CN104093183A - 一种基于最优分簇数的无线传感器网络非均匀分簇方法 - Google Patents

Abstract

本发明公开了一种基于最优分簇数的无线传感器网络非均匀分簇方法，其特点是，包括：最优分簇数计算法和非均匀分簇法，第一，根据具体情况对数据压缩比系数进行调节，并使汇聚节点的位置可以任意放置；第二，引进簇头到汇聚节点的期望值，以及节点度因素，实现簇半径自适应调整，使距离汇聚节点近的簇头簇半径减小，节约出能量用于数据汇聚转发，而远离汇聚节点的簇头簇半径增大，覆盖更多普通节点，实现均衡能耗。能够准确确定簇头节点的优化数目，实现簇头节点的均匀分布和非均匀分簇，有效降低节点的能量消耗，延长网络生命周期，具有方法科学合理，适用性强，可广泛适用于各种无线传感器网络。

Description

一种基于最优分簇数的无线传感器网络非均匀分簇方法

技术领域

本发明属于无线传感器网络技术领域，涉及一种基于最优分簇数的无线传感器网络非均匀分簇方法。

背景技术

无线传感器网络路由协议是优化网络能耗的有效手段之一。无线传感器网络的路由协议一般分为平面路由和分层路由，平面路由的特点是简单易行，节点对等，易于网络扩展，但是其信息重叠、冲突、自爆等很多问题会造成网络能耗大，路由表过大难于维护，时延大；分层路由通过选举一些节点做特定工作，如汇集普通节点数据、对数据融合压缩、打包封装再发送到汇聚节点等，达到优化能耗的目的。分层路由相对于平面路由更能节约能量，因而更受到研究者的重视。分层路由的典型代表有麻省理工学院的Wendi Rabiner Heinzelman等学者设计的低功耗自适应聚类路由LEACH协议；“计算机学报”，传感器网络路由协议，第30卷第1期，2007年1月公开的李成法等人提出的一种基于非均匀分簇的无线传感器网络路由协议EEUC。

LEACH作为第一个针对无线传感器网络的分层的低功耗自适应分簇路由协议，其首先提出了将能耗优化问题转化为优化簇头数目的问题，并且根据无线收发信模块能耗模型建立簇头节点和普通节点每一轮的能耗模型，进而建立每一轮网络的能耗公式，求得每一轮网络能耗的最优值。另外协议还提出了很多思想，如均匀分簇、簇头半径、簇头选举、数据压缩等，这些思想为之后无线传感器网络的研究提供了多方面的建模思路。但是，算法还是存在一些不足，例如，最优簇头数目的推导过程中假定簇内节点发来的多个包数据，经过簇头压缩后可以得到一个数据包，这样的压缩比固然可观，但是这样的假设并不客观。而且LEACH提出时只将汇聚节点固定在一个点，并未尝试其他位置的情况，经过分析可以发现，最优簇头数目的计算不适用于汇聚节点在原点的情况，甚至汇聚节点无限接近原点时也不适用。

非均匀分簇思想首先由Stanislava Soro在UCS算法中提出，但是这种算法建模是基于簇头节点为能量超大的异构网，与实际节点能量不符合。2007年，李成法等人提出了一种基于非均匀分簇的无线传感器网络路由协议EEUC，算法引进了最大分簇半径，即离汇聚节点最远的簇头节点的成簇半径。其它簇头节点则根据到汇聚节点的距离，在最大分簇半径基础上自动调整簇半径。算法中簇半径达到了自适应，能耗得到了有效的控制，但是簇半径的选择，只考虑了簇头节点到汇聚节点的距离，而未考虑节点密度等其它重要因素。

发明内容

本发明的目的是，克服现有LEACH算法和EEUC算法的不足，提供一种科学合理，适用性强，能够准确的确定簇头节点的优化数目，实现簇头节点的均匀分布和非均匀分簇，有效的降低节点的能量消耗，延长网络生命周期的基于最优分簇数的无线传感器网络非均匀分簇方法。

本发明的目的是由以下技术方案来实现的：一种基于最优分簇数的无线传感器网络非均匀分簇方法，其特征是，它包括：最优分簇数计算法和非均匀分簇法，第一，根据具体情况对数据压缩比系数进行调节，并使汇聚节点的位置可以任意放置；第二，引进簇头到汇聚节点的期望值，以及节点度因素，实现簇半径自适应调整，使距离汇聚节点近的簇头簇半径减小，节约出能量用于数据汇聚转发，而远离汇聚节点的簇头簇半径增大，覆盖更多普通节点，实现均衡能耗，具体内容如下：

