CN108513332A - 一种分簇路由方法及系统 - Google Patents
一种分簇路由方法及系统 Download PDFInfo
- Publication number
- CN108513332A CN108513332A CN201810388409.3A CN201810388409A CN108513332A CN 108513332 A CN108513332 A CN 108513332A CN 201810388409 A CN201810388409 A CN 201810388409A CN 108513332 A CN108513332 A CN 108513332A
- Authority
- CN
- China
- Prior art keywords
- wsn
- node
- cluster
- nodes
- cluster area
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/46—Cluster building
-
- 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
本发明公开了一种分簇路由方法及系统,该方法包括:汇聚节点获取第一数量,将多个无线传感器网络WSN节点所在的区域,平均划分为所述第一数量的簇区,在第一轮,将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点,将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点,其中,将WSN节点所在区域平分为第一数量的簇区,每个簇区中选取出一个WSN节点作为簇头节点,这便尽可能的均衡了簇头节点、各WSN节点的分布,均衡了节点能量损耗,延长了无线传感器网络的生命周期。
Description
技术领域
本发明涉及无线传感器网络路由技术领域,具体涉及一种分簇路由方法及系统。
背景技术
无线传感器网络(Wireless Sensor Network,WSN)的出现引起了全世界范围的广泛关注。1999年,著名的美国商业周刊将无线传感器网络列为21世纪最具影响的21项技术之一;2003年,MIT技术评论(Technology Review)在预测未来技术发展的报告中,将其列为改变世界的10大新技术之一。环境监测与预报、森林防火、地质灾害监测与预警等是无线传感器网络的重要应用领域。
路由协议是无线传感器网络应用的重要基础。在无线传感器网络的应用中,路由协议对传感器网络的监测活动至关重要。在大面积环境监测、森林火灾灾情监测与地质灾害监测预警中,必需将传感器节点的监测数据传输到控制中心。无线传感器网络是由具有通信与计算能力的微小传感器节点密集布设在无人值守的监控区域而构成的自治测控网络系统。由于微传感器节点的能量受限性和WSN的密集部署和无人值守等应用特点使得节点难以进行能量的补充。这些因素决定了WSN的首要设计目标是通过均衡高效的能耗方式来延长网络生存时间。所以,研究高效且低能耗的无线传感器网络路由协议具有重要的意义。
从网络拓扑结构的角度来进行分类,WSN路由协议(路由协议后文可称路由方法)大体可以分为两类:平面路由协议和分簇(层次)路由协议。平面路由协议在运行过程中由于需要维持较大的路由表,且没有数据融合,节点能耗消耗大,并不适合在大规模网络中采用。分簇路由协议与其相比有较大的优势。分簇路由协议由簇头负责将整个簇的数据发送到基站,减少了与基站通信的节点数,大大降低了网络的能耗;分簇路由协议采用了数据融合技术,WSN中存在大量的数据冗余,簇头将数据发送到基站之前首先进行数据融合和压缩操作,进一步减少了与基站的通信量;分簇路由协议的可扩展性较好,容易与其他路由协议相结合。
LEACH路由协议是第一个被提出的分簇路由协议,LEACH路由协议及在此基础上提出的一系列改进分簇路由协议都是通过循环随机选举簇首以均衡网络整体能耗,但它们也同时存在着如簇首分布不均匀,可能会出现各簇区中的节点能量损耗不均匀的问题。
发明内容
本发明的目的在于提供一种分簇路由方法及系统,用以解决现有技术中的各簇区中的节点能量耗损不均匀的问题。
为实现上述目的,本发明的技术方案为:
本发明提供一种分簇路由方法,执行于汇聚节点,所述方法包括:
获取第一数量;
将多个无线传感器网络WSN节点所在的区域,平均划分为所述第一数量的簇区;
在第一轮,将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点;
将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点。
进一步的,每个簇区中的WSN节点的数量相同。
进一步的,获取第一数量,具体包括:
分别将多个WSN节点所在的区域平均分成不同预设数量的簇区;
将每个预设数量的簇区中的各簇区的坐标范围、各簇区的坐标范围对应的簇区编号,发送给各WSN节点,以使得各WSN节点根据自己的坐标确定所在簇区,并将该WSN节点的坐标、所在簇区编号发送到汇聚节点;
统计不同预设数量的簇区中的、各簇区的WSN的节点数量,将不同预设数量的簇区中的、各簇区中的WSN节点数量调整为相同数量;
分别获取第一关系和第二关系,其中,所述第一关系,是指所述多个WSN节点对应的WSN的死亡时间,与不同预设数量的对应关系,所述第二关系,是指所述多个WSN节点传输到所述汇聚节点的总数据包的个数,与所述不同预设数量的对应关系;
