WSN中利用雙重接收器結合自適應加權數(shù)據(jù)融合的簇首優(yōu)化聚類算法

劉功民 朱俊杰

1(柳州鐵道職業(yè)技術學院信息技術學院 廣西 柳州 545616) 2(中南林業(yè)科技大學計算機與信息工程學院 湖南 長沙 410004)

0 引 言

無線傳感器網(wǎng)絡(WSN)具有布線成本低、檢測精度高和可遠程控制等優(yōu)勢，已廣泛應用于環(huán)境科學、智能家居和智能交通等領域[1-2]。同時，WSN由于節(jié)點數(shù)量多且能量有限難以補充等問題，其發(fā)展與應用也受到限制。因此如何降低傳感器節(jié)點的能耗，延長網(wǎng)絡的壽命成為一個重要的研究熱點[3]。

目前，針對WSN中的能耗控制大多通過MAC層協(xié)議和路由技術來實現(xiàn)，其中LEACH協(xié)議是最具有代表性的一種層次路由器[4]。文獻[5]提出了前端領先的節(jié)能簇首(FLEECH)，用于從多個聚類中選擇簇首。通過在通信網(wǎng)絡中組織傳感器節(jié)點并將數(shù)據(jù)從傳感器節(jié)點路由到遠程接收器以克服聚類和網(wǎng)絡通信方面的困難。孫彥景等[6]提出EBFA路由協(xié)議，采用一種社會福利函數(shù)，預先衡量中繼節(jié)點的能量消耗情況。文獻[7]基于NB-IoT窄寬物聯(lián)網(wǎng)技術設計了一種能夠進行數(shù)據(jù)幀轉換和處理的雙模網(wǎng)關，以實現(xiàn)在WSN與NB-IoT間高效的數(shù)據(jù)融合。文獻[8-9]提出了一種基于數(shù)據(jù)聚合的傳感器網(wǎng)絡可調模型，通過該模型降低了能耗，并且延長了網(wǎng)絡的存活時間。Sinha[9]利用無線通道的廣播特性以減少數(shù)據(jù)的傳輸量，并且是在數(shù)據(jù)融合的最后選出簇首。

由于簇首需要實現(xiàn)簇內與簇間通信，因此能耗比一般節(jié)點較高，這導致負載不均衡，甚至影響網(wǎng)絡通信。文獻[10]針對簇間負載不均衡性，結合能耗提出了以種群粒子優(yōu)劣為依據(jù)的自適應慣性權重調整策略的簇首選舉機制。文獻[11]提出了EEUC(Energy Efficient Unequal Clustering)路由協(xié)議，它是一個非均勻分簇路由協(xié)議，其簇成員數(shù)量少，節(jié)約能量用于簇間多跳轉發(fā)數(shù)據(jù)。文獻[12-13]采用不同的聚類算法，如K-means、MRRCE(Multi-hop Routing Reducing Consumed Energy)等，并考慮剩余能量和距離等因素，實現(xiàn)簇首選擇的最優(yōu)化，以提升網(wǎng)絡的生命周期。

此外，在連續(xù)監(jiān)測應用中，移動接收器的使用可能導致延時限制，并且通信所花費的時間更長。因此引入靜態(tài)和移動接收器(稱為雙重接收器)的組合以緩解能量漏洞，減少延時限制[14-15]，使用受控移動接收器為無線傳感器網(wǎng)絡引入了節(jié)能競爭聚類算法[16]，能夠改善傳感器網(wǎng)絡的性能。

以上關于不等簇首選擇方法以及網(wǎng)絡中使用靜態(tài)和移動接收器的研究側重于解決能耗與延時等問題，但在能量利用率、網(wǎng)絡壽命、網(wǎng)絡密度、聚類通信成本等方面降低了WSN性能。因此，本文提出了基于雙重接收器結合自適應加權數(shù)據(jù)融合的WSN簇首優(yōu)化聚類算法。主要的創(chuàng)新點如下：