(1)最优分簇数计算法

在簇头数目计算时，假定所有N个节点均匀的分布在面积为M×M的方形区域内，k个簇头随机选取，每个簇所占的面积为M²/k，则有，每一轮网络的能耗模型可以分为k个簇的能耗，而每个簇的能耗可分为N/k-1个普通节点能耗和一个簇头节点的能耗，使无线收发信模块能耗模型中的一个簇头节点一次接收和发送簇内节点的数据，其平均能耗E_CH包括接收簇内节点数据的能耗、数据压缩能耗、将数据发送到汇聚节点的能耗，公式表示为：

$E_{\mathrm{CH}}=l\·[(\frac{N}{k}-1)E_{\mathrm{elec}}+\frac{N}{k}\·E_{\mathrm{DA}}+[{\mathrm{\ϵ}}_{\mathrm{mp}}E\left({d_{\mathrm{toSINK}}}^4\right)+E_{\mathrm{elec}}\left]\right]---\left(1\right)$

其中，l表示l bit数据，N表示网络总节点数，k表示簇头节点数目，E_elec表示接收、发送1bit数据收发电路的能耗，E_DA表示1bit数据压缩的能耗，ε_mp表示多径衰落模型下发送1bit数据发射放大电路能耗，d_toSINK表示节点到SINK节点距离，E(d_toSINK ⁴)表示d_toSINK ⁴的期望值；

通过无线收发信模块能耗模型的一个成员节点在每一次发送数据到簇头的能耗E_non-CH为发送自己l bit数据的能量消耗，即：

E_non-CH＝l·[E_elec+ε_fs·E(d_toCH ²)]   (2)

其中，ε_fs表示自由传输模型下发送1bit数据发射放大电路能耗，E(d_toCH ²)表示d_toCH ²的期望值，由此可得每一轮数据传输的总能耗E_total为：

$\begin{array}{c}{E}_{\mathrm{total}}=k\·[E_{\mathrm{CH}}+(\frac{N}{k}-1)\·E_{\mathrm{non}-\mathrm{CH}}]\\ \≈l\·[N\·E_{\mathrm{elec}}+N\·E_{\mathrm{DA}}+k\·{\mathrm{\ϵ}}_{\mathrm{mp}}\·E\left({d_{\mathrm{toSINK}}}^4\right)+N\·[E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}\·\frac{M^2}{2\mathrm{\πk}}\left]\right]\end{array}---\left(3\right)$

在此基础上，引入数据压缩比例f_agg，范围在1～N/k，则有，数据压缩后的数据量变为l·f_agg，并根据后期数据汇集时数据压缩的具体情况对f_agg进行设定，使其更符合实际情况，同时，对公式中的d_toSINK进行了改进，直接使用其期望值E(d_toSINK ⁴)，不再是求取簇头数目的范围，而是直接求得具体最优簇头数目值，能耗计算公式为：

${E^{\′}}_{\mathrm{total}}=l\·[N\·E_{\mathrm{elec}}+N\·E_{\mathrm{DA}}+k\·f_{\mathrm{agg}}\·[{\mathrm{\ϵ}}_{\mathrm{mp}}\·E\left({E_{\mathrm{toSINK}}}^4\right)+E_{\mathrm{elec}}]+N\·[E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}\·\frac{M^2}{2\mathrm{\πk}}\left]\right]---\left(4\right)$

对(4)式关于k求导，得到最优簇头的数目，公式为：

其中，表示取大于或等于a的最小整数；

(2)非均匀分簇法

在分簇时，依据原非均匀分簇法进行非均匀分簇的基础上，加入节点密度因素，当节点密度大时，簇半径减小，让簇内节点数不至于太大，如果簇内节点数过大，会造成簇内能耗过大，当节点密度小时，簇半径增大，让簇内节点数不至于过少，如果节点过少，簇头能耗小于其他簇头节点，会造成网络中能量分布不均衡，通过引入簇头节点到汇聚节点的距离值期望和均匀分簇半径，简化原计算法，去掉范围的控制参数c，而且引入节点度因子则有：

