[发明专利]一种海空广域自组织网络分簇方法

摘要

本发明涉及一种海空广域自组织网络分簇方法，所述网络包括若干个超视距范围分布的节点，所有节点首先获取自身的位置信息，并通过邻居发现获取全网节点的位置等信息；其次基于最近邻分类思想建立伪最近邻分类模型；然后利用伪最近邻分类对网络节点进行分簇，将地理位置接近的节点划入一个簇中；并且当分簇结果不满足需要时可再次进行调整，通过获取新的伪训练样本集，从而得到新的分簇结果，最后设定簇合并及簇分裂机制，有效实现簇间负载的均衡。本发明的分簇方式可以将路由重构、资源重新分配尽可能限制在簇内，避免了拓扑局部变化对整个网络造成影响，并降低了路由重构和资源重新分配的开销。

主权项

1.一种海空广域自组织网络分簇方法，所述网络包括若干个超视距范围分布的节点，其特征是，包括如下步骤：步骤(1)：为每个节点设置唯一的标识符ID，所有节点通过卫星定位系统获取自身的位置信息；步骤(2)：每个节点通过邻居发现过程获取网络内其他节点的位置信息及邻接关系；步骤(3)：基于模式识别最近邻分类理论建立伪最近邻分类模型；步骤(3)中伪最近邻分类模型的建立主要包括如下步骤：步骤(3a)：以节点分布区域的几何中心O为原点，在其分布区域的二维平面内建立直角坐标系；任意给定α，其中α∈[0,π)，以α为倾斜角作一条穿过原点的直线l’，同时过原点作直线l’的垂线l；步骤(3b)：以直线l’为边界，将网络节点分为两类，具体分类过程包括如下步骤：步骤(3b1)：从直线l上选取属于两个不同象限的任意两点v和v’，假设xi是网络的任意一个节点，规定由原点O指向v的向量设为R，由原点O指向v’的向量设为R'，由原点O指向xi的向量设为G，并规定向量G和R的夹角为θ，向量G和R'的夹角为θ'；步骤(3b2)：选择伪训练样本集将v和v’的位置坐标分别作为类ω1和类ω2的训练样本集；步骤(3b3)：确定决策规则由于伪训练样本集的伪训练样本都位于同一条直线上，故节点x_i与每个伪训练样本集的任意一个伪训练样本的夹角都是相同的，故可设定ω_i类的判别函数为：其中，若g_j(x)＝min_ig_i(x)，i,j＝1,2…………式(Ⅳ)则决策x∈ω_j………………式(Ⅴ)；步骤(4)：利用伪最近邻分类模型对节点进行分类；步骤(5)：设定每个簇的节点数目的上限U和下限L，若一个簇的节点数小于L，则寻找其邻居簇进行合并，且要求合并后的簇满足节点数小于等于U的要求，若合并后的簇的节点数大于U，则将该合并后的簇返回步骤(4)进行再分类；若一个簇的节点数大于U，则将该簇返回步骤(4)进行再分类；经过该步骤，实现将网络节点分为若干类，每类节点构成网络的一个簇；步骤(6)：选择簇头节点和网关节点在每个簇中选择与网络几何中心距离最短的节点作为簇头节点，若满足条件的簇头节点多于一个，则将其中ID较小的节点作为簇头节点；计算每个簇中每个节点与相邻簇中所有节点之间的链路长度，将该两个簇之间的最短链路对应的节点作为网关节点，若满足条件的网关节点多于一个，则以其中ID较小的节点作为网关节点。