文摘

为了缓解能源消耗的无线传感器网络(网络),文中针对集群路由能耗(ECOR)提出。在ECOR,网络由六边形网格。和只有一个集群头(CH)在每一个六边形,这使得CHs的分布更加均匀。剩余能量的节点和六边形的质心的距离是用来选举CHs。对于任何一个CH,采用动态时隙分配策略来分配时间槽的集群成员。根据集群成员的状态,持续时间槽是动态调整的。在intercluster通信中,迪杰斯特拉算法用于构造之间的最短路径CHs为了缩短传输数据的距离。仿真结果表明,ECOR算法优于improved-Low能量自适应聚类层次结构(I-LEACH)算法CHs的分布和能源消耗。

1。介绍

在无线传感器网络(网络),一个传感器节点(或只是一个节点)是一个可以收集感官信息的设备,执行一些处理,和与其他节点进行通信1,2]。然而,有限的能源容量(3)和计算限制这些设备的应用。

因此,能源效率是至关重要的网络性能。许多研究表明,在节能路由协议中扮演一个重要的角色的节点(4]。集群路由协议(5,6)被应用在了网络因为它具有可伸缩性,资源共享,节约能源。

最受欢迎的和广泛的聚类协议是低能自适应聚类层次结构(LEACH) [7),它是由Heinzelman et al。它是概率方法,随机选择簇头在每一轮(CHs)。CH选择后,CHs广播信息集群向附近的节点形式。收到信息,附近的节点会选择最近的CH加入[8]。然后,成员节点(MNs)对其CHs发送数据。

尽管浸出提高能源效率的网络,与之相关的一些缺点。一个是网络生命周期。在浸出,可能与至少一个传感器节点剩余能量选择CH,这可能是减少网络的生命周期。另一个是CHs的分布。随机选择的CHs导致CHs的不均匀分布9- - - - - -11]。

因此,文中针对集群路由能耗(ECOR)提出。监控区域由六边形网格,选择和CH在每个六边形CH分布更加均匀。计算节点是CH的重量。能量的节点和质心的距离的六边形时考虑重量计算。在每一个六边形,节点选择最大的重量是CH。

星团内沟通,持续时间槽调整以减少消耗的能量。在Intercluster通信中,迪杰斯特拉算法应用于构造CHs之间的最短路径,和CHs的能源消费的减少。

本文的其余部分组织如下:部分2提出了相关的工作。部分3描述了系统模型,包括网络模型、能源消耗模型,和圆形结构。部分4详细介绍了提出的路由。部分5解释了仿真结果分析。最后,我们得出本文的部分6。

文献[12)提出了剩余能源簇首选择算法提高网络的生命周期。算法着重于一个有效的CH选择方案。在CH选择过程中,能源和CHs的最优值是用来选择下一轮CHs。类似的工作在文献[12),文献[13)也提出了CH选择算法。CH选举所做的基于阈值能量,剩余的能量,和最佳数量的集群。

此外,引用(14,15]减少了能源的消耗的简化传感节点的数据。也就是说,文献[的目的14)是减少能源消耗,减少传感器数量的报告信息水槽没有恶化的可靠性,而基本思想文献[15)是重量传感器检测到的信息根据变形区域更好地估计事件在水槽节点。

文献[16]提出了改善浸出(I-LEACH)算法,优化了整个网络的能量消耗来确定最优数量的CHs。和CH选择的阈值设定的均衡。文献[17)提出了一种粒子群文中针对集群路由CH分布更加均匀。然而,单跳通信方式仍采用数据传输,从而增加能源消耗的数据传输。此外,文献[18)提出了狼optimizer-based集中式集群算法。该算法使用灰太狼优化器选择CHs。

文献[19)提出模糊综合摘要节能集群路由(FCCR)。在FCCR,改善 - - - - - -意味着使用集群形成集群。CH选择运用模糊综合评价进行了优化。文献[20.)提出了improved-firefly-based集群(IFFC)算法。它使用改进的萤火虫聚类算法形成集群。该算法有两个主要优势。一是CHs的均匀分布,另一个原因是,平衡能源消耗之间的异构节点。重新集群和频率的下降。然而,IFFC算法没有优化intercluster通信的数据传输路径。

3所示。系统模型

3.1。网络模型

传感器节点随机部署在 区域。有关约束网络模型如下(10]:(1)所有节点的初始状态是相同的。也就是说,每个节点的电池容量是一样的。传输单元的能源消耗数据为所有节点单元距离是相同的(2)只有一个基站(BS)网络及其能量并不局限(3)所有节点的物理位置部署后是固定的(4)每个节点有自己的ID。他们可以知道他们的剩余能量和位置。此外,每个节点可以接收的数据融合(5)通信链接是对称的。对于每个节点,发射机和接收机之间的距离估计通过接收信号强度指数(RSSI)。节点的传输功率和通信半径可以调节本身

此外,一些重要的符号用于本文总结了符号1。

符号1。符号及其描述。符号:描述,
:发射机和接收机之间的距离,
:发射机传输消耗能量 比特数据接收器,
:消耗能量,接收方收到 一些数据,
: 六角,
:节点的集合 ,
: 传感器节点,
:位置矢量的 ,
:的重量 ,位于 ,
:剩余的能量 ,
:平均剩余能量的节点 ,
:的状态 在坐标系 ,
:时间槽的调整因素 在 框架,
:代表了 CH,
:所有节点的剩余能量 。

3.2。能源消耗模型

能源消耗模型(21,22]ECOR算法如图1。让 是指发射机传输能量消耗 比特数据接收器。发射机和接收机之间的距离 。 在哪里 表示每个钻头消耗能量传输数据。 和 代表能源消耗因素在自由空间和双光衰减模型,分别 。


图1
能源消耗模型。

接收节点消耗能量 接收 一些数据:

3.3。轮结构

每一轮由初始阶段和数据传输阶段。在初始阶段,CH选择完成后,和集群形成。在数据传输阶段,时间分为不同的相同时段(23]。时间分配时间槽通过调整节点的状态。

每个节点传输数据对其CH的时间槽,如图2。数据传输阶段由多个帧。在每一帧的结束,CH对BS数据传送。


图2
圆形结构。

4所示。ECOR路由

4.1。六角网格集群

有趣的地区分为六角。只有在每个六边形CH CH的分布更加均匀,如图3。质心是相同的距离上任意一点的边缘六边形。如果节点选择靠近重心CH,整个网络可以覆盖的最小数量的CH。


图3
六角网格集群模型。

我们考虑 区域的二维平面。和质心的数量 在哪里 表示层的功能。 是一个六边形的面积。 代表了六边形的内切向圆的半径。 重心的位置矢量的吗 六角 ,和 。

如果所有CHs是六边形的位于质心,网络可以覆盖CHs的数量最少,也是采用六角网格集群方案的初衷。BS所有位置向量装入你好包和广播你好包在整个网络。

收到位置向量,每个节点计算质心的距离的六边形。的节点 六角 ,如果距离 不超过R, ,这些节点知道他们是在六边形。

让 表示节点的集合 六角 , ,并给出其定义 在哪里 代表的位置向量 和 。

4.2。选择CHs和集群的形成

在初始阶段,初步CHs最初选择使用退下定时器(24]。每一个试探性的CH将收集所有节点的平均剩余能量的六边形。计时器值成反比节点的剩余能量水平。例如,退下定时器值将低能量水平是否高,反之亦然。

因此,退下定时器值很快就会过期的节点与更高的能量水平。一旦退下定时器达到零,各自节点声明自己是试探性的CH和广播试探性的CH广告消息(Ten_CH)在其六边形。当任何节点的六边形收到Ten_CH计时器到期前,将其剩余能量水平初步CH。当初步CH已收到的所有节点剩余能量水平六边形,计算所有节点的平均剩余能量的六边形,给出的 在哪里 所有节点的平均剩余能量在六边形 。 表示节点的剩余能量 。 集合元素的个数 。

值得解释的是,剩余能量最大的节点被选为临时CH因为能源消耗计算平均能量消耗和广播这一信息。这有助于平衡节点的剩余能量水平的六边形。

剩余能量的节点和节点的质心的距离六角用于计算重量。然后,节点选择最大的重量是CH。让 表示节点的重量 这是位于 六角 ,并给出其定义 在哪里 表示节点的剩余能量 。 表示初始能量的节点 。根据上述网络模型中,所有节点的初始能量是相等的。 节点之间的距离吗 和质心的六边形。这两个 和 权重系数,控制残余能量和距离的比例重量值。

根据方程(6),当一个节点的剩余能量低于六角中的所有节点的平均剩余能量的节点,该节点的权重为零。节点的最大重量选择在每个六边形CH的六边形。整个过程流程图如图中所示4。


图4
选择CH的流程图。

CHs的选择后,CHs广播Inv_CH消息到附近的节点集群。每个节点选择最接近的CH加入使用最优距离通信。因此,MNs发送Join_CH集群消息向最近的CH。最终形成。

