CN107580293B - 一种基于虚拟力的汇聚节点重定位方法 - Google Patents
一种基于虚拟力的汇聚节点重定位方法 Download PDFInfo
- Publication number
- CN107580293B CN107580293B CN201710661681.XA CN201710661681A CN107580293B CN 107580293 B CN107580293 B CN 107580293B CN 201710661681 A CN201710661681 A CN 201710661681A CN 107580293 B CN107580293 B CN 107580293B
- Authority
- CN
- China
- Prior art keywords
- node
- boundary
- nodes
- sink node
- sink
- 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
Links
Images
Classifications
-
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于虚拟力的无线传感器网络汇聚节点重定位方法,属于延长无线传感器网络生存周期的节能技术领域。本发明首先获得所有传感器节点的位置和剩余能量等信息,然后根据虚拟力模型求得所有节点对汇聚节点产生的虚拟引力及边界斥力,最后让汇聚节点在合力的作用下沿着合力方向移动到新的位置进行数据的收集处理。本发明通过综合考虑传感节点的剩余能量及、距离汇聚节点远近以及在网络拓扑中所处位置来构建虚拟力模型,从本质上促使汇聚节点向着剩余能量高的区域移动,均衡了节点间能耗,有效避免了能量空洞的形成,为延长无线传感网络的生存周期提供了一种新的方法。
Description
技术领域
本发明涉及一种基于虚拟力的汇聚节点重定位方法,属于无线传感器网络技术领域。
背景技术
无线传感器网络(Wireless Sensor Network,WSN)是由大量静止或移动的廉价传感器以自组织和多跳的方式构成的无线网络,其为众多应用提供了多样化的服务,如商业中的监视和控制系统,天气监测,医疗健康系统监测和战场监视等。在这些系统中,传感器被部署在网络覆盖的地理检测区域来协作地感知、采集、处理和传输感知对象的监测信息并报告给用户。
由于传感器节点通常部署在恶劣的环境中,其所能携带的电池能量是十分有限的,在耗尽能量时不能及时充电或更换电池,这将导致网络无法正常运行降低了网络生存周期。要想无线传感器网络在没人干涉的情况下运行很长时间,如何高效利用有限的能量是当前无线传感器研究的一个重要领域。
在当前研究阶段,许多学者对无线传感器网络的能耗问题进行了研究并提出了许多有效的节能方法,有些学者采用了静态的汇聚节点去收集数据,汇聚节点是一种特殊的节点,它主要进行数据的收集和处理任务,然后把数据发送给主管,但是固定的汇聚节点将会导致其周围的节点因负载过重而过早死亡从而导致能量空洞问题;有的学者利用移动的汇聚节点重定位去节约能量,汇聚节点重定位就是让汇聚节点通过不断移动到节点能量高的区域,避免某些节点耗能过快死亡而形成能量空洞甚至使网格断裂,汇聚节点通过重定位移动到新的位置,消除了热点进一步避免了能量空洞问题。而在汇聚节点重定位中最重要的问题就是汇聚节点如何移动以及往何处移动,只有考虑了整个网络能量信息及网络拓扑结构,才能使汇聚节点重定位方法达到节约能量延长网络生存周期的目的。有的学者在前面基础上使用移动的汇聚节点沿着预设的路径移动,这将缺乏灵活性和可扩展性,因为当把这种方法应用到其他网络中时将重新设计汇聚节点的移动路径。
发明内容
本发明解决的技术问题是提供一种基于虚拟力的汇聚节点重定位方法,目前为止,虚拟力因其直观、易描述和可验证性等特点而被广泛应用在提高网络节点部署率等方面,但是本发明第一次将虚拟力应用于节约节点能量延长网络生存周期方面,创新地提出让虚拟力合力作用于汇聚节点,促使汇聚节点结合整个网络的节点能量动态移动。本发明的目的在于均衡无线传感网络中的节点能耗,提供一种能有效提高能量利用率,延长网络生存周期的汇聚节点重定位方法。
本发明采用的技术方案是:
一种基于虚拟力的汇聚节点重定位方法,包括如下步骤:
