一种适用于无线传感网的层次型路由控制方法 【技术领域】
本发明涉及无线传感网领域， 尤其涉及的是一种适用于无线传感网层次型路由控制方法。 背景技术 无线传感网是一类新兴的科学领域， 也是现今物联网的重要组成部分。无线传感 网本身是由大规模低成本、 低功耗的多功能微型传感器节点以无线方式组成的多跳自组织 网络， 并隶属于无线网络的范畴。 但区别于一般的无线网络， 通常无线传感网在节点部署后 即保持静止状态， 除非节点损坏或者死亡， 否则网络拓扑不会改变 ； 网络自身只关心数据的 收发， 而发送与接收者并不是网络关心的重点。因此， 传统基于 IP 协议的路由机制以及 Ad hoc 网络中针对移动性较强的多跳路由并不适合于无线传感网。
针对无线传感网的特性， 现有的路由按照网络结构可大致被分为三类 ： 平面路由、 基于地理位置的路由和层次型路由， 而层次型路由被认为是最适合解决无线传感网的路由 问题， 其中尤以 Heinzelman 等提出的低能耗自适应等级分簇路由 （LEACH） 为代表。LEACH 以轮转机制周期性地执行簇建立和稳定数据通信过程， 等概率随机选举簇头并履行数据融 合策略， 在一定程度上降低了数据的通信量， 有效减少能量消耗， 延长了网络的生存时间。
LEACH 引入的簇头数据融合机制降低了数据传输的冗余度， 改变了传统短距离多 跳路由存在的问题， 但也带来了新的问题 ： 1） 未将节点的剩余能量纳入考虑范畴， 导致部分 节点很快耗尽能量而缩短网络生存时间 ； 2） 簇头选举分布不均， 未考虑节点的具体分布， 从 而导致网络能耗的不均 ； 3） 随机选举簇头及成簇方式容易带来大量不确定因素， 导致当前 的通信网络并非最优， 进而造成生存时间大幅缩减 ； 4） 伴随网络规模的扩大， 容易出现能耗 不均的现象 （离簇头越远消耗的能量越多， 反之越则少） ， 从而进一步影响了网络的整体覆 盖和生存时间。
LEACH-C、 LEACH-F 两种涵盖集中式簇形成算法的路由解决了上述的部分问题， 但 是 LEACH-C 过分依赖于 GPS 与查找算法， 效率比 LEACH 有所降低， 而 LEACH-F 则依赖簇数 量的设置以及簇大小的能量成本， 一旦网络发生改变 （新节点的加入或者节点耗尽能量死 亡） ， 其性能指标就迅速下降。为此， Lindsey 等提出的 PEGASIS 协议只保留一个簇头， 利用 贪婪策略按照离基站的远近及相邻关系成链， 通过令牌控制方式沿链以最小功率传输融合 后的数据， 并最终由簇头把融合后的数据发送给基站。PEGASIS 避免了 LEACH 协议因频繁 选举簇头、 重构簇带来的通信开销， 较之 LEACH 协议提高了网络的生存时间， 但也存在诸如 单簇遇到网络失败的机率大大提高， 传输时延增大等问题。Manjeshwar 等提出适用于响应 型 WSNs 的 TEEN 协议， 该协议通过设立硬、 软两阀值来调节数据的发送量， 达到精度与系统 能耗之间的平衡， 实现对突发事件及热点区域的监视， 但也存在阀值设置敏感， 容易产生噪 声干扰， 不适用于周期性的数据上报传输。 Younis 等提出的 HEED 协议将节点剩余能量纳入 考虑范畴， 并依据主从关系引入多个约束条件作用于簇头选举， 同时首次提出将簇内平均 可达能量 （AMRP） 作为衡量簇内通信成本标准的理念， 较之 LEACH 成簇速度快、 网路拓扑更
合理， 能耗更均匀， 但却无法保证所选簇头是当前最优 （节点能量最多） ， 即簇头选举的可靠 性相对不高。鉴于以上分析， 迫切需要一种更适用于无线传感网的路由方法来解决一些实 际的节点数据路由传输问题。 发明内容 为了克服现有无线传感节点的路由控制方法的簇头分布不均、 簇间距不均、 簇头 选举不合适、 能耗负载不均衡的不足， 本发明提供了一种簇头分布均匀、 簇头选举更合适、 簇间距更合理、 能耗负载均衡的适用于无线传感器网络的层次型路由控制方法。
本发明解决其技术问题所采用的技术方案是 ： 一种适用于无线传感网的层次型路由控制方法， 包括以下步骤 ： 1) 节点距离侦测存储 ： 基站首先向各节点广播侦测请求包， 节点在接收请求数据包后 向基站传回自身的信息 ； 基站收到回复信息后计算各自的距离并形成路由距离矩阵表， 同 时存储并转发相应的路由节点距离矩阵表给各自的节点， 即节点只存储与自身相关的距离 信息 ； 2) 最 优 聚 簇 分 析 ： 设 定 在 指 定 区 域 内 部 署 的N 个 无 线 传 感 节 点 组 成 的 集 合 表 示 为 S ={x i | xi =(a i ,b i ) 且 x i ∈ R 2, i = 1,2,… ,N }， 令
为节点 x i 的一阶最短近邻距离， 为节点 x i 的二阶最短近邻距离， 以此类推， 点 x i 的 N -1 阶最短近邻距离， 则按照节点 x i 的最短近邻距离从小到大的排列有 ： (1) 进一步， 分别计算 j 阶最短近邻距离的平均值 和平方均值 (2) (3) 求解方差 ： (4) 假定 y i 为原传感节点 x i 的次序排列， 且满足 y 1 ≤ y 2 … ≤ y N -1 的关系， 同时令 其对应独立的且具有相同概率的概率密度函数 ， 且必须满足 ：为节为； 设定概率密度函数 f (y ) = 1， 运用 Beta 函数的特性将式 (4) 推导转换为式 (19) ： (19) 系数 、 分别对应于 ： , (20)设， 在传感网络节点曲率变化时， 如果在某一节点上曲率变化满足 (22)则认为在该传感网络节点上发生了跃变， 该传感网络节点也被称为跃变节点， 记为 m *， 其中阀值 是在 (0,1) 区间中的足够小的常数 ； 假定网络初始簇数为 k =1， 当计算某一节点曲率时满足式 (22)， 簇数在原来的基 * 础上加 1， 迭代遍历节点集， 统计所有的跃变节点 m ， 得到最优的簇数量 k opt ； 3) 簇头选举 ： 阀值 T (n ) 决定当前传感节点成为簇头节点的概率， 而簇头在所有节点 中所占百分比 p 则决定着 T (n ) 大小， 通过所述对传感节点的最优聚簇分析得到当前最优的 簇数量 k opt ， 进而计算当前最优的簇头占用比 p opt ： (23) 则 T (n ) 表示为 ： (24)r 为执行的轮数， N 为传感节点集的个数， G 为本周期内未当选为簇头的节点集 其中， 合， 当 r 到达一个周期执行时间， 未当选为簇头的节点集合 G 将被重置 ； 4) 簇形成 ： 各簇头节点及时向整个网络通告自己当选的消息， 该消息包内容只包含簇 头节点的 ID 信息， 同时簇头节点等待其他非簇头节点请求加入， 其他非簇头节点直接根据 初始状态下基站测定并转发的近似距离存储表迅速选择加入最近的簇头， 并向簇头发回加 入请求消息， 该消息包含当前的非簇头节点 ID 以及欲加入的请求指令 ； 5) 数据传输 ： 将各传感节点收集的数据信息通过簇头进一步发送至基站。
作为优选的一种方案 ： 在所述步骤 3) 中， 将节点剩余能量纳入簇头选取评价标 准， 则公式 （24） 转变为式 （25） ：(25)E max 则为节点的最大能量， 即为节点初始能 其中 E residual 为节点当前评估的剩余能量，量。
作为优选的另一种方案 ： 在所述步骤 4) 中， 假设 N 个传感节点围绕 k 个簇头初步形成的簇集为 Clusters ={C 1,C 2,…,C k }， 节点 v 1 C i 、 v 2 Cj ， 且满足 v 1v 2、 CiCj ， 1ik ,1jk， 则簇 C i 到 C j 的 Hausdorff 距离为 ：(26)其中的为簇 C i 中的节点到 C j 中节点的范数， 如 L 2 范数 ；7最终两簇之间的 Hausdorff 距离用下式来表示 ：101959244 A CN 101959245说明书(27)4/10 页在确定簇间的 Hausdorff 距离后， 假设簇 C i 与 C j 的 Hausdorff 距离 H (C i ,C j ) = R h ， 那 么簇 C i 中每个非簇头节点到 C j 的节点必须满足 d (v ) < Rh ， v 代表簇 C i 中任一非簇头节点， 反之亦然。当 C i 中存在一个或者多个节点大于或者等于 R h ， 则微调簇 C i 与 C j ， 将簇 C i 中离 簇 C j 最近的节点划归为 C j ， 并且被划分出去的节点同时向 C j 发送请求加入消息和向 C i 发 送撤销加入消息。
进一步， 在所述步骤 5） 中， 非簇头节点基于不同的 TDMA 时间片向各自的簇头节点 发送数据， 簇头节点在接收不同的数据后采取融合策略。
再进一步， 在所述步骤 5） 中， 节点会在空闲、 发送、 接收和睡眠四个状态下流转一 旦非簇头节点被授予 TDMA 时间片， 即被唤醒转入空闲状态等待发送数据到相应的簇头节 点， 而簇头节点也将被唤醒处于准备接收数据的状态。
更进一步， 在所述步骤 5） 中， 基站在获取各簇头向全网广播的消息包后及时分配 给簇头节点在 t 时刻的唯一网络 ID， 其他非簇头节点与簇头节点通信时在数据包头包含此 网络 ID， 簇头节点通过网络 ID 判定数据包是否发送给自身。 在所述步骤 5） 中， 邻近簇之间的通信采用的 CSMA/CA MAC 协议。
本发明的技术构思为 ： 首先进行必要的节点距离侦测， 计算存储转发有效的节点 距离关系矩阵路由表。其次利用 N 阶近邻理论实现最优聚簇分析， 通过统计计算获取的 k opt 计算最优的簇头占有比 p opt ， 并结合节点剩余能量确定簇头选举概率 ； 快速成簇后引入 Hausdorff 距离进一步优化已形成的簇结构， 最终形成全网的稳定通信。
本发明的有益效果主要表现在 ： 最优簇数计算准确， 簇头分布更均匀， 簇结构合 理， 节省了各节点能耗， 实现了无线传感网的网络负载均衡。
附图说明
图 1 是无线传感网 (WSNs) 网络结构图。
图 2 是无线能耗模型图。
图 3 是通信执行周期图。
图 4 是层次型路由方法流程图。
图 5 是节点状态转换设计图。 具体实施方式
下面结合附图对本发明作进一步描述。
参照图 1 ～图 4， 一种适用于无线传感网的层次型路由控制方法， 包括如下步骤 ： 1） 节点距离侦测存储阶段 无线传感节点在随机部署 （如飞机飞行过程中投撒节点） 后， 即保持固定位置不变， 各 节点之间形成网络拓扑结构， 基站负责统一的配置与通信调度。基站首先向各节点广播侦 测请求包， 节点在接收请求数据包后向基站传回自身的信息 ； 基站收到回复信息后计算各 自的距离并形成路由距离矩阵表， 同时存储并转发相应的路由节点距离矩阵表给各自的节 点， 即节点只存储与自身相关的距离信息。2） 最优聚簇分析阶段 假定在指定区域内部署的 N 个无线传感节点组成的集合表示为 S ={x i | xi =(a i ,b i ) 且 x i ∈ R 2, i = 1,2,… ,N }， 通过分析节点集的关系， 可以找到满足一定条件的 k 个簇。令 为节点 x i 的一阶最短近邻距离， 为其二阶最短近邻距离， 以此类推， 则按照节点 x i 的 最短近邻距离从小到大的排列有 ： (1) 进一步， 分别计算 j 阶最短近邻距离的平均值 和平方均值 (2) (3) 传感节点的分散程度将直接决定最优簇数量， 为分析其离散度， 求解方差 (4) 假定 y i 为原传感节点 x i 的次序排列， 且满足 y 1 ≤ y 2 … ≤ y N -1 的关系， 同时令 其对应独立的且具有相同概率的概率密度函数 度的 K 阶统计 f N -1,K (y ) ： (5) 其中， f N -1,K (y ) 为 y i 的累计概率分布函数， P (K (y ) ≤ y ) 为随机试验 K 阶次序传感节点 集中小于等于随机变量 y 的概率。相应的， 上述过程可以看成在 N -1 次试验中大于等于 K 次成功的事件概率， 由于y i 的概率密度函数相同， 且满足关系y 1 ≤ y 2 … ≤ y N -1， 则式 (5) 可转化成 ： (6) 显然， 上式可进一步写成 ： (7) 对上式进行推导得 ： ， 且必须满足 为 ： ：。计算得到概率密(8)将式 (8) 的求和项展开， 相同项约掉， 便得到下式 ： (9) 由于项 ， 则 K 阶统计的概率密度 f N -1,K (y ) 为 ： (10) 其中的 F (y ) 是对应的累积概率分布函数 ： (11) 此时， 式 (2)、 式 (3) 可等价转化成下式 ： (12) (13) 再将式 (12) 与式 (13) 代入式 (4) 得 ： (14) 同时， 再将式 (10) 与式 (11) 分别代入可得 ：(15)从上式可以发现， 若想计算最终的， 必须给定相应的概率密度函数 f (y )。由于一般部署的无线传感节点满足均匀分布的条件， 因此 f (y ) = 1， 上式便可简化成 ：(16)进一步运用 Beta 函数及其性质 (17) 利用求和公式与平方求和公式可将上式转化为 ： (18) 显然， 式 (18) 可看成函数 ： (19) 系数 、 分别对应于 ： , 从上面的一系列推导发现， 节点离散度 关， 将 做 线性化处理后得到 ： (21) 设 ， 在统计传感节点曲率变化时， 如果在某一节点上曲率变化满足 (22) (20)代入可得 ：只与传感节点的个数N 与节点m 相则认为在这一节点上发生了跃变， 该节点也被称为跃变节点， 记为 m *。其中 m 为节点， 阀值 是在 (0,1) 区间中的足够小的常数， 且上式必须满足 的情况， 否则将不成立。 通过判定近邻节点曲率变化关系， 可确定跃变的发生及获取跃变节点， 即可以通过求解曲 率变化确定簇的存在和簇数量大小。不失一般性， 假定网络初始簇数为 k =1， 当计算某一节 点曲率时满足式 (22)， 则意味着在该节点发生跃变， 簇数在原来的基础上加 1， 即当前必定 存在两个簇， 使得在计算统计节点曲率时发生跃变。 迭代遍历节点集， 统计所有的跃变节点 * m， 就可得到最终的簇数量 ； 而且随着跃变节点的增加， 簇数 k 也必定为单调递增。迭代执 行全部过程， 即可得到最优的簇数量 k opt ， 这也为下一步簇头选举打下基础。
3） 簇头选举阶段 簇头的选取在层次型路由中起着关键作用， 阀值 T (n ) 决定当前传感节点成为簇头节 点的概率， 而簇头在所有节点中所占百分比 p 则决定着 T (n ) 大小， 其设定值也直接影响着 整个网络的性能。 通过前述对传感节点的最优聚簇分析可以得到当前最优的簇数量 k opt ， 进 而计算当前最优的簇头占用比 p opt ： (23) 则 T (n ) 可表示为 ：(24)r 为执行的轮数， N 为传感节点集的个数， G 为本周期内未当选为簇头的节点集 其中， 合。当 r 到达一个周期执行时间， 未当选为簇头的节点集合 G 将被重置。
考虑传感节点剩余能量对簇头选取乃至整个网络生存周期的影响， 将节点剩余 能量纳入簇头选取评价标准， 则 T (n ) 进一步转变为 ：(25)E max 则为节点的最大能量， 即为节点初始能 其中 E residual 为节点当前评估的剩余能量，量。 4） 簇形成阶段 一旦簇头选举完成， 各簇头节点采用基于载波监听多路访问 / 防止冲突 （CSMA/CA） MAC 协议及时向整个网络通告自己当选的消息， 该消息包内容只包含簇头节点的 ID 信息， 同时 簇头节点等待其他非簇头节点请求加入。 其他非簇头节点直接根据初始状态下基站测定并 转发的近似距离存储表迅速选择加入最近的簇头， 仍按照 CSMA/CA 协议向簇头发回加入请 求消息， 该消息包含当前的非簇头节点 ID 以及欲加入的请求指令。
快速成簇过程存在许多缺陷， 即使前述已经实行了最优聚簇分析和最优簇头选 取策略， 也无法保证当前簇就是最优的。因此， 为使网络划分的簇更趋均匀合理， 引入 Hausdorff 距离来调整已经初步形成的簇， 使得调整后的簇是最优的。
假设 N 个传感节点围绕 k 个簇头初步形成的簇集为 Clusters ={C 1,C 2,…,C k }， 节点
v 1 Ci 、 v 2 Cj ， 且满足 v 1离为 ：v 2、 CiCj ， 1ik ,1jk， 则簇 C i 到 C j 的 Hausdorff 距(26) 其中的 为簇C i 中的节点到C j 中节点的范数， 如L 2 范数。 反过来C j 到C i 的 Hausdorff距离不一定与 C i 到 C j 的 Hausdorff 距离相同， 因此， 最终两簇之间的 Hausdorff 距离可以 用下式来表示 ： (27) 在确定簇间的 Hausdorff 距离后， 判断两簇之间的非簇头节点是否满足 Hausdorff 距 离条件， 如果不满足则对簇进行调整。假设簇 C i 与 C j 的 Hausdorff 距离 H (C i ,C j ) = R h ， 那 么簇 C i 中每个非簇头节点到 C j 的节点必须满足 d (v ) < Rh （v 代表簇 C i 中任一非簇头节 点） ， 反之亦然。当 C i 中存在一个或者多个节点大于或者等于 R h ， 则微调簇 C i 与 C j ， 将簇 C i 中离簇 C j 最近的节点划归为 C j ， 并且被划分出去的节点同时向 C j 发送请求加入消息和向 C i 发送撤销加入消息。
5） 数据传输阶段数据传输阶段主要是将各传感节点收集的数据信息通过簇头进一步发送至基站。 非簇 头节点基于不同的 TDMA 时间片向各自的簇头节点发送数据， 簇头节点在接收不同的数据 后采取融合策略以降低冗余度或还原关键原始数据。 通常节点会在空闲、 发送、 接收和睡眠 四个状态下流转， 鉴于节省能耗的设计原则， 其大部分的时间处于睡眠状态， 一旦非簇头节 点被授予 TDMA 时间片， 即被唤醒转入空闲状态等待发送数据到相应的簇头节点， 而簇头节 点也将被唤醒处于准备接收数据的状态。由于节点主要的能耗都在数据通信上， 数据融合 及睡眠状态时消耗极小部分能量， 因此能保证尽可能地延长网络生存时间。
此外， 对于邻近簇间的通信干扰， 按照特定的网络编码方式， 即基站在获取各簇头 向全网广播的消息包后及时分配给簇头节点在 t 时刻的唯一网络 ID， 其他非簇头节点与簇 头节点通信时必须在数据包头包含此网络 ID， 簇头节点通过网络 ID 判定数据包是否发送 给自身， 这样可以过滤掉大量邻簇的数据包。 同时， 采用的 CSMA/CA MAC 协议同样可以避免 大量通信冲突干扰的发生， 使得全网能够保持稳定的数据通信传输。
如图 1， 无线传感节点随机部署在一定区域内， 该区域可以是规则的几何图形区 域， 也可以是不规则图形区域， 节点与节点之间、 节点与基站之间形成多层网络拓扑结构。 无线传感节点通过选举机制选取出簇头集， 节点采集的各类信息由这些簇头集传输给基 站， 这种层次型的网络拓扑有利于网络能耗的均衡。
图 2 是本发明所采用的无线能耗模型， 当节点 v 1 向距离 d 外的 v 2 发送 L 字节数据 包时的能耗为 ： (28)E Tx (L ,d ) 包含发射电路及功率放大损耗两部分， 其中 E elec 为节点发射每位 (bit) 数据消耗的能量， 参数fs和mp依赖于具体的传输放大模型， d threshold 为阀值， 当传感节点 v 1 与v 2 的距离 dd threshold 时， 则使用 Friss 自由空间模型， 反之当 d > d threshold 时则采用多路径 衰减模型。特别的， 当 d = d threshold ， 则有 ：(29) 同时， v 2 接收 v 1 发送过来的数据包消耗的能量为 ： (30)如图 3 通信执行周期所示， 本发明采用轮机制， 主要分为 5 个步骤， 分别为距离 侦测存储、 最优聚簇分析、 簇头选举、 簇形成和数据通信。距离侦测阶段主要是节点初始化 部署后， 网络拓扑自然形成， 需要对网络整体进行侦测。 通过基站向节点广播询问消息以及 节点的回复确立距离关系， 并在基站计算存储该距离矩阵路由表， 同时基站也会向节点转 发相应的距离关系表。距离侦测存储只在节点初始化部署后执行， 而且只执行一次。 接着， 最优聚簇阶段实行 N 阶近邻理论分析， 通过对节点的离散度及曲率变化分 析， 统计确定现有网络拓扑条件下可分簇数量。离散度的计算见式 (4) 及其推导， 曲率分析 计算主要见式 (22)， 当计算某一节点曲率时满足式 (22)， 则意味着在该节点发生了曲率上 的跃变， 那么当前就必定存在两个簇， 迭代运行至计算得出完全的簇数量 k opt 。该过程只在 节点初始化部署及网络拓扑动态变化的情况发生。
然后簇头选举阶段将基于最优簇数 k opt 计算最佳簇头占有比率 p opt ， 同时考虑节点 的剩余能量， 选举当前最优的簇头集。该过程主要是计算节点当选簇头的概率 T (n ) 计算， 每一轮都将根据实际的情况选举新的簇头， 结合节点的剩余能量考虑， 能量越多的节点将 被优先考虑选为簇头。而簇头占有比率 p opt 和簇的地域划分也决定着簇头的选举。
在簇头选举结束后， 簇头节点采用基于载波监听多路访问 / 防止冲突 （CSMA/CA） MAC 协议及时向整个网络通告自己当选的消息， 同时等待其他非簇头节点请求加入。其 他非簇头节点直接根据初始状态下基站测定并转发的近似距离存储表迅速选择加入最近 的簇头， 仍按照 CSMA/CA 协议向簇头发回加入请求消息。在快速成簇， 本发明又引入了 Hausdorff 距离， 通过对簇间的 Hausdorff 距离判定， 调整已经形成的簇结构， 使之更趋合 理和均衡。
最后进入数据稳定通信阶段， 该阶段主要是在已经形成的 WSNs 通信网络上进行 通信， 非簇头节点基于不同的 TDMA 时间片向各自的簇头节点发送数据， 簇头节点在接收不 同的数据后采取融合策略以降低冗余度或还原关键原始数据。 经过融合的数据信息通过簇 头最后传送至基站， 基站再对这些数据进行分类整理或二次融合， 以达到进一步降低数据 量的目的。
详细的流程如图 4 所示。为了满足能耗节省的设计要求， 如图 5 所示， 通常节点被 设计成空闲、 发送、 接收和睡眠四个状态。节点大部分时间将处于睡眠状态， 一旦非簇头节 点被授予 TDMA 时间片， 即被唤醒转入空闲状态等待发送数据到相应的簇头节点， 而簇头节 点也将被唤醒处于准备接收数据的状态。这样的设计模式能够尽可能地降低能力消耗， 节 省有限的电力资源。 此外， 为了充分保证整个通信网络的工作状态和效率， 满足关系 T analysis + T select + T form << T data， 其中 T analysis 表示最优聚簇分析时间， T select 表示簇头选举时间， 以及 T form 表示簇形成时间。