一种基于卡尔曼滤波的无线传感器网络分簇路由优化方法技术

本发明专利技术公开了基于卡尔曼滤波的无线传感器网络分簇路由优化方法，涉及无线传感器网络领域，为达到上述目的，本发明专利技术的技术方案包括初始化阶段、勘探阶段和开发阶段，通过引入余弦因子来拓展算术优化算法的勘探边界以及列维飞行策略来增强局部探索能力。并且在数据传输阶段，构建了以能耗模型的路径成本函数，利用贪心算法求得最优传输路径以提升运行效率。用贪心算法求得最优传输路径以提升运行效率。用贪心算法求得最优传输路径以提升运行效率。

【技术实现步骤摘要】
一种基于卡尔曼滤波的无线传感器网络分簇路由优化方法


[0001]本专利技术涉及一种基于卡尔曼滤波的无线传感器网络分簇路由优化方法，主要涉及无线传感器网络领域。

技术介绍

[0002]无线传感器网络(Wireless Sensor Networks，WSN)是由多个微型传感器组成的环境监测网络。由于其部署部署灵活和易拓展等特性，被广泛应用于农业、医疗以及铁路等领域[1
‑
3]。但受限于传感器节点能量限制，造成了传感器网络的寿命受到了挑战。为了提高网络的稳定性，众多学者提出了许多不同的方法来尽可能延长网络寿命。
[0003]在WSN中，路由通常分为平面路由和分层路由[4]，但是随着无线传感器网络规模的扩大，分层路由逐渐在传感器网络中占据主导地位。通过分层路由可以有效降低网络的能量消耗。传感器节点将数据传输给集群内的集群头。集群头对收集到的传感器节点数据进行融合。融合后的数据可以被传输到能耗较低的基站，以减少网络的整体能耗。
[0004]分层路由的代表是低能自适应聚类结构(LEACH)，它将无线传感器节点划分为多个集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于卡尔曼滤波的无线传感器网络分簇路由优化方法，其特征在于，包括初始化阶段、勘探阶段和开发阶段。2.根据权利要求1所述的基于卡尔曼滤波的无线传感器网络分簇路由优化方法，其特征在于：所述初始化阶段如下：在算术优化算法中，随机生成候选矩阵X，从候选矩阵中挑选最优值：在开始之前，确立加速函数MOA，用于判断下阶段是否进入勘探或者开发阶段；随机生成0
‑
1之间的随机数r1；若r1＞0.5则进入开发阶段，否则就进入勘探阶段：其中，C
iter
表示当前迭代次数，其数值介于1和最大迭代次数M
iter
之间；max和min分别表示加速函数的最大值和最小值，文中设置max＝0.8和min＝0.2。3.根据权利要求1所述的基于卡尔曼滤波的无线传感器网络分簇路由优化方法，其特征在于：在勘探阶段，依据算术优化算法的规则下使用乘除法进行探索：其中，m
i,j
(C
iter
+1)为下一轮迭代中的第i个解；x
j
为当前计算的最优解中第j个位置；ε为一个趋近于0的数；MOP为变异因子；UB和LB分别为搜索的上限值和下限值；μ是调整搜索过程的控制参数，文中令μ＝0.5；变异因子MOP的计算：其中，C
iter
表示当前迭代次数；M
iter
为最大迭代次数；α为变异系数，文中令α＝0.5。4.根据权利要求1所述的基于卡尔曼滤波的无线传感器网络分簇路由优化方法，其特征在于：在开发阶段，依据算术优化算法的规则下使用加减法进行探索：其中，m
i,j
(C
iter
+1)为下一轮迭代中的第i个解；x
j
为当前计算的最优解中第j个位置；MOP为变异因子；UB和LB分别为搜索的上限值和下限值；μ是调整搜索过程的控制参数，令μ＝0.5。
5.根据权利要求1所述的基于卡尔曼滤波的无线传感器网络分簇路由优化方法，其特征在于：包括如下：引入正弦因子控制的边界策略：将MOA公式引入正弦因子，MOA更新后的式子为：其中，C
iter
表示当前迭代次数，其介于1和最大迭代次数M
iter
之间；max和min分别表示加速函数的最大值和最小值；引入列维飞行策略：列维飞行步长的计算公式近似为：其中u、v均服从正态分布，而δ
v
＝1，δ
u
则得出:其中，Γ为伽马函数，β取值为1.5；通过列维飞行策略，将进入到探索阶段的MOP式子通过列维飞行以实现一定的概率丰富种群的多样性，更新后的表达式为：其中s为列维飞行步长，为点对点乘法。6.根据权利要求1所述的基于卡尔曼滤波的无线传感器网络分簇路由优化方法，其特征在于：SAOA算法执行步骤：Step1：参数初始化，依据输入条件初始化各项参数，并生成候选矩阵；Step2：使用下列公式更新SMOA：使用下列公式更新MOP：并生成0
‑
1之间的随机数r1和r2：Step3：进入勘探阶段，若r1＞SMOA则进入勘探阶段...

【专利技术属性】
技术研发人员：李洪兵，袁浩，曾东，龚文彬，蒋钰涛，陈强，黄猛，
申请(专利权)人：重庆三峡学院，
类型：发明
国别省市：