Step1、网络开始时,汇聚节点s收集所有节点的位置和剩余能量信息,具体步骤为:
Step1.1、建立虚拟引力模型
所有传感器节点对汇聚节点s都有虚拟引力的作用,这就像万有引力一样,故根据物理学中的万有引力公式类比得到传感器节点i的虚拟引力模型其中ai和a分别表示节点i和汇聚节点s的剩余能量,因为汇聚节点能量一般视为无限大且其不耗能,故a为常量可合并到kA,然后分别计算出节点i与汇聚节点s之间的虚拟引力,即:
其中kA为常量表示虚拟引力因子,dis为i与s之间的距离,αis为i与s间线段与水平线的夹角,N表示全部节点集;
Step1.2、此时汇聚节点s只受到传感器节点对它的虚拟引力,根据公式1计算出所有节点产生的虚拟引力合力:
Step2、判断汇聚节点s的位置是否处于区域边界附近,如果汇聚节点s的位置处于区域边界附近,则此时它还将受到区域边界斥力的影响,则执行Step3后再执行Step4,如果汇聚节点s的位置并未处于区域边界附近,则跳过Step3直接执行Step4;
Step3、当汇聚节点s移动到区域边界时,它将受到区域边界产生的边界斥力,这将保证汇聚节点s不会出现移动出探测区域或在边界因节点过少几乎不受力而陷入死循环的情况;
Step3.1、建立边界斥力模型
其中,表示边界斥力,kR为边界斥力因子,ds表示汇聚节点s与区域边界之间的距离,αs+π表示两者之间的角度,dopt表示边界阈值,相当于弹簧形变量只有当s移动到很靠近边界,即其与边界的距离小于dopt时才会受到边界斥力的影响,否则边界斥力不产,而dopt表示区域边界阈值;
Step3.2、此时汇聚节点s即受到节点对它的虚拟引力又受到边界对它的虚拟斥力,计算出s所受到的虚拟合力:
Step4、建立虚拟力移动路径转换模型
将虚拟合力转换为汇聚节点s的移动距离,当时s因没受到力的作用而保持静止,随着的不断增大汇聚节点s移动的距离也不断增大直至达到能移动的最大距离,然后保持这个最大距离不再增加,该变化过程符合反正切函数的特点,故借用arctan函数来建立力与移动距离之间的转换模型:
其中,d(s)表示汇聚节点s移动的距离,dmax表示汇聚节点s单次移动的最大步长;
Step5、汇聚节点s重定位
Step6、达到新位置后,若s的两跳范围内的邻居节点有数据要传送,汇聚节点s则收集并处理数据,节点之间传送数据并消耗能量,若此时网络中出现节点因能量耗尽而死亡则整个重定位过程结束,否则再次回到step1不断循环往复。
所述的Step2中判断汇聚节点s的位置是否处于区域边界附近的具体方法为:首先,找出靠近探测区域边缘的节点,以其位置为中心,在上下左右四个方向做通信直径2γ长度的两条平行线,其中γ表示传感器的通信半径,如果至少有一个方向的通信范围内不存在其它节点,则称该节点为边缘节点;找出所有的边缘节点后,依次将它们连接起来即形成区域边界,然后判断汇聚节点s的位置是否处于区域边界附近。这种根据实际网络拓扑结构确定的区域边界比单纯的选择探测区域边缘为边界能更大限度的提高节点能量利用率,并且能有效防止汇聚节点运动到区域边缘因孤立而陷入死循环的情况。
所述的Step6中,节点之间进行数据的传送时建立能耗模型,具体方法为:
Step6.1、建立能耗模型
网络中规定只有传感器节点在收集和传输数据包时会消耗能量,当节点a向距离其d米远的节点b发送k个比特的数据包时,其传送数据消耗的能量为:
节点b接受其数据所消耗的能量为:
Er(k,d)=Eelec*k (8)
上式中,Eelec表示无线收发电路的能耗,∈fs和∈mp是发射机放大器所需的能量,其取决于发送节点与接收节点之间的距离d,d0表示距离阈值是一个常量且当两点间的距离d大于阈值d0时,多路信道路径模式将代替自由空间被使用,即传送数据消耗的能量将依据d4这种情况的攻率损耗来计算。
汇聚节点重定位方法实施过后可以对整个网络的数据传输延迟和网络生存周期进行验证评估。
数据传输延迟:假设数据包从源节点si处产生的时间是Tstart,它最终被汇聚节点接收的时间为Tend,如果的值越大,则表示该网络中数据的平均传输延迟越大,其中K为源节点集,N为传感器节点的个数。而过大的数据传输延迟将会导致某些节点收集的数据失效或节点的数据缓存区溢出,这会对整个无线传感器网络造成不利影响。
