CN108055683A - 一种水下无线传感器网络均衡能耗并保持覆盖的方法 - Google Patents

Abstract

一种水下无线传感器网络均衡能耗并保持覆盖的方法，属于水下无线传感器网络领域，本发明为解决现有水下无线传感器网络链路技术存在的不足。本发明方法包括以下步骤：在待监测区域随机布撒节点；休眠覆盖冗余度较高的节点；对休眠冗余节点后的网络进行分簇：以网络覆盖率和能耗标准差为目标函数，采用基于分解技术的多目标算法优化并获取一组非支配解，采用TOPSIS法从该组非支配解中选出一个较优解作为分簇方式；若监测到某个节点死亡，唤醒该死亡节点周边的休眠节点，再按休眠原则令被唤醒节点中的冗余节点休眠；重复执行上述步骤，直至节点无法连接到基站。

Description

一种水下无线传感器网络均衡能耗并保持覆盖的方法

技术领域

本发明属于水下无线传感器网络领域，具体涉及一种水下无线传感器网络均衡能耗并保持覆盖的方法。

背景技术

由于人们对海洋探索需求的不断增大，水下无线传感器网络(UnderwaterWireless Sensor Networks,UWSNs)目前广泛应用在水下辅助导航、水下资源探测、水下环境监测、等领域，已经成为目前的研究热点之一。

然而，由于水下传感器自身携带能量有限，且较难更换或补充电源，因此延长网络工作时间并在此过程中保持网络的覆盖率是无线传感器网络的热点及难点问题之一。针对这一问题，陆地无线传感器网络主要通过节点休眠策略、设计分簇协议、采用多目标均衡优化的方式降低网络节点能耗，延长网络生命周期。但因为能耗模型与UWSNs差异较大且陆地无线传感器网络覆盖模型主要集中在二维平面上，这与处于三维空间的水下传感器网络的覆盖模型是不匹配的，所以不能将陆地传感器网络的研究成果直接应用于UWSNs上，因此亟待加大对UWSNs覆盖及延长网络寿命等方面的研究力度。

对此，Latif等人采用异构的方式通过引入可移动节点弥补网络中出现的覆盖空洞并延长网络寿命，但水下环境较复杂，节点移动的精确性有待提高且移动节点将耗费较大能量。洪昌建等人采用动态分层机制周期性的对网络节点进行分簇，该算法虽然能在一定程度上延长网络生命周期，但没有考虑节点死亡对网络覆盖率的影响；Tsai等人提出的LEACH-Coverage-U算法是在陆地传感器网络LEACH算法的基础上，建立起的周期性选择簇头的算法，该算法虽能在一定程度上延长网络生命周期，但频繁的选择簇头会为网络带来较大的能量损耗，且该算法不能有效保证网络覆盖率；蒋鹏等人提出的基于分簇的水下传感器网络覆盖保持路由算法，与LEACH-Coverage-U相比能够在延长网络生命周期的同时，较好的保持了网络的覆盖率，但簇与簇之间、簇与SINK节点之间易出现不连通现象，进而导致局部网络中断，且靠近SINK节点的簇头节点负载较大，其寿命较短易过早死亡，进而影响整个网络的生命周期。蒋鹏等人提出一种分布式的网络不均匀分层的覆盖保持路由算法，即根据节点距离SINK节点的不同距离将网络分层以减小靠近SINK节点的节点通信能耗，并基于网络覆盖冗余度的方式选择簇头，该算法虽然能较好的延长网络寿命并保持网络覆盖率，但易出现簇头节点含有较多簇成员的情况，因此不能较好的均衡网络能耗，其延长网络生命周期并保持网络覆盖率的能力仍有待进一步提高。

发明内容

本发明的目的是为了解决现有水下无线传感器网络链路技术存在的不足，提供了一种水下无线传感器网络均衡能耗并保持覆盖的方法。

本发明所述水下无线传感器网络均衡能耗并保持覆盖的方法，该方法包括以下步骤：

步骤一、在待监测区域随机布撒节点；

步骤二、令步骤一中的节点按以下原则休眠：将待监测区域以间隔均等的距离取点，再计算每个传感节点的覆盖冗余度，并休眠冗余度较高的节点；

步骤三、对步骤二休眠冗余节点后的网络进行分簇：以网络覆盖率和能耗标准差为目标函数、采用基于分解技术的多目标算法优化并获取一组非支配解，采用TOPSIS法从该组非支配解中选出一个最优解作为分簇方式，并计算分簇后网络工作到有节点死亡时的网络生命周期、网络覆盖率以及各节点的剩余能量；

