一种无线传感器网络中的节点能耗均衡方法

摘要

本发明涉公开了一种无线传感器网络中的节点能耗均衡方法。它包括以下步骤：步骤1，获得网络中每个节点到基站的距离：基站根据网络规模算得最优跳数和最优簇数目，网络中所有节点计算自己到基站的距离

说明书

技术领域

本发明涉及无线通信网络技术领域，具体涉及一种无线传感器网络中的节点能耗 均衡方法。

背景技术

无线传感器网络低功耗、低成本、自组织与分布式等特点使其成为信息获取的重要 技术，然而资源受限使得对无线传感器网络的应用面临着巨大的挑战。减少能量消耗、 延长网络生命周期是无线传感器网络领域的重要研究方向。拓扑控制方法作为无线传感 器网络中减少能量消耗、延长网络生命周期的重要技术，近年来成为了无线传感器网络 领域研究的热点与难点之一。

现有的拓扑控制方法主要集中于节点功率控制和分簇的层次型拓扑控制两个方面。 低能量自适应分群分层(Low Energy Adaptive Clustering Hierarchy，LEACH)是比较经典 的层次型拓扑方法，由于LEACH是随机等概率的选择簇头，没有考虑节点的剩余能量， 簇头数量和质量都得不到保证。针对簇头能耗过大的问题，VLEACH(vice-LEACH)在簇 头的选择过程中设置了候选簇头以均衡全网的能量消耗，但该算法未考虑全网的能量分 布情况。EB-LEACH(energy balance LEACH)算法在簇头的选择过程中增加了能量阈值这 一约束条件，但该算法只能平衡簇头地区的能量分布，缺乏对全网能量消耗的平衡。在 能量高效簇方案(energy efficient cluster scheme，EECS)中，节点在选择簇头时，考虑了簇 头到基站距离的远近，构造出相应的簇。通过对网络中最佳簇头数目的考虑，有人提出 了能量有效的簇头选择方法，但该方法忽略了稳定阶段的能量消耗。

发明内容

针对现有技术的不足，本发明所要解决的技术问题就是提供一种无线传感器 网络中的节点能耗均衡方法，它能在簇头选举上综合考虑节点的剩余能量，在簇的形成 中考虑簇的规模，稳定传输阶段的簇头与sink节点能采用多跳通信，能使各节点能耗均 衡，有效延长网络的寿命。

为了解决上述技术问题，本发明包括以下步骤：

步骤1，获得网络中每个节点到基站的距离：基站根据网络规模算得最优跳数和最 优簇数目，然后向全网广播包括跳数消息、簇数目消息和候选簇头概率p的基站消息； 网络中所有节点接收基站的消息，根据收到的广播消息的接收信号强度指示RSSI （Received Signal Strength Indicator）计算自己到基站的距离d_{to_sink}；

步骤2，确定本轮循环的能量阈值：网络中所有节点以概率p当选候选簇头，未当 选的节点关闭无线通信模块，进入睡眠状态，直到簇头选举结束，候选簇头计算本轮循 环的能量阈值；

步骤3，簇的建立：候选簇头比较本身剩余能量与能量阈值的大小，若自己的剩余 能量大于能量阈值，则成为簇头，最终簇头广播自己是簇头并唤醒睡眠节点的消息；非 簇头节点根据cost(j,i)加入不同的簇；

步骤4，稳定传输：簇内节点以单跳方式把数据发送到簇头，簇头进行数据融合， 然后查询路由表，采用单、多跳相结合的方式将数据转发到基站。

由于采用了上述技术方案，在步骤1的簇形成过程中考虑了簇的规模，防止簇 头节点因为簇的规模过大而过早死亡；在步骤2和步骤3的簇头选举中，考虑了节点 的剩余能量，保证每轮选举最佳节点当选簇头；在步骤4的数据稳定传输阶段，簇头与 Sink节点间的通信采用多跳路由方式，平衡网络负载。所以本发明具有如下的优点： 能使各节点能耗均衡，有效延长网络的寿命。

附图说明

本发明的附图说明如下：

图1为传感器节点的能量消耗模型；

图2为本发明的多跳转发网络模型图；

图3为数据传输能量消耗与传输跳数关系图；

图4为网络整体剩余能量与网络运行轮数关系图；

图5为节点剩余能量的标准差随网络运行轮数变化的曲线图。

具体实施方式

下面结合附图和仿真实验对本发明作进一步说明：

如图1所示，传感器节点发送kbit的数据包到距离为d的另一个传感器节点，所 消耗的能量由发射电路损耗和功率放大损耗两部分组成，用E_Tx(k,d)表示：

$E_{\mathrm{Tx}}(k,d)=\left(\begin{array}{c}k{E}_{\mathrm{elec}}+k{ϵ}_{\mathrm{fs}}{d}^2,d<d_0\\ k{E}_{\mathrm{elec}}+k{ϵ}_{\mathrm{mp}}{d}^4,d\ge d_0\end{array}\right)---\left(1\right)$

