CN111711929B - 一种均衡能耗的wsn网络分簇路由方法及系统 - Google Patents

一种均衡能耗的wsn网络分簇路由方法及系统 Download PDF

Info

Publication number
CN111711929B
CN111711929B CN202010433955.1A CN202010433955A CN111711929B CN 111711929 B CN111711929 B CN 111711929B CN 202010433955 A CN202010433955 A CN 202010433955A CN 111711929 B CN111711929 B CN 111711929B
Authority
CN
China
Prior art keywords
cluster
energy
node
wsn
clustering
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.)
Active
Application number
CN202010433955.1A
Other languages
English (en)
Other versions
CN111711929A (zh
Inventor
李纲
张彩霞
何关金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan University
Original Assignee
Foshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan University filed Critical Foshan University
Priority to CN202010433955.1A priority Critical patent/CN111711929B/zh
Publication of CN111711929A publication Critical patent/CN111711929A/zh
Application granted granted Critical
Publication of CN111711929B publication Critical patent/CN111711929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • 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
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种均衡能耗的WSN网络分簇路由方法及系统，通过使用神经网络中的智能技术，设计了一种针对节点地理位置和WSN网络能量分布情况的分簇方法，通过使聚类中心靠近高能量区域，根据能量位置因子构造LEACH路由协议的簇头选举公式从而降低低能量区域节点的能量消耗，将WSN网络的能量消耗转移到高能量区域，以均衡WSN网络负载，提高WSN网络的生存周期，均衡了整个WSN网络的能量损耗，使高能区域承担更多的能量消耗，保证低能区域节点不会过早死亡，在此基础上延长WSN网络的生存周期，本发明应用于WSN网络路由领域。

Description

一种均衡能耗的WSN网络分簇路由方法及系统
技术领域
本发明涉及无线传感器网络、分簇路由技术领域，具体涉及一种均衡能耗的WSN网络分簇路由方法及系统。
背景技术
无线传感器网络(WSN)被广泛应用于各种场合，其通过在监测区域中铺设大量的传感器节点来对被监测对象进行实时的监测，WSN网络融合了传感器技术、通信技术等,是一个多学科、多技术交织的WSN网络。WSN网络通过具有无线通信的节点来采集信息，实现对环境信息的采集，随后通过无线传输的方式将采集的信息传递至用户。使用WSN网络可以更方便快捷的对现实环境进行监测与探索，这种WSN网络技术在环境监测、智能家居等多个方面得到了广泛应用。
随着计算机技术及无线通信技术的高速发展，WSN网络在结构监测、环境监测等得到了一定程度的应用。但由于WSN网络感知节点复杂，在成簇过程中如果不能合理的成簇，会造成整个WSN网络的效率低下，难以适应复杂环境的监测。由此可见，解决WSN网络合理成簇问题，对WSN网络的广泛应用就显得尤为重要。通常情况下，WSN网络中的传感器节点能源有限、存储容量低，计算能力和通信能力均较弱。WSN网络的寿命很大程度上取决于传感器节点能量消耗的快慢。因此，开发节能的路由协议对于WSN网络的成功应用意义重大。
现有的WSN网络分簇路由协议在成簇阶段主要是针对节点的地理位置进行聚类分簇，使整个簇结构均匀分布在整个WSN网络中，但这种均匀分簇的方式在实际中会导致低能量区域的节点过早死亡，当某区域节点开始死亡时，在WSN网络中会造成路由空洞，由此WSN网络中的节点开始大面积的死亡，最终造成整个WSN网络过快的将存储的能量消耗完，缩短整个WSN网络的寿命。
发明内容
本发明的目的在于提出一种均衡能耗的WSN网络分簇路由方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为解决上述问题，本发明提供一种均衡能耗的WSN网络分簇路由方法及系统的技术方案，通过使用神经网络中的智能技术，设计了一种针对节点地理位置和WSN网络能量分布情况的分簇方法，通过使聚类中心靠近高能量区域，根据能量位置因子构造LEACH路由协议的簇头选举公式从而降低低能量区域节点的能量消耗，将WSN网络的能量消耗转移到高能量区域，以均衡WSN网络负载，提高WSN网络的生存周期。
为了实现上述目的，根据本发明的一方面，提供一种均衡能耗的WSN网络分簇路由方法，，其中，所述方法包括：
S100，通过聚类算法对无线传感器网络(以下简称WSN网络)中的WSN网络节点(以下简称节点)进行聚类分簇，并将聚类中心随机均匀的散布在WSN网络中，从而使整个WSN网络的节点均匀分簇；
S200，计算每个分簇内节点的剩余能量的平均值，将每个剩余能量高于平均值的分簇内的节点标记为高能节点，将每个剩余能量低于平均值的分簇内的节点标记为低能节点；将所有高能节点的数量大于N倍的低能节点的数量所在的分簇区域标记为高能量区域；N取值范围为1～5之间的数；
S300，根据LVQ算法原理(学习向量量化算法，Learning Vector Quantization)调整每个分簇的聚类中心，使聚类中心靠近高能量区域；通过LVQ算法能够均衡地理位置和能量分布情况后，得到最终的聚类中心位置；
S400，根据每个节点及节点对应的聚类中心，计算每个分簇内的节点的能量位置因子D；
S500，根据能量位置因子D构造LEACH路由协议的簇头选举公式，从而计算每个节点的LEACH路由协议的簇头选举阈值；
S600，通过LEACH路由协议以簇头选举阈值选择出合适的簇头，非簇头节点按信号的强度就近加入簇头，完成路由过程。
进一步地，在S100中，通过聚类算法对WSN网络中的WSN网络节点进行聚类分簇，并将聚类中心所在的节点随机均匀的散布在WSN网络中，从而使整个WSN网络的节点均匀分簇的方法包括以下步骤：
S101：通过最优簇头数计算公式
Figure BDA0002501538630000021
确定WSN网络中簇的总个数kopt；其中Efs和Emp为传感器节点发射电路和接收电路的放大器系数，M为整个矩形WSN网络的边长，dtoBS为所有传感器节点到基站的平均距离，n为WSN网络中节点的总个数；
S102：将聚类中心随机均匀的散布在WSN网络中的方法为：通过聚类算法在WSN网络中产生kopt个簇，每个簇包括至少一个聚类中心，WSN网络中所有节点按信号的强度加入距离最近的聚类中心来形成簇结构，从而使得簇均匀分布在WSN网络中；其中，所述聚类算法为K-means++。
进一步地，在S300中，根据LVQ算法原理调整每个分簇的聚类中心，使聚类中心靠近高能量区域的方法为：
使用LVQ神经WSN网络的原理优化每一个聚类中心的位置，具体步骤为通过计算公式
Figure BDA0002501538630000031
将聚类中心的位置调整至簇内的高能量区域，其中，当m＝1时，分簇内的聚类中心标记为高能中心，其中p为调整后的聚类中心位置，pi为调整前的位置，η为学习率，x为簇内节点的位置，t为高能节点和低能节点标号，m为聚类中心标号。
进一步地，在S400中，根据每个节点及节点对应的聚类中心，计算每个分簇内的节点的能量位置因子D的方法为：
Figure BDA0002501538630000032
其中dmax为簇内节点距离该簇的聚类中心最远的距离，dmin为簇内节点距离该簇的聚类中心最近的距离，d0为簇内节点距离该簇的聚类中心的距离。
进一步地，在S500中，根据能量位置因子D构造LEACH路由协议的簇头选举公式的方法为：
通过加入能量位置因子D，得到改进的LEACH路由协议的簇头选举的阈值：
Figure BDA0002501538630000033
其中T(n)为阈值，λ为系数，取值范围[0～1]，D为节点的能量位置因子，PA代表WSN网络中簇头所占的比例，r表示当前的轮数，G表示最近1/PA轮中未当选过簇头的传感器节点集合，n为最近1/PA轮中未当选过簇头的传感器节点。
进一步地，在S600中，通过LEACH路由协议以簇头选举阈值选择出合适的簇头，非簇头节点按信号的强度就近加入簇头的方法为：
为每个节点分配一个0-1之间的随机数，如果为节点分配的随机数小于该节点的阈值T(n)，那么该节点当选为簇头；簇头当选完成后，开始在WSN网络中广播自己的信号，非簇头节点按信号的强度加入距离最近的簇中完成分簇操作，从而完成路由过程。
本发明还提供了一种均衡能耗的WSN网络分簇路由系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
节点聚类单元，用于通过聚类算法对WSN网络中的节点进行聚类分簇，并将聚类中心随机均匀的散布在WSN网络中，从而使整个WSN网络的节点均匀分簇；
高能标记单元，用于计算每个分簇内节点的剩余能量的平均值，将每个剩余能量高于平均值的分簇内的节点标记为高能节点，将每个剩余能量低于平均值的分簇内的节点标记为低能节点；将所有高能节点的数量大于N倍的低能节点的数量所在的分簇区域标记为高能量区域；
高能聚类单元，用于根据LVQ算法原理调整每个分簇的聚类中心，使聚类中心靠近高能量区域；
能量因子单元，用于根据每个节点及节点对应的聚类中心，计算每个分簇内的节点的能量位置因子；
阈值重构单元，用于根据能量位置因子构造LEACH路由协议的簇头选举公式，从而计算每个节点的LEACH路由协议的簇头选举阈值；
分簇路由单元，用于通过LEACH路由协议以簇头选举阈值选择出合适的簇头，非簇头节点按信号的强度就近加入簇头，完成路由过程。
本发明的有益效果为：本发明提供一种均衡能耗的WSN网络分簇路由方法及系统，均衡整个WSN网络的能量损耗，使高能区域承担更多的能量消耗，保证低能区域节点不会过早死亡，在此基础上延长WSN网络的生存周期。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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，在附图中：
图1所示为一种均衡能耗的WSN网络分簇路由方法的流程图；
图2所示为一种均衡能耗的WSN网络分簇路由系统图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本发明的一种均衡能耗的WSN网络分簇路由方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种均衡能耗的WSN网络分簇路由方法。
本发明提出一种均衡能耗的WSN网络分簇路由方法，具体包括以下三个阶段的步骤：初始分簇阶段、选举阈值计算阶段和簇头选举成簇阶段。
LEACH路由协议的簇头选举
1、初始分簇阶段：在初始分簇阶段，针对节点的地理位置和能量分布情况，使用神经WSN网络技术来构造一种能量位置因子，这个能量位置因子体现了节点的能量分布情况和节点的地理位置，由此来提高分簇的效率和合理性。
步骤1：通过最优簇头数计算公式
Figure BDA0002501538630000051
确定WSN网络中簇的总个数kopt。
其中Efs和Emp为传感器节点发射电路和接收电路的放大器系数，M为整个矩形WSN网络的边长，dtoBS为所有传感器节点到基站的平均距离。
2、使用Kmeans++产生kopt个簇，WSN网络中所有节点使用地理位置来形成簇结构，使得簇均匀分布在WSN网络中。
3、计算每个分簇内节点的剩余能量的平均值，将每个剩余能量高于平均值的分簇内的节点标记为高能节点，将每个剩余能量低于平均值的分簇内的节点标记为低能节点；将所有高能节点的数量大于N倍的低能节点的数量所在的分簇区域标记为高能量区域；N取值范围为1～5之间的整数和小数；
4、使用LVQ神经WSN网络的原理优化每一个聚类中心的位置，具体步骤为将簇内的聚类中心标记为高能中心(即标号m＝1)，通过计算公式
Figure BDA0002501538630000052
将聚类中心的位置调整至簇内的高能量区域。
其中p为调整后的聚类中心位置，pi为调整前的位置，η为学习率，x为簇内节点的位置，t为高能节点和低能节点标号，m为聚类中心标号。
5、构造公式
Figure BDA0002501538630000053
通过该公式计算每个簇中节点的能量位置因子D。
其中dmax为簇内节点距离该簇的聚类中心最远的距离，dmin为簇内节点距离该簇的聚类中心最近的距离，d0为簇内节点距离该簇的聚类中心的距离。
6、迭代计算完所有节点的能量位置因子，初始化完成，上述操作在每“轮”开始时重复计算。
2、选举阈值计算阶段：
将LEACH路由协议的簇头选举公式进行改进后，加入上文计算的节点的能量位置因子，即得本文提出的路由协议的簇头选举公式：
通过加入能量位置因子D，得到改进的LEACH路由协议的簇头选举的阈值：
Figure BDA0002501538630000061
其中T(n)为阈值，λ为系数，取值范围[0～1]，D为节点的能量位置因子，PA代表WSN网络中簇头所占的比例，r表示当前的轮数，G表示最近1/PA轮中未当选过簇头的传感器节点集合。
3、簇头选举成簇阶段：
在簇头的选举阶段，为每个节点分配一个0-1之间的随机数，并计算该节点的簇头选择阈值T(n)，如果为节点分配的随机数小于该节点的阈值T(n)，那么该节点成为当轮的簇头。簇头一旦确认后，开始在WSN网络中广播自己的信号，非簇头节点按信号的强度加入距离最近的簇中完成分簇操作。
本发明的实施例提供的一种均衡能耗的WSN网络分簇路由系统，如图2所示为本发明的一种均衡能耗的WSN网络分簇路由系统图，该实施例的一种均衡能耗的WSN网络分簇路由系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种均衡能耗的WSN网络分簇路由系统实施例中的步骤。
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
节点聚类单元，用于通过聚类算法对WSN网络中的节点进行聚类分簇，并将聚类中心所在的节点随机均匀的散布在WSN网络中，从而使整个WSN网络的节点均匀分簇；
高能标记单元，用于计算每个分簇内节点的剩余能量的平均值，将每个剩余能量高于平均值的分簇内的节点标记为高能节点，将每个剩余能量低于平均值的分簇内的节点标记为低能节点；将所有高能节点的数量大于N倍的低能节点的数量所在的分簇区域标记为高能量区域；
高能聚类单元，用于根据LVQ算法原理调整每个分簇的聚类中心，使聚类中心靠近高能量区域；
能量因子单元，用于根据每个节点及节点对应的聚类中心，计算每个分簇内的节点的能量位置因子；
阈值重构单元，用于根据能量位置因子构造LEACH路由协议的簇头选举公式，从而计算每个节点的LEACH路由协议的簇头选举阈值；
分簇路由单元，用于通过LEACH路由协议以簇头选举阈值选择出合适的簇头，非簇头节点按信号的强度就近加入簇头，完成路由过程。
所述一种均衡能耗的WSN网络分簇路由系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种均衡能耗的WSN网络分簇路由系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种均衡能耗的WSN网络分簇路由系统的示例，并不构成对一种均衡能耗的WSN网络分簇路由系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种均衡能耗的WSN网络分簇路由系统还可以包括输入输出设备、WSN网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种均衡能耗的WSN网络分簇路由系统运行系统的控制中心，利用各种接口和线路连接整个一种均衡能耗的WSN网络分簇路由系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种均衡能耗的WSN网络分簇路由系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (5)

1.一种均衡能耗的WSN网络分簇路由方法，其特征在于，所述方法包括以下步骤：
S100，通过聚类算法对WSN网络中的WSN网络节点进行聚类分簇，并将聚类中心随机均匀的散布在WSN网络中，从而使整个WSN网络的节点均匀分簇；
S200，计算每个分簇内节点的剩余能量的平均值，将每个剩余能量高于平均值的分簇内的节点标记为高能节点，将每个剩余能量低于平均值的分簇内的节点标记为低能节点；将所有高能节点的数量大于N倍的低能节点的数量所在的分簇区域标记为高能量区域，N取值范围为1～5；
S300，根据LVQ算法原理调整每个分簇的聚类中心，使聚类中心靠近高能量区域；
S400，根据每个节点及节点对应的聚类中心，计算每个分簇内的节点的能量位置因子；
S500，根据能量位置因子构造LEACH路由协议的簇头选举公式，从而计算每个节点的LEACH路由协议的簇头选举阈值；
S600，通过LEACH路由协议以簇头选举阈值选择出合适的簇头，非簇头节点按信号的强度就近加入簇头，完成路由过程；
在S400中，根据每个节点及节点对应的聚类中心，计算每个分簇内的节点的能量位置因子D的方法为：
Figure FDA0003995910330000011
其中dmax为簇内节点距离该簇的聚类中心最远的距离，dmin为簇内节点距离该簇的聚类中心最近的距离，d0为簇内节点距离该簇的聚类中心的距离；
在S500中，根据能量位置因子D构造LEACH路由协议的簇头选举公式的方法为：
通过加入能量位置因子D，得到改进的LEACH路由协议的簇头选举的阈值：
Figure FDA0003995910330000012
其中T(n)为阈值，λ为系数，取值范围[0～1]，D为节点的能量位置因子，PA代表WSN网络中簇头所占的比例，r表示当前的轮数，G表示最近1/PA轮中未当选过簇头的传感器节点集合。
2.根据权利要求1所述的一种均衡能耗的WSN网络分簇路由方法，其特征在于，在S100中，通过聚类算法对WSN网络中的WSN网络节点进行聚类分簇，并将聚类中心随机均匀的散布在WSN网络中，从而使整个WSN网络的节点均匀分簇的方法包括以下步骤：
S101：通过最优簇头数计算公式
Figure FDA0003995910330000021
确定WSN网络中簇的总个数kopt；其中Efs和Emp为传感器节点发射电路和接收电路的放大器系数，M为整个矩形WSN网络的边长，dtoBS为所有传感器节点到基站的平均距离，n为WSN网络中节点的总个数；
S102：通过聚类算法在WSN网络中产生kopt个簇，每个簇包括至少一个聚类中心，WSN网络中所有节点按信号的强度加入距离最近的聚类中心来形成簇结构，从而使得簇均匀分布在WSN网络中。
3.根据权利要求1所述的一种均衡能耗的WSN网络分簇路由方法，其特征在于，在S300中，根据LVQ算法原理调整每个分簇的聚类中心，使聚类中心靠近高能量区域的方法为：
通过计算公式
Figure FDA0003995910330000022
将聚类中心的位置调整至簇内的高能量区域，其中，当m＝1时，分簇内的聚类中心标记为高能中心，其中p为调整后的聚类中心位置，pi为调整前的位置，η为学习率，x为簇内节点的位置，t为高能节点和低能节点标号，m为聚类中心标号。
4.根据权利要求1所述的一种均衡能耗的WSN网络分簇路由方法，其特征在于，在S600中，通过LEACH路由协议以簇头选举阈值选择出合适的簇头，非簇头节点按信号的强度就近加入簇头的方法为：
为每个节点分配一个0-1之间的随机数，如果为节点分配的随机数小于该节点的阈值T(n)，那么该节点当选为簇头；簇头当选完成后，开始在WSN网络中广播自己的信号，非簇头节点按信号的强度加入距离最近的簇中完成分簇操作。
5.一种均衡能耗的WSN网络分簇路由系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
节点聚类单元，用于通过聚类算法对WSN网络中的节点进行聚类分簇，并将聚类中心随机均匀的散布在WSN网络中，从而使整个WSN网络的节点均匀分簇；
高能标记单元，用于计算每个分簇内节点的剩余能量的平均值，将每个剩余能量高于平均值的分簇内的节点标记为高能节点，将每个剩余能量低于平均值的分簇内的节点标记为低能节点；将所有高能节点的数量大于N倍的低能节点的数量所在的分簇区域标记为高能量区域；
高能聚类单元，用于根据LVQ算法原理调整每个分簇的聚类中心，使聚类中心靠近高能量区域；
能量因子单元，用于根据每个节点及节点对应的聚类中心，计算每个分簇内的节点的能量位置因子；
阈值重构单元，用于根据能量位置因子构造LEACH路由协议的簇头选举公式，从而计算每个节点的LEACH路由协议的簇头选举阈值；
分簇路由单元，用于通过LEACH路由协议以簇头选举阈值选择出合适的簇头，非簇头节点按信号的强度就近加入簇头，完成路由过程；
其中，根据每个节点及节点对应的聚类中心，计算每个分簇内的节点的能量位置因子D的方法为：
Figure FDA0003995910330000031
其中dmax为簇内节点距离该簇的聚类中心最远的距离，dmin为簇内节点距离该簇的聚类中心最近的距离，d0为簇内节点距离该簇的聚类中心的距离；
根据能量位置因子D构造LEACH路由协议的簇头选举公式的方法为：
通过加入能量位置因子D，得到改进的LEACH路由协议的簇头选举的阈值：
Figure FDA0003995910330000032
其中T(n)为阈值，λ为系数，取值范围[0～1]，D为节点的能量位置因子，PA代表WSN网络中簇头所占的比例，r表示当前的轮数，G表示最近1/PA轮中未当选过簇头的传感器节点集合。
CN202010433955.1A 2020-05-21 2020-05-21 一种均衡能耗的wsn网络分簇路由方法及系统 Active CN111711929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010433955.1A CN111711929B (zh) 2020-05-21 2020-05-21 一种均衡能耗的wsn网络分簇路由方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010433955.1A CN111711929B (zh) 2020-05-21 2020-05-21 一种均衡能耗的wsn网络分簇路由方法及系统

