CN112752320A - 一个基于双层分簇的高能效无线传感器网络拓扑控制方法 - Google Patents

Abstract

本发明公开了一个基于双层分簇的高能效无线传感器网络拓扑控制方法，步骤为：首先，在第一层采用改进的DPC‑MND(Density Peaks Clustering based on Mutual Neighborhood Degrees)算法，对WSN中的普通节点做分簇；接着，在簇内根据节点剩余能量以及与基站的距离选举一级簇头；然后，以所有一级簇头为第二层，采用K‑Means对一级簇头分簇，同时得出聚类质心；根据节点的剩余能量，以及与质心、基站的距离选举二级簇头；最后，综合考虑能量、距离、偏转角构造二级簇头的路径权重。在Dijkstra算法上引入免疫算法理论并改进，求得全局最优路径，动态规划一种簇间多跳路由。本发明，通过双层分簇构造和多级簇头选举，接收数据、融合与转发等任务平均分配在了各级簇头上。有效均衡了节点能耗以及延长了网络生存周期。

Description

一个基于双层分簇的高能效无线传感器网络拓扑控制方法

技术领域

本发明属于无线传感器网络路由领域，特别涉及了一个基于双层分簇的高能效无线传感器网络拓扑控制方法。

背景技术

无线传感器网络(Wireless SensorNetworks,WSN)是一种分布式传感网络，由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络的所有者。无线传感器网络应用广泛，其应用场景包括入侵检测、气象监测、安全性和战术侦查等。

针对无线传感器网络能耗问题，Heinzelman.W.R等人提出了经典的LEACH协议，每个节点随机生成一个0-1的小数，若小于阈值T(n)则立即当选簇头，其他节点选择一个离自己最近的簇头加入成簇；李建洲等人在LEACH的基础上提出了EBCRP协议，该协议在选举簇头时，加入了距离因素的考虑，使簇头概率随距离连续变化。上述方法在节点分布不均时，分簇效果不佳，簇头可能集中分布在某一区域。侯雅婷等人提出了基于DBSCAN分簇的路由协议，在大规模无线传感器网络中利用基于密度的聚类方式来对传感器节点进行分簇。张海燕等人提出了一种基于K-means聚类路由算法KBECRA。该算法采用K-means聚类算法将网络分为固定不变的簇，并在各簇中采用双簇头结构分散簇内能耗。但以上两种算法在各个方面仍然存在不足。

综上所述，如何对传感器节点进行有效分簇，均衡簇头的能量消耗，延长网络的生存周期，已经成为本领域亟待解决的问题。

发明内容

为了解决上述背景技术提到的技术问题，本发明提出了一个基于双层分簇的高能效无线传感器网络拓扑控制方法。

为了实现上述技术目的，本发明的技术方案为：

一个基于双层分簇的高能效无线传感器网络拓扑控制方法，包括以下步骤：

(1)在第一层利用改进的DPC-MND算法对无线传感器网络节点进行分簇，然后根据节点剩余能量以及节点到簇内其他节点的距离和挑选一级簇头；

(2)在第二层基于K-Means对一级簇头进行分簇，然后根据节点剩余能量、节点到基站的距离以及节点到质心的距离挑选二级簇头；

(3)结合能量、距离、方向构建二级簇头与基站之间的路径权重矩阵；

(4)根据该矩阵，利用Dijkstra生成初始次优路径，再根据改进的免疫算法计算全局最优路径。二级簇头依据全局最优路径进行多跳数据传输。

进一步地，步骤(1)的具体过程如下：

(101)计算节点之间的欧式距离，求出每个节点的局部密度ρ和与其他节点之间的相对距离δ，公式为：

其中，d_ij为节点x_i到节点x_j的欧式距离；knn(i)为节点x_i的k个邻近点的集合。式(1-2)表示局部密度最高的节点不存在比其局部密度更高的节点，则人为设置为最高。

(102)计算出每个节点的决策值γ，降序排列，选出其中最大的M个峰值节点作为最终的聚类中心集合。d_toSink表示节点x_i到基站的距离，决策值公式为：

(103)计算除峰值节点集合之外的其他节点到峰值节点的相互邻近度，对每个节点选择相互邻近度最大的峰值节点，加入成簇。公式为：

A_i,j＝deg_i→j·deg_j→i (1-7)

其中，ω表示邻近度，deg表示相对邻近度，A表示相互邻近度。

N为网络中节点总数。

(104)重复步骤(103)直到所有节点归簇，至此第一层簇建立完成；

(105)考虑节点剩余能量E_res以及节点到簇内其他节点的距离和d_toNodes选举一级簇头，公式如下：

其中，μ+ν＝1；

为候选节点剩余能量的平均值，

为候选节点到本簇内其他节点距离和的平均值。

进一步地，在步骤(2)中，选举二级簇头的公式如下：

其中，μ+ν+γ＝1，E_O为候选节点初始能量；d_toCen为候选节点到质心的距离；d_diagonal为区域对角线长度；d_toSink为候选节点到基站的距离。

进一步地，在步骤(3)中，构建路径权重矩阵的方法如下：

其中，μ+ν+γ＝1，E_{j_res}为节点j的剩余能量，d为节点i，j之间的欧式距离，d_itos为节点i到基站的欧式距离，θ_ij为节点i到节点j的连线与节点i到基站连线的夹角。

进一步地，步骤(4)的具体过程如下：

(401)根据路径权重矩阵，使用Dijkstra生成初始次优路径；

(402)在次优路径基础上，然后根据免疫算法求出每个源点到终点的最优路径；

(403)判断各个源点，如果相邻起始节点的距离小于阙值γ，则判断两节点能量，把低能量节点下一跳改为高能量节点。修改下一跳时，判断高能量节点是否已经指向低能量节点，如指向则不做修改。反之修改下一跳节点，避免出现环。最终得到全局最优路径。

(404)二级簇头接收一级簇头发来的数据后依据全局最优路径进行多跳数据传输。

采用上述技术方案带来的有益效果：

(1)针对递归成簇导致簇内节点离簇头距离过远，簇内数据传输消耗大量能量。并且靠近基站的簇头节点会承担更多的转发任务，容易在基站周围形成能量空洞现象。本发明利用相互邻近度与距离动态因子，使越靠近基站的簇头相对越多，可以分担路由转发最后一跳的任务，一定程度上规避能量空洞的现象；

(2)本发明提出的双层分簇结构，将原本一个簇头承担的任务，分配到一级簇头和二级簇头，两种簇头侧重于不同任务，分担了簇头的能量消耗。通过对一级簇头分簇，减少了分簇的数量，二级簇头数目也相应减少，降低了计算全局最优路径的难度。最后，构建的路径权重矩阵替代欧式距离，更好的均衡节点能耗。

附图说明

图1是本发明的双层分簇结构示意图；

图2是本发明中免疫算法的流程图；

图3是使用改进免疫算法后的节点路径示意图；

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

一个基于双层分簇的高能效无线传感器网络拓扑控制方法，包括以下步骤：

步骤1：在第一层利用改进的DPC-MND算法对无线传感器网络节点进行分簇，然后根据节点剩余能量以及节点到簇内其他节点的距离和挑选一级簇头；

步骤2：在第二层基于K-Means对一级簇头进行分簇，然后根据节点剩余能量、节点到基站的距离以及节点到质心的距离挑选二级簇头；

步骤3：结合能量、距离、方向构建二级簇头与基站之间的路径权重矩阵；

步骤4：根据该矩阵，利用Dijkstra生成初始次优路径，再根据改进的免疫算法计算全局最优路径。

步骤5：普通节点发送数据给一级簇头，一级簇头接收数据并融合然后发送给二级簇头，二级簇头依据全局最优路径进行多跳数据传输。如图1所示。

在本实施例中，可以采用如下优选方案实现上述步骤1：

101、计算节点之间的欧式距离，求出每个节点的局部密度ρ和与其他节点之间的相对距离δ，公式为：

其中，d_ij为节点x_i到节点x_j的欧式距离；knn(i)为节点x_i的k个邻近点的集合。式(1-2)表示局部密度最高的节点不存在比其局部密度更高的节点，则人为设置为最高。

102、计算出每个节点的决策值γ，降序排列，选出其中最大的M个峰值节点作为最终的聚类中心集合。d_toSink表示节点x_i到基站的距离，决策值公式为：

103、计算除峰值节点集合之外的其他节点到峰值节点的相互邻近度，对每个节点选择相互邻近度最大的峰值节点，加入成簇。公式为：

A_i,j＝deg_i→j·deg_j→i

其中，ω表示邻近度，deg表示相对邻近度，A表示相互邻近度。

N为网络中节点总数。

104、重复步骤103直到所有节点归簇，至此第一层簇建立完成；

105、考虑节点剩余能量E_res以及节点到簇内其他节点的距离和d_toNodes选举一级簇头，公式如下：

其中，μ+ν＝1；

为候选节点剩余能量的平均值，

为候选节点到本簇内其他节点距离和的平均值。

在本实施例中，可以采用如下优选方案实现上述步骤2：

201、采用K-Means对一级簇头进行分簇，得到第二层的分簇结果；

202、根据节点剩余能量、节点到基站的距离以及节点到质心的距离挑选二级簇头，公式如下：

其中，μ+ν+γ＝1，E_O为候选节点初始能量；d_toCen为候选节点到质心的距离；d_diagonal为区域对角线长度；d_toSink为候选节点到基站的距离。

在本实施例中，可以采用如下优选方案实现上述步骤3：

301、构建路径权重矩阵的方法如下：

其中，μ+ν+γ＝1，E_{j_res}为节点j的剩余能量，d为节点i，j之间的欧式距离，d_itos为节点i到基站的欧式距离，θ_ij为节点i到节点j的连线与节点i到基站连线的夹角。

在本实施例中，可以采用如下优选方案实现上述步骤4：

401、根据步骤3中的路径权重矩阵，利用Dijkstra生成每个节点到基站的初始次优路径；

402、在初始次优路径基础上，根据免疫算法计算每个节点到基站的最优路径，具体流程如图2所示；

403、判断各个源点，如果相邻起始节点的距离小于阙值γ，则判断两节点能量，把低能量节点下一跳改为高能量节点。修改下一跳时，判断高能量节点是否已经指向低能量节点，如指向则不做修改。反之修改下一跳节点，避免出现环。最终得到全局最优路径，如图3所示。

最后应说明的是：以上实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施方式所记载的技术方案进行修改，或者对其中部分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发明实施方式技术方案的精神和范围。

Claims (5)

1.一个基于双层分簇的高能效无线传感器网络拓扑控制方法，其特征在于，包括以下步骤：

(1)在第一层利用改进的DPC-MND算法对无线传感器网络节点进行分簇，然后根据节点剩余能量以及节点到簇内其他节点的距离和挑选一级簇头；

(2)在第二层基于K-Means对一级簇头进行分簇，然后根据节点剩余能量、节点到基站的距离以及节点到质心的距离挑选二级簇头；

(3)结合能量、距离、方向构建二级簇头与基站之间的路径权重矩阵；

(4)根据该矩阵，利用Dijkstra生成初始次优路径，再根据改进的免疫算法计算全局最优路径。二级簇头依据全局最优路径进行多跳数据传输。

2.根据权利要求1所述一个基于双层分簇的高能效无线传感器网络拓扑控制方法，其特征在于，步骤(1)的具体过程如下：

(101)计算节点之间的欧式距离，求出每个节点的局部密度ρ和与其他节点之间的相对距离δ；计算出每个节点的决策值γ，降序排列，选出其中最大的M个峰值节点作为最终的聚类中心集合。d_toSink表示节点x_i到基站的距离，决策值公式为：

(102)计算除峰值节点集合之外的其他节点到峰值节点的相互邻近度A，对每个节点选择相互邻近度最大的峰值节点，加入成簇。公式为：

A_i,j＝deg_i→j·deg_j→i (2-2)

其中，deg表示相对邻近度。

(103)重复步骤(102)直到所有节点归簇，至此第一层簇建立完成；

(104)考虑节点剩余能量E_res以及节点到簇内其他节点的距离和d_toNodes选举一级簇头，公式如下：

其中，μ+ν＝1；

为候选节点剩余能量的平均值，

为候选节点到本簇内其他节点距离和的平均值。

3.根据权利要求1所述一个基于双层分簇的高能效无线传感器网络拓扑控制方法，其特征在于，在步骤(2)中，选举二级簇头的公式如下：

其中，μ+ν+γ＝1，E_O为候选节点初始能量；d_toCen为候选节点到质心的距离；d_diagonal为区域对角线长度；d_toSink为候选节点到基站的距离。

4.根据权利要求1所述一个基于双层分簇的高能效无线传感器网络拓扑控制方法，其特征在于，在步骤(3)中，构建路径权重矩阵的方法如下：

其中，μ+ν+γ＝1，E_{j_res}为节点j的剩余能量，d为节点i，j之间的欧式距离，d_itos为节点i到基站的欧式距离，θ_ij为节点i到节点j的连线与节点i到基站连线的夹角。

5.根据权利要求1所述一个基于双层分簇的高能效无线传感器网络拓扑控制方法，其特征在于，在步骤(4)中，改进的免疫算法方法如下：

如果相邻起始节点的距离小于阙值γ，则判断两节点能量，把低能量节点下一跳改为高能量节点。修改下一跳时，判断高能量节点是否已经指向低能量节点，如指向则不做修改。反之修改下一跳节点，避免出现环。

Images