机会网络的簇头选择方法、分簇方法以及机会网络系统

摘要

本发明属于通信技术领域，具体涉及一种机会网络的簇头选择方法、分簇方法以及机会网络系统。该机会网络的簇头选择方法，包括步骤：步骤S1)：在机会网络的一个初始化周期内，计算簇内节点状态,簇内节点状态包括：每个簇内节点到其他簇的簇头的平均连通概率与所有簇内节点到其他簇的簇头的最大连通概率的平均值的比值、节点周围的邻居节点数与整个网络中的节点数的比值以及节点消耗的能量与节点的初始能量比值；步骤S2)：计算并比较节点的自身的检验值，确定簇头。该簇头选择方法以及相应的分簇方法减少能量消耗和延长网络生存时间。

说明书

技术领域

本发明属于通信技术领域，具体涉及一种机会网络的簇头选 择方法、分簇方法以及机会网络系统。

背景技术

机会网络是一种不需要源节点和目的节点之间存在完整路 径，利用节点移动带来的相遇机会实现网络通信的自组织网络。 通常情况下，机会网络包括多个簇，每个簇均包括多个节点。分 簇即是将一个机会网络分为多个簇，簇内分为簇头节点和簇成员 节点。每个簇由一个簇头节点和多个簇成员节点组成，簇成员节 点具有相同的能量、存储容量，而簇头节点具有较强的能量、计 算以及管理能力。簇成员节点把收集到的信息发送给簇头节点， 簇头节点通过分层的网络架构转发给基站。在机会网络中，一种 基于数据分发的分簇算法能够有效减小能量的消耗。

目前普遍使用的是无线传感器网络，无线传感器网络常用的 分簇方法主要有：固定簇半径的分簇(AHybrid，Energy-Efficient Distributedclusteringapproach，简称HEED)协议、能量高效聚集 的传感器信息系统(Power-EfficientGAtheringinSensor InformationSystems，简称PEGASIS)协议、阈值敏感的高能效传 感器网络(ThresholdSensitiveEnergyEfficientSensorNetwork，简 称TEEN)协议。

其中，HEED协议周期性地选举簇头节点。在全网时间同步 的基础上，能量消耗平均分布在整个网络上从而提高网络生存时 间。簇头节点的选择取决于节点的剩余能量，这就意味有着更多 剩余能量的节点可能成为簇头。HEED协议考虑将节点的剩余能 量作为一个参考变量，让整个网络的能量消耗趋于均匀化，但是 没有考虑簇头节点和中心网关之间的能量消耗问题。

PEGASIS协议的分簇算法中，网络中的节点构成一条链，节 点收集、融合数据并将其传输到中心网关，这种链式路径方法应 用了贪婪算法。但在多跳网络中，由于节点需要更新邻居节点状 态信息，网络拓扑结构是动态调整的，拓扑调整将会造成较大的 能量开销。与此同时，距离远的节点将会造成较长的数据延迟。

TEEN协议在簇建立过程中，簇头是在所有节点中以均等的 概率随机选择产生的，其他节点加入簇头所在的簇内。簇头处理 数据并以时分多址接入的方式广播数据的硬阈值和软阈值给簇成 员。由于在TEEN协议中，簇头和基站之间使用单跳通信方式， 因此导致了更多的能量消耗。

对于大规模的机会网络，选取簇头节点，将网络进行分区， 避免网络节点因自身待转发消息过多造成存储空间不足，同时也 避免因节点寻找路由造成的控制消息过多而浪费有限的网络资源 等。机会网络是从无线传感器网络中延伸而来的，在某种程度上 可借鉴并参考部分协议。但是，机会网络相对无线传感器网络具 有自身的特点：节点密度相对稀疏、节点存储空间小、网络中带 宽资源有限、节点移动等问题，因此无法将无线传感器网络中的 协议直接借鉴到机会网络中。

目前机会网络下的分簇协议能量消耗大、控制开销高以及系 统不稳定等特点，严重影响了网络的吞吐量、时延等性能。可见， 设计一种稳定、能量开销小的分簇方式成为目前亟待解决的技术 问题。

发明内容

本发明所要解决的技术问题是针对现有技术中存在的上述不 足，提供一种机会网络的簇头选择方法、分簇方法以及机会网络 系统，该簇头选择方法以及相应的分簇方法减少能量消耗和延长 网络生存时间。

解决本发明技术问题所采用的技术方案是该机会网络的簇头 选择方法，包括步骤：

步骤S1)：在机会网络的一个初始化周期内，计算簇内节点 状态,簇内节点状态包括：每个簇内节点到其他簇的簇头的平均连 通概率与所有簇内节点到其他簇的簇头的最大连通概率的平均值 的比值、节点周围的邻居节点数与整个网络中的节点数的比值以 及节点消耗的能量与节点的初始能量比值；

步骤S2)：计算并比较节点的自身的检验值，确定簇头。

优选的是，步骤S1)具体包括步骤之一为：计算每个簇内节 点到其他簇的簇头的平均连通概率与所有簇内节点到其他簇的簇 头的最大连通概率的平均值的比值A：

$A=\frac{\frac{\underset{i=1}{\overset{n}{\Sigma }}{E}_{u,i}}{n}}{\frac{\underset{i=1}{\overset{n}{\Sigma }}\underset{u=1}{\overset{m}{\max }}{E}_{u,i}}{n}}=\frac{\underset{i=1}{\overset{n}{\Sigma }}{E}_{u,i}}{\underset{i=1}{\overset{n}{\Sigma }}\underset{u=1}{\overset{m}{\max }}{E}_{u,i}}$

其中：E_u,i表示簇内节点与其他簇的簇头的连通概率，连通概 率＝连通成功的次数/总连接次数；n表示簇内节点数目，m表示其 他簇的簇头数目也即其他簇的数目。

优选的是，步骤S1)具体包括步骤之一为：利用节点周围的 邻居节点数，计算节点周围的邻居节点数与整个机会网络中的节 点数的比值B：

$B=\frac{\frac{\underset{u=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{N}_{u,i}}{n-1}\right)}{n}}{\frac{\underset{u=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{N}_{t,i}}{n-1}\right)}{n}}=\frac{\underset{u=1}{\overset{n}{\Sigma }}\left(\frac{\underset{u=1}{\overset{n}{\Sigma }}{N}_{u,i}}{n-1}\right)}{\underset{t=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{N}_{t,i}}{n-1}\right)}$

其中：N_u,i表示节点的邻居节点数目，N_t,i表示整个机会网络 的节点数目。

优选的是，步骤S1)具体包括步骤之一为：根据节点消耗的 能量，计算节点消耗的能量与节点的初始能量比值C：

$C=\frac{\frac{\underset{c=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_{c,i}}{n-1}\right)}{n}}{\frac{\underset{t=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_{t,i}}{n-1}\right)}{n}}=\frac{\underset{c=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_{c,i}}{n-1}\right)}{\underset{t=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_{t,i}}{n-1}\right)}$

其中：P_c,i表示节点消耗的能量，P_t,i表示节点的初始能量。

优选的是，步骤S2)具体包括步骤：

计算所有节点的自身的检验值T：

将检验值广播给邻居节点，比较所有节点的自身的检验值T；

每个节点通过比较其周围邻居节点的检验值来选择检验值T 最大的节点作为簇头。

优选的是，步骤S2)中：

$T=\mu \left(\frac{E_u}{E_m}\right)+\theta \left(\frac{N_u}{N_t}\right)-\beta \left(\frac{P_c}{P_t}\right)$

其中：μ为节点连通概率比值权值，为每个簇内节点到其 他簇的簇头的平均连通概率与所有簇内节点到其他簇的簇头的最 大连通概率的平均值的比值，θ为节点数目比值权值，为节点 周围的邻居节点数与整个网络中的节点数的比值，β为节点能量比 值权值，为节点消耗的能量与节点初始能量的比值，上述各权 值满足：μ+θ+β＝1。

