无线传感器网络基于分簇的高效数据收集方法研究

摘要

物联网是自计算机、互联网之后的又一次信息革命，受到了世界各国各界的高度重视。作为物联网底层数据感知的重要载体，无线传感器网络(WSNs)是物联网应用的基础，目前在社会各个领域显示出巨大的应用价值。无线传感器网络的主要任务是收集感知数据，涉及信息感知、无线通信、数据处理等多种技术。由于节点的计算、存储、通信以及能量资源有限，利用受限的资源实现高能效、高质量的数据收集至关重要。本文结合簇与移动Sink技术，围绕静态数据收集与移动Sink的数据收集两个方面，探索基于分簇的高效数据收集方法。主要研究工作如下： （1）针对能量受限的WSNs，为了平衡节点能耗并延长网络寿命，将WSNs的分簇问题转化为样本空间的模糊聚类问题，提出了一种基于模糊C均值(Fuzzy C-Means,FCM)的最优分簇路由算法。首先，对传统的FCM算法从多方面进行了改进，由节点的密度参数得到高密度区域，从中选取初始聚类中心，最佳簇类数采用后验的模糊伪F统计量方法来获得，并对隶属度值的约束条件进行了放松。在此基础上，将改进的FCM算法用于WSNs最优分簇。新一轮时，簇结构不变，基于能耗均衡的目标函数重新选择簇头。在数据传输阶段，簇内成员节点将感知数据直接发送给簇头，簇头对接收到的数据进行融合，并按照选择的传输方式向基站传输融合数据。仿真实验的结果表明，该算法在降低节点能耗的同时，能够有效地平衡网络能耗，改善能量空洞问题，延长网络寿命。 （2）针对较大规模WSNs，提出了一种基于非均匀分簇的高能效数据收集算法。首先，为了处理大规模优化问题，引入了一种遗传算法（GA）和粒子群优化（PSO）分层协作的混合算法（H2GA-PSO）。然后，将该算法应用于WSNs的分簇，以能耗均衡为目标构造适应度函数，提出了一种基于非均匀分簇的数据收集算法。在分簇阶段，H2GA-PSO用于簇头的最优选择，基层采用GA进行全局搜索，保证了全局收敛能力；上层采用初始速度优化的PSO算法进行精确搜索，加快了算法的收敛速度。在数据收集的路由阶段，簇内节点以单跳方式向簇头发送感知数据，簇头对接收到的数据进行融合，并根据传输代价函数选择下一跳对象，然后将融合数据向基站传输。仿真实验的结果表明，对于不同规模的WSNs，在减小和平衡网络能耗方面，提出的方法均优于其它方法。 （3）在虚拟网格簇的基础上，提出了一种基于虚拟力的移动Sink数据收集机制（VFDA）。首先，将整个区域划分为若干个网格，并基于网格进行分簇，根据评判函数选择簇头，簇头负责数据聚合、转发及簇的管理。然后，采用虚拟力理论分析来自边界、障碍物和空区域的虚拟斥力、各节点以及簇头的虚拟力，并计算移动Sink所受的虚拟合力。根据虚拟合力的大小、方向计算出Sink在当前网格的停留时间以及下一个会合点的坐标，由此得到移动Sink的最优移动路径。在移动路径的每个数据会合点，以Sink为根节点建立数据聚合树，收集通信范围内的感知数据。仿真实验的结果表明，提出的方法即使在网络存在空区域或障碍物的情况下依然有效，而且在数据聚合量、节能和移动Sink路径长度等方面比现有算法具有更好的性能。 （4）为了进一步平衡网络能耗并提高数据收集的效率，基于虚拟网格和移动Sink提出了一种高效的分簇数据收集方法（EBCDG）。首先，考虑了虚拟网格边界对节点的能耗影响，建立了一种新的簇头评价模型，将簇头选举问题转化为基于相对熵的多属性决策问题，实现了簇头的优化选择。然后，提出了一种最佳路径选择策略，并采用了移动Sink停留时间分配机制，以改善能耗和数据传输延迟问题。最后，将EBCDG方法与论文之前章节提出的所有方法进行仿真比较，实验结果验证了EBCDG在数据收集方面的高效性，同时也全面分析了论文提出的其它数据收集方法的性能。 论文最后对全文的研究工作进行了总结，并对下一步的工作进行了展望。

目录

第一个书签之前