一种无线传感器网络中汇聚节点的位置确定方法技术

本发明专利技术提供了一种无线传感器网络中汇聚节点的位置确定方法，包括如下步骤：由支持向量机进行学习训练、进行多次二分类划分并输出各个分类的分类标签、根据分类标签逐级构造决策树、设定K均值聚类算法的初始K值、计算所有剩余传感器节点分别到各个质心节点之间的相对距离、将各个剩余传感器节点分别划分给相对距离低于阈值的质心节点、计算平均节点位置、将该平均节点位置作为新的质心节点位置、重复计算相对距离并更新质心节点位置、将稳定的质心节点位置作为汇聚节点的位置。该汇聚节点的位置确定方法能够快速有效地确定汇聚节点的位置，且能够使整个传感器网络能耗较低，延长传感器节点的使用寿命。

【技术实现步骤摘要】

本专利技术涉及一种无线传感器网络，尤其是一种用于确定无线传感器网络中汇聚节 点位置的方法。
技术介绍
环境是影响农作物生长的重要因素，准确的环境信息检测手段和实时的数据传输 机制能够使技术人员对农作物生长情况的了解和监控更加清晰准确。作为物联网技术的支 撑载体，无线传感器网络（WirelessSensorNetwork,WSNs)无疑是感知环境变量的最佳检 测手段。但是农田广袤的空间环境（通常几百万甚至几千万平方米）需要至少几百个节点 才能实现对整个农田的覆盖。更严重的是，目前野外无线传感网络在工作时依然采用电池 供电的供能方式，每个节点的寿命相当有限。而对于需要在农田里长时间工作（至少3个 月）的无线传感器网络而言，节能是设计时需要重点考虑的因素之一。无线传感网络的能 耗主要体现在三个方面：传感、计算、传输，其中，传输消耗了整个网络65%的能量，传感器 节点发送一位数据所消耗的能量足以使节点CPU执行3000条指令。因此，合理布局无线传 感网络内各节点的空间位置使各节点间数据传输的总体距离最小，不仅能使无线传感网络 实现对整个农田的最优覆盖、降低数据传输时的丢包率，同时还能大大降低无线传感网络 的整体功耗，从而延长无线传感网络各节点的平均寿命。 无线传感器网络是一种具有全新的信息获取信息处理与传输技术的通信网络，通 常包含大量的可自组织成多跳无线网络的分布式传感节点。无线传感网络具有组网快捷灵 活，且不受有线网络约束的优点，可用于紧急搜索、灾难救助、军事、医疗等环境中，具有广 泛的应用前景。汇聚节点在整个网络中起着承上启下的作用，一方面汇聚节点要处理传感 器节点传输过来的大量的数据，将这些数据进行打包处理，再通过以太网等方式传输至远 程的控制中心。另一方面要将远程控制中心的命令发送给各个传感器节点，使传感器节点 根据人们的命令进行工作。因此，汇聚节点不仅要负责与远程终端的通信，而且还要负责与 传感器节点的通信。由于通信需要消耗大量的能量，这就要求要给汇聚节点提供充足的能 量。 降低能耗以延长网络生存时间是无线传感器网络设计中的一个重要挑战。在传感 器节点高密度部署的环境中，在保证网络性能的前提下，将最少量的节点投入活跃工作状 态，而将其余节点投入低功耗的睡眠状态，是一种节约系统能量的有效方法。如何计算同时 满足覆盖要求和连通性要求的最小节点集合，是一个NP-hard问题。 一种应用比较广泛的降低无线传感网络能耗的方法是节点密度控制。密度控制是 实现上述目的的重要而有效的手段。所谓密度控制，就是在不牺牲系统性能的前提下，将一 部分节点投入低功耗的睡眠状态，只保留部分节点作为活跃工作节点。这样，可以降低网络 中活跃节点的密度、降低感知数据的冗余性以及减少。网络中的每个节点地位都是相等的， 换言之，每个节点都需知道全网的拓扑结构，与此同时，由于节点间频繁的交换路由信息， 广播数据可能大量占用网络带宽，并影响节点的发送能力，致使整个网络陷入瘫痪，并消耗 大量能量。 此外，国内外很多学者和专家对无线传感网络节点划分与节能做了大量研宄，例 如Gibbs随机场模型、观察集相似度算法等。这些方法在快速准确选取初始K值上确实优 于传统的随机选取方法或穷举测试方法，但是这些方法并不适用于WSNs这种特殊的网络 结构，并且有些方法要求一定的先验知识。
技术实现思路
本专利技术要解决的技术问题是现有的无线传感器网络中由于汇聚节点位置选择不 好，从而导致了无线传感网络整体能耗较高。 为了解决上述技术问题，本专利技术提供了一种无线传感器网络中汇聚节点的位置确 定方法，包括如下步骤： 步骤1，由支持向量机根据训练样本数据对分类算法进行学习训练，并建立分类规 贝1J，使支持向量机能够对数据集进行分类预测； 步骤2,再由支持向量机根据分类规则并利用循环二分法对各个传感器节点的坐 标位置进行多次二分类划分，得到以支持向量作为划分区域边界的各个分类，并输出各个 分类的分类标签； 步骤3,根据分类标签逐级构造决策树，设定决策树最底层分类标签的个数n为K 均值聚类算法的初始K值，以初始K值作为聚类算法的初始值，在所有传感器节点中选取K 个节点作为各个分类的质心节点； 步骤4,计算所有剩余传感器节点分别到各个质心节点之间的相对距离，并将各个 剩余传感器节点分别划分给相对距离低于阈值的质心节点，由质心节点和划分给它的剩余 传感器节点构成新的分类； 步骤5,计算每个新的分类中所有传感器节点的横坐标平均值和纵坐标平均值，得 到平均节点位置，将该平均节点位置作为新的质心节点位置； 步骤6,重复步骤4和5,直到新的质心节点位置与上一次得到的质心节点位置相 同或者两者相差在容差范围内，并将此时得到的质心节点位置作为汇聚节点的位置。 作为本专利技术的进一步限定方案，步骤2中的分类标签为" 1"或"0"，分别表示各个 传感器节点的位置属于正类或负类。 本专利技术的有益效果在于：（1)本专利技术采用无经验无监督的支持向量机学习训练方 法和K均值聚类方法，即在没有任何先验经验的条件下，甚至是在不确定节点数量的情况 下，仅根据节点自身提供的N维可观察数据，利用支持向量机的二分特性和K均值聚类的距 离划分方法，将全部传感器节点划分成K个子集，实现子集内部各个传感器节点之间的总 体距离尽可能小，而不同子集之间的总体距离尽可能大，最终使整个聚类的目标函数达到 最小，因此本专利技术的方法能够在没有任何先验经验的条件下即可实现对所有传感器节点的 自动分类和聚类，这是传统最优路径和最优覆盖算法所不具备的有点；（2)本专利技术采用基 于决策树的支持向量机来确定聚类的初始K值，利用支持向量机的两类识别特性对整个无 线传感网络进行多次二分类划分，最终构造出一颗带有分类标签的决策树，位于决策树最 底层的分类标签的个数便是K均值聚类算法的初始K值，与传统支持向量机多分类方法相 比较，本专利技术采用的决策树支持向量机在训练时不需要知道样本的分类个数，而是通过不 断对样本进行二分类，根据决策树的分类标签最终确定分类数，能够轻松确定K均值聚类 初始K值，提高了确定汇聚节点位置的准确性以及聚类收敛的速度。【附图说明】 图1为本专利技术的无线传感网络整体结构示意图； 图2为本专利技术的汇聚节点位置确定方法流程图； 图3为本专利技术的最小超长方形； 图4为本专利技术的支持向量机的二分类； 图5为本专利技术的由二分类逐级构成的多分类； 图6为本专利技术的支持向量机训练阶段与预测阶段流程图； 图7为本专利技术的支持向量机生成的决策树； 图8为本专利技术的K均值聚类算法的聚类结果。【具体实施方式】 由于传感器节点的通信能力有限，节点的布置首先要保证每个簇的簇头节点能够 接受到管辖范围内子节点发送的数据，再考虑到数据采集的全面性，因此在实际的农田环 境中，大约每20亩就需要布置一个传感器节点，对于10000亩的农田而言，需要500个节点 才能实现完全覆盖。在实际的无线传传感网络中，当节点数量达到100以上时，节点通信会 产生很严重的拥堵现象而使整个网络瘫痪，因此选取合适的节点聚类方法、降低节点间信 道数量对于保证整体网络可靠性、减少整体信息传输距离是非常必要的。 如图1所示，本专利技术的无线传感网络根据农田数据采集需要，将各个传感器节点 安装在农本文档来自技高网...

【技术保护点】
一种无线传感器网络中汇聚节点的位置确定方法，其特征在于，包括如下步骤：步骤1，由支持向量机根据训练样本数据对分类算法进行学习训练，并建立分类规则，使支持向量机能够对数据集进行分类预测；步骤2，再由支持向量机根据分类规则并利用循环二分法对各个传感器节点的坐标位置进行多次二分类划分，得到以支持向量作为划分区域边界的各个分类，并输出各个分类的分类标签；步骤3，根据分类标签逐级构造决策树，设定决策树最底层分类标签的个数n为K均值聚类算法的初始K值，以初始K值作为聚类算法的初始值，在所有传感器节点中选取K个节点作为各个分类的质心节点；步骤4，计算所有剩余传感器节点分别到各个质心节点之间的相对距离，并将各个剩余传感器节点分别划分给相对距离低于阈值的质心节点，由质心节点和划分给它的剩余传感器节点构成新的分类；步骤5，计算每个新的分类中所有传感器节点的横坐标平均值和纵坐标平均值，得到平均节点位置，将该平均节点位置作为新的质心节点位置；步骤6，重复步骤4和5，直到新的质心节点位置与上一次得到的质心节点位置相同或者两者相差在容差范围内，并将此时得到的质心节点位置作为汇聚节点的位置。

【技术特征摘要】

【专利技术属性】
技术研发人员：李建清，徐国龙，秦钦，顾乐，李珊珊，乐英高，顾清欣，李聂贵，
申请(专利权)人：水利部南京水利水文自动化研究所，东南大学，
类型：发明
国别省市：江苏;32