Publications (2)

Publication Number Publication Date
CN111711929A CN111711929A (zh) 2020-09-25
CN111711929B true CN111711929B (zh) 2023-03-24

Family

ID=72537594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010433955.1A Active CN111711929B (zh) 2020-05-21 2020-05-21 一种均衡能耗的wsn网络分簇路由方法及系统

Country Status (1)

Country Link
CN (1) CN111711929B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114079997B (zh) * 2021-11-17 2022-06-03 电子科技大学 一种基于wsn改进路由协议的高性能通信方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665251A (zh) * 2012-05-25 2012-09-12 重庆大学 一种wsn分布式非均匀分簇方法
CN108112048A (zh) * 2017-12-28 2018-06-01 重庆邮电大学 认知传感器网中一种基于稳定性的能效路由协议
CN108521633A (zh) * 2018-02-27 2018-09-11 南京邮电大学 基于k均值的矿井环境无线传感网分簇路由方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665251A (zh) * 2012-05-25 2012-09-12 重庆大学 一种wsn分布式非均匀分簇方法
CN108112048A (zh) * 2017-12-28 2018-06-01 重庆邮电大学 认知传感器网中一种基于稳定性的能效路由协议
CN108521633A (zh) * 2018-02-27 2018-09-11 南京邮电大学 基于k均值的矿井环境无线传感网分簇路由方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于LEACH的高效路由协议;杨珍等;《机电工程》;20110820(第08期);全文 *
无线传感器网络的LEACH协议的改进与实现;刘得兵等;《现代计算机(专业版)》;20150225(第06期);全文 *

Also Published As

Publication number Publication date
CN111711929A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN109788489A (zh) 一种基站规划方法及装置
CN111858025B (zh) 一种基于gpu卡显存的混合调度方法、装置、设备和介质
CN112187859B (zh) 物联网业务与边缘网络能力动态映射的方法及电子设备
Zhang et al. A novel energy-aware bio-inspired clustering scheme for IoT communication
US20240036631A1 (en) Protocol state aware power management
CN111711929B (zh) 一种均衡能耗的wsn网络分簇路由方法及系统
CN111147604A (zh) 一种车联网边缘计算的负载均衡方法
Singh et al. An energy efficient scalable clustering protocol for dynamic wireless sensor networks
CN108063701A (zh) 一种控制智能设备的方法及装置
CN114007231B (zh) 异构无人机数据卸载方法、装置、电子设备及存储介质
Asghari et al. Multi-objective edge server placement using the whale optimization algorithm and game theory
CN114692552A (zh) 一种三维芯片的布局方法、装置及终端设备
WO2022081492A1 (en) Quantization of tree-based machine learning models
US9794743B2 (en) Method for performing distributed geographic event processing and geographic event processing system
Mittal et al. Performance evaluation of LEACH protocol based on data clustering algorithms
CN110533218A (zh) 一种基于数据挖掘的居民用户多目标优化用电策略及系统
CN115879543A (zh) 一种模型训练方法、装置、设备、介质及系统
CN108055669B (zh) 森林火灾监测节点部署方法及装置
CN116017476A (zh) 无线传感器网络覆盖设计方法、装置
CN112308595A (zh) 用于确定货品状态的方法和装置
CN114785703B (zh) 一种基于图卷积的物联网安全检测方法及系统
CN115361285B (zh) 实现离在线业务混合部署的方法、装置、设备及介质
Tiwari et al. Maximizing coverage efficiency in wireless networks using GWO: An investigation of hexagonal and circular tiling for edge server placement
CN117115383B (zh) 照明灯的布置方法、计算机设备和可读存储介质
CN117651256B (zh) 一种基于离群检测的节点能源消耗监测方法及系统

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