5所示。可以看出，节点和簇的分布都很均匀，覆盖范围较广，这是由于LBUC算法考虑了节点的剩余能量，且合理进行了分层，且较低层次节点优先当选簇首的思想，使生成的簇首更适合担任转发任务，在一定程度上也增大了靠近汇聚点簇首的数目，使靠近汇聚节点的链路增加，均衡了各链路的负载，使死亡节点数目较少且分布范围较广，降低了网络被割裂的可能性。

本发明在分簇设计中采用同层次节点均匀分簇，不同层节点非均匀分簇的策略；并在路由算法设计中，考虑了转发节点的剩余能量，使选出的路由更适合担任转发任务。实验分析的结果表明，本发明具有分簇算法稳定，能量消耗低、死亡节点分布较范围较广，降低了网络被割裂的概率，显著延长了网络的存活时间等优点。

Claims (1)

1.一种无线传感器网络层内非均匀分簇路由方法，其特征在于：

(1)在一个具有N个随机部署传感器节点(S₁,S₂,...,S_N)的无线传感器网络中，汇聚节点计算出全网分层总数，

totalLayers＝ceil(sqrt(X_m ²+Y_m ²)/(d_o×C₁))，

X_m和Y_m是监测区域的长度和宽度，C₁是层环半径比例系数，d_o是通信模型中的通信模块的距离阈值；

(2)汇聚节点向全网广播分层总数和相关的网络统一参数；

(3)任意节点S_i接到网络分层信息后进行保存，根据自身到汇聚节点的距离信息，计算节点S_i所在的层数，

$S_i.\mathrm{layerNum}=\mathrm{ceil}\left(C_1\frac{S_i.\mathrm{disToBS}}{d_o}\right),$

S_i.disToBS表示S_i节点到汇聚节点的距离；

(4)网络中节点计算出节点本身的初始化概率CH_prob，竞选候选簇首，

CH_prob＝max(C_prob+E_resident/E_max,p_min)，

C_prob和p_min为全网统一的参数，E_resident/E_max代表节点剩余能量与初始化能量的百分比；

(5)确定候选簇首的最大竞争半径为无线通信模块的距离阈值d_o，节点S_i的竞争半径S_i.R_c为；

$S_i.R_c=\frac{1}{2}(C_2+\frac{S_i.\mathrm{layerNum}}{\mathrm{totalLayers}})\×d_o,$

C₂为网络统一参量；

(6)每个候选簇首维护一个邻居候选簇首集合S_i.TempCH(ID)，在这个集合内依据节点所在层数和当前的剩余能量，经过多次迭代竞选出最终的簇首；

(7)簇首选举结束后，当选的簇首向外广播获胜的消息，普通结点选择簇内通信代价最小，即接收信号强度最大的簇首加入；

(8)在每个数据收集周期进行簇的重构，均衡节点的消耗。