CN111711930B - 簇头选举方法、系统、终端设备及计算机可读存储介质 - Google Patents

簇头选举方法、系统、终端设备及计算机可读存储介质 Download PDF

Info

Publication number
CN111711930B
CN111711930B CN202010499404.5A CN202010499404A CN111711930B CN 111711930 B CN111711930 B CN 111711930B CN 202010499404 A CN202010499404 A CN 202010499404A CN 111711930 B CN111711930 B CN 111711930B
Authority
CN
China
Prior art keywords
cluster head
nodes
node
network
head election
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
CN202010499404.5A
Other languages
English (en)
Other versions
CN111711930A (zh
Inventor
程刚
赵文东
王源野
邹贵祥
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.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
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 China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202010499404.5A priority Critical patent/CN111711930B/zh
Publication of CN111711930A publication Critical patent/CN111711930A/zh
Application granted granted Critical
Publication of CN111711930B publication Critical patent/CN111711930B/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
    • 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
    • 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
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开提供一种簇头选举方法、系统、终端设备及计算机可读存储介质，其中，所述簇头选举方法包括：分别计算网络中所有节点各自的联合簇头选举阈值；以及，基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头。本公开实施例提供的簇头选举方法至少能够有效地达到均衡网络中的能量，延长网络的生存时间的目的。

Description

簇头选举方法、系统、终端设备及计算机可读存储介质
技术领域
本公开涉及通信技术领域，尤其涉及一种簇头选举方法、一种簇头簇头选举系统、一种终端设备以及一种计算机可读存储介质。
背景技术
无线传感器网络中节点的能量对于网络的连通性非常重要，如何均衡网络能耗成为了无线传感器网络中研究的重点，而成簇作为节约网络能量的有效方法之一，在一个簇内，簇头的主要功能是收集簇内信息并将其传输到基站，因此，在成簇算法中簇头的选择是关键。
目前常用的簇头选举方案主要有包括低功耗自适应簇头选举方案和中心化簇头选举方案。其中低功耗自适应簇头选举方案的基本思想是根据网络中节点产生的随机数与系统阈值比较来选择簇头，该方式由于没有考虑节点的剩余能量，有可能会使剩余能量低的节点成为簇头，从而导致剩余能量低的节点过早死亡，影响网络的连通性；而中心化簇头选举方案的基本思想是利用基站来管理节点，让剩余能量高的节点成为簇头，该方式的缺点是可能导致簇头在整个网络中分布不均。
当前的簇头选举方案要么可能使剩余能量低的节点成为簇头，导致节点过早死亡，要么使簇头在整个网络中分布不均。基于上述问题，提出一种可以保证网络连通性的同时均衡网络能量的簇头选举方法是目前亟待解决的问题。
发明内容
本公开提供了一种簇头选举方法、系统、终端设备及计算机可读存储介质，以至少解决上述问题。
根据本公开实施例的一方面，提供一种簇头选举方法，包括：
分别计算网络中所有节点各自的联合簇头选举阈值；以及，
基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头。
在一种实施方式中，所述分别计算网络中所有节点各自的联合簇头选举阈值，包括：
分别计算网络中所有节点各自的初始簇头选举阈值；
分别计算网络中所有节点各自的距离能量概率，作为各个节点的第二簇头选举阈值；以及，
基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值。
在一种实施方式中，所述分别计算网络中所有节点各自的距离能量概率，包括：
分别获取网络中所有节点各自的剩余能量及其到基站的距离；
基于网络中所有节点各自的剩余能量计算网络中节点剩余能量标准差以及节点剩余能量平均值；以及，
分别基于所述节点剩余能量标准差、所述节点剩余能量平均值以及所有节点各自到基站的距离，计算网络中所有节点各自的距离能量概率。
在一种实施方式中，所述分别计算网络中所有节点各自的初始簇头选举阈值，根据以下公式得到：
Figure BDA0002524128600000021
式中，T(i)表示节点i的初始簇头选举阈值，P表示簇头节点总数目占所有节点总数目的比重，r表示网络运行到当前时刻的工作轮次，G表示本周期没有当选过簇头的节点集合。
在一种实施方式中，所述分别计算网络中所有节点各自的距离能量概率，根据以下公式得到：
Figure BDA0002524128600000022
式中，DE(i)表示节点i的距离能量概率，E0表示节点i的初始能量，Es(i)表示节点剩余能量标准差，Em(i)表示节点剩余能量平均值，P表示簇头节点总数目占所有节点总数目的比重，d(i)-BS表示节点i到基站的距离，dmax-BS表示区域内所有存活节点与基站间距离的最大值。
在一种实施方式中，所述基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值，根据以下公式得到：
Tnew(i)＝P×T(i)+(1-P)×DE(i)
式中，Tnew(i)表示节点i的联合簇头选举阈值，T(i)表示节点i的初始簇头选举阈值，P表示簇头节点总数目占所有节点总数目的比重，DE(i)表示节点i的距离能量概率。
根据本公开实施例的另一方面，提供一种簇头选举系统，包括：
计算模块，其设置为分别计算网络中所有节点各自的联合簇头选举阈值；以及，
簇头选举模块，其设置为基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头。
在一种实施方式中，所述计算模块，包括：
第一计算单元，其设置为分别计算网络中所有节点各自的初始簇头选举阈值；
第二计算单元，其设置为分别计算网络中所有节点各自的距离能量概率，作为各个节点的第二簇头选举阈值；以及，
第三计算单元，其设置为基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值。
根据本公开实施例的又一方面，提供一种终端设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行所述的簇头选举方法。
根据本公开实施例的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，所述处理器执行所述的簇头选举方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
本公开实施例提供的簇头选举方法，通过分别计算网络中所有节点各自的联合簇头选举阈值，然后基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头。本公开实施例提供的簇头选举方法至少能够有效地达到均衡网络中的能量，延长网络的生存时间的目的。
本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本公开技术方案的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开的技术方案，并不构成对本公开技术方案的限制。
图1为本公开实施例提供的一种簇头选举方法的流程示意图；
图2为本公开另一实施例提供的一种簇头选举方法的流程示意图；
图3为本公开实施例提供的一种簇头选举系统的结构示意图；
图4为本公开实施例提供的一种终端设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序；并且，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互任意组合。
其中，在本公开实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本公开的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
在无线传感器网络中，能量均衡的最终目的是为了平衡网络中各节点间的能量消耗而保障网络的正常运行，因此，本公开实施例提出一种新型能量均衡的簇头选举方法，基于各节点的能量、距离等参数，计算各节点的联合簇头选举阈值，再基于该联合簇头选举阈值与其所产生的随机数相比较，以选择簇头，能够有效地达到均衡网络中的能量，延长了网络的生存时间的目的。
请参照图1，图1为本公开实施例提供的一种簇头选举方法的流程示意图，所述方法包括步骤S101和步骤S102。
在步骤S101中，分别计算网络中所有节点各自的联合簇头选举阈值。
本实施例中，联合簇头选举阈值为评估节点成为簇头的最大限值，可以根据节点的剩余能量以及节点到基站的距离等参数计算得到，相较于相关技术中系统产生一个簇头选取阈值，并基于各个节点产生的随机数与该簇头选取阈值进行比较，以选择簇头，本实施例分别计算每个簇头的节点的联合簇头选举阈值，基于每个节点各自产生的随机数与其各自计算得到的阈值进行比较，可以有效评估各个节点基于自身节点情况是否可以当选簇头，进而保证各簇头在传输消息时，均衡网络中能量，保证网络连通性；并且，相较于中心化簇头选举方法，本实施例仍然保留产生随机数的簇头选举方式，解决了网络中簇头分布不均匀等问题，进一步均衡了网络中能量。
需要说明的是，联合簇头选举阈值的具体计算方式可以参照本公开下一实施例，此处不再赘述。
在步骤S102中，基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头。
具体地，网络中所有节点产生[0，1]的随机数，将该随机数与联合簇头选举阈值比较，若随机数低于联合簇头选举阈值，则该节点当选为簇头。可以理解的是，网络中所有节点为网络中预进行簇头选举的簇头候选节点。
请参照图2，图2为本公开另一实施例提供的一种簇头选举方法的流程示意图，为进一步提高簇头选举的合理性，以最大化均衡网络中能量，与上一实施例不同的是，本实施例提供了联合簇头选举阈值的具体计算方式，具体地，将步骤S101进一步划分为步骤S201-S203。
本实施例随机部署不同类型的传感器节点，计算初始簇头选举阈值，然后计算节点距离能量概率，最后根据初始簇头选举阈值和节点距离能量概率计算联合簇头选举阈值，
在步骤S201中，分别计算网络中所有节点各自的初始簇头选举阈值。
本实施例中，所述分别计算网络中所有节点各自的初始簇头选举阈值，根据以下公式得到：
Figure BDA0002524128600000061
式中，T(i)表示节点i的初始簇头选举阈值，P表示簇头节点总数目占所有节点总数目的比重，r表示网络运行到当前时刻的工作轮次，G表示本周期没有当选过簇头的节点集合。
具体地，本实施例在计算初始簇头选举阈值时，首先分析节点在本周期是否当选过簇头，若在本周期当选过簇头，则该节点初始簇头选举阈值设置为0，相较于未当选过簇头的节点集合的初始簇头选举阈值更小；而对于本周期未当选过簇头的节点集合的节点，根据网络运行的轮次以及当选簇头的概率(即，簇头节点总数目占所有节点总数目的比重P)计算得到。
可以理解的是，为了降低整个网络的能量消耗以及提高网络的生存时间，需要对无线传感器网络进行分簇，每个簇由一个簇头和多个簇成员组成，簇头节点负责簇内的数据收集、数据融合处理以及数据转发，同时簇头节点的选择需要周期性的更新，本实施例主要考虑本周期(即，未进行周期更新的当前周期)的簇头选举。
在步骤S202中，分别计算网络中所有节点各自的距离能量概率，作为各个节点的第二簇头选举阈值。
本实施例中，步骤S202包括以下步骤：
分别获取网络中所有节点各自的剩余能量及其到基站的距离；
基于网络中所有节点各自的剩余能量计算网络中节点剩余能量标准差以及节点剩余能量平均值；以及，
分别基于所述节点剩余能量标准差、节点剩余能量平均值以及所有节点各自到基站的距离，计算网络中所有节点各自的距离能量概率。
具体地，根据以下公式得到：
Figure BDA0002524128600000071
式中，DE(i)表示节点i的距离能量概率，E0表示节点i的初始能量，Es(i)表示节点剩余能量标准差，Em(i)表示节点剩余能量平均值，P表示簇头节点总数目占所有节点总数目的比重，d(i)-BS表示节点到基站的距离，dmax-BS表示区域内所有存活节点与基站间距离的最大值。
