CN103369619B - 一种基于度自适应调整动态聚合树的方法 - Google Patents

Abstract

本发明公开了一种基于度自适应调整动态聚合树的方法，其实现步骤是：（1）根据网络中节点的跳数、剩余能量、聚合系数等因素，建立了一种分布的最小聚合树；（2）利用节点的平均度对所建立的树进行拓扑调整；（3）根据节点的剩余能量将节点分为红灯节点、绿灯节点以及黄灯节点，然后再对其进行红灯节点的子节点向绿灯节点转移操作；（4）簇内成员节点将数据发送给簇头节点，簇头节点将收集到的数据与自己感知的数据聚合成一个数据包后，沿着建立的簇间路由将数据发送给网关SINK节点。本发明与现有技术相比，具有可扩展性强、网络生命周期长、延迟低的优点，可用于实现不同规模无线传感器网络的数据收集与传输。

Description

一种基于度自适应调整动态聚合树的方法

技术领域

本发明涉及通信技术领域中的树的构造和数据聚合算法，具体涉及一种基于度自适应调整动态聚合树的方法，可用于提高无线传感器网络的生命周期和网络延迟。

背景技术

无线传感器网络是大量静止或移动的传感器以自组织和多跳的方式构成的无线网络，其目的是协作地感知、采集、处理和传输网络覆盖地理区域内感知对象的监测信息，如气味，振动，压力，光照，温度等，并报告给用户。

网络区域中部署的节点将监测到的信息以adhoc方式发送到SINK节点，网络实际是以SINK为中心的，其他节点收集的数据都要直接或间接传送到SINK节点。密集部署的传感器节点在数据收集和传输过程中有大量冗余信息及重复数据，节点计算能耗远远小于传输消耗的能量，利用数据聚合技术来尽可能地减少数据传输的能耗，实现能量的有效利用。聚合过程中，节点根据聚合函数(逻辑与/或、最大值、最小值、均值等)对接收到的数据连同自身感知的数据聚合成固定大小的数据包然后传送到下一跳节点。根据节点采集数据在时间和空间上的相关性，对数据包进行聚合来减少冗余信息，减少通信过程中的不必要能量消耗。

最常用的方法是建立一棵以SINK为根的聚合树，每个节点接收其孩子节点发送来的数据，连同自己感知的数据聚合后一起发送给他们的父节点.在传感器网络中，SINK节点在收集数据时是通过反向组播树的形式从分散的传感器节点逐步将监测到的数据汇集起来，比较适合于网络中全局信息的聚合。由于树结构是支持网络连通性的最小的图结构，因此，基于树的数据收集协议有效保证网络的连通性和可靠性，具有保证QoS、容易实现高效的节能效果等优点，是目前研究的热点。

目前无线传感器网络树形路由方法在一定程度上减少网络能耗，延长网络生命周期。但是这些方法仍然存在以下一些缺点：

1、有些算法难于进行分布式实现，并且在考虑数据聚合时，数据在路径交叉节点进行聚合,由于传感器节点独立选择数据回传路径，路径交叉点是随机形成的，不能够实现数据的有效聚合。

2、大量数据包再向SINK传送的过程中由于链路状况、数据包等待时间以及聚合消耗时间的不同等，导致网络延迟的增加。

以上这些缺陷限制了无线传感器网络的性能，导致能耗增加，生命周期缩短和网络延迟增大。影响无线传感器网络应用性能。

发明内容

本发明的目的在于克服上述已有技术的不足，提供了一种基于度自适应调整动态聚合树的方法，以实现数据在节点上的有效聚合，选择合适的聚合时机来延长网络的寿命和降低延迟，以提高无线传感器网络的性能。

