CN101409681B - 基于节点梯次移动的新型无线传感器网络节能路由算法 - Google Patents

Abstract

本发明涉及一种基于节点梯次移动的新型无线传感器网络节能路由算法。首先选取网络中独立冗余节点，然后选取网络中“瓶颈节点”。在前面工作的基础上，进行节点移动最佳路径选择，即选取合适的独立冗余节点进行移动，将其移动到“瓶颈节点”的周围。移动完毕后，网关节点会监听“瓶颈节点”发出的HELP信息，一旦该“瓶颈节点”的剩余能量低于阈值，则移动到其附近的节点会被唤醒，取代失效节点，从而使网络正常工作。本算法能在当“瓶颈节点”发生失效等情况时，满足节约节点移动消耗能量等多条件约束情况下，找到最佳的移动节点和移动路径，从而保证网络的正常工作，延长网络的有效工作时间的方法。

Description

基于节点梯次移动的新型无线传感器网络节能路由算法

技术领域

本发明涉及基于节点梯次移动的新型无线传感器网络节能路由算法，属于无线通信技术领域。

背景技术

无线传感器网络是一种新兴技术，完全采用分布式处理，具有监测精度高、容错性能好、覆盖区域大、可远程监控等众多优点。目前，在无线传感器网络中，节点之间以及节点和基站之间的无线通信采用的是多条的方式，影响无线传感器网络生存时间的关键因素是网络中一些处于路由核心位置上的传感器节点过早失效，并且这些节点周围又无可替换节点，从而导致整个无线传感器网络失去连通性。出现上述问题的原因是：由于这些核心节点承担了比其他节点更多的通信负荷，即每次数据路由都必须经过这些节点，从而导致其能量消耗过快，出现节点能耗的不平衡现象(Akyildiz IF，Su W，Sankarasubramaniam Y，Cayirci E.Wireless Sensor Networks：a survey[J].Computer Networks，2002，38(4)：393—422.；Cullar D，Estrin D，Strvastava M.Overview of Sensor Network[J].Computer Networks，2004，37(8)：41-49；Callaway E H.Wireless Sensor Network：Architecture and Protocols[M].CRC Press LLC，2004：41-62)。目前，国内外大量学者针对如何降低和平衡节点能耗问题进行了研究，研究工作主要从数据汇聚(孙利民，李建中等.无线传感器网络[J]北京：清华大学出版社，2005.5.；任丰原，黄海宁，林闯.无线传感器网络[J]软件学报，2003，14(8)：1281-1291.；SMARTDUST Autonomous sensing ang communication in a cubic millimeter.http://robtic s.eecs.berkeley.edu/～pister/SmartDust/)和数据路由两个方面展开。本发明不涉及数据汇聚问题，只针对无线传感器网络路由节能问题进行研究。

众所周知，无线传感器网络中的路由协议设计受到许多因素的制约，其中包括：电池寿命限制、计算能力限制、通信范围限制(无线传感节点的通信范围限制导致路由通常为多跳连接)、连通性限制和服务质量限制等。目前无线传感器网络路由协议可分为平面型路由、分层型路由和适应型路由。在分层型路由中，节点在网络中扮演不同的角色。适应型路由可通过控制特定的***参数以适应网络当前条件和可用的能量水平。另外，根据操作模式的不同，这些协议还可分为多路径型、查询型或协商型路由技术。

1、平面型路由协议

在平面型路由中，所有节点的地位平等，典型协议主要有：

(1)序列分配路由

序列分配路由(SAR，Sequential Assignment Routing)(Sohrabi K，Gao J，Ailawadhi V，Pottie GJ.Protocols for self-organization of a wireless sensor network.IEEE Personal Communications，2000，7(5)：16—27.)的基本原理是，选择路由时，综合考虑能量资源、各路径的服务质量(QoS)和各信息包的优先权三个要素，根据最终的权值来决定当前的路由。若由于节点故障拓扑逻辑产生变化，则需要重新计算路由。其中，基站负责计算拓扑逻辑变化的总量，并周期性触发路径重新计算。同时，还采用邻近节点间基于局部路径重建的交换方式恢复路径。

(2)定向扩散

定向扩散路由协议DC(Data Centric)(Basagni S.Distributed clustering for adhoc networks.In：Proc.of the’99Int’l Symp.on Parallel Architectures，Algorithms，and Networks.IEEE Computer Society，1999.310—315.http://citeseer.ist.psu.edu/basagni99distributed.html)采用了基于应用的数据中心型传播方式。其基本原理是在数据传递的过程中对不同源节点的数据进行融合，减少冗余度、最小化传输量，从而节约网络能量，延长生存时间。

(3)最小开销前向传递算法

最小开销前向传递算法(MCFA，Minimum Cost For-warding Algorithm)(F.Ye，A.Chen，S.Liu，L.Zhang，A scalable solution to minimum cost forwarding inlarge sensor networks＂，Proceedings of the tenth International Conference onComputer Communications and Networks(ICCCN)2001，pp.304-309.)的基本原理是：利用路由传递方向的已知信息(例如向外部固定基站传递数据)，对数据进行路由。无线传感器节点前向传递的每条信息都被发送到相邻节点中。当节点接收到该信息时，检查自己是否处于源节点与基站间最小花费路径上。如果是，则再将信息传递给相邻节点。该过程不断重复，直至该信息被传递到基站中。在MCFA中，各节点需要了解从本节点到基站间的预计最小花费路径，节点无需包含特有ID或维护路由表。另外，各节点也不断修正自己到基站的最低花费值。

