CN108684066B - 基于K-medoids的无线传感器网络分簇方法 - Google Patents

基于K-medoids的无线传感器网络分簇方法 Download PDF

Info

Publication number
CN108684066B
CN108684066B CN201810462611.6A CN201810462611A CN108684066B CN 108684066 B CN108684066 B CN 108684066B CN 201810462611 A CN201810462611 A CN 201810462611A CN 108684066 B CN108684066 B CN 108684066B
Authority
CN
China
Prior art keywords
clustering
nodes
wireless sensor
sensor network
absolute error
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
CN201810462611.6A
Other languages
English (en)
Other versions
CN108684066A (zh
Inventor
王进
王凯
牛俊明
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.)
Yangzhou University
Original Assignee
Yangzhou University
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 Yangzhou University filed Critical Yangzhou University
Priority to CN201810462611.6A priority Critical patent/CN108684066B/zh
Publication of CN108684066A publication Critical patent/CN108684066A/zh
Application granted granted Critical
Publication of CN108684066B publication Critical patent/CN108684066B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • 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)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明公开了一种基于K‑medoids的无线传感器网络分簇方法，具体步骤为：根据无线传感器网络结构，得到无线传感器网络中心位置坐标并确定初始聚类点坐标；将传感器节点划分给距离最近的初始聚类点形成簇，并计算绝对误差E；选择一个普通节点替换一个聚类点重新分簇并计算绝对误差，并与前一轮绝对误差相比，若绝对误差减小，则保留此次分簇结果，否则，不接受此次替换，继续寻找普通节点重复步骤3；根据分好的簇计算新聚类点坐标，重复步骤3，直到所有节点都替换过一遍，得到分簇结果。本发明基于K‑medoids的无线传感器网络分簇方法，减少了各传感器的能耗，延长无线传感器网络整体的生存时间。

Description

基于K-medoids的无线传感器网络分簇方法
技术领域
本发明涉及无线传感器网络技术领域，特别是一种基于K-medoids的无线传感器网络节点分簇方法。
背景技术
无线传感器网络是由大量微型的传感器节点以自组织的方式组成的低成本、自适应性高的无线网络。它可以实时监测、感知各种环境和监测对象的信息，并将数据传送给所需的用户。随着物联网的发展，无线传感网具有十分广泛的前景，越来越多大规模的无线传感器网络投入使用。在无线传感器网络中节点能量来源主要是电池，由于庞大的节点规模和环境的限制给节点充电是很困难的事情,当节点耗尽能量后网络的监测范围就会出现空洞，不能达到全部覆盖，因此，在无线传感器网络中节点能量的保护成为了备受关注的问题。为了提高能量使用效率延长网络生存时间，必须开发新的高效的节能算法。
低能耗自适应分簇结构(LEACH)算法是使用在分布式簇结构中的一种典型的基于分簇协议的算法。在LEACH中，大量的节点被分成几个簇，每一个簇都有一个簇头，簇头是根据预定义的可能性选出来的，普通节点会选择最近的簇头节点发送检测数据，簇头节点负责把接收到簇内节点的数据发送到基站或者移动汇聚节点。但是，这种随机选择簇头节点的方式往往会导致较差的分簇结果，使得一些节点传输距离变长从而加快能量消耗，极大地缩短了生存时间。
发明内容
本发明提出了一种基于K-medoids的无线传感器网络分簇方法，解决现有技术传感器能耗大，无线传感器网络整体生存时间短的问题。
实现本发明的技术解决方案为：一种基于K-medoids的无线传感器网络分簇方法，具体步骤为：
步骤1、根据无线传感器网络结构，得到无线传感器网络中心位置坐标并确定初始聚类点坐标；
步骤2、根据每个传感器节点分别到初始聚类点的距离，将传感器节点划分给距离最近的初始聚类点形成簇，并计算绝对误差E；
步骤3、选择一个普通节点替换一个聚类点，重新分簇并计算绝对误差，并与前一轮绝对误差相比，若绝对误差减小，则保留此次分簇结果，否则，不接受此次替换，继续寻找普通节点重复步骤3；
步骤4、重复步骤3，直到所有节点都替换过一遍，得到分簇结果。
本发明与现有技术相比，其显著优点为：(1)本发明在确定簇头节点时即考虑了传感器节点之间的平均距离，也考虑了传感器节点剩余能量，可以有效避免LEACH算法中随机产生簇头导致的分簇失衡问题，同时在分簇过程中能够有效避免离群点的产生。(2)通过使用统一簇位置和平衡网络负载来延长网络整体的生存时间。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1是无线传感器网络示意图。
图2是基于K-medoids的无线传感器网络节点分簇方法流程图。
图3是生成的初始聚类点的原理图。
图4是传感器节点选择聚类点原理图。
图5是分簇后重新选择新聚类点的原理图。
图6是传感器节点更换分簇原理图。
具体实施方式
本发明公开了一种基于K-medoids的无线传感器网络分簇方法，结合图2所示，具体步骤为：
步骤1、根据无线传感器网络结构，得到无线传感器网络中心位置坐标以及初始聚类点坐标；通过本步骤能够有效减少整个方案迭代次数，减少初始化时间。
如图1所示为一个无线传感器网络结构示意图，图中圆圈表示传感器节点，在一个区域内分布着若干传感器节点。
进一步的实施例中，无线传感器网络中心位置坐标O的计算公式为：
Figure GDA0003485508130000021
式中，n为传感器节点的个数，Xi是传感器节点i的位置坐标。将每个传感器节点位置的横坐标和纵坐标分别累加并除以n算出坐标的平均值，即为中心点位置坐标O。
进一步的实施例中，初始聚类点坐标计算公式为：
Figure GDA0003485508130000031
其中，k是所分的簇的数量，同时p＝1,2,3,…,k，Ox为中心点位置横坐标，Oy为中心点位置纵坐标，R为中心位置与所有传感器节点的平均距离，其计算方法为：
Figure GDA0003485508130000032
式中，Xi是传感器节点i的位置坐标，n为传感器节点的个数，O为无线传感器网络中心位置坐标。
生成初始聚类点的原理图如图3所示。其中，圆圈表示传感器节点，黑色圆点表示通过上面步骤计算得出的初始聚类点，黑色三角形为中心点位置O。
步骤2、结合图4所示，在计算出初始化聚类点之后，基于所有传感器节点的位置，创建k个簇，具体为根据每个传感器节点分别到初始聚类点的距离，将传感器节点划分给距离最近的初始聚类点形成簇，并计算绝对误差E。本发明中绝对误差E表示普通节点到其所在簇的簇头节点(聚类点)之间的距离。
进一步的实施例中，绝对误差E的计算公式为：
Figure GDA0003485508130000033
式中，Ci表示第i个簇，q是Ci簇中的一个普通节点，ri为簇Ci的簇头节点。
所分的簇的数量k具体确定公式为：
Figure GDA0003485508130000034
式中，n为传感器节点的个数。
步骤3、选择一个普通节点替换一个聚类点，重新分簇并计算绝对误差，并与前一轮绝对误差相比，若绝对误差减小，则用该普通节点替换聚类点得到新的分簇结果，否则，不替换，继续寻找节点重复步骤3；
进一步的实施例中，选取的普通节点的剩余能量高于网络整体的平均剩余能量。
在某些实施例中，令I＝{I1,I2,…,Ij,…,Ik-1,Ik}，作为簇头节点的集合。随机选择一个普通节点为Irandom去替换簇头节点Ij，替换的要求是选择的节点剩余能量必须高于网络整体的平均剩余能量。这样可以确保选用节点有充足的能量，同时也有效的缩短了迭代时间，使得分簇更加高效。具体替换公式为
Figure GDA0003485508130000041
其中I*＝{I1,I2,…,Irandom,…,Ik-1,Ik}，I(t)为前一轮的簇头节点的集合，节点根据I*重新将网络划分为k个簇，然后再次计算绝对误差E*，将其与上一次的绝对误差E(t)相比，如果是减小的，那么说明本次替换成功，保留此次更新。反之，替换失败，不接受此次替换，重新选择普通节点进行替换。
如图5所示，是分好簇后重新计算新聚类点的原理图。虚线箭头表示某一轮所有传感器节点分好簇后计算出新的聚类点，然后将上一轮的聚类点用新聚类点替换掉。
步骤4、重复步骤3，直到所有节点都替换过一遍，得到分簇结果。无线传感器网络中的每一个传感器节点都根据新的聚类点重新开始分簇，直到簇内传感器节点不再发生变化。
在传感器节点进行分簇计算时会出现图6的情况，黑色圆点表示上一轮的聚类点，灰色圆点表示重新计算出来的聚类点。传感器节点A在分簇计算时会重新计算到每个聚类点的距离选择最近的加入。上一轮节点A属于上面一个簇，更新聚类点后，距离2大于距离3，所以节点A又加入到下面的簇中。这种情况表明节点分簇还处于不稳定状态，随着迭代次数的增加，结果不断收敛，最终各个簇内的节点不会发生改变，趋于稳定，分簇就完成了。
本方法中提及的聚类点实际为理论的中心点，现实情况下没有对应的传感器节点实体，因而需要在传感器节点中选择簇头节点。方法是将簇内的每个传感器节点与理论聚类点的距离升序排序，同时计算出簇内传感器节点的平均能量，选择距离理论聚类点最近的且传感器节点能量高于簇内平均能量的节点作为该簇实际的簇头节点。
网络拓扑结构建立好后，远程服务器通过基站将路由信息发送给传感器节点，让其根据路由接收和发送数据。由于簇头节点需要收集和压缩信息，所以能量消耗较大，因此每隔一定时间需要对整个网络重构一次，更换簇头节点。
本专利提出的基于K-medoids的无线传感器网络分簇方法，通过计算传感器节点的平均距离，同时将节点剩余能量作为是否能成为簇头节点的重要因素，对于分布式的无线传感器网络可以有效实现负载均衡，大大延长网络的生存时间，减少了维护成本。该方法与流行的LEACH相比较而言，解决了随机选择簇头节点带来的不确定性和不平衡性，不管是能量消耗还是生存时间都有显著提高。

