CN104320823A - 基于Sink信任评估值的无线传感器网络分簇方法 - Google Patents

Abstract

本发明公开了一种基于Sink节点信任值评估的无线传感器网络分簇方法，主要解决了现有技术中无线传感器网络安全性控制不足，能耗均衡细化不够，以及对于网络节点的资源要求高的问题。其实现步骤是：1.节点统计与邻居节点的交互情况；2.Sink节点根据节点所发送的交互情况评估所有节点的信任值；3.Sink节点根据信任值评价选择新的分簇簇头；4.其余非簇头节点根据通信开销选择入簇。本发明综合考虑了分簇网络安全性以及简单性的需求，提供了一种分簇方法，提升了网络整体能量的均衡性，延长了网络的生命周期，提高了网络的安全性，降低了网络节点的成本。

Description

基于Sink信任评估值的无线传感器网络分簇方法

技术领域

本发明属于通信技术领域，更进一步涉及一种无线传感器网络的分簇方法，可用于提高带有Sink节点的无线传感器网络的安全性。

背景技术

无线传感器节点作为物联网不可缺少的一部分，其所组成的无线传感器网络具有快速展开，抗毁性强，无需人监管等特点，这些节点往往需要部署于恶劣的环境中，节点的安全性很容易受到威胁，比如节点毁坏，信息窃取，ID伪装，信息修改等手段，很容易对无线传感器网络造成严重影响。因此，无线传感器网络路由设计必须要考虑网络的安全性。另外，由于传感器节点能够携带的资源有限，故节能和协议的简单性必须要作为无线传感器网络路由设计的又一重要目标。

分簇无线传感器网络能够很好的降低WSN网络的整体能耗水平，并且在一定程度上提高WSN网络的安全性。分簇是对网络中的节点进行层次划分，若干地理位置相邻的节点构成一个簇，在每个簇内通过一定的簇头选举机制选举出一个簇头节点，其它节点作为簇的成员节点。成员节点将采集到的数据直接传送给簇头节点，而簇头节点将数据融合后发送到Sink节点。由于不需要复杂的路由协议来进行数据的转发，对于普通节点来说，其能耗大大降低，通过周期性进行分簇，可以均衡簇头节点与非簇头节点的能耗水平。同时通过在分簇时进行一些简单的认证或引入信任值评估等方法提升网络的安全性。

针对网络整体能耗的均衡，主要有基于网络节点分布的分簇算法和基于节点剩余能量的分簇算法：

基于网络节点分布的分簇算法，比如钱开国等人提出的基于局部区域节点分布控制的非均匀分簇算法-HNDCRA，其采用虚拟网格划分，根据网络中节点总的数目计算所需的最佳簇头数目，计算出每个网格中所需的最佳簇头数目，在每个网格中采用基于LEACH的算法选择出簇头，最终控制簇头节点均匀分布到传感器网络中，其实现机制比较简单，能够应用于非均匀分布的WSN环境中，该算法能够较为均匀的选择簇头，较好的均衡传感器网络的能耗，延长网络的生存期。但是由于该算法在网格的内部采用的是LEACH簇头选举算法，簇头的选择基于每一轮的选举，其中当选过簇头的节点在接下来的1/p轮中将不能当选为簇头，其对于整个网络的能量均衡须依赖于两个条件：一是所有节点的初始能量相同；二是每个节点在其担任簇头期间所耗费的能量均等，第一个条件较容易满足，但是对于第二个条件，由于在实际WSN网络中成员节点数据的发送是随机的，故簇头节点通信能耗很难保证一样；并且由于在每一轮中簇头节点与簇内普通节点或者Sink节点的距离是不同的，节点的发送功率不同，故簇头所耗费的能量很难一样。该算法对于网络整体的能量均衡细化是不足够的。

