一种UASNs中基于信任机制的网络拓扑控制方法与流程

本发明涉及水下传感器网络拓扑控制方法，尤其是一种uasns中基于信任机制的网络拓扑控制方法。

背景技术：

水声传感器网络(underwateracousticsensornetworks，uasns)是水声通信技术与无线传感器网络结合所产生的一个新的研究领域，它在海洋环境勘察、海洋数据采集、海洋保护等许多方面得到了广泛的应用，但是传感器节点能量的有限性和网络链路的不可靠性给水声传感器网络的应用带来了巨大挑战，目前，国内外学者对水下无线传感器网络拓扑控制算法取得了一些成果。luo等人将覆盖性、连通性、网络能耗优化问题映射成为网络结构优化问题，利用最优刚性图定理，构建一个uasns拓扑控制模型，但网络的鲁棒性无法得到保障。为此luo等利用大规模网络构造了一种三级分簇拓扑，然后分析节点状态，通过对节点休眠状态的调度，减少节点能源消耗，从而使该拓扑具有更高的覆盖性、更少的能耗，同时也增强了网络结构的鲁棒性。jingyan等利用最优刚性图原理设计了一种水下三维分簇拓扑算法，但该算法仅考虑了节点能量，不适用于海洋环境未知且存在恶意攻击的情况。与此同时，中国专利申请号为201911417371.9，名称为“基于势博弈与刚性子图的三维水下网络拓扑控制方法”，该方法首先用网络拓扑博弈让所有节点的功率达到最优状态，生成网络拓扑图；但是由于海洋环境的复杂性，仅根据节点的剩余能量和节点间的距离剔除网络中的冗余链路，将使数据的可靠性得不到保障。

技术实现要素：

本发明是提供一种uasns中基于信任机制的网络拓扑控制方法，该方法解决水下传感器网络遭受恶意攻击时鲁棒性弱、能耗不均衡、可靠信低和覆盖性减小等问题。

为解决上述技术问题，本发明所采用的技术方案是：

1、一种uasns中基于信任机制的网络拓扑控制方法，其特征在于所述方法包括如下步骤：

s1、初始化水下传感器节点的最大通信半径rc，根据水声通信的广播特性在节点间进行信息交互，并获取各节点的邻居节点集ni，然后建立初始水下传感器网络拓扑g0；

s2、生成信任因子，获取链路权值，根据相邻节点间成功交互次数s和失败交互次数u，计算两个邻居节点i、j间的通信信任属性tc，再利用相邻节点间数据包传送时的误包率rpe和丢包率rpl，计算两个邻居节点i、j间的链路信任属性tl，根据目标节点j的剩余能量etres和能量消耗率rtec，计算出两个邻居节点i、j间的能量信任属性tl，通过多元线性回归方法计算两个邻居节点i、j间的信任因子tij，计算两个邻居节点i、j间的链路权值wij，获取链路权值集wi；

s3、建立刚度矩阵r，根据邻居节点集ni，计算节点i的邻居个数|ni|，构建节点i的链路权值集wi，并将wi中的链路权值进行降序排列；按wi中链路权值的降序序列建立子刚度矩阵ri，并利用矩阵ri第一行对应的链路初始化最优链路集lo；

s4、根据最优链路集lo，建立全局最优刚性水下传感器网络拓扑。

本发明技术方案的进一步改进在于：所述步骤s2中，通过多元线性回归计算两个邻居节点i、j间的信任因子tij的公式如下：

其中，是待估计的回归系数，且回归系数值满足tc、tl、te分别是与tij相对应的信任属性值。

本发明技术方案的进一步改进在于：所述步骤s2中，计算两个邻居节点间的链路权值wij的公式如下：

其中，erres和ercom分别为发送节点的剩余能量和能量消耗，etres和etcom分别为接收节点的剩余能量和能量消耗，表示节点i和节点j所形成链路的能量效应。

