CN104202787A - 基于最佳冗余度的无线传感器网络自适应路由方法 - Google Patents

Abstract

本发明公开了一种基于最佳冗余度的无线传感器网络自适应路由方法，包括1)在无线传感器网络内，随机抛撒若干个无线传感器网络节点，并布置用于发起查询任务并接收目标区域的CH传来的数据的数据处理中心；2)根据HEEDCA分簇算法将无线传感器网络节点分簇管理；3)数据处理中心向目标区域发起查询任务，目标区域内的CH通过AFTQCK算法计算出该查询任务的最佳冗余度；4)每个目标区域内的CH利用计算出来的最佳冗余度向数据处理中心发送数据；5)重复步骤2)至4)，直至无线传感器网络中总能量耗尽。本发明提高了查询成功率，最大化网络生命周期；网络能量消耗得以均衡并降低了能耗；满足用户服务质量要求，消除了应用范围太局限的现象。

Description

基于最佳冗余度的无线传感器网络自适应路由方法

技术领域

本发明属于通信技术领域，涉及一种数据聚合以及路由容错的方法，具体涉及一种基于最佳冗余度的无线传感器网络自适应路由方法。该方法可以有效地提高查询任务的成功率，并且最大化延长无线传感器网络的生命周期。

背景技术

随着计算机网络的飞速发展，通信技术日新月异，给人们生活发生了极大的变化。近年来，各种无线通信应用层出不穷。相对于有线通信来说，无线通信具有很大的灵活性，并且节约网络设施的成本，这使得它具有更加广泛的应用前景。无线传感器网络(Wireless Sensor Networks，WSNs)是由一组随机部署的传感器节点通过自组织的方式构建的网络，它的目的是协同感知、可靠传输和智能处理感知到的信息。无线传感器网络具有广泛应用前景，在军事监控、设备检测、环境科学、医疗卫生、农业生产、空间探测、商业应用等领域具有重要的价值和意义。

WSNs常部署在无人看管的环境中，并且节点还可能被捕获，然后发动一些恶意攻击，例如虚假路由消息攻击、选择性转发攻击、Sybil攻击、污水池攻击、Hello洪泛攻击及关键点攻击等。WSNs收集数据的方式一般分为源点驱动式和基于查询式。源点驱动式是传感节点周期性地向数据处理中心(Data Processing Centre，DPC)报告数据，通过这种收集方式，基站能方便地收集到所有管辖区域的数据，不过这种收集方式具有能量消耗较大的缺陷。而基于查询式是基站有目的性的探寻目标区域，这种收集方式可以确保基站安全、及时地收集数据。

在基于查询的无线传感器网络中，为了满足用户服务质量(Quality of Service，QoS)要求，往往通过增加冗余度来增强网络的容错能力，但是大量的冗余势必会加快网络能量的消耗，从而缩短网络的运行时间。因此需要探索最佳的源点冗余度和路径冗余度来权衡查询的可靠性和能量消耗。通常保证QoS要求主要从以下两个方面考虑：第一，利用传感节点的冗余性提供多条传输路径来保证通信的可靠性；第二，通过建立针对传输可靠性的评估模型，用来保证每一跳信息传输的可靠性。

目前在基于查询的WSNs中，利用冗余机制满足QoS要求的研究有：

(1)多路径路由协议，在该协议中首先建立由数据源节点到聚集节点的主要路径，然后建立多条备选路径；数据主要是通过主路径来传输，同时也利用备选路径进行少部分的数据传送，用来维护路径的有效性；每当主路径失败时，就从备选路径中选择次优路径当做新的主路径，该路由算法虽然能保证数据可靠的传输，然而却需要记录多条路径，导致能量消耗太快，很大地缩短了网络的生命周期。

(2)ReInForM路由协议，在该协议中，首先，数据源节点根据数据传输的可靠性要求计算出所需要的传输路径的条数；其次，在邻节点中选择一部分节点当做下一跳的中继节点，并给每一个节点按照一定的比例分配相应的路径数目；最后源节点把分配的路径数目写入数据报头并发给邻节点。一旦邻节点接收到源节点的数据，就将自己当作源节点，重复以上的源节点的构建路由的过程。该路由算法动态地计算传输路径数目，难以保证数据传输的及时性，而仅仅将数据的安全性作为QoS要求，导致应用范围具有很大的局限性。

