CN110536372A - 一种基于模糊控制的环形无线传感器网络非均匀分簇算法 - Google Patents
一种基于模糊控制的环形无线传感器网络非均匀分簇算法 Download PDFInfo
- Publication number
- CN110536372A CN110536372A CN201910645050.8A CN201910645050A CN110536372A CN 110536372 A CN110536372 A CN 110536372A CN 201910645050 A CN201910645050 A CN 201910645050A CN 110536372 A CN110536372 A CN 110536372A
- Authority
- CN
- China
- Prior art keywords
- node
- cluster head
- ring
- cluster
- network
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
- Small-Scale Networks (AREA)
Abstract
本发明涉及一种无线传感器网络非均匀分簇算法,特别是一种基于模糊控制的环形无线传感器网络非均匀分簇算法NUFR(A Non‑uniform Clustering Algorithm for Wireless Sensor Networks Based on Fuzzy Control Ring)。在该算法中,传感器节点随机分布在相同间隔的同心圆环中,基于此环形网络,利用模糊控制模块,采用5个输入变量,分别为每个节点“剩余能量”,“到基站的距离”,“节点度”,“启动能量”,“环宽”,然后通过if‑then规则器实时地输出每一环的“最优簇数”,节点成为簇头“机会”以及簇首的“竞争半径”。从而能够有效的平衡网络能量消耗不均匀问题,明显降低网络能耗并延长网络生命周期。
Description
技术领域
本发明涉及一种无线传感器网络非均匀分簇算法,特别是一种基于模糊控制的环形无线传感器网络非均匀分簇算法NUFR(A Non-uniform Clustering Algorithm forWireless Sensor Networks Based on Fuzzy Control Ring)。在该算法中,传感器节点随机分布在相同间隔的同心圆环中。模糊控制模块输入参数由圆环内的节点属性控制,其采用5个输入变量,分别为每个节点的“剩余能量”,“到基站的距离”,“节点度”,“启动能量”,“环宽”,然后通过if-then规则器实时地输出每一环的“最优簇数”,节点成为簇头“机会”以及簇首的“竞争半径”。从而能够有效的平衡网络能量消耗不均匀问题,明显降低网络能耗并延长网络生命周期。
背景技术
目前,无线传感器网络已经是在国际上备受关注的、涉及多学科高度交叉、知识高度集成的前沿热点研究领域。为了更有效地均衡无线传感器网络中能量的消耗,将无线传感器网络(WSNs)划分为集群,每个传感器节点将其收集到的数据发送到其所属集群的CH(簇头)。CH负责将收集到的数据进行融合,并通过网络中的其他CH转发到基站。在这种情况下,靠近基站的CH往往会死得更早,因为它们所要传递的通信量很大,这就导致了“热点”问题。因此,如何有效的平衡网络能量消耗不均匀问题、延长传感器网络生命周期、提高传感器节点的利用率是无线传感器网络的研究热点。
许多国内外专家已经对非均匀分簇算法展开了大量研究,如基于权重的启发式算法,通过基于剩余能量,节点度和到基站的距离的基于权重的启发式算法来选择CH,该算法虽然综合考虑了节点的实际情况,但算法复杂、信号冲突大,增加了节点能耗。在现有算法中,都没有综合考虑每一环里的“最优簇数”以及节点在休眠状态转换成工作状态时消耗的能量。不能真正意义上解决无线传感器网络中“热点”问题。
发明内容
本发明所要解决的是传感器网络中的能量利用效率和“热点”问题。在该算法中,节点随机分布在相同间隔的同心圆环里。通过使用Mamdani型模糊控制模块,将五个变量“环宽”(Ring width),“节点度”(Node degree),“到基站的距离”(Distance)和“剩余能量”(Residual energy)以及“启动能量”(Start the energy)作为输入变量,环的“最优簇数”(Clusters),节点成为簇头“机会”(Chance)以及簇首的“竞争半径”(Radius)作为输出变量。成簇过程中,在确定每一环“最优簇数”时考虑了“环宽”,“节点度”和“启动能量”;节点成为簇头“机会”考虑了“剩余能量”,“到基站的距离”以及“节点度”,簇首的“竞争半径”由节点“剩余能量”,“到基站的距离”,“节点度”这三个变量决定。可以缓解无线传感器网络中的“热点”问题,有效延长网络生命周期。
本发明包含网络模型和模糊控制模块两个部分。
所述的网络模型为圆形网络,并将圆形网络区域分割成k个宽度相同的环,节点随
机分布在每个环中,记为γ (,k),其中,为网络中每一环的最优簇数且在每一环中不
均匀分簇。整个网络共有个簇数。
基于网络模型利用模糊控制模块是为了使系统具有模糊逻辑推理能力,从而达到
更好的控制效果。控制系统通过考虑节点的“剩余能量”,“到基站的距离”,“节点度”,“启动
能量”,“环宽”,然后通过模糊化,模糊推理,解模糊,算出每一环中“最优簇数”,节点成为簇
头“机会”和簇的“竞争半径”大小。且由这三个输出变量选出每环最优的簇数和每个簇
中最合适的CH,然后所有节点向网络中自己所属的CH发送信息,未能成功加入CH的节点选
择离自己距离最近的CH发送数据,然后CH再向网络中基站传输数据。其中由模糊控制模块
推理出来的“最优簇数”避免了网络内簇数不合理带来的能量不均衡消耗的问题;节点成为
簇头“机会”避免了能量低的节点被选为CH,造成了CH选举不合理;簇首的“竞争半径”是每
个CH的通信半径,合理的调节了每个簇头的通信范围,避免了节点传输数据时信号冲突大
的问题问题。
可见本发明是一种基于模糊控制的环形无线传感器网络非均匀分簇算法包含网络模型以及模糊控制模块两个部分,基于简化的环形网络,采用模糊控制模块,选出了最优的簇数,最合适的CH,实现对簇首的“竞争半径”自适应调节,有效的平衡网络能量消耗不均匀问题,降低节点能耗,最终延长网络生命周期。
附图说明
图1为本发明的网络模型
图2为本发明的模糊控制模块结构
图3为本发明的输出“最优簇数”的规则表
图4为本发明的输出节点成为簇头“机会”以及簇首的“竞争半径”的规则表
图5为本发明的节点存活数和轮数的关系
图6为本发明的总能量和轮数的关系。
具体实施方式
下面结合附图对本发明作进一步的详细说明,本发明一种基于模糊控制的环形无线传感器网络非均匀分簇算法所包含的环形网络,节点随机分布在等间隔的圆环中,每环中的簇头数都是模糊控制模块输出的“最优簇数”,簇头用星号表示,普通节点用圆圈表示,圆心处为基站用叉号表示。基于简化的环形网络,采用模糊控制模块,其由物理输入,模糊推理,物理输出三个部分组成。物理输入由五个输入变量分别是“环宽”,“节点度”,“到基站的距离”和“剩余能量”以及“启动能量”。模糊推理模块是由规则库和推理器组成。物理输出是由“最优簇数”,节点成为簇头“机会”以及簇首的“竞争半径”。由三个物理输出决定了圆环内不均匀分簇网络,解决了无线传感器网络中存在的不确定性,同时也解决的是传感器网络中的能量利用效率和“热区”问题。
如图1所示,为了简化网络模型和方便分析,将圆形网络划分成相等间隔的圆环,
并定义为γ(,k),其中,为网络中每一环的最优簇数,整个圆形网络被分成k个环和个簇数,传感器节点随机分布在每个圆环内,圆心处为基站。
如图2所示,基于此网络模型,通过模糊控制模块完成成簇过程。所述的模糊控制模块具有模糊逻辑推理能力,能推理出“最优簇数”,节点成为簇头“机会”以及簇首的“竞争半径”从而达到更好的控制效果。控制系统的第一个输出参数是每环的“最优簇数”,由“环宽”,“节点度”,“启动能量”三个变量决定,圆形网络被划分成k个环宽相等的圆环,所以圆环宽度会影响每环的节点数目,从而影响簇头数;节点是随机分布,每环“节点度”不同既每环内的节点数目不同,所以也会影响每环内的簇头数;“启动能量”是节点从休眠状态转换成工作状态时消耗的能量,在这里假设所有节点从休眠状态转换成工作状态时消耗的能量是相等的,节点个数的多少也会影响网络能量的消耗,所以也会影响每环内的簇头数。控制模块的第二个和第三个输出参数分别是节点成为簇头“机会”以及簇首的“竞争半径”,这两个输出参数都是由“剩余能量”,“节点度”,“与基站的距离”三个变量共同决定的。节点的能量,对整个网络生命周期至关重要,选举“剩余能量”高,“节点度”大,“与基站的距离”近的节点当簇头能有效延长网络生命周期,避免个别网络节点早死导致整个网络瘫痪,平衡了整个网络中的能量消耗。在数据传输阶段,基于模糊模块推理出的最优的簇数、合适的簇头以及每个簇的大小,然后所有节点向网络中自己所属的CH发送信息,未能成功加入CH的节点选择离自己距离最近的CH发送数据,然后CH再向网络中唯一的基站传输数据。为了实现上述的模糊控制模块功能,设定的模糊规则表如图3,图4,具体规则如下。
“启动能量”,“节点度”,“环宽”,“到基站的距离”,“剩余能量”这5个输入变量指定模糊语言变量,其中“启动能量”的模糊语言变量为“少”,“中”,“多”(few,medium,more),其中“少”和“多”采用梯形隶属函数,“中”采用三角形隶属函数;“节点度”的模糊语言变量为“小”,“中”,“大”(little,medium,big),其中“小”和“大”采用梯形隶属函数,“中”采用三角形隶属函数;“环宽”的模糊语言变量为“窄”,“中”,“宽”(narrow,medium,wide),其中“窄”和“宽”采用梯形隶属函数,“中”采用三角形隶属函数;“到基站的的距离”的模糊语言变量为“遥远”,“可及”,“附近”(distant,reachable,nearby),其中“遥远”和“附近”采用梯形隶属函数,“可及”采用三角形隶属函数;“剩余能量”的模糊语言变量为“低”,“中”,“高”(low,middle,high),其中“低”和“高”采用梯形隶属函数,“中”采用三角形隶属函数。图3所示模糊输出变量为每环的“最优簇数”(clusters),采用9个模糊语言变量,分别为“很少”,“少”,“较少”,“低中”,“中”,“高中”,“较多”,“多”,“很多”(very little,little,ratherlittle,low medium,medium,high medium,rather more,more,very more),其中“很少”和“很多”采用梯形隶属度函数,其余均采用三角形隶属度函数。图4所示模糊输出变量为节点成为簇头“机会”(Chance),采用9个模糊语言变量,为别为“很低”,“低”,“较低”,“低中”,“中”,“高中”,“较高”,“高”,“很高”(very low,low,rather low,low medium,medium,highmedium,rather high,high,very high),其中“很低”和“很高”选用梯形隶属度函数,其余变量都选用三角形隶属度函数;模糊输出变量为簇首的“竞争半径”(Radius),采用7个模糊语言变量,分别为“很小”,“小”,“较小”,“中”,“较大”,“大”,“很大”(very small,small,rather small,medium,rather large,large,very large)。其中“很小”和“很大”选用梯形隶属度函数,其余变量都选用三角形隶属度函数。
具体实现步骤如下:
Step 1:根据多次实验拟出输入和输出变量的隶属度图;
Step 2:根据实验结果拟出模糊规则表;
Step 3:从网络中采集5个输入参数变量,输入到模糊控制模块中,利用模糊规则器解模糊,输出每一环的最优簇数,节点成为簇头机会的大小以及簇首的竞争半径三个变量;
Step 4:确定每一环最优簇数后,开始选择每一环的CH,CH个数就是最优簇数,每个簇头节点向其邻居广播一个信标消息,消息中包含节点的ID和“chance”值。与相邻节点相比较,具有更高“chance”值的节点选择自己为CH;
Step 5:成为CH的节点向其邻居广播自己成为CH的消息;
Step 6:普通节点选择通过发送Msg_Join消息来加入附近的CH;
Step 7:CH收到Msg_Join消息后,CH将计算出他们之间的距离。如果与当前成员节点的距离小于“Radius”值,则CH发送Msg_Success消息允许新成员加入自己的簇。否则,簇头将返回一条Msg_Failure消息,该消息表示不允许新成员加入自己的簇;
Step 8:当一个节点接收到一条Msg_Failure消息时,它将再次发送一条Msg_Join消息,该消息用于除前一个CH之外的下一个CH,该过程将继续,直到它加入到与一个CH节点的距离小于“Radius”值为止;
Step9:若一个普通节点与多个CH之间的距离小于“Radius”值,则普通节点加入到离自己最近的的CH;
Step10:当分簇完成后,CH建立成员节点列表,并向基站广播自己成员列表消息。
所述非均匀分簇算法是基于模糊控制模块,而模糊控制模块通过已知输入参数既“剩余能量”,“到基站的距离”,“节点度”,“启动能量”,“环宽”控制输出参数既每一环的“最优簇数”,节点成为簇头“机会”以及簇首的“竞争半径”。从而使节点的能耗更加均衡,延长网络生命周期。以下为NUFR算法的伪代码:
1:n=网络节点数;
2:=第i个传感器;
3:Hdlist=簇首列表;
4:Memlist=簇成员列表;
5:=第h环的最优簇数;
6:h=网络的环数;
7:.state=init-state;
8:for i=1 to n do
9:Memlist=kong
10: .RW=环宽,.Ste=启动能量,.DBS=节点到基站的距离,
11: .RE=节点剩余能量,.ND=节点度;
12:Clusters,Chance,Radius=FIS(.RW, .Ste, .DBS, .RE, .ND );
13:%Clusters为每环中的“最优簇数”
14:%Chance为节点成为簇头“机会”
15: %Radius为簇首的“竞争半径”
16:end for
17:for H=1 to h do
18: =Clusters
19:while()
20:if(.chance>.chance),
21:构造列表=第h环每个节点chance值从大到小排列,=-1
22:end if
23:end while
24: 从=[.chance....chance]中选出前个chance值最大者当头,
25: =[…]%其中...都是本环中的所有节点chance最大的
26: .state=Head
27:end for
28:for i=1 to n do
29: if .state=Head
30: 节点向同环的邻居节点发送Msg_Head消息,
31: Msg_Head=[Msg_ TYPE1 ]
32:if (.distance<.Radius)%i和j的距离小于的“竞争半径”
33:节点向发送Msg_Join,Msg_Join=[MSG_TYPE2 CH_]
34:向节点发送 Msg_ Success,Msg_Success=[MSG_TYPE3, , ]
35:收到Msg_Success加入Memlist成员列表
36:else 收到Msg_Failure
37:节点找到离自己最近的簇头发送Msg_Join
38:end if
30:end if
31: end for。
为了验证本发明一种基于模糊控制的环形无线传感器网络非均匀分簇算法NUFR,使用MATLAB仿真工具,对NUFR算法、LEACH算法进行比较分析,定义网络区域为以(0,0)为中心,半径为50m的圆,基站位于网络区域中心,节点数量100,节点初始能量0.5J,发送或接收数据消耗的能量50(nJ/bit),数据融合能量5(nJ/bit),节点随机分布在网络中。仿真结果如图5,NUFR算法在相同轮数下剩余节点数量比LEACH算法要少,LEACH协议在2246轮后剩余节点数目为0,而使用NUFR算法在3500轮之后节点依然有少量的剩余节点。图6所示,在相同轮数下使用NUFR算法网络总剩余能量大于LEACH的总剩余能量。LEACH协议在2006轮后整个网络的能量接近于零,而使用NUFR算法在3500轮之后网络存活节点的总能量依然有剩余。因为LEACH协议中CH将该簇的信息融合后直接发送给汇聚节点,由于数据量大,传输信号冲突大,且基站较远的簇发送数据的距离远,极易导致该CH能量耗尽,本算法先分簇再在选簇头,且考虑了节点的“剩余能量”,“到基站的距离”,“节点度”,“启动能量”,“环宽”,均衡了网络节点能量的消耗。
本发明是一种基于模糊控制的环形无线传感器网络非均匀分簇算法,该算法在均匀分环的基础上采用模糊控制不均匀分簇,其考虑了每一环里的最优簇数以及节点在休眠状态转换成工作状态时消耗的能量,提出的算法采用5个输入变量,分别为每个节点“剩余能量”,“到基站的距离” ,“节点度”,“启动能量”,“环宽”,然后利用模糊规则器输出每一环的“最优簇数” ,节点成为簇头“机会”以及簇首的“竞争半径”,能够有效的平衡网络能量消耗不均匀问题,明显降低网络能耗并延长网络生命周期。
Claims (4)
1.一种基于模糊控制的环形无线传感器网络非均匀分簇算法,其特征在于:包括网络模型和模糊控制模块两个部分;所述的网络模型为圆形网络,为了简化网络模型和方便分析,将圆形网络划分成相等间隔的圆环并且传感器节点随机分布在每个圆环中,基于网络模型利用模糊控制模块是为了使系统具有模糊逻辑推理能力,从而达到更好的控制效果,其采用5个输入变量,分别为每个节点“剩余能量”,“到基站的距离”,“节点度”,“启动能量”,“环宽”,然后通过if-then规则器实时地输出每一环的“最优簇数”,节点成为簇头“机会”以及簇首的“竞争半径”,从而能够有效的平衡网络能量消耗不均匀问题,明显降低网络能耗并延长网络生命周期。
2.根据权利要求1所述的一种基于模糊控制的环形无线传感器网络非均匀分簇算法,
其特征在于:所述的网络模型具体为圆形网络,整个圆形网络分成k个等间距的环,节点随
机分布在每个圆环内,网络模型记为γ(,k),其中k为圆形网络中被平均分为等间距圆
环的个数,为每个环中最优的簇数,整个网络共有个簇。
3.根据权利要求1所述的一种基于模糊控制的环形无线传感器网络非均匀分簇算法,其特征在于:基于此网络模型,通过模糊控制模块完成成簇过程,所述的模糊控制模块具有模糊逻辑推理能力,能推理出每环的“最优簇数”,节点成为簇头“机会”以及簇首的“竞争半径”,模糊控制模块的第一个输出参数是每环的“最优簇数”,由“环宽”,“节点度”,“启动能量”三个变量决定,“环宽”是每一环的宽度;节点是随机分布,每环“节点度”不同既每环内的节点数目不同;“启动能量”是节点从休眠状态转换成工作状态时消耗的能量,模糊控制模块的第二个和第三个输出参数分别是节点成为簇头“机会”以及簇首的“竞争半径”,这两个输出参数都是由“剩余能量”,“节点度”,“与基站的距离”三个变量共同决定的。
4.根据权利要求1所述的一种基于模糊控制的环形无线传感器网络非均匀分簇算法,其特征在于:所述的算法由模糊规则得出每一环的“最优簇数”,节点成为簇头“机会”以及簇首的“竞争半径”,首先是算出每一环的“最优簇数”,然后在依据每一环的“最优簇数”再选出“机会”值靠前的节点当选簇头,最后是规定了每一个簇头的最合适的“竞争半径”范围;其具体步骤如下:
Step 1:根据多次实验拟出输入和输出变量的隶属度图;
Step 2:根据实验结果拟出模糊规则表;
Step 3:从网络中采集5个输入参数变量,输入到模糊控制模块中,利用模糊规则器解模糊,输出每一环的最优簇数,节点成为簇头机会的大小以及簇首的竞争半径三个变量;
Step 4:确定每一环最优簇数后,开始选择每一环的簇头,簇头个数就是最优簇数,每个簇头节点向其邻居广播一个信标消息,消息中包含节点的ID和“chance”值,与相邻节点相比较,具有更高“chance”值的节点选择自己为簇头;
Step 5:成为簇头的节点向其邻居广播自己成为簇头的消息;
Step 6:普通节点选择通过发送Msg_Join消息来加入附近的簇头;
Step 7:簇头收到Msg_Join消息后,簇头将计算出他们之间的距离,如果与当前成员节点的距离小于“Radius”值,则簇头发送Msg_Success消息允许新成员加入自己的簇,否则,簇头将返回一条Msg_Failure消息,该消息表示不允许新成员加入自己的簇;
Step8:当一个节点接收到一条Msg_Failure消息时,它将再次发送一条Msg_Join消息,该消息用于除前一个簇头之外的下一个簇头,该过程将继续,直到它加入到与一个簇头节点的距离小于“Radius”值为止;
Step9:若一个普通节点与多个簇头之间的距离小于“Radius”值,则普通节点加入到离自己最近的的簇头;
Step10:当分簇完成后,簇头建立成员节点列表,并向基站广播自己成员列表消息;
按上述基本步骤即可完成整个非均匀簇的建立过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910645050.8A CN110536372B (zh) | 2019-07-17 | 2019-07-17 | 一种基于模糊控制的环形无线传感器网络非均匀分簇方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910645050.8A CN110536372B (zh) | 2019-07-17 | 2019-07-17 | 一种基于模糊控制的环形无线传感器网络非均匀分簇方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110536372A true CN110536372A (zh) | 2019-12-03 |
CN110536372B CN110536372B (zh) | 2022-05-31 |
Family
ID=68661791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910645050.8A Active CN110536372B (zh) | 2019-07-17 | 2019-07-17 | 一种基于模糊控制的环形无线传感器网络非均匀分簇方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110536372B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111314988A (zh) * | 2020-02-20 | 2020-06-19 | 吉林建筑科技学院 | 一种基于最优簇数的环形无线传感器网络分簇方法 |
CN111770512A (zh) * | 2020-06-05 | 2020-10-13 | 长春工业大学 | 一种基于模糊逻辑的无线传感器网络分扇路由协议 |
CN111818553A (zh) * | 2020-05-21 | 2020-10-23 | 长春工业大学 | 基于模糊逻辑的无线传感器网络改进多跳leach协议 |
CN113038564A (zh) * | 2021-02-05 | 2021-06-25 | 南京航空航天大学 | 一个基于模糊逻辑的非均匀分簇低功耗多跳路由控制方法 |
CN113596950A (zh) * | 2021-07-12 | 2021-11-02 | 南昌大学 | 一种能量平衡的圆形无线传感器网络非均衡分簇方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002033558A1 (en) * | 2000-10-16 | 2002-04-25 | Physical Optics Corporation | Multimedia sensor network |
CN103916942A (zh) * | 2014-04-04 | 2014-07-09 | 安徽工程大学 | 一种降低功耗的leach协议改进方法 |
CN104135752A (zh) * | 2014-07-31 | 2014-11-05 | 南京邮电大学 | 一种无线传感器网络簇头节点选择方法及分簇方法 |
CN107071811A (zh) * | 2017-04-18 | 2017-08-18 | 长春师范大学 | 一种基于模糊控制的wsn容错非均匀分簇算法 |
CN108712767A (zh) * | 2018-03-02 | 2018-10-26 | 北京信息科技大学 | 一种无线传感器网络中能耗均衡的簇间多跳路由算法 |
CN108900996A (zh) * | 2018-07-04 | 2018-11-27 | 中国海洋大学 | 一种基于双层模糊算法的无线传感器网络数据传输方法 |
CN109462877A (zh) * | 2018-11-16 | 2019-03-12 | 重庆邮电大学 | 一种基于模糊逻辑的wsn能量中性分簇路由方法 |
-
2019
- 2019-07-17 CN CN201910645050.8A patent/CN110536372B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002033558A1 (en) * | 2000-10-16 | 2002-04-25 | Physical Optics Corporation | Multimedia sensor network |
CN103916942A (zh) * | 2014-04-04 | 2014-07-09 | 安徽工程大学 | 一种降低功耗的leach协议改进方法 |
CN104135752A (zh) * | 2014-07-31 | 2014-11-05 | 南京邮电大学 | 一种无线传感器网络簇头节点选择方法及分簇方法 |
CN107071811A (zh) * | 2017-04-18 | 2017-08-18 | 长春师范大学 | 一种基于模糊控制的wsn容错非均匀分簇算法 |
CN108712767A (zh) * | 2018-03-02 | 2018-10-26 | 北京信息科技大学 | 一种无线传感器网络中能耗均衡的簇间多跳路由算法 |
CN108900996A (zh) * | 2018-07-04 | 2018-11-27 | 中国海洋大学 | 一种基于双层模糊算法的无线传感器网络数据传输方法 |
CN109462877A (zh) * | 2018-11-16 | 2019-03-12 | 重庆邮电大学 | 一种基于模糊逻辑的wsn能量中性分簇路由方法 |
Non-Patent Citations (13)
Title |
---|
D. CHOUDHARY AND I. SHARMA: "Using fuzzy logic for clustering in wireless sensor networks", 《2017 INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTING, INSTRUMENTATION AND CONTROL TECHNOLOGIES (ICICICT)》 * |
J. KIM, S. PARK, Y. HAN AND T. CHUNG: "CHEF: Cluster Head Election mechanism using Fuzzy logic in Wireless Sensor Networks", 《2008 10TH INTERNATIONAL CONFERENCE ON ADVANCED COMMUNICATION TECHNOLOGY》 * |
L. SHENG, Q. BING AND T. LIANGRUI: "An Unequal Clustering Algorithm Based on Fuzzy Theory for Wireless Sensor Networks", 《2012 FIFTH INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTATION TECHNOLOGY AND AUTOMATION》 * |
M. OMARI, H. ABDELKARIM AND B. SALEM: "Optimization of energy consumption based on genetic algorithms optimization and fuzzy classification", 《2015 2ND WORLD SYMPOSIUM ON WEB APPLICATIONS AND NETWORKING (WSWAN)》 * |
Q. WANG, D. LIN, P. YANG AND Z. ZHANG: "An Energy-Efficient Compressive Sensing-Based Clustering Routing Protocol for WSNs", 《IEEE SENSORS JOURNAL》 * |
S. GAJJAR, A. TALATI, M. SARKAR AND K. DASGUPTA: "FUCP: Fuzzy based unequal clustering protocol for wireless sensor networks", 《2015 39TH NATIONAL SYSTEMS CONFERENCE (NSC)》 * |
S. MODI, M. PANCHAL AND A. YADAV: "Energy efficient clustering algorithm for wireless sensor networks using fuzzy logic", 《2017 INTERNATIONAL CONFERENCE ON CURRENT TRENDS IN COMPUTER, ELECTRICAL, ELECTRONICS AND COMMUNICATION (CTCEEC)》 * |
W. ZHANG, X. WEI, G. HAN AND X. TAN: "An Energy-Efficient Ring Cross-Layer Optimization Algorithm for Wireless Sensor Networks", 《IEEE ACCESS》 * |
孙中皋: "无线传感器网络能量高效路由协议研究", 《CNKI博士学位论文全文库》 * |
戚攀,包开阳,马皛源: "基于模糊C均值聚类及群体智能的WSN分层路由算法", 《计算机应用》 * |
杨晓峰,王睿,彭力: "基于剩余能量预测的WSN模糊分簇算法", 《计算机工程与应用》 * |
王出航,沈玮娜,胡黄水: "基于分布式模糊控制器的无线传感器网络容错非均匀分簇算法", 《吉林大学学报(理学版)》 * |
王灵矫,彭志强,郭华,钟益群: "基于模糊控制的低能耗分簇协议", 《计算机工程与科学》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111314988A (zh) * | 2020-02-20 | 2020-06-19 | 吉林建筑科技学院 | 一种基于最优簇数的环形无线传感器网络分簇方法 |
CN111314988B (zh) * | 2020-02-20 | 2022-02-25 | 吉林建筑科技学院 | 一种基于最优簇数的环形无线传感器网络分簇方法 |
CN111818553A (zh) * | 2020-05-21 | 2020-10-23 | 长春工业大学 | 基于模糊逻辑的无线传感器网络改进多跳leach协议 |
CN111818553B (zh) * | 2020-05-21 | 2022-05-31 | 长春工业大学 | 基于模糊逻辑的无线传感器网络改进多跳leach协议的数据传输方法 |
CN111770512A (zh) * | 2020-06-05 | 2020-10-13 | 长春工业大学 | 一种基于模糊逻辑的无线传感器网络分扇路由协议 |
CN111770512B (zh) * | 2020-06-05 | 2023-05-23 | 长春工业大学 | 一种基于模糊逻辑的无线传感器网络分扇路由方法 |
CN113038564A (zh) * | 2021-02-05 | 2021-06-25 | 南京航空航天大学 | 一个基于模糊逻辑的非均匀分簇低功耗多跳路由控制方法 |
CN113596950A (zh) * | 2021-07-12 | 2021-11-02 | 南昌大学 | 一种能量平衡的圆形无线传感器网络非均衡分簇方法 |
CN113596950B (zh) * | 2021-07-12 | 2023-03-14 | 南昌大学 | 一种能量平衡的圆形无线传感器网络非均衡分簇方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110536372B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110536372A (zh) | 一种基于模糊控制的环形无线传感器网络非均匀分簇算法 | |
Chen et al. | A reinforcement learning-based sleep scheduling algorithm for desired area coverage in solar-powered wireless sensor networks | |
CN100583900C (zh) | 基于智能代理的无线传感器网络数据聚合路径规划方法 | |
CN104219704B (zh) | 无线传感器网络中基于双层网格模型的有毒气体监测与追踪方法 | |
CN102026331A (zh) | 无线传感器网络中分布式多跳节能通信方法 | |
Wang et al. | APTEEN routing protocol optimization in wireless sensor networks based on combination of genetic algorithms and fruit fly optimization algorithm | |
CN110062432A (zh) | 一种基于最小能耗的无线传感器网络分簇路由算法 | |
CN102883400B (zh) | 层级型无线传感网基于语义路由进行数据转发的方法 | |
CN108900996A (zh) | 一种基于双层模糊算法的无线传感器网络数据传输方法 | |
CN113395660B (zh) | 基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法 | |
CN103874163A (zh) | 基于能耗均衡的无线传感器网络分簇方法 | |
Gharajeh et al. | DFRTP: dynamic 3D fuzzy routing based on traffic probability in wireless sensor networks | |
CN107690167A (zh) | 一种可扩展的无线传感器网络分簇方法 | |
CN104994554A (zh) | 基于非均匀分簇的移动协助无线传感器网络路由方法 | |
CN103945508B (zh) | 一种基于概率比较的无线传感网拓扑构建方法 | |
CN102244892A (zh) | 一种基于免疫算法的移动传感网分簇方法 | |
CN105898764A (zh) | 多级能量异构的无线传感器网络部署方法 | |
CN110121200A (zh) | 一种异质传感网中能量高效的组网方法 | |
Xue | Routing optimization of sensor nodes in the Internet of Things based on genetic algorithm | |
CN109152103A (zh) | 一种对无线传感器网络进行组网方法及装置 | |
CN102946649A (zh) | 一种基于生成树的无线传感网拓扑构建方法 | |
CN102630086B (zh) | 基于Gabriel图的无线传感器网络的数据通信方法 | |
Zhao et al. | LEACH-A: An adaptive method for improving leach protocol | |
CN103987102A (zh) | 一种基于非合作博弈的水下无线传感器网络拓扑控制方法 | |
Rajput et al. | HM2LP: Hybrid Multilevel Multihop LEACH Protocol for Conserving Energy in Large Area 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 |