文摘
无线传感器网络(WSN)授权申请关键决策通过协作计算,通信和分布式传感。然而,他们也面临着一些挑战由于其特殊的使用在各种各样的应用程序。与任何电池供电的传感器固有的挑战之一是有效的能源消费及其对网络的影响。在这篇文章中,我们介绍一种新颖的基于网格的混合网络部署(GHND)框架,保证无线传感器网络中能源效率和负载平衡。这项研究特别关注合并和分割技术来实现传感器节点跨网格的均匀分布。低密度邻近区域合并在一起而高密度区域战略上分裂达到最佳的平衡。广泛的模拟表明,该方法优于最先进的技术在负载平衡方面,网络的生命周期,能源消费总量。
1。介绍
无线传感器网络的唯一目的数据收集、处理、交流和网络中其他节点是广泛用于多种应用,如集监测、天气预报、森林火灾检测、智能家居、医疗保健和其他生物医学应用。传感器网络的目的是在无人值守敌对的环境中进行操作的时间更长。在WSN节点通常是电池供电的内在能量的限制。稀缺的能源资源和不愉快的环境约束使更换或充电电池非常困难,甚至不可能在某些情况下如战场,火山探测、深海传感、等等。因此电池使用必须妥善管理,以减少能源消耗在整个网络(1,2]。
在传感器网络单跳路由,尽管简单,消耗更多的能量,信号传输与大型传动功率以达到目的地。另一方面,有限的无线节点的范围和其他环境因素(障碍、噪声、干扰等)使单跳通信不可行。在传感器网络,传感器节点相互合作来收集数据,然后将数据转发,以分层的方式(3)多次反射网络。
在传感器网络节点通常是随机分布在一个特定的地理区域。在这种情况下网络中的一些地区得到稠密而另一些得到更少的节点数量。基于集群和网格技术(4,5)是用来应付这个问题。基于集群的方案减少能源消耗,简化网络管理的治疗相关的节点组。基于集群的方法提高可伸缩性和健壮性,并提供负载平衡和数据聚合(1,2,6]。基于网格的聚类技术是采用高效聚类在整个区域分为虚拟网格。决定选择簇头(CH)网格通常是由节点本身使它适合大规模网络。基于网格技术很受欢迎,因为它很简单,通过网络可伸缩性和统一的能源消耗(7]。在文学中,不同能源效率等提出了基于集群和网格算法LEACH [8],pegasi [9],展览业[10],GBDD [11]但仍负载平衡和能源效率问题,因为开放的随机特性的基础。集群形成的迭代过程和CH重新选择需要传输连续控制消息导致广泛的节点的能量消耗和网络会导致糟糕的性能。
本文主要关注技术,可以确保负载平衡和聪明的选择和重新选择区域负责人(ZH型),以最大化网络的生命周期。我们的主要贡献是开发一个健壮的网络模型,已发展到处理可变性在部署区域,节点密度和网格大小。网络分为等于平方大小网格和节点的数量在每个区是由他们的坐标。合并和分割技术提出了实现负载平衡。节点与邻近区域合并加权合并的基础上得分(WMS)。此外,提出了四种分割策略为了分裂欧元区如果节点的数量超过上限(乌兰巴托)。拓扑结构后,区域负责人(ZH型)选择是拥有最大平均距离值(副词)。区头旋转的作用来提高网络稳定性和整体网络的生命周期。
剩下的纸是组织如下。部分2相关工作。部分3重点是提出的网络模型。仿真结果讨论了部分4本文结论与未来的发展方向。
2。相关工作
在现有文献中,许多研究人员(8- - - - - -22)已经讨论不同的集群技术但是仍然负载平衡等问题,ZH型选择和重新选择,和能源消耗存在。此外,拓扑管理也是非常重要的均匀分布的节点在集群/网格,使网络效率(2,3]。将针对上述问题,下面简要地讨论了相关的现有方法。
2.1。聚类方法
在集群中多次反射传播是用来避免CH之间的远距离输电和基站(BS)为了节省能源(4- - - - - -7]。高效、可伸缩的传感器网络可以通过集群。它吸引了很多研究人员的关注和讨论了其中的一些。在浸出8),节点集群在一个分布式的方式,自组织形式。每一轮CH是随机选择;CH取决于一个随机数在0和1之间。如果选择的数量小于一个阈值,当前轮的节点成为簇头。LEACH-C [12浸出的是修改后的版本。簇头的数量取决于BS和不同轮轮由于节点之间缺乏协调;在每一轮LEACH-C簇头的数量等于确定最优值。这些方法解决单不适合大规模网络传播。
Muruganathan等人的算法(13)将网络分割为两个subclusters进一步划分,直到所需的簇头的数量接近甚至达到负载分配。在基于集群的节能数据收集和聚合协议(CEDCAP) [14]水槽节点选择簇头根据接收到的信息(位置和剩余能量)从集群中的节点。权力有效聚集在传感器信息系统(pegasi) [9)使用贪婪算法通过链链接节点。从节点到节点数据融合,最后对BS转发的领袖。只有一个节点可以同时传输数据和节点接近BS当选领导人链条。pegasi提高能耗通过多次反射的通信传输延迟高但如果网络规模的增加而增加。
典型的集群技术不保证负载平衡。这里讨论的技术被用来简化管理和降低传感器节点的能量消耗。除了所有这些设施,集群往往导致热点问题在某些早期失效的节点数量,因为过度使用这些节点。这将导致网络节点分区和极化。
2.2。Grid-Clustering方法
基于网格的聚类是一种流行的聚类方法中,整个网络区域划分为虚拟网格(23- - - - - -25]。基于网格的数据传播(GBDD) [11),网络分为网格(也称为细胞)发起的废话。感兴趣的第一个节点通信数据设置为交叉点(CP)对网格及其成为网格创建的参考点的坐标。在研究旋数据聚合方案(展览业)[10),每个单元交头接耳是与另一个细胞循环链。在每一轮中,细胞头高选择剩余能量循环头BS。在这两种方法中,往往很难实现首选网络所需的网格数量的场景。尝试在文学是分布均匀的聚类算法(15],降低集群大小的差异。
曾在类似的方法(16)整个网络划分网格是基于节点位置中点使用隶属度计算。在另一种方法26)网络分为两个级别的平方形状的网格:低级别和高级别。低水平是集群中的数据收集而高水平用于intercluster数据传输。扇形聚类(FSC)提出了基于网格的方法(27),将整个网络划分为环,每个环进一步细分,形成扇形集群。在[24),作者使用了波林格区间CH方法选择每平方形状的网格。在这个方案中,节点当选CH和最大和最小能量变化基于上下波林格区间,分别。
基于网格的聚类的一个主要的限制是限制数量的网格和合适的网格大小。通常很难达到预期的网格数量为特定的部署场景。其次,网络性能影响的非均匀部署。此外,基于网格技术在某些情况下不给公平选择CH对网络中所有节点。
2.3。变量聚类
具有不同大小的集群广泛称赞在文学实现能源效率。在聚类的多对一的数据转发模式,节点靠近BS经常作为潜在的数据代理因此消耗相对更多的能量(17,18,28]。在不平等的集群大小模型(19传感领域是圆形和分为两层。集群在每一层有不同的形状和大小。在每一层覆盖的区域集群可以改变通过改变层的半径。在网格分段20.感兴趣的领域是进一步划分成小的行业。这一过程持续进行直到最佳数量的集群实现(所需的最佳值的节点总数的5%)。这些方法在每个集群节点数可以有很大区别,会导致孤立节点。
提出了一种非均匀确定性节点分布Chatterjee和Das (21)的节点数量的增加对水槽节点。能量洞由于均匀聚类的问题解决在21]。能源意识到分布式集群(EADC) (29日)提出了非均匀分布的节点在整个网络的负载均衡。然而,问题是,某些节点可能冗余和消耗额外的能量被作者所忽视。这个问题已经解决Nokhanji et al。30.),通过识别冗余节点,并将它们按照一个时间表基于剩余能量。
不平等的集群机制intercluster多次反射路由采用(31日]。在这种方法中,整个网络划分为变量大小集群的集群intercluster储备更多的能量主管沟通,以避免热点问题。作者用能源意识到多次反射路由系统平衡和减少能源负载intercluster CH的沟通。
变量大小聚类算法会导致平衡能源消耗最大化网络的生命周期。然而,额外的簇头选择的广告可能会导致额外的计算和能量开销。看着上面的讨论,我们可以总结,提供的服务不同的集群技术仍然有一些需要解决的缺陷,例如,网络管理开销,热点问题,和广播问题。上面的讨论也表明,基于网格的系统是一个更好的选择,但传感器网络的动态特性很难预测网格的大小和数量的节点。正如上面提到的,的问题热点、非均匀分布的节点(负载平衡),和计算开销已经解决该技术。此外,该技术不仅节能而且性能更好的负载平衡相比,最先进的技术。
3所示。提出技术
解决负载平衡问题和能源消耗在前一节中提到的,我们提出基于网格的混合网络部署与可变网格大小(GHND)框架。该混合方法间的负载均匀分布网络,提高网络管理,可以延长网络的寿命。随机部署经常导致不均匀分布的节点。该技术采用合并和分割技术克服了这个问题。该技术克服了热点问题和改善网络管理节点是均匀分布的。图1介绍了拟议的框架。过程分为以下主要阶段。
3.1。部署阶段
的节点总数()是随机部署在一个正方形有针对性的区域(),和分别是这个领域高度和宽度。我们假设一些默认节点参数,例如,坐标,节点ID,和能量水平。一旦部署拓扑构建和节点,他们分享这与基站的配置信息。此信息后通过BS用于执行网格形成过程更有效率。
3.2。网格的形成
在这个阶段使用不同的节点所收集的信息,形成区和构造拓扑算法提出1。我们提出一个新颖的技术,网格形成进一步分为两个主要步骤。
|
||||||||||||||||||||||||||||||||||||||
3.2.1之上。区形成
基站将整个网络划分为虚拟网格的基础上,以下参数: :区域/网格的数量锌:带数量新西兰:每个区域的节点数 :数量的区域 :高度字段 :宽度的字段 :每个区/网格的高度 :每个区域的宽度/网格 :行 :列 :维度字段SC:候选人分裂 ,:区域的起始坐标 ,:结束坐标的区域新西兰:邻近区域 :一个节点的坐标 :一个区域的质心坐标
每个网格代表一个区域通过独特的识别区域ID。一旦欧元区形成阶段完成,BS决定了每个区域的节点数量通过计算每个区域的开始和结束点的算法1。图2显示区形成节点随机部署在哪里网格。在这个图中,来列和来代表行。()和(代表每一个区域的开始和结束。区高度()和带宽度(每个网格计算的)
3.2.2。合并和分裂
正如前面所讨论的,假定传感器节点随机部署可能导致不均匀分布的节点。这可以实习的热点问题在整个网络分成严厉的区域节点的特定区域是独立于其他网络。为了均匀分配节点,合并和分割技术。方程(2)得分计算阈值分割和区域合并;这个分数称为Interbound差距(IBG)。如果在一个特定区域的节点数量小于最低阈值(下限),那么b将合并节点与周边区域。如果数量超过最大阈值(上限),然后显示区将进一步分成个提出分割策略, 在使用合并和分割技术参数,如密度区域内的节点,网格数量和部署区域被认为是。网格的数量成反比的平均每个区域的节点数。如果网格尺寸()增加而保持节点密度不变,因此平均每个区域的节点数量将减少。为了实现最优网格尺寸,区域的总数必须根据调整节点的数量。这是一个重要的关注提高网络寿命。例如,如果每个区域有更少的节点,这可能导致无效的区域节点密度和更少的计算能力都被浪费了。
3.2.3。合并的低密度区(LDZ)
区拥有的节点数量少于磅将与附近的区域合并。合并节点依赖于密度(穴)和距离(距离)的邻近区域。如果节点LDZ分散和不接近对方,或许不可能与一个区域合并它们,这可能导致对热点问题。解决热点问题,加权合并分数(WMS)介绍,一个度量,将决定合并节点不同的邻近区域。在世界媒体峰会,距离和密度等参数给定的权重由和分别如图所示(3)。
与他们的相邻节点合并区域WMS的基础上。算法2计算WMS确定最好的邻近区域合并。计算分数,距离中心和周边区域的密度。选择最佳候选人区有最低分数。合并的区域与周边区域称为利益区。节点有相同的颜色意味着他们已经结合在一个区,如图3,
|
||||||||||||||||||||||||||||||||||||||||||||
3.2.4。分裂的高密度区(民)
在随机部署,区可以密集。为了均匀分配网络和平衡的负载,民所示将分成个算法3。基站仔细观察节点的密度在不同的区域,采用分裂策略之一。四分割策略提出了区域分裂:(1)水平分割,(2)垂直分割,(3)对角45°分裂,(4)对角135°分裂。比例的最优顺序分裂发生如图5。这是通过运行超过500模拟(见图4)。很明显从图5采用横向分裂率(高铁)大部分时间的分割区。因此,高铁比垂直分裂率普遍采用方案(VSR)对角线分离比(D45SR),斜135分裂率(D135SR)。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||
