论文无线传感器网络自组织分簇算法，本文是关于无线传感器相关论文如何写与自组织和传感器网络和算法类专科毕业论文范文.
摘 要：为优化无线传感器网络目标跟踪的簇和簇之间的转换,控制节点间能量消耗,本文提出一种新的分簇算法.算法通过计算节点与原簇头的距离及该节点对于跟踪目标与原簇头的夹角,自组织的形成下一簇,在此过程中不用维护邻居表,亦无控制.仿真结果表明,本算法能够降低节点的计算复杂度,提高分簇的成功率,有效实现大规模区域的WSN 跟踪.
关键词：跟踪；自组织；分簇；WSN
doi:10.16083/j.cnki.1671—1580.2016.10.051
中图分类号：TN92 文献标识码：A 文章编号：1671—1580（2016）10—0177—04
无线传感器网络在野生动物跟踪、战场信息采集等领域应用倍受关注.由于应用场合的限制,网络节点一般由电池来供电,一般很难进行能量再补给,故能量的高效利用一直是WSN面临的一个重要挑战.针对目前动态分簇存在算法复杂,预测不准确等诸多问题,本文提出了一种自组织的动态分簇算法,算法给出了考虑3个参数的综合权值计算方法,节点计算下个簇形成时成为簇头的权值大小,并建立权值与等待时间的对应关系,使权值最大的节点成为下一跳簇头.在提高了分簇成功率的同时降低了能量消耗,最后给出了算法的仿真对比及分析.
一、自组织动态分簇算法
1．系统构建
系统由M个均匀部署的相同传感器节点和一个位于网络外部的基站构成,节点连通度不小于5.网络初始化时,由GPS或一定算法计算出节点的坐标.设置高、中、低三档通信半径,这样可以根据目标移动速度调整分簇大小.节点能量分100档,初始能量为100,当节点能量低于20（该阈值可根据实际情况调整）时无法再竞争成为簇头,但仍具有感知和通信的功能.簇内节点感知距离固定,簇外节点依照算法自行调整感知范围.每个节点都能感知与目标的距离和角度,并具有数据传输、计算和存储的能力.簇内节点单跳通信,簇头节点接受到数据后计算目标的位置,按照相关路由机制再转送到基站.
2．自组织动态分簇算法
(1)感知目标.因为节点的能量基本无法进行再补充,故在未感知到目标时,节点一般处于睡眠状态.但若所有节点都睡眠,则会发生目标出现但无节点处于感知状态的情况.所以为了避免上述情况的发生,在节点开始按固定周期进行目标感知前,先随机设置一个等待时间（范围是感知周期）.感知周期依据实际情况：节点疏密程度,事件重要程度等因素配置.一旦有节点感知到目标的出现,则随即广播来激活附近的节点,该广播包括时间同步信息.当这一过程完成后,马上开始权值等待时间机制.计算权值时考虑两个因素：与目标之间的距离和节点当前能量.后者是主要考虑因素,因此后者比重更大.仿真时设置参数W1．等于 70%.能量的权值和其档位成正比关系,而距离的权值则按公式(1)计算.较大的权值只出现在所需要的距离范围内,而范围之外则迅速地减小.
所需距离通过调整参数μ来设置,距离范围由参数σ控制.因为首簇距目标越近越佳,故采用μ为0,σ为10的正态函数来计算.由图1可知,该正态函数的下降速度和有效区域满足要求.计算后的权值(1 - 100)与等待时间（分成100档）对应,最大等待时间由感知到的目标速度确定.当目标最大速度无法知晓时,时间采用较小的值.当节点计时超过时间的最大值时,停止等待,向网络中广播包含自身位置信息、权值和簇的半径的簇头建立信息.反之,若在停止等待前接收到广播信息,这种情况下该节点要做的就是加入到广播节点建立的簇中.因为跟踪过程刚开始,还未采集到做够的目标速度信息来设置通信半径,故默认为中等,这个范围内的节点加入到该簇,然后探测目标.
(2)簇的形成.簇头广播建立消息后,收到信息的节点用自身和簇头的位置信息计算出到簇头的距离,并用其与簇的半径做对比,得出自身在该簇中的位置,如果在簇的边缘（根据簇半径和节点密度来判断）,则转发簇头的广播信息.这样的话,广播信息扩散约2倍的簇半径.簇外节点会收到不同节点转发来的信息,谁与自己位置最近,谁就被视作父节点,如图2所示,形成了簇的内层和外层.簇外节点设置自身的感知半径为到父节点的距离,然后进入睡眠.计算簇外节点的权值与建立首簇时有所不同,使用的正态分布函数的m为比两倍的簇半径稍小（节点到原簇头的距离）.
(3)建立新簇.当边缘节点感测到目标后,将感测到的距离传送至簇头节点.簇外节点亦可以收到此信息,信息包含感测距离信息和时间同步信息.因为簇外节点所处位置不一样,故感知区域有差别.但对于处于角度阈值内的传感器,其所能感知的簇内区域没有太大差别.簇外节点接收到的数据如果是其父节点发送的,说明目标已经进入边缘区域,簇外节点随即被唤醒.因为簇外节点的初始感测距离被设置成到其父节点的距离,此时目标仍在原簇的感测半径内,所以采用较低的频率感测目标.一旦发现目标,马上加快感测频率,同时计算自身和目标连线以及与原簇头连线的角度.目标大概的移动速度和方向可以通过连续探测多次来判断.这样选择出来的新簇头就比较合适.
详细阐述如下：目标移动方向为横轴正方向,如果通过感知发现距离持续减小,就说明簇外节点位于第一象限,此为算法继续的前提条件.见图2和图3,簇外节点发现目标后,通过连续探测计算自身与目标连线上的速度分量,若节点发现目标的运动趋势向着自己时,就会筛选角度.如果连续探测得到的夹角都小于提前设置的φ的最大值,这意味着目标大致是向着该簇外节点运动的.但因为实际中角度测量肯定有误差,故现在没有应用更加精细的方法.若期间出现目标不向簇外节点运动的情况,就应该重新判断.完成此步骤后才可以计算权值,竞争新簇头.选择内层还是外层节点来担当簇头由连续探测得到的目标速度大小决定.若速度小于预先设定的值,将内层节点的距离权值调整为100,其优先竞选新簇头；若目标速度大于阈值,内、外层节点的权值计算方法相同.
目标在该方向上分量由θ决定,θ的大小反映了目标的运动趋势.但由于不能准确求得0值,故只能通过φ来判断.
节点运动的情况由φ值反映.若其等于零就意味着目标移动方向正对着节点,这种情况下的节点最优先竞选新簇头.故更小的φ值就会有更大的权值,但当其超过阈值（仿真中为20°）时,就失去竞选簇头的资格.感知目标阶段的距离权值计算方法不同于由父节点唤醒的簇外节点的距离权值计算.前者采用到目标的距离,而后者是到原簇头的距离,它可以避免新簇和原簇交叠太多.仍采用正态分布函数来计算,不过这回改变了函数的μ值和σ值.为保持新、旧簇头的距离,正态函数的μ为簇半径的1.8倍,σ采用15（经验值）.另外,还应考虑目标因移动速度过慢,在同一簇内滞留时间过长的情况,这样会导致簇头能量消耗过快.解决办法是让目标周围的节点产生一个新簇头,这个过程采用感知目标阶段的簇头竞选方法,竞争消息由原簇头发布.当原簇头收到新簇建立的广播信息,立即发布簇头卸任消息,从而避免簇头误认的情况发生.
如上分析,节点若想竞选簇头,其移动方向和角度须在阈值范围内,判断目标的速度来确定内层或外层节点担当簇头,判断夹角来确定目标的运动趋势,这样就完成了整个过程.算法有效地保证和提高了目标跟踪连续性和成功率.