(3)MMSPEED路由协议，在多路径多速率路由协议(Multi-Path and Multi-SpeedRouting Protocol，MMSPEED)中，数据包首先根据它们的及时性和可靠性要求选择合适的服务选项组合，然后根据邻节点信息进行路由的选择，达到端到端的QoS要求，节点间不需要端到端的路由寻找和记录。该算法能够适应网络的动态性，但是没有考虑能量的消耗。

(4)AFTQCK算法，又称为针对K个目标区域的自适应的容错服务质量控制算法(Adaptive Fault-Tolerant Quality of Service Control algorithm for K areas，AFTQCK)在该算法中通过增加源节点和路径的冗余度来满足QoS要求，并分析了最佳的源节点和路径冗余度，使得网络生命周期达到最大化。该算法采用基于源节点和路径冗余的多跳的数据传输形式，动态地形成数据传输的多条路径，取代通常在数据传输以前就确定大量冗余的多条路径的方法，从而能保证数据传输的耗能较低、可靠性较高以及网络生命周期较长。但是该算法仅分析了对一个区域进行查询的情况，对于多个区域的查询和存在恶意节点或不可靠节点的情形，该算法没有考虑。

上述现有技术的缺陷和不足限制了无线传感器网络的性能，增加了能耗，缩短了网络生命周期，使其应用范围过于局限，因此，亟需改进上述方法在无线传感器网络中的应用。

发明内容

本发明的目的是提供一种基于最佳冗余度的无线传感器网络自适应路由方法，以克服利用现有冗余机制满足QoS要求存在的技术缺陷。本发明可以很好地满足用户的QoS要求，使得能量消耗均衡并降低了能耗，消除应用范围太局限的现象，提高了查询成功率，最大化网络生命周期，提高了无线传感器网络的性能。

为实现上述目的，本发明采取的技术方案是：

基于最佳冗余度的无线传感器网络自适应路由方法，按如下步骤进行：

步骤一，在无线传感器网络区域内，随机抛撒若干个无线传感器网络节点，并布置数据处理中心(Data Processing Centre，DPC)；其中，数据处理中心用于发起查询任务并接收目标区域的簇头(Cluster Head，CH)传来的数据；

步骤二，根据混合节能分布式分簇算法(Hybrid Energy Efficient DistributedClustering Algorithm，HEEDCA)将无线传感器网络节点分簇管理；

步骤三，数据处理中心向目标区域发起查询任务，每个目标区域内的CH首先通过针对K个目标区域的自适应的容错服务质量控制算法(Adaptive Fault-Tolerant Quality ofService Control algorithm for K areas，AFTQCK)计算出该查询任务在满足服务质量要求下，且使得平均无故障时间(Mean Time to Failure，MTTF)达到最大化的最佳冗余度；

步骤四，每个目标区域内的CH利用计算出来的最佳冗余度向数据处理中心发送数据；

步骤五，重复步骤二至步骤四，直至无线传感器网络中总能量耗尽。

进一步地，所述的基于最佳冗余度的无线传感器网络自适应路由方法，还包括如下步骤：数据处理中心向非目标区域发起查询任务，若接受查询任务的无线传感器网络节点为非目标区域的CH，则该无线传感器网络节点作为中继节点并向其邻居节点转入查询任务，执行步骤三。

作为优选的技术方案，所述的基于最佳冗余度的无线传感器网络自适应路由方法，按如下步骤进行：

步骤一，在无线传感器网络区域内，随机抛撒若干个相同的无线传感器网络节点，并将数据处理中心布置在无线传感器网络区域的中心；其中，数据处理中心用于发起查询任务并接收目标区域的CH传来的数据；

步骤二，根据HEEDCA分簇算法将无线传感器网络节点分簇管理；

步骤三，数据处理中心向多个目标区域发起查询任务，每个目标区域内的CH首先通过AFTQCK算法计算出该查询任务在满足服务质量要求下，且使得平均无故障时间(Mean Time to Failure，MTTF)达到最大化的最佳冗余度；

步骤四，每个目标区域内的CH利用计算出来的最佳冗余度向数据处理中心发送数据；

步骤五，重复步骤二至步骤四，直至无线传感器网络中总能量耗尽。

进一步地，所述步骤二中，根据HEEDCA分簇算法将无线传感器网络节点分簇管理的方法为：

(4.1)在每个无线传感器网络节点中筛选初始簇头；

(4.2)目标区域内的CH广播簇头消息，非簇头节点向目标区域内的CH发出请求加簇消息，收到加簇消息的目标区域内的CH向该非簇头节点发送允许加簇消息；

(4.3)非簇头节点选择通信代价最小的可达簇头作为其簇头。

进一步地，所述步骤三中，设每个目标区域内的CH通过AFTQCK算法计算出查询任务的最佳冗余度为(m_s,m_p)，其中，m_s表示源节点冗余度，m_p表示路径冗余度；获得最佳冗余度(m_s,m_p)的方法为：

(5.1)计算一次由m_s个普通传感器节点(Sensor Nodes，SNs)向其目标区域内的CH报告数据，然后该CH经过m_p条路经向数据处理中心传输数据的查询成功传输的概率R_q；

(5.2)由第t次查询要求k个簇头(Cluster Heads，CHs)应答的概率为P_t(k)，得到第t次查询成功的平均概率R_Q(t)；

(5.3)计算一次由m_s个SNs向其目标区域内的CH报告数据，然后该CH经过m_p条路经向数据处理中心传输数据的能量消耗E_q；

(5.4)由第t次查询要求k个CHs应答的概率为P_t(k)，得到第t次查询消耗的平均消耗能量E_Q(t)；

(5.5)计算每次分簇消耗的能量E_clustering；

(5.6)针对不同的(m_s,m_p)，利用求平均无故障时间(Mean Time to Failure，MTTF)的公式计算出相应的MTTF，记录使得MTTF最大的(m_s,m_p)即为最佳冗余度，MTTF的计算公式如下：

$\left\{\begin{array}{c}\mathrm{MTTF}=\frac{\left(\underset{i=1}{\overset{N_q-1}{\mathrm{\Σ}}}{\mathrm{iR}}_Q^i\left(t\right)(1-R_Q\left(t\right)+N_q{R}_Q^{N_q}\left(t\right)\right)}{{\mathrm{\λ}}_q}\\ N_q={\mathrm{\λ}}_q{T}_{\mathrm{life}}=\frac{{\mathrm{\λ}}_q(E_{\mathrm{initial}}-E_{\mathrm{threshold}})}{{\mathrm{\λ}}_q{E}_Q\left(t\right)+(E_{\mathrm{clustering}}/T_{\mathrm{clustering}})}\end{array}\right.$

式中，λ_q＝1次/min为查询速率，E_threshold＝0为能量阈值，T_clustering∈[5-20]sec为分簇间隔。

进一步地，所述每个目标区域内的CH利用计算出来的最佳冗余度(m_s,m_p)向数据处理中心DPC发送数据，按如下步骤进行：

(6.1)每个目标区域内的CH随机选择m_s个簇内SNs，要求每个簇内SNs向其报告数据，然后CH基于投票机制处理m_s个SNs传来的数据，舍弃不可信数据，并将不可信数据对应的普通传感器节点(Sensor Node，SN)记为恶意节点，最后将可信数据取平均值得到最终数据；

(6.2)每个目标区域内的CH根据多路径多速率路由协议(Multi-Path andMulti-Speed Routing Protocol，MMSPEED)路由协议选择m_p条不相交的到达数据处理中心的路径，并进行数据的传输。

作为技术方案的优选，所述步骤一中，无线传感器网络区域面积大小为400×400，随机抛撒1000个相同的无线传感器网络节点，并将数据处理中心布置在无线传感器网络区域的中心，数据处理中心的坐标为(0,0)。

与现有技术相比，本发明具有如下的优点：

(1)本发明对节点进行分簇综合考虑了诸多的因素，这些因素包括网络节点距离数据处理中心DPC的跳数、节点的剩余能量以及节点能耗等因素，便于控制网络的拓扑结构和数据的收集与传输。

(2)本发明在簇内收集数据时，使用投票机制舍弃恶意节点传来的错误数据，有效地提高了数据的可靠性。

(3)本发明节点通过提前估计最佳冗余度的方法，不仅能很大程度上提高查询的成功率，还能最大化网络的生命周期，进而提高了网络能量利用率。

(4)本发明基于最佳冗余度自适应地进行数据的传输，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、移动节点等条件，因此使得本发明的方法可以在不提高网络构建、维护、通信成本的前提下提高网络的性能。

附图说明

图1本发明的总流程图。

图2是本发明中计算最佳冗余度的AFTQCK算法流程图。

图3(a)是本发明中在不同的通信环境和及时性应答要求条件下(当e＝0.0001，Treq＝1sec时)，平均无故障时间MTTF随(m_s,m_p)的变化情况。

图3(b)是本发明中在不同的通信环境和及时性应答要求条件下(当e＝0.01，Treq＝1sec时)，平均无故障时间MTTF随(m_s,m_p)的变化情况。

图3(c)是本发明中在不同的通信环境和及时性应答要求条件下(当e＝0.01，Treq＝0.8sec时)，平均无故障时间MTTF随(m_s,m_p)的变化情况。

图4是本发明中在不同的通信环境和及时性应答要求条件下，查询的可靠性RQ随(m_s,m_p)的变化情况。

图5是本发明中能量消耗EC随(m_s,m_p)的变化情况。

图6是本发明中在e＝0.0001和Treq＝1sec的环境下，平均无故障时间MTTF随(m_s,m_p)的变化的理论分析值和仿真实验值的比较。

图7是本发明中在存在10％的恶意节点和Treq＝1sec的环境下，MTTF随(m_s,m_p)的变化的理论分析值和仿真实验值的比较。

具体实施方式

为了更加清楚的阐述本发明的目的、技术方案和优点，下面结合附图对本发明做进一步详尽的描述。

参照附图1和图2，本发明的实现步骤如下：

(1)在面积大小为S＝A×A的平面无线传感器网络区域内，随机抛撒n个相同的无线传感器节点，并将数据处理中心(Data Processing Centre，DPC)布置在无线传感器网络区域的中心，数据处理中心DPC的坐标为(0,0)；其中，数据处理中心DPC用于发起查询任务并接收目标区域的簇头(Cluster Head，CH)传来的数据；

(2)每个无线传感器节点以概率CH_prob当选初始簇头(Cluster Head，CH)，CH_prob计算公式如下：

${\mathrm{CH}}_{\mathrm{prob}}=C_{\mathrm{prob}}\×\frac{E_{\mathrm{residual}}}{E_{\mathrm{initial}}}---\left(1\right)$

式(1)中，C_prob＝0.01为初始时CH所占总结点数的百分比，E_residual为节点剩余能量，E_initial为节点初始能量；

(3)CH广播簇头消息Message1，每个非簇头节点i收到消息Message1后立即向该CH发出请求加簇消息Message2，收到Message2的CH立即向节点i发送允许加簇消息Message3，选择通信代价COST_i最小的可达簇头作为自己的簇头，COST_j计算公式如下：

COST_j＝Time(第j个Message3到达时刻)-Time(第j个Message2发出时刻) (2)

(4)每个节点i根据其硬件故障率q和由其周围通信环境差引起的传输失败率e_i，得到节点i传送数据失败的概率Q_t,i，其计算公式如下：

Q_t,i＝1-[(1-q)(1-e_i)]  (3)

(5)设随机变量d_intra表示普通传感器节点(Sensor Node，SN)与其CH的距离，一个SN成为CH的概率为p，假设节点在区域内服从参数为λ的泊松分布，可得到SN与其CH的距离的数学期望E[d_intra]，其计算公式如下：

$E\left[d_{\mathrm{intra}}\right]=\frac{1}{{2\left(\mathrm{p\λ}\right)}^{1/2}}---\left(4\right)$

(6)若上述步骤(5)中E[d_intra]大于节点的通信半径r，则SN采用多跳路由将采集到的数据发送到其CH，可得到平均跳数其计算公式如下：

式中，为不小于x的最小整数；

(7)设随机变量d_inter表示源CH与DPC的距离，可由二重积分得到源CH与DPC的距离数学期望E[d_inter]，其计算公式如下：

$\begin{array}{c}E\left[d_{\mathrm{inter}}\right]=\frac{1}{A^2}{\∫}_{-A/2}^{A/2}{\∫}_{-A/2}^{A/2}\sqrt{(X_i^2+Y_i^2)}{\mathrm{dX}}_i{\mathrm{dY}}_i\\ =0.3825A\end{array},---\left(6\right)$

(8)若(7)中E[d_inter]大于通信半径r，则簇头CHs(Cluster Heads，CHs)采用多跳路由将采集到的数据发送到DPC，可得到平均跳数其计算公式如下:

(9)一次从DPC到目标区域的查询，要求在Treq时间内得到应答，结合(5)中的E[d_intra]和(7)中的E[d_inter]，得到节点的最小传输速率的数学期望E[X_set]，其计算公式如下：

$E\left[X_{\mathrm{set}}\right]=\frac{0.3825A+\frac{1}{2{\left(\mathrm{p\λ}\right)}^{1/2}}}{T_{\mathrm{req}}}---\left(8\right)$

(10)设点i向节点j发送数据的速率S_ij服从区间为[a,b]的均匀分布，其中a,b分别为及时性要求Treq的边界值对应的最小和最大的速率期望值，因此利用概率分布函数得到节点i向节点j发送数据，未达到速率要求的概率Q_t,ij，其计算公式如下：

$Q_{t,\mathrm{ij}}=\mathrm{cdf}(S_{\mathrm{ij}}\≤E[X_{\mathrm{set}}\left]\right)=\frac{E\left[X_{\mathrm{set}}\right]-a}{b-a}---\left(9\right)$

(11)结合步骤(4)计算出来的Q_t,i和步骤(10)计算出来的Q_t,ij，来计算节点i向它的一跳邻节点j传送数据失败的概率Q_rt,ij，其计算公式如下：

Q_rt,ij＝1-[(1-Q_t,ij)(1-Q_r,i)]  (10)

(12)由于节点i仅在朝向DPC方向的1/4区域内的节点中选择中继节点，估算出一次由源CH到DPC的经过跳的传输成功率其计算公式如下：

$\mathrm{\Θ}\left(N_{\mathrm{inter}}^h\right)=\left(\underset{j=1}{\overset{N_{\mathrm{inter}}^h-1}{\mathrm{\Π}}}(1-\underset{k=1}{\overset{n_k/4}{\mathrm{\Π}}}{Q}_{\mathrm{rt},\mathrm{ik}})\right)\×(1-Q_{\mathrm{rt},N_{\mathrm{inter}}^h(N_{\mathrm{inter}}^h+1)})---\left(11\right)$

式中n_k＝λπr²；

(13)利用同样的方法估算出一次有SN到其CH的经过跳的传输成功率其计算公式如下：

$\mathrm{\Θ}\left(N_{\mathrm{intra}}^h\right)=\left(\underset{j=1}{\overset{N_{\mathrm{inter}}^h-1}{\mathrm{\Π}}}(1-\underset{k=1}{\overset{n_k/4}{\mathrm{\Π}}}{Q}_{\mathrm{rt},\mathrm{ik}})\right)\×(1-Q_{\mathrm{rt},N_{\mathrm{intra}}^h(N_{\mathrm{intra}}^h+1)})---\left(12\right)$

(14)结合步骤(12)中计算出来的和步骤(13)中计算出来的来计算一次由m_s(源节点冗余度)个源头向CH其报告数据，然后CH经过m_p(路径冗余度)条路经向DPC传输数据的查询成功传输的概率R_q其计算公式如下：

$R_q=(1-\underset{i=1}{\overset{m_s}{\mathrm{\Π}}}(1-\mathrm{\Θ}\left(N_{\mathrm{intra}}^h\right)))\×(1-\underset{i=1}{\overset{m_p}{\mathrm{\Π}}}(1-\mathrm{\Θ}\left(N_{\mathrm{inter}}^h\right)))---\left(13\right)$

(15)由第t次查询要求k个CHs应答的概率为P_t(k)，得到第t次查询成功的平均概率R_Q(t)，其计算公式如下：

$R_Q\left(t\right)=\underset{k=1}{\overset{\mathrm{np}}{\mathrm{\Σ}}}{P}_t\left(k\right)R_q^k---\left(14\right)$

(16)计算一个SN向与其相距为d的另一个SN发送n_bbits的数据包消耗的能量E_T，其计算公式如下：

E_T＝n_b(E_elec+E_ampd^x)  (15)

式中，E_elec是发送器及接收器无线信号电路所消耗的能量，E_amp是发送放大器电路消耗的能量，x＝2或4；

(17)计算一个SN接收n_bbits的数据包消耗的能量E_R，其计算公式如下：

E_R＝n_bE_elec  (16)

(18)由DPC向目标区域的CH发查询消息消耗的能量E_pc，其计算公式如下：

$E_{\mathrm{pc}}=N_{\mathrm{inter}}^h(E_T+n_k{E}_R)---\left(17\right)$

(19)由m_s个SNs向其CH传输数据所消耗的能量E_sc，其计算公式如下：

$E_{\mathrm{sc}}=m_s{N}_{\mathrm{intra}}^h(E_T+n_k{E}_R)---\left(16\right)$

(20)由源CH利用m_p条路径向DPC传输数据所消耗的能量E_cp，其计算公式如下：

$E_{\mathrm{cp}}=E_T+n_k{E}_R+m_p(N_{\mathrm{inter}}^h-1)(E_T+n_k{E}_R)---\left(17\right)$

(21)由第t次查询要求k个CHs应答的概率为P_t(k)，得到第t次查询消耗的平均消耗能量E_Q(t)，其计算公式如下：

$E_Q\left(t\right)=\underset{k=1}{\overset{\mathrm{np}}{\mathrm{\Σ}}}{P}_t\left(k\right)\×(k\×(E_{\mathrm{pc}}+E_{\mathrm{sc}}+E_{\mathrm{cp}}))---\left(18\right)$

(22)每次分簇能量消耗在候选CHs广播自己是簇头消息和SNs请求加簇的过程,共执行N_iteration次簇头选择算法,得到分簇过程的总消耗能量E_clustering，其计算公式如下：

$E_{\mathrm{clustering}}={\mathrm{pnN}}_{\mathrm{iteration}}\left[N_{\mathrm{intra}}^h{n}_k(E_T+E_R)\right]+n(E_T+E_R)---\left(19\right)$

(23)针对不同的(m_s,m_p)，利用求平均无故障时间(Mean Time to Failure，MTTF)的公式计算出相应的MTTF，记录使得MTTF达到最大的(m_s,m_p)即为最佳冗余度；

$\left\{\begin{array}{c}\mathrm{MTTF}=\frac{\left(\underset{i=1}{\overset{N_q-1}{\mathrm{\Σ}}}{\mathrm{iR}}_Q^i\left(t\right)(1-R_Q\left(t\right)+N_q{R}_Q^{N_q}\left(t\right)\right)}{{\mathrm{\λ}}_q}\\ N_q={\mathrm{\λ}}_q{T}_{\mathrm{life}}=\frac{{\mathrm{\λ}}_q(E_{\mathrm{initial}}-E_{\mathrm{threshold}})}{{\mathrm{\λ}}_q{E}_Q\left(t\right)+(E_{\mathrm{clustering}}/T_{\mathrm{clustering}})}\end{array}\right.---\left(\text{20}\right)$

式中，λ_q＝1次/min为查询速率，E_threshold＝0为能量阈值，T_clustering∈[5-20]sec为分簇间隔；

(24)CH随机选择m_s个簇内SNs，要求它们报告数据，然后CH基于投票机制处理m_s个SNs传来的数据，舍弃与其它SNs报告的数据差异很大的数据，并将相应的SN即为恶意节点，最后将可信数据取平均值得到最终数据；

(25)CH根据MMSPEED路由协议选择m_p条不相交的到达DPC的路径，并进行数据的传送。

本发明的效果可以通过以下仿真实验结果作进一步的说明。

1、仿真条件

仿真实验的条件如下：无线传感器网络区域大小为400×400，无线传感器网络节点数n＝1000，数据处理中心DPC的坐标位置为(0,0)，每发送或接收单位数据的能量消耗E_elec(nJ/b)＝50，无线传感器网络节点中的放大电路传播单位数据消耗的能量ε_fs(pJ/b/m²＝)10，ε_amp(pJ/b/m⁴)＝0.0013，数据包大小为50bit，无线传感器网络节点初始能量为10J，数据传输率为200kb/s，能量阈值为0J。

2、仿真内容及仿真实验结果：

仿真(1)

对本发明在不同的通信环境和及时性应答要求条件下，MTTF随(m_s,m_p)的变化情况做出仿真，仿真结果如图3(a)、图3(b)和图3(c)。其中，图3(a)是当e＝0.0001，Treq＝1sec时MTTF随(m_s,m_p)的变化情况；图3(b)是当e＝0.01，Treq＝1sec时MTTF随(m_s,m_p)的变化情况；图3(c)是当e＝0.01，Treq＝0.8sec时MTTF随(m_s,m_p)的变化情况。从图3(a)、图3(b)和图3(c)可以看出，本发明构建的无线传感器网络通过分析查询的可靠性RQ和能量消耗EC针对不同的冗余组合的变化情况，可以得出最佳冗余度一定存在的结论。

仿真(2)

对本发明在不同的通信环境和及时性应答要求条件下查询的可靠性RQ随(m_s,m_p)的变化情况进行仿真，仿真如图4。从图4可以看出，对于不同传输失败率，查询的可靠性RQ的变化趋势大致是一样的，随着m_s和m_p的增大，查询的可靠性均增大，但是查询的可靠性RQ的变化受m_p的影响更加显著。

仿真(3)

对本发明EC随(m_s,m_p)的变化情况做出仿真，仿真如图5。从图5可以看出，EC也随着m_s和m_p的增大而增加，并且能量消耗的变化受m_p的影响更加显著。这是因为簇间的距离往往比簇内的距离更大，所以路径冗余比源节点冗余更能提高***的可靠性，但是能量消耗也更多。

仿真(4)

对本发明在e＝0.0001和Treq＝1sec的环境下，MTTF随(m_s,m_p)的变化的理论分析值和仿真实验值的比较进行仿真，仿真如图6。从图6可以看出，虽然每次查询需要多少个目标区域应答是随机的，难免会使得理论分析结和仿真实验结果有一定的差异，但是总体趋势是吻合的，特别地，均在(2,2)处MTTF达到最大化。

仿真(5)

对本发明在存在10％的恶意节点和Treq＝1sec的环境下，MTTF随(m_s,m_p)的变化的理论分析值和仿真实验值的比较进行仿真，仿真如图7。从图7可以看出，虽然恶意节点的存在区域和每次查询需要多少个目标区域应答都是随机的，难免会使得仿真实验与理论分析结果有一定的差异，但是总体的变化的趋势是一样的，特别的，利用多次运行取平均值的方法，得到均在(6,4)处平均无故障时间取得最大值。

上面结合实施例对本发明做了进一步的叙述，但本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (7)

1.基于最佳冗余度的无线传感器网络自适应路由方法，其特征在于，包括如下步骤：

步骤一，在无线传感器网络区域内，随机抛撒若干个无线传感器网络节点，并布置数据处理中心；其中，数据处理中心用于发起查询任务并接收目标区域的簇头传来的数据；

步骤二，根据混合节能分布式分簇算法将无线传感器网络节点分簇管理；

步骤三，数据处理中心向目标区域发起查询任务，每个目标区域内的簇头首先通过AFTQCK算法计算出该查询任务在满足服务质量要求下，且使得平均无故障时间达到最大化的最佳冗余度；

步骤四，每个目标区域内的簇头利用计算出来的最佳冗余度向数据处理中心发送数据；

步骤五，重复步骤二至步骤四，直至无线传感器网络中总能量耗尽。

2.根据权利要求1所述的基于最佳冗余度的无线传感器网络自适应路由方法，其特征在于还包括如下步骤：数据处理中心向非目标区域发起查询任务，若接受查询任务的无线传感器网络节点为非目标区域的簇头，则该无线传感器网络节点作为中继节点并向其邻居节点转入查询任务，执行步骤三。

3.根据权利要求1所述的基于最佳冗余度的无线传感器网络自适应路由方法，其特征在于，包括如下步骤：

步骤一，在无线传感器网络区域内，随机抛撒若干个相同的无线传感器网络节点，并将数据处理中心布置在无线传感器网络区域的中心；其中，数据处理中心用于发起查询任务并接收目标区域的簇头传来的数据；

步骤二，根据混合节能分布式分簇算法将无线传感器网络节点分簇管理；

步骤三，数据处理中心向多个目标区域发起查询任务，每个目标区域内的簇头首先通过AFTQCK算法计算出该查询任务在满足服务质量要求下，且使得平均无故障时间达到最大化的最佳冗余度；

步骤四，每个目标区域内的簇头利用计算出来的最佳冗余度向数据处理中心发送数据；

步骤五，重复步骤二至步骤四，直至无线传感器网络中总能量耗尽。

4.根据权利要求1或2或3所述的基于最佳冗余度的无线传感器网络自适应路由方法，其特征在于所述步骤二中，根据混合节能分布式分簇算法将无线传感器网络节点分簇管理的方法为：

(4.1)在每个无线传感器网络节点中筛选初始簇头；

(4.2)目标区域内的簇头广播簇头消息，非簇头节点向目标区域内的簇头发出请求加簇消息，收到加簇消息的目标区域内的簇头向该非簇头节点发送允许加簇消息；

(4.3)非簇头节点选择通信代价最小的可达簇头作为其簇头。

5.根据权利要求1或2或3所述的基于最佳冗余度的无线传感器网络自适应路由方法，其特征在于所述步骤三中，设每个目标区域内的簇头通过AFTQCK算法计算出查询任务的最佳冗余度为(m_s,m_p)，其中，m_s表示源节点冗余度，m_p表示路径冗余度；获得最佳冗余度(m_s,m_p)的方法为：

(5.1)计算一次由m_s个普通传感器节点向其目标区域内的簇头报告数据，然后该簇头经过m_p条路经向数据处理中心传输数据的查询成功传输的概率R_q；

(5.2)由第t次查询要求k个簇头应答的概率为P_t(k)，得到第t次查询成功的平均概率R_Q(t)；

(5.3)计算一次由m_s个普通传感器节点向其目标区域内的簇头报告数据，然后该簇头经过m_p条路经向数据处理中心传输数据的能量消耗E_q；

(5.4)由第t次查询要求k个簇头应答的概率为P_t(k)，得到第t次查询消耗的平均消耗能量E_Q(t)；

(5.5)计算每次分簇消耗的能量E_clustering；

(5.6)针对不同的(m_s,m_p)，计算出相应的MTTF，记录使得MTTF最大的(m_s,m_p)即为最佳冗余度，MTTF的计算公式如下：

$\left\{\begin{array}{c}\mathrm{MTTF}=\frac{\left(\underset{i=1}{\overset{N_q-1}{\mathrm{\Σ}}}{\mathrm{iR}}_Q^i\left(t\right)(1-R_Q\left(t\right)+N_q{R}_Q^{N_q}\left(t\right)\right)}{{\mathrm{\λ}}_q}\\ N_q={\mathrm{\λ}}_q{T}_{\mathrm{life}}=\frac{{\mathrm{\λ}}_q(E_{\mathrm{initial}}-E_{\mathrm{threshold}})}{{\mathrm{\λ}}_q{E}_Q\left(t\right)+(E_{\mathrm{clustering}}/T_{\mathrm{clustering}})}\end{array}\right.$

式中，λ_q＝1次/min为查询速率，E_threshold＝0为能量阈值，T_clustering∈[5-20]sec为分簇间隔。

6.根据权利要求1或2或3所述的基于最佳冗余度的无线传感器网络自适应路由方法，其特征在于所述每个目标区域内的簇头利用计算出来的最佳冗余度(m_s,m_p)向数据处理中心发送数据，按如下步骤进行：

(6.1)每个目标区域内的簇头随机选择m_s个簇内普通传感器节点，要求每个簇内普通传感器节点向其报告数据，然后簇头基于投票机制处理m_s个普通传感器节点传来的数据，舍弃不可信数据，并将不可信数据对应的普通传感器节点记为恶意节点，最后将可信数据取平均值得到最终数据；

(6.2)每个目标区域内的簇头根据多路径多速率路由协议选择m_p条不相交的到达数据处理中心的路径，并进行数据的传输。

7.根据权利要求3所述的基于最佳冗余度的无线传感器网络自适应路由方法，其特征在于所述步骤一中，无线传感器网络区域面积大小为400×400，随机抛撒1000个相同的无线传感器网络节点，并将数据处理中心布置在无线传感器网络区域的中心，数据处理中心的坐标为(0,0)。