CN110121200B - 一种异质传感网中能量高效的组网方法 - Google Patents

Abstract

本发明公开了一种异质传感网中能量高效的组网方法，属于无线传感网络技术领域。所述方法基于邻居信息以及各节点自身剩余能量E_i进行簇首选举并确定簇的结构规模，采用基于能效的自适应簇规模组网模式，在满足通信距离的同时缩小簇的物理半径，使得节点的单跳通信距离短小且有效，通过提出能量与邻居联合影响下的簇首选举机制，打破概率选举中节点能力不等、却机会均等当选簇首的不合理局面；引入适应值半径的概念，动态控制簇首通信距离，以调节簇的结构与规模；计算簇首间的通信代价，作为通信路径选择的依据，实现随机异构传感器网络中节点能量的利用效率的提高，达到通信能耗的降低的效果。

Description

一种异质传感网中能量高效的组网方法

技术领域

本发明涉及一种异质传感网中能量高效的组网方法，属于无线传感网络技术领域。

背景技术

无线传感器网络WSN(Wireless Sensor Networks)中，由于无线传感器节点作为微小器件，只能配备有限的电源，在有些应用场合下，更换电源是近乎不可能的。这使得传感器节点的寿命在很大程度上依赖于电池的寿命，而各传感器节点的节点能量的利用效率直接影响网络的生命周期。由于节点分布式的选簇入簇以及路由的规范划分在网络节能中更具优势，使得网络的分簇组网与逐级传输的工作模式，更适合以电池为能量供给的WSN中。目前同构组网算法已经相对成熟，但实际应用中，由于各种干扰因素的存在，网络的异构化普遍存在，因此设计面向异构网络的组网方案对均衡网络能耗、提高节点能量的利用率以及延长网络生命周期，具有更重要的现实意义。

分簇组网过程中的能量利用效率，主要受簇首选举和分簇结构两方面影响。尤其对于异构的WSN而言，由于节点之间存在能量差异，以高能量节点作为数据转发的枢纽，显然可以有效避免个别节点由于负荷过大提前死亡，确保网络稳定运行，提高能量利用率。发表于Tsinghua Science and Technology 2019年1月刊的《An Energy-Efficient DataCollection Scheme Using Denoising Autoencoder in Wireless Sensor Networks》中采用了一种分布式节能分簇算法，综合考虑了节点初始能量以及剩余能量对簇首的影响，保证每轮选出的簇首能量最优，降低了簇首节点提前死亡的概率。2017年发表的《基于最小生成树的非均匀分簇路由协议》，在簇首选取时综合考虑节点剩余能量、节点度和节点的能量消耗速度等因素的影响，进一步优化簇首选举，降低了簇首节点提前死亡的概率。簇首选举时需要全网进行数据收发，每轮选举会消耗一定的能量，减少簇首选举次数，也是减少能量消耗的一种有效手段。2000年发表的《Energy-efficient communication protocol forwireless microsensor networks》中提出簇首轮换的概念来减少簇首选举时的能量损耗。2018年发表的《无线传感器网络分簇路由中基于自适应的簇头轮换算法》，在此基础上提出簇首轮换间隔的优化算法，能够进一步自适应的实现簇首轮换。

优化分簇结构对均衡网络能耗也具有正向的激励作用，调整合理的簇内成员数量和通信范围，可以有效控制簇内能量的消耗速度，从而均衡网络能耗。兼顾最优簇首数量的条件下，2018年公开的《无线传感器网络LEACH算法的改进研究》为控制成员数目，以邻居节点数为参考，回避过多邻居节点入簇，缩小簇范围来缩短簇内通信距离，提高能量利用率。2018年公开的《一种簇半径可变的无线传感器网络分簇算法》根据相邻节点的数量来选取簇首，通过计算簇内通信代价来调整簇半径，缩小簇范围以提高能量利用率。2013年公开的《A Novel Cluster Head Selection Method based on K-Means Algorithm for EnergyEfficient Wireless Sensor Network》采用K-means方法对网络中的节点进行均匀分簇，选择每个簇中最靠近几何中心的节点担任簇首，通过均匀簇的大小实现了均衡簇首能耗。2007年公开的《一种基于非均匀分簇的无线传感器网络路由协议》反其道行之，提出了一种非均匀分簇算法，通过非均匀分簇来保证簇首能耗均衡，提高能量利用率。2018年公开的《深井无线传感器网络非均匀分簇路由协议》提出了一种以竞争半径来配置簇首，设置簇首竞争半径与到Sink节点的距离成反比，使得离Sink节点近的簇首具有较小的竞争半径，缩小Sink周围的簇规模，避免节点由于过劳中转数据引发提早死亡。

利用几何知识进行簇首选择，从物理空间上规划簇范围，也是一种提高能量利用效率的有效手段。将网络在同心圆的基础上划分单元格，以单元格为单位进行节点能量分级管理。基于同心圆区域的理念，2017年公开的《基于区域划分的WSN非均匀多跳分簇路由算法》将圆划分为等扇区，保证同环簇具有相同的通信范围，均衡网络能耗。为避免长距单跳通信引发的能量陡降，2018年公开的《基于环分块的能耗均衡分簇路由算法》将以最小单跳距离配置环间距，对每环进行等面积划分指导成簇，均衡了不同环之间簇的规模和结构，保证网络能耗平衡，一定程度上延长了网络生命周期。

客观上讲，上述公开的内容对于能量引导簇首选举和均衡带动成簇结构进行了研究，但这些研究结论均为针对同构或者单一元素异构的传感器网络，而对于实际网络应用场景中，由于工作环境、网络负荷、物理器件等随机因素的影响，节点更多的呈现出多元素化且随机化的异构特性。这使得从簇首选举-分簇组网-结构配置-路由规划的组网全流程中，都应面向传感器网络异构性的多级化和随机化特征展开。

发明内容

目前现有的提高节点能量利用效率的技术多针对同构或者单一元素异构的传感器网络，而实际网络应用场景中节点呈现多元素化且随机化的异构特性，为解决现有技术无法有效的在随机多级异构传感器网络中提高节点能量利用效率问题，本发明提供了一种异质传感网中能量高效的组网方法，所述方法包括分簇结构的形成和路由的形成，分簇结构包含簇首节点与普通节点的区分和通过适应值半径合理调整簇规模的大小；路由的形成能够得到全局节点的路由信息表；

为便于描述，假设给定监测区域I，以数据的汇聚中心Sink为中心o点，依次向外将I划分为共计M个准等间距的同心圆环，监测区域内的任意点

同心圆环的编号c_k：

其中c₀圆半径为R_o，其余环间距为R_k，设定R_k＝R_o/2，

表示任意点

与中心Sink点之间的距离；

随机异构传感器节点μ＝{μ_i(x_i,y_i)|i＝1,2,...,N}随机部署在I内，(x_i,y_i)表示节点的位置信息，节点μ的初始能量E＝{E_i|i＝1,2,...,N}和初始半径r＝{r_i|i＝1,2,...,N}满足E_i∈[E_min,E_max]和r_i∈[r_min,r_max]；以环间距离的最大跨度为参考，节点的通讯半径r_i满足r_min≥2R_k＝R_o；初始全部节点皆为普通节点，当选簇首之后该节点成为簇首节点；

分析单跳通信与多跳通信的能耗占比，确定c₀圆范围内簇首节点与Sink节点之间采用单跳通信的方式，其余监测区域内簇首节点到Sink节点采用多跳通信的方式；

基于邻居信息以及各节点自身剩余能量E_i进行簇首选举并确定簇的结构规模，采用基于能效的自适应簇规模组网模式，在满足通信距离的同时缩小簇的物理半径，使得节点的单跳通信距离短小且有效；其中，所述邻居信息包括邻居节点的数量以及邻居节点的剩余能量；定义簇首的选举公式如下：

W(i)表示节点μ_i成为簇首的配重价值，值越高则越容易当选簇首；调节参数α、β用来调整节点μ_i的可达节点集以及其自身剩余能量E_i对簇首选举的影响程度，存在α+β＝1；

表示节点μ_i关于适应值半径

范围内可达节点集内的邻居节点数量；|T_N(μ_i,r_i)|表示节点μ_i关于通信半径r_i范围内最大可达节点集内的邻居节点数量，E_max为节点μ_i初始能量的最大值；节点的适应值半径为：

节点μ_i的适应值半径为受所在c_k影响的动态通信范围，动态的调整簇规模的大小，其中γ为调节参数，且γ∈[0,1]。

可选的，所述簇首节点与普通节点的区分，包括：

μ_j为监测网络内c_o圆外的任意节点，对任意节点

若满足W(j)＞W(i)，则节点μ_j当选为簇首；

当选节点μ_j广播一条簇首消息Message_header(u_j,E_j)；普通节点μ_i收到消息Message_header(u_j,E_j)后，在其通信半径r_i范围内选择距离最近的簇首进行入簇。