二、仿真及分析
本文参照IEEE802.15.4标准,采用NS2对提出的算法进行了仿真.网络部署在lOO*100m2的区域,区域内均匀随机分布着300个传感器节点.节点的感测半径为lOm,传输半径分别为20m,30m和40m,分别对应不同的目标移动速度.由簇头发起的簇内新簇头竞争采用20m的通信半径,由外层节点建立的簇采用前一个簇半径的高一级通信半径.发现目标后采用连续三次采样来预测目标速度和方向.内外层节点的临界值采用1.2倍原簇半径,外层节点计算距离权值的正态分布函数的平均值采用1.9倍原簇半径.当簇半径为20m时簇内边缘界限为0.7倍簇半径,其余为0.8倍.簇头的竞争,卸任和控制命令为20字节,簇内节点传递给簇头的测距信息为30字节.目标的运动模型如下：
x等于et+rd+a
(2)
y等于et+rd+b
(3)
t的单位为秒,e为（-3,3）的随机整倍数,同一目标的x,1,倍数的正负号不变,每10秒变换一次,rd为随机距离,范围是（-1,1）每秒变换,a,6为每次仿真的初始坐标.通过这样的设置使目标的运动轨迹具有灵活性和不确定性.节点判断的速度阈值设为2m/s.此外,能量的消耗模型采用文献[9]中提出的计算公式：
将本文提出的算法与文献[5]的算法从以下四个方面进行对比：预测错误所造成的分簇失败率,失败率的判定方法为重新分簇后目标不在新的簇内或者在簇内停留不超过Ss（通过目标位置预测的方法Ss内采集的数据少,预测计算时间不足,且目标停留时间太短浪费分簇能量）；网络中随时间推移节点死亡数；随时间推移目标丢失数；节点平均能量消耗.文献[5]是比较典型的动态(DC)和静态分簇算法,通过比较,全面分析本算法性能.对比的两种算法默认簇半径为30m,除了跟踪分簇算法不同外,其他参数（如定位算法,数据融合）均相同.分析本文提出的、LEACH-C和DC这三种算法的优劣,首先应对比跟踪精度.由于定位方法相同,所以可以忽略定位误差.最后,目标周围节点是否足以满足定位需求就成为影响精度的主要因素.
图4对比的是三种算法的目标丢失次数.DC算法的预测正确率设定为80%.本算法位于其余两种算法之间是由于无论目标是否存在,LEACH-C算法都会完成簇更新和簇维护,这样不管目标如何移动,都有相应簇对其跟踪.但跟踪成功率并不是百分之百,因为若目标在簇边缘时,尽管可以进行定位,但用来定位的节点却可能不是同一簇的,这样探测信息就无法汇集到一个簇头,最终导致无法定位.本算法为自组织分簇,存在些许分簇误差,目标进入新簇后马上离开,也可能导致新簇无法跟踪目标.DC算法预测时的误差和预测后簇头选举的误差均会降低新簇成功跟踪目标的概率.
图5反映三种算法在目标跟踪过程中经历的簇个数.若簇大小相同,那么目标经历的簇个数越少,簇之间的转换次数就会降低,这样就提高了能量利用率.由图知,三种算法差别不大.LEACH-C算法曲线波动最大是因为它属于静态分簇,不灵活,目标连续穿越多个簇边缘时就会造成这种情况.而动态分簇时,分簇不准、簇与簇之间有交叠都会导致本算法与DC算法中目标经历的簇个数增大.
图6记录了在每小时出现一次目标的条件下,由仿真中目标每累计出现10次的剩余能量数据计算出的平均值.这种对比反映了本算法的优势.日常能量消耗小是由无簇维护,节点地位相同,只有节点周期性目标探测这三个因素保证的.动态分簇时,除先需广播同步帧一次以外,并不需要相关控制命令来保证新簇形成,而簇外节点仅留下父节点唤醒后的检测功能,这就保证了没有多余的能量消耗.LEACH-C算法每过一段时间要重新选举簇头,而且产生的簇头不一定处于簇的中心,但因系统设定为簇内节点单跳通信,故需要调整簇头的通信距离,这就造成了能量浪费,同时保证不了簇内节点与最近的簇头通信,这些均会降低能量利用率.
通过上述分析得出以下结论：与静态分簇对比,动态分簇存在簇交叠的情况,虽然这保证了平稳的簇间过渡,但这同时造成了本算法并不是在分簇的各个方面都有突出的表现.网络节点平等性是本算法的优势,它可以避免某些算法过分依赖的节点死亡时,整个网络失效,保证了节点间负载均衡,增大了网络寿命.很多应用在保证跟踪精度的情况下对其他要求并不十分严格,而通过本算法增加网络寿命、节约成本却有很重要的意义.
