CN112203298A - 一种面向环形无线传感器网络的分簇拓扑控制方法 - Google Patents

一种面向环形无线传感器网络的分簇拓扑控制方法 Download PDF

Info

Publication number
CN112203298A
CN112203298A CN202010502823.XA CN202010502823A CN112203298A CN 112203298 A CN112203298 A CN 112203298A CN 202010502823 A CN202010502823 A CN 202010502823A CN 112203298 A CN112203298 A CN 112203298A
Authority
CN
China
Prior art keywords
cluster
ring
network
cluster head
node
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.)
Withdrawn
Application number
CN202010502823.XA
Other languages
English (en)
Inventor
胡黄水
韩优佳
赵宏伟
武莎莎
王宏志
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 University of Technology
Original Assignee
Changchun University of Technology
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 University of Technology filed Critical Changchun University of Technology
Priority to CN202010502823.XA priority Critical patent/CN112203298A/zh
Publication of CN112203298A publication Critical patent/CN112203298A/zh
Withdrawn legal-status Critical Current

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
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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

本发明涉及一种无线传感器网络分簇拓扑控制算法，特别是一种面向环形无线传感器网络的分簇拓扑控制方法CAROC（Clustering Algorithm for Ring wireless sensor networks based on the Optimal Cluster number），算法面向环形网络，以每环能耗最小为目标，计算出每环的最优簇数，并基于该最优簇数划分环，且考虑最优簇数、簇中节点剩余能量与初始能量的关系、簇成员到簇头距离与簇头到基站距离的关系来确定簇头阈值函数，函数值大的节点被选为簇头，从而形成环簇型拓扑结构，使网络能量消耗最小，提高网络的能量效率和可扩展性，延长网络生命周期。

Description

一种面向环形无线传感器网络的分簇拓扑控制方法
技术领域
本发明涉及一种面向无线传感器网络的拓扑控制方法，特别是一种面向环形无线传感器网络的分簇拓扑控制控制方法CAROC(Clustering Algorithm for Ring wirelesssensor networks based on the Optimal Cluster number)，它通过计算每个环中能耗最小时的最优簇数来构建环簇型拓扑结构，降低网络能耗，提高网络可扩展性，延长网络生命周期。
背景技术
无线传感器网络是一种分布式传感器网络，主要由大量廉价、能量受限、存储和计算能力较弱的无线传感器网络节点构成，广泛应用于环境监测、军事、医疗保健、紧急救援等方面。拓扑控制是一种重要的无线传感器网络节能方法，特别是分簇拓扑控制，通过将网络划分为若干簇，每个簇中选出一个节点成为簇头CH(Cluster Head)，其它节点作为成员节点 CM(Cluster Member)，成员节点与簇头通信，簇头与簇头或直接与基站BS(BaseStation) 通信，有效提高网络能量效率，延长网络生命周期。
目前有的研究人员将无线传感器网络划分为若干环，并在每个环内构建若干簇，并通过调节簇的大小和数量，来降低网络能量消耗。但有的方法在簇头转发数据过程中选取距离自身最近的相邻环中簇头节点时，没有考虑到相邻环中簇头节点的剩余能量，导致这些簇头容易出现能量耗尽而早死。有的方法形成簇时使靠近基站的簇内节点数量较少，虽然减轻了簇内通信量，但导致簇头承担大量转发任务，能耗下降很快。而且现有方法随着环数增多，通常能量效率降低，可扩展性不好，尤其是现有方法随机确定环内簇数，无法确保能量高效。
发明内容
本发明所要解决的技术问题是针对现有面向环形无线传感器网络的分簇方法环内簇数不确定导致的可扩展性弱以及能量效率不高问题，以每个环中能量消耗最小为原则计算出每一个环中的最优簇数，然后将每个环按照相应的最优簇数分成若干大小相等的簇。簇头选举时考虑环中最优簇头数占比、节点剩余能量、节点间距离以及节点与基站距离这些因素，使簇中最优的节点成为簇头。
本发明包含网络模型、最优簇数计算以及簇头选举三个部分。网络模型具体为环形网络，即在基站BS位于中心的圆形目标区域，将其划分成多个同心环，节点均匀分布在各个环内，且所有节点向网络中唯一的基站传输数据。而最优簇数计算是为了求出使每个环内能耗最小的簇数，从而可以基于该簇数来划分环，构建等于该簇数的簇。而簇头选举基于每个环划分的簇，从中选出最优的节点成为簇头，承担管理簇和融合、转发簇内数据的任务，形成能量效率高的环簇型网络拓扑。
所述的网络模型为环形网络，即在基站BS位于中心且半径为R的圆形目标区域，将该圆形目标区域划分成n个同心环，N个节点均匀分布在各环中，所有节点向网络中唯一的基站传输数据。节点一旦部署位置不再发生变化，且具有相同的初始能量和唯一的ID号。节点的能耗采用自由空间模型，具体包括发送数据、接收数据以及融合数据消耗的能量。
所述的最优簇数计算包括最外环即第n环最优簇数计算以及其它任一第i环最优簇数计算。对于第n环与其它环不同，它所划分的簇不存在转发其它环数据的任务，因此簇能量消耗包括簇成员与簇头以及簇头与相邻环簇头之间的数据通信所消耗的能量，环中所有簇能量消耗累加就得到整个环的能量消耗，基于该能量对簇数求导计算出第n环中最优簇数。同理，对于其它任一环i，它所划分的簇能量消耗除了簇成员与簇头以及簇头与相邻环簇头之间的数据通信能量消耗外，还有转发其相邻外层簇头数据的能量消耗，这三部分能量消耗构成整个簇能量消耗，环中所有簇能量相加就能得到整个环的能量消耗，求导计算就能得出第i环中的最优簇数。
所述的簇头选举根据每环计算得到的最优簇数将环划分为等分的簇，基于最优簇头数占比、簇中节点剩余能量与初始能量的关系以及簇成员到簇头距离与簇头到基站距离的关系来构建阈值函数，簇中函数值最大的节点被选为簇头，其它节点成为簇成员，网络从而形成优化的环簇型拓扑结构。
由以上叙述可见本发明一种面向环形无线传感器网络的分簇拓扑控制方法包含网络模型、最优簇数计算以及簇头选举三个部分，面向环形网络，以每环能耗最小为目标，计算每环的最优簇数，考虑最优簇头数占比、簇中节点剩余能量与初始能量的关系以及簇成员到簇头距离与簇头到基站距离的关系来选举簇头，形成环簇型拓扑结构，实现网络能量消耗最小目的，提高网络的能量效率和可扩展性，延长网络生命周期。
附图说明
图1为本发明的网络模型
图2为本发明的簇头间距离示意图
图3为本发明的簇成员与簇头间距离示意图
图4为本发明的不同网络大小时第一个节点死亡时间示意图
图5为本发明的不同网络大小时网络能耗示意图
图6为本发明的不同网络大小时网络平均节点剩余能量示意图
图7为本发明的不同网络大小时网络存活节点数示意图
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，本发明一种面向环形无线传感器网络的分簇拓扑控制方法包含网络模型、最优簇数计算以及簇头选举三个部分。面向环形网络，以每环能量最小为目标，计算出每环的最优簇数，考虑最优簇头数占比、簇中节点剩余能量与初始能量的关系以及簇成员到簇头距离与簇头到基站距离的关系来选举簇头，形成环簇型拓扑结构，实现网络能量消耗最小，延长网络生命周期。
所述的网络模型为环形网络，如图1所示。基站位于中心，圆形目标区域半径为R，将该圆形目标区域划分成n个同心环，N个节点均匀分布在各环中，所有节点向网络中唯一的基站BS传输数据。节点一旦部署位置不再发生变化，且具有相同的初始能量和唯一的ID号，网络中链路没有冲突和重传，网络具有很好的连接性。节点的能耗采用自由空间模型计算，发送数据能量消耗为：
Figure RE-GDA0002788701070000031
接收数据能量消耗为：
ER(u)＝u×Eelec (2)
其中
Figure RE-GDA0002788701070000032
Eelec是一个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。d0是距离阈值，εfs，εmp放大电路参数。
融合Ni个传感器节点数据所消耗的能量为EDA，表示为：
Figure RE-GDA0002788701070000033
其中，Eda是融合1bit数据所消耗的能量，u是数据包的长度。
所述的最优簇数计算包括最外环即第n环最优簇数计算以及其它任一第i环最优簇数计算。对于最外环的簇头仅需要接收簇成员发送的数据，然后把这些数据融合成固定长度的数据转发给下一环中某个簇头。假设最外环中每个簇的节点数目为Nn，ρ为节点密度，
Figure RE-GDA0002788701070000034
最外环最优簇数为mn，每个簇所对应的扇形圆心角为θn，则有
Figure RE-GDA0002788701070000041
Figure RE-GDA0002788701070000042
同一环中每个簇头传输数据所消耗的能量相等，每个簇传输数据消耗的能量相同，一般用En表示。一个簇的能量消耗包括簇头的能量消耗Ech和簇成员发送数据给簇头所消耗的能量 Ecm。Ech表达式如下所示：
Figure RE-GDA0002788701070000043
其中，l是数据包的长度，dch是簇头与下一跳簇头之间的欧几里得距离。如图2所示。其数学表达式如下：
Figure RE-GDA0002788701070000044
图2中A和C是最外环某簇的簇头，A＝(xn，yn)，B是A的下一跳簇头，B＝(xn-1，yn-1)。由于采用自由空间模型，所以dch＜d0。同时也要保证簇头可以通过一跳把数据传送到下一跳的簇头，所以dch＜rc，其中，rc为通信半径，当相邻环中两个簇的簇头的连线与两个簇边界的切线相垂直时，如图中的B簇与C簇，此时这两个簇头之间的距离最短，即
Figure RE-GDA0002788701070000045
综上所述，
Figure RE-GDA0002788701070000046
由不等式(8)可知，当
Figure RE-GDA0002788701070000047
时，相邻簇头之间转发数据所消耗的能量最小。
Ecm的表达式为：
Figure RE-GDA0002788701070000051
因为一个簇中CM节点到CH节点的距离不等，所以采用数学期望的方法求dcc。n环中CM 节点到CH节点距离
Figure RE-GDA0002788701070000052
的平方期望的表示如下：
Figure RE-GDA0002788701070000053
其中dc为一个簇中簇成员到簇头之间的最大距离，其在模型中的表示如图3所示。根据余弦定理可以求出dc。
Figure RE-GDA0002788701070000054
其中，
Figure RE-GDA0002788701070000055
综上所述，最外环的总能量消耗为：
Figure RE-GDA0002788701070000056
对式上式求导可以得出最外环的最优簇数为：
Figure RE-GDA0002788701070000057
其中，
Figure RE-GDA0002788701070000058
Figure RE-GDA0002788701070000059
同理，对于其它任一环i，它所划分的簇能量消耗除了簇成员与簇头以及簇头与相邻环簇之间的数据通信能量消耗外，还有转发其相邻外层簇数据的能量消耗，同时还需要把这些数据进行融合成固定长度大小的数据，然后转发到网络中的下一跳簇头簇头。设第i环中每个簇的节点数为Ni(i＝1，2，3…n-1)，第i环的最优簇数为mi，第i环中每个簇所对应的扇形圆心角为θi，
其数学表达式为：
Figure RE-GDA0002788701070000061
Figure RE-GDA0002788701070000062
所以，一个簇中簇头消耗的总能量
Figure RE-GDA0002788701070000063
表达式如下：
Figure RE-GDA0002788701070000064
其中，
Figure RE-GDA0002788701070000065
为第i环的节点总数，其表示如下：
Figure RE-GDA0002788701070000066
CM节点的能量消耗如下所示：
Figure RE-GDA0002788701070000067
Figure RE-GDA0002788701070000068
dcc*是第i环中CM节点到CH节点的距离的平方期望，dc*为除了最外环外，其他环中CM节点到CH节点的最大距离，由图3以及公式(10)，可知
Figure RE-GDA0002788701070000069
其中，
Figure RE-GDA00027887010700000610
所以，第i环中总能量消耗为ETOTAL，
Figure RE-GDA00027887010700000611
Figure RE-GDA0002788701070000071
求导可以得出第i环的最优簇数mi，
Figure RE-GDA0002788701070000072
其中，
Figure RE-GDA0002788701070000073
所述的簇头选举根据每环计算得到的簇数将环划分为等分的簇，基于最优簇头数、簇中节点剩余能量与初始能量的关系以及簇成员到簇头距离与簇头到基站距离的关系来构建阈值函数。网络中每个环的最优簇数为mi(i＝1，2，3…n环)，根据每个环中节点数，可获得每环中的最优簇头数占相应环中节点数目的比值ω，
Figure RE-GDA0002788701070000074
为了减小簇头选举的随机性，提高网络的生命周期，在簇头选举时考虑了当前轮次中节点剩余能量与节点初始能量的关系，用α表示，
Figure RE-GDA0002788701070000075
Ecj表示节点j的当前剩余能量，E0为节点j的初始能量。网络在成簇后，簇成员需要向簇头发送数据，簇头最终要把数据发送到基站BS。在这个过程中离簇头远的簇成员以及离基站BS远的簇头的通信能耗都比较大，所以在簇头的选举上，考虑数据传输过程中簇成员到簇头的最短距离和簇头到基站BS距离的关系。用参数β表示，
Figure RE-GDA0002788701070000076
min-djc表示节点j到簇头c的最短距离，dcb表示簇头到基站BS的距离。则簇头的选举阈值函数V(n) 表示为：
Figure RE-GDA0002788701070000077
其中r是当前网络的轮数，S是非簇头节点集。阈值函数值大的节点成为簇头，其它节点成为簇成员，从而形成环簇型拓扑结构。
为了验证本发明一种面向环形无线传感器网络的分簇拓扑控制方法CAROC的性能，使用MATLAB仿真工具，对CAROC、LEACH、ACONC算法从网络第一个节点死亡、网络总能耗、网络平均节点剩余能量以及存活节点数进行了比较分析，实验仿真参数设置如表1所示。
表1仿真环境参数设置
参数 数值
网络区域/(m×m) 100×100，200×200
节点数量 100
节点初始能量/J 0.05
网络环数 7
数据报文大小/(Byte.packge<sup>-1</sup>) 500
自由空间模型参数ε<sub>fs</sub>(J.bit<sup>-1</sup>.m<sup>-2</sup>) 1×10<sup>-11</sup>
发送和接收电路的能耗参数E<sub>elec</sub>(J.bit<sup>-1</sup>) 5×10<sup>-11</sup>
首先在不同网络大小下对网络第一个节点死亡时间进行了对比分析，在网络大小为 100×100和200×200的目标区域，第一个节点死亡的轮数分别如图4(a)、(b)所示。从图4(a)中可以看出，在大小100×100的网络中LEACH算法的第一个节点死亡轮数是345轮，ACONC算法在498轮时出现第一个死亡节点，而CAROC算法在849轮时才出现节点死亡，CAROC算法的第一个节点死亡轮数比LEACH算法晚504轮，比ACONC算法晚351轮。而且在如图4(b)所示的大小200×200的网络中，LEACH算法的第一个节点死亡轮数是78 轮，ACONC算法是在160轮时出现节点死亡。而CAROC算法的第一个节点死亡出现轮数仅比100×100的网络区域时提前了68轮。同时网络在簇头轮换次数为2000轮时存活节点数仍然比其它算法多。如表2所示，在大小100×100网络中，CAROC算法的存活节点数比 LEACH算法多182％，比ACONC算法多100％。在大小200×200网络区域中，2000轮后 LEACH算法和ACONC算法的存活节点数都比100×100的网络区域中的存活节点数少。 CAROC算法的存活节点数在大小100×100的网络和200×200的网络中基本上没有变化。以上结果表明CAROCN算法的能量消耗更均衡，网络的生命周期更长，更具有稳定性。
表2算法在2000轮后存活节点数
Figure RE-GDA0002788701070000081
接下来对不同网络大小下的网络能耗进行对比分析，能耗是生命周期的直接体现。在网络大小为100×100和200×200的目标区域中，对网络的总能耗和网络平均节点剩余能量进行测量，结果分别如图5(a)、(b)和图6(a)、(b)所示。从图中可见，随着网络中簇头选择轮数的增加，CAROC算法的网络能耗曲线缓慢上升，平均节点剩余能量曲线也在下降，而 LEACH算法和ACONC算法的网络能量比CAROC算法消耗快。虽然在网络中首节点死亡后LEACH算法和ACONC算法的网络能耗曲线变得缓慢，但是由于节点任务分配不均匀，负荷大的节点能量很快耗尽，网络平均节点剩余能量仍在不断减少。在大小100×100的网络中，簇头选择轮换数为0轮到600轮这段时间内，LEACH算法和ACONC算法中网络能量消耗较快。虽然ACONC算法比LEACH算法的网络能耗曲线更平缓些，但是与CAROC算法相比， ACONC算法的能量消耗还是很快。这表明CAROCN算法和LEACH算法、ACONC算法相比，可以更好的减少网络能量消耗。在大小200×200网络中，LEACH算法和ACONC算法中平均节点剩余能量一开始就急剧下降，而CAROC算法中的平均节点剩余能量虽然略有下降，但基本上和大小100×100的网络一致。因此表明CAROC算法比其它两种算法具有更好的可扩展性和能量效率。
最后对不同网络大小下的存活节点数进行对比分析，网络大小100×100以及200×200时的存活节点数分别如图7(a)、(b)所示。从图中可知在网络的初始工作阶段，网络中的节点数目没有变化，但是由于网络中每个节点在网络运行时的能量消耗不同，LEACH算法、 ACONC算法和CAROC算法在不同的轮次后，网络中存活节点数目开始减少。LEACH算法和ACONC算法在出现首节点死亡后，存活节点数量急剧减少。尤其在大小200×200的网络中较为明显。而大小200×200的网络中CAROC算法的存活节点数目和大小100×100的网络中的存活节点数目基本相同。因此，CAROC算法相比LEACH算法、ACONC算法具有更长的网络生命周期。
本发明的一种面向环形无线传感器网络的分簇拓扑控制方法CAROC，基于环形网络，以每环能耗最小为目标，计算每环的最优簇数，考虑最优簇头数占比、簇中节点剩余能量与初始能量的关系以及簇成员到簇头距离与簇头到基站距离的关系来选举簇头，形成环簇型拓扑结构。从首节点死亡时间、网络总能耗、平均节点剩余能量、网络存活节点数方面对算法进行了仿真分析，结果表明相比LEACH、ACONC算法，CAROC性能更优，其能有效提高网络可扩展性，降低网络能耗，延长网络生命周期。

Claims (3)

1.一种面向环形无线传感器网络的分簇拓扑控制方法CAROC，其特征在于：包括网络模型、最优簇数计算以及簇头选举三个部分，面向环形网络，以每环能耗最小为目标，计算出每环的最优簇数，并基于该最优簇数划分相应环，且考虑最优簇头数占比、簇中节点剩余能量与初始能量的关系、簇成员到簇头距离与簇头到基站距离的关系来确定簇头阈值函数，函数值大的节点被选为簇头，从而形成环簇型拓扑结构，使网络能量消耗最小，提高网络的能量效率和可扩展性，延长网络生命周期。
2.根据权利要求1所述的面向环形无线传感器网络的分簇拓扑控制方法CAROC，其特征 在于：所述的最优簇数计算包括最外环即第n环最优簇数计算以及其它任一第i环最优簇数 计算，对于最外环的簇头仅需要接收簇成员发送的数据，然后把这些数据融合成固定长度 的数据转发给下一环中某个簇头，假设最外环中每个簇的节点数目为
Figure 308975DEST_PATH_IMAGE001
，
Figure 968626DEST_PATH_IMAGE002
为节点密度，
Figure 927355DEST_PATH_IMAGE003
，最外环最优簇数为
Figure 457693DEST_PATH_IMAGE004
，每个簇所对应的扇形圆心角为
Figure 476465DEST_PATH_IMAGE005
，则有
Figure 872680DEST_PATH_IMAGE005
=
Figure 635100DEST_PATH_IMAGE006
Figure 551103DEST_PATH_IMAGE007
同一环中每个簇头传输数据所消耗的能量相等，每个簇传输数据消耗的能量相同，用
Figure 209617DEST_PATH_IMAGE008
表示，一个簇的能量消耗包括簇头的能量消耗
Figure 578282DEST_PATH_IMAGE009
和簇成员发送数据给簇头所消耗的能量
Figure 878813DEST_PATH_IMAGE010
，
Figure 665635DEST_PATH_IMAGE009
表达式如下所示：
Figure 760630DEST_PATH_IMAGE011
其中，
Figure 616590DEST_PATH_IMAGE012
是数据包的长度，
Figure 720813DEST_PATH_IMAGE013
是簇头（
Figure 80250DEST_PATH_IMAGE014
）与下一跳簇头（
Figure 611725DEST_PATH_IMAGE015
）之间的欧几里得 距离，其数学表达式如下：
Figure 938670DEST_PATH_IMAGE013
=
Figure 846583DEST_PATH_IMAGE016
由于采用自由空间模型，所以
Figure 591685DEST_PATH_IMAGE017
，同时也要保证簇头可以通过一跳把数据传送到 下一跳的簇头，所以
Figure 28483DEST_PATH_IMAGE018
，其中，
Figure 859036DEST_PATH_IMAGE019
为通信半径，当相邻环中两个簇的簇头的连线与两个簇 边界的切线相垂直时，这两个簇头之间的距离最短，即
Figure 305061DEST_PATH_IMAGE020
，综上所述，
Figure 386893DEST_PATH_IMAGE021
，可见，当
Figure 260171DEST_PATH_IMAGE020
时，相邻簇头之间转发数据所消耗的能量最小，
Figure 578020DEST_PATH_IMAGE010
的表 达式为：
Figure 562156DEST_PATH_IMAGE022
因为一个簇中CM节点到CH节点的距离不等，所以采用数学期望的方法求
Figure 16271DEST_PATH_IMAGE023
，n环中CM节 点到CH节点距离
Figure 60451DEST_PATH_IMAGE024
的平方期望的表示如下：
E(
Figure 849284DEST_PATH_IMAGE024
)=
Figure 637111DEST_PATH_IMAGE025
=
Figure 211312DEST_PATH_IMAGE026
Figure 426393DEST_PATH_IMAGE027
为一个簇中簇成员到簇头之间的最大距离，根据余弦定理可以求出
Figure 187676DEST_PATH_IMAGE027
：
Figure 779194DEST_PATH_IMAGE028
Figure 958634DEST_PATH_IMAGE029
其中，
Figure 79036DEST_PATH_IMAGE030
综上所述，最外环的总能量消耗为：
Figure 858774DEST_PATH_IMAGE031
Figure 988404DEST_PATH_IMAGE032
对上式求导可以得出最外环的最优簇数为：
Figure 271617DEST_PATH_IMAGE033
其中，
Figure 828501DEST_PATH_IMAGE034
Figure 79222DEST_PATH_IMAGE035
A=-
Figure 12543DEST_PATH_IMAGE036
B=
Figure 150263DEST_PATH_IMAGE037
同理，对于其它任一环i，它所划分的簇能量消耗除了簇成员与簇头以及簇头与相邻环 簇之间的数据通信能量消耗外，还有转发其相邻外层簇数据的能量消耗，同时还需要把这 些数据进行融合成固定长度大小的数据，然后转发到网络中的下一跳簇头设第i环中每个 簇的节点数为
Figure 143627DEST_PATH_IMAGE038
(i=1,2,3…n-1)，第i环的最优簇数为
Figure 632377DEST_PATH_IMAGE039
，第i环中每个簇所对应的扇形圆 心角为
Figure 838231DEST_PATH_IMAGE040
，其数学表达式为：
Figure 96037DEST_PATH_IMAGE040
=
Figure 19823DEST_PATH_IMAGE041
Figure 730290DEST_PATH_IMAGE042
=
Figure 5414DEST_PATH_IMAGE043
所以，一个簇中簇头消耗的总能量
Figure 383306DEST_PATH_IMAGE044
表达式如下：
Figure 187314DEST_PATH_IMAGE045
其中，
Figure 650656DEST_PATH_IMAGE046
为第i环的节点总数，其表示如下：
Figure 463891DEST_PATH_IMAGE047
簇成员的能量消耗如下所示：
Figure 945557DEST_PATH_IMAGE048
E(
Figure 186046DEST_PATH_IMAGE049
)=
Figure 136684DEST_PATH_IMAGE050
=
Figure 488031DEST_PATH_IMAGE051
Figure 574936DEST_PATH_IMAGE052
为除了最外环外，其他环中CM节点 到CH节点的最大距离，由以上可知：
Figure 251905DEST_PATH_IMAGE053
其中，
Figure 424260DEST_PATH_IMAGE054
=
Figure 330030DEST_PATH_IMAGE055
所以， 第i环中所消耗的总能量为
Figure 537021DEST_PATH_IMAGE056
为：
Figure 853732DEST_PATH_IMAGE057
对上式 进行求导，可以得出第i环的最优簇头数
Figure 513384DEST_PATH_IMAGE039
，
Figure 472113DEST_PATH_IMAGE058
其中，A=
Figure 533610DEST_PATH_IMAGE059
,
Figure 536070DEST_PATH_IMAGE060
。
3.根据权利要求1所述的面向环形无线传感器网络的分簇拓扑控制方法CAROC，其特征 在于：所述的簇头选举根据每环计算得到的最优簇数将环划分为等分的簇，基于最优簇头 数占比、簇中节点剩余能量与初始能量的关系以及簇成员到簇头距离与簇头到基站距离的 关系来构建阈值函数，网络中每个环的最优簇数为
Figure 683017DEST_PATH_IMAGE039
（i=1,2,3…n环），根据每个环中节点 数，可获得每环中的最优簇头数占相应环中节点数目的比值
Figure 179857DEST_PATH_IMAGE061
，
Figure 95861DEST_PATH_IMAGE062
，为了减小簇头 选举的随机性，提高网络的生命周期，在簇头选举时考虑了当前轮次中节点剩余能量与节 点初始能量的关系，用
Figure 285534DEST_PATH_IMAGE063
，
Figure 919777DEST_PATH_IMAGE064
表示节点j的当前剩余能量，
Figure 954730DEST_PATH_IMAGE065
为节点j的初始能 量，网络在成簇后，簇成员需要向簇头发送数据，簇头最终要把数据发送到基站BS，在这个 过程中离簇头远的簇成员以及离基站BS远的簇头的通信能耗都比较大，所以在簇头的选举 上，考虑数据传输过程中簇成员到簇头的最短距离和簇头到基站BS距离的关系，用参数
Figure 473042DEST_PATH_IMAGE066
表 示，
Figure 833616DEST_PATH_IMAGE067
,
Figure 955156DEST_PATH_IMAGE068
表示节点j到簇头c的最短距离，
Figure 793799DEST_PATH_IMAGE069
表示簇头到基站BS的距离，则簇头 的选举阈值函数
Figure 684395DEST_PATH_IMAGE070
表示为：
Figure 684712DEST_PATH_IMAGE071
其中r是当前网络的轮数，S是非簇头节点集，阈值函数值大的节点成为簇头，其它节点成为簇成员，从而形成环簇型拓扑结构。
CN202010502823.XA 2020-06-05 2020-06-05 一种面向环形无线传感器网络的分簇拓扑控制方法 Withdrawn CN112203298A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010502823.XA CN112203298A (zh) 2020-06-05 2020-06-05 一种面向环形无线传感器网络的分簇拓扑控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010502823.XA CN112203298A (zh) 2020-06-05 2020-06-05 一种面向环形无线传感器网络的分簇拓扑控制方法

Publications (1)

Publication Number Publication Date
CN112203298A true CN112203298A (zh) 2021-01-08

Family

ID=74006015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010502823.XA Withdrawn CN112203298A (zh) 2020-06-05 2020-06-05 一种面向环形无线传感器网络的分簇拓扑控制方法

Country Status (1)

Country Link
CN (1) CN112203298A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113596858A (zh) * 2021-09-30 2021-11-02 南昌师范学院 一种无线传感器网络的分簇方法及装置
CN114079969A (zh) * 2021-08-16 2022-02-22 珠海市杰理科技股份有限公司 数据传输方法及装置、可读存储介质、节点设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN111314988A (zh) * 2020-02-20 2020-06-19 吉林建筑科技学院 一种基于最优簇数的环形无线传感器网络分簇方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN111314988A (zh) * 2020-02-20 2020-06-19 吉林建筑科技学院 一种基于最优簇数的环形无线传感器网络分簇方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WENBO ZHANG: "E2HRC：An Engergy-Efficient Heterogeneous Ring Clustering Routing Protocol for Wireless Sensor Networks", 《IEEE》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114079969A (zh) * 2021-08-16 2022-02-22 珠海市杰理科技股份有限公司 数据传输方法及装置、可读存储介质、节点设备
CN114079969B (zh) * 2021-08-16 2023-11-28 珠海市杰理科技股份有限公司 数据传输方法及装置、可读存储介质、节点设备
CN113596858A (zh) * 2021-09-30 2021-11-02 南昌师范学院 一种无线传感器网络的分簇方法及装置
CN113596858B (zh) * 2021-09-30 2021-12-03 南昌师范学院 一种无线传感器网络的分簇方法及装置

Similar Documents

Publication Publication Date Title
Kour et al. Hybrid energy efficient distributed protocol for heterogeneous wireless sensor network
El Alami et al. Fuzzy logic based clustering algorithm for wireless sensor networks
CN107580355B (zh) 无线传感器网络基于位置的均匀分簇层次路由方法
CN108712767B (zh) 一种无线传感器网络中能耗均衡的簇间多跳路由控制方法
CN108770029B (zh) 基于聚类和模糊系统的无线传感器网络分簇路由协议方法
CN108966239B (zh) 一种基于能量空洞度部署中继节点的方法
CN110121200B (zh) 一种异质传感网中能量高效的组网方法
CN105898764B (zh) 多级能量异构的无线传感器网络部署方法
CN112203298A (zh) 一种面向环形无线传感器网络的分簇拓扑控制方法
CN111314988B (zh) 一种基于最优簇数的环形无线传感器网络分簇方法
CN108235402B (zh) 一种基于改进树型分簇的无线传感器网络路由协议
Mao et al. An energy-efficient LEACH algorithm for wireless sensor networks
CN112822746A (zh) 一种能量有效型无线传感器网络成簇算法
CN108566658A (zh) 一种无线传感器网络中能耗均衡的分簇算法
CN111935734B (zh) 一种基于改进ap聚类的无线传感器网络分簇方法
Mansura et al. Multi-energy threshold-based routing protocol for wireless sensor networks
CN112351467B (zh) 一种无线异质通信网的节能组建与传输的路由方法
SB et al. Sector based multi-hop clustering protocol for wireless sensor networks
CN110972149B (zh) 一种圆环型无线传感器网络的节点优化部署方法
Nayak et al. A novel cluster head selection method for energy efficient wireless sensor network
Chen et al. Improved PEGASIS Routing Protocol for Wireless Sensor Networks
CN114222348A (zh) 一种基于反向规划的高能效无线传感器网络路由控制方法
Mishra et al. Echs: An energy aware cluster head selection algorithm in wireless sensor networks
Sundaran et al. Energy efficient wireless sensor networks using dual cluster head with sleep/active mechanism
Kandari et al. K-SEP: A more stable SEP using K-Means clustering and probabilistic transmission in WSN

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210108

WW01 Invention patent application withdrawn after publication