没有合适的资源?快使用搜索试试~ 我知道了~
可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报5(2018)928基于Fuzzy-TOPSIS的移动无线传感器网络Bilal Muhammad Khana, Rabia Bilalb, Rupert Youngc伊斯兰堡国立科技大学(NUST)b巴基斯坦卡特拉奇乌斯曼理工学院英国苏塞克斯大学接收日期:2016年8月28日;接收日期:2016年11月26日;接受日期:2016年12月5日2017年1月4日在线发布摘要无线传感器网络的关键参数之一是节点寿命。提高无线传感器网络节点寿命的方法有很多种,分簇技术就是其中之一在分簇中,在传感器节点(SN)之间执行对簇头(CH)的期望百分比的选择选定的CH负责从其成员节点收集数据,聚合数据并最终将其发送到sink。在本文中,我们提出了一种模糊TOPSIS技术,基于多准则决策,选择CH有效,有效地最大限度地提高了无线传感器网络的寿命。我们将考虑几个标准,包括:剩余能量;节点能量消耗率;邻居节点的数量;相邻节点之间的平均距离;以及到sink的距离采用基于门限的簇内和簇间多跳通信机制来降低能耗。我们还分析了节点密度和不同类型的移动性策略的影响,以调查对无线传感器网络寿命的影响。为了最大限度地提高无线传感器网络的负载分布,提出了一种可预测的移动与八角形轨迹这导致整体网络寿命和延迟的改善。实验结果表明,与传统的Fuzzy和LEACH协议相比,该方案使网络寿命提高了60%,能量节省了80%,每轮簇头选择次数减少了25%.© 2016 电 子 研 究 所 ( ERI ) 。 Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。关键词:聚类;移动汇;稳定性;多决策;能量;寿命1. 介绍无线传感器网络(WSNs)由大量的传感器节点(SNs)组成,随机部署以感知和监测物理和环境条件,如图所示。1.一、随着微机电系统(MEMS)技术的发展和进步,无线传感器网络已经成为现实,其网络节点非常小*通讯作者。电子邮件地址:bmkhan@pnec.nust.edu.pk(B.M. Khan),rabilal@uit.edu(R. Bilal),r.c.d. sussex.ac.uk(R.Young)。电子研究所(ERI)负责同行评审。https://doi.org/10.1016/j.jesit.2016.12.0042314-7172/© 2016电子研究所(ERI)。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。B.M. Khan等人/电气系统与信息技术学报5(2018)928929Fig. 1.分布式WSN系统(Akyildiz等人, 2002年)。图二、(a)在WSN域中SN的随机部署(b)在WSN域中的聚类形成尺寸,包括其无线通信组件(Akyildiz等人, 2002年)。 如图 1中,在WSN中存在四个主要组件,其包括:用于从期望的地理区域累积数据的SN; SN通过其将数据传输到汇点/网关的互连网络;中央数据收集机制(称为汇点);以及在用户端用于进一步存储、处理和分析的一组计算资源(Akyildiz等人, 2002年)。无线传感器网络具有许多应用,例如环境监测、结构健康监测、军事和自然灾害检测和监测(Li等人,2010年)。 数据感测和收集的成本效益是一个主要关切。由于无线SN的紧凑性,有限的功率和能量是可用的;因此,需要在WSN中高效且有效地利用能量(Lhadi等人, 2014年)。分簇是一种通过选择簇头节点来节省能量消耗的技术CH通过使用时分多址(TDMA)技术从其成员节点收集数据,然后压缩和聚合数据以去除冗余。之后,CH发送压缩的和930B.M. Khan等人/电气系统与信息技术学报5(2018)928×图三. (a)提出了基于阈值的簇内和簇间多跳通信模型。(b)随机和可预测的sink移动轨迹。汇的聚合数据(Heinzelman等人, 2000年)。 在本文中,CH选择是基于模糊TOPSIS和多准则决策(MCDM)技术提出的。基于模糊TOPSIS的 CH选择对于优化能源利用效率起着关键Hwang和Yoon(1981)早在1981年就对模糊理想解相似性偏好法(Fuzzy-TOPSIS)进行了TOPSIS法不仅在工程应用中,而且模糊TOPSIS算法基于折衷解的概念选择最优方案它选择与负理想解的欧氏距离最远的解和与正理想解的 欧 氏 距 离 最 短 的 解 。 