CN104394566B - 一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法 - Google Patents

Abstract

本发明针对WSN网络自组织、节点能耗和通信路径的不确定性，提出了一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法，按一轮为一个循环，每一轮包括建立阶段和稳定阶段；所述的建立阶段包括簇头选举，成簇，簇间路由选择三个步骤；所述的稳定阶段包括数据传输的步骤。该方法引入了模糊集合的概念，并利用模糊决策的理论选择出比较优秀的通信中继节点，从而形成动态的网络路由结构。本发明提出的方法能够更有效地适应大规模网络条件，做到平衡能量和提高网络的生存周期。

Description

一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络 拓扑控制方法

技术领域

本发明涉及无线传感器网络拓扑控制技术，尤其涉及基于模糊决策的分簇多跳网络拓扑控制方法。

背景技术

随着无线传感器网络技术的发展，传感器网络在入侵检测、气象监测、安全性和战术侦察等方面获得了广泛运用。无线传感器网络的网络拓扑控制方法是其核心技术之一，也是理论研究的热点问题。目前已有的研究工作集中在节能，安全，网络QOS等目标，形成了一系列技术包括节能路由协议、数据聚合技术、能量收集技术，以及安全路由等。其中由于节点有限能量的限制，使得网络拓扑控制方法如何降低节点能耗以及延长整个网络的生命周期成为路由协议设计的关键要素。

目前微电子技术的大幅进步和改善，无线传感器设备制作得更微小和集成，在实际应用中得以部署更多的传感器节点数目，因此大规模条件下无线传感器网络路由协议的研究引起了极大的关注。由于应用范围的扩大，大多数研究的内容都有一定程度上的不合适。主要原因仿真的节点树和网络规模太小，同时随着规模扩大，网络通信的能耗开销加大，网络的生命周期大幅降低，造成网络的可用性变差。目前为止，大规模WSN路由算法的研究工作不多。现有的扩展网络规模的方法可以分为两类，一类是采用分簇的结构，通过构造优化路径降低通信能耗，完成整个网络的能量平衡，以到达在大规模的条件下依然可以正常运行的条件，如DECROP；一类是通过GPRS定位以及移动的基站来完成对整个网络的信息收集，从而避免大量通信导致传感器节点的过早死亡，从而延长网络的生命周期,如DGMA。但是这些工作都存在共同的问题，即试图用一种确定的算法，来应对实际工作中的不确定。

在WSN的实际的工作过程中，节点的能耗和通信路径是不断变化的。一方面由于分簇和簇头选取的随机性，每个节点的能耗变化无法事先确定；另外一方面，网络是自组织的，路径不断发生变化。为此我们通过引入模糊算法，利用这种软计算处理所面对的不确定，提高算法的弹性和适应能力。通过模糊算法动态选择较优路径，以降低网络通信的能耗，提升全网的生命周期。在本发明中，我们提出了一个基于模糊理论的低功耗自适应分簇多跳无线传感器网络拓扑控制方法。该方法结合模糊集合和模糊决策等方法，选出优秀的中继节点，最后构建出一个簇间的路由路径作为传输通道，以达到能量平衡的目的。

近年来，无线传感器网络中节能方面已有许多工作和论文，一般主要集中在分簇类的协议中。现有的LEACH-C算法(LEACH-Centralized)，要求只有能量高于网络平均剩余能量的节点才有可能成为簇首；LEACH-F算法(LEACH-Fixed)每个簇有个簇首列表，簇内节点轮流作为簇头，以及最优簇头数的计算与控制。还有一种多跳的低能量的自适应聚类层次结构路由算法(MR-LEACH)，通过增加自适应聚类的层次结构来减少传感器节点的能量消耗。

由于无线传感器网络范围的扩大，会造成通信能耗大幅度上升。现在常用的措施包括有事件触发通信机制、多跳通信和合作通信等。

另外软计算(Soft Computing,SC)通过对不确定、不精确及不完全真值的容错以取得低代价的解决方案和鲁棒性，在不少领域得到了运用。这类方法模拟自然界中智能系统的生化过程(人的感知、脑结构、进化和免疫等)来有效处理日常工作。软计算的相关方法在无线传感器网络中得到了一定的应用。但是目前缺乏将软计算运用于大规模WSN路由协议中的研究成果。

