CN110493797A - 基于分簇优化的无线传感器网络拓扑控制算法 - Google Patents

Abstract

本发明涉及一种基于分簇优化的无线传感器网络拓扑控制(CLTC)算法，其主要技术特点是基于树型网络模型，利用分簇思想将网络分割为不同的簇，簇内运用最小生成树算法，确定邻居节点关系，降低节点通信碰撞；簇间通过簇头连接通信，形成优化的骨干网络拓扑。本发明设计合理，在复杂度相似的情况下能够显著提高构建网络拓扑结构速度，减少网络通信开销，有效降低节点平均能耗，延长无线传感器网络生命周期。

Description

基于分簇优化的无线传感器网络拓扑控制算法

技术领域

本发明属于传感器网络通信技术领域，尤其是一种基于分簇优化的无线传感器网络拓扑控制算法CLTC(cluster and local optimization topology control)。

背景技术

无线传感器网络中节点计算能力和通信能力有限，而且采用供电电池能量也十分有限，所以除了要设计能量高效的网络协议之外，还要设计优化的网络拓扑控制。良好的拓扑控制是一种重要的节省网络能耗的技术；可保证网络覆盖的质量和连通质量；降低通信干扰、提高路由协议和MAC(Media access control)协议的效率，为数据融合提供拓扑基础。总之网络拓扑控制对于自组织的无线传感器网络性能影响较大。

目前分布式拓扑控制方法主要集中在节点功率控制和层次拓扑控制两个方面。LEACH(Low-energy adaptive clustering hierarchy)是目前比较典型的分层拓扑控制算法之一，LEACH算法对节点分簇，通过概率随机选取簇头，相邻节点动态地组成簇。簇内节点将数据发送给簇头，簇头进行数据融合后单跳发送给基站。LEACH算法可使网络中节点等概担任簇头，节省节点能量，延长网络寿命，但是提出的簇头选举机制没有考虑节点的具体位置，选举出的簇头分布并不均匀，可能导致网络内节点剩余能量不均衡，将会增加其成为盲点机会，过多的盲点会降低网络的生命周期。LMST(Local minimum spanning tree)是较为典型的功率控制算法之一，其基本思想是每个节点会收集它的邻节点，将能量代价作为连接权重，通过全局调整局部独立构建的最小生成树，最终实现拓扑的双连通，能有效地降低维持全局连通的传输功率，减少网络中冗余链路，减少节点竞争通信，提高节点能量利用率，且生成拓扑中节点度的上限值为6，但算法忽略了产生拓扑的健壮性。

在无线传感器网络中存在节点分布不均匀的情况。在某些局部区域内，节点数量多、密度大。若节点都以最大发送功率通信，将导致局部通信竞争激烈，网络吞吐量急剧下降。因此需要减少邻居节点间发生冲突概率，提高节点能量利用率。

综上分析，构建健壮的网络拓扑结构是提高无线传感器网络的生命周期关键技术之一。而健壮的网络拓扑结构可有效降低网络中冗余链路，减少节点干扰和通信竞争，提高节点能量利用率，降低网络能耗，延长网络寿命。

发明内容

木发明的目的在于克服现有无线传感器网络拓扑结构控制算法的不足，综合LEACH算法和LMST算法的优点，利用分簇方法，将网络按一定的规则划分不同的簇；簇内运用LMST算法，确定邻居节点关系，并调整节点发送功率，减少节点通信碰撞；簇间通过簇头连接，形成优化的骨干网络拓扑，减少冗余链路和节点间干扰，降低网络能耗，延长网络寿命。

为实现上述目的，本发明的技术方案是：基于分簇优化的无线传感器网络拓扑控制算法，包括以下步骤：

步骤1：构建基于汇聚节点作为中心节点的树型结构无线传感器网络模型。

步骤2：网络拓扑分簇过程。首先，汇聚节点发起簇头(ClusterHead)选取过程，发送建立相邻节点消息，在确定其邻节点集合后，汇聚节点依据相应的规则从相邻节点集合中选择部分节点作为源簇头(指由Sink节点发起并确定的簇头节点)，并向这些源簇头发送建立簇头消息，同时设置好前后继关系；其次，源簇头并行向网络发送建立邻节点消息，确定各自的邻节点集合后，按照与源簇头相同的选取原则确定新的簇头；新选举的簇头重复上述过程，直至完成整个网络的分簇(Cluster)。

步骤3：簇内拓扑优化过程。簇头利用最小生成树算法按到达最远邻居节点的发射功率向簇内节点发送簇内优化消息，收到消息的节点确定自身邻节点关系，调整各自发射功率为到达最远邻节点的功率。簇内优化后，删除邻节点之间冗余通信链路，减少通信的碰撞与干扰，降低了能耗。

步骤4：网络拓扑维护过程。簇头节点在运行中由于数据处理、转发频繁，能量消耗较快，因此，需设置一个能量门限值M，当簇头能量降到M时该簇头发起簇头重选工作。簇头首先检查自己最近邻居节点和其前驱后继的可达性。当可达性满足时，则选此节点为新簇头节点并改变前驱后继信息。若不满足可达性，则选次近邻居节点，依次类推直到找到合适的节点或邻节点集合选择完毕。最坏的情况是，簇头的邻节点集中没有与前后继簇头可通信的节点，此簇将形成孤立簇，当此种情况达到一定限度后Sink发起全网簇头重建工作。

本发明的优点和积极效果是：

相较于现有无线传感器网络拓扑控制算法技术，本发明的有益效果：构建网络拓扑结构快速、通信开销小、有效降低节点平均能耗；同时，该算法在构建拓扑结构时引入相应的路由策略，即建立簇头后设置簇头间的关系，为开发基于此拓扑结构的路由协议奠定了基础；另外，当簇头失效时，仅根据其邻节点就可以重新选取新的簇头，拓扑维护开销较少。

附图说明

图1为本发明算法的树型网络结构模型图；汇聚节点为根节点，节点非均匀分布，所有节点都有唯一ID，相同的初始能量，节点的发射功率可根据距离调整大小。节点间通信链路对称，无线传播无障碍，通信采用自由空间模型，收发数据的无线通信模型分别为

E_rx(h，d)＝he₁+he₂d²

E_rx(h，d)＝he₁

式中：e₁为无线收发电路能耗；e₂为自由空间模型放大器的能耗；d为数据传送距离；h为要发送或接收数据的比特位数。

图2为无拓扑控制的网络拓扑图，是为了对比在同一场不同算法的性能而构建的；其中坐标原点为汇聚节点，所有节点都以最大发送功率通信时形成的拓扑结构，网络中链路数量多且相互重叠，节点间通信碰撞概率大，能耗高。

图3为运行分簇算法形成的簇内未优化的拓扑结构图。坐标原点为汇聚节点，由它发起建立树状网络拓扑，其中黑色实心小圆圈表示簇头，黑色小圆点表示簇内节点，簇头与簇内节点用虚线连接。

图4为运行簇内优化算法形成的网络拓扑图；分簇后，每个簇头在簇内执行最小生成树算法形成拓扑结构，保证网络的连通性和覆盖性，链路数量明显减少，降低了节点间通信干扰，减少能耗，延长网络生命。

图5为CLTC与LEACH在同一场景下不同节点数的网络的节点平均能耗对。由图可知CLTC算法节点平均能耗低于LEACH节点能耗，原因是CLTC簇头选取简单、快捷，不需要全局信息；每个簇头建立簇时，不向全网广播Hello消息，区域内的其他节点接收到的冗余Hello消息较少，耗能也就少，相应簇头也不因长距离传输hello消息而消耗大量能量；重要的是每个簇内进行了局部拓扑优化，去掉了冗余通信链路，减少节点间的通信碰撞和干扰，从而大大降低了能耗。

图6为在选取的200次循环仿真中CLTC与LEACH每20次循环中簇头节点的总能耗对比。由图可知，随着循环的次数增加，CLTC簇头耗能多于LEACH。原因是CLTC算法采用分簇机制，汇聚点和簇头以多跳的方式进行通信，每个簇头不仅处理来自簇内的数据，同时还向汇聚节点转发来自其他簇的数据，特别是CLTC网络模型是树型结构，导致靠近汇聚节点的簇头随着仿真时间的增加耗能剧增；而LEACH簇头与汇聚节点以单跳的方式通信，簇头不转发来自其他簇的数据。

具体实施方式

以下结合附图对本发明实施例做进一步详述：

一种基于分簇优化的无线传感器网络拓扑控制算法，包括以下步骤：

相关定义：

(1)相邻节点消息(Hello消息)是簇头节点确定单跳邻居节点集合时首先广播的消息，包含源节点ID、坐标位置等信息。

(2)相邻节点确认消息(Neighbor_Node_ACK消息)是所有收到Hello消息的节点立即发送的反馈消息，包含源节点ID、本节点ID、剩余能量和距离等。

(3)簇头消息(ClusterHead消息)是已确定的簇头节点向新选出的簇头节点发送的消息，包含新簇头节点ID，前继簇头节点ID以及树层次。

(4)簇内消息(Cluster消息)是由簇头发送给簇内节点的消息，告知簇内节点当前簇头的ID及簇内各节点间邻居关系，收到此消息的节点记录自身所归于的簇。

步骤1：仿真环境下的无线传感器网络场景初始化。

在200m×200m区域内随机部署150个节点，汇聚节点和随机部署的节点同质，且通信半径都为60m。仿真中所用节点初始能量为0.5J，节点收发电路(ETX/ERX)能耗均为50nJ/bit，发射放大器能耗为10pJ/bit/m2，数据聚合能耗为5nJ/bit。

步骤2：对网络拓扑进行分簇。

本步骤的具体实现方法为：(1)源簇头确定。在网络初始化阶段，Sink节点向网络广播Hello消息，发起寻找邻居节点过程，收到Hello消息的节点都向Sink节点回复Neighbor_Node_ACK消息，Sink节点接收到其他节点回复的确认消息，统计自身邻居节点集，形成以Sink节点为簇头的簇，再向簇内发送Cluster消息，所有收到簇内消息的节点记录自身所在簇的簇头ID，表示自己成为簇内成员；Sink节点利用最小生成树算法对其管辖的簇进行局部拓扑优化，在优化的簇中，依据式(1)确定新簇头数量，即源簇头数量，新簇头的多少取决于其前继簇的规模大小；根据各节点与源簇头的链路综合权值w_ij以及簇头数量确定具体的源簇头，并将选取的源簇头消息反馈给Sink节点，然后，Sink节点向源簇头节点发送建立ClusterHead消息，收到该消息的源簇头将自己设置为簇头，设置前继关系，同时将节点的层次属性设置为1。(2)簇头建立。每个簇头分别向网络广播建立邻居节点集Hello消息，簇头节点和前继簇的成员拒绝接收Hello消息，当某节点收到来自多个簇头节点的Hello消息时，加入距离最近的簇。新簇头的确定过程与源簇头确定过程相同。新的簇头确定后，设置前继关系，并将节点的层次设置为前继簇层次的值加1。(3)新簇头重复执行(2)过程，直到到达网络的边界，即建立树型网络拓扑结构。

在本步骤中确定每个簇的后继簇数计算公式为

其中，CluNode表示簇数，n为某簇内节点数。

在本步骤中簇头与相邻节点间链路通信的综合权值计算公式为：

其中，d(i，j)为两节点之间的距离；e_i、e_j分别为传感器节点的剩余能量；a、b为预设指数。权值由d(i，j)、两部分决定，分别反映两节点之间的功耗大小和链路的健壮情况。

步骤3：分簇后进一步对簇进行优化。每个簇看作一个连通网，即N＝{V，E}，其中V为连通网顶点集合，E为边的集合，T_E是N上最小生成树中边的结合。利用普里姆算法，从U＝{簇头节点U₀)，T_E＝{}开始，重复下面操作：在所有u∈U，V∈V-U的边(u，v)∈E中找一条代价最小的边(u₀，v₀)并入集合T_E，同时v₀并入U，直至U＝V为止，则T＝(V，T_E)为簇N的最小生成树。

