本發明涉及無線傳感網絡網絡層優化技術，具體涉及一種分布式無線傳感網絡分簇路由方法。
背景技術：
：無線傳感網絡(WirelessSensorNetworks,WSNs)是一種多跳自組織網絡系統，由大量傳感器節點組成，節點之間通過無線通信的方式進行互聯互通。一般來說，無線傳感網絡由傳感器節點和匯聚節點組成，并且每個傳感器節點都具有數據接收和數據轉發的功能，也就是說每個節點既可以是普通節點，也可以實現路由轉發的作用。匯聚節點則相當于網關的角色，既負責對指定區域所管轄的傳感器節點收集到的信息進行數據融合，還需要負責與外部網絡(互聯網，移動通信網絡，衛星通信等)進行通信。隨著無線通信技術的發展以及低功耗無線射頻模塊在傳感器節點上的應用，無線傳感網絡現在已經廣泛應用于智能家居、環境監測、交通運輸、災害救援和國土安全之中，成為了物聯網發展的重要技術手段。由于傳感器節點具有數目眾多、規模龐大、部署隨機、能量有限以及拓撲難以控制等特點，無線傳感網絡的網絡層通常采用分簇路由算法，將網絡系統由平面結構轉換成分層結構，以此來提升網絡的擴展性，降低系統的能耗，提升整體的性能。分簇路由算法提出了“輪”的概念，通過定期的簇首選舉，將整個網絡的能量負載平均分配到每個傳感器節點上，以提高動態網絡的高效性和魯棒性。每一輪開始時，通過一定的選舉機制來產生新的簇頭節點和成員節點。簇內成員節點通過多跳通信的方式將信息傳輸到簇頭節點進行數據融合，而簇頭節點與基站之間則采用單跳通信的方式實現數據上傳。分簇路由算法大體上可以分為集中式和分布式兩類。集中式路由算法往往需要傳感器節點獲取全局拓撲信息，并結合智能算法(PSO、蟻群算法，k-means等等)對自身性能進行分析從而選舉出合適的簇頭節點，這種方式固然可以得到合理的簇分布拓撲，但對節點自身來說也會帶來巨大的能量消耗，且對于大規模無線傳感網絡，其靈活性不如分布式算法。因此，在無線傳感網絡實際應用中其實更傾向于使用分布式分簇算法。在分簇路由算法中，簇頭節點由于需要承擔簇內數據融合以及和匯聚節點進行通信的任務，其能量消耗固然遠大于簇內的成員節點，但多跳通信中往往存在熱區問題，即離簇頭越近的節點，需要承擔的數據接收和數據轉發任務也就越多，所帶來的額外能量消耗也就越大，節點也就越容易過早死亡，破壞了通信鏈路的穩定性，對整個網絡的負載均衡和整體性能將會產生嚴重的影響。由此可以看出，簇頭節點的鄰居節點在數據傳輸的整個過程中其實也需要承擔較大的能量消耗。因此，分簇網絡中簇頭選舉算法在考慮節點剩余能量和節點度的同時，節點的鄰居節點剩余能量也是一個不容忽視的因素。技術實現要素：為克服以上缺點，本發明提出一種分布式無線傳感網絡分簇路由方法。所述方法將分簇路由算法和模糊邏輯相結合，以節點剩余能量、節點度、鄰居節點剩余能量作為判定指標，實現合理的簇頭節點選舉，有效地避免了多跳通信所帶來的熱區問題對網絡系統性能的影響，實現了系統整體的負載均衡，延長了網絡的生命周期，提升了系統的整體性能。本發明分布式無線傳感網絡分簇路由方法通過如下技術方案實現：1、一種分布式無線傳感網絡分簇路由方法，包括以下步驟：(1.1)通信范圍內的傳感器節點之間互相發送Node_MSG數據包進行消息互通，節點由此可以完成自身信息表Info_table的更新，從而獲取所有鄰居節點的節點ID以及對應的當前節點能量Neighbor_Nodeid.Eresidual。利用更新后的Info_table，節點由此可以獲取到節點能量Er、節點度d和鄰居節點剩余能量Ea＝∑Neighbor_Nodeid.Eresidual/d這三個參數，以及簇頭選舉算法持續時間t＝k×T×(Ea/Er)，其中k為(0.9,1)之間的隨機數，T為定義的初始簇頭選舉持續時間；(1.2)每個傳感器節點利用自帶的模糊推理引擎系統，定義了節點能量的模糊集合{low,medium,high}，其隸屬函數為low(0＜x≤0.5)，medium(0＜x≤1.0)，high(x＞0.5)；節點度的模糊集合{less,average,enormous}，其隸屬函數為less(0＜x≤15)，average(0＜x≤30)，enormous(x＞15)，鄰居節點剩余能量的模糊集合{weak,normal,strong}，隸屬函數為weak(0＜x≤0.35)，normal(0＜x≤1.0)，strong(x≥0.83)；輸出參數概率的模糊集合{very_low,low,rather_low,medium,less_high,high,very_high}，隸屬函數為very_low(0<y≤10)，low(0<y≤40)，rather_low(30<y≤50)，medium(40<y≤70)，less_high(60<y≤80)，high(70<y≤90)，very_high(y>90)。以步驟1.1獲取的精確的節點能量、節點度和鄰居節點剩余能量作為輸入參數，結合上述隸屬函數，轉化為相對應的模糊集合中的模糊語言變量。模糊語言變量再結合模糊規則，利用Mamdani算法，得到模糊輸出集。最后通過中心面積算法將模糊輸出集轉換為直觀的精確輸出值以供節點對自身性能進行評估，作為節點自身成為簇頭節點的權值V；(1.3)節點獲得自身性能評估權值V后，進入簇頭競選狀態，向附近通信半徑r內的所有鄰居節點發送包含自身節點ID和權值V的數據包Head_compete。節點與接收到的鄰居節點性能權值進行比較，權值低的節點變為普通節點狀態，等待簇頭選舉結束后通過就近原則選擇合適的簇進行加入，而權值高的節點則變為當選簇頭狀態；(1.4)當選為簇頭的節點向周圍節點大量廣播包含節點ID數據包CH_Message。狀態為普通節點的節點則根據接收到的CH_Message數據包的信號的強弱來判斷發送該數據包的節點距離自己的遠近，從而以就近原則選擇合適的簇頭節點并發送包含自身節點信息的Node_JOIN數據包。簇頭節點收到成員節點的申請入簇請求后，會向該節點返回一個Node_ACCEPT數據包，確認該節點的入簇請求，從而完成整個的簇的形成過程。相對于現有技術，本發明具有如下優點和有益效果：1、在簇頭選舉階段，現有的技術大都采用了固定的節點性能評估機制，如傳統的采用隨機數的方式，或者是根據相應的評價因素從而給出節點性能權值計算公式V＝x1E1+x2E2+x3E3+...+xnEn。但是在實際的無線傳感網絡中，隨著時間的推移，網絡整體拓撲結構也在不斷地發生變化，這類將權值計算參數固定的方法計算出來的權值并不能實時地反映節點的性能狀態。本方法采用模糊邏輯推理引擎來對節點性能進行評估。模糊邏輯通過模糊語言變量，模擬人腦的思維和決策方式，是一種高效的多因素評價機制。其所采用的隸屬函數，依據不同的情況對應不同的參數曲線，保證了節點性能分析的實時有效性；2、在對節點性能進行分析評估時，本方法以節點剩余能量、節點度和鄰居節點剩余能量作為評價因素使得選舉出的簇頭節點更加合理。簇頭節點作為簇內成員節點和系統匯聚節點之間溝通的紐帶，往往需要承擔數據融合和數據轉發的任務，其能量消耗也遠大于簇內成員節點，因而對當選節點的剩余能量必然會有很高的要求。如若當選的簇頭節點因自身能量不足而過早死亡，簇內節點就失去了與匯聚節點數據交互的橋梁，則該片傳感器區域也就失去了與整體網絡的聯系，從而嚴重影響了系統的性能。因此，節點剩余能量往往是評價節點是否適合成為簇頭的最為重要的指標之一。而節點度可以提高簇內數據傳輸的高效性。因為當選簇頭節點的節點度越大的話，其周圍的鄰居節點也就越多，每個節點需要分擔的數據轉發任務也就越小，網絡的整體能量負載也就更為均衡，網絡整體的性能也就越好。而且較高的節點度也會分擔通信鏈路的壓力，減少數據傳輸時節點間的等待時間。最后，鄰居節點剩余能量這一指標，旨在減弱多跳通信帶來的熱區問題，實現節點能量的負載均衡。例如用于環境監測的水下無線傳感網絡，在簇內數據多跳傳輸過程中，中繼節點如果因為能量過低過早死亡，與其相關聯的遠處的節點就需要重新進行路由發現，與簇頭節點重新建立通信鏈路，從而帶來了額外的能量開銷，甚至嚴重影響了網絡數據傳輸的性能。因而盡量選擇具有較高鄰居節點能量的節點作為簇頭節點可以有效地避免這類熱區問題；3、本方法是一種基于分布式思想的方法，不需要維護對網絡全局拓撲的感知，僅僅依靠節點自身信息，以及消息互通時獲得的鄰居節點的信息，結合模糊邏輯，對節點性能進行分析，得到選舉出合理的簇頭節點，有效地緩解了多跳通信中常見的熱區問題，均衡了網絡中各個位置的能量消耗，提升了節點的平均生存時間，進而延長了整個網絡系統的生命周期，顯著地提高了系統的數據傳輸量，使得整個無線傳感網絡具有更好的能量有效性。具體實施方案為使本發明的目的和技術方案更加清晰，下面對本發明的原理和具體步驟進行描述：1、本方法利用模糊邏輯提升無線傳感網絡數據傳輸效率的原理說明如下：對于無線傳感網絡通常所采用的分簇路由結構，每一輪選舉出的簇頭節點是否合理直接影響到網絡整體的性能。本方法所采用的模糊邏輯推理引擎是一種具有實時決策性的多因素多指標評價機制，利用參數模糊集，根據不同時間段網絡的拓撲狀況定義了不同的隸屬函數，對節點性能的評價標準因實際的網絡拓撲結構的變化而有所不同，更加具有實時有效性，選舉出來的簇頭節點也更為合理。本方法中簇頭選舉階段對節點性能的判定指標有三個：節點剩余能量、節點度、鄰居節點剩余能量。高節點剩余能量可以保證節點在下一輪簇頭選舉之前，有足夠的能量完成簇內節點信息融合和與匯聚節點進行通信實現數據上傳的任務，提高網絡整體的穩定性；高節點度可以提高簇內節點數據傳輸的高效性，減少數據傳輸時節點間的等待時間；高鄰居節點剩余能量可以有效地減弱熱區問題對多跳通信的影響，實現簇內節點負載均衡，提高簇內通信鏈路的穩定性，從而延長網絡的生命周期，提升系統的整體性能。2、對無線傳感網絡每一輪簇頭選舉的過程，具體步驟說明如下：(1)通信范圍內的傳感器節點之間互相發送Node_MSG數據包進行消息互通。完成Node_MSG消息互通階段之后，節點可以實現自身信息表Info_table的更新，從而獲取到所有鄰居節點的節點ID以及該節點ID所對應的當前節點能量ΣNeighbor_Nodeid.Eresidual。利用更新后的Info_table，節點由此可以獲取到節點能量Er、節點度d和鄰居節點剩余能量Ea＝∑Neighbor_Nodeid.Eresidual/d這三個參數，并進一步獲得簇頭選舉算法持續時間t＝k×T×(Ea/Er)，其中k為(0.9,1)之間的隨機數，T為定義的初始簇頭選舉持續時間；(2)每個傳感器節點都自帶又模糊推理引擎系統，不僅定義了節點能量的模糊集合節點度的模糊集合鄰居節點剩余能量的模糊集以及輸出參數概率的模糊集合y＝{very_low,low,rather_low,medium,less_high,high,very_high}，還定義了各自相對應的隸屬函數。節點能量隸屬函數：low(0＜x≤0.5)，medium(0＜x≤1.0)，high(x≥0.5)。節點度隸屬函數：less(0＜x≤15)，average(0＜x≤30)，enormous(x＞15)。鄰居節點剩余能量隸屬函數：weak(0＜x≤0.35)，normal(0＜x≤1.0)，strong(x≥0.83)。概率隸屬函數：very_low(0<y≤10)，low(0<y≤40)，rather_low(30<y≤50)，medium(40<y≤70)，less_high(60<y≤80)，high(70<y≤90)，very_high(y>90)。利用這些隸屬函數，我們將步驟(1)中獲取的精確的節點能量(NE)、節點度(ND)和鄰居節點剩余能量(NNE)轉換為模糊集合中的對應的模糊語言變量。緊接著我們可以將得到的模糊語言變量再依據模糊規則結合Mamdani算法，利用公式得出每條模糊規則對應的模糊輸出集通過中心面積算法將模糊輸出集轉換為直觀的精確輸出值以供節點對自身性能進行評估，作為節點自身成為簇頭節點的權值V；(3)節點獲得自身性能評估權值V后，進入簇頭競選狀態，向附近通信半徑r內的所有鄰居節點發送包含自身節點ID和權值V的數據包Head_compete。節點與接收到的鄰居節點性能權值進行比較，權值低的節點變為普通節點狀態，等待簇頭選舉結束后通過就近原則選擇合適的簇進行加入，而權值高的節點則變為當選簇頭狀態；(4)當選為簇頭的節點向周圍節點大量廣播包含節點ID數據包CH_Message。狀態為普通節點的節點則根據接收到的CH_Message數據包的信號的強弱來判斷發送該數據包的節點距離自己的遠近，從而以就近原則選擇合適的簇頭節點并發送包含自身節點信息的Node_JOIN數據包。簇頭節點收到成員節點的申請入簇請求后，會向該節點返回一個Node_ACCEPT數據包，確認該節點的入簇請求，從而完成整個的簇的形成過程。當前第1頁1 2 3