[发明专利]一种传感器网络骨架提取方法

说明书

技术领域

本发明涉及无线传感器网络技术领域，特别是涉及基于连接信息的网络骨架提取方法。

背景技术

许多传感器网络装置与传感器节点所处的集合环境紧密相关，关于传感器网络拓扑的骨架抽取大大地提高了传感器网络中诸如定位、路由选择等服务的性能。在计算机视觉研究领域中，关于拓扑抽取的研究主要集中在连续空间上，不能直接应用到离散的传感器网络上。在现有关于拓扑发现的文献中，主要集中于边界识别技术，以及在此基础上找出骨架线。其中具有代表性的是JehoshuaBruck等提出的MAP算法，具体做法是：先识别出传感器网络的边界，再利用最大内切圆方法，去判定一个节点是否为中轴节点。若某节点的最大内切圆与边界有两个交点，则该节点即被当作中轴节点。由于传感器网络节点是离散分布，这种方法往往会容易受到边界扰动的影响，得到不真实的中轴节点，以致中轴线不能很好的代表传感器网络的真实拓扑结构。

发明内容

针对现有方法的不足，本发明提出了一种网络骨架提取方法，该方法不会受到边界扰动影响，能得到更加近似的网络拓扑结构。

一种传感器网络骨架提取方法，包括以下步骤：

1)根据节点曲率与预定曲率阈值的比较结果确定网络边界上的节点哪些为角点，相邻两个角点之间的边界节点组成边界分支{C_n，n＝1，…，P}，P为角点数；

2)搜索到最近两个边界分支C_i，C_j的距离之差的绝对值小于等于预定修正量σ_p的节点，称其为骨架节点，边界分支C_i，C_j对应的骨架节点形成连通分量，C_i，C_j∈{C_n，n＝1，…，P}；

3)在每一连通分量中，搜索具有最长连通路径的两个骨架节点，这两个骨架节点以及它们之间最长连通路径上的所有节点构成骨架弦；

4)相邻的骨架弦端点节点通过广播方式相连，再将各角点与其最近的骨架弦端点节点相连，生成粗糙骨架；

5)采用信息广播方式找到并删除粗糙骨架上没有子节点且不是角点的骨架节点，得到最终网络骨架。

作为本发明的改进，若连通分量中存在聚合节点，则该连通分量的骨架弦的一个端点必为聚合节点，所述聚合节点指到三个或三个以上最近的边界分支中，到其中任意两个边界分支的距离之差的绝对值均小于等于修正量σ_p的骨架节点。

所述修正量σ_p取值范围为0＜σ_p＜d(C_i，C_j)，d(C_i，C_j)表示边界分支C_i与C_j间的节点距离最大值。

本发明的技术效果体现在：

本发明从任意一个角点开始，沿着粗糙的骨架广播，剔除没有子节点且非角点的节点，形成优化骨架，其优点在于不会形成类似环状之类的情况。同时，集中式的全局算法并不适合传感器网络这样的分布式网络，应该设计一个全局算法的分布式近似方法，在基本保留全局算法的优越性的同时获得分布式的特性。由于CASE算法为分布式而非集中式算法，它是全局算法的分布式实现，因此该算法适合应用于具有分布式特点的传感器网络；该算法无论是时间复杂度还是空间复杂度，均与网络节点数成线性关系，因此，提取骨架需要的数据包和网络延迟不会因为传感器网络的节点数增加而影响性能，因而具有良好的可扩展性；同时，该算法利用不同边界分支来确定骨架节点，与传统的算法相比，不会受到边界扰动影响，因而能得到更加近似的网络拓扑结构，从而更好的重构网络。

附图说明

图1是本发明方法流程示意图；

图2是本发明识别骨架节点步骤的流程示意图；

图3是本发明的传感器网络模型示例图；

图4是本发明边界划分示例示意图；

图5是本发明传感器网络的骨架节点和聚合点示意图；

图6是本发明传感器网络的骨架弦示意图；

图7是本发明传感器网络的粗糙骨架示意图；

图8是本发明取δ_p＝0.50的传感器网络骨架示意图；

图9是本发明取δ_p＝0.75的传感器网络骨架示例图；

图10是本发明取δ_p＝0.86的传感器网络骨架示例图。

具体实施方式

为了更加清楚的表明本发明，下面结合附图及具体实例详细说明。