CN114258106A - 一种无线传感器网络中基于能耗均衡的动态分簇方法 - Google Patents

Abstract

本发明公开了一种无线传感器网络中基于能耗均衡的动态分簇方法，包括：确定传感器网络中簇头节点的位置；簇头节点根据能量权重更大的竞争函数，从传感器网络的非簇头节点中选择第一批节点并加入自身簇中；簇头节点根据自身簇的总能量均衡状态值及距离权重更大的竞争函数，选择下一批节点加入自身簇中；根据能量与距离权重相同的竞争函数，将簇内节点分为若干级；簇内节点将数据按级别依次上传至所在簇的簇头节点。本发明在保证一定的数据采集量优势前提下，簇间能耗更加均衡，存活节点的剩余能量分布更加均衡，网络生命周期得到延长，而且对簇内节点分级可以缓解簇头节点的负载压力，解决数据远距离传输的节点能耗问题以及数据易丢失问题。

Description

一种无线传感器网络中基于能耗均衡的动态分簇方法

技术领域

本发明无线传感器网络数据采集领域，具体涉及一种无线传感器网络中基于能耗均衡的动态分簇方法。

背景技术

随着互联网时代的发展，物联网在工业等领域具有广阔的应用前景。由大量部署在监测区域的传感器节点互相通信所组成的无线传感器网络是物联网底层的重要技术形式。无线传感器网络中重要的应用之一是数据采集，但是在一些应用场景比如军事基地、森林火灾监测等，传感器节点的能量有限且不便于随时进行补充，因此在无线传感器网络进行数据采集过程中，其能量使用效率是一个需要关注的问题。

在无线传感器网络中，通常节点数量较多且有些节点之间距离很远，聚类传感器节点是延长传感器网络寿命的重要方法之一。聚类包括对传感器节点进行分簇，然后从每个簇中选出一个簇头，对每个节点的数据进行汇总，再将收集到的数据转发给基站，其中，LEACH算法是最经典的聚类算法。在关注能量效率的同时，网络剩余能量的均匀分布也对传感器网络的生命周期有着重要的影响。为了提高网络的生存时间和剩余能量，分簇算法和簇头节点的选择变得越来越重要。

发明内容

本发明提供一种无线传感器网络中基于能耗均衡的动态分簇方法，可以提升无线传感器网络中的网络能量效率和网络生命周期，提高传感器网络在森林等不便于补充节点能量场景的应用效率。

为实现上述技术目的，本发明采用如下技术方案：

一种无线传感器网络中基于能耗均衡的动态分簇方法，包括以下步骤：

步骤1，采用现有聚类方法确定传感器网络中k个簇头节点的位置；

步骤2，每个簇头节点根据第一竞争函数值，从传感器网络的非簇头节点中选择第一批节点并加入自身簇中；第一竞争函数为：

式中，e_res为节点的剩余能量，d_itoj为两个节点之间的欧式距离，λ₁为节点剩余能量在第一竞争函数中的权重；

步骤3，每个簇头节点根据自身簇的总能量均衡状态值以及第二竞争函数值，从传感器网络的未成簇的节点中选择下一批节点加入自身簇中，直到所有节点均成为簇成员；第二竞争函数为：

式中，λ₂为节点剩余能量在第二竞争函数中的权重；

步骤4，根据第三竞争函数值，将各簇内非簇头节点分为若干级别；第三竞争函数为：

式中，λ₃为节点剩余能量在第三竞争函数中的权重；

步骤5，簇内节点将数据按级别依次递增的路径依次上传至所在簇的簇头节点，更新簇头节点，并返回步骤4；

步骤6，在簇内节点每进行T₀轮数据采集并上传后，判断传感器网络的状态平衡值是否小于预设的状态平衡阈值，若小于则返回步骤1，否则返回步骤4。

在更优的技术方案中，步骤1中簇头节点数量k的确定方法为：

步骤a1，根据v_total和v_max确定初始的簇头数量为：

式中，

表示向上取整，v_total为传感器网络的总数据量，v_max为传感器网络的单个节点的最大数据承载量；

步骤a2，采用现有聚类方法确定传感器网络中当前k个簇头节点的位置，通过计算各簇头节点到汇聚节点的平均距离d，进而按以下公式确定传感器网络的最优簇头数量k_opt为：

式中，ε_fs为簇头在d≤d₀时其发送电路的放大系数，ε_amp为簇头在d＞d₀时其发送电路的放大系数，d₀为簇头到汇聚节点的距离阈值；M为传感器网络覆盖范围的半径，n为传感器网络中的节点数量；

步骤a3，判断k＝k_opt是否成立，若成立则簇头节点选定成功，若不成立，则将k_opt的值赋给k并返回步骤a2。

在更优的技术方案中，每个簇头选择的第一批节点，是传感器网络的非簇头节点中竞争函数值最高的s/α个节点，s为传感器网络所有节点平均到每个簇的节点数，

表示向下取整，n为传感器网络中的节点数量，α为第一批节点选择比例参数且α＞1；若某个节点在多个簇头的第一竞争函数值，均属于最高的s/α范围内，则将该节点划分到距离其簇头距离更近的簇。

在更优的技术方案中，步骤3中下一批节点的选择方法为：

步骤b1，计算并记录每个簇的总能量均衡状态值：

l_i＝E_res.ci/E_max

式中，l_i为第i个簇的总能量均衡状态值，E_res.ci为当前已形成的第i个簇的总能量，E_max为前已形成的簇中总能量最高簇的总能量；

步骤b2，每个簇头节点选择下一批节点：判断簇的总能量状态值是否满足l_i≥U，U为预设的节点吸收阈值；若满足，则该簇头CH_i暂停一轮吸收新节点加入；若不满足，则计算传感器网络中所有未成簇的节点在该簇头CH_i的第二竞争函数值，并从传感器网络的未成簇的节点中选择

个节点作为下一批节点加入该簇；

若某个节点在多个簇头的第二竞争函数值，均属于其

范围内的节点，则将该节点划分到距离其簇头距离更近的簇；

步骤b3，重复步骤b1、b2，直到传感器网络的所有节点均已成簇。

在更优的技术方案中，α＝3，β＝10，λ₃＝0.4。

在更优的技术方案中，步骤4中将每个簇的非簇头节点分为3个级别：第三竞争函数值最高的

个节点为一级节点，即最高级别节点；非一级节点中，第三竞争函数值最高的

个节点为二级节点，即次高级别节点；其余节点为三级节点，即最低级别节点；其中，n_i为第i个簇的节点数量，n_i'为第i个簇的非一级节点数量，

表示向下取整。

在更优的技术方案中，步骤5的簇内节点在将数据上传至上一级别节点的路径选择时，具体选择下一跳节点的方法为：以该节点为标准，分别计算上一级别所有节点的第三竞争函数值，选择其中第三竞争函数值最大的节点作为下一跳节点。

在更优的技术方案中，在步骤5中，当所有节点采集的数据最终由簇头上传至汇聚节点后，将簇中所有一级节点中剩余能量最高的节点更新为新的簇头。

在更优的技术方案中，步骤6中，传感器网络的状态平衡值的计算方法为：

式中，E_max代表传感器网络中最大总能量簇的能量值，E_min表示传感器网络中最小总能量簇的能量值。

在更优的技术方案中，预设的状态平衡阈值为0.8。

有益效果

1、本发明根据传感器网络的总数据量和单个节点的最大数据承载量确定分簇个数，采用现有聚类算法确定簇头位置，综合考虑节点的剩余能量和距簇头的距离分批次分簇，第一批次的竞争函数其剩余能量的权重更高，下一批次的竞争函数其距簇头的距离权重更高，而且下一批次分簇时还依据当前已形成的簇的总能量状态值确定当前轮次是否吸收新节点。因此，本发明在分簇阶段，使用由能量与距离因素构成的竞争函数参与簇的形成，并依据能量平衡状态动态控制簇的形成过程，在保证一定的数据采集量优势前提下，簇间能耗更加均衡，存活节点的剩余能量分布更加均衡，网络生命周期得到延长，且随着数据采集轮数的增加，本发明的性能优势更加明显。

2、在进行簇内数据传输时，将簇内节点分为多级，同时考虑距离与能量因素进行路径规划，每轮更新节点分级情况，使得簇内节点能量消耗也处于一个更加均衡的状态。其中，最高一级节点作为簇头的辅助节点，每一轮数据采集均使用一级节点更新簇头，从而可以帮助缓解簇头节点的负载压力；在传感器网络覆盖范围较大时，会有一部分距离簇中心较远的节点，在直接发送数据至辅助节点时会产生较大的能耗，本发明设置的中间级别节点作为缓冲带，可以避免远距离传输的能耗问题；最低级别节点的剩余能量较低且距离簇头较远，因此可通过多跳传输至簇头，解决最低级别节点数据易丢失的问题。

附图说明

图1为本发明实施例所述方法中的传感器网络模型；

图2为本发明实施例所述方法的流程图；

图3为本发明实施例所述的三种方法的节点采集的总数据量对比结果图；

图4为本发明实施例所述的三种方法的簇能耗方差对比结果图；

图5为本发明实施例所述的三种方法的死亡节点数对比结果图；

图6为本发明实施例所述的三种方法的节点剩余能量方差*死亡节点数对比结果图。

具体实施方式

为了使本发明、技术法案以及优点阐述地更加清楚，下面将通过附图对实本发明内容作进一步详细说明，但不是对本发明的限制。

本实施例所使用硬件配置如下：Intel(R)Core(TM)i5-8250U CPU@1.60HZ 1.80HZ8核，8G内存，显存，NVIDIA GeForce MX250，2GB；软件配置：Windows，matlab R2018a。

本实施例提供一种无线传感器网络中基于能耗均衡的动态分簇方法，参照图1、图2所示，包括以下步骤：

步骤1，采用现有聚类方法确定传感器网络中k个簇头节点的位置；

其中簇头节点数量k的确定方法为：

步骤a1，根据v_total和v_max确定初始的簇头数量为：

式中，

表示向上取整，v_total为传感器网络的总数据量，v_max为传感器网络的单个节点的最大数据承载量；

步骤a2，采用现有聚类方法确定传感器网络中当前k个簇头节点的位置，通过计算各簇头节点到汇聚节点的平均距离d，进而按以下公式确定传感器网络的最优簇头数量k_opt为：

式中，ε_fs为簇头在d≤d₀时其发送电路的放大系数，ε_amp为簇头在d＞d₀时其发送电路的放大系数，d₀为簇头到汇聚节点的距离阈值；M为传感器网络覆盖范围的半径，n为传感器网络中的节点数量；

步骤a3，判断k＝k_opt是否成立，若成立则簇头节点选定成功，若不成立，则将k_opt的值赋给k并返回步骤a2。

当按上述方法确定簇头节点数量k后，其中的步骤a2也就相应确定了该k个簇头节点的位置。在本实施例中，确定簇头节点的位置具体采用经典k-means聚类算法确定得到。

步骤2，每个簇头节点根据第一竞争函数值，从传感器网络的非簇头节点中选择第一批节点并加入自身簇中；第一竞争函数为：

式中，e_res为节点的剩余能量，d_itoj为两个节点之间的欧式距离，λ₁为节点剩余能量在第一竞争函数中的权重，本实施例中取λ₁＝0.7；

其中，每个簇头选择的第一批节点，是传感器网络的非簇头节点中竞争函数值最高的s/α个节点，s为传感器网络所有节点平均到每个簇的节点数，

表示向下取整，α为第一批节点选择比例参数且α＞1，本实施例中取α＝3；若某个节点在多个簇头的第一竞争函数值，均属于最高的s/α范围内，则将该节点划分到距离其簇头距离更近的簇。

步骤3，每个簇头节点根据自身簇的总能量均衡状态值以及第二竞争函数值，从传感器网络的未成簇的节点中选择下一批节点加入自身簇中，直到所有节点均成为簇成员；第二竞争函数为：

式中，λ₂为节点剩余能量在第二竞争函数中的权重；

其中，本步骤3中下一批节点的选择方法具体为：

步骤b1，计算并记录每个簇的总能量均衡状态值：

l_i＝E_res.ci/E_max

式中，l_i为第i个簇的总能量均衡状态值，E_res.ci为当前已形成的第i个簇的总能量，E_max为前已形成的簇中总能量最高簇的总能量；

步骤b2，每个簇头节点选择下一批节点：判断簇的总能量状态值是否满足l_i≥U，U为预设的节点吸收阈值；若满足，则该簇头CH_i暂停一轮吸收新节点加入；若不满足，则计算传感器网络中所有未成簇的节点在该簇头CH_i的第二竞争函数值，并从传感器网络的未成簇的节点中选择

个节点作为下一批节点加入该簇；本实施例中取α＝3，β＝10，λ₃＝0.4；

若某个节点在多个簇头的第二竞争函数值，均属于其

范围内的节点，则将该节点划分到距离其簇头距离更近的簇；

步骤b3，重复步骤b1、b2，直到传感器网络的所有节点均已成簇。

步骤4，根据第三竞争函数值，将各簇内非簇头节点分为若干级别；第三竞争函数为：

式中，λ₃为节点剩余能量在第三竞争函数中的权重；

本实施例中具体将每个簇的非簇头节点分为3个级别：第三竞争函数值最高的

个节点为一级节点，即最高级别节点；非一级节点中，第三竞争函数值最高的

个节点为二级节点，即次高级别节点；其余节点为三级节点，即最低级别节点；其中，n_i为第i个簇的节点数量，n_i'为第i个簇的非一级节点数量，

表示向下取整。

步骤5，簇内节点将数据按级别依次递增的路径依次上传至所在簇的簇头节点，更新簇头节点，并返回步骤4；

其中，簇内节点在将数据上传至上一级别节点的路径选择时，具体选择下一跳节点的方法为：以该节点为标准，分别计算上一级别所有节点的第三竞争函数值，选择其中第三竞争函数值最大的节点作为下一跳节点。

当所有节点采集的数据最终由簇头上传至汇聚节点后，将簇中所有一级节点中剩余能量最高的节点更新为新的簇头。

步骤6，在簇内节点每进行T₀轮数据采集并上传后，判断传感器网络的状态平衡值是否小于预设的状态平衡阈值0.8，若小于则返回步骤1，否则返回步骤4；

其中，传感器网络的状态平衡值的计算方法为：

式中，E_max代表传感器网络中最大总能量簇的能量值，E_min表示传感器网络中最小总能量簇的能量值。

本发明中，将簇形成后，节点分级-节点数据分级上传的一个过程定义为一“轮”数据采集过程。

由于现有的聚类算法分簇仅考虑了距离因素，没有考虑到能量因素对分簇好坏的影响，因此本发明实施例在成簇阶段，使用由能量与距离因素构成的竞争函数参与簇的形成，并依据能量平衡状态动态控制簇的形成过程，以维持网络的能量平衡状态，延长网络生命周期。

在进行簇内数据传输时，将簇内节点分为三级，采用单跳和多跳路由相结合的方式将节点数据上传至簇头节点。由于单个簇仅有一个簇头，若簇内节点数据全部单跳上传至簇头节点，容易出现数据溢出的情况。本发明实施例方法设置少量的一级节点作为簇头的辅助节点，每一轮数据采集均使用一级节点更新簇头，从而可以帮助缓解簇头节点的负载压力。在传感器网络覆盖范围较大时，会有一部分距离簇中心较远的节点，在直接发送数据至辅助节点时会产生较大的能耗，为了缓解该情况，本发明实施例设置了一部份的二级节点作为缓冲带。而剩余那些剩余能量较低且距离簇中心较远的节点则为三级节点，其数据通过多跳传输到至簇头。

由于节点的剩余能量不一致，为了获得能量动态平衡的分簇，本发明实施例在分簇阶段采用了“自顶向下”的方式，在节点分级阶段采用“自底向上”的方式。“自顶向下”即先确定簇头位置再进行簇的形成，具体过程为先确定簇头位置，再根据两个不同能量权重的竞争函数值进行节点吸收入簇，通过对能量值的比较结果动态调节分簇进程，最终形成了能量平衡的分簇。“自底向上”即在节点分级阶段由低一级节点向更高一级节点进行路径选择，数据最终到达簇头节点。

为了验证本发明的优异性，进行了仿真实验，为了记录的便利，将本发明方法命名为EBDCA，在1km*1km范围内随机均匀部署了300个传感器节点，结果表现了进行2000轮数据采集的性能。将本发明方法EBDCA与经典LEACH、改进算法HMDC算法在数据量、簇能耗方差、死亡节点数、节点能耗方差*死亡节点数几个方面进行性能的比较。

为验证本发明的数据采集能力，参照图3，结果显示其数据采集能力优于性能优势会随着采集轮数的增加而更加明显。

簇能耗方差很好的体现了各簇能耗与簇均能耗之间的偏离程度，簇能耗方差越小，则表明整个网络各簇的能量消耗越均衡。本发明在簇的能耗方差进行了优势验证，参照图4。在数据采集初始阶段，本发明方法处于整个网络能量的平衡调整阶段，因此能耗方差略大与HMDC算法，但是随着数据采集轮数增加，整个网络能量平衡的状态趋于稳定，本发明方法的簇能耗方差在绝大多数的轮次都处于优势，浮动幅度相对稳定且远小于HMDC与LEACH算法。

随着实施采集轮数的增加，死亡节点数决定了网络的生存状态，参照图3，在数据采集进行到200轮时，本发明所提出算法的死亡节点数仅为LEACH算法的12.1％，HMDC算法的59.3％。在有更少的死亡节点情况下且节点剩余能量方差更小，使用其乘积来验证整个网络的平衡状态，参照图6，验证了本发明所提出算法在均衡整个网络能量与提高网络生命周期的优势。

以上所述对本发明具体实施进行了阐述，应当指出上述只是本发明的实施例，并不限制本发明，在不脱离本发明原理下的改，均属于本发明保护之内。

Claims (10)

1.一种无线传感器网络中基于能耗均衡的动态分簇方法，其特征在于，包括以下步骤：

步骤1，采用现有聚类方法确定传感器网络中k个簇头节点的位置；

步骤2，每个簇头节点根据第一竞争函数值，从传感器网络的非簇头节点中选择第一批节点并加入自身簇中；第一竞争函数为：

式中，e_res为节点的剩余能量，d_itoj为两个节点之间的欧式距离，λ₁为节点剩余能量在第一竞争函数中的权重；

步骤3，每个簇头节点根据自身簇的总能量均衡状态值以及第二竞争函数值，从传感器网络的未成簇的节点中选择下一批节点加入自身簇中，直到所有节点均成为簇成员；第二竞争函数为：

式中，λ₂为节点剩余能量在第二竞争函数中的权重；

步骤4，根据第三竞争函数值，将各簇内非簇头节点分为若干级别；第三竞争函数为：

λ＝0.5；

式中，λ₃为节点剩余能量在第三竞争函数中的权重；

步骤5，簇内节点将数据按级别依次递增的路径依次上传至所在簇的簇头节点，更新簇头节点，并返回步骤4；

步骤6，在簇内节点每进行T₀轮数据采集并上传后，判断传感器网络的状态平衡值是否小于预设的状态平衡阈值，若小于则返回步骤1，否则返回步骤4。

2.根据权利要求1所述的方法，其特征在于，步骤1中簇头节点数量k的确定方法为：

步骤a1，根据v_total和v_max确定初始的簇头数量为：

式中，

表示向上取整，v_total为传感器网络的总数据量，v_max为传感器网络的单个节点的最大数据承载量；

步骤a2，采用现有聚类方法确定传感器网络中当前k个簇头节点的位置，通过计算各簇头节点到汇聚节点的平均距离d，进而按以下公式确定传感器网络的最优簇头数量k_opt为：

式中，ε_fs为簇头在d≤d₀时其发送电路的放大系数，ε_amp为簇头在d＞d₀时其发送电路的放大系数，d₀为簇头到汇聚节点的距离阈值；M为传感器网络覆盖范围的半径，n为传感器网络中的节点数量；

步骤a3，判断k＝k_opt是否成立，若成立则簇头节点选定成功，若不成立，则将k_opt的值赋给k并返回步骤a2。

3.根据权利要求1所述的方法，其特征在于，每个簇头选择的第一批节点，是传感器网络的非簇头节点中竞争函数值最高的

个节点，s为传感器网络所有节点平均到每个簇的节点数，

表示向下取整，n为传感器网络中的节点数量，α为第一批节点选择比例参数且α＞1；若某个节点在多个簇头的第一竞争函数值，均属于最高的s/α范围内，则将该节点划分到距离其簇头距离更近的簇。

4.根据权利要求3所述的方法，其特征在于，步骤3中下一批节点的选择方法为：

步骤b1，计算并记录每个簇的总能量均衡状态值：

l_i＝E_res.ci/E_max

式中，l_i为第i个簇的总能量均衡状态值，E_res.ci为当前已形成的第i个簇的总能量，E_max为前已形成的簇中总能量最高簇的总能量；

步骤b2，每个簇头节点选择下一批节点：判断簇的总能量状态值是否满足l_i≥U，U为预设的节点吸收阈值；若满足，则该簇头CH_i暂停一轮吸收新节点加入；若不满足，则计算传感器网络中所有未成簇的节点在该簇头CH_i的第二竞争函数值，并从传感器网络的未成簇的节点中选择

个节点作为下一批节点加入该簇；

若某个节点在多个簇头的第二竞争函数值，均属于其

范围内的节点，则将该节点划分到距离其簇头距离更近的簇；

步骤b3，重复步骤b1、b2，直到传感器网络的所有节点均已成簇。

5.根据权利要求4所述的方法，其特征在于，α＝3，β＝10，λ₃＝0.4。

6.根据权利要求1所述的方法，其特征在于，步骤4中将每个簇的非簇头节点分为3个级别：第三竞争函数值最高的

个节点为一级节点，即最高级别节点；非一级节点中，第三竞争函数值最高的

个的节点为二级节点，即次高级别节点；其余节点为三级节点，即最低级别节点；其中，n_i为第i个簇的节点数量，n_i'为第i个簇的非一级节点数量，

表示向下取整。

7.根据权利要求1所述的方法，其特征在于，步骤5的簇内节点在将数据上传至上一级别节点的路径选择时，具体选择下一跳节点的方法为：以该节点为标准，分别计算上一级别所有节点的第三竞争函数值，选择其中第三竞争函数值最大的节点作为下一跳节点。

8.根据权利要求1所述的方法，其特征在于，在步骤5中，当所有节点采集的数据最终由簇头上传至汇聚节点后，将簇中所有一级节点中剩余能量最高的节点更新为新的簇头。

9.根据权利要求1所述的方法，其特征在于，步骤6中，传感器网络的状态平衡值的计算方法为：

式中，E_max代表传感器网络中最大总能量簇的能量值，E_min表示传感器网络中最小总能量簇的能量值。

10.根据权利要求1所述的方法，其特征在于，预设的状态平衡阈值为0.8。

Images