一种新型能耗均衡的传感器网络拓扑演化方法与流程

本发明属于无线传感器网络
技术领域：
，尤其涉及一种新型能耗均衡的传感器网络拓扑演化方法。
背景技术：
：无线传感器网络是由大量随机分布的传感器节点构成，通过自组织和多跳的方式构成感知环境信息的通信网络，广泛应用于国防军事、环境监测、工业控制健康医疗、智能家居、公共安全等领域，将对社会的发展和人类的生活产生深远的影响。传感器网络中的节点分布密集，数量巨大，这一特点使得网络的维护十分困难甚至不可维护，因此传感器网络的软、硬件必须具有高鲁棒性和容错性，以满足传感器网络的功能要求。同时，传感器节点数目庞大，工业成本要求低廉，分布区域广，而且部署区域环境复杂，有些区域甚至人员不能到达，所以传感器节点通过更换电池的方式来补充能源是不现实的。如何在使用过程中节省能源，最大化网络的生命周期，是传感器网络面临的重要挑战。传感器网络的拓扑控制是指在节点MAC资源有限的条件下，通过传感器节点概率性选择邻居节点来建立无线通信的网络拓扑结构的方法。由于部分传感器经常因节点能量耗尽、恶劣环境等因素造成失效，造成传感器网络拓扑结构变动频繁，因此如何建立鲁棒性拓扑以解决节点随机失效造成的影响是传感网络中的关键问题。复杂网络理论经常被用于构建传感器拓扑结构。许多研究表明无标度网络在应对节点随机失效时，拓扑结构具有很高的鲁棒性。因此，无标度网络与传感器网络的结合已经成为研究的热点问题。目前相关的大部分传感器拓扑研究主要以BA无标度网络和BBV加权无标度网络为基础，结合传感器节点的剩余能量，从而建立相应的拓扑结构。从理论和仿真等角度可以看出，这些算法都可以较好地提高传感器网络抗毁性以及网络的生存周期。但目前的算法依然存在一些缺点：1)拓扑演化过程中，节点的权值、节点之间的边权计算都忽视了传输距离的影响。然而，传输距离在传感器网络的能耗环节扮演着重要的角色。超长的传输路径会造成大量的能耗，导致部分节点过早死亡，严重影响到整个网络的正常运转。2)为了延长网络的生存周期，传统的算法主要从节点的剩余能量入手，通过降低剩余能量低的节点的连入概率，达到整个网络生命周期的拓展。但从能量消耗角度考虑，这一类算法还不够全面。传感器网络的主要能耗存在于正常的网络运行阶段，传统的算法只考虑了网络演化生成阶段的能耗，使网络中剩余能量高的传感器节点度很大，剩余能量低的传感器节点度数相对较小。但在传感器网络建立初期，网络中节点剩余能量差距并不十分明显，这样的拓扑结构依然会导致节点度高的节点过早死亡，严重影响整个网络的正常运转。因此，这一类算法对传感器网络生存周期的提高效果依然非常有限。综上所述，目前的传感器网络拓扑演化方法存在超长的传输路径会造成大量的能耗，导致部分节点过早死亡，严重影响到整个网络的正常运转；只考虑了网络演化生成阶段的能耗，使网络中剩余能量高的传感器节点度很大，剩余能量低的传感器节点度数相对较小。技术实现要素：本发明的目的在于提供一种新型能耗均衡的传感器网络拓扑演化方法，旨在解决目前的传感器网络拓扑演化方法存在超长的传输路径会造成大量的能耗，导致部分节点过早死亡，严重影响到整个网络的正常运转；只考虑了网络演化生成阶段的能耗，使网络中剩余能量高的传感器节点度很大，剩余能量低的传感器节点度数相对较小的问题。本发明是这样实现的，一种新型能耗均衡的传感器网络拓扑演化方法，所述新型能耗均衡的传感器网络拓扑演化方法包括以下步骤：步骤一，随机部署区域内一定数量的传感器节点，并通过广播的形式记录邻居节点和通信距离；步骤二，根据传输距离，传输数据压力的估计量，剩余节点，为网络中的每一个节点建立新型的通信边权值；传输距离，利用一阶无线电模型，计算点对点的单位能耗；利用节点的位置关系和传感器网络的特殊属性，建立传输数据量的估计模型；步骤三，利用求得通信边权值，计算出每个传感器节点的通信点权值；步骤四，以无标度演化算法为基础，结合已有的通信点权值，演化生成整个拓扑网络；步骤五，将距离sink节点小于d0的所有节点直接和sink节点构建拓扑连边。进一步，通过能量消耗模型，计算出各节点与其邻居节点的单位数据量的通信能耗；邻居节点集合是指与源节点通信距离小于d0的所有节点；计算公式为：eij＝(Eelec+εfsd2)ij，令计算结果[eij]为节点i到节点j的边权值。