一种基于改进AP聚类的无线传感器网络分簇方法技术

本发明专利技术涉及一种基于改进AP聚类的无线传感器网络分簇方法NCA‑AP（a Novel Clustering Algorithm using improved Affinity Propagation），该方法包含系统模型、簇初始化、簇重构和簇维护四个部分。通过将簇头选举转换为AP聚类搜索簇中心，分别考量节点间距离、中心度以及节点剩余能量、节点间距离、中心度来计算节点相似度、吸引力和归属度，从而找到初始最优簇头集以及重构时的最优簇头集。通过定义两个阈值来触发簇内维护和簇分解，避免周期全网成簇导致的高能耗和簇头失效时的网络分割，有效提高网络可靠性和能量效率，延长网络生命周期。

【技术实现步骤摘要】
一种基于改进AP聚类的无线传感器网络分簇方法
本专利技术涉及一种无线传感器网络分簇方法，特别是一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP(anovelclusteringalgorithmusingimprovedaffinitypropagation)，通过搜索节点中心来成簇，并选取剩余能量多且靠近中心的节点为簇头，从而有效均衡网络能耗，延长网络生命周期。
技术介绍
随着物联网和人工智能技术的发展，用于数据获取的无线传感器网络得到了广泛关注。无线传感器网络(WSNs)是一种大型无基础设施无线网络，由成千上万个传感器节点组成，并以自组织形式运行。因为无线传感器网络节点通常由电池供电，且工作环境恶劣，因此如何降低网络能耗一直是无线传感器网络的关键研究问题，而分簇是无线传感器网络一种有效节能方法。目前已经提出了许多分簇方法，通常包含簇头选举、簇构建、重新成簇三个阶段。簇头选举是选择网络中性能优的节点来成为簇头，有的方法通过随机概率方式选举簇头，有的通过权值计算来选举簇头，也有的采用智能计算方法如粒子群、模糊逻辑、神经网络来选举本文档来自技高网...

【技术保护点】
1.一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP，其特征在于：包含系统模型、簇初始化、簇重构和簇维护四个部分，通过将簇头选举转换为AP聚类搜索簇中心，分别考量节点间距离、中心度以及节点剩余能量、节点间距离、中心度来计算节点相似度、吸引力和归属度，从而找到初始最优簇头集以及重构时的最优簇头集；通过定义两个阈值来触发簇内维护和簇分解，避免周期全网成簇导致的高能耗和簇头失效时的网络分割，有效提高网络可靠性和能量效率，延长网络生命周期。/n

【技术特征摘要】
1.一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP，其特征在于：包含系统模型、簇初始化、簇重构和簇维护四个部分，通过将簇头选举转换为AP聚类搜索簇中心，分别考量节点间距离、中心度以及节点剩余能量、节点间距离、中心度来计算节点相似度、吸引力和归属度，从而找到初始最优簇头集以及重构时的最优簇头集；通过定义两个阈值来触发簇内维护和簇分解，避免周期全网成簇导致的高能耗和簇头失效时的网络分割，有效提高网络可靠性和能量效率，延长网络生命周期。


2.一种基于改进AP聚类的无线传感器网络分簇方法NCA-AP，其特征在于：所述的簇初始化是在网络开始时通过考量节点间距离和中心度来选择簇头，通过AP聚类计算节点的相似度、吸引力、归属度，以及加入阻尼系数加快算法收敛，减轻震荡影响，从而找到最优的聚类中心，即找到最优的节点成为簇头；首先计算网络中节点的相似度矩阵S：



然后计算网络中节点X＝{x1,x2,x3...,xn}之间的吸引力，原始的r(i,k)、a(i,k)需要计算本节点和网络中其它所有节点之间的数值，这会消耗节点更多的能量且在无线传感器网络中节点有通信距离限制，因此在AP聚类算法的基础上将之优化，消息只是在邻居之间传播，且考虑了节点中心度；NC(Node-Centerality)是节点中心度，节点距离邻居节点的平均最短距离越小，则节点中心度值越高，说明节点在该区域中越重要；其中Ni为节点i的邻居节点数量，Sarea为计算的传感区域的面积，N(i)为节点i的邻居集合，






接着计算网络中节点X＝{x1,x2,x3...,xn}之间的归属度



再考虑阻尼系数λ，将其加到AP聚类算法中，能够有效减少算法迭代次数和运行时间，减轻震荡影响；



rnew(i,k)＝ρ*λ*rold(i,k)+(1-λ)*r(i,k)(6)
anew(i,k)＝ρ*λ*aold(i,k)+(1-λ)*a(i,k)(7)
式(6)和(7)中，下标old和new分别表示上一次和本次迭代更新的最终结果，λ(0＜λ＜1)为阻尼系数，λ越大消除震荡的效果越好，但收敛速度也越慢，反之亦然；最后确定初...

【专利技术属性】
技术研发人员：狄婧，王出航，刘晓理，赵宏伟，姚美琴，胡黄水，
申请(专利权)人：长春师范大学，
类型：发明
国别省市：吉林;22