分簇算法中簇首分布及可靠性問(wèn)題研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Network簡(jiǎn)稱(chēng)WSN)是當(dāng)前在國(guó)際上備受關(guān)注的、涉及多學(xué)科高度交叉、知識(shí)高度集成的前沿?zé)狳c(diǎn)研究領(lǐng)域。WSN通過(guò)部署在監(jiān)測(cè)區(qū)域內(nèi)的傳感器節(jié)點(diǎn)，采集網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)感知對(duì)象的信息，以多跳的無(wú)線通信方式，將收集、處理后的信息提供給終端用戶。WSN不需要固定的網(wǎng)絡(luò)支持。具有快速展開(kāi)，抗毀性強(qiáng)等特點(diǎn)，可廣泛用于軍事，商業(yè)，醫(yī)療救護(hù)，環(huán)境監(jiān)測(cè)等領(lǐng)域。 與傳統(tǒng)無(wú)線網(wǎng)絡(luò)相比，傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布稠

2、密、易失效、節(jié)點(diǎn)資源有限、難以獲得全局信息，因此傳統(tǒng)的路由算法并不適合傳感器網(wǎng)絡(luò)，必須針對(duì)傳感器網(wǎng)絡(luò)的特性研究新的路由機(jī)制與算法。從而設(shè)計(jì)能夠有效節(jié)約能源，延長(zhǎng)網(wǎng)絡(luò)生命周期的路由協(xié)議成為了無(wú)線傳感器網(wǎng)絡(luò)研究的一個(gè)重點(diǎn)。 在無(wú)線傳感器網(wǎng)絡(luò)中，為了降低節(jié)點(diǎn)能量消耗，并提高網(wǎng)絡(luò)的可擴(kuò)展性及可靠性，通常采用分級(jí)方式控制網(wǎng)絡(luò)，即采用網(wǎng)絡(luò)分級(jí)結(jié)構(gòu)。在分級(jí)結(jié)構(gòu)中，網(wǎng)絡(luò)被劃分為簇，簇由簇首節(jié)點(diǎn)和成員節(jié)點(diǎn)組成。簇首負(fù)責(zé)管理簇內(nèi)成員節(jié)點(diǎn)，并協(xié)調(diào)簇內(nèi)

3、成員節(jié)點(diǎn)工作。對(duì)感知數(shù)據(jù)進(jìn)行融合、轉(zhuǎn)發(fā)。簇首可以預(yù)先指定，也可以通過(guò)分簇算法選舉產(chǎn)生。 學(xué)術(shù)界對(duì)Ad Hoc網(wǎng)絡(luò)的研究比WSN要早。目前已經(jīng)很多針對(duì)Ad Hoc網(wǎng)絡(luò)的分簇路由協(xié)議被提了出來(lái)，然而，由于WSN特性不同于Ad Hoc網(wǎng)絡(luò)，特別是WSN節(jié)點(diǎn)能量更為有限，因此針對(duì)WSN的特性，必須研究新的分簇算法。LEACFI是WSN中最早提出的分簇路由協(xié)議，它的成簇思想貫穿于其后發(fā)展出的很多分簇路由協(xié)議中，如LEACH-C，TEEN，

4、HEED等。 本文先總結(jié)歸納了無(wú)線傳感器網(wǎng)絡(luò)的結(jié)構(gòu)、特點(diǎn)、應(yīng)用范圍。然后，重點(diǎn)對(duì)現(xiàn)有的無(wú)線傳感器網(wǎng)絡(luò)路由協(xié)議進(jìn)行了分析研究，介紹了Glomosim網(wǎng)絡(luò)仿真工具的特點(diǎn)及安裝過(guò)程，并進(jìn)行了實(shí)驗(yàn)仿真。最后綜述了幾種分簇路由協(xié)議。針對(duì)研究人員對(duì)LEACH協(xié)議簇首存在的問(wèn)題分析，本文在LEACH以及LEACH-C協(xié)議的基礎(chǔ)上，利用Voronoi圖，對(duì)LEACH路由協(xié)議進(jìn)行了改進(jìn)。目的是盡可能地延長(zhǎng)節(jié)點(diǎn)的生存期限，提高網(wǎng)絡(luò)的可靠性。本文主要

5、做了如下主要工作： 簇首選擇算法的改進(jìn)：首先由基站負(fù)責(zé)選出簇首，由選出的簇首構(gòu)建Voronoi網(wǎng)，形成一個(gè)簇首節(jié)點(diǎn)組成地骨干網(wǎng)絡(luò)。工作一段時(shí)間后，新簇首的選取僅在節(jié)點(diǎn)所在的Voronoi單元進(jìn)行。 提出了簇首備份方案：通過(guò)合并簇首節(jié)點(diǎn)所在相鄰的Voronoi單元，對(duì)簇首節(jié)點(diǎn)進(jìn)行備份。 經(jīng)過(guò)Glomosim仿真平臺(tái)的測(cè)試，這種先用集中式選擇簇首使得算法健壯性較好，而后又進(jìn)行局部的簇首選舉算法，能夠很好的使選出的簇首