[发明专利]类BP神经网络的分簇传感网络数据收集方法

说明书

技术领域

本发明主要涉及到无线通信领域，特别涉及到无线传感器网络数据收集领域。

背景技术

无线传感器网络（WSN, Wireless Sensor Network）技术在当前无线通信技术飞速发展的大背景下得到了广阔的应用。该网络一般由大量能量受限的传感器节点与一个或几个基站组成，各传感器节点随机部署在需要监控的区域，形成自组织网络感知和收集数据。分簇型传感网络以簇为单位进行数据收集，首先将网络传感器节点分成不同的簇,簇内选举簇头节点融合数据，其次多个簇头将融合数据传输至sink节点，完成数据收集。

BP神经网络(Back Propagation Neural Network)是一种采用反向传播学习的多层前馈型神经网络，是一种有监督的机器学习算法。BP神经网络算法模型通常由一个输入层、一个输出层以及一个或多个隐含层组成。神经网络可以通过训练后由特定的输入得到要求的输出数据。BP算法的基本思想是对于一个输入数据，经过权值、阈值和激励函数运算后，得到输出数据，然后与期望样本数据比较，将误差反向传播，进行权值、阈值调整，使得网络输出与期望输出一致。

在分簇传感网络中若分簇数量过少，许多普通节点将数据传递至簇头节点将需经过多跳网络传输，这势必会增加网络的总跳数，损耗传感器节点的能量，使得网络的生命周期大大降低；若分簇数量过多，每个簇头节点都需要负责融合处理数据并传递给sink节点，这将加大网络的整体处理量,损耗簇头节点能量，使得这也会使得网络的生命周期大大降低。故此，亟需一种有效的分簇数调整方法，获取最优分簇数目,延长网络生命周期。基于此，设计了一种类BP神经网络的分簇传感网络数据收集方法。

发明内容

本发明公开了一种类BP神经网络的分簇传感网络数据收集方法，主要应用BP神经网络对分簇传感网中最优分簇数量进行调整，使得网络以最优分簇数量进行数据收集，减少网络的延时，降低网络的能耗，延长网络的生命周期。

根据本发明应用背景，提供一种类BP神经网络的分簇传感网络数据收集方法，包括以下步骤：

步骤1、网络场景的布置以及网络的初始化处理；

1）在需要监控的区域随机的播撒数量为                                               的传感器节点；

2）所有传感器节点具有相同的初始能量以及传输速率；

3）所有传感器节点可以通过GPS等定位方法获取自身地理位置信息。

步骤2、根据节点的地理位置信息获取初始数量设定为的中心点。

步骤3、根据初始数量设定为的中心点位置，选取个簇头节点，组成分簇网络，其特征在于所述的成簇方法至少还包括以下步骤：

1）所有距离中心点为以内的节点被选为候选簇头节点，其中为节点的传输半径，为设定的跳数；

2）候选簇头节点计算自身与中心点距离大小，彼此广播此信息，进行排序，然后将距离最小的候选簇头节点当选为簇头节点。簇头节点向周围普通节点广播包括其身份信息、位置信息以及此信息经过的跳数，信息包的格式为；

3）普通节点选择各簇头节点中信息经过的跳数最小的簇头加入其簇中，网络完成分簇处理。

步骤4、根据分簇完成的网络，其特征在于所述的建立BP神经网络模型至少还包括以下步骤：

1）在分簇结构中，普通节点映射于BP神经网络的输入层，充当输入神经元采集数据；

2）在分簇结构中，簇头节点映射于BP神经网络的隐藏层，负责融合并传递数据；

3）在分簇结构中，sink节点映射于BP神经网络的输出层，负责接收并处理数据；

4）输入神经元的数据流，经隐藏层传至输出层，输出层对数据进行分析，并反馈给网络，至此，完成BP神经网络模型的建立。

步骤5、根据BP神经网络模型，对网络进行动态调整，其特征在于所述的调整方法至少还包括以下步骤：

1）若簇头节点死亡，则由中心点位置重新从候选簇头节点中以最短距离重新选择簇头节点；

2）sink节点根据前轮网络的总传输跳数与上一轮传输跳数进行比较（其中设置网络初始总跳数为无穷大），若跳数减少，则继续以步长增加中心点的数量；若跳数增加，则设定网络的中心点数量为上轮中心点数量，网络以此数量的簇头数目进行数据收集，网络达到稳态。

与现有技术相比，本方法的优点在于：