CN109819497A - 一种簇头选择方法及装置 - Google Patents

一种簇头选择方法及装置 Download PDF

Info

Publication number
CN109819497A
CN109819497A CN201910146851.XA CN201910146851A CN109819497A CN 109819497 A CN109819497 A CN 109819497A CN 201910146851 A CN201910146851 A CN 201910146851A CN 109819497 A CN109819497 A CN 109819497A
Authority
CN
China
Prior art keywords
cluster head
node
sensor network
indicate
wireless sensor
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.)
Pending
Application number
CN201910146851.XA
Other languages
English (en)
Inventor
程刚
赵文东
王源野
邹贵祥
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.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
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 China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201910146851.XA priority Critical patent/CN109819497A/zh
Publication of CN109819497A publication Critical patent/CN109819497A/zh
Pending legal-status Critical Current

Links

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

本发明提供一种簇头选择方法及装置，通过计算最优簇头数目，根据最优簇头数目和无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率，并计算每个节点的簇头选举参数，根据每个节点的簇头选举参数和最优簇头数目确定簇头，本发明的簇头选择方法在保证网络连通性的同时，能够最大限度均衡网络能耗、延长网络生存时间。

Description

一种簇头选择方法及装置
技术领域
本发明涉及通信技术领域，具体涉及一种簇头选择方法及装置。
背景技术
无线传感器网络由许多分布在特定范围内的传感器节点组成，这些传感器节点通过协作的方式完成数据的采集，并且数据以多跳的方式传送给汇聚节点。在实际应用中，大多数传感器节点都处于汇聚节点的单跳传输范围以外，需要通过多跳的方式将数据传送给汇聚节点，这样汇聚节点周围的邻居节点很快消耗完自身能量，导致网络连通性中断。
目前常用的簇头选择方法主要有：低功耗自适应簇头选择方法和中心化簇头选择方法。低功耗自适应簇头选择方法是将网络覆盖区域进行分簇，每个节点采用随机数的方式竞选簇头，簇头节点负责融合和转发簇内节点的数据。但是该方法中每个节点都有平等的机会参与簇头选举，没有考虑节点的剩余能量，容易造成剩余能量较低的节点被选为簇头，进而导致簇头节点提前死亡。
中心化簇头选择方法是采用基站管理簇内节点并分簇的方法，基站指定剩余能量最高的节点成为簇头。该方法虽然保证了簇头的剩余能量不会过低，但是会造成簇头分布不均的状态。
当前的节能路由方法要么是没有考虑节点的剩余能量，要么是簇头分布不均。为了最大限度的均衡网络中的能量，本发明提出了一种能量均衡的簇头选择方法。
发明内容
本发明针对现有技术中存在的上述不足，提供一种簇头选择方法及装置，用以解决现有簇头选择方案无法兼顾节点的剩余能量和簇头分布均衡的问题。
本发明为解决上述技术问题，采用如下技术方案：
本发明提供一种簇头选择方法，所述方法应用于无线传感器网络覆盖区域，所述无线传感器网络覆盖区域包括一个汇聚节点和多个簇，每个簇包括簇头和普通节点，所述方法包括：
计算最优簇头数目；
根据所述最优簇头数目和所述无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率；
计算每个节点的簇头选举参数；
根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头。
优选的，所述无线传感器网络覆盖区域的面积为M*M，所述计算最优簇头数目，具体包括：
确定所述无线传感器网络覆盖区域内当前存活的普通节点的数量；
计算各个簇头与所述汇聚节点之间的平均距离；
根据无线传感器网络覆盖区域的范围M、簇头的广播距离、所述无线传感器网络覆盖区域内当前存活的普通节点的数量、所述各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。
优选的，当时，根据公式(1)计算最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离；
当时，根据公式(2)计算所述最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离。
优选的，根据公式(3)计算所述最优簇头概率popt：
其中，kopt表示最优簇头数目，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量。
优选的，所述计算每个节点的簇头选举参数，具体包括：
计算所述无线传感器网络覆盖区域的总剩余能量、所述无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离；