基于节点剩余能量的分簇算法，比如Younis等人提出的HEED簇头选举方法，这种算法对于整个网络节点的能量水平考察和通信开销控制都比较细致，其对于簇头的选举主要依靠节点的剩余能量，具有比周围节点能量多的节点以较高的概率成为临时簇头，临时簇头节点计算并广播本节点到每个邻居节点的最小平均可达功率AMRP。其它节点如果发现在邻居节点中有临时簇头，则选择通信代价最小即AMRP值最小的节点作为自己的临时簇头。如果临时簇头节点发现邻居节点中有临时簇头节点，且自身的AMRP值最小，并且自身成为簇头的概率值CH_prob＝1，则宣布自身为最终簇头，否则临时簇头节点不改变自己的临时簇头的状态。如果邻居节点中没有临时簇头，则将本节点的CH_prob乘以2，并以该CH_prob概率推荐自己成为临时簇头，如此迭代下去，直至临时簇头与节点的比例等于所预设定的簇头节点比，临时簇头宣布自身作为最终簇头，其它节点选择AMRP值最小的临时簇头入簇，在迭代过程中，当某个节点CH_prob的值为1时，该节点算法作最后一次迭代，临时簇头宣布自己成为最终簇头。节点成为临时簇头的概率计算公式为：

${\mathrm{CH}}_{\mathrm{poob}}=\max <C_{\mathrm{prob}}\&times;\frac{E_{\mathrm{resi}}}{E_{\max }},P_{\min }>,$

其中C_prob为簇头节点的百分比，E_resi为节点剩余能量，E_max为节点初始能量，P_min为系统参数。在有限次的迭代过程中，节点剩余能量越多，迭代次数越少。当某个节点剩余能量低于初始能量的百分之一时将失去竞选簇头的资格。该算法是一种完全的分布式的簇头产生方法，收敛速度快，能够显著降低能耗，簇的分布也比较均匀。但是该方法对于网络的安全性没有做任何的控制，如果某个恶意节点拒绝为其他节点转发数据，则在每一轮的簇头选择中其剩余能量相对其他节点为高，则其有更大的概率成为簇头，如果该节点成为簇头，则将导致整簇的通信服务质量下降甚至中断通信。

针对于分簇WSN的安全性，可以将传统网络中的信任机制引入，如王伟龙等人提出的基于信任机制的簇头选举方法CHTE。该算法综合考虑了节点信任值与剩余能量值，其中节点的信任值包括直接信任值与间接信任值，直接信任值通过节点与其它节点的交互成功与否来评价，间接信任值通过如下公式来进行计算，如节点A对于节点B的间接信任值为:

$T_{\mathrm{ID}(A-B)}^i=T_{D(A-x_i)}\&times;T_{D(x_u-B)}+(1-T_{D(x_u-B)})\&times;T_{D(A-B)}$

其中和T_D(A-B)分别表示节点A对节点x_i和节点B的直接信任值。

节点在计算其综合信任值时将全面考虑其间接信任值，当计算出新周期里的信任值T_new之后，节点将其与自身存储的历史信任值进行整合，获得更新后的信任值，其计算公式如下：

T_A-B＝(1-w)×T_old+w×T_new

其中w为更新因子，反映了T和T在结果中所占的比重，取值范围为0～1。

节点根据的剩余能量和信任值分别选择出最大信任值集合和最大剩余节点集合，再用这两个集合选择出信任值和剩余能量值之和较大的节点作为后备簇头，建立后备簇头节点集合，然后从集合中选择出能量值和信任值之和最大的节点作为簇头，其它的节点作为后备簇头，当再次发起新的簇头选举行为时，将首先遍历后备簇头集合，若这些节点的所有参数都在允许的波动范围内，则新的簇头节点在这后备簇头节点中产生，否则再所有节点中发起选举行为，直至选出符合要求的簇头节点。该算法将节点的信任值作为簇头选举的依据，提升了簇头的可靠性，产生了一个后备簇头集合，减少了簇头选举的次数，实现了系统的优化。但是对于网络中的恶意节点，该算法并没有做处理，当这些恶意节点加入到某个簇中时，拒绝转发或者篡改信息数据时，则会对簇的通信产生重大的影响。

综上，现有的无线传感器网络分簇方法存在如下不足：

1)对于网络整体能耗水平的控制细化不够，导致所划分网格中不能选取出最优的簇头节点。

2)对于簇头的均匀分布以及网络的安全性没有作控制，降导致网络的通信服务质量下降，甚至中断通信。

3)对于无线传感器网络中恶意节点没有做处理，影响网络的通信；并且对于网络中节点的计算能力要求较高，导致网络节点的成本增加。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种在分簇WSN中基于Sink节点信任值评估的分簇方法，以通过Sink节点对于网络中各节点信任值的评价选择出所划分的各区域内的综合剩余能量以及信任值的最优节点,并通过信任值的评价，剔除网络中的恶意节点，提升网络的通信质量。

