CN103002537A - 一种基于相关系数无线多媒体传感器网络节点分簇方法 - Google Patents

Abstract

本发明提出了一种基于相关系数无线多媒体传感器网络节点分簇方法，利用节点相关系数进行分簇，并根据节点剩余能量和节点传输代价选举簇头节点，能够有效的进行网络管理，降低传输数据的冗余度，该方案首先获取、计算节点相关系数，利用全网的相关系数矩阵构建分簇，然后在簇内进行基于代价的簇头选举，并在适当时机进行簇头切换。该方案有效的解决了无线多媒体传感器网络中的分簇问题，并提供了簇头选举、切换机制，均衡了网络内节点能量消耗，延长了整个网络的生命周期。

Description

一种基于相关系数无线多媒体传感器网络节点分簇方法

技术领域

本发明提出了一种基于相关系数无线多媒体传感器网络节点分簇方案，该方案主要用来解决无线多媒体传感器网络中节点分簇问题，对于有效减少能源消耗，增强网络管理能力，延长整个无线多媒体传感器网络的生命周期起着十分重要的作用。该发明属于无线多媒体传感器网络技术领域。

背景技术

在平面结构的无线传感器网络中所有节点是同一级别的，整个网络没有固定的拓扑结构，这种方式在节点数目不多的情况下效率比较高，但是这种结构的网络扩展性差，节点密集部署时节点间过多的通信损耗会导致能量消耗过快。因此，设计一个能够高效动态自组织的无线传感器网络成了必须要解决的问题。对网络进行分簇是一个可行的解决方案，一方面可以减少数据汇聚的能量消耗，另一方面分簇形成的小网络效率更高。分簇算法可以将传感器节点组织分成一系列被称作簇（Cluster）的子集结构，每个簇包含一个簇首（Cluster Head）节点和若干簇成员（Cluster Member）节点，簇头节点还可以进一步形成更高层次的簇。

传统无线传感器网络中的覆盖、分簇、路由等算法在有视频节点的无线多媒体传感器网络中并不适用，主要原因是无线多媒体传感器网络中是视频节点感知模型与传统无线传感器网络有很大不同，视频节点的感知区域一般认为是以节点为圆心，并具有特定方向的扇形区域或等腰三角形。

传统标量无线传感器网络中很多学者对分簇算法做了深入的研究，提出了很多分簇算法。设计分簇算法的关键点——成簇方式和簇头选择。大多数分簇算法的依据是邻居节点或到簇头的距离。簇内节点数量和簇的数量是影响分簇算法的基本参数。文在无线多媒体传感器网络中视频节点的方向也应该成为分簇算法中要考虑的因素。

发明内容

技术问题：本发明的目的主要是针对无线多媒体传感器网络的节点问题，提出一种基于相关系数无线多媒体传感器网络节点分簇方法，减少能源消耗，增强网络管理能力，延长整个无线多媒体传感器网络的生命周期。

技术方案：本发明提出的基于相关系数无线多媒体传感器网络节点分簇方案，利用图像缝合技术和节点的RSSI值首先求出节点间的相关系数矩阵，然后利用该矩阵对节点进行分簇。下面为便于讨论，给出网络模型与问题描述：

利用节点相关系数进行分簇，并根据节点剩余能量和节点传输代价选举簇头节点，能够有效的进行网络管理，降低传输数据的冗余度，延长网络的生存周期，该方法的具体过程如下：

第一步，节点分簇

步骤1）部署在网络中的所有节点{S1,S2,…,SN}启动完成后在网内广播一个消息，其中只包含自己的ID号，并接收其他节点发送的ID号；

步骤2）根据接收到的其他节点的消息，记录下对应ID号相应的i号节点接收到的j号节点的信号强度RSSI的值rij，并将未收到消息的节点的RSSI值置0，然后发送给Sink节点；

步骤3）Sink节点接收到所有节点发送的RSSI值后，得到一个N×N的节点信号强度矩阵R，创建一个辅助分簇集合P，P={P1,P2,…PN}；

$R=\left[\begin{array}{ccccc}0& r_{12}& r_{13}& ...& r_{1N}\\ r_{21}& 0& r_{23}& ...& r_{2N}\\ r_{31}& r_{32}& 0& ...& r_{3N}\\ ...& ...& ...& ...& ...\\ r_{N1}& r_{N2}& r_{N3}& ...& 0\end{array}\right]---\left(10\right)$

步骤4）对于R中第i列，由第1行开始判断的rij是否满足条件rij≥β，β为预先设定好的阈值常量，若满足rij≥β，则认定节点Si和Sj采集的信息可能存在重合，将j加入Pi，否则跳过检索下一行；

步骤5）将i加1，若i≤N则转至步骤4），否则转至步骤6）；

步骤6）Sink节点向网络中所有节点广播图像采集请求消息；

步骤7）在收到Sink节点发送的图像采集请求消息后，每个节点开始采集图像并向Sink节点发送自己采集的第一张图像数据；

步骤9）Sink节点接收到所有节点发送的图像后，对每个Pi中的所有节点计算相应的相关系数ρij，而对i号节点与不在Pi中的节点的相关系数直接置0，从而得到相关系数矩阵M；

步骤10）Sink节点创建一个空簇T集合，T={T1,T2,…TN}，转到步骤11）；

步骤11）从节点集合S中选择节点ID最小的Si放入到T中ID最小的空簇Ti中，并从S中删除Si；

步骤12）按S中剩余节点ID顺序遍历相关系数矩阵M，若ID为j的节点相关系数值满足ρij≥α，则将j加入Ti内；

步骤13）判断Ti内的节点个数是否大于簇内节点个数阈值m，若簇内节点个数大于阈值m，则转到步骤13），否则转到步骤14）；

步骤14）计算Ti中每一个节点和其他所有节点的相关系数总和∑ρ_st，s,t均表示簇中节点的编号，将结果按降序排列，保留排名在前m个节点，将其余节点从Ti内删除，并归还至S中，转到步骤16）；

步骤15）计算Si与其他节点的相关系数的平均值，如果结果大于α，则保留该节点，否则将该节点从Ti中删除，并归还至S中，然后进行步骤16）；

步骤16）集合S是否为空，如果为空则分簇结束转至步骤17），否则转至步骤11）；

步骤17）Sink节点将分簇结果广播给网络中的所有节点；

第二步，选举簇头

步骤21）设定竞争簇头节点的初始能量阈值为ω＝ω₀，ω₀是根据需要设定的常量；

步骤22）只有节点剩余能量值大于ω的节点才有资格竞争簇头节点；初始时，由于所有节点的剩余能量均为E0且大于ω，所以簇内所有节点均成为候选簇头节点；

步骤23）每个候选簇头节点计算当自己作为簇头节点时其余所有成员节点将要耗费的总代价，选举耗费总代价值最小的节点成为簇头节点。

步骤24）当簇头节点完成一次图像收集后，检查自己的剩余能量是否大于ω；若此时簇头节点的剩余能量大于ω，则下一次采集图像时仍然作为簇头节点；若此时簇头节点的剩余能量小于ω，则在簇内剩下的节点中寻找是否有剩余能量值大于ω的节点；

步骤25）若有满足剩余能量值大于ω的节点，则他们成为下一轮的候选簇头节点，然后重复23），选举出簇头节点；

步骤26）若没有满足剩余能量值大于ω的节点，则需要重新设置竞争簇头节点的能量阈值的大小；方法是第m次重调阈值时，将能量阈值的大小设为ω=mω₀-E₀(m-1)，m=1,2,3…，然后再按照上述同样的方法选举出簇头节点。

有益效果：本发明方法提出了基于相关系数无线多媒体传感器网络节点分簇方案，旨在综合利用现有融合算法的优点，解决其不足，提供一种新的可行方案。该方案相比于现有的方案具有如下优势：

1、有效节省网络能量：只需节点在网络刚建立时传输一次采集的图像即可，无需节点之间相互通信交换数据。

2、更合理的分簇依据：本方案基于节点的相关系数进行分簇，相关系数反映了节点间的相关程度和数据冗余度，相关度高的节点分在同一簇内能有效的降低节点传输数据的冗余度，节省传输能耗。

3、优化的分簇结果：本方案中提出了一种基于代价的簇头选举方案，让簇内节点能耗分布更为均衡，出现第一个死亡节点时间明显推迟，延长了网络存活时间。

附图说明

图1是α=0.25分簇结果，

图2是α=0.3分簇结果，

图3是α=0.35分簇结果。

具体实施方式

假设N个多媒体传感器节点密集部署在一个L×L的二维正方形区域内，并假设该传感器网络具有如下性质：

（1）该无线多媒体传感器网络为高密度静态网络，即节点部署后就不再移动；

（2）汇聚节点Sink位于节点部署区域以外的一个固定位置，且汇聚节点的能量与处理能力无限；

（3）每个多媒体传感器节点的初始能量相同，且不能补充；

（4）每个多媒体传感器节点的无线发射功率可控，即节点可以根据到信号接收方的距离远近调节发射功率，以节省节点能量；

网络的无线信道模型采用的信道模型：

$\mathrm{RSSI}\left(d\right)=\left\{\begin{array}{c}\mathrm{Pt}-40.2-10*2.0*1\mathrm{gd},(d\≤8m)\\ \mathrm{Pt}-58.5-10*3.3*1\mathrm{gd},(d>8m)\end{array}\right.---\left(1\right)$

其中，RSSI(d)表示距离为d时的节点接收到的无线通信信号强度，Pt表示发送节点的发射信号功率，d表示接收节点与发送节点之间的距离。

无线通信信号强度RSSI（Received Signal Strength Indicator）的值服从log-normal分布，并归纳出信号传播的概率模型，一般形式如下：

$\mathrm{RSSI}\left(d\right)=\mathrm{RSSI}\left(d_0\right)-10n_{p}1g\left(\frac{d}{d_0}\right)+X_s---\left(2\right)$

其中d₀是收发节点的参考距离，RSSI(d0)是收发距离为d₀时的接收信号强度，n_p是由环境决定的路径损耗指数，表示路径损耗随着距离d的增加而增加的速率，X_s是服从均值为0，标准差为S的高斯分布随机变量，主要用来减少信号强度的误差。

可以推导出收发节点之间的距离计算公式：

$\mathrm{\Δd}=d_0*\left|\right[{10}^{\frac{1}{10n_p}(\mathrm{RSSI}\left(d_0\right)-\mathrm{RSSI}\left(d\right)+X_s)}-1\left]\right|---\left(3\right)$

方法流程

设由N个待分簇的多媒体传感器节点组成的集合为S，S=（S1,S2,…,SN）。在汇聚节点Sink端可以对每个节点采集的图像进行记录，并计算这N个节点之间的相关系数，建立一个N×N的相关系数矩阵

$M=\left[\begin{array}{ccccc}1& {\mathrm{\ρ}}_{12}& {\mathrm{\ρ}}_{13}& ...& {\mathrm{\ρ}}_{1N}\\ {\mathrm{\ρ}}_{21}& 1& {\mathrm{\ρ}}_{23}& ...& {\mathrm{\ρ}}_{2N}\\ {\mathrm{\ρ}}_{31}& {\mathrm{\ρ}}_{32}& 1& ...& {\mathrm{\ρ}}_{3N}\\ ...& ...& ...& ...& ...\\ {\mathrm{\ρ}}_{N1}& {\mathrm{\ρ}}_{N2}& {\mathrm{\ρ}}_{N3}& ...& 1\end{array}\right]---\left(4\right)$

分析此矩阵，可知该矩阵是对称矩阵而且主对角线元素均为1，这是因为两个节点间的相关性是对称的且任何一个节点与自身的相关系数始终为1。对于任意两个节点Si和Sj，如果满足条件ρij≥α，其中α为根据实际需要设定的阈值，那么认为节点Si和Sj采集的图像存在较大的冗余，可以将它们其划分到一个簇内。

同时，为了避免同一个簇内的节点之间远距离传输的高能量消耗和簇头的负荷过大，因此簇的大小应该限制在一定范围内，在本文设计的分簇算法中一个簇内的节点个数最多为m个，m根据节点硬件性能设定。

一、基础分簇算法

具体分簇算法如下：

步骤1）网络部署后，汇聚节点Sink向网络中所有节点广播图像采集请求消息；

步骤2）在收到Sink节点发送的图像采集请求消息后，每个节点开始采集图像并向Sink节点发送自己采集的第一张图像数据；

步骤3）Sink节点接收到所有节点发送的图像后，计算出网内任意两个节点Si和Sj的相关系数ρij，并建立相关系数矩阵M；

步骤4）Sink节点创建一个空簇T集合，T={T1,T2,…TN}，转到步骤5）；

步骤5）从节点集合S中选择节点ID最小的Si放入到T中ID最小的空簇Ti中，并从S中删除Si；

步骤6）按S中剩余节点ID顺序遍历相关系数矩阵M，若ID为j的节点相关系数值满足ρij≥α，则将j加入Ti内；

步骤7）判断Ti内的节点个数是否大于簇内节点个数阈值m，若簇内节点个数大于阈值m，则转到步骤7），否则转到步骤8）；

步骤8）计算Ti中每一个节点和其他所有节点的相关系数总和∑ρ_st（s,t均表示簇中节点的编号），将结果按降序排列，保留排名在前m个节点，将其余节点从Ti内删除，并归还至S中，转到步骤10）；

步骤9）计算Si与其他节点的相关系数的平均值，如果结果大于α，则保留该节点，否则将该节点从Ti中删除，并归还至S中，然后进行步骤10）；

步骤10）集合S是否为空，如果为空则分簇结束转至步骤11），否则转至步骤5）；

步骤11）Sink节点将分簇结果广播给网络中的所有节点。

二、RSSI辅助的分簇方法

采用上述的基于相关系数的分簇算法，Sink节点要进行

次相关系数的计算。我们知道相关系数的计算复杂度较高而且实际在部署的网络中只有分布较为靠近的节点间才会存在重合区域，所以计算任意两个节点间的相关系数会造成很大的浪费。因此，在这里我们引入利用节点无线通信信号的RSSI值辅助计算相关系数的方法，降低计算上述分簇算法的复杂度。我们假设所有节点的发射功率相同。可以利用节点的RSSI值避免一些因为相距太远或者是因为存在较大障碍物而使得采集的图像不可能产生重合区域的节点间相关系数的计算。修改后的算法如下：

步骤1）部署在网络中的所有节点{S1,S2,…,SN}启动完成后在网内广播一个消息，其中只包含自己的ID号，并接收其他节点发送的ID号；

步骤2）根据接收到的其他节点的消息，记录下对应ID号相应的RSSI的值rij（i号节点接收到的j号节点的信号强度），并将未收到消息的节点的RSSI值置0，然后发送给Sink节点。

步骤3）Sink节点接收到所有节点发送的RSSI值后，得到一个N×N的节点信号强度矩阵R，创建一个辅助分簇集合P，P={P1,P2,…PN}；

$R=\left[\begin{array}{ccccc}0& r_{12}& r_{13}& ...& r_{1N}\\ r_{21}& 0& r_{23}& ...& r_{2N}\\ r_{31}& r_{32}& 0& ...& r_{3N}\\ ...& ...& ...& ...& ...\\ r_{N1}& r_{N2}& r_{N3}& ...& 0\end{array}\right]---\left(5\right)$

步骤4）对于T中第i列，由第1行开始判断的rij是否满足条件rij≥β（β为预先设定好的阈值常量），若满足rij≥β，则认定节点Si和Sj采集的信息可能存在重合，将j加入Pi，否则跳过检索下一行；

步骤5）将i加1，若i≤N+1则转至步骤4），否则转至步骤6）；

步骤6）Sink节点向网络中所有节点广播图像采集请求消息；

步骤7）在收到Sink节点发送的图像采集请求消息后，每个节点开始采集图像并向Sink节点发送自己采集的第一张图像数据；

步骤9）Sink节点接收到所有节点发送的图像后，对每个Pi中的所有节点计算相应的相关系数ρij，而对i号节点与不在Pi中的节点的相关系数直接置0，从而得到相关系数矩阵M；

步骤10）执行4.3.3中的分簇算法。

三、基于代价的簇头选举方法

上节给出的分簇算法中选择第一个加入新簇的节点作为簇头节点不是非常合适，所以我们提出一种基于代价的簇头选举方法。该选举方法的主要思想在于将节点本身的剩余能量和当该节点作为簇头节点时其余簇成员节点传输图像数据将要耗费的总代价作为簇头竞争参数。这样做的好处是使簇头收集一次图像时整个簇内成员节点耗费的总能量最少且保证每个节点的能量消耗负载均衡，从而有效地延长网络的生命周期。

此外，由于一个簇内的节点之间距离较近，可以通过调节节点的发射功率达到进一步节能的效果。根据式（2）我们可以求得簇内两个节点之间的距离Δd（如（3）式所示），然后将簇内所有节点的RSSI值设定为节点间可以通信的最小信号强度，根据式（1）可以得到发射功率的计算式，如式（6）所示。最后，通过计算得到的发射功率的数值来调节节点的发射功率。

$\mathrm{Pt}=\left\{\begin{array}{c}{\mathrm{RSSI}}_{\min }+40.2+10*2.0*1\mathrm{gd},(\mathrm{\Δd}\≤8m)\\ {\mathrm{RSSI}}_{\min }+58.5+10*3.3*1\mathrm{gd},(\mathrm{\Δd}>8m)\end{array}\right.---\left(6\right)$

设一个簇内的节点集合为S，簇内有N个节点，S={V1，V2，…,VN}，每个节点的初使能量均为E0。为了减少节点因传输大量数据而消耗的能量，簇内成员节点只需要将与簇头节点采集的图像的不重合的部分传输给簇头。因此给出传输代价计算公式（7）来反映成员节点发送图像给簇头节点的能量耗费。

Cost(i，j)=Pt_j*(1-ρ_ij)*k，(i，j∈1,2,...,N，i≠j)            （7）

其中，Cost(i，j)表示成员节点j发送图像信息给簇头节点i耗费的代价，Ptj表示成员节点j的发射功率，ρij表示簇头节点i和成员节点j的相关系数，k表示传输的图像信息字节数，k=2×R×C（R、C分别表示图像的行数、列数）。

则簇内任意节点i作为簇头节点时，所有簇内成员节点传输图像给簇头耗费的总代价计算公式如式（8）所示：

${\mathrm{Cost}}_{\mathrm{Total}}=\underset{j=1,j\≠i}{\overset{N}{\mathrm{\Σ}}}\mathrm{Cost}(i,j),(i=\mathrm{1,2},...,N)---\left(8\right)$

基于代价的簇头选举方法描述如下：

1）设定竞争簇头节点的初始能量阈值为ω＝ω₀（ω₀是根据需要设定的常量）。

2）只有节点剩余能量值大于ω的节点才有资格竞争簇头节点。初始时，由于所有节点的剩余能量均为E0且大于ω，所以簇内所有节点均成为候选簇头节点。

3）每个候选簇头节点根据式（7）和式（8）计算当自己作为簇头节点时其余所有成员节点将要耗费的总代价，选举耗费总代价值最小的节点成为簇头节点。

4）当簇头节点完成一次图像收集后，检查自己的剩余能量是否大于ω。

5）若此时簇头节点的剩余能量大于ω，则下一次采集图像时仍然作为簇头节点。

6）若此时簇头节点的剩余能量小于ω，则在簇内剩下的节点中寻找是否有剩余能量值大于ω的节点。

7）若有满足剩余能量值大于ω的节点，则他们成为下一轮的候选簇头节点，然后重复3），选举出簇头节点。

8）若没有满足剩余能量值大于ω的节点，则需要重新设置竞争簇头节点的能量阈值的大小。方法是第m次重调阈值时，将能量阈值的大小设为ω=mω₀-E₀(m-1)(m=1,2,3…)。然后再按照上述同样的方法选举出簇头节点。

实例

一、节点分簇

步骤1）部署在网络中的所有节点{S1,S2,…,SN}启动完成后在网内广播一个消息，其中只包含自己的ID号，并接收其他节点发送的ID号；

步骤2）根据接收到的其他节点的消息，记录下对应ID号相应的RSSI的值rij（i号节点接收到的j号节点的信号强度），并将未收到消息的节点的RSSI值置0，然后发送给Sink节点。

步骤3）Sink节点接收到所有节点发送的RSSI值后，得到一个N×N的节点信号强度矩阵R，创建一个辅助分簇集合P，P={P1,P2,…PN}；

$R=\left[\begin{array}{ccccc}0& r_{12}& r_{13}& ...& r_{1N}\\ r_{21}& 0& r_{23}& ...& r_{2N}\\ r_{31}& r_{32}& 0& ...& r_{3N}\\ ...& ...& ...& ...& ...\\ r_{N1}& r_{N2}& r_{N3}& ...& 0\end{array}\right]---\left(9\right)$

步骤4）对于T中第i列，由第1行开始判断的rij是否满足条件rij≥β（β为预先设定好的阈值常量），若满足rij≥β，则认定节点Si和Sj采集的信息可能存在重合，将j加入Pi，否则跳过检索下一行；

步骤5）将i加1，若i≤N+1则转至步骤4），否则转至步骤6）；

步骤6）Sink节点向网络中所有节点广播图像采集请求消息；

步骤7）在收到Sink节点发送的图像采集请求消息后，每个节点开始采集图像并向Sink节点发送自己采集的第一张图像数据；

步骤9）Sink节点接收到所有节点发送的图像后，对每个Pi中的所有节点计算相应的相关系数ρij，而对i号节点与不在Pi中的节点的相关系数直接置0，从而得到相关系数矩阵M；

步骤10）Sink节点创建一个空簇T集合，T={T1,T2,…TN}，转到步骤11）；

步骤11）从节点集合S中选择节点ID最小的Si放入到T中ID最小的空簇Ti中，并从S中删除Si；

步骤12）按S中剩余节点ID顺序遍历相关系数矩阵M，若ID为j的节点相关系数值满足ρij≥α，则将j加入Ti内；

步骤13）判断Ti内的节点个数是否大于簇内节点个数阈值m，若簇内节点个数大于阈值m，则转到步骤13），否则转到步骤14）；

步骤14）计算Ti中每一个节点和其他所有节点的相关系数总和∑ρ_st（s,t均表示簇中节点的编号），将结果按降序排列，保留排名在前m个节点，将其余节点从Ti内删除，并归还至S中，转到步骤16）；

步骤15）计算Si与其他节点的相关系数的平均值，如果结果大于α，则保留该节点，否则将该节点从Ti中删除，并归还至S中，然后进行步骤16）；

步骤16）集合S是否为空，如果为空则分簇结束转至步骤17），否则转至步骤11）；

步骤17）Sink节点将分簇结果广播给网络中的所有节点。

二、选举簇头

步骤1）设定竞争簇头节点的初始能量阈值为ω=ω₀(ω₀是根据需要设定的常量）。

步骤2）只有节点剩余能量值大于ω的节点才有资格竞争簇头节点。初始时，由于所有节点的剩余能量均为E0且大于ω，所以簇内所有节点均成为候选簇头节点。

步骤3）每个候选簇头节点计算当自己作为簇头节点时其余所有成员节点将要耗费的总代价，选举耗费总代价值最小的节点成为簇头节点。

步骤4）当簇头节点完成一次图像收集后，检查自己的剩余能量是否大于ω。

步骤5）若此时簇头节点的剩余能量大于ω，则下一次采集图像时仍然作为簇头节点。

步骤6）若此时簇头节点的剩余能量小于ω，则在簇内剩下的节点中寻找是否有剩余能量值大于ω的节点。

步骤7）若有满足剩余能量值大于ω的节点，则他们成为下一轮的候选簇头节点，然后重复3），选举出簇头节点。

步骤8）若没有满足剩余能量值大于ω的节点，则需要重新设置竞争簇头节点的能量阈值的大小。方法是第m次重调阈值时，将能量阈值的大小设为ω＝mω₀-E₀(m-1)(m=1,2,3…)。然后再按照上述同样的方法选举出簇头节点。图1为α=0.25分簇结果，图2为α=0.3分簇结果，图3为α=0.35分簇结果。

Claims (1)

1.一种基于相关系数无线多媒体传感器网络节点分簇方法，其特征在于利用节点相关系数进行分簇，并根据节点剩余能量和节点传输代价选举簇头节点，能够有效的进行网络管理，降低传输数据的冗余度，延长网络的生存周期，该方法的具体过程如下：

第一步，节点分簇

步骤1）部署在网络中的所有节点{S1,S2,…,SN}启动完成后在网内广播一个消息，其中只包含自己的ID号，并接收其他节点发送的ID号；

步骤2）根据接收到的其他节点的消息，记录下对应ID号相应的i号节点接收到的j号节点的信号强度RSSI的值rij，并将未收到消息的节点的RSSI值置0，然后发送给Sink节点；

步骤3）Sink节点接收到所有节点发送的RSSI值后，得到一个N×N的节点信号强度矩阵R，创建一个辅助分簇集合P，P={P1,P2,…PN}；

$R=\left[\begin{array}{ccccc}0& r_{12}& r_{13}& ...& r_{1N}\\ r_{21}& 0& r_{23}& ...& r_{2N}\\ r_{31}& r_{32}& 0& ...& r_{3N}\\ ...& ...& ...& ...& ...\\ r_{N1}& r_{N2}& r_{N3}& ...& 0\end{array}\right]$

步骤4）对于R中第i列，由第1行开始判断的rij是否满足条件rij≥β，β为预先设定好的阈值常量，若满足rij≥β，则认定节点Si和Sj采集的信息可能存在重合，将j加入Pi，否则跳过检索下一行；

步骤5）将i加1，若i≤N则转至步骤4），否则转至步骤6）；

步骤6）Sink节点向网络中所有节点广播图像采集请求消息；

步骤7）在收到Sink节点发送的图像采集请求消息后，每个节点开始采集图像并向Sink节点发送自己采集的第一张图像数据；

步骤9）Sink节点接收到所有节点发送的图像后，对每个Pi中的所有节点计算相应的相关系数ρij，而对i号节点与不在Pi中的节点的相关系数直接置0，从而得到相关系数矩阵M；

步骤10）Sink节点创建一个空簇T集合，T={T1,T2,…TN}，转到步骤11）；

步骤11）从节点集合S中选择节点ID最小的Si放入到T中ID最小的空簇Ti中，并从S中删除Si；

步骤12）按S中剩余节点ID顺序遍历相关系数矩阵M，若ID为j的节点相关系数值满足ρij≥α，则将j加入Ti内；

步骤13）判断Ti内的节点个数是否大于簇内节点个数阈值m，若簇内节点个数大于阈值m，则转到步骤13），否则转到步骤14）；

步骤14）计算Ti中每一个节点和其他所有节点的相关系数总和∑ρ_st，s,t均表示簇中节点的编号，将结果按降序排列，保留排名在前m个节点，将其余节点从Ti内删除，并归还至S中，转到步骤16）；

步骤15）计算Si与其他节点的相关系数的平均值，如果结果大于α，则保留该节点，否则将该节点从Ti中删除，并归还至S中，然后进行步骤16）；

步骤16）集合S是否为空，如果为空则分簇结束转至步骤17），否则转至步骤11）；

步骤17）Sink节点将分簇结果广播给网络中的所有节点；

第二步，选举簇头

步骤21）设定竞争簇头节点的初始能量阈值为ω＝ω₀，ω₀是根据需要设定的常量；

步骤22）只有节点剩余能量值大于ω的节点才有资格竞争簇头节点；初始时，由于所有节点的剩余能量均为E0且大于ω，所以簇内所有节点均成为候选簇头节点；

步骤23）每个候选簇头节点计算当自己作为簇头节点时其余所有成员节点将要耗费的总代价，选举耗费总代价值最小的节点成为簇头节点。

步骤24）当簇头节点完成一次图像收集后，检查自己的剩余能量是否大于ω；若此时簇头节点的剩余能量大于ω，则下一次采集图像时仍然作为簇头节点；若此时簇头节点的剩余能量小于ω，则在簇内剩下的节点中寻找是否有剩余能量值大于ω的节点；

步骤25）若有满足剩余能量值大于ω的节点，则他们成为下一轮的候选簇头节点，然后重复23），选举出簇头节点；

步骤26）若没有满足剩余能量值大于ω的节点，则需要重新设置竞争簇头节点的能量阈值的大小；方法是第m次重调阈值时，将能量阈值的大小设为ω=mω₀-E₀(m-1)，m=1,2,3…，然后再按照上述同样的方法选举出簇头节点。

Images