发明内容

针对现有技术的缺陷，我们采用模糊数学方法引入到路由选择的过程中，对传统的采用了单跳模式不适合大规模的环境的LEACH协议进行了改进，提出了一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法，或称一种基于模糊数学的低功耗自适应分簇多跳路由协议(FD-LEACH)。该方法以LEACH协议为基础，采用其分簇的想法，在簇间路由构建过程中利用模糊集合和模糊决策的理论来进行路径的优化。与现有技术相比，我们将研究对象从小规模网络(100个传感器节点)扩展到2500个传感器节点。本发明不仅采用了隶属函数来对传感器节点进行集合的分类，在之后还利用模糊决策，对各个传感器节点进行一个比较符合当前状况的评判，从而达到选出中继节点的目的。具体技术方案如下：

一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法，按一轮为一个循环，每一轮包括建立阶段和稳定阶段；所述的建立阶段包括簇头选举，成簇，簇间路由选择三个步骤；所述的稳定阶段包括数据传输的步骤。

所述的簇头选举的步骤可使用LEACH协议中一样的随机选取簇头的策略；初始化时，每个传感器节点N随机生成0到1的数，若随机数低于门限值T(N)，则该节点就当选为簇头，T(N)的计算方法如下：

其中p为期望每轮选举传感器节点成为簇头的概率即预先设定的簇头数目与所有传感器节点总数目的比值，r为当前的轮数，G是前1/p轮中没有成为簇头的传感器节点的集合。

所述的成簇的步骤：

在各区选取好簇头之后，各个传感器节点根据收到信号强弱来选择加入哪个簇；如果没有簇头存在，该传感器节点则直接与基站通信，否则非簇头的传感器节点的行为一般都在簇的范围之内。

所述的簇间路由选择的步骤包括：

1)把所有簇头分为三个集合，分别用不同的隶属函数来衡量这些传感器节点的隶属度；

所述集合如下：

集合一：用于描述下一跳传感器节点与源节点的距离的关系，隶属函数为

其中x表示下一跳传感器节点与源节点的距离；d₀代表通信阈值；

集合二：用于描述下一跳传感器节点自身能量的关系，隶属函数为

其中y表示传感器节点当前的能量。E₀表示所有传感器节点的初始能量；

集合三：用于描述下一跳传感器节点与目标节点BSNode的距离的关系，隶属函数为

其中z表示传感器节点与目标节点BSNode的距离，Ds_max代表基站到传感器区域的最大距离；

2)进行判别把隶属度为0的传感器节点直接去除，并取交集减少候选传感器节点的范围；

3)利用模糊决策中的波达数来进行决策，对剩余传感器节点进行评分相加，取得分最高者作为下一跳的中继节点，决策的公式为：

Bvalue＝A(x)*a+A(y)*b+A(z)*c (5)

所述步骤3)中a,b,c满足0<a≤c≤b<1,且a+c+b＝1。

所述的稳定阶段中，首先进行簇内的信息收集，由每个簇内传感器节点收集信息，然后把信息传输给簇头；簇头负责把信息进行整合，然后向基站传输；簇头传输信息时，按照各自选定的传输路径，进行逐跳的传输。

本发明有益效果如下：

(1)针对现有算法不能适应大规模网络的缺陷，给出了一种节能改进的方法；

(2)结合软计算中模糊数学的模糊集合以及模糊决策方法，优化了路由算法的簇间路由路径的选择，从而使算法能够适用大规模网络，协议的能耗效率和可扩展性大幅提高；

附图说明

图1为一阶无线电模式能量消耗模型；

图2为节点层次等级建立模型；

图3为簇间路由选择要素示意图。

具体实施方式

在大规模无线传感器网络中，网络通信能耗问题更加突出，目前已有的解决方案并不理想。本发明针对WSN网络自组织、节点能耗和通信路径的不确定性，提出了一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法或称一种基于模糊数学的低功耗自适应分簇多跳路由协议(FD-LEACH)。该方法引入了模糊集合的概念，并利用模糊决策的理论选择出比较优秀的通信中继节点，从而形成动态的网络路由结构。分析和仿真结果表明，本发明提出的方法能够更有效地适应大规模条件，做到平衡能量和提高网络的生存周期。