为实现上述目的，本发明的技术方案包括如下步骤：

(1)初始化分簇网络：

1a)Sink节点利用HEED分簇方法对无线传感器网络进行初始化分簇，选择出占网络节点总数目5％的簇头，并将这些簇头信息广播出去；

1b)簇头节点计算并广播簇头节点到每个邻居节点的最小平均可达功率值；

1c)非簇头节点选择最小平均可达功率值最小的簇头节点，并加入该簇头节点所形成的簇，作为该簇的簇内节点；

(2)簇头节点和簇内节点均记录在初始化分簇网络建立后与邻居节点的交互情况，即成功与失败的次数；Sink节点记录在初始化分簇网络建立后与簇头节点的交互情况，并周期性的检测所有的簇头节点剩余能量，当某个簇头节点能量低于平均簇头节点能量值的50％时，无线传感器网络将进行新的一轮的分簇；

(3)Sink节点通知所有的簇头节点，簇头节点将广播通知所有的簇内节点，簇内节点计算其与邻居节点之间的直接信任评价值：

TR_d＝(S+1)/(S+F+2)

其中S为邻居节点与簇内节点交互成功的次数，F为邻居节点与簇内节点交互失败的次数；

(4)簇内节点计算所有邻居节点直接信任评价值，附加上节点的信任评价值时间戳和交互情况记录，发送给Sink节点；

(5)簇头节点接收到本簇内所有簇内节点的信任评价数据之后，簇内节点将自身所存储的与其它节点的交互记录删除，簇头节点将所有的信任值数据进行整合之后，发送给Sink节点；

(6)Sink节点接收到所有的簇头节点所发送的信任评价值数据后，开始计算节点的信任评价值：

6a)簇头节点的直接信任评价值基于步骤(3)所述直接信任评价值计算的方法，计算Sink节点对簇头节点的直接信任评价值:

TR_chi＝(S₁+1)/(S₁+F₁+2)

其中S₁为簇头节点与其它簇头节点以及Sink节点交互成功的次数，F₁为簇头节点与其它簇头节点以及簇头节点交互失败的次数；

6b)利用所有的簇内节点对簇头节点的直接信任评价值，得到Sink节点对簇头节点i的信任评价值：

${\mathrm{TR}}_i=\frac{N}{N+N_{\mathrm{chi}}}\&CenterDot;\underset{k}{\mathrm{\&Sigma;}}\frac{N_{\mathrm{chi}}^k}{N}\&CenterDot;{\mathrm{TR}}_k^i+\frac{N_{\mathrm{chi}}}{N+N_{\mathrm{chi}}}\&CenterDot;{\mathrm{TR}}_{\mathrm{chi}}$

其中为簇内节点k与簇头节点i的交互次数，N为簇头节点i所在簇的所有簇内节点与簇头节点i交互的总的次数和，为簇内节点k对于簇头节点i的直接信任评价值，N_chi为簇头节点i与其它簇头和Sink节点的总交互次数，包括成功与失败的情况；

6c)Sink节点计算簇内节点k的信任评价值：

${\mathrm{TR}}_k=\underset{i}{\mathrm{\&Sigma;}}\frac{N_k^i}{\mathrm{\&Sigma;}{N}_k^i}\&CenterDot;{\mathrm{TR}}_{\mathrm{ki}}$

为节点i与节点k的交互次数，TR_ki为节点i对于节点k的直接信任评价值；

6d)Sink节点利用以上计算得到的信任评价值与Sink节点所存储的历史信任评价值评价，计算总的信任评价值：

${\mathrm{TR}}_i=\frac{N}{N+N_{\mathrm{chi}}}\&CenterDot;\underset{k}{\mathrm{\&Sigma;}}\frac{N_{\mathrm{chi}}^k}{N}\&CenterDot;{\mathrm{TR}}_k^i+\frac{N_{\mathrm{chi}}}{N+N_{\mathrm{chi}}}\&CenterDot;{\mathrm{TR}}_{\mathrm{chi}}$

式中，TR'为Sink节点对节点i的新的信任评价值，N为Sink节点所统计的节点i的所有交互次数，TR为Sink节点所存储的节点i的历史信任评价值，N₁为Sink节点所存储的历史邻居节点交互次数；