步骤四、若监测到某个节点死亡，唤醒该死亡节点周边的休眠节点，再按步骤二的休眠原则令被唤醒节点中的冗余节点休眠；

重复执行步骤二～四，直至节点无法连接到基站。

优选地，步骤二令冗余节点休眠的过程为：

步骤21、将连续区域的覆盖问题转化为对离散点的覆盖问题，即对待监测区域，以(△x、△y、△z)为间距取点，表示对待监测区域建立坐标系后，两个相邻点在x轴、y轴和z轴上的间隔距离；

步骤22、根据节点的感知范围Rs计算网络对离散点集的覆盖率，记为max_coverage；

步骤23、依次计算待监测区域内每个节点被休眠后网络覆盖率的变化情况，若不发生变化说明该节点网络覆盖冗余度较大，则休眠该节点。

优选地，步骤三的分簇过程为：

步骤31、初始化基于分解技术多目标优化算法中的相关参数，设此时网络中的工作节点数目为D，在[0,1]区间内初始化一个规模为N维数为D的种群；

步骤32、确定网络覆盖率和能耗标准差两个目标函数；

能耗标准差σ_Q按公式获取；

其中：m表示簇头节点的个数，μQ表示簇头节点的能耗均值，且按公式获取，Q(j)表示第j个节点在每轮通信中的能耗；

网络覆盖率η按公式η＝Q/S获取；

其中：Q为所有至少被一个传感器节点覆盖的点集；

步骤33、以网络覆盖率和能耗标准差为目标函数获取一组非支配解；

步骤34、根据TOPSIS法对步骤33的一组非支配解进行筛选排序，选取出最优解作为网络分簇方式。

优选地，步骤四中唤醒节点过程为：

步骤41、监测网络，若监测到某个节点死亡，则唤醒该死亡节点周边2Rs距离范围内的所有休眠节点；

步骤42、按步骤二的休眠原则令步骤41被唤醒节点中的冗余节点重新休眠。

本发明的有益效果：本发明中将节点休眠与唤醒策略、多目标优化策略、TOPSIS法等结合到一起，将覆盖重叠部分较大的节点休眠，可以在保持网络覆盖率的前提下降低网络的整体能量消耗。唤醒死亡节点周围节点，可以避免该死亡节点带来的覆盖空洞，在一定程度上保持网络覆盖率。以节点能耗方差和网络节点覆盖率为目标，采用基于分解的多目标算法进行优化求解，可以得到一组兼顾网络能耗均衡及网络覆盖率的分簇方案，采用TOPSIS法可以从中找出较符合需求的解。

附图说明

图1是本发明所述水下无线传感器网络均衡能耗并保持覆盖的方法的流程图；

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

本发明首先计算网络节点在被休眠的情况下对覆盖率影响的程度，并对影响较小也即覆盖冗余度高的节点执行休眠策略，然后以网络覆盖率及网络节点能耗的标准差为目标，采用多目标算法进行求解，得到一组非支配解集后再利用TOPSIS法从中选出较优解。当有节点死亡时，唤醒该节点附近已被休眠的节点，弥补了因节点死亡出现的覆盖空洞，以保持网络覆盖率。本发明能够根据节点的位置、携带能量等信息，建立出能有效均衡网络节点能耗及网络覆盖率的网络拓扑结构，能在有效延长网络生存周期的同时保持网络的覆盖率。

1、节点休眠及唤醒策略

水下传感器网络通过大量布撒节点实现对监测区域的有效覆盖，随着节点密度的逐渐增大，节点间彼此重叠覆盖的区域也将逐渐增大，甚至一些节点的监测区域能够完全被其它节点覆盖，此时若休眠这些节点，则可以在保持网络覆盖率的同时降低网络簇头节点的负载能耗。基于以上分析休眠策略的具体过程描述如下。

(1)当完成对网络的节点布撒后，计算当前网络的覆盖率，记为max_coverage。

(2)对网络中的任意节点i，计算该节点被休眠后的网络覆盖率coverage_i,若此时coverage_i与max_coverage的值相同，则说明节点i的覆盖冗余度较大，其获得的监测信息可完全被其它节点取代，因此将该节点休眠。

采用休眠策略可有效减少网络中的工作节点，降低网络的负载消耗。当网络中有节点因能量较低而死亡时，为保持网络覆盖率，从休眠节点中唤醒与该死亡节点存在覆盖重叠的节点，则具体过程描述如下。

(1)由几何定义可知，两个球体若相交则这个两个球体球心间的距离小于其半径的距离和。因此在休眠节点中找出与死亡节点距离小于2Rs的节点，并将其全部唤醒。

(2)计算此时的网络覆盖率，并再次对网络执行休眠策略以减少网络中覆盖冗余度较高的节点。

2、基于分解技术的多目标优化的覆盖保持分簇策略

当监测区域较大时，节点不能直接将信息发送给SINK，因此为延长网络生命周期，常采用分簇的方式均衡网络能耗，考虑到不同的分簇方案最终将导致不同节点的死亡，而这又将给网络覆盖率带来不同的影响，因此在设计网络通信方式时，需要同时考虑网络生命周期与网络覆盖率。

基于以上分析，本发明以网络覆盖率及网络能耗均衡性为目标，采用基于分解技术的多目标算法进行优化，具体的目标函数表达形式描述如下。

目标函数一：网络的寿命取决于簇头节点的寿命，而网络中簇头节点的总能量是固定的，因此只有均衡网络能耗差异，才能保证在网络寿命最大化的前提下，最小化网络的总能耗，所以本文将网络簇头节点的能耗标准差作为算法的目标函数，具体如式(1)所示。

其中，σQ表示簇头节点在每轮通信中能耗的标准差，m表示簇头节点的个数，μQ表示簇头节点的能耗均值，具体表示如式(2)所示。Q(j)表示第j个节点在每轮通信中的能耗E，计算方式如式(3)所示。

E＝E_send+E_rec+E_intg (3)

E_send＝lP₀A(d),E_rec＝lP_r,E_intg＝lE_da (4)

其中，E_da表示数据融合能耗，E_send表示节点的发送数据能耗，E_rec表示节点的接收数据能耗，E_intg表示接收数据能耗和数据融合能耗，l表示节点发送数据包大小，P₀为节点可以接收到单位数据包需要的最小功率，P_r是常数表示节点接受1bit数据消耗的能量。

A(d)＝d^λα^d (5)

其中，f表示载波频率，d表示节点间的数据传输距离，λ为能量扩散因子(圆柱形扩散为1，实际情况为1.5，球形扩散为2)，

目标函数二：为便于计算网络覆盖率，首先将连续空间离散化，即对监测区域建立三维直角坐标系，每隔(△x,△y,△z)选取一个离散点，从而连续区域覆盖的问题就转化为区域离散点集的覆盖.设监测区域离散后对应的点集为S，所有至少被一个传感器节点覆盖的点集为Q，则区域覆盖率η定义按式(7)计算。

η＝Q/S (7)

则采用基于分解技术的多目标算法对两个目标函数进行优化，具体过程描述如下。

(1)基于节点通信距离，为节点i建立可连接通信矩阵，且矩阵中的节点按照欧氏距离从小到大进行排序。

(2)节点i从其通信矩阵中选择下一跳节点属于对离散点的选择，将其映射为在区间[0,1]内的概率选择。

(3)在[0,1]区间内随机产生N个粒子，设当前网络中的工作节点数为D，则解空间的维数为D。

(4)以式(1)和式(7)为目标函数，设置多目标算法的种群规模N及种群最大迭代次数T，最终得到一个非支配解集。

3、基于TOPSIS法的多目标决策

经多目标算法优化两个目标函数后，可得到一组非支配解集，本发明采用TOPSIS法对多目标算法得到的非支配解集进行评估排序前，先在目标空间定义一个测度，以度量各个非支配解靠近理想解和远离负理想解的程度，即按照问题的需要先选定一个理想解和一个负理想解，再根据非支配解到理想解和负理想解的距离，对其进行排序从而选出较优解。其中理想解是指各目标函数均取得较优解，负理想解指各目标函数均得到较差解，TOPSIS法的具体步骤描述如下。

(1)构造目标矩阵H＝(h_ij)_m×n，即将由非支配解集得到不同的目标组合。其中，n表示目标函数的数目，m表示非支配解的数目，j表示目标函数的序号，i表示非支配解的序号，h_ij表示第i个非支配解在目标函数j上的值。

(2)将目标函数矩阵归一化，则归一化矩阵可表示为式(8)形式。

其中，y_ij表示第i个非支配解在目标函数j上经归一化后的值。

(3)理想解和负理想解

理想解表示由多目标算法优化得到的非支配解集在各目标函数上的最优值，计算方式如式(9)所示，负理想解表示各目标函数上的最差值，计算方式如式(10)所示。

其中J⁺＝{各目标函数最优值}，J-＝{各目标函数最差值}，表示各组解在目标函数n上的最优值，表示各组解在目标函数n上的最差值。

(4)计算各方案到理想解和负理想解的距离，其中到理想解的距离如式(11)，到负理想解的距离如式(12)。

其中，表示各非支配解到理想解的距离，表示各非支配解到负理想解的距离。

(5)由各个方案到理想解和负理想解的距离可计算出各方案的相对贴近度如式(13)。

(6)将各个方案按相对贴近度排序，并选择贴近度最好的方案最为当前网络的分簇方式。

根据Topsis法得到的分簇方式建立网络连接，统计每个节点接收的数据量，并由此计算出各个节点在每轮通信中接收数据能耗E_rec、发送数据能耗E_send以及融合数据能耗E_intg。再计算出各节点的理论最大生命周期，即由节点的剩余能量除以节点每轮通信中的能量损耗。其中，理论最大生命周期最小的节点最先死亡，则该节点对应的理论最大生命周期即为网络的最大生命周期。再计算出各个节点的剩余能量，即由各个节点具有的能量减去网络生命周期乘以节点的每轮能耗。

若网络中节点i的能量低于工作的阈值，则判定该节点死亡，同时为保持网络覆盖率，从休眠节点中选出与该节点距离在2Rs范围内的节点，并将这些节点唤醒，计算此时的网络覆盖率，然后对这些节点执行休眠策略，减少不必要的节点降低网络负载能耗。若此时网络节点i的能量高于工作的阈值，且节点的剩余能量减去其每轮通信能耗小于工作阈值，则标记该节点使其在以后的分簇过程中不再充当簇头节点。

本发明的一种水下无线传感器网络均衡能耗并保持覆盖的方法采用节点休眠策略，在保证当前网络覆盖率的前提下，休眠覆盖冗余度大的节点以降低网络节点能耗。然后以网络覆盖率和节点能耗标准差为目标，采用基于分解技术的多目标算法以得到一组兼顾网络覆盖率和生命周期的节点分簇方案，再采用TOPSIS法从中选出较优解。当有节点死亡时，通过唤醒死亡节点周围节点，保持网络覆盖率。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (4)

1.水下无线传感器网络均衡能耗并保持覆盖的方法，其特征在于，该方法包括以下步骤：

步骤一、在待监测区域随机布撒节点；

步骤二、令步骤一中的节点按以下原则休眠：将待监测区域以间隔均等的距离取点，再计算每个传感节点的覆盖冗余度，并休眠冗余度较高的节点；

步骤三、对步骤二休眠冗余节点后的网络进行分簇：以网络覆盖率和能耗标准差为目标函数，采用基于分解技术的多目标算法优化并获取一组非支配解，采用TOPSIS法从该组非支配解中选出一个较优解作为分簇方式，并计算分簇后网络工作到有节点死亡时的网络生命周期、网络覆盖率以及各节点的剩余能量；

步骤四、若监测到某个节点死亡，唤醒该死亡节点周边的休眠节点，再按步骤二的休眠原则令被唤醒节点中的冗余节点休眠；

重复执行步骤二～四，直至节点无法连接到基站。

2.根据权利要求1所述水下无线传感器网络均衡能耗并保持覆盖的方法，其特征在于，步骤二令冗余节点休眠的过程为：

步骤21、将连续区域的覆盖问题转化为对离散点的覆盖问题，即对待监测区域，以(△x、△y、△z)为间距取点，△x、△y、△z表示对待监测区域建立坐标系后，两个相邻点在x轴、y轴和z轴上的间隔距离；

步骤22、根据节点的感知范围Rs计算当前网络节点对离散点集的覆盖率，记为max_coverage；

步骤23、依次计算待监测区域内每个节点被休眠后网络覆盖率的变化情况，若不发生变化说明该节点网络覆盖冗余度较大，则休眠该节点。

3.根据权利要求2所述水下无线传感器网络均衡能耗并保持覆盖的方法，其特征在于，步骤三的分簇过程为：

步骤31、初始化基于分解技术多目标优化算法中的相关参数，设此时网络中的工作节点数目为D，在[0,1]区间内初始化一个规模为N维数为D的种群；

步骤32、确定网络覆盖率和能耗标准差两个目标函数；

能耗标准差σQ按公式获取；

其中：m表示簇头节点的个数，μ_Q表示簇头节点的能耗均值，且按公式获取，Q(j)表示第j个节点在每轮通信中的能耗；

网络覆盖率η按公式η＝Q/S获取；

其中：Q为所有至少被一个传感器节点覆盖的点集；

步骤33、以网络覆盖率和能耗标准差为目标函数获取一组非支配解；

步骤34、根据TOPSIS法对步骤33的一组非支配解进行筛选排序，选出最优解作为网络分簇方式。

步骤35、计算有节点死亡时的网络生命周期、网络覆盖率以及各个节点的剩余能量；

网络节点中，其剩余能量除以其每轮消耗能量所得到的值最小的节点即为最先死亡的节点，其值即为当前网络生命周期，其中节点每轮消耗的能量由节点发送数据能耗、接收数据能耗以及融合数据能耗组成；

网络覆盖率可由当前存活节点获得；

各个节点剩余能量，可由节点能量减去网络生命周期乘以节点每轮消耗能量获得。

4.根据权利要求3所述水下无线传感器网络均衡能耗并保持覆盖的方法，其特征在于，步骤四中唤醒节点过程为：

步骤41、监测网络，若监测到某个节点死亡，则唤醒该死亡节点周边2Rs距离范围内的所有休眠节点；

步骤42、按步骤二的休眠原则令步骤41被唤醒节点中的冗余节点重新休眠。