CN106102075B - 无线传感网络中基于等级区域划分的分簇方法及系统 - Google Patents

无线传感网络中基于等级区域划分的分簇方法及系统 Download PDF

Info

Publication number
CN106102075B
CN106102075B CN201610725534.XA CN201610725534A CN106102075B CN 106102075 B CN106102075 B CN 106102075B CN 201610725534 A CN201610725534 A CN 201610725534A CN 106102075 B CN106102075 B CN 106102075B
Authority
CN
China
Prior art keywords
cluster
node
hierarchical region
domain
region
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.)
Active
Application number
CN201610725534.XA
Other languages
English (en)
Other versions
CN106102075A (zh
Inventor
李栋
陈辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201610725534.XA priority Critical patent/CN106102075B/zh
Publication of CN106102075A publication Critical patent/CN106102075A/zh
Application granted granted Critical
Publication of CN106102075B publication Critical patent/CN106102075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
    • H04W28/0221—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices power availability or consumption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • 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

本发明公开了无线传感网络中基于等级区域划分的分簇方法及系统，该方法包括：将无线传感网络监测区域进行等级区域划分；按照等级区域的等级从高到低的顺序依次确定各等级区域的最优簇数；采用轮询方式，在每轮中按照等级区域的等级从高到低的顺序，依次利用自适应分簇方法确定各等级区域的簇域；采用等级区域划分直观地产生分布式类层次型非均匀分簇，并在每个区域即等级区域中从时间上非同步实施自适应分簇策略，实现区域内比较均匀的分簇，避免周期性频繁分簇，降低分簇过程中的能量消耗；且能够较好的均衡簇内和簇间各自节点的能量消耗，延长整个网络的生存时间，并提高全网的工作性能，符合实际应用要求。

