无线传感器网络中混合簇头选举算法研究.docVIP

无线传感器网络中混合簇头选举算法研究 　　摘要：针对网络拓扑结构稳定的实际应用，提出了一种混合簇头选举算法，包括以质心(能量中心)为基础的簇头选举方式和以剩余能量为基础的簇头选举方式。通过降低系统内簇头与簇内节点之间通信的总能量和平均传输时延来提高网络的生命周期。仿真结果表明，与GAF算法相比，网络的生命周期得到了较大幅度的提高，并且随着单簇节点数的增加，网络的生命周期也随之增加。实验证明，该方法适用于组建大规模无线传感器网络。 　　关键词：无线传感器网络； 混合簇头选举算法； 地理位置； 质心 　　中图分类号：TP393文献标志码：A 　　文章编号：1001－3695(2008)04－1227－03 　　 　　作为一种全新的信息获取和处理技术,无线传感器网络[1]已在军事、环境科学、医疗健康、空间探索及其他商业领域得到广泛应用[2]。 　　?ノ尴叽?感器网络涉及的关键技术包括网络拓扑控制、网络协议、网络安全、时间同步、定位技术、数据管理、无线通信技术等[2]。层次型的拓扑结构由于具有减少通信量、有利于分布式计算、可扩展性强、能量利用效率高、数据融合简单、适合大规模部署网络等特点,成为当前拓扑控制研究的重点。 　　?ゲ愦涡屯仄私峁沟姆执厮惴ㄖ饕?包括LEACH[3]及其改进算法LEACH－C(LEACH－centralized)[4]和LEACH－F（LEACH－fixed）[4]、PEGASIS[5]、HEED[6] 、ACE[7]、GAF[8]及其改进算法等。这些算法中除GAF(geographical adaptive fidelity)及其改进算法外，通常是先选举出簇头，再通过簇头组织簇，并且均未考虑节点的位置信息。但在很多应用中，如工业监测，节点位置已经布好，并且已知节点的监测类型。因此，分簇情况比较明显，这就使得簇的形成先于簇头的形成，与现有的算法存在较大的差别。GAF算法中先对监测区域划分虚拟单元格，在每个单元格内节点使用竞争的方式来竞争簇头，没有充分考虑节点的剩余能量，并且节点处于侦听状态时消耗能量较大，降低了网络使用寿命。在随后的GAF改进算法中，优化了簇头选举方式，但要求节点具有严格的时间同步。本文结合工业现场监测特点，以节点地理位置为研究基础，针对监测区域内节点的数量，提出了根据簇内节点个数的不同，采用新的簇头选举算法，在充分考虑节点的能量消耗的情况下采用能量中心和剩余能量为基础的动态簇头选举算法，使得簇内的每个节点的能耗均衡，从而提高网络的生命周期。 　　 　　??1约束条件和相关模型 　　 　　?ケ疚乃?描述的算法遵循以下约束条件：a)为了避免网络拓扑结构频繁改变,假定节点是微移动或静止不动；b)网络节点组织成簇结构的形式,簇头执行数据的融合功能，并负责将集中后的数据传输到汇聚节点；c)每个传感器节点在每一轮数据采集过程中所产生的数据量是相同的; d)簇内成员不会转发其他传感器节点的数据，簇内节点之间不发生通信；e) 簇内节点和簇头节点的发射功率一定，并且簇内节点与簇头节点之间均在一跳通信范围内；f) 节点具有较大的存储容量。网络拓扑结构模型如图1所示。?? 　　能耗模型采用无线通信能耗模型[9]，如图2所示。在该模型中,发送节点的能量消耗包括无线发送装置和放大器两部分，接收节点的能??量消耗来自于接收装置的能量消耗。在图2中，包括自由空间(d??2功率损失)和多径衰落(d??4功率损失)两种通道模型。实验中使用何种模型取决于发送节点与接收节点之间的距离。如果发送节点与接收节点之间的距离小于阈值d0??，则使用自由空间模型,否则使用多径衰落模型。 　　 　　??2算法描述 　　 　　??2．1算法核心思想和关键点说明 　　?タ悸堑浇诘阃ü?发送数据包进行信息交互来选举簇头的方式将消耗大量的能量。本文提出算法中对节点的剩余能量采用估计的方式。节点通过式(1)~(6)及质心公式对每个节点的剩余能量进行估计。这样在每个节点通过计算就可大致获得所在簇的质心(能量中心)。考虑到计算节点剩余能量与真实情况会存在偏差，系统会在每个周期(簇内所有成员均当选过一次簇头称为一个周期)之后，通过发送数据包的方式来修正每个节点由于计算所得的剩余能量的值。 　　??1) 关键结构说明 　　?ケ舅惴ㄔ诖赝费【俚墓?程中主要依靠节点的计算，保存在节点flash中的结构信息的值并不能真实地反映节点的剩余能量。计算所得的节点的剩余能量可能会与实际情况存在一定的偏差，系统会在每个周期(簇内成员均分别成为一次簇头称为一个周期)后通过一次信息交互来更新簇内节点的剩余能量。因此要求节点具有较大的存储空间，簇内的每个节点要保存簇内成员的相关信息。简单地说，如果簇内有??n个节点就要保存n个这样的结构，在