移动无线传感器网络中节点自适应分布式重聚类方法技术

本发明专利技术提供了一种移动无线传感器网络中节点自适应分布式重聚类方法，包括在已经聚类成簇的移动无线传感器网络中，节点根据惯性传感器的数据并利用航迹推算法与粒子滤波算法对移动过程中每个时刻自身的位置进行准确估计；在每个重聚类周期开始时，节点依据其移动所遵循的运动模型及当前时刻的位置，对下一时刻自身位置进行合理预测，每个簇内边界处非簇头节点被允许根据网络内其它节点的位置信息进行重聚类，从而可以保证节点在移动过程中能够始终处于比较适合的簇当中，即与其所属簇的簇头节点之间的通信距离保持在合理的范围内，使得二者之间通信时能够保持较高的数据送达率，因此可以保证移动无线传感器网络的服务质量。

【技术实现步骤摘要】

本专利技术涉及节点重聚类方法，具体涉及移动无线传感器网络中节点自适应分布式重聚类方法。
技术介绍
随着移动无线传感器网络技术的快速发展，其在环境监测、目标跟踪等众多应用领域中得到了广泛地使用，同时关于提高移动无线传感器网络的生命周期与服务质量等方面的研究也受到了越来越多的关注，比如在移动无线传感器网络中应用聚类的方法。将无线传感器节点(以下简称节点)根据其位置等信息聚类成簇，并选取出合适的簇头节点，簇内其余节点为非簇头节点。每个簇中，非簇头节点将采集到的信息等发送到簇头节点，簇头节点负责将接收到的信息进行整合，发送到信息汇聚点或者基站，并负责在簇内向非簇头节点分发信息。相较于每个节点将采集到的信息直接发送到信息汇聚点或者基站，应用聚类的方法可以大大减少非簇头节点的能量消耗，并能够减少对冗余信息的发送，而簇头节点与非簇头节点之间的能耗差别可通过簇头节点轮转的方式来消除。由于节点能量有限并且不方便补充，因而节点能耗的降低可以延长整个移动无线传感器网络的生命周期，同时较少的冗余信息也有利于移动无线传感器网络服务质量的提高。因此，在基于移动无线传感器网络的应用当中，聚类的方法具有极大的发展前景。然而移动无线传感器网络中节点具有一定的移动性，这将对已经聚类的移动无线传感器网络的拓扑结构造成动态、随机的影响，将导致簇之间出现重叠，从而使得节点可能并未处于最适合其的簇当中，即非簇头节点需要与距离其较远的簇头节点进行通信，这将带来通信消耗能量的增加与通信时数据送达率的降低。因此，如何有效地消除节点的移动性对聚类效果的影响是当前移动无线传感器网络应用当中所必须面临和解决的问题。经对现有技术的文献检索发现，J.Baek,S.K.An以及P.Fisher于2010年在IEEEtransactionsonconsumerelectronics(IEEE消费电子期刊)中发表了“Dynamicclusterheaderselectionandconditionalre-clusteringforwirelesssensornetworks”(无线传感器网络中动态簇头选取及条件重聚类方法)，针对簇头节点的轮转导致的非簇头节点与其通信距离增加这一问题，提出了一种条件性地对非簇头节点进行重聚类的方法(以下简称SISR)，所述的条件性指需要进行重聚类的非簇头节点只有在目标簇新一轮的簇头轮转开始时才可以进行重聚类。SISR在一定程度上避免了其与所属簇的簇头节点之间的通信距离过长。但是，在移动无线传感器网络中，节点的移动性导致的重聚类问题更加复杂，SISR无法确保节点移动时与簇头节点保持合理的通信距离，因此无法确保二者之间通信时的数据送达率，进而影响移动无线传感器网络的服务质量。
技术实现思路
本专利技术针对现有技术的不足，提出了移动无线传感器网络中节点自适应分布式重聚类方法。根据本专利技术提供的一种移动无线传感器网络中节点自适应分布式重聚类方法，包括如下步骤：步骤A：在已经聚类成簇的移动无线传感器网络中，节点在移动过程中，节点根据惯性传感器的传感数据，对每个时刻的自身位置进行估计，得到每个时刻的估计位置；步骤B：每个重聚类周期开始时，节点依据自身移动所遵循的运动模型以及自身当前时刻的位置，对下一时刻自身的位置进行预测，得到预测位置；步骤C：非簇头节点将步骤A中得到的估计位置发送给所属簇的簇头节点，簇头节点整合簇内节点的估计位置之后与邻近簇的簇头节点通信，并将从邻近簇的簇头节点获得的估计位置发送给簇内边界节点，边界节点对自身是否需要重聚类进行评估；步骤D：非簇头节点将步骤B中得到的预测位置发送给所属簇的簇头节点，非簇头节点中需要重聚类的边界节点将重聚类请求发送给所属簇的簇头节点，簇头节点获取簇内节点的预测位置和重聚类请求信息之后与邻近簇的簇头节点通信，并将从邻近簇的簇头节点获得的预测位置、重聚类请求以及自身所属簇内节点的预测位置、重聚类请求发送给需要重聚类的边界节点，需要重聚类的边界节点完成重聚类。优选地，每个节点运行粒子滤波算法对移动过程中每个时刻自身的位置进行估计，通过步骤A执行移动节点的位置估计过程，具体如下：所述步骤A包括如下步骤：步骤A1：初始时刻，对应k＝0，节点的位置为已知，在节点位置附近随机产生N0个粒子；表示k＝0对应的初始时刻的第i个粒子，i∈{1,...,N0本文档来自技高网...

【技术保护点】
一种移动无线传感器网络中节点自适应分布式重聚类方法，其特征在于，包括如下步骤：步骤A：在已经聚类成簇的移动无线传感器网络中，节点在移动过程中，节点根据惯性传感器的传感数据，对每个时刻的自身位置进行估计，得到每个时刻的估计位置；步骤B：每个重聚类周期开始时，节点依据自身移动所遵循的运动模型以及自身当前时刻的位置，对下一时刻自身的位置进行预测，得到预测位置；步骤C：非簇头节点将步骤A中得到的估计位置发送给所属簇的簇头节点，簇头节点整合簇内节点的估计位置之后与邻近簇的簇头节点通信，并将从邻近簇的簇头节点获得的估计位置发送给簇内边界节点，边界节点对自身是否需要重聚类进行评估；步骤D：非簇头节点将步骤B中得到的预测位置发送给所属簇的簇头节点，非簇头节点中需要重聚类的边界节点将重聚类请求发送给所属簇的簇头节点，簇头节点获取簇内节点的预测位置和重聚类请求信息之后与邻近簇的簇头节点通信，并将从邻近簇的簇头节点获得的预测位置、重聚类请求以及自身所属簇内节点的预测位置、重聚类请求发送给需要重聚类的边界节点，需要重聚类的边界节点完成重聚类。

【技术特征摘要】
1.一种移动无线传感器网络中节点自适应分布式重聚类方法，其特征在于，包括如下步骤：
步骤A：在已经聚类成簇的移动无线传感器网络中，节点在移动过程中，节点根据惯性传感器的传感数据，对每个时刻的自身位置进行估计，得到每个时刻的估计位置；
步骤B：每个重聚类周期开始时，节点依据自身移动所遵循的运动模型以及自身当前时刻的位置，对下一时刻自身的位置进行预测，得到预测位置；
步骤C：非簇头节点将步骤A中得到的估计位置发送给所属簇的簇头节点，簇头节点整合簇内节点的估计位置之后与邻近簇的簇头节点通信，并将从邻近簇的簇头节点获得的估计位置发送给簇内边界节点，边界节点对自身是否需要重聚类进行评估；
步骤D：非簇头节点将步骤B中得到的预测位置发送给所属簇的簇头节点，非...

【专利技术属性】
技术研发人员：徐超杰，俞晖，刘中令，夏俊，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31