CN110191480B - 具有移动Sink节点的三维无线传感网数据收集方法 - Google Patents
具有移动Sink节点的三维无线传感网数据收集方法 Download PDFInfo
- Publication number
- CN110191480B CN110191480B CN201910638939.3A CN201910638939A CN110191480B CN 110191480 B CN110191480 B CN 110191480B CN 201910638939 A CN201910638939 A CN 201910638939A CN 110191480 B CN110191480 B CN 110191480B
- Authority
- CN
- China
- Prior art keywords
- node
- grid
- sink node
- moving path
- sink
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013480 data collection Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims abstract description 58
- 238000005457 optimization Methods 0.000 claims abstract description 47
- 230000004083 survival effect Effects 0.000 claims abstract description 23
- 238000005265 energy consumption Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 230000009191 jumping Effects 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 21
- 239000003016 pheromone Substances 0.000 claims description 16
- 241000257303 Hymenoptera Species 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 241000287196 Asthenes Species 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000003068 static effect Effects 0.000 description 4
- 241000854291 Dianthus carthusianorum Species 0.000 description 2
- JWDYCNIAQWPBHD-UHFFFAOYSA-N 1-(2-methylphenyl)glycerol Chemical compound CC1=CC=CC=C1OCC(O)CO JWDYCNIAQWPBHD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供具有移动Sink节点的三维无线传感网数据收集方法,将长方形监测区域划分成大小相同的三维正方体网格,建立包括传感节点全覆盖约束、Sink移动路径选择约束、节点传输约束、能量消耗约束、链路传输量约束等约束条件的数据收集优化模型;求解Sink节点停留在已知移动路径的每一个网格上的节点间数据传输优化模型,并提出该移动路径的适应度值计算方法,根据移动路径的适应度值,求解Sink节点的移动路径优化模型,最终获得最优方案,从而Sink节点能收集所有传感节点的数据,并能提高网络生存时间和传感节点的平均数据传输率,降低移动路径长度、降低平均节点能耗方差和丢包率。
Description
技术领域:
本发明涉及无线通信技术领域,尤其涉及三维无线传感网技术领域,具体是指具有移动Sink节点的三维无线传感网数据收集方法。
背景技术:
无线传感网(wireless sensor networks,WSNs)中所有传感节点可协同完成信息采集任务,但是目前在危险环境(如火山、放射区、有毒化工区等)监测、灾难搜救、军事领域、水下监测等应用领域中,通常采用传感节点周期性上报数据且节点位置固定不变的静态无线传感网。但是该静态无线传感网一般随机部署传感节点,很容易造成节点分布和能耗的不均匀,很容易形成监测区域的能量空穴问题,缩短了网络生存时间。因此考虑Sink节点的移动,解决静态无线传感网的能量空穴问题,从而达到延长网络生存时间和降低节点能耗的目的。