该 方 法 包 括 形 成 一 个 mn 矩 阵 , 其 中 m 个 备 选 方 案 和 n 个 属 性 ( Kavitha 和Vijayalakshmi,2010年)。 其他基于AI的技术(Valipour和Montazar,2012; Khoshravesh等人,2015年;Valipour,2014年)在文献中提出,考虑了灌溉系统的几个决策标准。然而,这些技术需要复杂的计算,这使得它们不能用于低资源的无线传感器网络节点。在本研究论文中考虑了五个标准基于阈值的簇内和簇间多跳通信机制被用于降低能量消耗,该能量消耗取决于与CH或宿的距离是否大于某个设定阈值。此外,一个可预测的移动性与八角形的轨迹,提出了为了进一步最大限度地提高适当的负载分布和减少平均延迟的时间关键应用在无线传感器网络的基础上。2. 相关工作在无线传感器网络中,如果一个适当的分簇算法用于CH的选择,网络的生命周期得到了广泛的改善。在CH选择方面,人们做了大量的工作,提出了许多聚类算法。提出的第一个基于CH的算法之一是低能量自适应集群层次(LEACH)(Hwang和Yoon,1981)。LEACH算法分为两个阶段,即:建立阶段和稳定状态阶段。在建立阶段,以固定的概率在传感器节点(SN)中选择簇头的数量所选择的CH向特定传输范围内的其他节点广播广告;其余节点从不同CH收集多个广播广告,并通过发送相关联的请求而成为具有高无线电信号强度指示符(RSSI)值的特定CH的成员然后CH创建TDMA调度,这取决于B.M. Khan等人/电气系统与信息技术学报5(2018)928931见图4。死节点数与轮数。根据成员节点的数量在稳态阶段,SN将感测到的信息发送到其对应的CH,CH对接收到的数据进行压缩和聚合,并最终发送到Sink。在某个特定时间之后,执行重新聚类。LEACH在负载均衡和能量效率方面比其他路由协议表现更好。 Heinzelman等人(2002)提出了集中式LEACH(C-LEACH)协议,进一步提高了LEACH协议的性能。在C-LEACH中,信宿选择CH,而不是SN本身。C-LEACH算法给出了比LEACH算法更好的结果。在混合节能分布式(HEED)协议(Younis和Fahmy,2004年)中,簇头是根据节点的剩余能量和节点度来选择的。在LEACH-Mobile(LEACH-M)论文(Kim和Chung,2006)中,该协议提供SN的移动性。LEACH-M保证了移动节点与CH的通信。在Azada(2013)中,提出了基于模糊多属性决策(MADM)方法的CH选择标准在该协议中,使用集中式接收器集中地选择CH。上面讨论的协议基于单个或两个标准,其中移动节点或宿选择CH(集中式)。由于集中式方案,节点周期性地向sink发送Hello控制分组,这增加了网络中的控制开销在该方案中,CH也在每轮之后改变,并且这也增加了控制开销分组。在LEACH-M中,SN是移动的,这需要更频繁地发送Hello控制分组,增加了网络的负载。上面讨论的协议是复杂的,显著地不能保存有价值的能量,并且当网络是移动的和零星的时不能维持可接受的网络性能。然而,所提出的CH选择标准的模糊方案显着降低了网络消耗的能量,而且频繁的CH选择减少了许多倍。该协议的性能显着增加了网络的生命周期,这是无线传感器网络的最重要的功能之一。该方案不仅提高了整个网络的数据传输速率,而且对网络的可靠性和连通性产生了积极的影响,从而使adhoc WSN能够在更可靠和安全的关键条件下使用,而无需在相当长的时间内进行任何维护。932B.M. Khan等人/电气系统与信息技术学报5(2018)928图五.每轮CH的平均数。3. 该方案在所提出的CH选择方案中,SN根据通过使用五个标准获得的排名指标值来自己做出决定。所选择的CH向其传输范围内的其相邻节点广播广告。其余SN从其传输范围内的不同CH接收多个通告,然后决定与具有最小距离或最大RSSI值的CH相关联所提出的计划,以确保在每一轮的CH不改变,以尽量减少在设置阶段的开销。CH的变化如果所选择的CH阈值小于其他相邻节点,则执行重新分簇。簇选择过程分为六个阶段:随机部署SN;邻居节点发现; CH选择; CH形成;簇内和簇间多跳通信机制;最后是具有可预测的八角形和随机轨迹的sink移动。拟议方案的详细程序解释如下。3.1. 阶段1最初,所有的SN都是随机部署在WSN领域,因为它被认为是一个简单和低成本的部署策略,如图所示。2(a). 在部署之后,汇聚节点在网络中广播包含关于其位置的信息的Hello控制分组3.2. 2期在阶段2中执行邻居发现;所有SN通过使用载波侦听多址(CSMA)技术在它们的传输范围TR中广播Hello控制分组Hello控制分组包含重要信息,诸如:剩余能量(准则-1,C1);节点能量消耗率,C2;节点密度,C3;节点之间的平均距离,C3;节点能量消耗率,C4;节点能量消耗率,C5;节点能量消耗率,C6;节点能量消耗率,C7;节点能量消耗率,C8;节点能量消耗率,C9;节点能量消耗率,C10;节点能量消耗率,C1B.M. Khan等人/电气系统与信息技术学报5(2018)928933见图6。 每轮CH变化率。见图7。发送到接收器的数据包数。934B.M. Khan等人/电气系统与信息技术学报5(2018)928阿克斯⎜⎟⎟⎟见图8。到CH的数据包数量。该节点及其邻居节点C4;距汇聚节点的距离C5;以及节点位置和ID信息。最初,节点没有关于其邻居的信息,因此在Hello控制分组中C2所有SN在从相邻节点接收到Hello控制分组之后更新它们的邻居表,如等式(1)所示(1):aC1C2C3C4C5Tk=1a2a3.an+1阿克斯X好吧一,一二,一三,一x1,2x2,2x3, 2.x1,3x2,3x3, 3.x1,4x2,4x3, 4.x1,5x2,5x3, 5.⎠(一)xn+1、 1xn+ 1、 2xn+ 1、 3xn+ 1、 4xn+ 1、 5其中,Tk是节点k的邻域表,n是节点的数量。3.3. 3期CH选择在第3阶段进行,使用模糊TOPSIS方法。由于邻域表中的所有值不在相同的范围内,因此必须将这些值归一化到类似的范围,以便公平地选择CH。(2)用于CH选择:xi,j−mini.xi,j(二)Xi,j=最大值.xi,jΣ−min∀i⎟吉吉B.M. Khan等人/电气系统与信息技术学报5(2018)928935. xi,j936B.M. Khan等人/电气系统与信息技术学报5(2018)928好吧X2, 1X 2, 2X 2, 3X 2, 4X2, 5见图9。每轮平均网络能耗。另一方面,对于C2(3):我是一个X星人。xi,j<$−xi,j(三)Xi,j=最大值.xi,jΣ−min∀i. xi,j然后,通过将标准权重分配给归一化矩阵X k的每个值来形成加权决策矩阵。之后,最大值和最小值从等式2计算(4)和(5)。X1, 1X 1, 2X 1, 3X 1, 4X 1, 5XXk=X3, 1X 3, 2X 3, 3X 3, 4X 3, 5....(四)Xn+1, 1 Xn+1, 2 Xn+1, 3 Xn+1, 4 Xn+1, 5其中,Xk是节点k的归一化矩阵。吉吉⎟⎠B.M. Khan等人/电气系统与信息技术学报5(2018)928937⎜表1转换模糊隶属函数。见图10。节点密度对网络生命周期的影响。秩隶属函数极低(VL)(0.00、0.05、0.15、0.20、0.25)低(L)(0.20、0.25、0.35、0.40、0.45)中(M)(0.40、0.48、0.54、0.60、0.65)高(H)(0.60、0.68、0.74、0.80、0.85)极高(VH)(0.80、0.88、0.93、0.97、1.00)在对决策矩阵进行归一化之后,根据其秩值替换每个值,然后将其转换为模糊隶属度函数,如表1所示。然而,是不容易分配的精确值的SN为每个模糊隶属函数。因此,处理序列在Eq. (五):⎛X=0好吧⎞...⎟(五)X(n+1)1X(n+1)2X(n+1)3X(n+1)4X(n+1)5⎠X11X12X13X14X15X21X22X23X24X25X31.X32.X33.X34.X35.938B.M. Khan等人/电气系统与信息技术学报5(2018)928其中,X是加权决策矩阵。B.M. Khan等人/电气系统与信息技术学报5(2018)928939.ΣΣ55 ”。-是的”。-是的见图11。不同类型的节点移动策略对无线传感器网络寿命的影响。分离措施计算的帮助下的n维欧几里德距离的每一个选择使用的模糊负理想解(FNIS)和模糊正理想解(FPIS),这是在Eqs。(6)和(7)。FPIS =. X1+,X2+,., Xn+x=x。m axiXij|i=1,···,m= 1,j=1···,(n+1)(6)FNIS=X1−,X2−,.,Xn−=0。miniXij|i=1,···,m(七),j = 1..,(n +1)最后,排名指数(R.I.)计算结果如等式所示(八)、具有最高R. I. 在其传输范围内,将被选择为CH。D−等级指数=R.I=D++D−(8)哪里D+=D−=i=1n+1,j=1n+1,j=1940B.M. Khan等人/电气系统与信息技术学报5(2018)9282Xij−Xj+2Xij−Xj−(九)(十)ΣΣB.M. Khan等人/电气系统与信息技术学报5(2018)928941见图12。 BER与所提出的方案的EbNo3.4. 阶段4在第四阶段,形成集群 CH将其自身宣布为其传输范围内的CH;该区域中的其他节点将通过发送如图1B所示的加入请求而与CH相关联。第2段(b)分段。然后,CH根据与之相关联的节点成员的数量来创建TDMA调度。CH在每一轮中不改变,以便最小化由于建立阶段而引起的开销。CH的变化取决于阈值,该阈值的值设置为0.011。当所选择的CH阈值小于其它相邻节点时,执行重新分簇。3.5. 第5在成功的CH选择和形成之后使用通信机制使用基于阈值的集群内和集群间多跳通信机制,以允许考虑更现实和实用的模型,如图3(a)所示。如果与CH的节点距离大于5m,则选择最合适的其他节点以尽可能最小的能量使用将数据转发到CH。类似地,如果CH距信宿的距离大于15 m,则选择另一合适的CH以尽可能最小的能量使用将数据转发到信宿。3.6. 阶段6最后,在每一轮完成后,sink通过使用具有八边形轨迹的sink可预测移动性来移动其位置以相同的方式,SN和CH在每轮之后以随机方式移动它们的位置 汇聚随机和可预测的移动性如图所示。 3(b)款。942B.M. Khan等人/电气系统与信息技术学报5(2018)928×图十三.所提出的方案与AWGN信道的比较。表2模拟参数。参数值模拟区域100100 m2传感器节点100的数量初始水槽位置(50,75)每个节点的初始能量0.5 J传感器节点的范围20米信息数据包大小500字节Hello控制数据包大小25字节节点数据聚合能量50 pj/bit/report传输能量(ETX)50 nj/bit接收能量(ERX)50 nj/bit发射机放大器(Eamp)100 pj/bit/m24. 仿真结果和分析本文将结果与最常见的LEACH(Hwang和Yoon,1981)协议和以前的基于模糊环境的方案(Azada,2013)进行了比较。模拟参数见表2。考虑了一个简单的无线电模型(Hwang和Yoon,1981)。 在该无线电模型中,我们假设无线电信道是对称的,即,从节点A向节点B发送消息所需的能量类似于B.M. Khan等人/电气系统与信息技术学报5(2018)928943. 如果d≤do,则k <$E <$+ k <$εfs<$d2表3标准重量。标准SC1SC2SC3SC4SC5剩余能量(CW1)0.60.10.10.10.1节点能耗率(CW2)0.10.60.10.10.1节点密度(CW3)0.10.10.60.10.1Avg.邻居之间的距离(CW4)0.10.10.10.60.1距水槽的距离(CW5)0.10.10.10.10.6表4不同协议和场景的网络稳定性、生命周期和吞吐量议定书FNDLND数据包到CH要接收的浸出5451029482257725以前的模糊68914359893014590场景11516246719923033841场景21479245819193434366场景3749241016340927002场景41064243616204234454场景51078248216725431507场景移动性1806247319435533649用于针对给定SNR从节点B向节点A发送消息。在距离d上的数据传输中的能量消耗可以从等式(1)估计。(十一):ETX=kEelec +kεmp如果d≥do,则为d(十一)其中,E是每比特的耗散能量,sfs是当d≤ do时在放大器中消耗的能量,并且smp是当d≥ do时在放大器中消耗的能量。类似地,数据收集中的能量消耗由等式2给出(十二):ERX=kE(12)在这项工作中,我们对每个参数使用了不同的加权标准,以研究哪种情况下给出了最好的结果;不同情况下的值如表3所示。 然后模拟并讨论了节点密度和节点移动类型(随机移动和可预测移动)变化对网络性能的影响。我们假设用于数据传输的信道没有冲突和干扰。此外,在CH的支持下,SN通过持续监测环境向汇发送数据。图4显示了死节点的数量与轮数的关系。结果表明,我们提出的方案优于以前的协议。这是因为基于阈值的CH选择,最小化Hello控制分组,以及基于阈值的多跳通信模型。因此,该方案对增加网络生命周期起着至关重要的作用表4描绘了LEACH中的第一节点死亡(FND)(网络稳定性)为545轮,并且最后节点死亡(LND)(网络寿命)为大约1029轮。类似地,以前的模糊方案的网络稳定性预测为589轮,网络寿命为1435轮。另一方面,我们提出的模糊TOPSIS协议有更好的结果比LEACH和以前的模糊协议。在我们提出的方案中,我们模拟了不同的场景,以评估哪种场景具有最好的结果。如表4所示,在我们提出的方案中,场景1和场景2在网络稳定性方面比场景3-5具有更好的结果。这是因为能量是无线传感器网络的主要和关键的标准,所以更多的权重分配给剩余能量或能量消耗率导致更高的网络稳定性和生命周期。根据Cui(2002),如果第一个节点死亡,则认为WSN死亡(网络稳定性)。因此,当在场景1中引入具有八边形轨迹的可预测汇移动性时,网络稳定性急剧增加到约1806轮。从表4中还可以清楚地看出,网络稳定性和寿命越高,SN发送到CH和sink的分组就因此,我们提出了基于模糊TOPSIS的 CH选择具有较高的权重,剩余的能量和可预测的汇移动与八角形轨迹。其余944B.M. Khan等人/电气系统与信息技术学报5(2018)928表5每轮CH的平均数。议定书Avg. 号每轮CH浸出10以前的模糊18模糊理想解法14结果进行了比较,LEACH,以前的模糊计划,并根据我们提出的计划(最佳结果的情况下)。图5展示了每轮CH变化的数量。结果表明,在LEACH协议中,每轮CH的平均数量较低,但CH选择变化迅速,而在以前的基于模糊的协议中,CH变化然而,在我们提出的协议中,每轮CH变化是平滑的,并且每轮使用较少的CH数量。因此,它减少了Hello控制分组开销。表5显示,在LEACH、先前的模糊方案和我们提出的方案中,每轮CH的平均数量分别为10、18和14。图6示出了每轮的CH变化率。结果表明,CH的选择性变化迅速,LEACH协议,温和的CH变化在以前的模糊的基础上的协议,而在我们提出的协议CH变化率每轮是非常低的。因此,我们的协议减少了Hello控制数据包的开销。图 7表明,发送到汇(网络吞吐量)的数据包的总数是高得多,在我们提出的方案比LEACH和以前的模糊为基础的协议,因为更高的网络寿命。量化分析表明,在LEACH、以前的模糊协议和我们提出的方案中,发送到信宿的数据包总数分别为7725、14,590和33,841。图8表明,由于在我们提出的方案中更高的网络寿命,由CH的相邻SN发送到CH的分组的总数远高于LEACH协议和先前的基于模糊环境的协议表6指示针对不同协议发送到CH和信宿的分组的总数量化分析表明,在LEACH、以前的模糊协议和我们提出的方案中,发送到CH的数据包总数分别为48,225、98,930和199,230。图9显示每轮网络能耗。从图中可以看出。 9,与LEACH协议和先前的基于模糊的协议相比,每轮的网络能量消耗更少。这是因为基于阈值的CH选择最小化Hello控制分组,以及基于阈值的多跳通信模型。量化,平均网络能量消耗每轮的LEACH协议,以前的模糊计划和在我们提出的计划分别为:0.05,0.035和0.02。在图10中,模拟了我们提出的方案中节点密度的影响,结果表明,随着SN数量的增加,网络寿命几乎没有增加。另一方面,到sink的数据包数量(网络吞吐量)直接取决于节点密度。这是由于CH的百分比直接取决于节点密度。图图11显示了不同类型的节点移动性策略对网络稳定性和生命周期的影响。很明显,与其他移动性类型相比,只有信宿可预测和随机移动性具有好得多的结果原因在于,在汇聚节点的可预测移动的情况下,所有发送节点将准确地知道汇聚节点何时将在它们的无线电范围内以发送它们的数据,并且因此它们进入睡眠模式,直到汇聚节点到达它们的通信范围内,从而节省了宝贵的能量并且显著地增加了网络寿命。然而,对于随机CH移动性,因为这是很好地建立的,在WSN节点不直接彼此通信的情况下。节点之间的任何通信都应该经由CH来完成;由于CH是随机移动的,节点将等待CH进入无线电范围内,并且又通过一直打开它们的无线电以等待CH进入它们的通信范围内来浪费宝贵的能量,从而相对于可预测的移动性模型减少网络寿命。在所有移动节点模型中,CH和SN位置和拓扑变化更频繁,Hello控制分组方面的开销更多,处理开销增加。这反过来又会导致更多的数据包被丢弃,从而导致WSN网络寿命的减少。在本文中,所有以前的结果讨论的基础上的通信是无干扰和冲突。为了扩展分析的深度,我们已经添加了一个加性高斯白噪声(AWGN)信道的模型在LEACH,以前的模糊计划,并在我们提出的计划。我们还使用了二进制相移B.M. Khan等人/电气系统与信息技术学报5(2018)928945−−表6与以前基于标准的方案的比较。议定书号的参数参数类型FNDLND容错选举协议1剩余能量5651123(FTEP)(Bansal等人,(2008年)改良LEACH(Wang等人,2剩余能量和覆盖范围5561179(2010年)选首选举算法2剩余能量和距水槽的6161125使用Takagi-Sugeno(CHEATS)(Pires等人,(2011年)基于模糊的节能2剩余能量与节点中心性6341148聚类(Md. Alim等人,2013年度)混合、节能分布式2节点剩余能量与节点度6851276集群(HEED)(Younis和Fahmy,2004年)一种改进的模糊不等聚类算法3剩余能量、下沉距离和局部密度8031319(IFUC)(Mao等人, 2013年度)层次分析法(AHP)3能量、移动性和节点到7751398(Yin等人,(2006年)关联聚类质心上一页模糊(Azada,2013)3剩余能量,邻居数,距离5891435基站决策树4节点到群集质心的距离,剩余8021619(DT)(AhmedandKhan,2008)电池电量、机动性和脆弱性指数.建议计划5剩余能量、节点能耗率、个数18062473邻居节点的平均距离相邻节点和与sink的键控(BPSK)数字调制。传感器节点以在10 mW到15 mW(20 dB到18 dB)之间变化的功率电平发射,而接收端使用最大似然检测准则来解调和提取所发射的信息。 图图12示出了针对我们提出的方案的误码率(BER)与噪声功率谱密度比(Eb N o)的比较。图图13展示了AWGN信道在我们提出的方案中的影响。从图中可以清楚地看出,当我们在LEACH、先前的模糊方案和我们提出的方案中引入AWGN信道时,整体网络寿命减少然而,我们提出的方案与AWGN信道仍然有一个更好的网络寿命相比,LEACH和以前的模糊为基础的计划没有AWGN信道。表6将我们提出的方案与其他基于标准的WSN方案进行了比较。从表中可以清楚地看出,我们提出的方案在网络稳定性和生命周期方面优于以前的协议这是因为基于阈值的CH选择以减少Hello控制分组的数量、接收可预测的移动性以及使用基于阈值的簇间和簇内多跳通信模型。5. 结论在这篇研究论文中,我们提出了一种基于模糊理想解的簇头选择路由算法,该算法具有可预测的汇聚移动性,具有八边形轨迹。我们考虑了五个标准,包括:剩余能量;节点的能量消耗率;邻居节点的数量;相邻节点之间的平均距离;以及到sink的距离。基于阈值的簇内和簇间多跳通信也被认为是。仿真结果表明,在没有AWGN信道模型的情况下,我们提出的方案的网络寿命相比LEACH和以前的模糊方案分别增加了约140%和72%。与AWGN信道模型,我们提出的方案的网络生命周期相比,LEACH和以前的模糊为基础的计划分别增加了约60%和15%。另一方面,节点密度对无线传感器网络寿命的影响是非常微不足道的,因此我们的计划提供了一个强大的网络以及。946B.M. Khan等人/电气系统与信息技术学报5(2018)928在未来的工作中,CH选择的基础上,模糊TOPSIS(模糊F-TOPSIS)计划将实施,以进一步提高能力,以处理模糊TOPSIS方法的准确性。引用Akyildiz,Ian F.,Su,Weilian,Sankarasubramaniam,Y.,Cayirci、E.(2002年)的报告。传感器网络综述。在:IEEE通信杂志。Li,C.,王玉,郭,X.,2010年。基于ZigBee的无线传感器网络应用研究。 国际多媒体会议信息技术,89-92,IEEE,2010年。拉哈迪岛Rifai,M.,Alj,Y.S.,2014. 一种节能的基于无线传感器网络的交通安全系统。第五届信息与通信系统国际会议(ICICS),1-6,IEEE,2014年。Heinzelman,W.R.,Chandrakasan,A.,Balakrishnan,H.,2000. 无线微传感器网络的能量有效通信协议。第33届国际系统科学会议论文集-第8卷,Ser。2000年,华盛顿特区,美国:IEEE计算机协会,2000年,pp. 10-20Hwang,C.L.,Yoon,K.,一九八一年经济学与数学系统中的多属性决策讲义,186。 Springer-Verlag,Berlin,pp. 一九八一年Heinzelman,W.R.,Chandrakasan,A.,Balakrishnan,H.,2002年。 无线微感测器网路应用特定协定架构。IEEETrans. 无线通信 1(October(4)),660-670.Younis,O.,Fahmy,S.,2004. HEED:一种混合的,能量有效的分布式分簇方法为adhoc传感器网络。IEEETrans. 移动计算2004,660-669。金,D.-美国,钟,Y.- J.,2006. 无线传感器网络中支持移动节点的自组织路由协议。2006年第一届计算机与计算科学国际多学科研讨会(IMSCCS06)。Azada,P.,2013. 模糊环境下无线传感器网络簇头选择。 ISRN传感器 网络2013年,出版社HindawiPublishingCorporation。文章ID909086。Kavitha角,Vijayalakshmi,C.,2010年。 应用模糊多准则决策技术确定呼叫中心最佳选址。在:IEEETrendsinInformationSciencesandComputing(TISC),2010年12月。Cui,X.,2002. 无线传感器网络中LEACH协议的研究与改进。载于:IEEE国际无线通信微波、天线、传播和EMC技术研讨会论文集,2000年8月。北班萨尔夏尔马,T.P.,米斯拉,M.,Joshi,R.C.,2008年FTEP:同构无线传感器网络多级分簇容错选举协议ICON,IEEE,2008年。王玉,王建奎,林芝,Saxena,N.,2010. 一种改进的无线传感器网络簇头选择方法。IEEE/ACM绿色计算与通信国际会议,2010,368-373。皮雷斯,A.,席尔瓦角,Cerqueira,E.,Monterio,D.,维耶加斯河2011年。 CHEATS:一种基于Takagi-Sugeno模糊系统的无线传感器网络簇首选举算法。IEEE2011。马里兰州阿利姆,A.,吴,Y.,王伟,2013. 一种基于模糊聚类的能量有效无线传感器网络协议。Proceedingsofthe2ndInternationalConferenceonComputerScienceandElectronicsEngineering(ICCSEE),2013,2874-2878.Mao,S.,赵,C.,周志,是的,Y.,2013. 一种改进的无线传感器网络模糊非均匀分簇算法。ACMSpringerMobilenetworkapplications,2013,206-214.Yin,Y.,施,J.,李,Y.,张,P.,2006. 基于层次分析法的无线传感器网络簇头选择。2006年第17届IEEE个人、室内和移动无线电通信国际研讨会(PIMRC)。艾哈迈德,G.,Khan,N.M.,2008. 基于决策树的无线传感器网络簇头选择。2008年智能传感器、传感器网络和信息处理国际会议。Valipour,Mohammad,Montazar,Ali Asghar,2012. 对SRFR模型中SWDC和W在灌水入渗参数优化中的应用进行了评价。Am. 《科学杂志》Res.69(2012),128-142。Khoshravesh,Mojtaba,Gholami Sefidkouhi,Mohammad Ali,Valipour,M.,2015. 用多元分式多项式、贝叶斯回归和随机回归模型估算三种干旱区的参考蒸发蒸腾量 Appl. 水科学2015,1-12。Valipour,Mohammad,2014.基于质量传递模型的校正以预测参考作物蒸发蒸腾量。 Appl. 水科学2014,1-11。
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
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
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