没有合适的资源?快使用搜索试试~ 我知道了~
基于能量均衡QoS的无线传感器网络
埃及信息学杂志(2014年)15,189开罗大学埃及信息学杂志www.elsevier.com/locate/eijwww.sciencedirect.com原创文章一种基于能量均衡QoS的无线传感器网络Shilpa Mahajana,*, Jyoteesh Malhotrab, Sandeep Sharmaca印度古尔冈ITM大学b印度旁遮普省贾兰德尔GNDU区域校区cGNDU,Amritsar,Punjab,India接收日期:2014年3月24日;修订日期:2014年8月24日;接受日期:2014年2014年12月1日在线发布摘要为了有效地运行无线传感器网络应用,传感器的节能成为延长网络寿命的主要范例。考虑到这一点,本文提出了一种基于服务参数的簇头权值选择方法-- 簇链权值选择法(CCWM)整个网络。在基于聚类的方法中,主要关注的问题之一是在网络中选择适当的簇头和形成平衡的簇。簇头首先基于权重度量在网络中选择,然后进行聚类形成。该方法既能节省传感器的能量,又能平衡负载。在簇内采用局部分簇机制,以减少计算和通信开销。此外,还探索了一种新的数据传输技术。通过与LEACH、WCA和IWCA算法的仿真比较,验证了该方法的有效性.所提出的方法表明,在寿命和能耗方面,LEACH,WCA和IWCA的平均轮数分别©2014制作和主办由Elsevier B.V.代表计算机与信息学院开罗大学。1. 介绍无线传感器网络(WSN)是一个热门的研究课题,其应用范围广泛,从工业和军事应用到健康和安全。*通讯作者。开罗大学计算机和信息系负责同行审查。制作和主办:Elsevierhttp://dx.doi.org/10.1016/j.eij.2014.09.001环境监测在这些系统中,传感器被随机地或统一地部署以从环境中收集数据并将数据传递到基站。传感器网络独特的网络特性给传感器网络的设计带来了诸多挑战,包括有限的电池容量、有限的硬件资源、大规模的随机部署以及动态的不可靠环境。无线传感器网络的最新进展导致了许多专门为传感器网络设计的新协议,其中能量感知是一个重要的考虑因素。然而,大多数注意力都集中在路由协议上,因为它们可能因应用程序和网络架构而异。在网络层,主要目标是找到节能路由设置和可靠路由的方法。1110-8665© 2014制作和主办Elsevier B. V.代表开罗大学计算机和信息学院关键词能量效率;网络生命周期;节点度;服务质量;无线传感器网络190S. Mahajan等人2MP将数据从传感器节点中继到基站,使得网络的寿命最大化。路由协议为数据包传递找到一条路由,并将数据包传递到正确的目的地。尝试在无线传感器网络中找到稳定的能量有效的路线。传感器网络中的路由是非常具有挑战性的,由于几个特征,区别于当代的通信和无线ad-hoc网络。首先,它是不可能的,以建立一个全球性的寻址方案部署的绝对数量的传感器节点。因此,经典的基于IP的协议不能应用于传感器网络。其次,与典型的通信网络相反,传感器网络的几乎所有应用都需要将来自多个区域(源)的感测数据传输到特定的基站。第三,由于多个传感器可能在现象附近生成相同的数据,因此路由协议需要利用这种冗余来提高能量和带宽利用率。第四,传感器节点在传输功率、板载能量、处理能力和存储方面受到严格限制,因此需要仔细的资源管理。由于这些差异,在传感器网络的文献中提出了许多新的路由问题的算法。这些路由机制考虑了传感器节点的特点以及应用和体系结构的要求。这些协议可以分为以数据为中心的、分层的[1]和基于位置的网络[2]但是只有少数论文考虑了QoS(服务质量)度量以及路由功能。本文提出了一种基于秩的度量方法,在考虑网络性能参数的情况下从传感器集合中选择簇,使簇内负载均匀分布,能量消耗最小。2. 相关工作在分簇过程中,簇头(CH)的选择标准和选择的CH数目在通信开销、延迟、簇间和簇内通信等方面对网络性能有很大影响。