进一步，所述估计模型：其中，PMj是节点j的通信压力估计量，L为区域的边长，d(j,sink)为节点j到sink的距离。进一步，通信边权值的计算公式其中eij为求得到的边权，Ei，Ej为节点i和节点j的剩余能量，PMi，PMj为节点i和节点j的通信压力估计量，α，β为可调节系数；计算通信点权值，在无线传感器网络中，节点的权值由连接到该节点的边权构成，计算公式如下：其中Si为节点i的通信点权值,Θi为与节点i相连的节点集。进一步，拓扑生成，首先初始化拓扑，由m0个互相连接的节点构成；然后开始网络生长期，每一轮都有个新的节点允许连入到网络，并选择m个节点进行连接；每个新添入的节点都需要利用权值Si计算出邻居节点被选择连接的概率，选择连接概率公式如下：概率选择后，进行权值更新；最终完成整个网络的添边。本发明的另一目的在于提供一种利用所述新型能耗均衡的传感器网络拓扑演化方法的无线传感器网络。本发明的另一目的在于提供一种利用所述新型能耗均衡的传感器网络拓扑演化方法的环境监测系统。本发明的另一目的在于提供一种利用所述新型能耗均衡的传感器网络拓扑演化方法的智能家居。本发明提供的新型能耗均衡的传感器网络拓扑演化方法，通过考虑一阶无线电模型，从传输距离、传输数据量和剩余能量多角度入手，构建了新型的拓扑演化模型。不同于其他演化算法；本发明不仅考虑了演化初期的能量消耗(剩余能量)，还结合了网络运行期的能量消耗(传输距离和传输压力)，最终有效提高了整个网络的生存周期，提高了网络的性能；考虑到距离sink近的节点需要承担更多的中继传输任务，本发明加入了拓扑再连边机制，一定程度上减少了传输拥塞的产生；本发明以无标度网络为基础构建，保持了原有网络随机攻击下的鲁棒性。在能耗均衡算法的改善下，减少了某些传输压力较大的节点成为高节点度节点的概率，提高了整个网络恶意攻击下的鲁棒性。本发明与现有的算法相比，提高了网络的生存周期，具有较高的鲁棒性，可以应用于大规模无线传感器网络的拓扑构建中。附图说明图1是本发明实施例提供的新型能耗均衡的传感器网络拓扑演化方法流程图。图2是本发明实施例提供的实施例1的总流程图。图3是本发明实施例提供的节点数目为1000时，拓扑的构建仿真图。图4是本发明实施例提供的随着节点数量变化时，网络生命周期变化比较图。图5是本发明实施例提供的节点数目为1000时，能量均衡性系数变化比较图。图6是本发明实施例提供的节点数目为1000时，随机攻击下的平均最短路径比较图。图7是本发明实施例提供的节点数目为1000时，恶意攻击下的平均最短路径比较图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。本发明旨在从传感器网络的能耗入手，结合无标度网络，建立以传输距离、传输数据量的大小，剩余能量等基础多方面的演化概率算法，通过多次迭代最终演化出整个网络的拓扑结构。下面结合附图对本发明的应用原理作详细的描述。如图1所示，本发明实施例提供的新型能耗均衡的传感器网络拓扑演化方法包括以下步骤：S101：随机部署区域内一定数量的传感器节点，并通过广播的形式记录邻居节点和通信距离；S102：根据传输距离，传输数据压力的估计量，剩余节点，为网络中的每一个节点建立新型的通信边权值；S103：利用求得通信边权值，计算出每个传感器节点的通信点权值；S104：以无标度演化算法为基础，结合已有的通信点权值，演化生成整个拓扑网络；S105：将距离sink节点小于d0的所有节点直接和sink节点构建拓扑连边，以增强网络的传输能力。本发明从传输距离、传输数据量的大小、剩余能量入手建立新的概率选择机制。1)传统的无标度边权演化模型BBV的权值初始化话都为1，虽然简便，但并不合理。本算法从传输距离入手，利用一阶无线电模型，计算点对点的单位能耗，这一数值定义为此边的权值。2)在拓扑构建初期，节点的传输数据量并不确定，无法准确实时得到。为此，本发明中利用节点的位置关系和传感器网络的特殊属性，建立了传输数据量的估计模型。3)为了避免靠近sink节点的传感器节点由于数据传输量庞大导致拥塞，本发明的拓扑演化算法中增加了拓扑增补阶段。将通信半径内存在sink的传感器点，直接和sink构建拓扑连边。通过1)2)建立了概率选择模型，再采用3)完成整个网络拓扑的构建。在进行分析前需要进行一些相关模型的陈述：1.网络模型假设无线传感器网络部署在一个正方形区域内，传感器网络节点随机分布在整个区域中。此外还有一些假设需要说明：1)sink节点一般部署在整个区域的边界处或者外部。在本发明中sink节点部署在该区域的最左端最底部。当然，通过简单的变换，很容易将算法推广到sink节点在外部的情况。2)节点间的通信采用双向通信，节点通信功率的大小可以根据需要通信的最远距离进行自适应调节。3)节点的具体位置不确定，但节点可以通过广播的方式记录邻居节点和估计距离。Sink可以通过广播记录整个区域中的节点到sink的估计距离。2.能量消耗模型传感器节点能耗采用的是一阶无线电模型，分为发射数据能耗、接收数据能耗和聚合数据能耗。如果节点到其接收点的距离小于阈值d0，则采用自由空间模型，否则，采用多路径衰减模型。从而发射l比特数据到距离为d的接收点的能量消耗如下：其中Eelec为发射电路能量消耗，εfs为自由空间模型下功率放大电路所需能量，εmp为多路径衰减模型下功率放大电路所需能量。根据能量消耗模型可以看出，节点的能耗主要由两部分决定，一是节点之间的通信距离，二是节点之间的通信的数据量。本发明就是主要从这两个方面入手建立了能耗均衡的鲁棒性拓扑结构。具体的拓扑演化算法步骤如下：(1)区域部署，在面积为S＝L×L的部署区域内，随机分布N个无线传感器节点，sink节点部署在区域的左下部分，其他节点通过单跳或者多跳的方式将信息传输给sink,sink负责接收和处理整个无线传感器网络内的收集到的数据。(2)广播通信，分布在区域内的节点通过广播通信的方式记录邻居节点编号和估计距离。sink节点通过广播的方式记录整个区域内所有节点到sink的估计距离。(3)初始化距离边权值，通过上面论述的能量消耗模型，计算出各节点与其邻居节点的单位数据量的通信能耗。由于大于阈值d0时，能耗会相当惊人，所以本发明的邻居节点集合是指与源节点通信距离小于d0的所有节点(如果存在节点没有邻居节点，可适当放大通信距离)。计算公式为：Eelec+εfsd2，令计算结果[eij]为节点i到节点j的边权值。(4)节点通信压力估计，节点通信包的数量在节点能耗环节中扮演着重要的角色。然而在拓扑演化初期，通信量的多少是无法获取的，因此只能寻求估计算法。在无线传感器网络中，所有节点的感知数据最终都会通过单跳或者多跳的方式传输给sink节点，这一特点会产生一个特殊的属性，即距离sink越近的节点需要传输的数据量就越大。如何量化这每个节点的数据量，本发明给出了相应的估计模型：其中，PMj是节点j的通信压力估计量，L为区域的边长，d(j,sink)为节点j到sink的距离。(5)计算通信边权值，通信边权值是指根据通信距离和通信的数据量估计大小计算出的通信边权。利用(4)(5)中计算数据以及节点的剩余能量可以得到通信边权值：其中eij为(3)求得到的边权，Ei，Ej为节点i和节点j的剩余能量，PMi，PMj为节点i和节点j的通信压力估计量，α，β为可调节系数。(6)计算通信点权值，在无线传感器网络中，节点的权值由连接到该节点的边权构成，计算公式如下：其中Si为节点i的通信点权值,Θi为与节点i相连的节点集。(7)拓扑生成，首先初始化拓扑，由m0个互相连接的节点构成；然后开始网络生长期，每一轮都有个新的节点允许连入到网络，并选择m个节点进行连接。每个新添入的节点都需要利用权值Si计算出邻居节点被选择连接的概率，选择连接概率公式如下：概率选择后，利用(3)(4)(5)(6)重新计算，进行权值更新。最终完成整个网络的添边。(8)拓扑结构增强，为了增强网络的通信传输能力，距离sink节点小于d0的所有节点直接和sink节点构建拓扑连边。下面结合具体实施例对本发明的应用原理作进一步的描述。实施例1参照图2，本发明实施例提供的新型能耗均衡的传感器网络拓扑演化方法的实现步骤如下：步骤1.准备工作：首先进行区域部署，在面积为S＝L×L的部署区域内，随机分布N个无线传感器节点，sink节点部署在区域的左下部分，其他节点通过多跳的方式将信息传输给sink,该节点接收和处理整个无线传感器网络内的收集到的数据。然后进行广播通信，分布区域内的节点通过广播通信的方式记录邻居节点编号和估计距离。sink节点通过广播的方式记录整个区域内所有节点到sink的距离。步骤2.通信边权值计算：首先初始化距离边权值，通过上面论述的能量消耗模型，计算出各节点与其邻居节点的单位数据量的通信能耗。计算公式为：Eelec+εfsd2，令计算结果[eij]为节点i到节点j的距离边权值。其次进行节点通信压力估计，节点通信包的数量在节点能耗的大小中扮演着重要的角色。本发明给出了相应的估计模型：其中，PMj是节点j的通信压力估计量，L为区域的边长，d(j,sink)为节点j到sink的距离。然后计算出通信边权值，通信权值是指根据通信距离和通信的数据量估计大小计算出的通信边权。利用前面计算的距离边权和通信压力估计以及节点的剩余能量可以得到通信权值：其中eij为求得到的边权，Ei，Ej为节点i和节点j的剩余能量，PMi，PMj为节点i和节点j的通信压力估计量，α，β为可调节系数。步骤3.通信点权值计算：在无线传感器网络中，节点的权值由连接到该节点的边权构成，计算公式如下：其中Si为节点i的通信点权值,Θi为与节点i相连的节点集。步骤4.拓扑生成：首先初始化拓扑，由m0个互相连接的节点构成；然后网络生长期，每一轮都有个新的节点允许连入网络，并选择m个节点进行连接。每个新添入的节点都需要利用权值Si计算出邻居节点被选择连接的概率，选择概率公式如下：每一轮结束后，需要利用步骤2步骤3重新计算通信边权值和通信点权值。最终，所有节点都被连入网络中，拓扑生成结束。步骤5.拓扑增强：为了增强网络的通信传输能力，距离sink节点小于d0的所有节点直接和sink节点构建拓扑连边。下面结合仿真实验对本发明的应用效果作详细的描述。1.仿真条件：仿真实验的条件如下：为了验证算法的有效性，我们在matlab条件下对本发明算法进行了仿真实验，该算法的仿真参数为：参数大小节点数目1000部署区域300m×300m节点初始能量3JEelec50nJ/bitεfs10pJ/(bit·m2)εmp0.0013pJ/(bit·m4)d087mEDA5nJ/(bit·signal)数据包大小4000bitm03m2α1β12.仿真内容及仿真结果：图3：节点数目为1000时，拓扑的构建仿真图。图4：随着节点数量变化时，网络生命周期变化比较图。图5：节点数目为1000时，能量均衡性系数变化比较图。图6：节点数目为1000时，随机攻击下的平均最短路径比较图。图7：节点数目为1000时，恶意攻击下的平均最短路径比较图。(说明：所有仿真图中EBTM为本发明的算法，做比较的三种优秀算法分别为BA，EAEM以及FAFS)仿真1为了更有效阐述整个算法的思路，图3展示了利用本发明算法生成的1000节点网络拓扑图。仿真2生命周期变化比较，本发明算法分别在节点数为500，1000，1500，2000，2500规模下和BA，EAEM以及FAFS进行了生存周期的比较。如图4所示，本发明算法即EBTM较好的延长了网络的生存周期，相比表现较好的FAFS，生存周期至少提高了14％。说明本发明算法可以较好的延长无线传感器网络的生存周期。仿真3能量均衡性比较，在固定规模节点数为1000的条件下，深入分析了本算法的能量均衡性。如图5能量均衡性系数比较图可以看出，本发明算法在不同运行轮数下，节点的能量均衡系数都处于较低水平，即能耗表现优秀。附能量均衡性系数EBF公式：Ei为节点的剩余能量，Eavg(t)为在t轮中节点的平均剩余能量，N为节点的总个数。仿真4拓扑鲁棒性检验，拓扑鲁棒性检验分为两个部分：1)随机攻击下的鲁棒性检验。2)恶意攻击下的鲁棒性检验。分别对应图6，图7，从两张对比图中可以看出，本算法演化出的拓扑结构，在随机攻击下拓扑鲁棒性保持的同时，极大地提高了恶意攻击下的拓扑鲁棒性。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3