【技术实现步骤摘要】
一种WSN的传感器分簇方法
[0001]本专利技术涉及无线通讯
,尤其涉及一种
WSN
的传感器分簇方法
。
技术介绍
[0002]近年来,无线传感器技术已迅速崛起,成为通信和计算机领域备受关注的新兴研究热点
。
大量分布在监测区域内的传感器节点,以及与之配合的基站,构成了无线传感器网络
(WSN)
,因其可以应用在环境监测
、
军事
、
智能交通等领域引发了学术界和工业界的广泛关注
。
在大多数无线传感器网络中,由于受到价格
、
硬件体积等影响,传感器节点的通信处理能力
、
计算能力更差且存储量更小,传感器节点一般通过无人机布撒或人工布置等方式大量部署在比较偏远和严峻的环境中,尤其是在大规模
WSN
的情况下,常采用电池供电,能量十分有限
。
传统的
WSN
网络结构在未进行分簇时,缺乏对于大规模不均匀
WSN
结构的能量消耗
、
生命周期的考虑,因此需要对
WSN
结构进行分簇处理
。
对
WSN
中节点进行分簇所使用的算法称为
WSN
分簇路由协议,分簇路由协议的基本思想是将传感器节点分为若干个簇,每个簇内有一个选定的簇头节点,负责协调该簇内的通信和数据融合
。
其他普通节点则将数据传输给其所属的簇头节点,由簇头节
【技术保护点】
【技术特征摘要】
1.
一种
WSN
的传感器分簇方法,包括
WSN
结构,其特征在于,还包括以下步骤:获取设置好的
WSN
结构;基于
CRITIC
对
WSN
结构中每个节点的多个指标计算权重,对每个指标进行赋权,得到各个节点的竞争策略值;得到与所述
WSN
结构中节点数目相同的竞争策略值,根据多个所述赋权后的指标,确定选取簇头的比例,进而确认选取簇头的个数
Q
;多个节点的竞争策略值进行多轮计算,得到策略值集合
CSV
,并且对策略值集合
CSV
中的元素进行从大到小排序,前
Q
个竞争策略值所对应的
Q
个坐标点即为簇头;对选取好的簇头,将
WSN
结构中的所有节点通过
K
‑
Means
算法进行分簇,得到分簇好的
WSN
结构,实现分簇
。2.
根据权利要求1所述一种
WSN
的传感器分簇方法,其特征在于,所述通过
K
‑
Means
算法进行分簇的步骤包括:步骤一,选择排好序之后的前
Q
个坐标点为中心点;步骤二,计算除中心点以外的坐标点与每个中心点之间的距离,并将其分配给最近的中心点所属的簇;步骤三,对于每个簇,计算簇中所有样本的均值,并作为新的簇中心点;步骤四,迭代步骤二和步骤三,当簇中心点不再发生变化时,停止迭代,完成分簇
。3.
根据权利要求1所述一种
WSN
的传感器分簇方法,其特征在于,所述每个节点的多个指标分别为剩余能量因子
E(n)、
密度因子
ρ
(n)、
距离因子
D(n)
和负载率因子
LF(n)
,基于
CRITIC
,得到的权重表达式为:
CSV
i
=
w1*D(n)
i
+w2*
ρ
(n)
i
+w3*E(n)
i
+w4*LF(n)
i
其中,
CSV
i
表示第
i
个指标的竞争策略,
w1、w2、w3、w4分别为基于
CRITIC
权重法计算得出的四个权重值
。4.
根据权利要求3所述一种
WSN
的传感器分簇方法,其特征在于,所述剩余能量因子
E(n)
计算如下:式中,
E
res
(i)
为第
i
个节点的剩余能量;表示当前存活节点个数的平均剩余能量,计算方法为:其中,
N
为网络中传感器的个数;所述密度因子
ρ
(n)
用于表示节点密度,所述节点密度指在某节点的有效通信范围内存在的其他节点的个数;所述密度因子
ρ
(n)
计算如下:
NE(n)
=
{i|d(i,n)≤R,i
=
1,2,...,N}
其中,
R(n)
为节点
n
的通信范围半径,
S
是检测范围的面积大小;
NE(n)
为通信范围半径之内的节点集合,
N
是
WSN
内节点的总数量,
c
是簇头个数与节点总数的比值,即簇头比率;
N
nei
(n)
为
NE(n)
集合内元素的数量;所述距离因子
D(n)
...
【专利技术属性】
技术研发人员:梁彦霞,赵松林,刘欣,赵永峰,姜静,卢光跃,赵小凡,王欢,
申请(专利权)人:西安猎隼航空科技有限公司,
类型:发明
国别省市:
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。