CN110536372A

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

Info

Publication number: CN110536372A
Application number: CN201910645050.8A
Authority: CN
Inventors: 胡黄水; 姚美琴; 杨兴旺
Original assignee: Changchun University of Technology
Current assignee: Changchun University of Technology
Priority date: 2019-07-17
Filing date: 2019-07-17
Publication date: 2019-12-03
Anticipated expiration: 2039-07-17
Also published as: CN110536372B

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

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

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

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 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。