[发明专利]一种考虑重传的分簇式无线传感器网络寿命优化方法

摘要

本发明公开了一种考虑重传的分簇式无线传感器网络寿命优化方法，包括如下步骤：根据模型初步部署分簇式无线传感器网络；建立无线传感器节点的能耗模型；建立分簇式无线传感器网络的重传模型；建立考虑重传的分簇式无线传感器网络的能耗模型；建立考虑重传的分簇式无线传感器网络的传输成功率计算模型；建立均匀部署条件下分簇式无线传感器网络的寿命优化模型及求解。本发明以考虑能耗的网络寿命最大化为目标，网络连通性、覆盖性和数据传输成功概率为约束条件，建立考虑重传的分簇式无线传感器网络的寿命优化模型，采用遗传算法，实现对无线传感器间距离、无线传感器部署层数的优化，减少了能耗过多、覆盖率不足、数据传输成功率不高等问题。

主权项

一种考虑重传的分簇式无线传感器网络寿命优化方法，包括如下步骤：步骤一：根据模型初步部署分簇式无线传感器网络；步骤二：建立无线传感器节点的能耗模型，得到总消耗能量E；步骤三：建立分簇式无线传感器网络的重传模型，得到单个SN的重传概率模型RR_SN(D_SN)和RN的重传概率模型RR_RN(D_RN)，D_SN是SN间信息传输距离，D_RN是RN间信息传输距离；步骤四：建立考虑重传的分簇式无线传感器网络的能耗模型；步骤五：建立考虑重传的分簇式无线传感器网络的传输成功率计算模型；步骤六：建立均匀部署条件下分簇式无线传感器网络的寿命优化模型，通过求解该模型得到相邻SN间的最佳部署距离，以及SN和RN部署的最佳层数；其特征在于，所述的步骤一中，根据蜂窝状六边形结构部署一个分簇式无线传感器网络，该网络对半径为R_a的圆形区域实现信息监测；基站BS部署于圆形区域中心，围绕BS以六边形结构部署了L'层中继节点RN，围绕RN以六边形结构部署L层无线传感器节点SN；SN负责收集周围信息并向距离簇头RN较近的SN汇报，最后由距离RN最近的一层SN将信息汇报给RN，位于簇边缘的SN以等概率向其距离最近的RN汇报；同样，RN将收集到的信息，包括自身收集的信息和SN向其传递的信息，汇报给距离基站BS较近的RN，最后由距离BS最近的一层RN将全部信息汇报给BS；令该网络中的相邻SN间的距离为d，则相邻RN间的距离为无线传感器网络中的信息收集周期为t，每个SN和RN在一个信息收集周期内感知到大小为m的1个数据包，通过GPSR路由实现传递信息，信息传输过程中要求逐层传递，节点处也无信息融合；当各节点接收到的信息不正确或信息接收超时，前一节点将信息重传，直到达到设定的最大重传次数；所述的步骤四中，设围绕某个RN部署的第i层的第j个SN记为第(i,j)个SN，考虑重传时，一个信息收集周期内该SN的能耗模型E(i,j)为：E(i,j)＝[(β_{1_SN}+β_{2_SN}d^α)‑β_{4_SN}](N_t,re,DATA(i,j)m+N_t,re,ACK(i,j)m_ACK)+(β_{3_SN}‑β_{4_SN})[N_r,re,DATA(i,j)m+N_r,re,ACK(i_,j)m_ACK]+β_{4_SN}tP_dm其中，β_{1_SN}、β_{2_SN}、β_{3_SN}和β_{4_SN}为节点SN的系统固有参数；α是路径损失指数，2≤α≤4；m_ACK表示ACK信息的比特数；N_t,re,DATA(i,j)表示该SN向下一跳SN发送感知数据包数量的期望，N_t,re,ACK(i,j)表示该SN向上一跳SN发送ACK数据包数量的期望，N_r,re,DATA(i,j)表示该SN接收上一跳SN的感知数据包数量的期望，N_r,re,ACK(i,j)表示该SN接收下一跳SN的ACK数据包数量的期望，P_d是传感器对感知数据包的处理率；设围绕BS部署的第i'层上的第j'个RN记为第(i',j')个RN，考虑重传时，该RN的能耗模型E(i',j')为：$\begin{array}{c}E(i^{\′},j^{\′})=[({\mathrm{\β}}_{1\_\mathrm{RN}}+{\mathrm{\β}}_{2\_\mathrm{RN}}{d}^{\mathrm{\α}})-{\mathrm{\β}}_{4\_\mathrm{RN}}]N_{t,\mathrm{re},\mathrm{SN},\mathrm{ACK}}(i^{\′},j^{\′})m_{\mathrm{ACK}}+[({\mathrm{\β}}_{1\_\mathrm{RN}}+{\mathrm{\β}}_{2\_\mathrm{RN}}{\left(\sqrt{3}\mathrm{Ld}\right)}^{\mathrm{\α}})-{\mathrm{\β}}_{4\_\mathrm{RN}}]N_{t,\mathrm{re},\mathrm{RN},\mathrm{DATA}}(i^{\′},j^{\′})m\\ +[({\mathrm{\β}}_{1\_\mathrm{RN}}+{\mathrm{\β}}_{2\_\mathrm{RN}}{\left(\sqrt{3}\mathrm{Ld}\right)}^{\mathrm{\α}})-{\mathrm{\β}}_{4\_\mathrm{RN}}]N_{t,\mathrm{re},\mathrm{RN},\mathrm{ACK}}(i^{\′},j^{\′})m_{\mathrm{ACK}}+({\mathrm{\β}}_{3\_\mathrm{RN}}-{\mathrm{\β}}_{4\_\mathrm{RN}})[N_{r,\mathrm{re},\mathrm{SN},\mathrm{DATA}}(i^{\′},j^{\′})+N_{r,\mathrm{re},\mathrm{RN},\mathrm{DATA}(i^{\′},j^{\′})]m}\\ +({\mathrm{\β}}_{3\_\mathrm{RN}}-{\mathrm{\β}}_{4\_\mathrm{RN}})N_{r,\mathrm{re},\mathrm{RN},\mathrm{ACK}}(i^{\′},j^{\′})m_{\mathrm{ACK}}+{\mathrm{\β}}_{4\_\mathrm{RN}}t{P}_{d}m,\end{array}$其中，β_{1_RN}、β_{2_RN}、β_{3_RN}和β_{4_RN}为节点RN的系统固有参数；N_t,re,SN,DATA(i',j')为该RN接收到发自SN的感知数据包数量的期望；N_t,re,SN,ACK(i',j')为该RN向SN发送ACK数据包数量的期望；N_t,re,RN,DATA(i',j')为该RN向下一跳RN或BS发送感知数据包数量的期望；N_t,re,RN,ACK(i',j')为该RN向上一跳RN发送ACK数据包数量的期望；N_r,re,RN,DATA(i',j')为该RN接收上一跳RN的感知数据包数量的期望；N_r,re,RN,ACK(i',j')为该RN接收下一跳RN或BS的ACK数据包数量的期望；所述的步骤五中，一个信息收集周期内，通过位于(i,j)的SN向下一跳SN成功传递所有的数据的概率S_SN(i,j)为：$S_{\mathrm{SN}}(i,j)=[1-{A_{\mathrm{SN}}}^3-2{A_{\mathrm{SN}}}^2{B}_{\mathrm{SN}}(1-A_{\mathrm{SN}})-A_{\mathrm{SN}}{B_{\mathrm{SN}}}^2{(1-A_{\mathrm{SN}})}^2{]}^{N_{t,\mathrm{SN}}(i,j)}$其中，A_SN是SN之间传递感知数据的重传概率，B_SN是SN之间传递ACK信息的重传概率；N_t,SN(i,j)是不考虑重传时一个信息收集周期内第(i,j)个SN向下一跳SN发送的感知数据包个数；整个网络中SN之间成功传输数据的概率S_SN为：通过SN向位于(i',j')的RN成功传输所有数据的概率S_SR(i’,j’)为：$S_{\mathrm{SR}}(i^{\′},j^{\′})=[1-A_{\mathrm{SR}}^3-2A_{\mathrm{SR}}^2{B}_{\mathrm{SR}}(1-A_{\mathrm{SR}})-A_{\mathrm{SR}}{B}_{\mathrm{SR}}^2{(1-A_{\mathrm{SR}})}^2{]}^{N_{\mathrm{SN}}(i^{\′},j^{\′})}$其中，A_SR是SN向RN传递感知数据的重传概率，B_SR是SN向RN传递ACK信息的重传概率；N_SN(i’,j’)是不考虑重传时一个信息收集周期内SN向第(i’,j’)个RN发送的感知数据包个数；通过位于(i',j')的RN向下一跳RN或BS成功传递所有数据的概率为S_RN(i’,j’)：$S_{\mathrm{RN}}(i^{\′},j^{\′})=[1-A_{\mathrm{RN}}^3-2A_{\mathrm{RN}}^2{B}_{\mathrm{RN}}(1-A_{\mathrm{RN}})-A_{\mathrm{RN}}{B}_{\mathrm{RN}}^2{(1-A_{\mathrm{RN}})}^2{]}^{N_{t,\mathrm{RN}}(i^{\′},j^{\′})}$其中，A_RN是RN之间传递感知数据的重传概率，B_RN是RN之间传递ACK信息的重传概率；N_t,RN(i',j')为不考虑重传时一个信息收集周期内第(i',j')个RN向下一跳RN或BS发送的数据包个数；将所有数据传输的成功率连乘，得到整个网络在一个信息收集周期内的成功传输数据的概率S：所述的步骤六中，均匀部署条件下分簇式无线传感器网络的寿命优化模型为：$\max \left[\min (\frac{E_{0,\mathrm{RN}}}{\underset{i^{\′}=1}{\overset{L^{\′}}{\max }}\left(\underset{j^{\′}=1}{\overset{6i^{\′}}{\max }}E(i^{\′},j^{\′})\right)}t,\frac{E_{0,\mathrm{SN}}}{\underset{i^{\′}=1}{\overset{L^{\′}}{\max }}\left(\underset{j^{\′}=1}{\overset{6i^{\′}}{\max }}\left(\underset{i=1}{\overset{L}{\max }}\left(\underset{j=1}{\overset{6i}{\max }}E(i,j)\right)\right)\right)}t)\right]$$\begin{array}{cc}s.t.& R_s\<d\≤\sqrt{3}{R}_s,\end{array}$约束条件为：$\begin{array}{c}\frac{\sqrt{3}}{3}{R}_{t,\mathrm{SN}}\<d\≤R_{t,\mathrm{SN}},\\ \frac{1}{3}{R}_{t,\mathrm{RN}}\<\mathrm{Ld}\≤\frac{\sqrt{3}}{3}{R}_{t,\mathrm{RN}},\end{array}$S＞S^*其中，E_0,RN为每个RN携带的初始能量，E_0,SN为每个SN携带的初始能量；S^*是规定的整网数据传递成功率；R_s是SN和RN的感知半径；R_t,SN和R_t,RN分别是SN和RN信息传输半径。