CN104540173A - 一种基于树状簇结构的无线传感器网络移动数据收集方法 - Google Patents
一种基于树状簇结构的无线传感器网络移动数据收集方法 Download PDFInfo
- Publication number
- CN104540173A CN104540173A CN201510001876.2A CN201510001876A CN104540173A CN 104540173 A CN104540173 A CN 104540173A CN 201510001876 A CN201510001876 A CN 201510001876A CN 104540173 A CN104540173 A CN 104540173A
- Authority
- CN
- China
- Prior art keywords
- node
- tree
- srp
- data collection
- self
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于树状簇结构的无线传感器网络移动数据收集方法,包括:基于权重的成树方案,每个节点选取一跳范围邻居节点中权重最大的节点为父节点,建成树之后,每棵树上权重最大的根节点将作为数据汇聚点Rendezvous Point(RP);基于距离根节点的跳数和流量负载对树进行分割并选取树内子汇聚点Sub-Rendezvous Point(SRP)的方法;RP和SRP将作为移动数据收集器(MDC)的驻留收集点,且在一定周期后重选即重新成树。因此,本发明实现了均衡网络负载,降低节点能耗,有效缓解hotspot问题,延长网络生命的目的。
Description
技术领域
本发明属于无线传感器网络领域,具体地本发明涉及一种无线传感器网络中基于树状簇结构的移动数据收集方法,各节点选取父节点建立树状簇,并选取合适的汇聚点,再由sink通知MDC进行数据收集。
背景技术
近年来,在无线传感器网络(WSN)中采用移动元素Mobile Element(ME),如移动sink或者移动数据收集器(MDC)进行数据收集的方案越来越受到关注。在采用移动元素ME进行WSN数据收集的过程中,由于ME位置的频繁变动,可以避免ME周围节点死亡过快,进而达到均衡负载、缓解hotspot问题的目的。但是,ME位置的频繁变动,将会引入用于通知各节点ME最新位置信息的控制包开销增大的问题。通过对传感器网络中的各节点进行分簇,使仅由具有较高等级的簇头节点与ME进行通信,获取ME的最新位置信息,可以有效减少位置更新控制包的开销。然而,对于同一个簇而言,簇头周围节点依然存在着hotspot问题。因此,在分簇结构的无线传感器网络内进行数据收集时,需要妥善解决如何在保证一定延迟和开销的情况下,平衡网络负载,并在一定程度上缓解hotspot问题,最终实现网络的能量高效,并延长网络生命。
目前,通过移动元素对无线传感器网络进行数据采集的相关研究文献如下:
1、Miao Zhao和Yuanyuan Yang等人在2012年的《IEEE TRANSACTIONS ONCOMPUTERS》上发表的“Bounded Relay Hop Mobile Data Gathering in Wireless SensorNetworks”,提出了一个基于轮询的数据收集方法,采用集中式和分布式两种算法寻找合适的轮询点PP(polling point)缓存并融合数据等待MDC到来收集。其中集中式算法需要建立最短路径树,设定一定的跳数限制,在树上以迭代方式选择合适且最少的PP点,并保证该PP点能够关联最多的其它节点。但是集中式算法需要全局信息。而分布式算法首先需要获取两个参数:每个节点的d跳邻居数目,以及该节点到达sink的最小跳数。通过与d跳邻居交换信息并对比,如果某节点覆盖d跳内的邻居数量较多且更接近于sink,则将拥有更高的成为PP的优先权,以此原则可以得到最少的PP而且所得PP能够分布更紧密,从而显著减少MDC的回路长度,进一步缩短时延。但是该文献的两种算法仅考虑了距离、密度和时延问题,未充分考虑网络的能量有效性,而且对于PP点周围易形成hotspot的问题没有过多关注。
2、Dawei Gong和Yuanyuan Yang等人在2013年的《J.Parallel Distrib.Comput》上发表的“Energy-efficient clustering in lossy wireless sensor networks”,提出一个基于参量的分布式分簇算法。首先采用数据包接收比例(PRR)来描述一个有损链路的可靠性,链路的PRR基于信噪比SNR和数据包长度。计算出发送一个数据包需要的转发次数,得出每个链路的链路权重。然后提出一个簇头选择权重参量,综合考虑了节点的剩余能量和邻居的链路质量。基于该参量提出两种分布式算法来建立一跳或者k跳簇。最终节点可能自己为簇头或者是属于一个簇的成员,然后MDC以旅行商问题遍历所有簇头收数据。该算法主要是在选择簇头时考虑了剩余能量从而可以一定程度延长网络生命,缺点在于作为选择权重参数的lossy值是由每个链路的数据包成功接收比例来确定的,而后者会随着节点能量以及环境而不断改变,作者默认为其不变不合逻辑。且由于簇头要收集数据,所以需要簇头能量较高且簇头耗能会比较多,同时簇头周围容易出现hotspot问题。
3、Jayanthi Rao等人在2012年的《J.Parallel Distrib.Comput》上发表的“Analyzing multi-hoprouting feasibility for sensor data harvesting using mobile sinks”,将网络轨道划分成多个不同半径的同心圆,指定同心圆环路径上的一部分特定节点为中间站点,而将其一跳范围节点视为指定网关节点(DG),同心圆间相隔距离有限制,要能够覆盖整个网络的所有DG。移动数据收集器MDH只需遍历每一个中间站点就能收集到所有DG的数据。好处是DG可以直接一跳传数据给MDH,不用缓存到中间站点,防止数据过多造成的溢出。该文主要讨论了簇内多跳的范围对MDH遍历时间和数据量大小以及数据上传时间的影响,仅直接指定了中间站点的位置,并将其一跳范围的节点视为DG,没有充分考虑节点的能量以及节点密度的问题,且DG容易形成hotspot。
4、Saamaja Vupputuri等人在2010年的《Journal Parallel and Distributed Computing》上发表的“Using mobile data collectors to improve network lifetime of wireless sensor networkswith reliability constraints”中,节点周期性发送数据给移动数据收集器(MDC),MDC融合数据并发送给基站,以MDC为簇头建立簇同时节点更新路由表。由于节点发送的数据包中包含节点的剩余能量信息,所以MDC可以判断当出现周围节点剩余能量小于其他所有节点的平均剩余能量值的情况时,MDC移动到下一个位置。MDC将选择一跳邻居列表中平均剩余能量值最大且满足可靠性R(能够成功发送数据到MDC的可能性)的位置作为自己的下一位置。作者提出集中式和分布式两种方案,多个MDC动态协作确定最佳的下一位置。优点在于MDC在寻找下一位置时,以当前簇的一跳范围的平均剩余能量为参考,多个MDC可以相互通信来决定MDC的下一位置,一定程度上缓解了hotspot问题。缺点在于以MDC为簇头,在本簇内选择下一位置,形成的簇比较大,MDC周围节点的负载也会较大,且距离MDC跳数过大的节点产生的数据很可能在MDC下一次移动前无法到达MDC。同时MDC频繁位置变更也会造成拓扑维护的开销增大。
