一种簇头选择方法及装置与流程

本发明涉及通信技术领域，具体涉及一种簇头选择方法及装置。

背景技术：

无线传感器网络由许多分布在特定范围内的传感器节点组成，这些传感器节点通过协作的方式完成数据的采集，并且数据以多跳的方式传送给汇聚节点。在实际应用中，大多数传感器节点都处于汇聚节点的单跳传输范围以外，需要通过多跳的方式将数据传送给汇聚节点，这样汇聚节点周围的邻居节点很快消耗完自身能量，导致网络连通性中断。

目前常用的簇头选择方法主要有：低功耗自适应簇头选择方法和中心化簇头选择方法。低功耗自适应簇头选择方法是将网络覆盖区域进行分簇，每个节点采用随机数的方式竞选簇头，簇头节点负责融合和转发簇内节点的数据。但是该方法中每个节点都有平等的机会参与簇头选举，没有考虑节点的剩余能量，容易造成剩余能量较低的节点被选为簇头，进而导致簇头节点提前死亡。

中心化簇头选择方法是采用基站管理簇内节点并分簇的方法，基站指定剩余能量最高的节点成为簇头。该方法虽然保证了簇头的剩余能量不会过低，但是会造成簇头分布不均的状态。

当前的节能路由方法要么是没有考虑节点的剩余能量，要么是簇头分布不均。为了最大限度的均衡网络中的能量，本发明提出了一种能量均衡的簇头选择方法。

技术实现要素：

本发明针对现有技术中存在的上述不足，提供一种簇头选择方法及装置，用以解决现有簇头选择方案无法兼顾节点的剩余能量和簇头分布均衡的问题。

本发明为解决上述技术问题，采用如下技术方案：

本发明提供一种簇头选择方法，所述方法应用于无线传感器网络覆盖区域，所述无线传感器网络覆盖区域包括一个汇聚节点和多个簇，每个簇包括簇头和普通节点，所述方法包括：

计算最优簇头数目；

根据所述最优簇头数目和所述无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率；

计算每个节点的簇头选举参数；

根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头。

优选的，所述无线传感器网络覆盖区域的面积为m*m，所述计算最优簇头数目，具体包括：

确定所述无线传感器网络覆盖区域内当前存活的普通节点的数量；

计算各个簇头与所述汇聚节点之间的平均距离；

根据无线传感器网络覆盖区域的范围m、簇头的广播距离、所述无线传感器网络覆盖区域内当前存活的普通节点的数量、所述各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。

优选的，当时，根据公式(1)计算最优簇头数目kopt：

其中，m表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-bs表示所述各个簇头与所述汇聚节点之间的平均距离；

当时，根据公式(2)计算所述最优簇头数目kopt：

其中，m表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-bs表示所述各个簇头与所述汇聚节点之间的平均距离。

优选的，根据公式(3)计算所述最优簇头概率popt：

其中，kopt表示最优簇头数目，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量。

优选的，所述计算每个节点的簇头选举参数，具体包括：

计算所述无线传感器网络覆盖区域的总剩余能量、所述无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离；

根据所述最优簇头数目、所述无线传感器网络覆盖区域内当前存活的普通节点数量、所述最优簇头概率、当前节点的剩余能量、所述无线传感器网络覆盖区域的总剩余能量、所述各普通节点到汇聚节点的平均欧氏距离、所述当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。

优选的，根据公式(4)计算每个节点的簇头选举参数t(n)：

其中，r表示簇的半径，eremain表示当前节点的剩余能量，ere-total表示所述无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，α表示权重因子，0<α<1，表示当前节点的节点中心度，n表示节点。

优选的，所述根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头，具体包括：

将所述每个节点的簇头选举参数由大到小排序；

选取所述排序中前最优簇头数目的簇头选举参数；

确定选取出的簇头选举参数对应的节点为簇头。

本发明还提供一种基站设备，所述基站设备包括：第一计算模块、第二计算模块、第三计算模块和处理模块；

所述第一计算模块用于，计算最优簇头数目；

所述第二计算模块用于，根据所述最优簇头数目和所述无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率；

所述第三计算模块用于，计算每个节点的簇头选举参数；

所述处理模块用于，根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头。

优选的，所述无线传感器网络覆盖区域的面积为m*m，所述第一计算模块具体用于，确定所述无线传感器网络覆盖区域内当前存活的普通节点的数量；计算各个簇头与所述汇聚节点之间的平均距离；根据无线传感器网络覆盖区域的范围m、簇头的广播距离、所述无线传感器网络覆盖区域内当前存活的普通节点的数量、所述各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。

优选的，所述第一计算模块具体用于，当时，根据公式(1)计算最优簇头数目kopt：其中，m表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-bs表示所述各个簇头与所述汇聚节点之间的平均距离；

当时，根据公式(2)计算所述最优簇头数目kopt：

其中，m表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-bs表示所述各个簇头与所述汇聚节点之间的平均距离。

优选的，所述第二计算模块具体用于，根据公式(3)计算所述最优簇头概率popt：

其中，kopt表示最优簇头数目，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量。

优选的，所述第三计算模块具体用于，计算所述无线传感器网络覆盖区域的总剩余能量、所述无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离；根据所述最优簇头数目、所述无线传感器网络覆盖区域内当前存活的普通节点数量、所述最优簇头概率、当前节点的剩余能量、所述无线传感器网络覆盖区域的总剩余能量、所述各普通节点到汇聚节点的平均欧氏距离、所述当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。

优选的，所述第三计算模块具体用于，根据公式(4)计算每个节点的簇头选举参数t(n)：

其中，r表示簇的半径，eremain表示当前节点的剩余能量，ere-total

表示所述无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，α表示权重因子，0<α<1，表示当前节点的节点中心度，n表示节点。

优选的，所述处理模块具体用于，将所述每个节点的簇头选举参数由大到小排序；选取所述排序中前最优簇头数目的簇头选举参数；确定选取出的簇头选举参数对应的节点为簇头。

本发明通过计算最优簇头数目，根据最优簇头数目和无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率，并计算每个节点的簇头选举参数，根据每个节点的簇头选举参数和最优簇头数目确定簇头，本发明的簇头选择方法在保证网络连通性的同时，能够最大限度均衡网络能耗、延长网络生存时间。

附图说明

图1为本发明实施例提供的簇头选择方法流程图；

图2为本发明实施例提供的计算最优簇头数目的流程图；

图3为本发明实施例提供的确定簇头的流程图；

图4为本发明实施例提供的基站设备的结构示意图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例1提供一种簇头选择方法，应用于无线传感器网络覆盖区域，所述无线传感器网络覆盖区域的面积为m*m。在初始化阶段，在无线传感器网络覆盖区域内部署n个传感器节点，包括1个汇聚节点和(n-1)个普通节点。根据簇的半径r，将(n-1)个传感器节点划分为k个簇，每个簇内包括(n-1)/k-1个普通节点，和一个指定的簇头节点。

以下结合图1，对本发明一种实施例的簇头选择流程进行详细说明，如图1所示，该流程包括以下步骤：

步骤11，计算最优簇头数目。

计算最优簇头数目的具体实现方式后续结合附图2再详细说明。

步骤12，根据最优簇头数目和无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率。

具体的，根据公式(3)计算最优簇头概率popt：

其中，kopt表示最优簇头数目，nalive表示无线传感器网络覆盖区域内当前存活的普通节点的数量。

步骤13，计算每个节点的簇头选举参数。

先计算无线传感器网络覆盖区域的总剩余能量、无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离。然后，根据最优簇头数目、无线传感器网络覆盖区域内当前存活的普通节点数量、最优簇头概率、当前节点的剩余能量、无线传感器网络覆盖区域的总剩余能量、各普通节点到汇聚节点的平均欧氏距离、当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。

具体的，根据公式(4)计算每个节点的簇头选举参数t(n)：

其中，r表示簇的半径，eremain表示当前节点的剩余能量，ere-total无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，表示当前节点的节点中心度，α表示权重因子，其决定了当前节点的剩余能量和当前节点与汇聚节点间的距离所占选择簇头的比重，0<α<1，n表示节点。

步骤14，根据每个节点的簇头选举参数和最优簇头数目，确定簇头。

确定簇头的具体实现方式后续结合附图3再详细说明。

通过上述步骤11-14可以看出，本发明通过计算最优簇头数目，根据最优簇头数目和无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率，并计算每个节点的簇头选举参数，根据每个节点的簇头选举参数和最优簇头数目确定簇头，本发明的簇头选择方法在保证网络连通性的同时，能够最大限度均衡网络能耗、延长网络生存时间。

以下结合图2，对计算最优簇头数目(即步骤11)的具体实现方式进行详细说明，如图2所示，所述计算最优簇头数目，包括：

步骤111，确定无线传感器网络覆盖区域内当前存活的普通节点的数量。

步骤112，计算各个簇头与汇聚节点之间的平均距离。

步骤113，根据无线传感器网络覆盖区域的范围m、簇头的广播距离、无线传感器网络覆盖区域内内当前存活的普通节点的数量、各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。

