【技术实现步骤摘要】
一种基于能量优化的无线传感器网络非均匀分簇路由方法
本专利技术涉及无线传感器网络和能量优化领域，尤其涉及一种基于能量优化的无线传感器网络非均匀分簇路由方法。
技术介绍
随着微机电系统、无线通信和物联网(IoT)的发展，无线传感器网络(WSN)的应用领域得到广泛拓展，比如工程监测、交通控制、智能城市、环境监测、医疗卫生、灾区监测。为了检测兴趣区域的环境(例如温度、湿度、光热、压力、电磁环境)，在兴趣区域部署大量传感器节点。当检测到某个事件发生时，节点报告给基站(BS)。BS是最终用户与传感器节点之间的网关，用户可以从BS获取区域相关信息。通常，传感器节点是廉价并且具有小存储器的小尺寸设备，并且其能源供应和处理能力非常有限。此外，传感器节点通常随机性一次部署在人类难以到达或者无法到达的环境中，集中式管理下进行电源更换变得不切实际。因此，节点的能量效率对于WSN的网络寿命而言至关重要。节点能量主要消耗在环境感测、数据处理和通信开销上。与通信开销相比，环境感测和数据处理消耗的能量相对较少，因此通信和路由协议的选择显得更为关键。为了克服传感器节点与BS的直接通信带来的巨大能耗，目前广泛研究和应用的是基于簇的传输协议。WSN被分成几组簇，每个簇都有一个协调器，称为簇头(CH)。簇成员收集到的感测数据并不直接发送给BS，而是发送给对应的CH。然后，由CH将聚合后的感测数据通过多跳簇间传输，转发给BS。目前研究者提出了众多的分簇路由方法，文献“一种基于LEACH协议的无线传感器网络路由方法”(CN106454...
【技术保护点】
1.一种基于能量优化的无线传感器网络非均匀分簇路由方法，其特征在于，每一轮基于能量优化的无线传感器网络非均匀分簇路由方法(EOCRA)迭代包括簇初始建立阶段和簇稳定传输阶段；/n簇初始建立阶段包括簇头选举、簇半径计算以及簇形成三个步骤；该阶段提出一种分布式非均匀分簇方法，重点优化簇头(CH)选举以及簇半径设计方案，采用模糊逻辑系统，根据节点剩余能量和节点到基站(BS)的距离两个参数决策出节点竞争簇头的优先级，解决簇头选择的随机性和不确定性问题；其次，为适应局部区域节点分布信息的动态变化，利用自适应核密度估计方法，分配每轮簇半径并建立非均匀簇，均衡簇头(CH)能耗负载；/n簇稳定传输阶段包括信息素初始化、簇头节点邻接表更新、转移概率公式改进和信息素更新四个步骤；该阶段提出了一种基于混沌蚁群优化的簇间路由算法，通过改进初始化信息素以及转移概率公式，避免搜索结果陷入路径次优解；考虑到节点存储及计算能力有限，对簇头节点邻接表更新规则进行优化设计，提高算法搜索效率；为选取能量均衡的数据传输路径，从能量离散系数和距离系数定义最佳路径，并引入前向蚂蚁和后向蚂蚁，对信息素进行局部和全局更新操作；簇稳定...
【技术特征摘要】
1.一种基于能量优化的无线传感器网络非均匀分簇路由方法，其特征在于，每一轮基于能量优化的无线传感器网络非均匀分簇路由方法(EOCRA)迭代包括簇初始建立阶段和簇稳定传输阶段；
簇初始建立阶段包括簇头选举、簇半径计算以及簇形成三个步骤；该阶段提出一种分布式非均匀分簇方法，重点优化簇头(CH)选举以及簇半径设计方案，采用模糊逻辑系统，根据节点剩余能量和节点到基站(BS)的距离两个参数决策出节点竞争簇头的优先级，解决簇头选择的随机性和不确定性问题；其次，为适应局部区域节点分布信息的动态变化，利用自适应核密度估计方法，分配每轮簇半径并建立非均匀簇，均衡簇头(CH)能耗负载；
簇稳定传输阶段包括信息素初始化、簇头节点邻接表更新、转移概率公式改进和信息素更新四个步骤；该阶段提出了一种基于混沌蚁群优化的簇间路由算法，通过改进初始化信息素以及转移概率公式，避免搜索结果陷入路径次优解；考虑到节点存储及计算能力有限，对簇头节点邻接表更新规则进行优化设计，提高算法搜索效率；为选取能量均衡的数据传输路径，从能量离散系数和距离系数定义最佳路径，并引入前向蚂蚁和后向蚂蚁，对信息素进行局部和全局更新操作；簇稳定传输阶段能够寻找簇间的最佳多跳传输路径，建立最佳的全局簇间多跳路由骨干网，以减小数据传输能耗，从而尽可能延长网络寿命。
2.根据权利要求1所述的一种基于能量优化的无线传感器网络非均匀分簇路由方法，其特征在于，所述簇头选举中，使用模糊逻辑系统，以无线传感器网络(WSN)中各节点剩余能量和到BS的距离为模糊输入，输出各节点竞争簇头的优先级；
模糊逻辑系统主要由四部分组成：模糊化处理器、模糊化推理、模糊化规则库和去模糊化处理器；模糊化处理器根据隶属度函数将输入的离散变量转换成模糊输入以形成模糊集合，常用的隶属度函数包括三角隶属函数、梯形隶属函数、分段线性隶属函数和高斯隶属函数；模糊化规则库存储制定的if-then规则，作为模糊化推理的依据；模糊化推理采用一定的推理技术，将输入的模糊集合转化为特定的输出模糊集，常用的推理技术有Mamdani规则和Takagi-Sugeno规则；去模糊化负责把输出的模糊集解析成一个具体的确切值，常用的方法包括最大值均值法(MOM)、中心法(COA)和最大值平均法(MAXAV)；