根据所述第一关系和所述第二关系,确定所述第一数量。
进一步的,所述方法还包括:
在第r轮,将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点,其中,所述r为大于1的整数;
将所述每个簇区的簇头节点的标识信息,广播至该簇区的每个WSN节点;
其中,
f(i)是第i个WSN节点在第r轮的竞选能量,Eir是所述第i个WSN节点在所述第r轮的剩余能量,E0javr是第r轮第j簇区所有WSN节点的初始平均能量,Rjmax是第r轮所述第j簇区WSN节点到所述汇聚节点的最大距离,Ritos是第r轮所述第i个WSN节点到所述汇聚节点的距离,Rjavr是第r轮所述第j簇区所有WSN节点到所述汇聚节点距离的平均值,a是平衡因子。
进一步的,将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点之前,所述方法还包括:
在所述第r轮,将每个簇区中的WSN节点数调整为相同数量。
进一步的,在第r轮,将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点,具体包括:
在所述第r轮,针对每个簇区,当第一百分比比值不大于预设百分比比值时,将未做过簇头节点的、竞选能量最大的WSN节点,确定为该簇区簇头节点;
在所述第r轮,针对每个簇区,当第一百分比比值大于预设百分比比值时,将每个簇中的竞选能量最大的WSN节点,确定为该簇区簇头节点;
其中,所述第一百分比比值,是指每个簇区中做过簇头节点的WSN节点的数量,与所述第一轮该簇区中的WSN节点的数量的比值。
进一步的,所述a的取值,是根据第三关系和第四关系确定出的;
其中,所述第三关系,是指第1个、第30%个以及第50%个WSN节点的死亡时间,与不同预设取值的a的对应关系;
所述第四关系,是指所述多个WSN节点传输到所述汇聚节点的总数据包的个数,与所述不同预设取值的a的对应关系。
本发明还提供一种分簇路由系统,所述系统包括汇聚节点和多个WSN节点:
所述汇聚节点,用于获取第一数量;
所述汇聚节点,还用于将多个无线传感器网络WSN节点所在的区域,平均划分为所述第一数量的簇区;
在第一轮,所述汇聚节点,还用于将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点;
所述汇聚节点,还用于将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点。
进一步的,每个簇区中的WSN节点的数量相同。
进一步的,其特征在于:
在第r轮,所述汇聚节点,还用于将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点,其中,所述r为大于1的整数;
所述汇聚节点,还用于将每个簇区的簇头节点,广播至该簇区的每个WSN节点;
其中,
f(i)是第i个WSN节点在第r轮的竞选能量,Eir是所述第i个WSN节点在所述第r轮的剩余能量,E0javr是第r轮第j簇区所有WSN节点的初始平均能量,Rjmax是第r轮所述第j簇区WSN节点到所述汇聚节点的最大距离,Ritos是第r轮所述第i个WSN节点到所述汇聚节点的距离,Rjavr是第r轮所述第j簇区所有WSN节点到所述汇聚节点距离的平均值,a是平衡因子。
本发明具有如下优点:
汇聚节点获取第一数量,将多个WSN节点所在的区域,平均划分为所述第一数量的簇区,在第一轮,将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点,将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点,其中,将WSN节点所在区域平分为第一数量的簇区,每个簇区中选取出一个WSN节点作为簇头节点,这便尽可能的均衡了簇头节点的分布,均衡了节点能量损耗,延长了无线传感器网络的生命周期。
附图说明
图1为本发明提供的一种分簇路由方法的流程示意图;
图2为本发明提供的WSN模型中的各WSN节点和汇聚节点的分布示意图;
图3为本发明提供的3个簇区的示意图;
图4为本发明提供的调整3个簇区节点数的示意图;
图5为本发明提供的各WSN节点对应的WSN的死亡时间,与不同预设数量的关系曲线图;
图6为本发明提供的各WSN节点传输到汇聚节点的总数据包的个数,与不同预设数量的关系曲线图;
图7为本发明提供的另一种分簇路由方法的流程示意图;
图8为本发明提供的第1个、第30%个以及第50%个WSN节点的死亡时间,与不同预设取值的a的关系曲线图;
图9为本发明提供的各WSN节点传输到汇聚节点的总数据包的个数,与不同预设取值的a的关系曲线图;
图10为本发明提供的存活节点数量随时间变化的曲线图;
图11为本发明提供的传输数据量随时间变化的曲线图;
图12为本发明提供的一种分簇路由系统的结构示意图。
具体实施方式
以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
为了解决现有技术中的各簇中的节点能耗不均的问题,本发明实施例1提供一种分簇路由方法。
在介绍该方法前,先介绍该方法所应用的WSN模型:
该WSN模型中包括M(M为大于1的整数)个WSN节点,一个汇聚节点,M个WSN节点随机分布在一个正方形或长方形的观测区域内,并持续地对环境进行监测。其中,该WSN模型的特点如下所述:
(1)该WSN模型为静态网络模型,M个WSN节点和汇聚节点部署后不再移动且各节点位置已知。每个节点有一个全局唯一的标识。在M个WSN节点中有小部分带有GPS定位装置,即为锚节点,通过测距或非测距定位方法可求出所有WSN节点的坐标位置;
(2)所有WSN节点都是能量异构的,各WSN节点有不同的初始能量,其能量是有限且不可再补充;
(3)每个WSN节点的功能相同,均具有融合数据的能力;
(4)汇聚节点位于观测区域的外侧,且能量不受限;
(5)每个WSN节点的无线发射功率可控,即WSN节点可以根据接收者的距离来调整其发射功率;
(6)每个WSN节点都是全双工通信,能与汇聚节点直接通信。能量从第一WSN节点传输到第二WSN节点消耗的能量等同于从第二WSN节点传输到第一WSN节点消耗的能量。
介绍完上述WSN模型后,下面介绍该方法的流程,该方法的执行主体为汇聚节点,该方法的流程示意图可参见图1,该方法包括下述步骤:
步骤101,获取第一数量。
本发明实施例1中,可通过下述两种方法获取第一数量:
第一种方法:
1)分别将多个WSN节点所在的区域平均分成不同预设数量的簇区。
上述不同预设数量,可以是汇聚节点预先获取到的。
例如,上述不同预设数量,可以分别为1、2、3、4、6、8,即分别将观测区域平均分成1个簇区、2个簇区、3个簇区、4个簇区、6个簇区,以及8个簇区。
2)将每个预设数量的簇区中的各簇区的坐标范围、各簇区的坐标范围对应的簇区编号,发送给各WSN节点,以使得各WSN节点根据自己的坐标确定所在簇区,并将该WSN节点的坐标、所在簇区编号发送到汇聚节点。
3)统计不同预设数量的簇区中的、各簇区的WSN的节点数量,将不同预设数量的簇区中的、各簇区中的WSN节点数量调整为相同数量。
由于各WSN节点在观测区域中是随机分布的,那么将观测区域平分为各簇区后,并无法保证每个簇区中的WSN节点数量相同,那么便可通过下述方法来调整:
例如,假设WSN模型中的观测区域大小为80m×120m,M=120,汇聚节点位于观测区域正上方80m处,该WSN模型中的各WSN节点和汇聚节点的分布示意图,可参见图2。将观测区域平均划分为3个簇区,这3个簇区的示意图可参见图3,图3中,3个簇区从左到右为1、2、3区。各簇区中的平均节点数量为Naver,设1、2、3区的WSN节点数量分别为N1、N2、N3。
参见图4,图4为调整3个簇区节点数量的示意图,若1区的节点数N1-Naver=n,若n>0,则将1区中最靠近2区的n个节点划给2区,比如n=2,则将1区中最靠近2区的A、B节点划给2区;若n<0,则将2区中最靠近1区的|n|个点划给1区,比如n=-1,则将2区中最靠近1区的D节点划给1区。这里所说的划给2区或1区,并非是将WSN节点挪到2区或1区,而是使得该些WSN节点与2区或1区的簇头节点进行数据传输。
同理,调整2区和3区的WSN节点数,使得每个簇区中的WSN节点数量相同。
由上文可知,WSN节点随机分布,那么不同簇区中的WSN节点的数量可能不同。WSN节点和汇聚节点的位置不变。上述所说的每个簇区中的WSN节点的数量相同,并非指每个簇区中的、物理分布上的WSN节点的数量相同,而是指每个簇区中的、功能上的WSN节点的数量相同,即簇区中的WSN节点,与该簇区簇头节点进行数据传输。
4)分别获取第一关系和第二关系。
其中,第一关系,是指多个WSN节点对应的WSN的死亡时间,与不同预设数量的对应关系,第二关系,是指多个WSN节点传输到所述汇聚节点的总数据包的个数,与所述不同预设数量的对应关系。
其中,一般情况下,将WSN中的30%节点死亡之前的时期,称为有效生存期。那么,这里所说的WSN的死亡时间,可以是指第30%的WSN节点的死亡时间。
上述第一关系可以为各WSN节点对应的WSN的死亡时间,与不同预设数量的关系曲线图(参见图5),第二关系图可以为各WSN节点传输到汇聚节点的总数据包的个数,与不同预设数量的关系曲线图(参见图6)。
5)根据第一关系和第二关系,确定第一数量。
具体的,将死亡时间和个数均较大的情况下对应的预设数量,确定为第一数量。
沿用上例,从图5和图6可以看出,当预设数量为3时,WSN的死亡时间最长,并且各WSN节点传输到汇聚节点的总数据包个数最多,那么便确定第一数量为3。
第二种方法:
接收用户通过终端设备发送的第一数量。
这里的第一数量,可以是用户事先通过实验获取到的,其中,实验过程可参见第一种方法,这里不再进行赘述。
需要说明的是,可以将第一数量看作是最优数量。
步骤102,将多个WSN节点所在的区域,平均划分为第一数量的簇区。
其中,每个簇区中的WSN节点的数量相同,这便可进一步的均衡WSN节点的分布,以及能量耗损,更可以延长无线传感器网络的生命周期。
步骤103,在第一轮,将每个簇中的能量最大的WSN节点,确定为该簇区簇头节点。
其中,各WSN节点可将自身的能量发送给汇聚节点,以使得汇聚节点获知各WSN节点的能量。
步骤104,将每个簇区的簇头节点的标识信息,广播至该簇区的每个WSN节点。
每个簇头节点,用于接收并融合该簇区中各WSN节点获取到的数据,并将融合后的数据传输给汇聚节点。其中,汇聚节点可以是基站。
汇聚节点获取第一数量,将多个WSN节点所在的区域,平均划分为所述第一数量的簇区,在第一轮,将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点,将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点,其中,将WSN节点所在区域平分为第一数量的簇区,每个簇区中选取出一个WSN节点作为簇头节点,这便尽可能的均衡了簇头节点、各WSN节点的分布,均衡了节点能量损耗,延长了无线传感器网络的生命周期。
实施例2
在本发明实施例2还提供另一种分簇路由方法,该方法的执行主体为汇聚节点,该方法的流程示意图可参见图7,包括下述步骤:
步骤201,获取第一数量。
步骤202,将多个WSN节点所在的区域,平均划分为第一数量的簇区。
其中,各簇区中的WSN节点的数量相同。
步骤203,在第一轮,将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点。
步骤204,将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点。
步骤205,在第r轮,将每个簇区中的WSN节点数量调整为相同数量。
需要说明的是,由于WSN节点随着时间推移,可以会死亡,所以为了各簇区中的WSN节点耗能较为均匀,可以在第r轮,将每个簇区中的WSN节点数调整为相同数量。其中,调整方法可参见实施例1中提及的调整方法,此处不再进行赘述。
步骤206,在第r轮,将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点。
其中,r为大于1的整数。
其中,
f(i)是第i个WSN节点在第r轮的竞选能量,Eir是第i个WSN节点在第r轮的剩余能量,E0javr是第r轮第j簇区所有WSN节点的初始平均能量,Rjmax是第r轮第j簇区WSN节点到汇聚节点的最大距离,Ritos是第r轮第i个WSN节点到汇聚节点的距离,Rjavr是第r轮第j簇区所有WSN节点到汇聚节点距离的平均值,a是平衡因子。
需要说明的是,本发明实施例2中,各WSN节点可根据任一通信模型来计算各WSN节点的耗损能量、剩余能量,并将计算出的剩余能量发送给汇聚节点,其中,通信模型可以为LEACH路由方法中的一阶无线电模型等,这里不再进行赘述。
具体的,在第r轮,针对每个簇区,当第一百分比比值不大于预设百分比比值时,将未做过簇头节点的、竞选能量最大的WSN节点,确定为该簇区簇头节点;在第r轮,针对每个簇区,当第一百分比比值大于预设百分比比值时,将每个簇中的竞选能量最大的WSN节点,确定为该簇区簇头节点,其中,第一百分比比值,是指每个簇区中做过簇头节点的WSN节点的数量,与第一轮该簇区中的WSN节点的数量的比值。上述预设百分比比值可为任意数值,例如10%或者20%等,可根据实际需求设置。
例如,可针对每个簇区,设置两个集合Hcset和Hsset,其中Hcset集合内的WSN节点可以当选为簇头节点,初始时,Hcset集合包含簇区内所有WSN节点;Hsset集合内装的是已经当选过簇头节点,目前不能再当选为簇头节点的WSN节点。初始时,Hsset集合为空集,当Hcset集合中有WSN节点当选为簇头节点后,则将该WSN节点移至Hsset集合内。当簇内有10%的WSN节点当选过簇头节点后,重新置Hcset集合包含簇内所有WSN节点,Hsset集合为空集,即簇区内所有WSN节点又可以当选为簇头节点。
a的取值范围一般为0.1~0.9,若主要考虑WSN节点到汇聚点的距离,a取值较小;若主要考虑WSN节点的剩余能量,a取值较大。上述a的取值,可以通过下述两种方法获取:
第一种方法:a的取值,可以是汇聚节点根据第三关系和第四关系确定出的。
其中,第三关系,是指第1个、第30%个以及第50%个WSN节点的死亡时间,与不同预设取值的a的对应关系。
第四关系,是指各WSN节点传输到汇聚节点的总数据包的个数,与不同预设取值的a的对应关系。
a的取值,可以是第1个、第30%个以及第50%个WSN节点的死亡时间较大,且各WSN节点传输到汇聚节点的总数据包的个数对应的预设取值的a。
其中,第三关系,可以是第1个、第30%个以及第50%个WSN节点的死亡时间,与不同预设取值的a的关系曲线图(参见图8),第四关系,可以是各WSN节点传输到汇聚节点的总数据包的个数,与不同预设取值的a的关系曲线图(参见图9),由图8和图9可知,平衡因子a的取值在0.5~0.7之间较为合适。
第二种方法:接收用户发送的a。
用户可以事先通过实验获取a的取值,即在执行步骤201之前获取a的取值,然后通过设备发送给汇聚节点。
其中,实验过程可参见获取a的第一种方法,这里不再进行赘述。
步骤207,将每个簇区的簇头节点的标识信息,广播至该簇区的每个WSN节点。
需要说明的是,在数据传输过程中,可重复执行步骤205~207,直到WSN的生命周期结束。
根据WSN节点所在区域的大小,WSN节点总数,WSN节点与汇聚节点之间的距离确定最优数量,将区域均匀划分成最优数量的簇区,即进行最优分簇。每簇区选举一个簇头节点,其余WSN节点发数据给簇头节点,簇头节点进行数据融合后直接与汇聚节点通信。由于簇头节点消耗的能量比普通节点更大,所以WSN节点需要轮流担任簇头节点。把基本操作分成了轮,每一轮中各WSN节点竞争为簇头节点,每个簇区选举一个簇头节点,竞选能量最大值者即当选为该轮的簇头节点。竞选能量是WSN节点剩余能量和WSN节点到汇聚节点距离的函数。在每一轮中将每个簇区的存活WSN节点数自动调整到相同。由于采用最优分簇且各簇区中的WSN节点数量相同,簇头节点分布均匀,簇头节点选举考虑了WSN节点的剩余能量和位置,均衡了WSN节点能量损耗,延长了无线传感器网络的生命周期。
实施例3
为了检验路由协议的性能,对EH-LEACH路由方法、DEEC路由方法和本发明提供的分簇路由方法(后文称AOCPR方法),在Matlab平台上进行了仿真对比分析。WSN的观测区域为80m×120m,WSN节点总数为120,WSN节点随机分布、能量异构,平分为3个簇区,平衡因子a=0.6。
1、仿真参数设置
使用MATLAB R2014a仿真软件,对EH-LEACH路由方法议、DEEC路由方法和AOCPR方法进行了模拟实验。仿真环境分别为80m×120m的长方形区域,汇聚节点位于区域正上方80m处,各节点的初始能量是异构的。每个路由方法都进行了100遍实验,每遍实验时,重新随机产生100个WSN节点,各路由方法中存活节点数量随时间变化的曲线图可参见图10,各路由方法中传输数据量随时间变化的曲线图可参见图11。这里所说的传输数据量,即为WSN中各WSN节点与基站通信过程中发送的数据量,后文可称为网络吞吐量。
在每遍实验中,EH-LEACH路由方法、DEEC路由方法和AOCPR方法的节点分布完全相同,同一个WSN节点的初始能量都是相同的,即这三个路由方法的运行环境是完全一样。忽略无线信道干扰和信号碰撞等随机因素产生的影响。其中,仿真参数见表1。
表1仿真参数
2、实验结果分析
实验是在异构WSN下进行的,通过比较EH-LEACH路由方法、DEEC路由方法和AOCPR方法的网络生存周期和网络吞吐量中各节点与基站通信过程中发送的数据量。来验证各路由方法的性能。
(1)网络生命周期
整个WSN中存活WSN节点数量随WSN运行时间的变化反映出WSN生命周期的长短,也是反映该路由方法效率的一项重要指标,通过不同观察不同路由方法中存活节点数量随时间变化的曲线图,能够更加直观的比较不同路由方法中WSN生命周期的变化。
图10是各路由方法的存活节点数量随时间变化的曲线图,AOCPR方法中的第一个节点死亡的时间是EH-LEACH路由方法的3.94倍,AOCPR方法中的30%节点死亡的时间是EH-LEACH路由方法的2.65倍,AOCPR方法中的50%节点死亡的时间是EH-LEACH路由方法的2.07倍。AOCPR方法的第一个节点死亡的时间是DEEC路由方法的2.05倍,AOCPR方法30%节点死亡的时间是DEEC路由方法的1.54倍,AOCPR方法50%节点死亡的时间是DEEC路由方法的1.58倍。
这表明,AOCPR方法使能量的损耗更加均匀的分布到所有WSN节点中,避免了单个WSN节点因能量损耗过大而过早死亡。WSN中死亡WSN节点的数目占有一定比例时就可以认为网络的死亡。从图10可知,AOCPR方法在延长无线传感器网络生命周期中的优越表现。
AOCPR方法通过改进簇头节点的选举机制、使WSN节点和簇头节点更均匀分布、且每轮调整各簇区包含的WSN节点数目相同,减少了部分WSN节点因能耗快而过早死亡的现象,延长了WSN节点的存活时间和WSN的生存周期。
(2)网络吞吐量
图11是各路由方法的传输数据量(数据包)随时间变化的曲线图,即基站收到的数据包和时间的关系曲线。AOCRP方法能够发送的数据包总量是EH-LEACH的1.89倍,是DEEC的1.48倍。这是因为EH-LEACH路由方法的簇头节点选举没有考虑WSN节点的能量,选举的簇头节点分布不均匀,有些簇头节点与基站通信的距离较远,导致它们的负载过大,能量很快耗尽而过早死亡。使WSN的WSN节点变少,覆盖面积变小。DEEC路由方法的簇头节点选举虽然考虑了节点能量,但选举的簇头节点分布不均匀,有些簇头节点与基站的距离较远,能量很快耗尽而过早死亡。这进一步说明了AOCRP方法能够节省网络能量消耗,提高传感器的能量利用率。
AOCRP方法通过优化分簇、自动调整各簇区的WSN节点数的方法使簇头节点节点的分布更加均匀,减少了部分WSN节点的通信负载,使得部分WSN节点能耗过快的情况大量减少,这样,WSN节点能发送更多的数据包,WSN节点的能量利用率也会更高。
实施例4
本发明实施例4提供一种分簇路由系统400,该系统400包括汇聚节点401和多个WSN节点402,该系统400的结构示意图参见图12,其中:
所述汇聚节点401,用于获取第一数量;
所述汇聚节点401,还用于将多个WSN节点402所在的区域,平均划分为所述第一数量的簇区;
在第一轮,所述汇聚节点401,还用于将每个簇区中的能量最大的WSN节点402,确定为该簇区簇头节点;
所述汇聚节点401,还用于将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点402。
进一步的,每个簇区中的WSN节点402的数量相同。
进一步的,在第r轮,所述汇聚节点401,将每个簇区中的WSN节点402数量调整为相同数量。
进一步的,在第r轮,所述汇聚节点401,还用于将每个簇区中的竞选能量最大的WSN节点402,确定为该簇区簇头节点,其中,所述r为大于1的整数;
所述汇聚节点401,还用于将每个簇区的簇头节点,广播至该簇区的每个WSN节点;
其中,
f(i)是第i个WSN节点在第r轮的竞选能量,Eir是所述第i个WSN节点在所述第r轮的剩余能量,E0javr是第r轮第j簇区所有WSN节点的初始平均能量,Rjmax是第r轮所述第j簇区WSN节点到所述汇聚节点的最大距离,Ritos是第r轮所述第i个WSN节点到所述汇聚节点的距离,Rjavr是第r轮所述第j簇区所有WSN节点到所述汇聚节点距离的平均值,a是平衡因子。
每个簇头节点,用于接收并融合该簇区中各WSN节点402获取到的数据,并将融合后的数据传输给汇聚节点。其中,汇聚节点401可以是基站。
汇聚节点获取第一数量,将多个WSN节点所在的区域,平均划分为所述第一数量的簇区,在第一轮,将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点,将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点,其中,将WSN节点所在区域平分为第一数量的簇区,每个簇区中选取出一个WSN节点作为簇头节点,这便尽可能的均衡了簇头节点的分布,均衡了节点能量损耗,延长了无线传感器网络的生命周期。
需要说明的是,实施例1~4中提及的各技术特征可自由组合,本发明对此不进行任何限定。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种分簇路由方法,其特征在于,执行于汇聚节点,所述方法包括:
获取第一数量;
将多个无线传感器网络WSN节点所在的区域,平均划分为所述第一数量的簇区;
在第一轮,将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点;
将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点。
2.如权利要求1所述的方法,其特征在于,每个簇区中的WSN节点的数量相同。
3.如权利要求1所述的方法,其特征在于,获取第一数量,具体包括:
分别将多个WSN节点所在的区域平均分成不同预设数量的簇区;
将每个预设数量的簇区中的各簇区的坐标范围、各簇区的坐标范围对应的簇区编号,发送给各WSN节点,以使得各WSN节点根据自己的坐标确定所在簇区,并将该WSN节点的坐标、所在簇区编号发送到汇聚节点;
统计不同预设数量的簇区中的、各簇区的WSN的节点数量,将不同预设数量的簇区中的、各簇区中的WSN节点数量调整为相同数量;
分别获取第一关系和第二关系,其中,所述第一关系,是指所述多个WSN节点对应的WSN的死亡时间,与不同预设数量的对应关系,所述第二关系,是指所述多个WSN节点传输到所述汇聚节点的总数据包的个数,与所述不同预设数量的对应关系;
根据所述第一关系和所述第二关系,确定所述第一数量。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
在第r轮,将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点,其中,所述r为大于1的整数;
将所述每个簇区的簇头节点的标识信息,广播至该簇区的每个WSN节点;
其中,
f(i)是第i个WSN节点在第r轮的竞选能量,Eir是所述第i个WSN节点在所述第r轮的剩余能量,E0javr是第r轮第j簇区所有WSN节点的初始平均能量,Rjmax是第r轮所述第j簇区WSN节点到所述汇聚节点的最大距离,Ritos是第r轮所述第i个WSN节点到所述汇聚节点的距离,Rjavr是第r轮所述第j簇区所有WSN节点到所述汇聚节点距离的平均值,a是平衡因子。
5.如权利要求4所述的方法,其特征在于,将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点之前,所述方法还包括:
在所述第r轮,将每个簇区中的WSN节点数量调整为相同数量。
6.如权利要求4所述的方法,其特征在于,在第r轮,将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点,具体包括:
在所述第r轮,针对每个簇区,当第一百分比比值不大于预设百分比比值时,将未做过簇头节点的、竞选能量最大的WSN节点,确定为该簇区簇头节点;
在所述第r轮,针对每个簇区,当第一百分比比值大于预设百分比比值时,将每个簇中的竞选能量最大的WSN节点,确定为该簇区簇头节点;
其中,所述第一百分比比值,是指每个簇区中做过簇头节点的WSN节点的数量,与所述第一轮该簇区中的WSN节点的数量的比值。
7.如权利要求4所述的方法,其特征在于,所述a的取值,是根据第三关系和第四关系确定出的;
其中,所述第三关系,是指第1个、第30%个以及第50%个WSN节点的死亡时间,与不同预设取值的a的对应关系;
所述第四关系,是指所述多个WSN节点传输到所述汇聚节点的总数据包的个数,与所述不同预设取值的a的对应关系。
8.一种分簇路由系统,其特征在于,所述系统包括汇聚节点和多个WSN节点:
所述汇聚节点,用于获取第一数量;
所述汇聚节点,还用于将多个无线传感器网络WSN节点所在的区域,平均划分为所述第一数量的簇区;
在第一轮,所述汇聚节点,还用于将每个簇区中的能量最大的WSN节点,确定为该簇区簇头节点;
所述汇聚节点,还用于将每个簇区的簇头节点标识信息,广播至该簇区的每个WSN节点。
9.如权利要求8所述的系统,其特征在于,每个簇区中的WSN节点的数量相同。
10.如权利要求8所述的系统,其特征在于:
在第r轮,所述汇聚节点,还用于将每个簇区中的竞选能量最大的WSN节点,确定为该簇区簇头节点,其中,所述r为大于1的整数;
所述汇聚节点,还用于将每个簇区的簇头节点,广播至该簇区的每个WSN节点;
其中,
f(i)是第i个WSN节点在第r轮的竞选能量,Eir是所述第i个WSN节点在所述第r轮的剩余能量,E0javr是第r轮第j簇区所有WSN节点的初始平均能量,Rjmax是第r轮所述第j簇区WSN节点到所述汇聚节点的最大距离,Ritos是第r轮所述第i个WSN节点到所述汇聚节点的距离,Rjavr是第r轮所述第j簇区所有WSN节点到所述汇聚节点距离的平均值,a是平衡因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810388409.3A CN108513332B (zh) | 2018-04-26 | 2018-04-26 | 一种分簇路由方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810388409.3A CN108513332B (zh) | 2018-04-26 | 2018-04-26 | 一种分簇路由方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108513332A true CN108513332A (zh) | 2018-09-07 |
CN108513332B CN108513332B (zh) | 2020-05-26 |
Family
ID=63399435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810388409.3A Active CN108513332B (zh) | 2018-04-26 | 2018-04-26 | 一种分簇路由方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108513332B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596858A (zh) * | 2021-09-30 | 2021-11-02 | 南昌师范学院 | 一种无线传感器网络的分簇方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395173A (zh) * | 2011-11-01 | 2012-03-28 | 江南大学 | 环境监测物联网感知层能量高效利用的成簇方法 |
CN103220216A (zh) * | 2013-04-22 | 2013-07-24 | 南京邮电大学 | 一种基于区域划分的无线体域网路由方法 |
KR101658736B1 (ko) * | 2015-09-07 | 2016-09-22 | 성균관대학교산학협력단 | 에너지 저손실 클러스터 트리구조를 이용한 무선 센서 네트워크의 클러스터링 방법 |
CN106454905A (zh) * | 2016-11-25 | 2017-02-22 | 重庆邮电大学 | 一种改进的无线传感网层次型多链路算法 |
CN107065809A (zh) * | 2017-05-29 | 2017-08-18 | 深圳众厉电力科技有限公司 | 一种基于无线传感器网络的智能家居系统 |
-
2018
- 2018-04-26 CN CN201810388409.3A patent/CN108513332B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395173A (zh) * | 2011-11-01 | 2012-03-28 | 江南大学 | 环境监测物联网感知层能量高效利用的成簇方法 |
CN103220216A (zh) * | 2013-04-22 | 2013-07-24 | 南京邮电大学 | 一种基于区域划分的无线体域网路由方法 |
KR101658736B1 (ko) * | 2015-09-07 | 2016-09-22 | 성균관대학교산학협력단 | 에너지 저손실 클러스터 트리구조를 이용한 무선 센서 네트워크의 클러스터링 방법 |
CN106454905A (zh) * | 2016-11-25 | 2017-02-22 | 重庆邮电大学 | 一种改进的无线传感网层次型多链路算法 |
CN107065809A (zh) * | 2017-05-29 | 2017-08-18 | 深圳众厉电力科技有限公司 | 一种基于无线传感器网络的智能家居系统 |
Non-Patent Citations (1)
Title |
---|
段宝峰: "基于节能的无线传感器网络拓扑控制算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596858A (zh) * | 2021-09-30 | 2021-11-02 | 南昌师范学院 | 一种无线传感器网络的分簇方法及装置 |
CN113596858B (zh) * | 2021-09-30 | 2021-12-03 | 南昌师范学院 | 一种无线传感器网络的分簇方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108513332B (zh) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kour et al. | Hybrid energy efficient distributed protocol for heterogeneous wireless sensor network | |
