一种基于异构认知传感器网络的双簇首分簇路由方法技术

本发明专利技术公开了一种基于异构认知传感器网络的双簇首分簇路由方法，在网络监测区域中随机部署若干个节点，所述节点包括认知节点、普通节点以及基站，采用直觉模糊层次分析法的多准则决策方法确定所述主簇首，根据竞争半径建立簇单元并确定从簇首，所述簇单元建立完毕后，在数据传输阶段，每个簇单元的节点将感知到的数据以单跳的方式直接传输给本簇的主簇首，从簇首和下一跳的主簇首将通过多跳传输的方式把数据传输到基站，构建基于频谱检测的路由算法，直到传输到所述基站。解决了现有的分簇路由算法构建的簇单元仅有一个簇首，造成簇首和成员节点能耗严重不平衡。此外，现有分簇路由算法没有考虑传输数据的可靠性的问题。路由算法没有考虑传输数据的可靠性的问题。路由算法没有考虑传输数据的可靠性的问题。

【技术实现步骤摘要】
一种基于异构认知传感器网络的双簇首分簇路由方法


[0001]本专利技术涉及认知传感器网络领域，尤其涉及一种基于异构认知传感器网络的双簇首分簇路由方法。

技术介绍

[0002]认知传感器网络是一种将认知无线电技术引入到无线传感器网络中而形成的一种新型网络。无线传感器网络中没有认知模块，频谱资源稀缺会导致传感器节点互相竞争信道资源，从而导致传输冲突，造成数据包的丢失，而且会导致网络延时的同时也耗费了额外的能量。而认知传感器网络配备认知模块，可以动态地选择空闲授权频谱来传输数据。当主用户返回授权信道时，认知传感器网络能够主动退避并切换到其他空闲频谱上，能够有效避免冲突，提高网络能量利用效率。然而，认知传感器网络的造价较为昂贵，因此，面临着高成本以及高能耗的双重挑战。
[0003]分簇路由算法凭借其灵活、高能效、简单、便于管理、可扩展性强等诸多优势，成为认知传感器网络的分簇路由算法成为研究热点。在无线传感器网络中，现有研究分簇路由算法很多，但没有考虑到。在认知传感器网络的分簇路由算法中，大部分研究主要集中在节点同构的网络场景中。而在异构的认知传感器网络中，没有考虑簇首负载过重，以及数据传输安全性的问题。
[0004]LEACH算法的思想应用于异构的认知传感器网络，则改进LEACH算法在本文中称之为LEACH
‑
G。LEACH是首次被提出的具有均等分簇的路由算法。其思想是通过预先设定的相同概率以扰动的方式随机选取簇首节点。每个成员将感知的数据传输给簇首后，簇首将本单元所有的数据直接传输给汇集点Sink。虽然该协议比平面的路由算法在网络寿命等性能方面显著提高，但是其随机扰动方式会造成额外的能量消耗。而且数据从簇首到Sink的直传方式会造成远方簇首的能耗大幅度下降，这是因为传感器节点的能量消耗与节点间的距离呈指数关系。
[0005]EEUC的思想应用于异构的认知传感器网络中，改进的EEUC称之为EEUC
‑
G。EEUC是一种能量高效的不等分簇数据收集算法，其主要是根据节点与基站间的距离构建不等簇结构。在EEUC中，簇的大小与节点到基站的距离成正比。接近基站的簇规模要比较远的簇规模小。EEUC的假设条件比较实际。例如：EEUC的基站和簇首位置无需精确的部署。然而，EEUC具有以下不足：第一，所定义的簇首竞争半径的c值不能够简单的获得最优值，特别是在大规模的无线传感器网络中；第二，基于竞争的簇首选择会增加网络的能量消耗，因为其主要利用消息协商机制。
[0006]HLEACH是一种用于多跳异构认知传感器网络的LEACH算法。首先从理论上推导出了网络节点数量比以及网络节点初始能量比的最优配置，以达到能源利用效率最大化。然后，HLEACH在构建簇的过程中考虑了剩余能量，节点距离等多种因素，使簇首、认知节点的分布更加均衡，从而有效降低网络的能量消耗。然而，HLEACH构建的簇单元仅有一个簇首，造成簇首和成员节点能耗严重不平衡。而且HLEACH在构建簇和多跳路由传输时没有考虑传
输数据的安全性。
[0007]综上所述，现有的分簇路由算法构建的簇单元仅有一个簇首，造成簇首和成员节点能耗严重不平衡。此外，现有分簇路由算法没有考虑传输数据的可靠性的问题。

技术实现思路

[0008]本专利技术提供一种基于异构认知传感器网络的双簇首分簇路由方法，以克服现有的分簇路由算法构建的簇单元仅有一个簇首，造成簇首和成员节点能耗严重不平衡。此外，现有分簇路由算法没有考虑传输数据的可靠性的问题。
[0009]为了实现上述目的，本专利技术的技术方案是：
[0010]一种基于异构认知传感器网络的双簇首分簇路由方法，包括：
[0011]步骤1：在网络监测区域中随机部署若干节点，所述节点包括认知节点、传感节点以及基站，所述认知节点与传感节点均可以直接与所述基站通信，且所述认知节点的初始能量高于传感节点，所述认知节点基于主簇首选择综合评价层次结构模型确认主簇首；
[0012]步骤2：根据所述主簇首的认知节点的节点信息构建竞争半径并建立簇单元，且所述簇单元的竞争半径从靠近基站至远端逐渐增大，所述节点信息包括认知节点的剩余能量、认知节点与基站的距离以及认知节点的邻居节点数量；
[0013]在所述簇单元中确定从簇首，所述簇单元包括主簇首与从簇首，所述主簇首用于进行频谱感知、接收非簇簇首认知节点的信道监测结果、决策可用信道并在本簇单元内广播、接收本簇单元数据以及数据融合；
[0014]所述从簇首用于进行其他簇单元数据的中继和本簇单元数据的转发；
[0015]步骤3：当各所述簇单元均建立完毕后，以距离基站最远端的簇单元作为第一跳簇单元进行数据传输，所述数据传输包括以单跳传输的簇内传输子阶段与以多跳传输的簇间传输子阶段；
[0016]所述单跳传输为所述簇单元内除从簇首以外的所有成员节点，将感知到的数据直接传输给本簇单元内的主簇首；
[0017]所述多跳传输为本簇单元内的主簇首接收除从簇首以外的所有节点的感知数据与上一跳簇单元内从簇首的数据，并进行压缩获取数据包发送至本簇单元内的从簇首节点；
[0018]步骤4：所述从簇首节点再将数据包以多跳传输的方式传送给其他簇单元中路由代价最小的主簇首作为中继节点，直至将所述数据包传送至基站完成一轮数据传输；
[0019]步骤5：经过一轮数据传输后，基于能量消耗模型判断各所述簇单元的主簇首的剩余能量是否低于预设门限值，若每一所述簇单元的主簇首的剩余能量均大于预设门限值，无需进行簇单元的重建，继续进行完整的数据传输过程；
[0020]若其中一个所述簇单元的主簇首的剩余能量小于预设门限值，则重复上述步骤1至步骤4。
[0021]进一步的，步骤1中所述确定主簇首的具体步骤为：
[0022]步骤1.1：在认知传感器网络中，建立多准则决策模型，所述认知节点基于多准则决策模型建立主簇首选择综合评价层次结构，并获得所述主簇首属性评估值h与主簇首属性重要性程度值g；
[0023]所述多准则决策模型包括主准则层与子准则层，所述主准则层包括认知节点服务质量状况评价模型、认知节点能量状况评价模型以及认知节点位置状况评价模型；所述子准则层包括信道检测概率评价模型、传输可靠性评价模型、剩余能量评价模型、消息代价评价模型、邻居节点数量评价模型和以及基站距离评价模型；
[0024]步骤1.2：在网络初始化阶段，所述认知节点与传感器节点广播INITIAL_MESSAGE消息发送至基站，所述INITIAL_MESSAGE消息包括认知节点与传感节点自身的ID数据、通信半径数据以及剩余能量数据，所述基站基于所述INITIAL_MESSAGE消息建立初始化节点信息表；
[0025]所述认知节点还广播当前检测到的可用信道信息，所述认知节点与传感节点根据所述初始化节点信息表获取当前认知节点/传感节点与邻居节点的距离，进行存储并构建节点邻居表；
[0026]步骤1.3：初始化阶段结束后，各所述认知节点根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异构认知传感器网络的双簇首分簇路由方法，其特征在于，包括：步骤1：在网络监测区域中随机部署若干节点，所述节点包括认知节点、传感节点以及基站，所述认知节点与传感节点均可以直接与所述基站通信，且所述认知节点的初始能量高于传感节点，所述认知节点基于主簇首选择综合评价层次结构模型确认主簇首；步骤2：根据所述主簇首的认知节点的节点信息构建竞争半径并建立簇单元，且所述簇单元的竞争半径从靠近基站至远端逐渐增大，所述节点信息包括认知节点的剩余能量、认知节点与基站的距离以及认知节点的邻居节点数量；在所述簇单元中确定从簇首，所述簇单元包括主簇首与从簇首，所述主簇首用于进行频谱感知、接收非簇首认知节点的信道监测结果、决策可用信道并在本簇单元内广播、接收本簇单元数据以及数据融合；所述从簇首用于进行其他簇单元数据的中继和本簇单元数据的转发；步骤3：当各所述簇单元均建立完毕后，以距离基站最远端的簇单元作为第一跳簇单元进行数据传输，所述数据传输包括以单跳传输的簇内传输子阶段与以多跳传输的簇间传输子阶段；所述单跳传输为所述簇单元内除从簇首以外的所有成员节点，将感知到的数据直接传输给本簇单元内的主簇首；所述多跳传输为本簇单元内的主簇首接收除从簇首以外的所有节点的感知数据与上一跳簇单元内从簇首的数据，并进行压缩获取数据包发送至本簇单元内的从簇首节点；步骤4：所述从簇首节点再将数据包以多跳传输的方式传送给其他簇单元中路由代价最小的主簇首作为中继节点，直至将所述数据包传送至基站完成一轮数据传输；步骤5：经过一轮数据传输后，基于能量消耗模型判断各所述簇单元的主簇首的剩余能量是否低于预设门限值，若每一所述簇单元的主簇首的剩余能量均大于预设门限值，无需进行簇单元的重建，继续进行完整的数据传输过程；若其中一个所述簇单元的主簇首的剩余能量小于预设门限值，则重复上述步骤1至步骤4。2.根据权利要求1所述的一种基于异构认知传感器网络的双簇首分簇路由方法，其特征在于，步骤1中所述确定主簇首的具体步骤为：步骤1.1：在认知传感器网络中，建立多准则决策模型，所述认知节点基于多准则决策模型建立主簇首选择综合评价层次结构，并获得所述主簇首属性评估值h与主簇首属性重要性程度值g；所述多准则决策模型包括目标层、主准则层与子准则层，所述主准则层包括认知节点服务质量状况评价模型、认知节点能量状况评价模型以及认知节点位置状况评价模型；所述子准则层包括信道检测概率评价模型、传输可靠性评价模型、剩余能量评价模型、消息代价评价模型、邻居节点数量评价模型和以及基站距离评价模型；步骤1.2：在网络初始化阶段，所述认知节点与传感器节点广播INITIAL_MESSAGE消息发送至基站，所述INITIAL_MESSAGE消息包括认知节点与传感节点自身的ID数据、通信半径数据以及剩余能量数据，所述基站基于所述INITIAL_MESSAGE消息建立初始化节点信息表；所述认知节点还广播当前检测到的可用信道信息，所述认知节点与传感节点根据所述初始化节点信息表获取当前认知节点/传感节点与邻居节点的距离，进行存储并构建节点
邻居表；步骤1.3：初始化阶段结束后，各所述认知节点根据自己的所述节点邻居表获得每个所述认知节点的期望参数，所述期望参数包括邻居节点数量、最大剩余能量、最小剩余能量以及网络中认知节点与基站的最大/最小距离信息、可用信道信息、缓冲区空间信息，发送和接收消息的数目信息；步骤1.4：所述子准则层基于所述期望参数获得属性评估值h，所述属性评估值h包括信道检测概率评估值F
d
、传输可靠性评估值R
CNi
、剩余能量评估值E
CNi
、认知消息代价评估值M
CNi
、邻居认知节点数评估值N以及认知节点与基站距离评估值Di；步骤1.5：所述认知节点根据直觉模糊层次分析法和所述主簇首选择综合评价层次结构获取主簇首综合评价的属性重要性程度值g，所述认知节点基于模糊积分计算公式将所述属性评估值h与属性重要性程度值g整合获得成为主簇首的综合评价值PCS
i
；步骤1.6：所述主簇首的综合评价值PCS
i
基于广播主簇首的时间公式获得认知节点成为主簇首的时间T
CN...

【专利技术属性】
技术研发人员：宋晓莹，张启龙，
申请(专利权)人：大连东软信息学院，
类型：发明
国别省市：