适用于异构无线传感网的改进型分布式能量有效成簇方法与流程
本发明涉及无线传感器网络技术，具体是一种适用于异构无线传感网的改进型分布式能量有效成簇方法。
背景技术：
近年来，无线传感器网络(wireless sensor networks,WSN)广泛应用在各个领域，如军事，环境监测，医疗健康等。无线传感器是一种新型的无线网络，与传统的无线网络相比，它具有低成本、低功耗、多功能等优点。WSN的传感器节点不仅具备信息采集的能力，同时也具备数据处理和无线通信的能力，这些传感器节点被密集部署在指定的目标区域内，通过无线通信和自组织方式用来感知、采集和处理目标区域内各种数据信息，并将所感知和采集到的数据和信息传送给监控中心或终端用户，协作完成指定的任务。
在无线传感网络中，传感器节点的能量通常是受限的，因此会存在能量有限、消耗过快的问题。采用成簇算法在实现能量有效性上非常有效，现有的成簇算法一般分为集成式和分布式两种，而分布式成簇算法因为只需要知道网络节点的部分信息而显得更加实用。
现有的适用于异构无线传感网络的成簇算法主要包括DEEC(Distributed energy efficient Clustering algorithm)、EDEEC(Enhanced Distributed Energy-Efficient Clustering)、EDDEEC(Enhanced Developed Distributed Energy-Efficient Clustering algorithm)。DEEC基于剩余能量与平均剩余能量的比值以及初始能量来进行簇头选择，EDEEC将DEEC拓展到三层模型，EDDEEC通过以一种动态方式改变簇头选择概率来增强节点的能量有效性。但是，现有的此类型算法依然存在许多问题，第一，算法机制比较复杂，运行时间较长，难以将其用于实际。第二，能量的估计模型比较粗糙，能量估计比较随意。第三，这类算法的簇头选择机制都会造成每轮簇头的数量波动较大，当簇头数量远离最佳簇头数时，能量的消耗会大大增加。
技术实现要素：
针对上述问题，本发明提出了一种适用于异构无线传感网的改进型分布式能量有效成簇方法，通过简化簇头概率阙值计算公式，优化网络平均能量的估计，降低算法复杂性，增强能量估计模型，并降低簇头的波动，从而降低网络的能量消耗。
本发明提供的适用于异构无线传感网的改进型分布式能量有效成簇方法，实现步骤如下：
步骤1，初始化网络区域规模、节点初始能量、基站位置和最佳簇头数量；
其中，设在M*M的方型区域内随机分布有N节点，基站距离该区域的距离为a；设簇头数占总数的最佳概率为Popt，最佳簇头数量为NPopt；
步骤2，计算网络每轮消耗的平均能量Eround；
步骤3，计算网络的生存时间R和每轮网络的平均剩余能量
其中，r表示网络传输的轮数，Etotal表示网络的总能量；
步骤4，基于节点剩余能量和平均剩余能量确定簇头选择概率pi；
其中，pi表示节点si被选为簇头的概率，为第r轮传输时的平均剩余能量，Ei(r)表示第r轮传输时节点si的剩余能量；
步骤5，节点si被选为簇头的阙值T(si)＝pi；
步骤6，为每个节点生成0-1之间的一个随机数；设为节点si生成的随机数为hi，若hi大于T(si)，则节点si为普通成员，否则，节点si选为簇头；
步骤7，簇头向网络中节点广播其坐标，网络节点选择最近的簇头成为其簇成员并记录与簇头的距离；
步骤8，完成本轮数据传输，计算每个节点的剩余能量，节点的剩余能量由上轮的剩余能量减去本轮消耗的能量得到；
步骤9，判断存活节点数是否大于0，如果是，转到步骤3进入下一轮网络传输；否则，结束本方法。
本发明的优点与积极效果在于：本发明针对异构无线传感器网络所存在的能量有限，能量消耗较快问题，对传统的分布式能量有效成簇方法进行改进，克服了传统方法存在的模型粗糙、运行复杂、簇头波动太大的缺点。本发明通过优化网络能量估计模型，简化簇头选择概率和阙值计算方法，降低了算法复杂性，减少了算法运行时间，使其更加适用于实际用途。本发明方法降低了簇头数量的波动，避免了当簇头数量远离最佳簇头数的过多能量消耗，从而提高了网络的生存时间，提高了网络的能量有效性，提升了网络生存时间。
附图说明
图1是异构无线传感网络区域的一个模型示意图；
图2是本发明的改进型分布式能量有效成簇方法的整体步骤示意图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
对现有的分布式成簇算法进行分析，发现造成簇头数量波动问题的原因主要有两方面，第一个原因是，这类算法继承了低功耗自适应集簇分层型协议(LEACH)的簇头阙值计算公式，该公式如下：
式中，T(si)表示节点si被选为簇头的阙值，选择簇头时每个节点会生成一个随机数，如果该随机数不小于阙值，则该节点被选为簇头。pi表示节点si能被选为簇头的概率。G代表能被选为簇头的集合，只有在最近的1/pi轮中没有被选为簇头的节点才属于该集合。r表示簇头的选举轮次，整个网络进行一次完整的传输为一轮。
公式(1)只适用于节点能量相同的同构无线传感网络，在同构无线传感网络中，每个节点的pi相等，所以当一个节点被选为簇头，在接下来的1/pi轮不能被选为簇头可以保证节点能量的平均消耗，并且这种机制同时还能使得每一轮的节点数为总节点数的pi。但在异构情况下，每个节点的簇头选择概率不相等，pi会随着节点剩余能量的改变而变化，此时若节点被选为簇头，接下来休息的轮数继续为1/pi时会使每一轮的节点数远离总节点数的pi倍。
造成簇头数量波动的第二个原因是将节点初始能量作为簇头的选择参考，如果只将剩余能量和平均能量作为簇头选择参考，如下式：
式中，Popt表示簇头数占总数的最佳概率。为第r轮传输时的平均剩余能量。Ei(r)表示第r轮传输时节点si的剩余能量。
由公式(2)可得每轮簇头总数为
其中，N为区域内的节点总数。
此时，每轮簇头总数理论上等于最佳的簇头数，但如果考虑初始能量，将使该等式不成立，从而造成了簇头数的波动。而且，因为节点的剩余能量会随着网络运行而变动，初始能量高的节点可能剩余能量会变少，此时再考虑初始能量反而会造成剩余能量少的更有可能被选为簇头，何况节点初始能量其实就是初始剩余能量，两者的同时考虑显得冗余。
本发明对现有的分布式成簇算法进行了改进，通过优化网络平均能量的估计，改进阙值计算和簇头选择概率估算方法，简化并提升了可分布式能量有效成簇算法的性能，降低了无线传感网络的能耗，提升了网络生存时间，并减少了算法的运行时间。
本发明改进的适用于异构无线传感网的改进型分布式能量有效成簇方法，如图2所示，下面详细说明各实现步骤。
步骤1，初始化网络：初始化网络区域规模、节点初始能量、基站位置、最佳簇头数量。
本发明方法的应用场景，可简化如图1所示，在一个M*M的方型区域内随机分布有N个不同的节点，基站(BS)位于远离该区域距离为a的位置处。
设置簇头数占总数的最佳概率Popt，则最佳簇头数量为NPopt。Popt根据实际情况设定。
步骤2，根据公式(4)计算异构无线传感网络每轮消耗的平均能量Eround，如下：
式中，N表示网络中的总节点数，k表示当前轮中簇头数。L表示每轮传送的数据量，单位为bit。Eelec表示发射机和接收机每bit的能量消耗，EDA表示簇头整合每bit数据消耗的能量，dtoCH表示簇内成员与簇头之间的平均距离，dtoBS表示簇头到基站的平均距离，εfs和εmp则为传输放大器在单位距离传输每bit的能量消耗，εfs＝10pJ/bit/m2，εmp＝0.0013pJ/bit/m4。根据公式(5)和(6)所示，表示簇头到基站距离四次方的平均值，所表示簇间节点到簇头距离平方的平均值。
其中，(x,y)表示传感器节点的坐标，ρ(x,y)表示节点的分布。此处设节点为均匀分布。
根据公式(7)获得网络的生存时间R。
其中，Etotal表示网络的总能量。
步骤3，根据公式(8)计算第r轮网络传输时的平均剩余能量
式中，r表示网络传输的轮数。网络第一轮传输时，r＝1。
步骤4，按照公式(2)基于节点剩余能量和平均剩余能量确定簇头选择概率pi。
首轮中，节点剩余能量就是节点的初始能量，因为节点初始能量即为初始剩余能量。在本步骤的计算中，下一轮计算时，节点剩余能量在步骤8更新了，平均剩余能量依然根据步骤3的公式(8)计算。
步骤5，根据公式(9)计算节点si被选为簇头的阙值。
T(si)＝pi (9)
步骤6，为每个节点生成0-1之间的一个随机数字，设为节点si生成的随机数为hi，判断该随机数hi与步骤5所得阙值T(si)的大小，如果随机数大于阙值，则该节点si为普通成员，否则，该节点si选为簇头。
步骤7，簇头向网络中节点广播其坐标，网络节点选择最近的簇头成为其簇成员并记录与簇头的距离。
步骤8，完成该轮数据传输，计算每个节点剩余能量。节点的剩余能量由上轮的剩余能量减去本轮消耗的能量，假定所有节点每一轮进行一次数据传输，本轮消耗能量根据公式(10)和公式(11)计算，包括节点发送数据消耗的能量ETx和接收数据消耗的能量ERx。
ERx＝Eelec*L (11)
其中，ETx(L,d)表示节点发送数据量为L的数据经传送距离d消耗的能量，Eelec表示发射机和接收机每bit的能量消耗，EDA表示簇头整合每bit数据消耗的能量，L表示每轮传送的数据量(bit)，d为传送距离。d0为参考距离，由公式(12)决定。
步骤9，判断存活节点数，如果存活节点数大于0，转到步骤3进行下一轮网络传输和簇头选举，更新r值加1。否则，结束本方法。
- 还没有人留言评论。精彩留言会获得点赞！