具体的，当各个簇头与汇聚节点之间的平均距离时，根据公式(1)计算最优簇头数目kopt：

其中，m表示无线传感器网络覆盖区域的范围，nalive表示无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数。

当各个簇头与汇聚节点之间的平均距离时，根据公式(2)计算最优簇头数目kopt：

其中，m表示无线传感器网络覆盖区域的范围，nalive表示无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数。

以下结合图3对确定簇头(即步骤14)的具体实现方式进行详细说明。如图3所示，所述根据每个节点的簇头选举参数和最优簇头数目，确定簇头，具体包括：

步骤141，将每个节点的簇头选举参数由大到小排序。

步骤142，选取所述排序中前最优簇头数目的簇头选举参数。

具体的，选取所述排序中前kopt个簇头选举参数t(n)。

步骤143，确定选取出的簇头选举参数对应的节点为簇头。

本发明首先对无线传感器网络进行初始化，将无线传感器网络分为若干个簇，然后计算最优簇头数目以及最优簇头概率。最后，根据节点当前的剩余能量、全网的总剩余能量、所有普通节点到汇聚节点的平均欧式距离、当前节点到汇聚节点的欧式距离以及节点中心度等因素计算簇头选举参数，从而成功选择出簇头。

基于相同的技术构思，本发明实施例还提供一种基站设备，如图4所示，该基站设备可以包括：第一计算模块41、第二计算模块42、第三计算模块43和处理模块44。

第一计算模块41用于，计算最优簇头数目。

第二计算模块42用于，根据所述最优簇头数目和所述无线传感器网络覆盖区域内当前存活的普通节点数量，计算最优簇头概率。

第三计算模块43用于，计算每个节点的簇头选举参数。

处理模块44用于，根据所述每个节点的簇头选举参数和所述最优簇头数目，确定簇头。

具体的，所述无线传感器网络覆盖区域的面积为m*m，第一计算模块41具体用于，确定所述无线传感器网络覆盖区域内当前存活的普通节点的数量；计算各个簇头与所述汇聚节点之间的平均距离；根据无线传感器网络覆盖区域的范围m、簇头的广播距离、所述无线传感器网络覆盖区域内当前存活的普通节点的数量、所述各个簇头与汇聚节点之间的平均距离、自由空间能耗中的功耗放大系数和多路径衰减能耗中的功耗放大系数，计算最优簇头数目。

具体的，第一计算模块41具体用于，当时，根据公式(1)计算最优簇头数目kopt：

其中，m表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-bs表示所述各个簇头与所述汇聚节点之间的平均距离；

当时，根据公式(2)计算所述最优簇头数目kopt：

其中，m表示无线传感器网络覆盖区域的范围，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量，d表示簇头的广播距离，εfs表示自由空间能耗中的功耗放大系数，εmp表示多路径衰减能耗中的功耗放大系数，dt-bs表示所述各个簇头与所述汇聚节点之间的平均距离。

具体的，第二计算模块42具体用于，根据公式(3)计算所述最优簇头概率popt：

其中，kopt表示最优簇头数目，nalive表示所述无线传感器网络覆盖区域内当前存活的普通节点的数量。

具体的，第三计算模块43具体用于，计算所述无线传感器网络覆盖区域的总剩余能量、所述无线传感器网络覆盖区域内各普通节点到汇聚节点的平均欧氏距离、当前节点到所述汇聚节点的欧氏距离；根据所述最优簇头数目、所述无线传感器网络覆盖区域内当前存活的普通节点数量、所述最优簇头概率、当前节点的剩余能量、所述无线传感器网络覆盖区域的总剩余能量、所述各普通节点到汇聚节点的平均欧氏距离、所述当前节点到汇聚节点的欧氏距离、簇的半径、预设的权重因子和当前节点的节点中心度，计算每个节点的簇头选举参数。

具体的，第三计算模块43具体用于，根据公式(4)计算每个节点的簇头选举参数t(n)：

其中，r表示簇的半径，eremain表示当前节点的剩余能量，ere-total表示所述无线传感器网络覆盖区域的总剩余能量，表示各普通节点到汇聚节点的平均欧式距离，表示当前节点到汇聚节点的欧式距离，α表示权重因子，0<α<1，表示当前节点的节点中心度，n表示节点。

具体的，处理模块44具体用于，将所述每个节点的簇头选举参数由大到小排序；选取所述排序中前最优簇头数目的簇头选举参数；确定选取出的簇头选举参数对应的节点为簇头。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。