$r=(1+\frac{d_{\mathrm{toSINK}}-E\left(d_{\mathrm{toSINK}}\right)}{d_{\mathrm{toSINK}\_\mathrm{MAX}}-d_{\mathrm{toSINK}\_\mathrm{MIN}}})\·(1-\frac{D_{\mathrm{nbr}}}{N_{\mathrm{alive}}})\·r_{\mathrm{CH}}---\left(6\right)$

其中，D_nbr表示节点度即节点周围邻居节点个数，N_alive表示当前存活的节点数目，r_CH表示均匀分簇时簇半径，(6)式中主要决定因子取值范围分布在使非均匀分簇半径取值范围为在此基础上，通过节点度因子的微调，让簇半径不仅取决于到汇聚节点的距离值而且与节点密度有关系，这样，更切合实际情况。

本发明的一种基于最优分簇数的无线传感器网络非均匀分簇方法，能够准确地确定簇头节点的优化数目，实现簇头节点的均匀分布和非均匀分簇，有效地降低节点的能量消耗，延长网络生命周期，具有方法科学合理，适用性强，可广泛适用于各种无线传感器网络。

附图说明

图1为一种基于最优分簇数的无线传感器网络非均匀分簇方法的无线收发信模块能耗模型示意图；

图2为基于最优分簇数的无线传感器网络非均匀分簇方法流程图；

图3为基于最优分簇数的无线传感器网络非均匀分簇方法伪代码示意图。

具体实施方式

下面利用附图和具体实施方式对本发明作进一步说明。

参照图2和图3，本发明的一种基于最优分簇数的无线传感器网络非均匀分簇方法分为初始化过程、主迭代过程和终止过程。

初始化过程主要是最优簇头数目的计算、节点度的计算、节点最小可达能耗的计算、节点成簇概率的计算、以及候选节点表、最终节点表和路由表等的初始化。此处最优簇头数目的计算为算法的关键点，参照图1无线收发信模块能耗模型，一个簇头节点一次接收和发送簇内节点的数据，其平均能耗E_CH包括接收簇内节点数据的能耗、数据压缩能耗、将数据发送到汇聚节点的能耗，公式表示为：

$E_{\mathrm{CH}}=l\·[(\frac{N}{k}-1)E_{\mathrm{elec}}+\frac{N}{k}\·E_{\mathrm{DA}}+[{\mathrm{\ϵ}}_{\mathrm{mp}}E\left({d_{\mathrm{toSINK}}}^4\right)+E_{\mathrm{elec}}\left]\right]---\left(1\right)$

其中，l表示l bit数据，N表示网络总结点数，k表示簇头节点数目，E_elec表示接收、发送1bit数据收发电路的能耗，E_DA表示1bit数据压缩的能耗，ε_mp表示多径衰落模型下发送1bit数据发射放大电路能耗，d_toSINK表示节点到SINK节点距离，E(d_toSINK ⁴)表示d_toSINK ⁴的期望值。

通过参照图1，一个成员节点在每一次发送数据到簇头的能耗E_non-CH为发送自己l bit数据的能量消耗，即：

$E_{\mathrm{non}-\mathrm{CH}}=l\·[E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}\·E\left({d_{\mathrm{toCH}}}^2\right)]---\left(2\right)$

其中，ε_fs表示自由传输模型下发送1bit数据发射放大电路能耗，E(d_toCH ²)表示d_toCH ²的期望值。

由此可得每一轮数据传输的总能耗E_total为：

$\begin{array}{c}{E}_{\mathrm{total}}=k\·[E_{\mathrm{CH}}+(\frac{N}{k}-1)\·E_{\mathrm{non}-\mathrm{CH}}]\\ \≈l\·[N\·E_{\mathrm{elec}}+N\·E_{\mathrm{DA}}+k\·{\mathrm{\ϵ}}_{\mathrm{mp}}\·E\left({d_{\mathrm{toSINK}}}^4\right)+N\·[E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}\·\frac{M^2}{2\mathrm{\πk}}\left]\right]\end{array}---\left(3\right)$

然而公式(1)中假定簇内个节点发来的个包数据，经过簇头压缩后得到一个数据包，这样的压缩比固然可观，但是这样的假设并不客观。对此引入数据压缩比例f_agg，每个数据包lbit数据，这样数据压缩后的数据量变为l·f_agg。因为一个簇内个节点，采集到的数据范围在l～Nl/k，可得f_agg的范围在1～N/k，并可以根据后期数据汇集时数据压缩的具体情况对f_agg进行设定，这样，更符合实际情况。能耗计算公式为：