(7)Sink节点根据信任评估值利用CHTE方法选择簇头节点；

(8)Sink节点根据所选的簇头节点建立分簇网络：

8a)Sink节点广播经过步骤7选择出的簇头节点的消息给所有的网络节点；

8b)簇头节点接收到消息之后，发送一个回应消息REP给Sink节点；

8c)Sink节点选择信任评估值过低的节点加入信任黑名单，并将信任黑名单发送给簇头节点；

8d)簇头节点发送消息通知信任黑名单之外的非簇头节点入簇；

8e)非簇头节点根据接收到的簇头节点所发送的消息的信号强度大小，选择信号强度最大的簇头节点作为其簇头入簇；

8f)Sink节点判断网络中节点入簇情况:如果除黑名单中节点之外所有节点均已入簇，则分簇网络建立完成，否则，Sink节点根据节点地理位置选择距离未入簇的节点最近的簇，并发送消息通知未入簇的节点加入所选择的簇。

本发明与现有技术相比有以下优点：

第一，本发明设计了一种信任评价值方法，利用该方法，除Sink节点之外的网络节点不需要存储大量数据，也不需要进行复杂运算，这对于能够携带有限资源的无线传感器节点来说，更能够节约能量，使网络中节点的协议运行更简单。

第二，本发明设计的信任评价值，综合考虑了其它簇头节点以及簇内节点的信息交互，并将交互的次数作为信任值评价的权重，这样能够更全面的对信任值计算，得到的信任值也更加准确。

第三，Sink节点选择簇头时，将整个网络划分为若干个区域进行簇头选择，这样选择出的簇头分布更加均匀，使得无线传感器能耗分布更加均匀，延长了网络的生存期。

第四，Sink节点选择簇头时，综合考虑了信任值和剩余节点能量，能够在保证网络安全性的同时兼顾网络整体能量的均衡性；其次，由Sink节点建立的信任黑名单将分簇网络中的恶意节点直接排出在网络之外，减小了恶意节点对网络通信的不利影响。

附图说明

图1为本发明应用的场景示意图；

图2为本发明的实现流程图；

图3为本发明中簇内节点的直接信任数据包；

图4为本发明中Sink节点存储的节点信任评估值；

图5为本发明中簇头选择及网络分簇的流程图。

具体实施方式

下面结合附图对本发明做进一步的描述：

参照图1，本发明的使用的场景为：

本场景中有36个无差别的普通节点以及一个Sink节点，除Sink节点之外的所有普通节点携带的初始能量都相同。36个普通节点随机的分布于实线所划长方形区域，Sink节点位于区域的中央位置，图1中灰色圆圈表示Sink节点，图1中带有标号的白色圆圈表示普通节点。

参照图2，本发明针对图1场景进行无线传感器网络分簇的实施步骤如下：

步骤1，建立初始化簇。

(1a)初始化Sink节点所存储的信任评估值记录，即将图4中的TR，N，T分别初始化为0.5、0、0，图4中的ID表示网络中的节点，TR表示Sink节点对该节点的信任评估值，N表示该节点与邻居节点交互的次数，T表示信任评估值建立的时间；

(1b)Sink节点参照图1中虚线所示将整个网络划分为两个大小相同的区域，即左边的区域为0号区域，右边为1号区域；

(1c)Sink节点根据各节点的地理位置分布，统计0号和1号区域内节点数目分别为17和19，并根据5％的最佳簇头比例计算0号与1号区域内所需的最佳簇头数目均为1；

(1d)Sink节点根据HEED算法按照5％的概率推荐各节点成为临时簇头，并经过若干次迭代，例如选择出分别分布于0号与1号区域内的16号节点和29号节点作为簇头节点；

(1e)其它非簇头节点分别根据到16号簇头节点和29号簇头节点的最小平均可达功率值，选择其中最小平均可达功率值较小的簇头节点选择入簇；

(1f)将1,2,3,6,7,8,9,10,14,15,17,21,22,25,26,31,32,33号节点作为簇内节点，将16簇头号节点作为其簇头加入簇，簇编号为1；

(1g)将4,5,11,12,13,18,19,20,23,24,27,28,30,34,35,36号节点作为簇内节点，将29号簇头节点作为其簇头加入簇，簇编号为2。

步骤2，统计节点交互的信息。

(2a)1至36号节点和Sink节点统计与其各自相邻节点之间的交互情况，建立邻居节点交互表，例如1号节点建立的邻居节点交互表的初始表如表1所示：

ID	S	F
			2	0	0
6	0	0
			7	0	0

表1中ID所在的列表示1号节点的所有邻居节点，S所在的列表示1号节点的各邻居节点与1号节点交互成功的次数，F所在的列表示1号节点的各邻居节点与1号节点交互失败的次数；

(2b)若1至36号节点和Sink节点中的某个节点与邻居节点交互成功，则该节点的邻居节点交互表中对应表项的S的值加1，若交互失败，则对应表项的F的值加1；

(2c)Sink节点周期性的检测16号簇头节点与29号簇头节点的剩余能量，当这两个节点之中有一个节点的剩余能量低于网络所有节点的平均能量值的50％时，Sink节点向16号簇头节点和29号簇头节点发送新簇头选择准备消息；

(2d)16号簇头节点和29号簇头节点分别向1号簇和2号簇的簇内节点广播新簇头选择准备消息。

步骤3，建立信任评价值。

(3a)1号簇和2号簇的簇内节点均计算与其相邻节点之间的直接信任值TR_d：

TR_d＝(S+1)/(S+F+2)

其中S为邻居节点与簇内节点交互成功的次数，F为邻居节点与簇内节点交互失败的次数；

(3b)1号簇和2号簇的所有簇内节点参照图3的格式构建直接信任数据包分别发送给16号簇头节点与29号簇头节点；

(3c)1号簇和2号簇的所有簇内节点将其所存储的与其它节点的交互记录以及其所构建的数据包删除；

(3d)16号簇头节点和29号簇头节点分别将各自簇内节点的直接信任数据包整合后发送给Sink节点；

(3e)16号簇头节点和29号簇头节点分别将所存储的交互记录和直接信任数据包删除；

(3f)Sink节点计算所有节点的信任评价值：

3f1)Sink节点分别计算16号簇头节点和29号簇头节点的直接信任评价值TR_chi：

TR_chi＝(S₁+1)/(S₁+F₁+2)

其中S₁为簇头节点与Sink节点交互成功的次数，F₁为簇头节点与Sink交互失败的次数；

3f2)利用Sink节点计算的16号簇头节点和29簇头号节点的直接信任评价值，分别计算Sink节点对16号簇头节点和29号簇头节点的信任评价值TR_i：

${\mathrm{TR}}_i=\frac{N}{N+N_{\mathrm{chi}}}\&CenterDot;\underset{k}{\mathrm{\&Sigma;}}\frac{N_{\mathrm{chi}}^k}{N}\&CenterDot;{\mathrm{TR}}_k^i+\frac{N_{\mathrm{chi}}}{N+N_{\mathrm{chi}}}\&CenterDot;{\mathrm{TR}}_{\mathrm{chi}}$

其中为簇内节点k与簇头节点i的交互次数，N为簇头节点i所在簇的所有簇内节点与簇头节点i交互的总的次数和，为簇内节点k对于簇头节点i的直接信任评价值，N_chi为簇头节点i和Sink节点的总交互次数，包括成功与失败的情况；

3f3)Sink节点计算簇内节点k的信任评价值TR_k：

${\mathrm{TR}}_k=\underset{i}{\mathrm{\&Sigma;}}\frac{N_k^i}{\mathrm{\&Sigma;}{N}_k^i}\&CenterDot;{\mathrm{TR}}_{\mathrm{ki}}$

其中为节点i与节点k的交互次数，TR_ki为节点i对于簇内节点k的直接信任评价值；

3f4)Sink节点利用以上计算得到的信任评价值与Sink节点所存储的历史信任评价值评价，计算总的信任评价值TR'：

${\mathrm{TR}}^{\&prime;}=\frac{N}{N+N_1}\&CenterDot;{\mathrm{TR}}_i+\frac{N_1}{N+N_1}\&CenterDot;\mathrm{TR},$

其中TR'为Sink节点对节点i的新的信任评价值，N为Sink节点所统计的节点i的所有交互次数，TR为Sink节点所存储的节点i的历史信任评价值，N₁为Sink节点所存储的历史邻居节点交互次数。

