CN114040473A - 一种无线传感器网络分簇路由方法 - Google Patents

一种无线传感器网络分簇路由方法 Download PDF

Info

Publication number
CN114040473A
CN114040473A CN202111435936.3A CN202111435936A CN114040473A CN 114040473 A CN114040473 A CN 114040473A CN 202111435936 A CN202111435936 A CN 202111435936A CN 114040473 A CN114040473 A CN 114040473A
Authority
CN
China
Prior art keywords
node
nodes
cluster head
wireless gateway
cluster
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.)
Pending
Application number
CN202111435936.3A
Other languages
English (en)
Inventor
刘洪�
陈锦山
谭冲
郑敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Microsystem and Information Technology of CAS
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
Shanghai Institute of Microsystem and Information Technology of CAS
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Microsystem and Information Technology of CAS, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical Shanghai Institute of Microsystem and Information Technology of CAS
Priority to CN202111435936.3A priority Critical patent/CN114040473A/zh
Publication of CN114040473A publication Critical patent/CN114040473A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
    • 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
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • 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
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • 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

本发明提供一种无线传感器网络分簇路由方法，包括：提供一部署有多个中继节点的无线传感器网络；在所有存活的中继节点中进行当前的无线网关节点的选举；将当前的无线网关节点之外存活的中继节点作为普通节点，进行簇首节点的选举并建立分簇；传感器接入到最近的中继节点并将数据传输到中继节点上，簇首节点以外的普通节点通过单跳的方式将数据传输到其对应分簇的簇首节点；簇首节点对数据进行数据融合，并且簇首节点之间采用多跳组网的方式传输数据，以将数据传输到无线网关节点；无线网关将数据传输到监测平台；重复上述步骤。本发明的无线传感器网络分簇路由方法可以解决输变配电场景下的无线传感器网络能耗过高，网络生存周期过短的问题。