网络生存周期:当网络中传感器节点Si因耗尽能量而第一个死亡时,整个网络就停止工作,至此为止整个网络运行的时间T既是它的生存周期。所有汇聚节点重定位方法的提出都是为了尽可能的延长无线传感器网络的网络生存周期,从而完成更多的传感监测任务,因此可以将网络生存周期作为衡量一个节能方法好坏的最重要的性能指标。
本发明的工作原理是:
汇聚节点接收所有传感器节点的位置和剩余能量信息,然后根据自己的当前位置和虚拟力模型来计算所受的虚拟力合力;
汇聚节点在合力的作用下移动到新的位置,收集并处理其两跳范围内的邻居节点传送的数据,此过程中节点根据能耗模型消耗能量。
本发明的有益效果是:
(1)与公知方法相比,本方法从不同节点能量消耗速度不一样的角度考虑到不均衡的能耗将会导致能量空洞问题甚至使网络断裂。通过建立虚拟力模型,本发明根据节点剩余能量信息动态规划汇聚节点的移动路径从而很好的避免了能量空洞问题,为延长网络生存周期提供了一种新的思路;
(2)本发明相比一些同样使用单个汇聚节点进行重定位的方法有着更低的数据传输延迟,说明本发明中的汇聚节点能在较短时间内收集处理数据,尽可能的避免了传感器节点携带的数据失效或数据存放栈溢出等问题;
(3)由于本发明着重考虑了节点的剩余能量信息,促使汇聚节点总是往能量高的区域移动,避免在能量低的区域过多停留,从而能很好的提高能量利用率,与其他方法相比,在同等的网络环境中本发明的网络生存周期更长。
附图说明
图1是本发明流程图;
图2是汇聚节点不在区域边界时的虚拟力受力分析示意图;
图3是汇聚节点在区域边界时的虚拟力受力分析示意图;
图4是本发明的汇聚节点重定位方法一种具体实施方式的初始部署示意图;
图5是3轮循环后本发明的汇聚节点重定位方法的具体实施示意图;
图6是6轮循环后本发明的汇聚节点重定位方法的具体实施示意图;
图7是9轮循环后本发明的汇聚节点重定位方法的具体实施示意图;
图8是具体实施方法中平均数据传输延时分析示意图;
图9是具体实施方法中网络生存周期分析示意图。
具体实施方式
下面对本发明的具体实施方法进行描述,以便更好的理解本发明。
实施例1:如图1-9所示,一种基于虚拟力的汇聚节点重定位方法,包括如下步骤:
Step1、网络开始时,汇聚节点s收集所有节点的位置和剩余能量信息,具体步骤为:
Step1.1、建立虚拟引力模型
所有传感器节点对汇聚节点s都有虚拟引力的作用,这就像万有引力一样,故根据物理学中的万有引力公式类比得到传感器节点i的虚拟引力模型其中ai和a分别表示节点i和汇聚节点s的剩余能量,因为汇聚节点能量一般视为无限大且其不耗能,故a为常量可合并到kA,然后分别计算出节点i与汇聚节点s之间的虚拟引力,即:
其中kA为常量表示虚拟引力因子,dis为i与s之间的距离,αis为i与s间线段与水平线的夹角,N表示全部节点集;
Step1.2、此时汇聚节点s只受到传感器节点对它的虚拟引力,根据公式1计算出所有节点产生的虚拟引力合力:
Step2、判断汇聚节点s的位置是否处于区域边界附近,如果汇聚节点s的位置处于区域边界附近,则此时它还将受到区域边界斥力的影响,则执行Step3后再执行Step4,如果汇聚节点s的位置并未处于区域边界附近,则跳过Step3直接执行Step4;
Step3、当汇聚节点s移动到区域边界时,它将受到区域边界产生的边界斥力,这将保证汇聚节点s不会出现移动出探测区域或在边界因节点过少几乎不受力而陷入死循环的情况;
Step3.1、建立边界斥力模型
其中,表示边界斥力,kR为边界斥力因子,ds表示汇聚节点s与区域边界之间的距离,αs+π表示两者之间的角度,dopt表示边界阈值,相当于弹簧形变量只有当s移动到很靠近边界,即其与边界的距离小于dopt时才会受到边界斥力的影响,否则边界斥力不产,而dopt表示区域边界阈值;
Step3.2、此时汇聚节点s即受到节点对它的虚拟引力又受到边界对它的虚拟斥力,计算出s所受到的虚拟合力:
Step4、建立虚拟力移动路径转换模型
将虚拟合力转换为汇聚节点s的移动距离,当时s因没受到力的作用而保持静止,随着的不断增大汇聚节点s移动的距离也不断增大直至达到能移动的最大距离,然后保持这个最大距离不再增加,该变化过程符合反正切函数的特点,故借用arctan函数来建立力与移动距离之间的转换模型:
其中,d(s)表示汇聚节点s移动的距离,dmax表示汇聚节点s单次移动的最大步长;
Step5、汇聚节点s重定位