4.3。星团内的沟通

CH被选中后,CH将分配时间槽的MNs的时分多址(TDMA) [25]。MNs将传输数据对CH在分配时间槽。

4.3.1。初始时间段分配

最初,CH采用相同时间段计划为MNs分配时间槽。在ECOR路由,有 帧,有 时段在每一帧,如图5。


图5
初始时间段分配。

分配时间槽后,CH广播时段分配表在集群中。一旦收到时间段分配表,MNs知道其分配时间槽和传输数据在其分配时间槽。

如果数据是完全传播在其分配时间槽,节点将发出一个完成发送控制消息的传输数据。发送控制消息表示完成数据传输。之后,该节点将睡觉,关掉收音机。为简单起见,节点的类型被称为节点。

如果数据没有完全传播在其分配时间槽,节点发送request-continue控制消息的最后时间槽。为简单起见,将request-continue发送控制消息的节点称为忙碌节点,如图6。


图6
忙碌,工作节点。
4.3.2。时间调整

CH将调整持续时间槽根据节点在前一轮的类型。因此,时间段调整因素 介绍了。让 代表节点的状态 在 框架。如果节点的状态 工作节点, 。否则,如果节点的状态 是忙碌的节点, 。

让 代表时间槽调整因素的节点 在 框架, 。假设有 集群中的节点,CH调整持续时间槽根据方程(下一帧7): 在哪里 代表的持续时间 时间槽 框架。 代表的持续时间 时间槽 框架。

4.4。Intercluster沟通

根据方程(1),消耗的能量节点2 ~ 4成正比th传输距离。如果 ,发射机在单跳方式传送数据。如果 ,发射机仍然采用单跳方式,传输数据过程中能源消耗是4th的力量 。

在这种情况下,可以减少节点的能量消耗在多次反射的方式传输。基于上述分析,基于improved-Dijkstra最短路径算法(26)采用构造intercluster沟通。

迪杰斯特拉算法的网络拓扑是由加权图表示 ,在哪里 表示的顶点集组成的CHs和BS。的 表示集的权重是顶点之间的距离。

最初,BS被认为是一个源节点,最短路径的顶点集 ,和所有的顶点集 构造。起初,只有BS 集,即 。

包含所有顶点除了BS和CHs能够直接与源节点进行通信。如果CH和b之间的距离小于 ,CH直接与BS在单跳通信方式没有沟通多次反射。让 代表CH组b距离小于 ,及其定义见方程(8)。 在哪里 代表了 CH, 。 代表的距离 和b。

最初, 。当 和 初始化,对于任何CH ,CH的 与最短路径从源节点及其残余能量超过平均剩余能量的CHs选择加入 。让 表示CHs的平均剩余能量 : 在哪里 表示的残余能量 。 CHs的数量吗 。

之后,源节点之间的路径的长度和CH位于 是更新。重复以上过程,直到所有的顶点 是加入 。最后,从每个CH从源节点的最短路径。中出现的步骤流程图如图7。


图7
流程图的构造最短路径。

构建的最短路径的过程见细节图的帮助下8。在图8, 。假设顶点之间的距离 和BS不到 ,和 ,因此,首先, 。


图8
迪杰斯特拉算法的改善。

之后,对于任何一个顶点 ,BS顶点的最短路径选择加入 。如图8,是顶点 BS的最短路径,它的路径是20。因此,顶点 是加入了 ,也就是说, 。

随后,源节点之间的最短路径的长度和CH位于 如表所示,更新吗1。起初,BS和顶点之间的最短路径 是不能确认;最短路径是用“ ,“如表所示1。但当顶点 是加入了 ,BS和顶点之间的最短路径 的帮助下可以构造顶点吗 ,和BS和顶点之间的最短路径 更新到80年,如表所示1。

表1
最短路径迭代。

重复上述过程,直到所有顶点的最短路径b是完全构造,如表所示1。众所周知从表1,从b到顶点的最短路径 是 。从b到顶点的最短路径 是 。从b到顶点的最短路径 是 。从b到顶点的最短路径 是 。

5。性能分析

5.1。仿真参数

为了更好地分析ECOR算法的性能,WSN-based仿真软件ns - 2.35 (27)是用于分析ECOR算法的网络性能,I-LEACH, FCCR算法。

在仿真中,节点的数目是100。具体的仿真参数如表所示2。100个节点随机部署 区域,如图9。圆图9表示BS。其他黑色固体点代表了节点。

表2
仿真参数。

图9
100个节点的分布 。

网络生存的数量选择节点和能耗评价ECOR算法的性能。活着的网络节点的评估标准中采用文献[28),即第一个节点死亡(曾经)和节点活着(海航集团)的一半。

5.2。CHs的分布

CHs的分布性能的ECOR算法,I-LEACH, FCCR算法进行了分析,如图10。空心三角形表示CH。图10 ()显示了ECOR CHs的分布算法。图10 (b)显示了I-LEACH CHs的分布算法。图10 (c)显示了FCCR CHs的分布算法。

(一)
(一)
(b)
(b)
(c)
(c)
图10
性能分析的CHs的分布。

如图10与I-LEACH算法和FCCR算法相比,CHs ECOR算法的分布更均匀。ECOR算法,CHs被安排在大约三行。CHs I-LEACH算法和FCCR分配算法是偶然的。这是因为ECOR算法利用hexagon-based网格生成CH在每个网格,使CHs的分布更加均匀。然而,I-LEACH算法选择CHs基于节点的能量,不考虑节点的位置。CHs的分布是不均匀的I-LEACH算法。

5.3。活着的节点数量

首先,活着的节点的数量在每个算法分析,如图11。


图11
性能分析的节点数量的活着。

从图11,很明显,ECOR的活跃节点的性能比I-LEACH FCCR。I-LEACH算法失去35%的节点在800发子弹。和FCCR算法失去35%的节点后轮大约在1200发子弹。拟议中的ECOR算法具有最小损失。

5.4。曾经和海航集团

其次,曾经和海航集团在每个算法进行了分析,如图12。


图12
曾经和海航的性能分析。

从图12,很明显,ECOR算法取得了更好的性能比其他所有算法的曾经和海航集团。与I-LEACH相比,曾经的FCCR算法提高了近13%。原因是FCCR算法利用模糊综合评价选择CHs,使得CHs更均匀分布和平衡节点之间的能量消耗。

与I-LEACH算法和FCCR算法相比,曾经的ECOR算法增加了18%和4%,分别。这主要是由于以下原因:CH ECOR算法的分布是合理的。调整节点的时间段内的星团内通信为了优化时间段分配。当不需要传输数据的节点去睡觉,减少了能源消耗。

图12也代表了海航I-LEACH, FCCR, ECOR算法。海航集团的I-LEACH算法是最低的。海航集团的ECOR算法是最高的。与I-LEACH和FCCR算法相比,海航的ECOR算法提高了约32%和21%,分别。这些结果表明,ECOR算法有效地减少了能源消耗和提高能源效率通过优化CH的选择。

5.5。平均剩余能量的节点

图13显示的平均剩余能量I-LEACH, FCCR, ECOR算法。从图13,很明显,ECOR的平均剩余能量高于I-LEACH算法和FCCR算法。原因是ECOR算法使得CH分布更加均匀,并缩短CHs之间的传输路径。结果是,减少了能源消耗。


图13
性能分析的平均剩余能量。

提出ECOR路由利用两种互补的技术减少能源消耗。更准确地说,在星团内通信中,时间空档的时间是根据节点的状态动态调整。在intercluster通信中,迪杰斯特拉算法用于构造CHs之间的最短路径。

此外,为了分析这两个互补的贡献提出了路由技术,分别分析了两种技术的性能。

因此,让我们考虑两种情况在ECOR算法。案例1:ECOR算法不采用CHs之间的最短路径,即ECOR Dijkstra算法。案例2:ECOR算法不采用持续时间槽分配,也就是说,ECOR没有时间段分配。

能耗ECOR、ECOR没有Dijkstra算法和ECOR没有时间段分配如图14当他们做了1000发子弹。从图14,我们可以很明显看到ECOR路由能耗最低的符合预期。ECOR已经使用了两种互补的技术来减少节点的能量消耗。


图14
消耗的能量ECOR、ECOR没有Dijkstra算法和ECOR没有时间段分配。

显然是如图14与ECOR没有Dijkstra算法相比,ECOR没有时间段分配消耗更少的能量。结果表明,由迪杰斯特拉算法构造的最短路径策略更有效减少能源消耗与时间段分配。主要原因是功耗传感器传输单位的远远大于其他单位的总和,缩短数据传输的路径可以大大减少节点的能量消耗。

6。结论

为了减少能源消耗和优化CH选择,ECOR算法提出了本文。在ECOR CHs选择用六角网络拓扑结构的重心。ECOR算法使得CHs的分布更加均匀。在星团内的沟通,持续时间槽是动态分配的根据节点的状态。在intercluster通信中,迪杰斯特拉算法用于构造CHs之间的最短路径,以缩短传输数据的路径。

仿真结果表明,该ECOR算法优于I-LEACH算法CHs的分布和能源消耗。ECOR算法的目的是减少能耗的节点,甚至让CHs的分布。在未来,其他ECOR算法的性能分析,包括传输数据延迟和数据包传输成功率。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作在一定程度上支持中国浙江省软科学基金会(2021 c35129)和湖州自然科学基金(2021 yz20)。