一种无线传感器网络节能分簇方法、系统及计算机设备

本发明涉及无线通信网络领域，特别涉及一种无线传感器网络节能分簇方法、系统及计算机设备。

背景技术：

1、随着人工智能（ai）、物联网（iot）、雾计算和5g通信技术的蓬勃发展，对无线传感器网络（wsn）在数据采集方面提出了越来越高的要求，无线传感器网络以其低成本和易于部署在无处不在的数据收集中的特点，引起了学术界和业界的广泛关注，广泛应用于战场观测、灾害监测、天气预报、智慧城市、智慧医疗、大数据采集、车辆监控等相关领域。

2、因此确保无线传感器网络的长期高效运行极为重要，而为了保障无线传感器网络的长期高效运行的关键就在于如何保障无线传感器节点的使用寿命和能量效率，但是无线传感器网络通常部署在危险或远离人类的地方，使得维护保障的难度较大成本较高，现有技术通常通过大量设置无线传感器节点来增加无线传感器网络的使用寿命，因此想通过更换或补充无线传感器节点的电池来增加无线传感器节点的使用寿命更加困难。

3、但是无线传感器网络中能量耗尽或传输低效的“死点”过多时，会极大地影响无线传感器网络的通信效率，甚至会引起无线传感器网络的瘫痪，因此如何通过提高无线传感器节点的能量使用效率和改良无线传感器节点的能量消耗分配实现无线传感器网络的长期高效运行成为了亟待解决的问题。

技术实现思路

1、基于此，本发明的目的是提供一种无线传感器网络节能分簇方法、系统及计算机设备，通过获取传感器节点的当前状态信息，根据传感器节点彼此之间的距离，传感器节点与基站之间的距离，传感器节点的初始采集数据以及节点自身的剩余能量对所有传感器节点进行分簇和簇头选举，又通过设置基于灰色模型实现的双端预测机制以及设置双阈值临界机制，提升了传输效率，实现传感器节点之间的负载均衡，使得无线传感器网络的能量使用更高效，达成了使无线传感器网络的长期高效运行的目标，极大地提高了使用寿命和能量效率。

2、根据本发明提出的一种无线传感器网络节能分簇方法，包括：

3、获取传感器节点的当前状态信息，所述当前状态信息包括定位信息、能量信息和初始采集数据；

4、根据所述当前状态信息，对所述传感器节点进行分簇；

5、根据所述当前状态信息计算分簇后每个簇中每个节点的能量距离因子，并对每个簇进行簇头选举；

6、根据预设灰色预测模型双端预测机制，所述传感器节点执行数据传输任务；

7、根据双阈值临界机制，进行簇头轮换或重新分簇，之后继续执行所述数据传输任务，并根据所述预设灰色预测模型双端预测机制和双阈值临界机制循环至传感器网络无法工作。

8、综上，根据上述无线传感器网络节能分簇方法、系统及计算机设备，通过获取传感器节点的当前状态信息，根据传感器节点彼此之间的距离，传感器节点与基站之间的距离，传感器节点的初始采集数据以及节点自身的剩余能量对所有传感器节点进行分簇和簇头选举，又通过设置基于灰色模型实现的双端预测机制以及设置双阈值临界机制，提升了传输效率，实现传感器节点之间的负载均衡，使得无线传感器网络的能量使用更高效，达成了使无线传感器网络的长期高效运行的目标，极大地提高了使用寿命和能量效率。具体为，获取传感器节点的当前状态信息，根据传感器节点彼此之间的距离，传感器与基站之间的距离以及传感器节点的初始采集数据进行分簇，再通过计算分簇后每个簇中每个节点的能量距离因子，从每个簇中选举出最佳簇头，又通过设置基于灰色模型实现的双端预测机制，利用了当前数据和未来可能的数据之间的相关性来预测下一次读数，从而减少了数据冗余，避免了因为冗余数据的能量开销而导致的能量效率下降问题，以及设置双阈值临界机制来优化无线传感器网络的拓扑结构，在此之中，通过由事件驱动的重新聚类过程，使得无线传感器网络拓扑结构更加合理，此外，簇头旋转阈值的设立，进一步实现传感器节点之间的负载均衡，使得无线传感器网络的能量使用更高效，达成了使无线传感器网络的长期高效运行的目标，极大地提高了使用寿命和能量效率。

9、进一步的，所述获取传感器节点的当前状态信息的步骤包括：

10、基站对所有所述传感器节点发送一次应答广播；

11、所述传感器节点接收到所述应答广播之后，将所述传感器节点的所述定位信息、所述能量信息和所述传感器节点的初始采集数据打包成所述当前状态信息；

12、所述传感器节点将所述当前状态信息发送给所述基站之后，所述基站根据预先输入的所述传感器节点状态信息进行对比，将未回应的所述传感器节点记录为死点并反馈报告给工作人员。

13、进一步的，所述根据所述当前状态信息，对所述传感器节点进行分簇的步骤包括：

14、基站获取到的 n个所述传感器节点的所述当前状态信息之后，提取所述当前状态信息中的所述定位信息和所述初始采集数据；

15、将 n个所述传感器节点的所述定位信息和所述初始采集数据组成初始聚类数据集，其中，和分别是节点 i的x轴坐标，y轴坐标和初始采集数据；

16、通过 k-means算法对数据集进行聚类。

17、进一步的，所述根据所述当前状态信息计算分簇后每个簇中每个节点的能量距离因子，并对每个簇进行簇头选举的步骤包括：

18、基站获取到所述当前状态信息之后，根据所述能量信息获取所述传感器节点的剩余能量信息，根据所述定位信息获取相同簇的所述传感器节点之间的距离以及所述传感器节点与所述基站之间的距离；

19、根据所述剩余能量信息、所述相同簇的所述传感器节点之间的距离以及所述传感器节点与所述基站之间的距离，依照如下式子计算每个簇中每个所述传感器节点的所述能量距离因子：

20、

21、

22、其中， c表示簇， i与 j表示节点，表示节点 i的剩余能量，表示节点 i与 j之间的距离，与为常量，， bs表示基站，分别表示节点 i与 j在x轴上的坐标，和分别表示节点 i与 j在y轴上的坐标；

23、获取每个簇中每个所述传感器节点的所述能量距离因子之后，将每个簇中所述能量距离因子最大的节点选举为簇头，并将所有所述簇头信息进行广播发送给每个所述传感器节点。

24、进一步的，所述根据预设灰色预测模型双端预测机制，所述传感器节点执行数据传输任务的步骤包括：

25、对预先设置于基站和所述传感器节点的所述灰色预测模型进行初始化；

26、在所述数据传输任务的前四轮数据传输中，所述传感器节点将采集到的数据传输给所述传感器节点所属簇的所述簇头，所有簇的所述簇头将所述传感器节点采集到的数据进行聚合并发送给所述基站，使所述基站将前四轮数据送入灰色预测模型的预测序列，以构建所述灰色预测模型；

27、在第五轮数据传输及之后每一轮数据传输中，所述传感器节点获取节点中的所述灰色预测模型输出的预测值，将所述预测值与所述传感器节点采集的真实值进行对比，判断所述预测值与所述真实值的误差值是否小于预先设定的误差阈值；

28、若所述预测值与所述真实值的误差值小于预先设定的误差阈值，则所述传感器节点将所述预测值加入所述预测序列，若所述预测值与所述真实值的误差值不小于预先设定的误差阈值，则所述传感器节点将所述真实值发送给所述传感器节点所属簇的所述簇头，所述簇头将所述真实值进行聚合并发送给所述基站，所述基站记录所述传感器节点预测失败并将所述真实值加入所述预测序列。

29、进一步的，所述根据双阈值临界机制，进行簇头轮换或重新分簇，之后继续执行所述数据传输任务，并根据所述预设灰色预测模型双端预测机制和双阈值临界机制循环至传感器网络无法工作的步骤包括：

30、在执行所述数据传输任务中，每一轮所述数据传输结束时，所述簇头进行剩余能量检测；

31、判断所述簇头的所述剩余能量是否小于预先设定的临界能量阈值，若所述簇头的所述剩余能量小于所述预先设定的临界能量阈值，则向所述基站发送簇头剩余能量超临界信息；

32、所述基站根据所述簇头剩余能量超临界信息，向所述簇头的所属簇发送簇头轮换广播；

33、所述簇头所属簇的所有所述传感器节点向基站发送所述传感器节点的剩余能量信息，根据所述定位信息获取的所述传感器节点之间的距离以及所述传感器节点与所述基站之间的距离；

34、根据所述剩余能量信息、所述相同簇的所述传感器节点之间的距离以及所述传感器节点与所述基站之间的距离，依照如下式子计算每个簇中每个所述传感器节点的所述能量距离因子：

35、

36、

37、其中， c表示簇， i与 j表示节点，表示节点 i的剩余能量，表示节点 i与 j之间的距离，与为常量，， bs表示基站，分别表示节点 i与 j在x轴上的坐标，和分别表示节点 i与 j在y轴上的坐标；

38、获取所述传感器节点的所述能量距离因子之后，将所述能量距离因子最大的节点选举为簇头，并将所有所述簇头信息进行广播发送给每个所述传感器节点。

39、进一步的，所述根据双阈值临界机制，进行簇头轮换或重新分簇，之后继续执行所述数据传输任务，并根据所述预设灰色预测模型双端预测机制和双阈值临界机制循环至传感器网络无法工作的步骤还包括：

40、在所述数据传输中，基站连续两轮接收到所述簇头的所属簇的所述传感器节点采集的真实值时，所述基站将所述传感器节点标记为事件区域节点；

41、所述基站将所有所述传感器节点的所述定位信息和采集的真实数据组成聚类数据集，其中，其中和分别是节点 i的x轴坐标，y轴坐标和是否为事件区域的标记；

42、通过 k-means算法对数据集进行聚类，对所述传感器节点进行所述重新分簇，将所述事件区域节点划分为同一簇。

43、根据本发明实施例的一种无线传感器网络节能分簇系统，包括：

44、信息传递模块，用于获取传感器节点的当前状态信息，所述当前状态信息包括定位信息、能量信息和初始采集数据；

45、分簇选举模块，用于根据所述当前状态信息，对所述传感器节点进行分簇，根据所述当前状态信息计算分簇后每个簇中每个节点的能量距离因子，并对每个簇进行簇头选举；

46、机制调节模块，用于根据预设灰色预测模型双端预测机制，所述传感器节点执行数据传输任务，根据双阈值临界机制，进行簇头轮换或重新分簇，之后继续执行所述数据传输任务，并根据所述预设灰色预测模型双端预测机制和双阈值临界机制循环至传感器网络无法工作。

47、本发明另一方面，还提供一种存储介质，包括所述存储介质存储一个或多个程序，该程序被执行时实现如上述的无线传感器网络节能分簇方法。

48、本发明另一方面还提供一种计算机设备，所述计算机设备包括存储器和处理器，其中：

49、所述存储器用于存放计算机程序；

50、所述处理器用于执行所述存储器上所存放的计算机程序时，实现如上述的无线传感器网络节能分簇方法。