Description

一种无线传感器网络分簇路由方法
技术领域
本发明涉及无线传感器网络路由协议，具体涉及一种基于改进SSA算法的、面向输变配场景的无线传感器网络分簇路由方法。
背景技术
输电线路传输距离长，监测区域广，并且处于室外，无人值守。变电站中布线复杂，长距离传输线易受电磁干扰。而监测环境信息和获得设备运行状况均依赖于大量的传感器，包含微气象、压力、舞动、覆冰等传感器，因此，无线传感器网络(Wireless SensorNetwork，WSN)[1]技术是这一问题的有效手段。无线传感器网络是一种结合了传感器技术和网络通信技术，采用低成本的节点，自动组网，动态配置，具有较高的扩展性和鲁棒性。因此，电力***中各种传感器被广发使用。
而无线传感器网络中能耗的问题在输变配电场景中仍有体现，无线传感节点大部分由电池供电，而且长期处于无人值守地区，更换电池比较困难，即使节点使用取能技术，从周围的环境获取电能(如太阳能、机械振动能)，但是收环境的影响很大，降低***尤为关键。同时，输变配电环境中，监测区域大，传输距离长，包含着大量的传感器，且难以供电，链状的传输导致汇聚节点周围的“热点节点”承担了大量传感器节点的信息转发，自身也在收集环境信息，能量被快速消耗，节点过早死亡，网络生存周期严重缩短。
输变配电场景中，传输数据到监测平台的功能通常由4G模块完成，4G模块会定时向监测平台发送心跳和数据，产生的能耗较大，大于相同时间下与单个传感器通信产生的能耗。而中继节点间也可以通过与传感器通信的方式进行组网，并且产生的能耗会小于节点直接传输数据到监测平台的能耗。
高效的路由和调度算法对于降低网络的能耗，延长网络的生存周期有着重要的作用，其综合位置信息等各类因素，分配和调度节点数据报文的转发，规划较优的路径，节省每一轮***传输带来的能耗，同时考虑节点的剩余能耗，保证负载均衡，防止特殊节点迅速死亡，延长网络生存周期。
目前，现有的传感器网络分簇路由算法虽然相对于平面型路由均衡了负载，延长了网络的生存时间[3]。但也存在一个或多个以下的问题：1)没有考虑到部分传感器没有组网能力，而且传感器众多的情况。具体来说，为了节约成本，部分传感器的计算能力较低，不具有组网能力，无法成为“簇首节点”或中继节点，只能以单跳的传输方式进行数据传输。2)没有考虑到节点的剩余能量，能耗低的节点依然有一定的概率成为簇首，导致迅速死亡。3)没有考虑到位置因素，选举出的簇首可能为边缘节点，导致这个网络的结构分布不够均匀，周围的节点数量较少，或者距离汇聚节点距离较远，传输代价较高。4)节点之间均为单跳传输，对于距离汇聚节点较远的节点，提高发射功率，扩大传输半径的代价很高，反而转发到附近的节点，通过多跳传输会节省很多能量。因此，网络传输中仅有单跳传输的策略是不足的。
因此，结合电力物联网中输变配电环境的特点，研究一个高效、节能和稳定的新的路由和调度算法，对于输变配电场景的监测***有着重要的意义。
麻雀搜索算法(Sparrow Search Algorithm，SSA)[2]是由Xue等在2020年提出的一种模拟麻雀觅食和警戒行为的智能算法，在高维多峰的优化上其求解成功率、收敛速度等方面表现优异，已应用于图像分割，三维无人机航空优化等场景。而输变配电场景中节点个数众多，对于最优簇首集合的选举问题，SSA算法寻优精度高，有着一定的优势，并且尚未应用在簇首选举当中。
参考文献：
[1]马祖长，孙怡宁，梅涛.无线传感器网络综述[J].通信学报，2004，25(4)：114-124.
[2]Xue J K,Shen B.A novel swarm intelligence optimization approach:Sparrow search algorithm[J].Systems Science&Control Engineering,2020,8(1):22-34.
[3]Heinzelman W R,Chandrakasan A,Balakrishnan H.Energy-efficientcommunication protocol for wireless microsensor networks[C]//Proceedings ofthe 33rd Annual Hawaii International Conference on System Sciences:Maui,HI,USA:IEEE,2000:1-10.
发明内容
本发明的目的在于提供一种无线传感器网络分簇路由方法，以解决输变配电场景下的无线传感器网络能耗过高，网络生存周期过短的问题。
为了实现上述目的，本发明提供了一种无线传感器网络分簇路由方法，包括：
S1：提供一部署有多个中继节点的无线传感器网络，所有中继节点均能够与传感器通信并能够与监测平台通信，进行网络初始化；
S2：在所有存活的中继节点中进行当前的无线网关节点的选举；
S3：将当前的无线网关节点之外所有存活的中继节点作为普通节点，在普通节点中进行簇首节点的选举，并建立分簇；
S4：传感器接入到最近的中继节点并将数据传输到中继节点上，簇首节点以外的普通节点通过单跳的方式将数据传输到其对应分簇的簇首节点；簇首节点对数据进行数据融合，并且簇首节点之间采用多跳组网的方式传输数据，以将数据传输到无线网关节点；无线网关将数据传输到监测平台；
S5：重复上述步骤S1-步骤S4。
在所述步骤S1中，进行网络初始化，包括：预设一个中继节点作为前无线网关节点，各个中继节点将自身的报文信息发送给前无线网关节点；报文信息包括全局ID，剩余能量和地理位置。
所述步骤S2包括：
