WSNs中基于快速聚类分析的算法实现.docVIP

WSNs中基于快速聚类分析的算法实现 潘武敏 (华北科技学院 中国北京101601) 【摘要】 采用多层信任管理结构，通过改进快速聚类算法把网络节点分为若干个节点簇，参考簇的重心选择合适的簇头。尽可能地缩短总传输距离以节省能耗，加强了无线传感器网络的安全保证。 【关键词】无线传感器网络，信任评估，算法 WSNs Hierarchical Algorithm Based on Rapid Clustering Cluster Analysis PAN Wu-min (,Beijing, 101601,China) 【Abstract】 We first presented a hierarchical algorithm based on k-means cluster analysis because multiple layer architecture has been used at the trust management.We divided into many sensors clustrrs through the improved rapid clustering algorithm.We referred to the bary centre of sensors strengthen the security assurances of WSNs. 【Keywords】Wireless Sensor Networks;Trust Evaluation;Algorithm 由于有些大规模网络节点多、覆盖面积大且不利于统一处理，一般将网络分成多个小区域（即节点簇）。传统的方法是把网络覆盖面积平均分为若干个小矩形区域或者圆形区域，这对节点均匀分布的网络较用。但现实中由于投掷节点的随机性以及区域的重视程度的差异，节点一般不均匀分布基于聚类分析的分层方法划分的每个区域的最大直径D取值决定于不同应用的网络及其节点放置的疏密度，直径过小会造成资源的浪费，过大则区域的划分没有意义，一般为取节点通信半径R的倍数aR（a = 1,2…）。设网络共有n个节点，通过对节点定位可以确定每个节点的位置及其网络拓扑关系：如果绝对位置已知，用坐标来表示节点Si（xi，yi）；如果相对位置已知，则建立相对直角坐标系，以某个节点为坐标原点，其它节点可用相对坐标表示，对于区域划分没有影响。其中节点Si（xi，yi）与节点Sj（xj，yj）间的距离以欧氏距离计算， 1）所有节点中相距最远的两个节点作为聚点Si1，Si2， 2）然后再选择第三个聚点Si3，它是剩下的节点中最不靠近Si1和Si2的节点 同理，按照 依次选取，要求： 3）k个初始聚点分别记为，它们的集合记为。进行初始分类，把节点划在距离它的最近的聚点那一类： 这样每个节点都以最靠近的初始聚点归类，得到一个初始分类 4）从G(0)出发计算新的聚点集合L(1)，可计算Gi(0)的重心 但在重心位置不一定有节点存在，这里以最接近重心的节点作为新的聚点，这样得到新的聚点集合： 进行重新分类 重复计算得到第m部分类，如式中m满足： 区域重心与聚点的距离不大于聚点与其它节点的最小距离即可。按照这种聚类方式，把网络分成若干个区域，其中所找到的聚点即为簇头节点。 2．中继节点的选取 中继节点的任务是帮助簇头节点分配某次任务需要的信任值以及事件后的信任值的收集和计算。所以它到其它节点距离和应该较小，而且簇头的距离很近。由于最初时节点的信任值相同，在簇头节点的邻居节点中选择即可。记，在集合任意选择一个节点或者由节点自荐作为中继节点，然后向其它节点广播告知，最近结果如图（黑色表示簇头节点，灰色表示中继节点）。 完成若干次任务后，每个节点都有新的能量E和信任值T。假设节点担任簇头节点完成一次任务所需的能量为Ex，担任中继节点完成一次任务所需的能量为Ey ，担任普通节点完成一次任务所需的能量为。同时给普通节点的信任值设定一个阈值Tz ，当节点的信任值T小于Tz ，则这个节点不被信任，即把它作为不合理节点，向周围节点广播，将它排出网络；为中继节点设定阈值Ty ，为簇头节点设定阈值Tx ，当簇头节点的信任值小于Tx ，则宣布节点失去簇头节点的身份，其中。 1）检测节点的剩余能量和信任值，如果节点i的剩余能量小于Ez或者信任值小于Tz，则把它作为不合理节点排出。当剩下的节点数不到原总节点的55%，则判断网络不能工作了； 2）检测每个簇的簇