本发明技术方案的进一步改进在于：所述s3中，获取的最优链路集lo的方法如下：

在r维空间中，基于链路权值集w构建节点i的链路权值集wi，并将wi中的权值元素按照降序排列，接着按照wi中权值的降序序列所对应的链路，从刚度矩阵r中构建局部拓扑的子刚度矩阵ri；然后初始化矩阵roi＝ri(1)，用ri(1)所对应的链路初始化最优子链路集lo，并按照wi中链路权值降序序列依次将子刚性矩阵ri中的下一行添加到矩阵roi中形成矩阵ropi，如果矩阵ropi满秩，更新矩阵roi＝ropi，在矩阵ropi满秩且添入roi的行所对应的的链路不属于lo，则将添入roi的行所对应的的链路加入最优链路集lo，更新lo，直至roi的秩大于获取全局最优链路集lo。

由于采用了上述技术方案，本发明取得的技术进步是：

本发明利用信任机制综合考虑了水下传感器网络的连通性、覆盖性、可靠信和能量均衡性等因素，将其转换为最优刚性拓扑生成过程，不仅减少了时间成本，还在一定程度上减少了计算量，解决了单从能量角度出发构建拓扑时数据失真的问题；

利用最优刚性模型，通过构建包含数据包丢包率、数据包误包率、节点剩余能量、节点能量消耗率以及通信成功次数等因素的权值链路，提高了网络的可靠信，同时也延长了网络的生存周期，使网络具有较强的鲁棒性。

附图说明

图1是本发明一种uasns中基于信任机制的网络拓扑控制方法的算法流程图；

图2是本发明一种uasns中基于信任机制的网络拓扑控制方法的初始水下传感器网络拓扑图；

图3是本发明一种uasns中基于信任机制的网络拓扑控制方法的未加入与加入信任机制的最优刚性水下传感器网络拓扑图；

图4是本发明一种uasns中基于信任机制的网络拓扑控制方法的三种网络下各节点度间的折线图；

图5是本发明一种uasns中基于信任机制的网络拓扑控制方法的两种网络下各节点相应的最大链路权值间的折线图；

图6是本发明一种uasns中基于信任机制的网络拓扑控制方法的未加入信任机制的最优刚性水下传感器网络拓扑各节点剩余能量曲线图；

图7是本发明一种uasns中基于信任机制的网络拓扑控制方法的加入信任机制的最优刚性水下传感器网络拓扑各节点剩余能量曲线图。

具体实施方式

一种uasns中基于信任机制的网络拓扑控制方法,该方法首先利用最优刚性图理论，设计了考虑网络连通性、覆盖性、可靠信和能量均衡性等因素的uasns拓扑控制模型，其次通过水下传感器节点的邻居节点集构建初始水下传感器网络拓扑g0，然后引入邻居节点之间普遍存在的信任因子tc、tl、te建立链路权值函数，最后在uasns进行信息交互的情况下，根据最优刚性图原理以局部到全局的形式获取最优刚性uasns拓扑。其具体步骤：

(1)考虑一个水下环境恶劣并存在恶意攻击的uasns，其中|n|个传感器节点被部署来监测水下环境，水下传感器网络拓扑可以用无向图g(v,e)表示；其中，v＝{1,2,...,n}表示水下传感器网络的节点集，e＝{(i,j)∈v×v:i≠j}表示水下传感器网络节点之间的通信链路集，对于任意两个节点i∈v、j∈v，表示节点i的坐标，表示节点j的坐标，若满足||ci-cj||≤rc，rc为节点的通信半径初始化水下传感器节点的最大通信半径rc，水下传感器网络中的每个节点以自身最大功率向周围节点广播信息，其内容包括节点的身份编号、位置坐标和剩余能量，当传感器节点i接受节点j的信息后，节点j携带相应的信息加入加点i的邻居节点集ni，根据水下传感器网络中的每个节点的邻居节点集ni，建立初始水下传感器网络拓扑g0。