Description

无线传感网络中基于等级区域划分的分簇方法及系统
技术领域
本发明涉及通信技术领域，特别涉及一种无线传感网络中基于等级区域划分的分簇方法及系统。
背景技术
无线传感网络(Wireless Sensor Networks,WSN)，也称作无线传感器网络。无线传感网络已广泛应用于军事国防、工农业控制、环境监测、智慧城市、移动医疗、智能交通、智能家居、远程控制等领域。无线传感网络由于其自身的应用特点，其能量已成为首要问题。
现如今对无线传感网络的研究大多采用分簇路由协议来降低能量消耗，其中已出现许多分簇算法，如LEACH、LEACH-C、PEGASIS、HEED、TEEN、EEUC、DEEC等，其大多是基于LEACH算法进行改进的。而LEACH算法以随机的方式选择簇头并采取周期性轮换簇头，将整个网络的能量负载平均分配到每个传感器节点中，从而达到降低能量消耗和提高网络生存时间的目的。但是，分簇中以概率方式频繁选举簇头，没有考虑节点的剩余能量，极易造成低能量节点多次当选簇头，导致节点因能量消耗过快而过早死亡，整个网络拓扑不断变化，严重影响网络能量的均衡消耗和网络寿命。
LEACH-C是一种集中式分簇算法，需要Sink节点对全网进行分簇，操作较复杂。现有的分簇方法有两种：均匀分簇和非均匀分簇。其中，WSN只采用均匀分簇虽能较好的均衡簇内节点的能量消耗，但会造成簇间节点的能量消耗非均衡；而现有的非均匀分簇方法较复杂，且没有直观系统地介绍其操作过程，实际应用中实现比较困难。因此，如何提高能量使用效率和保存能量，是本领域技术人员需要解决的技术问题。
发明内容
本发明的目的是提供一种无线传感网络中基于等级区域划分的分簇方法及系统，能够较好的均衡簇内和簇间各自节点的能量消耗，延长整个网络的生存时间，并提高全网的工作性能，符合实际应用要求。
为解决上述技术问题，本发明提供一种无线传感网络中基于等级区域划分的分簇方法，包括：
将无线传感网络监测区域进行等级区域划分；
按照等级区域的等级从高到低的顺序依次确定各等级区域的最优簇数；
采用轮询方式，在每轮中按照等级区域的等级从高到低的顺序，依次利用自适应分簇方法确定各等级区域的簇域；
其中，利用自适应分簇方法确定等级区域的簇域包括：
当等级区域首次划分簇域时，利用LEACH算法随机选举等级区域内的簇头，并形成各簇域；
当簇域内平均剩余能量不小于预定值时，利用第一阈值在簇域内选举簇头；
当簇域内平均剩余能量小于预定值时，则等级区域重新计算最优簇数并分簇，利用第二阈值在簇域内选举簇头。
其中，将无线传感网络监测区域进行等级区域划分，包括：
将无线传感网络监测区域以汇聚节点为中心，以n*R为半径划分为多个不同的环状区域，并将同一环状区域的传感器节点标定为同一等级。
其中，按照等级区域的等级从高到低依次确定各等级区域的最优簇数，包括：
利用等级区域簇头选取概率及总能量消耗最小化原则，计算最高等级的等级区域的最优簇数；
利用等级区域间总能量消耗均衡原理，按照等级区域的等级从高到低的顺序依次确定其他等级区域的最优簇数。
其中，当等级区域首次划分簇域时，利用LEACH算法随机选举等级区域内的簇头，并形成各簇域，包括：
当等级区域首次划分簇域时，利用LEACH算法使等级区域内各节点随机生成一个0至1之间的随机数；
将比T(n)小的随机数对应的节点选作簇头，选定簇头节点后，通过广播告知等级区域内其他节点，其他节点根据接收信息的信号强度确定从属的簇头，并通知相应的簇头节点，完成簇域建立；
其中，
其中，p是预期簇头数目所占比重，r是当前轮数；G为在前1/p轮中从未当选簇头的节点集合。
其中，所述第一阈值具体为：
