基于模糊逻辑的无线传感器网络路由方法与流程

本发明属于无线传感器网络
技术领域：
，特别是一种能量负载均衡、能量消耗小，网络生命周期长的基于模糊逻辑的无线传感器网路由方法。
背景技术：
：无线传感器网络WSN(WirelessSensorNetwork)，通常是由大量微小而且低成本的传感器节点组成，传感器节点通过单跳或者多跳的方式向汇聚节点发送收集过来的信息。这些传感器节点本身具有计算能力、存储能力和通信能力。由于无线传感器网络不需要固定网络基础设施的支持，具有易快速部署、易扩展、抗破坏性强、适合恶劣环境等优点，因此，WSN在国防军事、环境监测、医疗健康、工农业生产、抢险救灾等众多领域都具有重要的研究意义和广阔的应用前景。由于传感器节点体积较小，节点的计算、存储和通信能力都有限；特别是传感器节点一般采用电池供电,节点一旦布置很难再对它们进行充电，所以无线传感器网络的生命周期会受到能量的限制。如何利用每个传感器节点有限的能量资源并采用一种高效数据传递方法，使能量消耗和能量负载达到平衡成为一个重要的研究课题。较早的无线传感器网络包括密集部署的静态传感器节点和一个静态的汇聚节点。由于靠近汇静态聚节点的无线传感器节点负担着较重的数据流量，因能量消耗较快而容易出现能量洞，大大降低了无线传感器网络的生命周期。所以目前的多数路由协议中，将静态汇聚节点变为移动网关，路由过程中，移动网关在无线传感网的覆盖范围内移动，在传输范围内收集传感器节点感知到的数据信息，相较于静态汇聚节点的方式，很好的延长了网络的生命周期。同样地，基于移动网关的无线传感器网路由协议也存在缺陷。当移动网关的运动轨迹固定不变时，路由过程中，移动网关移动路径周围的簇头节点，由于担负着数据的融合转发任务，会最先消耗完自身的能量，反而会降低无线传感器网的生命周期。总之，现有技术存在的问题是：无线传感器网络路由方法能量负载不均衡、能量消耗大，网络生命周期短。技术实现要素：本发明的目的在于提供一种基于模糊逻辑的无线传感器网络路由方法，能量负载均衡、能量消耗小，网络生命周期长。实现本发明目的的技术方案为：一种基于模糊逻辑的无线传感器网络路由方法，所述无线传感器网络包括在感知区域内自由移动的移动网关和多个传感器节点，初始状态时所有传感器节点均为初始能量相同的普通状态节点，所述移动网关与簇头节点直接通信，每轮数据收集过程包括如下步骤：(10)簇群初始划分：每一轮开始时，每个传感器节点生成一个随机数x，如果该随机数小于给定的阈值T(n)，则当前节点i的状态转变为候选簇头节点，i为最大节点数时，所有传感器节点都完成了状态的变化，此时普通状态节点就近选择候选簇头节点，加入到簇群中；(20)移动网关位置信息广播：移动网关向所有传感器节点广播自己的位置信息，传感器节点收到移动网关位置后，计算其与移动网关节点的距离；(30)簇头选择：根据簇群成员的状态参数，采用模糊逻辑系统模型，选择每个簇群的簇头节点；(40)数据由收集：数据由传感器节点收集，在簇头节点处汇聚、融合后，经由移动网关上传至基站。本发明与现有技术相比，其显著优点在于：1、能量负载均衡：簇头节点的选择综合考虑了剩余能量，中心性以及节点与移动网关之间的距离三个要素，有效的实现了网络能量均衡负载；2、能量消耗小，网络生命周期长：簇头节点的选择会随着移动网关的位置动态调整，从而也减少了能量的消耗，延长了网络的生命周期；3、簇头节点的位置选择更加合理化：中心性因素的考虑保证了簇头节点始终在簇群中心附近，最大程度降低能耗，而传统技术依赖于随机数选择簇头，簇头节点的选择可能位于簇群的边界处，加大了传输数据的能耗。附图说明图1是本发明基于模糊逻辑的无线传感器网络路由方法的主流程图。图2是图1中簇头选择步骤的流程图。图3是模糊逻辑系统模型示意图。图4是模糊系统变量的成员函数图。其中，图4a为节点剩余能量；(b)节点中心性；(c)节点与移动网关的距离；d)簇头节点的优先权。图5是本发明基于模糊逻辑的无线传感器网络路由方法的仿真结果与现有技术比较图。具体实施方式如图1所示，本发明一种基于模糊逻辑的无线传感器网络路由方法，所述无线传感器网络包括在感知区域内自由移动的移动网关和多个传感器节点，初始状态时所有传感器节点均为初始能量相同的普通状态节点，所述移动网关与簇头节点直接通信，每轮数据收集过程包括如下步骤：(10)簇群初始划分：每一轮开始时，每个传感器节点生成一个随机数x，如果该随机数小于给定的阈值T(n)，则当前节点i的状态转变为候选簇头节点，i为最大节点数时，所有传感器节点都完成了状态的变化，此时普通状态节点就近选择候选簇头节点，加入到簇群中；初始变量设定：1)传感器节点的数量N设定为100个，在100x100m的范围内随机分布；2)所有节点的初始状态均为普通节点，并且初始能量都相同；3)移动网关在感知区域内自由移动，与簇头节点直接通信，数据收集过程每一轮进行一次。该阶段与经典算法LEACH的过程相同。每一轮开始时，i为1表示第一个传感器节点，每个节点通过内置的处理器生成一个随机数x，如果该随机数小于给定的阈值T(n)，则当前节点i的状态转变为候选簇头节点。i为100时，所有的节点都完成了状态的变化，这时普通状态的节点就近选择候选簇头节点加入到簇群中。(20)移动网关位置信息广播：移动网关向所有传感器节点广播自己的位置信息，传感器节点收到移动网关位置后，计算其与移动网关节点的距离；(30)簇头选择：根据簇群成员的状态参数，采用模糊逻辑系统模型，选择每个簇群的簇头节点；具体到每个簇群内，计算每个簇群成员的剩余能量值、中心性(节点位置到簇群几何中心的距离)、节点与移动网关的距离，并带入到模糊逻辑系统模型中，即可得最合适的簇头节点，有效降低网络的能量消耗。传统方法在簇头选择时，或是单方面考虑节点的剩余能量值，或是考虑中心性与剩余能量值两个因素。在延长网络生命周期方面的效果并不明显。另外也有方法考虑三个影响因素：剩余能量值、中心性以及节点到基站的距离值。因为该方法第三个因素是考虑节点距离基站越近，越有机会成为簇头节点，所以结果是靠近基站附近的节点会较早的消耗完能量，容易造成网络空洞现象的发生，反而会降低整个网络的生命周期。如图2所示，所述(30)簇头选择步骤包括：(31)节点剩余能量值计算：每一轮结束时，节点都会因为发送和接收数据而消耗能量，根据能量消耗模型计算当前节点的剩余能量值；(32)中心性计算：结合簇群所有成员的位置信息计算簇群几何中心，然后计算簇群成员节点与该簇群几何中心的距离；(33)节点网关距离计算：节点根据收到的移动网关的位置信息，计算其与移动网关节点的距离；(34)最优簇头优先权计算：将节点剩余能量值、节点与簇群几何中心距离、节点网关距离代入模糊逻辑系统模型，选取具有最高优先权的节点为簇群的簇头。所述(31)节点剩余能量值计算步骤中，节点发送k字节数据的能量消耗公式为：节点接收k字节数据的能量消耗公式为：ERx(k)＝Eelec*k(3)两种模式的分界限的距离定义为：式中：Eelc传输1比特数据时电子设备的能耗；εfs和εmp分别表示自由传输和多路径传输模式下的无线放大器能耗，d0为两种模式的分界限；d为发送端与接收端节点的距离。(40)数据由收集：数据由传感器节点收集，在簇头节点处汇聚、融合后，经由移动网关上传至基站。为便于理解，下面介绍一下LEACH协议。该协议包括两个阶段，分别是簇的建立阶段和稳定运行阶段。在成簇阶段，每一个传感器节点生成一个介于0和1之间的随机数，如果该随机数小于阈值T(n)，则该节点的状态转化为簇头节点。T(n)的计算由公式1给出。稳定运行阶段，数据由传感器节点收集，在簇头节点处汇聚、融合并最终上传至基站。r表示当前进行的轮数，p为节点成为簇头的百分数，G为在最近的1/p轮中未当选簇头的节点集合。模糊逻辑系统模型如图3所示。使用LEACH协议进行簇群划分后，将簇群中所有成员节点的剩余能量、节点到簇群中心位置的距离和到移动网关的距离三个变量作为输入参数，按照预先设定好的模糊规则，经过模糊计算模块，最终输出当前节点成为簇头节点的优先权，优先权最高的则为新的簇头节点，负责收集簇群内的感知数据，并上传至移动网关。这里节点的中心性即节点到簇群中心位置的距离。模糊变量的具体定义如图4所示。图4a为节点的剩余能量值：节点的初始能量值为1，在代入模糊逻辑模型之前，乘以系数2，满足输入的变量集合范围[0,2]的要求。图4b为节点的中心性：由于感知区域范围定义为100x100m，因此节点与节点之间的距离值介于0到100之间，在代入模糊逻辑模型之前，对距离值做单位化处理然后再乘以系数2，以满足输入变量集合范围[0,2]的要求。图4c为节点与网关的距离：这里处理方式同节点中心性变量处理时候一样，也是先单位化然后乘以系数2，满足输入变量集合范围[0,2]的要求。图4d为簇头节点的优先权值：将上述三个变量带入到模糊逻辑模型中，根据事先定义的模糊规则，最优簇头节点的优先值取值范围为[-1,5]，具体值则由模糊系统来进行计算。模糊规则模糊逻辑系统模型采用的是经典的Mamdani方法，系统中的模糊规则总共有27条。其形式为ifx1,x2,x3theny,其中，x1表示节点的剩余能量，x2表示节点中心性，x3则表示节点与网关之间的距离。模糊规则是基于公式2给出的，其中y表示簇头节点优先权。y＝(x1-1)+x2+x3(2)考虑到每一轮的通信，节点都会有能量消耗，所以这里我们对节点的剩余能量做(x1-1)处理。根据模糊规则，我们的模糊输出变量有7个值，具体见表1。表1模糊规则和簇头节点的优先权节点剩余能量(x1)节点中心性(x2)节点与移动网关的距离(x3)簇头节点优先权(y)少低远非常低少低中等低少低近偏低少中等远低少中等中等偏低少中等近中等少高远偏低少高中等中等少高近偏高中等低远低中等低中等偏低中等低近中等中等中等远偏低中等中等中等中等中等中等近偏高中等高远中等中等高中等偏高中等高近高多低远偏低多低中等中等多低近偏高多中等远中等多中等中等偏高多中等近高多高远偏高多高中等高多高近非常高路由阶段经过模糊推理过程后，可以对簇头的选择进行优化，从而找到最合适的簇头节点来收集、转发数据。实现网络的能量负载均衡，极大程度的延长无线传感器网络的生命周期。下面结合图2，详细描述了每一轮最优簇头得选择过程。初始条件假设：1)所有节点的初始能量都相同，初始状态都为普通节点s(i).type＝N；2)节点i的剩余能量为S(i).E，节点状态有两种普通N,簇头C；3)节点i的随机生成数由random(i)表示；4)由于仿真数据中选择的节点数是100，所以算法中的节点总数n为100；5)阈值T(n)可以根据前面LEACH协议中的公式计算出来；最优簇头选择算法：1.选择第一个节点i,判断其剩余能量是否大于0：如果小于0，说明节点已经死亡。i+1对下一节点进行判断；如果大于0，则进行第2步；2.生成随机数random(i)与阈值T(n)进行比较，并查看其当前状态：如果random(i)＜T(n)andS(i).type=N，进行第3步；否则i+1，返回第1步；3.节点i成为候选簇头节点，当对所有节点都进行判断过后，开始进行簇群划分；4.对划分好的簇群，分别代入模糊控制系统，根据节点的剩余能量x1,中心性x2以及节点与移动网关的距离x3，选择出最优的簇头节点，并且将节点状态重置为簇头S(i).type=C。图5所示为本发明基于模糊逻辑的无线传感器网路由方法的仿真结果与现有技术中各种方法的结果比较图。其中，图5a为每一轮数据传输过后，无线传感网中存活传感器节点的数目，5b为每一轮过后存活传感器节点剩余能量的总和。从图5各图比较结果可以看出，LEACH协议因为在选择簇头时，只是单纯的依赖于随机数而没有考虑节点的剩余能量值，因此传感器节点最先死亡，网络生命周期也最短。而CHEF和EAUCF路由算法在选择簇头时，都是考虑了两方面因素，前者考虑的是节点的中心性和剩余能量值，后者则考虑的是剩余能量和节点与基站的距离来决定簇头的选择权。相较于LEACH协议，对网络的能耗优化有一定提升，但是并不明显。本发明提出的基于模糊逻辑的路由方法，同时考虑节点的剩余能量值、节点的中心性和节点与移动网关的距离三个因素来选择簇头，仿真结果也表明了该方法在提升网络能耗有效性方面，比同类其他方法有显著的提升效果。当前第1页1 2 3