2、分层型路由协议

分层型路由协议中，能量较高节点可用于处理和传递信息，而能量较低的节点则只能用于对目标进行近似测量。典型的分层性路由协议主要包括：

(1)低能耗自适应聚类分层协议LEACH

低能耗自适应分簇(Low energy adaptive clustering hierarchy，LEACH)算法^[10]是一种自适应型分簇拓扑算法，通过让各节点等概率的担任簇头达到相对均衡网络中各节点所消耗的能量的目的。LEACH是一种以最小化传感器网络能量损耗为目标的分层式协议，它集成了传感器网络的基本路由协议和拓扑控制算法。在LEACH算法中整个网络的通信由一轮一轮的周期性动作组成，每一轮包括簇的建立阶段和数据通信阶段，其中簇的建立阶段完成簇的组织，数据传输阶段将数据传送到簇首，再由簇首发送到基站(BS)。

在簇的建立阶段主要包括簇首的选举以及簇的形成两个操作。

进行簇首选举的过程中，每个节点都要产生一个0到1之间的随机数，若该随机数小于一个门限值Thresh，则当选为簇首，并发布自己是簇首的公告消息。节点的Thresh的值与节点剩余能量对应，从而保证节点剩余能量大的节点成为簇首的概率大，剩余能量少的节点成为簇首的概率小。簇首能量消耗相对较大，保证了节点剩余能量的均衡。

簇首选举完成并建立簇之后，节点开始持续采集监测数据，在属于自己的时隙内发送数据给簇首，而不发送时，节点可以关闭无线电模块以节省能量。簇首把接收到的数据进行融合后发送给BS。

LEACH算法的优点是随机选取节点作为簇首，并且簇首是轮换选举的；缺点是簇首要将数据发送给BS，消耗的能量比普通的成员节点多，容易失效，从而导致频繁分簇，分簇过程中所消耗的能量对于整个网络中的能耗是一种额外的头开销，如果频繁分簇的话，所产生的头开销就会相应增加。

(2)传感器信息***的能效型采集方法

传感器信息***的节能型采集方法(PEGAS-IS，Power-Efficient Gathering inSensor Information System)(Lindsey S，Raghavendra CS.PEGASIS：Power-Efficient gathering in sensor information systems.In：Proc.of the IEEEAerospace Conf.Montana：IEEE Aerospace and Electronic Systems Society，2002.1125—1130.http://ceng.usc.edu/～raghu/pegasisrev.pdf)是一种临近最优链式协议，其基本思想是：借鉴LEACH的动态簇头选举思想，建立一条包含所有节点的最短路径，称为“链”，并最终在每轮中只选出一个簇头负责与网关节点通信。由于最短路径链上的节点都能以最小发射功率向邻居节点发送数据，相比于LEACH，PEGAS-IS使网络的生存时间得到显著延长。另一方面，由于目前还没有寻找包含所有节点的最短路径的有效方法，PEGAS-IS不适合在大规模网络上使用。

(3)阈值敏感能效型协议

阈值敏感能效型无线传感器网络TEEN(Threshold-sensitive Energy-EfficientSensor Network)(Manjeshwar A，Grawal DP.TEEN：A protocol for enhancedefficiency in wireless sensor networks.In：Proc.of the 15th Parallel and DistributedProcessing Symp.San Francisco：IEEE Computer Society，2001.2009—2015.http://ieeexplore.ieee.org/search/wrapper.jsp？arnumber＝925197)是针对实时性应用提出的分层型路由协议，其基本思想是，簇首传感器向其成员传递硬阈值(该阈值是感知特性的闭值)和软阈值(该阈值相对感知特性的值有微小改动，能触发节点切换发送器和接收器的状态)。通过对节点通信的约束，硬阈值能使节点仅在感兴趣的范围内进行数据传递，以减少数据传递次数。

(4)混合式的分簇协议HEED

HEED的基本思想是：根据节点的剩余能量和簇内通信代价综合考虑，周期性地通过迭代的办法实现分簇。HEED用最小平均可达功率(AMRP)作为当某个节点被选为簇头时的簇内通信代价的度量，这种机制对所有的节点(包括簇头节点)提供统一的分簇机制，而不是像许多其他分簇算法那样在不包括自身的节点的集合中选择最近的簇头节点。

HEED综合地考虑了生存时间、可扩展性和负载均衡，对节点的分布和能力也没有特殊的要求。虽然HEED的执行并不依赖于同步，但是不同步却会严重影响分簇的质量。

(5)能量有效的分簇路由协议

能量有效的分簇路由协议EECS(An energy efficient clustering scheme)(Manjeshwar A，Grawal DP.TEEN：A protocol for enhanced efficiency in wirelesssensor networks.In：Proc.of the 15th Parallel and Distributed Processing Symp.SanFrancisco：IEEE Computer Society，2001.2009—2015.http://ieeexplore.ieee.org/search/wrapper.jsp？arnumber＝925197)通过引入代价函数，综合考虑了节点到簇头间的距离、簇头到网关节点间的距离以及在这两种通信路径上的开销，对节点能耗与簇头能耗进行了平衡。在EECS中，如何确定两种能耗在代价函数中的权值，仍是一个值得斟酌的问题。

此外，分层型路由协议还包括：最小化能耗通信网络协议、尺寸固定簇路由协议、虚拟网格结构路由协议和分层能量感知路由协议等。

3、适应型路由协议

适应型路由可通过控制特定的***参数以适应网络当前条件和可用的能量水平。典型协议是：信息协商传感器协议(SPIN，Sensor Protocols for Informationvia Negotiation)(Ye M，Li CF，Chen GH，Wu J.EECS：An energy efficientclustering scheme in wireless sensor networks.In：Proc.of the IEEE Int’lPerformance Computing and Communications Conf.New York：IEEE Press，2005.535—540.http://www.cse.fau.edu/～jie/research/publications/Publication_files/chen-wu-05.pdf)。