Claims (7)

1.一种基于K-medoids的无线传感器网络分簇方法，其特征在于，具体步骤为：
步骤1、根据无线传感器网络结构，得到无线传感器网络中心位置坐标并确定初始聚类点坐标；
步骤2、根据每个传感器节点分别到初始聚类点的距离，将传感器节点划分给距离最近的初始聚类点形成簇，并计算绝对误差E；
步骤3、选择一个普通节点替换一个聚类点，重新分簇并计算绝对误差，并与前一轮绝对误差相比，若绝对误差减小，则保留此次分簇结果，否则，不接受此次替换，继续寻找普通节点重复步骤3，具体方法为：
令I＝{I1,I2,…,Ij,…,Ik-1,Ik}，作为簇头节点的集合，随机选择一个普通节点为Irandom去替换簇头节点Ij，具体替换公式为
Figure FDA0003485508120000011
其中I*＝{I1,I2,…,Irandom,…,Ik-1,Ik}，I(t)为前一轮的簇头节点的集合，节点根据I*重新将网络划分为k个簇，再次计算绝对误差E*，将其与上一次的绝对误差E(t)相比，如果是减小的，那么说明本次替换成功，保留此次更新，反之，替换失败，不接受此次替换，重新选择普通节点进行替换；
步骤4、重复步骤3，直到所有节点都替换过一遍，得到分簇结果。
2.根据权利要求1所述的基于K-medoids的无线传感器网络分簇方法，其特征在于，步骤1中无线传感器网络中心位置坐标O的计算公式为：
Figure FDA0003485508120000012
式中，n为传感器节点的个数，Xi是传感器节点i的位置坐标。
3.根据权利要求1所述的基于K-medoids的无线传感器网络分簇方法，其特征在于，步骤1中初始聚类点坐标计算公式为：
Figure FDA0003485508120000013
式中，k是所分的簇的数量，同时p＝1,2,3,…,k，Ox为中心点位置横坐标，Oy为中心点位置纵坐标，R为中心位置与所有传感器节点的平均距离。
4.根据权利要求3所述的基于K-medoids的无线传感器网络分簇方法，其特征在于，中心位置与所有传感器节点的平均距离R的计算方法为：
Figure FDA0003485508120000021
式中，Xi是传感器节点i的位置坐标，n为传感器节点的个数，O为无线传感器网络中心位置坐标。
5.根据权利要求3所述的基于K-medoids的无线传感器网络分簇方法，其特征在于，步骤2中所分的簇的数量k具体确定公式为：
Figure FDA0003485508120000022
式中，n为传感器节点的个数。
6.根据权利要求1所述的基于K-medoids的无线传感器网络分簇方法，其特征在于，步骤2中绝对误差E的计算公式为：
Figure FDA0003485508120000023
式中，Ci表示第i个簇，q是Ci簇中的一个普通节点，ri为簇Ci的簇头节点。
7.根据权利要求1所述的基于K-medoids的无线传感器网络分簇方法，其特征在于，步骤3中选择的普通节点的剩余能量高于网络整体的平均剩余能量。
CN201810462611.6A 2018-05-15 2018-05-15 基于K-medoids的无线传感器网络分簇方法 Active CN108684066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810462611.6A CN108684066B (zh) 2018-05-15 2018-05-15 基于K-medoids的无线传感器网络分簇方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810462611.6A CN108684066B (zh) 2018-05-15 2018-05-15 基于K-medoids的无线传感器网络分簇方法

Publications (2)

Publication Number Publication Date
CN108684066A CN108684066A (zh) 2018-10-19
CN108684066B true CN108684066B (zh) 2022-03-29