Step6、达到新位置后,若s的两跳范围内的邻居节点有数据要传送,汇聚节点s则收集并处理数据,节点之间传送数据并消耗能量,若此时网络中出现节点因能量耗尽而死亡则整个重定位过程结束,否则再次回到step1不断循环往复。
进一步地,所述的Step2中判断汇聚节点s的位置是否处于区域边界附近的具体方法为:首先,找出靠近探测区域边缘的节点,以其位置为中心,在上下左右四个方向做通信直径2γ长度的两条平行线,其中γ表示传感器的通信半径,如果至少有一个方向的通信范围内不存在其它节点,则称该节点为边缘节点;找出所有的边缘节点后,依次将它们连接起来即形成区域边界,然后判断汇聚节点s的位置是否处于区域边界附近。这种根据实际网络拓扑结构确定的区域边界比单纯的选择探测区域边缘为边界能更大限度的提高节点能量利用率,并且能有效防止汇聚节点运动到区域边缘因孤立而陷入死循环的情况。
进一步地,所述的Step6中,节点之间进行数据的传送时建立能耗模型,具体方法为:
Step6.1、建立能耗模型
网络中规定只有传感器节点在收集和传输数据包时会消耗能量,当节点a向距离其d米远的节点b发送k个比特的数据包时,其传送数据消耗的能量为:
节点b接受其数据所消耗的能量为:
Er(k,d)=Eelec*k (8)
上式中,Eelec表示无线收发电路的能耗,∈fs和∈mp是发射机放大器所需的能量,其取决于发送节点与接收节点之间的距离d,d0表示距离阈值是一个常量且当两点间的距离d大于阈值d0时,多路信道路径模式将代替自由空间被使用,即传送数据消耗的能量将依据d4这种情况的攻率损耗来计算。
下面结合具体例子对本发明进行具体说明:
例1:图4-7是本发明的基于虚拟力的汇聚节点重定位方法的一种具体实施方式示意图,其中黑点表示汇聚节点,灰色点表示传感器节点。图4显示了无线传感器网络开始运行时的初始状态,图5-7分别表示经过3,6,9次重定位后汇聚节点的具体移动轨迹。如图1流程所示,汇聚节点每次重定位时,首先将传感器节点随机部署在探测区域内,然后进入广播状态。在该状态下,所有节点将向汇聚节点发送HELLO信息,HELLO信息包括节点的位置,ID号和剩余能量信息,然后进入计算状态。在计算状态,汇聚节点根据接收到的HELLO信息和虚拟力公式计算出自己所受的合力,并将合力转换为移动路径,随后进入移动状态。在移动状态下,汇聚节点根据计算出的移动路径重定位到新的位置,其移动方向与虚拟合力方向一致,然后检查汇聚节点两跳范围内的邻居节点是否有数据要传送,有的话则收集并处理数据,然后进入下一次的循环一致重复上述过程直到遇到结束状态。当网络中有节点因耗尽能量死亡时就进入结束状态,网络将停止工作。
所述方法的具体步骤如下:
设置循环次数Loops=0:
Step1、广播状态
Step1.1、将100个传感器节点随机部署在200x200(m2)的矩形探测区域内,所有节点都有自己独特的ID(从0到99开始编号),初始电量都为5J。为了简化问题,节点的通信半径和传感半径全部设为γ,且γ取25m;
Step1.2、所有节点发送包括自己ID号,位置和剩余能量信息的HELLO信息给汇聚节点s,如下表所示:
表1 节点HELLO信息内容
ID号 | X坐标 | Y坐标 | 当前能量 |
Step2、计算状态
例如,汇聚节点a与3个传感器节点s1,s2和s3之间的虚拟力受力分析如图2所示,其中黑色圆表示汇聚节点,Fa表示其受到的虚拟引力合力;
若在第i次循环(Loops=i)时,出现0≤ds<dopt的情况,也就是说汇聚节点到区域边界的距离小于边界距离阈值,即汇聚节点移动到靠近区域边界的地方,此时它不仅受到虚拟引力同时还受到边界对它的斥力的影响。根据虚拟力公式(3)(4)计算出s受到的合力,即:其中kR取0.6,dopt取2.5m;
例如,汇聚节点a运动到区域边界,此时它与传感器节点s1,s2和s3之间的虚拟力受力情况如图3所示,其中黑色圆表示汇聚节点,灰色区域表示区域边界,FR为汇聚节点受到的边界斥力,Fa为其受到的总的合力;
Step2.2、再根据力与移动距离的转换公式(5)计算出汇聚节点本次重定位需移动的路径长度,即:根据多次实验结果,公式中的参数取值为:kA=0.8。在设置dmax时,若将其设得过小,就会造成多次移动而使通信能耗增加,而将其设置过大,就会造成节点在移动过程中产生来回震荡。因此dmax的取值需要通过多次实验来获得,一般采用传感器半径γ的5%~10%,即dmax=2.5m;
Step3、移动状态
Step3.1、汇聚节点根据公式(6)算出重定位后的新坐标,即:
汇聚节点s(50,50)重定位到新的位置s(xrelocate,yrelocate),其移动方向与虚拟合力方向一致;
Step3.2、汇聚节点移动到新位置后检查汇聚节点两跳范围内的邻居节点集L是否有数据要传送,L=L1∪L2,其中为汇聚节点一跳通信范围内的邻居节点si的集合, 为si一跳范围内的邻居节点sj集合,即为汇聚节点的两跳范围内的邻居节点。有数据要传送的话则收集并处理数据,此过程中参与接受和传输数据包的节点将根据能耗公式(7)(8)减少能量,其中数据包大小设为500bytes,Eelec取50nJ/bit,∈fs取10PJ/bit/m2,∈mp取0.0013PJ/bit/m4。
Step4、循环次数Loops=Loops+1;
Step4.1、若没有节点因耗尽能量而死亡,则重新进入step1,汇聚节点开始做下一次重定位的准备;
Step4.2、若出现一个节点因耗尽能量死亡,则进入结束状态,网络停止工作,输入网络的生存周期;
Step5、结束状态,通过仿真实验的方法验证本方法的性能;
Step5.1、对数据传输延迟的验证评估;
数据传输延迟即一个数据包从它产生到被汇聚节点接受所经过的时间间隔,本发明与了别的汇聚节点重定位方法比如基于能源意识的汇聚节点重定位方法(<IEEEsensors journal>,2014,14(6):1932-1943)和汇聚节点一次移动方法(<IEEEInternational Performance,Computing,and Communications Conference>,2007:101-108)来进行数据传输延迟的对比。本发明提出的汇聚节点重定位方法建立在虚拟力的作用上,不涉及复杂的路由算法,且每次循环后汇聚节点都要重新计算其它节点对其的虚拟力来重定位,这能及时收集节点要传送的数据。而基于能源意识的汇聚节点重定位方法要经过很长时间才能触发重定位的条件这会导致很大的数据传输延迟,所以本发明提出的方法在传输延迟方面远远低于其他两种方法如图8所示,也说明基于虚拟力的汇聚节点重定位方法能在及时收集和处理数据,大大提高了网络性能。
Step5.2、对网络生存周期的验证评估;
无线传感器网络中的网络生存周期既当网络中传感器节点Si因耗尽能量而第一个死亡时整个网络运行的时间,本发明与别的汇聚节点重定位方法比如基于能源意识的汇聚节点重定位方法(<IEEE sensors journal>,2014,14(6):1932-1943)和汇聚节点一次移动方法(<IEEE International Performance,Computing,and CommunicationsConference>,2007:101-108)从节点密度方面来对网络生存周期进行了对比。在同样的节点密度下,本发明的网络生存周期明显高于其他两种方法,因为本发明的基于虚拟力的汇聚节点重定位方法在综合考虑了节点剩余能量和距离远近的情况下使汇聚节点动态移动,节点密集的地方,节点与汇聚节点间的距离近似相等,故能产生大量虚拟引力致使汇聚节点向该方向移动从而使大部分节点的能量得到充分利用,最大程度的节约能量提高网络生存周期如图9所示。
本发明提出的一种汇聚节点重定位方法,实施结果能很好的节约节点能量延长无线传感器网络的网络生存周期。同时本发明基于虚拟力的汇聚节点重定位路径的选择,充分利用了网络的节点能量信息,使汇聚节点根据虚拟合力动态移动直至达到移动的上限距离或力的平衡状态,有效的避免了能量空洞问题,为延长网络生存周期提出了一种新的思路。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (2)
1.一种基于虚拟力的汇聚节点重定位方法,其特征在于,包括如下步骤:
Step1、网络开始时,汇聚节点s收集所有节点的位置和剩余能量信息,具体步骤为:
Step1.1、建立虚拟引力模型
所有传感器节点对汇聚节点s都有虚拟引力的作用,这就像万有引力一样,故根据物理学中的万有引力公式类比得到传感器节点i的虚拟引力模型其中ai和a分别表示节点i和汇聚节点s的剩余能量,因为汇聚节点能量一般视为无限大且其不耗能,故a为常量可合并到kA,然后分别计算出节点i与汇聚节点s之间的虚拟引力,即:
其中kA为常量表示虚拟引力因子,dis为i与s之间的距离,ais为i与s间线段与水平线的夹角,N表示全部节点集;
Step1.2、此时汇聚节点s只受到传感器节点对它的虚拟引力,根据公式1计算出所有节点产生的虚拟引力合力:
Step2、判断汇聚节点s的位置是否处于区域边界附近,如果汇聚节点s的位置处于区域边界附近,则此时它还将受到区域边界斥力的影响,则执行Step3后再执行Step4,如果汇聚节点s的位置并未处于区域边界附近,则跳过Step3直接执行Step4;
Step3、当汇聚节点s移动到区域边界时,它将受到区域边界产生的边界斥力,这将保证汇聚节点s不会出现移动出探测区域或在边界因节点过少几乎不受力而陷入死循环的情况;
Step3.1、建立边界斥力模型
其中,表示边界斥力,kR为边界斥力因子,ds表示汇聚节点s与区域边界之间的距离,as+π表示两者之间的角度,dopt表示边界阈值,相当于弹簧形变量只有当s移动到很靠近边界,即其与边界的距离小于dopt时才会受到边界斥力的影响,否则边界斥力不产,而dopt表示区域边界阈值;
Step3.2、此时汇聚节点s即受到节点对它的虚拟引力又受到边界对它的虚拟斥力,计算出s所受到的虚拟合力:
Step4、建立虚拟力移动路径转换模型
将虚拟合力转换为汇聚节点s的移动距离,当时s因没受到力的作用而保持静止,随着的不断增大汇聚节点s移动的距离也不断增大直至达到能移动的最大距离,然后保持这个最大距离不再增加,该变化过程符合反正切函数的特点,故借用arctan函数来建立力与移动距离之间的转换模型:
其中,d(s)表示汇聚节点s移动的距离,dmax表示汇聚节点s单次移动的最大步长;
Step5、汇聚节点s重定位
Step6、达到新位置后,若s的两跳范围内的邻居节点有数据要传送,汇聚节点s则收集并处理数据,节点之间传送数据并消耗能量,若此时网络中出现节点因能量耗尽而死亡则整个重定位过程结束,否则再次回到step1不断循环往复;
所述的Step6中,节点之间进行数据的传送时建立能耗模型,具体方法为:
Step6.1、建立能耗模型
网络中规定只有传感器节点在收集和传输数据包时会消耗能量,当节点a向距离其d米远的节点b发送k个比特的数据包时,其传送数据消耗的能量为:
节点b接受其数据所消耗的能量为:
Er(k,d)=Eelec*k (8)
2.根据权利要求1所述的一种基于虚拟力的汇聚节点重定位方法,其特征在于,所述的Step2中判断汇聚节点s的位置是否处于区域边界附近的具体方法为:首先,找出靠近探测区域边缘的节点,以其位置为中心,在上下左右四个方向做通信直径2γ长度的两条平行线,其中γ表示传感器的通信半径,如果至少有一个方向的通信范围内不存在其它节点,则称该节点为边缘节点;找出所有的边缘节点后,依次将它们连接起来即形成区域边界,然后判断汇聚节点s的位置是否处于区域边界附近。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710661681.XA CN107580293B (zh) | 2017-08-04 | 2017-08-04 | 一种基于虚拟力的汇聚节点重定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710661681.XA CN107580293B (zh) | 2017-08-04 | 2017-08-04 | 一种基于虚拟力的汇聚节点重定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107580293A CN107580293A (zh) | 2018-01-12 |
CN107580293B true CN107580293B (zh) | 2020-07-10 |
Family
ID=61035269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710661681.XA Active CN107580293B (zh) | 2017-08-04 | 2017-08-04 | 一种基于虚拟力的汇聚节点重定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107580293B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345778B (zh) * | 2018-10-17 | 2021-08-03 | 华云创信(广东)生态环境科技有限公司 | 空气污染信息自动获取与实时发布系统 |
