无线传感器网络多汇聚节点分簇算法_免费论文全文下载

申明:本网站内容仅用于学术交流，如有侵犯您的权益，请及时告知我们，本站将立即删除有关内容。

摘 要： 为解决大规模无线传感器网络的节点通信效率问题，提出无线传感器网络的一种多汇聚节点分簇算法，针对拥有多个汇聚节点的监控区域，对网络进行层次化管理。算法通过对多种参数的综合考虑后产生簇头，并将传感器节点分配到相应的簇，由此可以有效降低节点的非均匀能耗，减少因能耗较大节点的能量过度衰竭而造成网络可用率下降。仿真结果显示，该算法可以延缓首个死亡节点的发生时间，并能有效延长无线传感器网络的整体可用率。

关键词： 无线传感器网络； 汇聚节点； 分簇算法； 能耗降低
中图分类号： TN711?34； TP393 文献标识码： A 文章编号： 1004?373X（2017）13?0026?04
Abstract： In order to solve the problem of node communication efficiency for large?scale wireless sensor network， a multiple sink nodes based clustering algorithm for wireless sensor network is presented. Aiming at the monitoring area with multiple sink nodes， the hierarchical management is performed for the network. The various parameters are considered comprehensively in the algorithm to generate the cluster head， and sensor nodes are distributed to the corresponding clusters to reduce the uneven energy consumption of the nodes， and avoid the network availability decline caused by the excessive energy exhaustion of the nodes with large energy consumption. The simulation results show that the algorithm can delay the occurrence time of the first death node， and prolong the overall availability of the wireless sensor network effectively.
Keywords： wireless sensor network； sink node； clustering algorithm； energy consumption reduction
0 引 言
无线传感器网络是通信网络与传感器技术的融合产物，广泛应用于工业、农业、军事、医疗等多种领域[1]。随着现代科技的不断进步，传感器的集成度越来越高，尺寸越来越小，成本也不断降低[2]，这也为大规模、低成本地使用传感器进行组网应用带来了契机。
大规模无线传感器网络[3]的使用带来了一些新的问题。例如，如何管理大片区域的大量传感器节点[4]，如何避免某些区域的传感器因能量消耗过大而提早失去功能[5]，如何实现有效的动态路由选择等。采用分簇算法对网络进行分层管理可以有效解决上述问题[6]，并提升整个无线传感器网络的性能。
早期较为成熟的无线传感器网络分簇算法是LEACH算法[7]。该算法随机产生簇头，并将各个传感器节点按照距离因素分配到邻近簇头，并周期性进行簇头资格轮换，从而实现良好的分簇效果。HEED算法[8]是对LEACH算法的改进。该算法以节点的剩余能量为依据，按照一定概率产生簇头。此外，还有一些算法在此基础上做了进一步的优化[9]，或者采用以地理位置等多种因素进行分簇的方法[10]。
上述这些算法绝大部分都是以单个汇聚节点为基础，实现有中央控制的层次型网络管理。在实际应用中，当网络规模较大，覆盖面积也较广时，采取多个汇聚节点对网络进行控制和管理[11]，是一种有效的手段。多�R聚节点下的无线传感器网络的管理，不应该简单采用将单汇聚节点网络进行拼接的方式。因为这样做会造成区域之间的割裂；同时，区域的地理特性往往与无线通信环境并不完全一致，地理分区对无线通信的效率分配缺乏帮助；而在网络拓扑结构动态变化的情况下，简单分区无法对这一变化进行适应和调整。
基于多汇聚节点的算法设计，就是为了解决在大规模网络中使用单汇聚节点算法的不足。RDF算法[12]使用以节点位置为区分依据的栅格来划分传感器节点与汇聚节点的对应关系；HLBR算法[13]采用综合节点剩余能量和到汇聚节点距离因素的负载均衡算法来解决到汇聚节点的路径。然而这些算法的模型比较简单，适应于较少汇聚节点情况下的网络通信以及传感器节点动态变化情况较小的场景。
本文提出一种多汇聚节点环境下的无线传感器网络分簇算法，针对大规模无线传感器网络的特点实施层次化的网络管理。
1 多汇聚节点模型
对于大规模的无线传感器网络，使用多个汇聚节点，可以降低对单个汇聚节点发射功率的要求，也可解决因到单一汇聚节点的路由不可达[14]而导致的网络崩溃问题。
1.1 汇聚节点的位置
多个汇聚节点一般应分散放置，以起到有效缓解大规模网络的分散控制和汇聚节点有效冗余的作用。根据汇聚节点的布放位置和影响程度来考虑，主要有以下几种：
（1） 相邻关系。两个汇聚节点位于监控区域一侧的相邻区域，在这两个汇聚节点之间区域的传感器节点都可以收到这两个汇聚节点之间的信号，它们会根据特定的算法选择汇聚节点。这类汇聚节点的位置安排，主要考虑到汇聚节点的冗余性，以及到汇聚节点路由的主备用安排。 （2） 分离关系。多个汇聚节点分别位于监控区域的不同侧面，对于汇聚节点附近的传感器节点，受到其他汇聚节点的影响较小。这类汇聚节点的位置安排主要考虑到不同汇聚节点分别对各自相近的监控区域进行直接控制。
介于以上两种关系之间是间隔关系，两个不同的汇聚节点相隔有一定距离，它们直接控制的范围既有交叉，但不重叠。这类汇聚节点的位置安排，既考虑到汇聚节点对不同区域的直接控制，也考虑到一旦到汇聚节点之间的路由失效而需要冗余备份的路由。
1.2 汇聚节点的选择
为了简化分析，如图1所示，设监控区域半径为的圆形区域随机布放着多个传感器节点。汇聚节点位于监控区域以外，其中第个汇聚节点为
传感器节点可能会收到一个以上汇聚节点发送的控制信息，传感器节点必须选择其中一个汇聚节点作为控制该节点的汇聚节点。在选择汇聚节点时，有多种选择策略。
（1） 距离优先策略。当传感器节点收到多个汇聚节点的控制信息时，根据传感器节点到汇聚节点的距离，优先选择最近的汇聚节点作为其控制者。
（2） 时间优先策略。当传感器节点收到一个汇聚节点的控制信息后，等待一段时间，如果还没有收到其他汇聚节点的控制信息，则选择该汇聚节点，而在此后收到的其他汇聚节点的控制信息都予以忽略。
（3） 共簇优先策略。当传感器节点已经加入了一个簇以后，该簇成员选择的汇聚节点就是它的选择。此后再收到其他汇聚节点的控制信息都予以忽略。
汇聚节点有一个计数器，计算纳入这个汇聚节点控制的传感器节点的数量。在广播控制信息时，信息中包含控制计数。传感器节点收到多个汇聚节点的控制信息后，选择控制计数最少的那个汇聚节点，以实现对汇聚节点工作量的平衡，避免个别汇聚节点因控制的传感器节点数量过少而能力闲置。
1.3 簇头选择策略
传感器节点在是否申明自己为簇头时必须考虑多项因素，包括自己的剩余能量自己的度到邻居节点间的距离受控的汇聚节点到汇聚节点间的距离等。
设定簇头选择公式如下：
式中：为传感器节点所有的邻居节点的集合，这些节点都位于其邻居半径以内；是所有传感器节点的最大能量值；是汇聚节点的最大通信距离，汇聚节点位于监控区域以外，因此不会为零。
当节点的剩余能量较大，且距离汇聚节点较近时，的值就更大。式（1）中的和分别是归一化能量因子和归一化距离因子，当节点的某个邻居节点的能量越小，距离越近时，对簇头选择影响越大。其中归一化能量因子的次方，是为了增强能量因素对簇头的影响，这个值可以根据实际应用调整选用。综上所述，对于较大的传感器节点，会具有更大的概率成为簇头。
2 分簇算法
在网络初始时刻，各个汇聚节点发送控制信息，其中包含汇聚节点编号、汇聚节点位置信息等。
传感器节点收到汇聚节点的控制信息，记录其距离，已控制的节点数量并等待秒。如果在此期间没有收到其他汇聚节点的控制信息，那么就是控制节点的汇聚节点。如果在秒期间还收到了其他汇聚节点发出的控制信息，那么对这些汇聚节点进行比较。
式中：为汇聚节点的编号；为预先设定的一个常数，用以调整距离因素和已控制节点数量因素的影响权重。对于使得最小的汇聚节点选择作为控制节点的汇聚节点。
在分簇的初始时刻，每个节点根据式（1）确定自己的，并发送至汇聚节点汇聚节点收到各节点发来的信息时，判断收到的值的大小，将值较大的传感器节点确认为簇头，并广播簇头确认信息。
收到汇聚节点的簇头确认信息后，传感器节点确认自己为簇头，并发送簇头广播。其他传感器节点收到簇头广播后，选择距离最近且汇聚节点与自己相同的簇头，发送入簇申请。等到簇头回复同意入簇后，建立与簇头的通信联系。簇头在汇聚节点提供的频率分配表中选择频率，在此频率与簇成员节点间通信，以避免不同簇之间的频率干扰。不同的汇聚节点根据其位置的差异具备不同的频率分配表。
当簇头与汇聚节点之间的通信发生中断时，簇头根据已记录的较小的另一个备用汇聚节点，向其发出汇聚节点更换通知，得到确认后向簇成员节点广播新的工作频率。
在分簇之后的一个固定时间段之后，需要进行簇头的轮换。每一个时间段称作一轮，在下一轮的开始，节点根据已知的汇聚节点广播信息，根据式（2）重新按照的值进行汇聚节点的选择和调整，随后继续执行分簇初始时刻的步骤。
3 仿真实验结果及分析
设定监控区域是半径为100 m的圆形区域，汇聚节点距离圆形区域圆心200 m，汇聚节点的通信范围可覆盖整个监控区域。传感器节点在监控区域随机布放，它们都具有足够的无线发射功率，能够与汇聚节点进行通信。传感器节点还可以采用功率控制的措施，用合适的功率与其他节点进行通信。
对于将 b信息传送到距离为的另一个传感器节点的情况，无线传感器网络的能耗模型[15]如下：
式中：为传感器节点发送的能耗；为接收能耗；为电路发送或接收单位比特的能耗。当距离小于时，功率放大采用自由空间信道模型，为该模型下的功率放大单位能耗；而当距离达到或超过以后，功率放大采用多径衰减信道下的信道模型，则为该模型下的功率放大单位能耗。
仿真�^程中采用LEACH和HEED算法与本文算法（CMSN）进行对照。多汇聚节点下的LEACH和HEED算法按照区域划分确定传感器节点和汇聚节点之间的对应关系。
在第一个实验中，使用两个关于监控区域圆心对称的汇聚节点，监控区域内的传感器节点数量从200个变化至500个，用以比较三种分簇算法的性能。
从网络初始阶段直到首次节点死亡事件的发生时间比较见图2。其中LEACH算法随机分配簇头，因此最早发生节点死亡情况。而HEED算法引入了传感器节点的剩余能量和节点的度作为簇头选择的重要考虑因素，因此性能有所提升。本文算法通过多种参数的综合考虑来选择簇头，并通过汇聚节点的选择尽可能地均衡网络能耗，仿真结果显示，本文算法延缓了首次节点死亡的发生时间，提升了网络的性能。 在第二个实验中，监控区域内的传感器节点保持在200个，而汇聚节点的数量则从1个变化至7个，用来比较汇聚节点数量对算法性能的影响。实验中汇聚节点的分布规律都是均匀分布。
图3显示了在不同汇聚节点数量下，从网络初始阶段直到首次节点死亡事件的发生时间比较。仿真结果显示，使用LEACH和HEED算法，汇聚节点的数量变化对性能的影响较小；而使用本文算法则会对网络性能产生影响。当汇聚节点数量较少时，从1个汇聚节点逐渐增加汇聚节点的数量，能有效延迟首次节点死亡发生的时间。这是因为本文算法通过对汇聚节点的重新分配使网络的能耗均衡达到更优。而当汇聚节点数量逐渐增多，在本实验中为6个或7个时，首次节点死亡发生时间发生略微的下降。这是因为当汇聚节点增多时，网络中传感器节点更频繁地发生对应汇聚节点的变动，使得网络的稳定性略有下降而影响整体能耗性能。
根据上述特性，需通过实验选择合适的汇聚节点数量及位置分布，使得网络的能耗性能达到较优。
4 结 语
随着无线传感器网络的规模扩大，采用分簇模型是解决能耗问题和区域管理的重要手段，而多汇聚节点的方式也为更好地管理区域较大的网络空间提供了有效的方法。本文提出无线传感器网络的一种多汇聚节点分簇算法，首先采用了结合剩余能量、节点的度、到邻居节点之间的距离、所受控的汇聚节点、到汇聚节点之间的距离等多种参数相结合的簇头选择公式，合理进行簇头的选举。其次是根据节点到汇聚节点的距离、汇聚节点已控制节点数量等因素来进行对应汇聚节点的调整。通过这些方法，本算法能有效地实现网络能耗的均衡，延缓首次发生节点死亡的时间，避免小部分节点因能耗过大而提前丧失网络通信功能。在实际应用中，合理选择汇聚节点的数量和分布，有助于网络能耗性能的良好发挥。
参考文献
[1] 吴文平.无线传感器网络与物联网的应用研究[J].吉林工程技术师范学院学报，2016，32（4）：86?88.
[2] 姚文苇.新型纳米传感器技术的发展及其应用[J].电子测试，2014（4）：45?46.
[3] QUANG P T A， KIM D S. Clustering algorithm of hierarchical structures in large?scale wireless sensor and actuator networks [J]. Journal of communications and networks， 2015， 17（5）： 473?481.
[4] DU W， LI Z J， LIANDO J C， et al. From rateless to distanceless： enabling sparse sensor network deployment in large areas [J]. IEEE/ACM transactions on networking， 2016， 24（4）： 2498?2511.
[5] WANG Xinbing， HAN Sihui， WU Yibo， et al. Coverage and energy consumption control in mobile heterogeneous wireless sensor networks [J]. IEEE transactions on automatic control， 2013， 58（4）： 975?988.
[6] SINGH Y， CHUGH U. Clustering， information fusion and event detection in wireless sensor networks： a review [C]// Procee?dings of 2015 the 2nd International Conference on Computing for Sustainable Global Development. New Delhi： IEEE， 2015： 566?571.
[7] ASADUZZAMAN， KONG H Y. Energy efficient cooperative LEACH protocol for wireless sensor networks [J]. Journal of communications and networks， 2010， 12（4）： 358?365.
[8] KOUR H， SHARMA A K. Performance evaluation of HEED and H?HEED protocol for realistic models in WSN [C]// Proceedings of 2015 International Conference on Computer， Communication and Control. Indore： IEEE， 2015： 1?5.
[9] LI Yongzhen， ZHANG Aili， LIANG Yuzhu. Improvement of leach protocol for wireless sensor networks [C]// Proceedings of 2013 Third International Conference on Instrumentation， Measurement， Computer， Communication and Control. Shenyang， China： IEEE， 2013： 322?326.
[10] WANG Junfeng， ZHANG Yin， WANG Jialun， et al. PWDGR： pair?wise directional geographical routing based on wireless sensor network [J]. IEEE Internet of Things journal， 2015， 2（1）： 14?22.
[11] 刘强，毛玉明，冷�d鹏，等.无线传感器网络中多sink节点优化部署方法[J].计算机应用，2011，31（9）：2313?2316.
[12] 刘强，毛玉明.一种随机分布WSN中多sink节点放置算法[J].计算机工程与应用，2013，49（22）：82?85.
[13] 李凤荣，包晗，黄河清.无线传感网多Sink负载均衡路由协议[J].计算机研究与发展，2010，47（z1）：139?143.
[14] 张维琪，魏春亚，边根庆.无线传感器网络连通性研究[J].计算机工程与应用，2016，52（11）：108?111.
[15] 陈战胜，沈鸿.能量高效的无线传感器网络路由协议[J].计算机科学，2015，42（8）：90?94.

本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。QQ:522-52-5970