Family

ID=63806459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810462611.6A Active CN108684066B (zh) 2018-05-15 2018-05-15 基于K-medoids的无线传感器网络分簇方法

Country Status (1)

Country Link
CN (1) CN108684066B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109547959B (zh) * 2018-11-16 2022-03-25 深圳市中电数通智慧安全科技股份有限公司 一种消防无线传感器网络优化方法、装置、服务器及介质
CN112857470A (zh) * 2021-03-31 2021-05-28 中国农业机械化科学研究院 一种散粮集装箱内粮情监测方法及监测装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394565A (zh) * 2014-11-07 2015-03-04 南昌大学 基于最大最小距离法的分簇多跳路由方法
CN105072656A (zh) * 2015-07-10 2015-11-18 桂林电子科技大学 基于K-means聚类和蚁群算法的多级异构无线传感器网络分簇路由方法
KR20170053193A (ko) * 2015-11-05 2017-05-16 중앙대학교 산학협력단 무선 이미지 센서 네트워크를 위한 k-평균 클러스터링 기반의 데이터 압축 시스템 및 방법
CN107277889A (zh) * 2017-08-03 2017-10-20 扬州大学 一种基于k‑means的无线传感器网络分簇方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394565A (zh) * 2014-11-07 2015-03-04 南昌大学 基于最大最小距离法的分簇多跳路由方法
CN105072656A (zh) * 2015-07-10 2015-11-18 桂林电子科技大学 基于K-means聚类和蚁群算法的多级异构无线传感器网络分簇路由方法
KR20170053193A (ko) * 2015-11-05 2017-05-16 중앙대학교 산학협력단 무선 이미지 센서 네트워크를 위한 k-평균 클러스터링 기반의 데이터 압축 시스템 및 방법
CN107277889A (zh) * 2017-08-03 2017-10-20 扬州大学 一种基于k‑means的无线传感器网络分簇方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A K-medoids based Clustering Algorithm for Wireless Sensor Networks;Jin Wang等人;《2018 International Workshop on Advanced Image Technology (IWAIT)》;20180109;正文的第3节-第4节 *
基于邻域的Ｋ中心点聚类算法;谢娟英等人;《陕西师范大学学报》;20120710;正文的第1节-第2节 *

Also Published As

Publication number Publication date
CN108684066A (zh) 2018-10-19

Similar Documents

Publication Publication Date Title
CN107277889B (zh) 一种基于k-means的无线传感器网络分簇方法
Tao et al. Flow-balanced routing for multi-hop clustered wireless sensor networks
CN112469100A (zh) 基于可充电多基站式无线异构传感器网络的分层路由算法
CN108684066B (zh) 基于K-medoids的无线传感器网络分簇方法
Mahajan et al. Improving the stable period of WSN using dynamic Stable leach Election Protocol
Rahama et al. A routing protocol for improving energy efficiency in wireless sensor networks
Tirani et al. WDAT‐OMS: A two‐level scheme for efficient data gathering in mobile‐sink wireless sensor networks using compressive sensing theory
Zhang et al. Energy-aware data gathering mechanism for mobile sink in wireless sensor networks using particle swarm optimization
Kumar et al. Performance of energy conservation models, generic, micaz and micamotes, using AODV routing protocol on a wireless sensor network
SB et al. Sector based multi-hop clustering protocol for wireless sensor networks
Latiff et al. Hybrid backtracking search optimization algorithm and k-means for clustering in wireless sensor networks
Kaur et al. Comparative analysis of clustering protocols for wireless sensor networks
Kuruvila et al. Progress based localized power and cost aware routing algorithms for ad hoc and sensor wireless networks
JP6533498B2 (ja) 経路選択装置、経路選択方法及びプログラム
Asha A hybrid approach for cost effective routing for WSNs using PSO and GSO algorithms
CN109451554B (zh) 一种无线网络路径优化方法及系统
Jayashree et al. E/sup 2/LBC: an energy efficient load balanced clustering technique for heterogeneous wireless sensor networks
Yarinezhad et al. MLCA: a multi-level clustering algorithm for routing in wireless sensor networks
Vallimeenal et al. Improving energy and network lifetime using PSO based apriori in wireless sensor networks
Essa et al. A new weight based rotating clustering scheme for WSNS
Jia et al. An energy-balanced self-deployment algorithm based on virtual force for mobile sensor networks
Yang et al. Inter-cluster multi-hop routing algorithm based on K-means
Heidari et al. Reducing energy consumption in IoT by a routing whale optimization algorithm
Sharma et al. Wireless sensor network structural design and protocols: A survey
Dubey et al. Load Balanced Clustering protocol for lifetime enhancement of 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