本发明的技术方案是：建立了一种能量与延迟的权值模型，应用Kruskal算法建立了一棵最小树，首先基于非叶子节点的平均度对节点进行了度的调整，然后根据其剩余能量的大小对其分为红灯节点、黄灯节点以及绿灯节点并对红灯节点的子节点进行的自适应转移操作，最后我们通过对树建立权值以及更新的轮数做了研究，选取合适的参数运行此聚合树。节点采取聚合转发数据的方式将数据传送给下一跳节点直至SINK节点。

为了实现上述目的，本发明采用的技术方案如下：

一种基于度自适应调整动态聚合树的方法，在网络中具有网关节点SINK，以及无线传感器节点，所述方法包括以下步骤：

（1）在面积为S＝L×L的平面网络区域内，随机抛撒N个同构的无线传感器节点，将所述网关节点SINK布置在网络中心，其中，所述网关节点SINK用于接收并处理整个无线传感器网络收集的数据；

（2）根据节点的跳数、剩余能量的感知以及聚合系数，建立网络中节点间的权值模型：

（2a）计算网络中每个无线传感器节点的预跳数，假设无线传感器节点ii的通信半径为rad(i)，与SINK节点的距离为dist(i,sink)，定义hop_pre(i)为节点i的预跳数：

（2b）根据节点i的实际跳数以及网络中的最大跳数来定义聚合系数，定义hop(i)为节点的实际跳数，hop_max为网络节点的最大跳数，则节点i的聚合系数为：

$\mathrm{\ρ}\left(i\right)=\frac{\mathrm{hop}\left(i\right)-1}{{\mathrm{hop}}_{\max }};$

（2c）确定节点i的权值模型；

（3）根据建立的节点之间的权值模型建立从网关节点SINK开始，每次选择一个权值最大的节点加入到当前树中，直到网中的所有节点加入树，采取以下方法对建立的树进行维护：

（3a）根据以上建立的树计算每个节点子节点个数的计算，定义为度，即计算每个节点度的大小，然后计算网络中节点的平均度，让每个节点的度向平均度靠拢；

（3b）进行树的下一步维护，按照树中节点的剩余能量将其标记为红灯节点、黄灯节点以及绿灯节点，使红灯节点的子节点转移到其通信半径内的绿灯节点来重构树；

（4）根据上述建立的树进行数据传输，树中子节点将其收集到的数据传送给父节点，父节点对其自身收集到的数据以及子节点发送到的数据进行聚合操作，然后将聚合到的数据传送给自己父节点；

（5）按运行周期进行步骤（3）～（4）进行树的自适应维护，继续进行数据的传送；

（6）重复步骤（3）～（5）直至无线传感器网络中出现一定比例的节点能量耗尽，网络生命周期结束。

需要说明的是，所述权值模型为：

（1）定义E(i)_current为节点i的当前能量，E_init为网络中节点的初始能量，则节点i的全职模型为，α为参数，并且0≤α≤1：

$W=\frac{1}{\mathrm{\ρ}\left(i\right)}\[\mathrm{\α}\×\frac{\stackrel{\‾}{{\mathrm{hop}}_{\mathrm{pre}}}}{{\mathrm{hop}}_{\mathrm{pre}}\left(i\right)}+(1-\mathrm{\α})\×\frac{{E\left(i\right)}_{\mathrm{current}}}{E_{\mathrm{init}}}\];$

因为 $\mathrm{\ρ}\left(i\right)=\frac{\mathrm{hop}\left(i\right)-1}{{\mathrm{hop}}_{\max }},$ 所以权值模型为：

$W=\frac{{\mathrm{hop}}_{\max }}{\mathrm{hop}{\left(i\right)}_{\mathrm{pre}}-1}\[\mathrm{\α}\×\frac{\stackrel{\‾}{{\mathrm{hop}}_{\mathrm{pre}}}}{{\mathrm{hop}}_{\mathrm{pre}}\left(i\right)}+(1-\mathrm{\α})\×\frac{{E\left(i\right)}_{\mathrm{current}}}{E_{\mathrm{init}}}\]$

$=\mathrm{\α}\×\frac{{\mathrm{hop}}_{\max }\×\stackrel{\‾}{{\mathrm{hop}}_{\mathrm{pre}}}}{({\mathrm{hop}\left(i\right)}_{\mathrm{pre}}-1)\×{\mathrm{hop}}_{\mathrm{pre}}\left(i\right)}+(1-\mathrm{\α})\×\frac{{\mathrm{hop}}_{\max }\×{E\left(i\right)}_{\mathrm{current}}}{({\mathrm{hop}\left(i\right)}_{\mathrm{pre}}-1)\×E_{\mathrm{init}}}.$

需要说明的是，所述L＝300，N＝300；所述网关节点SINK坐标为（0,0）。

本发明有益效果在于：

1、本发明在多跳的无线传感器网络中综合考虑了距离因素、剩余能量因素以及延迟等因素，因此在均衡网络能耗的同时拥有更低的延迟，更重要的是具有很好的可扩展性；

2、本发明动态的维护了树的结构，并且对最优维护轮数进行了实验，能更好的均衡能量的消耗。并且在维护树的过程中以每个节点的负载作为更新的依据，这样就可以更好的提高网络的性能；

3、本发明在完全符合无线传感器通信特征的前提下，没有涉及有线链路、移动节点的条件，因此使得本发明可在不提高网络构建、维护、通信成本的前提下提高网络的性能。

附图说明

图1为本发明的总流程图；

图2为树根据平均度维护的示意图；

图3为树根据剩余能量维护的示意图；

图4为权值与生命周期的关系图；

图5为更新轮数与生命周期的关系图；

图6为轮数与存活节点个数的比较图；

图7为不同节点下延迟的比较图；

图8为不同算法的剩余能量比较图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明做进一步的描述。

如图1所示，本发明的实现步骤如下：

（1）在面积为S＝L×L的平面区域内，随机抛撒N个同构的无线传感器节点，其中L＝300，N＝300，并将网关节点SINK布置在网络中心，其坐标为(0,0),该网关节点SINK用于接收并处理整个无线传感器网络收集的数据；

（2）根据节点的跳数、剩余能量的感知以及聚合系数，建立网络中节点间的权值模型：

（2a）计算网络中每个节点的预跳数。假设节点ii的通信半径为rad(i)，与SINK节点的距离为dist(i,sink)，定义hop_pre(i)为节点i的预跳数：

（2b）根据节点i的实际跳数以及网络中的最大跳数来定义聚合系数，定义hop(i)为节点的实际跳数，hop_max为网络节点的最大跳数，则节点i的聚合系数为：

$\mathrm{\ρ}\left(i\right)=\frac{\mathrm{hop}\left(i\right)-1}{{\mathrm{hop}}_{\max }};$

（2c）确定节点i的权值模型：

（2c1）定义E(i)_current为节点i的当前能量，E_init为网络中节点的初始能量，则节点i的全职模型为，α为参数，并且0≤α≤1：

$W=\frac{1}{\mathrm{\ρ}\left(i\right)}\[\mathrm{\α}\×\frac{\stackrel{\‾}{{\mathrm{hop}}_{\mathrm{pre}}}}{{\mathrm{hop}}_{\mathrm{pre}}\left(i\right)}+(1-\mathrm{\α})\×\frac{{E\left(i\right)}_{\mathrm{current}}}{E_{\mathrm{init}}}\];$

因为 $\mathrm{\ρ}\left(i\right)=\frac{\mathrm{hop}\left(i\right)-1}{{\mathrm{hop}}_{\max }},$ 所以权值模型为：

$W=\frac{{\mathrm{hop}}_{\max }}{\mathrm{hop}{\left(i\right)}_{\mathrm{pre}}-1}\[\mathrm{\α}\×\frac{\stackrel{\‾}{{\mathrm{hop}}_{\mathrm{pre}}}}{{\mathrm{hop}}_{\mathrm{pre}}\left(i\right)}+(1-\mathrm{\α})\×\frac{{E\left(i\right)}_{\mathrm{current}}}{E_{\mathrm{init}}}\]$

