本发明涉及无线传感器网络领域leach路由通信
技术领域：
。
背景技术：
：物联网技术发展迅速，无线传感器网络(wirelesssensornetworks，wsn)也逐渐成为互联网研究领域的热门话题，主要包括汇聚节点(sink节点)、簇头和普通节点。被认为是影响21世纪的十大技术之一，作为一种新技术，很快就受到了广泛的关注和高度评价。移动无线传感器网络具有成本低、自组网的特点(mwsn)将会出现wsn突出优势。路由协议是无线传感器网络的关键技术之一，关键技术之一。leach协议是一种wsn低功耗自适应层次路由算法是最早提出的典型的自组织层次路由协议，主要通过随机选择簇来提高整个网络节点能量的使用效率，延长网络的生命周期。leach该协议通过簇头选举提高了网络的生命周期，但该协议仍存在自身的不足。首先，只适用于节点静态网络。一旦传感器移动数据的准确性大大降低，信息传输到终端的准确性就会降低。二是随机选择簇头选举，必然导致能量较低的节点当选簇头。集群承担数据集成和信息传输的任务，能量消耗巨大。一旦集群过早死亡，整个集群将大大缩短wsn网络的生命周期。最后，成簇的方式是不合理的。节点只选择成簇，而不考虑其他因素。为了优化网络结构，提高网络传输效率，保证整个传输的可靠性和及时性，设计的网络协议更加优秀。因此，近年来，国内外开始对路由协议进行各种改进。在现有的大多数协议中，很少考虑节点的运动，节点的能量与节点与簇之间的距离是影响节点当选簇的重要因素，导致改进协议考虑不全面、簇首选不合理等缺点。技术实现要素：本发明主要解决传统leach集群层路由算法集群选举不合理，集群方法考虑过于单一，因此提出了基于leach协议的改进算法可以解决现有技术中存在的问题。本发明采用的技术方案是提出改进leach分簇层路由算法包括以下步骤。该方法为：首先，对无线传感器网络节点进行初始化，通过综合考虑节点剩余能量与数据传输距离之间的动态关系，对簇选举的影响进行加权计算，簇选举的阈值a(n)，根据公式判断节点能量和阈值的大小，确定是否当选簇头(如果节点能量小于簇头，则当选簇头)淘汰分布不合理的簇头进行二次筛选，将簇头数量与阈值公式进行比较。然后根据候选簇头之间的节点集合进行三次筛选，以确定最终的簇头节点。然后根据候选人之间的节点集合进行三次筛选，以确定最终的集群节点。其次，集群选举结束后，每个集群开始向集群中的节点播放信号，等待集群中其他节点的集群要求。最后，每个普通节点都收到信号，并根据最近的簇头原则选择加入，最终成为簇内节点。若某些普通节点靠近汇聚节点，则这些节点将直接与汇聚节点进行数据传输。在数据传输完成之后，解散现有簇群。一种改进的leach无线传感器网络的节点能耗主要由数据收发能耗和数据处理能耗组成，节点发送k比特输的能耗ps(k)表示为：ps(k)＝eelec*k eamp*dγ*k(1)节点接受k比特数据的能耗p(k)为：pr(k)＝eelec*k(2)节点融合k比特数据的能耗ecpu(k)为：pcpu(k)＝ecpu*k(3)其中，k数据包的大小，eelec为电路能耗系数，eamp电路放大器的能耗系数，d数据传输距离，γ对于信号的衰减指数，通常值为2和4；首先设置无线传感器网络的最佳簇数，其中，n表示网络中包含的节点数，s表示传感器网络覆盖的面积，dtb簇头节点与基站之间的距离，r表示轮数，k表示传送字节大小；经过改进后的阈值公式a(n)它是能量和距离之间的加权因素，ec当前节点的能量，et节点的初始能量，dbi节点i与基站的距离，dm从节点到基站的最远距离，davg从节点到基站的平均距离，dn在确定簇头数量的前提下，为确保无线传感器网络中的簇头均匀分布，各簇头之间应满足以下限制公式：dij表示簇头I与簇头之间的距离；删除不符合要求的簇头并重复选举簇头的步骤，直到预选簇头数量大于最佳簇头数量。三次筛选候选簇头，首先确定每个候选簇头的邻居节点集合如下：nnb＝{j|d(i,j)≤r,j∈n},i∈{1，2..，n}(7)节点的相对密度公式为:i,nnb标准通信半径内第一个节点的邻居节点数量，(1/p)-1.标准簇附近节点的数量；因此，候选簇头的竞争值为：β为加权因子；进一步筛选簇头后，根据权值大小进一步确定簇头。在确定最终的簇头节点后，将最近的簇头添加到周围的普通节点中。在确定最终的簇头节点后，将最近的簇头添加到周围的普通节点中。本发明的有益效果是：在传统中leach在层次分簇算法的基础上，考虑了传统算法未考虑的距离和能量因素，并设置了新的阈值公式。簇头分布根据无线传感器的面积进行二次限制，最后结合密度加权值确认。通过模拟验证，网络能耗大大降低，网络生命周期延长。附图说明图1为节点无线电能耗模型图2为簇头选举流程图3是网络节点生存时间图4是网络能耗比较图5是网络数据传输比较图的具体实施方法，使本发明的目的、技术方案和优势更加清晰，以下结合附图和模拟，进一步详细说明本发明。应当理解。这里描述的具体实施仅用于解释本发明，而不限制本发明。leach算法是首个定义“轮”的层次路由算法，簇头的选举是按照周期性的规则来进行随机选举。选举规则是节点随机生成一个零到一的随机数字，如果该数字小于阈值公式，则该节点被选为簇头，阈值计算公式如下：p是网络中的簇头数和总节点数的百分比，r是当前轮数，g是最近一轮不是簇头的节点集合。一种改进的leach无线传感器网络的节点能耗主要由数据收发能耗和数据处理能耗组成，节点发送k比特输的能耗ps(k)表示为：ps(k)＝eelec*k eamp*dγ*k(2)节点接受k比特数据的能耗p(k)为：pr(k)＝eelec*k(3)节点融合k比特数据的能耗ecpu(k)为：pcpu(k)＝ecpu*k(4)其中，k数据包的大小，eelec为电路能耗系数，eamp电路放大器的能耗系数，d数据传输距离，γ对于信号的衰减指数，通常值为2和4；首先设置无线传感器网络的最佳簇数，其中，n表示网络中包含的节点数，s表示传感器网络覆盖的面积，dtb簇头节点与基站之间的距离，r表示轮数，k表示传输字节的大小；改进后的阈值公式a(n)它是能量和距离之间的加权因素，ec当前节点的能量，et节点的初始能量，dbi节点i与基站的距离，dm从节点到基站的最远距离，davg从节点到基站的平均距离，dn在确定簇头数量的前提下，为确保无线传感器网络中的簇头均匀分布，各簇头之间应满足以下限制公式：dij表示簇头I与簇头之间的距离；删除不符合要求的簇头并重复选举簇头的步骤，直到预选簇头数量大于最佳簇头数量。三次筛选候选簇头，首先确定每个候选簇头的邻居节点集合如下：nnb＝{j|d(i,j)≤r,j∈n},i∈{1，2..，n}(8)节点的相对密度公式为:i,nnb为第i个节点在其标准通信半径内的邻居节点的数量，(1/p)-1.标准簇附近节点的数量；因此，候选簇头的竞争值为：β为加权因子；进一步筛选簇头后，根据权值大小进一步确定簇头。在确定最终的簇头节点后，将最近的簇头添加到周围的普通节点中。在确定最终的簇头节点之后，周围普通节点加入距离自己最近的簇头。本发明产生的有益效果是：在传统leach在层次分簇算法的基础上，考虑了传统算法未考虑的距离和能量因素，并设置了新的阈值公式。簇头分布根据无线传感器的面积进行二次限制，最后结合密度加权值确认。通过模拟验证，网络能耗大大降低，网络生命周期延长。对本发明的有益结果进行以下模拟分析。为了验证改进算法的优势，改进后leach算法进行matlab模拟和传统leach比较算法的几个性能指标。模拟环境采用matlab2014a，表1设置主要参数。1000个主要参数参数给定值部署区m*100m节点100基站位置(100，节点初始能量0.1j收发电路能耗50nj/bit放大器系数110pj/bit*m放大器系数20.0013pj/bit*m能耗50nj/bit数据包大小4000bit簇头占比0.05通过模拟分析改进算法。通过图3改进算法和原始算法leach从算法可以看出，传统算法和改进算法的第一个死亡节点可能出现在第100周期，但传统算法在第400周期节点全部死亡，改进算法可以将节点的生命周期延长到第800周期。通过图3改进算法和原始算法leach从算法可以看出，传统算法和改进算法的第一个死亡节点可能出现在第100周期，但传统算法在第400周期节点全部死亡，改进算法可以将节点的生命周期延长到第800周期。实验表明，改进算法显著延长了节点的生命周期，使改进算法延长了整个网络的生命周期。从图4可以看出，两种算法消耗的整体能量大致相等。然而，随着时间的推移，两种算法的总能量消耗正在大幅增加，但改进算法的增长速度较慢。随着轮数的增加，改进算法的优势将更加突出。从图5可以看出，改进算法的数据吞吐量将远远高于传统算法。因此，改进算法的数据传输能力将远高于传统算法。针对无线传感器感器能量高度有限的问题leach改进和优化算法簇头选举模式，提出了基于二次竞争的簇头选举方式，然后优化了簇内通信模式leach该通信方法可以大大降低网络的能量损失，延长网络的生命周期。应该理解的是，对于本领域的普通技术人员，可以根据上述说明进行改进或改变，所有这些变更和变更都属于本发明所附权利要求的保护范围。当前第1页1 2 3