其中，参数权重λ∈(0,1)，d1为簇内成员节点到备选簇头节点n的平均距离，d2为备选簇头节点n到汇聚节点的距离，Ecur为节点n当前的剩余能量，Einit为节点n的初始能量，Emin为一轮中簇头节点所需要消耗的能量。
其中，当簇域内平均剩余能量小于预定值时，则等级区域重新计算最优簇数并分簇，利用第二阈值在簇域内选举簇头，包括：
当簇域内平均剩余能量小于预定值时，则根据等级区域内死亡节点数量NnR×death，利用(NnR-NnR×death)×pn计算最优簇数并分簇，并利用第二阈值T2(n)在簇域内选举簇头；
其中，
其中，NnR为每个区域传感器节点总数，pn为每个区域簇头选取概率。
其中，依次利用自适应分簇方法确定各等级区域的簇域之后，还包括：
各簇域的簇头利用TDMA方式为成员节点分配时隙，当到成员节点的时间槽时，成员节点被激活，并将采集到的数据发送到簇头，簇头将融合后的数据传输至汇聚节点。
其中，簇头将融合后的数据传输至汇聚节点，包括：
簇头利用根据贪婪算法计算得到的最优路由路径将融合后的数据传输至汇聚节点。
本发明还提供一种无线传感网络中基于等级区域划分的分簇系统，包括：
等级区域划分模块，用于将无线传感网络监测区域进行等级区域划分；
最优簇数计算模块，用于按照等级区域的等级从高到低的顺序依次确定各等级区域的最优簇数；
簇域计算模块，用于采用轮询方式，在每轮中按照等级区域的等级从高到低的顺序，依次利用自适应分簇方法确定各等级区域的簇域；
其中，所述簇域计算模块包括：
第一计算单元，用于当等级区域首次划分簇域时，利用LEACH算法随机选举等级区域内的簇头，并形成各簇域；
第二计算单元，用于当簇域内平均剩余能量不小于预定值时，利用第一阈值在簇域内选举簇头；
第三计算单元，用于当簇域内平均剩余能量小于预定值时，则等级区域重新计算最优簇数并分簇，利用第二阈值在簇域内选举簇头。
其中该系统，还包括：
数据传输模块，用于各簇域的簇头利用TDMA方式为成员节点分配时隙，当到成员节点的时间槽时，成员节点被激活，并将采集到的数据发送到簇头，簇头将融合后的数据传输至汇聚节点。
本发明所提供的无线传感网络中基于等级区域划分的分簇方法，包括：将无线传感网络监测区域进行等级区域划分；按照等级区域的等级从高到低的顺序依次确定各等级区域的最优簇数；采用轮询方式，在每轮中按照等级区域的等级从高到低的顺序，依次利用自适应分簇方法确定各等级区域的簇域；
可见，该方法采用等级区域划分直观地产生分布式类层次型非均匀分簇，并在每个区域即等级区域中从时间上非同步实施自适应分簇策略，实现区域内比较均匀的分簇，避免周期性频繁分簇，降低分簇过程中的能量消耗；且能够较好的均衡簇内和簇间各自节点的能量消耗，延长整个网络的生存时间，并提高全网的工作性能，符合实际应用要求，本发明还提供一种无线传感网络中基于等级区域划分的分簇系统，具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的无线传感网络中基于等级区域划分的分簇方法的流程图；
图2为本发明实施例所提供的矩形监控区域的示意图；
图3为本发明实施例所提供的等级区域划分示的示意图；
图4为本发明实施例所提供的某轮分簇形成的示意图；
图5为本发明实施例所提供的数据传输的示意图；
图6为本发明实施例所提供的无线传感网络中基于等级区域划分的分簇系统的结构框图。
具体实施方式
本发明的核心是提供一种无线传感网络中基于等级区域划分的分簇方法及系统，能够较好的均衡簇内和簇间各自节点的能量消耗，延长整个网络的生存时间，并提高全网的工作性能，符合实际应用要求。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明实施例所提供的无线传感网络中基于等级区域划分的分簇方法的流程图；该方法可以包括：
S100、将无线传感网络监测区域进行等级区域划分；
其中，这里的无线传感网络监测区域可以有用户进行确定，且该监测区域的形态也可以由用户进行选择确定，例如无线传感网络的监测区域可以是矩形或圆形区域，且该区域是可以适度扩展的。
具体的，以矩形监控区域为例进行说明，请参考图2，在监测区域内投放大量静止的传感器节点，Sink节点位于区域附近，且它知道区域中传感器节点的位置和ID。请参考图3将无线传感网络监测区域以汇聚节点为中心，以n*R(n＝1,2，…)为半径划分为多个不同的环状区域，并将同一环状区域的传感器节点标定为同一等级。
具体的，WSN进行等级区域划分的大概示意图，其WSN监测区域以汇聚节点为中心，以n*R(n＝1,2，…)为半径，划分为多个不同的环状区域，并将同一环状区域的传感器节点标定为同一等级，离Sink节点最近的等级区域为第1等级，然后依次是第2等级、第3等级、…第n等级。
其中，无线传感网络中汇聚节点(即Sink节点)可以位于监测区域内，也可以位于监测区域附近。无线传感网络WSN的监测区域的等级区域划分是一种辅助于直观实现非均匀分簇的划分方法。
S110、按照等级区域的等级从高到低的顺序依次确定各等级区域的最优簇数；
其中，这里的按照等级区域的等级从高到低的顺序依次确定各个等级区域的最优簇数即等级高的等级区域先进行簇数确定。一般距离Sink节点越近的等级区域的等级越高。且每个等级区域的簇数各不相同，随离Sink节点的距离增加而逐渐变少，最优分簇个数能够保证自适应分簇策略的实施。
具体的，按照等级区域的等级从高到低依次确定各等级区域的最优簇数，包括：
利用等级区域簇头选取概率及总能量消耗最小化原则，计算最高等级的等级区域的最优簇数；
利用等级区域间总能量消耗均衡原理，按照等级区域的等级从高到低的顺序依次确定其他等级区域的最优簇数。
即无线传感网络监测区域进行等级区域划分后，首先对离汇聚节点最近的第1等级区域(等级最高的等级区域)采用区域簇头选取概率和总能量消耗最小化原则计算最优分簇个数，然后根据区域间总能量消耗均衡原理确定其他等级区域的最优簇数。请参考图4，由图可知此方法可以产生整个网络的分布式类层次型非均匀分簇，而区域内分簇是比较均匀的。每簇中有簇头节点CH，簇内的成员节点CM。
具体实时过程可以如下：
无线传感网络监测区域进行等级区域划分后，首先对离汇聚节点最近的第1等级区域采用等级区域簇头选取概率和总能量消耗最小化原则计算最优分簇个数，然后根据等级区域间总能量消耗均衡原理确定其他等级区域的最优簇数。其中，每个等级区域的簇头选取概率不同，随离Sink节点的距离增加而依次变小，保证非均匀分簇。
假设WSN被分成n个等级区域，每个等级区域的半径为n*R，每个等级区域传感器节点总数为NnR，每个等级区域簇头选取概率为pn，从而每个等级区域的簇头数为NnR×pn，即分簇的个数，则一个簇内成员节点数为保证各自等级区域中每个簇内节点数相同而实现均匀分簇。若每个节点在各自时隙中发送Kbit数据，其WSN能量模型采用自由空间模型，则在第1等级区域中，一个簇内簇头节点能耗为：
其中i∈(1，2，…，n)，第n等级区域时i为n，CH代表簇头节点；
一个簇内全体成员节点总能耗为：其中CM代表簇内的成员节点；
因此，第1等级区域的总能耗为：(ER*CH+ER*CM)，其中j∈(1，2，…，NR×P1)；
根据总能量消耗最小化原则可知，由得P1，继而可得第1等级区域的最优簇数为NR×P1。另外，根据区域间总能量消耗均衡原理，由ER*Total＝E2R*Total得P2，从而可依次得Pn(n＝1,2，…)，最终可获得每个区域的最优簇数为NnR×Pn。
