CN113747505B - 一种基于leach的无线传感器网络低功耗路由方法 - Google Patents
一种基于leach的无线传感器网络低功耗路由方法 Download PDFInfo
- Publication number
- CN113747505B CN113747505B CN202111045742.2A CN202111045742A CN113747505B CN 113747505 B CN113747505 B CN 113747505B CN 202111045742 A CN202111045742 A CN 202111045742A CN 113747505 B CN113747505 B CN 113747505B
- Authority
- CN
- China
- Prior art keywords
- node
- energy
- hop
- cluster head
- nodes
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 241000854291 Dianthus carthusianorum Species 0.000 claims abstract description 116
- 230000005540 biological transmission Effects 0.000 claims abstract description 24
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 78
- 238000004891 communication Methods 0.000 claims description 32
- 239000003016 pheromone Substances 0.000 claims description 15
- 238000005265 energy consumption Methods 0.000 claims description 13
- 241000257303 Hymenoptera Species 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- IRLXSDZTLYOBQH-WOUKDFQISA-N [(2r,3s,4r,5r)-3,4-dihydroxy-5-imidazo[2,1-f]purin-3-yloxolan-2-yl]methyl dihydrogen phosphate Chemical compound O[C@@H]1[C@H](O)[C@@H](COP(O)(O)=O)O[C@H]1N1C(N=CN2C=CN=C22)=C2N=C1 IRLXSDZTLYOBQH-WOUKDFQISA-N 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04W40/04—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
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
- H04W28/0917—Management thereof based on the energy state of entities
-
- 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
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- 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
-
- 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
本发明公开了一种基于LEACH的无线传感器网络低功耗路由方法，包括两部分：基于模糊逻辑和改进阈值函数的簇头选举算法，自适应地选择最佳簇头节点；基于改进蚁群系统的单跳和多跳混合路由协议，设置最佳单跳距离和多跳距离，簇头到基站间信息传输方式根据距离因素选择簇间单跳或多跳路由机制，确定簇头到基站的最优路由路径。通过本发明的方法实现合理的分簇，延长网络运行周期；提升整个网络的能量利用效率。
Description
技术领域
本发明属于无线通信技术领域，特别涉及一种基于LEACH的无线传感器网络低功耗路由方法。
背景技术
在无线传感器网络监测区域中，无线传感器节点间采用无线电进行数据传输，环境信息被无线传感器实时感知，利用人工智能等技术对数据进行处理，从而让智慧化判别成为可能。但是传感器节点自身能量有限，部署在野外环境的节点无法通过电网系统或者更换电池的方式得到外部持续有效的电能补给。监测区域内的无线传感器节点初始能量有限且工作阶段得不到补充，高效地利用传感器节点能量，提高网络网络负载平衡度，是无线传感器网络路由协议重点研究的内容之一。
在无线传感器网络路由协议中，LEACH协议是一种经典的层次式路由协议。在该协议的每个运行周期内，网络内节点随机成为簇头，以保证网络内节点能量消耗更加均匀，避免节点过早失效，提高网络生存周期。但LEACH协议依然存在一些短板，该协议以随机方式挑选簇头，忽视簇头邻居节点密度和簇头与基站之间的距离等因素，很容易造成簇头的聚集和分布不均匀。另外，如果剩余能量较少的节点成为簇头，那么会加快该节点的失效，缩短整个无线传感器网络的运行周期。
此外，在LEACH协议中，簇头直接将融合后的数据发送给基站，当簇头与基站之间较远时，远距离的单跳通信会加剧簇头节点能量的损耗程度，从而造成簇头节点提前失效，规模较大的网络无法使用单跳的通信方式。使用多跳通信方式的路由协议，簇头之间构建多路径的数据转发链路，将采集数据发送给基站。簇间进行多跳的数据传输，距离基站近的簇头，中继的数据量大，通信能耗高，这些距离基站较近的簇头将过早把能量消耗殆尽，在基站附近形成“热区”现象。
因此，需要综合多种因素选择簇头，实现合理的分簇，延长网络运行周期；找到簇头与基站之间能量最优多跳路由路径。
发明内容
针对现有技术存在的不足，本发明提供一种基于LEACH的无线传感器网络低功耗路由方法，针对LEACH路由协议中选择簇头不合理问题，本发明提出了基于模糊逻辑和改进阈值函数的簇头选举算法，自适应地选择最佳簇头节点，从而提高簇头分布的合理性；针对LEACH路由协议中单跳通信方式节点能量利用效率低和多跳通信方式存在“热区”现象，本发明提出了基于改进蚁群系统的单跳和多跳混合路由协议，提升整个网络的能量利用效率。
为了解决上述技术问题，本发明采用的技术方案是：
一种基于LEACH的无线传感器网络低功耗路由方法，包括两部分：
一、基于模糊逻辑和改进阈值函数的簇头选举算法，自适应地选择最佳簇头节点：引入节点自身剩余能量和节点间距离参数对阈值函数T(n)进行优化；经过模糊逻辑计算，得到节点成为簇头的chance值，chance值替代节点的随机值；如果chance值小于改进的阈值函数T(n)，该节点成为簇头；
二、基于改进蚁群系统的单跳和多跳混合路由协议，设置最佳单跳距离和多跳距离，簇头到基站间信息传输方式根据距离因素选择簇间单跳或多跳路由机制，确定簇头到基站的最优路由路径。
进一步的，第一部分中，改进的阈值函数T(n)如式(1)所示：
公式中，α、β、γ分别表示三个大于0的加权系数；Emax(r)表示第r轮，有最大值能量的节点；Ei(r)表示第r轮次节点能量；davg(r)表示第r轮，簇头与基站之间距离均值；di表示簇头i与基站之间的长度；Ni(r)表示在第r轮次，节点i标准通信半径内节点数目；Nmax(r)表示在第r轮次，在标准通信半径内节点数目的最大值，两者的比值表示簇头邻居节点的密度；
以节点自身剩余能量优先、簇头与基站之间的距离和邻居节点密度次之的规则设置加权系数α、β、γ，阈值函数T(n)越大的节点成为簇头的概率越大。
进一步的，第一部分中，基于模糊逻辑的簇头选举算法包括三个步骤：
步骤一：分别对节点自身剩余能量、邻居节点密度和节点与基站之间的距离参数进行归一化处理，对归一化后的数值进行模糊化；
步骤二：运用模糊推理模块进行模糊逻辑推理；
步骤三：将步骤二产生的结果通过解模糊模块进行解模糊化得到清晰值；清晰值替代节点的随机值，作为能否成为簇头的依据。
进一步的，基于模糊逻辑的簇头选举算法采用的模糊逻辑系统是Mamdani模型，在此模型中，输入节点自身剩余能量、邻居节点密度和节点与基站之间的距离三个参数的归一化值，输出归一化值所对应的论域上的模糊集合的隶属关系。
更进一步的，模糊逻辑系统包括模糊推理模块和解模糊模块，所述模糊推理模块分别对节点相对剩余能量的隶属度函数设置、节点到基站的相对距离的隶属度函数设置、邻居节点密度隶属度函数设置；使用输入变量以及输出变量及其它们所对应的模糊语言变量制定27条模糊推理规则，输出变量的隶属度函数设置成三角形隶属度函数，输出变量反应了普通节点成为簇头节点的的概率；
所述解模糊模块采用质心法，在无线传感器网络中，每个普通节点计算出自身成为簇头的概率值Gi(r)，概率值Gi(r)通过函数进行计算得到对应值的函数值Fi(r)，用于取代LEACH协议中每个节点被赋予的随机值rand；在LEACH协议的第r轮次的运行过程中，如果节点Fi(r)的大小低于阈值T(n)，将成为簇头。
更进一步的，所述相对剩余能量的隶属度函数设置如下：
式(3)是对节点自身剩余能量的归一化，Ei(r)表示r轮时，节点i的剩余能量，Ei-max(r)表示r轮时，节点i在为网络内剩余能量最多，Ei-min(r)表示r轮时，节点i为网络内剩余能量最少的节点；
所述节点到基站的相对距离的隶属度函数设置如下：
其中，Li表示节点i到基站的距离，Lmax表示节点到基站的距离最大值；
所述邻居节点密度隶属度函数设置如下：
其中，Ni表示某一普通节点标准通信半径内的存活的邻居节点数目，Nmax表示普通节点标准通信半径内存活的邻居节点数目最大值；
标准通信半径R如式(6)所示：
其中，S表示节点整个无线传感器网络覆盖的面积，N表示网络内节点数量，p表示簇头个数占网络节点数量的百分比。
进一步的，第二部分中，引入节点剩余能量和节点间距离要素改进启发式函数，并且全局更新规则考虑节点能量要素，使得蚂蚁在访问下一跳节点时，受最短路径和节点剩余能量状态的影响，具体步骤如下：
(1)改进启发式函数
通过引入蚂蚁选择下一跳节点的剩余能量参数，对启发式函数进行改进，如式(9)所示：
其中，dij表示节点i和j之间的距离；θ表示能量影响程度，Ej表示节点j的剩余能量状况；改进的启发式函数受节点间距离和附近节点能量的影响，人工蚂蚁以大概率选择距离较近且剩余能量较大的节点作为可行节点；
(2)节点能量因素引入全局更新规则
在全局信息素更新规则中考虑节点能量因素，降低剩余能量低的节点在路由过程中承担数据融合和数据传输任务的概率，提高网络负载平衡度；对全局信息素τij更新规则的改进，如式(10)及式(11)所示：
τij＝(1-ρ)τij+ρΔτij (19)
其中，ρ表示信息素挥发系数；γ表示信息素系数；Δτij表示信息素增量；E0表示节点能量初值；Emin、N、Ei、Eavg分别表示全局最优路径中节点剩余能量最小值、节点数量、节点能量值、节点能量的均值。
进一步的，单跳和多跳混合路由协议通过以下方式实现：
(1)单跳路由
设置最佳单跳路由长度ds判断阈值，若簇头与基站之间的距离dtoBS低于阈值，簇头以单跳形式上传信息给基站，式(12)给出了节点间最佳单跳距离：
其中，Eelec、Ecpu、εamp分别表示电路通信能耗、数据处理能耗和多路径衰减模型能量系数；γ表示与传输距离有关的耗散系数；
(2)多跳路由
当簇头到基站之间的长度dtoBS大于最佳单跳路由长度ds时，该簇头作为起点放置人工蚂蚁，采用基于改进蚁群系统的负载均衡路由策略，构建一条到基站的最优路径P，若该最优路径P的传输距离dP大于最佳多跳传输距离dm，簇头沿着最优路径P进行多跳路由传输数据，否则依然采用单跳的路由方式；式(13)给出了最佳多跳传输距离：
其中，Eelec表示收发电路所消耗的能量；l表示控制消息长度；L表示消息长度；EDA表示数据融合消耗的能量；εfs表示功率放大倍数。
与现有技术相比，本发明优点在于：
1、本发明设计的基于模糊逻辑的簇头选择方法，综合考虑了节点剩余能量、邻居节点密度和节点与基站之间的距离等参数，自适应地选择最优簇头，实现合理的分簇，解决了LEACH协议随机选择簇头，致使簇头分布不合理、挑选簇头方式单一的问题，从而均衡网络能量消耗，延长网络运行周期。
2、本发明设计的改进的阈值函数T(n)，通过引进无线传感器节点剩余能量、与基站间距离、标准通信半径内节点数目等参数，在相同的条件下，节点能量大，接近基站、邻居节点密集，阈值函数T(n)越大，节点愈有可能成为簇头，加强了阈值函数与模糊逻辑系统输出值的关联性，最大程度增加了选择簇头的合理性。
3、本发明设计了基于改进蚁群系统的单跳和多跳混合路由协议，该协议通过改进地蚁群系统寻找出簇头到基站的最优多跳路由路径。设置最佳单跳距离和多跳距离，簇头到基站间信息传输方式根据距离因素选择单跳或多跳路由机制，避免了单跳路由造成距离基站较远簇头过早死亡的问题，解决了簇头与基站单跳通信造成的能量消耗高的问题；并且，有效解决了在多跳路由时的网络“热区”现象，提升节点能量消耗效率，提高了网络负载均衡度，延长网络运行寿命。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
图1为本发明的基于模糊逻辑的簇头选举算法流程图；
图2为本发明的模糊逻辑系统的结构图；
图3为本发明的相对剩余能量的隶属度函数设置；
图4为本发明的节点到基站的相对距离的隶属度函数设置；
图5为本发明的邻居节点密度隶属度函数设置；
图6为本发明的节点竞争成为簇头机率的隶属度函数设置；
图7为本发明的簇间单跳与多跳混合路由机制。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的说明。
一种基于LEACH的无线传感器网络低功耗路由方法，包括两部分：
一、基于模糊逻辑和改进阈值函数的簇头选举算法，自适应地选择最佳簇头节点：引入节点自身剩余能量和节点间距离参数对阈值函数T(n)进行优化；经过模糊逻辑计算，得到节点成为簇头的chance值，chance值替代节点的随机值；如果chance值小于改进的阈值函数T(n)，该节点成为簇头；
二、基于改进蚁群系统的单跳和多跳混合路由协议，设置最佳单跳距离和多跳距离，簇头到基站间信息传输方式根据距离因素选择簇间单跳或多跳路由机制，确定簇头到基站的最优路由路径。
下面对两部分的技术方案作详细介绍。
一、基于模糊逻辑和改进阈值函数的簇头选举算法
1.改进阈值函数
改进的阈值函数T(n)如式(1)所示：
公式中，α、β、γ分别表示三个大于0的加权系数；Emax(r)表示第r轮，有最大值能量的节点；Ei(r)表示第r轮次节点能量；davg(r)表示第r轮，簇头与基站之间距离均值；di表示簇头i与基站之间的长度；Ni(r)表示在第r轮次，节点i标准通信半径内节点数目；Nmax(r)表示在第r轮次，在标准通信半径内节点数目的最大值，两者的比值表示簇头邻居节点的密度。
从上述计算公式可以看出，以节点自身剩余能量优先、簇头与基站之间的距离和邻居节点密度次之的规则设置加权系数α、β、γ，节点剩余能量是能否成为簇头的重要因素，在相同的条件下，节点能量大，接近基站、邻居节点密集，阈值函数T(n)越大，节点愈有可能成为簇头。
2.基于模糊逻辑的簇头选举方法
簇头选择策略基于模糊逻辑系统，该系统在选择簇头时考虑传感器节点剩余能量、相对密度和到基站的相对距离等参数，以模糊逻辑系统输出的精确值取代每个传感器节点的随机数，并且结合引入节点剩余能量参数和节点间距离参数的阈值函数T(n)，自适应地选择最佳簇头节点。以达到均衡整个无线传感器网络的能量消耗，延长网络使用时间的目的。
基于模糊逻辑的簇头选举算法包括三个步骤：
步骤一：分别对节点自身剩余能量、邻居节点密度和节点与基站之间的距离参数进行归一化处理，对归一化后的数值进行模糊化；
步骤二：运用模糊推理模块进行模糊逻辑推理；
步骤三：将步骤二产生的结果通过解模糊模块进行解模糊化得到清晰值；清晰值替代节点的随机值，作为能否成为簇头的依据。具体工作流程如图1所示。
本发明采用的模糊逻辑系统是Mamdani模型，在此模型中，输入节点自身剩余能量、邻居节点密度和节点与基站之间的距离等三个参数的归一化值，输出归一化值所对应的论域上的模糊集合的隶属关系。模糊逻辑系统包括模糊推理模块和解模糊模块，模糊推理模块包含27条推理规则；解模糊模块采用质心法。该模糊逻辑系统的结构图如图2所示。
A.模糊化模块
将输入变量物理量的精确参数映射成合适的模糊语言变量。模糊逻辑系统的输入变量所对应的模糊语言变量的集合被分为三个等级，输入变量的模糊语言变量如表1所示。
表1输入变量及其模糊语言变量
本发明利用三角形隶属函数表示模糊集的Middle、Medium和Moderate。用梯形隶属函数表示Close、Far、Low、High、Sparse和Dense。
(1)相对剩余能量的隶属度函数设置
式(3)是对节点自身剩余能量的归一化，Ei(r)表示r轮时，节点i的剩余能量，Ei-max(r)表示r轮时，节点i在为网络内剩余能量最多，Ei-min(r)表示r轮时，节点i为网络内剩余能量最少的节点。相对剩余能量的隶属度函数设置如图3所示。
(2)节点到基站的相对距离的隶属度函数设置
普通节点到基站的距离与普通节点到基站的距离最大值之比为节点到基站的相对距离Di，公式如式(4)所示。节点到基站的相对距离的隶属度函数设置如图4所示。
其中，Li表示节点i到基站的距离，Lmax表示节点到基站的距离最大值。
(3)邻居节点密度隶属度函数设置
某一普通节点标准通信半径内存活邻居节点数目与普通节点标准通信半径内存活的邻居节点数目最大值的比值为节点的相对密度RDi，邻居节点的相对密度隶属度函数设置如图5所示：
其中，Ni表示某一普通节点标准通信半径内的存活的邻居节点数目，Nmax表示普通节点标准通信半径内存活的邻居节点数目最大值。
标准通信半径R如式(6)所示：
其中，S表示节点整个无线传感器网络覆盖的面积，N表示网络内节点数量，p表示簇头个数占网络节点数量的百分比。
B.模糊推理规则
模糊化的输出变量包含7个模糊语言变量，输出的模糊语言变量表示普通节点竞争成为簇头节点的机率。输出变量及其模糊语言变量如表2所示。
表2输出变量及其模糊语言变量
本发明根据上述情况和基本经验，使用以上三个输入变量以及输出变量及其它们所对应的模糊语言变量制定了27条模糊推理规则。模糊推理规则的设计原理是：如果能量高，密度高，距离基站的距离很近，节点成为簇头的可能性很大。表3给出了模糊推理规则。
表3模糊推理规则表
输出变量反应了普通节点成为簇头节点的的概率，为了能够增加模糊判决的精准度和实时性，输出变量的隶属度函数设置成三角形隶属度函数。普通节点竞争成为簇头的机率的隶属度函数设置如图6所示。
C.解模糊模块
本发明的解模糊化方法采用质心法(centroid)，该表达式如式(7)所示。
在无线传感器网络中，每个普通节点计算出自身成为簇头的概率值Gi(r),概率值Gi(r)通过函数进行计算得到对应值的函数值Fi(r)，用于取代LEACH协议中每个节点被赋予的随机值rand。在LEACH协议的第r轮次的运行过程中，如果节点Fi(r)的大小低于阈值T(n)，将成为簇头。
函数Fi(r)如式(8)所示。
其中，Gi(r)表示第r轮节点i成为簇首的概率值，Gi-min(r)和Gi-max(r)分别表示第r轮存活节点当中概率值的最小值和最大值。
二、基于改进蚁群系统的单跳和多跳混合路由机制
本发明对蚁群系统进行改进，引入节点剩余能量和节点间距离要素改进启发式函数，并且全局更新规则考虑节点能量要素，使得蚂蚁在访问下一跳节点时，受最短路径和节点剩余能量状态的影响。具体步骤如下：
(1)改进启发式函数
通过引入蚂蚁选择下一跳节点的剩余能量参数，对启发式函数进行改进，如式(9)所示：
其中，dij表示节点i和j之间的距离；θ表示能量影响程度，Ej表示节点j的剩余能量状况。改进的启发式函数受节点间距离和附近节点能量的影响，人工蚂蚁以较大概率选择距离较近且剩余能量较大的节点作为可行节点。
(2)节点能量因素引入全局更新规则
在全局信息素更新规则中考虑节点能量因素，降低剩余能量较低的节点在路由过程中承担数据融合和数据传输任务的概率，提高网络负载平衡度。对全局信息素τii更新规则的改进，如式(10)及式(11)所示：
τij＝(1-ρ)τij+ρΔτij (32)
其中，ρ表示信息素挥发系数；γ表示信息素系数；Δτij表示信息素增量；E0表示节点能量初值；Emin、N、Ei、Eavg分别表示全局最优路径中节点剩余能量最小值、节点数量、节点能量值、节点能量的均值。
本发明将上述改进启发式函数和引入节点能量因素的全局更新规则对蚁群系统进行改进，使其更好的适应无线传感器网络的特点。
本发明提出的改进LEACH协议，在簇的形成阶段，采用基于模糊逻辑和改进阈值函数的簇头选举策略，选择出合适的簇头。簇头与簇内普通节点的路由方式，同LEACH协议一致，簇内普通节点直接与其簇头通信。簇头与基站之间的通信路径采用基于改进蚁群算法的簇间单跳与多跳混合通信的路由协议以提高能量利用率。簇头远离基站，簇头以多径衰减模型进行数据传输，通信能耗高，多跳路由模式可以解决此问题。单跳路由模式适用于簇头靠近基站的情况，以降低节点在信息转发过程中造成的能耗。
下面将结合图7所示的簇间单跳与多跳混合路由机制，详细介绍在本发明提出的网络结构下，簇间单跳与多跳混合路由机制的构造过程。
(1)单跳路由
设置最佳单跳路由长度ds判断阈值，若簇头与基站之间的距离dtoBS低于阈值，簇头以单跳形式上传信息给基站，式(12)给出了节点间最佳单跳距离：
其中，Eelec、Ecpu、εamp分别表示电路通信能耗、数据处理能耗和多路径衰减模型能量系数；γ表示与传输距离有关的耗散系数。
(2)多跳路由
当簇头到基站之间的长度dtoBS大于最佳单跳路由长度ds时，该簇头作为起点放置人工蚂蚁，采用基于改进蚁群系统的负载均衡路由策略，构建一条到基站的最优路径P。若该最优路径P的传输距离dP大于最佳多跳传输距离dm，簇头沿着最优路径P进行多跳路由传输数据，否则依然采用单跳的路由方式；式(13)给出了最佳多跳传输距离：
其中，Eelec表示收发电路所消耗的能量；l表示控制消息长度；L表示消息长度；EDA表示数据融合消耗的能量；εfs表示功率放大倍数。
综上所述，本发明首先基于模糊逻辑和改进阈值函数的簇头选举算法，自适应地选择最佳簇头节点，提高簇头分布的合理性；然后提出基于改进蚁群系统的单跳和多跳混合路由协议，提升整个网络的能量利用效率。
当然，上述说明并非是对本发明的限制，本发明也并不限于上述举例，本技术领域的普通技术人员，在本发明的实质范围内，做出的变化、改型、添加或替换，都应属于本发明的保护范围。
Claims (4)
1.一种基于LEACH的无线传感器网络低功耗路由方法，其特征在于，包括两部分：
一、基于模糊逻辑和改进阈值函数的簇头选举算法，自适应地选择最佳簇头节点：引入节点自身剩余能量和节点间距离参数对阈值函数T(n)进行优化；经过模糊逻辑计算，得到节点成为簇头的chance值，chance值替代节点的随机值；如果chance值小于改进的阈值函数T(n)，该节点成为簇头；
其中，改进的阈值函数T(n)如式(1)所示：
公式中，α、β、γ分别表示三个大于0的加权系数；Emax(r)表示第r轮，有最大值能量的节点能量；Ei(r)表示第r轮次节点能量；davg(r)表示第r轮，簇头与基站之间距离均值；di表示簇头i与基站之间的长度；Ni(r)表示在第r轮次，节点i标准通信半径内节点数目；Nmax(r)表示在第r轮次，在标准通信半径内节点数目的最大值，两者的比值表示簇头邻居节点的密度；以节点自身剩余能量优先、簇头与基站之间的距离和邻居节点密度次之的规则设置加权系数α、β、γ，阈值函数T(n)越大的节点成为簇头的概率越大；
基于模糊逻辑的簇头选举算法包括三个步骤：
步骤一：分别对节点自身剩余能量、邻居节点密度和节点与基站之间的距离参数进行归一化处理，对归一化后的数值进行模糊化；
步骤二：运用模糊推理模块进行模糊逻辑推理；
步骤三：将步骤二产生的结果通过解模糊模块进行解模糊化得到清晰值；清晰值替代节点的随机值，作为能否成为簇头的依据；
二、基于改进蚁群系统的单跳和多跳混合路由协议，设置最佳单跳距离和多跳距离，簇头到基站间信息传输方式根据距离因素选择簇间单跳或多跳路由机制，确定簇头到基站的最优路由路径；
其中，对蚁群系统进行改进，引入节点剩余能量和节点间距离要素改进启发式函数，并且全局更新规则考虑节点能量要素，使得蚂蚁在访问下一跳节点时，受最短路径和节点剩余能量状态的影响，具体步骤如下：
(1)改进启发式函数
通过引入蚂蚁选择下一跳节点的剩余能量参数，对启发式函数进行改进，如式(9)所示：
其中，dij表示节点i和j之间的距离；θ表示能量影响程度，Ej表示节点j的剩余能量状况；改进的启发式函数受节点间距离和附近节点能量的影响，人工蚂蚁以大概率选择距离较近且剩余能量较大的节点作为可行节点；
(2)节点能量因素引入全局更新规则
在全局信息素更新规则中考虑节点能量因素，降低剩余能量低的节点在路由过程中承担数据融合和数据传输任务的概率，提高网络负载平衡度；对全局信息素τij更新规则的改进，如式(10)及式(11)所示：
τij＝(1-ρ)τij+ρΔτij (10)
其中，ρ表示信息素挥发系数；γ表示信息素系数；Δτij表示信息素增量；E0表示节点能量初值；Emin、N、Ei、Eavg分别表示全局最优路径中节点剩余能量最小值、节点数量、节点能量值、节点能量的均值；
单跳和多跳混合路由协议通过以下方式实现：
(1)单跳路由
设置最佳单跳路由长度ds判断阈值，若簇头与基站之间的距离dtoBS低于阈值，簇头以单跳形式上传信息给基站，式(12)给出了节点间最佳单跳距离：
其中，Eelec、Ecpu、εamp分别表示电路通信能耗、数据处理能耗和多路径衰减模型能量系数；γ表示与传输距离有关的耗散系数；
(2)多跳路由
当簇头到基站之间的长度dtoBS大于最佳单跳路由长度ds时，该簇头作为起点放置人工蚂蚁，采用基于改进蚁群系统的负载均衡路由策略，构建一条到基站的最优路径P，若该最优路径P的传输距离dP大于最佳多跳传输距离dm，簇头沿着最优路径P进行多跳路由传输数据，否则依然采用单跳的路由方式；式(13)给出了最佳多跳传输距离：
其中，Eelec表示收发电路所消耗的能量；l表示控制消息长度；L表示消息长度；EDA表示数据融合消耗的能量；εfs表示功率放大倍数。
2.根据权利要求1所述的基于LEACH的无线传感器网络低功耗路由方法，其特征在于，基于模糊逻辑的簇头选举算法采用的模糊逻辑系统是Mamdani模型，在此模型中，输入节点自身剩余能量、邻居节点密度和节点与基站之间的距离三个参数的归一化值，输出归一化值所对应的论域上的模糊集合的隶属关系。
3.根据权利要求2所述的基于LEACH的无线传感器网络低功耗路由方法，其特征在于，模糊逻辑系统包括模糊推理模块和解模糊模块，所述模糊推理模块分别对节点相对剩余能量的隶属度函数设置、节点到基站的相对距离的隶属度函数设置、邻居节点密度隶属度函数设置；使用输入变量以及输出变量及其它们所对应的模糊语言变量制定27条模糊推理规则，输出变量的隶属度函数设置成三角形隶属度函数，输出变量反应了普通节点成为簇头节点的的概率；
所述解模糊模块采用质心法，在无线传感器网络中，每个普通节点计算出自身成为簇头的概率值Gi(r),概率值Gi(r)通过函数进行计算得到对应值的函数值Fi(r)，用于取代LEACH协议中每个节点被赋予的随机值rand；在LEACH协议的第r轮次的运行过程中，如果节点Fi(r)的大小低于阈值T(n)，将成为簇头。
4.根据权利要求3所述的基于LEACH的无线传感器网络低功耗路由方法，其特征在于，所述相对剩余能量的隶属度函数设置如下：
式(3)是对节点自身剩余能量的归一化，Ei(r)表示r轮时，节点i的剩余能量，Ei-max(r)表示r轮时，节点i在为网络内剩余能量最多，Ei-min(r)表示r轮时，节点i为网络内剩余能量最少的节点；
所述节点到基站的相对距离的隶属度函数设置如下：
其中，Li表示节点i到基站的距离，Lmax表示节点到基站的距离最大值；
所述邻居节点密度隶属度函数设置如下：
其中，Ni表示某一普通节点标准通信半径内的存活的邻居节点数目，Nmax表示普通节点标准通信半径内存活的邻居节点数目最大值；
标准通信半径R如式(6)所示：
其中，S表示节点整个无线传感器网络覆盖的面积，N表示网络内节点数量，p表示簇头个数占网络节点数量的百分比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111045742.2A CN113747505B (zh) | 2021-09-07 | 2021-09-07 | 一种基于leach的无线传感器网络低功耗路由方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111045742.2A CN113747505B (zh) | 2021-09-07 | 2021-09-07 | 一种基于leach的无线传感器网络低功耗路由方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113747505A CN113747505A (zh) | 2021-12-03 |
| CN113747505B true CN113747505B (zh) | 2024-04-05 |
Family
ID=78736801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111045742.2A Active CN113747505B (zh) | 2021-09-07 | 2021-09-07 | 一种基于leach的无线传感器网络低功耗路由方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113747505B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114867081B (zh) * | 2022-04-22 | 2024-09-03 | 中国科学院上海微系统与信息技术研究所 | 基于中继无人机节点的移动自组网多源传输路由方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111698705A (zh) * | 2020-05-29 | 2020-09-22 | 华南理工大学 | 一种基于能量优化的无线传感器网络非均匀分簇路由方法 |
| CN111818553A (zh) * | 2020-05-21 | 2020-10-23 | 长春工业大学 | 基于模糊逻辑的无线传感器网络改进多跳leach协议 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016064243A2 (ko) * | 2014-10-23 | 2016-04-28 | 엘지전자(주) | 단말 간 통신을 지원하는 무선 통신 시스템에서 단말 클러스터링을 위한 방법 및 이를 위한 장치 |
| US10034185B2 (en) * | 2015-03-31 | 2018-07-24 | King Fahd University Of Petroleum And Minerals | Apparatus and method for evaluating wireless sensor networks |
-
2021
- 2021-09-07 CN CN202111045742.2A patent/CN113747505B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111818553A (zh) * | 2020-05-21 | 2020-10-23 | 长春工业大学 | 基于模糊逻辑的无线传感器网络改进多跳leach协议 |
| CN111698705A (zh) * | 2020-05-29 | 2020-09-22 | 华南理工大学 | 一种基于能量优化的无线传感器网络非均匀分簇路由方法 |
Non-Patent Citations (1)
| Title |
|---|
| "基于模糊逻辑的WSNs能量高效分簇路由算法";蒋华;《微电子学与计算机》;参见说明书2-4节 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113747505A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | An energy efficient routing protocol based on improved artificial bee colony algorithm for wireless sensor networks | |
| Fanian et al. | A new fuzzy multi-hop clustering protocol with automatic rule tuning for wireless sensor networks | |
| Zhang et al. | A clustering routing protocol for wireless sensor networks based on type-2 fuzzy logic and ACO | |
| CN111194065B (zh) | 一种高能效的环形无线传感器网络多跳分簇路由方法 | |
