一种基于WSN的核辐射监测系统能量有效数据聚合方法.docVIP

一种基于WSN的核辐射监测系统能量有效数据聚合方法 　　摘 要：在核辐射监测传感器网络中，传感器监测节点要进行信息监测、数据传输与聚合等任务，减小能耗从而延长其生命周期成为其关键问题。本文在LEACH算法的基础上提出ECLEACH改进算法，算法考虑了传感器节点剩余能量、节点传输距离等因素，使得簇头节点的分布更加均匀，仿真结果表明，与LEACH算法相比较，ECLEACH算法使整个网络的能耗更加均衡，有效地延长了网络的生命周期。 　　关键词：数据聚合；核辐射监测；LEACH；剩余能量 　　中图分类号：TN929.5；TP274 　　基于WSN的核辐射监测系统将核辐射探测器装置与传感器节点作为一个监测设备，探测器装置负责采集数据信息，传感器节点通过单跳方式或者多跳方式把数据送到汇聚节点，汇聚节点将整个区域内的数据传送到用户。该系统存在大范围、多点位和实时监测等特点，由于网络覆盖区域内节点不能更换电池，如何减低能耗以避免因能源耗尽而使监测节点或网络失效成为一个关键问题。数据融合技术是解决资源限制的有效方法，其思想是融合来自不同数据源的信息，去除冗余信息，减小传输数据量，从而达到节省能耗、延长网络生命周期、提高数据收集效率和准确度的目的，成为近年来的研究热点之一。 　　1 相关工作 　　在层次型网络结构中，基于簇的数据融合方法得到了广泛的关注。它将整个网络组织成若干个簇区域，传感器节点监测到数据后将数据直接发送到它所在簇的簇头节点，簇头节点对簇内数据进行融合处理后转发给基站节点。LEACH（low energy adaptive clustering hierarchy）是一种经典的基于簇的数据收集协议。它的执行过程是周期性的，每轮循环分为簇的建立阶段与稳定的数据通信阶段。在簇的建立阶段，相邻节点动态地形成簇，为了将能量负载均匀地分配到各节点上，在每一轮中对簇头进行轮换，随机产生簇头；在数据通信阶段，簇头将聚合其收到的各成员节点的采集信息，并将聚合信息直接传输到基站。由于每个节点能等概率地担任簇头节点，均衡了网络整体能耗，且减少了与基站直接通信的节点数量以及通信量，LEACH协议可以有效地延长网络生命周期。但是，LEACH算法也存在很多不足，如没有考虑剩余能量、簇头分布不均匀、簇头数量不稳定等。 　　2 算法改进 　　2.1 能量模型 　　本文假设所有节点随机部署在监测区域，节点和基站的位置固定，基站节点具有无限的能源供应，其它的传感器节点具有相等的初始能量值；所有节点都知道自己的位置信息，并且可以感知剩余能量。网络节点计算和通信能量模型采用一阶顺序通信模型。 　　Etx（k，d）=Eelec×k+εamp×k×d2 （1） 　　Erx（k）=Eelec×k （2） 　　Etx（k，d）为发送k位数据时所消耗的能量，Erx（k）为接收k位数据时所消耗的能量，k为收发数据的倍数，d为数据传输距离，Eelec为收发电路收发一位数据耗散的能量，在本文中，假定传输距离d少于距离门限值，故采用自由空间功率损耗模型，εamp为自由空间功率损耗模型信号放大器的放大倍数。则从源节点i经过距离k发送k位数据到目的节点j所消耗的能量Ei，j（k，d）为： 　　Ei，j（k，d）=Etx（k，d）+Erx（k）=k×（2×Eelec+εamp×d2） （3） 　　2.2 算法改进与描述 　　在基于簇的数据融合方法中，簇头节点担任着数据聚合（如求和、求均值、取最大或最小值），与簇内传感器节点及基站进行数据传输等任务，能量消耗很快，如何减少簇头节点的能量消耗及在网内各节点间均衡消耗能量成为一个关键问题。数据聚合任务消耗能量与簇头节点的拓扑结构无关，因此，簇头节点消耗的能量与簇头节点到簇内传感器节点的距离及到基站节点的距离密切相关。 　　由于LEACH的簇首选举过程中没有充分考虑剩余能量和距离因素，选择簇首具有随机性，导致簇头节点分布不均匀，进而扩大了各簇头节点消耗能量的差距。我们提出一个ECLEACH算法，由于基站拥有无限的资源，如功率供应、存储和计算等，ECLEACH采用集中式的簇头节点选择办法，基站负责簇头节点的选择。我们定义各候选簇头节点的阈值T（n）如下： 　　T（n）= （4） 　　其中，RE（n）为传感器节点n的剩余能量，m为网络中传感器节点个数，D（i，n）为节点i与节点n间的距离，当i=n时D（i，n）取值0，RE（i）为传感器节点i的剩余能量。由式（4）可以看出，阈值T（n）与两个因素有关：1）与候选簇头节点n自身的剩余能量成正比，剩余能量多的候选簇头节点能以更高的概率当选簇头节点；2）与网络中其它节点到候选簇头节点的距离跟它们的剩余能量的除数之和成反比，距离低剩余能量值传感器节点比较近的候选簇头节点