一种基于自然能的无线传感器网络分簇路由协议的制作方法

本发明涉及一种无线传感器网络分簇路由协议，尤其涉及一种基于自然能的无线传感器网络分簇路由协议。

背景技术：

无线传感器网络(wirelesssensornetwork，wsn)由部署在检测区域内的大量无线传感器节点组成。节点协作感知、采集和处理网络区域内的对象信息。节能与能耗均衡一直是无线传感器网络研究的重要课题。自然能采集技术的发展已经允许在节点上安装经济实用的能量收集装置，使得无限期地延长单个节点乃至整体网络寿命成为可能。

由于节点的资源限制，wsn的路线寻找与保持是一件具有挑战性的问题。有许多研究针对vanets提出了不同的路由协定。文献[charlese.perkins，elizabethm.royer，“ad-hocon-demanddistancevectorrouting”，proceedingsofthesecondieeeworkshoponmobilecomputersystemsandapplications，pp.90-100，1999.]提出的aodv协议使用探测来寻找路径，为反应式路由，使用传统路由表，即一个目的地一個表位，记录着下一个欲传送节点。文献[d.b.jhonsonandd.a.maltz.“dynamicsourceroutinginadhocwirelessnetworks，”inmobilecomputing，kluwereacademicpublishers，pp.153-181，1996]提出的dsr协议的路径演算法会以来源路由当作路由基础，其在传送数据时，来源节点已经有一条传送路径存在路由缓冲区，路由的路径信息已经放在数据分组的头部，中继节点就会依据该信息，传送往目的地。

能量收集无线传感器网络与传统无线传感器网络相比，由于额外的能量提供补给，节点的剩余能量不再单调下降，而会出现起伏波动的变化；节点耗尽能量后会进入休眠而不是永久死亡，自然能补给到达后可以恢复工作。对于一定规模的无线传感器网络，基于分簇的路由协议可以大大延长网络寿命。

低能量自适应集群层次(lowenergyadaptiveclusterhierarchy，leach)是最早的wsn分簇算法，基本思想是通过等概率地随机选取簇头把网络负载平均分配到每个传感器节点，但是leach没有考虑每个节点剩余能量的变化，部分节点会因为能量消耗过快很快进入休眠。文献[樊晓平，杨玺，刘少强等.具有能量补给的无线传感器网络分簇路由算法[j].计算机工程，2008，34(11)：120-122]提出一种有能量补给的分簇算法(phc)，该算法以振动能量作为补给能量，在leach的基础上同时考虑剩余能量和上一轮能量补给水平来确定簇头选择阈值。前一轮能量收集值实际上是一种自然能预测，但是显然这种预测不够准确。文献[张玉娟.具有能量补给的无线传感器网络分簇路由算法研究[d].长沙：中南大学，2011]根据太阳能的光照特点，将全网的能量水平划分为3个时期：耗能期、储能期、稳定期，并针对不同时期设定了不同的阈值进行簇头选举。仿真中采用的能量补给模型是梯形模型，该模型只能表征一天内太阳能的变化。而实际网络在布置后一般要求工作数周甚至数年，将一天的太阳能模型用于仿真并不合适。文献[姚玉坤，王冠，任智等.能耗均衡的自供能无线传感器网络分簇路由算法[j].传感技术学报，2013，26(10)：1420-1425]提出的算法把phc中的预测变量改进为：上一次该节点当选簇头到当前轮的收集能量的总和。这种改进让长期没有当选簇头的节点有机会成为簇头，但是这样做容易造成簇头比例不稳定，影响能耗均衡。

技术实现要素：

本发明要解决的技术问题是如何改善无线传感器网络能量的均衡性，提高网络节点的平均能量水平。

为了解决上述技术问题，本发明的技术方案是提供一种基于自然能的无线传感器网络分簇路由协议，其特征在于，步骤如下：

步骤1：能量预测

每一轮分簇过程开始前，先对本轮将会到达的能量补给做预测；

步骤2：簇头选取

选取剩余能量最大或者能量补给最多的部分节点作为簇头，承担比其它节点更多的转发数据任务；同时控制网络中簇头占节点总数的比例；

步骤3：普通节点入簇

簇头选择完成后，其它非簇头的普通节点要加入成簇；普通节点比较经过各个簇头转发数据到基站的耗能代价，然后选择耗能最少的簇头加入。

优选地，所述步骤1中，考虑自然能补给的时空不确定性，自然能预测基于历史数据。

优选地，所述步骤1中，自然能为太阳能时，分簇算法中的轮即是能量预测的基本时间单元，d天第r轮的能量预测如下：

其中，α∈(0，1)是一个可调参数；ehar(r-1，d)是d天第(r-1)轮的能量补给值；是d-1天第r个时间段能量补给的指数权重移动均值，d、r为正整数；

可以推算，m天前第r轮的收集能量值在预测中贡献的权值为(1-a)^m，m为正整数；而(1-α)＜1，所以旧数据的贡献按指数减弱。

优选地，所述步骤2中，网络中簇头占节点总数的比例预设为p，节点i在r轮的簇头选择阈值t(i)为：

其中，eres(i)为i节点当前的剩余能量；是节点i在r轮的能量预测值，计算公式为式(5)；estart表示节点的初始能量，网络部署时节点的初始能量值是相同的；簇头选择阈值t(i)越大，该节点选为簇头的可能性越大。