CN109587698B (zh) * | 2018-12-10 | 2022-03-01 | 浙江工业大学 | 一种虚拟力修正的有向传感器网络节能覆盖方法 |
CN110213782B (zh) * | 2019-05-10 | 2022-09-02 | 浙江树人学院(浙江树人大学) | 一种基于双重虚拟力的移动自组织网络节点的移动方法 |
CN112291795B (zh) * | 2020-10-23 | 2022-12-23 | 广州大学 | 一种基于无人机骨干网分布式组网系统与方法 |
CN112512004B (zh) * | 2020-11-20 | 2022-11-29 | 江苏科技大学 | 一种联合水流作用的传感节点三维覆盖控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103906166A (zh) * | 2014-04-04 | 2014-07-02 | 西北工业大学 | 一种基于人工势场的无线传感器网络路由方法 |
CN105246120A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种数据传输时延和跳数受限的Sink节点移动路径分布式选择方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2133830B1 (en) * | 2008-06-10 | 2015-04-15 | Fujitsu Ltd. | Improvements in wireless sensor networks |
-
2017
- 2017-08-04 CN CN201710661681.XA patent/CN107580293B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103906166A (zh) * | 2014-04-04 | 2014-07-02 | 西北工业大学 | 一种基于人工势场的无线传感器网络路由方法 |
CN105246120A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种数据传输时延和跳数受限的Sink节点移动路径分布式选择方法 |
Non-Patent Citations (1)
Title |
---|
EBRP: Energy-Balanced Routing Protocol for Data Gathering in Wireless Sensor Networks;Fengyuan Ren等;《IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS》;20111231;第2108-2125页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107580293A (zh) | 2018-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107580293B (zh) | 一种基于虚拟力的汇聚节点重定位方法 | |
Jiang et al. | Energy-balanced unequal clustering protocol for wireless sensor networks | |
Liang et al. | Energy adaptive cluster-head selection for wireless sensor networks | |
Liu et al. | A new multi-path routing protocol based on cluster for underwater acoustic sensor networks | |
CN104618997A (zh) | 一种基于非均匀网格的数据聚合方法 | |
CN103200598A (zh) | 一种基于粒子群优化的无线传感器网络分簇方法 | |
CN109309620B (zh) | 一种面向边缘计算的轻量级异构网络分簇方法 | |
