CN112055394B - 快速包含排除的无线传感器网络分簇路由方法及系统 - Google Patents

快速包含排除的无线传感器网络分簇路由方法及系统 Download PDF

Info

Publication number
CN112055394B
CN112055394B CN201910490462.9A CN201910490462A CN112055394B CN 112055394 B CN112055394 B CN 112055394B CN 201910490462 A CN201910490462 A CN 201910490462A CN 112055394 B CN112055394 B CN 112055394B
Authority
CN
China
Prior art keywords
node
cluster head
cluster
head node
routing
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
CN201910490462.9A
Other languages
English (en)
Other versions
CN112055394A (zh
Inventor
郝志峰
叶维彰
何敏藩
王金扬
刘翔宇
王晶
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 CN201910490462.9A priority Critical patent/CN112055394B/zh
Publication of CN112055394A publication Critical patent/CN112055394A/zh
Application granted granted Critical
Publication of CN112055394B publication Critical patent/CN112055394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04W40/12—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
    • 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

本发明公开了快速包含排除的无线传感器网络分簇路由方法及系统，提供一种快速包含排除的无线传感器网络分簇路由方法及系统，通过实时监测簇区内是否发生节点的新增事件或删除事件，进而重新进行簇头选举，并通过计算选举得到的簇头节点到汇聚节点的路由链路的可靠性进而判断是否簇头选举成功，使得最终得到的簇头节点在区域内是可靠性最佳的，能够快速动态的移除节点或者添加新的节点到传感器网络中，保持了LEACH算法或HEED算法等层次型拓扑分簇算法的网络的高寿命，电池耗损基本与HEED算法相同，网络通信的可靠性也得到了保障，网络传输丢包率低于普通的HEED算法。

Description

快速包含排除的无线传感器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领域，特别是涉及快速包含排除的无线传感器网络分簇路由方法及系统。
背景技术
无线传感器网络密集部署在环境条件不好的地方，电池充电或更换几乎是不可能的并且传输信息也会消耗大量的能量，因此延长网络寿命，尽量减少能耗就是非常有必要的。分簇结构的无线传感器网络系统一般是由多个无线传感器网络节点构成，在初始化阶段或在运行过程中将各个无线传感器网络节点按照地理位置、通信代价等因素划分为多个簇区，例如LEACH(低功耗自适应分簇)、HEED混合的能量高效的分布式分簇)、GAF(基于虚拟单元格分簇)、ACE(簇建立算法)、DWEHC(分布式基于权重的能量高效的分级分簇算法)等层次型拓扑分簇算法，在满足网络覆盖度和连通性的前提下，通过划分簇区并在簇区在选举通信簇头节点，删除节点之间不必要的无线通信链路，生成一个高效节能的数据转发的网络拓扑通信结构。而很多时候，会随机的补充新的节点到簇区中，或者随机的从簇区中删除或移除节点，导致了无线传感器网络不稳定的结构，因此需要解决在无线传感器网中依据用户需求对不同类型传感器簇头节点及其与汇聚节点通信链路如何资源进行分配、快速的包含、排除从而动态的优化无线传感器网络的网络资源，这也是网络资源优化的难点问题。
在分簇结构的无线传感器网络中，时常会由于簇区中的簇头节点的损坏或耗尽能源进行簇头的重新选举，但是重新选举的簇头由于随机性太强，所以可能会导致分簇区内的传输的正确性降低和时间复杂性增加，严重会导致整体的无线传感器网络系统的性能下降，然而，现有的路由分簇方法缺乏考虑针对无线传感器网络的网络可靠性的评估，难以实现分簇的传感器节点及其簇头在动态变化时通信链路的通信质量和可靠性。
发明内容
本公开的目的是针对现有技术的不足，提供一种快速包含排除的无线传感器网络分簇路由方法及系统，通过实时监测簇区内是否发生节点的新增事件或删除事件，进而重新进行簇头选举，并通过计算选举得到的簇头节点到汇聚节点的路由链路的可靠性进而判断是否簇头选举成功，使得最终得到的簇头节点在区域内是可靠性最佳的，即保证了通信质量也不会影响原本的分簇算法的节能效果。
为了实现上述目的，本公开提出一种快速包含排除的无线传感器网络分簇路由方法，具体包括以下步骤：
步骤1，通过分簇算法将传感器网络分为多个簇区；
步骤2，监测各个簇区内是否发生节点的新增事件或删除事件，如果发生则发生变更的簇区作为变更簇区转到步骤3；
步骤3，在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点；
步骤4，通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路；
步骤5，计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性；
步骤6，如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到步骤3，否则转到步骤7；
步骤7，如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则将选定的簇头节点到汇聚节点的路由链路重设路由表。
进一步地，在步骤1中，通过分簇算法将传感器网络分为多个簇区的方法为：将无线传感器网络以LEACH算法或HEED算法等层次型拓扑分簇算法进行分簇，将无线传感器网络划分为一个或多个分簇的簇区，每个簇区包括至少一个簇头节点、至少一个汇聚节点和至少一个无线传感器网络节点，无线传感器网络节点采集的数据通过各个簇头节点形成的通信链路传输到汇聚节点中，所述传感器网络包括多个无线传感器网络节点(以下简称节点)，节点随机的分布在监测区域中，多个簇区可以分层次，在簇区中选举出簇头节点进行通信传输可以降低各个节点耗电速度。
进一步地，在步骤2中，监测各个簇区内是否发生节点的新增事件或删除事件的方法为：实时的监测各个分簇的簇区内是否有新加入节点的新增事件；监测节点电量耗尽、人工移除或损坏导致的删除事件，可以实时的对节点进行监测。
进一步地，在步骤3中，在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点的方法为：选举变更簇区内的簇头节点的方法基于LEACH算法的方法或者直接用LEACH算法，由于LEACH算法中簇头节点的选择由分簇的簇区的网络覆盖范围的大小以及所有节点已经成为过簇头节点的次数决定，随机产生一个(0,1)范围内的随机数Radom，根据公式
Figure BDA0002086829160000021
设定门限值T(n),若随机数Radom小于设定的门限值T(n),则选取节点的剩余能量Ei最多的P个节点作为簇头节点，即选定的簇头节点，其中，P为期望的簇头节点个数，r为当前节点回合数量，保持了LEACH算法或HEED算法等层次型拓扑分簇算法的网络的高寿命，电池耗损基本与HEED算法相同。
进一步地，在步骤4中，通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路的方法以下子步骤，
步骤4.1，传感器网络中每个簇区的簇头节点读取设定高度值(TORA路由协议的路由高度)；
步骤4.2，每一个收到UDP分组的簇头节点都将簇头节点本身的高度值与收到UDP分组的选定的簇头节点的高度值进行对比，如果收到UDP分组的选定的簇头节点的高度值大于簇头节点本身的高度值，则将收到的UDP分组中的高度值更新为簇头节点本身的高度值，然后再向原来给簇头节点本身发送QRY分组的发送的簇头节点返回发送修改后的UDP分组，一直循环直到汇聚节点收到了UDP分组为止；其中，QRY分组为作为目标的簇头节点向作为源的簇头节点的查询请求分组，作为源的簇头节点接收到QRY分组向作为目标的簇头节点发送UDP分组，UDP分组包括高度值、簇头节点分区、簇头节点编号等数据；
步骤4.3，路由链路的建立过程完成；
所述高度值的获取方法为，如果是由某个簇头节点的转发回复，高度值就取这个作为源的簇头节点本身相对于作为目标的簇头节点高度值。
链路中相邻节点高度值中高的簇头节点用一条边指向高度值低的簇头节点，所有相邻的簇头节点之间构建指向边依次作为目标的簇头节点，所有的边形成了一个从簇头节点到汇聚节点的一个有向无环路图(DAG：Directed Acyclic Graph)的路由链路；通过路由高度的链路生成方法，可以快速的生成一个通信代价比较低的通信的链路。
进一步地，在步骤5中，计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性的方法包括以下子步骤：
令簇头节点到汇聚节点的路由链路为图结构G＝(V,E,D)，其中，V为簇头节点到汇聚节点的路由链路中的节点集、E为簇头节点到汇聚节点的路由链路之间路由连接的弧(或称边)集、D为路由链路的弧(边)状态分配，例如，V＝{1,2,…,4}，E＝{a1,a2,…,a5}，n＝|V|＝4，|E|＝5，节点集V中的节点1和节点n分别表示路由链路的簇头节点和汇聚节点，其中|V|是节点集中节点数和|E|是弧集中的弧数量。
输入:所有的MPs或所有的d-MPs依次输入到xi，MPs为图的最短路径或最小路径，d-MP:最小路径的流量，p1,p2,…,pπ为MPs或d-MPs中的元素。
输出:网络可靠性Rd.
步骤0，令
Figure BDA0002086829160000041
ei∈E；δ1＝1,δi＝-δi-1；i＝2,3,…,π；Rd＝I(i)＝i＝0；
步骤1，如果I(i)<π,令i＝i+1,I(i)＝I(i-1)+1并转到步骤2；否则转到步骤3；
步骤2，令Ai＝pI(i)∩Ai-1,Rd＝Rd+δi·Pr(Ai),转到步骤1；
步骤3，如果i＝1，结束；否则，令i＝i–1，I(i)＝I(i)+1，并转到步骤2；
以上步骤中的注释如下：
i是DFS树(深度优先搜索树)中结点个数的层级；
Ai是当前第i个层级交集项的结果；例如，A3＝{p2∩p3}Pr({p3})-Pr({p1∩p3})-Pr({p2∩p3})-Pr({p1∩p2∩p3})，按照从第一个生成的项到最后一个生成的项的顺序列出。
I(i)是在当前的第i层级添加到Ai中d-MP的索引。
δi＝1或δi＝-1分别表示将Pr(Ai)添加到当前Rd或从当前Rd中减去Pr(Ai)。
所述DFS树(深度优先搜索树)由深度优先搜索图G＝(V,E,D)中的MPs或d-MPs生成。
如果在上述算法中使用MCs或(d-1)-MCs来计算网络可靠性，在步骤0中，Pr*(xi)必须从
Figure BDA0002086829160000042
更改为
Figure BDA0002086829160000043
并且最终得到可靠性为1-Rd。Dmax(ek)为Dmax中第k个坐标，例如，如果Dmax＝(3，2，1，1，1，2)，则Dmax(e2)＝Dmax(e3)＝1；Dmax为向量，它是表示D中ei的状态最大值的第i个坐标；
在上述算法中使用了两个重要的指标：i和I(i)。前者表示DFS树的当前级别，后者是一个数组记录，其中d-MP被添加到当前DFS树级别(层)的交叉点中，d-MP是DFS树中第(i-1)级父节点中d-MP的相邻节点。所有d-MP都将根据其顺序标签添加到交叉点，整个过程首先从上到下进行处理。
注意，如果相应的δi分别为1或-1，则必须计算在DFS树中每个节点中获得的交点的可靠性，并将其加到当前Rd或从当前Rd中减去。
在提供上述步骤正确性的证明之前，下面描述一些步骤中的引用的性质和结果。
性质1.在步骤2中，令q为簇头节点的数量，dq为簇头节点的k分配的最小链路通信的需求，k＝1,2,…,q,dk＝d，如果q＝1，并且给定的需求向量D＝(d1,d2,…,dq)。
独立于无线传感网，在计算网络可靠性的过程中，令q为簇头节点的数量，dq为簇头节点的k分配的最小需求为k＝1,2,…,q,dk＝d，如果q＝1，并且给定的数据链路的通信向量D＝(d1,d2,…,dq)，向量D元素为通信路径代价和通信方向。无线传感网的网络可靠性Rd被定义为从簇头节点向汇聚节点发送至少d个流单元的成功概率，其中d是正整数，网络可靠性Rd可以用以下三种方式表示：
1.Rd＝Pr({X|对于所有状态向量X与d≤F(X)})＝Pr({X|p≤X对于所有向量p与F(p)＝d和F(p*)<d其中，p*<p})； (1)
2.Rd＝1-Pr({X|对于所有状态向量X与F(X)≤(d-1)})＝1-Pr({X|X≤c对于所有向量c与F(c)＝(d-1)和F(c*)>(d-1)其中，c<c*})；(2)
3.Rd＝Pr({X|对所有状态向量
Figure BDA0002086829160000051
有dk≤Fk(G(Xk))，k＝1,2,…,q})；(3)
在式中，p和c为D中的向量，Xk是网络中簇头节点的k的所有弧的通信容量(即状态向量)的向量；G(Xk)等于G＝(V,E,D)，除了G(Xk)的第i个弧的状态是固定的并且等于Xk的状态，Fk是G(Xk)中簇头节点的的最大流量k和X是该网络中所有弧的状态向量。
首先，在评估网络可靠性之前分配每种簇头节点的需求。然后找到簇头节点在所有弧之间分配需求的所有可能方式，即X；一旦完成这个簇头节点的链路的弧确定性分配，就可以评估弧是否能够提供所需需求的概率，而这个概率就是网络可靠性。
进一步地，等式(1)、等式(2)、等式(3)中的无线传感网络中的q＝1，也就是说，只有一个簇头节点的，并且没有必要在多个簇头节点的之间划分单个弧的容量。每个X都在满足所需条件的情况下表示，例如，至少D个单位的流能够从节点1传输到节点n。因此，每个X是弧的状态向量的实现，使得它们足够大以传递单个簇头节点的通信需求d。在等式(1)、等式(2)、等式(3)中找到所有此类x的方法称为状态空间算法。然而，很明显，X的数目在m的数目中是指数的，即，即使在中等规模的无线传感网络中，也不可能在等式(1)、等式(2)、等式(3)中找到每个x。因此，等式(1)、等式(2)、等式(3)被写成下面的新式子：
R＝Pr({X|对于所有的X都有P≤X,存在Fk(G(P))＝dk并且所有元素都已满足G(P)，k＝1,2,…,q})(4)
其中X＝(x1,x2,…,xm)≤Y＝(y1,y2,…,ym)如果xi≤yi所有i＝1,2,…,m和X＝(x1,x2,…,xm)<Y＝(y1,y2,…,ym)，如果xi<yi，则所有i＝1,2,…,m。P为向量最小路径(MP，一个弧集)，一个d-MP(状态向量)，X和Y为小于或等于Dmax的状态向量。
要有效地搜索整个P是所有基于路径的算法的目标。在使用任何基于路径的算法之后，假设p1,p2,…,pπ分别是无线传感器网络中的MP，d-MP和D-MP。得到pi不小于或等于pj，i,j＝1,2,…,π。
Pr(pi)＝Pr({X|对于所有的X都有
Figure BDA0002086829160000061
证明：具有最大标签的d-MP是最后添加的，即pk是添加到(p1∩p2∩…∩pk-1)中的最后一个d-MP。由于pk是DFS树中的第一级的第k个节点中的项，因此(p1∩p2∩…∩pk-1)不在DFS的任何节点中，以相同的方式，可以得出结论，在步骤2中p1不在DFS树的任何节点中，这是不可能的。因此，所有的(p1∩p2∩…∩pk)必须包含在第2步中。
性质2.等式(5)适用于上述方法的步骤；
证明：上述方法的步骤中DFS树中的所有节点仅包括d-MPs的交叉点，没有任何其他非d-MP的向量。因此，这个性质为真。
下一个属性说明：在上述方法的步骤中没有找到具有不同顺序标签的重复项，例如(p1∩p2∩p3∩p4)和(p1∩p3∩p2∩p4)。
属性3.在上述步骤中，每个交叉点不会被计算多次。
证明：每个交叉口中的所有d-MPs都按其标签的顺序从最小到最大添加，例如，不可能有(p1∩p3∩p2∩p4)。因此，此属性为真。
定理1：在上述步骤中根据d-MPs和
Figure BDA0002086829160000063
计算网络可靠性Rd，并根据(d-1)-MCs计算时间复杂性
Figure BDA0002086829160000064
和O(|E|·|Pd|)所需内存和O(|E|·|Cd-1|)所需内存。
由于无线传感器网络的不可移动和补充能量的性质，其簇头由于需要长时间的传输数据，所以寿命一般比较短暂，以上方法可以快速智能的的获得无线传感器网络通信的簇头节点可靠性。
符号定义：|S|表示集合S的势，即集合S包含元素的总数。
∩表示逻辑“交集”；∪表示逻辑“并集”。
∈表示逻辑“属于”。
Figure BDA0002086829160000062
表示逻辑“不属于”。
P(·)表示事件·的概率；
d为流量的大小；
MC为最小割，即图或网络链路中所有的割中，边权值和最小的割为最小割；
MCs为最小割的集合；
d-MC:最小割的流量。
d-MCs:最小割的集合；
MP:最小路径；
MPs:最小路径的集合；
d-MP:最小路径的流量；
d-MPs:最小路径的流量的集合；
|X|为X中的元素数量；
V为节点集V＝{1，2，…，n}；
E为弧集E＝{e1，e2，…，e}；
D为弧状态分配，包括所有状态级别及其每个弧的概率；
n，m为节点和弧的数量，|V|＝n，|E|＝m；
i为从0到无穷大的正整数；
ei为第i条弧；
Dmax为向量，它是表示D中ei的状态最大值的第i个坐标；
∪Pr(P)为累积概率；
Rd为DFS树d级的可靠性
Pr(Si)是Si的概率；
X为状态向量，X＝(X1，X2，...，Xm)；小于或等于Dmax；
X(ek)为X中的ek的状态，X(ek)＝Xk；
F(X)为G(V，E，X)中的从节点1到节点n的最大流量；
dmax为d的最大值，如果没有特别说明，dmax表示为F(Dmax)＝dmax，也就是说，dmax是G(V，E，dmax).中从节点1到节点n的最大流量；
X≤Y表示对于所有的ek，存在关系为X(ek)≤Y(ek)，例如，(1，2，3，4，5，6)≤(1，2，4，5，6，7)；
X<Y表示至少一个ek，存在关系为X≤Y和X(ek)<Y(ek)，例如，(1，2，3，4，5，6)<(1，2，4，5，6)；
π和χ分别表示节点1到n所有的d-MPs和(d-1)-MCs；
pi表示第i个d-MP；
Pd表示所有的d-MP；
ci表示第i个(d-1)-MC；
Cd表示所有的d-MC。
进一步地，在步骤6中，如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到步骤3，否则转到步骤7，所述选定的簇头节点不能再次作为簇头节点，防止陷入死循环中，所述相邻簇区网络可靠性的平均值由步骤5中的方法计算出与当前分簇区域直接相邻的分簇区域的网络可靠性，并且求出各个直接相邻的分簇区域的网络可靠性的算术平均值，即相邻簇区网络可靠性的平均值。
进一步地，在步骤7中，如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则根据步骤4中生成的选定的簇头节点到汇聚节点的路由链路重设路由拓扑，即将选定的簇头节点到汇聚节点的路由链路用于更新路由表，依据该方法筛选了簇头，降低了传感器网络的传输的丢包率，通信的效率与可靠性得到了保障。
本发明还提供了一种快速包含排除的无线传感器网络分簇路由系统，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：
簇区划分单元，用于通过分簇算法将传感器网络分为多个簇区；
事件监测单元，用于监测各个簇区内是否发生节点的新增事件或删除事件，如果发生则发生变更的簇区作为变更簇区转到簇头选举单元；
簇头选举单元，用于在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点；
链路生成单元，用于通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路；
可靠性计算单元，用于计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性；
簇头放弃单元，用于如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到簇头选举单元，否则转到路由重设单元；
路由重设单元，用于如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则将选定的簇头节点到汇聚节点的路由链路重设路由表。
本公开的有益效果为：本公开提供了一种快速包含排除的无线传感器网络分簇路由方法及系统，依据无线传感器网络节点位置所在的分簇的簇区中簇头节点生成的通信链路，在保持无线传感器网通信质量稳定的前提条件下，能够快速动态的移除节点或者添加新的节点到传感器网络中，使得静态的无线传感器网络具备了自组网的功能，而且对于无线传感器网络寿命影响不大，保持了LEACH算法或HEED算法等层次型拓扑分簇算法的网络的高寿命，电池耗损基本与HEED算法相同，网络通信的可靠性也得到了保障，网络传输丢包率低于普通的HEED算法。
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，本公开的上述以及其他特征将更加明显，本公开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公开的一些实施例，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所示为快速包含排除的无线传感器网络分簇路由方法流程图；
图2所示为无线传感器网络的初始化节点分布图；
图3所示为本公开方法在第100轮分簇的分簇图；
图4所示为本公开方法与LEACH算法剩余电量对比图；
图5所示为快速包含排除的无线传感器网络分簇路由装置图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、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所示为无线传感器网的拓扑结构及其中传感器节点的分类示意图，下面结合图1来阐述根据本公开的实施方式的快速包含排除的无线传感器网络分簇路由方法。
传感器节点和汇聚节点是无线传感器网的主要组成部分。
步骤1，通过分簇算法将传感器网络分为多个簇区；
步骤2，监测各个簇区内是否发生节点的新增事件或删除事件，如果发生则发生变更的簇区作为变更簇区转到步骤3；
步骤3，在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点；
步骤4，通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路；
步骤5，计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性；
步骤6，如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到步骤3，否则转到步骤7(即通过上述步骤重新选举簇头节点)；
步骤7，如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则将选定的簇头节点到汇聚节点的路由链路重设路由表。
进一步地，在步骤1中，通过分簇算法将传感器网络分为多个簇区的方法为：将无线传感器网络以LEACH算法或HEED算法等层次型拓扑分簇算法进行分簇，将无线传感器网络划分为一个或多个分簇的簇区，每个簇区包括至少一个簇头节点、至少一个汇聚节点和至少一个无线传感器网络节点，无线传感器网络节点采集的数据通过各个簇头节点形成的通信链路传输到汇聚节点中，所述传感器网络包括多个无线传感器网络节点(以下简称节点)，节点随机的分布在监测区域中，多个簇区可以分层次，在簇区中选举出簇头节点进行通信传输可以降低各个节点耗电速度。
进一步地，在步骤2中，监测各个簇区内是否发生节点的新增事件或删除事件的方法为：实时的监测各个分簇的簇区内是否有新加入节点的新增事件；监测节点电量耗尽、人工移除或损坏导致的删除事件，可以实时的对节点进行监测。
进一步地，在步骤3中，在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点的方法为：选举变更簇区内的簇头节点的方法基于LEACH算法的方法或者直接用LEACH算法，由于LEACH算法中簇头节点的选择由分簇的簇区的网络覆盖范围的大小以及所有节点已经成为过簇头节点的次数决定，随机产生一个(0,1)范围内的随机数Radom，根据公式
Figure BDA0002086829160000101
设定门限值T(n),若随机数Radom小于设定的门限值T(n),则选取节点的剩余能量Ei最多的P个节点作为簇头节点，即选定的簇头节点，其中，P为期望的簇头节点个数，r为当前节点回合数量，保持了LEACH算法或HEED算法等层次型拓扑分簇算法的网络的高寿命，电池耗损基本与HEED算法相同。
进一步地，在步骤4中，通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路的方法以下子步骤，
步骤4.1，传感器网络中每个簇区的簇头节点读取设定高度值(TORA路由协议的路由高度)；
步骤4.2，每一个收到UDP分组的簇头节点都将簇头节点本身的高度值与收到UDP分组的选定的簇头节点的高度值进行对比，如果收到UDP分组的选定的簇头节点的高度值大于簇头节点本身的高度值，则将收到的UDP分组中的高度值更新为簇头节点本身的高度值，然后再向原来给簇头节点本身发送QRY分组的发送的簇头节点返回发送修改后的UDP分组，一直循环直到汇聚节点收到了UDP分组为止；其中，QRY分组为作为目标的簇头节点向作为源的簇头节点的查询请求分组，作为源的簇头节点接收到QRY分组向作为目标的簇头节点发送UDP分组，UDP分组包括高度值、簇头节点分区、簇头节点编号等数据；
步骤4.3，路由链路的建立过程完成；
所述高度值的获取方法为，如果是由某个簇头节点的转发回复，高度值就取这个作为源的簇头节点本身相对于作为目标的簇头节点高度值。
链路中相邻节点高度值中高的簇头节点用一条边指向高度值低的簇头节点，所有相邻的簇头节点之间构建指向边依次作为目标的簇头节点，所有的边形成了一个从簇头节点到汇聚节点的一个有向无环路图(DAG：Directed Acyclic Graph)的路由链路；通过路由高度的链路生成方法，可以快速的生成一个通信代价比较低的通信的链路。
进一步地，在步骤5中，计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性的方法包括以下子步骤：
令簇头节点到汇聚节点的路由链路为图结构G＝(V,E,D)，其中，V为簇头节点到汇聚节点的路由链路中的节点集、E为簇头节点到汇聚节点的路由链路之间路由连接的弧(或称边)集、D为路由链路的弧(边)状态分配，例如，V＝{1,2,…,4}，E＝{a1,a2,…,a5}，n＝|V|＝4，|E|＝5，节点集V中的节点1和节点n分别表示路由链路的簇头节点和汇聚节点，其中|V|是节点集中节点数和|E|是弧集中的弧数量。
输入:所有的MPs或所有的d-MPs依次输入到xi，MPs为图的最短路径或最小路径，d-MP:最小路径的流量，p1,p2,…,pπ为MPs或d-MPs中的元素。
输出:网络可靠性Rd.
步骤0，令
Figure BDA0002086829160000111
ei∈E；δ1＝1,δi＝-δi-1；i＝2,3,…,π；Rd＝I(i)＝i＝0；
步骤1，如果I(i)<π,令i＝i+1,I(i)＝I(i-1)+1并转到步骤2；否则转到步骤3；
步骤2，令Ai＝pI(i)∩Ai-1,Rd＝Rd+δi·Pr(Ai),转到步骤1；
步骤3，如果i＝1，结束；否则，令i＝i–1，I(i)＝I(i)+1，并转到步骤2；
以上步骤中的注释如下：
i是DFS树(深度优先搜索树)中结点个数的层级；
Ai是当前第i个层级交集项的结果；例如，A3＝{p2∩p3}Pr({p3})-Pr({p1∩p3})-Pr({p2∩p3})-Pr({p1∩p2∩p3})，按照从第一个生成的项到最后一个生成的项的顺序列出。
I(i)是在当前的第i层级添加到Ai中d-MP的索引。
δi＝1或δi＝-1分别表示将Pr(Ai)添加到当前Rd或从当前Rd中减去Pr(Ai)。
所述DFS树(深度优先搜索树)由深度优先搜索图G＝(V,E,D)中的MPs或d-MPs生成。
如果在上述算法中使用MCs或(d-1)-MCs来计算网络可靠性，在步骤0中，Pr*(xi)必须从
Figure BDA0002086829160000121
更改为
Figure BDA0002086829160000122
并且最终得到可靠性为1-Rd。Dmax(ek)为Dmax中第k个坐标，例如，如果Dmax＝(3，2，1，1，1，2)，则Dmax(e2)＝Dmax(e3)＝1；Dmax为向量，它是表示D中ei的状态最大值的第i个坐标；
在上述算法中使用了两个重要的指标：i和I(i)。前者表示DFS树的当前级别，后者是一个数组记录，其中d-MP被添加到当前DFS树级别(层)的交叉点中，d-MP是DFS树中第(i-1)级父节点中d-MP的相邻节点。所有d-MP都将根据其顺序标签添加到交叉点，整个过程首先从上到下进行处理。
注意，如果相应的δi分别为1或-1，则必须计算在DFS树中每个节点中获得的交点的可靠性，并将其加到当前Rd或从当前Rd中减去。
在提供上述步骤正确性的证明之前，下面描述一些步骤中的引用的性质和结果。
性质1.在步骤2中，令q为簇头节点的数量，dq为簇头节点的k分配的最小链路通信的需求，k＝1,2,…,q,dk＝d，如果q＝1，并且给定的需求向量D＝(d1,d2,…,dq)。
独立于无线传感网，在计算网络可靠性的过程中，令q为簇头节点的数量，dq为簇头节点的k分配的最小需求为k＝1,2,…,q,dk＝d，如果q＝1，并且给定的数据链路的通信向量D＝(d1,d2,…,dq)，向量D元素为通信路径代价和通信方向。无线传感网的网络可靠性Rd被定义为从簇头节点向汇聚节点发送至少d个流单元的成功概率，其中d是正整数，网络可靠性Rd可以用以下三种方式表示：
1.Rd＝Pr({X|对于所有状态向量X与d≤F(X)})＝Pr({X|p≤X对于所有向量p与F(p)＝d和F(p*)<d其中，p*<p})； (1)
2.Rd＝1-Pr({X|对于所有状态向量X与F(X)≤(d-1)})＝1-Pr({X|X≤c对于所有向量c与F(c)＝(d-1)和F(c*)>(d-1)其中，c<c*})； (2)
3.Rd＝Pr({X|对所有状态向量
Figure BDA0002086829160000123
有dk≤Fk(G(Xk))，k＝1,2,…,q})；(3)
在式中，p和c为D中的向量，Xk是网络中簇头节点的k的所有弧的通信容量(即状态向量)的向量；G(Xk)等于G＝(V,E,D)，除了G(Xk)的第i个弧的状态是固定的并且等于Xk的状态，Fk是G(Xk)中簇头节点的的最大流量k和X是该网络中所有弧的状态向量。
首先，在评估网络可靠性之前分配每种簇头节点的需求。然后找到簇头节点在所有弧之间分配需求的所有可能方式，即X。一旦完成这个簇头节点的链路的弧确定性分配，就可以评估弧是否能够提供所需需求的概率，而这个概率就是网络可靠性。
进一步地，等式(1)、等式(2)、等式(3)中的无线传感网络中的q＝1，也就是说，只有一个簇头节点的，并且没有必要在多个簇头节点的之间划分单个弧的容量。每个X都在满足所需条件的情况下表示，例如，至少D个单位的流能够从节点1传输到节点n。因此，每个X是弧的状态向量的实现，使得它们足够大以传递单个簇头节点的通信需求d。在等式(1)、等式(2)、等式(3)中找到所有此类x的方法称为状态空间算法。然而，很明显，X的数目在m的数目中是指数的，即，即使在中等规模的无线传感网络中，也不可能在等式(1)、等式(2)、等式(3)中找到每个x。因此，等式(1)、等式(2)、等式(3)被写成下面的新式子：
R＝Pr({X|对于所有的X都有P≤X,存在Fk(G(P))＝dk并且所有元素都已满足G(P)，k＝1,2,…,q}) (4)
其中X＝(x1,x2,…,xm)≤Y＝(y1,y2,…,ym)如果xi≤yi所有i＝1,2,…,m和X＝(x1,x2,…,xm)<Y＝(y1,y2,…,ym)，如果xi<yi，则所有i＝1,2,…,m。P为向量最小路径(MP，一个弧集)，一个d-MP(状态向量)，X和Y为小于或等于Dmax的状态向量。
要有效地搜索整个P是所有基于路径的算法的目标。在使用任何基于路径的算法之后，假设p1,p2,…,pπ分别是无线传感器网络中的MP，d-MP和D-MP。得到pi不小于或等于pj，i,j＝1,2,…,π。
Pr(pi)＝Pr({X|对于所有的X都有
Figure BDA0002086829160000131
证明：具有最大标签的d-MP是最后添加的，即pk是添加到(p1∩p2∩…∩pk-1)中的最后一个d-MP。由于pk是DFS树中的第一级的第k个节点中的项，因此(p1∩p2∩…∩pk-1)不在DFS的任何节点中，以相同的方式，可以得出结论，在步骤2中p1不在DFS树的任何节点中，这是不可能的。因此，所有的(p1∩p2∩…∩pk)必须包含在第2步中。
性质2.等式(5)适用于上述方法的步骤；
证明：上述方法的步骤中DFS树中的所有节点仅包括d-MPs的交叉点，没有任何其他非d-MP的向量。因此，这个性质为真。
下一个属性说明：在上述方法的步骤中没有找到具有不同顺序标签的重复项，例如(p1∩p2∩p3∩p4)和(p1∩p3∩p2∩p4)。
属性3.在上述步骤中，每个交叉点不会被计算多次。
证明：每个交叉口中的所有d-MPs都按其标签的顺序从最小到最大添加，例如，不可能有(p1∩p3∩p2∩p4)。因此，此属性为真。
定理1：在上述步骤中根据d-MPs和
Figure BDA0002086829160000142
计算网络可靠性Rd，并根据(d-1)-MCs计算时间复杂性
Figure BDA0002086829160000143
和O(|E|·|Pd|)所需内存和O(|E|·|Cd-1|)所需内存。
符号定义：|S|表示集合S的势，即集合S包含元素的总数。
∩表示逻辑“交集”；∪表示逻辑“并集”。
∈表示逻辑“属于”。
Figure BDA0002086829160000141
表示逻辑“不属于”。
P(·)表示事件·的概率；
d为流量的大小；
MC为最小割，即图或网络链路中所有的割中，边权值和最小的割为最小割；
MCs为最小割的集合；
d-MC:最小割的流量。
d-MCs:最小割的集合；
MP:最小路径；
MPs:最小路径的集合；
d-MP:最小路径的流量；
d-MPs:最小路径的流量的集合；
|X|为X中的元素数量；
V为节点集V＝{1，2，…，n}；
E为弧集E＝{e1，e2，…，e}；
D为弧状态分配，包括所有状态级别及其每个弧的概率；
n，m为节点和弧的数量，|V|＝n，|E|＝m；
i为从0到无穷大的正整数；
ei为第i条弧；
Dmax为向量，它是表示D中ei的状态最大值的第i个坐标；
∪Pr(P)为累积概率；
Rd为DFS树d级的可靠性
Pr(Si)是Si的概率；
X为状态向量，X＝(X1，X2，...，Xm)；小于或等于Dmax；
X(ek)为X中的ek的状态，X(ek)＝Xk；
F(X)为G(V，E，X)中的从节点1到节点n的最大流量；
dmax为d的最大值，如果没有特别说明，dmax表示为F(Dmax)＝dmax，也就是说，dmax是G(V，E，dmax).中从节点1到节点n的最大流量；
X≤Y表示对于所有的ek，存在关系为X(ek)≤Y(ek)，例如，(1，2，3，4，5，6)≤(1，2，4，5，6，7)；
X<Y表示至少一个ek，存在关系为X≤Y和X(ek)<Y(ek)，例如，(1，2，3，4，5，6)<(1，2，4，5，6)；
π和χ分别表示节点1到n所有的d-MPs和(d-1)-MCs；
pi表示第i个d-MP；
Pd表示所有的d-MP；
ci表示第i个(d-1)-MC；
Cd表示所有的d-MC。
进一步地，在步骤6中，如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到步骤3，否则转到步骤7，所述选定的簇头节点不能再次作为簇头节点，防止陷入死循环中，所述相邻簇区网络可靠性的平均值由步骤5中的方法计算出与当前分簇区域直接相邻的分簇区域的网络可靠性，并且求出各个直接相邻的分簇区域的网络可靠性的算术平均值，即相邻簇区网络可靠性的平均值。
进一步地，在步骤7中，如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则根据步骤4中生成的选定的簇头节点到汇聚节点的路由链路重设路由拓扑，即将选定的簇头节点到汇聚节点的路由链路用于更新路由表。
本公开的一种实施例，在OMNeT++(Objective Modular Network Testbed in C++)软件环境下进行仿真实验，如图2所示，图2为无线传感器网络的初始化节点分布图，无线传感器网络部署在正方形区域表示的一个100m*100m的监测子区域中。包括随机布置在监测区域的普通传感器节点(“○”表示)和设置的监测区域的汇聚节点，对仿真场景主要参数作如表1仿真场景主要参数中的设置。
表1仿真场景主要参数
Figure BDA0002086829160000151
Figure BDA0002086829160000161
根据表1中仿真的参数，将传感器节点随机初始化到监测区域，各个无线传感器网络节点的初始能量相同，如图3所示，图3为本公开方法在第100轮分簇的分簇图，图3中的实线代表簇区正在通信的路由，图3中的虚线代表新增了节点，重新选取的网络节点，随着长时间运行，传感器节点的能量被不同程度的消耗，LEACH算法与本公开的方法，随着随机的一些传感器节点的死亡(被删除)和新加入，本公开可以更好地自定义方便了人工对节点进行操作，两种方法的簇头分布状况逐渐开始出现差异，且随着时间推移，差异随着运行的轮数的增加而增加；如图4所示，图4所示为本公开方法与LEACH算法剩余电量对比图，图4中的实线是LEACH随着轮数的增加电量变化的曲线和趋势，虚线是本申请随着轮数的增加电量变化的曲线和趋势，根据最终仿真实验发现，电量的差异随着运行的轮数的增加但是减少并不是很多；本方法的实施例保障了无线传感器网络的电量与传统的LEACH算法的水平持平。
本公开的实施例提供的一种快速包含排除的无线传感器网络分簇路由系统(或称为装置)，如图5所示为本公开的一种快速包含排除的无线传感器网络分簇路由系统图，该实施例的一种快速包含排除的无线传感器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快速包含排除的无线传感器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：
簇区划分单元，用于通过分簇算法将传感器网络分为多个簇区；
事件监测单元，用于监测各个簇区内是否发生节点的新增事件或删除事件，如果发生则发生变更的簇区作为变更簇区转到簇头选举单元；
簇头选举单元，用于在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点；
链路生成单元，用于通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路；
可靠性计算单元，用于计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性；
簇头放弃单元，用于如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到簇头选举单元，否则转到路由重设单元；
路由重设单元，用于如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则将选定的簇头节点到汇聚节点的路由链路重设路由表。
所述快速包含排除的无线传感器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。所述快速包含排除的无线传感器网络分簇路由系统，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，所述例子仅仅是快速包含排除的无线传感器网络分簇路由系统的示例，并不构成对快速包含排除的无线传感器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，例如所述快速包含排除的无线传感器网络分簇路由系统还可以包括输入输出设备、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)、现成可编程门阵列(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，所述处理器是所述快速包含排除的无线传感器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快速包含排除的无线传感器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/或模节点，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/或模节点，以及调用存储在存储器内的数据，实现所述快速包含排除的无线传感器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。
尽管本公开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，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，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公开的非实质性改动仍可代表本公开的等效改动。

Claims (8)

1.快速包含排除的无线传感器网络分簇路由方法，其特征在于：所述方法包括以下步骤：
步骤1，通过分簇算法将传感器网络分为多个簇区；
步骤2，监测各个簇区内是否发生节点的新增事件或删除事件，如果发生则发生变更的簇区作为变更簇区转到步骤3；
步骤3，在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点；
步骤4，通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路；
步骤5，计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性；
步骤6，如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到步骤3，否则转到步骤7；
步骤7，如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则将选定的簇头节点到汇聚节点的路由链路重设路由表；
在步骤4中，通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路，包括：
步骤4.1，传感器网络中每个簇区的簇头节点读取设定高度值；
步骤4.2，每一个收到UDP分组的簇头节点都将簇头节点本身的高度值与收到UDP分组的选定的簇头节点的高度值进行对比，如果收到UDP分组的选定的簇头节点的高度值大于簇头节点本身的高度值，则将收到的UDP分组中的高度值更新为簇头节点本身的高度值，然后再向原来给簇头节点本身发送QRY分组的发送的簇头节点返回发送修改后的UDP分组，一直循环直到汇聚节点收到了UDP分组为止；其中，QRY分组为作为目标的簇头节点向作为源的簇头节点的查询请求分组，作为源的簇头节点接收到QRY分组向作为目标的簇头节点发送UDP分组，UDP分组包括高度值、簇头节点分区、簇头节点编号等数据；
步骤4.3，路由链路的建立过程完成。
2.根据权利要求1所述的快速包含排除的无线传感器网络分簇路由方法，其特征在于，在步骤1中，通过分簇算法将传感器网络分为多个簇区的方法为：将无线传感器网络以LEACH算法或HEED算法等层次型拓扑分簇算法进行分簇，将无线传感器网络划分为一个或多个分簇的簇区，每个簇区包括至少一个簇头节点、至少一个汇聚节点和至少一个无线传感器网络节点，无线传感器网络节点采集的数据通过各个簇头节点形成的通信链路传输到汇聚节点中，所述传感器网络包括多个无线传感器网络节点，以下简称节点，节点随机的分布在监测区域中，多个簇区可以分层次，在簇区中选举出簇头节点进行通信传输可以降低各个节点耗电速度。
3.根据权利要求2所述的快速包含排除的无线传感器网络分簇路由方法，其特征在于，在步骤2中，监测各个簇区内是否发生节点的新增事件或删除事件的方法为：实时的监测各个分簇的簇区内是否有新加入节点的新增事件；监测节点电量耗尽、人工移除或损坏导致的删除事件，可以实时的对节点进行监测。
4.根据权利要求3所述的快速包含排除的无线传感器网络分簇路由方法，其特征在于，在步骤3中，在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点的方法为：选举变更簇区内的簇头节点的方法基于LEACH算法的方法或者直接用LEACH算法，由于LEACH算法中簇头节点的选择由分簇的簇区的网络覆盖范围的大小以及所有节点已经成为过簇头节点的次数决定，随机产生一个(0,1)范围内的随机数Radom，根据公式
Figure FDA0003924084460000021
设定门限值T(n),若随机数Radom小于设定的门限值T(n),则选取节点的剩余能量Ei最多的P个节点作为簇头节点，即选定的簇头节点，其中，P为期望的簇头节点个数，r为当前节点回合数量，保持了LEACH算法或HEED算法等层次型拓扑分簇算法的网络的高寿命，电池耗损基本与HEED算法相同。
5.根据权利要求1所述的快速包含排除的无线传感器网络分簇路由方法，其特征在于，在步骤5中，计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性的方法包括以下子步骤：令簇头节点到汇聚节点的路由链路为图结构G＝(V,E,D)，其中，V为簇头节点到汇聚节点的路由链路中的节点集、E为簇头节点到汇聚节点的路由链路之间路由连接的弧集、D为路由链路的弧状态分配，节点集V中的节点1和节点n分别表示路由链路的簇头节点和汇聚节点，其中|V|是节点集中节点数和|E|是弧集中的弧数量；
输入:所有的MPs或所有的d-MPs依次输入到xi，MPs为图的最短路径或最小路径，d-MP:最小路径的流量，p1,p2,…,pπ为MPs或d-MPs中的元素；
输出:网络可靠性Rd.
步骤0，令
Figure FDA0003924084460000031
δ1＝1,δi＝-δi-1；i＝2,3,…,π；Rd＝I(i)＝i＝0；
步骤1，如果I(i)<π,令i＝i+1,I(i)＝I(i-1)+1并转到步骤2；否则转到步骤3；
步骤2，令Ai＝pI(i)∩Ai-1,Rd＝Rd+δi·Pr(Ai),转到步骤1；
步骤3，如果i＝1，结束；否则，令i＝i–1，I(i)＝I(i)+1，并转到步骤2；
其中，i是DFS树中结点个数的层级；Ai是当前第i个层级交集项的结果；例如，A3＝{p2∩p3}Pr({p3})-Pr({p1∩p3})-Pr({p2∩p3})-Pr({p1∩p2∩p3})，按照从第一个生成的项到最后一个生成的项的顺序列出；I(i)是在当前的第i层级添加到Ai中d-MP的索引；
δi＝1或δi＝-1分别表示将Pr(Ai)添加到当前Rd或从当前Rd中减去Pr(Ai)；
如果在上述算法中使用MCs或(d-1)-MCs来计算网络可靠性，在步骤0中，Pr*(xi)必须从
Figure FDA0003924084460000032
更改为
Figure FDA0003924084460000033
并且最终得到可靠性为1-Rd；Dmax(ek)为Dmax中第k个坐标，例如，如果Dmax＝(3，2，1，1，1，2)，则Dmax(e2)＝Dmax(e3)＝1；Dmax为向量，它是表示D中ei的状态最大值的第i个坐标；如果相应的δi分别为1或-1，则必须计算在DFS树中每个节点中获得的交点的可靠性，并将其加到当前Rd或从当前Rd中减去。
6.根据权利要求5所述的快速包含排除的无线传感器网络分簇路由方法，其特征在于，在步骤6中，如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到步骤3，否则转到步骤7，所述选定的簇头节点不能再次作为簇头节点，防止陷入死循环中，所述相邻簇区网络可靠性的平均值由步骤5中的方法计算出与当前分簇区域直接相邻的分簇区域的网络可靠性，并且求出各个直接相邻的分簇区域的网络可靠性的算术平均值，即相邻簇区网络可靠性的平均值。
7.根据权利要求6所述的快速包含排除的无线传感器网络分簇路由方法，其特征在于，在步骤7中，如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则根据步骤4中生成的选定的簇头节点到汇聚节点的路由链路重设路由拓扑，即将选定的簇头节点到汇聚节点的路由链路用于更新路由表。
8.快速包含排除的无线传感器网络分簇路由系统，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：
簇区划分单元，用于通过分簇算法将传感器网络分为多个簇区；
事件监测单元，用于监测各个簇区内是否发生节点的新增事件或删除事件，如果发生则发生变更的簇区作为变更簇区转到簇头选举单元；
簇头选举单元，用于在变更簇区的各个节点中重新选举出簇头节点作为选定的簇头节点；
链路生成单元，用于通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路；
可靠性计算单元，用于计算选定的簇头节点和相邻的簇头节点到汇聚节点的路由链路的网络可靠性；
簇头放弃单元，用于如果网络可靠性小于相邻簇区网络可靠性的平均值，则放弃选定的簇头节点并转到簇头选举单元，否则转到路由重设单元；
路由重设单元，用于如果网络可靠性大于或等于相邻簇区网络可靠性的平均值，则将选定的簇头节点到汇聚节点的路由链路重设路由表；
在所述链路生成单元中，通过TORA路由协议的路由高度机制生成变更簇区中的选定的簇头节点到汇聚节点的路由链路，包括：
步骤4.1，传感器网络中每个簇区的簇头节点读取设定高度值；
步骤4.2，每一个收到UDP分组的簇头节点都将簇头节点本身的高度值与收到UDP分组的选定的簇头节点的高度值进行对比，如果收到UDP分组的选定的簇头节点的高度值大于簇头节点本身的高度值，则将收到的UDP分组中的高度值更新为簇头节点本身的高度值，然后再向原来给簇头节点本身发送QRY分组的发送的簇头节点返回发送修改后的UDP分组，一直循环直到汇聚节点收到了UDP分组为止；其中，QRY分组为作为目标的簇头节点向作为源的簇头节点的查询请求分组，作为源的簇头节点接收到QRY分组向作为目标的簇头节点发送UDP分组，UDP分组包括高度值、簇头节点分区、簇头节点编号等数据；
步骤4.3，路由链路的建立过程完成。
CN201910490462.9A 2019-06-06 2019-06-06 快速包含排除的无线传感器网络分簇路由方法及系统 Active CN112055394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910490462.9A CN112055394B (zh) 2019-06-06 2019-06-06 快速包含排除的无线传感器网络分簇路由方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910490462.9A CN112055394B (zh) 2019-06-06 2019-06-06 快速包含排除的无线传感器网络分簇路由方法及系统

Publications (2)

Publication Number Publication Date
CN112055394A CN112055394A (zh) 2020-12-08
CN112055394B true CN112055394B (zh) 2023-01-24

Family

ID=73609069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910490462.9A Active CN112055394B (zh) 2019-06-06 2019-06-06 快速包含排除的无线传感器网络分簇路由方法及系统

Country Status (1)

Country Link
CN (1) CN112055394B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112672300B (zh) * 2020-12-16 2022-08-05 杭州电力设备制造有限公司 一种中低压开关柜的用电数据藤蔓式传输优化方法
CN115996440B (zh) * 2023-03-22 2023-06-20 广东海洋大学 一种基于移动机器人网关的wsn路由方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102036308A (zh) * 2010-12-09 2011-04-27 江南大学 一种能量均衡的无线传感器网络分簇方法
CN104320823A (zh) * 2014-10-24 2015-01-28 西安电子科技大学 基于Sink信任评估值的无线传感器网络分簇方法
CN104363625A (zh) * 2014-10-22 2015-02-18 北京邮电大学 泛在末梢环境中的节点选择方法
CN105915451A (zh) * 2016-05-19 2016-08-31 东华大学 无线传感器网络的多sink部署与容错方法
CN108521661A (zh) * 2018-04-15 2018-09-11 佛山市虚拟现实大数据产业研究院有限公司 一种基于区块链技术的无线传感器网络路由方法
CN108632784A (zh) * 2018-04-17 2018-10-09 上海电机学院 一种分簇车载网可信路由计算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101896002B (zh) * 2010-06-26 2013-05-22 上海交通大学 面向数据快速汇聚的无线传感器执行器网络分簇方法
TWI431997B (zh) * 2010-12-30 2014-03-21 Ind Tech Res Inst 用於即時媒體碼流之點對點網路傳輸方法及系統
CN102395173B (zh) * 2011-11-01 2014-03-26 江南大学 环境监测物联网感知层能量高效利用的成簇方法
CN103873485B (zh) * 2014-04-03 2017-03-08 重庆邮电大学 车载自组织网络中基于链路持续时间的簇mac协议实现方法
WO2018098749A1 (zh) * 2016-11-30 2018-06-07 深圳天珑无线科技有限公司 分布式网络的消息广播方法及节点

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102036308A (zh) * 2010-12-09 2011-04-27 江南大学 一种能量均衡的无线传感器网络分簇方法
CN104363625A (zh) * 2014-10-22 2015-02-18 北京邮电大学 泛在末梢环境中的节点选择方法
CN104320823A (zh) * 2014-10-24 2015-01-28 西安电子科技大学 基于Sink信任评估值的无线传感器网络分簇方法
CN105915451A (zh) * 2016-05-19 2016-08-31 东华大学 无线传感器网络的多sink部署与容错方法
CN108521661A (zh) * 2018-04-15 2018-09-11 佛山市虚拟现实大数据产业研究院有限公司 一种基于区块链技术的无线传感器网络路由方法
CN108632784A (zh) * 2018-04-17 2018-10-09 上海电机学院 一种分簇车载网可信路由计算方法

Also Published As

Publication number Publication date
CN112055394A (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
Liao et al. Density cluster based approach for controller placement problem in large-scale software defined networkings
CN113316118B (zh) 基于任务认知的无人机集群网络自组织系统及方法
Isong et al. Comprehensive review of SDN controller placement strategies
Aujla et al. MEnSuS: An efficient scheme for energy management with sustainability of cloud data centers in edge–cloud environment
CN105900393B (zh) 用于sdn中分布式流量工程的流行为驱动的动态分区
CN111181792B (zh) 基于网络拓扑的sdn控制器部署方法、装置及电子设备
CN112055394B (zh) 快速包含排除的无线传感器网络分簇路由方法及系统
CN110087273B (zh) 无线传感器网络分簇路由的方法、无线传感器网络协议平台
CN110679120B (zh) 通信网络节点
CN109451557B (zh) 一种无线传感器网络动态分簇路由方法及装置
Nguyen et al. Rethinking virtual link mapping in network virtualization
CN107995047B (zh) 一种数据中心的拓扑组网方法及装置
Yujie et al. An effective controller placement algorithm based on clustering in SDN
Orda et al. Efficient Routing for Overlay Networks in a Smart Grid Context.
Billingsley et al. Routing-led placement of VNFs in arbitrary networks
Fang et al. A multi-controller deployment method of SDN network based on FPGA
CN110380808B (zh) 以用户设备为中心的微小区半分簇干扰协调方法
CN113630792B (zh) 一种流量负载均衡广度优先搜索优化方法、系统、设备
Chakraborty et al. A particle swarm optimization-based approach towards the solution of the dynamic channel assignment problem in mobile cellular networks
US9781726B2 (en) System and method for using a super bin for radio resource requirement assessment
Dhar et al. A cost‐effective and load‐balanced controller placement method in software‐defined networks
Bednarczyk et al. Performance of distributed clustering with weighted optimization algorithm for MANET cognitive radio
Auroux et al. Assessing Genetic Algorithms for Placing Flow Processing-aware Control Applications
Kurra et al. FANIC: Farthest node initialization clustering technique for controller placement problem in software defined networking
CN116341685B (zh) 基于联合注意力的分布式计算卸载模型训练方法和系统

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