[发明专利]基于双层模型体系的无线传感器网络的二次分簇算法

说明书

本发明属于无线传感网技术领域，提供基于双层模型体系的无线传感器网络的二次分簇算法，本发明主要在预测模型构建、邻近节点数据相关性检测两个方面，对传统的二次分簇算法进行改进，使用新的模型构建以及数据相关性检测方法。主要包括利用采集到的样本构建双预测模型和基于双预测模型的相关性，对簇内节点进行二次分簇两部分。本发明的有益效果为，与已有的基于轮值的数据采集方法相比，本发明对簇所覆盖区域的信息提取更充分；与已有的基于局部数据相关性的分簇方法相比，本发明在不降低采集精度的前提下，能够有效延长整个网络的生命周期。

技术领域

本发明属于无线传感器网络技术领域，涉及一种基于双层模型体系的无线传感器网络的二次分簇算法。

背景技术

最近几年，随着大量基于时空相关性的分层路由协议的提出，层次性数据采集方法得到了快速地发展，但是仍然存在许多不足。簇内成员节点之间采用轮值的方式进行数据采集，有效的均衡了簇内成员节点的能量消耗，但对簇所覆盖区域的信息提取不够充分；建立预测模型，并基于局部时间段的数据相关性，进行二次分簇，对簇所覆盖区域的信息提取相对充分，但簇内节点能量消耗不够均衡。

发明内容

针对现有技术存在的问题，本发明提供一种基于双层模型体系的无线传感器网络的二次分簇算法。该方法能够全面、高效的收集簇内信息，此外，还延长了整个网网络的生命周期。

本发明的技术方案为：

基于双层模型体系的无线传感器网络的二次分簇算法，包括以下步骤：

第一步，利用采集到的样本构建双预测模型；

第二步，基于双预测模型的相关性，对簇内节点进行二次分簇。

本发明的有益效果为：相比较基于轮值的数据采集方案，基于双模型数据相关性的二次分簇算法，能够更全面且精确的反应簇内节点所覆盖区域的信息；与已有的基于轮值的数据采集方法相比，本发明对簇所覆盖区域的信息提取更充分；与已有的基于局部数据相关性的二次分簇方法相比，基于双模型的数据相关性的二次分簇算法，在不降低采集精度的前提下，能够有效延长整个网络的生命周期。

附图说明

图1为一次趋势模型的构建流程图；

图2为一次调整模型的构建流程图；

图3为二次分簇的算法流程图；

图4为节点实际观测值与模型预测值的对比图，图4(a)为18号节点采用 Cor算法预测的效果图；图4(b)为18号节点采用DMC算法预测的效果图；4 (c)为20号节点采用Cor算法预测的效果图；图4(d)为20号节点采用DMC 算法预测的效果图；

图5为半数节点死亡时系统运行周期数的统计图。

具体实施方式

以下对本发明做进一步说明。

基于双层模型体系的无线传感器网络的二次分簇算法，具体步骤如下：

第一步，利用采集到的样本构建双预测模型

双预测模型的构造思想是：首先通过确定性因素分解方法提取序列的确定性信息，即利用线性函数表示采集数据的变化趋势，此过程称为趋势模型y_t的构建，；然后再检测残差序列的自相关性并建模，即利用自回归模型来预测残差序列的扰动，此过程称为调整模型v_t的构建。双预测模型具体如下：