可选的，普通节点μ_i在其通信半径r_i范围内选择距离最近的簇首加入，对于具有相同距离的多个簇首，普通节点μ_i优先加入具有高能簇首的簇；普通节点μ_i根据RSSI信号强度判断通信半径r_i范围内各簇首的距离远近。

可选的，普通节点运行Join-cluster算法，找出普通节点所加入的簇，得到普通节点的路由信息。

可选的，若普通节点μ_i当选为簇首节点，则簇首节点μ_i收到其他簇首节点μ_j广播的消息后，选择靠近Sink节点且距离最近的簇作为中转簇首。

可选的，若存在两个距离相同的中转簇首节点，则簇首节点μ_i收到其他簇首节点μ_j广播的消息后，选择剩余能量较高的簇首作为中转簇首。

可选的，对任意簇首节点μ_i收到消息Message_header(u_j,E_j)后，计算簇首间的通信代价，找出向Sink节点数据传输的最优路径；

任意两簇首之间的通信代价为：

μ_j表示μ_i通信范围内的任意簇首。

可选的，簇首节点执行Communication算法，根据通信代价找出通信的最优路径，得到簇首节点间的路由信息。

可选的，由普通节点的路由信息和簇首节点的路由信息组成了全局的路由信息表。

本申请还提供上述方法在随机异构传感器网络以及同构网络中的应用。

本发明有益效果是：

通过提出能量与邻居联合影响下的簇首选举机制，打破概率选举中节点能力不等、却机会均等当选簇首的不合理局面；引入适应值半径的概念，动态控制簇首通信距离，以调节簇的结构与规模；且计算簇首间的通信代价，作为通信路径选择的依据，在靠近中心Sink点c₀圆范围内簇首节点与Sink节点之间采用单跳通信的方式，其余监测区域内簇首节点到Sink节点采用多跳通信的方式，实现随机异构传感器网络中节点能量的利用效率的提高，达到通信能耗的降低的效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的方法适用网络模型示意图。

图2是本发明提供的方法中涉及的几何等效图。

图3是本发明实施例一实验中500个初始能量(0.25J～0.375J)和通信半径(100m～150m)均为异构的传感器网络，在ARCN分簇组网算法的调控下，首轮T_s＝1工作时形成的网络结构和通信链路示意图。

图4是本发明实施例一实验中4种算法全网能量利用率随时间变化的比较图。

图5是本发明实施例一实验中4种算法中网络剩余节点比较图。

图6是本发明实施例一实验中4种算法中中心区域⊙2内节点死亡率比较图。

图7是本发明实施例一实验中4种算法中网络生命周期箱型图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一：

本实施例提供一种异质传感网中能量高效的组网方法，详细介绍如下：

在数据型传感器网络中，为缩短通信路径的长度，可以充分利于RF信号的全向特征，将数据的汇聚中心sink安置在网络的中心。对于sink而言，形成一个发散形式的全向数据收集网络，可以提高数据收集的效率。因此，不失一般性，本申请设定为以sink为中心的监测区域，并引入参考圆将网络场景虚拟为一个圆形区域，如下图1所示。

需要进行说明的是，场景的虚拟划分，仅为了控制成簇的规模，并不干涉算法的运行，因此基于该场景的研究结论，也可以扩展到其他不存在中空区域的网络场景中。

给定监测区域I，以Sink为中心o点，依次向外将I划分为共计M个准等间距的同心圆环，监测区域内的任意点

同心圆环的编号c_k：

其中c₀圆半径为R_o，其余环间距为R_k，针对随机异构网络，本申请设定R_k＝R_o/2，

表示任意点

与中心Sink点之间的距离。

给定随机异构传感器节点μ＝{μ_i(x_i,y_i)|i＝1,2,...,N}随机部署在I内，(x_i,y_i)表示节点的位置信息，μ的初始能量E＝{E_i|i＝1,2,...,N}和初始半径r＝{r_i|i＝1,2,...,N}满足E_i∈[E_min,E_max]和r_i∈[r_min,r_max]。

以环间距离的最大跨度为参考，节点的通讯距离r_i满足r_min≥2R_k＝R_o。

节点通信能耗在固有能耗的基础上，随着数据量和通信距离的增长呈正比增长。当节点μ_i向其通信范围内的某一接收节点μ_j传输mbit数据，μ_i与μ_j之间距离为d，μ_i所消耗的能量E_sd(m,d)为：

节点μ_j接收mbit数据时能耗E_rv(m)为：

E_rv(m)＝m×E_elec (3)

其中，d₀为区分衰减空间模型的阈值，通常以

为参考取值；E_elec表示单位比特数据通信在射频模块部分的能量消耗；ε_fs为自由空间模式下，传输单位比特数据的能量消耗系数；ε_mp为多径衰减模式下的能量消耗系数。

融合数据能耗仅与簇首节点有关，簇首节点μ_j融合mbit数据时的能耗E_ag(m)为：

E_ag(m)＝m×E_DA (4)

其中，E_DA是节点数据融合的单位比特能耗。

无线传感器网络中能量的消耗主要集中在数据传输阶段，如何均衡网络中节点能量消耗，对提高网络能量的利用效率以及延长网络生命周期尤为重要。

为提高能量利用效率，本申请设计了ARCN算法。节点基于邻居信息进行簇首选举并确定簇的结构规模，采用基于能效的自适应簇规模组网模式，在满足通信距离的同时缩小簇的物理半径，使得节点的单跳通信距离短小且有效，有利于缩小簇内数据对簇首节点负荷；寻找最优通信路径以减小数据转发时能量消耗，不仅保证了网络的连通性还减缓了簇首节点能量消耗速度，避免个别节点提前死亡。

为介绍本申请提出的异质传感网中能量高效的组网方法，给出如下定义：

定义1(最大可达节点集)节点μ_i和μ_j之间若存在通信链路，则互为邻居节点，定义μ_i关于r_i的最大可达节点集：

定义2(适应值半径)节点μ_i的适应值半径为受所在c_k影响的动态通信范围，可定义为：

其中γ为调节参数，且γ∈[0,1]。

单/多跳通信模式的选择机制：

在分簇组网形成的网络中，在c₀环内节点可以通过单跳或多跳的方式将信息转发给Sink节点。但是本申请中在c₀环内节点采用单跳的方式将信息转发给Sink节点，详细说明如下：

在上述给定的初始网络模型中，本申请考虑在Sink周围的簇首由于半径小、数量少容易使转发负荷过大，造成个别节点(簇首)的业务量过大而过早死亡，设定c₀圆半径为R_o为环间距为R_k的2倍。

在理论上，同等距离情况下，多跳通信比单跳通信节能，但由于c₀圆半径为其余环间距的两倍，c₀圆内节点与Sink节点的之间距离较大，经簇首转发信息给Sink节点构成多跳通信，与未经簇首转发的单跳通信相比，单跳与多跳的节能优势有待考量；

本申请通过比较c₀圆内节点通信采用单跳通信和多跳通信能耗较小的概率，确定本申请提供的技术方案中，在c₀圆范围内簇首节点与Sink节点之间采用单跳通信的方式，而其余监测区域内簇首节点到Sink节点采用多跳通信的方式。

以Sink为圆心的c₀圆内，点p、q为两个节点，点p到o的通信方式可分为两种：一种是单跳通信模式，即p→o直接通信；另一种是由节点q作为中转节点形成p→q→o多跳通信模式。

由上式(2)可得，传输mbit数据量时，单跳p→o通信能耗为E_sh，多跳p→q→o通信能耗为E_mh，多跳与单跳的能耗差距为：

E_mh-sh＝m×E_elec+m×ε_fs×(d_pq ²+d_qo ²-d_po ²) (7)

在给定如图1所示网络的c₀区域内，基于无固有能耗的自由空间能耗模型，节点向位于o的Sink点发送相同量的数据，存在一定的区域内，使得节点间采用单跳通信所消耗的能量小于区域内两跳通信的能耗。证明过程如下：

由于节点半径存在r_i≥r_min≥R_o，若以R_o/2为半径将c₀圆划分为内圆(标记为⊙2)和外环(标记为c₀/⊙2)，c₁环内的簇首节点向Sink节点传输数据时，最差必需在c₀的外环处应存在簇首p为其转发数据。为中和Sink周边节点的负荷，c₀内所有节点q∈⊙2均应作为簇首参与数据通信。

基于无固有能耗的自由空间能耗模型(E_elec＝0)和式(7)，定理只需证明存在式(8)成立的区域，

d_po ²≤d_pq ²+d_qo ² (8)

其中，d_po、d_pq和d_qo分别表示节点p、q和o之间的距离。

不失一般性，建立Sink节点所在的o点为原点，以op为纵轴的坐标系如图2所示，设定p(x_p,y_p)，q(x_q,y_q)，代入式(8)：

x_p ²+y_p ²≤(x_p-x_q)²+(y_p-y_q)² (9)

由于点p位于y轴上，最差情况位于(0,R_o)，将其带入式(9)，

x_q ²+y_q ²-2y_p≥0 (10)

同理，最优情况下p位于内圆圆周上，坐标为(0,R_o/2)，则式(9)可转化为：

x_q ²+y_q ²-y_p≥0 (11)

式(10)～(11)的等效几何区域如图2中圆⊙3和圆⊙1,圆心分别为(0,R_o/2)和(0,R_o/4)，半径分别为R_o/2和R_o/4。点p的通信范围为圆⊙4，因为初始设定节点p的半径为r_p≥R₀。

基于图2和基本几何关系可知，满足式(10)的点q∈⊙2区域为圆⊙k,k＝2,3,4的相交部分C_{(⊙2∩⊙4)}⊙3；同理，满足式(11)的区域为C_{(⊙2∩⊙4)}⊙1。

簇首q点满足d_po ²≤d_pq ²+d_qo ²的概率范围为：

鉴于节点位置为均匀概率的随机分布，和点q∈⊙2的基本要求，式(12)可基于点q可能出现范围的面积比计算。可得11％≤P(d_po ²≤d_pq ²+d_qo ²)≤43％，即在c₀内，为c₁环转接数据的簇首p∈c₀/⊙2存在[11％,43％]的概率以单跳模式通信更加节能；

又因为当距离较小时，通信能耗中固有能耗占据的比例较大，短距离单跳与一步多跳通信时，一步多跳消耗的固有能耗为单跳的两倍，所以在c₀内，簇首p∈c₀/⊙2存在[11％,43％]的概率，以单跳通信更为节能，该比例随固有能耗的加入而增高，最终，c₀内采用单跳通信的能耗小于多跳通信的能耗的概率会超过50％，所以本申请提供的方案中，c₀内采用单跳通信，其余监测区域内采用多跳通信。

将⊙2内的节点全部设置为簇首，避免节点因转发数据量较大过早死亡，缓解Sink中心区域节点沦陷问题。

同理，若为c₁环转接数据的簇首p∈⊙2会存在大于50％的概率以单跳p→o通信更为节能。故，本申请将⊙2内的节点全部设置为簇首，不仅在通信模式上进行了节能优化，又避免了节点因转发数据量较大过早死亡，缓解Sink中心区域节点沦陷问题。

网络中能量消耗主要与簇的物理空间大小和簇内成员数目有关，簇首的管理半径关系着簇的物理空间大小，因此引入适应值半径，用以调控簇的跨度大小。考虑到簇首作为簇内和簇间数据的转发枢纽，因此应尽可能地选择高能量节点担当。鉴于上述两个因素，本申请采用动态的簇首竞争方式，定义簇首的选举公式：

W(i)体现了μ_i成为簇首的配重价值，值越高则越容易当选簇首。其中调节参数α、β用来调整μ_i的可达节点集以及其剩余能量对簇首选举的影响程度，存在α+β＝1；

表示μ_i关于适应值半径

范围内可达节点集内的邻居节点数量；|T_N(μ_i,r_i)|表示μ_i关于通信半径r_i范围内最大可达节点集内的邻居节点数量。

基于W(i)的配重公式，可以看出该选举公式综合考虑了节点的剩余能量E_i以及邻居节点数量

对μ_i当选簇首的积极影响。

对任意节点

若满足W(j)＞W(i)，则节点μ_j当选为簇首；当选节点μ_j广播一条簇首消息Message_header(u_j,E_j)。普通节点μ_i收到消息Message_header(u_j,E_j)后，在其通信范围内选择距离最近min[distance(μ_j,μ_i)](可根据RSSI信号强度判断)的簇首进行入簇，需要说明的是对于相同距离的簇首，μ_i优先加入具有高能簇首的簇。具体流程如下：

算法中Line4～7表示μ_i收到μ_j的Message_header(u_j,E_j)后，选择距离最近的簇加入；Line8～10表示当有两个距离相同的簇时，μ_i选择具有高能剩余能量簇首的簇加入,其中

表示高能剩余能量簇首的编号。

簇首节点负责数据转发工作，路由决定着数据被转发次数，因此选择一条最优路径进行数据通信，将有利于减缓簇首节点的能耗。ARCN算法采用单跳与多跳结合的路由方式进行数据通信。成员节点首先将采集到数据传输给簇首节点，簇首节点进行数据融合并进行数据转发，选择一条最优路径将数据发送至Sink。

c₀内⊙2内的簇首节点可以直接与Sink节点进行通信，c₀/⊙2内的簇首节点多跳的通信方式更加占据节能优势。任意两簇首

之间的通信代价为：

式中μ_j表示μ_i通信范围内的任意簇首。

对任意簇首节点μ_i收到消息Message_header(u_j,E_j)后，采用最短路径Dijkstra算法，计算簇首间的通信代价，可以找出向Sink节点数据传输的最优路径，具体流程如下。

上述算法中Line6～9表示簇首节点μ_i收到其他簇首节点μ_j广播的消息后，选择靠近Sink节点且距离最近的簇作为中转簇首；Line10～12表示当有两个距离相同的中转簇首节点时，选择剩余能量较高的簇首作为中转簇首；如果节点位于Sink节点周围R_o/2内，则直接与Sink节点通信。

作为一种分布式工作的算法，ARCN在网络初始阶段，根据簇首选举公式将节点区分为簇首与普通节点；普通节点根据与簇首节点之间的距离，并参考能量，择优加入最近的簇。对于每个节点μ_i通过ARCN算法的调度，最终可以实现对一个随机异构传感器网络的快速、效优的组网，对于网络中的任意节点可采用ARCN算法实现自适应半径的分簇组网，具体工作流程如下：

上述算法Line4～9首先判断节点是否可以当选为簇首节点，若不能当选则运行Join-cluster算法，得到普通节点μ_i的通信链路Path(μ_i)；当选簇首的节点μ_i则执行Communication算法，得到簇间通信的链路信息Path(μ_i)。通过ARCN算法可用得到全局节点的通信链路Path(μ)，完成对随机异构传感器网络的快速分簇组网与路由配置。

本实施例提供的方法的有益效果：针对网络能耗不均衡、能量利用效率低等问题，提出了一种基于自适应簇半径的高效组网算法ARCN，充分利用异构性能引发的邻居数目和剩余能量的双重差异，并作为选举指标，保证高能和服务范围更广的优势节点担当簇首。引入的适应值半径、簇首代价函数矩阵和内环通信模式调整，实现了从簇内到簇间能量优化。由于ARCN算法不依赖于全局信息，利用节点间的异构性能作为分簇组网的基础，提高了方法的实用性。

为验证本申请提供的组网方法能够实现随机异构传感器网络中节点能量的利用效率的提高，达到通信能耗的降低的效果，特提供实验如下：

采用MATLAB R2016a平台进行试验，通过与LEACH、URCP及EBCP3种经典方法的对比实验，验证ARCN在提高能量利用率，减缓节点死亡速度以及延长网络生命周期方面的效果。

假设传感器节点随机部署在S＝πR²(R＝500m)的圆形区域内，环数k＝3。

节点剩余能量与其通信半径成正比例关系。

场景与网络参数如表1所示，表1中假设网络中各传感器节点电池的初始能量范围为0.25～0.375J，各传感器节点初始感知范围为100～150m。

为验证网络的寿命，引入网络周期T_s的概念，用于统计网络的寿命。在每个T_s周期内，网络更新运行ARCN算法进行分簇、组网，并设定每个节点在T_s内向Sink通信m＝4000bit数据，簇首节点的能耗分为两种：

一是负责簇内数据的融合和转发；

二是作为其他簇首的中转节点，能量消耗采用公式(2)，参数如表1。当节点μ_i无法与任何节点构成通信链路时，则认定μ_i死亡。

考虑到试验场景和网络配置的随机性，所有实验数据均采用20次独立实验的平均值，并且保证不同算法间单次实验具有一致的初始场景。

表1实验参数

图3给出了500个初始能量(0.25J～0.375J)和通信半径(100m～150m)均为异构的传感器网络，在ARCN分簇组网算法的调控下，首轮T_s＝1工作时形成的网络结构和通信链路的情况。

由图3可以看出，ARCN中的节点仅在各自单跳范围内，基于邻居信息进行分布式操作，使得簇在位置上应尽可能地分散，从c₁～c₃环分别形成了9、12和15个簇，基本保证了同环单位空间内具有近似相当数量的簇。作为簇首的高能节点通过适应值半径控制其管理范围，保证簇的大小相对均匀，避免簇内过度长跳。c₀中心圆内的簇首数量适度增加为20，以更多簇首来均衡靠近Sink区域的高通信负荷。

随着工作时长的增加，网络周期内能参与通信的节点数量越多，表明网络越稳定，节点的能量利用越均衡，效率越高，因此本实验分别使用LEACH、URCP、EBCP和本申请提出的ARCN，通过统计网络在每个时间周期T_s内的能量利用效率，比较4种算法在组网和通信策略设置时，对节点能耗利用的有效性，实验数据统计如图4所示。其中，以当前网络周期内全网总能耗与全网初始总能量的比值，作为当前周期内能量效率的统计量。

图4给出了全网能量利用率随时间变化的情况。由图4可知，在初始阶段(T_s<40)时，4种算法彼此相对稳定的运行，全网能量利用率没有明显差距。当T_s>40时，由于在LEACH与URCP的簇首选举过程中，缺少对能量E_i的考虑，导致低能节点占据簇首角色提前死亡，能量利用率近似维持在个自的峰值(LEACH峰值为38％，URCP为35％)不再增长，间接表明参与网络的节点过少导致链路不完整，网络已经无法稳定运行。EBCP算法通过代价函数的作用，持续到T_s＝50时，达到43％的效率峰值，此后由于缺少组网的可用节点，网络也停止通信工作。而本申请提出的ARCN算法能够稳定运行到T_s＝70轮左右，是由于引入适应值半径来管理分簇跨度，降低单跳能耗，避免簇首节点能耗过大导致剩余能量过低而无法参与网络构成，从而有效的保证网络的连通性，延长了网络的生命周期。

节点是组成传感器网络的重要因素，若参与组成网络的节点过少，则网络无法稳定运行。本实验分别统计每个网络周期内死亡节点数量(如图5)以及中心区域(Sink节点附近)高能耗节点死亡比率(如图6)，比较4种算法的剩余节点数量对网络生命周期的影响。

由图5可以看出，在T_s<10时，4种算法基本没有节点死亡，表明节点初始能量大于0.25J与高密度的配置方式，使得网络中即使存在高耗能节点也能够维持将近T_s＝10轮的生命周期。在T_s>10轮后,由于没有对高能耗节点进行优化选择，LEACH、URCP和EBCP3种算法开始有节点死亡；ARCN算法节点在T_s>20之后才开始有节点死亡，表明算法在簇首选举时综合考虑了剩余能量以及邻居节点集，能够有效的避免高能耗节点参与较多的数据转发，延缓死亡；在T_s>60轮之后，LEACH、URCP和EBCP3种算法的节点已经全部死亡，而ARCN算法中的节点运行T_s>70轮后才全部能量耗尽死亡，说明算法的选簇、入簇以及簇间通信的方法能够有效的均衡节点能耗，减缓节点死亡速度，延长网络的生命周期。

对于中心⊙2区域的节点寿命情况如图6中所示，可以看出在T_s>10后LEACH、URCP和EBCP3种算法节点死亡速率攀升较快，ARCN算法在20轮之后中心区域的节点开始死亡，且死亡速度相对缓慢，主要在于ARCN算法在中心区域⊙2采用单跳与多跳混合的方法，改善了高能耗节点过早死亡问题，不会出现因中心区域沦陷而造成网络中出现大规模节点不连通的现象。

网络的稳定性也是评估一个算法的重要指标，由于节点能量与半径的随机性，网络寿命也随机波动。本实验统计了4种算法的网络生命周期的分布情况，来验证算法的稳定运行能力，实验数据如图7所示。

图7中可以明显看出LEACH与URCP算法的中值大概在T_s＝40轮左右，EBCP算法的寿命中值在T_s＝45轮左右，而ARCN算法中值均在T_s＝55轮左右；原因在于EBCP与ARCN算法将网络区域等效为一个圆形的检测区域，并且引入了参考圆的概念，使得簇大小以及簇数量相对稳定，从而保证了网络的稳定性。此外ARCN算法的寿命波动范围与其它3种算法相比相对较小，并且异常值较少，表明ARCN算法对于场景有着较好的普适性。

本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种异质传感网中能量高效的组网方法，其特征在于，所述方法包括分簇结构的形成和路由的形成，分簇结构包含簇首节点与普通节点的区分和通过适应值半径合理调整簇规模的大小；路由的形成能够得到全局节点的路由信息表；

为便于描述，假设给定监测区域I，以数据的汇聚中心Sink为中心o点，依次向外将I划分为共计M个准等间距的同心圆环，监测区域内的任意点

同心圆环的编号c_k：

其中c₀圆半径为R_o，其余环间距为R_k，设定R_k＝R_o/2，

表示任意点

与中心Sink点之间的距离；

随机异构传感器节点μ＝{μ_i(x_i,y_i)|i＝1,2,...,N}随机部署在I内，(x_i,y_i)表示节点的位置信息，节点μ的初始能量E＝{E_i|i＝1,2,...,N}和初始半径r＝{r_i|i＝1,2,...,N}满足E_i∈[E_min,E_max]和r_i∈[r_min,r_max]；以环间距离的最大跨度为参考，节点的通讯半径r_i满足r_min≥2R_k＝R_o；初始全部节点皆为普通节点，当选簇首之后该节点成为簇首节点；

分析单跳通信与多跳通信的能耗占比，确定c₀圆范围内簇首节点与Sink节点之间采用单跳通信的方式，其余监测区域内簇首节点到Sink节点采用多跳通信的方式；

基于邻居信息以及各节点自身剩余能量E_i进行簇首选举并确定簇的结构规模，采用基于能效的自适应簇规模组网模式，在满足通信距离的同时缩小簇的物理半径，使得节点的单跳通信距离短小且有效；其中，所述邻居信息包括邻居节点的数量以及邻居节点的剩余能量；定义簇首的选举公式如下：

W(i)表示节点μ_i成为簇首的配重价值，值越高则越容易当选簇首；调节参数α、β用来调整节点μ_i的可达节点集以及其自身剩余能量E_i对簇首选举的影响程度，存在α+β＝1；

表示节点μ_i关于适应值半径范围内可达节点集内的邻居节点数量；|T_N(μ_i,r_i)|表示节点μ_i关于通信半径r_i范围内最大可达节点集内的邻居节点数量，E_max为节点μ_i初始能量的最大值；节点的适应值半径为：

节点μ_i的适应值半径为受所在c_k影响的动态通信范围，动态的调整簇规模的大小，其中γ为调节参数，且γ∈[0,1]。

2.根据权利要求1所述的方法，其特征在于，所述簇首节点与普通节点的区分，包括：

μ_j为监测网络内c_o圆外的任意节点，对任意节点

若满足W(j)＞W(i)，则节点μ_j当选为簇首；

当选节点μ_j广播一条簇首消息Message_header(u_j,E_j)；普通节点μ_i收到消息Message_header(u_j,E_j)后，在其通信半径r_i范围内选择距离最近的簇首进行入簇。

3.根据权利要求2所述的方法，其特征在于，普通节点μ_i在其通信半径r_i范围内选择距离最近的簇首加入，对于具有相同距离的多个簇首，普通节点μ_i优先加入具有自身剩余能量高的簇首的簇；普通节点μ_i根据RSSI信号强度判断通信半径r_i范围内各簇首的距离远近。

4.根据权利要求3所述的方法，其特征在于，普通节点运行Join-cluster算法，找出普通节点所加入的簇，得到普通节点的路由信息。

5.根据权利要求4所述的方法，其特征在于，若普通节点μ_i当选为簇首节点，则簇首节点μ_i收到其他簇首节点μ_j广播的消息后，选择靠近Sink节点且距离最近的簇作为中转簇首。

6.根据权利要求5所述的方法，其特征在于，若存在两个距离相同的中转簇首节点，则簇首节点μ_i收到其他簇首节点μ_j广播的消息后，选择剩余能量较高的簇首作为中转簇首。

7.根据权利要求6所述的方法，其特征在于，对任意簇首节点μ_i收到消息Message_header(u_j,E_j)后，计算簇首间的通信代价，找出向Sink节点数据传输的最优路径；

任意两簇首之间的通信代价为：

μ_j表示μ_i通信范围内的任意簇首。

8.根据权利要求7所述的方法，其特征在于，簇首节点执行Communication betweenheader算法，根据通信代价找出通信的最优路径，得到簇首节点间的路由信息。

9.根据权利要求8所述的方法，其特征在于，由普通节点的路由信息和簇首节点的路由信息组成了全局的路由信息表。

10.权利要求1-9任一所述的方法在随机异构传感器网络以及同构网络中的应用。

Images