基于点介数的无线传感器网络簇头选择方法

摘要

本发明在随机分布的无线传感器网络中，提出一种基于点介数的簇头选择方法。其步骤为：首先利用邻接矩阵G计算点介数，然后计算每一分簇的点介数并选出最大的点，最后在簇头选择过程中将最大的点介数设置为簇内簇头。本发明提出利用影响力最大的节点担任簇头，相对减少了簇头节点和其他节点的距离，解决了无线传感器网络中簇内簇头节点至其他节点通信时间跨度长的问题。本发明不需要添加任何硬件设备，仅利用簇头影响力来减少簇内节点之间的平均距离，该方法能减少每轮次中簇头选取的网络能量消耗，且能够平衡负载，得到较合理的网络拓扑和生存周期更长的网络，具有推广应用价值。

说明书

技术领域

本发明主要涉及无线传感器网络领域，特指一种基于点介数的无线传感器网络簇头选择 方法，该方法利用簇头影响力来减少簇内节点之间的平均距离，能够提高网络能量效率和延 长网络寿命。

技术背景

无线传感器网络(WSN，Wireless Sensor Network)是由各种微型、廉价的传感器节点通过自组 织方式组成的一类数据收集网络。它综合了传感器技术、嵌入式计算技术、通信技术、分布 式信息处理技术、微电子制造技术和软件编程技术等，可以实时监测、感知和采集网络所监 控内的各种环境或监测对象的信息，并对收集到的信息进行处理后传送给终端用户。无线传 感器网络在军事、医疗、工业、商业、农业和交通、安全、空间探测以及家庭和办公环境等 众多等领域都有着广泛的应用，其研究、开发和应用关系到国家安全和经济发展等许多重要 方面。

在无线传感器网络中，为了降低节点能量消耗，提供灵活、可靠的通信，并提高网络的 可扩展性，通常采用分级分布式控制方式控制网络，即采用网络分级结构。在分级结构中， 网络被划分为簇。簇由簇头节点和成员节点组成，簇头节点可以根据需要形成更高一级的网 络结构，依此类推，直到最高级簇头负责管理簇内成员节点，它对感知数据进行融合、转发， 协调簇内成员节点工作，簇头可以预先指定，也可以由网络通过分簇方法自动选择产生。簇 头的选择将影响分簇性能，而分簇方法性能将会影响网络覆盖率和网络连通性，由于分簇对 于路由、拥塞控制等上层协议均有影响，因此，它属于无线传感器网络中的支撑技术，对网 络综合性能有重要影响。

LEACH(Low-Energy Adaptive Clustering Hierarchy)协议是一种典型的低功耗分层路由协 议。该协议采用轮次进行簇头选择的方法，根据网络中每一轮次根据节点产生的0～1之间的 随机数进行判断，如果当前轮次中某节点产生的随机数小于设定阈值T，那么这个节点就被 选做该轮次中的簇头，如果该轮次中此节点被选为簇头，那么接下来1/p轮次中该节点就不 能成为簇头。簇头接收来自簇内节点的信息，进行融合汇总，然后传输给基站。LEACH协议 由阈值T来进行簇头的选择，但是没有考虑节点初始能量的不同。另外，LEACH协议是随机 选取簇头，簇头节点能耗过高，容易造成节点死亡，出现“盲区”。

针对LEACH协议没有考虑节点能量的问题，DAEA(Data Aggregation-Exact and

Approximate)协议，就是根据地理位置事先划分成的大小相等、相邻且不重叠的正方形区域， 在这个区域中分层次进行簇头的选择，该方法有效降低了能耗，但增加了网络延迟。田炜、 杨震在《新的位置感知分簇算法》中提出了一种六边形结构，它指出最优的分簇形状应该是 正六边形，然后定义了角度比和距离比来进行自主簇头选择，该方法能够降低网络能耗，优 化网络结构，然而这种方法却没有考虑孤立节点的问题。

基于K-means的无线家域网分簇算法以LEACH协议中的最优分簇个数作为K-means聚 类的输入参数，在家域网基站上实现集中式按需分簇，并利用Silhouette值判定最优的分簇及 簇头。依照K-Means的方法来进行分簇，再选择离分簇内虚拟中心最近的节点为簇头的办法， 该方法能有效降低能耗，得到最小簇间距离，但由于是随机簇头，同样没有考虑孤立节点的 问题。

发明内容

本发明针对现有技术存在的问题以及具有一定组织结构的无线传感器网络，在现有簇头 选择的的基础上，提出了一种基于点介数的无线传感器网络簇头选择方法。该方法在成簇之 后，再对每一个分簇进行点介数簇头选择，能减少网络的额外能耗。网络中除建立分簇及选 择簇头的初始阶段需要消耗较少的能量之外，其他能量基本上都用于数据传输；有效减少了 从簇头到各节点的通信能耗和时间跨度，有效利用了整个网络总的能耗，显著地延长了网络 的生命周期。且本发明设计简单，总体网络额外能量开销小，适合于能量受限的无线传感器 网络。又通过影响力集中的思想，即选择影响力较大的节点成为簇头，能有效降低能耗及减 少动态簇头数目变化成的网络能耗，而且簇头节点对其他节点的影响力随距离的变化而变化， 使得转发的能量不同，从而达到了显著提高网络能量效率和延长网络寿命的目的。

本发明提供一种基于点介数的无线传感器网络簇头选择方法，包括以下步骤：

针对由多个节点构成小型随机分布的网络，构造具有分簇结构的网络，具体如下：

通过所述的网络，根据通信能力、误码率等参数构造出具有多个节点的网络，且该网络 具有分簇结构。

根据本发明的一个方面，还包括以下步骤：根据分簇结构特性对分簇进行划分。

根据本发明的一个方面，还包括：对于每个分簇，进行簇头节点的选择步骤：

对于已得到的分簇，计算其中每个簇内每一个节点的点介数，然后分别选择点介数最大 的点成为每个簇内的一个簇头节点。

根据本发明的一个方面，所述的簇头选择的具体过程如下：

对输入的邻接矩阵G和对应的k个分簇C，分别计算每个簇内每个节点的点介数矩阵D， 选择每个分簇中D最大的点成为对应分簇中的簇头节点CH，具体步骤如下：

步骤1：由邻接矩阵G计算点介数；

首先，由网络邻接矩阵G计算点介数，N个节点网络的邻接矩阵G为

$G_{N\times N}=\left(\begin{array}{cccccccccccc}..& ...& ...& ...& ...& ...& ...& ...& ...& ...& ...& ...\\ ...& 0& 1& 1& 1& 1& 0& 0& 0& 0& 0& ...\\ ...& 1& 0& 0& 0& 1& 0& 0& 0& 0& 0& ...\\ ...& 1& 0& 0& 1& 0& 1& 0& 0& 0& 0& ...\\ ...& 1& 0& 1& 0& 1& 0& 0& 0& 0& 0& ...\\ ...& 1& 1& 0& 1& 0& 0& 0& 0& 0& 1& ...\\ ...& 0& 0& 1& 0& 0& 0& 1& 0& 0& 0& ...\\ ...& 0& 0& 0& 0& 0& 1& 0& 1& 1& 0& ...\\ ...& 0& 0& 0& 0& 0& 0& 1& 0& 1& 1& ...\\ ...& 0& 0& 0& 0& 0& 1& 1& 1& 0& 1& ...\\ ...& 0& 0& 0& 0& 1& 0& 0& 1& 1& 0& ...\\ ...& ...& ...& ...& ...& ...& ...& ...& ...& ...& ...& ...\end{array}\right)$

点介数是网络中与节点相连接的最短路径的数目，代表网络中所有最短路径中经过该节 点的路径的数目占最短路径总数的比例；

其中，点介数的计算方法是：

$D\left(i\right)=\left(\begin{array}{c}m,G(i,j)\ne 0\\ 0,G(i,j)=0\end{array}\right)i,j\in [1,N],$

其中，m代表邻接矩阵G中与节点i相邻接的节点个数，N代表节点个数；

从而得到点介数矩阵D：

D=[… 2 1 1 3 3 1 3 3 2 1 …]；

其中，节点通信系数T为

T=Ne*D，

其中Ne代表节点的剩余能量，D代表节点的点介数；

步骤2：对于网络中某一个分簇，分别求得分簇中点介数D最大的点；如果最大的点有 多个，任选其一；

步骤3：将步骤2中得到的点设置成为簇头CH；

步骤4：若网络中所有分簇都已选择好簇头则转步骤5，否则跳转到步骤2；

步骤5：结束。

根据本发明的一个方面，对于要进行的下一轮次的簇头选举，则需要检查每个簇内是否 有簇头，每个簇头能量是否耗尽；若有簇头且该簇头能量耗尽则转步骤2，否则检查连接关 系是否改变，若改变则转步骤1；否则直接跳至步骤5。

根据点介数的分布：由于初始能量相同，因此根据点介数矩阵D，若是值大于或等于3 可为簇头，则第一轮次中：在N个节点组成的网络中，第k+5个节点可成为第k+1、k+2、 k+3、k+4、k+5个节点的簇头，第k+9个节点可成为第k+6、k+7、k+8、k+9、k+10个节点 的簇头。

附图说明

图1是本发明的实现过程流程图；

图2是具有明显分簇结构的10个节点网络；

图3是10个网络节点划分示意图；

图4是具有明显分簇结构的20节点网络；

图5是20节点网络节点划分示意图；

图6是20节点网络点介数分布图。

具体实施方式

本发明首先进行簇的划分，然后进行簇头选择。

以图2为例，网络由10个节点构成。该网络是根据通信能力、误码率等参数构造出的具 有很明显的分簇结构的网络，如图2所示。

对图2进行划分的结果如图3所示，得到两个分簇。网络中节点1、2、3、4、5是一个 簇，如图中黄色的点；节点6、7、8、9、10是一个簇，如图中蓝色的点。

然后，对图2中的每个分簇，进行簇头节点的选择。

在已得到的分簇中，计算其中每个簇内每一个节点的点介数，然后分别选择点介数最大 的点成为每个簇内的一个簇头节点。即对输入的邻接矩阵G和对应的k个分簇C，分别计算 每个簇内每个节点的点介数矩阵D，选择每个分簇中D最大的点成为对应分簇中的簇头节点 CH，具体步骤如下所示：

步骤1由邻接矩阵G计算点介数，邻接矩阵G为，

$G=\left(\begin{array}{cccccccccc}0& 1& 1& 1& 1& 0& 0& 0& 0& 0\\ 1& 0& 0& 0& 1& 0& 0& 0& 0& 0\\ 1& 0& 0& 1& 0& 1& 0& 0& 0& 0\\ 1& 0& 1& 0& 1& 0& 0& 0& 0& 0\\ 1& 1& 0& 1& 0& 0& 0& 0& 0& 1\\ 0& 0& 1& 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 0& 0& 0& 1& 0& 1& 1& 0\\ 0& 0& 0& 0& 0& 0& 1& 0& 1& 1\\ 0& 0& 0& 0& 0& 1& 1& 1& 0& 1\\ 0& 0& 0& 0& 1& 0& 0& 1& 1& 0\end{array}\right)---\left(1\right)$

点介数是网络中与节点相连接的最短路径的数目，代表网络中所有最短路径中经过该节 点的路径的数目占最短路径总数的比例。点介数的计算方法是：

$D\left(i\right)=\left(\begin{array}{c}m,G(i,j)\ne 0\\ 0,G(i,j)=0\end{array}\right)i,j\in [1,N]---\left(2\right)$

其中，m代表邻接矩阵G中与节点i相邻接的节点个数，N为节点数目。

从而得到点介数矩阵D。

D=[2 1 1 3 3 1 3 3 2 1 ](3)

点介数反映的是该节点在整个网络中的作用和影响力。节点介数越大，影响力越强，越 适合成为网络中的一个簇头节点。

并且，在网络中，节点的剩余能量越多，节点对整个网络影响越大，越适合成为一个簇 头。因此，引入参数：节点通信系数T

T=Ns*D(4)

其中Ns代表节点的剩余能量，D代表节点的点介数。

步骤2对于网络中某一个分簇，分别求得分簇中点介数D最大的点。如果最大的点有多 个，任选其一；

步骤3将步骤2中得到的点设置成为簇头CH

步骤4若网络中所有分簇都已选择好簇头则转步骤5，否则跳转到步骤2；

步骤5结束。

如果要进行下一轮次的簇头选举，则需要检查每个簇内是否有簇头，每个簇头能量是否 耗尽；若有簇头且该簇头能量耗尽则转步骤2，否则检查连接关系是否改变，若改变则转步 骤1；否则直接跳至步骤5即完成本发明簇头的选择。由此可以避免每轮都进行簇头选择， 因此本发明减少了能量消耗，提高了网络整体的生存时间。

从现有技术可知：簇头节点是网络数据的传输能耗的一个重要标准，簇头和各节点相距 越近，能耗就越少。而本发明选择的簇头距离其他节点相对而言都是最短的，因此簇头的选 择减少了网络的额外能耗，除开始建立分簇及簇头的选择需要消耗较少的能量之外，网络的 其他能量基本上都用于数据传输；且本发明有效减少了从簇头到各节点的通信能耗及时间跨 度，从而达到了有效利用了整个网络总的能耗，显著地延长了网络的生命周期的目的。

对于已划分好的分簇计算每个节点的通信系数T。考虑簇头的选择，引入通信系数T来 进行簇头选择，原因是该系数能够保证每个簇中选择的簇头对整个分簇的通信能力的重要性。 这样选择使得网络整体通信能力相对最优。

因此，图2的簇头选择结果如下所述。在图3中，由于初始能量相同，根据点介数矩阵D， 若是值大于或等于3可为簇头，则第一轮次中，节点5可成为节点1、2、3、4、5的簇头， 节点9可成为6、7、8、9、10的簇头。

对由20个节点构成的、同样具有分簇结构的网络图4进行分簇划分，结果如图5所示， 得到四个分簇。网络中节点1、2、3、4、5是一个簇，如图中红色的点；节点6、7、8、9、 10是一个簇，如图中黄色的点；节点11、12、13、14、15是一个簇，如图中绿色的点；节 点16、17、18、19、20是一个簇，如图中蓝色的点。

根据本发明的原理和图6(20个节点的点介数分布图)可知，图5的簇头的选择结果如 下所述：第一轮次中簇头分别是节点1(或者节点4)、节点7(或者节点10)、节点12、节点20。 图6是对图5中已划分好的分簇计算每个簇内每个节点的通信系数，得出的网络点介数分布 图。

综上所述，本发明设计简单，总体网络额外能量开销小，适合于能量受限的无线传感器 网络。且本发明不需要添加任何硬件设备，仅利用簇头影响力来减少簇内节点之间的平均距 离，从而减少了动态网络簇头选择带来的网络额外能耗以及每轮次中动态网络簇头数变化造 成的网络能耗增加；而且簇头节点对其他节点的影响力随距离的变化而变化，使得转发的能 量不同，从而达到了显著提高网络能量效率和延长网络寿命的目的。