一种基于传感节点密度和能量的动态分组策略

徐　阳

(南通航运职业技术学院 管理信息系，江苏　南通　226010)



一种基于传感节点密度和能量的动态分组策略

徐阳

(南通航运职业技术学院 管理信息系，江苏南通226010)

降低能耗，延长网络生命周期是无线传感网络研究的热点之一。文章提出一种以节点密度和能耗作为依据，将网络节点进行分组，并根据网络环境的变化，动态调整群组大小，聚类传输数据的方法。实验表明，该方法能降低节点能耗，延长网络生命周期。

密度控制; 能耗; 聚类传输

无线传感网络广泛应用于智能家居、环境监测、军事系统等领域[1]。无线传感网络的感知终端：传感器，被用来采集温度、湿度、压力等外界环境信息。因缺少持续的能源供给，传感器只能依靠电池来工作。因此，如何利用有限的能源获得较长的网络生命周期是一个很有意义的研究方向。

在无线传感网络中，能耗主要集中在三个环节: 数据存储、数据传输、数据处理。其中，数据传输对能耗的影响最为显著。已有的研究[2-3]表明：数据传输所消耗的能量与信号强度、传输距离有着密切的关系。节点之间的距离越远，将数据从源节点传输至目标节点所需消耗的能量越高。数据传输按传输方式分类，有直接传输、多跳传输和聚类传输三种。

多跳传输和聚类传输的运行效率优于直接传输是显而易见的。但在大规模的传感网络中，采用多跳或聚类传输可能出现的极端情况是：关键位置的簇头除了完成自身的数据采集工作外，还需处理和转发其他节点的数据。因此，簇头消耗的能量比一般节点多，容易出现能量较早耗尽而停止工作，至整个网络工作效率大幅下降的情况。针对这一问题，我们在聚类架构下提出一种新的群组划分方法，将传感网络划分成若干区域，并监测各区域内节点的密度与能量，并动态调整簇头和分组，使各节点负载均衡，以期延长网络的生命周期。

1　相关研究

文献[4]以一个随机数决定簇头，其余节点选择最近的簇头加入。其方法是，每个节点产生一个0到1之间的随机数，并将该随机数与簇头阈值T(n)进行比较，如随机数小于阈值T(n)，则该节点担任簇头。阈值T(n)计算公式如(1)所示

(1)

簇头确定之后，其他传感节点选择最近的簇头加入，完成设置。簇建立完成之后，每个传感节点将采集到的数据，以时分多路(Time Division Multiple Access, TDMA)工作方式传输至簇头，簇头再将汇总的数据传输至数据中心。

文献[5]直接通过数据中心建立簇，前提条件是：数据中心拥有所有节点的剩余能量与位置信息。数据中心根据节点的剩余能量，决定该节点是否能成为簇头，并利用位置信息来分析计算如何配置簇头，解决了随机选择簇头，导致分布不均匀的问题。

文献[6]以传感节点的剩余能量作为判断依据来选择簇头，使传感节点达到负载均衡，以增加网络的生命周期。簇头阈值计算公式(2):

(2)

在公式(2)中Eresidual为节点剩余能量，Einitial为节点初始能量，Kopt为最佳簇数量。

(3)

其中N为节点总数，M为网络大小，dtoBS为节点与数据中心的距离。

文献[7]：在簇稳定阶段加入睡眠机制，在簇头确定之后先让一半的传感节点睡眠，另一半传感节点传输数据到簇头，传输完成之后换；另一半节点传输，降低了闲置节点的能量开销。

2　能量密度分组方法

2.1运行环境

1) 所有传感节点的位置固定且不会移动;

2) 所有传感节点拥有相同的初始能量;

3) 根据能量消耗模型，不同的传输距离，能量消耗不同;

4) 传感节点拥有直接与数据中心通信的能力。

2.2能量消耗模型

能量消耗模型为文献[1][4-5]所提出，传感节点传输k位数据到距离d的目标节点的能量消耗

(4)

其中距离的阈值d0为

(5)

传感节点在接收k位数据的能量消耗

(6)

公式(4)为传输数据的能量消耗，传输距离如果小于距离阈值(dd0)，则使用多重路径干扰模型。Eelec电子组件所需要的能量消耗。公式(6)，表示传感节点接收k位数据的能量消耗。

2.3运行流程

在选择簇头时，我们将节点连接度与剩余能量作为选择簇头的阈值(Si_dE)。具有较高连接度的节点，其附近有较多的邻居节点，可视作该节点所在位置节点密度较高，反之则密度较低。完成初始设置后，各节点将阈值广播出去，让每个节点与邻居节点交换这一数值，最后选择阈值高的担任簇头。传感节点的阈值如公式(7)。

(7)

其中dmax为同簇内的最大连接度，ds则为节点与同簇邻居节点的连接度，Eresidual为节点剩余能量，Einitial为节点初始能量，α与β为能量与连接度的权重值，α+β=1。