根据所述最优簇头数目、所述无线传感器网络覆盖区域内当前存活的普通节点数量、所述最优簇头概率、当前节点的剩余能量、所述无线传感器网络覆盖区域的总剩余能量、所述各普通节点到汇聚节点的平均欧氏距离、所述当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。
优选的，根据公式(4)计算每个节点的簇头选举参数T(n)：
其中，r表示簇的半径，Eremain表示当前节点的剩余能量，Ere-total表示所述无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，α表示权重因子，0<α<1，表示当前节点的节点中心度，n表示节点。
优选的，所述根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头，具体包括：
将所述每个节点的簇头选举参数由大到小排序；
选取所述排序中前最优簇头数目的簇头选举参数；
确定选取出的簇头选举参数对应的节点为簇头。
本发明还提供一种基站设备，所述基站设备包括：第一计算模块、第二计算模块、第三计算模块和处理模块；
所述第一计算模块用于，计算最优簇头数目；
所述第二计算模块用于，根据所述最优簇头数目和所述无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率；
所述第三计算模块用于，计算每个节点的簇头选举参数；
所述处理模块用于，根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头。
优选的，所述无线传感器网络覆盖区域的面积为M*M，所述第一计算模块具体用于，确定所述无线传感器网络覆盖区域内当前存活的普通节点的数量；计算各个簇头与所述汇聚节点之间的平均距离；根据无线传感器网络覆盖区域的范围M、簇头的广播距离、所述无线传感器网络覆盖区域内当前存活的普通节点的数量、所述各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。
优选的，所述第一计算模块具体用于，当时，根据公式(1)计算最优簇头数目kopt：其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离；
当时，根据公式(2)计算所述最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离。
优选的，所述第二计算模块具体用于，根据公式(3)计算所述最优簇头概率popt：
其中，kopt表示最优簇头数目，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量。
优选的，所述第三计算模块具体用于，计算所述无线传感器网络覆盖区域的总剩余能量、所述无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离；根据所述最优簇头数目、所述无线传感器网络覆盖区域内当前存活的普通节点数量、所述最优簇头概率、当前节点的剩余能量、所述无线传感器网络覆盖区域的总剩余能量、所述各普通节点到汇聚节点的平均欧氏距离、所述当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。
优选的，所述第三计算模块具体用于，根据公式(4)计算每个节点的簇头选举参数T(n)：
其中，r表示簇的半径，Eremain表示当前节点的剩余能量，Ere-total
表示所述无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，α表示权重因子，0<α<1，表示当前节点的节点中心度，n表示节点。
优选的，所述处理模块具体用于，将所述每个节点的簇头选举参数由大到小排序；选取所述排序中前最优簇头数目的簇头选举参数；确定选取出的簇头选举参数对应的节点为簇头。
本发明通过计算最优簇头数目，根据最优簇头数目和无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率，并计算每个节点的簇头选举参数，根据每个节点的簇头选举参数和最优簇头数目确定簇头，本发明的簇头选择方法在保证网络连通性的同时，能够最大限度均衡网络能耗、延长网络生存时间。
附图说明
图1为本发明实施例提供的簇头选择方法流程图；
图2为本发明实施例提供的计算最优簇头数目的流程图；
图3为本发明实施例提供的确定簇头的流程图；
图4为本发明实施例提供的基站设备的结构示意图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例1提供一种簇头选择方法，应用于无线传感器网络覆盖区域，所述无线传感器网络覆盖区域的面积为M*M。在初始化阶段，在无线传感器网络覆盖区域内部署n个传感器节点，包括1个汇聚节点和(n-1)个普通节点。根据簇的半径r，将(n-1)个传感器节点划分为k个簇，每个簇内包括(n-1)/k-1个普通节点，和一个指定的簇头节点。
以下结合图1，对本发明一种实施例的簇头选择流程进行详细说明，如图1所示，该流程包括以下步骤：
步骤11，计算最优簇头数目。
计算最优簇头数目的具体实现方式后续结合附图2再详细说明。
步骤12，根据最优簇头数目和无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率。
具体的，根据公式(3)计算最优簇头概率popt：
其中，kopt表示最优簇头数目，nalive表示无线传感器网络覆盖区域内当前存活的普通节点的数量。
步骤13，计算每个节点的簇头选举参数。
先计算无线传感器网络覆盖区域的总剩余能量、无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离。然后，根据最优簇头数目、无线传感器网络覆盖区域内当前存活的普通节点数量、最优簇头概率、当前节点的剩余能量、无线传感器网络覆盖区域的总剩余能量、各普通节点到汇聚节点的平均欧氏距离、当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。
具体的，根据公式(4)计算每个节点的簇头选举参数T(n)：
其中，r表示簇的半径，Eremain表示当前节点的剩余能量，Ere-total无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，表示当前节点的节点中心度，α表示权重因子，其决定了当前节点的剩余能量和当前节点与汇聚节点间的距离所占选择簇头的比重，0<α<1，n表示节点。
步骤14，根据每个节点的簇头选举参数和最优簇头数目，确定簇头。
确定簇头的具体实现方式后续结合附图3再详细说明。
通过上述步骤11-14可以看出，本发明通过计算最优簇头数目，根据最优簇头数目和无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率，并计算每个节点的簇头选举参数，根据每个节点的簇头选举参数和最优簇头数目确定簇头，本发明的簇头选择方法在保证网络连通性的同时，能够最大限度均衡网络能耗、延长网络生存时间。
以下结合图2，对计算最优簇头数目(即步骤11)的具体实现方式进行详细说明，如图2所示，所述计算最优簇头数目，包括：
步骤111，确定无线传感器网络覆盖区域内当前存活的普通节点的数量。
步骤112，计算各个簇头与汇聚节点之间的平均距离。
步骤113，根据无线传感器网络覆盖区域的范围M、簇头的广播距离、无线传感器网络覆盖区域内内当前存活的普通节点的数量、各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。
具体的，当各个簇头与汇聚节点之间的平均距离时，根据公式(1)计算最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数。
当各个簇头与汇聚节点之间的平均距离时，根据公式(2)计算最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数。
以下结合图3对确定簇头(即步骤14)的具体实现方式进行详细说明。如图3所示，所述根据每个节点的簇头选举参数和最优簇头数目，确定簇头，具体包括：
步骤141，将每个节点的簇头选举参数由大到小排序。
步骤142，选取所述排序中前最优簇头数目的簇头选举参数。
具体的，选取所述排序中前kopt个簇头选举参数T(n)。
步骤143，确定选取出的簇头选举参数对应的节点为簇头。
本发明首先对无线传感器网络进行初始化，将无线传感器网络分为若干个簇，然后计算最优簇头数目以及最优簇头概率。最后，根据节点当前的剩余能量、全网的总剩余能量、所有普通节点到汇聚节点的平均欧式距离、当前节点到汇聚节点的欧式距离以及节点中心度等因素计算簇头选举参数，从而成功选择出簇头。
基于相同的技术构思，本发明实施例还提供一种基站设备，如图4所示，该基站设备可以包括：第一计算模块41、第二计算模块42、第三计算模块43和处理模块44。
第一计算模块41用于，计算最优簇头数目。
第二计算模块42用于，根据所述最优簇头数目和所述无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率。
第三计算模块43用于，计算每个节点的簇头选举参数。
处理模块44用于，根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头。
具体的，所述无线传感器网络覆盖区域的面积为M*M，第一计算模块41具体用于，确定所述无线传感器网络覆盖区域内当前存活的普通节点的数量；计算各个簇头与所述汇聚节点之间的平均距离；根据无线传感器网络覆盖区域的范围M、簇头的广播距离、所述无线传感器网络覆盖区域内当前存活的普通节点的数量、所述各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。
具体的，第一计算模块41具体用于，当时，根据公式(1)计算最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离；
当时，根据公式(2)计算所述最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离。
具体的，第二计算模块42具体用于，根据公式(3)计算所述最优簇头概率popt：
其中，kopt表示最优簇头数目，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量。
具体的，第三计算模块43具体用于，计算所述无线传感器网络覆盖区域的总剩余能量、所述无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离；根据所述最优簇头数目、所述无线传感器网络覆盖区域内当前存活的普通节点数量、所述最优簇头概率、当前节点的剩余能量、所述无线传感器网络覆盖区域的总剩余能量、所述各普通节点到汇聚节点的平均欧氏距离、所述当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。
具体的，第三计算模块43具体用于，根据公式(4)计算每个节点的簇头选举参数T(n)：
其中，r表示簇的半径，Eremain表示当前节点的剩余能量，Ere-total表示所述无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，α表示权重因子，0<α<1，表示当前节点的节点中心度，n表示节点。
具体的，处理模块44具体用于，将所述每个节点的簇头选举参数由大到小排序；选取所述排序中前最优簇头数目的簇头选举参数；确定选取出的簇头选举参数对应的节点为簇头。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (14)