目前,很多学者侧重于研究二维无线传感网下的Sink移动路径、数据收集等问题,如Luo J等人建立Sink节点停留在若干位置上的网络生存时间优化模型,并求解该模型获得最优方案,但是没有考虑Sink节点的移动路径选择。Nimisha G等人将监测区域分成若干个三角形和其外圆,Sink节点停留在圆心,采用贪婪方法获知下一时刻的停留位置,单跳收集传感节点的数据。Rao X等人将传感节点分簇,并选择簇头,且Sink遍历所有簇头收集数据。上述学者侧重于研究Sink节点的移动路径选择,但是Sink节点只是采用简单的单跳数据采集方法收集数据。Muhammed E K等人综合考虑Sink节点的移动路径选择和最优化方法,建立Sink节点移动的无线传感网生存时间优化模型,并提出对应方法求解。但是这些学者只考虑二维无线传感网的Sink移动的数据收集问题,没有考虑三维场景,其所提出的很多Sink节点的移动路径选择方法和数据收集方法很难适用于三维场景。
目前三维无线传感网主要侧重于研究到目的节点的路径规划和静态传感节点的数据收集,如Hosen A S等人提出了基于偏心率的数据路由方法,该方法将网络划分为三维子空间,在子空间中的任何节点的偏心区域中选择路由质心节点进行数据路由,从而降低选举阶段节点的能耗,内部通信的能耗和数据传输跳数。但是这些学者只是考虑Sink静止的数据收集方法,同样存在能量空穴问题。部分学者研究Sink移动的数据收集问题,如Akbar M等人提出一种Sink移动的有效数据收集方法。该方法考虑移动Sink节点和快递节点的线性移动,建立和求解最大化网络生存时间、最小化数据传输时延和最大化吞吐率的优化模型,尽可能降低节点的通信能耗,但是只是考虑简单的线性移动路径。Chen Y等人建立权衡网络生存时间和丢包率的优化模型,并采用修正的人工蜂群求解该优化模型,获得最优方案。虽然该优化方案尽可能提高网络生存时间和降低丢包率,适用于节点密集分布的三维无线传感网,但是节点能耗较高且Sink节点的移动路径较长,且没有考虑传感节点的全覆盖,不适用于节点稀疏分布的三维无线传感网。总之,相关学者较少涉及能全覆盖传感节点的Sink节点的三维移动路径选择和传感节点的数据通信问题。
发明内容:
本发明为了弥补以上现有技术中存在的不足,考虑三维监测区域内Sink节点的移动,提出一种具有移动Sink节点的三维无线传感网数据收集方法。该方法能获得全覆盖传感节点的Sink节点最优移动路径,获得能降低节点能耗的传感节点最优数据通信路由,从而Sink节点能收集到所有传感节点的数据,提高网络生存时间和传感节点的平均数据传输率,降低移动路径长度、平均节点能耗方差和丢包率。
为了实现上述目的,本发明采用如下技术方案实现:
具有移动Sink节点的三维无线传感网数据收集方法,内容包括:
(1)将三维长方体监测区域分成大小一致的正方体网格,并根据从左到右、从前到后、从上到下的原则对每一个正方体网格进行编码;
(2)建立如下数据收集优化模型,
max(100R*T/Lpath) (1)
其中,R表示数据传输率,T表示网络生存时间,Lpath表示Sink节点的移动路径长度;
所述数据收集优化模型包括传感节点全覆盖、移动路径约束、节点传输约束、能量消耗约束、链路传输量约束条件,各个约束条件如下:
s.t.CRate=1 (1.a)
上述约束条件公式中的各个参数定义说明如下:
CRate表示Sink节点的数据收集覆盖率,即在Sink节点的移动路径下,Sink节点能收集到数据的传感节点数量与总数量的比值;gv表示第v个正方体网格中心,Gd表示所有网格中心集合,L(gv,gw)表示从网格中心gv到邻居网格中心gw的线段,是一个状态指示符号,表示L(gv,gw)是否出现在Sink节点的移动路径上。表示线段(gv,gw)在Sink节点的移动路径上,表示线段(gv,gw)不在Sink节点的移动路径上;A表示该三维监测区域采用网格分割后可能出现的所有线段集合;s表示Sink节点移动路径中的初始网格中心,p表示Sink节点移动路径中的末端网格中心;表示当Sink节点停留在位置g时,与节点j通信时节点i的数据发送量,Pi表示节点i的数据感知速率,tg表示Sink节点在位置g的停留时间,W表示所有传感节点集合,通过hello包的收发可确定当Sink节点停留在位置g时在Sink节点的数据收集范围内的传感节点集合其他传感节点集合为则 表示Sink节点停留在位置g时传感节点i的邻居传感节点集合,表示传感节点i的电路电子能耗常数,与节点硬件的特性有关;表示当Sink节点停留在位置g时节点i到节点j的距离,表示传感节点i的信号放大常数,与节点硬件的特性有关,Dmax表示最大链路传输量;表示节点i与节点j的邻居关系符号,即
其中,(xi,yi,zi)表示节点i的三维坐标;
约束条件(1.a)表示Sink节点的移动路径要能全覆盖所有传感节点;约束条件(1.b)和约束条件(1.c)表示Sink节点在初始网格中心上开始移动,最终到末端网格中心后停止移动;约束条件(1.d)表示进入移动路径中除了初始网格中心和末端网格中心的每一个网格中心后,一定会离开该网格中心,即进出网格中心的状态值是相同的;约束条件(1.e)表示当Sink节点从上一个网格进入当前网格后,不能重新从当前网格返回到上一个网格,从而避免移动路径选择过程中的自循环问题;约束条件(1.f)表示当传感节点在Sink节点的通信范围内,则将数据通过多跳路由的方式发送给Sink节点;约束条件(1.g)表示在整个网络生存时间内节点能耗不大于其初始能量;约束条件(1.h)表示链路的带宽资源有限且链路传输的数据总量也有限;
(3)建立Sink节点的移动路径优化模型,并初始化迭代次数K,蚂蚁个数M,各个网格的信息素、网格覆盖次数;令当前蚂蚁序号m=1,当前迭代次数k=1,移动路径优化模型为:
max(1/Lpath) (4)
移动路径优化模型的约束条件为:s.t.约束条件(1.a)-(1.e);
(4)初始化蚂蚁m的初始位置,并令初始位置为蚂蚁m的当前位置;
(5)统计所有传感节点是否被Sink节点全覆盖,如果全覆盖,则m=m+1,如果m>M,则完成符合约束条件(1.a)-(1.e)的蚂蚁m移动路径的初始化,m=1,跳到步骤(7),否则跳到步骤(6);
(6)记录当前网格,并让当前位置网格覆盖次数加1,根据当前位置,获得邻居网格集合,选择该邻居网格集合中网格覆盖次数最小的网格,获得可停留的下一时刻网格集合,通过公式(5)计算下一时刻网格集合中每一个网格的选择概率,并计算累计概率;随机选择一个[0,1]区间中的随机数,选择累计概率大于该随机数的网格,并从中选择第一个网格作为下一个时刻的停留网格,令当前位置为该下一个时刻的停留网格中心,跳到步骤(5);
其中,表示第k次迭代时邻居网格Grid(u,w,r)的选择概率,Grid(u,w,r)表示监测区域内第u行的第w列的第r高的网格,表示在第k次迭代时邻居网格Grid(u,w,r)的信息素含量;表示邻居网格Grid(u,w,r)的覆盖次数,α,β表示网格信息素因子和局部启发信息因子;
(7)根据蚂蚁m的移动路径,计算移动距离Lpath,将Sink节点沿着蚂蚁m的移动路径的数据收集转换成在蚂蚁m的移动路径的每一个网格中心位置上停留的数据传收集,求解Sink节点停留在蚂蚁m的移动路径的每一个网格上的节点间数据传输优化模型,获得Sink节点停留在蚂蚁m的移动路径中每一个网格的节点间数据发送量最优值
(8)根据Sink节点沿着其移动路径移动时所有节点的最优数据发送量,通过公式(16)计算网络生存时间T,通过公式(17)计算所有传感节点的数据传输率R,
(9)通过公式(18),计算蚂蚁m的适应度值,m=m+1;如果m>M,则完成所有蚂蚁移动路径的适应度值计算,跳到步骤(10),否则跳到步骤(7);
fitness=100R*T/Lpath (18)
(10)通过公式(19)挥发所有网格的信息素值,并根据当前所有蚂蚁的移动路径和适应度值,选择当前适应度值最大的蚂蚁,增加该蚂蚁移动路径上的所有网格信息素;
其中,fitness1(k)表示第k个迭代中的最优适应度值,Rho表示挥发因子,Q表示信息素增加因子;
(11)如果k<K,则k=k+1,m=1,跳到步骤(4),否则退出,输出Sink节点的最优移动路径和传感节点的最优数据传输方案。
进一步设置,所述内容(7)中求解Sink节点停留在蚂蚁m的移动路径的每一个网格上的节点间数据传输优化模型的方法如下:
(7.1)令位置g为移动路径的初始位置;
(7.2)当Sink节点停留在位置g上时,能收集其数据收集通信范围内所有传感节点的数据,未在其数据收集通信范围内的节点处于休眠状态,此时Sink节点的数据收集需让其网络生存时间最大,即Sink节点停留在位置g上时的节点间数据传输优化模型为:
min(qg=1/Tg) (6)
s.t.
s.t.约束条件(6.a)-(6.d)
(7.4)引入拉格朗日乘子,得到以下拉格朗日方程:
其中,λi,νij,μi表示拉格朗日乘子;
(7.5)令
则将最小化模型(9)转化成其对偶模型;
max(λ,ν,μ)Ga(λi,νij,μi) (10)
(7.10)获得Sink节点停留在位置g时,其数据通信范围内所有节点的数据发送量最优值如果位置g是蚂蚁m移动路径的最后一个位置,则获得Sink节点沿着其移动路径移动时所有节点的最优数据发送量,退出,否则令位置g为移动路径中当前位置的下一个位置,跳到步骤(7.6)。
与现有技术相比,本发明有益效果主要表现在:将长方形监测区域划分成大小相同的三维正方体网格,建立包括传感节点全覆盖约束、Sink移动路径选择约束、节点传输约束、能量消耗约束、链路传输量约束等约束条件的数据收集优化模型;求解Sink节点停留在已知移动路径的每一个网格上的节点间数据传输优化模型,并提出该移动路径的适应度值计算方法,根据移动路径的适应度值,求解Sink节点的移动路径优化模型,最终获得最优方案,即获得能全覆盖传感节点的Sink节点最优移动路径,获得能降低节点能耗的传感节点最优数据通信路由,从而Sink节点能收集所有传感节点的数据,并能提高网络生存时间和传感节点的平均数据传输率、降低移动路径长度、降低平均节点能耗方差和丢包率。
以下通过附图和具体实施方式对本发明做进一步阐述。
附图说明:
图1为本发明实施例中的工作流程图。
具体实施方式:
具有移动Sink节点的三维无线传感网数据收集方法,如图1所示,方法如下:
(1)将三维长方体监测区域分成大小一致的正方体网格,并根据从左到右、从前到后、从上到下的原则对每一个正方体网格进行编码;
(2)建立如下数据收集优化模型,
max(100R*T/Lpath) (1)
其中,R表示数据传输率,T表示网络生存时间,Lpath表示Sink节点的移动路径长度;
数据收集优化模型包括传感节点全覆盖、移动路径约束、节点传输约束、能量消耗约束、链路传输量约束条件,各个约束条件如下:
s.t.CRate=1 (1.a)
上述约束条件公式中的各个参数定义说明如下:
CRate表示Sink节点的数据收集覆盖率,即在Sink节点的移动路径下,Sink节点能收集到数据的传感节点数量与总数量的比值。gv表示第v个正方体网格中心,Gd表示所有网格中心集合,L(gv,gw)表示从网格中心gv到邻居网格中心gw的线段,是一个状态指示符号,表示L(gv,gw)是否出现在Sink节点的移动路径上。表示线段(gv,gw)在Sink节点的移动路径上,表示线段(gv,gw)不在Sink节点的移动路径上。A表示该三维监测区域采用网格分割后可能出现的所有线段集合。s表示Sink节点移动路径中的初始网格中心,p表示Sink节点移动路径中的末端网格中心。表示当Sink节点停留在位置g时,与节点j通信时节点i的数据发送量,Pi表示节点i的数据感知速率,tg表示Sink节点在位置g的停留时间,W表示所有传感节点集合,通过hello包的收发可确定当Sink节点停留在位置g时在Sink节点的数据收集范围内的传感节点集合其他传感节点集合为则 表示Sink节点停留在位置g时传感节点i的邻居传感节点集合,表示传感节点i的电路电子能耗常数,与节点硬件的特性有关。表示当Sink节点停留在位置g时节点i到节点j的距离,表示传感节点i的信号放大常数,与节点硬件的特性有关,Dmax表示最大链路传输量。表示节点i与节点j的邻居关系符号,即
其中,(xi,yi,zi)表示节点i的三维坐标。
约束条件(1.a)表示Sink节点的移动路径要能全覆盖所有传感节点;约束条件(1.b)和约束条件(1.c)表示Sink节点在初始网格中心上开始移动,最终到末端网格中心后停止移动;约束条件(1.d)表示进入移动路径中除了初始网格中心和末端网格中心的每一个网格中心后,一定会离开该网格中心,即进出网格中心的状态值是相同的;约束条件(1.e)表示当Sink节点从上一个网格进入当前网格后,不能重新从当前网格返回到上一个网格,从而避免移动路径选择过程中的自循环问题;约束条件(1.f)表示当传感节点在Sink节点的通信范围内,则将数据通过多跳路由的方式发送给Sink节点;约束条件(1.g)表示在整个网络生存时间内节点能耗不大于其初始能量;约束条件(1.h)表示链路的带宽资源有限且链路传输的数据总量也有限;
(3)建立Sink节点的移动路径优化模型,并初始化迭代次数K,蚂蚁个数M,各个网格的信息素、网格覆盖次数;令当前蚂蚁序号m=1,当前迭代次数k=1,移动路径优化模型为:
max(1/Lpath) (4)
移动路径优化模型的约束条件为:s.t.约束条件(1.a)-(1.e);
(4)初始化蚂蚁m的初始位置,并令初始位置为蚂蚁m的当前位置;
(5)统计所有传感节点是否被Sink节点全覆盖,如果全覆盖,则m=m+1,如果m>M,则完成符合约束条件(1.a)-(1.e)的蚂蚁m移动路径的初始化,m=1,跳到步骤(7),否则跳到步骤(6);
(6)记录当前网格,并让当前位置网格覆盖次数加1,根据当前位置,获得邻居网格集合,选择该邻居网格集合中网格覆盖次数最小的网格,获得可停留的下一时刻网格集合,通过公式(5)计算下一时刻网格集合中每一个网格的选择概率,并计算累计概率;随机选择一个[0,1]区间中的随机数,选择累计概率大于该随机数的网格,并从中选择第一个网格作为下一个时刻的停留网格,令当前位置为该下一个时刻的停留网格中心,跳到步骤(5);
其中,表示第k次迭代时邻居网格Grid(u,w,r)的选择概率,Grid(u,w,r)表示监测区域内第u行的第w列的第r高的网格,表示在第k次迭代时邻居网格Grid(u,w,r)的信息素含量;表示邻居网格Grid(u,w,r)的覆盖次数,α,β表示网格信息素因子和局部启发信息因子;
(7)根据蚂蚁m的移动路径,计算移动距离Lpath,将Sink节点沿着蚂蚁m的移动路径的数据收集转换成在蚂蚁m的移动路径的每一个网格中心位置上停留的数据传收集,求解Sink节点停留在蚂蚁m的移动路径的每一个网格上的节点间数据传输优化模型,获得Sink节点停留在蚂蚁m的移动路径中每一个网格的节点间数据发送量最优值所述求解Sink节点停留在蚂蚁m的移动路径的每一个网格上的节点间数据传输优化模型的方法如下:
(7.1)令位置g为移动路径的初始位置;
(7.2)当Sink节点停留在位置g上时,能收集其数据收集通信范围内所有传感节点的数据,未在其数据收集通信范围内的节点处于休眠状态,此时Sink节点的数据收集需让其网络生存时间最大,即Sink节点停留在位置g上时的节点间数据传输优化模型为:
min(qg=1/Tg) (6)
s.t.
s.t.约束条件(6.a)-(6.d)
(7.4)引入拉格朗日乘子,得到以下拉格朗日方程:
其中,λi,νij,μi表示拉格朗日乘子;
(7.5)令
则将最小化模型(9)转化成其对偶模型;
max(λ,ν,μ)Ga(λi,νij,μi) (10)
(7.10)获得Sink节点停留在位置g时,其数据通信范围内所有节点的数据发送量最优值如果位置g是蚂蚁m移动路径的最后一个位置,则获得Sink节点沿着其移动路径移动时所有节点的最优数据发送量,退出,否则令位置g为移动路径中当前位置的下一个位置,跳到步骤(7.6)。
(8)根据Sink节点沿着其移动路径移动时所有节点的最优数据发送量,通过公式(16)计算网络生存时间T,通过公式(17)计算所有传感节点的数据传输率R,
(9)通过公式(18),计算蚂蚁m的适应度值,m=m+1;如果m>M,则完成所有蚂蚁移动路径的适应度值计算,跳到步骤(10),否则跳到步骤(7);
fitness=100R*T/Lpath (18)
(10)通过公式(19)挥发所有网格的信息素值,并根据当前所有蚂蚁的移动路径和适应度值,选择当前适应度值最大的蚂蚁,增加该蚂蚁移动路径上的所有网格信息素;
其中,fitness1(k)表示第k个迭代中的最优适应度值,Rho表示挥发因子,Q表示信息素增加因子;
(12)如果k<K,则k=k+1,m=1,跳到步骤(4),否则退出,输出Sink节点的最优移动路径和传感节点的最优数据传输方案。
本发明提供了一种具有移动Sink节点的三维无线传感网数据收集方法。将长方形监测区域划分成大小相同的三维正方体网格,建立包括传感节点全覆盖约束、Sink移动路径选择约束、节点传输约束、能量消耗约束、链路传输量约束等约束条件的数据收集优化模型;求解Sink节点停留在已知移动路径的每一个网格上的节点间数据传输优化模型,并提出该移动路径的适应度值计算方法,根据移动路径的适应度值,求解Sink节点的移动路径优化模型,最终获得最优方案,即获得能全覆盖传感节点的Sink节点最优移动路径,获得能降低节点能耗的传感节点最优数据通信路由,从而Sink节点能收集所有传感节点的数据,并能提高网络生存时间和传感节点的平均数据传输率、降低移动路径长度、降低平均节点能耗方差和丢包率。
以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围中。
Claims (2)
1.具有移动Sink节点的三维无线传感网数据收集方法,其特征在于:内容包括:
(1)将三维长方体监测区域分成大小一致的正方体网格,并根据从左到右、从前到后、从上到下的原则对每一个正方体网格进行编码;
(2)建立如下数据收集优化模型,
max(100R*T/Lpath) (1)
其中,R表示数据传输率,T表示网络生存时间,Lpath表示Sink节点的移动路径长度;
所述数据收集优化模型包括传感节点全覆盖、移动路径约束、节点传输约束、能量消耗约束、链路传输量约束条件,各个约束条件如下:
s.t.CRate=1 (1.a)
上述约束条件公式中的各个参数定义说明如下:
CRate表示Sink节点的数据收集覆盖率,即在Sink节点的移动路径下,Sink节点能收集到数据的传感节点数量与总数量的比值;gv表示第v个正方体网格中心,Gd表示所有网格中心集合,L(gv,gw)表示从网格中心gv到邻居网格中心gw的线段,是一个状态指示符号,表示L(gv,gw)是否出现在Sink节点的移动路径上;表示线段(gv,gw)在Sink节点的移动路径上,表示线段(gv,gw)不在Sink节点的移动路径上;A表示该三维监测区域采用网格分割后可能出现的所有线段集合;s表示Sink节点移动路径中的初始网格中心,p表示Sink节点移动路径中的末端网格中心;表示当Sink节点停留在位置g时,与节点j通信时节点i的数据发送量,Pi表示节点i的数据感知速率,tg表示Sink节点在位置g的停留时间,W表示所有传感节点集合,通过hello包的收发可确定当Sink节点停留在位置g时在Sink节点的数据收集范围内的传感节点集合其他传感节点集合为则 表示Sink节点停留在位置g时传感节点i的邻居传感节点集合,表示传感节点i的电路电子能耗常数,与节点硬件的特性有关;表示当Sink节点停留在位置g时节点i到节点j的距离,表示传感节点i的信号放大常数,与节点硬件的特性有关,Dmax表示最大链路传输量;表示节点i与节点j的邻居关系符号,即
其中,(xi,yi,zi)表示节点i的三维坐标;
约束条件(1.a)表示Sink节点的移动路径要能全覆盖所有传感节点;约束条件(1.b)和约束条件(1.c)表示Sink节点在初始网格中心上开始移动,最终到末端网格中心后停止移动;约束条件(1.d)表示进入移动路径中除了初始网格中心和末端网格中心的每一个网格中心后,一定会离开该网格中心,即进出网格中心的状态值是相同的;约束条件(1.e)表示当Sink节点从上一个网格进入当前网格后,不能重新从当前网格返回到上一个网格,从而避免移动路径选择过程中的自循环问题;约束条件(1.f)表示当传感节点在Sink节点的通信范围内,则将数据通过多跳路由的方式发送给Sink节点;约束条件(1.g)表示在整个网络生存时间内节点能耗不大于其初始能量;约束条件(1.h)表示链路的带宽资源有限且链路传输的数据总量也有限;
(3)建立Sink节点的移动路径优化模型,并初始化迭代次数K,蚂蚁个数M,各个网格的信息素、网格覆盖次数;令当前蚂蚁序号m=1,当前迭代次数k=1,移动路径优化模型为:
max(1/Lpath) (4)
移动路径优化模型的约束条件为:s.t.约束条件(1.a)-(1.e);
(4)初始化蚂蚁m的初始位置,并令初始位置为蚂蚁m的当前位置;
(5)统计所有传感节点是否被Sink节点全覆盖,如果全覆盖,则m=m+1,如果m>M,则完成符合约束条件(1.a)-(1.e)的蚂蚁m移动路径的初始化,m=1,跳到步骤(7),否则跳到步骤(6);
(6)记录当前网格,并让当前位置网格覆盖次数加1,根据当前位置,获得邻居网格集合,选择该邻居网格集合中网格覆盖次数最小的网格,获得可停留的下一时刻网格集合,通过公式(5)计算下一时刻网格集合中每一个网格的选择概率,并计算累计概率;随机选择一个[0,1]区间中的随机数,选择累计概率大于该随机数的网格,并从中选择第一个网格作为下一个时刻的停留网格,令当前位置为该下一个时刻的停留网格中心,跳到步骤(5);
其中,表示第k次迭代时邻居网格Grid(u,w,r)的选择概率,Grid(u,w,r)表示监测区域内第u行的第w列的第r高的网格,表示在第k次迭代时邻居网格Grid(u,w,r)的信息素含量;表示邻居网格Grid(u,w,r)的覆盖次数,α,β表示网格信息素因子和局部启发信息因子;
(7)根据蚂蚁m的移动路径,计算移动距离Lpath,将Sink节点沿着蚂蚁m的移动路径的数据收集转换成在蚂蚁m的移动路径的每一个网格中心位置上停留的数据传收集,求解Sink节点停留在蚂蚁m的移动路径的每一个网格上的节点间数据传输优化模型,获得Sink节点停留在蚂蚁m的移动路径中每一个网格的节点间数据发送量最优值
(8)根据Sink节点沿着其移动路径移动时所有节点的最优数据发送量,通过公式(16)计算网络生存时间T,通过公式(17)计算所有传感节点的数据传输率R,
(9)通过公式(18),计算蚂蚁m的适应度值,m=m+1;如果m>M,则完成所有蚂蚁移动路径的适应度值计算,跳到步骤(10),否则跳到步骤(7);
fitness=100R*T/Lpath (18)
(10)通过公式(19)挥发所有网格的信息素值,并根据当前所有蚂蚁的移动路径和适应度值,选择当前适应度值最大的蚂蚁,增加该蚂蚁移动路径上的所有网格信息素;
其中,fitness1(k)表示第k个迭代中的最优适应度值,Rho表示挥发因子,Q表示信息素增加因子;
(11)如果k<K,则k=k+1,m=1,跳到步骤(4),否则退出,输出Sink节点的最优移动路径和传感节点的最优数据传输方案。
2.根据权利要求1所述的具有移动Sink节点的三维无线传感网数据收集方法,其特征在于:所述内容(7)中求解Sink节点停留在蚂蚁m的移动路径的每一个网格上的节点间数据传输优化模型的方法如下:
(7.1)令位置g为移动路径的初始位置;
(7.2)当Sink节点停留在位置g上时,能收集其数据收集通信范围内所有传感节点的数据,未在其数据收集通信范围内的节点处于休眠状态,此时Sink节点的数据收集需让其网络生存时间最大,即Sink节点停留在位置g上时的节点间数据传输优化模型为:
min(qg=1/Tg) (6)
s.t.
s.t.约束条件(6.a)-(6.d)
(7.4)引入拉格朗日乘子,得到以下拉格朗日方程:
其中,λi,νij,μi表示拉格朗日乘子;
(7.5)令
则将最小化模型(9)转化成其对偶模型;
max(λ,ν,μ)Ga(λi,νij,μi) (10)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910332786X | 2019-04-24 | ||
CN201910332786 | 2019-04-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110191480A CN110191480A (zh) | 2019-08-30 |
CN110191480B true CN110191480B (zh) | 2022-05-06 |
Family
ID=67725800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910638939.3A Active CN110191480B (zh) | 2019-04-24 | 2019-07-16 | 具有移动Sink节点的三维无线传感网数据收集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110191480B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516424B (zh) * | 2020-04-10 | 2024-04-12 | 北京京东振世信息技术有限公司 | 一种线路生成方法、装置、电子设备和存储介质 |
CN111479236B (zh) * | 2020-05-12 | 2022-04-01 | 上海海洋大学 | 一种分布式无线传感网络的组网节点模式及其网络节点部署方法 |
CN112566241B (zh) * | 2020-12-03 | 2022-07-29 | 浙江树人学院(浙江树人大学) | 基于移动锚点的三维无线传感网节点定位方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459914A (zh) * | 2008-12-31 | 2009-06-17 | 中山大学 | 基于蚁群算法的无线传感器网络节点覆盖优化方法 |
CN102802229A (zh) * | 2012-08-28 | 2012-11-28 | 重庆电子工程职业学院 | 在水环境中无线传感器网络的qos路由长寿路径的确定方法 |
CN102917430A (zh) * | 2012-10-17 | 2013-02-06 | 上海大学 | 基于量子蚁群算法的无线传感器网络可信安全路由 |
CN103095572A (zh) * | 2013-01-29 | 2013-05-08 | 山东省计算中心 | 一种移动多Sink型无线传感器网络的路由维护方法 |
CN103228023A (zh) * | 2013-04-25 | 2013-07-31 | 青岛农业大学 | 基于粒子群蚁群优化的无线传感器网络分簇路由方法 |
CN103281741A (zh) * | 2013-05-16 | 2013-09-04 | 东南大学 | 一种基于六边形区域划分的无线传感器网络分簇路由方法 |
CN103327564A (zh) * | 2013-05-30 | 2013-09-25 | 电子科技大学 | 基于蚁群算法的无线传感器网络路由方法 |
CN103532667A (zh) * | 2013-09-30 | 2014-01-22 | 西安电子科技大学 | 基于孙子剩余定理的无线传感器网络数据可靠传输方法 |
CN105246097A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种具有移动Sink节点的无线传感网生存时间优化方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009006560B4 (de) * | 2009-01-27 | 2011-06-16 | Freie Universität Berlin | Verfahren und Sensornetz zur Merkmalsauswahl für eine Ereigniserkennung |
US8630222B2 (en) * | 2011-02-24 | 2014-01-14 | The Hong Kong University Of Science And Technology | Delay-constrained and energy-efficient online routing for asynchronous sensor networks |
-
2019
- 2019-07-16 CN CN201910638939.3A patent/CN110191480B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459914A (zh) * | 2008-12-31 | 2009-06-17 | 中山大学 | 基于蚁群算法的无线传感器网络节点覆盖优化方法 |
CN102802229A (zh) * | 2012-08-28 | 2012-11-28 | 重庆电子工程职业学院 | 在水环境中无线传感器网络的qos路由长寿路径的确定方法 |
CN102917430A (zh) * | 2012-10-17 | 2013-02-06 | 上海大学 | 基于量子蚁群算法的无线传感器网络可信安全路由 |
CN103095572A (zh) * | 2013-01-29 | 2013-05-08 | 山东省计算中心 | 一种移动多Sink型无线传感器网络的路由维护方法 |
CN103228023A (zh) * | 2013-04-25 | 2013-07-31 | 青岛农业大学 | 基于粒子群蚁群优化的无线传感器网络分簇路由方法 |
CN103281741A (zh) * | 2013-05-16 | 2013-09-04 | 东南大学 | 一种基于六边形区域划分的无线传感器网络分簇路由方法 |
CN103327564A (zh) * | 2013-05-30 | 2013-09-25 | 电子科技大学 | 基于蚁群算法的无线传感器网络路由方法 |
CN103532667A (zh) * | 2013-09-30 | 2014-01-22 | 西安电子科技大学 | 基于孙子剩余定理的无线传感器网络数据可靠传输方法 |
CN105246097A (zh) * | 2015-09-11 | 2016-01-13 | 浙江树人大学 | 一种具有移动Sink节点的无线传感网生存时间优化方法 |
Non-Patent Citations (2)
Title |
---|
Efficient geographical 3D routing for Wireless Sensor Networks in smart spaces;Zhixiao Wang;《2011 Baltic Congress on Future Internet and Communications》;20111231;全文 * |
基于QoS保障的水下无线传感器网络拓扑控制及路由协议的研究;刘斌;《中国优秀博士论文合辑》;20171231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110191480A (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110191480B (zh) | 具有移动Sink节点的三维无线传感网数据收集方法 | |
Kuila et al. | Energy efficient clustering and routing algorithms for wireless sensor networks: Particle swarm optimization approach | |
CN103052147B (zh) | 一种基于无线传感网的能量有效性多级环形组网的方法 | |
CN103686922B (zh) | 一种多Sink节点移动的无线传感网生存时间优化方法 | |
CN111526592B (zh) | 一种用于无线干扰信道中的非协作多智能体功率控制方法 | |
CN109960279B (zh) | 一种基于启发式算法的无人机盘旋半径优化方法 | |
CN112637907B (zh) | 毫米波网络中用户多关联和下行功率分配的联合优化方法 | |
CN114040473A (zh) | 一种无线传感器网络分簇路由方法 | |
Almalki | Developing an adaptive channel modelling using a genetic algorithm technique to enhance aerial vehicle-to-everything wireless communications | |
Zorbas et al. | Collision-free sensor data collection using lorawan and drones | |
Cai et al. | Age-oriented access control in GEO/LEO heterogeneous network for marine IoRT: A deep reinforcement learning approach | |
CN115589250A (zh) | 一种星地中继物联网大规模中继选择与功率控制方法 | |
CN113115355B (zh) | 一种d2d***中基于深度强化学习的功率分配方法 | |
CN115412156B (zh) | 一种面向城市监测的卫星携能物联网资源优化分配方法 | |
CN115209425B (zh) | 一种基于无线传感器分布的无人机部署方法 | |
Diakhate et al. | Optimization of wireless sensor networks energy consumption by the clustering method based on the firefly algorithm | |
CN108769944B (zh) | 面向桥梁结构健康监测的mp-mr-mc无线传感器网络数据收集方法 | |
Prajapati et al. | Multi-objective heterogeneous clustering approach for efficient-energy optimization in WSN | |
Denkovski et al. | Extension of the WSN lifetime through controlled mobility | |
Zhang et al. | The evolution game analysis of clustering for asymmetrical multi-factors in WSNs | |
CN113242182B (zh) | 基于SDN的移动自组织网络中QoS敏感的路由分配方法 | |
CN111615166B (zh) | 一种面向农业应用的无人机自组网分簇评判方法 | |
CN115633388A (zh) | 一种基于遗传算法的异构无线传感器网络高能效分簇方法 | |
Shang et al. | An Optimization Method of Dynamic Source Routing Protocol in Flying Ad Hoc Network | |
Manikandan et al. | Improved Rat Swarm Based Multihop Routing Protocol for Wireless Sensor Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |