CN110062432A - 一种基于最小能耗的无线传感器网络分簇路由算法 - Google Patents

Abstract

本发明涉及无线传感器领域，特别涉及一种基于最小能耗的无线传感器网络分簇路由算法。包括三个部分：最佳簇首数目计算，簇首选举以及路由传输阶段。首先以每环间能耗最小为原则计算出每个环中的最佳簇首数目；然后，在成簇阶段运用模糊控制的对每个簇进行簇首的选举，将节点的位置及节点的剩余能量作为的输入，输出是节点的成簇概率，成簇概率大的节点成为簇首；最后，在路由传输阶段，采用等距离的多跳传输方式，根据下一跳环中的簇首节点的个数、剩余能量及跳距等计算每条路径的传输权重函数，最后选择权重函数小的路径方式进行传输。相比于其他算法，本算法能节省网络中节点的能量，均衡网络中的负载，延长网络生命周期。

Description

一种基于最小能耗的无线传感器网络分簇路由算法

技术领域

本发明涉及无线传感器领域，特别涉及一种基于最小能耗的无线传感器网络分簇路由算法。本算法能节省网络中节点的能量，均衡网络中的负载，有效的延长网络生命周期。

背景技术

近些年来，随着微电子技术、无线通信技术以及传感器技术的迅猛发展，无线传感器网络在军事、森林防火、海洋监控等方面有广泛的应用前景。但由于受布置环境、地理位置、布置成本等因素的影响，如何对传感器网络中有限的能量进行充分的利用，延长其工作寿命成了传感器网络的研究重点。

Heinzelman等人提出了一种典型的网络分簇路由算法，其核心思想是在网络中随机选取簇首，对网络分簇。通过簇首收集簇内节点的信息，并将数据信息进行处理融合后发送至汇聚节点，减少了其他节点与基站间的直接通信，降低了能量的消耗。李建坡等人提出了一种基于能量迭代的非均匀分簇路由算法。该算法在簇首选举时通过减少迭代次数已达到降低能量消耗的目的，同时综合考虑节点能耗速度、节点到汇聚节点的距离等因素，选出最优簇首。Yadav R等人提出的一种改进的LEACH算法(improved leach routing protocolwith softcomputing, LEACH-R)。LEACH-R针对LEACH算法中簇首选举过程综合考虑节点能量、距离、分布密度等因素选取更加合理的簇首；同时对簇的大小进行优化，使簇首能耗更加均衡。但是该算法传输方式使用簇首与基站直接通信的方式，这使传输路径加长，使数据传输能耗过大。蒋畅江等人提出了采用基于时间的簇首竞争的非均匀分簇算法，减小基站附近节点的成簇半径来实现网络能量的均衡。Batra P K等人提出一种改进的LEACH-MAC协议,该协议稳定了每轮所选出的簇首个数，避免了LEACH协议每轮选举簇首数的随机性。张长森等人提出了一种能量高效的非均匀分簇算法(energy-efficient uneven clusteringalgorithm，EUCA)，该算法针对LEACH算法中的簇首选择机制进行了改进，提出了基于节点剩余能量的簇首选举策略，并且对EEUC算法的成簇半径和簇间路由进行了改进。已达到延长网络周期的效果。Goetz E R等人提出了在簇首间进行多跳的路由算法，减少簇首的能量消耗，但是同时也延长了传输的路径，使数据传输的时效性变弱。

但上述做法没有完全考虑无线传感器网络的整个工作过程，只是对工作过程中的某一步进行改进，虽相比于原始算法有所改善，但还存在网络节点耗能不均匀，导致节点过早死亡，产生“热点”或“空洞”现象。

发明内容

针对如何提高网络的生存周期，平衡节点能量的问题。本发明提出一种基于最小能耗的无线传感器网络分簇路由算法。以每环间能耗最小为原则，计算出每个圆环中的最佳簇首数目；其次本算法在成簇阶段运用模糊控制的方法来选举每个簇的簇首，避免了由于随机选举簇首导致环内簇首分布不均匀而造成的网络负载不均衡等问题；最后，本算法簇间采用多跳的路由方式进行传输。

在网络进行工作之前，需要对网络进行初始化，由汇聚节点向网络中节点发布网络的整体消息ADV_SINK_MSG，网络中其他节点根据接收到的消息判断自身位置。在网络中每个节点都确定好自身的信息后，进入网络的工作阶段，网络的工作阶段大致可以分成三个阶段：簇首的选举、成簇阶段以及数据传输的路由阶段。本节是对本算法的上述三个阶段的具体描述。

Step1.最佳簇数选择

最佳簇数的确定是以每个环中能量消耗最小为基准。网络中每个簇的能量消耗可以分为两部分：簇首消耗能量以及节点消耗能量，假设第i环最佳簇数用m_i表示，第i环一个簇的簇首消耗的能量：

第i环中一个簇内每个节点消耗的能量：E_chi-node＝lE_tx

第i环中一个簇消耗的能量总和：

则第i环消耗的能量：

E_total＝m_iE_clustris＝m_iE_chi-head+N_iE_chi-node

令可求得最佳簇数为：

Step2.簇首的选举

本发明采用模糊控制的方法选择每个簇的簇首。首先，将网络中的每个节点信息作为模糊控制器的输入，包括节点的位置信息以及节点自身的剩余能量，进入模糊控制器后，通过模糊语言及相应的隶属函数对输入的消息进行模糊化，其中，节点位置的模糊变量为“很近(NB)、近(NM)、较近(NS)、中(M)、较远(PS)、远(PM)、很远(PB)”，节点的剩余能量模糊语言变量为“很高(PB)、高(PM)、较高 (PS)、中(M)、较低(NS)、低(NM)、很低(NB)”。然后根据设定if-then模糊控制规则对模糊化的数据进行推理后，得到模糊控制器的输出，但此时输出的是模糊语言变量，其中，节点成为簇首的概率“很低(NB)、低(NM)、较低(NS)、中(M)、较高(PS)、高(PM)、很高(PB)”需要经过质心法解模糊，输出所要的节点成为簇首的概率。

当计算完成节点的成簇概率后，每个节点向其邻居节点发送报文 CH-COMPETE_MSG，并更新节点中的成簇概率列表，当某个节点的成簇概率大于其他邻居节点时，其成为簇首并向其他节点广播CH-SUCCESS_MSG，其他邻居节点根据接收报文的信号强度选择加入最近的簇，同时向加入簇头发送加入簇的报文CH-JOIN_MSG，同时将其他节点标记为候选簇头，构成簇，当一轮传输完成后，在成簇概率列表中删除该簇头，在候选簇头中重新竞选簇头。

Step3.路由选择

当簇建立完成，簇成员开始进行数据传输，在工作过程中，簇首采用多跳方式进行传输，由于采用多跳方式进行传输，所以有多种传输方式，以环i为例进行，第i环内簇首传输的所以可能方式可通过下式计算：

用H(k)表示簇首在每种情况下的多跳数，则每种情况下的多跳数可通过下式计算得到：

采用不同的传输方法，第i环簇首的下一跳所在环数可以由下式算出：

权重函数是在计算完节点的所有传输可能后，综合考虑下一跳所在环内簇首的数目、剩余能量以及跳距，权重函数g_i可通过下面的公式计算：

传输过程的具体算法流程如下：

1)分簇完成后，各簇首节点根据公式计算该节点向汇聚节点传输数据时的跳数，以及下一跳节点所在的环数。

2)当簇首节点要向汇聚节点发送信息时，根据1)中计算的结果，找到它的所有情况下的下一跳的簇首节点，并向其他节点广播EDGE_HEADNDE_MSG信息。

3)当下一跳簇首节点接收到EDGE_HEADNDE_MSG消息后，将自身位置以及剩余能量向下一跳簇首节点广播NEXT_HEADNODE_MSG消息。

4)下一跳簇首节点根据接收到的NEXT_HEADNODE_MSG消息，根据权重函数公式计算该条路径的权重函数g_i，并与其他路径的权重函数相比较，选择g_i值最小的路径进行数据的传输。

5)在计算下一跳时，重复2)3)4)步，直至下一跳节点是汇聚节点为止。

相比于现有技术，本发明的有益效果在于：

(1)在簇首选择阶段，通过模糊控制对网络中的节点进行簇头选举，避免了LEACH算法给每个节点随机概率的随机性，考虑每个节点的剩余能量可以使网络中的能耗更加均衡，

(2)在路由传输阶段，通过等距离传输计算每个簇首到汇聚节点传输的可能情况，并计算出每种情况的传输距离，对于每种传输路径，赋予权重函数，权重函数主要考虑下一跳环中簇首的剩余个数、剩余能量及二者的距离，选择权重函数娇小的路径进行传输，避免了传统算法簇头与汇聚节点直接进行通信导致的传输距离过大而消耗更多的能量。

附图说明

图1是本发明的网络模型图；

图2是本发明的模糊控制器结构图；

图3是本发明的隶属度函数选取图；

图4是本发明的模糊规则图；

图5是本发明算法在传输阶段的流程图。

具体实施方式

下面结合附图对本发明进行详细说明，如图1所示，我们将网络模型等效为以R为半径的圆形区域，将其分成等n个以r间距的同心圆中。汇聚节点在圆心的位置。并且我们假设：1)每个节点具有唯一的ID，均匀分布在网络中；2)所有的节点位置固定且能量有限，但对汇聚节点能量没有限制；3)所有节点都具有相似的能力，都能当簇首节点或普通节点；4)通信是对称的，且可以通过接受消息的信号强度来计算二者的距离。

数据传输模型采用第一顺序无线电传输模型，节点发送数据消耗的能量为：

其中：l为数据长度；d为通信距离；E_elec为收发电路的功耗系数；ε_fs为自有空间传输损耗，ε_mp为多径衰减传输损耗。d₀为自由空间传输模型与多径衰减传输模型的临界值可通过求得。

节点接收数据消耗的能量为：E_rx(l,d)＝lE_elec

节点进行数据融合消耗的能量为：E_A＝lE_DA

节点自身固定的消耗：E_id＝E_elec

下面对本算法进行详细介绍：

在网络工作之前，先对网络进行初始化，由汇聚节点向网络中发布网络的整体消息ADV_SINK_MSG，网络中其他节点根据接收到的消息判断自身位置。在网络中每个节点都确定好自身的信息后，进入网络的工作阶段，网络的工作阶段大致可以分成三个阶段：簇首的选举、成簇阶段以及数据传输的路由阶段。本节是对本算法的上述三个阶段的具体描述。

Step1.最佳簇数选择

假设N个节点均匀分布在该圆形区域中，将该区域均等的分成等n个圆环，由内而外分别记为1……n。每个圆环的间距为r，则第i个圆环的节点数为：

假设环内的每个簇就是以相同半径的圆覆盖，且第i环的最优簇首数目为m_i。

则第i环内节点与簇首距离的均值为：

其中

第i环每个节点向簇首发送消耗的能量：

第i环簇首到基站的距离均值的平方：

第i环簇首到基站的距离的均值：

第i环一个簇的簇首消耗的能量：

第i环每个节点消耗的能量：E_chi-node＝lE_tx

一个簇消耗的能量总和

则第i环消耗的能量：

E_total＝m_iE_clustris＝m_iE_chi-head+N_iE_chi-node (10)

令可求得最佳簇数为：

Step2.簇首的选举

本发明采用模糊控制的方法选择每个簇的簇首，如图2所示为本算法模糊控制器的结构图，在每个簇中将每个节点的信息作为模糊控制器的输入，包括节点的位置信息以及节点自身的剩余能量，进入模糊控制器后，通过模糊语言及相应的隶属函数对输入的消息进行模糊化，其中，节点位置的模糊变量为“很近(NB)、近(NM)、较近(NS)、中(M)、较远(PS)、远(PM)、很远(PB)”，节点的剩余能量模糊语言变量为“很高(PB)、高(PM)、较高(PS)、中(M)、较低(NS)、低(NM)、很低 (NB)”，输出的节点成为簇首概率的模糊语言变量为“很低(NB)、低(NM)、较低(NS)、中(M)、较高(PS)、高(PM)、很高(PB)”其中，输入的“很近、很远、很高、很低”以及输出的“很高、很低”采用梯形隶属度函数，其余采用三角隶属度函数，如图3所示。然后根据设定if-then模糊控制规则对模糊化的数据进行推理后，模糊规则如图4所示，得到模糊控制器的输出，但此时输出的是模糊语言变量，需要经过质心法解模糊，输出所要的节点成为簇首的概率。

当计算完成节点的成簇概率后，每个节点向其邻居节点发送报文 CH-COMPETE，并更新节点中的成簇概率列表，当某个节点的成簇概率大于其他邻居节点时，其成为簇首并向其他节点广播CH-SUCCESS，其他邻居节点根据接收报文的信号强度选择加入最近的簇，同时向加入簇头发送加入簇的报文 CH-JOIN，同时将其他节点标记为候选簇头，构成簇，当一轮传输完成后，在成簇概率列表中删除该簇头，在候选簇头中重新竞选簇头。

Step3.路由选择

当簇建立完成，簇成员开始进行数据传输，在工作过程中，簇首的能量消耗主要用于发送数据，因此延长网络的生命周期，应该寻找消耗最少的传输路径来减少簇首消耗；同时为了使簇首的能耗均衡，应该综合考虑传输路径上其他簇首的剩余能量、传输的数据包大小等因素。为了解决这一问题，本发明提出了在每条传输路径一个权重的想法来寻找最小能耗的传输路径。

经过证明，在多跳网络中，当每次传输的距离相等时，网络消耗的能量是最小。所以，这里我们使每个簇首在发送数据时的传输距离相等。由此可得：在不同情况下，以环i为例，环i中节点的传输情况可通过以下的公式来确定：

用H(k)表示簇首在每一种情况下的多跳数，则每种情况下的多跳数可通过公式(14)计算得到：

采用不同的传输方法，第i环簇首的下一跳所在环数可以由下式算出：

为了节省能量，我们假设在不进行数据传输的时候，簇首节点处于休眠状态。对于剩余的簇首节点，我们通过公式(16)算出它的每条传输路径的权重函数g_u

其中：c₁、c₂、c₃、c₄为每条路径的加权因子，r为当前传输进行轮数，N_res为下一跳所在环的第r_i轮存活节点数，N_int为下一跳节点所在环的初始节点数，d_hop为簇首节点下一跳传输的距离，d_max为网络中节点距SINK节点的最远距离，E_int为节点的初始能量，E_res为节点的剩余能量，H(k)为节点到SINK节点的跳数， E_id为每个节点的固定消耗。

上式中，第一项主要考虑，网络中节点数目会随着网络工作时间的增加而减少，当转发上一簇首节点的数据时，节点越多会使簇首消耗的能量越多，权重函数越大，第二项考虑了下一簇首节点的剩余能量，当下一节点剩余能量越多，可用于转发的能量就越多，权重函数就越小。第三项主要考虑每一跳传输的距离，当传输距离较大时，能量消耗的越多，权重函数就越大。第四项主要考虑由于簇首节点传输数据可以采用多种情况，但只考虑传输距离会使每次都是传输路径最短的是最佳传输方式，所以要结合该传输距离情况下的跳数，第五项是簇首节点的固定消耗。由于传输时消耗了能量，簇首节点的剩余能量发生了变化，所以在每轮传输过后要重新计算每条传输路径的权重函数。

如图5所示，为本发明的传输阶段的流程图，具体的算法流程如下：

1)分簇完成后，各簇首节点根据公式(13)(14)(15)计算该节点向汇聚节点传输数据时的跳数，以及下一跳节点所在的环数。

2)当簇首节点要向汇聚节点发送信息时，根据1)中计算的结果，找到它的所有情况下的下一跳的簇首节点，并向其他节点广播EDGE_HEADNDE_MSG信息。

3)当下一跳簇首节点接收到EDGE_HEADNDE_MSG消息后，将自身位置以及剩余能量向下一跳簇首节点广播NEXT_HEADNODE_MSG消息。

4)下一跳簇首节点根据接收到的NEXT_HEADNODE_MSG消息，根据公式 (16)计算该条路径的权重函数g_i，并与其他路径的权重函数相比较，选择g_i值最小的路径进行数据的传输。

5)在计算下一跳时，重复2)3)4)步，直至下一跳节点是汇聚节点为止。

其他环中的簇首节点同样可以通过此方式，可获得各节点的最佳传输路径。

Claims (5)

1.一种基于最小能耗的无线传感器网络分簇路由算法，其特征在于：本发明算法是以每环间能耗最小为原则，计算出每个圆环中的最佳簇首数目；在成簇阶段运用模糊控制的方法对每个簇进行簇首的选举，将节点的位置信息以及节点的剩余能量信息作为模糊控制器的输入，节点的成簇概率为模糊控制器的输出，最后成簇概率大的节点成为簇首；在路由传输阶段，采用等距离的多跳传输方式，通过公式计算每环内节点的多跳可能，然后计算每种传输方式的下一条位置，并根据下一跳环中的簇首节点的个数、剩余能量及跳距等参数计算每条路径的传输权重函数，最后选择权重函数小的路径方式进行传输。

2.根据权利要求1所述的一种基于最小能耗的无线传感器网络分簇路由算法，其特征在于：所述的计算每环中的最佳簇首数目，是根据每环中节点数目的不同，成不同规模的簇，通过环间能耗最小的原则，计算最佳簇数；网络中每个簇的能量消耗可以分为两部分：簇首消耗能量以及节点消耗能量，假设第i环最佳簇数用表示m_i，第i环簇首消耗的能量：

第i环每个节点消耗的能量：E_chi-node＝lE_tx

一个簇消耗的能量总和：

则第i环消耗的能量：

E_total＝m_iE_clustris＝m_iE_chi-head+N_iE_chi-node

令可求得最佳簇数为：

3.根据权利要求1所述的一种基于最小能耗的无线传感器网络分簇路由算法，其特征在于：所述的采用模糊控制的方法选择每个簇的簇首；首先，将网络中的每个节点信息作为模糊控制器的输入，包括节点的位置信息以及节点自身的剩余能量，进入模糊控制器后，通过模糊语言及相应的隶属函数对输入的消息进行模糊化，其中，节点位置的模糊变量为“很近(NB)、近(NM)、较近(NS)、中(M)、较远(PS)、远(PM)、很远(PB)”，节点的剩余能量模糊语言变量为“很高(PB)、高(PM)、较高(PS)、中(M)、较低(NS)、低(NM)、很低(NB)”；然后根据设定if-then模糊控制规则对模糊化的数据进行推理后，得到模糊控制器的输出，但此时输出的是模糊语言变量，其中，节点成为簇首的概率“很低(NB)、低(NM)、较低(NS)、中(M)、较高(PS)、高(PM)、很高(PB)”需要经过质心法解模糊，输出的结果为节点成为簇首的概率。

4.根据权利要求1所述的一种基于最小能耗的无线传感器网络分簇路由算法，其特征在于：所述的路由传输阶段，是在每环簇建立完成，簇成员开始进行数据传输，簇头选择多跳的传输方式进行传输，由于采用多跳方式进行传输，所以有多种传输方式，以环i为例进行，第i环内簇首传输的所以可能方式可通过下式计算：

用H(k)表示簇首在每种情况下的多跳数，则每种情况下的多跳数可通过下式计算得到：

采用不同的传输方法，第i环簇首的下一跳所在环数可以由下式算出：

5.根据权利要求1所述的一种基于最小能耗的无线传感器网络分簇路由算法，其特征在于：所述的权重函数是在计算完节点的所有传输可能后，综合考虑下一跳所在环内簇首的数目、剩余能量以及跳距，可通过下面的公式计算：

传输过程的具体算法流程如下：

1)分簇完成后，各簇首节点根据公式计算该节点向汇聚节点传输数据时的跳数，以及下一跳节点所在的环数；

2)当簇首节点要向汇聚节点发送信息时，根据1)中计算的结果，找到它的所有情况下的下一跳的簇首节点，并向其他节点广播EDGE_HEADNDE_MSG信息；

3)当下一跳簇首节点接收到EDGE_HEADNDE_MSG消息后，将自身位置以及剩余能量向下一跳簇首节点广播NEXT_HEADNODE_MSG消息；

4)下一跳簇首节点根据接收到的NEXT_HEADNODE_MSG消息，根据权重函数公式计算该条路径的权重函数，并与其他路径的权重函数相比较，选择权重函数最小的路径进行数据的传输；

5)在计算下一跳时，重复2)3)4)步，直至下一跳节点是汇聚节点为止。