其中E_elec表示电路能量消耗，d₀是传输距离阈值。若传输距离d<d₀，则采用自由 空间衰落模型ε_fsd²；若传输距离d≥d₀，则采用多径衰落模型ε_mpd⁴，式中ε_mp分别为射频参数，由功率放大器决定。

节点接收k bit数据包消耗的能量用E_Rx(k)表示，接收数据主要是电路能量消耗，能 量消耗如下式：

E_Rx(k)=kE_elec  (2)

本发明包括以下步骤：

步骤1，获得网络中每个节点到基站的距离

基站根据网络规模算得最优跳数和最优簇数目，然后向全网广播包括跳数消息、簇 数目消息和候选簇头概率p的基站消息；网络中所有节点接收基站的消息，根据收到的 广播消息的接收信号强度指示RSSI（Received Signal Strength Indicator）计算自己到基 站的距离d_{to_sink}。

利用接收信号强度指示RSSI计算节点到基站距离的方法参见“一种基于非均匀分 簇的无线传感器网络路由协议”，李成法、陈贵海、叶懋等，计算机学报，第30卷1期 第2007年1月，第27—36页。

最优跳数的确定过程如下：

最优跳数n_opt为传输所消耗的能量E_n-hop最小的跳数。

传感器节点发送k-bit数据的能量消耗为E_Tx(k,d)见式(1)，节点接收k bit数据的能 量消耗为E_Rx(k)见式(2)，簇头对k-bit数据进行融合，消耗的能量为：

E_DA(k)=k×E_gather  （3）

E_gather为对1bit数据进行融合消耗的能量；

一般情况下普通节点到簇头的距离小于阈值d₀，所以在簇内还是使用单跳通 信。

当网络规模较大时，簇头与Sink节点的通信采用多跳方式可以显著降低能量消耗， 如图2所示，相邻两个传感器节点间的平均距离为d，最后一个节点B到汇聚节点的距 离也为d，一个数据包数据经过n跳传输所消耗的能量为E_n-hop，最优跳数n_opt可由下式 算得：

$E_{n-\mathrm{hop}}=n{E}_{\mathrm{Tx}}(k,d)+(n-1)E_{\mathrm{Rx}}\left(k\right)$

$=\left(\begin{array}{c}k[n(E_{\mathrm{elec}}+{ϵ}_{\mathrm{fs}}{d}^2)+(n-1)E_{\mathrm{elec}}],d<d_0\\ k[n(E_{\mathrm{elec}}+{ϵ}_{\mathrm{mp}}{d}^4)+(n-1)E_{\mathrm{elec}}],d\ge d_0\end{array}\right)---\left(4\right)$

其中，d=D/n，k是一个数据包长度，D是簇头距离基站的距离。

最优簇数目的确定过程如下：

整个网络消耗的能量为E_total包括簇头节点的能量消耗E_head和簇内节点的能量消耗 E_non-head：

$E_{\mathrm{head}}=k{E}_{\mathrm{elec}}(\frac{N}{m}-1)+k{E}_{\mathrm{DA}}\frac{N}{m}+k{E}_{\mathrm{elec}}+k{ϵ}_{\mathrm{fs}}{d}_{\mathrm{CH}-\mathrm{to}-\mathrm{CH}}^2$

$E_{\mathrm{non}-\mathrm{head}}=k{E}_{\mathrm{elec}}+k{ϵ}_{\mathrm{fs}}\frac{1}{2\pi }\frac{M^2}{m}$

$E_{\mathrm{total}}=m[E_{\mathrm{head}}+(\frac{N}{m}-1)E_{\mathrm{non}-\mathrm{head}}]$$=k(2E_{\mathrm{elec}}N+E_{\mathrm{DA}}N+m{ϵ}_{\mathrm{fs}}{d}_{\mathrm{CH}-\mathrm{to}-\mathrm{CH}}^2+N{ϵ}_{\mathrm{fs}}\frac{1}{2\pi }\frac{M^2}{m})---\left(5\right)$

其中，k是一个数据包长度，M为正方形监测区域的边长，N为传感器节点数目，m 为簇数目，d_CH-to-CH为簇头与相邻其他簇头之间的平均距离，ε_fs为由功率放大器决定的射 频参数，E_elec为发送和接收1bit数据发送电路和接收电路所消耗的能量，E_DA为簇头进 行数据融合所消耗的能量。

式（5）对m求导，并令导数等于0，得出网络最优簇数目m_opt：

$m_{\mathrm{opt}}=\sqrt{\frac{N}{2\pi }}\frac{M}{d_{\mathrm{CH}-\mathrm{to}-\mathrm{CH}}}---\left(6\right)$