步骤S21：确定无线网关节点选举时，各个存活的中继节点的无线网关节点权值函数；
其中，在无线网关节点选举时，第i个存活的中继节点的无线网关节点权值函数pWG(i)为：
Figure BDA0003381750060000031
Figure BDA0003381750060000032
Figure BDA0003381750060000041
Figure BDA0003381750060000042
其中，α、β、δ为无线网关节点权值函数的权重系数，α+β+δ＝1，α,β,δ∈(0,1)，Enode(i)是第i个存活的中继节点的剩余能量，E(Enode)是所有存活的中继节点的平均剩余能量，Nneighbor(i)是第i个存活的中继节点的邻接节点个数，E(Nneigbor)为所有存活的中继节点平均的邻接节点数，dtoCT(i)是第i个存活的中继节点距离存活节点集合的质心的距离，E(dtoCT)是所有存活的中继节点距离存活节点集合的质心的距离的平均值，n为所有存活的中继节点的个数，Galive是存活节点集合；
步骤S22：根据各个存活的中继节点的无线网关节点权值函数确定当前的无线网关节点；无线网关节点权值函数的最大值所对应的中继节点是当前的无线网关节点。
在所述步骤S3中，在低功耗自适应集簇分层型协议的基础上采用麻雀搜索算法来进行簇首选举。
在所述步骤S3中，在普通节点中进行簇首选举，包括：
S31：将多组候选簇首节点的序号数组分别作为种群的向量，以进行种群初始化；
S32：确定每个种群的综合适应度值，并进行排序；
S33：确定当前迭代次数的下一次迭代的发现者的位置；
S34：确定当前迭代次数的下一次迭代的加入者的位置；
S35：确定当前迭代次数的下一次迭代的警戒者的位置；
S36：将当前迭代次数的下一次迭代作为新的当前迭代次数，重复步骤S33～步骤S35，直到迭代完成，此时得到的所有种群的当前迭代次数t的最佳的综合适应度值所对应的种群是簇首节点的选举结果。
所述步骤S31具体包括：
S311：确定在进行候选节点的选取时，第i个普通节点的簇首选举权值函数pcluster(i)；
S312：根据簇首选举权值函数pcluster(i)对普通节点由大到小排序，选择前50％的节点作为候选节点；对于每一个种群，从候选节点随机抽取不重复的K个候选节点，其序号作为其中一组候选簇首节点的序号数组并作为单个种群的向量，随后重复多次随机抽取，以构建多个向量作为多个种群初始值；K为簇的总数目；
S313：将UB，LB记为节点编号的上下界，并根据节点编号的上下界设置整个存活节点的编号区间。
在所述步骤S32中，种群的综合适应度值为：
Figure BDA0003381750060000051
其中，φ，
Figure BDA0003381750060000052
γ分别是能量的适应度函数、簇间距离的适应度函数和簇首节点到无线网关节点的距离的适应度函数的权重，
Figure BDA0003381750060000053
Figure BDA0003381750060000054
f1、f2、f3分别是能量的适应度函数、簇间距离的适应度函数和簇首节点到无线网关节点的距离的适应度函数；
能量的适应度函数f1为：
Figure BDA0003381750060000055
其中，i为普通节点的序数；j为簇的序数；n为普通节点的总数目；K为簇的总数目；Enode(i)为种群中第i个普通节点的能量，ECH(j)为种群中第j个簇的簇首节点的能量；
簇间距离的适应度函数f2为：
Figure BDA0003381750060000056
其中，i为普通节点的序数；j为簇的序数；d(j,i)表示种群中第j个簇中第i个普通节点到簇首节点的距离，nc(j)表示种群中第j个簇内的普通节点个数；
簇首节点到无线网关节点的距离的适应度函数f3为：
Figure BDA0003381750060000057
其中，j为簇的序数；K为簇的总数目；dtoWG(i)为种群中第j个簇的簇首节点到无线网关节点的距离。
在所述步骤S33中，采用Levy飞行算法来确定当前迭代次数的下一次迭代的发现者位置；
当前迭代次数的下一次迭代的发现者的位置为：
Figure BDA0003381750060000061
Figure BDA0003381750060000062
其中，t为当前迭代次数，
Figure BDA0003381750060000063
为第J个种群中第I个元素的当前迭代次数t下的发现者位置，
Figure BDA0003381750060000064
为第J个种群中第I个元素的当前迭代次数的下一次迭代t+1下的发现者的位置；I为元素的序数；T为总迭代次数；μ为0到1的随机值；V(V∈[0,1])，ST(ST∈[0.5,1])分别为预警值和安全值；Q为正态分布的随机数，W为1×dpop的全1矩阵。
所述步骤S2还包括步骤S23：前无线网关节点通过广播的方式通知所有存活的中继节点当前的无线网关节点；且在所述步骤S3中，建立分簇，包括：当前的无线网关节点广播通过广播的方式向所有存活的中继节点通知簇首节点的选举结果；随后，簇首节点以外的普通节点选择距离最近的簇首节点或无线网关节点进行接入；
或者，在所述步骤S3中，建立分簇，包括：前无线网关节点通过广播的方式向所有存活的中继节点通知当前的无线网关节点和簇首节点的选举结果；随后，簇首节点以外的普通节点选择距离最近的簇首节点或无线网关节点进行接入。
在所述步骤S4中，簇首节点和无线网关节点按照prim算法计算最小生成树，无线网关节点作为根节点，以确定簇首节点之间的生成树，作为簇首节点之间的多跳的传输路径。
本发明的无线传感器网络分簇路由方法通过布置中继节点，并通过中继节点之间的多调组网来节省能耗，提升网络生存周期；并且，本发明还提出了一种利用中继节点作为无线网关节点来轮换无线网关节点的路由协议，防止无线网关节点过早死亡。
再者，本发明的无线传感器网络分簇路由方法根据中继节点的剩余能量、中继节点的邻接节点个数和中继节点距离存活节点集合的质心的距离对无线网关节点的选举进行了优化。
另外，在现有的分簇协议的基础上考虑了剩余能量，邻接节点个数和位置信息，并引入了麻雀搜索算法对簇首选举进行了优化。同时，为了避免麻雀搜索算法陷入局部收敛，加入了Levy飞行策略，获得了较优的簇首分布，延长了网络生存周期。
附图说明
图1是本发明的无线传感器网络分簇路由方法的适用场景及原理图。
具体实施方式
下面结合附图，给出本发明的较佳实施例，并予以详细描述。
在电力***场景中，大部分场景处于室外或因布线复杂，无线传感器网络的各个节点均由电池供电。如图1所示，本发明的无线传感器网络分簇路由方法的适用场景为无线传感器网络如变电站或输电线路的无线传感器网络，其与常见的无线传感器网络的不同，所述无线传感器网络不包含能量无限的汇聚节点，而是部署有多个计算能力较高的节点作为传感器的中继节点。中继节点近似于常见无线传感器网络中的汇聚节点(Sink node)，其具有以下功能：1)与传感器通信2)传输数据到监测平台。也就是说，所有中继节点均能够与传感器通信，并具有与监测平台通信的功能。
如图1所示，本发明基于以下原理：传感器收集完变电站或输电线路的环境信息后，通过收到信号的信号强度选择接入到最近的中继节点中，并传输监测信息。中继节点之间进行组网，网络每一轮先在中继节点中选举出一个节点作为整个网络的网关节点，称为“无线网关节点”(Wireless gateway)，其余节点退变为普通节点，再从普通节点中选举出簇首节点，其余普通节点选择加入到最近的簇中。节点收集完传感器的信息后，将数据传输到簇中的簇首节点，进行数据融合，簇首节点再通过中继节点网络将数据传输到无线网关节点，随后，无线网关节点将整个网络的信息以无线的方式(如4G模块)上传到监测平台，其余中继节点则关闭该上传功能。由此，本发明可以解决输变配电场景下的无线传感器网络能耗过高，网络生存周期过短的问题。
本发明的无线传感器网络分簇路由方法的主要研究内容为中继节点的组网和对应的路由算法，暂不考虑传感器的接入。本发明的无线传感器网络分簇路由方法分为4个阶段，分别是网络初始化阶段，无线网关节点选举阶段，簇首选举及分簇阶段和路由传输阶段。
本发明的无线传感器网络分簇路由方法具体包括：
步骤S1：进行网络初始化。即，提供一部署有多个中继节点的无线传感器网络，所有中继节点均能够与传感器通信并能够与监测平台通信，进行网络初始化。
进行网络初始化，包括：预设一个中继节点作为前无线网关节点，各个中继节点将自身的报文信息发送给前无线网关节点。报文信息包括全局ID，剩余能量和地理位置等。
步骤S2：在所有存活的中继节点中进行当前的无线网关节点的选举。
所述步骤S2具体包括：
步骤S21：确定无线网关节点选举时，各个存活的中继节点的无线网关节点权值函数；
其中，在无线网关节点选举时，第i个存活的中继节点的无线网关节点权值函数pWG(i)为：
Figure BDA0003381750060000081
Figure BDA0003381750060000082
Figure BDA0003381750060000083
Figure BDA0003381750060000084
其中，α、β、δ为无线网关节点权值函数的权重系数，α+β+δ＝1，α,β,δ∈(0,1)，Enode(i)是第i个存活的中继节点的剩余能量，E(Enode)是所有存活的中继节点的平均剩余能量，Nneighbor(i)是第i个存活的中继节点的邻接节点个数，E(Nneigbor)为所有存活的中继节点平均的邻接节点数，dtoCT(i)是第i个存活的中继节点距离存活节点集合的质心的距离，E(dtoCT)是所有存活的中继节点距离存活节点集合的质心的距离的平均值，n为所有存活的中继节点的个数，Galive是存活节点集合，即所有存活的中继节点的集合。
步骤S22：根据各个存活的中继节点的无线网关节点权值函数确定当前的无线网关节点。
其中，无线网关节点权值函数的最大值所对应的中继节点是当前的无线网关节点。也就是说，当前的无线网关节点为编号为iopt的中继节点，且编号为iopt的中继节点满足以下公式：
iopt∈max(pWG(i),i∈Galive) (5)
其中，pWG(i)为在无线网关节点选举时第i个中继节点的权值函数；Galive是存活节点集合，即所有存活的中继节点的集合。
步骤S23：前无线网关节点通过广播的方式通知所有存活的中继节点当前的无线网关节点。
此外，在其他某些实施例中，该步骤S23也可以省略，改为在下文同时通知当前的无线网关节点和簇首节点的选举结果。
由此，编号为iopt的节点成为当前的无线网关节点，当前的无线网关节点选举完成。
步骤S3：进行簇首选举及分簇，即，将当前的无线网关节点之外所有存活的中继节点作为普通节点，在普通节点中进行簇首节点的选举，并建立分簇。
在完成无线网关节点选举完成后，未被选为WG网关的中继节点，则退变成普通节点。整个网络的结构可以与常见的传感器网络类似，采用分簇路由机制可以均衡网络的能耗，防止无线网关周围的“热点节点”迅速死亡，也就是说，为第二层网络分簇组网——普通节点间用分簇形式组网。
在本实施例中，在现有的低功耗自适应集簇分层型协议(LEACH)的基础上采用麻雀搜索算法(SSA)来进行簇首选举，从而对簇首的分布进行了优化，优化目标为提高簇首节点的剩余能量在所有存活节点中的占比，减少每轮传输的能耗。并且为了加速收敛，对种群初始化进行了优化，考虑了三个因素：节点的剩余能量，节点的邻接节点个数，节点到无线网关节点的距离。虽然麻雀搜索算法(SSA)具有强大的局部搜索能力，但与多种群智能优化算法类似，容易陷入局部最优，因此，还使用Levy飞行策略对麻雀搜索算法(SSA)进行改进。
因此，在所述步骤S3中，在普通节点中进行簇首选举，具体包括：
步骤S31：将多组候选簇首节点的序号数组分别作为种群的向量，以进行种群初始化；
其中，为了均衡能耗并加速智能算法的收敛，在步骤S31中，需要对种群初始化进行优化。因此，经过优化，所述步骤S31包括：根据节点的剩余能量，节点到基站的距离和节点的邻接节点的个数这3个因素所得到的簇首选举权值函数来选取候选节点，并对所述候选节点进行抽取得到一组候选簇首节点并将其序号数组作为单个种群的向量，随后重复多次随机抽取，以构建多个向量作为多个种群初始值。
因此，所述步骤S31具体包括：
步骤S311：确定在进行候选节点的选取时，第i个普通节点的簇首选举权值函数pcluster(i)；
与上文无线网关节点选举类似，在进行候选节点的选取时，第i个普通节点的簇首选举权值函数为：
Figure BDA0003381750060000101
Figure BDA0003381750060000102
其中，i为普通节点的序数；ο、ρ、υ为根据经验设置的权重系数，ο+ρ+υ＝1，ο,ρ,υ∈(0,1)，Enode(i)是第i个普通节点的剩余能量，E(Enode)是所有普通节点的平均剩余能量，Nneighbor(i)是第i个普通节点的邻接节点个数，E(Nneigbor)为所有普通节点的平均的邻接节点个数，dtoWG(i)是第i个普通节点到无线网关节点的距离，E(dtoWG)是所有普通节点距离无线网关节点的距离平均值，Gnode是所有普通节点的集合，其包括除了无线网关节点以外的所有存活的中继节点。
步骤S312：根据簇首选举权值函数pcluster(i)对普通节点由大到小排序，选择前50％的节点作为候选节点；对于每一个种群，从候选节点随机抽取不重复的K个候选节点的序号，作为其中一组候选簇首节点的序号数组并作为单个种群的向量，随后重复多次随机抽取，以构建多个向量作为多个种群初始值。其中，K为簇的总数目。
优选地，簇的总数目K为[4]：
Figure BDA0003381750060000111
其中，n为普通节点的集合Gnode中的节点个数(即普通节点的总数目)，εfs和εmp分别为自由空间模型和多路衰减模型的功放因子参数，M为监测区域边长，Eelec为电路损耗能量，dtoWG为节点到无线网关的距离期望[5]。
K的值的大小是根据计算能力来定，这里抽象为K；当然前50％也是一个举例比例数，在其他实施例中，50％的比例也可以根据网络中节点们和网络自身的计算能力来变化。
具体参见参考文献[4]【王金伟，孙华志，孙德兵.基于能耗的无线传感器网络最优簇首数研究[J].传感器与微***，2011，30(7)：45-47,50】和参考文献[5]【梁青，李卓冉，韩昊澎，等.基于最优簇首数划分单元格的改进GAF算法[J].计算机应用研究，2013，30(12)：3622-3624】。
步骤S313：构建种群初始值之后，为了防止局部最优，将UB，LB记为节点编号的上下界，并根据节点编号的上下界设置无线网关节点以外的整个存活节点的编号区间。其中，上下界只是为了确定最优解的范围。
步骤S32：确定每个种群的综合适应度值，并进行排序。
适应度函数的确定是算法中最为重要的步骤。在本发明中，不断迭代得到较低的适应度函数值是麻雀搜索算法的优化目标。
其中，选举簇首的优化目标为簇首节点的剩余能量在所有存活节点中的占比，因此优化目标的影响因素包括以下三个：簇首节点的能量占比、普通节点与簇首节点的簇间距离以及簇首节点到无线网关节点的距离。
能量的适应度函数f1定义为：
Figure BDA0003381750060000112
其中，其中，i为普通节点的序数；j为簇的序数；n为普通节点的集合Gnode中的节点个数；K为簇的总数目；Enode(i)为种群中第i个普通节点的能量，ECH(j)为种群中第j个簇的簇首节点的能量。
簇间距离的适应度函数f2定义为：
Figure BDA0003381750060000121
其中，i为普通节点的序数；j为簇的序数；K为簇的总数目；d(j,i)表示种群中第j个簇中第i个普通节点到簇首节点的距离，nc(j)表示种群中第j个簇内的普通节点个数(普通节点包括簇首节点)。
簇首节点到无线网关节点的距离的适应度函数f3定义为：
Figure BDA0003381750060000122
其中，j为簇的序数；K为簇的总数目；dtoWG(i)为种群中第j个簇的簇首节点到无线网关节点的距离。
因此，种群的综合适应度值为：
Figure BDA0003381750060000123
其中，φ，
Figure BDA0003381750060000124
γ分别是能量的适应度函数、簇间距离的适应度函数和簇首节点到无线网关节点的距离的适应度函数的权重，
Figure BDA0003381750060000125
Figure BDA0003381750060000126
f1、f2、f3分别是能量的适应度函数、簇间距离的适应度函数和簇首节点到无线网关节点的距离的适应度函数。
步骤S33：更新发现者位置；即，确定当前迭代次数的下一次迭代的普通节点中的发现者的位置；
根据现有技术，当前迭代次数的下一次迭代的发现者位置的公式如下：
Figure BDA0003381750060000127
其中，t为当前迭代次数，
Figure BDA0003381750060000128
为第J个种群中第I个元素的当前迭代次数t下的发现者位置，
Figure BDA0003381750060000129
为第J个种群中第I个元素的当前迭代次数的下一次迭代t+1下的发现者的位置；I为元素的序数；T为总迭代次数；μ为0到1的随机值；V(V∈[0,1])，ST(ST∈[0.5,1])分别为预警值和安全值；Q为正态分布的随机数，W为1×dpop的全1矩阵，dpop是优化维数。每一个种群有一种分簇方式，作为算法的一个输入值。
在本实施例中，采用Levy飞行算法来更新发现者位置(即确定当前迭代次数的下一次迭代的发现者位置)。具体来说，Levy飞行属于马尔可夫过程，这是一种特殊的随机游走策略，它结合了短距离搜索和偶尔的跳远。因此，Levy飞行策略可以增加种群的多样性。由于发现者经常引导其他麻雀对位置进行更新，而实验表明，Levy飞行对其他的角色影响很小，因此只使用Levy飞行策略用来更新发现者的位置。
当前迭代次数的下一次迭代的发现者的位置的公式更新为如下公式：
Figure BDA0003381750060000131
Figure BDA0003381750060000132
其中ξ为步长。
步骤S34：更新加入者位置；即，确定当前迭代次数的下一次迭代的普通节点中的加入者的位置；
加入者的位置
Figure BDA0003381750060000133
为：
Figure BDA0003381750060000134
其中，
Figure BDA0003381750060000135
为第J个种群中第I个元素的当前迭代次数t下的加入者的位置，
Figure BDA0003381750060000136
为第J个种群中第I个元素的当前迭代次数的下一次迭代t+1下的加入者的位置；I为元素的序数；Npop为种群数量；Q为正态分布的随机数；Xbest(t+1)为当前迭代次数的下一次迭代t+1的最优位置，Xworst(t)为当前迭代次数t的最差位置；A+为1×dpop的矩阵，矩阵的值为1和-1随机分布，并且满足A+＝AT(AAT)-1，W为1×dpop的全1矩阵。
步骤S35：更新警戒者位置；即，确定当前迭代次数的下一次迭代的警戒者的位置；
节点中的警戒者的位置更新公式为：
Figure BDA0003381750060000141
其中，Xbest(t)为当前迭代次数t的最优位置，Xworst(t)为当前迭代次数t的最差位置；
Figure BDA0003381750060000142
为第J个种群中第I个元素的当前迭代次数t下的警戒者的位置，χ～N(0,1)作为步长，H为-1到1的随机数；fi，fw，fg分别为当前种群麻雀的综合适应度值，所有种群的当前迭代次数t的最差的综合适应度值和所有种群的当前迭代次数t的最佳的综合适应度值，ε是能耗系数。
步骤S36：选举得到簇首；即，将当前迭代次数的下一次迭代作为新的当前迭代次数，重复步骤S33～步骤S35，直到迭代完成，此时得到的所有种群的当前迭代次数t的最佳的综合适应度值所对应的种群是簇首节点的选举结果。
在所述步骤S3中，建立分簇，包括：当前的无线网关节点广播通过广播的方式向所有存活的中继节点通知簇首节点的选举结果；随后，簇首节点以外的普通节点选择距离最近的簇首节点或无线网关节点进行接入。
此外，在其他实施例中，当前的无线网关节点广播通过广播的方式向所有存活的中继节点通知簇首节点的选举结果，也可以改为：前无线网关节点通过广播的方式向所有存活的中继节点通知当前的无线网关节点和簇首节点的选举结果。
步骤S4：进行路由传输。
所述步骤S4包括：传感器接入到最近的中继节点并将数据传输到中继节点上，簇首节点以外的普通节点通过单跳的方式将数据传输到其对应分簇的簇首节点，簇首节点对数据进行数据融合，并且簇首节点之间采用多跳组网的方式传输数据，以将数据传输到无线网关节点，无线网关以无线的方式(如4G模块)将数据传输到监测平台。
如果簇首距离无线网关节点过远，会产生大量的能耗，因此，簇首节点之间采用多跳的方式传输数据。
在所述步骤S4中，簇首节点和无线网关节点按照prim算法计算最小生成树，无线网关节点作为根节点，以确定簇首节点之间的生成树，作为簇首节点之间的多跳的传输路径。
考虑到簇首节点之间的传输能耗和剩余能量，防止中继节点能耗过低还要承担转发的能耗。
因此，定义簇首节点i*,j*之间的权值w(i*,j*)为：
Figure BDA0003381750060000151
其中，i*、j*为簇首节点的序数，ETx(i*,j*)为簇首节点i*传输到簇首节点j*的能量，Enode(i*)，Enode(j*)为节点i*，j*的剩余能量。按照该簇首节点之间的权值w(i*,j*)构成簇首节点之间的生成树。
此外，还可以包括步骤S5：重复上述步骤S2-步骤S4，以使得网络开始下一轮的流程，防止无线网关节点过早死亡。
由此，本发明还提出了一种轮换无线网关节点的路由协议(LEACH-WGR-SSA)，防止无线网关节点过早死亡。
以上所述的，仅为本发明的较佳实施例，并非用以限定本发明的范围，本发明的上述实施例还可以做出各种变化。凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰，皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。

Claims (10)

1.一种无线传感器网络分簇路由方法，其特征在于，包括：
步骤S1：提供一部署有多个中继节点的无线传感器网络，所有中继节点均能够与传感器通信并能够与监测平台通信，进行网络初始化；
步骤S2：在所有存活的中继节点中进行当前的无线网关节点的选举；
步骤S3：将当前的无线网关节点之外所有存活的中继节点作为普通节点，在普通节点中进行簇首节点的选举，并建立分簇；
步骤S4：传感器接入到最近的中继节点并将数据传输到中继节点上，簇首节点以外的普通节点通过单跳的方式将数据传输到其对应分簇的簇首节点；簇首节点对数据进行数据融合，并且簇首节点之间采用多跳组网的方式传输数据，以将数据传输到无线网关节点；无线网关将数据传输到监测平台；
步骤S5：重复所述步骤S2-步骤S4。
2.根据权利要求1所述的无线传感器网络分簇路由方法，其特征在于，在所述步骤S1中，进行网络初始化，包括：预设一个中继节点作为前无线网关节点，各个中继节点将自身的报文信息发送给前无线网关节点；报文信息包括全局ID，剩余能量和地理位置。
3.根据权利要求1所述的无线传感器网络分簇路由方法，其特征在于，所述步骤S2包括：
步骤S21：确定无线网关节点选举时，各个存活的中继节点的无线网关节点权值函数；
其中，在无线网关节点选举时，第i个存活的中继节点的无线网关节点权值函数pWG(i)为：
Figure FDA0003381750050000011
Figure FDA0003381750050000012
Figure FDA0003381750050000013
Figure FDA0003381750050000021
其中，α、β、δ为无线网关节点权值函数的权重系数，α+β+δ＝1，α,β,δ∈(0,1)，Enode(i)是第i个存活的中继节点的剩余能量，E(Enode)是所有存活的中继节点的平均剩余能量，Nneighbor(i)是第i个存活的中继节点的邻接节点个数，E(Nneigbor)为所有存活的中继节点平均的邻接节点数，dtoCT(i)是第i个存活的中继节点距离存活节点集合的质心的距离，E(dtoCT)是所有存活的中继节点距离存活节点集合的质心的距离的平均值，n为所有存活的中继节点的个数，Galive是存活节点集合；
步骤S22：根据各个存活的中继节点的无线网关节点权值函数确定当前的无线网关节点；无线网关节点权值函数的最大值所对应的中继节点是当前的无线网关节点。
4.根据权利要求1所述的无线传感器网络分簇路由方法，其特征在于，在所述步骤S3中，在低功耗自适应集簇分层型协议的基础上采用麻雀搜索算法来进行簇首选举。
5.根据权利要求4所述的无线传感器网络分簇路由方法，其特征在于，在所述步骤S3中，在普通节点中进行簇首选举，包括：
步骤S31：将多组候选簇首节点的序号数组分别作为种群的向量，以进行种群初始化；
步骤S32：确定每个种群的综合适应度值，并进行排序；
步骤S33：确定当前迭代次数的下一次迭代的发现者的位置；
步骤S34：确定当前迭代次数的下一次迭代的加入者的位置；
步骤S35：确定当前迭代次数的下一次迭代的警戒者的位置；
步骤S36：将当前迭代次数的下一次迭代作为新的当前迭代次数，重复步骤S33～步骤S35，直到迭代完成，此时得到的所有种群的当前迭代次数t的最佳的综合适应度值所对应的种群是簇首节点的选举结果。
6.根据权利要求5所述的无线传感器网络分簇路由方法，其特征在于，所述步骤S31具体包括：
步骤S311：确定在进行候选节点的选取时，第i个普通节点的簇首选举权值函数pcluster(i)；
步骤S312：根据簇首选举权值函数pcluster(i)对普通节点由大到小排序，选择前50％的节点作为候选节点；对于每一个种群，从候选节点随机抽取不重复的K个候选节点，其序号作为其中一组候选簇首节点的序号数组并作为单个种群的向量，随后重复多次随机抽取，以构建多个向量作为多个种群初始值；K为簇的总数目；
步骤S313：将UB，LB记为节点编号的上下界，并根据节点编号的上下界设置整个存活节点的编号区间。
7.根据权利要求5所述的无线传感器网络分簇路由方法，其特征在于，在所述步骤S32中，种群的综合适应度值为：
Figure FDA0003381750050000033
其中，φ，
Figure FDA0003381750050000034
γ分别是能量的适应度函数、簇间距离的适应度函数和簇首节点到无线网关节点的距离的适应度函数的权重，
Figure FDA0003381750050000035
Figure FDA0003381750050000036
f1、f2、f3分别是能量的适应度函数、簇间距离的适应度函数和簇首节点到无线网关节点的距离的适应度函数；
能量的适应度函数f1为：
Figure FDA0003381750050000031
其中，i为普通节点的序数；j为簇的序数；n为普通节点的总数目；K为簇的总数目；Enode(i)为种群中第i个普通节点的能量，ECH(j)为种群中第j个簇的簇首节点的能量；
簇间距离的适应度函数f2为：
Figure FDA0003381750050000032
其中，i为普通节点的序数；j为簇的序数；d(j,i)表示种群中第j个簇中第i个普通节点到簇首节点的距离，nc(j)表示种群中第j个簇内的普通节点个数；
簇首节点到无线网关节点的距离的适应度函数f3为：
Figure FDA0003381750050000041
其中，j为簇的序数；K为簇的总数目；dtoWG(i)为种群中第j个簇的簇首节点到无线网关节点的距离。
8.根据权利要求5所述的无线传感器网络分簇路由方法，其特征在于，在所述步骤S33中，采用Levy飞行算法来确定当前迭代次数的下一次迭代的发现者位置；
当前迭代次数的下一次迭代的发现者的位置为：
Figure FDA0003381750050000042
Figure FDA0003381750050000043
其中，t为当前迭代次数，
Figure FDA0003381750050000044
为第J个种群中第I个元素的当前迭代次数t下的发现者位置，
Figure FDA0003381750050000045
为第J个种群中第I个元素的当前迭代次数的下一次迭代t+1下的发现者的位置；I为元素的序数；T为总迭代次数；μ为0到1的随机值；V(V∈[0,1])，ST(ST∈[0.5,1])分别为预警值和安全值；Q为正态分布的随机数，W为1×dpop的全1矩阵。
9.根据权利要求1所述的无线传感器网络分簇路由方法，其特征在于，所述步骤S2还包括步骤S23：前无线网关节点通过广播的方式通知所有存活的中继节点当前的无线网关节点；且在所述步骤S3中，建立分簇，包括：当前的无线网关节点广播通过广播的方式向所有存活的中继节点通知簇首节点的选举结果；随后，簇首节点以外的普通节点选择距离最近的簇首节点或无线网关节点进行接入；
或者，在所述步骤S3中，建立分簇，包括：前无线网关节点通过广播的方式向所有存活的中继节点通知当前的无线网关节点和簇首节点的选举结果；随后，簇首节点以外的普通节点选择距离最近的簇首节点或无线网关节点进行接入。
10.根据权利要求1所述的无线传感器网络分簇路由方法，其特征在于，在所述步骤S4中，簇首节点和无线网关节点按照prim算法计算最小生成树，无线网关节点作为根节点，以确定簇首节点之间的生成树，作为簇首节点之间的多跳的传输路径。
CN202111435936.3A 2021-11-29 2021-11-29 一种无线传感器网络分簇路由方法 Pending CN114040473A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111435936.3A CN114040473A (zh) 2021-11-29 2021-11-29 一种无线传感器网络分簇路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111435936.3A CN114040473A (zh) 2021-11-29 2021-11-29 一种无线传感器网络分簇路由方法

Publications (1)

Publication Number Publication Date
CN114040473A true CN114040473A (zh) 2022-02-11

Family

ID=80145980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111435936.3A Pending CN114040473A (zh) 2021-11-29 2021-11-29 一种无线传感器网络分簇路由方法

Country Status (1)

Country Link
CN (1) CN114040473A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114885379A (zh) * 2022-04-29 2022-08-09 西北核技术研究所 一种大规模无人机集群自适应分簇组网方法
CN115134835A (zh) * 2022-08-30 2022-09-30 成都星联芯通科技有限公司 一种物联网组网***以及网关选取方法
CN115209425A (zh) * 2022-07-15 2022-10-18 沈阳航空航天大学 一种基于无线传感器分布的无人机部署方法
CN116761225A (zh) * 2023-08-17 2023-09-15 湖南天联城市数控有限公司 一种无线传感网络可靠传输方法
CN117320112A (zh) * 2023-10-26 2023-12-29 陕西思极科技有限公司 一种双模通信网络能耗均衡方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050099943A1 (en) * 2003-11-12 2005-05-12 Nokia Corporation Traffic and radio resource control in a wireless communication device
US20110188378A1 (en) * 2007-03-12 2011-08-04 Sandra Collins Arrangement and Method Relating to Network Management
CN103781143A (zh) * 2014-02-25 2014-05-07 东南大学 一种能效优化的簇树分层无线传感网路由方法
CN108696926A (zh) * 2018-05-09 2018-10-23 河海大学常州校区 一种水下无线传感器网络跨层可靠数据传输方法
CN112105072A (zh) * 2020-10-21 2020-12-18 国网思极紫光(青岛)微电子科技有限公司 物联网通信***及其构建方法
CN112492661A (zh) * 2020-12-10 2021-03-12 中南民族大学 基于改进麻雀搜索算法的无线传感器网络分簇路由方法
CN112822653A (zh) * 2020-12-30 2021-05-18 国网甘肃省电力公司信息通信公司 一种无线传感器网络中的分簇路由方法
CN112954763A (zh) * 2021-02-07 2021-06-11 中山大学 一种基于樽海鞘算法优化的wsn分簇路由方法
CN113395660A (zh) * 2021-06-18 2021-09-14 河南大学 基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050099943A1 (en) * 2003-11-12 2005-05-12 Nokia Corporation Traffic and radio resource control in a wireless communication device
US20110188378A1 (en) * 2007-03-12 2011-08-04 Sandra Collins Arrangement and Method Relating to Network Management
CN103781143A (zh) * 2014-02-25 2014-05-07 东南大学 一种能效优化的簇树分层无线传感网路由方法
CN108696926A (zh) * 2018-05-09 2018-10-23 河海大学常州校区 一种水下无线传感器网络跨层可靠数据传输方法
CN112105072A (zh) * 2020-10-21 2020-12-18 国网思极紫光(青岛)微电子科技有限公司 物联网通信***及其构建方法
CN112492661A (zh) * 2020-12-10 2021-03-12 中南民族大学 基于改进麻雀搜索算法的无线传感器网络分簇路由方法
CN112822653A (zh) * 2020-12-30 2021-05-18 国网甘肃省电力公司信息通信公司 一种无线传感器网络中的分簇路由方法
CN112954763A (zh) * 2021-02-07 2021-06-11 中山大学 一种基于樽海鞘算法优化的wsn分簇路由方法
CN113395660A (zh) * 2021-06-18 2021-09-14 河南大学 基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
TIANKAI LIU等: "SSA-Based WSN Clustering Routing Algorithm for Power Grid", 《2021 2ND INFORMATION COMMUNICATION TECHNOLOGIES CONFERENCE (ICTC)》, pages 1 - 3 *
YIN LEI等: "Improved Sparrow Search Algorithm based DV-Hop Localization in WSN", 《2020 CHINESE AUTOMATION CONGRESS (CAC)》, pages 2 *
阎新芳;张永琦;王志龙;李锡刚;: "无线传感器网络中基于网关的多级簇树维护更新算法", 传感技术学报, no. 02 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114885379A (zh) * 2022-04-29 2022-08-09 西北核技术研究所 一种大规模无人机集群自适应分簇组网方法
CN115209425A (zh) * 2022-07-15 2022-10-18 沈阳航空航天大学 一种基于无线传感器分布的无人机部署方法
CN115209425B (zh) * 2022-07-15 2024-06-04 沈阳航空航天大学 一种基于无线传感器分布的无人机部署方法
CN115134835A (zh) * 2022-08-30 2022-09-30 成都星联芯通科技有限公司 一种物联网组网***以及网关选取方法
CN115134835B (zh) * 2022-08-30 2022-12-20 成都星联芯通科技有限公司 一种物联网组网***以及网关选取方法
CN116761225A (zh) * 2023-08-17 2023-09-15 湖南天联城市数控有限公司 一种无线传感网络可靠传输方法
CN116761225B (zh) * 2023-08-17 2023-11-14 湖南天联城市数控有限公司 一种无线传感网络可靠传输方法
CN117320112A (zh) * 2023-10-26 2023-12-29 陕西思极科技有限公司 一种双模通信网络能耗均衡方法及***
CN117320112B (zh) * 2023-10-26 2024-05-03 陕西思极科技有限公司 一种双模通信网络能耗均衡方法及***

Similar Documents

Publication Publication Date Title
CN114040473A (zh) 一种无线传感器网络分簇路由方法
Wan et al. An energy-efficient multi-level adaptive clustering routing algorithm for underwater wireless sensor networks
Arafat et al. A Q-learning-based topology-aware routing protocol for flying ad hoc networks
Liu et al. Objective-variable tour planning for mobile data collection in partitioned sensor networks
Morsy et al. Proposed energy efficient algorithm for clustering and routing in WSN
CN106658603B (zh) 一种负载均衡的无线传感器网络路由节能方法
CN108712767B (zh) 一种无线传感器网络中能耗均衡的簇间多跳路由控制方法
CN104410997B (zh) 一种用于无线传感器网络的层次型拓扑结构构建方法
EP1665658B1 (en) Hierarchical routing in ad-hoc networks
Khan et al. Intelligent cluster routing scheme for flying ad hoc networks
CN111970658A (zh) 一种基于最优刚性图的无人机蜂群编队网络路由方法
CN108777877B (zh) 一种狭长拓扑下的WSNs分簇路由方法
Pavai et al. Study of routing protocols in wireless sensor networks
Nguyen et al. Unequal Clustering Formation Based on Bat Algorithm forWireless Sensor Networks
CN116828559A (zh) 一种基于移动感知的车轨自组网智能路由方法
Hussain et al. Co-DLSA: Cooperative delay and link stability aware with relay strategy routing protocol for flying Ad-hoc network
CN113596951B (zh) 基于量子礁鲨机制的无线传感器网络分簇路由方法
Fu et al. AoI-energy-aware collaborative data collection in UAV-enabled wireless powered sensor networks
Boucetta et al. Ant colony optimization based hierarchical data dissemination in WSN
Webster et al. Murmuration inspired clustering protocol for underwater wireless sensor networks
Shi et al. WSN data fusion approach based on improved BP algorithm and clustering protocol
Pattnaik et al. Adaptive Neuro‐Fuzzy Inference System‐Particle swarm optimization‐based clustering approach and hybrid Moth‐flame cuttlefish optimization algorithm for efficient routing in wireless sensor network
Singh et al. An optimized routing technique in wireless sensor network using Aquila Optimizer
Hooda et al. Enrichment of life span of sensor networks through BCO and gateway node
Srivastava et al. ELR-C: A Multi-objective Optimization for Joint Energy and Lifetime Aware Cluster Based Routing for WSN Assisted IoT

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