具体地，节点的距离能量概率通过节点剩余能量标准差和剩余能量平均值以及节点到基站距离获得，本实施例利用节点剩余能量标准差和剩余能量平均值、距离等因素计算节点的第二簇头选举阈值，其中节点剩余能量标准差为网络中所有节点当前剩余能量值计算得到的标准差，同理节点的剩余能量平均值，在公式
Figure BDA0002524128600000072
中，Es(i)越小，说明网络中各节点之间的剩余能量越平衡，/>
Figure BDA0002524128600000073
越大说明网络中剩余能量值越大，越不容易导致节点在传输消息过程中死亡，通过在计算联合簇头选举阈值中引入节点剩余能量标准差和剩余能量平均值，可进一步提高网络中能量的均衡；而为了提高消息传输效率，节点的距离到基站的距离也为重要考虑因素，距离越短，传输的效率越快，/>
Figure BDA0002524128600000074
的值越大，DE(i)越小。
需要说明的是，基站位于监测区域中心，网络中节点随机分布于网络区域内，所有节点具有相同的初始能量。
在步骤S203中，基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值。
本实施例中，所述基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值，根据以下公式得到:
Tnew(i)＝P×T(i)+(1-P)×DE(i)
式中，Tnew(i)表示节点i的联合簇头选举阈值，T(i)表示节点i的初始簇头选举阈值，P表示簇头节点总数目占所有节点总数目的比重，DE(i)表示节点i的距离能量概率。
基于相同的技术构思，本公开实施例相应还提供一种簇头选举系统，如图3所示，所述系统包括计算模块31以及簇头选举模块32，其中，
所述计算模块31，其设置为分别计算网络中所有节点各自的联合簇头选举阈值；
所述簇头选举模块32，其设置为基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头。
进一步地，所述计算模块31，包括：
第一计算单元，其设置为分别计算网络中所有节点各自的初始簇头选举阈值；
第二计算单元，其设置为分别计算网络中所有节点各自的距离能量概率，作为第二簇头选举阈值；以及，
第三计算单元，其设置为基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值。
进一步地，所述第一计算单元，根据以下公式得到：
Figure BDA0002524128600000081
式中，T(i)表示节点i的初始簇头选举阈值，P表示簇头节点总数目占所有节点总数目的比重，r表示网络运行到当前时刻的工作轮次，G表示本周期没有当选过簇头的节点集合。
进一步地，所述第二计算单元，具体设置为，
分别获取网络中所有节点各自的剩余能量及其到基站的距离；
基于网络中所有节点各自的剩余能量计算网络中节点剩余能量标准差以及节点剩余能量平均值；以及，
分别基于所述节点剩余能量标准差、节点剩余能量平均值以及所有节点各自到基站的距离，计算网络中各个节点的距离能量概率。
进一步地，所述第二计算单元，根据以下公式得到：
Figure BDA0002524128600000091
式中，DE(i)表示节点i的距离能量概率，E0表示节点i的初始能量，Es(i)表示节点剩余能量标准差，Em(i)表示节点剩余能量平均值，P表示簇头节点总数目占所有节点总数目的比重，d(i)-BS表示节点到基站的距离，dmax-BS表示区域内所有存活节点与基站间距离的最大值。
进一步地，所述第三计算单元，根据以下公式得到:
Tnew(i)＝P×T(i)+(1-P)×DE(i)
式中，Tnew(i)表示节点i的联合簇头选举阈值，T(i)表示节点i的初始簇头选举阈值，P表示簇头节点总数目占所有节点总数目的比重，DE(i)表示节点i的距离能量概率。
需要说明的是，本实施例中簇头选举系统中的各个模块模块分别用于执行上述方法实施例中各个步骤，其原理已在上述方法实施例中进行详述，此处不再赘述。
基于相同的技术构思，本公开实施例相应还提供一种终端设备，如图4所示，包括存储器41和处理器42，所述存储器41中存储有计算机程序，当所述处理器42运行所述存储器存储的计算机程序时，所述处理器执行所述的簇头选举方法。
根据本公开实施例的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，所述处理器执行所述的簇头选举方法。
综上所述，本公开实施例提供的簇头选举方法、系统、终端设备及计算机可读存储介质，通过分别计算网络中所有节点各自的联合簇头选举阈值，然后基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头。本公开实施例提供的簇头选举方法至少能够有效地达到均衡网络中的能量，延长网络的生存时间的目的；并且，本实施例在计算联合簇头选举阈值时，考虑了节点剩余能量标准差以及节点剩余能量平均值，可以进一步提高网络中的能量均衡。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的范围。

Claims (6)

1.一种簇头选举方法，其特征在于，包括：
分别计算网络中所有节点各自的初始簇头选举阈值；
分别计算网络中所有节点各自的距离能量概率，作为各个节点的第二簇头选举阈值；
基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值；以及，
基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头；
其中，所述分别计算网络中所有节点各自的距离能量概率，根据以下公式得到：
Figure FDA0003875925540000011
式中，DE(i)表示节点i的距离能量概率，E0表示节点i的初始能量，Es(i)表示节点剩余能量标准差，Em(i)表示节点剩余能量平均值，且Es(i)和Em(i)基于节点i的剩余能量计算得出，P表示簇头节点总数目占所有节点总数目的比重，d(i)-BS表示节点i到基站的距离，dmax-BS表示区域内所有存活节点与基站间距离的最大值。
2.根据权利要求1所述的方法，其特征在于，所述分别计算网络中所有节点各自的初始簇头选举阈值，根据以下公式得到：
Figure FDA0003875925540000012
式中，T(i)表示节点i的初始簇头选举阈值，P表示簇头节点总数目占所有节点总数目的比重，r表示网络运行到当前时刻的工作轮次，G表示本周期没有当选过簇头的节点集合。
3.根据权利要求2所述的方法，其特征在于，所述基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值，根据以下公式得到：
Tnew(i)＝P×T(i)+(1-P)×DE(i)
式中，Tnew(i)表示节点i的联合簇头选举阈值，T(i)表示节点i的初始簇头选举阈值，P表示簇头节点总数目占所有节点总数目的比重，DE(i)表示节点i的距离能量概率。
4.一种簇头选举系统，其特征在于，包括：
计算模块，其包括：第一计算单元，其设置为分别计算网络中所有节点各自的初始簇头选举阈值；第二计算单元，其设置为分别计算网络中所有节点各自的距离能量概率，作为各个节点的第二簇头选举阈值；以及，第三计算单元，其设置为基于所述初始簇头选举阈值和所述第二簇头选举阈值计算网络中所有节点各自的联合簇头选举阈值；以及，
簇头选举模块，其设置为基于网络中所有节点各自产生的随机数，从所有节点中筛选出所产生的随机数小于其联合簇头选举阈值的节点作为簇头；
其中，所述第二计算单元采用以下公式进行计算：
Figure FDA0003875925540000021
式中，DE(i)表示节点i的距离能量概率，E0表示节点i的初始能量，Es(i)表示节点剩余能量标准差，Em(i)表示节点剩余能量平均值，且Es(i)和Em(i)基于节点i的剩余能量计算得出，P表示簇头节点总数目占所有节点总数目的比重，d(i)-BS表示节点i到基站的距离，dmax-BS表示区域内所有存活节点与基站间距离的最大值。
5.一种终端设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1至3中任一项所述的簇头选举方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，所述处理器执行根据权利要求1至3中任一项所述的簇头选举方法。
CN202010499404.5A 2020-06-04 2020-06-04 簇头选举方法、系统、终端设备及计算机可读存储介质 Active CN111711930B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010499404.5A CN111711930B (zh) 2020-06-04 2020-06-04 簇头选举方法、系统、终端设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010499404.5A CN111711930B (zh) 2020-06-04 2020-06-04 簇头选举方法、系统、终端设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111711930A CN111711930A (zh) 2020-09-25
CN111711930B true CN111711930B (zh) 2023-03-24

Family

ID=72538786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010499404.5A Active CN111711930B (zh) 2020-06-04 2020-06-04 簇头选举方法、系统、终端设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111711930B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115442219B (zh) * 2022-11-09 2023-01-24 广州优刻谷科技有限公司 一种物联网备份节点选举方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130019907A (ko) * 2011-08-18 2013-02-27 목포대학교산학협력단 센서 네트워크 내 클러스터 헤드 선출 방법
CN103209454A (zh) * 2013-01-06 2013-07-17 南昌大学 一种基于节点竞争值及软阈值的双簇头选举方法
CN104936230A (zh) * 2015-06-15 2015-09-23 华侨大学 一种基于簇头期望的无线传感器网络能量均衡路由优化方法
CN105744584A (zh) * 2016-03-31 2016-07-06 中国联合网络通信集团有限公司 一种簇头选择方法、簇头选择系统和多跳网络
CN106658642A (zh) * 2016-12-29 2017-05-10 长春理工大学 一种能量异构无线传感器网络分簇方法和系统
CN107529201A (zh) * 2017-08-29 2017-12-29 武汉中原电子信息有限公司 一种基于leach协议的无线传感器网络数据传输方法
CN108495353A (zh) * 2018-03-20 2018-09-04 西安电子科技大学 基于分簇的无线光传感器网络拓扑控制方法
CN109510763A (zh) * 2019-01-03 2019-03-22 中国联合网络通信集团有限公司 一种节点簇头选举方法及系统
CN109714804A (zh) * 2019-01-11 2019-05-03 南京邮电大学 基于相对剩余能量和sep协议的簇头选举算法
CN109996310A (zh) * 2019-04-11 2019-07-09 中国联合网络通信集团有限公司 一种簇头选择方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130019907A (ko) * 2011-08-18 2013-02-27 목포대학교산학협력단 센서 네트워크 내 클러스터 헤드 선출 방법
CN103209454A (zh) * 2013-01-06 2013-07-17 南昌大学 一种基于节点竞争值及软阈值的双簇头选举方法
CN104936230A (zh) * 2015-06-15 2015-09-23 华侨大学 一种基于簇头期望的无线传感器网络能量均衡路由优化方法
CN105744584A (zh) * 2016-03-31 2016-07-06 中国联合网络通信集团有限公司 一种簇头选择方法、簇头选择系统和多跳网络
CN106658642A (zh) * 2016-12-29 2017-05-10 长春理工大学 一种能量异构无线传感器网络分簇方法和系统
CN107529201A (zh) * 2017-08-29 2017-12-29 武汉中原电子信息有限公司 一种基于leach协议的无线传感器网络数据传输方法
CN108495353A (zh) * 2018-03-20 2018-09-04 西安电子科技大学 基于分簇的无线光传感器网络拓扑控制方法
CN109510763A (zh) * 2019-01-03 2019-03-22 中国联合网络通信集团有限公司 一种节点簇头选举方法及系统
CN109714804A (zh) * 2019-01-11 2019-05-03 南京邮电大学 基于相对剩余能量和sep协议的簇头选举算法
CN109996310A (zh) * 2019-04-11 2019-07-09 中国联合网络通信集团有限公司 一种簇头选择方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于LEACH协议的簇头选举改进算法;廖明华等;《计算机工程》;20110405(第07期);全文 *

Also Published As

Publication number Publication date
CN111711930A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
US9723583B2 (en) Masterless slot allocation
CN113016152B (zh) 对具有多个协调器的无线光学网络进行无干扰调度
CN103098530B (zh) 用于对等网络中的信道选择的方法和装置
CN110213780A (zh) 网络切片的管理方法、管理和编排实体及存储介质
CN110662190B (zh) 无线传感器网络中的动态分簇leach方法
CN111601268A (zh) 簇头选择方法、装置、终端设备及存储介质
EP4170975A1 (en) Tree model construction method, apparatus and device, and storage medium
US11418400B2 (en) Method and apparatus for configuring cluster in wireless communication system
EP3644646A1 (en) Load-balancing method and apparatus
CN111711930B (zh) 簇头选举方法、系统、终端设备及计算机可读存储介质
CN105491674B (zh) 一种时隙选择的优化方法及装置
CN111711976A (zh) 节点入簇方法、系统、终端设备及计算机可读存储介质
CN111385815B (zh) 小区网络资源优化方法、装置、设备和介质
EP3111703B1 (en) Method for power consumption optimization in mobile cellular networks
CN111757443A (zh) 节点休眠方法、系统、终端设备及计算机可读存储介质
CN111711975A (zh) 数据传输方法、系统、终端设备及计算机可读存储介质
US10812989B2 (en) Method and apparatus for forecasting cell capacity saturation in wireless communication system
CN112105071A (zh) 簇头选举方法、系统、终端设备及计算机可读存储介质
CN111383125A (zh) 社区划分方法、系统、终端设备及存储介质
CN111711977A (zh) 节点入簇方法、系统、终端设备及计算机可读存储介质
KR102052685B1 (ko) 무선 센서 네트워크 클러스터링 방법 및 시스템
CN111601376B (zh) 消息传输方法、系统、终端设备及存储介质
CN114567907B (zh) 一种跨域网络的资源管理方法、装置及系统
Maizate et al. Efficient survivable self-organization for prolonged lifetime in wireless sensor networks
CN111615165A (zh) 数据传输方法、系统、终端设备及计算机可读存储介质

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