步骤2，确定本轮循环的能量阈值

网络中所有节点以概率p当选候选簇头，未当选的节点关闭无线通信模块，进入睡 眠状态，直到簇头选举结束，候选簇头计算本轮循环的能量阈值。

本轮循环的能量阈值E_th由下式确定：

$E_{\mathrm{th}}=[1-{\left(\frac{r}{L}\right)}^2]E_0---\left(7\right)$

其中，r是运行轮数，L为网络预计要运行的轮数，E₀为节点的初始能量。

通过引入能量阈值，有效地防止了低能量的节点成为簇头，避免了因为簇头死亡造 成的数据丢失以及网络空洞，使网络能量得到均衡的利用，显著地延长网络的寿命。

步骤3，簇的建立

候选簇头比较本身剩余能量与能量阈值的大小，若自己的剩余能量大于能量阈值， 则成为簇头，最终簇头广播自己是簇头并唤醒睡眠节点的消息，非簇头节点根据 cost(j,i)加入不同的簇。

候选簇头根据E_th竞选成为簇头，所有节点根据cost(j,i)加入不同的簇，cost(j,i)由 下式确定：

$\cos t(j,i)=\gamma \frac{1}{d_{j-\mathrm{to}-C{H}_i}}+(1-\gamma )(\frac{d_{i-\mathrm{to}-\mathrm{Sink}}}{R}\times \frac{N}{m_{\mathrm{opt}}}-\mathrm{NC}{H}_i)---\left(8\right)$

其中，γ表示权重，表示节点j到簇头i的距离，d_i-to-Sink表示簇头i到sink节 点的距离，R为节点传输半径，N为传感器节点数目，m_opt为网络最优簇数目，NCH_i表 示簇头节点i的一跳邻居数。

是簇头i的规模，非簇头节点收到多个簇头的广播消息，首先计算相 应簇头的簇是否达到饱和，即是否大于0，若大于0则选择cost（j， i）值大的簇进行加入。

当所有传感器节点都已成簇之后，簇头节点为簇内节点分配通信时隙以及进行簇内 通信的直接序列扩频码，然后进入稳定数据传输阶段。

步骤4，稳定传输

簇内节点以单跳方式把数据发送到簇头，簇头进行数据融合，然后查询路由表，采 用单、多跳相结合的方式将数据转发到基站。

仿真实验对比

采用Matlab建立了网络仿真模型，在网络整体剩余能量、存活节点数等方面，本 发明与LEACH、EB-LEACH算法进行比较。

1、仿真模型与参数设置

100个传感器节点随机分布在100m×100m的监测区域内，Sink节点部署在坐标为 （50，50）的点上。

设置实验参数如表1所示：

表1 实验参数

参数 取值 初始能量/J 0.5 电路能量消耗/(nJ.bit^-1) 50 自由空间中功率放大损耗/(pJ.bit^-1.m^-2) 10 多路径衰落中功率放大损耗/(pJ.bit^-1.m^-4) 0.0013 簇头融合数据包损耗/(nJ.bit^-1) 5 节点当选簇头的概率 0.05 权重 0.5 网络运行轮数 1500 节点最大传输半径/m 50 数据包长度/Byte 4000 控制消息长度/Byte 100

2、结果分析

（1）、最优跳数

如图3所示，当跳数n取不同值时，一个数据包经过网络传输到达基站时所消耗的 能量关系图。从图中可以看出，当n从1变化到2时，能量急剧下降，这主要是因为n=1 时节点无线通信模块的能耗与通信距离的四次方成正比。n=2时，网络能耗达到最小值。 随着n的增大，增加了网络对数据的转发，网络能耗也随之增加。

（2）、网络剩余能量

图4所示的网络整体剩余能量随网络运行轮数的变化曲线，可以看出，本发明每轮 剩余的总能量最多，其次是EB-LEACH算法，最差的是LEACH算法。主要因为本发明 的簇头选举、簇的形成以及数据的传输方式更加合理，减少了节点的能量消耗，使网络 每轮的剩余能量随之增加。

图5所示的节点剩余能量标准差随网络运行轮数变化的曲线图。节点剩余能量标准 差，代表各节点剩余能量偏离节点剩余能量平均值的程度。节点剩余能量标准差越小， 表示各节点剩余能量越接近节点剩余能量平均值，节点能耗越均衡。本发明的节点剩余 能量标准差比LEACH算法和EB-LEACH算法的都小，且随着轮数的增加有明显的下 降趋势。其根本原因在于，本发明在均衡簇头节点和普通节点能耗的同时，还通过减小 离Sink节点近的簇的规模均衡了簇头之间的能耗，使网络总体能量消耗更加均衡。

（3）、网络生命周期

表2为节点死亡轮数比较表，它统计了本发明与EB-LEACH、LEACH算法在第一 个节点死亡、10%的节点死亡和剩余节点为节点总数10%时的轮数。如果以网络剩余节 点为节点总数10%作为网络生命周期判断的话，三种算法网络生命周期分别为707、 1484、1633，可以看出本发明能有效地延长网络生命周期。

表2 三种算法节点死亡轮数比较