S120、采用轮询方式，在每轮中按照等级区域的等级从高到低的顺序，依次利用自适应分簇方法确定各等级区域的簇域；
其中，WSN自适应分簇过程只是在每个划分好的等级区域中进行，不会跨越等级区域，且每个等级区域分簇过程是在不同时刻进行的，即一个等级区域进行分簇时，其它等级区域的节点休眠。且轮询进行，例如每完成一个任务进行一次自适应分簇，且在每轮中按照等级区域的等级从高到低的顺序依次进行；无线传感网络的每个等级区域中的簇规模大小是比较均匀的，而等级区域间簇大小是非均匀的。
其中，利用自适应分簇方法确定等级区域的簇域包括：
当等级区域首次划分簇域时，利用LEACH算法随机选举等级区域内的簇头，并形成各簇域；
具体的，当等级区域首次划分簇域时，利用LEACH算法使等级区域内各节点随机生成一个0至1之间的随机数；
将比T(n)小的随机数对应的节点选作簇头，选定簇头节点后，通过广播告知等级区域内其他节点，其他节点根据接收信息的信号强度确定从属的簇头，并通知相应的簇头节点，完成簇域建立；
其中，
其中，p是预期簇头数目所占比重，r是当前轮数；G为在前1/p轮中从未当选簇头的节点集合。
当簇域内平均剩余能量不小于预定值时，利用第一阈值在簇域内选举簇头；
具体的，第一阈值具体为：
其中，参数权重λ∈(0,1)，需根据实际应用环境选择不同的权重参数值，d1为簇内成员节点到备选簇头节点n的平均距离，d2为备选簇头节点n到汇聚节点的距离，Ecur为节点n当前的剩余能量，Einit为节点n的初始能量，Emin为一轮中簇头节点所需要消耗的能量，即上述的ER*CH。此设置能够保证所选簇头节点的剩余能量较多，簇内成员节点到簇头节点的平均距离及簇头节点到Sink节点的距离都较短，尽可能降低节点的能量消耗，并均衡节点的能量消耗。
当簇域内平均剩余能量小于预定值时，则等级区域重新计算最优簇数并分簇，利用第二阈值在簇域内选举簇头。
具体的，当簇域内平均剩余能量小于预定值时，则根据等级区域内死亡节点数量NnR×death，利用(NnR-NnR×death)×pn计算最优簇数并分簇，并利用第二阈值T2(n)在簇域内选举簇头；
其中，
其中，NnR为每个区域传感器节点总数，pn为每个区域簇头选取概率。
具体的，预定值要根据用户的需求进行设定，这里并不对具体数值进行限定，例如该预定值可以是节点初始能量的20％。依此数据为例说明上述过程如下：
(1)第一轮分簇依据传统的LEACH算法进行随机选举簇头；
(2)后续轮分簇只进行簇内调整，簇内节点保持不变，但需依据第一阈值进行选举新簇头；
(3)若干轮分簇后，如果某个簇内平均剩余能量小于节点初始能量的20％，则此区域需重新计算最优簇数并分簇，依据第二阈值选举新簇头；
(4)每轮选举簇头节点结束后，除只进行簇内调整外，其它情况下普通节点需依据RSSI(接收信号强度)计算出离相应簇头节点的距离，然后选择数据传输能耗最小的簇头节点加入，并形成具体簇域；
经过自适应簇域确定后，无线传感网络每个区域出现死亡节点的时刻几乎相同，且死亡节点数几乎一样，如此可以保证由内到外区域的重新分簇数依次变小，保持实现非均匀分簇，解决了无线传感网络中簇内和簇间各自能量消耗不均衡、整个网络生存时间不长以及全网工作性能不高的问题。
基于上述实施例，本发明实施例提供的无线传感网络中基于等级区域划分的分簇方法，采用等级区域划分直观地产生分布式类层次型非均匀分簇，并在每个等级区域中从时间上非同步实施自适应分簇策略，实现等级区域内比较均匀的分簇，避免现有方法中的周期性频繁分簇，降低分簇过程中的能量消耗。另外，该实施例能够延长第一个节点的死亡时间，并且全网节点几乎是在同一时刻或其小范围的附近时刻死亡，在每一时刻全网总能量消耗较少，即能够较好的均衡簇内和簇间各自节点的能量消耗，延长整个网络的生存时间，并提高全网的工作性能，较符合实际应用要求。
基于上述实施例，依次利用自适应分簇方法确定各等级区域的簇域之后，该方法还可以包括：
各簇域的簇头利用TDMA方式为成员节点分配时隙，当到成员节点的时间槽时，成员节点被激活，并将采集到的数据发送到簇头，簇头将融合后的数据传输至汇聚节点。
具体的，每个等级区域中的每个簇内的簇头节点在簇域形成后，会依据TDMA方式为簇内成员节点分配时隙，开始时簇内成员节点均处于休眠状态，当节点的时间槽到来时节点会被激活，从而采集数据并发送到簇首，之后簇首对接收到的数据进行融合，并传输融合后的数据至汇聚节点；
其中，WSN数据传输中，其第1等级区域(等级最高的等级区域)的簇头节点需把自身融合的数据和由其他区域转发过来的数据直接传输至汇聚节点，而其他区域中的簇头节点需选取最优路由路径传输融合数据至汇聚节点。
可选的，簇头将融合后的数据传输至汇聚节点，包括：
簇头利用根据贪婪算法计算得到的最优路由路径将融合后的数据传输至汇聚节点。
具体的，请参考图5，在簇头节点融合的数据需要通过最优路由路径由外向内转发至汇聚节点，其中最优路由路径的选取采用贪婪算法进行，每次簇头节点总是选择路径相对较短的靠前邻居区域的簇头节点作为下一跳进行数据传输，最终到达汇聚节点。每完成一个任务循环，需执行新一轮的自适应簇域确定。
基于上述实施例，本发明实施例提供的无线传感网络中基于等级区域划分的分簇方法，采用通过对WSN进行等级区域划分以实现分布式类层次型非均匀分簇，并在每个区域中采用自适应分簇策略进行分簇，分簇完成后簇间数据传输考虑采用贪婪路由方法进行，本实施例提出的对WSN进行等级区域划分的方法，以便尽可能比较直观系统地实现全网非均匀分簇，从而均衡簇间能量消耗。另外，在WSN的每个区域中确定最优簇数并进行自适应分簇，区域中分簇比较均匀，确保区域中每个簇内的节点能量消耗均衡，最终实现全网均衡节点能量消耗，延长整个网络的生命周期，提高全网的工作性能。
下面对本发明实施例提供的无线传感网络中基于等级区域划分的分簇系统进行介绍，下文描述的无线传感网络中基于等级区域划分的分簇系统与上文描述的无线传感网络中基于等级区域划分的分簇方法可相互对应参照。
请参考图6，图6为本发明实施例所提供的无线传感网络中基于等级区域划分的分簇系统的结构框图；该系统可以包括：
等级区域划分模块100，用于将无线传感网络监测区域进行等级区域划分；
最优簇数计算模块200，用于按照等级区域的等级从高到低的顺序依次确定各等级区域的最优簇数；
簇域计算模块300，用于采用轮询方式，在每轮中按照等级区域的等级从高到低的顺序，依次利用自适应分簇方法确定各等级区域的簇域；
其中，所述簇域计算模块300包括：
第一计算单元，用于当等级区域首次划分簇域时，利用LEACH算法随机选举等级区域内的簇头，并形成各簇域；
第二计算单元，用于当簇域内平均剩余能量不小于预定值时，利用第一阈值在簇域内选举簇头；
第三计算单元，用于当簇域内平均剩余能量小于预定值时，则等级区域重新计算最优簇数并分簇，利用第二阈值在簇域内选举簇头。
基于上述实施例，该系统还包括：
数据传输模块，用于各簇域的簇头利用TDMA方式为成员节点分配时隙，当到成员节点的时间槽时，成员节点被激活，并将采集到的数据发送到簇头，簇头将融合后的数据传输至汇聚节点。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的无线传感网络中基于等级区域划分的分簇方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (9)

1.一种无线传感网络中基于等级区域划分的分簇方法，其特征在于，包括：
将无线传感网络监测区域进行等级区域划分；
按照等级区域的等级从高到低的顺序依次确定各等级区域的最优簇数；
采用轮询方式，在每轮中按照等级区域的等级从高到低的顺序，依次利用自适应分簇方法确定各等级区域的簇域；
其中，利用自适应分簇方法确定等级区域的簇域包括：
当等级区域首次划分簇域时，利用LEACH算法随机选举等级区域内的簇头，并形成各簇域；
当簇域内平均剩余能量不小于预定值时，利用第一阈值在簇域内选举簇头；
当簇域内平均剩余能量小于预定值时，则等级区域重新计算最优簇数并分簇，利用第二阈值在簇域内选举簇头；
其中，所述第一阈值具体为：
其中，参数权重λ∈(0,1)，d1为簇内成员节点到备选簇头节点n的平均距离，d2为备选簇头节点n到汇聚节点的距离，Ecur为节点n当前的剩余能量，Einit为节点n的初始能量，Emin为一轮中簇头节点所需要消耗的能量，p是预期簇头数目所占比重，r是当前轮数；G为在前1/p轮中从未当选簇头的节点集合。
2.根据权利要求1所述的分簇方法，其特征在于，将无线传感网络监测区域进行等级区域划分，包括：
将无线传感网络监测区域以汇聚节点为中心，以n*R为半径划分为多个不同的环状区域，并将同一环状区域的传感器节点标定为同一等级。
3.根据权利要求2所述的分簇方法，其特征在于，按照等级区域的等级从高到低依次确定各等级区域的最优簇数，包括：
利用等级区域簇头选取概率及总能量消耗最小化原则，计算最高等级的等级区域的最优簇数；
利用等级区域间总能量消耗均衡原理，按照等级区域的等级从高到低的顺序依次确定其他等级区域的最优簇数。
4.根据权利要求3所述的分簇方法，其特征在于，当等级区域首次划分簇域时，利用LEACH算法随机选举等级区域内的簇头，并形成各簇域，包括：
当等级区域首次划分簇域时，利用LEACH算法使等级区域内各节点随机生成一个0至1之间的随机数；
将比T(n)小的随机数对应的节点选作簇头，选定簇头节点后，通过广播告知等级区域内其他节点，其他节点根据接收信息的信号强度确定从属的簇头，并通知相应的簇头节点，完成簇域建立；
其中，
其中，p是预期簇头数目所占比重，r是当前轮数；G为在前1/p轮中从未当选簇头的节点集合。
5.根据权利要求4所述的分簇方法，其特征在于，当簇域内平均剩余能量小于预定值时，则等级区域重新计算最优簇数并分簇，利用第二阈值在簇域内选举簇头，包括：
当簇域内平均剩余能量小于预定值时，则根据等级区域内死亡节点数量NnR×death，利用(NnR-NnR×death)×pn计算最优簇数并分簇，并利用第二阈值T2(n)在簇域内选举簇头；
其中，
其中，NnR为每个区域传感器节点总数，pn为每个区域簇头选取概率。
6.根据权利要求5所述的分簇方法，其特征在于，依次利用自适应分簇方法确定各等级区域的簇域之后，还包括：
各簇域的簇头利用TDMA方式为成员节点分配时隙，当到成员节点的时间槽时，成员节点被激活，并将采集到的数据发送到簇头，簇头将融合后的数据传输至汇聚节点。
7.根据权利要求6所述的分簇方法，其特征在于，簇头将融合后的数据传输至汇聚节点，包括：
簇头利用根据贪婪算法计算得到的最优路由路径将融合后的数据传输至汇聚节点。
8.一种无线传感网络中基于等级区域划分的分簇系统，其特征在于，包括：
等级区域划分模块，用于将无线传感网络监测区域进行等级区域划分；
最优簇数计算模块，用于按照等级区域的等级从高到低的顺序依次确定各等级区域的最优簇数；
簇域计算模块，用于采用轮询方式，在每轮中按照等级区域的等级从高到低的顺序，依次利用自适应分簇方法确定各等级区域的簇域；
其中，所述簇域计算模块包括：
第一计算单元，用于当等级区域首次划分簇域时，利用LEACH算法随机选举等级区域内的簇头，并形成各簇域；
第二计算单元，用于当簇域内平均剩余能量不小于预定值时，利用第一阈值在簇域内选举簇头；
其中，所述第一阈值具体为：
其中，参数权重λ∈(0,1)，d1为簇内成员节点到备选簇头节点n的平均距离，d2为备选簇头节点n到汇聚节点的距离，Ecur为节点n当前的剩余能量，Einit为节点n的初始能量，Emin为一轮中簇头节点所需要消耗的能量，p是预期簇头数目所占比重，r是当前轮数；G为在前1/p轮中从未当选簇头的节点集合；
第三计算单元，用于当簇域内平均剩余能量小于预定值时，则等级区域重新计算最优簇数并分簇，利用第二阈值在簇域内选举簇头。
9.根据权利要求8所述的分簇系统，其特征在于，还包括：
数据传输模块，用于各簇域的簇头利用TDMA方式为成员节点分配时隙，当到成员节点的时间槽时，成员节点被激活，并将采集到的数据发送到簇头，簇头将融合后的数据传输至汇聚节点。
CN201610725534.XA 2016-08-25 2016-08-25 无线传感网络中基于等级区域划分的分簇方法及系统 Active CN106102075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610725534.XA CN106102075B (zh) 2016-08-25 2016-08-25 无线传感网络中基于等级区域划分的分簇方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610725534.XA CN106102075B (zh) 2016-08-25 2016-08-25 无线传感网络中基于等级区域划分的分簇方法及系统

