带有局部簇重构的非均匀分簇路由算法

摘要

本发明公开了一种带有局部簇重构的非均匀分簇路由算法，根据节点到达汇聚节点的跳数对网络划分层次,综合考虑节点剩余能量和位置等因素的影响,在每个层次中通过竞选方式产生簇头，在每轮的数据传输阶段,根据距离汇聚节点的远近程度,各个层次以不同的频率在本层内部进行局部的簇重构,从而减少因簇重构产生的能量消耗。最后,构建了多跳传输路由负责簇内和簇间的数据转发。本发明能有效地均衡网络负载和延长网络生命周期。

说明书

技术领域

本发明涉及传感器网络领域, 具体是带有局部簇重构的非均匀分簇路由算法UCLR（Unequal Clustering Algorithm with Local Re-clustering Mechanism）。

背景技术

无线传感器网络(Wireless Sensor Network,WSN)是由具有感知、处理和无线通信能力的传感器节点通过自组织方式形成的网络。在过去的几年中，WSN已经成为计算机研究领域的热点，其在军事、环境、健康、家庭、商业以及空间探索和灾难拯救等方面有着广阔的应用前景。

由于传感器节点的无线通信能力有限，分簇网络常采用多跳的方式传输数据。但是由于所有数据的目的地都是Sink节点，因此靠近Sink节点的簇头通常需要转发大量的数据，造成这些节点的能量消耗较高、失效速度快于远离区域的节点，形成了所谓的“热区”（hot spot）问题。虽然采用簇头轮换机制可以减轻网络能耗不均衡的问题，但是并不能完全解决“热区”问题[5]。

发明内容

本发明的目的是提供一种带有局部簇重构的非均匀分簇路由算法，以解决“热区”问题, 减少能量消耗和延长网络生命周期。

为达到上述目的，本发明采用的技术方案为：

一种带有局部簇重构的非均匀分簇路由算法，其特征在于，通过基于权值的竞选方式产生簇头，控制簇头与簇成员的通信范围形成规模不同的簇，在每一轮的数据传输阶段，以层次为单位按照不同的频率进行局部的簇头重选；具体包括以下步骤：

（1）局部信息收集：从每一轮的建立阶段开始，采用洪泛法算法的方法使所有节点获取基本的局部信息，每一个节点只需要通过一次标志消息的转发就可以获得其近似的位置信息及邻居节点的信息；

（2）候选簇头的选取：在选择剩余能量较高的节点作为候选簇头的基础上，提出一种探索策略：即在每个网络层次中增加若干个剩余能量较低的节点成为额外的候选簇头；

（3）最终簇头的产生：在选择竞选权值时综合考虑节点的剩余能量和邻居节点的信息，选择出尽可能处于中心位置的簇头；

（4）局部簇重构机制：以轮为单位周期性的在整个网络中进行簇头重选，在稳定阶段，每个网络层次以不同的频率在本层内部进行局部的簇头重选。

所述的带有局部簇重构的非均匀分簇路由算法，其特征在于，步骤（1）所述洪泛法算法是Sink节点用一个较小的发射功率向网络广播一个HELLO消息，由网络中只有最靠近Sink节点的节点开始标志消息的转发，具体的操作步骤如下：

Step1 如果该节点第一次收到HELLO消息，转到Step2；否则，转到Step5；

Step2 如果HELLO消息来自Sink节点，转到Step3；如果来自节点j，转到Step4；

Step3 设H_i=1，转到Step6；

Step4 把节点j设为上跳节点，令H_i=H_j+1；

Step5 根据接收到的信号强度计算出d_ij，并与节点j的ID一起保存至S_i；

Step6 判断该节点是否转发过HELLO消息，如果没有，转发此消息；否则，继续接收其他节点发送来的消息。

最终，通过HELLO消息的接收和发送，每个节点获得其到达Sink节点的跳数以及其周围邻居节点的信息，节点i根据其跳数被划分到相应的网络层次中。

所述的带有局部簇重构的非均匀分簇路由算法，其特征在于，步骤（2） 中所述的探索策略是Sink节点将剩余能量大于其所属的层的平均剩余能量的节点设定为该层的簇头候选，在剩余能量低于该层平均剩余能量的节点中随机选择个节点成为额外的候选簇头，N_l为层次l包含的节点总数，为层次l中剩余能量高于该层的平均剩余能量AE_l的节点的数量，P_l为第l层中能够成为额外候选簇头的比例

$>>{}_{}=\frac{{}_{}}{?}>$>

在确定了所有的候选簇头后，Sink节点通过CANDIDATE_ID消息向网络广播候选节点的ID。

所述的带有局部簇重构的非均匀分簇路由算法，其特征在于，步骤（3）中节点i的邻居节点的数量为，节点i与其各个邻居节点距离的总和为D_i=Σ_j,j≠id_ij，节点i的剩余能量为RE_i，α、β和γ为加权因子；如果节点i被选为簇头候选节点，则其竞选簇头的权值为：

$>>{}_{}^{}=\alpha R{}_{}+\beta {}_{}^{}+\gamma \frac{{}_{}}{},\alpha +\beta +\gamma =1>$> 。

所述的带有局部簇重构的非均匀分簇路由算法，其特征在于，步骤（4）中网络层次的总数为l_max，每一轮的运行时间为T_R； 最小的执行簇重构的时间间隔为T₀,T₀＜T_R，第l层执行局部簇重构的时间间隔为T_l：

$>>{}_{}=\frac{{\max }_{}}{}\times {}_{}>$>

在每一轮开始时，Sink节点会启动一个计时器t_r，当t_r=T_R，网络进入到新的一轮，开始整个网络的重新分簇，当网络进入到稳定阶段后，每个层次各自的计时器t_l=T_l时，第l层开始本层的局部簇重构操作，并令t_l=0重选开始计时；首先，第l层中的所有簇头向所有的邻居节点发送开始簇头重选的RE_CLUSTERING消息，邻居节点在收到消息后就会计算各自的在本次簇头重选中的竞选权值：

$>>{}_{}^{}=\lambda \times R{}_{}+\mu \times {}_{}^{},\lambda +\mu =1>$>

λ和μ为加权因子，并通过RCH_COMPETE消息发送给簇头。

与已有技术相比，本发明的有益效果体现在：

1、本发明在产生最终的簇头时综合考虑了节点的剩余能量、邻居节点的数量和与邻居节点的距离。保证了最终产生的簇头节点尽可能地处于该簇的相对中心位置。

2、本发明根据层次与Sink节点的远近程度，不同的层次在本层的范围采用不同的频率重新选择簇头。在进一步缓解能量消耗不均衡带来的“热区”问题的同时可以减少簇重构带来的能量消耗。

附图说明

图1为节点信息获取流程图。

图2为本发明带有局部簇重构的非均匀分簇路由算法效果示意图。

图3 为具体的网络模型实例图。

具体实施方式

如图1、2所示，一种带有局部簇重构的非均匀分簇路由算法，通过基于权值的竞选方式产生簇头，控制簇头与簇成员的通信范围形成规模不同的簇，在每一轮的数据传输阶段，以层次为单位按照不同的频率进行局部的簇头重选；具体包括以下步骤：

（1）局部信息收集：从每一轮的建立阶段开始，采用洪泛法算法的方法使所有节点获取基本的局部信息，每一个节点只需要通过一次标志消息的转发就可以获得其近似的位置信息及邻居节点的信息；

（2）候选簇头的选取：在选择剩余能量较高的节点作为候选簇头的基础上，提出一种探索策略：即在每个网络层次中增加若干个剩余能量较低的节点成为额外的候选簇头；

（3）最终簇头的产生：在选择竞选权值时综合考虑节点的剩余能量和邻居节点的信息，选择出尽可能处于中心位置的簇头；

（4）局部簇重构机制：以轮为单位周期性的在整个网络中进行簇头重选，在稳定阶段，每个网络层次以不同的频率在本层内部进行局部的簇头重选。

步骤（1）所述洪泛法算法是Sink节点用一个较小的发射功率向网络广播一个HELLO消息，由网络中只有最靠近Sink节点的节点开始标志消息的转发，具体的操作步骤如下：

Step1 如果该节点第一次收到HELLO消息，转到Step2；否则，转到Step5；

Step2 如果HELLO消息来自Sink节点，转到Step3；如果来自节点j，转到Step4；

Step3 设H_i=1，转到Step6；

Step4 把节点j设为上跳节点，令H_i=H_j+1；

Step5 根据接收到的信号强度计算出d_ij，并与节点j的ID一起保存至S_i；

Step6 判断该节点是否转发过HELLO消息，如果没有，转发此消息；否则，继续接收其他节点发送来的消息。

最终，通过HELLO消息的接收和发送，每个节点获得其到达Sink节点的跳数以及其周围邻居节点的信息，节点i根据其跳数被划分到相应的网络层次中。

步骤（2） 中所述的探索策略是Sink节点将剩余能量大于其所属的层的平均剩余能量的节点设定为该层的簇头候选，在剩余能量低于该层平均剩余能量的节点中随机选择个节点成为额外的候选簇头，N_l为层次l包含的节点总数，为层次l中剩余能量高于该层的平均剩余能量AE_l的节点的数量，P_l为第l层中能够成为额外候选簇头的比例

$>>{}_{}=\frac{{}_{}}{?}>$>

在确定了所有的候选簇头后，Sink节点通过CANDIDATE_ID消息向网络广播候选节点的ID。

步骤（3）中节点i的邻居节点的数量为，节点i与其各个邻居节点距离的总和为D_i=Σ_j,j≠id_ij，节点i的剩余能量为RE_i，α、β和γ为加权因子；如果节点i被选为簇头候选节点，则其竞选簇头的权值为：

$>>{}_{}^{}=\alpha R{}_{}+\beta {}_{}^{}+\gamma \frac{{}_{}}{},\alpha +\beta +\gamma =1>$> 。

步骤（4）中网络层次的总数为l_max，每一轮的运行时间为T_R； 最小的执行簇重构的时间间隔为T₀,T₀＜T_R，第l层执行局部簇重构的时间间隔为T_l：

$>>{}_{}=\frac{{\max }_{}}{}\times {}_{}>$>

在每一轮开始时，Sink节点会启动一个计时器t_r，当t_r=T_R，网络进入到新的一轮，开始整个网络的重新分簇，当网络进入到稳定阶段后，每个层次各自的计时器t_l=T_l时，第l层开始本层的局部簇重构操作，并令t_l=0重选开始计时；首先，第l层中的所有簇头向所有的邻居节点发送开始簇头重选的RE_CLUSTERING消息，邻居节点在收到消息后就会计算各自的在本次簇头重选中的竞选权值：

$>>{}_{}^{}=\lambda \times R{}_{}+\mu \times {}_{}^{},\lambda +\mu =1>$>

λ和μ为加权因子，并通过RCH_COMPETE消息发送给簇头。

下面以图3所示网络模型实例图来进行应用介绍。首先,Sink节点通过”HELLO”消息的接受和发送，每个节点获得其到达Sink节点的跳数以及其周围邻居节点的信息。节点根据其跳数被划分到相应的3个网络层次中；其次，Sink节点依据“探索”策略在每层余下的节点中，即剩余能量低于该层平均剩余能量的节点中随机选择额外的候选簇头；然后，在每一个簇中，根据本发明提出的一种基于权值的候选簇头竞选方法，综合考虑节点的剩余能量和邻居节点的信息。选择出最终的簇头b，c，d，e；最后，定期的重新选择簇头，根据本发明提出的基于层次的局部重构机制，以较高的频率定期的更换靠近Sink节点的区域的簇头节点的d，e。