从上述讨论的典型节能路由模型可以看出，针对无线传感器网络能耗的研究主要集中在路由和网络的建立、节点分簇、簇头选取、轮询策略等方面，而通过策略选取节点，将其移动到指定区域来取代失效节点，完成类似移动Internet或3G/4G的移动服务等方面的研究还相对较少。

近年来节点移动问题成为无线传感器网络中的热点与难点。在无线传感器网络中，由于节点特殊原因或节点能量受限等因素影响，个别节点失效或不能工作状况时有发生。当发生节点失效等情况后，需要有新的节点及时移动到失效节点的位置，取代坏死节点继续工作。节点移动有许多要解决的难题。第一，节点移动有严格的时间要求。当旧节点剩余能量低于阈值时，新节点必须在规定的时间移动到旧节点位置，并且越快越好，从而保证在旧节点失效之前新节点能够接替其工作。这样才不会影响无线传感器网络正常运行，也不会出现盲区或某一时间无法监测的区域。第二，节点移动不能影响网络的正常工作，因为在节点移动的过程中，节点要与周围节点交换信息，甚至可能影响节点的中继路由或簇的形成。第三，由于传感器节点的能量有限，节点移动应尽可能少的消耗能量，节约传感器节点能源，从而延长整个传感器网络的有效工作时间。

发明内容

为了解决无线传感器网络中的能耗平衡和节点覆盖问题，本发明针对存在“瓶颈节点”的无线传感器网络分布，提出了一种基于节点梯次移动的新型无线传感器网络节能路由算法Energy-Efficient Routing Based On Node Moving(简称EERNM)。采用EERNM，可以在满足节约节点移动消耗能量等多条件约束情况下，找到最佳的移动节点和移动路径，从而保证网络的正常工作，延长网络的有效工作时间。

为方便地描述本发明方案，首先将相关概念定义如下：

假设一个无线传感器网络包含一组节点X＝{x₁，x₂，...，x_n}，其中n为网络内节点数量，n个节点部署到一个监测区域MA网络内通常存在一个基站节点BS来实现信息汇聚以及与外界通信，正常的网络节点采用多跳方式与BS通信，将感知数据传送到需要的地方。设，

(1)节点x_i可采用GPS或其他方式获取自己的位置；

(2)节点x_i的感知半径R_s为和感知区域为A_Si，节点x_i的通信半径为R_Ci；

(3)整个网络的感知区域 $A=\underset{i\∈[1,n]}{\∪}{A}_{\mathrm{Si}}.$

根据假设可知，当任意一个节点j的感知区域完全被其他节点覆盖，即 $A=\underset{i\≠j}{\underset{i\∈[1,n]}{\∪}}{A}_{\mathrm{Si}},$ 那么节点j为冗余节点。

定义1完全覆盖：给定一个传感器节点集合V，当 $T\⊆{\∪}_{i\∈[1,N]}{s}_i$ 时，称目标区域T被V中节点的感知区域完全覆盖，也即没有覆盖漏洞，称为完全覆盖。

定义2连通：传感器节点集合X＝{x₁，x₂，...，x_n}，对于 $\∀x_i,x_j\∈X,$ 当节点间距离小于通信半径，即d(x_i，x_j)≤R_c时，称节点x_i和节点x_j间是连通的。如果X中的任意节点x_i都可与基站进行单跳或多跳通信，则称这个无线传感器网络是连通的。

综上可知，如果一个无线传感器网络中的部分节点构成的子集能够覆盖目标区域，且这个子集内节点构成的网络是连通的，那么这个节点构成的子集相对于目标区域来说是一个连通覆盖集。

定义3最大连通图：在随机投放的网络节点中，综合考虑覆盖率和能耗的问题，休眠特定的冗余节点，保证覆盖率以及连通性的情况下，尽量减少能耗，最终剩下的节点会组成一个连通的图，将这个图定义为最大连通图。即最大连通图是在综合考虑了上面的两个因素的情况下，采用一定的算法得到的。

定义4瓶颈节点：在一个随机部署的无线传感器网络中，那些由于失效而造成整个网络被割裂成两个或多个不相连的区域，并且由于收集数据的基站和检测目标不在同一个区域内，从而造成整个网络生命期结束的最少数目的节点。

如图1中，A、B，C、D，E、F都是瓶颈节点。由于某区域中的任意节点(除瓶颈节点外)都不能感知到另一个区域中的任意节点，因此任意两个区域的数据通信只能靠这些“瓶颈节点”来承担，自然“瓶颈节点”的能量消耗会很严重。

本发明解决其技术问题所采用的技术方案是：

包括如下步骤：

a、选取网络中独立冗余节点；

b、选取网络中“瓶颈节点；

c、采用节点直接移动法或节点梯次移动法选择最佳节点移动路径，即选取合适的独立冗余节点进行移动，将其移动到“瓶颈节点”的周围；

d、独立的冗余节点移动完毕后，网关节点监听“瓶颈节点”发出的HELP信息，一旦该“瓶颈节点”的剩余能量低于阈值，则移动到其附近的节点会被唤醒，取代失效节点。

所述的步骤a具体包括：

a1、计算每个节点的覆盖概率，并将计算结果发给接收器；

a2、接收器收集到所有节点的覆盖概率之后，取最小值作为网络的初始覆盖概率，然后将网络初始覆盖概率广播给各个节点；

a3、节点收到接收器的广播包后，获得网络的初始覆盖概率；节点判断是否为周长覆盖节点，如果是非周长覆盖节点，则节点继续处于工作状态；如果是周长覆盖节点，则计算节点休眠之后的覆盖概率；如果节点休眠之后的覆盖概率大于等于网络初始覆盖概率，节点为独立冗余节点，进入休眠状态，同时向邻居节点广播消息，否则节点继续处于工作状态；

a4、直到每个节点都重复步骤a1至a2，步骤a结束。

所述的步骤b具体包括：

b1、节点发送报文到邻居节点，邻居节点以消息确认形式反馈；

b2、节点通过消息交换获得邻居节点信息，生成拓扑结构，判断是否为瓶颈节点。

所述的节点直接移动法具体包括：

1)、从独立冗余节点集合中选出可以移动的节点；

2)、分别计算每个可移动节点移动时所消耗的能量及其剩余能量，并进行综合评估，找到消耗能量少且剩余能量多的移动策略；

3)、向该节点发出命令信号，命令其向指定位置移动。

所述的节点梯次移动法具体包括：

1)、从独立冗余节点集合中选出可以移动的节点；

2)、寻找中介节点，得到候选移动路径；

3)、考虑节点移动消耗能量、节点剩余能量和节点分布密度等因素的条件下，运用层次分析法，建立层次分析模型，包括构造成对比较阵，计算权向量并做一致性检验，计算组合权向量并做组合一致性检验；

4)、计算得到节点最佳移动路径并进行节点移动。

本发明的有益效果为：对无线传感器网络中基于节点移动的节能路由问题进行了有针对性的研究，提出了冗余节点梯次移动算法来解决瓶颈节点能量消耗过快的问题，形成了基于节点梯次移动的新型无线传感器网络节能路由算法EERNM。该算法考虑了节点移动消耗能量、节点剩余能量和节点分布密度等因素，运用层次分析法，能够在多条件约束情况下找到最佳的移动节点和移动路径，从而保证网络的正常工作，延长整个传感器网络的有效工作时间。

附图说明

图1为瓶颈节点示意图；

图2为冗余节点发现算法流程图；

图3为节点直接移动算法流程图；

图4为节点梯次移动流程图；

图5为节点x₀到节点x_i之间的多条节点移动路径；

图6为选择最佳节点移动路径的层次结构图；

图7为移动一个节点前后瓶颈节点能量消耗示意图；

图8为找出瓶颈节点和待移动节点示意图；

图9为各路径移动后消耗的能量图；

图10为各路径移动后剩余的最小能量图；

图11为各路径的节点密度图。

具体实施方式

EERNM主要研究当“瓶颈节点”发生失效等情况时，如何在满足节约节点移动消耗能量等多条件约束情况下，找到最佳的移动节点和移动路径，从而保证网络的正常工作，延长网络的有效工作时间。

1、网络中独立冗余节点的选取策略。所谓独立冗余节点，即若关闭该节点，不会影响网络的覆盖率。

许多学者目前判断冗余节点的算法大都是基于0～1覆盖模型的，即当监控对象处在节点的感知区域内时，它被节点监控到的概率恒为1；而当监控对象处在节点的感知区域之外时，它被监控到的概率恒为0。但在实际的应用场景中，对象被监控到的概率不是个常量，而是由对象与节点之间的距离、节点的物理特性以及节点周围邻居的多少等诸多因素决定的变量，因此概率覆盖模型能够更精确地描述网络的覆盖能力。

本发明运用基于概率覆盖模型的密度控制算法(柳立峰等.基于概率覆盖模型的无线传感器网络密度控制算法[J].北京邮电大学学报，2005，28(4)：14-17.)，通过计算节点和网络的覆盖概率来寻找冗余节点。

(1)点覆盖概率

随着节点间距离增加，其通信能力会剧烈的下降，即节点偏离中心节点，其被中心节点覆盖到的概率也会急剧的下降。鉴于此，以下给出覆盖概率的定义。

定义在不存在邻居节点的前提下，节点感知区域内任一点的覆盖概率：

$S(x_i,x_j)=1/{[1+\mathrm{\α}{e}^{d(x_i,x_j)}]}^{\mathrm{\β}}$      　　　　　　d(x_i，x_j)≤R_s

S(x_i，x_j)＝⁰　　　　　　d(x_i，x_j)>R_s   (公式1)

其中，S(x_i，x_j)为节点x_i感知区域内任一点的覆盖概率；d(x_i，x_j)为节点x_i与节点x_j之间的几何距离。而α和β为与传感器物理特性有关的类型参数。任一点的覆盖概率是一个介于0和1之间的数，且当点x_i恰好与x_j重合时d(x_i，x_j)＝0，点的覆盖概率等于1。通常β取值为[1，4]之间的整数，而α是个可调的参数，视网络的具体情况而定。

如果节点存在邻居节点，由于邻居节点的感知区域与节点自身的感知区域存在交叠，所以如果点xj落在交叠区域内，则点xj的覆盖概率会受到邻居节点的影响。假设节点x_i存在N个邻居节点n₁，n₂，…，n_N，节点v_i以及邻居节点的感知区域分别记为R_s(v_i)，R_s(n₁)，R_s(n₂)，…，R_s(n_N)，则这些感知区域的重叠区域M＝R_s(v_i)∩R_s(n₁)∩R_s(n₂)∩…∩R_s(n_N)。根据概率计算公式，定义M中任一点P的覆盖概率为

$C_p\left(p\right)=1-[1-S(x_i,p)]\underset{i=1}{\overset{N}{\mathrm{\Π}}}[1-S(n_i,p)]$ 　　　　　(公式2)

其中，S(x_i，p)和S(n_i，p)为公式1中定义的假设不存在邻居节点时点p分别在节点x_i和n_i的感知区域内的覆盖概率。

(2)节点覆盖概率

在定义了节点的感知区域内任一点的覆盖概率后，就可以定义节点和网络的覆盖概率。节点的覆盖概率的定义是位于节点感知区域内的测量对象被节点感知到的概率的最小值，即对象所在位置的点覆盖概率的最小值。由于对象可以位于感知区域内的任一点，所以定义节点的覆盖概率为

C_node(x_i)＝min[C_p(p)]　　　　　 $\∀p\∈R_s\left(x_i\right)$ 　　(公式3)

其中p为节点x_i的感知区域R_s(x_i)内的任一点。由于感知区域是连续的几何平面，所以无法计算平面上所有点的覆盖概率。为了求解节点的覆盖概率，首先引入了周长覆盖节点的概念，节点感知区域的边界完全被邻居节点的感知区域所覆盖的节点被称为周长覆盖节点，否则被称为非周长覆盖节点。对于非周长覆盖节点而言，设点q是节点B感知区域边界上没有被任何邻居节点所覆盖的点，则点q的覆盖概率即节点B的覆盖概率为

C_node(B)＝C_p(q)＝1/[1+αR_s]^β(公式4)

而对于周长覆盖节点，采用了近似计算的方法求解节点覆盖概率。主要的方法就是将指定区域划分为小的网格，分别进行计算，最后求和。这种方法只需要计算有限个子区域中心点的覆盖概率就可求出节点的覆盖概率。

(3)周长覆盖节点的判断算法

考虑两个节点x_i和x_j，它们的坐标分别为(m_i，n_i)和(m_j，n_j)， $d(x_i,x_j)=\sqrt{{|m_i-m_j|}^2+{|n_i-n_j|}^2}$ 表示节点x_i和x_j之间的距离。如果d(x_i，x_j)>2r，则节点x_i感知区域的边界没有被节点x_j的感知区域所覆盖。如果d(x_i，x_j)<2r，则节点v_i感知区域的边界被节点v_j的感知区域所覆盖，其中r为节点的感知半径R_s。n_i＝n_jm_i>m_j $\mathrm{\&theta;}=\arccos \left(\frac{d(x_i,x_j)}{2r}\right),$ 所以节点x_i感知区域的边界被节点x_j的感知区域所覆盖的周长对应的角度[π-α，π+α]。

于是，给出周长覆盖节点的判断算法：

(a)对于每个节点x_j，如果满足d(x_i，x_j)≤2r，则记录下节点x_i感知区域的边被节点x_j的感知区域所覆盖的周长对应的角度[α_j，L，α_j，R]。

(b)对于节点x_i的所有邻居节点x_j，如果满足d(x_i，x_j)≤2r，将α_j，L和α_j，R记录[0，2π]中。

(c)从左到右检查线段[0，2π]，判断节点x_i是否为周长覆盖节点。

(4)网络覆盖概率传感器网络的覆盖概率是位于网络中监控对象被网络中所有节点所感知到概率的最小值，因此，定义网络的覆盖概率为网络中所有节点的覆盖概率的最小值为

C_n(N)＝min[C_node(x_i)]　　　(公式5)

其中，C_n(N)为网络的覆盖概率；x_i为网络中任意一个传感器节点。

(5)独立冗余节点的判别

前面已经介绍过独立冗余节点的概念，现在介绍运用概率的方法确定网络中的独立冗余节点。

首先判断是否为周长覆盖节点，如果是非周长覆盖节点，则节点休眠之后，节点的感知区域边界上必然存在未被任何节点所覆盖的点，该点的覆盖概率为0，节点和网络的覆盖概率也为0，无法保证网络的初始覆盖概率，因此节点不是独立冗余节点。如果节点是周长覆盖节点，则按照以下方法计算节点休眠后对网络的覆盖概率的影响。如果节点休眠后网络的覆盖概率不发生变化，则节点是独立冗余节点。设节点x_j存在N个邻居节点n₁，n₂，…，n_N，则节点休眠之前其感知区域被节点自身以及邻居节点所覆盖，此时该区域的覆盖概率为

$C_{\mathrm{node}}\left(s\right)=\min \{1-[1-S(x_j,p)]\underset{i=1}{\overset{N}{\mathrm{\&Pi;}}}[1-S(n_i,p)]\}$       (公式6)

而节点在休眠之后其感知区域将只被邻居节点所覆盖，此时该区域的覆盖概率为

$C_{\mathrm{node}}\left(x_j\right)\&prime;=\min \{1-\underset{i=1}{\overset{N}{\mathrm{\&Pi;}}}(1-S(n_i,p)]\}$        (公式7)

如果C_node(v_j)′<C_n(N)，则节点休眠之后的网络覆盖概率为

C_n(N)′＝min[C_node(x_j)′，C_n(N)]＝C_node(x_j)′<C_n(N)，因此，节点休眠将会造成网络覆盖概率减少，节点不是独立冗余节点。如果C_node(x_j)′≥C_n(N)，则C_n(N)′＝min[C_node(v_j)′，C_n(N)]＝C_n(N)，节点休眠不会造成网络覆盖概率减少，节点是独立冗余节点。因此，节点为独立冗余节点的条件是节点休眠后的网络覆盖概率大于等于网络初始覆盖概率。

(6)判断独立冗余节点的算法描述：如图2所示为算法流程图。

(a)计算每个节点的覆盖概率C_node(x_i)，并将计算结果发给接收器。

(b)接收器收集到所有节点的覆盖概率之后，取最小值作为网络的初始覆盖概率，然后将网络初始覆盖概率广播给各个节点。

(c)节点收到接收器的广播包后，获得网络的初始覆盖概率。节点判断是否为周长覆盖节点，如果是非周长覆盖节点，则节点继续处于工作状态。如果是周长覆盖节点，则计算节点休眠之后的覆盖概率C_node(x_i)′。如果C_node(x_i)′大于等于网络初始覆盖概率C_n(N)，节点为独立冗余节点，进入休眠状态，同时向邻居节点广播消息，否则节点继续处于工作状态。

(d)直到每个节点都被遍历，本算法结束。

2、网络中“瓶颈节点”的选取。所谓“瓶颈节点”，即在一个随机部署的无线传感器网络中，那些由于它们的失效而造成整个网络被割裂成两个或多个不相连的区域，并且由于收集数据的基站和检测目标不在同一个区域内，造成整个网络生命期结束的最少数目的节点。直观的说，瓶颈节点消亡，则整个无线传感器网络的生命就结束。参考相关文献(Heinzelman WR，Kulik J，Balakrishnan H.Adaptive protocols for information dissemination in wireless sensornetworks.In：Proc.of the ACM MobiCom’99.Seattle：ACM Press，1999.174—185.http://nms.lcs.mit.edu/papers/spin-mobicom99.html)，在全局范围内找出限制网络寿命的“瓶颈节点”。

瓶颈节点具有如下特点：

(1)瓶颈节点是两个或多个无线传感器网络区域通信的唯一路径，承担着繁重的中继任务；

(2)瓶颈节点的能耗要大大高于普通节点乃至基站节点，这就造成了节点的能耗差异较大和不均匀性；

(3)瓶颈节点失效意味着部分通信中断，整个网络失效或者部分失效，在文献(田乐，谢东亮，等.无线传感器网络中瓶颈节点的研究.软件学报，2006Vol.17 No.4P.830-837)中对此也有专门讨论。针对上述特点，综合Karger和Stein在文献(Chandra S.Chekuri，Andrew V.Goldberg，David R.Karger，MatthewS.Levine，Cliff Stein，Experimental study of minimum cut algorithms，Proceedingsof the eighth annual ACM-SIAM symposium on Discrete algorithms，p.324-333，January 05-07，1997，New Orleans，Louisiana，United States)中提出的MINCUT算法，借鉴开放最短路径优先Open Shortest Path First(OSPF)(Moy，J.T.(1998).OSPF Anatomy of an Internet Routing Protocol.Addison-Wesley)中的探测协议，提出基于消息交换的瓶颈节点定位算法。

算法的具体思想为：

(1)节点发送报文到邻居节点，邻居节点以消息确认形式反馈；

(2)节点通过消息交换获得邻居节点信息，生成拓扑结构，判断是否为瓶颈节点。

3、节点移动最佳路径选择。在前面两部分的基础上，选取合适的独立冗余节点进行移动，将其移动到“瓶颈节点”的周围，有两个约束条件：不破坏网络原有的覆盖率，移动损耗能量最少。在满足基本网络覆盖率的情况下，使得“瓶颈节点”周围有备用的节点，备用节点可以与“瓶颈节点”协同工作或当“瓶颈节点”失效时来替换。

节点移动路由算法的数学模型

在得到了所有的独立冗余节点和网络中制约使用寿命的“瓶颈节点”后，在不破坏网络连通性和覆盖率以及最小化能量消耗的前提下，完成节点移动的任务，使得“瓶颈节点”周围有备用的节点。

3.1节点直接移动

当得到所有独立冗余节点的集合S和网络中的“瓶颈节点”后，首先，采用节点直接移动方法，其流程图如图3所示

节点直接移动算法的具体步骤如下：

(1)从独立冗余节点集合S中选出可以移动的节点；

(2)分别计算每个可移动节点移动时所消耗的能量及其剩余能量，并进行综合评估，找到消耗能量少且剩余能量多的移动策略。但是，有时候消耗能量最小和剩余能量最大两个最优不会同时达到，所以需要对这两个代价进行折中；

(3)向该节点发出命令信号，命令其向指定位置移动。

3.2节点梯次移动

如图4所示为节点梯次移动的流程图。节点直接移动方法的是当可移动节点收到移动命令后，从当前所处位置直接移动到目的区域的过程，这种移动的方式不需要网络中每个节点都有可移动性，但由于单个节点距离有可能很长，会消耗很多的能量，整体效益不高。例如，当可移动节点离指定位置较远时，移动该节点会耗费较多能量，其移动后的剩余能量会很小，若此时采用节点直接移动算法，效果很差，因此以下给出采用梯次移动的方法。

梯次移动的方法是当移动节点收到移动命令后，首先获得这条移动路径上的节点信息，然后通过一定的算法得出一个最优的移动方案，最后这条路径上的被选中的每个节点全部移动一个较短距离。由于每个节点移动距离较短，因此每个节点的剩余能量会比较多，不容易出现个别失效节点影响网络性能的情况。梯次移动方法是在保证连通性和覆盖率的情况下，逐步移动多个节点，使得最后移动到“瓶颈节点”周围的替补节点的剩余能量相对较高，使用寿命也会更长。

节点梯次移动的具体步骤如下：

(1)寻找中介节点的算法

当无线传感器网络中产生失效节点时，需要有新的节点移动到失效节点位置代替失效节点继续工作。

如图5所示，假设x₀为失效节点，x_i为冗余节点，则可以将节点x_i移动到节点x₀的位置，或者不直接将节点x_i移动到x₀处，而是寻找节点x₀与节点x_i之间的中介节点，产生多条节点移动路径。

设T_i为节点失效后新节点x_i移动到失效节点处所需时间；

设t_i为节点x_i离开时间；

设sum_i为第i条路径中介节点圆区域内节点分布密度和；

设num_i为第i条路径中介节点数目；

设ρ_i为第i条路径节点密度，则 ${\mathrm{\&rho;}}_i=\frac{{\mathrm{sum}}_i}{{\mathrm{num}}_i}$

如果节点x_i可以移动到节点x_j处，则必须满足不等式

$\frac{d_{\mathrm{ij}}}{v}-(t_i-t_j)\&le;T_i$ 　　　　　(公式8)

其中d_ij为节点x_i与节点x_j的距离，v为节点移动速度。用此方法可以找出x₀与x_i之间的多个中介节点，从而得到多条移动路径，如图5所示。并且计算每个中介节点圆区域内的节点分布密度，每个路径的路径节点密度，总体消耗能量和中介节点移动后的最小剩余能量。

(2)选择移动路径

选择最佳路径的原则是：该路径总体消耗能量最小；该路径节点移动后的最小剩余能量最大；该路径节点密度最大。

一般情况下，不可能同时满足上述三个原则，于是应用层次分析法解决该问题。

(a)建立层次分析模型

层次分析法是数学建模中常用的用于决策的方法。在深入分析实际问题的基础上，将有关的各个因素按照不同属性自上而下地分解成若干层次。同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作用。最上层为目标层，通常只有1个因素，最下层通常为方案或对象层，中间可以有1个或几个层次，通常为准则或指标层。

本发明中目标层为选择最佳路径，准则层有三个因素分别是总体消耗能量最小、移动后节点最小剩余能量最大和路径节点密度最大，方案层为若干条后选路径，如图6所示(假设有三条后选路径)。

(b)构造成对比较阵

从层次结构模型的第2层开始，对于从属于(或影响及)上一层每个因素的同一层诸因素，用对比较法和1—9比较尺度构造成对比较阵，直到最下层。设C₁:C₂＝k₁，C₁:C₃＝k₂，则C₂:C₃＝k₂/k₁，

则成对比较阵

$A=\left[\begin{array}{ccc}1& k1& k2\\ 1/k1& 1& k2/k1\\ 1/k2& k1/k2& 1\end{array}\right]$

(c)计算权向量并做一致性检验

对于每一个成对比较阵计算最大特征根及对应特征向量，利用一致性指标，随机一致性指标和一致性比率做一致性检验。若检验通过，特征向量(归一化后)即为权向量；若不通过，需重新构造成对比较阵。

应用和法计算最大特征根及对应特征向量，过程如下：

$A=\left[\begin{array}{ccc}1& k1& k2\\ 1/k1& 1& k2/k1\\ 1/k2& k1/k2& 1\end{array}\right]$

$\left[\begin{array}{ccc}\frac{k1k2}{k1+k2+k1k2}& \frac{k1k2}{k1+k2+k1k2}& \frac{k1k2}{k1+k2+k1k2}\\ \frac{k2}{k1+k2+k1k2}& \frac{k2}{k1+k2+k1k2}& \frac{k2}{k1+k2+k1k2}\\ \frac{k1}{k1+k2+k1k2}& \frac{k1}{k1+k2+k1k2}& \frac{k1}{k1+k2+k1k2}\end{array}\right]$

$\left[\begin{array}{c}\frac{3k1k2}{k1+k2+k1k2}\\ \frac{3k2}{k1+k2+k1k2}\\ \frac{3k1}{k1+k2+k1k2}\end{array}\right]$

$\left[\begin{array}{c}\frac{k1k2}{k1+k2+k1k2}\\ \frac{k2}{k1+k2+k1k2}\\ \frac{k1}{k1+k2+k1k2}\end{array}\right]=w$                        (公式9)

然后根据计算出的每条后选路径的总体消耗能量值、移动后节点最小剩余能量值和路径节点密度值，构造方案层对准则层中的每一个准则的成对比较阵，不妨设它们为B₁、B₂和B₃，由成对比较阵B₁、B₂和B₃计算出权向量和最大特征根。

(d)计算组合权向量并做组合一致性检验

利用w^(s)＝W^(s)W^(s-1)…W⁽³⁾w⁽²⁾计算最下层对目标层的组合权向量，并根据

${\mathrm{CI}}^{\left(p\right)}=[{\mathrm{CI}}_1^{\left(p\right)},\&CenterDot;\&CenterDot;\&CenterDot;,{\mathrm{CI}}_n^{\left(p\right)}]w^{(p-1)}$ 　　　　　　　　　　(公式10)

${\mathrm{RI}}^{\left(p\right)}=[{\mathrm{RI}}_1^{\left(p\right)},\&CenterDot;\&CenterDot;\&CenterDot;,{\mathrm{RI}}_n^{\left(p\right)}]w^{(p-1)}$ 　　　　　　　　　　(公式11)

${\mathrm{CR}}^{\left(p\right)}={\mathrm{CR}}^{(p-1)}+\frac{{\mathrm{CI}}^{\left(p\right)}}{{\mathrm{RI}}^{\left(p\right)}},p=\mathrm{3,4},\&CenterDot;\&CenterDot;\&CenterDot;,s$ 　　　　　　　  (公式12)

CR^(s)≤0.1　　　　　　　　　　　　(公式13)

做组合一致性检验。若检验通过，则可按照组合权向量表示的结果进行决策，否则需重新考虑模型或重新构造那些一致性比率CR较大的成对比较阵。

4、移动完毕后，网关节点会监听“瓶颈节点”发出的HELP信息，HELP信息是指“瓶颈节点”发出的寻求可移动节点的帮助信息，一旦该“瓶颈节点”的剩余能量低于阈值，则移动到其附近的节点会被唤醒，取代失效节点，从而使网络正常工作。

如图7所示为节点移动前后能耗的仿真。

无线传感器节点随机分布在40X40的平面正方形区域中，节点数目为48个，每个节点的初始能量E＝2000J，节点移动速度v＝1m/s，恢复时间T＝10s，节点移动1米消耗的能量为30J，节点的传感半径R＝6，传感器的类型参数α＝0.1，β＝3。从以下几个方面进行仿真：

1节点移动前后瓶颈节点能耗对比

假设节点平均接收一次信号消耗的能量为0.5J，发送一次信号的能量为0.7J，并且瓶颈节点每10秒周期性地发送或接收信号，其余节点处于休眠状态。对下面两种情况进行仿真：a、不移动任何节点；b、将离瓶颈节点较近的冗余节点移动到瓶颈节点的位置，共同分担信号的接收和发送工作。仿真结果如图7所示。

从图7可以发现，瓶颈节点有了支援节点后，其消耗的能量明显地减少，即瓶颈节点的寿命有所延长，从而延长了整个网络的有效寿命。

2移动节点及其路径选择

运用仿真平台随机生成无线传感器节点，运用前面介绍的算法得出冗余节点，同时找出瓶颈节点A(40，57)，其感知范围如下图8中A所示，然后在其余冗余节点中随机选取一个节点作为移动节点(其感知范围如B所示)，并寻找中介节点，进行梯次移动。如果没有中介节点，则直接进行移动。

在本次仿真中，共得到可移动路径48条，分别计算移动所耗能量、剩余最小能量以及节点密度。图8中，除瓶颈节点外，其余节点都是冗余节点(非冗余节点未画出)。图9为各路径移动后消耗的能量图，图10为各路径移动后剩余的最小能量图，图11为各路径的节点密度图。

从48条候选移动路径中选取相对优化的路径2，7，8，11，12，15进行比较，运用层次比较法，计算各个路径方案层对目标层的组合权向量，其具体数据如表1所示：

表1移动路径对比结果

 

备选方案	权重
		2	0.1486
7	0.1896
		8	0.1717
11	0.1814
		12	0.1552
15	0.1535

其中路径7的移动节点消耗的能量为432J，移动后的最小剩余能量为1788J，节点密度为1.75。从表1中可以看出路径7的权重最大，所以路径7为最佳节点移动路径。

Claims (3)

1.基于节点梯次移动的无线传感器网络节能路由方法，其特征在于，包括如下步骤：

a、选取网络中独立冗余节点；

b、选取网络中“瓶颈节点”；所述瓶颈节点是指在一个随机部署的无线传感器网络中，那些由于失效而造成整个网络被割裂成两个或多个不相连的区域，并且由于收集数据的基站和检测目标不在同一个区域内，从而造成整个网络生命期结束的最少数目的节点；

c、采用节点直接移动法或节点梯次移动法选择最佳节点移动路径，选取台适的独立冗余节点进行移动，将其移动到“瓶颈节点”的周围；

d、独立冗余节点移动完毕后，网关节点监听“瓶颈节点”发出的HELP信息，一旦该“瓶颈节点”的剩余能量低于阈值，则移动到其附近的独立冗余节点会被唤醒，取代失效节点；

所述的步骤a具体包括：

a1、计算每个节点的覆盖概率，并将计算结果发给接收器；

a2、接收器收集到所有节点的覆盖概率之后，取最小值作为网络的初始覆盖概率，然后将网络初始覆盖概率广播给各个节点；

a3、节点收到接收器的广播包后，获得网络的初始覆盖概率；节点判断是否为周长覆盖节点，如果是非周长覆盖节点，则节点继续处于工作状态；如果是周长覆盖节点，则计算节点休眠之后的覆盖概率；如果节点休眠之后的覆盖概率大于等于网络初始覆盖概率，节点为独立冗余节点，进入休眠状态，同时向邻居节点广播消息，否则节点继续处于工作状态；

a4、直到每个节点都重复步骤a1至a3，步骤a结束；

所述的步骤b具体包括：

b1、节点发送报文到邻居节点，邻居节点以消息确认形式反馈；

b2、节点通过消息交换获得邻居节点信息，生成拓扑结构，判断是否为瓶颈节点。

2.根据权利要求1所述的基于节点梯次移动的无线传感器网络节能路由方法，其特征是：所述的节点直接移动法具体包括：

1)、从独立冗余节点集合中选出可以移动的节点；

2)、分别计算每个可移动节点移动时所消耗的能量及其剩余能量，并进行综合评估，找到消耗能量少且剩余能量多的移动策略；

3)、向该节点发出命令信号，命令其向指定位置移动。

3.根据权利要求1所述的基于节点梯次移动的无线传感器网络节能路由方法，其特征是：节点梯次移动法具体包括：

1)、从独立冗余节点集合中选出可以移动的节点；

2)、寻找中介节点，得到候选移动路径；

3)、考虑节点移动消耗能量、节点剩余能量和节点分布密度三个因素的条件下，运用层次分析法，建立层次分析模型，包括构造成对比较阵，计算权向量并做一致性检验，计算组合权向量并做组合一致性检验；

4)、计算得到节点最佳移动路径并进行节点移动。

Images