下面，结合附图及实施例对本发明作进一步说明：

实施例一

本发明一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法同样采取LEACH协议中的按一轮为一个循环，分为建立和稳定两个阶段。在建立阶段主要进行簇头选举，成簇，簇间路由选择三个步骤；在稳定阶段则是数据的传输，各个簇头负责收集汇聚簇内节点搜集的信息，然后根据路由路径与基站进行通信。详细过程将在下文中给出。

该方法中，设定的基本假设条件主要有：

(1)传感器网络检测的区域为正方形或矩形，网络规模属于大型而基站是位于区域较远距离，并且基站和传感器节点在布设完成后，所有的位置都不再改变；

(2)传感器节点在整个网络区域内是二维随机均匀布设；

(3)在网络区域中的传感器节点在部署前都是同构的，即初始的能量数字是一样；

(4)传感器节点之间的通信链路是对称的，可以根据接收信号节点的信号近似计算距离，在发送时可以根据实际位置距离灵活调节发射功率；

(5)传感器节点具有一定的计算处理能力，可以进行基本和有限的运算；

(6)传感器节点拥有适度的存储空间，可以存储相关上层邻居节点UN、簇头以及基站有关信息；

(7)在地理位置上相邻的传感器节点所收集的信息相近或者类似，在簇内数据融合中可以一定的压缩比率来融合数据，降低数据容量。

(8)传感器节点在不带GPS的条件下，根据利用天线判断接受的信号方向以及含有位置信息和计时功能的报文，可以利用相关定位算法，计算出自身大概的地理位置。

关于能量模型：

LEACH协议中，能量消耗模型采用的是无线传感器网络中最典型的能量模型：一阶无线电模式(First Order Radio Model)，如图1所示。该模型是对无线硬件能量消耗的一种简单模型，主要包括发射能量消耗(由发射电路和无线放大器组合所消耗)和接受能量消耗。此外，模型中假设阈值设发送节点与接收节点之间的距离为d，则当d<d₀时节点使用自由空间(Free Space:fs)能量消耗模型，此时发送数据的能耗与d的平方成正比；而当d≥d₀时节点使用多路径衰减(MultiPath fading:mp)能量消耗模型，此时发送数据的能耗与d的四次方成正比。

当传感器节点发送出x bit数据所消耗的能量为：

而节点接收x bit数据消耗的能量为：

其中：E_elec表示通信中发射电路、接收电路在发送或接收1单位bit数据时的能量消耗，ε_fs、ε_mp分别表示信号放大器在自由空间和多路径衰减模型下将1单位bit数据传送单位距离时的能量消耗。

本发明同样采用与LEACH一样的能量模型。

关于一些定义和概念：

定义1：感知半径

在无线传感器网络中，一个传感器节点可以以较低功耗感知到邻居节点的功率半径大小，称为传感器节点的感知半径(Radius of Sense),简记为R_s。结合一阶无线电能耗模式，使得传感器节点与邻居节点之间的通信能耗尽量低，设定R_s＝d_o。

定义2：到达半径

在无线传感器网络中，接收节点以一定的功率半径去探测到达布设发送节点的区域，当接收节点第一次到达指定区域的功率半径称之为到达半径(Radius ofArriavation),简记为R_arr，设定首次到达区域时覆盖边界最长距离为d_o，即有R_arr＝(Max_Dist2Sink－Ms+d_o)，其中Max_Dist2Sink是基站到网络边界的最长距离，Ms是正方形网络区域边长。

定义3：节点层次等级

在无线传感器网路信息传送过程中，我们将发送方节点称为源节点SN(SourceNode)，预设的接收节点称为目的节点DN(Destination Node)。如图2所示方形网络区域内布设的无线传感器节点都是源节点，五角星标示的是目的节点。初始状态时目的节点DN会不断增加功率直到以到达半径首次到达网络区域，网络区域中首先收到信号的传感器节点的等级是1，随后这些传感器节点会以感知半径向周围的邻居节点逐跳广播报文，邻居节点中已收到报文的传感器节点的等级不变，未收到的传感器节点等级在原等级上增加1作为自己的等级，依次类推，直到网络所有源节点收到广播信息。在图中虚线标线内传感器节点的层次等级为Level1，而在点划线内传感器节点的层次等级为Level2。传感器节点的等级越低，说明离目的节点DN越近，在多跳的方式中传感器节点总是以向等级相等或者低的传感器节点寻找下一跳，不断趋向于目的节点DN。

本发明流程描述：

建立阶段：

(1)簇头选举

本发明使用LEACH协议中一样的随机选取簇头的策略。初始化时，每个传感器节点N随机生成0到1的数，若随机数低于门限值T(N)，则该传感器节点就当选为簇头，T(N)的计算方法如下：

其中p为期望每轮选举传感器节点成为簇头的概率即预先设定的簇头数目与所有传感器节点总数目的比值，r为当前的轮数，G是前1/p轮中没有成为簇头的传感器节点的集合。

(2)成簇

在各区选取好簇头之后，各个传感器节点根据收到信号强弱来选择加入哪个簇。如果没有簇头存在，该传感器节点则直接与基站通信，否则非簇头的传感器节点的行为一般都在簇的范围之内。

(3)簇间路由选择

在簇的结构以及簇头选定之后，将为每个簇头及直接与基站通信的传感器节点选出一条通往基站的通信路径，在此处引入模糊集合和模糊决策的理论，算法的思想如下：1)把所有簇头及直接与基站通信的传感器节点分为三个集合，分别用不同的隶属函数来衡量这些传感器节点的隶属度；2)进行判别把隶属度为0的传感器节点直接去除，并取交集减少候选传感器节点的范围；3)利用模糊决策的理论，对剩余传感器节点进行评分相加，取得分最高者作为下一跳的中继节点。

具体过程如下：

集合一：用于描述下一跳传感器节点与源节点的距离的关系，隶属函数为

其中x表示下一跳传感器节点与源节点的距离，如图3中传感器节点与源节点的双箭头实线；d₀代表通信阈值，如图3中的圆形范围就是由该值确定的，当距离大于d₀时通信的消耗将与距离的4次方成正比，这是我们所要避免的。隶属度越大，代表该传感器节点与源节点距离越近，从节能的角度看是越优的传感器节点。

集合二：用于描述下一跳传感器节点自身能量的关系，隶属函数为

其中y表示传感器节点当前的能量，此集合中，隶属度越大，代表该传感器节点剩余能量越高，该传感器节点更适合承当中继节点的任务。

集合三：用于描述下一跳传感器节点与目标节点的距离的关系，隶属函数为

其中z表示传感器节点与目的节点BSNode的距离，如图3中传感器节点与基站的双箭头虚线，Ds_max代表基站到传感器区域的最大距离。此集合中隶属度越大，代表该传感器节点越靠近基站，从位置角度来说也是越优。

从上述三个集合出发，在去掉各个集合中隶属度为0的传感器节点后，对3个集合进行交集，剩下的传感器节点就作为首个中继节点的候选集。此时将利用模糊决策中的波达数来进行决策。

决策的公式为：

Bvalue＝A(x)*a+A(y)*b+A(z)*c (5)

其中a,b,c满足0<a≤c≤b<1,且a+c+b＝1。具体系数的确定是由人为选定并加上实验结果调整得到的一个比较好的比例。如a＝0.2；b＝0.5；c＝0.3在现有的研究结果中是一个较为优选的比例。对交集中的每个传感器节点计算波达数，取最大者作为中继节点，为了计算方便每个集合的波达数并不是按照里面的排名来给分,如(n-i)，n代表最高分，i代表排名。我们采用隶属度的数值作为每个节点的得分，再乘上一定的系数作为加权平均。

采用如上的方法，为每个簇头选择出一条适合的路径，在形成路径的构成中采用不断得循环，直到选定的中继节点的传感器节点层次为1时停止(一层传感器节点之后必然和基站通信，无需再找寻下一跳)。在路径构成时，要求如下1)选择的传感器节点层次要小于上一跳的传感器节点层次，这是为了防止中继节点在同层传感器节点之间进行无谓的跳变；2)当选择中继节点的交集出现空集时，则结束循环，下一跳设置为基站。

稳定阶段

当簇间的路由被选定后，进行传输通信。首先进行簇内的信息收集，由每个簇内传感器节点收集信息，然后把信息传输给簇头。簇头负责把信息进行一定的整合，然后向基站传输。簇头传输信息时，按照各自选定的传输路径，进行逐跳的传输。

综上所述，本发明在研究了大规模网络下相关的协议后，在经典LEACH协议的基础上，优化了簇头选取的方式，引入了模糊数学中的模糊集合和模糊决策的理论，优化了簇间路由路径的选择，提出设计基于模糊理论的低功耗自适应分簇多跳路由协议(FD-LEACH)。该协议在相同条件下，比LEACH、SEP、MR-LEACH协议表现出了更加优秀的能源效率，延长了网络的生命周期。

Claims (2)

1.一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法，其特征在于，按一轮为一个循环，每一轮包括建立阶段和稳定阶段；所述的建立阶段包括簇头选举，成簇，簇间路由选择三个步骤；所述的稳定阶段包括数据传输的步骤；所述的簇头选举的步骤使用LEACH协议中一样的随机选取簇头的策略；初始化时，每个传感器节点N随机生成0到1的数，若随机数低于门限值T(N)，则该传感器节点就当选为簇头，T(N)的计算方法如下：

(1)

其中p为期望每轮选举传感器节点成为簇头的概率即预先设定的簇头数目与所有传感器节点总数目的比值，r为当前的轮数，G是前1/p轮中没有成为簇头的传感器节点的集合；

所述的成簇的步骤：

在各区选取好簇头之后，各个传感器节点根据收到信号强弱来选择加入哪个簇；如果没有簇头存在，该传感器节点则直接与基站通信，否则非簇头的传感器节点的行为一般都在簇的范围之内；

所述的簇间路由选择的步骤包括：

1)把所有簇头分为三个集合，分别用不同的隶属函数来衡量这些传感器节点的隶属度；

所述集合如下：

集合一：用于描述下一跳传感器节点与源节点的距离的关系，隶属函数为

(2)

其中x表示下一跳传感器节点与源节点的距离；d0代表通信阈值；

集合二：用于描述下一跳传感器节点自身能量的关系，隶属函数为

(3)

其中y表示传感器节点当前的能量；E0表示所有传感器节点的初始能量；

集合三：用于描述下一跳传感器节点与目标节点(BSNode)的距离的关系，隶属函数为

(4)

其中z表示传感器节点与目标节点(BSNode)的距离，Dsmax代表基站到传感器区域的最大距离；

2)进行判别把隶属度为0的传感器节点直接去除，并取交集减少候选传感器节点的范围；

3)利用模糊决策中的波达数来进行决策，对剩余传感器节点进行评分相加，取得分最高者作为下一跳的中继节点，决策的公式为：

Bvalue＝A(x)*a+A(y)*b+A(z)*c (5)；

其中0<a≤c≤b<1,且a+c+b＝1。

2.根据权利要求1所述的一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法，其特征在于，所述的稳定阶段中，首先进行簇内的信息收集，由每个簇内传感器节点收集信息，然后把信息传输给簇头；簇头负责把信息进行整合，然后向基站传输；簇头传输信息时，按照各自选定的传输路径，进行逐跳的传输。