在本步骤中，簇内部优化需计算每个节点收发数据所需的能耗，进而可求出节点所剩的能量。计算节点收发数据能耗公式为

E_rx(h，d)＝he₁+he₂d²

E_rx(h，d)＝he₁

其中，e₁为无线收发电路能耗；e₂为自由空间模型放大器的能耗；d为数据传送距离；h为要发送或接收数据的比特位数。

在本步骤中，簇内部优化需计算从簇头到簇内任一节点能耗最小的通信链路中，需利用相邻节点间链路通信的综合权值，该权值计算公式为：

其中，d(i，j)为两节点之间的距离；e_i、e_j分别为传感器节点的剩余能量；a、b为预设指数。权值由d(i，j)、两部分决定，分别反映两节点之间的功耗大小和链路的健壮情况。

需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (4)

1.一种基于分簇优化的无线传感器网络拓扑控制算法，其特征在于包括以下步骤：

步骤1：构建基于汇聚节点作为中心节点的树型结构无线传感器网络模型；

步骤2：网络拓扑分簇过程。首先，汇聚节点发起簇头(ClusterHead)选取过程，发送建立邻节点消息，在确定其邻节点集合后，汇聚节点依据相应的规则从邻节点集合中选择部分节点作为源簇头(指由Sink节点发起并确定的簇头节点)，并向这些源簇头发送建立簇头消息，同时设置好前后继关系；其次，源簇头并行向网络发送建立邻节点消息，确定各自的邻节点集合后，按照与源簇头相同的选取原则确定新的簇头；新选举的簇头重复上述过程，直至完成整个网络的分簇(Cluster)；

步骤3：簇内拓扑优化过程。簇头利用最小生成树算法按到达最远邻居节点的发射功率向簇内节点发送簇内优化消息，收到消息的节点确定自身邻节点关系，调整各自发射功率为到达最远邻节点的功率。簇内优化后，删除邻节点之间冗余通信链路，减少通信的碰撞与干扰，降低了能耗；

步骤4：网络拓扑维护过程。簇头节点在运行中由于数据处理、转发频繁，能量消耗较快，因此，需设置一个能量门限值M，当簇头能量降到M时该簇头发起簇头重选工作。簇头首先检查自己最近邻居节点和其前驱后继的可达性；当可达性满足时，则选此节点为新簇头节点并改变前驱后继信息。若不满足可达性，则选次近邻居节点，依次类推直到找到合适的节点或邻节点集合选择完毕。最坏的情况是，簇头的邻节点集中没有与前后继簇头可通信的节点，此簇将形成孤立簇，当此种情况达到一定限度后Sink发起全网簇头重建工作。

2.根据权利要求1所述的基于分簇优化的无线传感器网络拓扑控制算法，其特征在于：所述步骤2中每个簇的后继簇数计算公式为

其中，CluNode表示簇数，n为某簇内节点数。

3.根据权利要求1所述的基于分簇优化的无线传感器网络拓扑控制算法，其特征在于：所述步骤3中无线传感器节点收发数据能耗计算公式为：

E_tx(h，d)＝he₁+he₂d²

E_rx(h，d)＝he₁

其中，e₁为无线收发电路能耗；e₂为自由空间模型放大器的能耗；d为数据传送距离；h为要发送或接收数据的比特位数。

4.根据权利要求1所述的基于分簇优化的无线传感器网络拓扑控制算法，其特征在于：所述步骤3中计算从簇头到簇内任一节点能耗最小的通信链路过程中，需利用相邻节点间链路通信的综合权值，该权值计算公式为：

其中，d(i，j)为两节点之间的距离；e_i、e_j分别为传感器节点的剩余能量；a、b为预设指数。权值由d(i，j)、两部分决定，分别反映两节点之间的功耗大小和链路的健壮情况。