三、结语
针对静态分簇的低适应性和动态分簇的算法复杂,分簇不准确等问题,本文提出了一种自组织的动态分簇目标跟踪算法.该算法无需控制,也无需簇头对目标的运动轨迹进行拟合预测.采用预准备机制,当目标进入簇的边缘区域时,簇外节点提前被唤醒进入感测状态.探测到目标后,根据设定的权值计算方法计算出需要等待的时间,然后进行簇头竞争,选举出在保证能量的前提下方向和距离较为合理的新簇头,完成新的分簇.结果表明该算法具有较好的适应性,分簇成功率较高,且平均能量消耗要优于另外两种算法,更为适合大型的无人看管的区域.
[参考文献]
［1］Liao Y, Qi H, Li WQ. Load-balanced clustering algorithm withdistributed self-organization for wireless sensor networks［J］. IEEE Sen?sors Journal, 2013（05）.
［2］Chen W P, Hou J C, Sha L. Dynamic clustering for acoustic tar?get tracking in wireless sensor networks［J］. IEEE Transactions on Mo?bile Computing, 2004（03）.
［3］KHIN T S. Increasing lifetime of target tracking wireless sensornetworks［J］. World Academy of Science, Engineering and Technology,2008.
［4］Deldar F, Yaqhmaee, Mohammad H. Designing a predictionbasedclustering algorithm for target tracking in wireless sensor networks［A］. 2011 International Symposium on Computer Networks and Distrib?uted Systems, CNDS 2011, February 23-24, 2011［C］. 2011.
［5］Yu H H. Dynamic sensor self- organization for distributivemoving target tracking［J］. Journal of Signal Processing Systems,2008（02）.
A Self-Organization Clustering Algorithm inWireless Sensor Networks
CHENG Kun
（School of Management Science and Information Engineering, Jilin University of Finance and Economics,Jilin Changchun 130000,China）
Abstract: A self-organization clustering（SODC）algorithm is proposed for optimizing the switching between clusters in WSNtarget tracking and controlling nodes a perfect energy consumption. The algorithm calculates distance between a node and previouscluster head and angle between the target and the previous cluster head, then, self-organizes the next cluster. In this process it needn’t maintain neighbor table, also without central control. The analysis on simulation result indicates that proposed algorithm can reducecomputational complexity of nodes, improve the succesul rate of clustering and realize target tracking in large-scale area effectivelybased on wireless sensor networks.
Key words: tracking; self-organization; clustering; WSN
［责任编辑：王辰］
此文总结，本文是关于对写作自组织和传感器网络和算法论文范文与课题研究的大学硕士、无线传感器本科毕业论文无线传感器论文开题报告范文和相关文献综述及职称论文参考文献资料有帮助.
参考文献：
1、 无线传感器网络在智能交通系统中的运用 无线传感器网络运用在智能交通系统中,不仅改善了交通管理,方便了信息采集,还能对相关路段的车辆进行监测,依据监测结果,交通部门可以对其交通状况进行治理,进而提高了交通管理效率 无线传感器网络；智能交通系.
2、 无线传感器网络实验教学方法 摘要为培养物联网专业的创新性人才,采用以综合设计性实验设计为主线,以科学研究方法为教学手段的科研型教学模式,不仅激发了学生的自主学习兴趣和积极性,而且培养了学生的实践动手能力和创新能力,最终提高无线传.
3、 基于zigbee的无线通信网络节点设计和实现 【摘要】 传统的无线网络节点存在速率低、低功率、耗能高……不足,为此提出了基于zigbee 的无线通信网络节点设计,该设计运用zigbee 技术,进行了无线通信网络节点的设计组成,基于zigbee 的.
4、 基于模糊神经网络和粒子群优化算法的机器人路径规划 摘要有评估标准规定,机器人的最优路径规划就是当其在具有障碍物的环境中移动时,能够自动寻找到从初始状态到目标状态的一条无碰撞路径 在本次研究中,首先利用网格法建立了周围环境的数学模型,随后提出一种模糊神.
5、 无线传感器网络数据隐私保护技术 摘要随着科学技术的不断发展,我国的无线传感器技术水平也得到了大幅攀升,其应用范围日益广泛,发挥着至关重要的作用 对于网络数据安全而言,无线传感器的数据安全保护具有着很关键的现实意义,文章主要对该保护技.
6、 基于无线传感网络的冷库液氨监控系统设计 【摘 要】本文利用无线传感网络,设计了一套基于CC2630和LP088FBD144的冷库液氨无线监控系统,实现液氨压力、温度和氨气浓度……数据的实时采集、传输和远程监控 主要介绍了系统的现场采集节点和.