1.一种簇头选择方法，其特征在于，所述方法应用于无线传感器网络覆盖区域，所述无线传感器网络覆盖区域包括一个汇聚节点和多个簇，每个簇包括簇头和普通节点，所述方法包括：
计算最优簇头数目；
根据所述最优簇头数目和所述无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率；
计算每个节点的簇头选举参数；
根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头。
2.如权利要求1所述的方法，其特征在于，所述无线传感器网络覆盖区域的面积为M*M，所述计算最优簇头数目，具体包括：
确定所述无线传感器网络覆盖区域内当前存活的普通节点的数量；
计算各个簇头与所述汇聚节点之间的平均距离；
根据无线传感器网络覆盖区域的范围M、簇头的广播距离、所述无线传感器网络覆盖区域内当前存活的普通节点的数量、所述各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。
3.如权利要求2所述的方法，其特征在于，
当时，根据公式(1)计算最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离；
当时，根据公式(2)计算所述最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离。
4.如权利要求1所述的方法，其特征在于，根据公式(3)计算所述最优簇头概率popt：
其中，kopt表示最优簇头数目，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量。
5.如权利要求1所述的方法，其特征在于，所述计算每个节点的簇头选举参数，具体包括：
计算所述无线传感器网络覆盖区域的总剩余能量、所述无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离；
根据所述最优簇头数目、所述无线传感器网络覆盖区域内当前存活的普通节点数量、所述最优簇头概率、当前节点的剩余能量、所述无线传感器网络覆盖区域的总剩余能量、所述各普通节点到汇聚节点的平均欧氏距离、所述当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。
6.如权利要求5所述的方法，其特征在于，根据公式(4)计算每个节点的簇头选举参数T(n)：
其中，r表示簇的半径，Eremain表示当前节点的剩余能量，Ere-total表示所述无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，α表示权重因子，0<α<1，表示当前节点的节点中心度，n表示节点。
7.如权利要求1-6任一项所述的方法，其特征在于，所述根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头，具体包括：
将所述每个节点的簇头选举参数由大到小排序；
选取所述排序中前最优簇头数目的簇头选举参数；
确定选取出的簇头选举参数对应的节点为簇头。
8.一种基站设备，其特征在于，包括：第一计算模块、第二计算模块、第三计算模块和处理模块；
所述第一计算模块用于，计算最优簇头数目；
所述第二计算模块用于，根据所述最优簇头数目和所述无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率；
所述第三计算模块用于，计算每个节点的簇头选举参数；
所述处理模块用于，根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头。
9.如权利要求8所述的基站设备，其特征在于，所述无线传感器网络覆盖区域的面积为M*M，所述第一计算模块具体用于，确定所述无线传感器网络覆盖区域内当前存活的普通节点的数量；计算各个簇头与所述汇聚节点之间的平均距离；根据无线传感器网络覆盖区域的范围M、簇头的广播距离、所述无线传感器网络覆盖区域内当前存活的普通节点的数量、所述各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。
10.如权利要求9所述的基站设备，其特征在于，所述第一计算模块具体用于，当时，根据公式(1)计算最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离；
当时，根据公式(2)计算所述最优簇头数目kopt：
其中，M表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-BS表示所述各个簇头与所述汇聚节点之间的平均距离。
11.如权利要求8所述的基站设备，其特征在于，所述第二计算模块具体用于，根据公式(3)计算所述最优簇头概率popt：
其中，kopt表示最优簇头数目，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量。
12.如权利要求8所述的基站设备，其特征在于，所述第三计算模块具体用于，计算所述无线传感器网络覆盖区域的总剩余能量、所述无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离；根据所述最优簇头数目、所述无线传感器网络覆盖区域内当前存活的普通节点数量、所述最优簇头概率、当前节点的剩余能量、所述无线传感器网络覆盖区域的总剩余能量、所述各普通节点到汇聚节点的平均欧氏距离、所述当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。
13.如权利要求12所述的基站设备，其特征在于，所述第三计算模块具体用于，根据公式(4)计算每个节点的簇头选举参数T(n)：
其中，r表示簇的半径，Eremain表示当前节点的剩余能量，Ere-total表示所述无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，α表示权重因子，0<α<1，表示当前节点的节点中心度，n表示节点。
14.如权利要求8-13任一项所述的基站设备，其特征在于，所述处理模块具体用于，将所述每个节点的簇头选举参数由大到小排序；选取所述排序中前最优簇头数目的簇头选举参数；确定选取出的簇头选举参数对应的节点为簇头。
CN201910146851.XA 2019-02-27 2019-02-27 一种簇头选择方法及装置 Pending CN109819497A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910146851.XA CN109819497A (zh) 2019-02-27 2019-02-27 一种簇头选择方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910146851.XA CN109819497A (zh) 2019-02-27 2019-02-27 一种簇头选择方法及装置