图1为密度能量分组机制运行流程图，以下将详细说明整个运行流程步骤。

Step 1:所有传感节点初始化。

Step 2:判断节点是否全死亡，若是则结束模拟，若否则继续进行模拟。

Step 3:计算与邻居节点的连接度ds。

Step 4:广播节点ds值。

Step 5:计算同区域内的最大连接度dmax、每个节点按照公式(7)计算出自己的阈值。

Step 6:广播相关信息包含ID、位置、阈值，让所有节点能获知邻居节点的相关信息。

Step 7:每个节点收到相同区域内邻居节点的相关信息，比较阈值，选出最大的Si_dE值，该节点成为簇头。

Step 8:确定簇头之后，其余节点则成为该簇成员。

Step 9:每个节点完成数据采集工作，将数据传输至同簇的簇头。

Step 10:簇头汇总数据，将数据传回中心。

Step 11:若重组簇则，返回Step2。

3　模拟结果

我们用Matlab来进行模拟，仿真的网络环境为100 m*100 m的区域，随机布置100个传感节点，划分成四个簇，如图3，各簇的节点分别以Х、◇、○、*符号表示。数据中心设置在坐标(50,175)传感区域外的位置，节点初始能量为0.5焦耳，详细参数设置如表1所示。

表1　模拟参数

图3为几种不同策略下网络生命周期图，比较了LEACH[4]、SEP[8]、only E(energy aware单纯考虑节点剩余能量来选择簇头)和能量密度分组的方法。不难看出，使用能量密度分组的方法，随着活跃节点的个数减少，网络生命周期仍在缓缓增加，没有出现断崖式的终止。

图1　密度能量分组流程

图2　网络环境布置仿真图

图3　四种策略下的网络生命周期

图4　簇1连接度变化

图5　簇2连接度变化

图6　簇3连接度变化

图7　簇4连接度变化

实验结果表明在网络节点密度较高的情况下，采用能量密度分组的方法，对延长网络生命周期很有效，但是在网络节点密度较小时，该方法优势不明显。除此之外我们还能监控各个簇的状态，通过仿真，我们发现，网络生命周期与连接度是有关系的。我们能获知哪些簇密度不足，快速找到故障点，维护网络也变得比较方便。

4　结论

本文提出了一种能量密度分组方法，用以改善无线传感网络的能耗。实验结果表明：使用能量密度分组方法，在相同密度环境下，能有效延长无线传感网络的生命周期，提升网络运行效率。

[1]I.F. Akyildiz, Su Weilian, Y. Sankarasubramaniam, E. Cayirci. A survey on sensor networks[C]. IEE Communications Magazine, 2002,40:102-114.

[2]Pinto A R,Montez C,Araújo G,et al.An approach to implement data fusion techniques in wireless sensor networks using genetic machine learning algorithms[J].Information Fusion,2014,15:90-101.

[3]Hancke G P,Gungor V C.Guest Editorial Special Section on Industrial Wireless Sensor Networks[J].IEEE Transactions on Industrial Informatics,2014,10(1):762-765.

[4]W.R. Heinzelman, A. Chandrakasan, H. Balakrishnan, Energy-efficient communication protocol for wireless microsensor networks[C]. Proceedings of the 33rd Annual Hawaii International Conference on System Sciences, 2000:4-7.

[5]W. B. Heinzelman, A. Chandrakasan and H. Balakrishnan. An Application-Specific Protocol Architecture for Wireless Microsensor Networks[C]. IEEE Transactions Wireless Communications, 2002,1:660-670.

[6]M.C.M. Thein, T. Thein. An Energy Efficient Cluster-Head Selection for Wireless Sensor Networks[C]. International Conference on Intelligent Systems, Modelling and Simulation, pp. 287-291, Britain Liverpool, 2010:27-29.

[7]R. Chauhan, V. Gupta. Energy Efficient Sleep Scheduled Clustering & Spanning Tree based data aggregation in wireless sensor network[C]. International Conference on Recent Advances in Information Technology (RAIT), 2012:536-541.

[8]G. Smaragdakis, I. Matta and A. Bestavros. SEP: A Stable Election Protocol for clustered heterogeneous wireless sensor networks[C]. Second International Workshop on Sensor and Actor Network Protocols and Applications (SANPA 2004), 2004.

责任编辑王红岩

A dynamic grouping strategy based on density and energy of sensor nodes

XUYang

(Department of Management & Information,Nantong Shipping College; Nantong226010, China)

Reducing energy consumption to prolong the network lifetime is one of the hotspots in the research of wireless sensor networks. We propose a method of clustering transmission based on node density and energy consumption. Network nodes are divided into several groups. According to the change of network environment, the group could be dynamically adjusted. Experimental results show that the method can reduce the energy consumption of nodes, prolong the network lifetime, and effectively improve the wireless sensor network.

density control; energy consumption; clustering transmission

2013-03-11

徐阳(1980—),男,江苏南通人,副教授,研究方向：网络拥塞控制,物联网技术。

10.13750/j.cnki.issn.1671-7880.2016.03.017

TP 393

A

1671-7880(2016)03-0057-04

项目来源：江苏省交通运输厅科学研究计划项目 (2012Y24-2)