基于雙簇頭及數(shù)據(jù)融合的改進LEACH算法的網(wǎng)絡(luò)拓撲控制研究

　　摘要:針對 LEACH 算法固有的能量損耗問題,對其數(shù)據(jù)融合率以及簇頭的選舉進行重新規(guī)劃.在數(shù)據(jù)融合階段,采用模糊理論定義各節(jié)點的信任度,實現(xiàn)最優(yōu)形式進行數(shù)據(jù)融合. 利用最優(yōu)簇頭率求解最佳簇頭數(shù)目,引入主副簇頭概念,有效保證了數(shù)據(jù)安全性,且以特有雙簇頭輪換模式減少了能量的損耗.研究結(jié)果表明,該算法可以有效減少簇頭競選次數(shù),避免不必要能量損耗,延長網(wǎng)絡(luò)生存周期.

　　本文源自宋錦波; 徐海芹; 宮曉慧; 劉洋， 青島大學(xué)學(xué)報(自然科學(xué)版) 發(fā)表時間：2021-06-25

　　關(guān)鍵詞:數(shù)據(jù)融合率;最優(yōu)簇頭數(shù);雙簇頭;網(wǎng)絡(luò)生存周期

　　隨著無線傳感器網(wǎng)絡(luò)的不斷發(fā)展,應(yīng)用范圍也隨之不斷地擴大,現(xiàn)已被廣泛的應(yīng)用在數(shù)據(jù)采集、軍事偵察、環(huán)境檢測等方面,網(wǎng)絡(luò)內(nèi)的節(jié)點可以感知周圍環(huán)境[1],對數(shù)據(jù)進行接收、處理和轉(zhuǎn)發(fā).在無線傳感器網(wǎng)絡(luò)中,從路由結(jié)構(gòu)要素出發(fā)可以分為平面路由協(xié)議和分簇路由協(xié)議[2G3].前者設(shè)計較為簡單,適用于小型網(wǎng)絡(luò)環(huán)境中;后者的健壯性較好,擴展性佳,相對于平面路由協(xié)議有著較為明顯的優(yōu)勢.LEACH 協(xié)議作為一種比較經(jīng)典的分簇路由協(xié)議,基于傳統(tǒng)分簇協(xié)議,將感知到的數(shù)據(jù)發(fā)送到無線傳感器網(wǎng)絡(luò)(WirelessSensor Network,后簡稱 WSN)選取的簇頭(ClusterHeader,后簡稱 CH)上,簇頭節(jié)點將接收到的數(shù)據(jù)轉(zhuǎn)發(fā)送至基站處,數(shù)據(jù)的接收與轉(zhuǎn)發(fā)是一個消耗能量的過程[4],而數(shù)據(jù)的接收與轉(zhuǎn)發(fā)又分為簇內(nèi)集群信息的傳遞以及簇間信息的傳遞[5],傳輸?shù)臄?shù)據(jù)量在能量損耗中占了一定的比重.LEACH 不僅在選取簇頭時具有很大的隨機性,在冗余數(shù)據(jù)上也沒有做過多的處理,但網(wǎng)絡(luò)的生存周期與分簇的結(jié)果和數(shù)據(jù)量的發(fā)送息息相關(guān),為了優(yōu)化能量消耗并延長網(wǎng)絡(luò)的周期[6],現(xiàn)對網(wǎng)絡(luò)的簇頭的選取進行重新規(guī)劃,首先計算出當前網(wǎng)絡(luò)環(huán)境的最優(yōu)簇頭數(shù)目[7G9]并對此進行合理劃分區(qū)域[10],同時引入雙簇頭概念[11],簇頭的選舉會考慮通信代價[12],對于數(shù)據(jù)傳輸中的冗余數(shù)據(jù)計算出最優(yōu)融合率[13],以達到有效地延長網(wǎng)絡(luò)的生命周期[14].

　　1 LEACH 算法介紹

　　LEACH(LowEnergyAdaptiveClusteringHierarchy)算法是 Heinzelman提出的一種低能耗自適應(yīng)聚簇分層型協(xié)議算法,是一種以輪的形式進行迭代的算法,每個輪分為初始化和穩(wěn)定通信兩個階段.初始化時每一輪會隨機選舉簇頭,給予每個節(jié)點一個隨機值,并與閾值T(n)進行比較.當小于閾值T(n)時,則當前節(jié)點被選舉成為簇頭節(jié)點;穩(wěn)定通信時,節(jié)點向簇頭傳送數(shù)據(jù),簇頭接收簇內(nèi)節(jié)點數(shù)據(jù)并轉(zhuǎn)發(fā)到基站.

　　1.1 LEACH 算法的簇頭選舉階段和簇的形成

　　LEACH 算法在每一輪都會重新構(gòu)建簇的集群,首先網(wǎng)絡(luò)內(nèi)的各節(jié)點會隨機生成一個[0,1]之間的數(shù)值 rand,然后將這個節(jié)點的rand值與T(n)比較,當前節(jié)點rand值小于當前的閾值時,則該節(jié)點被標記成為該輪次的簇頭節(jié)點,否則該節(jié)點為普通節(jié)點.T(n)的計算公式 T(n)= p 1-p∗(r∗mod( 1 p )) , n ∈S 0, 其他 ì î í ï ï ï ï (1) 其中,p 是簇頭在網(wǎng)絡(luò)中的節(jié)點所占的比例,r 是當前選舉的輪數(shù),n 是網(wǎng)絡(luò)的節(jié)點數(shù),S 是r 輪后還未當選過簇頭的節(jié)點的集合.

　　當每一輪選舉出簇頭后,簇頭節(jié)點會發(fā)布廣播信息告知自己可達跳數(shù)范圍內(nèi)的節(jié)點自己當選簇頭的信息,節(jié)點會根據(jù)各自接收到的節(jié)點的信息強度進行判斷自己屬于哪個簇頭節(jié)點構(gòu)建的集群(就近原則),然后簇內(nèi)節(jié)點會發(fā)送自己的節(jié)點id和位置信息到簇頭處,簇頭構(gòu)建簇群內(nèi)節(jié)點信息表進行保存,同時簇頭按照時分復(fù)用(TimeDivisionMultipleAccess,后簡稱 TDMA)為每一個節(jié)點劃分時隙用以發(fā)送數(shù)據(jù)或停止工作進入睡眠狀態(tài),簇內(nèi)節(jié)點會根據(jù) TDMA 原則采集數(shù)據(jù)和發(fā)送數(shù)據(jù)到簇頭處,同時在自己的休眠時間點不再工作,進入睡眠狀態(tài)后直到下一次被喚醒.當簇內(nèi)節(jié)點信息發(fā)送完畢后,簇頭將接受該數(shù)據(jù)并與其自身的數(shù)據(jù)進行一定的融合,融合后的數(shù)據(jù)將被發(fā)送至基站處,基站會接收所有簇頭節(jié)點的信息然后統(tǒng)一將節(jié)點信息發(fā)送到用戶處,如此反復(fù)進行,每一輪都需要重新選舉簇頭節(jié)點.

　　1.2 LEACH 算法的能量消耗

　　LEACH 的能量損耗主要在于節(jié)點發(fā)送數(shù)據(jù)和接收數(shù)據(jù)兩方面,其中普通節(jié)點發(fā)送數(shù)據(jù)和接收數(shù)據(jù)的能量損耗為 ETx (L,d) = LEelec +Lεfsd2,d ?d0 {LEelec +Lεmpd4,d >d0 (2) 其中,Eelec 為無線電接收和發(fā)送單位比特數(shù)據(jù)的能耗系數(shù),參數(shù)εfs 和εmp 代表的是自由空間模型的能耗系數(shù)和多徑衰落能耗中的系數(shù),d0 = εfs/εmp ,d0 決定了 LEACH 使用什么樣的模型,d 是目標節(jié)點到源節(jié)點的距離,當節(jié)點距離小于等于d0 時,傳輸模型采用自由空間模型,反之則使用多徑衰落模型. 節(jié)點接收L 位數(shù)據(jù)的能量損耗為 ERx(L)=L∗Eelec (3)

　　2 TLEGLEACH 算法

　　針對傳統(tǒng) LEACH 算法的不足,本文提出基于融合率和計算簇頭節(jié)點最低能耗的改進 TLEGLEACH (TheLeastEnergyGLowEnergyAdaptiveClusteringHierarchy)算法.引入數(shù)據(jù)融合率,首先利用信任度函數(shù)計算綜合信任度,搭建信任矩陣,在簇頭處對傳感器節(jié)點所測得數(shù)據(jù)進行一定的融合,發(fā)送給基站;再根據(jù)能量損耗最低的原則進行簇頭選取,分別計算簇內(nèi)各節(jié)點和簇頭節(jié)點所需的能量損耗,考慮節(jié)點的信任度,計算求得最佳簇頭 C1和 C2,C2作為備選簇頭,當 C1的能量低于簇內(nèi)節(jié)點的平均能量時,備選簇頭 C2則代替 C1進行數(shù)據(jù)傳輸,二者不斷輪換當選簇頭,直到 C1、C2能量均低于簇內(nèi)平均能量時,簇內(nèi)開始重新選舉簇頭.當網(wǎng)絡(luò)內(nèi)70%節(jié)點死亡后,節(jié)點采用單步傳輸數(shù)據(jù)到基站,直到90%節(jié)點死亡,網(wǎng)絡(luò)癱瘓.

　　2.1 簇的形成階段

　　在節(jié)點比較密集的地方,不可避免地會出現(xiàn)節(jié)點收集到的信息是重復(fù)的,傳輸這些數(shù)據(jù)對于簇頭的能量損耗是比較大的,所以需要在簇頭節(jié)點處對冗余數(shù)據(jù)進行一定的融合,引入數(shù)據(jù)融合率的概念,以減少數(shù)據(jù)的冗余.

　　由文獻[15]可知,數(shù)據(jù)融合率算方法如下:初始化網(wǎng)絡(luò)迭代的輪數(shù),節(jié)點需要計算集群內(nèi)各節(jié)點對于自己的信任度并采用模糊理論對數(shù)據(jù)之間的接近程度進行處理,利用其構(gòu)建信任矩陣w,計算數(shù)據(jù)融合率并利用矩陣存儲相應(yīng)的信息.

　　信任度函數(shù)構(gòu)建如下:N 個傳感器節(jié)點對于同一數(shù)據(jù)進行監(jiān)測,Xi 和Xj 為第i個節(jié)點和第j個節(jié)點測得的數(shù)據(jù),且都服從高斯分布,pi(x)和pj(x)是傳感器的特性函數(shù),Xi 和Xj 的一次觀測值用xi,xj 表示,二者之間的偏差用置信距離測度反映.

　　其中,wi 應(yīng)綜合wi1,wi2,