一种机会网络的分簇方法，包括上述的机会网络的簇头选择 方法，以及在上述簇头选择方法的基础上，还包括步骤：

步骤S3)：根据确定的簇头分簇；

步骤S4)：簇建立后，进入簇维护过程。

优选的是，在步骤S3)中：簇头广播自身消息给周围邻居节 点，告知已产生簇头，从而建立簇。

优选的是，在步骤S4)中：如果某些簇头节点失效，则簇将 重新进入初始化过程。

一种机会网络系统，采用上述的机会网络的分簇方法进行分 簇。

本发明的有益效果是：本发明中的簇头选择方法将簇节点连 通概率、周围的邻居节点数以及能量消耗参数考虑进去，通过调 整各个参数比的权值来计算检验值，该簇头选择方法以及相应的 分簇方法能够减少能量消耗和延长网络生存时间。

附图说明

图1为本发明实施例中簇头选择方法与分簇方法的流程图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结 合附图和具体实施方式对本发明机会网络的簇头选择方法、分簇 方法以及机会网络系统作进一步详细描述。

为了解决上述问题，本发明提出了一种适用于机会网络的自 适应簇头选择方法、分簇方法以及机会网络系统。在该簇头选择 方法中，综合考虑了簇节点连通概率、周围的邻居节点数以及能 量消耗参数，通过调整各个参数比的权值来进行自适应簇头选择， 从而减少能量消耗和延长网络生存时间。

简言之，该簇头选择方法中：

首先，在网络初始化的条件下，计算每个簇内节点到其他簇 的簇头的平均连通概率与所有簇内节点到其他簇的簇头的最大连 通概率的平均值的比值，节点周围的邻居节点数与整个网络中的 节点数的比值，节点消耗的能量与节点的初始能量比值；

然后，每个节点计算自身的检验值，并将检验值广播给邻居 节点，每个节点通过比较其周围邻居节点的检验值来选择检验值 最大的节点作为簇头；

相应的，在后续的分簇方法中，簇头广播自身消息给周围邻 居节点，告知已产生簇头，从而建立簇；

簇建立后，进入簇维护的过程。

以下将详细说明本实施例中适用于机会网络的自适应簇头选 择方法、分簇方法以及机会网络系统。

机会网络包括多个簇，每个簇均包括多个节点。具体的，如 图1所示，该簇头选择方法包括如下步骤：

步骤S1)：在机会网络的一个初始化周期内，计算簇内节点 状态：

1)计算每个簇内节点到其他簇的簇头的平均连通概率与所有 簇内节点到其他簇的簇头的最大连通概率的平均值的比值A：

$A=\frac{\frac{\underset{i=1}{\overset{n}{\Sigma }}{E}_{u,i}}{n}}{\frac{\underset{i=1}{\overset{n}{\Sigma }}\underset{u=1}{\overset{m}{\max }}{E}_{u,i}}{n}}=\frac{\underset{i=1}{\overset{n}{\Sigma }}{E}_{u,i}}{\underset{i=1}{\overset{n}{\Sigma }}\underset{u=1}{\overset{m}{\max }}{E}_{u,i}}$

其中：E_u,i表示簇内节点与其他簇的簇头的连通概率，连通概 率＝连通成功的次数/总连接次数，n表示簇内节点数目，m表示其 他簇的簇头数目也即其他簇的数目。

通常情况下，在机会网络初始化后，一般会随机指定某些节 点作为簇头，但是为了减少能量开销，需要动态调整簇头。在本 实施例的机会网络的簇头选择方法中，每一个簇都用相同的规则 来确定新的簇头。

