CN111935734A - 一种基于改进ap聚类的无线传感器网络分簇方法 - Google Patents

一种基于改进ap聚类的无线传感器网络分簇方法 Download PDF

Info

Publication number
CN111935734A
CN111935734A CN202010526034.XA CN202010526034A CN111935734A CN 111935734 A CN111935734 A CN 111935734A CN 202010526034 A CN202010526034 A CN 202010526034A CN 111935734 A CN111935734 A CN 111935734A
Authority
CN
China
Prior art keywords
cluster
node
network
nodes
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.)
Granted
Application number
CN202010526034.XA
Other languages
English (en)
Other versions
CN111935734B (zh
Inventor
狄婧
王出航
刘晓理
赵宏伟
姚美琴
胡黄水
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.)
Changchun Normal University
Original Assignee
Changchun Normal 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 Changchun Normal University filed Critical Changchun Normal University
Priority to CN202010526034.XA priority Critical patent/CN111935734B/zh
Publication of CN111935734A publication Critical patent/CN111935734A/zh
Application granted granted Critical
Publication of CN111935734B publication Critical patent/CN111935734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • H04W40/24—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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于改进AP聚类的无线传感器网络分簇方法NCA‑AP（a Novel Clustering Algorithm using improved Affinity Propagation），该方法包含系统模型、簇初始化、簇重构和簇维护四个部分。通过将簇头选举转换为AP聚类搜索簇中心，分别考量节点间距离、中心度以及节点剩余能量、节点间距离、中心度来计算节点相似度、吸引力和归属度，从而找到初始最优簇头集以及重构时的最优簇头集。通过定义两个阈值来触发簇内维护和簇分解，避免周期全网成簇导致的高能耗和簇头失效时的网络分割，有效提高网络可靠性和能量效率，延长网络生命周期。

Description

一种基于改进AP聚类的无线传感器网络分簇方法
技术领域
本发明涉及一种无线传感器网络分簇方法，特别是一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP(a novel clustering algorithm using improved affinitypropagation)，通过搜索节点中心来成簇，并选取剩余能量多且靠近中心的节点为簇头，从而有效均衡网络能耗，延长网络生命周期。
背景技术
随着物联网和人工智能技术的发展，用于数据获取的无线传感器网络得到了广泛关注。无线传感器网络(WSNs)是一种大型无基础设施无线网络，由成千上万个传感器节点组成，并以自组织形式运行。因为无线传感器网络节点通常由电池供电，且工作环境恶劣，因此如何降低网络能耗一直是无线传感器网络的关键研究问题，而分簇是无线传感器网络一种有效节能方法。
目前已经提出了许多分簇方法，通常包含簇头选举、簇构建、重新成簇三个阶段。簇头选举是选择网络中性能优的节点来成为簇头，有的方法通过随机概率方式选举簇头，有的通过权值计算来选举簇头，也有的采用智能计算方法如粒子群、模糊逻辑、神经网络来选举簇头。簇构建是形成簇型拓扑结构，通常通过簇头广播其成簇报文，普通节点收到该报文并选择距其最近的簇头发送确认报文，成为其成员，从而形成簇。重新成簇是对现有簇进行维护，有的方法采用固定轮周期来全网重构簇，有的采用可变轮周期来重构簇。但是现有方法忽略节点中心度，忽略全网重新成簇高能耗，忽略轮中簇头可能早死，从而导致网络能量消耗不均衡，降低了网络的稳定性，减小了网络生命周期。
发明内容
本发明所要解决的技术问题是针对现有分簇方法忽略节点中心度产生簇头分布不均，全网重新成簇产生高能耗，以及忽略簇头节点早死而导致网络不稳定和能耗不均衡问题，通过AP聚类来搜索簇中心，并选择剩余能量多并靠近中心的节点成为簇头。当簇头的剩余能量低于设定的阈值时，从簇内选出此时最优的节点成为簇头。此外，当簇内节点最大的剩余能量低于设定的另一个阈值时，将簇分解，每个节点加入距其最近的簇头，如果没有可加入的邻居簇头，则直接和基站通信。从而提高网络能量效率，延长网络生命周期。
本发明一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP由四部分构成，即系统模型、簇初始化、簇重构和簇维护。系统模型为协议实现提供模型，具体包括网络模型和能量模型。簇初始化是在网络初始运行时通过AP聚类搜索簇中心，因此时所有节点初始能量相同，故仅考量节点间距离和中心度，位于簇中心的节点成为簇头。簇重构是当距基站最近的簇头剩余能量小于网络所有簇头能量的平均值时，通过AP聚类来重新成簇。簇维护是当网络中任意某簇簇头剩余能量低于设定的阈值时，重新选取该簇内最优的节点成为簇头，且当簇内剩余能量最高节点的值低于另一个设定阈值时，簇解散，每个节点加入距其最近的簇头或直接和基站通信。
所述的系统模型中网络模型为方形网络，基站BS位于监测区域外，100 个节点随机分布在该区域内，每个节点具有唯一的ID。节点的能耗采用自由空间模型计算，具体包括数据发送和数据接收所消耗的能量。
所述的簇初始化是在网络开始时通过考量节点间距离和中心度来选择簇头，通过AP聚类计算节点的相似度、吸引力、归属度，以及加入阻尼系数加快算法收敛，减轻震荡影响，从而找到最优的簇内中心，即找到最优的节点成为簇头。
所述的簇重构是当离基站最近的簇头剩余能量小于网络所有簇头剩余能量平均值时，重新采用AP聚类来搜索簇中心，找到最优簇头。此时除了考量节点间距离和中心度外，还考量节点的剩余能量，重新计算节点的相似度、吸引力、归属度，找到簇内最优的节点成为簇头。
所述的簇维护是当网络中任意某簇簇头剩余能量低于设定的阈值时，选取该簇内最优的节点成为簇头。且当某簇剩余能量最高节点的值低于设定的另一个阈值时，该簇解散，每个节点加入距其最近的簇头或直接和基站通信。
本发明一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP，包含系统模型、簇初始化、簇重构和簇维护四个部分。通过将簇头选举转换为AP聚类搜索簇中心，分别考量节点间距离、中心度以及节点剩余能量、节点间距离、中心度来计算节点相似度、吸引力和归属度，从而找到初始最优簇头集以及重构时的最优簇头集。通过定义两个阈值来触发簇内维护和簇分解，避免周期全网成簇导致的高能耗和簇头失效时的网络分割，有效提高网络可靠性和能量效率，延长网络生命周期。
附图说明
图1为本发明的网络收敛时间示意图；
图2为本发明的存活节点示意图；
图3为本发明的簇头和成员平均距离示意图。
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，本发明一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP包含系统模型、簇初始化、簇重构和簇维护四个部分。通过将簇头选举转换为AP聚类搜索簇中心，分别考量节点间距离、中心度以及节点剩余能量、节点间距离、中心度来计算节点相似度、吸引力和归属度，从而找到初始最优簇头集以及重构时的最优簇头集。通过定义两个阈值来触发簇内维护和簇分解，避免周期全网成簇导致的高能耗和簇头失效时的网络分割，有效提高网络可靠性和能量效率，延长网络生命周期。
所述的系统模型中网络模型为方形网络，基站BS位于监测区域外，100 个同构的节点随机分布在该区域内，每个节点具有唯一的ID。基站和节点一旦部署就不可移动，节点间采用对称通信链路，所有节点可以获得自身的位置和剩余能量。节点的能耗模型采用自由空间模型计算，具体包括数据发送和数据接收所消耗的能量，即距离为d的两个节点之间发送或者接Lbit的数据所消耗的能量如式(1)、(2)、(3)所示：
ETx(L,d)＝Eelec*L+εamp*L (1)
Figure RE-GDA0002696106080000031
Figure RE-GDA0002696106080000032
其中，Eelec是传感器节点发送或者接收1bit数据时电子电路所消耗的能量，εf萸是采用自由空间模型时的放大参数，εmp是采用多路衰减模型时的放大参数，d0是距离阈值。
所述的簇初始化是在网络开始时通过考量节点间距离和中心度来选择簇头，通过AP聚类计算节点的相似度、吸引力、归属度，以及加入阻尼系数加快算法收敛，减轻震荡影响，从而找到最优的聚类中心，即找到最优的节点成为簇头。首先计算网络中节点的相似度矩阵S。
Figure RE-GDA0002696106080000041
然后计算网络中节点X＝{x1,x2,x3...,xn}之间的吸引力，原始的r(i,k)、a(i,k)需要计算本节点和网络中其它所有节点之间的数值，这会消耗节点更多的能量且在无线传感器网络中节点有通信距离限制，因此在AP聚类算法的基础上将之优化，消息只是在邻居之间传播，且考虑了节点中心度。NCi(Node-Centerality)是节点中心度，节点距离邻居节点的平均最短距离越小，则节点中心度值越高，说明节点在该区域中越重要。其中Ni为节点i的邻居节点数量，Sarea为计算的传感区域的面积。N(i)为节点i的邻居集合。
Figure RE-GDA0002696106080000042
Figure RE-GDA0002696106080000043
接着计算网络中节点X＝{x1,x2,x3...,xn}之间的归属度
Figure RE-GDA0002696106080000044
再考虑阻尼系数λ，将其加到AP聚类算法中，能够有效减少算法迭代次数和运行时间，减轻震荡影响。
Figure RE-GDA0002696106080000045
rnew(i，k)＝ρ*λ*rold(i，k)+(1-λ)*r(i，k) (9)
anew(i，k)＝ρ*λ*aold(i，k)+(1-λ)*a(i，k) (10)
式(9)和(10)中，下标old和new分别表示上一次和本次迭代更新的最终结果，λ(0<λ<1)为阻尼系数，λ越大消除震荡的效果越好，但收敛速度也越慢，反之亦然。最后确定初始聚类中心，式(11)中，若i＝k，则节点i自身是簇头；若i≠k，则节点k是节点i的簇头。
k＝argmaxk{a(i，k)+r(i，k)} (11)
所述的簇重构是当离基站最近的簇头剩余能量小于网络所有簇头剩余能量平均值时，重新采用AP聚类来搜索簇中心，找到最优簇头。此时除了考量节点间距离和中心度外，还考量节点的剩余能量，重新计算节点的相似度、吸引力、归属度，找到簇内最优的节点成为簇头。
Figure RE-GDA0002696106080000051
是离BS最近的簇头的剩余能量，h是整个网络中总簇头数。
Figure RE-GDA0002696106080000052
同样首先计算网络中节点的相似度矩阵S，式(13)中Enow节点当前能量，是Einit节点初始能量，di,bs是节点到BS的距离。
Figure RE-GDA0002696106080000053
然后计算网络中X＝{x1,x2,x3...,xn}之间的吸引力r(i,k)，考虑了节点剩余能量，节点中心度和节点间距作为相似度的度量。节点剩余能量越少，中心度值越低则成为簇头的可能性越低。
Figure RE-GDA0002696106080000061
同簇初始化一样，采用公式(8)～(11)选出剩余能量高、节点中心度值高的节点当选簇头。
所述的簇维护是当网络中任意某簇簇头剩余能量低于设定的阈值时，选取该簇内最优的节点成为簇头。且当某簇剩余能量最高节点的值低于设定的另一个阈值时，该簇解散，每个节点加入距其最近的簇头或直接和基站通信。簇重构后网络被化分成h个簇。为了减少周期全网成簇导致的高能量消耗，簇维护只在簇内进行。当任意簇hi中簇头的能量低于如式(15)所示的阈值p时(ni'是簇hi中成员节点数)，则在簇hi中选取T值最大的节点成为簇头，T值计算如式(16) 所示。
p＝m*(Ebro+Eelec*ni') (15)
Figure RE-GDA0002696106080000062
此外，当某个簇中剩余能量最高节点的值低于如式(17)所示的阈值q时，则将该簇解散，解散后的节点向自己的邻居簇头广播自身的信息(剩余能量和ID)，邻居簇头接收到消息后将检查其簇的大小，若不接受该节点加入，则不回应该节点消息，若允许节点加入则向该节点发送自己的信息。节点接收所有邻居簇头的消息后，比较自己和簇头的距离以及簇头的剩余能量，选择距离最近且剩余能量最多的的簇头加入。若没有簇头回应该节点，则该节点直接将数据发送给基站。
q＝(Ebro+Eelec*n') (17)
为了验证本发明一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP的性能，使用MATLAB仿真工具，对NCA-AP性能与LEACH、APSA、LEACH-AP 进行比较分析。仿真参数如表1所示。
表1仿真参数设置
Figure RE-GDA0002696106080000071
首先在不同轮数情况下与网络收敛时间的关系进行了分析，其结果如图1所示。从图中可见，NCA-AP网络的收敛时间分别比APSA和LEACH-AP快24.13％和 33.51％。因为在NCA-AP中，一旦CH不适合作为CH，CH轮换仅在集群内部而不是整个网络中及时进行，这无疑会加速网络融合。
假设初始节点具有100％的能量，则从算法开始到由于能量耗尽而导致节点完全死亡的整个时间就是本文中提到的网络寿命，从图2可以看出，LEACH 由于其随机的选择CH而只有1820轮的最短网络寿命。APSA和LEACH-AP的网络寿命比LEACH长得多，因为它们考虑了剩余能量，以避免选择具有低剩余能量的节点作为CH。运行1800回合时，APSA和LEACH-AP的存活节点数分别为44和31。此时，NCA-AP仍然有76个存活节点。此外，NCA-AP的存活节点数是逐渐减少，而没有突然而又没有大的下降，这表明由于其及时的更换 CH而保持相对平衡的能量消耗。
最后对四种算法在不同轮数CH到CMs的平均距离进行了分析对比，结果如图3所示。与APSA，LEACH-AP和LEACH相比，NCA-AP可以大大减少集群内通信距离8.6％，24％和40.53％。在NCA-AP中，除了剩余能量和到BS 的距离外，在选择CH时还考虑了节点中心性，这避免了选择远离群集中心的节点作为CH。
本发明的一种基于AP算法改进的分簇方法NCA-AP，为了解决无线传感器网络中CH分布不均和节点过早死亡的问题，基于改进的AP算法，采用剩余能量，到基站的距离和节点中心性三个影响因子用于CH的选择。此外，仅当 CH的剩余能量低于预设阈值时，才在本地簇中进行及时的重新聚类。当簇中的 CH不再适合作为CH时，发生簇分裂和融合。仿真结果表明，与APSA， LEACH-AP和LEACH相比，NCA-AP具有更高的能源效率，更快的网络收敛以及更长的网络寿命。

Claims (2)

1.一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP，其特征在于：包含系统模型、簇初始化、簇重构和簇维护四个部分，通过将簇头选举转换为AP聚类搜索簇中心，分别考量节点间距离、中心度以及节点剩余能量、节点间距离、中心度来计算节点相似度、吸引力和归属度，从而找到初始最优簇头集以及重构时的最优簇头集；通过定义两个阈值来触发簇内维护和簇分解，避免周期全网成簇导致的高能耗和簇头失效时的网络分割，有效提高网络可靠性和能量效率，延长网络生命周期。
2.一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP，其特征在于：所述的簇初始化是在网络开始时通过考量节点间距离和中心度来选择簇头，通过AP聚类计算节点的相似度、吸引力、归属度，以及加入阻尼系数加快算法收敛，减轻震荡影响，从而找到最优的聚类中心，即找到最优的节点成为簇头；首先计算网络中节点的相似度矩阵S：
Figure FDA0002531967920000011
然后计算网络中节点X＝{x1,x2,x3...,xn}之间的吸引力，原始的r(i,k)、a(i,k)需要计算本节点和网络中其它所有节点之间的数值，这会消耗节点更多的能量且在无线传感器网络中节点有通信距离限制，因此在AP聚类算法的基础上将之优化，消息只是在邻居之间传播，且考虑了节点中心度；NC(Node-Centerality)是节点中心度，节点距离邻居节点的平均最短距离越小，则节点中心度值越高，说明节点在该区域中越重要；其中Ni为节点i的邻居节点数量，Sarea为计算的传感区域的面积，N(i)为节点i的邻居集合，
Figure FDA0002531967920000012
Figure FDA0002531967920000013
接着计算网络中节点X＝{x1,x2,x3...,xn}之间的归属度
Figure FDA0002531967920000021
再考虑阻尼系数λ，将其加到AP聚类算法中，能够有效减少算法迭代次数和运行时间，减轻震荡影响；
Figure FDA0002531967920000022
rnew(i,k)＝ρ*λ*rold(i,k)+(1-λ)*r(i,k) (6)
anew(i,k)＝ρ*λ*aold(i,k)+(1-λ)*a(i,k) (7)
式(6)和(7)中，下标old和new分别表示上一次和本次迭代更新的最终结果，λ(0＜λ＜1)为阻尼系数，λ越大消除震荡的效果越好，但收敛速度也越慢，反之亦然；最后确定初始聚类中心，式(8)中，若i＝k，则节点i自身是簇头；若i≠k，则节点k是节点i的簇头；
k＝argmaxk{a(i,k)+r(i,k)} (8)
所述的簇重构是当离基站最近的簇头剩余能量小于网络所有簇头剩余能量平均值时，重新采用AP聚类来搜索簇中心，找到最优簇头；此时除了考量节点间距离和中心度外，还考量节点的剩余能量，重新计算节点的相似度、吸引力、归属度，找到簇内最优的节点成为簇头；
Figure FDA0002531967920000023
是离BS最近的簇头的剩余能量，h是整个网络中总簇头数；
Figure FDA0002531967920000024
同样首先计算网络中节点的相似度矩阵S，式(13)中Enow节点当前能量，是Einit节点初始能量，di,bs是节点到BS的距离；
Figure FDA0002531967920000031
然后计算网络中X＝{x1,x2,x3...,xn}之间的吸引力r(i,k)，考虑了节点剩余能量，节点中心度和节点间距作为相似度的度量；节点剩余能量越少，中心度值越低则成为簇头的可能性越低；
Figure FDA0002531967920000032
同簇初始化一样，采用公式(5)～(8)选出剩余能量高、节点中心度值高的节点当选簇头；
所述的簇维护是当网络中任意某簇簇头剩余能量低于设定的阈值时，选取该簇内最优的节点成为簇头；且当某簇剩余能量最高节点的值低于设定的另一个阈值时，该簇解散，每个节点加入距其最近的簇头或直接和基站通信；簇重构后网络被化分成h个簇；为了减少周期全网成簇导致的高能量消耗，簇维护只在簇内进行；当任意簇hi中簇头的能量低于如式(12)所示的阈值p时(ni'是簇hi中成员节点数)，则在簇hi中选取T值最大的节点成为簇头，T值计算如式(13)所示：
p＝m*(Ebro+Eelec*ni') (12)
Figure FDA0002531967920000033
q＝(Ebro+Eelec*n') (14)
此外，当某个簇中剩余能量最高节点的值低于如式(14)所示的阈值q时，则将该簇解散，解散后的节点向自己的邻居簇头广播自身的信息(剩余能量和ID)，邻居簇头接收到消息后将检查其簇的大小，若不接受该节点加入，则不回应该节点消息，若允许节点加入则向该节点发送自己的信息；节点接收所有邻居簇头的消息后，比较自己和簇头的距离以及簇头的剩余能量，选择距离最近且剩余能量最多的的簇头加入；若没有簇头回应该节点，则该节点直接将数据发送给基站。
CN202010526034.XA 2020-06-10 2020-06-10 一种基于改进ap聚类的无线传感器网络分簇方法 Active CN111935734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010526034.XA CN111935734B (zh) 2020-06-10 2020-06-10 一种基于改进ap聚类的无线传感器网络分簇方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010526034.XA CN111935734B (zh) 2020-06-10 2020-06-10 一种基于改进ap聚类的无线传感器网络分簇方法

Publications (2)

Publication Number Publication Date
CN111935734A true CN111935734A (zh) 2020-11-13
CN111935734B CN111935734B (zh) 2022-08-26

Family

ID=73317326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010526034.XA Active CN111935734B (zh) 2020-06-10 2020-06-10 一种基于改进ap聚类的无线传感器网络分簇方法

Country Status (1)

Country Link
CN (1) CN111935734B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113242587A (zh) * 2021-01-04 2021-08-10 湖州师范学院 基于六边形质心的簇头选举和动态时隙分配的簇路由方法
CN115334552A (zh) * 2022-10-17 2022-11-11 南京智轩诚网络科技有限公司 一种分布式数据快速传输方法及传输平台

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080253327A1 (en) * 2004-12-22 2008-10-16 Mikko Kohvakka Energy Efficient Wireless Sensor Network, Node Devices for the Same and a Method for Arranging Communications in a Wireless Sensor Network
CN107466082A (zh) * 2017-08-21 2017-12-12 山东大学 WirelessHART网络中基于集群的数据聚合与路由方法及其通信架构
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
US20190222652A1 (en) * 2019-03-28 2019-07-18 Intel Corporation Sensor network configuration mechanisms

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080253327A1 (en) * 2004-12-22 2008-10-16 Mikko Kohvakka Energy Efficient Wireless Sensor Network, Node Devices for the Same and a Method for Arranging Communications in a Wireless Sensor Network
CN107466082A (zh) * 2017-08-21 2017-12-12 山东大学 WirelessHART网络中基于集群的数据聚合与路由方法及其通信架构
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
US20190222652A1 (en) * 2019-03-28 2019-07-18 Intel Corporation Sensor network configuration mechanisms

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JINWANG: "An Affinity Propagation-Based Self-Adaptive Clustering Method for Wireless Sensor Networks", 《MDPI》 *
薛晶晶等: "基于自适应惯性权重的混沌粒子群优化无线传感器网络成簇算法", 《计算机系统应用》 *
袁爱平等: "一种基于LEACH的改进无线传感器网络路由协议", 《计算机与数字工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113242587A (zh) * 2021-01-04 2021-08-10 湖州师范学院 基于六边形质心的簇头选举和动态时隙分配的簇路由方法
CN115334552A (zh) * 2022-10-17 2022-11-11 南京智轩诚网络科技有限公司 一种分布式数据快速传输方法及传输平台
CN115334552B (zh) * 2022-10-17 2022-12-20 南京智轩诚网络科技有限公司 一种分布式数据快速传输方法及传输平台

Also Published As

Publication number Publication date
CN111935734B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
Bouyer et al. A new approach for decreasing energy in wireless sensor networks with hybrid LEACH protocol and fuzzy C-means algorithm
Ma et al. ESCVAD: An energy-saving routing protocol based on Voronoi adaptive clustering for wireless sensor networks
CN108966239B (zh) 一种基于能量空洞度部署中继节点的方法
CN111935734B (zh) 一种基于改进ap聚类的无线传感器网络分簇方法
CN110121200B (zh) 一种异质传感网中能量高效的组网方法
Qu et al. An energy-efficient dynamic clustering protocol for event monitoring in large-scale WSN
AZEEZ Ancaee: A novel clustering algorithm for energy efficiency in wireless sensor networks
Xunli et al. Shuffled frog leaping algorithm based unequal clustering strategy for wireless sensor networks
Singh et al. An energy efficient approach for clustering in WSN using fuzzy logic
Liu et al. Distributed spatial correlation-based clustering for approximate data collection in WSNs
Tao et al. An unequal clustering algorithm for wireless sensor networks based on interval type-2 TSK fuzzy logic theory
Micheletti et al. CER-CH: combining election and routing amongst cluster heads in heterogeneous WSNs
Zhao et al. Energy efficient and cluster based routing protocol for WSN
CN112822747A (zh) 一种无线传感网中基于遗传算法和蚁群算法的路由选择策略
CN115866735A (zh) 一种基于超模博弈水下传感网络跨层拓扑控制方法
Nguyen et al. Prolonging of the network lifetime of WSN using fuzzy clustering topology
Adnan et al. Type-2 fuzzy logic based energy-efficient cluster head election for multi-hop wireless sensor networks
CN112203298A (zh) 一种面向环形无线传感器网络的分簇拓扑控制方法
Azzouz et al. Energy-aware cluster head selection protocol with balanced fuzzy C-mean clustering in WSN
Taheri et al. Energy efficient clustering algorithm for wireless sensor networks using fuzzy logic
CN115134887A (zh) 一种基于博弈理论的占空比无线传感器网络拓扑控制方法
Alla et al. Balanced and centralized distributed energy efficient clustering for heterogeneous wireless sensor networks
Sharma et al. Zone-based energy efficient routing protocols for wireless sensor networks
CN114286417A (zh) 一种基于leach协议的分簇优化及多跳传输方法
Sundaran et al. Energy efficient wireless sensor networks using dual cluster head with sleep/active mechanism

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