Publications (2)

Publication Number Publication Date
CN106102075A CN106102075A (zh) 2016-11-09
CN106102075B true CN106102075B (zh) 2019-07-09

Family

ID=57225878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610725534.XA Active CN106102075B (zh) 2016-08-25 2016-08-25 无线传感网络中基于等级区域划分的分簇方法及系统

Country Status (1)

Country Link
CN (1) CN106102075B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106454905B (zh) * 2016-11-25 2019-11-22 重庆邮电大学 一种改进的无线传感网层次型多链路方法
CN106850826A (zh) * 2017-02-23 2017-06-13 上海喆之信息科技有限公司 一种医疗院外远程管理系统
CN108848476A (zh) * 2018-06-21 2018-11-20 河南科技大学 传感器网络中基于通信距离控制的高能效数据汇聚算法
CN109041158A (zh) * 2018-06-30 2018-12-18 沈阳师范大学 一种基于数据聚合的层次路由协议的无线传感器神经网络智能控制方法及系统
CN109239812A (zh) * 2018-09-26 2019-01-18 广州文搏科技有限公司 一种天气舒适度智能监测装置
CN110049526A (zh) * 2019-04-12 2019-07-23 山东师范大学 Wsn中基于改进分簇算法的数据收集方法及系统
CN110972229A (zh) * 2019-11-28 2020-04-07 佛山科学技术学院 一种桥梁环境下的无线传感器网络的路由方法及系统
CN111510984B (zh) * 2020-03-02 2021-11-30 中国农业大学 基于无线传感器节点的分簇方法、系统、设备及存储介质
CN111641993B (zh) * 2020-06-09 2022-06-03 安徽理工大学 一种能量感知动态拓扑控制的时间同步方法
CN113271574A (zh) * 2021-05-12 2021-08-17 深圳市东恒尚科信息技术有限公司 一种基于物联网的数据收集分析系统
CN113825219B (zh) * 2021-11-10 2022-06-24 慕思健康睡眠股份有限公司 一种人体数据搜集方法及装置
CN113965948A (zh) * 2021-12-02 2022-01-21 辽宁铭钉科技有限公司 一种基于自适应分簇网络的传感器数据采集方法
CN116600366B (zh) * 2023-06-02 2023-10-27 中国通信建设第三工程局有限公司 一种基于无线通信网络的数据获取方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101394321A (zh) * 2008-09-25 2009-03-25 重庆邮电大学 基于“能量均衡”的集群无线传感器网络非均匀分簇方法
CN102572996A (zh) * 2012-02-24 2012-07-11 重庆大学 一种异构传感网中基于圆环域的节点能耗均衡方法
CN103987100A (zh) * 2014-03-27 2014-08-13 南京邮电大学 基于区域划分的传感网节能离取改进方法
CN104270796A (zh) * 2014-10-23 2015-01-07 湘潭大学 基于马尔科夫模型选择Sink路径的数据收集方法
CN105323818A (zh) * 2015-11-04 2016-02-10 天津理工大学 基于网络区域划分和距离的节能分簇路由方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101394321A (zh) * 2008-09-25 2009-03-25 重庆邮电大学 基于“能量均衡”的集群无线传感器网络非均匀分簇方法
CN102572996A (zh) * 2012-02-24 2012-07-11 重庆大学 一种异构传感网中基于圆环域的节点能耗均衡方法
CN103987100A (zh) * 2014-03-27 2014-08-13 南京邮电大学 基于区域划分的传感网节能离取改进方法
CN104270796A (zh) * 2014-10-23 2015-01-07 湘潭大学 基于马尔科夫模型选择Sink路径的数据收集方法
CN105323818A (zh) * 2015-11-04 2016-02-10 天津理工大学 基于网络区域划分和距离的节能分簇路由方法

Also Published As

Publication number Publication date
CN106102075A (zh) 2016-11-09

Similar Documents

Publication Publication Date Title
CN106102075B (zh) 无线传感网络中基于等级区域划分的分簇方法及系统
Gou et al. An energy balancing LEACH algorithm for wireless sensor networks
Liu et al. Intelligent data fusion algorithm based on hybrid delay-aware adaptive clustering in wireless sensor networks
Gajjar et al. FAMACROW: Fuzzy and ant colony optimization based combined mac, routing, and unequal clustering cross-layer protocol for wireless sensor networks
Gu et al. ECDC: An energy and coverage-aware distributed clustering protocol for wireless sensor networks
Aderohunmu et al. A deterministic energy-efficient clustering protocol for wireless sensor networks
Wang et al. CRPD: a novel clustering routing protocol for dynamic wireless sensor networks
Zeng et al. Real-time data report and task execution in wireless sensor and actuator networks using self-aware mobile actuators
CN108696903A (zh) 一种基于能耗均衡的leach算法优化方法
Mishra et al. Study of cluster based routing protocols in wireless sensor networks
Hady et al. Intelligent sleeping mechanism for wireless sensor networks
CN108770036A (zh) 簇头间通信方法及无线传感网络路由协议
Micheletti et al. Rotating energy efficient clustering for heterogeneous devices (REECHD)
Mishra et al. Survey on recent clustering algorithms in wireless sensor networks
Bala et al. Proficient D-SEP protocol with heterogeneity for maximizing the lifetime of wireless sensor networks
Wang et al. A novel QoS-awared grid routing protocol in the sensing layer of Internet of vehicles based on reinforcement learning
Miah et al. Performance analysis of ILEACH and LEACH protocols for wireless sensor networks
Srivastava et al. Load-balanced cluster head selection enhancing network lifetime in WSN using hybrid approach for IoT applications
Mehra et al. Energy efficient self organising load balanced clustering scheme for heterogeneous WSN
Kaur et al. Comparative analysis of clustering protocols for wireless sensor networks
Bhasgi et al. Energy and target coverage aware technique for mobile sink based wireless sensor networks with duty cycling
Patil et al. A novel AEB-AODV based AADITHYA cross layer design hibernation algorithm for energy optimization in WSN
Kim et al. An energy efficient clustering scheme for self-organizing distributed wireless sensor networks
Sivaraj et al. Energy-efficient and load distributed clustering algorithm for dense wireless sensor networks
Yue et al. A novel cluster-based data fusion algorithm for wireless sensor networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant