CN107302780A - 一种多目标情景中无线传感器网络的节能分簇方法 - Google Patents

Abstract

本发明公开了一种多目标情景中无线传感器网络的节能分簇方法，在簇生成阶段，目标关联的簇生成方法可以有效筛选与目标相关的节点加入簇，并将能量较低的节点排除，保证了网络的融合精度和网络寿命；在簇头选举阶段，簇头节点可以保证簇内的通信总消耗最优，同时防止单个节点成为多个簇的簇头，避免了个别节点负担过重快速消亡的问题；最后在拓扑裁剪的过程中，通过有效均衡节点的通信连接数来保证网络寿命，同时在削减拓扑时考虑到对融合精度的影响，尽可能减小精度损失。

Description

一种多目标情景中无线传感器网络的节能分簇方法

技术领域

本发明属于无线传感器网络和多源信息融合技术领域，具体涉及一种多目标情景中无线传感器网络的节能分簇方法，广泛应用于多智能体分布式协同中。

背景技术

近年来，在目标感知无线传感器网络中，多源信息融合技术得到了较为广泛的应用。同时，在实际应用中，考虑到无线传感器网络中节点能量，传输带宽以及计算资源的有限性，相关学者提出了一系列方法来优化传感器网络能量消耗，从而达到延长网络寿命，获得更好的实际应用效果的目的。

在无线传感器网络中，分簇算法是一种常用且有效的网络能量优化方法。分簇方法通过将传感器网络中的节点划分为多个簇，并在每个簇中设定局部的簇头节点来负责簇内信息的协调和融合工作。一般来讲，在采用分簇方法进行优化的无线传感器网络中，各节点的通信对象主要集中在簇内，通信负载和融合负载上都相对减少，能量消耗相对均衡，网络寿命相对较长。

然而，虽然现有的分簇方法可以有效地改善无线传感器网络的性能，但目前大多数的分簇方法都是针对单目标问题的，很少有针对多目标情景设计的网络分簇方法。故有必要针对多目标问题设计相应的的网络分簇方法。

发明内容

有鉴于此，本发明的目的是提供一种多目标情景中无线传感器网络的节能分簇方法，结合多目标情景下的实际需求，使得融合精度和网络寿命可以得到充分的保证。

一种多目标情景中无线传感器网络的节能分簇方法，包括如下步骤：

步骤一、目标相关的簇生成过程，具体包括以下步骤：

Step 1：当无线传感器网络中的任意一个节点发现一个目标时，该节点将会广播发送发现目标消息，网络中每个节点根据其是否收到其它节点发送的发现目标消息来确定是否有其他节点已经发起了针对同一目标的组网申请：若没有收到针对同一目标的发现目标消息，则该节点会向其它节点广播发出一个ClusterMsg申请，发起组网申请；若收到针对同一目标的发现目标消息，该节点不动作；

Step 2：每个收到ClusterMsg申请信息的节点按照式(1)给出的形式判断自身是否适合参与该簇；

其中，E_cur和E_max表示当前节点的能量值和网络中能量的最高值；||Z₂-Z₁||表示当前节点观测到的轨迹与当前簇对应的目标轨迹之间的跟踪误差，e_max表示误差上限；α为时变参数；

如果P_tch＞P_tch0，其中P_tch0表示设定的阈值，则该节点会向发起组网的节点发出MemberMsg信息来申请加入簇；如果P_tch≤P_tch0，节点不发出MemberMsg信息；

步骤二、分布式簇头选举过程，具体为：

Step 1:当前簇中每个节点基于式(2)计算出ω_head,并广播发送包含ω_head的比较消息CompareMsg；

其中，i,j＝1,2,...,N且i≠j，N表示簇内节点个数，Cluster_i表示该节点i从属于的簇，δ_i表示节点i已经成为的簇头数，deg_i表示节点i的度，d_ij表示节点i与簇内邻居节点j之间的通信距离；

Step 2：每个收到CompareMsg消息的节点均将收到的ω_head与本地计算的ω_head进行比较，若本地的ω_head较小，则向发来CompareMsg消息的节点回复一条要求对方退出簇的消息QuitMsg，收到消息QuitMsg的节点退出簇头的竞争；

Step 3：最后没有退出簇的节点发送成员信息HeadMsg给所有簇内节点，通知其他节点它成为簇头，从而结束簇头的选举过程；

步骤三、簇拓扑的裁剪过程，具体为：

Step 1：确定当前簇内每个节点关联的目标数TargetNum，然后判断目标数TargetNum是否大于上限，如果是，该节点则发送带有退簇参数ρ_leave的退簇消息LeaveMsg给簇头节点；其中，dis代表其与簇头节点的距离；如果否，该节点不发送退簇消息；

Step 2：收到退簇消息LeaveMsg的簇头节点开始查看簇内成员是否过多，若簇内成员过多，则簇头开始退簇应答，具体为：

首先，根据每个发送退簇消息节点对应的退簇参数ρ_leave计算节点对应的冗余判据δ_leave：

δ_leave＝ρ_leave×e^-angle (4)

其中，angle表示申请退簇节点和与其具有最相似观察的节点形成的夹角，该具有最相似观察的节点与申请退簇节点与目标之间的夹角最小；

然后，将计算的冗余判据δ_leave按从大到小的顺序进行排序；

最后，依据冗余判据δ_leave的排序来确定节点的退簇顺序，并发送退簇允许信息AllowMsg以使对应的节点退簇，完成该簇的拓扑裁剪；以此类推，完成其它簇的拓扑裁剪，即完成整个网络的拓扑裁剪工作。

本发明具有如下有益效果：

本发明提出了多目标情景下，在无线传感器网络中使用分布式分簇方法形成融合拓扑的一种可行方案，且融合精度和网络寿命可以得到充分的保证。其有益效果具体体现为在分布式分簇方法的三个阶段均体现了对延长网络寿命和保证融合精度的考虑：在簇生成阶段，目标关联的簇生成方法可以有效筛选与目标相关的节点加入簇，并将能量较低的节点排除，保证了网络的融合精度和网络寿命；在簇头选举阶段，簇头节点可以保证簇内的通信总消耗最优，同时防止单个节点成为多个簇的簇头，避免了个别节点负担过重快速消亡的问题；最后在拓扑裁剪的过程中，通过有效均衡节点的通信连接数来保证网络寿命，同时在削减拓扑时考虑到对融合精度的影响，尽可能减小精度损失。

总体来讲，本发明中分布式分簇方法的实际应用价值集中体现如下：

(1)在传感器网络跟踪多目标的多源信息的问题情境中，采用本分簇方法可以实现网络中能量消耗的均衡，从而充分利用网络中的资源，延长网络的寿命，提升该融合框架的实用性。

(2)本发明中的分簇方法在进行能量优化的过程中，充分地考虑优化对融合效果产生的影响，保证了在分布式的框架下，多源融合的精度和效果基本不受影响，保证了该融合框架的应用价值。

附图说明

图1为本发明的angle和dis的定义；

图2为本发明的初始分簇拓扑图；

图3为本发明的裁剪后的分簇拓扑图；

图4为本发明的整体跟踪效果图；

图5为本发明的三种方法的融合效果对比结果；

图6为本发明的三种方法的网络寿命对比结果。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

一、目标相关的簇生成过程

在目标相关的簇生成方法中，每个节点基于自身的观察结果和邻居信息确定是否发起或参与一个簇；在合适的时间段内，每个节点通过自主选择形成初步簇的结构，具体要求如下：

(1)要求加入簇的节点的剩余能量相对较高，即将消亡的节点不会成为簇成员，从而保证了整个网络的有效寿命。

(2)簇的形成与目标分布和数量密切相关。具体来讲，每一个簇对应一个目标，相应的，簇内的成员都是观察到相同或相近目标的节点，未观察到相似目标的节点一般不会在同一个簇内。

进一步，我们给出节点对簇的适应度P_tch，形式见公式(1)，以此确定节点是否参与加入到该簇中：

其中，E_cur和E_max表示当前节点的能量值和网络中能量的最高值；||Z₂-Z₁||表示当前节点观测到的轨迹与当前簇对应的目标轨迹之间的跟踪误差，e_max表示误差上限，两者之间的比值用于衡量节点观测量与簇所对应的目标的符合程度，该比值越大，表示观测量与簇对应的目标越相似；α是一个时变参数，随着时间增长α会逐渐增加，从而保证能量降低后，也可以由足够的节点加入到簇中。

基于对式(1)的初步分析，我们可以得出以下初步结论：

1、只有能量相对较高的节点才可能成为簇成员。

2、观察到同一目标的节点基本上都会被划分到同一个簇中。

3、由于加入了平衡参数α，基本可以保证整个过程中都有足够的簇成员参与。基于以上给出的方法，我们给出具体的方法流程：

Step 1：当无线传感器网络中的任意一个节点发现一个目标时，该节点将会广播发送发现目标消息，网络中每个节点根据其是否收到其它节点发送的发现目标消息来确定是否有其他节点已经发起了针对同一目标的组网申请：若没有收到针对同一目标的发现目标消息，则该节点会向其它节点广播发出一个ClusterMsg申请，发起组网申请；若收到针对同一目标的发现目标消息，说明已经有节点早于当前节点发现了该同一目标，该节点不动作；

Step 2：每个收到ClusterMsg申请信息的节点都会按照式(1)给出的形式判断自身是否适合参与该簇；如果P_tch＞P_tch0(其中P_tch0代表设定的P_tch的阈值)，代表该节点符合该簇对于目标一致和能量的要求，则该节点会向发起组网的节点发出MemberMsg信息来申请加入簇，节点的邻居列表NeighbourList也会随之更新；如果P_tch≤P_tch0，节点不发出MemberMsg信息此外，我们设定了簇形成的时间限制ClusterTime，从而保证了簇的合适大小。其中，各节点的邻居节点是指在同一簇中的节点。

二、分布式簇头选举工作

基于目标关联的簇形成方法，我们得到了与目标相对应的簇，以下我们需要选取合适的节点承担簇头工作。出于对节点通信代价和计算负载的考虑，我们重点需要保证簇头具有以下特点：

(1)出于对通信消耗的考虑，簇头节点应保证整个网络的总通信负载维持在一个较低的水平，同时簇头节点应具有充足的能量保证簇的正常工作。

(2)出于对节点负载的考虑，簇头节点所关联的目标应有限，具体来讲，应该避免同一个节点成为多个簇的簇头。

基于以上的要求，我们给出节点i的分布式簇头选举判据ω_head，形式如式(2)所示，其中ω_head作为簇头选举判据，值越小表明该节点越适合成为簇头。Cluster_i表示该节点i从属于的簇，δ_i表示该节点已经成为的簇头数，deg_i表示节点的度，d_ij表示节点i与簇内邻居节点j之间的通信距离。

基于对式(2)的分析，我们可以认为基于该方法选举出的簇头具有最优的通信能量消耗，同时避免了个别节点负载过重的情况，基本满足上文中对簇头节点提出的需求，以下给出簇头选举的方法流程：

Step 1:基于式(2)中给出的判据，当前簇中每个节点都基于邻居列表NeighbourList计算出ω_head，并广播发送包含ω_head的比较消息CompareMsg，开始分布式竞争过程。

Step 2：每个收到CompareMsg消息的节点均将收到的ω_head与本地计算的ω_head进行比较，若本地的ω_head较小，说明自身更适合成为簇头，则向发来CompareMsg消息的节点回复一条要求对方退出簇的消息QuitMsg，收到QuitMsg的节点将会退出竞争。

Step 3：经过一段时间的分布式竞争(竞争时间设定为CompareTime)，最后没有退出簇的节点显然为最优节点，该节点将会发送成员信息HeadMsg给所有簇节点，通知其他节点它成为簇头的结果，从而结束簇头的选举过程。

三、簇拓扑的裁剪过程

在基于簇形成和簇头选举方法形成的拓扑网络的基础上，我们在综合考虑能量节约和融合效果的前提下，进一步提出针对均衡负载的簇拓扑裁剪策略，进一步对网络进行优化，具体来讲，优化目标在于使网络拓扑达到以下要求：

(1)出于对簇头节点的负担考虑，限制簇内成员的数量，对簇内成员进行裁剪。

(2)出于对簇成员节点的负担考虑，限制节点同时参与簇的数量，对相应拓扑进行裁剪。

(3)在拓扑裁剪的同时，需要考虑到拓扑裁剪对融合结果的影响，即优先选择重复度较高，对融合结果影响不大的连接进行裁剪。

综合以上考虑，我们给出簇头节点和簇成员节点的冗余度判据，见式(3)和(4)，其中式(3)中ρ_leave为簇成员的冗余判据，用于决定该成员节点是否发出退簇申请；式(4)中δ_leave为簇头的冗余判据，用于决定簇头是否同意簇头发来的退簇申请。

δ_leave＝ρ_leave×e^-angle (4)

具体来讲，(3)式中TargetNum表示该成员节点关联的目标数(等同于加入的簇的数量)，sid代表其与簇头节点的距离，E_cur表示节点的当前能量，三者共同描述了该节点对于退簇的需求。(4)式中，ρ_leave即为簇头接收到的簇节点的退簇申请个数，如图1所示，angle定义为申请退簇的节点和与其具有最相似观察(即两个节点与目标之间的夹角最小)的节点形成的夹角，用于描述节点在簇中的独特性，该值越大，表示该节点对目标的观测不易被其他节点代替，即该节点具有独特性。基于以上分析，我们给出拓扑裁剪的方法流程如下：

Step 1：每个节点基于检测目标数TargetNum判定自身负担是否过重。若节点负担过重，即TargetNum＞MaxTargetNum(MaxTargetNum为单个节点同时检测目标上限)，则节点则会发送带有退簇参数ρ_leave的退簇消息LeaveMsg给簇头节点。

Step 2：收到退簇消息LeaveMsg的簇头节点会开始查看簇内成员是否过多，若簇内成员过多，即MemberNum＞MaxMemberNum(MaxMemberNum为合理的簇内成员最大数)，则簇头会开始退簇应答，具体为：

首先，根据每个发送退簇消息节点对应的退簇参数ρ_leave计算节点对应的冗余判据δ_leave：

δ_leave＝ρ_leave×e^-angle (4)

然后，将计算的冗余判据δ_leave按从大到小的顺序进行排序；

最后，依据冗余判据δ_leave的排序来确定节点的退簇顺序，并发送退簇允许信息AllowMsg以使对应的节点退簇，完成该簇的拓扑裁剪；以此类推，完成其它簇的拓扑裁剪，即完成整个网络的拓扑裁剪工作。

下面给出软件仿真结果：

本实验的仿真以Visual Studio 2015作为仿真环境，试验平台的处理器为i7-4710MQ。仿真场景为传感器网络进行多目标跟踪，在该情景下验证该分簇方法在延长网络寿命，保证融合跟踪效果上的有效性，实验场景的具体参数设定见表1：

表1 仿真实验参数设定

实验参数	参数设定
		场景大小(m2)	1000×1000
传感器数量	20
		探测半径(m)	400
初始能量(J)	40
		数据包长度(Byte)	2000
接收能量消耗(nJ/bit)	50
		直接传输消耗(pJ/bit×m2)	10
间接传输消耗(pJ/bit×m4)	0.0013
		融合消耗能量(mJ/bit×signal)	0.05

(1)分簇效果验证：

在以上的仿真环境中，我们给出一个基于目标关联的分簇算方法的典型结果，其中未经过裁剪的拓扑和经过裁剪的拓扑分别如图2和图3所示，通过对图2结果的分析，我们可以得出以下结论：

1、分簇结果与目标密切相关，簇的数量与目标的相同，且同一个簇的成员均关联到相近的目标，从而实现了分簇效果与目标关联的目标。

2、簇头的分布相对均匀，对于目标比较密集的地区，即使某一个传感器节点观测到了多个目标，也不成为多个簇的簇头，从而一定程度上减少了个别节点的大量能量消耗。

进一步，我们可以通过对图3进行分析得到拓扑裁剪的效果。我们可以看出，相对于未优化的拓扑，优化后的拓扑中，簇成员的关联数量TargetNum和簇头的成员数量MemberNum均被调节至合理的范围内，较大程度上减少了网络的能量消耗。至此，目标关联的分簇方法的有效性得到了初步的验证。

(2)融合效果验证：

针对基于以上方法形成的拓扑网络，我们可以利用一致滤波器作为工具进行多源信息融合。以下我们对融合效果进行验证，整体的融合效果如图4所示：可以看到，基于该拓扑的网络可以有效地进行融合和跟踪。

进一步，我们进行融合误差的定量分析工作，图5中给出了三种拓扑结构(传统集中式拓扑，未优化的分簇拓扑，优化后的分簇拓扑)的融合效果图，同时表(2)中给出了定量分析。

表2 三种方法的融合效果(误差)对比

融合框架类型	平均融合误差(m)
		集中式方法	14.65
未优化的分簇方法	18.23
		优化后的分簇方法	19.96

基于表(2)和图5我们可以看出，优化的分簇方法在融合精度上基本能够达到要求。

(3)网络寿命验证：

本方法中重点针对网络能量进行优化，故需要对网络寿命进行对比分析，图6中给出了三种方法的平均网络寿命对比。

基于对图6的分析，我们可以看出由于方法中对各节点负载的均衡和通信消耗的节约，优化的分簇网络中能量消耗更慢更均衡，相对与其他两种构架而言，网络的寿命就更长。

综上所述，我们通过实验验证了优化分簇方法在融合精度和网络寿命上的效果，首先，由于在生成的簇与目标密切关联，并在拓扑裁剪过程中考虑到了精度问题，使得该方法可以一定程度上保证融合效果；更重要的是，由于在簇生成，簇头选举和拓扑优化过程中，均考虑了能量优化问题。故本方法在网络寿命上具有突出的优势，有效地延长了网络的寿命。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种多目标情景中无线传感器网络的节能分簇方法，其特征在于，包括如下步骤：

步骤一、目标相关的簇生成过程，具体包括以下步骤：

Step 1：当无线传感器网络中的任意一个节点发现一个目标时，该节点将会广播发送发现目标消息，网络中每个节点根据其是否收到其它节点发送的发现目标消息来确定是否有其他节点已经发起了针对同一目标的组网申请：若没有收到针对同一目标的发现目标消息，则该节点会向其它节点广播发出一个ClusterMsg申请，发起组网申请；若收到针对同一目标的发现目标消息，该节点不动作；

Step 2：每个收到ClusterMsg申请信息的节点按照式(1)给出的形式判断自身是否适合参与该簇；

<mrow> <msub> <mi>P</mi> <mrow> <mi>t</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mo>=</mo> <mi>&amp;alpha;</mi> <mo>&amp;times;</mo> <mfrac> <msub> <mi>E</mi> <mrow> <mi>c</mi> <mi>u</mi> <mi>r</mi> </mrow> </msub> <msub> <mi>E</mi> <mi>max</mi> </msub> </mfrac> <mo>&amp;times;</mo> <mfrac> <msub> <mi>e</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mrow> <mo>|</mo> <mo>|</mo> <msub> <mi>Z</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>Z</mi> <mn>1</mn> </msub> <mo>|</mo> <mo>|</mo> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

其中，E_cur和E_max表示当前节点的能量值和网络中能量的最高值；||Z₂-Z₁||表示当前节点观测到的轨迹与当前簇对应的目标轨迹之间的跟踪误差，e_max表示误差上限；α为时变参数；

如果P_tch＞P_tch0，其中P_tch0表示设定的阈值，则该节点会向发起组网的节点发出MemberMsg信息来申请加入簇；如果P_tch≤P_tch0，节点不发出MemberMsg信息；

步骤二、分布式簇头选举过程，具体为：

Step 1:当前簇中每个节点基于式(2)计算出ω_head,并广播发送包含ω_head的比较消息CompareMsg；

<mrow> <msub> <mi>&amp;omega;</mi> <mrow> <mi>h</mi> <mi>e</mi> <mi>a</mi> <mi>d</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <mfrac> <mrow> <msub> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>Cluster</mi> <mi>i</mi> </msub> </mrow> </msub> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow> <msub> <mi>deg</mi> <mi>i</mi> </msub> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

其中，i,j＝1,2,...,N且i≠j，N表示簇内节点个数，Cluster_i表示该节点i从属于的簇，δ_i表示节点i已经成为的簇头数，deg_i表示节点i的度，d_ij表示节点i与簇内邻居节点j之间的通信距离；

Step 2：每个收到CompareMsg消息的节点均将收到的ω_head与本地计算的ω_head进行比较，若本地的ω_head较小，则向发来CompareMsg消息的节点回复一条要求对方退出簇的消息QuitMsg，收到消息QuitMsg的节点退出簇头的竞争；

Step 3：最后没有退出簇的节点发送成员信息HeadMsg给所有簇内节点，通知其他节点它成为簇头，从而结束簇头的选举过程；

步骤三、簇拓扑的裁剪过程，具体为：

Step 1：确定当前簇内每个节点关联的目标数TargetNum，然后判断目标数TargetNum是否大于上限，如果是，该节点则发送带有退簇参数ρ_leave的退簇消息LeaveMsg给簇头节点；其中，dis代表其与簇头节点的距离；如果否，该节点不发送退簇消息；

Step 2：收到退簇消息LeaveMsg的簇头节点开始查看簇内成员是否过多，若簇内成员过多，则簇头开始退簇应答，具体为：

首先，根据每个发送退簇消息节点对应的退簇参数ρ_leave计算节点对应的冗余判据δ_leave：

δ_leave＝ρ_leave×e^-angle (4)

其中，angle表示申请退簇节点和与其具有最相似观察的节点形成的夹角，该具有最相似观察的节点与申请退簇节点与目标之间的夹角最小；

然后，将计算的冗余判据δ_leave按从大到小的顺序进行排序；

最后，依据冗余判据δ_leave的排序来确定节点的退簇顺序，并发送退簇允许信息AllowMsg以使对应的节点退簇，完成该簇的拓扑裁剪；以此类推，完成其它簇的拓扑裁剪，即完成整个网络的拓扑裁剪工作。