节点剩余能量最多并且距离基站(BS)最近，该节点竞争簇头的优先级最高；相反，剩余能量最少并且距离基站(BS)最远的节点拥有最低的竞争簇头优先级；其余节点竞争簇头的优先级则位于这两个极值之间；
节点竞争簇头的优先级用ui表示，网络中每个节点引入时延Ti；当节点i等待至时刻Ti，则推选自己为簇头并计算簇半径，然后将簇头消息CH_ADVmessage以簇半径为范围广播出去；Ti的具体计算方法如下：
其中，Tc为允许的最大等待时间；主要用于区别ui，因为可能存在不同的节点拥有相同的竞争簇头优先级；N为网络中节点总数。
3.根据权利要求2所述的一种基于能量优化的无线传感器网络非均匀分簇路由方法，其特征在于，所述簇半径计算中，簇头(CH)根据局部区域节点分布信息，采用自适应核密度估计方法确定簇半径；
簇半径主要取决于四个影响因子：节点的分布密度Density(i)、节点分布的离散度Nei_Disp(i)、节点的相对剩余能量Energy(i)和节点到BS的相对距离Dist_BS(i)；
考虑以上四个影响因子，计算自适应簇半径包括以下四个步骤：
S2.1、核密度估计；
S2.2、计算局部带宽；
S2.3、计算自适应带宽；
S2.4、拟合簇半径。
4.根据权利要求3所述的一种基于能量优化的无线传感器网络非均匀分簇路由方法，其特征在于：
所述节点的分布密度Density(i)具体如下：
节点i以固定半径CR发送广播消息SN_ADVmessage，包括节点id；接收到该广播消息的邻居节点返回确认消息SN_ACKmessage，包括节点id、节点位置和节点剩余能量信息，用于更新普通节点邻接表；节点i将上述邻居节点反馈信息存储于普通节点邻接表Neighbor(i)中；普通节点邻接表在每一轮簇头选举时进行更新；节点i的分布密度表示如下：
所述节点分布的离散度Nei_Disp(i)具体如下：
节点分布的离散度影响簇半径的大小，节点分布的离散度表示如下：
其中，为节点i的邻居节点横坐标和纵坐标的标准差，Dist(i,j)表示节点i,j之间的欧式距离；节点分布比较离散，簇内传输需要消耗更多的能量，那么应当减小簇半径，反之应当增加簇半径；
所述节点的相对剩余能量Energy(i)具体如下：
簇头(CH)剩余能量越多，簇半径应该更大；节点的相对剩余能量表示如下：
其中，Energyinit(i)表示节点初始能量，Energyres(i)表示节点剩余能量；
所述节点到基站(BS)的相对距离Dist_BS(i)具体如下：
其中，x、y分别表示节点的横坐标与纵坐标，dmax表示网络场景中距基站(BS)最远的距离；对于距离基站(BS)较近的区域而言，减小簇半径可降低簇头(CH)负载。
5.根据权利要求3所述的一种基于能量优化的无线传感器网络非均匀分簇路由方法，其特征在于，步骤S2.1中，给出全局条件下基于固定带宽的核密度估计函数：
其中：
li表示网络中节点i的地理位置，用(xi,yi)表示，i＝1,2…N；(x,y)表示待估位置的横、纵坐标；KH(l-li)是固定带宽的核函数；固定带宽H由两个全局带宽H1和H2组成；根据平均积分平方误差最小化，最佳的H1和H2如下：
其中，全局区域节点的横坐标标准差表示如下：
全局区域节点的纵坐标标准差表示如下：
步骤S2.2中，当节点i距离待估计位置较远时，核函数KH(l-li)趋向于0，尤其当距离待估位置30m以上时，该节点对导频估计函数的贡献几乎为0，因此计算全局条件下所有节点的累计贡献是非常冗余的；考虑到节点计算能力和存储能力都非常有限，计算全局条件下的显然是不可行的；因此考虑待估位置节点的K阶近邻，同时降低了计算复杂度；将待估计位置节点的K阶近邻用固定值CR来表示；
步骤S2.3中，每个节点的邻居节点分布情况不尽相同，局部带宽显然是不适用于计算簇半径；为代替局部带宽，引入自适应带宽hi，具体表示如下：
其中：
γ是一个敏感因子，0≤γ≤1，γ越大表示hi对于核密度估计函数越敏感；处于不同位置的簇头(CH)应分配不同的簇半径，自适应带宽hi可以真正适合本地节点的分布；因此，自适应带宽hi可用于拟合簇半径；
步骤S2.4中，基站(BS)在发布BS_ADVmessage时，向网络中所有节点发送恒定设置的静态参数最小簇半径CRmin和最大簇半径CRmax，用于限制簇半径的取值范围，防止由于节点剩余能量几乎于0或者节点死亡等特殊情况导致的簇半径极小或极大现象；C...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。