一种无线传感器网络簇头选举新方法

摘要

本发明公开了一种无线传感器网络簇头选举新方法，其特点是，在簇头选举时，采用概率迭代法，概率迭代公式不仅将节点剩余能量考虑在内，而且还引入了节点能耗速度因子节点度因子节点到汇聚节点的距离因子等因素，能够在一定程度上改善最优簇头选举的机制，使簇头选举考虑的因素更加科学合理，更加全面，实现了簇头节点均匀分布，可降低节点的能量消耗，延长网络的生命周期，可广泛适用于无线传感器网络。

说明书

技术领域

本发明属于无线传感器网络技术领域，涉及一种无线传感器网络簇头选举新方法。

背景技术

无线传感器网络生命周期最大化是无线传感器网络领域的研究热点之一。无线传感器网 络的路由协议一般分为平面路由和分层路由，平面路由的特点是简单易行、节点对等、易于 网络扩展，但是其信息传输过程中会发生信息重叠、冲突、自爆等很多问题，造成网络严重 的能量损耗，而且节点的路由表过大，难于维护、引起信息时延问题。分层路由通过选举一 些节点做特定工作，如汇集普通节点数据、对数据融合压缩、打包封装、转发数据包等，实 现簇头节点和普通节点各司其职，达到优化能耗的目的。分层路由改善了平面路由协议的多 方面缺陷，节约了能量，因而更受到研究者的重视。经过多年的研究，分层路由进入更加成 熟的阶段。经典的协议有：2000年，麻省理工学院的Wendi Rabiner Heinzelman等学者设计 的一种低功耗自适应聚类路由LEACH协议；2004年，Ossama Younis等人提出的混合式能量 高效分簇协议HEED。

LEACH作为第一个针对无线传感器网络的分层低功耗自适应分簇路由协议，首先提出了 成簇阈值的概念，阈值反映节点当选簇头的概率，如果令簇内剩余的未当过簇头的节点的数 目为A。每一轮参选争当簇头的节点，其成簇阈值反比于A。协议通过生成一个(0,1)的随机 数，与节点的成簇阈值比较，随机数小于阈值，节点获选为簇头节点，并广播当选簇头的消 息。未当选簇头的节点，等待接收簇首的广播消息及时隙分配消息，最终选择加簇，在对应 时隙，发送节点采集的数据信息给簇头节点。簇头节点在收到普通节点的加簇信息后则负责 为普通节点分配时隙，收集数据信息并融合数据，将数据打包封装发送到汇聚节点。协议为 之后无线传感器网络的研究提供了多方面的建模思路。但是算法还是存在一些不足，例如， 簇头选举时阈值只与最近Rmod(N/k)轮未当选簇头节点个数有关，即未当选节点越多，参选 争当簇头的节点阈值越小，反之越大，节点选举并不考虑节点剩余能量，如果节点能量较少 时还要继续充当簇头，这样就会造成节点过早死亡，从而导致网络失效。另外簇头节点选择 是随机的，很可能两个相邻节点落在彼此的簇半径之内，造成能量的浪费。

HEED针对LEACH协议中簇头节点分布不均的问题进行了改进，算法选簇根据主次两 个因素，主因素为节点剩余能量，次因素为节点的簇内通信能耗，协议首先选出剩余能量大 的节点当选候选节点，再根据次因素在候选节点当中选择保留能耗最小的点，节点不再根据 是否当选过簇头来决定成簇阈值，而是改由节点剩余能量决定成簇阈值，使得剩余能量大的 节点优先当选为候选簇头。虽然HEED算法提出了新的簇头选择概率，结合了LEACH随机 选簇的方法，但是算法选举簇头时考虑因素单一，一些重要的决定因素如节点到汇聚节点距 离、节点密度、节点的能耗速度等并未考虑，算法并不完善。

发明内容

本发明的目的是，克服现有LEACH算法和HEED算法中簇头选举方法的不足，提供一 种科学合理，能够改善最优簇头选举的机制，综合考虑更多因素，更具有实用性的无线传感 器网络簇头选举新方法，能够实现选举的簇头节点均匀分布，有效的降低节点的能量消耗， 延长网络的生命周期，可广泛适用于无线传感器网络。

本发明的目的是由以下技术方案来实现的：一种无线传感器网络簇头选举新方法，其特 征是，它包括：采用概率迭代算法选举簇头节点，在簇头选举时不仅考虑节点剩余能量，而 且还引入了节点能耗速度因子节点度因子节点到汇聚节点的距离因子 等因素，簇头选举概率用公式表示为：

${\mathrm{CH}}_{\mathrm{prob}}=\max (C_{\mathrm{prob}}·(\frac{E_{\mathrm{residual}}}{E_{\max }}·\frac{E_{\mathrm{avecons}}}{E_{\mathrm{consume}}})·(\alpha ·\frac{D_{\mathrm{nbr}}}{N_{\mathrm{alive}}}+(1-\alpha )·\frac{d_{\mathrm{toSINK}\_\mathrm{MAX}}-d_{\mathrm{toSINK}}}{d_{\mathrm{toSINK}\_\mathrm{MAX}}-d_{\mathrm{toSINK}\_\mathrm{MIN}}}),p_{\min })$

其中，表示簇头优化比例，即簇头数占总结点数的比例，α为选举因素所占权重， E_residual表示节点剩余能量，E_max表示所有节点中最大的蓄能值，D_nbr表示节点度即节点周围 邻居节点个数，N_alive表示当前存活的节点数目，E_consume表示在第R轮中，节点能量的消耗， E_avecons代表网络在第R轮中，平均消耗的能量，d_toSINK表示节点到汇聚节点距离，d_{toSINK_MAX}表 示所有节点到汇聚节点距离中的最大值，d_{toSINK_MIN}表示所有节点到汇聚节点距离中的最小值， p_min表示节点设定的最小收敛概率，防止节点能量过低时收敛时间太长，此值是根据实际情 况设定的经验值。

本发明的一种无线传感器网络簇头选举新方法科学合理，能够在一定程度上改善最优簇 头选举的机制，综合考虑更多因素，使簇头选举考虑的因素更加科学合理，更加全面，选举 的簇头节点分布均匀，有效的降低了节点的能量消耗，延长了网络的生命周期，可广泛适用 于无线传感器网络。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为无线传感器网络簇头选举新方法的伪代码示意图；

图2为无线传感器网络簇头选举新方法的流程图；

图3为无线传感器网络簇头选举新方法的无线收发信模块能耗模型示意图；

图4为无线传感器网络簇头选举新方法的仿真图。

具体实施方式

下面利用附图和具体实施方式对本发明作进一步说明。

参照图1和图2，本发明的一种无线传感器网络簇头选举新方法，根据无线传感器网络 簇头选举新方法的伪代码，初始化阶段主要是最优簇头数目的计算、节点度的计算、节点最 小可达能耗的计算、节点成簇概率的计算、以及候选节点表、最终节点表和路由表等的初始 化等。节点成簇概率计算作为算法核心，节点会根据自身的剩余能耗、最大的蓄能值、上一 轮节点的能耗以及平均能耗等计算节点选簇概率，公式表示如下：

${\mathrm{CH}}_{\mathrm{prob}}=\max (C_{\mathrm{prob}}·(\frac{E_{\mathrm{residual}}}{E_{\max }}·\frac{E_{\mathrm{avecons}}}{E_{\mathrm{consume}}})·(\alpha ·\frac{D_{\mathrm{nbr}}}{N_{\mathrm{alive}}}+(1-\alpha )·\frac{d_{\mathrm{toSINK}\_\mathrm{MAX}}-d_{\mathrm{toSINK}}}{d_{\mathrm{toSINK}\_\mathrm{MAX}}-d_{\mathrm{toSINK}\_\mathrm{MIN}}}),p_{\min })$

其中，α为选举因素所占权重，E_residual表示节点剩余能量，E_max表示所有节点中最大的蓄能 值，D_nbr表示节点度即节点周围邻居节点个数，N_alive表示当前存活的节点数目，E_consume表示 在第R轮中，节点能量的消耗，E_avecons代表网络在第R轮中，平均消耗的能量，d_toSINK表示 节点到汇聚节点距离，d_{toSINK_MAX}表示所有节点到汇聚节点距离中的最大值，d_{toSINK_MIN}表示所 有节点到汇聚节点距离中的最小值，p_min表示节点设定的最小收敛概率，防止节点能量过低 时收敛时间太长，此值是根据实际情况设定的经验值。

本发明考虑到，节点如果能耗速度过快，其当选簇头概率要减小，因此引入能耗速度因 子其定义为在第R轮中网络平均消耗的能量与第R轮中节点消耗的能量之比，其值 反映了第R轮能耗速度，如果节点第R轮能耗大说明其能耗速度大，能耗速度因子的 值小，其下一轮的当选簇头的概率就会减小。反之则第R轮能耗小，其能耗速度小，能耗速 度因子的值大，其下一轮的当选簇头的概率就会增加。而且考虑到节点密度大，其当 选概率因该大，引入节点度因子其定义为节点周围邻居节点个数D_nbr与当前存活的节 点数目N_alive之比。当节点密度大时节点度大，节点度因子就大，节点当选簇头概率就大，但 是节点度因子与之前的能耗速度因子数据不同，因此引入了选举权重α。另外，考虑到节点 到汇聚节点的距离对概率选举也有影响，当距离远当选概率小，距离近当选概率大。因此引 进节点到汇聚节点的距离因子其定义为节点到汇聚节点距离d_toSINK与 所有节点到汇聚节点距离中的最大值d_{toSINK_MAX}的比值，当节点的d_toSINK大时， 的值就大，节点选簇概率整体就大，而且其数据与节点度因子的数据相 同，因此，可以用权重α，权衡节点度和节点到汇聚节点距离所占的权重，使节点选簇更合 理。

各个节点计算自身的节点度即计算各个节点一跳范围内的邻居节点数目、节点最小可达 能耗的计算即是计算节点的AMRP值，公式在后面参数设定部分、节点成簇概率公式已在发 明内容一节提出，此处计算将用于概率迭代选择簇头节点、节点候选簇头表用于存放候选簇 头节点信息、最终簇头表用于存放最终簇头节点信息、路由表用于存放数据传输阶段节点路 由路径信息。

主迭代过程主要是先判断候选簇头表中是否存有节点，如果没有，则节点进一步判断节 点成簇概率是否等于1，如果等于则直接生成为最终簇头，计算其簇半径大小，并广播最终 簇头消息，节点自身和收到消息的邻居节点则更新最终簇头表。如果节点成簇概率小于1， 则节点会生成一个0～1范围内的随机数，如果节点的成簇概率大于随机数，则成为候选节点， 计算其簇半径大小，并广播候选节点消息，节点自身和收到消息的邻居节点则更新候选簇头 表，否则进入下轮迭代。然而当候选簇头表不为空时，保留簇内通信能耗均值最小的节点， 如果候选节点不是自身则不作任何操作。如果候选节点就是自身则判断自身的成簇概率是否 等于1，如果等于则簇头升为最终簇头，计算其簇半径大小，并广播最终簇头消息，节点自 身和收到消息的邻居节点则更新最终簇头表。如果小于则簇头继续作为候选簇头，计算其簇 半径大小，并广播候选节点消息，节点自身和收到消息的邻居节点则更新候选簇头表，并进 入下一轮迭代。

终止过程主要是先判断节点自身是否为最终簇头，如果不是则判断节点的最终节点表， 当其为空则节点选自己为最终簇头，当其不空时则保留簇内通信能耗均值最小的节点加入。

图4给出了LEACH、HEED与本发明的方法仿真对比图，横坐标为网络进行的轮数，纵 坐标为当前存活的节点数目。仿真中节点能量为0.2J，总节点数为100，分布在100m×100m 的区域内。由图中可以观察到LEACH算法在350轮开始出现死亡节点，HEED算法稍强于 LEACH，在380轮开始出现死亡节点，本发明提出的方法在420轮开始出现死亡节点。仿真 试验表明，本发明有效地均衡了网络能耗，延长了网络生命周期。