WSN中基于改进分簇算法的数据收集方法及系统技术方案

本公开提出了WSN中基于改进分簇算法的数据收集方法及系统，针对一区域中布置有若干无线传感器构成的无线传感器网络，将LEACH法的簇头选举公式中阈值乘以系数G，该G值用来控制对于不同网络结构中的簇头选举数量，实现从普通节点选举簇头节点；选定簇头节点后，簇头节点对其覆盖范围内的传感器节点进行广播，确定簇头节点的组内成员，完成分簇过程；利用分簇的无线传感器网络实现数据的收集。本公开对LEACH分簇算法进行改进的优化算法，利用加权的方式使在多种情形下，分簇算法能够更好的适用于当前网络。

Data Collection Method and System Based on Improved Clustering Algorithms in WSN

【技术实现步骤摘要】
WSN中基于改进分簇算法的数据收集方法及系统
本公开涉及无线传感器网络
，特别是涉及WSN中基于改进分簇算法的数据收集方法及系统。
技术介绍
无线传感器网络(WirelessSensorNetworks，WSN)是众多以自组织形式存在的传感器节点构成的具有一定覆盖范围的网络。WSN被广泛的应用于数据监测领域，如在军事、国防、灾害防控以及移动支付、智能家居等方面。WSN从网络特性来看，传感器具有一定传输范围，数据的收发只能在有限范围内进行。WSN中的节点往往不能全部同时与汇聚节点交换数据，交换数据常以逐级传递的方式进行，因此利用分簇来进行数据传输值得探究。分簇算法是为了解决WSN中的数据传输效率问题，限制WSN中无线传感器传输效率的因素主要有能耗和计算能力两个方面。为保持网络的覆盖率和网络的联通度，通常的做法就是利用分簇算法选出一些合适的节点协助汇聚节点收集网络中的数据，再将数据统一交托给汇聚节点处理。但WSN网络往往受限于地理位置、传感器计算能力等因素，选择不到最合适的簇头节点。针对此问题，想到对分簇算法进行优化，使之更适用于WSN。目前，国内外研究主要基于在传统的分簇算法上加入对地理位置、剩余能量等因素的考虑来达到局部优化的效果。传统WSN中的分簇算法有集中式、分布式和混合式三类。集中式算法中，比较典型的有LEACH-C算法和LEACH-F算法，前者通过收集网络内所有传感器的能量信息，经一定的算法计算，确定簇头；后者结合了退火算法，静态挑选部分节点作为簇头。集中式网络的优势在于基站只需具有运算能力，其余传感器节点只需传输数据无需进行数据处理。分布式分簇算法中，最为经典的是由WendiRabinerHeinzelman,AnanthaChandrakasan,HariBalakrishnan提出的LEACH分簇算法，主要思想是通过轮转的方式来进行簇头的选举，分布式网络的优势在于，减轻基站运算能力方面的负担，适合规模庞大的网络。混合式方法结合了集中式和分布式的特点，例如基于LEACH算法的LEACH-KED方法，主要思想是为能量、地理位置、与基站间距离三个因素赋予不同的权重，得出最适合作为簇头的传感器节点。专利技术人在研究中发现，WSN中分簇算法的研究主要是基于对传统分簇算法进行的某一方面的优化，以适应不同场景下的网络，使得网络的生命周期和传输效率最大化。
技术实现思路
本说明书实施方式的目的是提供WSN中基于改进分簇算法的数据收集方法，在部分性能上可以大幅度的优于传统的分簇算法。本说明书实施方式提供WSN中基于改进分簇算法的数据收集方法，通过以下技术方案实现：包括：针对一区域中布置有若干无线传感器构成的无线传感器网络，包括1个汇聚节点及N个普通节点；将LEACH法的簇头选举公式中阈值乘以系数G，该G值用来控制对于不同网络结构中的簇头选举数量，实现从普通节点选举簇头节点；选定簇头节点后，簇头节点对其覆盖范围内的传感器节点进行广播，确定簇头节点的组内成员，完成分簇过程；利用分簇的无线传感器网络实现数据的收集。本说明书实施方式提供WSN中基于改进分簇算法的数据收集系统，通过以下技术方案实现：包括一区域中布置有若干无线传感器构成的无线传感器网络，包括1个汇聚节点及N个普通节点；所述无线传感器网络将LEACH法的簇头选举公式中阈值乘以系数G，该G值用来控制对于不同网络结构中的簇头选举数量，实现从普通节点选举簇头节点；选定簇头节点后，簇头节点对其覆盖范围内的传感器节点进行广播，确定簇头节点的组内成员，完成分簇过程；所述无线传感器网络利用分簇的簇头节点协助汇聚节点收集网络中的数据，再将数据统一传输给汇聚节点处理。与现有技术相比，本公开的有益效果是：本公开对LEACH分簇算法进行改进的优化算法，利用加权的方式使在多种情形下，分簇算法能够更好的适用于当前网络。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1为本公开实施例子的LEACH分簇算法和DEEC分簇算法剩余能量对比图；图2为本公开实施例子的LEACH分簇算法和DEEC分簇算法传输效率对比图；图3为本公开实施例子的WSN网络模型结构示意图；图4为本公开实施例子的遗传算法流程图；图5为本公开实施例子的LEACH算法、DEEC算法和改进LEACH算法的剩余能量对比示意图；图6为本公开实施例子的LEACH算法、DEEC算法和改进LEACH算法的数据传输对比示意图。具体实施方式应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。实施例子一该实施例子首先介绍LEACH分簇算法，LEACH分簇算法，是无线传感器网络中的分布式分簇协议，全称“低能耗且自适应的分簇分层型协议”。LEACH算法运行过程可以看作两个不同的阶段：建立分簇阶段和数据传输阶段。基于能耗方面的考虑，数据传输的阶段的持续时间要远大于建立分簇的阶段的持续时间。分簇建立阶段大致可表述为如下三个过程：选定簇头节点，簇头节点对其覆盖范围内的传感器节点进行广播，确定簇头节点的组内成员。公式(1)中：p为当前周期内传感器节点被选取为簇头节点的概率，r为算法运行的周期数，G为最近的1/p算法运行周期中未当选簇头的传感器节点的集合。在每个信息传输的周期里，选定簇头节点是分簇建立的第一步，首先，选取网络中的任一节点，LEACH算法会生成一个随机数，接着，根据概率公式计算出阈值T1(n)，将生成的随机数与T1(n)进行对比，若生成的随机数小于T1(n)，则当前无线传感器节点被选为簇头节点；反之，不被选为簇头节点。重复上述过程，直至所有节点都遍历一遍，网络周期中的全部簇头节点完全选定。簇头节点对其覆盖范围内的传感器节点进行广播是分簇建立的第二步，当普通传感器节点被选为簇头节点后，向其覆盖范围内的传感器节点散布自身成为簇头节点的消息，使其他传感器节点发现自己。当其他传感器节点收到来自簇头节点的消息后，其他传感器节点选择信号强度最高的簇头节点作为自身的簇头节点，自己为该簇头节点的簇内成员，接着簇内传感器节点向簇头节点回馈消息，汇报自身与簇头节点间信号强度，完成分簇过程。在另一实施例子中，公开了DEEC分簇算法，DEEC分簇算法基于LEACH分簇算法进行改进，它将网络剩余能量的考虑加入到了簇头选取的策略中。DEEC分簇算法和LEACH分簇算法的运行过程大体相似，区别在于DEEC分簇算法有对能耗的优化考虑。DEEC算法希望剩余能量多于网络中节点剩余能量平均值的节点更多的去承担簇头节点的工作，而网络中剩余能量少的反之。由于簇头节点比非簇头节点要消耗更大的能量，这样，能量高的节点更多地担任簇头节点就可以使得网络中的能耗趋于平均，从而减本文档来自技高网...

【技术保护点】
1.WSN中基于改进分簇算法的数据收集方法，其特征是，包括：针对一区域中布置有若干无线传感器构成的无线传感器网络，将LEACH法的簇头选举公式中阈值乘以系数G，该G值用来控制对于不同网络结构中的簇头选举数量，实现从普通节点选举簇头节点；选定簇头节点后，簇头节点对其覆盖范围内的传感器节点进行广播，确定簇头节点的组内成员，完成分簇过程；利用分簇的无线传感器网络实现数据的收集。

【技术特征摘要】
1.WSN中基于改进分簇算法的数据收集方法，其特征是，包括：针对一区域中布置有若干无线传感器构成的无线传感器网络，将LEACH法的簇头选举公式中阈值乘以系数G，该G值用来控制对于不同网络结构中的簇头选举数量，实现从普通节点选举簇头节点；选定簇头节点后，簇头节点对其覆盖范围内的传感器节点进行广播，确定簇头节点的组内成员，完成分簇过程；利用分簇的无线传感器网络实现数据的收集。2.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，无线传感器网络所构建的数据模型为：在一个具有一定大小和形状的区域，记为A，整个网络运行周期记为R；然后，在区域A中按一定的方式放置无线传感器，无线传感器的数量记为N+1，其中包括1个汇聚节点；N个普通节点；可以被选举为簇头节点的普通传感器记为c；设置无线传感器节点的初始能量信息；将除汇聚节点外的其余的N个普通无线传感器节点随机分布在整张地图上。3.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，利用遗传算法选取G值，使得无线传感器网络适应不同的节点资源和地理位置分配。4.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，无线传感器网络中，当前周期内所有节点的剩余能量总和为所有节点当前周期的剩余能量与当前周期传输数据所消耗的能量之差的求和。5.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，无线传感器网络中，当前周期传输数据所消耗的能量与两数据传输节点间的距离相关。6.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，利用一定周期内汇聚节点接收到的数据包数量S的大小来衡量网络的数据传输效率；选取负载均衡度来衡量分簇算法簇头分配的合理与否，它主要衡量的是不同簇头的簇内成员数间的差别。7.如权利...

【专利技术属性】
技术研发人员：段佳希，张永胜，张婕，黄晓翔，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东,37