CN103139862A - 基于查询的无线传感器网络多源数据融合方法 - Google Patents

Abstract

本发明涉及一种基于查询的无线传感器网络多源数据融合方法。本发明包括分簇、兴趣扩散以及数据的传输三个方面。在分簇过程中利用节点的剩余能量、节点所在区域的密度以及簇头距离基站的距离来成簇。在兴趣扩散过程中sink节点先将兴趣消息扩散到各个簇头，各簇头再根据实际情况决定是否将兴趣扩散到簇内。在数据传输的过程中选择邻居节点中优先级大的作为下一跳节点。优先级函数通过引入邻居节点的位置、是否为源节点或簇头、剩余能量、两节点之间的通信代价等，使查询数据从源节点沿着能耗小、剩余能量多、距离短的路径向sink节点传输，并在路径相交处进行数据融合。本发明能有效地均衡网络中节点能耗，提高能量利用率，延长网络生命周期。

Description

基于查询的无线传感器网络多源数据融合方法

技术领域

本发明属于无线传感器网络技术领域，涉及一种基于查询的的无线传感器网络多源数据融合方法。 

背景技术

无线传感器网络(Wireless Sensor Network，WSN)是一种新型的以数据为中心的无线网络，它融合了传感器技术、无线通信技术和数据库处理技术，由具有传感、计算和通信能力的节点组成。主要功能是收集传感器节点所在监测区域的信息，进行一定的处理后传给sink节点，实现对物理世界的监测。在军事、工业、农业、环境、医疗监护、智能家具***等许多领域都得到了广泛的应用。 

路由协议负责将数据分组从源节点通过网络转发到目的节点，它主要包括两个方面的功能：寻找源节点和目的节点间的优化路径，将数据分组沿着优化路径正确转发。但是，由于WSN自身在能量供应、数据处理以及通信能力上的限制，其路由协议与传统的路由协议有较大的不同，能量的有效利用是WSN路由协议设计的重要目标。 

无线传感器网络以监测区域和感知数据为目的，数据从传感器节点流向sink节点。以数据为中心形成数据转发路径是一种适合无线传感器网络的路由机制，基于查询的路由协议即是基于这一机制。数据查询协议是传感器网络中的关键问题之一，目前还没有一个统一的数据查询协议可以适应所有的传感器网络，针对不同的应用，设计出适合该应用的网络***才能高效地解决问题。Sink节点发出查询消息后，在收集信息的过程中采用各个节点单独传送数据到汇聚节点的方法是不合适的，主要原因有浪费通信带宽和能量，降低信息收集的效率，多个节点同时传送数据会增加数据链路层的调度难度，造成频繁的冲突碰撞，降低了通信效率，从而影响了信息收集的及时性。传感器网络中，考虑到数据融合的路由方式将研究焦点从传统的以地址为中心的路由(节点沿着到sink节点的最短路径转发数据)转移到以数据为中心的路由(节点根据数据的内容，对来自多个数据源的数据进行融合操作，然后转发数据)。因此，无线传感器网络在收集数据过程中需要设计出低复杂度、高数据融合率、低能耗和便于维护的路由。 

数据查询路由协议最典型的是定向扩散协议(Directed Diffusion，DD)，定向扩散协议的路由机制可以分为三个阶段：兴趣扩散、梯度建立和数据沿加强路径传输，如图1所示。其中，兴趣扩散和探测梯度建立都依赖于信息的平面泛洪，时间和能量开销都比较大，并且会产生大量冗余信息，严重影响了定向扩散协议的能量利用效率。更为严重的是，随着无线传感器网络规模的增大，泛洪的开销会飞速提高，使得定向扩散协议很难应用到大规模网络中。当前针对定向扩散算法的改进研究集中在如何控制兴趣消息的扩散范围或数据传播范围，从而降低网络中节点能量的消耗。 

(1)在兴趣扩散阶段，通过建立簇或树结构将网络分层，减少兴趣消息或探测数据被转发的跳数。或是通过定义梯度的阈值来限制源节点以及每个转发节点扩散的深度及广度来减少兴趣消息的转发范围。达到节约能耗，缩短网络延迟，延长网络生命周期的目的。 

(2)在梯度建立阶段，源节点向sink节点发送探测数据包的过程中，泛洪方式在带来巨大的网络能耗和网络延迟的同时产生大量的冗余信息。减少或去除传输探测数据包所带来的能量消耗，是提高网络能量利用率、减少网络延迟的一个中要的途径。 

(3)在加强路径形成后，源节点将采集数据沿着加强的路径发送给sink节点。当查询周期较长时，该路径上的节点会因能耗过大而过早的死亡，造成网络分割。当查询周期比较短，兴趣消息频繁发生变化时，若每次源节点都要发送探测数据包建立加强路径，则一定程度存在很大的能量浪费。根据邻居节点的剩余能量、是否为簇头或源节点、位置等因素来选择下一跳节点，能有效的均衡网络中各节点的能耗，延长网络生命周期。 

发明内容

本发明的目的是克服现有的数据查询路由协议中能量消耗大和节点能耗不均问题，提供一种基于查询的无线传感器网络多源数据融合方法，首先通过分簇解决兴趣扩散阶段泛洪方式所带来的巨大能耗，然后通过省略梯度建立和路径加强阶段，来减少建立梯度和路径加强所带来的能量消耗和网络延迟问题，从而有效地延长网络生命周期。 

按照本发明提供的技术方案，基于查询的无线传感器网络多源数据融合方法，包括网络分簇、兴趣扩 散以及数据传输三个阶段，具体如下。 

(1)网络分簇。 

1)在簇头选举阶段，利用节点的剩余能量以及节点所在区域的稀疏程度来保证簇头的均匀分布；即各节点首先选取一个[0，1]之间的随机数，与阈值T(v_i)进行比较，如果这个数小于阈值T(v_i)，则该节点当选为簇头，其中阈值T(v_i)采用公式(1)，节点所在区域的密度计算采用公式(2)。 

2)在簇的建立阶段，结合各簇头所在区域的节点密度与距sink节点的距离来构造大小不等的簇半径成簇；达到平衡各簇网络负载，均衡网络能耗的目的。簇半径的构造采用公式(3)。 

3)簇头建立簇成员信息表，记录簇成员节点的ID、剩余能量、节点坐标、数据采集类型等。 

(2)兴趣扩散。 

1)sink节点周期性的通过单跳或多跳的方式将兴趣消息发送给所有的簇头。兴趣消息是对采集任务的具体描述，包括：任务类型、目标区域、数据发送速率等参数。 

2)簇头收到兴趣消息后，首先查询自己所维持的簇成员节点信息表，若簇内存在节点所采集的数据符合兴趣要求，则该簇头将兴趣消息扩散到簇内，若没有则不扩散。 

(3)数据传输。 

当网络拓扑结构稳定后，sink节点为进行数据查询将兴趣消息扩散到网络中，采集的数据符合sink节点兴趣的节点成为源节点。当节点有数据产生或收到数据后，根据邻居节点的能量、有无数据、距离路径能耗等来确定转移方向，用路由表table_k(k＝1，2，...m)来记录源节点将数据传送到sink节点所经过的节点。各源节点计算所有邻居节点的优先级，选择优先级高的作为下一跳节点，直到将数据传送给sink节点。另外，为保证数据在传输过程中能够更好的进行数据融合，使源节点和簇头的优先级高于其它普通节点个，避免没有数据的节点作为中继节点转发数据而浪费能量。其中优先级函数采用公式(4)-(13)。 

本发明的优点是： 

(1)将网络分层，进行兴趣扩散。本发明首先通过分簇将网络划分成一个多层网络。然后，sink节点通过单跳或多跳的方式将兴趣扩散到各个簇头。最后，簇头再根据簇内成员的信息决定是否将兴趣扩散到簇内。相比于泛洪的方式，本发明能够有效的减少兴趣扩散阶段的能耗。另外，针对以往的均匀分簇算法造成网络中能耗不均的问题，采用非均匀分簇的思想，利用节点密度和剩余能量设置簇头的选择阈值，在节点密集区增加簇头数量，在簇的建立阶段利用簇头密度及距sink节点的距离建立不同的簇半径，达到平衡全网簇规模的目的。 

(2)省略梯度建立和路径加强阶段。在梯度建立阶段，源节点向sink节点发送探测数据包的过程中，泛洪方式在带来巨大的网络能耗和网络延迟的同时产生大量的冗余信息。减少或去除传输探测数据包所带来的能量消耗，是提高网络能量利用率、减少网络延迟的一个重要的途径。加强路径形成后，源节点将采集数据沿着加强的路径发送给sink节点。当查询周期较长时，该路径上的节点会因能耗过大而过早的死亡，造成网络分割。不提前建立路径，直接从邻居节点中根据节点的剩余能量、是否为源节点、位置等因素来选择下一跳节点，能有效的均衡网络中各节点的能耗，延长网络生命周期。 

(3)本发明提出一种新型的邻居节点选择策略，即根据邻居节点的剩余能量、节点的类型、位置、两节点之间的通信代价来构造优先级函数。避免能量低的节点加入数据传输路径，实现网络中节点能耗的均衡性。增大簇头以及源节点的优先级，减少普通节点只是作为中继节点而转发数据而引起的能量浪费。距离sink节点近的邻居节点的优先级较高，保证数据向着sink节点的方向传输。选择两节点之间通信代价低的路径，能够更好地节约能量，提高能量的有效性。 

附图说明

图1是定向扩散路由建立过程。 

图2节点位置与路由选择。 

图3为网络中节点分布情况及节点类型。 

图4为网络中数据包传输量与网络的运行轮数的关系图。 

图5为网络中每轮能量消耗对比图。 

图6为网络中剩余能量对比图。 

图7为网络的生命周期对比图。图7(a)为网络中节点个数为100时的网络生命周期对比图。图7(b)为网络中节点个数为200时的网络生命周期对比图。 

具体实施方式

基于查询的无线传感器网络多源数据融合方法，包括分簇、兴趣扩散以及数据传输三个阶段，其中，本发明为周期性执行，当节点不工作时进入休眠状态。本发明涉及的物理模型为：在200m×200m的区域内，随机布置100个节点，其中sink节点位于(100，200)。采用的物理模型为： 

(1)所有节点具有相同的初始能量，具有数据融合的功能； 

(2)所有节点都可以和sink节点进行通信； 

(3)无线电信号在各个方向上能量消耗相同； 

(4)sink节点是固定的，能量无限制。 

本发明首先通过分簇将网络划分成一个层次型网络，即通过对网络中节点当选簇头的概率、节点的能量以及节点的邻居节点数等参数的设置完成簇头的选择，并利用节点的密度以及距离参数构建簇；然后，sink节点通过单跳或多跳的方式将兴趣扩散到各个簇头，簇头再根据簇内成员的信息决定是否将兴趣扩散到簇内，据此寻找合适的源节点用于数据的采集；最后，根据邻居节点的优先级选择下一跳节点建立多跳的数据传输模式用于将数据传输至sink节点。下面从网络分簇、兴趣扩散以及数据传输三个方面对本发明进行详细说明。 

1网络分簇 

本发明在簇头的选择过程中，通过对网络中节点当选簇头的概率、节点的能量以及节点所在区域的密度等参数的设置，保证网络中簇头的均匀分布。在簇的建立阶段根据簇头所在区域的节点密度与距sink节点的距离来构造大小不等的簇半径成簇；达到平衡各簇网络负载，均衡网络能耗的目的。具体过程如下： 

首先进行簇头的选择，各节点首先选取一个[0，1]之间的随机数，与阈值T(v_i)进行比较，如果这个数小于阈值T(v_i)，则将节点选为簇头。其中T(v_i)的计算方法采用(1)式，节点所在区域的密度计算采用(2)式，计算方法如下所示： 

$T\left(v_i\right)=\left\{\begin{array}{cc}\frac{p}{1-p(r*\mathrm{mod}\frac{1}{p})}\frac{E_{i\_\mathrm{residual}}}{E_0}(1+{\mathrm{\α}}_i),& v_i\∈G\\ 0,& v_i\∉G\end{array}\right..---\left(1\right)$

${\mathrm{\α}}_i=\frac{\mathrm{Neighbor}\left(v_i\right)\_\mathrm{alive}-\frac{1}{p}}{\mathrm{Network}\_\mathrm{alive}}.---\left(2\right)$