| CN111818553B (zh) | 基于模糊逻辑的无线传感器网络改进多跳leach协议的数据传输方法 | |
| CN108900996A (zh) | 一种基于双层模糊算法的无线传感器网络数据传输方法 | |
| Moharamkhani et al. | Multiobjective fuzzy knowledge‐based bacterial foraging optimization for congestion control in clustered wireless sensor networks | |
| CN113709841B (zh) | 一种基于布谷鸟算法和K-means算法的WSN路由协议方法 | |
| CN105517093A (zh) | 一种无线传感器网络中基于网络均衡性的节能路由方法 | |
| Messaoudi et al. | Cross-layer based routing protocol for wireless sensor networks using a fuzzy logic module | |
| Bhanderi et al. | Machine learning for wireless sensor network: a review, challenges and applications | |
| Song et al. | Hybrid PSO and evolutionary game theory protocol for clustering and routing in wireless sensor network | |
| CN113747505B (zh) | 一种基于leach的无线传感器网络低功耗路由方法 | |
| Agrawal et al. | Optimization of the selection of cluster‐head using fuzzy logic and harmony search in wireless sensor networks | |
| Kongsorot et al. | An enhanced fuzzy-based clustering protocol with an improved shuffled frog leaping algorithm for WSNs | |
| Abbas et al. | Fuzzy logic approach for cluster-head election in wireless sensor network | |
| CN114501576A (zh) | 一种基于强化学习的sdwsn最优路径计算方法 | |
| Dhandapani et al. | Cooperative self-scheduling routing protocol based IOT communication for improving life time duty cycled energy efficient protocol in SDN controlled embedded network | |
| Reyes et al. | Game of sensors: An energy-efficient method to enhance network lifetime in wireless sensor networks using the game of life cellular automaton | |
| CN103987102A (zh) | 一种基于非合作博弈的水下无线传感器网络拓扑控制方法 | |
| Alansari et al. | FCERP: a novel WSNs fuzzy clustering and energy efficient routing protocol | |
| Zhao et al. | A balances energy consumption clustering routing protocol for a wireless sensor network | |
| CN108199873B (zh) | 节点拓扑控制方法和节点拓扑控制系统 | |
| Kumar et al. | An Enhanced Genetic Algorithm (EGA)-based Multi-Hop Path for Energy Efficient in Wireless Sensor Network (WSN) | |
| Subbaiah et al. | Mobile ad hoc network |
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 |