(1) 傳統(tǒng)的節(jié)能方法無法有效地延長網(wǎng)絡壽命和能量分配，而所提具有雙重接收器的能量感知不等聚類路由算法增加了基站，能有效地轉發(fā)數(shù)據(jù)、均衡負載的能量分配。

(2) 靜態(tài)接收器附近的聚類耗能較多，靠近靜態(tài)接收器選擇簇首更是如此。因此，本文方法采用靜態(tài)接收器和移動接收器(雙重接收器)進行數(shù)據(jù)收集，以降低能耗。

(3) 大量傳感器節(jié)點會產生海量數(shù)據(jù)，因此引入大數(shù)據(jù)技術，利用自適應加權數(shù)據(jù)融合技術減少了數(shù)據(jù)的傳遞數(shù)目，提高數(shù)據(jù)處理速度，降低能耗，提高了WSN的性能。

1 系統(tǒng)模型

1.1 網(wǎng)絡模型

網(wǎng)絡模型由傳感器節(jié)點組成，且傳感器節(jié)點在網(wǎng)絡中均勻分布，相對于簇首(Cluster Head,CH)聚類?；疚挥诿總€傳感器區(qū)域，簇首和基站在整個過程中保持不變，每個節(jié)點分配唯一ID，根據(jù)傳輸范圍更改屬性。在WSN中這些網(wǎng)絡模型具有以下屬性：

(1) 傳感器節(jié)點始終是靜態(tài)的，它永遠不會改變其位置。這些節(jié)點用于收集周圍數(shù)據(jù)并通過無線通信將數(shù)據(jù)轉發(fā)到基站。

(2) 當發(fā)射功率級別降低時，節(jié)點可能具有動態(tài)調節(jié)其功率級別的能力。

(3) 傳感器區(qū)域的位置搜索中，每個傳感器節(jié)點是基于接收的信號強度而不是基于GPS設備來計算它們的位置。

1.2 能量消耗模型

在LEACH協(xié)議中，僅當傳感器節(jié)點選擇的隨機數(shù)小于閾值Ti時，傳感器節(jié)點才被選為當前旋轉輪的簇首。Ti的計算如下所示：

(1)

(2)

式中：Eelec是電能，是發(fā)送或接收1比特信息的能量消耗；φfs和φmp的比值是常數(shù)。在接收器中實現(xiàn)相同的過程并且為無線電消耗的能量是：

ERx(m)=m×Eelec

(3)

與通信能量相比，計算和存儲過程所消耗的能量要低得多。因此，僅考慮通信的能耗。為了結合數(shù)字s的這些信息，能量消耗可表示為：

EDx=s×k×Emerge

(4)

式中：Emerge是合并1比特信息的能量消耗；k為能量消耗系數(shù)，通常取0.95。當距離小于Ti時，使用自由空間信道模型；當距離大于Ti時，使用多徑衰落信道模型。

2 簇首優(yōu)化聚類算法

基于上述系統(tǒng)模型，設計了基于雙重接收器結合數(shù)據(jù)融合技術(Dual Receivers Combined with Data Fusion Technology,DR-DFT)的簇首優(yōu)化聚類算法，以降低通信成本，節(jié)約能量并延長網(wǎng)絡壽命。算法的流程如圖1所示。

圖1 本文方法整體流程

本文系統(tǒng)的網(wǎng)絡模型的聚類構造如圖2所示。該系統(tǒng)由具有簇首的許多聚類組成，簇首在每一輪中形成，具有信號強度和無線電范圍。靜態(tài)和移動接收器位于網(wǎng)絡中心路徑，其功能是從簇首收集數(shù)據(jù)。在網(wǎng)絡中心，靜態(tài)接收器是固定的，移動接收器在網(wǎng)絡區(qū)域中以直線移動。節(jié)點在每一輪中聚類，由靜態(tài)和移動接收器收集數(shù)據(jù)。

圖2 本文方法的網(wǎng)絡模型聚類構造

2.1 簇首選擇

簇首選擇基于兩個過程，即TCH選擇和FCH選擇?；谀芰康挠嫊r器(EBT)被分配給節(jié)點以選擇TCH，并且基于節(jié)點的整體信任值來計算信任值，選擇擁有最高信任值和能量的節(jié)點作為TCH。TCH根據(jù)競爭范圍、冗余能量、節(jié)點度和簇首數(shù)等參數(shù)競爭成為FCH。