Publications (1)

Publication Number Publication Date
CN109819497A true CN109819497A (zh) 2019-05-28

Family

ID=66607783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910146851.XA Pending CN109819497A (zh) 2019-02-27 2019-02-27 一种簇头选择方法及装置

Country Status (1)

Country Link
CN (1) CN109819497A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110913443A (zh) * 2019-12-25 2020-03-24 中国电子科技集团公司第十一研究所 智能多传感器协同探测方法、装置、传感器和存储介质
CN111311996A (zh) * 2020-03-27 2020-06-19 湖南有色金属职业技术学院 基于大数据的线上教育信息化教学系统
CN111541494A (zh) * 2020-06-15 2020-08-14 河海大学常州校区 一种水声传感器网络中基于分簇结构的位置隐私保护方法
CN111711976A (zh) * 2020-06-04 2020-09-25 中国联合网络通信集团有限公司 节点入簇方法、系统、终端设备及计算机可读存储介质
CN112051824A (zh) * 2020-09-22 2020-12-08 吴信强 一种基于工业物联网的运维系统
CN115002193A (zh) * 2022-04-27 2022-09-02 骤雨湾(武汉)技术服务有限公司 多路远程服务选取方法、设备、存储介质及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101594657A (zh) * 2009-06-25 2009-12-02 北京航空航天大学 无线传感网络中基于软阈值的簇头选举方法
CN108882150A (zh) * 2018-06-21 2018-11-23 河南科技大学 一种基于分簇和相遇感知的信息中心车载网络路由方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101594657A (zh) * 2009-06-25 2009-12-02 北京航空航天大学 无线传感网络中基于软阈值的簇头选举方法
CN108882150A (zh) * 2018-06-21 2018-11-23 河南科技大学 一种基于分簇和相遇感知的信息中心车载网络路由方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙文胜，朱为佳，苗红亮: "基于最低能耗的改进ＬＥＡＣＨ分簇算法", 《软件导刊》 *
朱为佳: "基于移动sink的无线传感器网络路由协议的研究", 《中国优秀硕士论文全文数据库》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110913443A (zh) * 2019-12-25 2020-03-24 中国电子科技集团公司第十一研究所 智能多传感器协同探测方法、装置、传感器和存储介质
CN110913443B (zh) * 2019-12-25 2022-02-22 中国电子科技集团公司第十一研究所 智能多传感器协同探测方法、装置、传感器和存储介质
CN111311996A (zh) * 2020-03-27 2020-06-19 湖南有色金属职业技术学院 基于大数据的线上教育信息化教学系统
CN111711976A (zh) * 2020-06-04 2020-09-25 中国联合网络通信集团有限公司 节点入簇方法、系统、终端设备及计算机可读存储介质
CN111541494A (zh) * 2020-06-15 2020-08-14 河海大学常州校区 一种水声传感器网络中基于分簇结构的位置隐私保护方法
CN112051824A (zh) * 2020-09-22 2020-12-08 吴信强 一种基于工业物联网的运维系统
CN115002193A (zh) * 2022-04-27 2022-09-02 骤雨湾(武汉)技术服务有限公司 多路远程服务选取方法、设备、存储介质及装置

Similar Documents

Publication Publication Date Title
CN109819497A (zh) 一种簇头选择方法及装置
Gheisari et al. A survey on clustering algorithms in wireless sensor networks: challenges, research, and trends
CN109996310A (zh) 一种簇头选择方法及装置
CN101237370B (zh) 带有簇中继节点的码分分簇无线传感器网的网络架构方法
Al-Janabi et al. Optimised clustering algorithm-based centralised architecture for load balancing in IoT network
CN103228022A (zh) 一种基于能量采集的概率式无线传感器网络路由方法
CN112312511B (zh) 基于树的无线传感器网络能耗均衡的改进leach方法
CN103987100A (zh) 基于区域划分的传感网节能离取改进方法
CN108777877A (zh) 一种狭长拓扑下的WSNs分簇路由方法
Esmaeeli et al. Improving energy efficiency using a new game theory algorithm for wireless sensor networks
Wang et al. LEMH: Low-energy-first electoral multipath alternating multihop routing algorithm for wireless sensor networks
Singh et al. An energy efficient Odd-Even round number based data collection using mules in WSNs
CN106161118A (zh) 一种无线传感网中能量均衡的k‑跳分簇路由方法
CN103686944A (zh) 一种蜂窝网与多跳无线传感网络互联的网关选择方法
Kumari et al. High performance wireless communication channel using LEACH protocols
Muniraj et al. An enhanced Gray Wolf Optimization for cluster head selection in wireless sensor networks
CN103023791B (zh) 一种动态路由方法
Cheng et al. Joint Power and Time Allocation in Full‐Duplex Wireless Powered Communication Networks
Darabkh et al. Mobile sink optimization for enhancing data delivery in wireless sensor networks
Nisha et al. An energy efficient self organizing multicast routing protocol for internet of things
Bi et al. BoSS: a moving strategy for mobile sinks in wireless sensor networks
CN102892174B (zh) 基于智能天线和动态虚拟簇的均衡节能路由方法
Chelbi et al. An Unequal Cluster-based Routing Protocol Based on Data Controlling for Wireless Sensor Network.
CN105933913B (zh) 无线传感器网络中分层数据回传链路能量收集存储方法
Xiao et al. Adaptive freeshape clustering for balanced energy saving in the WirelessHART 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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190528

RJ01 Rejection of invention patent application after publication