5、Ming Ma等人在2012年的《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》上发表的“Tour Planning for Mobile Data-Gathering Mechanisms in Wireless SensorNetworks”,使用一个称作M-collector的资源充足的机器或者设备,周期性的从静态sink出发,遍历一些选中的轮询节点(PP),收集其周围一跳的数据,然后传给静态sink。由于数据的收集无延迟和碰撞,所以延长了网络生命。这篇文献主要关注如何使数据收集回路的长度最小化,把这个问题称作单跳数据收集问题(SHDGP)。不同要求的应用还将采取多个M-collector,并先采用spanning tree算法找到PP的集合,然后1)找到最小spanning covering tree;2将树划分为多个子树;3)计划多个M-collector的最短子回路,从而减少M-collector的个数;4)节点将感知的数据上传到MDC然后传给sink。作者的单跳数据收集方案在连通和非连通的网络中都能使用,并提高和平衡能量使用效率。采用spanning tree covering algorithm算法,以贪婪的方式选择最少候选轮询位置的集合,直到将所有邻居节点都能被关联到,然后就可以利用旅行商问题的近似算法依次将轮询节点遍历来实现数据收集。该文优点在于其对PP选择的权重所需要的参数,考虑得到使最少的PP关联到最多的节点,并能达到网络全覆盖。缺陷在于未充分考虑节点能量、负载以及PP周围的hotspot问题。
6、Miao Zhao等人在2011年的《IEEE TRANSACTIONS ON COMPUTERS》上发表的“Efficient Data Gathering with Mobile Collectors and Space-Division Multiple AccessTechnique in Wireless Sensor Networks”中,首先给定有限候选轮询节点(PP)集合,然后依照一定原则在这些候选者中选取最少的一部分PP,保证既能够使MDC的数据收集时间最短又能达到全覆盖。该文中应用了SDMA技术,同一时间只能有有限个节点上传数据给移动数据收集器sencar,所以要结合图论中的最大匹配,将节点配对,然后提出三种挑选PP的算法,获取到最大数量的节点匹配对同时保证PP点最少,从而达到数据上传时间最短且移动路径最短的目标。同时作者还考虑了多个sencar的情况并提出RDTP算法,以数据上传时间和移动时间为权重,以sink为根建立最小扩展树,依据权重分成多个子树,采用多个sencar遍历不同的子树,最终达到平衡负载和收集时间的目的。该文的优点在于得到最少的PP,关联到最多的节点数,并能达到全覆盖,同时一定程度上减少了延迟,且RDTP算法能够有效平衡负载。缺陷在于未充分考虑能量和热区问题,且在子树划分的权重只考虑负载未考虑跳数限制。
7、Hamidreza Salarian等人在2014年的《IEEE TRANSACTIONS ON VEHICULARTECHNOLOGY》上发表的“An Energy-Efficient Mobile-Sink Path Selection Strategy forWireless Sensor Networks”中,移动sink只需要访问汇聚点RP,其它节点将数据发给最近的RP。本文提出一个启发式算法叫做加权汇聚点调度策略(WRP),每个节点都有一个权重值,该值与节点距离由RP构成的回路的跳数和将要发给最近RP点的数据量相关。由于选择汇聚点的权重参数确保了数据多和跳数较多的节点具有较大权重成为汇聚点(RP),因此能保证节点不会多跳上传过多的数据,一定程度上平衡了负载,减少了节点的能耗;同时算法通过限制回路长度保证了时延。该文的缺陷在于每次确定一个可以加入回路的节点都需要重新更新剩余节点的权重,造成很大开销。
因此,目前无线传感器网络中基于移动元素ME进行数据采集时普遍存在的问题是:
1.高等级节点周围的hotspot问题。
2.普通节点向高等级节点多跳上传数据的跳数与移动元素ME的回路长度之间的权衡,即能耗与时延的权衡问题。
3.ME的位置变更与高等级节点的更换所造成的拓扑变化,导致的拓扑维护成本问题。
4.各个数据汇聚点由于距离sink/ME远近及所关联普通节点个数的不同,所造成的负载不均衡问题。
发明内容
本发明的目的是为了解决现有移动Sink进行数据采集技术中存在的诸多问题和不足,提出了一种基于树状簇结构的无线传感器网络移动数据收集方法,其中,主要通过节点本地寻找父节点成树,在树内选取一部分数据汇聚点RP及子汇聚点SRP,而将其它节点至少关联到一个汇聚点,由MDC到达这些汇聚点处来收集各节点所采集的数据,能够有效平衡负载,降低节点能耗,缓解hotspot问题,增加网络生命。为了达到上述目的,本发明提供了一种基于树状簇结构的无线传感器网络移动数据收集方法,包括如下步骤:
(1)、成树阶段
每个传感器节点通过邻居间相互通信,对比权重找到一跳范围内权重值最大的父节点,从而建立数据收集树,将树上节点分为根节点、叶子节点、普通子节点三种,并根据节点的特征确定树上的根节点和叶子节点,最终由根节点进行广播,使得树上叶子节点和所有普通子节点均可获取到距离根节点的跳数信息;
(2)、数据收集树内汇聚点RP和子汇聚点SRP的选取
确定每棵树的根节点为汇聚点RP,并根据树的深度、各子树节点数量对树进行分割在树上寻找树内子汇聚点SRP,从而平衡负载;
(3)、数据收集树内数据上传存储与移动数据收集器MDC数据收集
将汇聚点RP和子汇聚点SRP所在位置作为移动数据收集器MDC的驻留位置,传感器节点将自身及子节点的数据发给自己的父节点,直到上传到汇聚点RP和子汇聚点SRP周围一跳范围内的邻居子节点,由后者存储并等待移动数据收集器MDC以旅行商遍历的方式到达这些位置后再上传到移动数据收集器MDC,最终由移动数据收集器MDC上传给静态sink;
(4)、汇聚点RP和子汇聚点SRP调整
在每个数据收集周期内,各汇聚点RP、子汇聚点SRP在移动数据收集器MDC收集完数据后,查询统计一跳范围邻居节点平均剩余能量,若低于所记录的上一次统计的初始剩余能量平均值的m%,0<m<50,则上传重新成树请求给移动数据收集器MDC,移动数据收集器MDC将其汇总发给静态sink,静态sink每个周期结束后计算各周期收到的重新成树请求数量累加值与总RP+SRP数量的比值,高于阈值的n%,50<n<100,则进行重新成树,否则通知移动数据收集器MDC继续执行收集任务。