Al-Anbagi et al. | A survey on cross-layer quality-of-service approaches in WSNs for delay and reliability-aware applications | |
Choi et al. | A framework for energy-saving data gathering using two-phase clustering in wireless sensor networks | |
Maraiya et al. | Efficient cluster head selection scheme for data aggregation in wireless sensor network | |
Zhang et al. | Extended AODV routing method based on distributed minimum transmission (DMT) for WSN | |
CN108882258A (zh) | 一种面向无线传感器网络的近邻轮转层次分簇方法 | |
CN106102075A (zh) | 无线传感网络中基于等级区域划分的分簇方法及系统 | |
CN104394566A (zh) | 一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法 | |
CN108966239A (zh) | 一种基于能量空洞度部署中继节点的方法 | |
Singh et al. | Energy‐efficient QoS‐aware intelligent hybrid clustered routing protocol for wireless sensor networks | |
Rahama et al. | A routing protocol for improving energy efficiency in wireless sensor networks | |
CN107222900A (zh) | 一种基于动态链的无线传感器网络节点协作方法 | |
Bilgin et al. | Collecting smart meter data via public transportation buses | |
Ding et al. | An interference‐aware energy‐efficient routing algorithm with quality of service requirements for software‐defined WSNs | |
Amsalu et al. | Energy efficient Grid Clustering Hierarchy (GCH) routing protocol for wireless sensor networks | |
Moundounga et al. | An overview of routing techniques in WSNs | |
Rani et al. | Energy efficient protocol for densely deployed homogeneous network | |
Kour | Hierarchical routing protocols in wireless sensor networks | |
Wang et al. | An enhanced energy optimization routing protocol using double cluster heads for wireless sensor network | |
CN108513332A (zh) | 一种分簇路由方法及系统 | |
Shujuan et al. | The Improvement of LEACH Algorithm in Wireless Sensor Networks. | |
CN106686652B (zh) | 无线传感器网络拓扑控制方法 | |
Halder et al. | Lifetime maximizing clustering structure using archimedes' spiral based deployment in WSNs | |
Pandey et al. | Performance Evaluation of Various Routing Protocols and quality of service for Wireless Sensor Network | |
Liu et al. | MMSCM: A multiple mobile sinks coverage maximization based hierarchical routing protocol for mobile wireless sensor networks |
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 |