[发明专利]WSN中基于改进分簇算法的数据收集方法及系统

说明书

本公开提出了WSN中基于改进分簇算法的数据收集方法及系统，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。本公开对LEACH分簇算法进行改进的优化算法，利用加权的方式使在多种情形下，分簇算法能够更好的适用于当前网络。

技术领域

本公开涉及无线传感器网络技术领域，特别是涉及WSN中基于改进分簇算法的数据收集方法及系统。

背景技术

无线传感器网络(Wireless Sensor Networks，WSN)是众多以自组织形式存在的传感器节点构成的具有一定覆盖范围的网络。WSN被广泛的应用于数据监测领域，如在军事、国防、灾害防控以及移动支付、智能家居等方面。WSN从网络特性来看，传感器具有一定传输范围，数据的收发只能在有限范围内进行。WSN中的节点往往不能全部同时与汇聚节点交换数据，交换数据常以逐级传递的方式进行，因此利用分簇来进行数据传输值得探究。

分簇算法是为了解决WSN中的数据传输效率问题，限制WSN中无线传感器传输效率的因素主要有能耗和计算能力两个方面。为保持网络的覆盖率和网络的联通度，通常的做法就是利用分簇算法选出一些合适的节点协助汇聚节点收集网络中的数据，再将数据统一交托给汇聚节点处理。但WSN网络往往受限于地理位置、传感器计算能力等因素，选择不到最合适的簇头节点。针对此问题，想到对分簇算法进行优化，使之更适用于WSN。

目前，国内外研究主要基于在传统的分簇算法上加入对地理位置、剩余能量等因素的考虑来达到局部优化的效果。传统WSN中的分簇算法有集中式、分布式和混合式三类。

集中式算法中，比较典型的有LEACH-C算法和LEACH-F算法，前者通过收集网络内所有传感器的能量信息，经一定的算法计算，确定簇头；后者结合了退火算法，静态挑选部分节点作为簇头。集中式网络的优势在于基站只需具有运算能力，其余传感器节点只需传输数据无需进行数据处理。

分布式分簇算法中，最为经典的是由Wendi Rabiner Heinzelman,AnanthaChandrakasan,Hari Balakrishnan提出的LEACH分簇算法，主要思想是通过轮转的方式来进行簇头的选举，分布式网络的优势在于，减轻基站运算能力方面的负担，适合规模庞大的网络。

混合式方法结合了集中式和分布式的特点，例如基于LEACH算法的LEACH-KED方法，主要思想是为能量、地理位置、与基站间距离三个因素赋予不同的权重，得出最适合作为簇头的传感器节点。

发明人在研究中发现，WSN中分簇算法的研究主要是基于对传统分簇算法进行的某一方面的优化，以适应不同场景下的网络，使得网络的生命周期和传输效率最大化。

发明内容

本说明书实施方式的目的是提供WSN中基于改进分簇算法的数据收集方法，在部分性能上可以大幅度的优于传统的分簇算法。

本说明书实施方式提供WSN中基于改进分簇算法的数据收集方法，通过以下技术方案实现：

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，包括1个汇聚节点及N个普通节点；

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。