${E^{\′}}_{\mathrm{total}}=l\·[N\·E_{\mathrm{elec}}+N\·E_{\mathrm{DA}}+k\·f_{\mathrm{agg}}\·[{\mathrm{\ϵ}}_{\mathrm{mp}}\·E\left({E_{\mathrm{toSINK}}}^4\right)+E_{\mathrm{elec}}]+N\·[E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}\·\frac{M^2}{2\mathrm{\πk}}\left]\right]---\left(4\right)$

对(4)式关于k求导，可得到最优簇头的数目，公式如下：

其中，表示取大于或等于a的最小整数。

初始化阶段中，各个节点计算自身的节点度即计算各个节点一跳范围内的邻居节点数目，节点最小可达能耗的计算即是计算节点的AMRP值，此处计算将用于概率迭代选择簇头节点，节点候选簇头表用于存放候选簇头节点信息，最终簇头表用于存放最终簇头节点信息，路由表用于存放数据传输阶段节点路由路径信息。主迭代过程主要是先判断候选簇头表中是否存有节点，如果没有，则节点进一步判断节点成簇概率是否等于1，如果等于则直接生成为最终簇头，计算其簇半径大小，并广播最终簇头消息，节点自身和收到消息的邻居节点则更新最终簇头表。

在计算簇半径时，非均匀分簇为了达到距离汇聚节点的簇半径小，远离汇聚节点的簇半径大的目的，引入了自适应调节因子即：

$r=(1+\frac{d_{\mathrm{toSINK}}-E\left(d_{\mathrm{toSINK}}\right)}{d_{\mathrm{toSINK}\_\mathrm{MAX}}-d_{\mathrm{toSINK}\_\mathrm{MIN}}})\·(1-\frac{D_{\mathrm{nbr}}}{N_{\mathrm{alive}}})\·r_{\mathrm{CH}}---\left(6\right)$

其中，d_toSINK表示簇头节点到汇聚节点的距离，E(d_toSINK)表示所有簇头节点到汇聚节点的距离值期望，d_{toSINK_MAX}表示所有簇头节点到汇聚节点的距离值最大值，d_{toSINK_MIN}表示所有簇头节点到汇聚节点的距离值最小值，D_nbr表示节点度即节点周围邻居节点个数，N_alive表示当前存活的节点数目，r_CH表示均匀分簇时簇半径。

当公式中只有r_CH时，簇半径是均匀的。当加入后，簇半径根据节点到汇聚节点的距离远近自动调整簇半径，因为当节点距离汇聚节点远时d_toSINK值大，式子中其他值在网络布撒后会成为定值，因此的值也会大，这样就达到了距离汇聚节点的簇半径小，远离汇聚节点的簇半径大的目的。另外簇半径还应该和节点的分布密度有关，因此又引入了节点度因子当节点密度大时的值大，因此会小，这样，可以控制节点的节点度处于适当的取值范围内，使得能耗既不会太大也不会太小，达到能耗均衡的目的。

如果节点成簇概率小于1，则节点会生成一个0-1范围内的随机数，如果节点的成簇概率大于随机数，则成为候选节点，计算其簇半径大小，并广播候选节点消息，节点自身和收到消息的邻居节点则更新候选簇头表，否则进入下轮迭代。然而当候选簇头表不为空时，保留簇内通信能耗均值最小的节点，如果候选节点不是自身则不作任何操作。如果候选节点就是自身，则判断自身的成簇概率是否等于1，如果等于则簇头升为最终簇头，计算其簇半径大小，并广播最终簇头消息，节点自身和收到消息的邻居节点则更新最终簇头表。如果小于则簇头继续作为候选簇头，计算其簇半径大小，并广播候选节点消息，节点自身和收到消息的邻居节点则更新候选簇头表，并进入下一轮迭代。终止过程主要是先判断节点自身是否为最终簇头，如果不是，则判断节点的最终节点表，当其为空，则节点选自己为最终簇头，当其不空时，则保留簇内通信能耗均值最小的节点加入。

本发明的软件程序依据自动化、网络和计算机处理技术编制，是本领域技术人员所熟悉的技术。

Claims (3)

1.一种基于最优分簇数的无线传感器网络非均匀分簇方法，其特征是：它包括最优分簇数计算方法和非均匀分簇方法，所述的最优分簇数计算方法针对LEACH的簇头优化数目计算方法中压缩比假设不客观，以及方法不适用于汇聚节点在原点的问题，引进了可以根据具体情况进行调节的数据压缩比系数，并且改进了计算方法，使得汇聚节点可以任意放置；所述的非均匀分簇方法针对EEUC算法中簇半径的选择考虑因素单一的问题，引进了簇头到汇聚节点的期望值，以及节点度等因素，簇半径实现了自适应调整，使距离汇聚节点近的簇头簇半径减小，使远离汇聚节点的簇头簇半径增大。

2.根据权利1所述的一种基于最优分簇数的无线传感器网络非均匀分簇方法，其特征是：一个簇头节点一次接收和发送簇内节点的数据，其平均能耗E_CH表示为：

$E_{\mathrm{CH}}=l[(\frac{N}{k}-1)E_{\mathrm{elec}}+\frac{N}{k}\·E_{\mathrm{DA}}+[{\mathrm{\ϵ}}_{\mathrm{mp}}E\left({d_{\mathrm{toSINK}}}^4\right)+E_{\mathrm{elec}}\left]\right]---\left(1\right)$

其中，l表示l bit数据，N表示网络总节点数，k表示簇头节点数目，E_elec表示接收、发送1bit数据收发电路的能耗，E_DA表示1bit数据压缩的能耗，ε_mp表示多径衰落模型下发送1bit数据发射放大电路能耗，d_toSINK表示节点到SINK节点距离，E(d_toSINK ⁴)表示d_toSINK ⁴的期望值，

一个成员节点在每一次发送数据到簇头的能耗E_non-CH表示为：

E_non-CH＝l·[E_elec+ε_fs·E(d_toCH ²)]   (2)其中，ε_fs表示自由传输模型下发送1bit数据发射放大电路能耗，E(d_toCH ²)表示d_toCH ²的期望值，

由此可得每一轮数据传输的总能耗E_total为：

$\begin{array}{c}{E}_{\mathrm{total}}=k\·[E_{\mathrm{CH}}+(\frac{N}{k}-1)\·E_{\mathrm{non}-\mathrm{CH}}]\\ \≈l\·[N\·E_{\mathrm{elec}}+N\·E_{\mathrm{DA}}+k\·{\mathrm{\ϵ}}_{\mathrm{mp}}\·E\left({d_{\mathrm{toSINK}}}^4\right)+N\·[E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}\·\frac{M^2}{2\mathrm{\πk}}\left]\right]\end{array}---\left(3\right)$

在此基础上，引入数据压缩比例f_agg，范围在1～N/k，新的能耗计算公式为：

${E^{\′}}_{\mathrm{total}}=l\·[N\·E_{\mathrm{elec}}+N\·E_{\mathrm{DA}}+k\·f_{\mathrm{agg}}\·[{\mathrm{\ϵ}}_{\mathrm{mp}}\·E\left({E_{\mathrm{toSINK}}}^4\right)+E_{\mathrm{elec}}]+N\·[E_{\mathrm{elec}}+{\mathrm{\ϵ}}_{\mathrm{fs}}\·\frac{M^2}{2\mathrm{\πk}}\left]\right]---\left(4\right)$

对(4)式关于k求导，可得到最优簇头的数目，结果为：

其中，表示取大于或等于a的最小整数。

3.根据权利1所述的一种基于最优分簇数的无线传感器网络非均匀分簇方法，其特征是：考虑节点度的非均匀分簇方法半径计算公式为：

$r=(1+\frac{d_{\mathrm{toSINK}}-E\left(d_{\mathrm{toSINK}}\right)}{d_{\mathrm{toSINK}\_\mathrm{MAX}}-d_{\mathrm{toSINK}\_\mathrm{MIN}}})\·(1-\frac{D_{\mathrm{nbr}}}{N_{\mathrm{alive}}})\·r_{\mathrm{CH}}---\left(6\right)$

其中，d_toSINK表示簇头节点到汇聚节点的距离，E(d_toSINK)表示所有簇头节点到汇聚节点的距离值期望，d_{toSINK_MAX}表示所有簇头节点到汇聚节点的距离值最大值，d_{toSINK_MIN}表示所有簇头节点到汇聚节点的距离值最小值，D_nbr表示节点度，即节点周围邻居节点个数，N_alive表示当前存活的节点数目，r_CH表示均匀分簇时簇半径。