Ruihua et al. | Double cluster-heads clustering algorithm for wireless sensor networks using PSO | |
Li et al. | An adaptive clustering algorithm based on improved particle swarm optimisation in wireless sensor networks | |
Chen | Improvement of LEACH routing algorithm based on use of balanced energy in wireless sensor networks | |
Bhagyalakshmi et al. | Avoiding energy holes problem using load balancing approach in wireless sensor network | |
Tsoumanis et al. | Energy-efficient sink placement in wireless sensor networks | |
Fan et al. | A multi-weight based clustering algorithm for wireless sensor networks | |
Sankar et al. | Efficient Data Transmission Technique for Transmitting the Diagnosed Signals and Images in WBSN | |
Das et al. | Energy efficient geographic clustered multi-hop routing for underwater sensor networks | |
Belghith et al. | Extending the network lifetime of wireless sensor networks using fuzzy logic | |
Chiang et al. | Regional energy aware clustering with isolated nodes in Wireless Sensor Networks | |
Pandey et al. | Performance Evaluation of Various Routing Protocols and quality of service for Wireless Sensor Network | |
Kumar et al. | MEEP: multihop energy efficient protocol for heterogeneous wireless sensor network | |
Padmanabh et al. | Transmission range management for lifetime maximization in wireless sensor network | |
Yuan et al. | A method of determining maximum transmission rate in wireless sensor network | |
Liu et al. | Improvement on LEACH agreement of mine wireless sensor network | |
CN103607748A (zh) | 一种基于节点生存期的最大生存期路由方法 | |
Cong et al. | Analysis on connectivity of energy harvesting wireless sensor networks based on simulation | |
Biradar et al. | An energy efficient optimized cluster establishment methodology for sensor nodes in WSN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |