[发明专利]一种基于自适应模糊控制的无线传感器网络拓扑控制方法

说明书

本发明涉及一种无线传感器网络拓扑控制算法，特别是一种基于自适应模糊控制的无线传感器网络拓扑控制算法AFNTC(Adaptive Fuzzy Neural Topology Control algorithm for wireless sensor networks)，算法中模糊控制器参数由人工神经网络训练后获得，可通过反馈、循环的方式，不断调整节点的通信范围来控制节点传输功率，从而使节点实际能耗接近预设的期望值。算法解决传统模糊控制方法构建隶属度函数和if‑then规则带来的复杂参数调节问题，降低网络能耗的同时提高网络动态性能。

技术领域

本发明涉及一种无线传感器网络拓扑控制方法，特别是一种基于自适应模糊控制的无线传感器网络拓扑控制方法(Adaptive Fuzzy Neural Topology Control algorithmfor wireless sensor networks)，算法中模糊控制器参数由人工神经网络训练后获得，可通过反馈、循环的方式，不断调整节点的通信范围来控制节点传输功率，从而使节点实际能耗接近预设的期望值，延长网络生命周期。

背景技术

目前广泛应用于环境监测、医疗保健、国家安全以及太空探索等诸多领域的无线传感器网络，因其具有自组织、部署方便、隐蔽性强等优势而成为研究热点。网络节点硬件资源及能量有限，延长网络生命周期是无线传感器网络首要解决的问题。而拓扑控制通过节点调度、链路选择、通信范围调节、功率控制等手段，优化网络结构，降低网络能量消耗，延长网络生命周期。

许多国内外专家已经对拓扑控制展开了大量研究，如传输功率自优化的拓扑控制算法在保证网络连通度及高服务质量的情况下，通过优化每个节点的传输功率来降低网络能耗，该算法虽然综合考虑网络连通性及服务质量，但算法复杂，增加了节点能耗。此外集中式拓扑控制算法，在保证网络连通性的同时减小每个节点的最大发送功率，从而延长网络生命周期，但未考虑算法调节的自适应能力。随着模糊理论在无线传感器网络优化决策、降低资源消耗方面展现的优越性能，其也用于拓扑控制，如基于模糊控制的拓扑控制算法，该算法中将实际节点度与期望节点度之间的误差、当前和前一个周期传输功率差值之间的比率作为模糊控制的两个输入项，将下一步的无线传输功率水平作为输出项，通过调整节点发射功率来控制网络拓扑。现有的方法都通过构建隶属度函数和if-then规则来设计模糊逻辑控制器，其对复杂且动态的实际无线传感器来说很难获得期望的性能。

发明内容

本发明所要解决的技术问题是针对现有基于模糊控制的拓扑控制方法通过构建隶属度函数和if-then规则带来的复杂参数调节问题，采用神经网络学习算法来替代繁杂的模糊控制器参数调整过程，通过调节每个节点的通信范围，控制节点发射功率，使节点在网络中的实际能耗达到期望值，降低网络能耗的同时提高网络动态性能。

本发明包含建立网络模型、模糊神经系统以及拓扑控制协议AFNTC三个部分。网络模型为算法实现提供网络模型，具体为圆形网络，且为了简化网络模型和方便分析，将圆形网络分割成多个扇形网络，每个扇形网络又被划分成几个宽度相同但面积不同的环，每个环又被分成若干面积相同的网格，所有节点向网络中唯一的汇聚节点传输数据。而模糊神经系统是为了使系统既具有模糊逻辑推理能力，同时也可以通过系统自适应来不断改进和调整，从而达到更好的控制效果。控制系统通过控制节点通信范围，即控制节点发射功率，达到节点能耗可控的目的。拓扑控制协议AFNTC基于模糊神经系统，并通过对训练数据集进行学习，在输入初始无线传感器网络拓扑后，经过模糊神经系统的调节和控制，输出相应的目标拓扑。

所述的要建立的网络模型为圆形网络的子网，即将圆形网络分割成多个扇形子网络，且每个扇形子网络区域被划分成几个宽度相同但面积不同的环，第i环被分成2i-1个面积相同的网格，所有节点向网络中唯一的汇聚节点传输数据。则可定义扇形网络为其中，α为网络圆心角，R为半径，整个扇形网络被分成N个网格和K个环。