CN104994554A - 基于非均匀分簇的移动协助无线传感器网络路由方法 - Google Patents

Abstract

本发明给出基于非均匀分簇的移动协助无线传感器网络路由方法。方法分为：初始阶段、分簇阶段、RPs(rendezvous points)确定阶段、路由阶段。初始阶段为网络部署阶段，并确定sink的移动轨迹。分簇阶段时，考虑节点与移动sink的距离梯度、候选簇头的剩余能量等因子。RP确定阶段，讨论了RPs节点集合的选取个数和宽度、具体的集合等。并针对簇头节点从属RP节点选取问题，简化为0-1整数规划模型。方法采用遗传算法求出该整数规划解的近似最优RPs的从属节点集合。在路由阶段时，采用多层级的路由：簇头采集簇内成员的消息数据(包括数据融合)并担任中继节点的任务，RPs节点缓存簇头节点转发来的消息到移动sink。

Description

基于非均匀分簇的移动协助无线传感器网络路由方法

技术领域

本发明属于无线传感器网络技术领域，具体涉及基于非均匀分簇的移动协助WSNs路由方法。

背景技术

无线传感器网络作为一门交叉学科，主要涉及无线电通信技术、传感器技术、嵌入式微处理器技术、信息安全技术等。近年来在多个领域内广泛使用，包括军事工业(如美C4ISRT系统)、航空、商业、生物医疗、反恐防暴、环境保护等。但由于WSNs能量限制问题，无线传感器网络受到限制和发展。如何减少能量消耗问题是目前WSNs中的研究热点。目前在WSNs路由设计时，专家学者们不仅关注数据传输所带来的能量消耗，而且关注WSNs中各节点能量消耗的不均衡性。这是由于在WSNs中，当一定数目或比例的传感器节点失效或死亡时，出现能量空洞现象，从而使网络中数据无法正常发送给sink(基站)，进而使网络处于瘫痪状态。

由Heinzelman W等人提出的LEACH协议是至今WSNs中引用率较高、较经典的分簇协议之一。LEACH协议是按轮成簇，在新的一轮重新进行簇头选举。通过设定一个阈值来确保每一个节点均有成为簇头的机会。簇头选举完成后，普通节点根据簇头广播时收到的信号强度来判定加入最近的簇。成为簇头的节点在路由阶段，需要采集自身和簇头成员的数据，并将之发送给sink。LEACH的缺陷：在大规模的网络中，远离sink的簇直接与sink通信，容易导致能量耗尽而失效。

DEBUC算法对LEACH算法改进了。该算法对LEACH簇头选举进行了改进，考虑了剩余能量和与sink距离的影响。在簇间路由时设计了以簇头间的剩余能量、簇内节点数目、簇与sink的距离的为权值的函数，更好地平衡了簇头节点之间的能量消耗。

在对WSNs上述问题的研究文献中，专家学者采用分簇的路由机制来减少能量消耗、均衡网络开销。大量的研究表明，采用分簇路由机制有效地延迟了能量 空洞现象的出现，延长了网络的生命周期，充分地利用了网络的各节点能量。

国内外一些专家学者也采用移动协助方式来减少节点的能量消耗。移动协助传感器网络一般采用移动sink策略来实现。在实时性要求比较高的网络环境中，如战场信息采集，一般的静止基站网络无法较好地满足该要求，容易造成数据无法及时送达。此时使用移动的sink(如无人机搭载、士兵身上穿戴)汇集兴趣信息较好地满足了此类环境需求。移动sink的引入，在整体上减少了节点数据的转发跳数，减少了网络的能量消耗，从而延长了网络的生命周期。

Ma M等提出的M-collector算法(为便于记忆)是一种基于多移动sink的算法。该算法在设计单个M-collector时，将最大限度地减少M-collector路径的长度的问题简化为一个混合整数规划模型。针对单个M-collector无法遍历整个网络的情况时，该算法采用多M-collector同时遍历较短的子旅行路径的策略来达到减少延迟的目的。

该算法在设计单个M-collector移动策略时，假设M-collector只能在进入普通节点通信范围内时，才收集该节点的数据。从该假设可以看出，该M-collector也是采用单跳收集数据。在通信半径r与网络半径R比值r/R→0时，等价于旅行商问题。该问题即是减少M-collector的周游长度。然后该算法采用混合整数规划来求解一条访问节点的最优路径。最后该算法提出使用多M-collector算法来解决应用程序时延问题，使用生成树覆盖算法来划分子网络，每个子网络中设计一个M-collector。

