申请/专利权人：沈阳理工大学

申请日：2019-01-16

公开（公告）日：2020-07-24

公开（公告）号：CN111447658A

主分类号：H04W40/10(20090101)

分类号：H04W40/10(20090101);H04W40/12(20090101);H04W40/22(20090101);H04W84/18(20090101)

优先权：

专利状态码：有效-授权

法律状态：2022.01.04#授权;2020.08.18#实质审查的生效;2020.07.24#公开

摘要：一种基于SDWSN的分簇路由方法，包括下述内容：具体涉及一个SD‑CUQCA分簇算法和一个SD‑QRA路由算法。SD‑CUQCA其借鉴非均匀分簇算法CUCA，CentralizedUnequalClusteringalgorithm思想，并在选取簇头时综合考虑了节点拥塞度、节点链路连通度、节点能量和节点间的距离来选取簇头节点。SD‑CUQCA使簇头的产生更加均匀，并提出了异簇双簇头的思想。对于每一个簇，簇内成员根据感知数据的类型来选择相对应的簇头节点传输，提供了QoS保障，控制器端通过其掌握的全网信息执行簇头的选择与簇成员入簇，减少了节点之间频繁的信息交换，减小网络负担，增加了网络寿命。SD‑QRA将多路径的构建融入一个算法，并通过改变不同公式因子的权重参数来构建不同的路径，提高了算法的容错率。

主权项：1.一种基于SDWSN的分簇路由方法，包括一个SD-CUQCA分簇方法和一个SD-QRA路由方法，其特征是:SD-CUQC方法：SD-CUQCCA分簇方法构建在无线传感器网络标准能量消耗模型上，发送kbit网络包所耗费的能量根据式1计算； 式中：a----发送节点；b----接受节点；ETxa,b----a节点发送数据到b节点消耗的能量，J；ETx-st----数据发送启动能量，J；ETx-sd----数据发送能量，J；k----数据包大小，bit；Eelec----定值，J；εfs----信道能耗模型放大系数；εmp----信道能耗模型放大系数；da,b----a与b之间的距离，m；d0----距离阈值，m； 由公式1可以看出，消耗的能量ETx由数据发送启动能量ETx-st和数据发送能量ETx-sd组成，其中启动能量ETx-st只和发送数据包的大小成线性关系，而发送能量ETx-sd是由数据包大小和发送距离的指数共同决定，阈值d0是一个参数，根据公式2可以计算，εfs和εmp分别为两种信道能耗模型的功率放大系数，当数据包发送的距离小于d0时，数据发送能量与发送距离的平方成正比，反之，数据发送能量与发送距离的四次方成正比，所以，本文设计SDNQ-WISE时，尽量将传输通信距离控制在d0之内，SD-CUQCA方法具体解释如下：首先，SD-CUQCA采取的是非均匀分簇方式，其核心思想是：网络中距离Sink越近的节点的簇半径更小，通过这种方式靠近Sink的区域就会形成更多的簇，并且这些簇内将会包含更少的簇成员；网络中远离Sink的簇半径尽量大，簇成员较多，这样的分簇方式使靠近Sink区域的节点有更多的能量来转发网络数据包而不是将更多的能量消耗在大量数据的处理上，避免了靠近Sink区域的簇头节点能量过早消耗殆尽而产生“能量空洞”的现象出现，簇半径和簇成员的多少取决于每个簇头节点的竞争半径，根据公式12所知，设定竞争半径的距离应小于d0，而且在与簇头距离为d0的范围内不存在另一个簇头，这样就保证簇头与簇成员、簇头与簇头之间消耗的能量较小，所以本方法应用Min-MaxScaling思想定义公式3来计算每个节点的竞争半径； 式中：Ri----节点i的竞争半径，m；Rmax----网络初始化设置的最大竞争半径，m；c----权重参数；Di----节点i到Sink的距离，m；Rmax----网络中所有节点距离Sink最远的距离；Dmin----网络中所有节点距离Sink最近的距离；控制器结合网络初始化阶段获取的全网初始拓扑信息，选出簇头与簇成员，在选择簇头时，根据节点拥塞度、节点链路连通度、节点能量和节点间的距离来综合选取簇头节点，权重参数α、β、δ、ε、η用来调节各个属性在选择簇头时的影响程度，控制器对于每个节点首先根据公式3计算竞争半径，并维护一个邻居列表rNb来存储节点竞争半径内的邻居节点ID，根据公式4、公式5计算每个节点成为低拥塞度簇头和高链路连通度簇头的概率； 式中：----节点i成为低拥塞度簇头节点的概率； ----节点i成为高链路连通度簇头节点的概率；n----网络中传感器节点的总数；REi----节点i的剩余能量百分比；SEi----节点i的所有邻居节点剩余能量百分比的总和；NCi----节点i的节点拥塞度；LCi----节点i的链路连通度；α、β、δ----权重参数，α+β+δ＝1；ε、η----权重参数，ε+η＝1；控制器对每个节点的和进行从大到小排序并存到两个簇头概率列表LPnc，LPlc中，将LPnc和LPlc中最大值节点ID依次放到簇头列表LCHnc、LCHlc中，并在LPnc和LPlc中删除该节点rNb，直到整个LPnc和LPlc为空，即所有节点被覆盖； SEi＝∑j∈NbiREj8式中：Qi----节点i缓存区队列被占用长度，bit；Li----节点i缓存区队列总长度，bit；Nbi----节点i的邻居节点集合；si,j----节点i向节点j发送数据包成功到达的大小，bit；mi,j----节点i向节点j发送数据包的大小，bit；经过簇头选取后，得到了簇头列表LCHnc和LCHlc，当确定网络簇头后，下面描述簇成员入簇过程，簇成员入簇取决于其所处的位置，但是有的节点会在多个簇的交叉位置，需要判断该节点的归属，所以定义了一个簇头连接度来判断节点的归属； 式中：Coni----簇头节点i的连通度；REi----簇头节点i的剩余能量百分比；Di,j----簇头节点i到节点j的距离，m；α----权重参数；节点j根据公式9计算其到候选簇头i的连通度，选择值最大的作为自己的簇头节点，控制器对每类簇头维护两个簇成员列表LCMnc、LCMlc，对每一个非簇头节点维护两个候选簇头列表LCHnctoJion、LCHlctoJion，根据簇头选取方法来初始化两个候选簇头列表，经过簇成员入簇方法后，控制器中维护了两个簇头列表LCHnc和LCHlc，以及与之对应的两个簇成员列表LCMnc和LCMlc，控制器会生成并下发簇头通知包CH_NP、簇成员通知包CM_NP和相应的流表规则到对应的传感器节点，整个分簇过程结束后，将会形成如图1所示的网络拓扑图；SD-QRA方法：控制器执行SD-CUQCA方法之后，传统WSN原有的扁平平面拓扑被拉伸为层次型非均匀拓扑，具体方法如下：首先，控制器建立同类骨干簇头和Sink之间的无向连通图，并设置阈值Dsink来缓解能量空洞现象，基站以Dsink为覆盖半径，簇头节点以1.5Rmax为覆盖半径，根据其覆盖半径内的节点，建立无向连通图，如图2所示；然后，簇头节点通过公式10计算下一跳节点概率选择值最大的作为其下一跳节点； 10式中：----表示节点i传输第n种数据时成为下一跳节点的概率；REPi----表示节点i剩余能量占总能量的百分比；αn----第n种数据的权重参数；βn----第n种数据的权重参数；NCi----节点i的节点拥塞度；LCi----节点i的链路连通度；Di,s----节点i到上一跳节点s的距离，m；公式10中，表示节点i传输第n种数据时成为下一跳节点的概率，控制器针对每个传感器节点和每种数据，通过公式10计算其下一跳节点直到下一跳节点是Sink为止；表1数据分级表 数据级别 时延敏感度 丢包率敏感度 具体数据类型 1 敏感 敏感 告警数据等 2 敏感 不敏感 视频、音频数据等 3 不敏感 敏感 具体物品的批量数据等 4 不敏感 不敏感 温度、湿度等周期型数据 为了满足不同数据类型的QoS，比如表1中的级别2数据，这种数据对时延很敏感，但是对丢包率要求不高，传输这种数据时簇头节点的节点拥塞度与传输距离比传感器节点的链路连通度要重要，而级别3的数据恰恰相反，所以公式10通过设置两个权重参数αn、βn来权衡不同数据类型级别的QoS，那么本文现在需要确定不同的数据类型所选择的权重αn、βn的值就可以计算出不同数据类型级别的不同路由树，表2针对表1给出不同数据类型级别的权重αn、βn的取值；表2不同数据级别对应的权重参数取值 数据级别 时延敏感度 丢包率敏感度 具体数据类型 αn βn 1 敏感 敏感 告警数据等 1 1 2 敏感 不敏感 视频、音频数据等 1 0 3 不敏感 敏感 具体物品的批量数据等 0 1 4 不敏感 不敏感 温度、湿度等周期型数据 0 0 控制器根据表2中每种数据级别对应的αn、βn与公式10为每种数据级别计算下一跳选节点，形成的路由树如图3所示。

全文数据：

权利要求：

百度查询： 沈阳理工大学 一种基于SDWSN的分簇路由方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD