CN111447658A - 一种基于sdwsn的分簇路由方法 - Google Patents
一种基于sdwsn的分簇路由方法 Download PDFInfo
- Publication number
- CN111447658A CN111447658A CN201910040076.XA CN201910040076A CN111447658A CN 111447658 A CN111447658 A CN 111447658A CN 201910040076 A CN201910040076 A CN 201910040076A CN 111447658 A CN111447658 A CN 111447658A
- Authority
- CN
- China
- Prior art keywords
- node
- cluster
- data
- cluster head
- energy
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 119
- 230000035945 sensitivity Effects 0.000 claims description 36
- 230000005540 biological transmission Effects 0.000 claims description 32
- 238000005265 energy consumption Methods 0.000 claims description 12
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 11
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 101100065700 Caenorhabditis elegans etc-1 gene Proteins 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于SDWSN的分簇路由方法，包括下述内容：具体涉及一个SD‑CUQCA分簇算法和一个SD‑QRA路由算法。SD‑CUQCA其借鉴非均匀分簇算法(CUCA，Centralized Unequal Clustering algorithm)思想，并在选取簇头时综合考虑了节点拥塞度、节点链路连通度、节点能量和节点间的距离来选取簇头节点。SD‑CUQCA使簇头的产生更加均匀，并提出了异簇双簇头的思想。对于每一个簇，簇内成员根据感知数据的类型来选择相对应的簇头节点传输，提供了QoS保障，控制器端通过其掌握的全网信息执行簇头的选择与簇成员入簇，减少了节点之间频繁的信息交换，减小网络负担，增加了网络寿命。SD‑QRA将多路径的构建融入一个算法，并通过改变不同公式因子的权重参数来构建不同的路径，提高了算法的容错率。
Description
技术领域
本发明属于一种基于SDWSN的分簇路由方法，具体涉及一个SD-CUQCA分簇方法和一个SD-QRA路由方法。
背景技术
随着无线传感器网络(WSNs)应用的广泛普及，高数据流量变化和多类型数据并存的应用场景逐渐增多，这些应用场景对路由方法的服务质量(QoS)的要求也逐渐提高。传统分布式WSN在能量受限、动态管理和复杂QoS路由协议的实现等方面迎来了巨大的挑战。如何满足现阶段无线传感器网络的服务质量成为了当前科学研究的重点。
软件定义无线传感器网络(SDWSN)是一种新兴的无线传感器网络架构，其将数据平面与控制平面分离，用户可以通过应用实时编程，从而极大增强了网络的灵活性。SDWSN的提出，使的WSNs原有的路由方法不在完全适用，设计出一种适用于其特点的路由方法变得尤为重要。
发明内容
本发明的目的是针对上述问题一种基于SDWSN的分簇路由方法，该方法减少了节点之间频繁的信息交换，减小网络负担，增加了网络寿命。
一种基于SDWSN的分簇路由方法，包括一个SD-CUQCA分簇方法和一个SD-QRA路由方法。具体解释如下:
SD-CUQC方法：SD-CUQCCA分簇方法构建在无线传感器网络标准能量消耗模型上，发送k bit网络包所耗费的能量根据式(1)计算。
式中：a----发送节点；
b----接受节点；
ETx(a,b)----a节点发送数据到b节点消耗的能量，J；
ETx-st----数据发送启动能量，J；
ETx-sd----数据发送能量，J；
k----数据包大小，bit；
Eelec----定值，J；
εfs----信道能耗模型放大系数；
εmp----信道能耗模型放大系数；
d(a,b)----a与b之间的距离，m；
d0----距离阈值，m。
由公式(1)可以看出，消耗的能量(ETx)由数据发送启动能量(ETx-st)和数据发送能量(ETx-sd)组成，其中启动能量(ETx-st)只和发送数据包的大小成线性关系，而发送能量(ETx-sd)是由数据包大小和发送距离的指数共同决定。阈值d0是一个参数，根据公式(2)可以计算。εfs和εmp分别为两种信道能耗模型的功率放大系数。当数据包发送的距离小于d0时，数据发送能量与发送距离的平方成正比。反之，数据发送能量与发送距离的四次方成正比。所以，本文设计SDNQ-WISE时，尽量将传输通信距离控制在d0之内。SD-CUQCA方法具体解释如下：
首先，SD-CUQCA采取的是非均匀分簇方式，其核心思想是：网络中距离Sink越近的节点的簇半径更小，通过这种方式靠近Sink的区域就会形成更多的簇，并且这些簇内将会包含更少的簇成员；网络中远离Sink的簇半径尽量大，簇成员较多。这样的分簇方式使靠近Sink区域的节点有更多的能量来转发网络数据包而不是将更多的能量消耗在大量数据的处理上，避免了靠近Sink区域的簇头节点能量过早消耗殆尽而产生“能量空洞”的现象出现。簇半径和簇成员的多少取决于每个簇头节点的竞争半径，根据公式(1)(2)所知，设定竞争半径的距离应小于d0，而且在与簇头距离为d0的范围内不存在另一个簇头，这样就保证簇头与簇成员、簇头与簇头之间消耗的能量较小。所以本方法应用Min-Max Scaling思想定义公式(3)来计算每个节点的竞争半径。
式中：Ri----节点i的竞争半径，m；
Rmax----网络初始化设置的最大竞争半径，m；
c----权重参数；
Di----节点i到Sink的距离，m；
Rmax----网络中所有节点距离Sink最远的距离；
Dmin----网络中所有节点距离Sink最近的距离。
控制器结合网络初始化阶段获取的全网初始拓扑信息，选出簇头与簇成员。在选择簇头时，根据节点拥塞度、节点链路连通度、节点能量和节点间的距离来综合选取簇头节点，权重参数α、β、δ、ε、η用来调节各个属性在选择簇头时的影响程度。控制器对于每个节点首先根据公式(3)计算竞争半径，并维护一个邻居列表(rNb)来存储节点竞争半径内的邻居节点ID。根据公式(4)、公式(5)计算每个节点成为低拥塞度簇头和高链路连通度簇头的概率。
式中：
----节点i成为低拥塞度簇头节点的概率；
n----网络中传感器节点的总数；
REi----节点i的剩余能量百分比；
SEi----节点i的所有邻居节点剩余能量百分比的总和；
NCi----节点i的节点拥塞度；
LCi----节点i的链路连通度；
α、β、δ----权重参数，α+β+δ＝1；
ε、η----权重参数，ε+η＝1。
控制器对每个节点
的和
进行从大到小排序并存到两个簇头概率列表(LPnc，LPlc)中，将LPnc和LPlc中最大值节点ID依次放到簇头列表(LCHnc、LCHlc)中，并在LPnc和LPlc中删除该节点rNb，直到整个LPnc和LPlc为空，即所有节点被覆盖。
LCi＝∑j∈Nb(i)si,j/∑j∈Nb(i)mi,j (7)
SEi＝∑j∈Nb(i)REj (8)
式中：Qi----节点i缓存区队列被占用长度，bit；
Li----节点i缓存区队列总长度，bit；
Nb(i)----节点i的邻居节点集合；
si,j----节点i向节点j发送数据包成功到达的大小，bit；
mi,j----节点i向节点j发送数据包的大小，bit。
经过簇头选取后，得到了簇头列表LCHnc和LCHlc。当确定网络簇头后，下面描述簇成员入簇过程。簇成员入簇取决于其所处的位置，但是有的节点会在多个簇的交叉位置，需要判断该节点的归属。所以定义了一个簇头连接度来判断节点的归属。
式中：Coni----簇头节点i的连通度；
REi----簇头节点i的剩余能量百分比；
Di,j----簇头节点i到节点j的距离，m；
α----权重参数。
节点j根据公式(9)计算其到候选簇头i的连通度，选择值最大的作为自己的簇头节点。控制器对每类簇头维护两个簇成员列表(LCMnc、LCMlc)，对每一个非簇头节点维护两个候选簇头列表(LCHnctoJion、LCHlctoJion)，根据簇头选取方法来初始化两个候选簇头列表。经过簇成员入簇方法后，控制器中维护了两个簇头列表LCHnc和LCHlc，以及与之对应的两个簇成员列表LCMnc和LCMlc。控制器会生成并下发簇头通知包(CH_NP)、簇成员通知包(CM_NP)和相应的流表规则到对应的传感器节点。整个分簇过程结束后，将会形成如图1所示的网络拓扑图。
SD-QRA方法：控制器执行SD-CUQCA方法之后，传统WSN原有的扁平平面拓扑被拉伸为层次型非均匀拓扑。具体方法如下：
首先，控制器建立同类骨干簇头和Sink之间的无向连通图，并设置阈值Dsink来缓解能量空洞现象。基站以Dsink为覆盖半径，簇头节点以1.5Rmax为覆盖半径。根据其覆盖半径内的节点，建立无向连通图。如图2所示。
然后，簇头节点通过公式(10)计算下一跳节点概率
选择值最大的作为其下一跳节点。
式中：
----表示节点i传输第n种数据时成为下一跳节点的概率；
REPi----表示节点i剩余能量占总能量的百分比；
αn----第n种数据的权重参数；
βn----第n种数据的权重参数；
NCi----节点i的节点拥塞度；
LCi----节点i的链路连通度；
Di,s----节点i到上一跳节点s的距离，m。
公式(10)中，
表示节点i传输第n种数据时成为下一跳节点的概率，控制器针对每个传感器节点和每种数据，通过公式(10)计算其下一跳节点直到下一跳节点是Sink为止。
表1数据分级表
| 数据级别 | 时延敏感度 | 丢包率敏感度 | 具体数据类型 |
| 1 | 敏感 | 敏感 | 告警数据等 |
| 2 | 敏感 | 不敏感 | 视频、音频数据等 |
| 3 | 不敏感 | 敏感 | 具体物品的批量数据等 |
| 4 | 不敏感 | 不敏感 | 温度、湿度等周期型数据 |
为了满足不同数据类型的QoS，比如表1中的级别2数据，这种数据对时延很敏感，但是对丢包率要求不高。传输这种数据时簇头节点的节点拥塞度与传输距离比传感器节点的链路连通度要重要，而级别3的数据恰恰相反。所以公式(10)通过设置两个权重参数αn、βn来权衡不同数据类型级别的QoS。那么本文现在需要确定不同的数据类型所选择的权重αn、βn的值就可以计算出不同数据类型级别的不同路由树。表2针对表1给出不同数据类型级别的权重αn、βn的取值。
表2不同数据级别对应的权重参数取值
| 数据级别 | 时延敏感度 | 丢包率敏感度 | 具体数据类型 | α<sub>n</sub> | β<sub>n</sub> |
| 1 | 敏感 | 敏感 | 告警数据等 | 1 | 1 |
| 2 | 敏感 | 不敏感 | 视频、音频数据等 | 1 | 0 |
| 3 | 不敏感 | 敏感 | 具体物品的批量数据等 | 0 | 1 |
| 4 | 不敏感 | 不敏感 | 温度、湿度等周期型数据 | 0 | 0 |
控制器根据表2中每种数据级别对应的αn、βn与公式(10)为每种数据级别计算下一跳选节点，形成的路由树如图3所示。
本发明的优点：
SD-CUQCA其借鉴非均匀分簇方法(CUCA，Centralized Unequal Clusteringalgorithm)思想，并在选取簇头时综合考虑了节点拥塞度、节点链路连通度、节点能量和节点间的距离来选取簇头节点。SD-CUQCA使簇头的产生更加均匀，并提出了异簇双簇头(低拥塞度簇头，高链路连通度簇头)的思想，与传统双簇头思想不同，异簇双簇头解决了传统双簇头可能产生的簇头节点并不能完全覆盖簇内成员的问题，异簇双簇头使整个网络形成两种拓扑结构，虽然单网多拓扑的形式会加大传感器网络的管理与控制，但是SDWSN架构集中式的管理模式刚好拟补了这个缺点。对于每一个簇，簇内成员根据感知数据的类型来选择相对应的簇头节点传输，提供了QoS保障，控制器端通过其掌握的全网信息执行簇头的选择与簇成员入簇，减少了节点之间频繁的信息交换，减小网络负担，增加了网络寿命。
大部分满足QoS需求的路由方法的设计都是根据数据的不同而采用不同的方法公式实现的，但是其并没有给出具体的方法公式，并且多个方法公式的轮换会使方法的容错率降低。SD-QRA将多路径的构建融入一个方法，并通过改变不同公式因子的权重参数来构建不同的路径，提高了方法的容错率。
仿真结果表明两种方法结合的分簇路由方法能够在及时性、可靠性和节能性的角度上有效的提高网络的QoS性能。
附图说明
图1是本发明非均匀QoS分簇形成图。
图2是本发明簇头节点无向连通图。
图3是本发明网络路由树初始化图。
图4是本发明丢包率统计图。
图5是本发明端到端时延统计图。
具体实施方式
为了实现对本文提出的基于SDWSN的分簇路由方法的性能仿真测试，通过Cooja仿真软件模拟开源SDWSN项目SDN-WISE与其进行对比测试，比较两种方法在同一环境下的时延和丢包率。仿真参数如表3所示。
表3仿真平台信息表
两种方法的时延和丢包率的曲线如下图4-5所示。仿真结果表明本文提出的分簇路由方法在时延和丢包率上存在一定优势，提高了网络的QoS。
一种基于SDWSN的分簇路由方法，包括一个SD-CUQCA分簇方法和一个SD-QRA路由方法。具体解释如下:
SD-CUQC方法：SD-CUQCCA分簇方法构建在无线传感器网络标准能量消耗模型上，发送k bit网络包所耗费的能量根据式(1)计算。
式中：a----发送节点；
b----接受节点；
ETx(a,b)----a节点发送数据到b节点消耗的能量，J；
ETx-st----数据发送启动能量，J；
ETx-sd----数据发送能量，J；
k----数据包大小，bit；
Eelec----定值，J；
εfs----信道能耗模型放大系数；
εmp----信道能耗模型放大系数；
d(a,b)----a与b之间的距离，m；
d0----距离阈值，m。
由公式(1)可以看出，消耗的能量(ETx)由数据发送启动能量(ETx-st)和数据发送能量(ETx-sd)组成，其中启动能量(ETx-st)只和发送数据包的大小成线性关系，而发送能量(ETx-sd)是由数据包大小和发送距离的指数共同决定。阈值d0是一个参数，根据公式(2)可以计算。εfs和εmp分别为两种信道能耗模型的功率放大系数。当数据包发送的距离小于d0时，数据发送能量与发送距离的平方成正比。反之，数据发送能量与发送距离的四次方成正比。所以，本文设计SDNQ-WISE时，尽量将传输通信距离控制在d0之内。SD-CUQCA方法具体解释如下：
首先，SD-CUQCA采取的是非均匀分簇方式，其核心思想是：网络中距离Sink越近的节点的簇半径更小，通过这种方式靠近Sink的区域就会形成更多的簇，并且这些簇内将会包含更少的簇成员；网络中远离Sink的簇半径尽量大，簇成员较多。这样的分簇方式使靠近Sink区域的节点有更多的能量来转发网络数据包而不是将更多的能量消耗在大量数据的处理上，避免了靠近Sink区域的簇头节点能量过早消耗殆尽而产生“能量空洞”的现象出现。簇半径和簇成员的多少取决于每个簇头节点的竞争半径，根据公式(1)(2)所知，设定竞争半径的距离应小于d0，而且在与簇头距离为d0的范围内不存在另一个簇头，这样就保证簇头与簇成员、簇头与簇头之间消耗的能量较小。所以本方法应用Min-Max Scaling思想定义公式(3)来计算每个节点的竞争半径。
式中：Ri----节点i的竞争半径，m；
Rmax----网络初始化设置的最大竞争半径，m；
c----权重参数；
Di----节点i到Sink的距离，m；
Rmax----网络中所有节点距离Sink最远的距离；
Dmin----网络中所有节点距离Sink最近的距离。
控制器结合网络初始化阶段获取的全网初始拓扑信息，选出簇头与簇成员。在选择簇头时，根据节点拥塞度、节点链路连通度、节点能量和节点间的距离来综合选取簇头节点，权重参数α、β、δ、ε、η用来调节各个属性在选择簇头时的影响程度。控制器对于每个节点首先根据公式(3)计算竞争半径，并维护一个邻居列表(rNb)来存储节点竞争半径内的邻居节点ID。根据公式(4)、公式(5)计算每个节点成为低拥塞度簇头和高链路连通度簇头的概率。
式中：
----节点i成为低拥塞度簇头节点的概率；
n----网络中传感器节点的总数；
REi----节点i的剩余能量百分比；
SEi----节点i的所有邻居节点剩余能量百分比的总和；
NCi----节点i的节点拥塞度；
LCi----节点i的链路连通度；
α、β、δ----权重参数，α+β+δ＝1；
ε、η----权重参数，ε+η＝1。
控制器对每个节点
的和
进行从大到小排序并存到两个簇头概率列表(LPnc，LPlc)中，将LPnc和LPlc中最大值节点ID依次放到簇头列表(LCHnc、LCHlc)中，并在LPnc和LPlc中删除该节点rNb，直到整个LPnc和LPlc为空，即所有节点被覆盖。
LCi＝∑j∈Nb(i)si,j/∑j∈Nb(i)mi,j (7)
SEi＝∑j∈Nb(i)REj (8)
式中：Qi----节点i缓存区队列被占用长度，bit；
Li----节点i缓存区队列总长度，bit；
Nb(i)----节点i的邻居节点集合；
si,j----节点i向节点j发送数据包成功到达的大小，bit；
mi,j----节点i向节点j发送数据包的大小，bit。
经过簇头选取后，得到了簇头列表LCHnc和LCHlc。当确定网络簇头后，下面描述簇成员入簇过程。簇成员入簇取决于其所处的位置，但是有的节点会在多个簇的交叉位置，需要判断该节点的归属。所以定义了一个簇头连接度来判断节点的归属。
式中：Coni----簇头节点i的连通度；
REi----簇头节点i的剩余能量百分比；
Di,j----簇头节点i到节点j的距离，m；
α----权重参数。
节点j根据公式(9)计算其到候选簇头i的连通度，选择值最大的作为自己的簇头节点。控制器对每类簇头维护两个簇成员列表(LCMnc、LCMlc)，对每一个非簇头节点维护两个候选簇头列表(LCHnctoJion、LCHlctoJion)，根据簇头选取方法来初始化两个候选簇头列表。经过簇成员入簇方法后，控制器中维护了两个簇头列表LCHnc和LCHlc，以及与之对应的两个簇成员列表LCMnc和LCMlc。控制器会生成并下发簇头通知包(CH_NP)、簇成员通知包(CM_NP)和相应的流表规则到对应的传感器节点。整个分簇过程结束后，将会形成如图1所示的网络拓扑图。
SD-QRA方法：控制器执行SD-CUQCA方法之后，传统WSN原有的扁平平面拓扑被拉伸为层次型非均匀拓扑。具体方法如下：
首先，控制器建立同类骨干簇头和Sink之间的无向连通图，并设置阈值Dsink来缓解能量空洞现象。基站以Dsink为覆盖半径，簇头节点以1.5Rmax为覆盖半径。根据其覆盖半径内的节点，建立无向连通图。如图2所示。
然后，簇头节点通过公式(10)计算下一跳节点概率
选择值最大的作为其下一跳节点。
式中：
----表示节点i传输第n种数据时成为下一跳节点的概率；
REPi----表示节点i剩余能量占总能量的百分比；
αn----第n种数据的权重参数；
βn----第n种数据的权重参数；
NCi----节点i的节点拥塞度；
LCi----节点i的链路连通度；
Di,s----节点i到上一跳节点s的距离，m。
公式(10)中，
表示节点i传输第n种数据时成为下一跳节点的概率，控制器针对每个传感器节点和每种数据，通过公式(10)计算其下一跳节点直到下一跳节点是Sink为止。
表1数据分级表
| 数据级别 | 时延敏感度 | 丢包率敏感度 | 具体数据类型 |
| 1 | 敏感 | 敏感 | 告警数据等 |
| 2 | 敏感 | 不敏感 | 视频、音频数据等 |
| 3 | 不敏感 | 敏感 | 具体物品的批量数据等 |
| 4 | 不敏感 | 不敏感 | 温度、湿度等周期型数据 |
为了满足不同数据类型的QoS，比如表1中的级别2数据，这种数据对时延很敏感，但是对丢包率要求不高。传输这种数据时簇头节点的节点拥塞度与传输距离比传感器节点的链路连通度要重要，而级别3的数据恰恰相反。所以公式(10)通过设置两个权重参数αn、βn来权衡不同数据类型级别的QoS。那么本文现在需要确定不同的数据类型所选择的权重αn、βn的值就可以计算出不同数据类型级别的不同路由树。表2针对表1给出不同数据类型级别的权重αn、βn的取值。
表2不同数据级别对应的权重参数取值
| 数据级别 | 时延敏感度 | 丢包率敏感度 | 具体数据类型 | α<sub>n</sub> | β<sub>n</sub> |
| 1 | 敏感 | 敏感 | 告警数据等 | 1 | 1 |
| 2 | 敏感 | 不敏感 | 视频、音频数据等 | 1 | 0 |
| 3 | 不敏感 | 敏感 | 具体物品的批量数据等 | 0 | 1 |
| 4 | 不敏感 | 不敏感 | 温度、湿度等周期型数据 | 0 | 0 |
控制器根据表2中每种数据级别对应的αn、βn与公式(10)为每种数据级别计算下一跳选节点，形成的路由树如图3所示。
Claims (1)
1.一种基于SDWSN的分簇路由方法，包括一个SD-CUQCA分簇方法和一个SD-QRA路由方法，其特征是:
SD-CUQC方法：SD-CUQCCA分簇方法构建在无线传感器网络标准能量消耗模型上，发送kbit网络包所耗费的能量根据式(1)计算；
式中：a----发送节点；
b----接受节点；
ETx(a,b)----a节点发送数据到b节点消耗的能量，J；
ETx-st----数据发送启动能量，J；
ETx-sd----数据发送能量，J；
k----数据包大小，bit；
Eelec----定值，J；
εfs----信道能耗模型放大系数；
εmp----信道能耗模型放大系数；
d(a,b)----a与b之间的距离，m；
d0----距离阈值，m；
由公式(1)可以看出，消耗的能量(ETx)由数据发送启动能量(ETx-st)和数据发送能量(ETx-sd)组成，其中启动能量(ETx-st)只和发送数据包的大小成线性关系，而发送能量(ETx-sd)是由数据包大小和发送距离的指数共同决定，阈值d0是一个参数，根据公式(2)可以计算，εfs和εmp分别为两种信道能耗模型的功率放大系数，当数据包发送的距离小于d0时，数据发送能量与发送距离的平方成正比，反之，数据发送能量与发送距离的四次方成正比，所以，本文设计SDNQ-WISE时，尽量将传输通信距离控制在d0之内，SD-CUQCA方法具体解释如下：
首先，SD-CUQCA采取的是非均匀分簇方式，其核心思想是：网络中距离Sink越近的节点的簇半径更小，通过这种方式靠近Sink的区域就会形成更多的簇，并且这些簇内将会包含更少的簇成员；网络中远离Sink的簇半径尽量大，簇成员较多，这样的分簇方式使靠近Sink区域的节点有更多的能量来转发网络数据包而不是将更多的能量消耗在大量数据的处理上，避免了靠近Sink区域的簇头节点能量过早消耗殆尽而产生“能量空洞”的现象出现，簇半径和簇成员的多少取决于每个簇头节点的竞争半径，根据公式(1)(2)所知，设定竞争半径的距离应小于d0，而且在与簇头距离为d0的范围内不存在另一个簇头，这样就保证簇头与簇成员、簇头与簇头之间消耗的能量较小，所以本方法应用Min-Max Scaling思想定义公式(3)来计算每个节点的竞争半径；
式中：Ri----节点i的竞争半径，m；
Rmax----网络初始化设置的最大竞争半径，m；
c----权重参数；
Di----节点i到Sink的距离，m；
Rmax----网络中所有节点距离Sink最远的距离；
Dmin----网络中所有节点距离Sink最近的距离；
控制器结合网络初始化阶段获取的全网初始拓扑信息，选出簇头与簇成员，在选择簇头时，根据节点拥塞度、节点链路连通度、节点能量和节点间的距离来综合选取簇头节点，权重参数α、β、δ、ε、η用来调节各个属性在选择簇头时的影响程度，控制器对于每个节点首先根据公式(3)计算竞争半径，并维护一个邻居列表(rNb)来存储节点竞争半径内的邻居节点ID，根据公式(4)、公式(5)计算每个节点成为低拥塞度簇头和高链路连通度簇头的概率；
式中：
----节点i成为低拥塞度簇头节点的概率；
n----网络中传感器节点的总数；
REi----节点i的剩余能量百分比；
SEi----节点i的所有邻居节点剩余能量百分比的总和；
NCi----节点i的节点拥塞度；
LCi----节点i的链路连通度；
α、β、δ----权重参数，α+β+δ＝1；
ε、η----权重参数，ε+η＝1；
控制器对每个节点
的和
进行从大到小排序并存到两个簇头概率列表(LPnc，LPlc)中，将LPnc和LPlc中最大值节点ID依次放到簇头列表(LCHnc、LCHlc)中，并在LPnc和LPlc中删除该节点rNb，直到整个LPnc和LPlc为空，即所有节点被覆盖；
SEi＝∑j∈Nb(i)REj (8)
式中：Qi----节点i缓存区队列被占用长度，bit；
Li----节点i缓存区队列总长度，bit；
Nb(i)----节点i的邻居节点集合；
si,j----节点i向节点j发送数据包成功到达的大小，bit；
mi,j----节点i向节点j发送数据包的大小，bit；
经过簇头选取后，得到了簇头列表LCHnc和LCHlc，当确定网络簇头后，下面描述簇成员入簇过程，簇成员入簇取决于其所处的位置，但是有的节点会在多个簇的交叉位置，需要判断该节点的归属，所以定义了一个簇头连接度来判断节点的归属；
式中：Coni----簇头节点i的连通度；
REi----簇头节点i的剩余能量百分比；
Di,j----簇头节点i到节点j的距离，m；
α----权重参数；
节点j根据公式(9)计算其到候选簇头i的连通度，选择值最大的作为自己的簇头节点，控制器对每类簇头维护两个簇成员列表(LCMnc、LCMlc)，对每一个非簇头节点维护两个候选簇头列表(LCHnctoJion、LCHlctoJion)，根据簇头选取方法来初始化两个候选簇头列表，经过簇成员入簇方法后，控制器中维护了两个簇头列表LCHnc和LCHlc，以及与之对应的两个簇成员列表LCMnc和LCMlc，控制器会生成并下发簇头通知包(CH_NP)、簇成员通知包(CM_NP)和相应的流表规则到对应的传感器节点，整个分簇过程结束后，将会形成如图1所示的网络拓扑图；
SD-QRA方法：控制器执行SD-CUQCA方法之后，传统WSN原有的扁平平面拓扑被拉伸为层次型非均匀拓扑，具体方法如下：
首先，控制器建立同类骨干簇头和Sink之间的无向连通图，并设置阈值Dsink来缓解能量空洞现象，基站以Dsink为覆盖半径，簇头节点以1.5Rmax为覆盖半径，根据其覆盖半径内的节点，建立无向连通图，如图2所示；
然后，簇头节点通过公式(10)计算下一跳节点概率
选择值最大的作为其下一跳节点；
(10)
式中：
----表示节点i传输第n种数据时成为下一跳节点的概率；
REPi----表示节点i剩余能量占总能量的百分比；
αn----第n种数据的权重参数；
βn----第n种数据的权重参数；
NCi----节点i的节点拥塞度；
LCi----节点i的链路连通度；
Di,s----节点i到上一跳节点s的距离，m；
公式(10)中，
表示节点i传输第n种数据时成为下一跳节点的概率，控制器针对每个传感器节点和每种数据，通过公式(10)计算其下一跳节点直到下一跳节点是Sink为止；
表1数据分级表
为了满足不同数据类型的QoS，比如表1中的级别2数据，这种数据对时延很敏感，但是对丢包率要求不高，传输这种数据时簇头节点的节点拥塞度与传输距离比传感器节点的链路连通度要重要，而级别3的数据恰恰相反，所以公式(10)通过设置两个权重参数αn、βn来权衡不同数据类型级别的QoS，那么本文现在需要确定不同的数据类型所选择的权重αn、βn的值就可以计算出不同数据类型级别的不同路由树，表2针对表1给出不同数据类型级别的权重αn、βn的取值；
表2不同数据级别对应的权重参数取值
控制器根据表2中每种数据级别对应的αn、βn与公式(10)为每种数据级别计算下一跳选节点，形成的路由树如图3所示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910040076.XA CN111447658B (zh) | 2019-01-16 | 2019-01-16 | 一种基于sdwsn的分簇路由方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910040076.XA CN111447658B (zh) | 2019-01-16 | 2019-01-16 | 一种基于sdwsn的分簇路由方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111447658A true CN111447658A (zh) | 2020-07-24 |
| CN111447658B CN111447658B (zh) | 2022-01-04 |
Family
ID=71653902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910040076.XA Active CN111447658B (zh) | 2019-01-16 | 2019-01-16 | 一种基于sdwsn的分簇路由方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111447658B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114189468A (zh) * | 2021-11-02 | 2022-03-15 | 云端领航(北京)通信科技股份有限公司 | 一种基于标识分簇的多标识网络体系路由方法 |
| CN114501576A (zh) * | 2022-01-28 | 2022-05-13 | 重庆邮电大学 | 一种基于强化学习的sdwsn最优路径计算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080069008A1 (en) * | 2006-09-18 | 2008-03-20 | Park Jongjun | Node for self localization, clustering method using the same, and localization method |
| CN103024814A (zh) * | 2013-01-09 | 2013-04-03 | 中国人民解放军理工大学 | 一种基于冗余控制和分簇路由的无线传感网节能方法 |
| WO2018098750A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳天珑无线科技有限公司 | 分布式网络的消息传输方法及节点 |
| CN109041160A (zh) * | 2018-08-04 | 2018-12-18 | 浙江农林大学 | 提高城市综合管廊中无线传感器网络数据传输质量的方法 |
-
2019
- 2019-01-16 CN CN201910040076.XA patent/CN111447658B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080069008A1 (en) * | 2006-09-18 | 2008-03-20 | Park Jongjun | Node for self localization, clustering method using the same, and localization method |
| CN103024814A (zh) * | 2013-01-09 | 2013-04-03 | 中国人民解放军理工大学 | 一种基于冗余控制和分簇路由的无线传感网节能方法 |
| WO2018098750A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳天珑无线科技有限公司 | 分布式网络的消息传输方法及节点 |
| CN109041160A (zh) * | 2018-08-04 | 2018-12-18 | 浙江农林大学 | 提高城市综合管廊中无线传感器网络数据传输质量的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 朱腾: "SDWSN下的一种基于QoS的簇头选取机制", 《信息技术》 * |
| 李媚: "基于SDN的异构WSN路由协议的设计与实现", 《中国优秀硕士论文全文数据库》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114189468A (zh) * | 2021-11-02 | 2022-03-15 | 云端领航(北京)通信科技股份有限公司 | 一种基于标识分簇的多标识网络体系路由方法 |
| CN114189468B (zh) * | 2021-11-02 | 2024-04-12 | 云端领航(北京)通信科技股份有限公司 | 一种基于标识分簇的多标识网络体系路由方法 |
| CN114501576A (zh) * | 2022-01-28 | 2022-05-13 | 重庆邮电大学 | 一种基于强化学习的sdwsn最优路径计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111447658B (zh) | 2022-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021051859A1 (zh) | 基于自适应遗传算法的无线传感器网络分簇路由方法 | |
| CN112020103A (zh) | 一种移动边缘云中的内容缓存部署方法 | |
| US20220369200A1 (en) | Clustering and routing method and system for wireless sensor networks | |
| CN111447658B (zh) | 一种基于sdwsn的分簇路由方法 | |
| Gunjan et al. | NSGA-II with ENLU inspired clustering for wireless sensor networks | |
| Pathak et al. | Comparative study of clustering algorithms for MANETs | |
| Barolli et al. | QoS routing in ad-hoc networks using GA and multi-objective optimization | |
| Sutariya et al. | A survey of ant colony based routing algorithms for manet | |
| Le et al. | A new evolutionary approach for gateway placement in wireless mesh networks | |
| Cao et al. | A mobility-supported routing mechanism in industrial IoT networks | |
| Sett et al. | Effect of optimal cluster head placement in MANET through multi objective GA | |
| Yuste-Delgado et al. | Improving hybrid ad hoc networks: The election of gateways | |
| Wang et al. | Joint shortest chain and fair transmission design for energy-balanced PEGASIS in WSNs | |
| Peng et al. | Real-time transmission optimization for edge computing in industrial cyber-physical systems | |
| Ding et al. | Energy-efficient topology control mechanism for IoT-oriented software-defined WSNs | |
| Farahani | Energy Consumption Reduction in Wireless Sensor Network Based on Clustering | |
| Amsalu et al. | Design and performance evaluation of an energy efficient routing protocol for Wireless Sensor Networks | |
| Sebastian et al. | Load balancing metric based routing protocol for low power and lossy networks (lbRPL) | |
| CN116389347A (zh) | 一种基于强化学习的动态sdn路由优化算法 | |
| Agrawal et al. | New approach for improving battery power consumption of wireless mobile adhoc networks nodes using genetic algorithm | |
| Kumar et al. | Review of mobility aware clustering scheme in mobile adhoc network | |
| Le | A comparatives study of gateway placement optimization in wireless mesh network using ga, pso and aco | |
| Sharma et al. | Optimized Tuning of LOADng Routing Protocol Parameters for IoT. | |
| Moasses et al. | HetEng: An Improved Distributed Energy Efficient Clustering Scheme for Heterogeneous IoT Networks | |
| Zhao et al. | Load balanced and efficient data collection protocol for wireless sensor networks |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240319 Address after: Gate 1, No. 40-7 Zhongde Street, Shenyang Economic and Technological Development Zone, Shenyang City, Liaoning Province, 110027 Patentee after: Shenyang Xindong Equipment Co.,Ltd. Country or region after: Zhong Guo Address before: 110179 No.6, Nanping Middle Road, Hunnan New District, Shenyang City, Liaoning Province Patentee before: SHENYANG LIGONG University Country or region before: Zhong Guo |