以下內容為自己原創,寫的一般,希望幫助需要的人。代碼復制出來,在Matlab中可以直接執行。
研究意義:作為連結物理世界與信息世界的媒介,傳感器可以很好的幫助我們認識到物理世界的變化情況。仔細觀察我們周圍,就可以發現很多傳感器在我們生活中的應用例子,如智能手環、手表以及血糖檢測儀等。特別是近年來,得益於微電子技術和集成電路技術的快速發展,傳感器變的更加微型化、智能化和網絡化。現在的傳感器普遍為無線傳感器節點(wireless sensor nodes),主要構成部分有傳感器部件、微型處理器和無線通信模塊。
無線傳感網絡一般由無線傳感器節點和基站(base station)組成,無線傳感網絡系統即就是由部署在監測區域內的無線傳感器節點通過無線通信方式形成的一個多跳的自組織的網絡系統。由於傳感器網絡的易部署、可自組織、低成本的特點,使得其可以廣泛應用到環境監測、智能家居、智能交通以及軍事監測等領域。
首先介紹下一般英文縮寫:
WSN(wireless sensor network)
基站base station (BS)
移動網關 MS(mobile sink)
簇群 Cluster
簇頭 Cluster Head(CH), 簇員 Cluster Member(CM)
無線傳感網(WSN):
無線傳感網, 一般是由許多傳感器節點(sensor node)自組織形成的網絡,用來把感知到的信息通過單跳或者多跳的方式發送到基站(BS),由於傳感器節點的電池能量是有限的,所以對數據轉發的有效性要求很高,即用最少的能量消耗換來最大的數據轉發量,因此需要有了許多路由算法。
路由協議(算法)的分類,按照 sink 的類型可以分為兩類:
1) 靜態網關(static sink): 比較早期的路由協議,如LEACH, Flooding等協議
2) 動態網關 MS(mobile sink) : 該類算法被證明是比第一類算法更加有效的, 最新的路由協議基本都是第二類。
經典算法:
1)LEACH算法:
由於第二類算法都是由第一類算法演化來的,所以其中有些算法還是需要了解一下的,這里重點介紹一下LEACH協議,也可以百度一下, 網上由很多的解釋。之所以經典,個人認為是因為該算法將整個網絡進行了簇群划分,並且實現了節點輪流充當網關的功能,實現了網絡負載均衡,有效地延長了無線傳感網的生命周期。
下面是自己了解的一些動態路由算法,都是基於LEACH改進,近些年比較新的算法。有效性依次遞進。基本結構如圖:
算法介紹:
在無線傳感網絡中采取虛擬網格技術一直都被認為是一種有效的數據收集策略,常見的路由方法如TTDD、LBDD、Railroad。其中TTDD算法的路由方法如下:當傳感器節點監測到事件發生時,就會以該節點作為源節點,開始構建虛擬網格結構。如圖,源節點會選擇其周圍最近的四個位於交叉點處的鄰居節點來發生監測到的數據信息,鄰居節點收到信息后重復執行上述過程,直到整個網絡結構的構建完成。如此匯聚節點就可以通過這些單元格來實現發生和接受數據的目的。然而該算法還是存在缺陷,當網絡范圍較大時,網絡結構的構建過程會消耗過多的能量,嚴重影響了整個網絡的生命周期。其他算法如LBDD,Railroad也是在虛擬網格區域內選區部分節點作為收集和轉發數據的網關節點,但是他們選擇的網關節點位置比較集中,當網絡數據通信量較大時,網絡能耗會由於負載不均衡而出現“能量空洞”現象,反而會縮短網絡的生命周期。
GCA算法,與上述路由方法不同的是,該方法采用在網絡覆蓋范圍內建立六邊形的單元格來進行數據的收集。如圖,黑色實心三角形表示所在單元個的頭節點,該頭節點的定義為:距離單元格的中心位置最近的節點。圓形空心表示監測到事件發生時發生數據的源節點。圓形實心表示移動匯聚節點,用來收集網絡中感知到的數據並轉發至基站。該方法確實能提升網絡性能,但是當移動匯聚節點移動到下一個單元格時,需要進行整個網絡的路由路徑重構過程,在進行位置信息的交換時會消耗大量的能量,因此路由重構成本開銷太大。
VGDRA算法做出了一些改進,如圖,該算法假設網絡覆蓋區域為矩形區域,並划分了等大小的單元格,與GCA相同,也是定義距離單元格中心位置處的節點為單元格頭節點,用來收集本單元格內其他傳感器節點上傳的感知數據。然后再定義移動匯聚節點按逆時針方向沿着矩形區域移動。路由路徑的構成有所有的單元格頭節點完成,相較於GCA算法,當移動匯聚節點移動到下一個單元格邊緣時,路由路徑的重構只需要很少的變動,有效的提升了網絡能量的利用率。
關於節能的算法,基本就是這些,希望能幫助到各位。仿真代碼 01地址: https://share.weiyun.com/5LM3heC
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------