[发明专利]WSN中基于改进分簇算法的数据收集方法及系统

权利要求书

1.WSN中基于改进分簇算法的数据收集方法，其特征是，包括：

针对一区域中布置有若干无线传感器构成的无线传感器网络，将LEACH法的簇头选举公式中阈值乘以系数G，该G值用来控制对于不同网络结构中的簇头选举数量，实现从普通节点选举簇头节点；

选定簇头节点后，簇头节点对其覆盖范围内的传感器节点进行广播，确定簇头节点的组内成员，完成分簇过程；

利用分簇的无线传感器网络实现数据的收集。

2.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，无线传感器网络所构建的数据模型为：

在一个具有一定大小和形状的区域，记为A，整个网络运行周期记为R；

然后，在区域A中按一定的方式放置无线传感器，无线传感器的数量记为N+1，其中包括1个汇聚节点；N个普通节点；可以被选举为簇头节点的普通传感器记为c；

设置无线传感器节点的初始能量信息；

将除汇聚节点外的其余的N个普通无线传感器节点随机分布在整张地图上。

3.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，利用遗传算法选取G值，使得无线传感器网络适应不同的节点资源和地理位置分配。

4.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，无线传感器网络中，当前周期内所有节点的剩余能量总和为所有节点当前周期的剩余能量与当前周期传输数据所消耗的能量之差的求和。

5.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，无线传感器网络中，当前周期传输数据所消耗的能量与两数据传输节点间的距离相关。

6.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，利用一定周期内汇聚节点接收到的数据包数量S的大小来衡量网络的数据传输效率；

选取负载均衡度来衡量分簇算法簇头分配的合理与否，它主要衡量的是不同簇头的簇内成员数间的差别。

7.如权利要求3所述的WSN中基于改进分簇算法的数据收集方法，其特征是，利用遗传算法选取G值的过程为：

选取汇聚节点接收到全部数据包的数量作为适应度计算函数：

将遗传代数、染色体长度分别进行参数设置，每一代取DEEC算法进行若干个周期的运算，通过得到的数据计算出汇聚节点在一个周期内接收到的数据包数量S，S作为适应度计算函数的函数值；

在每一代中挑选适应度计算函数值最大的个体进行遗传，生成下一代的种群，直到设定代遗传代数运行完毕，最终得出的G值便是最适合当前网络的T₂(n)的加权值，将得出来的G值加权至T₂(n)，完成对分簇算法的优化。

8.如权利要求1所述的WSN中基于改进分簇算法的数据收集方法，其特征是，

在选定簇头节点过程中，LEACH分簇算法中的每一轮循环的阈值T₂(n)在DEEC算法中需乘以一个权重w＝E_i/E_a，其中，E_i是循环中当前节点的剩余能量，E_a是当前周期节点的平均剩余能量，p为当前周期内传感器节点被选取为簇头节点的概率，r为算法运行的周期数，G为最近的1/p算法运行周期中未当选簇头的传感器节点的集合。

9.WSN中基于改进分簇算法的数据收集系统，其特征是，包括一区域中布置有若干无线传感器构成的无线传感器网络，包括1个汇聚节点及N个普通节点；

所述无线传感器网络将LEACH法的簇头选举公式中阈值乘以系数G，该G值用来控制对于不同网络结构中的簇头选举数量，实现从普通节点选举簇头节点；

选定簇头节点后，簇头节点对其覆盖范围内的传感器节点进行广播，确定簇头节点的组内成员，完成分簇过程；

所述无线传感器网络利用分簇的簇头节点协助汇聚节点收集网络中的数据，再将数据统一传输给汇聚节点处理。

10.如权利要求9所述的WSN中基于改进分簇算法的数据收集系统，其特征是，所述汇聚节点将数据传输至上位机、远程服务器、控制中心或控制终端。