优选地，所述步骤3具体过程如下：

步骤3.1：簇头广播簇头信息，其中包括自己到基站的距离；

步骤3.2：节点根据收到的信息计算通信代价函数，选择通信代价函数最小的簇头发送加入请求；

步骤3.3：簇头节点收到请求，建立簇内节点的tdma调度表，将相关信息下发给节点；

步骤4：节点进行周期数据传输，直到下一轮分簇开始。

优选地，所述步骤3.3中，普通节点到簇头的数据传输能耗模型采用自由空间模型，簇头到基站的数据传输能耗模型采用双线反射模型，通信代价函数ecost如下：

d1是普通节点到簇头的距离；d2是簇头到基站的距离；εfs和εtr分别是自由空间模型和双线地面反射模型的信号衰减因子。

优选地，所述步骤1中，利用随机函数建立太阳能到达模型，假设某节点太阳能到达的最大值为emax，则

emax＝em×ω×q(9)

其中，em是最佳天气状态下的到达能量值，单位为焦耳；ω∈[0，1]为天气因子，决定当天的天气水平；q＝rand[0.9，1.1]为随机因子，模拟灰尘或遮挡物造成的影响。

本发明提供的协议通过分析自然能收集的特点，结合能量预测理论，使得簇头选择机制更加合理。针对周期发送而且发送率较低的长期监测场景，建立了周期性的太阳能收集模型，提出了一个基于自然能收集的无限传感器网络分组的路由算法aecrp。aecrp利用能量预测理论，在传统的leach协议基础上改进簇头选择阈值的计算方法。在簇头选取阶段，对自然能收集值进行预测，使预测值大且剩余能量多的节点更有可能担任簇头，而其余节点加入通信代价小的簇。本发明提供的协议改善了网络能量的均衡性，提高了网络节点的平均能量水平。

相比现有技术，本发明具有如下有益效果：

1、新的太阳能到达模型，节约了成本。太阳能能量密度大，收集成本低，且直接输出直流电，是一种较理想的自然能源。明建立更精确的太阳能到达模型，有利于在没有硬件实验条件下实现仿真，为能量收集无线传感器网络设计节约成本。

2、能量预测，提高了能量效率：每一轮分簇过程开始前，先对本轮将会到达的能量补给做预测，从而有更高的能量效率。

3、新簇头选择阈值的计算方法，延长了网络生存周期。簇头选取阈值的确定考虑了剩余能量大或者能量补给多的节点应当选为簇头，承担更多的转发数据任务，并控制网络中簇头占节点总数的比例，使节点能量消耗更均衡。

4、新的普通节点入簇方案，提高了网络节点的平均能量水平。非簇头节点比较经过各个簇头转发数据到基站的耗能代价，然后选择耗能最少的簇头加入，提高了网络节点的平均能量水平。

综上所述，本发明只需较低的存储开销就能高效的建立路由，很大程度地提高网络的生存时间，满足无线传感器节点间通信的需求。本发明提供的协议成本低，安全性高，能量效率高，能量消耗均衡，网络节点的平均能量水平高，可应用于传感器网络、无线vanet、adhoc网络等无线通信的相关领域。

附图说明

图1为实测太阳能收集情况示意图；

图2为某个节点一周内的太阳能到达模型示意图；

图3为基于自然能的无线传感器网络分簇路由协议成簇的流程图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明提供了一种基于自然能的无线传感器网络分簇路由协议，针对周期发送而且发送率较低的长期监测场景，例如建筑结构健康监测等，提出周期性的太阳能收集模型。利用能量预测理论，在传统基础上改进簇头选择阈值的计算方法，具体如下。

1.模型建立

1.1太阳能到达模型

自然能形式主要包括太阳能、风能、振动、电磁场和热能等。它们的能量密度各不相同，时空分布特点各异。表1比较了各种自然能的特点。

表1自然能的种类和特点

比较而言，太阳能能量密度大，收集成本低，且直接输出直流电，是一种较理想的自然能源。建立一种更精确的太阳能到达模型，有利于在没有硬件实验条件下实现仿真，为能量收集无线传感器网络设计节约成本。太阳能最显著的特点是日周期性，夜间没有阳光照射时能量收集为0，白天的太阳能收集则受到天气因素的影响。同时，节点所在的地理位置、太阳能板的姿态和物体遮挡等因素也会影响收集效果。