其中，p是节点当选簇头的概率；r是目前循环进行的轮数；G是最近1/p轮中还未当选过簇头的节点集合；α_i表示节点v_i的密度，Neighbor(v_i)_alive和Network_alive分别表示节点v_i的邻居节点以及整个网络中存活节点的数目，即剩余能量大于0的数目。E₀和E_{i_residual}分别表示节点的初始能量和剩余能量。 

簇头选定后，非簇头节点进入睡眠状态，sink节点向网络内广播一个信号，各簇头根据接收信号的强度计算它到sink节点的近似距离

并确定其簇半径R_Hi，令簇头的最大簇半径为R₀，则簇头的半径计算公式如下： 

$R_{\mathrm{Hi}}=\left[(1-{\mathrm{\α}}_{\mathrm{Hi}})\frac{d_{\max }-d_{\mathrm{Hi}\_\sin k}}{d_{\max }-d_{\min }}\right]R_0.---\left(3\right)$

其中，α_Hi为簇头H_i的密度，在0～1之间取值，d_max和d_min分别表示网络中的簇头到sink节点的最大和最小距离，d_{Hi_sink}表示簇头H_i与sink节点的距离。 

各个簇的半径确立后，处于睡眠状态的节点被唤醒，各簇头广播其各自的簇半径R_Hi，非簇头节点根据R_Hi和d(v_i，H_i)来选择簇头，选择过程如下： 

步骤1：节点选择与自己距离最近的簇头H_i； 

步骤2：计算节点与簇头H_i的距离d(v_i，H_i)，并比较d(v_i，H_i)与簇半径R_Hi的大小，如果d(v_i，H_i)≤R_Hi则加入该簇。如果d(v_i，H_i)＞R_Hi则返回步骤1。 

步骤3：如果与节点较近的簇头H_i不存在，或者不存在符合d(v_i，H_i)≤R_Hi的簇头，则节点加入距离最近的邻居节点所在的簇，从而成为簇成员节点。 

当数据到达各簇头后，簇头根据在簇建立阶段得到的信息d(H_i，H_j)和d_{Hj_sink}选择离自己最近的簇头，以多跳的方式将最终的融合数据传送到sink节点。 

当网络分簇完成后，簇头节点建立簇成员信息表，用于记录簇成员节点的ID、剩余能量、节点坐标、数据采集类型等信息。 

2兴趣扩散。 

1)当网络分簇完成后，进行兴趣的扩散。sink节点通过单跳或多跳的方式将兴趣消息发送给所有的簇头。兴趣消息是对采集任务的具体描述，包括：任务类型、目标区域、数据发送速率等参数。 

2)簇头收到兴趣消息后，查询自己所维持的簇成员节点信息表，若簇内存在节点所采集的数据符合兴趣要求，则该簇头将兴趣消息扩散到簇内，并将符合兴趣要求的节点设置为源节点，若没有则不扩散。 

3数据传输。 

当sink节点为进行数据查询将兴趣消息扩散到网络，并找到源节点后，各源节点计算所有邻居节点的优先级，选择优先级高的邻居节点作为下一跳节点；即有数据产生或收到数据的节点根据邻居节点的能量、距离路径能耗等来选择下一跳的节点，由此确定数据的传输方向，直到将数据传送给sink节点，同时利用路由表table_k(k＝1，2，...m)来记录源节点将数据传送到sink节点所经过的节点。另外，为保证数据在传输过程中能够更好的进行数据融合，使源节点和簇头的优先级高于其它节点，避免没有数据的节点作为中继节点转发数据而浪费能量。其中，邻居节点优先级的确定方法如下： 

当节点有数据产生或收到数据后，根据邻居节点的能量、距离路径能耗等来确定下一跳的节点，即节点v_i选择v_j作为下一跳邻居节点的优先级函数定义如公式(4)所示： 

priority(j)＝pri_j1+pri_j2(4) 

节点v_i的邻居节点v_j的优先级有两部分组成pri₁和pri₂下面分别定义这两部分： 

${\mathrm{pri}}_{j1}=\left\{\begin{array}{c}1,\mathrm{if}{v}_j\&Element;\mathrm{Sand}{d}_{j\_\sin k}<d_{i\_\sin k}\\ 1,\mathrm{if}{v}_j\&Element;\mathrm{Cand}{d}_{j\_\sin k}<d_{i\_\sin k}\\ 0,\mathrm{otherswise}\end{array}\right..---\left(5\right)$

S为节点v_i的所有邻居节点集合，C为网络中的簇头集合，d_{j_sink}与d_{i_sink}分别表示节点v_i和节点v_j到sink节点的距离，pri_j1为1的节点更有可能成为下一跳节点，保证数据向着sink节点的方向传输，如图2所示：节点C比节点B更有可能成为下一跳节点。另外，源节点和簇头成为下一跳节点的概率大大增加，这样有效提高了融合效率，避免没有数据的节点作为中继节点转发数据而浪费能量。 

pri₂由节点的剩余能量、节点与sink节点的距离、以及节点v_i与节点v_j之间的通信代价共同决定，分 别定义如下： 

$e_j=\frac{E_{j\_\mathrm{residual}}}{E_0}.---\left(6\right)$

$r_j=\frac{R-d_{j\_\sin k}}{R}.---\left(7\right)$

${\cos t}_j=\frac{{\cos t}_{\max }-\cos t(v_i,v_j)}{{\cos t}_{\max }}.---\left(8\right)$

其中，e_j表示节点v_j的剩余能量E_{j_residual}占初始能量E₀的比例，剩余能量高的节点成为下一跳的概率大大增加，避免低能量节点作为中继节点转发数据而消耗过多能量，造成节点过早死亡保证网络中节点的能耗均衡；r_j表示v_j到sink节点的距离与网络半径的关系，d_{j_sink}越大优先级越低，保证数据向着sink节点的方向进行传输，缩短传输路径。cost_max表示通信范围内两节点之间的最大通信能耗，cost(v_i，v_j)为节点v_i到v_j的通信能耗，cost_max和cost(v_i，v_j)分别表示如下： 

$\cos t(v_i,v_j)=\left\{\begin{array}{cc}{E}_{\mathrm{elec}}.k+(E_{\mathrm{elec}}.k+{\mathrm{\&epsiv;}}_{\mathrm{fs}}.k.{\left(d(v_i,v_j)\right)}^2),& \mathrm{ifd}(v_i,v_j)<d_0\\ E_{\mathrm{elec}}.k+(E_{\mathrm{elec}}.k+{\mathrm{\&epsiv;}}_{\mathrm{mp}}.k.{\left(d(v_i,v_j)\right)}^4),& \mathrm{ifd}(v_i,v_j)>d_0\end{array}\right..---\left(9\right)$

${\cos t}_{\max }=\left\{\begin{array}{cc}{E}_{\mathrm{elec}}.k+(E_{\mathrm{elec}}.k+{\mathrm{\&epsiv;}}_{\mathrm{fs}}.k.{R_{\max }}^2),& \mathrm{if}{R}_{\max }<d_0\\ E_{\mathrm{elec}}.k+(E_{\mathrm{elec}}.k+{\mathrm{\&epsiv;}}_{\mathrm{mp}}.k.{R_{\max }}^4),& \mathrm{if}{R}_{\max }>d_0\end{array}\right..---\left(10\right)$

R_max为节点的最大通信距离。传感器节点接收k bit数据所消耗的能量E_rx(k)为： 

E_rx(k)＝k*E_elec(11) 

距离阈值d₀的计算公式为； 

$d_0=\sqrt{\frac{{\mathrm{\&epsiv;}}_{\mathrm{fs}}}{{\mathrm{\&epsiv;}}_{\mathrm{mp}}}}.---\left(12\right)$

其中，传感器节点电子元器件耗能E_elec依赖数字编码、调制、滤波、信号扩频等因素，功率放大器耗能ε_fs*d²或者ε_mp*d⁴与到达接收机(簇头或基站)的距离d以及可接受的比特误码率有关。 

pri_j2＝α.e_j+β.r_j+γ.cost_i(13) 

由(6)(7)(8)式可知0＜e_j＜1，0＜r_j＜1，0＜cost_j＜1。α、β、γ分别为0到1之间的系数且α+β+γ＝1，所以0＜pri_j2＜1。 

由(4)-(13)式可以看出链路能量消耗越小、剩余能量越多、距离sink节点越的邻居节点，被选为下一跳的概率越大。 

4算法分析 

1)负载分布的均衡性 

无线传感器网络节点分布随机，针对均匀分簇容易造成网络中能耗不均问题，本发明利用节点密度和剩余能量设置簇头的选择阈值，在节点密集区增加簇头数量，在簇的建立阶段利用簇头密度及距sink节点的距离建立不同的簇半径，达到平衡全网簇规模的目的。如图3所示，其中圆圈为普通节点，圆圈中含有 “*”的为簇头，“*”表示sink节点的位置(100，200)。由此可以看出簇头的分布比较均匀：节点分布越密集的地方，簇头的分布也越密集，节点分布分散的地方簇头的分布也比较分散。其中，用节点的密度来表示网络中节点分布的稀疏程度。 

2)网络中数据包的传输量少 

定向扩散协议中兴趣消息数据包和探测数据包都是通过泛洪方式进行传输的，所以网络中的数据包传输量比较大。本发明不仅通过分簇减少兴趣包的传输，还略掉探测包的发送，又在数据包传输过程中进行数据融合，大大减少了数据包在网络中的传输量。根据图4中的曲线可以很看出，本发明所在网络中数据包的传输量明显少于DD和IDD。降低网络能耗一般从两个方面入手：一是传输路径，二是传输内容即减少数据的传输量。因此，网络中数据包传输量的减少，可降低能量消耗，提高能量利用效率。 

3)能耗均衡性好 

本发明不仅在分簇过程中充分考虑各簇负载的均衡性，在数据传输过程中也充分考虑网络中节点的剩余能量，避免低能量节点加入路径。图5为三种算法在每次查询任务中的能量消耗，可以看出DD的曲线波动最大，IDD次之，本发明最小，小的波动性反映出良好的能耗的均衡性。就曲线的振幅而言，从大到小依次为：DD、IDD、本发明，振幅越小，能耗越小。仿真结果表明，本文所提算法在能量有效性和能耗均衡性都优于其他两种算法。 

4)能量利用率高 

本发明选择网络中剩余总能量与网络的运行轮数作为参数，与已有的方法进行比较，图6是三种算法下，网络中剩余总能量的比较。设每个节点的初始能量为0.5J，网络中100个节点的初始总能量为50J。由仿真图可以看出本发明的网络剩余总能量明显高于其他两种算法，有效的节约了能量，提高了能量利用率。 

5)网络生命周期长 

网络生命周期是衡量网络优劣的一个重要标志，是设计路由算法的最主要的目标之一，当网络中有100个节点时，图7(a)对三种算法的生命周期进行了仿真对比，从图中可以看出当网络运行到218轮和239轮时DD和IDD的第一个节点分别死亡，当运行到1170轮时本发明的第一个节点才失效。通过对比，可以看出本文算法明显的延长了网络生命周期。 

6)更适用于大规模网络 

图7(b)将网络范围扩大一倍，并将网络中的节点数目增至200，对三种算法的网络生命周期进行仿真。通过与图6对比可以看出，随着网络规模的扩大，DD的网络生命周期却在缩短，主要原因是泛洪方式的盲目扩散造成的能量消耗增大。与之相比，本发明的优势更加明显。说明本发明更适用于大规模网络。 

Claims (6)

1.一种基于查询的无线传感器网络多源数据融合方法，主要包括网络分簇、兴趣扩散、数据传输三个阶段，其特征是，该方法包括以下步骤： 

(1)网络分簇：在簇头选举阶段，利用节点的剩余能量以及节点所在区域的稀疏程度来保证簇头的均匀分布；在簇的建立阶段结合各簇头所在区域的节点密度与距sink节点的距离来构造大小不等的簇半径成簇；每个簇头建立一个簇成员节点信息表，记录簇成员节点的ID、剩余能量、节点坐标、数据采集类型等； 

(2)兴趣扩散：sink节点周期性的通过单跳或多跳的方式将兴趣消息发送给所有的簇头，簇头收到兴趣消息后，首先查询自己所维持的簇成员节点信息表，若簇内存在节点所采集的数据符合兴趣消息的要求，则该簇头将兴趣消息扩散到簇内，若没有则不扩散；其中，兴趣消息是对采集任务的具体描述，包括：任务类型、目标区域、数据发送速率等参数。 

(3)数据传输：采集的数据符合兴趣消息的节点成为源节点，各源节点计算所有邻居节点的优先级，选择优先级高的作为下一跳节点，直到将数据传送给sink节点。 

2.如权利要求1所述基于查询的无线传感器多源数据融合方法，其特征在于所述的步骤(1)中，首先进行簇头的选择，各节点首先选取一个[0，1]之间的随机数，与阈值T(v_i)进行比较，如果这个数小于阈值T(v_i)，则将节点选为簇头，计算方法如下所示： 

其中，p是节点当选簇首的概率；r是目前循环进行的轮数；G是最近1/p轮中还未当选过簇首的节点集合；α_i表示节点v_i的密度，Neighbor(v_i)_alive和Network_alive分别表示节点v_i的邻居节点以及整个网络中存活节点的数目，即剩余能量大于0的数目，E₀和E_{i_residual}分别表示节点的初始能量和剩余能量。 

3.如权利要求1所述基于查询的无线传感器多源数据融合方法，其特征在于所述的步骤(1)中，在簇的建立阶段，各簇头根据接收信号的强度计算它到sink节点的近似距离

并确定其簇半径R_Hi，令簇头的最大簇半径为R₀，则个簇头的半径计算公式如下： 

其中，α_Hi为簇头H_i的密度，在0～1之间取值，d_max和d_min分别表示网络中的簇头到sink节点的最大和最小距离，d_{Hi_sink}表示簇头H_i与sink节点的距离。 

4.如权利要求1所述基于查询的无线传感器多源数据融合方法，其特征在于所述的步骤(3)中，各源节点计算所有邻居节点的优先级，选择优先级高的作为下一跳节点。优先级函数由两部分组成，在第一部分中，簇头和源节点的优先级较高，采用以下公式确定优先级： 

S为节点v_i的所有邻居节点集合，C为网络中的簇头集合，d_{i_sink}与d_{i_sink}分别表示节点v_i和节点v_i到sink节点的距离，pri_j1为1的节点更有可能成为下一跳节点，保证数据向着sink节点的方向传输，另外，源节点和簇头成为下一跳节点的概率大大增加，避免没有数据的节点作为中继节点转发数据而浪费能量。 

5.如权利要求1所述基于查询的无线传感器多源数据融合方法，其特征在于所述的步骤(3)中，各源节点计算所有邻居节点的优先级，选择优先级高的作为下一跳节点，优先级函数由两部分组成，在第二部分中，pri₂由节点的剩余能量、节点与sink节点的距离、以及节点v_i与节点v_j之间的通信代价共同决定，分别定义如下： 

其中，e_j表示节点v_j的剩余能量E_{j_residual}占初始能量E₀的比例，避免低能量节点作为中继节点转发数据而消耗过多能量，造成节点过早死亡保证网络中节点的能耗均衡；r_j表示v_i到sink节点的距离与网络半径的关系，d_{j_sink}越大优先级越低，保证数据向着sink节点的方向进行传输，缩短传输路径；cost_max表示通信范围内两节点之间的最大通信能耗，cost(v_i，v_j)为节点v_i到v_j的通信能耗，cost_max和cost(v_i，v_j)分别表示如下： 

R_max为节点的最大通信距离，传感器节点接收k bit数据所消耗的能量E_rx(k)为： 

E_rx(k)＝k*E_elec， 

距离阈值d₀的计算公式为： 

其中，传感器节点电子元器件耗能E_elec依赖数字编码、调制、滤波、信号扩频等因素，功率放大器耗能ε_fs*d²或者ε_mp*d⁴与到达接收机(簇首或基站)的距离d以及可接受的比特误码率有关。 

6.如权利要求1所述基于查询的无线传感器多源数据融合方法，其特征在于所述的步骤(3)中，优先级的确立，采用如下公式： 

pri_j2＝α.e_j+β.r_j+γ.cost_j， 

priority(j)＝pri_j1+pri_j2， 

其中，0＜e_j＜1，0＜r_j＜1，0＜cost_i＜1，α、β、γ分别为0到1之间的系数且α+β+γ＝1，0＜pri_j2＜1，0＜priority(j)＜2。 

Images