上述步骤(1)中成树阶段的初始化邻居通信过程为:每个节点统计其周围两跳邻居节点个数及相应的权重:每个传感器节点将自己的ID值与当前剩余能量Er值构成{ID,Er}消息广播给其两跳范围内的所有邻居节点,并在该广播中附加该消息生存时间TTL=2,所有邻居节点收到该消息后,将TTL值减1然后再次广播给周围其他邻居节点,直至TTL=0时收到该消息的节点将丢弃该消息停止广播。
上述步骤(1)中对比权重的方法为:以传感器节点的一跳邻居平均剩余能量、邻居节点个数及相应剩余能量为权重,权重公式为其中为节点i一跳范围内邻居节点平均剩余能量,其值为和分别为其一跳范围内和两跳范围内邻居个数,Er为节点剩余能量,Ei为节点i的剩余能量。
上述的步骤(1)中父节点的选取,对比自身权重和周围一跳邻居节点的权重,其选取方法如下:
(4a)、如果节点i在其一跳范围内存在比自身权重值大的邻居节点,则节点i将在这些节点中选取权重值最大的节点为自身的父节点,同时节点i为其子节点;此时如果存在多个权重值最大的节点,则节点i将选取ID值较大的节点作为其父节点,同理,如果节点i一跳邻居中有节点j发现i为其周围最大权重节点且Wi>Wj,或者Wi=Wj,i>j时,则节点i为节点j的父节点,节点j为其子节点;
(4b)、如果没有节点将i视为父节点,同时i一跳范围内邻居节点的最大权重值比i的权重值小,此时如果按照4a的情况进行处理,则节点i将成为孤立节点,为了避免这种情况的出现,节点i仍将选取自己一跳邻居中最大权重的节点为自身的父节点;
(4c)、如果节点i一跳邻居中最大权重值的节点为节点j,j和i的权重值相等,则i将与j对比ID,如果i<j,则i将j视为父节点。
上述的步骤(1)成树阶段中,叶子节点和根节点的确认有如下特征:若节点i发现自己只有父节点没有子节点,则可以确认自己为叶子节点;若节点i发现自身只有子节点而没有父节点时,则可以标记自身为根节点。最终每棵树将只有一个根节点,除了根节点以外的每个普通节点将只有一个父节点。
上述的步骤(1)成树阶段树上叶子节点和其它所有普通子节点获取自身距离根节点的跳数信息的过程为:
当某节点确认为某棵树的根节点时,该树将以此根节点的ID作为整棵树的标识,每棵树的根节点向所有该树的子节点广播BRO_MSG,所述BRO_MSG包括根节点ID,hop值,hop值初始为0,经过一个子节点该值会自增1,该广播包到达叶子节点将停止,从而每个节点可以确认所属的根节点,即所属树的ID,并根据广播包可计算自身距离根节点的跳数,即自身所在层数,且能统计出各自的子节点个数CN(i)。
上述的步骤(2)中树内汇聚点RP和子汇聚点SRP的选取方法如下:
选取每棵树的根节点作为移动数据收集器MDC收集数据时的数据汇聚点RP,当形成的树深度较大,子节点过多,且存在大量子节点距离根节点的跳数值较大时,选取一部分树内子节点为树内子汇聚点SRP来缓解根节点周围的负载压力;
子汇聚点SRP的选取考虑各子节点到达汇聚点RP节点的跳数和各节点自身的子节点个数,每个子节点根据所收到广播包BRO_MSG计算出:
(8a)、自身到汇聚点RP的跳数,即自身所在层数H(i,RP);
(8b)、自身的子节点个数CN(i);
(8c)、自身需要上传的数据量DS(i)=(CN(i)+1)×k bit,即所有子节点和自身的数据
量,其中k为每个节点感知到的数据量,
子汇聚点SRP的选取,确定候选SRP的权重值为:w(i)=H(i,RP)×DS(i),其中H(i,RP)为自身到RP的跳数,即自身所在层数,DS(i)自身需要上传的数据量。
上述子汇聚点SRP的选取原则为:
(9a)、如果节点i确认自己距离根节点跳数值H(i,RP)>2且子节点个数CN(i)>=2,则可以将自身确定为候选SRP,并计算出自己的权重w(i)=H(i,RP)×DS(i),每个候选SRP将和自己的两跳子节点交换信息;
(9b)、如果同一棵子树上,某个候选SRP发现自身的父节点不为候选SRP,而两跳范围有多个子节点为候选SRP,则将对比自身的权重和这些候选SRP的权重,选取权重较大者为最终SRP;若这些候选SRP的权重值相等,此时将选取较低层数的祖先节点为最终SRP;如果候选SRP相隔两跳之外则都取为最终SRP。
本发明与现有技术相比有益的效果是:
本发明实现了通过节点本地局部通信选取父节点建立数据收集树,在树内选取能量较大且周围邻居节点个数及平均剩余能量较高的数据汇聚点RP及负载较大的子汇聚点SRP作为MDC的停留点,MDC遍历所有RP及SRP收集各节点的数据,能够有效平衡负载,缓解hotspot问题,降低节点能耗,增加网络生命。
附图说明
图1为本发明成树阶段的工作流程图;
图2为本发明中成树阶段父节点选取的示意图;
图3为本发明中成树阶段后某棵树选取树内RP和SRP情况的示意图;
图4为本发明中加入RP和SRP的调整方法后整个数据收集方法的总体流程图;
图5为本发明中设置参数后由matlab仿真得到的网络整体示意图。
具体实施方式
本发明提出的数据收集方法,由sink派遣移动数据收集器MDC在网络部署区域内进行周期性地移动至各个汇聚点进行数据收集实现。整个算法主要分为三个阶段:第一个阶段是成树阶段,每个节点以一跳邻居平均剩余能量、邻居节点个数及相应剩余能量为权重,通过邻居间相互通信,对比权重找到一跳范围内权重值最大的父节点,从而建立数据收集树。第二个阶段,确定每棵树的根节点为汇聚点Rendezvous Point(RP),并根据树的深度、各子树节点数量对树进行分割在树上寻找树内子汇聚点Sub-RendezvousPoint(SRP),从而平衡负载。第三个阶段,将RP和SRP所在位置作为MDC的驻留位置,传感器节点将数据上传到RP和SRP周围一跳范围内的邻居节点,由后者存储并等待MDC以旅行商遍历的方式到达这些位置后再上传到MDC,最终由MDC上传给静态sink。
在每个数据收集周期内,在MDC收集数据的过程中各RP与SRP根据邻居节点剩余能量平均值决定是否需要进行全网重新建树,由MDC将这些RP与SRP的重新建树请求汇总至静态sink。静态sink根据各个周期收到的重新建树请求数量的累加值与RP+SRP值的比例,确定是否需要全网重选RP与SRP。
下面结合附图对本发明作更进一步的说明。
所述传感器网络的网络模型为,N个节点随机均匀地部署在W×L的矩形区域中,静态sink部署于矩形区域中心,移动数据收集器MDC周期性地在网络部署区域内移动进行数据收集。假设MDC具有足够的能量、内存及计算资源。各传感器节点同构,并且地理位置已知,初始能量为均为E0,所有节点在部署之后保持位置不变,每个节点均可以与自己通信范围内的邻居节点进行通信,各节点在相同的周期感知/采集到的待上传数据量相同。整个部署区域处于被所有传感器节点全覆盖的状态。
1.成树阶段
在选取汇聚点时,主要的目标是要缓解hotspot问题,达到均衡负载、平衡节点的能耗与数据收集延迟的目的。所以,成树阶段中每个节点的权重要重点考虑自身的能量及其周围一跳邻居的平均剩余能量,避免这些负载较大的节点过快死亡;同时为了尽可能获得较少的停留位置,减少MDC的回路长度,需要将节点的邻居个数加入权重参数。在文献“Bounded Relay Hop Mobile Data Gathering in Wireless Sensor Networks”中,作者验证了为了平衡节点数据多跳传输的中继跳数和移动数据收集器的回路长度,需要限制中继跳数d为一定的值(2或3),从而平衡数据多跳上传的能耗和数据收集的延迟。所以本文中为了避免普通节点上传数据到汇聚点节点的跳数过多,造成节点能耗过大,在统计节点权重参数时仅考虑节点两跳范围内的邻居个数。
如附图1所示为本发明成树阶段的工作流程图,具体包括如下步骤:
步骤101,初始化:邻居通信,统计参数及权重计算;
步骤102,父节点的选取;
步骤103,根节点及叶子节点的确认;
步骤104,树上子节点距离根节点跳数的计算。
下面详细介绍上述过程:
步骤101,成树阶段的初始化过程如下:
每个节点统计其周围两跳邻居节点个数及相应的权重:每个节点将自己的ID值与当前剩余能量Er值构成{ID,Er}消息广播给其两跳范围内的所有邻居节点,并在该广播中附加该消息生存时间TTL=2。所有邻居节点收到该消息后,将TTL值减1然后再次广播给周围其他邻居节点,直至TTL=0时收到该消息的节点将丢弃该消息停止广播。
步骤102,各节点计算自己的权重信息的过程如下:
节点i根据收到广播消息统计计算其一跳范围内和两跳范围内邻居个数及并计算出节点i一跳范围内邻居节点平均剩余能量则节点i的权重统计公式为(两跳的邻居个数×自身剩余能量×一跳邻居平均剩余能量),其中Er为节点剩余能量,Ei为节点i的剩余能量;
步骤103,父节点的选取过程如下:
每个节点将成树阶段初始化中所计算得到的权重发送给其一跳范围内的所有邻居节点,并维护一个一跳范围内邻居节点权重值列表。对比自身权重和周围一跳邻居节点的权重,其选取原则为:
(1)、如果节点i在其一跳范围内存在比自身权重值大的邻居节点,则节点i将在这些节点中选取权重值最大的节点为自身的父节点,同时节点i为其子节点;此时如果存在多个权重值最大的节点,则节点i将选取ID值较大的节点作为其父节点。同理,如果节点i一跳邻居中有节点j发现i为其周围最大权重节点且Wi>Wj(或者Wi=Wj,i>j)时,则节点i为节点j的父节点,节点j为其子节点。
(2)、如果没有节点将i视为父节点,同时i一跳范围内邻居节点的最大权重值比i的权重值小,此时如果按照case1的情况进行处理,则节点i将成为孤立节点。为了避免这种情况的出现,节点i仍将选取自己一跳邻居中最大权重的节点为自身的父节点;
如附图2所示为本发明中成树阶段父节点选取的示意图,节点1一跳范围内邻居节点中有节点2、3、4和5。按照case1的情况处理,此时,节点1将对比一跳范围内邻居节点2、3、4和5的权重,其中节点5的权重值最大,但是该权重值小于节点1自身的权重值。若节点2、3、4和5找到自己的父节点分别为节点9、8、7、7,且没有节点选取节点1作为自身的父节点,在该情况下,一跳范围邻居中权重值最大的节点5将被节点1选为父节点,从而避免节点1成为孤立节点。
(3)、如果节点i一跳邻居中最大权重值的节点为节点j,j和i的权重值相等,则i将与j对比ID,如果i<j,则i将j视为父节点,从而避免两个节点互相将对方视为父节点的情况,也不会出现闭环。
以此原则,每棵树最终将有且仅有一个节点出现拥有子节点却选取不到父节点的情况,则此时该树建立完毕。
步骤104,叶子节点和根节点的确认以及树上所有子节点获取自身距离根节点跳数值的过程如下:
将树上节点分为根节点、叶子节点、普通子节点三种。若节点i发现自己只有父节点没有子节点,则可以确认自己为叶子节点;若节点i发现自身只有子节点而没有父节点时,则可以标记自身为根节点;其它节点为普通子节点。最终每棵树将只有一个根节点,除了根节点以外的每个子节点都将有且只有一个父节点。
当某节点确认为某棵树的根节点时,该树将以此根节点的ID作为整棵树的标识,每棵树的根节点向所有该树的子节点广播BRO_MSG。该BRO_MSG包括(根节点ID,hop值),hop值初始为0,经过一个子节点该值会自增1。该广播包到达叶子节点将停止,从而每个节点可以确认所属的根节点(即所属树的ID),并根据广播包可计算自身距离根节点的跳数(即自身所在层数),且能统计出各自的子节点个数CN(i)。
至此,整个传感器网络中树的建立过程结束,网络中所有节点相当于以树的形式进行了分簇。所建立的每棵树上,均以其唯一的根节点的ID作为整棵树的标识,根节点具有最大权重值,所以其剩余能量和周围一跳邻居平均剩余能量较大且邻居个数较多。树上所有子节点可以确认自身所属树以及在树上距离根节点的跳数,且除叶子节点外的所有子节点均能够统计出自身的子节点个数。可以预见,形成的每棵树的深度将不确定,且可能会出现某个子节点距离根节点较远,却有较多子节点(即流量负载较大)的不利情况。
2.树内汇聚点RP和子汇聚点SRP的选取阶段
2.1汇聚点RP的选取
本发明的第一阶段成树过程确定了根节点具有最大权重值,所以其剩余能量和周围一跳邻居节点平均剩余能量较高且邻居节点个数较多。因此,可以考虑选取每棵树的根节点作为MDC收集数据时的数据汇聚点Rendezvous Point(RP)。
如果以根节点作为数据汇聚点RP,由于其周围一跳邻居节点平均剩余能量相对较高,将能够避免这部分节点因负载和流量较大而过快死亡,进而达到平衡网络负载和能耗分布的目的;此外,MDC在该处进行驻留可以先收集节点较多区域的数据,数据收集时延也会有所降低。
但是仅以根节点作为数据汇聚点RP,当形成的树深度较大,子节点过多(即流量负载较大),且存在大量子节点距离根节点的跳数值较大时,同样会造成根节点周围形成热区。所以,需要对深度和负载较大的树进一步划分,选取一部分树内子节点为树内子汇聚点Sub-Rendezvous Point(SRP)来缓解根节点周围的负载压力。树的划分以及SRP的选取过程将在下一部分“树内子汇聚点SRP的选取”部分详细介绍。
2.2树内子汇聚点SRP的选取
本发明中SRP的选取的主要目标是:将距离RP较远且流量负载较大的节点独立出来作为子汇聚点SRP,从而这些节点的子节点不用将数据多跳上传到RP节点周围的邻居节点,而是上传到SRP周围的邻居节点,进一步减少多跳上传造成的能耗。所以,SRP的选取权重值要重点考虑各子节点到达RP节点的跳数和各节点自身的子节点个数。
每个子节点根据所收到广播包BRO_MSG可以计算出:
1)自身到RP的跳数,即自身所在层数H(i,RP);
2)自身的子节点个数CN(i);
3)自身需要上传的数据量DS(i)=(CN(i)+1)×k bit。其中k为每个节点感知到的数据量。
如果节点i确认自己距离根节点跳数值H(i,RP)>2且子节点个数CN(i)>=2,则可以将自身确定为候选SRP,并计算出自己的权重w(i)=H(i,RP)×DS(i),即保证跳数值较大且数据量较多的节点不用多跳上传数据到RP,每个候选SRP将和自己的两跳子节点交换信息。