2.1.1臨時簇首選擇

(1) 基于能量計時器(EBT)的TCH選擇。根據(jù)每個節(jié)點的能量，把傳感器節(jié)點分配給定時器，并根據(jù)能量，確定分配給節(jié)點的等待時間。本文方法使用兩個標準來分配等待時間，即具有較高能量的節(jié)點將被分配較短的等待時間，具有較低能量的節(jié)點將被分配較長的等待時間。將計時器值最先到期的節(jié)點選為臨時簇首(TCH)。

(5)

式中：E(in)表示節(jié)點i的第n個近鄰節(jié)點in的能量。對于任意傳感器節(jié)點ID：Si，基于能量的等待時間值為：

(6)

根據(jù)式(6)，可知等待時間隨著節(jié)點能量的增加而減小，選擇此節(jié)點作為臨時簇首。

(2) 基于信任值的TCH選擇。使用信任值(TV)檢測節(jié)點行為、節(jié)點質量和節(jié)點服務，也把它用于傳感器節(jié)點的數(shù)據(jù)聚合、重新配置和路由。本文方法使用信任值收集數(shù)據(jù)并監(jiān)視節(jié)點中的不同事件，結合基于能量的計時器(EBT)以尋得臨時簇首。節(jié)點的信任值計算式為：

(7)

式中：NFD是轉發(fā)數(shù)據(jù)包的數(shù)量；NREC是接收數(shù)據(jù)包的數(shù)量。計算單個節(jié)點的信任值，并選擇具有最高信任值的節(jié)點作為臨時簇首。

2.1.2最終簇首選擇

基于傳感器節(jié)點的能量消耗，識別聚類的死節(jié)點和活節(jié)點。附帶在節(jié)點上的邊數(shù)稱為節(jié)點度，通過節(jié)點度這個指標衡量WSN的連通性，而增加節(jié)點度可以通過減少跳數(shù)來節(jié)省能量。通過評估每個節(jié)點的能量消耗來確定最佳節(jié)點度，其目的在于觀察由傳輸范圍控制的節(jié)點度變化引起的影響。

根據(jù)節(jié)點度和能量選擇簇首節(jié)點。N的平均節(jié)點度是：

(8)

式中：d(n)是節(jié)點的度；n是節(jié)點的近鄰數(shù)。網(wǎng)絡的最小節(jié)點度定義為：

(9)

與EEUC相比，dmin和dmean提供了有效的結果。節(jié)點度降低了簇首選擇的總體通信成本，增加了網(wǎng)絡的整體壽命。每個普通節(jié)點只屬于一個聚類，最小化聚類數(shù)可最大化聚類大小平均值。選擇部署在密集區(qū)域的高級節(jié)點作為簇首。

假設S1、S2、S3、S4、S5是被選定的五個臨時簇首，臨時簇首間的競爭范圍如圖3所示。

圖3 臨時簇首之間的競爭范圍

臨時簇首和最終簇首選擇具體步驟如下：

初始化：能量E，臨時簇首Sj，總能量Etotal，轉發(fā)數(shù)據(jù)包NFD，數(shù)據(jù)包總數(shù)NREC，節(jié)點非聚類集G，節(jié)點數(shù)N。

例1 臨時簇首選擇

1. ?節(jié)點i∈[網(wǎng)絡區(qū)域內]，E(i)←節(jié)點i的能量級別

2. 初始化定時器(i)←k，近鄰節(jié)點in，傳感器網(wǎng)絡的第n個近鄰節(jié)點Si，選擇簇首為n

3. ifn為簇首

then 檢查聚類距離dmax=max(dmax,距離)且dmin=max(dmin,距離)

4. 根據(jù)式(5)、式(6)分別計算平均能量和等待時間

5. 重復步驟3和步驟4，直至達到高頻率的臨時簇首

6. ifn發(fā)送廣告并結合請求到G

節(jié)點的非聚類檢查并驗證簇首dmax、dmin、總能量Etotal=Etotal+E

else 創(chuàng)建新的聚首，形成剩余節(jié)點的非聚類集

7. 根據(jù)式(7)計算信任值

例2 最終簇首選擇

8. 根據(jù)式(8)、式(9)計算節(jié)點度和平均節(jié)點度

9. 對于所有密集區(qū)域，計算臨時簇首的競爭范圍：

10. if 距離d(Si,靜態(tài)接收器)增大

then 競爭范圍Ri增大

else if 距離d(Si,靜態(tài)接收器)減小

then 競爭范圍Ri減小

11. 選擇CH為FCH

2.2 能量消耗

本文算法在每輪中測量的冗余能量(RE)，其從當前的Round(輪次)開始，直到達到最終節(jié)點。

在本輪中，CH消耗的能量為：

冗余能量=RE+S(i)×E

(10)

平均冗余能量(ARE)：

(11)

則每輪的總能量消耗(TEC)：

TEC(Round+1)=E0×n-RE(Round+1)

(12)

如果網(wǎng)絡中有n層可用，節(jié)點平均能耗為：

(13)

TEC由所有傳輸能量、接收能量、空閑能量和睡眠模式能量的平均值組成。結果顯示系統(tǒng)中存在總的死亡和活動節(jié)點，對于這種情況，每個節(jié)點都能夠將2 000位的數(shù)據(jù)包傳輸?shù)浇邮掌鳌４藭r，當傳輸距離較小和/或無線電能量較高時，則使用等量的能量進行發(fā)送和接收。

2.3 用于數(shù)據(jù)傳輸?shù)碾p重接收器

在連續(xù)監(jiān)測應用中使用雙重接收器可減少能耗問題。所提出的雙重接收器基于靜態(tài)和移動接收器用于聚合數(shù)據(jù)傳輸網(wǎng)絡模型。在網(wǎng)絡的中心，固定靜態(tài)接收器從附近的CH收集數(shù)據(jù)，移動接收器在網(wǎng)絡區(qū)域中以直線運動形式朝靜態(tài)接收器移動。

在傳輸m比特信息時，靜態(tài)接收器的網(wǎng)絡坐標表示為：

(14)

移動接收器的線性路徑坐標表示為：

(15)

數(shù)據(jù)包到接收器的傳輸取決于簇首到移動或靜態(tài)接收器之間的最小距離，在聚類間具體的通信流程如圖4所示。

圖4 聚類間通信的流程

2.4 自適應加權數(shù)據(jù)融合

在無線傳感器網(wǎng)絡中，由于節(jié)點的部署具有隨機性與高密度性，所感應的信息具有冗余性、實時性、成本低等特點，而數(shù)據(jù)融合便可充分利用數(shù)據(jù)特征，有效減少冗余性，增強互補性。

為了更加客觀地對數(shù)據(jù)權重進行處理，提出一種自適應加權數(shù)據(jù)融合技術，準確度更高，并且能夠減少異常數(shù)據(jù)。提出的自適應加權數(shù)據(jù)融合技術中，當總方差最小時，自適應地尋找最優(yōu)加權因子，從而得到最優(yōu)的融合數(shù)據(jù)。

(16)

總方差σ2為：

(17)

(18)

(19)

對函數(shù)求極值，可得模型所對應的最優(yōu)加權因子以及總方差的最小值：

(20)

3 仿真實驗

3.1 實驗設置

在實驗過程中，基于有效的簇首選擇以及基于DR-DFT的簇首優(yōu)化聚類算法使用雙重接收器進行數(shù)據(jù)傳輸，分析了網(wǎng)絡中每個節(jié)點的特性及其性能。使用MATLAB測試所提出的方法。在這項工作中，用100個節(jié)點模擬1 000 m×1 000 m的地形區(qū)域。假定網(wǎng)絡區(qū)域的最大競爭范圍為40 m。

在仿真結果中，討論了本文方法與現(xiàn)有的EEUC技術[11]、MRRCE技術[13]的比較。除此之外，通過實驗以確定活動節(jié)點和死節(jié)點的數(shù)量、冗余能量、平均冗余能量、總能量損耗、平均能量損耗和網(wǎng)絡壽命。仿真所用參數(shù)如表1所示。

表1 WSN仿真參數(shù)

3.2 實驗結果對比與分析

在仿真時，每個節(jié)點都有自己的能量，能量用于與近鄰節(jié)點通信以進行數(shù)據(jù)傳輸?；顒庸?jié)點具有4 250個隨機選擇輪，如圖5所示。本文方法與EEUC技術、MRRCE技術進行比較。本文算法將活動節(jié)點數(shù)保持為較高的值，直到系統(tǒng)達到4 250輪。

圖5 活動節(jié)點數(shù)

圖6顯示了不同輪次的死節(jié)點數(shù)，且本文系統(tǒng)的死節(jié)點數(shù)很少。當?shù)谝粋€節(jié)點失去其完整能量時，該輪數(shù)即網(wǎng)絡壽命。可以看出，第一個節(jié)點在1 150輪處死亡，因此網(wǎng)絡壽命為1 150。

圖6 死節(jié)點數(shù)

圖7顯示了本文方法與現(xiàn)有的EEUC技術、MRRCE技術的冗余能量。平均4 200個節(jié)點的聚類節(jié)點的能量損耗是平衡的且接近最小值。

圖7 對應輪次每個節(jié)點的冗余能量

圖8顯示了在不同輪次中的平均冗余能量。

圖8 對應輪次每個節(jié)點的平均冗余能量

圖9顯示了考慮TCH和FCH方案的情況下，三種方法總能耗的比較。當考慮平衡能耗方案時，使用最佳能量配置。本文方法平衡了能耗，增加了每個傳感器節(jié)點的傳輸速率。因為考慮到這一點，所以每個傳感器節(jié)點的能耗都很低。

圖9 對應輪次每個節(jié)點的總能耗

圖10顯示了每個節(jié)點的執(zhí)行時間。將本文方法與EEUC技術和MRRCE技術進行比較，其中EEUC和MRRCE都采用單接收器。

圖10 對應輪次每個節(jié)點的執(zhí)行時間

可以看出，相比其他兩種方法，本文方法執(zhí)行時間較長。分析可知，由于雙向接收器中的靜態(tài)接收器位置相對固定，接收信號范圍有限，而動態(tài)接收器在移動過程中會占用一定的時間，因此，相比基于單接收器的方法，本文方法一定程度上增加了耗時。但總體上看，相比其他2種方法而言，本文方法執(zhí)行時間并未增加太多，仍然在可以接受的范圍內。

將本文方法與現(xiàn)有的EEUC技術、MRRCE技術的網(wǎng)絡壽命進行比較如表2所示?？梢杂^察到，本文方法具有更長的網(wǎng)絡壽命。

表2 網(wǎng)絡壽命比較

4 結 語

針對WSN中能量分布不均衡且網(wǎng)絡壽命較短等問題，提出一種利用雙傳感器結合自適應加權數(shù)據(jù)融合技術的WSN簇首優(yōu)化聚類算法，以減少能耗，延長網(wǎng)絡壽命。數(shù)據(jù)采集和傳輸過程中，該方法使用雙重接收器，通過移動接收器減少了節(jié)點的能量消耗，利用自適應加權數(shù)據(jù)融合技術對節(jié)點收集的數(shù)據(jù)進行有效信息提取。實驗結果表明，與EEUC和MRRCE技術相比，本文方法在活動節(jié)點數(shù)量、冗余能量、平均冗余能量、總能耗等方面取得了更好的結果。雖然在執(zhí)行時間上略有增加，但顯著提高了連續(xù)監(jiān)測無線傳感器網(wǎng)絡的網(wǎng)絡壽命以及降低了能量損耗。

未來會在雙重接收器的基礎上，考慮使用多重接收器進行數(shù)據(jù)搜集和傳輸，并利用機器學習優(yōu)化聚類算法降低WSN的能耗，從而進一步提高生命周期。