(2)生成信任因子，获取链路权值；

当初始拓扑建立完成后，首先根据一段时间内相邻节点间成功交互的次数s和不成功交互的次数u，通过tc的计算公式计算两个邻居节点间的通信信任tc；tc的计算公式为：其中，为成功通信的影响，为不成功通信的影响，s为相邻节点间成功交互的次数，u为相邻节点间不成功交互的次数。

其次根据一段时间内相邻节点间所传输的数据包的误包率rpe和丢包率rpl，通过tl的计算公式计算两个邻居节点间的链路信任tl，tl的计算公式为：tl＝(1-rpe)×(1-rpl)，其中，rpe为一段时间内相邻节点间所传输的数据包的误包率rpe，rpl为一段时间内相邻节点间所传输的数据包的丢包率，链路信任反应了通信信道的性能，决定了数据的可信度。

(3)然后根据目标节点的剩余能量eres和能量消耗率rec，通过te的计算公式计算两个邻居节点间的能量信任te，其中，θ为能量阈值，erres为目标节点的剩余能量，rec为目标节点的能量消耗率，rem为目标节点过去每轮能耗率的平均值。

(4)根据通信信任tc、链路信任tl、能量信任te，通过多元线性回归方法计算两个邻居节点i、j间的信任因子tij，其中，是待估计的回归系数，且tc、tl、te是与tij相对应的信任属性值；继而由wij的计算公式计算两个邻居节点的链路权值wij，获取链路权值集w，其中i∈n、j∈n且i≠j，其中，erres和ercom分别为发送节点的剩余能量和能量消耗；etres和etcom分别为接收节点的剩余能量和能量消耗，表示节点i和节点j所形成链路的能量效应。

(5)按wi中链路权值的降序序列建立子刚度矩阵ri，在r维空间中|n|个节点构建的无向图为最小刚性图的条件是当且仅当其刚性矩阵r存在子矩阵roi的秩满足：在r维空间中，基于链路权值集w构建节点i的链路权值集wi，并将wi中的权值元素按照降序排列；接着按照wi中权值的降序序列所对应的链路，从刚度矩阵r中构建局部拓扑的子刚度矩阵ri，然后初始化矩阵roi＝ri(1)，用ri(1)所对应的链路初始化最优子链路集loi，并按照wi中链路权值降序序列依次将子刚性矩阵ri中的下一行添加到矩阵roi中形成矩阵ropi，如果矩阵ropi满秩，更新矩阵roi＝ropi，在矩阵ropi满秩且添入roi的行所对应的的链路不属于lo，则将添入roi的行所对应的的链路加入最优链路集lo，更新lo直至roi的秩大于获取全局最优链路集lo，根据得到的最优链路集lo，建立全局最优刚性水下传感器网络拓扑。

利用matlab仿真了初始水下传感器网络拓扑图以及未加入信任机制和加入信任机制的最优刚性水下传感器网络拓扑图，所采用的相应仿真参数值如下表：

仿真结果如图2和图3所示；

假设在动态水下环境中，未加入信任机制和加入信任机制的最优刚性水下传感器网络均存在节点编号为19的恶意节点，如图3所示；通过相关分析，当网络存在恶意节点时，加入信任机制的拓扑控制方法的优良性如图4、图5所示，在信任因子的影响下，恶意节点19的节点度和其对应的最大链路权值均被优化到较小值，因此与纯基于最优刚性图理论的拓扑控制方法相比，基于信任机制的最优刚性网络拓扑控制方法不仅合理地最小化恶意节点的节点度，还将恶意节点对应的全部链路的链路权值最小化，从而在尽量不使用恶意节点的情况下，使得网络覆盖度及其安全性同时达到最大化。另外，如图6、图7所示，最优刚性水下传感器网络拓扑会延长网络的生命周期，但信任机制会削弱恶意节点对拓扑网络的影响，因此加入信任机制的最优刚性水下传感器网络拓扑与未加入信任机制的最优刚性水下传感器网络拓延长网络相比，网络生命周期被延长24.71％。