$=\mathrm{\α}\×\frac{{\mathrm{hop}}_{\max }\×\stackrel{\‾}{{\mathrm{hop}}_{\mathrm{pre}}}}{({\mathrm{hop}\left(i\right)}_{\mathrm{pre}}-1)\×{\mathrm{hop}}_{\mathrm{pre}}\left(i\right)}+(1-\mathrm{\α})\×\frac{{\mathrm{hop}}_{\max }\×{E\left(i\right)}_{\mathrm{current}}}{({\mathrm{hop}\left(i\right)}_{\mathrm{pre}}-1)\×E_{\mathrm{init}}}.$

（3）根据建立的节点之间的权值模型建立从sink节点开始，每次选择一个权值最大的节点加入到当前树中，直到网中的所有节点加入树，其中权值的选取参考图4。采取以下方法对建立的树进行维护：

（3a）根据以上建立的树计算每个节点子节点个数的计算，我们定义为度，即计算每个节点度的大小，然后计算网络中节点的平均度。让每个节点的度向平均度靠拢；

（3b）进行树的下一步维护，按照树中节点的剩余能量将其标记为红灯节点、黄灯节点以及绿灯节点，让红灯节点的子节点转移到其通信半径内的绿灯节点来重构树。

（4）根据上述建立的树进行数据传输，树中子节点将其收集到的数据传送给父节点，父节点对其自身收集到的数据以及子节点发送到的数据进行聚合操作，然后将聚合到的数据传送给自己父节点。

（5）运行一段周期后按照步骤（3）～（4）进行树的自适应维护，继续进行数据的传送。这个周期具体参考图5.

（6）重复（3）～（5）直至无线传感器网络中出现一定比例的节点能量耗尽，网络生命周期结束。

如图2所示，非叶子节点的平均度为度取整后为3，而1节点的度为4，这就可能导致1节点能量的快速消耗，未解决这种现象，我们进行节点的转移操作，对1的一个子节点3，在与1节点同层的节点中节点2的度为2小于3，并且节点2在节点3的通信范围内，所以我们把节点1的子节点3转移到2节点上去，这样就更好的均衡了节点的能量消耗，从而延长网络的寿命。

如图3所示，节点3属于红灯节点，节点4为黄灯节点，其余节点为绿灯节点，如果网络的拓扑不及时的改变，这将导致节点3先于其他节点死亡，为了改变这种现象，延长节点3的寿命，我们对其进行子节点转移操作，在同层中的在其子节点通信半径内的有节点4和节点2，而节点4已经是黄灯节点，不能在进行加子节点操作，而节点2是绿色节点，我们就可以把节点6转移到节点2上去，这样就可以更好的减轻节点3的负担，延长节点3的寿命，从而延长网络的寿命，使网络具有更好的性质。

本发明的效果可以通过以下仿真实验结果进行进一步的说明。

1、仿真条件：

仿真实验的条件如下：网络区域大小为300m*300m，网络的节点数为300个，SINK节点的位置为网络边缘（0,0），每发送或接收单位数据的能量消耗E_elec(nJ/b)=50，节点中的放大电路在单位面积内传播单位数据消耗的能量ε_fs(pJ/b/m²)=10，E_da(nJ/b)=5，数据包大小为1000bit，节点初始能量为1J，参数α为1.3，延迟Delay(ms/kbit)=0.2。

2、仿真内容及仿真结果：

仿真1，如图4所示，对本发明中权值参数α的大小与网络的生命周期进行仿真，可以得出，当α=0.5时，树的生命周期最长。

仿真2，如图5所示，对本发明中树的拓扑更新轮数进行仿真，可以得出，当更新的轮数为90轮时，我们发现树的生命周期最长，所以我们选取当每隔90轮时对树进行拓扑的更新，这样就能使树的性能得到最优。

仿真3，对本发明与现有技术PEDAP，PESAP-PA与GIT进行了树的轮数与存活节点数进行了比较，仿真结果如图6所示，可以得出本发明更好延长了第一个节点以及其他节点死亡的时间，这是因为本发明在建立好树后一直在进行自适应的维护，并且对其更新轮数进行了最优处理，每轮中同层节点基本都有相同的能耗，使得他们基本在同一时间死亡，这就不会出现个别瓶颈节点过早死亡而影响网络数据收集传送性能的现象。

仿真4，对本发明与现有技术PEDAP，PESAP-PA与GIT进行了不同节点下延迟的比较，仿真结果如图7所示，可以得出本发明具有较小的延迟，这是因为DADAT算法在树的建立节点考虑了跳数这个延迟因素，而其他三个算法都是在考虑节点间距离以及节点能量两个因素下建立的树，并没有考虑跳数这个因素，从而导致跳数过大，使得中间节点增多，从而增多了节点的转发次数即增长了节点处理数据的时间，导致网络的平均延迟过大。

仿真5，对本发明与现有技术PEDAP,PESAP-PA与GIT进行了轮数与剩余能量的比较，如图8所示，可以得出由于都是基于最小生成树的拓扑结构，所以能量的消耗总体走势一样，但是本技术在相同轮数下的能耗最小，这是因为它在能量感知的基础上同时进行着树的维护操作，故而能耗较其他几种较小。

对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。

Claims (2)

1.一种基于度自适应调整动态聚合树的方法，在网络中具有网关节点SINK，以及无线传感器节点，其特征在于，所述方法包括以下步骤：

(1)在面积为S＝L×L的平面网络区域内，随机抛撒N个同构的无线传感器节点，将所述网关节点SINK布置在网络中心，其中，所述网关节点SINK用于接收并处理整个无线传感器网络收集的数据；

(2)根据节点的跳数、剩余能量的感知以及聚合系数，建立网络中节点间的权值模型：

(2a)计算网络中每个无线传感器节点的预跳数，假设无线传感器节点ii的通信半径为rad(i)，与SINK节点的距离为dist(i,sink)，定义hop_pre(i)为节点i的预跳数：

(2b)根据节点i的实际跳数以及网络中的最大跳数来定义聚合系数，定义hop(i)为节点的实际跳数，hop_max为网络节点的最大跳数，则节点i的聚合系数为：

(2c)确定节点i的权值模型；

(3)根据建立的节点之间的权值模型从网关节点SINK开始，每次选择一个权值最大的节点加入到当前树中，直到网中的所有节点加入树，采取以下方法对建立的树进行维护：

(3a)根据以上建立的树计算每个节点的子节点个数，定义为度，即计算每个节点度的大小，然后计算网络中节点的平均度，让每个节点的度向平均度靠拢；

(3b)进行树的下一步维护，按照树中节点的剩余能量将其标记为红灯节点、黄灯节点以及绿灯节点，使红灯节点的子节点转移到其通信半径内的绿灯节点来重构树；

(4)根据上述建立的树进行数据传输，树中子节点将其收集到的数据传送给父节点，父节点对其自身收集到的数据以及子节点发送到的数据进行聚合操作，然后将聚合到的数据传送给自己父节点；

(5)按运行周期进行步骤(3)～(4)进行树的自适应维护，继续进行数据的传送；

(6)重复步骤(3)～(5)直至无线传感器网络中出现一定比例的节点能量耗尽，网络生命周期结束；

其中，所述权值模型为：

(1)定义E(i)_current为节点i的当前能量，E_init为网络中节点的初始能量，则节点i的权值模型为，α为参数，并且0≤α≤1：

(2)因为所以权值模型为：

其中，为hop_pre(i)的平均值。

2.根据权利要求1所述的方法，其特征在于，所述L＝300，N＝300；所述网关节点SINK坐标为(0,0)。