[发明专利]基于移动汇聚节点的WSNs改进分簇能耗优化方法

权利要求书

1.基于移动汇聚节点的WSNs改进分簇能耗优化方法，其特征在于：包括以下步骤：

步骤1：参数设置，具体的：

设定无线传感器网络监测区域为L×L的正方形区域，移动汇聚节点位于区域内根据具体运动模型进行移动；无线传感器网络中随机部署N个传感器节点，构成传感器节点集合并记为S＝{s₁,…,s_i,…,s_N}；i＝1,2,…,N；每个传感器节点s_i部署之后位置不再发生改变，且初始能量相同为E₀；最优簇头选择概率为p_opt；最大运行轮数为r_max；

步骤2：计算能量密度函数因子，具体的：

计算传感器节点s_i到其他传感器节点s_j的距离d_ij，i≠ji,j＝1,2,…,N；根据传感器节点s_i与传感器节点s_j的距离d_ij，计算邻域节点阈值确定传感器节点s_i邻域节点集合N_i和非邻域节点集合N_i′；根据邻域节点集合N_i确定在当前轮r传感器节点s_i的邻域节点剩余能量集合E_ir，其中E_ir＝{E_r(1),E_r(2),…,E_r(i)}，i∈N_i；结合初始能量E₀计算得到传感器节点s_i能量密度函数因子f_ep(i)；

步骤3：计算运动性能函数因子，具体的：

根据移动汇聚节点在当前轮r的位置，计算传感器节点s_i到移动汇聚节点的距离d_r(i)；根据第r轮和第r-1轮传感器节点s_i到移动汇聚节点的距离d_r(i)和d_r-1(i)，r≥2，计算传感器节点s_i与移动汇聚节点的运动性能函数d_Δr(i)；将传感器节点s_i与移动汇聚节点的运动性能函数d_Δr(i)进行归一化为传感器节点s_i到移动汇聚节点的运动性能函数因子f_rd(i)；

步骤4：计算初始簇头选择阈值，具体的：

根据步骤2和步骤3得到归一化后的能量密度函数因子f_ep(i)和归一化的运动性能函数因子f_rd(i)，结合簇头选择最优概率p_opt，进行归一化处理计算得到传感器节点s_i初始簇头选择阈值T′(s_i)∈[0,1]；

步骤5：计算自适应调节函数，具体的：

根据当前轮r传感器节点死亡个数n_r，结合总传感器节点个数N，计算得到传感器节点死亡概率p(r)；通过传感器节点死亡概率p(r)，结合sigmoid函数，计算得到当前轮r的自适应调节函数g(r)；

步骤6：构建自适应簇头选择阈值，具体的：

根据步骤4得到传感器节点s_i通过归一化处理后的初始簇头选择阈值T′(s_i)∈[0,1]，结合步骤5中得到的自适应调节函数g(r)，计算得到传感器节点s_i自适应簇头选择阈值T(s_i)∈[0,1]；

步骤7：选择簇头，具体的：

根据步骤6中得到的自适应簇头选择阈值T(s_i)∈[0,1]进行随机性簇头选择，即每个传感器节点s_i生成一个0～1之间的均分分布的随机数T_rand(s_i)，并将随机数T_rand(s_i)与其对应的阈值T(s_i)进行比较，若T_rand(s_i)≤T(s_i)，则传感器节点s_i为簇头节点，加入簇头节点集合记为C；否则传感器节点s_i为非簇头节点，加入非簇头节点集合记为C′；

步骤8：簇的形成，具体的：

根据步骤7中得到的簇头集合C，每个簇头在整个监测区域广播自己成为簇头的消息，计算非簇头节点s_p(p∈C′)到每个簇头节点s_q(q∈C)的距离集合q∈C；将集合D_pq元素最小值对应的q记为离非簇头节点s_p最近的簇头，通过比较距离集合D_pq元素得到离非簇头节点s_p最近的簇头之间的距离记为d_scmin，比较d_scmin与非簇头节点s_p(p∈C′)到移动汇聚节点的距离的大小，若则该非簇头节点s_p(p∈C′)加入离自身最近的簇头节点q所在的簇，否则，该非簇头节点直接与移动汇聚节点进行通信，不加入任何其他簇；

步骤9：每个簇的簇内节点将自身监测到的数据发送给所在簇的簇头节点，簇头节点接收多个簇成员节点传输的数据并对这些数据进行融合处理；

步骤10：WSNs中每个簇头节点将自身融合处理后的数据发送给移动汇聚节点；

步骤11：重复步骤2至步骤10，直到达到预先设定的运行轮数r＝r_max或全部节点剩余能量为0焦耳。