步骤4，Sink节点选择簇头。

参照图5，本步骤的具体实现如下：

(4a)Sink节点统计0号区域内的节点组成0号区域节点集合M，统计1号区域内的节点组成1号区域节点集合N，并从集合M和N中剔除存在于黑名单中的节点；

(4b)在0号区域节点集合M中选择出信任评价值最大的n个节点组成最大信任评价值集合A；

(4c)在0号区域节点集合M中选择出剩余能量值最大的m个节点组成最大剩余能量值集合B；

(4d)比较上述集合A与B，选择出同时存在于A和B中的节点组成最优簇头集合C；

(4e)判断最优簇头集合C是否为空:

若最优簇头集合C为空，则判断最大信任评价值集合A中的节点数目n是否大于最大剩余能量值集合B中的节点数目m，若大于，将m值加1，反之，则将n值加1；

(4f)重复步骤4b)至步骤4d)，直到最优簇头集合C不为空，并将最优簇头集合C中的节点作为Sink节点在0号区域内选择出的簇头节点；

(4g)1号区域节点集合N同样按照上述4b)4c)4d)4e)步骤选择出区域内簇头节点。

步骤5，建立分簇网络。

参照图5，本步骤的具体实现如下：

(5a)Sink节点广播经过步骤4选择出的簇头节点的消息给所有的网络节点；

(5b)簇头节点接收到消息之后，发送一个回应消息REP给Sink节点；

(5c)Sink节点选择信任评估值最低的节点加入信任黑名单，并将信任黑名单发送给簇头节点；

(5d)簇头节点发送消息通知信任黑名单之外的非簇头节点入簇；

(5e)非簇头节点根据接收到的簇头节点所发送的消息的信号强度大小，选择信号强度最大的簇头节点作为其簇头入簇；

(5f)Sink节点判断网络中节点入簇情况：如果除黑名单中节点之外所有节点均已入簇，则分簇网络建立完成，否则，Sink节点根据节点地理位置选择距离未入簇的节点最近的簇，并发送消息通知未入簇的节点加入所选择的簇。

以上描述仅是本发明的一个具体实例，并不构成对本发明的任何限制。显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，尽享形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (2)

1.一种基于Sink信任评估值的无线传感器网络分簇方法，包括如下步骤：

(1)初始化分簇网络：

1a)Sink节点利用HEED分簇方法对无线传感器网络进行初始化分簇，选择出占网络节点总数目5％的簇头，并将这些簇头信息广播出去；

1b)簇头节点计算并广播簇头节点到每个邻居节点的最小平均可达功率值；

1c)非簇头节点选择最小平均可达功率值最小的簇头节点，并加入该簇头节点所形成的簇，作为该簇的簇内节点；

(2)簇头节点和簇内节点均记录在初始化分簇网络建立后与邻居节点的交互情况，即成功与失败的次数；Sink节点记录在初始化分簇网络建立后与簇头节点的交互情况，并周期性的检测所有的簇头节点剩余能量，当某个簇头节点能量过低时，无线传感器网络将进行新的一轮的分簇；

(3)Sink节点通知所有的簇头节点，簇头节点将广播通知所有的簇内节点，簇内节点计算其与邻居节点之间的直接信任评价值：

TR_d＝(S+1)/(S+F+2)

其中S为邻居节点与簇内节点交互成功的次数，F为邻居节点与簇内节点交互失败的次数；

(4)簇内节点计算所有邻居节点直接信任评价值，附加上节点的信任评价值时间戳和交互情况记录，发送给Sink节点；

(5)簇头节点接收到本簇内所有簇内节点的信任评价数据之后，簇内节点将自身所存储的与其它节点的交互记录删除，簇头节点将所有的信任值数据进行整合之后，发送给Sink节点；

(6)Sink节点接收到所有的簇头节点所发送的信任评价值数据后，开始计算节点的信任评价值：

6a)簇头节点的直接信任评价值基于步骤(3)所述直接信任评价值计算的方法，计算Sink节点对簇头节点的直接信任评价值:

TR_chi＝(S₁+1)/(S₁+F₁+2)

其中S₁为簇头节点与其它簇头节点交互成功的次数，F₁为簇头节点与其它簇头节点交互失败的次数；

6b)利用所有的簇内节点对簇头节点的直接信任评价值，得到Sink节点对簇头节点i的信任评价值：

${\mathrm{TR}}_i=\frac{N}{N+N_{\mathrm{chi}}}\&CenterDot;\underset{k}{\mathrm{\&Sigma;}}\frac{N_{\mathrm{chi}}^k}{N}\&CenterDot;{\mathrm{TR}}_k^i+\frac{N_{\mathrm{chi}}}{N+N_{\mathrm{chi}}}\&CenterDot;{\mathrm{TR}}_{\mathrm{chi}}$

其中为簇内节点k与簇头节点i的交互次数，N为簇头节点i所在簇的所有簇内节点与簇头节点i交互的总的次数和，为簇内节点k对于簇头节点i的直接信任评价值，N_chi为簇头节点i与其它簇头和Sink节点的总交互次数，包括成功与失败的情况；

6c)Sink节点计算簇内节点k的信任评价值：

${\mathrm{TR}}_k=\underset{i}{\mathrm{\&Sigma;}}\frac{N_k^i}{\mathrm{\&Sigma;}{N}_k^i}\&CenterDot;{\mathrm{TR}}_{\mathrm{ki}}$

为节点i与节点k的交互次数，TR_ki为节点i对于节点k的直接信任评价值；

6d)Sink节点利用以上计算得到的信任评价值与Sink节点所存储的历史信任评价值评价，计算总的信任评价值：

${\mathrm{TR}}^{\&prime;}=\frac{N}{N+N_1}\&CenterDot;{\mathrm{TR}}_i+\frac{N_1}{N+N_1}\&CenterDot;\mathrm{TR},$

式中，TR'为Sink节点对节点i的新的信任评价值，N为Sink节点所统计的节点i的所有交互次数，TR为Sink节点所存储的节点i的历史信任评价值，N₁为Sink节点所存储的历史邻居节点交互次数；

(7)Sink节点根据信任评估值利用CHTE方法选择簇头节点；

(8)Sink节点根据所选的簇头节点建立分簇网络：

8a)Sink节点广播经过步骤7选择出的簇头节点的消息给所有的网络节点；

8b)簇头节点接收到消息之后，发送一个回应消息REP给Sink节点；

8c)Sink节点选择信任评估值最低的节点加入信任黑名单，并将信任黑名单发送给簇头节点；

8d)簇头节点发送消息通知信任黑名单之外的非簇头节点入簇；

8e)非簇头节点根据接收到的簇头节点所发送的消息的信号强度大小，选择信号强度最大的簇头节点作为其簇头入簇；

8f)Sink节点判断网络中节点入簇情况:如果除黑名单中节点之外所有节点均已入簇，则分簇网络建立完成，否则，Sink节点根据节点地理位置选择距离未入簇的节点最近的簇，并发送消息通知未入簇的节点加入所选择的簇。

2.根据权利要求1所述的方法，其中步骤7)所述的Sink节点根据信任评估值利用CHTE方法选择簇头节点，按如下步骤进行：

7a)Sink节点将整个网络划分为若干个相同大小区域，并根据网络中节点的位置，统计每个区域内的节点数目，并利用HNDCRA方法按照5％的比例计算出每个区域的最佳簇头数目bn；

7b)Sink节点利用CHTE方法选择出第一个区域内的bn个最优簇头：

7b1)Sink节点根据其对该区域内的所有节点信任评价值，选择出信任评价值最大的n个节点组成最大信任评价值集合A；

7b2)Sink节点根据该区域内所有节点的剩余能量值，选择剩余能量值最大的m个节点组成剩余能量最大值集合B；

7b3)Sink节点比较上述集合A与B，选择出同时存在于A和B中的节点组成最优簇头集合C；

7b4)将最优簇头集合C中节点数与最佳簇头数目bn进行比较：

若最优簇头集合C中节点数目小于最佳簇头数目bn,则判断最大信任评价值集合A中元素数目n是否大于剩余能量最大值集合B中元素数目m，若n大于m，则将m值加1，反之，将n值加1；

7b5)并重复步骤7b1)至步骤7b3)，直到最优簇头集合C中的节点数目等于最佳簇头数目bn，并将最优簇头集合中的所有节点作为Sink节点所选择出的该区域内的簇头节点；

7c)Sink节点重复利用步骤7b1)至步骤7b5)，依次选择出其余各区域内bn个簇头节点。