在静止的WSNs中，非均匀成簇能较好均衡网络的能量消耗、延长网络生命周期。但当节点数据的转发跳数太多时，WSNs的能量消耗将会增加，造成网络性能下降。采用移动协助策略，能减少节点数据的转发跳数，但较大的时延使消息数据无法及时地传递给sink。

基于此，本方法采用移动sink和非均匀分簇的策略来设计路由算法。本方法采用移动协助策略，使用移动sink来减少节点消息数据的转发跳数。并在该思想上引入了RPs节点，使用RPs节点对接收到的消息数据进行缓存，以此来满足应用程序时延。利用非均匀分簇思想来均衡各节点的能量消耗。本文算法在满足应用程序时延的前提下，最大化地降低了网络的能量消耗，同时均衡了网络中各节点的能量销耗，从而延长了网络的生命周期。

发明内容

本发明提出了采用移动sink和非均匀分簇的策略来设计路由方法。本方法使用移动sink来减少节点消息数据的转发跳数。并在该思想上引入了RPs节点，使用RPs节点对接收到的消息数据进行缓存，以此来满足应用程序时延。利用非均匀分簇思想来均衡各节点的能量消耗。从而在满足应用程序时延的前提下有效地提高了网络的生命周期。

为了实现以上目的，本发明提出的技术方案：非均匀分簇的移动协助WSNs路由方法，包括初始阶段、分簇阶段、RPs确定阶段、路由阶段。四个阶段，具体步骤如下：

①初始阶段：首先进行网络的部署，在完成网络部署后，根据公式(1)和公式(2)计算sink的可能运动半径，该值在后续运行过程中不再进行计算；

②分簇阶段：本方法分簇过程如图2所示，首先在网络中通过预先设定的阈值选取一批随机节点作为候选簇头。在此基础上，计算各候选簇头节点的距离梯度和剩余能量因子(公式(4)、公式(5))，根据两个因子计算出候选簇头的竞争半径(公式(6))。并按剩余能量大的候选节点优先广播，普通节点选择最近的簇加入完成分簇过程。

③RPs确定阶段:根据公式(7)、(8)分别确定RPs集合的宽度和个数范围。根据公式(9)-公式(14)建立的0-1整数规划模型求解最优的RP从属簇头节点集合问题。最后使用遗传算法求解该0-1整数规划问题。

④多层路由：簇形成时。普通成员节点将消息数据发送给簇头节点。簇头接收并融合处理消息数据,然后进行簇间路由。簇间路由时,对任意簇头i，若在sink单跳范围内，则等待sink运动到其通信范围内直接与移动sink通信。否则，需要转发。簇头i沿最短路径传递消息给与其对应RP节点。RP节点与sink进行通信。

本发明的有益效果主要有以下几点：1)本发明在网络初始化阶段计算了移动sink的可能轨迹时考虑了应用程序时延和网络总能量消耗，更加接近真实应用；2)本发明改进了非均匀成簇机制，在计算竞争半径时，考虑到了节点相对于移动sink的距离和节点的剩余能量因子，更加均衡了簇头节点之间的能量消耗；3)本发明构建RPs的从属簇头节点问题时采用的0-1整数规划模型，且使用遗传算法求解该模型，便于扩展到更大规模的网络；4)在多层路由阶段，使用的多层路由，更加方便管理和拓扑控制。

