一種基於自然能的無線傳感器網絡分簇路由協議的製作方法

2023-05-29 09:02:44

本發明涉及一種無線傳感器網絡分簇路由協議，尤其涉及一種基於自然能的無線傳感器網絡分簇路由協議。

背景技術：

無線傳感器網絡(wirelesssensornetwork，wsn)由部署在檢測區域內的大量無線傳感器節點組成。節點協作感知、採集和處理網絡區域內的對象信息。節能與能耗均衡一直是無線傳感器網絡研究的重要課題。自然能採集技術的發展已經允許在節點上安裝經濟實用的能量收集裝置，使得無限期地延長單個節點乃至整體網絡壽命成為可能。

由於節點的資源限制，wsn的路線尋找與保持是一件具有挑戰性的問題。有許多研究針對vanets提出了不同的路由協定。文獻[charlese.perkins，elizabethm.royer，「ad-hocon-demanddistancevectorrouting」，proceedingsofthesecondieeeworkshoponmobilecomputersystemsandapplications，pp.90-100，1999.]提出的aodv協議使用探測來尋找路徑，為反應式路由，使用傳統路由表，即一個目的地一個表位，記錄著下一個欲傳送節點。文獻[d.b.jhonsonandd.a.maltz.「dynamicsourceroutinginadhocwirelessnetworks，」inmobilecomputing，kluwereacademicpublishers，pp.153-181，1996]提出的dsr協議的路徑演算法會以來源路由當作路由基礎，其在傳送數據時，來源節點已經有一條傳送路徑存在路由緩衝區，路由的路徑信息已經放在數據分組的頭部，中繼節點就會依據該信息，傳送往目的地。

能量收集無線傳感器網絡與傳統無線傳感器網絡相比，由於額外的能量提供補給，節點的剩餘能量不再單調下降，而會出現起伏波動的變化；節點耗盡能量後會進入休眠而不是永久死亡，自然能補給到達後可以恢復工作。對於一定規模的無線傳感器網絡，基於分簇的路由協議可以大大延長網絡壽命。

低能量自適應集群層次(lowenergyadaptiveclusterhierarchy，leach)是最早的wsn分簇算法，基本思想是通過等概率地隨機選取簇頭把網絡負載平均分配到每個傳感器節點，但是leach沒有考慮每個節點剩餘能量的變化，部分節點會因為能量消耗過快很快進入休眠。文獻[樊曉平，楊璽，劉少強等.具有能量補給的無線傳感器網絡分簇路由算法[j].計算機工程，2008，34(11)：120-122]提出一種有能量補給的分簇算法(phc)，該算法以振動能量作為補給能量，在leach的基礎上同時考慮剩餘能量和上一輪能量補給水平來確定簇頭選擇閾值。前一輪能量收集值實際上是一種自然能預測，但是顯然這種預測不夠準確。文獻[張玉娟.具有能量補給的無線傳感器網絡分簇路由算法研究[d].長沙：中南大學，2011]根據太陽能的光照特點，將全網的能量水平劃分為3個時期：耗能期、儲能期、穩定期，並針對不同時期設定了不同的閾值進行簇頭選舉。仿真中採用的能量補給模型是梯形模型，該模型只能表徵一天內太陽能的變化。而實際網絡在布置後一般要求工作數周甚至數年，將一天的太陽能模型用於仿真並不合適。文獻[姚玉坤，王冠，任智等.能耗均衡的自供能無線傳感器網絡分簇路由算法[j].傳感技術學報，2013，26(10)：1420-1425]提出的算法把phc中的預測變量改進為：上一次該節點當選簇頭到當前輪的收集能量的總和。這種改進讓長期沒有當選簇頭的節點有機會成為簇頭，但是這樣做容易造成簇頭比例不穩定，影響能耗均衡。

技術實現要素：

本發明要解決的技術問題是如何改善無線傳感器網絡能量的均衡性，提高網絡節點的平均能量水平。

為了解決上述技術問題，本發明的技術方案是提供一種基於自然能的無線傳感器網絡分簇路由協議，其特徵在於，步驟如下：

步驟1：能量預測

每一輪分簇過程開始前，先對本輪將會到達的能量補給做預測；

步驟2：簇頭選取

選取剩餘能量最大或者能量補給最多的部分節點作為簇頭，承擔比其它節點更多的轉發數據任務；同時控制網絡中簇頭佔節點總數的比例；

步驟3：普通節點入簇

簇頭選擇完成後，其它非簇頭的普通節點要加入成簇；普通節點比較經過各個簇頭轉發數據到基站的耗能代價，然後選擇耗能最少的簇頭加入。

優選地，所述步驟1中，考慮自然能補給的時空不確定性，自然能預測基於歷史數據。

優選地，所述步驟1中，自然能為太陽能時，分簇算法中的輪即是能量預測的基本時間單元，d天第r輪的能量預測如下：

其中，α∈(0，1)是一個可調參數；ehar(r-1，d)是d天第(r-1)輪的能量補給值；是d-1天第r個時間段能量補給的指數權重移動均值，d、r為正整數；

可以推算，m天前第r輪的收集能量值在預測中貢獻的權值為(1-a)m，m為正整數；而(1-α)＜1，所以舊數據的貢獻按指數減弱。

優選地，所述步驟2中，網絡中簇頭佔節點總數的比例預設為p，節點i在r輪的簇頭選擇閾值t(i)為：

其中，eres(i)為i節點當前的剩餘能量；是節點i在r輪的能量預測值，計算公式為式(5)；estart表示節點的初始能量，網絡部署時節點的初始能量值是相同的；簇頭選擇閾值t(i)越大，該節點選為簇頭的可能性越大。

優選地，所述步驟3具體過程如下：

步驟3.1：簇頭廣播簇頭信息，其中包括自己到基站的距離；

步驟3.2：節點根據收到的信息計算通信代價函數，選擇通信代價函數最小的簇頭髮送加入請求；

步驟3.3：簇頭節點收到請求，建立簇內節點的tdma調度表，將相關信息下發給節點；

步驟4：節點進行周期數據傳輸，直到下一輪分簇開始。

優選地，所述步驟3.3中，普通節點到簇頭的數據傳輸能耗模型採用自由空間模型，簇頭到基站的數據傳輸能耗模型採用雙線反射模型，通信代價函數ecost如下：

d1是普通節點到簇頭的距離；d2是簇頭到基站的距離；εfs和εtr分別是自由空間模型和雙線地面反射模型的信號衰減因子。

優選地，所述步驟1中，利用隨機函數建立太陽能到達模型，假設某節點太陽能到達的最大值為emax，則

emax＝em×ω×q(9)

其中，em是最佳天氣狀態下的到達能量值，單位為焦耳；ω∈[0，1]為天氣因子，決定當天的天氣水平；q＝rand[0.9，1.1]為隨機因子，模擬灰塵或遮擋物造成的影響。

本發明提供的協議通過分析自然能收集的特點，結合能量預測理論，使得簇頭選擇機制更加合理。針對周期發送而且發送率較低的長期監測場景，建立了周期性的太陽能收集模型，提出了一個基於自然能收集的無限傳感器網絡分組的路由算法aecrp。aecrp利用能量預測理論，在傳統的leach協議基礎上改進簇頭選擇閾值的計算方法。在簇頭選取階段，對自然能收集值進行預測，使預測值大且剩餘能量多的節點更有可能擔任簇頭，而其餘節點加入通信代價小的簇。本發明提供的協議改善了網絡能量的均衡性，提高了網絡節點的平均能量水平。

相比現有技術，本發明具有如下有益效果：

1、新的太陽能到達模型，節約了成本。太陽能能量密度大，收集成本低，且直接輸出直流電，是一種較理想的自然能源。明建立更精確的太陽能到達模型，有利於在沒有硬體實驗條件下實現仿真，為能量收集無線傳感器網絡設計節約成本。

2、能量預測，提高了能量效率：每一輪分簇過程開始前，先對本輪將會到達的能量補給做預測，從而有更高的能量效率。

3、新簇頭選擇閾值的計算方法，延長了網絡生存周期。簇頭選取閾值的確定考慮了剩餘能量大或者能量補給多的節點應當選為簇頭，承擔更多的轉發數據任務，並控制網絡中簇頭佔節點總數的比例，使節點能量消耗更均衡。

4、新的普通節點入簇方案，提高了網絡節點的平均能量水平。非簇頭節點比較經過各個簇頭轉發數據到基站的耗能代價，然後選擇耗能最少的簇頭加入，提高了網絡節點的平均能量水平。

綜上所述，本發明只需較低的存儲開銷就能高效的建立路由，很大程度地提高網絡的生存時間，滿足無線傳感器節點間通信的需求。本發明提供的協議成本低，安全性高，能量效率高，能量消耗均衡，網絡節點的平均能量水平高，可應用於傳感器網絡、無線vanet、adhoc網絡等無線通信的相關領域。

附圖說明

圖1為實測太陽能收集情況示意圖；

圖2為某個節點一周內的太陽能到達模型示意圖；

圖3為基於自然能的無線傳感器網絡分簇路由協議成簇的流程圖。

具體實施方式

下面結合具體實施例，進一步闡述本發明。應理解，這些實施例僅用於說明本發明而不用於限制本發明的範圍。此外應理解，在閱讀了本發明講授的內容之後，本領域技術人員可以對本發明作各種改動或修改，這些等價形式同樣落於本申請所附權利要求書所限定的範圍。

本發明提供了一種基於自然能的無線傳感器網絡分簇路由協議，針對周期發送而且發送率較低的長期監測場景，例如建築結構健康監測等，提出周期性的太陽能收集模型。利用能量預測理論，在傳統基礎上改進簇頭選擇閾值的計算方法，具體如下。

1.模型建立

1.1太陽能到達模型

自然能形式主要包括太陽能、風能、振動、電磁場和熱能等。它們的能量密度各不相同，時空分布特點各異。表1比較了各種自然能的特點。

表1自然能的種類和特點

比較而言，太陽能能量密度大，收集成本低，且直接輸出直流電，是一種較理想的自然能源。建立一種更精確的太陽能到達模型，有利於在沒有硬體實驗條件下實現仿真，為能量收集無線傳感器網絡設計節約成本。太陽能最顯著的特點是日周期性，夜間沒有陽光照射時能量收集為0，白天的太陽能收集則受到天氣因素的影響。同時，節點所在的地理位置、太陽能板的姿態和物體遮擋等因素也會影響收集效果。

綜合考慮，太陽能到達模型應滿足如下假設：

1)網絡所在區域相同時刻天氣狀況應一致。

2)相同時刻不同位置的節點收集的能量值可能不同。

3)同一節點在相同天氣下，不同天收集的能量可能不同。

太陽能達到模型要能模擬連續若干天的能量達到，並可以調整參數以模擬不同天氣和不同環境下的太陽能到達能量，以便模擬處於不同地理和環境下的節點的太陽能到達。假設某節點太陽能到達的最大值為emax，則相應建立太陽能到達模型如下，模型建立用到了隨機函數。

emax＝em×ω×q(9)

其中，em是最佳天氣狀態下的到達能量值，單位為焦耳；ω∈[0，1]天氣因子，決定當天的天氣水平；取q＝rand[0.9，1.1]為隨機因子，模擬灰塵或遮擋物造成的影響。

圖1為實測太陽能收集情況，圖2是某個節點一周內的太陽能到達模型，與圖1比較發現，本發明太陽能到達模型以較好地模擬太陽能到達情況。

1.2網絡能耗模型

假設n個無線傳感器節點被隨機分布在a×a的平面區域中，節點周期性地收集數據。基站位於網絡中心位置，則網絡模型滿足如下特點：

1)每個節點有唯一id，所有節點都背負能量收集裝置。

2)節點和基站的位置固定而且已知。

3)節點可以根據發送距離調整無線發射功率。

4)基站能量無限大，可與所有節點通信。

無線傳感器節點數據傳輸能耗模型具體如下。

節點發送kbit數據的能耗et(k)為：

et(k)＝k·eelec+k·eamp(1)

節點接收kbit數據的能耗er(k)為：

er(k)＝k·eelec(2)

其中，eelec是產生單位字節數據的電路功耗；eamp是信號放大功耗係數；k為設定值。通信距離為d時的信號放大功耗係數eamp為：

其中，εfs和εtr分別是自由空間模型和雙線地面反射模型的信號衰減因子，d為通信距離，d0為臨界距離。臨界距離d0的計算方法如下：

自由空間模型和雙線地面反射模型是描述無線電波在空中的傳輸的兩種最常見的模型。

2算法描述

2.1能量預測

結合圖3，每一輪分簇過程開始前，先對本輪將會到達的能量補給做預測。考慮自然能補給的時空不確定性，像天氣預報一樣，自然能預測基於歷史數據。以太陽能為例，分簇算法中的輪即是能量預測的基本時間單元。d天第r輪的能量預測如下：

其中，α∈(0，1)作為一個可調參數；ehar(r-1，d)是d天第(r-1)輪的能量補給值；是d-1天第r個時間段能量補給的指數權重移動均值，d、r為正整數；其計算公式類推為：

ehar(r-1，d-1)是d-1天第r-1輪的能量補給值；是d-2天第r個時間段能量補給的指數權重移動均值，此處設d大於2。

可以推算，m天前第r輪的收集能量值在預測中貢獻的權值為(1-a)m，m為正整數。而(1-α)＜1，所以舊數據的貢獻按指數減弱。

2.2簇頭選取閾值

簇頭選取閾值的確定主要考慮兩點：(1)剩餘能量大或者能量補給多的節點應當選為簇頭，承擔更多的轉發數據任務；(2)要控制網絡中簇頭佔節點總數的比例。網絡中預設的簇頭百分比用p表示，節點i在r輪的簇頭選擇閾值t(i)為：

其中，eres(i)為i節點當前的剩餘能量；是節點i在r輪的能量預測值，計算公式為式(5)；estart表示節點的初始能量，網絡部署時節點的初始能量值是相同的。

2.3節點的入簇

簇頭選擇完成後，非簇頭節點要加入成簇。在leach中，非簇頭節點選擇距離最近的簇頭加入，這裡主要考慮節點加入簇的通信能耗代價。非簇頭節點比較經過各個簇頭轉發數據到基站的耗能代價，然後選擇耗能最少的簇頭加入。過程如下：

1)簇頭廣播簇頭信息，其中包括自己到基站的距離。

2)節點根據收到的信息計算通信代價函數，選擇代價函數最小的簇頭髮送加入請求。

3)簇頭節點收到請求，建立簇內節點的tdma調度表，將相關信息下發給節點。

4)節點進行周期數據傳輸，直到下一輪分簇開始。

普通節點到簇頭距離較短，採用自由空間模型；而簇頭一般到基站距離較長，採用雙線反射模型，忽略掉所有節點都要消耗的收發器電路功耗k·eelec，定義通信代價函數：

其中，d1是節點到簇頭的距離；d2是待加入簇頭到基站的距離。