种基于覆盖率和能量感知地无线传感器网络地簇头选择算法.docVIP

PAGE 黄河科技学院毕业论文（文献翻译） 第 PAGE 1 页 单位代码 01 学 号 分类 号 TP312 密 级 文献翻译 一种基于覆盖率和能量感知的无线传感器网络的簇头选择算法 院（系）名称 信息工程学院 专业名称 网络工程 2013年 4月6日 一种基于覆盖率和能量感知的无线传感器网络的簇头选择算法 摘 要 簇头的选择问题最近被广泛关注，成为无线传感器网络研究和发展的重点。不幸的是，簇头的选择一般是基于随机节点的剩余能量。因此，存在网络覆盖不能被保存完好的问题，覆盖度问题在QoS目标跟踪和监视应用中非常重要。为了提高覆盖保护和能源效率，我们提出了一个覆盖面和能量感知的簇头选择算法，该算法充分考虑了三个关键因素：节点的能量，位置，特别是覆盖成本度量。仿真结果表明，我们的算法不仅可以延长网络寿命11%以上，也大幅度的扩大了网络覆盖范围的中间阶段，网络的生命周期，超过了20%的基于能量的选择算法。如 LEACH和HYENAS系统。 关键词：无线传感器网络，基于集群的协议，能源效率，覆盖面，簇头选择1引言 无线传感器网络（WSN）最近吸引了应用于未来的计算系统。覆盖率是无线传感器网络提供网络服务质量的另一个关键措施。它反映出一个区域监视或跟踪传感器节约能源的根本原因，WSN分解成若干簇，以减少通信开销，然后再节省能源消耗。图1.1表示汇聚节点，选择本地集群的一个节点作为簇头。从簇头收集其他集群节点上的数据，传送到基站（BS）来聚合数据。 对簇头选择现有的研究大多只是针对能源的消耗。低功耗自适应聚类分级（LEACH）是一个基于集群的协议，它使用随机分配的簇头，把能量消耗均匀分布在整个传感器网络，而不是像LEACH随机选择簇头的HYENAS系统需要考虑几个参数，包括节点的位置和剩余能量。虽然这些方法在降低能量消耗方面能更好的执行，但他们不能保证在维护网络覆盖范围内。另一方面，也有研究覆盖保存的无线传感器网络。用来显示该指标的概念和重要性，他们的簇头选择算法只是在覆盖度量的基础上结合，而不是与能源因素结合。 图1.1黑色节点是簇头，白色的是普通节点的集群节点 集群为基础的无线传感器网络的覆盖保护和能源效率的结合，我们提出了一个覆盖率和能量感知的簇头选择（CEACHS）算法。我们论文的主要贡献是提出了利用节点的特点，尤其是用覆盖成本度量方法来选择簇头。通过施加协议CEACHS，我们可以修改HYENAS系统，以达到最佳的传感覆盖面和能源效率。仿真结果证明了该方法的性能一直优于LEACH和HYENAS，它不仅延长网络的寿命超过11%，也扩大了整个网络的覆盖面和超过20%的网络生命周期的中间阶段。 2相关工作 2.1低功耗自适应聚类分级（LEACH） LEACH是一个自组织，自适应分簇协议。在LEACH中，节点组织起来，选择本地集群的一个节点作为簇头。在每一轮中，每个节点m被分配一个在0和1之间的随机数X。如果X是小于一个预定的阀值T（m），节点m将被选择为本轮集群节点，它的阀值T(m)被设置为： (1) P是簇头所需的比例，r是本轮和G的一组节点，其中每一个簇头不采取行动，然而，在一段时间的1/p轮。这些簇头节点广播自己的状态，在网络的其他传感器中，每个传感器决定簇希望加入的簇头来选择最低的通信数量。一旦所有的节点组织成簇，每个簇头在群集的节点上创建一个时间表。一旦群集头具备节点所有的数据，并与簇头节点的数据聚合后，然后向BS发送压缩数据，由于比其他节点花更多的能量，就必须重新周期性的选择簇头。 2.2 HYENAS系统 该HYENAS系统选择使用混合算法，它结合了基本模型的处理与机器学习技术，被称为基于案例的推理（CBR）的簇头。要选择合适的节点作为每个簇的簇头，所述BS确定一个节点度量CH（m）作为每个节点m，在集群中通过考虑每个节点的剩余的能量（m）与总和的平方距离的相关节点，考虑集群中的节点m到BS的距离。 CH（m）是使用如下公式计算的。 (2) 其中，和是节点的剩余能量和位置。N表示在集群中的所有节点。 2.3覆盖成本度量 覆盖成本度量最初在DAPR中作为路由度量，以避免路由数据通过传感器节点的形状来覆盖。从那时起，已经有一些研究把重点放在分析覆盖成本指标上，以延长网络的生命周期。在覆盖保护安全协议中，Y.R.提出了簇头选择算法的覆盖成本或在标准化的检测覆盖区域内每个传感器节点m。因此，他们承担的没有感应区，所覆盖的节点m