LEACH是第一个基于簇的路由协议,它基于阈值标准选择CH[3]。在该协议中,CH在一个集群中旋转的目标,以减少能量消耗和均匀地分配节点之间的负载。CH聚集来自集群中它们的成员节点的数据,并将聚集的数据传递到基站。Chatterjee在2002年建议基于需求加权异构移动传感器网络环境。算法在固定的时间间隔后再次运行,以包括新的节点,从而提高网络的寿命提出了另一种基于遗传算法的技术,该技术在部署节点时考虑了节点集群中的节点使用WCA放置。这种技术在理想的负载条件下工作良好,并且在集群之间很好地平衡了负载。基于WCA提出了一种优化的分簇算法(OWCA)[7],并对移动无线传感器网络中的CH选择进行了额外的约束。该算法综合考虑了节点度、发射功率、移动性、累积时间、初始能量以及基站到各传感器节点的距离等因素。该算法的性能优于WCA,但涉及CH选择的开销更多。它甚至忽略了网络中的干扰为了在集群之间均匀地分配负载,CH被选择并在集群内旋转[8]。CH和路由技术之间的关系。采用了一种两层无线传感器网络信道选择和路由的综合方法采用遗传算法进行CH选择,采用A-Star算法进行路由选择,延长了无线传感器网络的寿命。与其他技术相比,这种方法可以显著提高网络的生命周期本文首先考虑随机网络中的性能参数来选择CH,然后形成簇。在不降低网络性能的情况下,集群中可以容纳的节点数对于均匀分布的负载,提出了一种局部聚类机制。这种机制将在集群中调用,以便集群头旋转可以在集群内进行,并且在满足某些特定条件时也可以进行。数据按照调度机制通过短并行链传输(见表1)。2.1. 能量模型Hein Zelman提出了能量模型来计算如[9]中给出的传感器节点消耗的能量的量。该模型同时利用了自由空间d2功率损耗信道模型和多径衰落d4功率损耗信道模型。如果距离小于阈值,则使用自由空间模型,否则使用多径模型。因此,使用该等式来计算传输成本和接收器成本,以使用该无线电模型在距离d处传输k比特消息,无线电消耗:(ETXk;dEωk2fsωkωd2;ifdd0<4分布式聚类方法(WCA) 对于Adhoc WSN[4]的文件。信道选择采用一个权值度量,该权值度量考虑了理想节点度、节点ETXk;d¼ETXðk;dÞ¼Eelec ωk<$2mpωkωd;如果pd0<$ð1Þ考虑到剩余能量。具有最高权重值的节点被选择为CH。该算法按需执行,即,当一个节点不能将自己连接到任何现有的CH。该算法试图尽可能多地分配负载。该方法考虑了实际的参数,并具有根据应用需要调整权重因子的灵活性。2011年,提出了对Chatterjee方法(WCA)的改进这里的阈值是,d0<$q=2。ERXkEωk2这 里 , 发 射 机 放 大 器 在 较 长 距 离 上 消 耗 的 能 量 ,emp=0.0013pJ/bit/m4。发射机在较短距离上消耗的能量,efs= 10 pj/bit/m2。在addi-灰,E=50 nJ/位需要运行发射器和接收器- ver电路。用于数据聚合的能量成本EDA取为5 nJ/比特/消息。无线电参数特性见表2。基于QoS的无线传感器网络簇头选择策略191-2.2. 能耗模型在无线传感器网络中,CH是根据一定的参数从所有节点中选择的。所有非CH节点加入最近的CH以形成簇。这些节点将它们的数据转发到CH,并且CH将该聚合数据转发到基站。设n个节点均匀分布在M · M的区域内。假设拓扑中存在k个簇。因此,平均而言,每个集群将有n/k个节点。在簇中,将存在一个CH和(n/k1)个非CH。通过计算非CH向CH传送数据所消耗的能量和CH向基站传送聚集数据所消耗的能量,可以得到簇所消耗的能量。一个非CH节点向集群中的CH传输K个比特所消耗的能量如下:Enon-CH¼k·E非CHEamp;d非CHCH消耗的能量涉及在从所有非CH节点接收数据时消耗的能量、在数据聚合和将数据转发到非CH节点期间消耗的能量。