无线传感器网络非均匀成簇方法
【技术领域】
[0001] 本发明设及网络通信技术领域，尤其设及一种无线传感器网络非均匀成簇方法。
【背景技术】
[000引无线传感器网络（Wireless Sensor Networks,简称WSN)是一种低成本、低功耗、 多功能的新型的无线网络。随着无线通信、超大规模集成电路的发展，无线传感器网络广泛 应用于多个领域，比如说环境监测、目标跟踪、智慧城市、智慧医疗等领域。无线传感器网络 中的传感器通常具有数据感知、收集和传输的功能，同时传感器节点还具有数据融合的功 能，由于无线传感器网络中传感器自身的能量，计算能力，存储能力和通信能力等方面的限 审IJ，通常将目标区域内的无线传感器W-定的方式组织起来，完成感知监测任务并最大限 度的延长无线传感器网络的生存时间。
[0003] 在平面拓扑结构中，长距离的数据包传输会消耗很多的能量，进而减少网络的生 存时间，故而将无线传感器网络中的无线传感器划分成簇，不仅可W有效降低网络的能耗， 延长网络寿命，还可W增强网络的拓展性，有利于数据的融合。在无线传感器网络中，为了 提高网络效能，增强网络的可扩展性，通常将无线传感器网络中的传感器划分成簇，现有技 术中成簇的算法主要为均匀成簇算法和非均匀成簇算法。
[0004] 在均匀成簇算法中，由于离基站较近的簇头要承担更多的数据转发任务，能量消 耗要远远大于离基站较远的簇头，导致整个网络能耗的不均匀，使得离基站较近的簇头会 因为能耗过大而较早的死亡，该个现象就称之为"热点"现象。在非均匀成簇算法中，使得 离基站较近的簇头形成较小的簇，降低簇内能耗，使得簇头可W有较多的能量完成簇间数 据包的转发任务，非均匀成簇算法只考虑簇头的自身条件，且常常会进入局部最优，从而影 响算法的性能，该个现象称为"早熟"现象。
【发明内容】
[0005] 针对现有技术中的缺陷，本发明提供一种无线传感器网络非均匀成簇方法，能够 使得非均匀成簇方法更加合理，网络的能耗降低，同时能够避免"早熟"和"热点"现象的出 现。
[0006] 本发明提供一种无线传感器网络非均匀成簇方法，包括：
[0007] 基站获取无线传感器与基站间的距离；
[000引所述基站根据无线传感器的初始能量和所述无线传感器与基站间的距离，采用混 浊粒子群成簇方法，确定无线传感器成簇信息，并将所述无线传感器成簇信息发送给所述 无线传感器；
[0009] 所述无线传感器根据所述无线传感器成簇信息进行成簇，形成簇头无线传感器和 簇点无线传感器；
[0010] 所述簇头无线传感器接收所述簇点无线传感器感知的数据，并将所述感知的数据 进行融合，进而将所述融合后的数据发送给所述基站。
[0011] 进一步地，所述基站获取无线传感器与基站间的距离的步骤，包括：
[0012] 所述无线传感器向所述基站发送预设的信息；
[0013] 所述基站根据预设的信息，确定所述无线传感器的信号强度；
[0014] 所述基站根据所述无线传感器的信号强度，计算所述无线传感器与所述基站间的 距离。
[0015] 进一步地，所述混浊粒子群方法，具体为：
[0016] 获取粒子群中粒子的适应度值；
[0017] 根据所述粒子的适应度值，计算平均粒子间距和适应度方差；
[001引 比较所述平均粒子间距与预设的平均粒子间距，比较所述适应度方差与预设的适 应度方差，若所述平均粒子间距小于等于所述预设的平均粒子间距且所述适应度方差小于 等于所述预设的适应度方差，则将粒子群中粒子的适应度值最小的粒子保留并执行混浊算 法；
[0019] 所述混浊算法为；生成初始混浊序列，对所述初始混浊序列采用混浊自映射函数 产生混浊变量，将所述混浊变量的取值变换到预设的变量的取值区间之内，计算混浊变量 的适应值，将所述混浊变量中的适应值最小的混浊变量代替粒子群中粒子的适应度值最小 的粒子W外的任一粒子，则确定无线传感器成簇信息。
[0020] 进一步地，所述获取粒子群中粒子的适应度值，包括：
[0021] 采用第一函数公式，获取粒子群中粒子的适应度值；
[0022] 其中，第一函数公式为：
[002引 ff"ness= min { 5 1 ? CHUA+ 5 2 ? CHEA+ 5 3 ? AMRP}
【主权项】
1. 一种无线传感器网络非均匀成簇方法，其特征在于，包括： 基站获取无线传感器与基站间的距离； 所述基站根据无线传感器的初始能量和所述无线传感器与基站间的距离，采用混沌粒 子群成簇方法，确定无线传感器成簇信息，并将所述无线传感器成簇信息发送给所述无线 传感器； 所述无线传感器根据所述无线传感器成簇信息进行成簇，形成簇头无线传感器和簇点 无线传感器； 所述簇头无线传感器接收所述簇点无线传感器感知的数据，并将所述感知的数据进行 融合，进而将所述融合后的数据发送给所述基站。
2. 根据权利要求1所述的无线传感器网络非均匀成簇方法，其特征在于，所述基站获 取无线传感器与基站间的距离的步骤，包括： 所述无线传感器向所述基站发送预设的信息； 所述基站根据预设的信息，确定所述无线传感器的信号强度； 所述基站根据所述无线传感器的信号强度，计算所述无线传感器与所述基站间的距 离。
3. 根据权利要求1所述的无线传感器网络非均匀成簇方法，其特征在于，所述混沌粒 子群方法，具体为： 获取粒子群中粒子的适应度值； 根据所述粒子的适应度值，计算平均粒子间距和适应度方差； 比较所述平均粒子间距与预设的平均粒子间距，比较所述适应度方差与预设的适应度 方差，若所述平均粒子间距小于等于所述预设的平均粒子间距且所述适应度方差小于等于 所述预设的适应度方差，则将粒子群中粒子的适应度值最小的粒子保留并执行混沌算法； 所述混沌算法为：生成初始混沌序列，对所述初始混沌序列采用混沌自映射函数产生 混沌变量，将所述混沌变量的取值变换到预设的变量的取值区间之内，计算混沌变量的适 应值，将所述混沌变量中的适应值最小的混沌变量代替粒子群中粒子的适应度值最小的粒 子以外的任一粒子，则确定无线传感器成簇信息。
4. 根据权利要求3述的无线传感器网络非均匀成簇方法，其特征在于，所述获取粒子 群中粒子的适应度值，包括： 采用第一函数公式，获取粒子群中粒子的适应度值； 其中，第一函数公式为： ffitness= Kiin { δ ! . CHUA+ δ 2 · CHEA+ δ 3 · AMRP}
S1, δ 2, δ 3为随机参数，且满足δ i+δ 2+δ 3=1，AMRP为平均最小可达性功率，CHEA 为簇头能量评价因子，CHUA为簇发均匀性评价因子，Iiodei为第i个簇成员，CH k为第k个簇 头，Ck为第k个簇的簇成员个数，d 2 Oiodei, CHk)为簇成员Iiodei与其所属簇头CH k之间的距 离的平方，I^pt为最优簇头个数，N为无线传感器网络节点总个数，E i为第i个节点的能量， Eaij为第j个簇头的能量，CH i为第i个簇头的能量，d (CH i，CHp为第i个簇头和第j个簇头 之间的距离，dc为期望的簇间距离。
5. 根据权利要求4所述的无线传感器网络非均匀成簇方法，其特征在于，所述期望的 簇间距离为：
其中，Xm · ym为传感器网络的区域的面积。
6. 根据权利要求3所述的无线传感器网络非均匀成簇方法，其特征在于，所述平均粒 子间距为：
其中，q_value为种群的规模，L为搜索空间长度，pis第i个粒子在s维度上的个体最 优值，A为第i个粒子在s维度上的平均值。
7. 根据权利要求3所述的无线传感器网络非均匀成簇方法，其特征在于，所述适应度 方差为：
其中，
^为归一化因子，为fi为第i个 粒子的适应度函数的值，fasg为所有粒子适应度函数的平均值。
8. 根据权利要求3所述的无线传感器网络非均匀成簇方法，其特征在于，所述获取所 述粒子群中粒子的混沌序列，将所述粒子群中的任一混沌序列替代除所述粒子群中粒子的 适应度值最小的粒子以外的任一粒子，则确定无线传感器成簇信息，具体为： 获取基站随机产生的初始混沌变量，采用混沌自映射函数，确定所述粒子群中的粒子 的混纯序列； 将所述混沌序列中的每一维的混沌变量变化到优化变量的取值范围，确定最优值； 将所述最优值替代除所述粒子群中粒子的适应度值最小的粒子以外的任一粒子，则确 定无线传感器成簇信息。
9. 根据权利要求8所述的无线传感器网络非均匀成簇方法，其特征在于，采用第二函 数公式，将所述混沌序列中的每一维的混沌变量变化到优化变量的取值范围； 其中，所述第二函数公式为：
yi，s为第i个粒子在s维度上的混沌序列，b s为第i粒子在s维度上的最大值，a s为第 i粒子在s维度上的最小值，Pgs为第i粒子的在s维度上全局最优值。
【专利摘要】本发明提供了一种无线传感器网络非均匀成簇方法，其中方法包括：基站获取无线传感器与基站间的距离；所述基站根据无线传感器的初始能量和所述无线传感器与基站间的距离，采用混沌粒子群成簇方法，确定无线传感器成簇信息，并将所述无线传感器成簇信息发送给所述无线传感器；所述无线传感器根据所述无线传感器成簇信息进行成簇，形成簇头无线传感器和簇点无线传感器；所述簇头无线传感器接收所述簇点无线传感器感知的数据，并将所述感知的数据进行融合，进而将所述融合后的数据发送给所述基站。通过本发明提供的无线传感器网络非均匀成簇方法，能够使得非均匀成簇方法更加合理，网络的能耗降低，同时能够避免“早熟”和“热点”现象的出现。
【IPC分类】H04W40-02, H04W84-18
【公开号】CN104661274
【申请号】CN201410758049
【发明人】李秀华, 李金兰, 康琳, 司红江, 张英海, 王卫东
【申请人】北京邮电大学
【公开日】2015年5月27日
【申请日】2014年12月10日