如果同一棵子树上,某个候选SRP发现自身的父节点不为候选SRP,而两跳范围有多个子节点为候选SRP,则将对比自身的权重和这些候选SRP的权重,选取权重较大者为最终SRP;如果这些候选SRP的权重值相等,此时将选取较低层数(即距离RP较近)的祖先节点为最终SRP;如果候选SRP相隔两跳之外则都取为最终SRP。
如附图3所示,为本发明中成树阶段后某棵树选取树内RP和SRP情况的示意图,其中节点6和7,二者均满足成为候选SRP的要求,但只取权重值较大的节点7作为最终SRP。
至此,本发明确定了树内的子汇聚点SRP,以SRP来分割树,可以有效减轻距离RP跳数距离较远,数据量较多,流量负载较大的节点多跳上传数据到RP周围所造成的负载压力,并降低节点能耗。
3.树内数据上传存储与MDC数据收集阶段
3.1树内数据的上传与存储
本发明中第2阶段选取所有RP和SRP后,由于这些汇聚点将作为MDC的停留位置,MDC到达这些位置后,其一跳范围的节点可以直接将自身的数据以及收到的其它子节点的数据发送给MDC,而不用发送到RP或者SRP,这样可以显著减小RP和SRP的负载。所以RP和SRP需要确认自己的一跳子节点,其它节点的数据均向自己的父节点上传数据,所有数据到达这些一跳范围的节点后就会停止并被存储。
RP和SRP仅需向自身一跳范围内的子节点发送通知消息,这些子节点收到消息后将确认自身为数据存储点,数据到达这些数据存储点后将不再继续向上转发。
未被确认为数据存储点的其他节点,可能距离RP或者SRP两跳或两跳以上,这些节点将上传数据给自己的父节点,后者将继续向上转发数据一直到RP和SRP的一跳范围的数据存储点并被保存,等待MDC到该RP或者SRP后上传到MDC。
上述本发明方案的优势在于:选取RP或者SRP一跳范围的子节点作为数据存储点,相对于将数据集中上传到RP或者SRP的方案,既充分利用了RP和SRP周围一跳节点剩余能量较高的特点,又可以显著减少RP和SRP的负载。同时,RP和SRP被确认后,只需近距离通知在其一跳范围的子节点,可以有效减少控制包传输的开销。
3.2MDC的数据收集
本发明中,MDC需要周期性地在网络部署区域内移动进行数据收集,在每一个周期中,依据上述算法选取到所有汇聚点(RP)和树内子汇聚点(SRP)之后,各RP和SRP以贪婪路由方式将其相应的地理位置信息汇集/上报给静态sink,sink将以旅行商问题的近似算法规划路线,然后派遣MDC按照规划后的路线依次到达各个RP及SRP。MDC到达每个RP或者SRP点后先广播通知一跳范围内的数据存储节点,收到通知后,这些节点将自己的数据和保存的子节点的数据上传给MDC。MDC在每个RP或SRP处停留一定时间,直到没有数据上传时离开,移动至下一处RP(或者SRP)进行下一处的数据收集,最终MDC将收到的所有数据上传给静态sink。
4.RP与SRP的调整方法
在本发明中,在MDC收集数据的过程中各RP与SRP需要根据邻居节点剩余能量平均值决定是否需要进行全网重新建树,由MDC将这些RP与SRP的重新建树请求汇总至静态sink。静态sink根据各个周期收到的重新建树请求的数量与RP+SRP值的比例,确定是否需要全网重选RP与SRP。
下面详细介绍上述过程:
1)每个数据收集周期内,各RP、SRP在MDC收集完数据后,查询统计一跳范围邻居节点平均剩余能量,如低于上一次统计的初始剩余能量平均值的m%(0<m<50),则上传重新成树请求给MDC,MDC将其汇总发给静态sink。
2)静态sink每个周期结束后将收到的重新成树请求数量与未重新成树之前所有周期的重新成树请求进行累加,并计算该累加值与总RP+SRP数量的比值,高于阈值n%(50<n<100)则进行重新成树,选取新的RP和SRP,然后继续执行上述算法,通知MDC进行数据收集;否则sink仅将该周期获取的重新成树请求与之前的进行累加,并通知MDC继续遍历原来选取的RP与SRP执行收集任务。
3)每次网络重新成树之后的第一个周期,新选取的RP与SRP在MDC收完数据后,同样会获取其一跳范围邻居节点平均剩余能量,并将该值作为新的判断是否发送重新成树请求的初始平均能量值基准,继续依照上述比例值m和n进行条件判定,从而进行重新成树及RP和SRP的重新选取。
从上述本发明过程中可以直观的发现:若设定的m值较大,RP或SRP在一跳范围邻居节点平均剩余能量较高时就发送重新成树请求给MDC,为了避免频繁重新成树造成的开销,则相应的需要较大的n值,即sink收到较大比例的RP、SRP的重新成树请求才需要重新成树;反之,若m值较小,说明有的RP或SRP一跳范围内节点的平均剩余能量已经很低,为了避免这部分节点过早死亡,可以设定较小的n值,尽快重新成树,牺牲一定重新成树的代价,来获取较大的网络生命。所以在设定m和n的值时,需要与成树代价进行平衡。
如附图4为结合了RP和SRP的调整方法之后,整个数据收集方法的总体过程流程图,其过程大致如下:
A.静态sink广播建树通知,所有节点开始建树、选取RP及SRP;
B.各RP、SRP记录下自己周围一跳范围内邻居节点初始剩余能量平均值,并以贪婪路由方式将其相应的地理位置信息汇集/上报给静态sink;
C.移动数据收集器从静态sink处获到所有的RP或SRP地理位置信息;
D.移动数据收集器以旅行商问题遍历RP和SRP收集全网数据,遍历结束后返回静态sink并将收集的数据上传给静态sink。
E.各RP、SRP在移动数据收集器收集完数据后,查询统计一跳范围邻居节点平均剩余能量,如低于步骤B中所记录的初始剩余能量平均值的m%,则上传重新成树请求给MDC。
F.静态sink计算下一次重新成树前每个周期收到的重新成树请求数量累加值与总RP+SRP数量的比值,高于阈值n%则进行步骤A。否则通知移动数据收集器继续执行步骤D。
本发明提出了一个基于权重的成树方法。节点的权重参量主要与自身的剩余能量、周围邻居节点个数,以及一跳范围邻居节点的平均剩余能量有关。每个节点寻找一跳邻居中权重最大的节点作为自己的父节点,以根节点为RP可以有效平衡负载,缓解hotspot问题,并满足一定时延要求。同时提出一个树内子汇聚点(SRP)的选取方法。将前述基于权重构建的树进行分割,在每棵树上所有子节点中,选取距离根节点较远且子节点个数即流量负载较大的节点,独立出来成为SRP可以有效缓解根节点周围的负载压力并减少节点能耗。另外,本发明提出一个RP和SRP的调整方法,在MDC收集数据的过程中各RP与SRP根据邻居节点剩余能量平均值决定是否需要进行全网重新建树,由MDC将这些RP与SRP的重新建树请求汇总至静态sink。静态sink根据重新建树请求的数量与RP+SRP值的比例,确定是否需要全网重选RP与SRP。因此,本发明在解决负载不平衡,hotspot问题以及能耗高效问题上有较多的关注,可以有效延长网络生命。
并且,本发明通过在仿真工具matlab下编写代码,对本发明进行仿真实验。如附图5所示,实现了网络的成树和RP及SRP的选取,并对不同参数进行了对比。仿真实验表明,本发明可以有效的平衡网络负载,很大程度缓解hotspot问题,并延长网络生命。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应涵盖在本发明的保护范围当中。
Claims (8)
1.一种基于树状簇结构的无线传感器网络移动数据收集方法,其特征在于包括如下步骤:
(1)、成树阶段
每个传感器节点通过邻居间相互通信,对比权重找到一跳范围内权重值最大的父节点,从而建立数据收集树,将树上节点分为根节点、叶子节点、普通子节点三种,并根据节点的特征确定树上的根节点和叶子节点,最终由根节点进行广播,使得树上叶子节点和所有普通子节点均获取到距离根节点的跳数信息;
(2)、数据收集树内汇聚点RP和子汇聚点SRP的选取
确定每棵树的根节点为汇聚点RP,并根据树的深度、各子树节点数量对树进行分割在树上寻找树内子汇聚点SRP,从而平衡负载;
(3)、数据收集树内数据上传存储与移动数据收集器MDC数据收集
将汇聚点RP和子汇聚点SRP所在位置作为移动数据收集器MDC的驻留位置,传感器节点将自身及子节点的数据发给自己的父节点,直到上传到汇聚点RP和子汇聚点SRP周围一跳范围内的邻居子节点,由后者存储并等待移动数据收集器MDC以旅行商遍历的方式到达这些位置后再上传到移动数据收集器MDC,最终由移动数据收集器MDC上传给静态sink;
(4)、汇聚点RP和子汇聚点SRP调整
在每个数据收集周期内,各汇聚点RP、子汇聚点SRP在移动数据收集器MDC收集完数据后,查询统计一跳范围邻居节点平均剩余能量,若低于所记录的上一次统计的初始剩余能量平均值的m%,0<m<50,则上传重新成树请求给移动数据收集器MDC,移动数据收集器MDC将其汇总发给静态sink,静态sink每个周期结束后计算各周期收到的重新成树请求数量累加值与总RP+SRP数量的比值,高于阈值的n%,50<n<100,则进行重新成树,否则通知移动数据收集器MDC继续执行收集任务。
2.根据权利要求1所述的基于树状簇结构的无线传感器网络移动数据收集方法,其特征在于,所述步骤(1)中成树阶段的初始化邻居通信过程为:每个节点统计其周围两跳邻居节点个数及相应的权重:每个传感器节点将自己的ID值与当前剩余能量Er值构成{ID,Er}消息广播给其两跳范围内的所有邻居节点,并在该广播中附加该消息生存时间TTL=2,所有邻居节点收到该消息后,将TTL 值减1然后再次广播给周围其他邻居节点,直至TTL=0时收到该消息的节点将丢弃该消息停止广播。
3.根据权利要求1所述的基于树状簇结构的无线传感器网络移动数据收集方法,其特征在于,所述步骤(1)中对比权重的方法为:以传感器节点的一跳邻居平均剩余能量、邻居节点个数及相应剩余能量为权重,权重公式为 其中为节点i一跳范围内邻居节点平均剩余能量,其值为和分别为其一跳范围内和两跳范围内邻居个数,Er为节点剩余能量,Ei为节点i的剩余能量。
4.根据权利要求1所述的基于树状簇结构的无线传感器网络移动数据收集方法,其特征在于,所述的步骤(1)中父节点的选取,对比自身权重和周围一跳邻居节点的权重,其选取方法如下:
(4a)、如果节点i在其一跳范围内存在比自身权重值大的邻居节点,则节点i将在这些节点中选取权重值最大的节点为自身的父节点,同时节点i为其子节点;此时如果存在多个权重值最大的节点,则节点i将选取ID值较大的节点作为其父节点,同理,如果节点i一跳邻居中有节点j发现i为其周围最大权重节点且Wi>Wj,或者Wi=Wj,i>j时,则节点i为节点j的父节点,节点j为其子节点;
(4b)、如果没有节点将i视为父节点,同时i一跳范围内邻居节点的最大权重值比i的权重值小,此时如果按照4a的情况进行处理,则节点i将成为孤立节点,为了避免这种情况的出现,节点i仍将选取自己一跳邻居中最大权重的节点为自身的父节点;
(4c)、如果节点i一跳邻居中最大权重值的节点为节点j,j和i的权重值相等,则i将与j对比ID,如果i<j,则i将j视为父节点。
5.根据权利要求1所述的基于树状簇结构的无线传感器网络移动数据收集方法,其特征在于,所述的步骤(1)成树阶段中,叶子节点和根节点的确认有如下特征:若节点i发现自己只有父节点没有子节点,则可以确认自己为叶子节点;若节点i发现自身只有子节点而没有父节点时,则可以标记自身为根节点。最终每棵树将只有一个根节点,除了根节点以外的每个普通节点将只有一个父节 点。
6.根据权利要求1所述的基于树状簇结构的无线传感器网络移动数据收集方法,其特征在于,所述的步骤(1)成树阶段树上叶子节点和其它所有普通子节点获取自身距离根节点的跳数信息的过程为:
当某节点确认为某棵树的根节点时,该树将以此根节点的ID作为整棵树的标识,每棵树的根节点向所有该树的子节点广播BRO_MSG,所述BRO_MSG包括根节点ID,hop值,hop值初始为0,经过一个子节点该值会自增1,该广播包到达叶子节点将停止,从而每个子节点可以确认所属的根节点,即所属树的ID,并根据广播包可计算自身距离根节点的跳数,即自身所在层数,且能统计出各自的子节点个数CN(i)。
7.根据权利要求1所述的基于树状簇结构的无线传感器网络移动数据收集方法,其特征在于,所述的步骤(2)中树内汇聚点RP和子汇聚点SRP的选取方法如下:
选取每棵树的根节点作为移动数据收集器MDC收集数据时的数据汇聚点RP,当形成的树深度较大,子节点过多,且存在大量子节点距离根节点的跳数值较大时,选取一部分树内子节点为树内子汇聚点SRP来缓解根节点周围的负载压力;
子汇聚点SRP的选取考虑各子节点到达汇聚点RP节点的跳数和各节点自身的子节点个数,每个子节点根据所收到广播包BRO_MSG计算出:
(7a)、自身到汇聚点RP的跳数,即自身所在层数H(i,RP);
(7b)、自身的子节点个数CN(i);
(7c)、自身需要上传的数据量DS(i)=(CN(i)+1)×k bit,即所有子节点和自身
的数据量,其中k为每个节点感知到的数据量,
子汇聚点SRP的选取,确定候选SRP的权重值为:w(i)=H(i,RP)×DS(i),其中H(i,RP)为自身到RP的跳数,即自身所在层数,DS(i)自身需要上传的数据量。
8.根据权利要求7所述基于树状簇结构的无线传感器网络移动数据收集方法,其特征在于:所述子汇聚点SRP的选取原则为:
(8a)、如果节点i确认自己距离根节点跳数值H(i,RP)>2且子节点个数CN(i)>=2,则可以将自身确定为候选SRP,并计算出自己的权重w(i)= H(i,RP)×DS(i),每个候选SRP将和自己的两跳子节点交换信息;
(8b)、如果同一棵子树上,某个候选SRP发现自身的父节点不为候选SRP,而两跳范围有多个子节点为候选SRP,则将对比自身的权重和这些候选SRP的权重,选取权重较大者为最终SRP;若这些候选SRP的权重值相等,此时将选取较低层数的祖先节点为最终SRP;如果候选SRP相隔两跳之外则都取为最终SRP。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510001876.2A CN104540173B (zh) | 2015-01-04 | 2015-01-04 | 一种基于树状簇结构的无线传感器网络移动数据收集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510001876.2A CN104540173B (zh) | 2015-01-04 | 2015-01-04 | 一种基于树状簇结构的无线传感器网络移动数据收集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104540173A true CN104540173A (zh) | 2015-04-22 |
CN104540173B CN104540173B (zh) | 2018-08-03 |
Family
ID=52855606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510001876.2A Expired - Fee Related CN104540173B (zh) | 2015-01-04 | 2015-01-04 | 一种基于树状簇结构的无线传感器网络移动数据收集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104540173B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131912A (zh) * | 2016-06-17 | 2016-11-16 | 河海大学常州校区 | 基于树状簇的无线传感器网络的移动Sink数据收集方法 |
CN106384468A (zh) * | 2016-10-12 | 2017-02-08 | 重庆蓝岸通讯技术有限公司 | 基于 dpmr 协议的森林火灾监控系统 |
CN106448110A (zh) * | 2016-10-26 | 2017-02-22 | 南方电网科学研究院有限责任公司 | 基于北斗卫星的计量自动化数据采集系统及方法 |
CN107613480A (zh) * | 2017-09-24 | 2018-01-19 | 中南大学 | 一种基于树状簇与移动元素的数据收集方法 |
CN108391299A (zh) * | 2018-01-26 | 2018-08-10 | 乐鑫信息科技(上海)有限公司 | 在Mesh网络内去除孤立节点的方法 |
CN109862538A (zh) * | 2019-01-08 | 2019-06-07 | 河北亿程交通科技有限公司 | 基于Ad Hoc与Mesh的WMN网络城市智能公交通讯网络系统 |
CN110009174A (zh) * | 2018-12-13 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 风险识别模型训练方法、装置及服务器 |
CN110418377A (zh) * | 2019-07-31 | 2019-11-05 | 重庆远感科技有限公司 | 一种LoRa无线传感器网络数据动态负载均衡调控方法 |
CN110602756A (zh) * | 2019-09-16 | 2019-12-20 | 山东科技大学 | 一种基于哈夫曼树平衡无线传感器网络节点能耗的方法 |
CN111405489A (zh) * | 2020-03-05 | 2020-07-10 | 华南理工大学 | 一种应用于无线网络的组播树构建方法 |
CN112470547A (zh) * | 2018-08-02 | 2021-03-09 | 三菱电机株式会社 | 用于管理网络的方法及设备 |
CN112584325A (zh) * | 2021-01-13 | 2021-03-30 | 海南大学 | 一种基于动态切片技术的水下传感器安全数据融合方法 |
CN114363985A (zh) * | 2022-01-10 | 2022-04-15 | 黑龙江大学 | 基于节点权重构建二叉树的方法及二叉树的更新方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2090074A1 (en) * | 2006-11-29 | 2009-08-19 | THOMSON Licensing | Contribution aware peer-to-peer live streaming service |
US20100064049A1 (en) * | 2006-11-29 | 2010-03-11 | Nazanin Magharei | Contribution aware peer-to-peer live streaming service |
CN103596222A (zh) * | 2013-11-29 | 2014-02-19 | 河海大学常州校区 | 基于移动Sink位置可预测的无线传感器网络数据采集方法 |
CN103701705A (zh) * | 2013-12-20 | 2014-04-02 | 河海大学常州校区 | 无线传感器网络中基于二叉树查询的移动sink数据采集方法 |
CN104202772A (zh) * | 2014-09-09 | 2014-12-10 | 河海大学常州校区 | 应用于无线传感器网络的节点内存资源共享的移动Sink数据采集方法 |
-
2015
- 2015-01-04 CN CN201510001876.2A patent/CN104540173B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2090074A1 (en) * | 2006-11-29 | 2009-08-19 | THOMSON Licensing | Contribution aware peer-to-peer live streaming service |
US20100064049A1 (en) * | 2006-11-29 | 2010-03-11 | Nazanin Magharei | Contribution aware peer-to-peer live streaming service |
CN103596222A (zh) * | 2013-11-29 | 2014-02-19 | 河海大学常州校区 | 基于移动Sink位置可预测的无线传感器网络数据采集方法 |
CN103701705A (zh) * | 2013-12-20 | 2014-04-02 | 河海大学常州校区 | 无线传感器网络中基于二叉树查询的移动sink数据采集方法 |
CN104202772A (zh) * | 2014-09-09 | 2014-12-10 | 河海大学常州校区 | 应用于无线传感器网络的节点内存资源共享的移动Sink数据采集方法 |
Non-Patent Citations (2)
Title |
---|
孙毅等: ""面向用电信息采集的WSN非均匀分簇多跳路由算法"", 《电力系统保护与控制》 * |
荆刚: ""采集树网络中可靠数据采集与配置研究"", 《中国博士学位论文数据库》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131912A (zh) * | 2016-06-17 | 2016-11-16 | 河海大学常州校区 | 基于树状簇的无线传感器网络的移动Sink数据收集方法 |
CN106384468A (zh) * | 2016-10-12 | 2017-02-08 | 重庆蓝岸通讯技术有限公司 | 基于 dpmr 协议的森林火灾监控系统 |
CN106448110A (zh) * | 2016-10-26 | 2017-02-22 | 南方电网科学研究院有限责任公司 | 基于北斗卫星的计量自动化数据采集系统及方法 |
CN107613480B (zh) * | 2017-09-24 | 2020-04-17 | 中南大学 | 一种基于树状簇与移动元素的数据收集方法 |
CN107613480A (zh) * | 2017-09-24 | 2018-01-19 | 中南大学 | 一种基于树状簇与移动元素的数据收集方法 |
CN108391299A (zh) * | 2018-01-26 | 2018-08-10 | 乐鑫信息科技(上海)有限公司 | 在Mesh网络内去除孤立节点的方法 |
CN108391299B (zh) * | 2018-01-26 | 2020-05-22 | 乐鑫信息科技(上海)股份有限公司 | 在Mesh网络内去除孤立节点的方法 |
CN112470547B (zh) * | 2018-08-02 | 2023-11-03 | 三菱电机株式会社 | 用于管理网络的方法及设备 |
CN112470547A (zh) * | 2018-08-02 | 2021-03-09 | 三菱电机株式会社 | 用于管理网络的方法及设备 |
CN110009174B (zh) * | 2018-12-13 | 2020-11-06 | 创新先进技术有限公司 | 风险识别模型训练方法、装置及服务器 |
CN110009174A (zh) * | 2018-12-13 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 风险识别模型训练方法、装置及服务器 |
CN109862538A (zh) * | 2019-01-08 | 2019-06-07 | 河北亿程交通科技有限公司 | 基于Ad Hoc与Mesh的WMN网络城市智能公交通讯网络系统 |
CN110418377A (zh) * | 2019-07-31 | 2019-11-05 | 重庆远感科技有限公司 | 一种LoRa无线传感器网络数据动态负载均衡调控方法 |
CN110602756A (zh) * | 2019-09-16 | 2019-12-20 | 山东科技大学 | 一种基于哈夫曼树平衡无线传感器网络节点能耗的方法 |
CN110602756B (zh) * | 2019-09-16 | 2023-05-02 | 山东科技大学 | 一种基于哈夫曼树平衡无线传感器网络节点能耗的方法 |
CN111405489A (zh) * | 2020-03-05 | 2020-07-10 | 华南理工大学 | 一种应用于无线网络的组播树构建方法 |
CN112584325A (zh) * | 2021-01-13 | 2021-03-30 | 海南大学 | 一种基于动态切片技术的水下传感器安全数据融合方法 |
CN114363985A (zh) * | 2022-01-10 | 2022-04-15 | 黑龙江大学 | 基于节点权重构建二叉树的方法及二叉树的更新方法 |
CN114363985B (zh) * | 2022-01-10 | 2023-07-25 | 黑龙江大学 | 基于节点权重构建二叉树的方法及二叉树的更新方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104540173B (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104540173A (zh) | 一种基于树状簇结构的无线传感器网络移动数据收集方法 | |
CN106131912B (zh) | 基于树状簇的无线传感器网络的移动Sink数据收集方法 | |
Agarwal et al. | Survey of clustering algorithms for MANET | |
Yu et al. | Routing protocols for wireless sensor networks with mobile sinks: A survey | |
Anupama et al. | Survey of cluster based routing protocols in mobile adhoc networks | |
CN100442786C (zh) | 基于树形结构的路由方法 | |
CN100505700C (zh) | 一种路由更新方法 | |
CN103945484B (zh) | 农田无线自组织网络拓扑密度关联路径选择优化方法 | |
CN106900025A (zh) | 一种基于双簇首的无线传感器网络分簇路由方法 | |
CN101267391A (zh) | 基于不均匀分簇的无线传感器网络拓扑控制方法 | |
CN104410997B (zh) | 一种用于无线传感器网络的层次型拓扑结构构建方法 | |
CN103124421B (zh) | 一种无线传感器网络中移动节点的分簇方法 | |
CN102088666B (zh) | 一种移动自组织网络系统的多播路由方法 | |
CN102572992A (zh) | 一种车载网络rsu部署及其数据转发方法 | |
CN101594281A (zh) | 无线传感器网络数据汇聚方法、系统及相关设备 | |
CN110995333B (zh) | 一种分簇QoS路由设计方法 | |
CN102595550A (zh) | 基于跨层优化的自适应无线传感器网络路由方法 | |
CN103068002A (zh) | 一种高效的HR-WPAN Mesh网络路由方法 | |
Mishra et al. | Survey on recent clustering algorithms in wireless sensor networks | |
Bi et al. | A reinforcement learning-based routing protocol for clustered EV-VANET | |
CN110149672A (zh) | 一种改进的i-leach路由通信方法 | |
CN103701697B (zh) | 基于链路质量的层次型路由方法 | |
CN105764111A (zh) | 无线传感网络自治式路由选择方法 | |
CN109803342A (zh) | 一种面向能量均衡高可靠传输的无人机自组织网络路由方法 | |
Wu et al. | A novel data collector path optimization method for lifetime prolonging in wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180803 Termination date: 20210104 |