2)利用节点周围的邻居节点数(邻居节点就是在该节点的传 输范围内的节点，也就是一跳能到达的节点)，计算节点周围的 邻居节点数与整个机会网络中的节点数的比值B：

$B=\frac{\frac{\underset{u=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{N}_{u,i}}{n-1}\right)}{n}}{\frac{\underset{u=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{N}_{t,i}}{n-1}\right)}{n}}=\frac{\underset{u=1}{\overset{n}{\Sigma }}\left(\frac{\underset{u=1}{\overset{n}{\Sigma }}{N}_{u,i}}{n-1}\right)}{\underset{t=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{N}_{t,i}}{n-1}\right)}$

其中：N_u,i表示节点的邻居节点数目，N_t,i表示整个机会网络 的节点数目。

3)根据节点消耗的能量，计算节点消耗的能量与节点的初始 能量比值C：

$C=\frac{\frac{\underset{c=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_{c,i}}{n-1}\right)}{n}}{\frac{\underset{t=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_{t,i}}{n-1}\right)}{n}}=\frac{\underset{c=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_{c,i}}{n-1}\right)}{\underset{t=1}{\overset{n}{\Sigma }}\left(\frac{\underset{i=1}{\overset{n}{\Sigma }}{P}_{t,i}}{n-1}\right)}$

其中：P_c,i表示节点消耗的能量，P_t,i表示节点的初始能量。

在上述的步骤S1)中，对于每个簇内节点到其他簇的簇头的 平均连通概率与所有簇内节点到其他簇的簇头的最大连通概率的 平均值的比值、节点周围的邻居节点数与整个网络中的节点数的 比值以及节点消耗的能量与节点的初始能量比值的计算次序不做 限定，在实际簇头选择过程中可灵活安排计算次序。

步骤S2)：计算并比较节点的自身的检验值，确定簇头：

1)计算所有节点的自身的检验值T：

$T=\mu \left(\frac{E_u}{E_m}\right)+\theta \left(\frac{N_u}{N_t}\right)-\beta \left(\frac{P_c}{P_t}\right)$

其中：μ为节点连通概率比值权值，为每个簇内节点到其 他簇的簇头的平均连通概率与所有簇内节点到其他簇的簇头的最 大连通概率的平均值的比值，θ为节点数目比值权值，为节点 周围的邻居节点数与整个网络中的节点数的比值，β为节点能量比 值权值，为节点消耗的能量与节点初始能量的比值，上述各权 值满足：μ+θ+β＝1。

2)比较所有节点的自身的检验值T，确定簇头：每个节点将 检验值T广播给邻居节点，通过比较其周围邻居节点的检验值T来 选择检验值T最大的节点作为簇头。

相应的，本实施例还提供一种机会网络的分簇方法，该机会 网络的分簇方法在上述簇头选择方法的基础上，还包括步骤：

步骤S3)：根据确定的簇头分簇。在上述确认簇头的基础上， 簇头广播自身消息给周围邻居节点，告知已产生簇头，建立簇。

步骤S4)：簇建立后，进入簇维护过程。

为保证机会网络的稳定性并减少开销，簇建立后，如果某些 簇头节点失效，则簇将重新进入初始化过程。

本实施例还提供一种机会网络系统，该机会网络系统采用上 述的机会网络的分簇方法进行分簇，具有更佳的网络性能。

本实施例簇头选择方法、分簇方法中对节点处理和分析过程 中，能自动根据节点自身状态自动调整簇头并进行分簇，使其与 机会网络的统计分布特征、结构特征相适应，形成自适应式调节 方式，能取得最佳的网络状态。

与现有技术的分簇协议相比，本实施例中的簇头选择方法针 对机会网络中的分簇问题的优点在于将簇节点连通概率、周围的 邻居节点数以及能量消耗参数考虑进去，通过调整各个参数比的 权值来计算检验值，该簇头选择方法以及相应的分簇方法能够减 少能量消耗和延长网络生存时间；

相应的，该机会网络系统具有较大的吞吐量、较短的时延性 能，网络状态稳定、能量开销小。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理 而采用的示例性实施方式，然而本发明并不局限于此。对于本领 域内的普通技术人员而言，在不脱离本发明的精神和实质的情况 下，可以做出各种变型和改进，这些变型和改进也视为本发明的 保护范围。