基站。ECH¼ . n- 1千克·当量n埃克塞特·k·EDA 美国TXtoBSk;d因此,集群中消耗的总能量E组团 简体中文. n- 1米·E非CHð5Þ2.3. 方案的情况说明在本节中,我们首先讨论设计理念,然后提供本方案中考虑的各种假设2.3.1. 设计理念选择一个最佳的CH数,在网络中产生高吞吐量和低延迟仍然是一个具有挑战性的问题。更多的CH增加了额外的跳数,因为分组在到达目的地节点之前必须通过多个CH进行路由。这会导致延迟增加、功耗增加和处理成本增加。因此,为了最大化资源利用,应该选择能够覆盖整个地理区域的最小数量的CH。从Eq中可以清楚地看到。(1)、节点消耗的能量与传输距离成正比。如果基站距离较远,CH在数据传输过程中每轮消耗的能量会更多。因此,在整个区域内均匀分布CH是必要的另一个问题来自于节点在区域上的非均匀分布。如果区域的某个部分人口密集,则CH可能无法处理节点产生的所有流量,因为CH具有处理某些特定数量的节点的限制。考虑到上述问题,CH选择方法已被设计,限制簇的大小,并选择最佳的可didate节点作为CH的基础上的秩度量。已经设计了一种机制,该机制基于诸如剩余能量、路径损耗因子和节点度的网络服务参数来选择CH。当满足相同的条件时再次调用该进程,CH循环中涉及的开销更少。为执行而采取的各种假设如下:表1方案对比表。浸出基于阈值标准的聚类议定书方法引线节点选择IWCA基于权重度量的聚类WCA基于权重度量的聚类GA-WCA集群基于遗传算法的OWCA基于权重度量的聚类基于遗传算法集群基于遗传算法和最小能量的CH与GA-WCA相比减少CCWA基于秩度量(POS)的更少,CH选择过程按需是的能耗CH直接到基站与IWCA相比更少低于WCA由于本地集群和数据传输过程而减少是,由于多个并行传输对WCA的改进否,因为CH选择是随机的负载平衡性质稳定是,比WCA稳定–负载平衡良好KK192S. Mahajan等人X¼表2无线电参数。操作发射和接收电子电路中消耗的能量放大器在较短距离传输时消耗的能量,即如果dtoBS6d0放大器在较长距离传输时消耗的能量,即如果dtoBSPd0数据聚合符号E2FS2MP耗散的能量50nJ/bit10pJ/bit/m20.0013 pJ/bit/m 52EDA表3信息表。源ID跳数Distance_BS类型位置度量源ID:发送节点类型:它指示消息类型,即请求(REQ)或确认(ACK)消息。Distance_BS:源节点到基站的距离。跳数:到基站的跳数。位置度量:将保存度量的计算值(讨论如下)。3. CCWM的描述CCWM(Cluster Chain Weight)方法本质上是分布式的CH集合的选择是基于秩/位置度量来完成所有的成员节点应该只连接到一个CH。3.1. 设置阶段信息收集过程由每个节点通过广播HELLO消息来完成。每个 节 点 主 要 有 两 个 表 , 即 , 信 息 表 ( IT ) 和 邻 居 表(NT)。每个节点使用以下消息相互通信(参见表3)。最初,通过将target设置为等于NULL,由源节点在其传输范围内广播消息。如果簇中成员节点能量的已经发现,当现有CH能量变为其成员节点能量的75如果我们将该过程进一步延迟25%,如图1所示,CH消耗更多的能量,而不是降低能量消耗,这将增加网络的能量消耗。2. CH只能支持有限数量的节点(CH可以支持的节点是有限的。在该算法中,节点度的最大值取为20),以确保有效的MAC功能。如果CH试图服务于比其容量更多的节点,则将引起延迟,因为更多的时间将浪费在等待轮到它们获得资源上。因此,为了实现高系统吞吐量,必须限制CH的度。这已经由Dahnil等人证明。[10]使用Q=5.1774logN,可以采用20和30之间的最佳节点度来确保100节点(N)网络中的连通性,其中基站位于100· 100字段的右上角。3. 有可能能量远离其他节点,而具有低能量的节点彼此靠近。最佳CH位置在簇的中心,然而,它并不总是可能实现这样的位置。最优选择的一种解决方案是计算节点的平均能量,然后选择那些能量大于平均能量(EAVG)的节点作为CH候选。如果已经是邻居的发送方接收到该消息,则该消息将被忽略,否则,可以添加接收方作为发送方节点的邻居。双向握手EAVGm1ENmv02Nmð6Þ将完成,并将由发送方发送ACK消息。IT的字段被设计为累积节点接收到的消息。IT表也可以用来更新NT。如果邻居节点在有限的时间内没有从其注册的源节点接收到ACK信号,则该条目将被删除。删除其表。3.2. 算法基础该算法综合考虑节点度、平均能量和最小路径损耗因子三个参数来选择节点作为CH。在我们的聚类算法中考虑了以下特征。1. CH选举过程直到现有CH剩余能量大于其簇中其成员节点剩余能量的75%才被调用。这一点已通过改变能量消耗模式的轮数来模拟得到。当现有CH剩余能量变得小于1%这里,Ev是所有相邻节点的剩余能量,Nv是节点v的节点度。4.在一定的传输范围内可以有效地使用电池功率。更靠近CH的节点将消耗更少的能量,因为它们的距离与CH相比将更小25.524.523.522.521.520.51% 75% 50% 25%本地集群调用图1本地集群对网络的影响消耗的能源消耗的能量(J)M基于QoS的无线传感器网络簇头选择策略193Xm0T1T2-------TNRecusteringC阿勒勒T1T2-------TNRecusteringC阿勒勒CH1TCH1R-------CH1RCH1TCH1R-------CH1RCH2TCH2R-------CH2RCH2TCH2R-------CH2RCH3TCH3R-------CH3RCH3TCH3R-------CH3RCH1RCH1T-------CH1TCH1RCH1T-------CH1TCH2RCH2T-------CH2TCH2RCH2T-------CH2TCH3RCH3T-------CH3TCH3RCH3T-------CH3TCHxRCHxT-------CHxTCHxRCHxT-------CHxT轮T图2数据传输过程。其他节点距离更远。由于路径损耗与距离成比例(使用等式(1)),这些节点消耗的能量也更多。有了距离和路径损耗的知识使用cost 231 Walfisch-Ikegami传播模型[11]。LLOS低分贝 42: 6分贝 26记录10分贝 20记录10分贝兆赫70分贝或以更简单的形式,LLOS¼ 32: 4logf·d。在这种情况下,最优解决方案是在竞争节点集合中选择具有低路径损耗值3.4. CH选举程序步骤1:找出网络中每个节点的邻居,即在其传输范围(txRange)中的节点。这些值可以使用NT找到。这里v是源节点,v0是相邻节点。tx范围取为25。Nm¼Xf距离;m0mmx范围为8mm10这里,LLOS是路径损耗。可以清楚地看到,(7)路径损耗与距离成正比,即,距离越远,损失越大。3.3. 该算法基于前面的讨论,设计了一种加权链权重矩阵(CCWM)方法,该方法将上面讨论的每个系统参数与根据系统需要选择的某些加权因子相结合。改变权因子的灵活性有助于我们将该算法应用于各种网络。簇头选择过程的输出将是具有较高位置度量(POS)计算值的节点集合。在其传输范围内只有一个节点将被选择为CH,即没有两个CH是直接相邻的。可能存在两个CH导致POS的相同计算值以这样电压m0dist(m,m0)可以使用欧几里德距离公式找到,即,distm;m0q xm-xm02y-y2步骤2:为每个节点m确定一个节点在不影响其效率的情况下可以处理的最大节点度(邻居总数)。在该算法中,最大节点度取为20。步骤3:对于每个节点,计算其与所有邻居的距离之和。节点之间的距离已被计算使用欧几里得距离公式Pm¼fdistm;m0g9m02Nm这将有助于确定总损失。步骤4:计算每个节点的平均能量并行数据传输M194S. Mahajan等人选择节点作为下一个循环所有成员节点将数据传递到新选举的CHCH在集群周期结束时检查其与集群中成员节点的剩余能量水平(EnergyX¼ð Þ是X因子(成员节点能量)是的出是½(成员节点)在集群IsPosiPosi+1IsEnergyiEnergyi+1成员节点使用IT比较其POS值广播包含其簇更新X因子X因子=X因子-1/4下一周期是的是的没有是的没有没有没有最初,X因子 =3/4图3局部聚类过程。EAVGm1ENmm2Nmð10Þ步骤6:选择具有最高POS的节点作为CH。现在不允许所选CH的所有邻居参与选择过程。这里,Ev是所有相邻节点的剩余能量步骤5:使用等式(1)计算每个节点的位置函数P0S。(八)POSm¼a·Nmb· EAVGmc·1=Pm11在哪里;a/b/c/1a、b和c是对应系统参数的加权因子。步骤7:对尚未添加为CH或分配到任何群集的所有剩余节点重复步骤23.5. 数据传输过程在链路形成阶段结束时,将保存多条路径以将聚合数据转发到基站。为了避免冲突和更好地利用资源,M基于QoS的无线传感器网络簇头选择策略195(Time分多址)的时间表,其中每个路径将在一个特定的时间段是活跃的。在该时间段中,CH将数据前向聚合到下一个CH并最终聚合到基站。数据聚合过程将从最远的CH开始,同时,备用路径上的CH将忙于簇内通信,即从簇中的成员节点收集数据。这一进程将以循环方式继续进行。因此,集群间和集群内传输将齐头并进。根据产生的路径的数目(例如n),总时间T将被平均地划分为每个路径的T/n即:T<$t1t2t3···tn;T是一个群集周期因此,1轮1/41群集周期1/2群集时间这里,数据间传输从最远的节点开始。在如图2所示的路径1中的时间t1处,让我们假设CH 1T是距基站最远的节点。CH 1T向其范围内的相邻CH 2T发送数据,CH 2T向CH3T发送数据,然后该过程继续,直到数据到达基站。并行地,在路径2(第二路径)中的时隙t2中,发生并行集群内传输,CH1 R、CH2 R、. . ,CHXR开始从其集群中的成员节点收集数据。假设时隙足够大以用于数据的收集和发送。集群调用有一个小的间隙。在一轮之后,路径交换它们的角色即,现在在T1中,路径1将执行簇内传输,而在T2中,路径2将执行簇间传输。3.6. 局部聚类过程本地聚类或重新聚类(REC)过程在聚类周期(轮)结束时由它们各自聚类中的所有CH调用。在前面的讨论中,发现仅当CH能量水平变得小于其成员节点的剩余能量水平的75%或四分之三时,才会调用REC过程图3中的流程图说明了该过程。最初,X因子被设置为等于节点能量水平的(3/4)。当现有CH能级变得小于X 因 子时,将调用REC过程。CH广播REC消息连同其簇中的其剩余能量。成员节点使用IT将其POS值与簇中的POS值进行比较。具有最大POS值和最大能量的成员节点将被选为新的CH。所有成员节点现在将向新选出的CH发送数据,该CH现在将聚合数据并将其发送到基站。这个过程会继续,直到集群中有一半的节点充当CH。X因子的值将被更新,并且相同的过程将再次重复。3.7. 链路形成阶段一旦网络被部署,则由基站向所有CH节点初始化路由发现消息(RDM)。基站开始多路径发现阶段以创建能够将数据转发到基站的CH邻居的集合在多路径路由中,节点不相交路径通常是优选的。当一个节点接收到RDM时,从IT表中检查其节点将其新接收的跳数值与存储的跳数值进行比较。如果新值较小,则用新值替换旧值。此过程将继续,直到所有CH都更新了其RDM。4. 方法的可行性为了检查CH选择所采用的选择标准的可行性,如[5]中的二维空间表4邻桌。邻居ID邻居ID:邻居节点ID。距离剩余能量状态(应答/确认)状态距离:源节点到邻居节点的距离剩余能量:邻居节点的剩余能量。状态:邻居处于应答或确认(ACK)状态。状态:取决于位置度量POS(下面讨论),节点可以处于CH或成员节点状态表5传感器节点的初始因素。SN位置范围节点度(Nv)PvEAVGPOS1(三,三)528.24610.94852(4、7)5313.3611.22923(4,12)529.2410.9434(7,15)528.2410.94855(11 15)528.0010.956(15,20)529.2410.9437(7,4)5312.8411.23118(11,6)528.9410.94479(15,4)528.9410.944710(17,8)514.4710.68911(18 17)527.8510.95012(15 15)5312.6111.2317**表示基于POS的计算值选择的特定节点196S. Mahajan等人611451231028791611451231028791取12个有源传感器节点,初始因子如表5所示,其中SN为了简单起见,我们假设最大传输范围为5。a、b和c的值分别取为0.3、0.3和0.4。每个节点将根据进入其范围的传感器节点的数量计算其节点度。计算节点v到其相邻节点的累积距离,然后计算路径损耗,Pv=1/distv节点的初始能量(11)计算每个节点的POS值。具有最高POS值的节点被选择为CH。在该示例中,节点12(标记为*)将被选择为CH,如图12所示。3.第三章。从原始传感器集合中删除所选择的CH及其对于剩余的节点,POS值被重新计算,直到每个节点被分配到某个集群(参见表6)。只有节点4条目将被更改,因为它只剩下一个邻居。现在,具有最高POS值的下一个节点将被选择为CH节点。节点7的邻居,即2、1和8将被删除,如图4所示。对其余节点重复相同的步骤。从图5可以清楚地看出,通过所提出的方法选择的CH与IWCA中的CH相同。在IWCA中,CH是通过假设传输速率和移动性来选择的,而所提出的方法是基于实际计算值。因此,CH选择度量(POS)证明了它的可行性。5. 仿真结果与分析在本节中,CCWM性能优势已通过多个模拟进行了评估。为此目的,我们已经使用MATLAB从所提出的算法与传统的聚类方法,在没有REC机制已被使用的结果进行了比较。用于评估的网络参数如表4所示。我们的仿真环境由100个传感器节点随机部署在100·100 m的区域。所有节点相同,传输范围设置为25 m。基站位于场地的右上角。平均执行20次模拟以获得网络参数的近似正确值。2019181716151413121110987654321123456789 10 11 12 13 14 15 16 17 18 19 20图4首先选择的应用程序节点及其邻居。2019181716151413121110987654321123456789 10 11 12 13 14 15 16 17 18 19 20图5与邻居形成的最终聚类。● 传感器节点在整个生命周期内都是静止的● 所有节点具有相同的初始能量(2J)。5.1. 网络的生存时间该协议的网络生命期是通过测量网络中10%、50%和100%节点死亡的时间来计算的一表6计算剩余节点的POS值SN位置范围节点度(Nv)PvEAVGPOS1(三,三)528.24610.94852(4、7)5313.3611.22923(4,12)529.2410.9434(7,15)514.242600.694287(7,4)5312.8411.2311*8(11,6)528.9410.94479(15,4)528.9410.944710(17,8)514.4710.689*表示基于POS的计算值选择的特定节点●●●●基于QoS的无线传感器网络簇头选择策略1972100 pJ/位/米值100· 100米10070 m 50nJ/位表7网络规格。参数网络规模传感器节点数阈值距离,d0E2安培当能量变得小于零时,节点被称为死节点。图6显示,CCWM的平均寿命分别比WCA和IWCA长48%和41%。WCA、IWCA和CCWM的最后一个节点分别在542、583和895轮中死亡。所有这些协议已评估,考虑相同的网络参数,如表7所述。这样的改进证明了在CCWM中,由于新的CH选择方案和REC机制的使用,能量效率降低了CH选择开销。5.2. 第一个节点死亡第一个节点死亡是指轮中第一个节点的死亡。该方案考虑了方案的稳定性。CCWM比IWCA和WCA更稳定。从图7中可以看出。在WCA和IWCA的回合中,节点的死亡分别延迟约39%和34%。5.3. 能源效率能量效率是网络中所有节点XN能源部Ei121/1图6网络寿命。初始能量,E0基站位置2J(50,175)mEDA5 nJ/位/信号数据包大小,k2000比特Transmission range,TXRange25米一0.3B0.3C0.4E i是节点在轮中消耗的能量。从图8中可以清楚地看到,与WCA和IWCA相比,CCWM显著降低了网络的能耗。这是由于选择标准,其中路径损耗因子与能量和度一起被考虑。CH的角色可以动态切换,因此集群中所有节点之间的流量负载可以均匀分布。该算法采用多路径调度的方式进行数据传输,节点消耗的能量较少,从而设计了一种公平的簇内和簇间数据传输方式。该协议在这些因素上优于WCA和IWCA。5.4. 地方集群使用本地集群机制进行CH选择的影响显著降低了网络的能耗。由于CH是在本地选择的,因此感测、通信和计算中涉及的开销较少,并且在集群内本地进行下一个CH的决定。其成员节点的信息由簇头在本地维护。只有当旧CH剩余能量小于簇中其成员节点能量的75%时,才调用重新分簇过程。与没有调用REC时的结果相比,这导致平均14%的改进(见图1)。 9)。从图10中可以清楚地推断出,随着传输范围的增加,CH的平均数量将2001801601401201008060402000 50 100 150 200 250 300 350 400 450 500时间(秒)图7第一个节点死亡与轮图8一段时间内的总能耗。一段时间CCWMWCAIWCALEACH总能耗(J)无REC机制的CCWM传输范围与集群IWCAWCACCWM南纬198号 Mahajan等人120100806040图12基站位置在(50,50)。200050100150200250300350400450500时间(秒)图9局部集群的影响。7060504030201005 10 15 20传输范围图10传输范围与集群图13基站位置(97,100)。集群导致更多的能量消耗。在WCA和IWCA中,低传输距离的能量消耗更多,而CCWM的能量消耗更均衡25路WCA和IWCA中的能量消耗更多,因为更多CH将尝试使用直接链接。随着链路距离的增加,能耗也会增加。在CCWM中,数据通过短并行链发送到基站。减少。这是因为具有大传输范围的节点将覆盖更大的区域。这样,形成的不相交簇的数目将更少,簇的形成是不均匀的,CCWM中任何簇所能容纳的最大节点数为20。这表明,与WCA和IWCA中形成的团簇相比,CCWM中形成的团簇数量较少从图11中可以清楚地看出改变传输范围对原器件的影响。传输范围越小,集群的数量就越多更多数量的656055504540353025205 10 15 2025传输距离(m)图11传输范围与能源5.5. 基站位置变化对能量基站位置从区域的右上角改变到网络区域的中心,其对不同协议的影响可以在图1和图2中看到。12和13在WCA和CCWM中,与LEACH和IWCA相比,消耗是均匀的,因为负载是均匀平衡的。数据从CH通过短距离并行链传输到基站。当链路距离较小时,CH之间向基站传输数据所消耗的能量也较少,LEACH和IWCA算法在基站位于中心区域时表现出较好的性能。随着链路距离的减小,由于数据直接从CH传输到基站,因此具有深远的影响。6. 结论提出了一种限制节点度的簇头选择方法。该方法通过先选择簇头节点,再形成分布均匀的簇,既降低了能耗,又均衡了负载。这种方法可以通过根据应用环境改变性能参数来应用于各种应用。局部聚类机制的自适应导致传输距离与100圈WCAIWCACCWM聚类数总能耗(J)总能耗(J)基于QoS的无线传感器网络簇头选择策略199与不使用这种机制时相比提高了14%。这不仅减少了网络的开销,而且降低了通信成本。仿真结果表明,CCWM比LEACH、WCA和IWCA具有更高的能量效率、更好的负载分布和更长的网络寿命。这可以用于实时交通。引用[1] Heinzelman WR,Chandrakasan AP,Balakrishnan H.无线微型传感器网络能量有效通信协议。在:夏威夷系统科学会议论文集; 2002年。p. 3005-14[2] 库马尔·K 无线自组网中功率控制的原理与协议。 IEEE JSelected Areas Commun2005;23:76-88.[3] Heinzelman WR,Chandrakasan AP,Balakrishnan H.一种用于无线微传感器网络的应用特定协议架构。IEEE Trans WirelessCommun2002;1(4):660-70.[4] Chatterjee M,Das,Turgut. WCA:一种适用于移动自组网的加权分簇算法。Cluster Comput2002;5(2):193-204.[5] 洪宗培,吴政喜。异构传感器网络应用节点确定的一种改进加权分簇算法。J Information Hiding MultimediaSignal Process2011;2(2):173-84.[6] 聂军。基于Ga-WCA的无线传感器网络簇头部署优化方法。计算机应用与系统建模国际会议。ICCAISM'10; 2010年。第449- 452页。[7] 吴晓刚,王晓刚,王晓刚.异构无线传感器网络中一种基于权值优化的分簇算法。ICAITA; 2012年。p. 185比95[8] Rana K,Zaveri M.两层无线传感器网络信道选择与路由综合算法。J ComputNetworks Commun 2013;2013.[9] 放大图片作者:Mahajan S,Malhotra J,Sharma S.改进的基于 增 强 链 的 能 量 有 效 的 无 线 传 感 器 网 络 。 WSN J2013;5(4):84-9.[10] 作者声明:Dr.无线传感器网络中的连通性感知和最小能耗协议。Int J Distributed Sensor Networks 2013;2013:1-8.文章ID153089,http://dx.doi.org/10.1155/2013/153089。[11] 兰维尔湾“路径损耗模型”。S-72.333讲授无线通信系统中的物理层方法。无线电实验室,HUT; 2004年。
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 共轴极紫外投影光刻物镜设计研究
- 基于GIS的通信管线管理系统构建与音视频编解码技术应用
- 单站被动目标跟踪算法:空频域信息下的深度研究与进展
- 构建通信企业工程项目的项目管理成熟度模型:理论与应用
- 基于控制理论的主动队列管理算法与稳定性分析
- 谷歌文件系统下的实用网络编码技术在分布式存储中的应用
- CMOS图像传感器快门特性与运动物体测量研究
- 深孔采矿研究:3D数据库在采场损失与稳定性控制中的应用
- 《洛神赋图》图像研究:明清以来的艺术价值与历史意义
- 故宫藏《洛神赋图》图像研究:明清艺术价值与审美的飞跃
- 分布式视频编码:无反馈通道算法与复杂运动场景优化
- 混沌信号的研究:产生、处理与通信系统应用
- 基于累加器的DSP数据通路内建自测试技术研究
- 跨国媒体对南亚农村社会的影响:以斯里兰卡案例的社会学分析
- 散单元法与CFD结合模拟气力输送研究
- 基于粒化机理的粗糙特征选择算法:海量数据高效处理研究
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功