最佳射程比(ORR)需要分割区域,定义从0.75到1.0后广泛的模拟。各种分裂策略评估定义的顺序直到分裂策略选择落在所需的范围。一次选择策略,不需要进一步的计算在特定迭代分割。分割区域得到独特的区域id进行进一步处理。
在图5、合并和分割的区域显示不同的颜色。节点有相同的颜色暗示他们属于同一区域。的密度区13小于磅合并吗区14。节点的数量区1和区2超过了乌兰巴托限制,这就是为什么他们分成个,如图5。
3.3。区域负责人选择阶段
区负责人选择是非常重要的对于任何节能协议。ZH型负责数据聚合之前将数据转发到b为进一步处理或做任何决定接收的数据。ZH型选择是一个重要的过程;因此,需要定义一个标准选择前古银。
3.3.1。ZH型选择标准
带的性能直接取决于ZH型;因此,它是重要的选择最好的节点作为ZH型中可用的节点。在拟议的技术两个参数(1)能级(EL)和(2)平均距离值(副词)聚合来累积值(CV)的一个节点如下: 节点的能量水平是由埃尔;起初这对所有节点将是相同的。更高价值的增加了候选节点成为可能,在副词的平均距离值是每个节点在特定区域所示(7)。副词是一个节点的距离从区域内的所有其他节点和中心区域所示(5)和(6),分别。计算了BS,最小值人将增加是ZH型节点的机会。基站将网络中的所有节点的副词,这将被计算一次 在哪里是节点与其他节点的距离的区域。为了知道一个节点与其他节点的直接传输,考虑 在哪里的中心地带。为了了解区域的节点的位置,考虑 在哪里和加权指数分配重心和其他节点的距离。
3.3.2。区域负责人选择
ZH型标准设置和区域一旦形成,ZH型选择为每个区域根据(4)。基站会将简历的收集列表所有节点对网络中的每个区域。节点以最大的简历将被选为ZH型的特定区域所示的算法4。
|
||||||||||||||||||||||||||||||
有一组列表的主要优势是避免任何维护信息的广播和通信在重新选择ZH型的过程。重新选择过程分散基站不参与。这种方法大大减少了交换消息的数量(在广播和单播)重新选择过程的ZH型区最终降低能耗,从而最大化网络的生命周期。ZH型为一个完整的迭代的生命周期是由一个阈值(电视)。更多细节关于电视阶段讨论的重新选择。
3.4。数据传输阶段
一旦节点加入ZH型,他们将开始把感知数据传输的ZH型按他们指定的时间表。节点将分享他们的数据ZH型根据TDMA与各自的时间表。ZH型在其成员节点将收集到的数据传输到指定的时间段。这使得节点能够把收音机关掉,直到其传输时间发生。睡眠时间节省节点能量。唤醒时期古银将聚合和压缩接收的数据,并将其转发到b。
3.5。重新选择阶段
在这个阶段,重点是减少能源消耗的重新选择ZH型的过程。而不是进行周期性ZH型导致的重新选择额外的能源消耗和网络开销,GHND动态启动基于能量的过程中重新选择(EL)的区域。在给定迭代,如果EL值小于或等于电视(EL≤电视)所示的相应区域负责人将改变算法5。迭代的数量是独立的区,每个区在需要时进行重新选择。迭代可以不同的数量为每个区域最小化交通网络中生成,也不打扰的整体网络。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||
在算法5的价值在计算以下方程: 这里EFP(百分比误差因素)代表边际误差的百分比。
电视不是固定的,而是多样的价值根据交通生成的古银。在固定电视到一定值的情况下,这种情况出现在所有候选节点不能被选为ZH型导致平面网络场景。为了防止这样的出现,电视的价值将改变对减少EL ZH型,因此定期监测。为此ZH型保持每两个列表,可信和不可信。节点在信任列表中是正常的节点,可以争夺ZH型选择过程而不可信列表包含黑色上市节点的过程。EL任何剧烈的变化将不受信任的节点列表,并将与BS共享。
4所示。仿真和结果
开始仿真的设置中,我们取得了一些假设,如以下:(1)在部署后所有的传感器节点和b是静态的;(2)BS位于外边界和网络中的每个节点都知道;(3)传感器节点的位置信息和初始能量;(4)节点已经有他们独特的id。
