一种狭长拓扑下的WSNs分簇路由方法与流程

本发明涉及无线传感器网络通信方法领域，具体是一种狭长拓扑下的wsns分簇路由方法。

背景技术

无线传感器网络是由大量体积微小、价格低廉的传感器节点通过无线通信方式形成的新型自组织网络。与传统的无线多跳网络相比，无线传感器网络协作地感知、采集和处理监测区域中所感知对象信息，使得监控中心能够及时的获取事件信息。被广泛应用于军事国防、环境监测、工业监控、家居智能、抢险救灾等领域。

传感器节点通常由电池供电，且常用于环境复杂多变的场景，导致二次电能补充非常困难，又由于受到体积、成本和功耗等因素的影响，导致其计算、存储和能量均受到限制。因此如何在网络资源有限的情况下，有效地均衡节点能耗和延长网络生命周期是一个非常重要的任务。

路由技术作为wsns的关键技术之一，对均衡节点能耗、延长网络生存时间、提高通信可靠性等起决定性作用。一般路由协议分为两类：平面类型和分层类型。由于分层路由能够更好的管理节点，能显著降低数据延迟，提高带宽利用率，有效延长网络生命周期等，相比之下具有更好的扩展性和适用性，得到了国内外学者的广泛研究。

针对狭长拓扑这一场景，以往的分簇路由存在以下不足：1)都是基于局部的随机竞选，且参数选取复杂，需要不断地广播信息，增加了算法的复杂性和控制开销；2)针对狭长拓扑应用，以往分簇路由很难保证簇间路由数据传输的能耗最优。

技术实现要素：

本发明的目的是为解决上述问题，提供一种狭长拓扑下的wsns分簇路由方法，在此方法中，每个路由阶段都可以更有效的传输数据，更好的均衡节点能耗和延长网络生命周期。

为了达到上述目的，本发明所采用的技术方案为：

一种狭长拓扑下的wsns分簇路由方法，用于狭长拓扑的多个无线网络传感器节点的路由通信，其特征在于：以相对剩余能量、能量开销指标为参数，簇首节点构建基于最小生成树的最优多跳路径，具体过程如下：

(1)、在簇首选举阶段，每个节点根据相对剩余能量以及与汇聚节点之间的距离设置竞选簇首的时间，时间越小成功竞选概率越大；

(2)、在成簇阶段，节点根据保存的簇首信息，选择加入距离最近且通信半径更大的簇，构建非均匀半径簇；

(3)、在多跳路径建立阶段，基于相对剩余能量、能量开销指标，簇首节点构建基于最小生成树的最优多跳路径。

所述的一种狭长拓扑下的wsns分簇路由方法，其特征在于：步骤(1)中，簇首的选举是一种基于定时器的选举方法，其过程如下：

(1.1)、每个节点根据自身信息计算通信半径为：

式中，ri为节点i的通信半径；dmax为节点到汇聚节点的最大距离；dmin为节点到汇聚节点的最小距离；d(i,ds)为节点i到汇聚节点的距离；r0为预先设置的最佳半径；c取值为0～1，用于控制ri大小的参数；

(1.2)、每个节点根据相对剩余能量以及与汇聚节点之间的距离设置竞选簇首的时间t(i)，时间越小成功竞选概率越大，如下式所示：

式中，eres(i)和e0(i)分别为节点i的剩余能量和初始能量；d(i,ds)为节点i到汇聚节点的距离；dmax为节点到汇聚节点的最大距离；ω为选举因素所占权重；t是预先设定的簇首竞争时间；

(1.3)、当节点i的簇首竞选时间到时，会以ri为通信半径广播成为簇首的消息。

本发明在簇首阶段提出的基于定时器的簇首选举方法，是基于全局网络的选举方法，改进了以往算法中的局部选举方法，并且通过定时的方式，进一步减少了以往算法每个节点都广播竞选簇首的控制开销，同时在选举中考虑到了节点与汇聚节点间的距离，从而使所选簇首距离汇聚节点较近，降低了与汇聚节点间的通信消耗。

所述的一种狭长拓扑下的wsns分簇路由方法，其特征在于：步骤(2)中，节点保存的簇首信息为步骤(1)中竞选成功节点广播的消息，包括节点的id、通信半径和与汇聚节点之间的距离；普通节点计算与保存簇首之间的距离，并选择加入距离自己最近且簇半径较大的簇首。

所述的一种狭长拓扑下的wsns分簇路由方法，其特征在于：步骤(2)中，不同簇首的簇半径是不同的，距离汇聚节点越远，其簇半径越大。

本发明入簇规则能够极大限度的降低簇内通信，和构建非均匀负载的各个簇，使远离汇聚节点簇的规模较大，弥补了距离汇聚节点较近节点转发数据的消耗，从而均衡了各个节点的能耗。

所述的一种狭长拓扑下的wsns分簇路由方法，其特征在于：步骤(3)其过程如下：

(3.1)、以各簇首节点为源节点，进行最优路径的构建；

(3.2)、判断簇首与汇聚节点之间的距离是否在一定范围内，若在此范围内，则簇首直接传输数据到汇聚节点；若簇首与汇聚节点之间的距离大于此范围，则簇首在自己邻居范围内选择最优中继节点；

(3.3)、基于相对剩余能量和能量开销指标，选择代价最小的作为最优中继节点，具体计算如下：

式中，d为节点之间的距离；e0(j)和eres(j)分别为节点j的剩余能量和初始能量；α为选举因素所占权重；

(3.4)、最优中继节点继续上述步骤直至数据传输到汇聚节点。

本发明提出的基于最小生成树的最优多跳路径，通过相对剩余能量和能量开销指标为参数选择最优中继节点，使簇首至汇聚节点间的通信能耗最低。

附图说明

图1为本发明一种狭长拓扑下的wsns分簇路由方法示意图。

图2本发明所提的狭长拓扑图。

图3为本发明所提方法仿真后的簇首分布图。

图4为本发明所提方法仿真后的存活节点随仿真时间变化图。

图5为本发明所提方法仿真后的总剩余能量随仿真时间变化图。

具体实施方式

如图1所示，一种狭长拓扑下的wsns分簇路由方法，用于狭长拓扑的多个无线网络传感器节点的路由通信，以相对剩余能量、能量开销指标为参数，簇首节点构建基于最小生成树的最优多跳路径，具体过程如下：

(1)、在簇首选举阶段，每个节点根据相对剩余能量以及与汇聚节点之间的距离设置竞选簇首的时间，时间越小成功竞选概率越大；

(2)、在成簇阶段，节点根据保存的簇首信息，选择加入距离最近且通信半径更大的簇，构建非均匀半径簇；

(3)、在多跳路径建立阶段，基于相对剩余能量、能量开销指标，簇首节点构建基于最小生成树的最优多跳路径。

步骤(1)中，簇首的选举是一种基于定时器的选举方法，其过程如下：

(1.1)、每个节点根据自身信息计算通信半径为：

式中，ri为节点i的通信半径；dmax为节点到汇聚节点的最大距离；dmin为节点到汇聚节点的最小距离；d(i,ds)为节点i到汇聚节点的距离；r0为预先设置的最佳半径；c取值为0～1，用于控制ri大小的参数；

(1.2)、每个节点根据相对剩余能量以及与汇聚节点之间的距离设置竞选簇首的时间t(i)，时间越小成功竞选概率越大，如下式所示：

式中，eres(i)和e0(i)分别为节点i的剩余能量和初始能量；d(i,ds)为节点i到汇聚节点的距离；dmax为节点到汇聚节点的最大距离；ω为选举因素所占权重；t是预先设定的簇首竞争时间；

(1.3)、当节点i的簇首竞选时间到时，会以ri为通信半径广播成为簇首的消息。

步骤(2)中，节点保存的簇首信息为步骤(1)中竞选成功节点广播的消息，包括节点的id、通信半径和与汇聚节点之间的距离；普通节点计算与保存簇首之间的距离，并

步骤(2)中，不同簇首的簇半径是不同的，距离汇聚节点越远，其簇半径越大。

步骤(3)其过程如下：

(3.1)、以各簇首节点为源节点，进行最优路径的构建；

(3.2)、判断簇首与汇聚节点之间的距离是否在一定范围内，若在此范围内，则簇首直接传输数据到汇聚节点；若簇首与汇聚节点之间的距离大于此范围，则簇首在自己邻居范围内选择最优中继节点；

(3.3)、基于相对剩余能量和能量开销指标，选择代价最小的作为最优中继节点，具体计算如下：

式中，d为节点之间的距离；e0(j)和eres(j)分别为节点j的剩余能量和初始能量；α为选举因素所占权重；

(3.4)、最优中继节点继续上述步骤直至数据传输到汇聚节点。

下面结合附图和实施例对本发明进一步说明。

本发明基于的网络模型如图2所示为：50个节点均匀的布置与一个160×10的二维矩形区域内，即无线传感器节点均匀的布置于长为160米，宽为10米的矩形网络中；并假设该传感器网络具有如下性质：

(1)每个节点具有唯一的id，一旦布置不再移动；

(2)电池供电，普通节点能量不能补充，但汇聚节点能量不受限，且计算和存储能量相对较强；

(3)每个节点都可以根据接收到的信号强度(rssi)估算自己与发送者的距离，并可以根据距离调整其发射功率；

(4)节点具有不同的初始能量，但具有相同的通信和数据处理能力，且只允许簇头采用数据融合技术。

簇首选举阶段

基于全局网络，每个节点根据相对剩余能量以及与汇聚节点之间的距离设置竞选簇首的时间，时间越小成功竞选概率越大；

当节点竞选时间到时，节点以ri为通信半径广播消息成功竞选为簇首；

如图3所示为：本发明中基于定时器簇首选举方法仿真后的簇首分布图，从图3中可以看出，簇首均匀的分布与网络中，距离汇聚节点越远簇半径越大，且所以簇首距离汇聚节点较近。

普通节点入簇阶段

给个普通节点根据保存的簇首信息，选择加入距离最近且通信半径更大的簇。

多跳路径建立阶段

当所有普通节点都加入对应的簇之后，基于相对剩余能量和能量开销指标，簇首节点构建基于最小生成树的最优多跳路径，完成数据的传输。

为进一步说明本发明所提方法的优越性，将本发明所提方法与经典路由算法leach、deec以及eeuc方法进行比较，网络死亡节点数比较如图4所示，网络剩余能量比较曲线如图5所示。从图4可以看出本文算法首个节点死亡的时间比leach、deec以及eeuc协议都滞后，本文算法首个节点死亡的时间在1800轮左右，比eeuc算法提高了400轮，比leach和deec算法提高了1000多轮；从能耗均衡性方面来看，本发明所提方法90％节点死亡的时间与首个节点死亡的时间相差100轮左右，而eeuc在300轮左右，leeach和deec则在1500轮左右，由此可以看出本发明所提方法节点的能耗更为均衡。图5可以看出，这4种算法网络能耗各不相同，本发明所提方法网络能耗比其他三种算法更小，网络剩余总能量更大，这是由于本发明所提方法在簇首选举中考虑了节点与汇聚节点的距离，而且并不是采用簇间多跳，使得转发路径更优；而leach和deec算法的网络能耗相比与eeuc消耗更大，是由于这两种方法采用与汇聚节点单跳的通信方式，消耗大量的能量。