附图说明

图1为本发明流程图。

图2为本发明的非均匀分簇的示意图。

图3为本发明的网络模型示意图。

图4为遗传算法流程图。

图5为三种算法与本发明的簇头数目对比图。

图6为三种算法与本发明的生命周期对比图。

图7为三种算法与本发明的剩余总能量对比图。

具体实施方式

图3为网络模型示意图，在半径为226m圆形区域内随机部署1600个传感器节点，sink位于(0,0)位置处，具体模型为：

①sink节点沿固定轨迹做圆周运动，速率大小恒定，sink节点的能量足够，存储容量不受限制。

②所有普通传感器节点同构，即节点的初始能量、通信半径、存储容量、消息产生率均相同。

③所有普通传感器节点已知网络中心位置，并能使用GPS辅助设备进行定位。

④移动sink和传感器节点的发射功率可调，可按照自身需求进行广播或数据接收、转发等，以达到节约能量目的。

整体过程：初始阶段、分簇阶段、RPs确定阶段、路由阶段。方法的初始阶段为网络部署阶段，普通的传感器节点部署采用机撒或人工部署，而移动sink的轨迹确定计算考虑了应用程序时延和网络的总能量消耗。然后进入分簇阶段，先在网络中选取一批候选簇头，方法计算候选簇头的竞争簇半径，考虑节点与移动sink的距离梯度、剩余能量等因子，并根据剩余能量大小来广播簇头竞选成功消息，普通节点加入距离最近的簇头，进而完成整个分簇阶段。RPs的确定阶段，讨论了RPs节点集合的选取宽度和个数问题。针对簇头节点所从属的RP节点选取问题，算法将之简化为0-1整数规划模型，该模型讨论了最优化RPs的总能量消耗问题。本方法采用遗传算法求出该0-1整数规划模型解的近似最优RPs的从属节点集合，采用公式(15)计算遗传算法中的适应值，并使用行来进行交叉变异。在路由阶段时，本方法采用多层级的路由：簇头采集簇内成员的数据(包 括数据融合)并担任中继节点的任务，RPs节点缓存簇头节点转发来的消息到移动sink。

1)初始阶段

本发明首先进行网络部署，在网络部署完成之后,计算sink的可能运动轨迹，计算根据节点到移动sink的距离等初始化参数，具体过程如下：

①计算sink轨迹

若能在应用程序时延要求范围内，取得整个网络消耗能量最小值，则sink半径取值为

$R_s=\frac{\sqrt{2}}{2}R---\left(1\right)$

若无法满足应用要求时延，sink的运动半径需要满足条件如下：

2πRs≤VD_r         (2) 

②根据公式(3),计算每个节点i到sink的相对距离：

$d(i,s)=|\sqrt{x_i^2+y_i^2}-R_S|---\left(3\right)$

2)分簇阶段

①首先选取一批候选簇头，然后计算候选簇头的竞选半径。

②每个节点根据公式(4)、(5)计算得到相对sink距离梯度因子和剩余能量因子：

$\mathrm{\η}\left(e\right)=\frac{E_{r\_j}-E_{r\_\min }}{E_{r\_\max }-E_{r\_\min }}---\left(5\right)$

③按公式(6)计算各候选簇头节点的竞选半径：

R_{j_cp}＝(1-C×(1-n(e))×(1-w(d)))×R₀       (6) 

④按剩余能量最大者优先进行簇头竞选成功广播，如该候选节点已经收到广播，则退出竞选。

$t_j=k\×T_{\mathrm{CH}}\×\frac{{\stackrel{\‾}{E}}_{\mathrm{NT}\_j}}{E_{r\_j}}---\left(7\right)$

簇头广播完成后，普通节点加入最近的簇，完成分簇阶段。

3)RPs确定阶段

①RPs节点集合的最大宽度为：

②RPs集合的个数至少为公式(9)才能使网络的性能更优。

③簇头节点所属的RP节点选取问题，建立的0-1整数规划模型为(9)-(14):

$\min \underset{i=1}{\overset{n_m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n_{\mathrm{cp}}}{\mathrm{\Σ}}}{w}_i{a}_{\mathrm{ij}}{h}_{\mathrm{ij}}---\left(10\right)$

s.t.

$\underset{j=1}{\overset{n_{\mathrm{cp}}}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}=1,\∀i---\left(11\right)$

$\underset{i=1}{\overset{n_m}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}\≥1,\∀j---\left(12\right)$

$\mathrm{\α\λ}{\mathrm{DE}}_0\underset{i=1}{\overset{n_m}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}{h}_{\mathrm{ij}}{E}_{i\_\mathrm{cp}}\left(n\right)\≤E_{r\_j},\∀j---\left(13\right)$

$\mathrm{\β\λD}\underset{i=1}{\overset{n_m}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}{E}_{i\_\mathrm{cp}}\left(n\right)\≤c,\∀j---\left(14\right)$

公式9为目标函数表示的是簇头节点的消息传递到RPs的跳数和最小，也即RPs节点接收簇头消耗的能量和最小。由于非均匀分簇，各簇头节点传输的数据量期望不同。其中w_i为每个簇头节点i传递的消息数据量权值。公式10表示的是每一个子RPs节点i仅为一个RP节点的从属节点。公式11表示的是每一个RPs节点i的子RPs节点个数多于1。公式12表示的是每一个RP节点接收数据消息消耗的总能量的α(0≤α≤1)倍不大于其剩余能量。公式13表示单个候选RP节点接收的数据量β(0≤β≤1)倍不超过其存储容量。α，β是数据融合对数据量大小的影响因子。公式14给出了每个簇头i传递消息数据量权值。

④使用遗传算法求解该0-1整数规划模型。依次执行过程如下：

(1)确定使用二进制进行编码；

(2)随机产生一个初始群体，确保每个个体都满足约束条件公式(11)-公式(14)；

(3)计算每个染色体的适应值，本文采用目标函数公式(15)作为适应值，并选择进行交叉和变异的父代染色体；

$f\left(a_{\mathrm{ij}}^l\right)=\frac{1}{(1+\underset{i=1}{\overset{n_m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n_{\mathrm{cp}}}{\mathrm{\Σ}}}{w}_i{a}_{\mathrm{ij}}^l{h}_{\mathrm{ij}})}---\left(15\right)$

(4)对选出的染色体进行行级交叉及变异操作；

(5)重复(3)、(4)直至满足终止条件。

全过程如图4所示。

4)多层路由阶段：

普通成员节点将消息数据发送给簇头节点。簇头接收并融合处理消息数据，然后进行簇间路由。簇间路由时，对任意簇头i，若在sink单跳范围内，则等待sink运动到其通信范围内直接与移动sink通信。否则，需要转发。簇头i沿最短路径传递消息给与其对应RP节点。最后RP节点与sink进行通信。

本发明与UCMA、LEACH、M-collector、MASP在网络性能的比较结果如图5-图7。图5的簇头数目的对比显示了本发明簇结构有较好的稳定性，图6生命周期对比和图7的网络总剩余能量的对比显示了本发明更好地均衡了簇头能量的消耗，更大地提高了网络的生命周期。

Claims (6)

1.基于非均匀分簇的移动协助无线传感器网络路由方法，其特征在于采用移动协助和非均匀分簇相结合的方法。所述方法包括四个阶段：初始阶段、分簇阶段、RPs(rendezvous points)确定阶段、路由阶段。在初始化阶段时，考虑应用程序时延和网络的总能量消耗，来计算移动sink的轨迹。分簇阶段时，考虑距离梯度、剩余能量等因子计算簇头的竞选半径。RPs确定阶段，确定了RP节点的宽度范围和个数，采用0-1整数规划模型来求解簇头所从属的RP问题，最后采用遗传算法求解该问题。路由阶段时，采用多层路由，簇头收集簇内节点数据转发给RPs节点，RPs接收簇头的转发数据进行缓存，最后将该数据提交给移动sink。

2.根据权利1所述的基于非均匀分簇的移动协助无线传感器网络路由方法，其特征在于初始阶段，在满足应用程序时延要求下和最小化网络的总能量消耗条件下，计算了移动sink的轨迹。

3.根据权利1所述的基于非均匀分簇的移动协助无线传感器网络路由方法，其特征在于利用节点与移动sink的距离梯度、剩余能量等因子计算节点的竞争半径。

4.根据权利1所述的基于非均匀分簇的移动协助无线传感器网络路由方法，其特征在于RPs集合的确定：RPs节点集合的选取个数和宽度、具体的集合的确定。

5.根据权利1所述的基于非均匀分簇的移动协助无线传感器网络路由方法，其特征在于簇头节点从属RP节点选取：将该问题转化为最小化网络总能量消耗和问题，并在此基础上建立0-1整数规划模型，并使用遗传算法来求解该模型的近似最优解。

6.根据权利1所述的基于非均匀分簇的移动协助无线传感器网络路由方法，其特征在于多层路由构建:簇头采集簇内成员的消息数据(包括数据融合)并担任中继节点的任务，RPs节点缓存簇头节点转发来的消息，并在移动sink通信范围内将数据转发到sink。