该算法性能的评价通过广泛的模拟。我们还比较了性能与几个先进的节能基于集群和网格包括LEACH协议(8],展览业[10],pegasi [9),和直接。仿真结果表明,能源消费总量在区形成、ZH型选择、古银的重新选择,减少传播。使用MATLAB R2013a所有模拟进行。
4.1。仿真设置
分析每个节点的能量消耗,一阶广播模式12作为所示(9),(10)和(11),分别。运行发射机和接收机的电路,无线消散新泽西/位,是电路能耗。在发送节点、传输放大器进一步消耗的能量,是能源的消耗而传输数据包(pJ /位/ m2),是节点之间的距离。传输位的消息在一个距离利用一阶广播模式,传输能量消耗()是由以下几点:
能源消费在接收端()所示
传输总消费量归纳如下:
性能结果对不同指标取得了通过改变某些参数:初始能量,网格的大小,数量的节点,网络寿命和总能量消耗。这些参数将在下面讨论。
4.2。初始能量的影响
所有节点的初始能量被设置为0.25 J, 0.5 J,和1.0 J评估直接浸出,展览业,pegasi,和我们的方法(GHND)来确定轮的数量在1%,25%,50%,75%,和100%的节点网络死亡。数据6,7,8表明,我们的方法比其他方法更多的轮。这是因为控制消息ZH型选择和重新选择过程中减少。这增加的数量和最大化网络生命周期如图6,7,8。
4.3。网格大小的影响
评估网格大小的影响,整个传感器领域划分网格的大小,,网格如图9,10,11。浸出不包括在这个评价,因为它不是一个基于网格的协议。拟议的技术比其他方法更好的轮实现如图9,10,11。在所有三种方法提出技术取得了最大轮数从而提高网络的生命周期。这种技术大约是1.3,1.2,和1.4倍比展览业网格大小的方法,,,分别。相比之下,网格的大小轮的最大数量的三种方法通过保持相同的参数如(300)的节点数量、初始能量(J)和数据包大小(2000位)。
4.4。的节点数量的影响
在每个方法中,节点密度和初始能量的影响。在这种情况下节点的数量从100年到500年是不同的在不同的初始能量值0.25,0.5,和1.0 J。数据12,13,14显示的轮数与初始能量节点100年到500年0.25 J值,0.5 J,分别和1.0 J。这些数据显示的图表,每一个方法,轮数量的增加通过增加节点密度除了直接法检测到相对很小的改变在轮的数量。在所有这些数据,GHND轮数量比其他方法为所有的节点密度和初始能量。由此产生的网络具有更好的一生,因为通过增加节点密度,每个区域负责人的责任分配。
4.5。网络的寿命
对每个方法分析网络寿命,各种模拟运行不同的初始能量值(0.25 J, 0.50 J, 1.0 J) 100节点和数据包大小的2000位。在数据15,16,17,该方法GHND最大轮数导致延长网络的生命周期。这表明该方法超过当前使用的负载平衡方法,在能源效率和延长寿命。
4.6。总能量消耗
图18显示总能量消耗(在传感、计算和通信)策划针对轮总节点的数量。图表显示,能源消耗的方法比其他方法轮的数量增加。这是由于均匀分布的节点通过网络导致稳定的能源消耗。与LEACH相比,展览业pegasi,该方法最大化的轮数约25.14%,12.12%,和46.2%,分别。
5。结论和未来的工作
在本文中,我们提出了一个基于网格的混合网络部署框架在网络负载平衡,以确保能源效率。对于一个随机节点部署场景,该方法构造了一个由将部署区域划分为网格区域。所有节点与各自区域的废话。均匀地分配负载跨网络、低密度区域合并邻近区域和高密度区域分成个恢复。合并和分割技术是用来解决的热点问题。一旦构造网络拓扑结构、节点与最大的简历是选为ZH型在每一个区域。消息的开销和重新选择过程简化我们的方法帮助最大化网络的生命周期。该方法与其他方法如浸出相比,pegasi,展览业和直接。仿真结果表明,该方法比上述ZH型穿过田野,最先进的技术,均匀放置平衡电网的形成。我们的算法也优于这些方法在不同初始能量方面,网格尺寸、节点密度,网络的生命周期,能源消费总量。
这项工作也将作为底层拓扑扩展为其他节能路由和负载平衡的协议。此外,还需要进一步的研究,使网络框架的自适应通过自动优化IBG,下界,上界,给定的节点数和网格的数量和网络领域。
相互竞争的利益
作者宣称没有利益冲突有关的出版。