综合考虑，太阳能到达模型应满足如下假设：

1)网络所在区域相同时刻天气状况应一致。

2)相同时刻不同位置的节点收集的能量值可能不同。

3)同一节点在相同天气下，不同天收集的能量可能不同。

太阳能达到模型要能模拟连续若干天的能量达到，并可以调整参数以模拟不同天气和不同环境下的太阳能到达能量，以便模拟处于不同地理和环境下的节点的太阳能到达。假设某节点太阳能到达的最大值为emax，则相应建立太阳能到达模型如下，模型建立用到了随机函数。

emax＝em×ω×q(9)

其中，em是最佳天气状态下的到达能量值，单位为焦耳；ω∈[0，1]天气因子，决定当天的天气水平；取q＝rand[0.9，1.1]为随机因子，模拟灰尘或遮挡物造成的影响。

图1为实测太阳能收集情况，图2是某个节点一周内的太阳能到达模型，与图1比较发现，本发明太阳能到达模型以较好地模拟太阳能到达情况。

1.2网络能耗模型

假设n个无线传感器节点被随机分布在a×a的平面区域中，节点周期性地收集数据。基站位于网络中心位置，则网络模型满足如下特点：

1)每个节点有唯一id，所有节点都背负能量收集装置。

2)节点和基站的位置固定而且已知。

3)节点可以根据发送距离调整无线发射功率。

4)基站能量无限大，可与所有节点通信。

无线传感器节点数据传输能耗模型具体如下。

节点发送kbit数据的能耗et(k)为：

et(k)＝k·eelec+k·eamp(1)

节点接收kbit数据的能耗er(k)为：

er(k)＝k·eelec(2)

其中，eelec是产生单位字节数据的电路功耗；eamp是信号放大功耗系数；k为设定值。通信距离为d时的信号放大功耗系数eamp为：

其中，εfs和εtr分别是自由空间模型和双线地面反射模型的信号衰减因子，d为通信距离，d0为临界距离。临界距离d0的计算方法如下：

自由空间模型和双线地面反射模型是描述无线电波在空中的传输的两种最常见的模型。

2算法描述

2.1能量预测

结合图3，每一轮分簇过程开始前，先对本轮将会到达的能量补给做预测。考虑自然能补给的时空不确定性，像天气预报一样，自然能预测基于历史数据。以太阳能为例，分簇算法中的轮即是能量预测的基本时间单元。d天第r轮的能量预测如下：

其中，α∈(0，1)作为一个可调参数；ehar(r-1，d)是d天第(r-1)轮的能量补给值；是d-1天第r个时间段能量补给的指数权重移动均值，d、r为正整数；其计算公式类推为：

ehar(r-1，d-1)是d-1天第r-1轮的能量补给值；是d-2天第r个时间段能量补给的指数权重移动均值，此处设d大于2。

可以推算，m天前第r轮的收集能量值在预测中贡献的权值为(1-a)^m，m为正整数。而(1-α)＜1，所以旧数据的贡献按指数减弱。

2.2簇头选取阈值

簇头选取阈值的确定主要考虑两点：(1)剩余能量大或者能量补给多的节点应当选为簇头，承担更多的转发数据任务；(2)要控制网络中簇头占节点总数的比例。网络中预设的簇头百分比用p表示，节点i在r轮的簇头选择阈值t(i)为：

其中，eres(i)为i节点当前的剩余能量；是节点i在r轮的能量预测值，计算公式为式(5)；estart表示节点的初始能量，网络部署时节点的初始能量值是相同的。

2.3节点的入簇

簇头选择完成后，非簇头节点要加入成簇。在leach中，非簇头节点选择距离最近的簇头加入，这里主要考虑节点加入簇的通信能耗代价。非簇头节点比较经过各个簇头转发数据到基站的耗能代价，然后选择耗能最少的簇头加入。过程如下：

1)簇头广播簇头信息，其中包括自己到基站的距离。

2)节点根据收到的信息计算通信代价函数，选择代价函数最小的簇头发送加入请求。

3)簇头节点收到请求，建立簇内节点的tdma调度表，将相关信息下发给节点。

4)节点进行周期数据传输，直到下一轮分簇开始。

普通节点到簇头距离较短，采用自由空间模型；而簇头一般到基站距离较长，采用双线反射模型，忽略掉所有节点都要消耗的收发器电路功耗k·eelec，定义通信代价函数：

其中，d1是节点到簇头的距离；d2是待加入簇头到基站的距离。