基于双簇头优化机制的WSN稳定传输算法.pdf

Microcomputer Applications Vol.39,No.8,2023文章编号：10 0 7-7 57 X（2 0 2 3)0 8-0 2 17-0 4摘要：传统无线传感网部署过程中仅采取单簇头机制，因而稳定性不足，对此提出了一种基于双簇头优化机制的WSN稳定传输算法。文章采用非均衡划分机制，将网络区域按照种子聚类予以初始化划分，设计了一种新的网络初始化方法，降低因簇头节点过载而出现的“热点”，以规避节点抖动而出现网络传输波动的问题，从而起到稳定簇内传输质量的作用。结合簇头能量变化情况，构建了能量一周期更新阈值，利用该阈值将能量较差的被选节点予以剔除，从而提高了网络链路抗抖性能，避免所选簇头因能量受限而导致出现难以控制簇成员节点的现象，以增强簇头节点对网络区域的控制能力并稳定网络传输流量，提升节点在高强度数据传输环境下的生存能力。仿真实验表明，与当前较为流行的WSN传输技术相比，所提算法具有更高的网络稳定传输时长和更低的链路周期抖动概率。关键词：无线传感网；非均衡分割；种子聚类；更新阈值中图分类号：TP393.04开发应用基于双簇头优化机制的WSN稳定传输算法郝平（陕西工业职业技术学院，信息工程学院，陕西，咸阳7 12 0 0 0）文献标志码：A微型电脑应用2 0 2 3年第39 卷第8 期The WSN Stable Transmission AlgorithmBased on Double Custer Head Optimization MechanismHAO Ping(Information Engineering College,Shaanxi Polytechnic Institute,Xianyang 712000,China)Abstract:The deployment of traditional wireless sensor networks only uses single cluster head mechanism,it may lead to insuf-ficient stability.Hence,a WSN stable transmission algorithm based on double cluster head optimization mechanism is pro-posed.Using the unbalanced partition mechanism,the network area is initialized and divided according to the seed cluster,anda new network initialization method is designed to reduce the“hot spots caused by the overload of cluster head nodes,so as toavoid the problem of network transmission fluctuation caused by node jitter,and to stabilize the transmission quality in the clus-ter.The energy cycle update threshold is constructed in combination with the energy change of the cluster head,and the select-ed nodes with poor energy are eliminated by using the threshold.It improves anti chattering performance of the network link,and avoids the phenomenon.It is difficult to control the cluster member nodes due to the energy limitation of the selected clus-ter head,hence,the method enhances the control ability of the cluster head nodes to the network area and stabilizes the net-work transmission traffic,improves the survivability of nodes in high-intensity data transmission environment.Simulation re-sults show that the proposed algorithm has higher network stable transmission time,lower link cycle jitter probability and ex-cellent transmission performance.Key words:wireless sensor network;unbalanced segmentation;seed clustering;update threshold网进行了优化3。0引言一般而言，直接针对链路和节点进行稳定部署，可较为随着“中国制造2 0 2 5”计划的不断推进，无线传感网显著的提高无线传感网运行质量。PAWAN等4利用分区(WSN)也得到了诸如第五代移动网络技术在内的新赋能因机制，提出了一种基于能量最优机制的WSN稳定传输算法，素，其功能及结构也呈现复杂化态势，应用价值不断提升1。该算法首先将传感区域进行等距分割，从分割后的区域中筛不过，由于无线传感网在部署过程中依赖大规模布撒廉价节选能量最佳的节点作为簇头节点，能够显著优化分区内数据点，节点间需要通过无线通信方式进行数据传输，随着部署传输质量，降低网络波动风险。然而，该算法未考虑簇头节场景的复杂及网络结构的穴余，网络初始化后将很难对失效点失效问题，在节点失效后需要再次对区域予以分割处理，节点进行及时更换，使得网络性能呈现时变衰减特点，致使降低了算法适用性能。HUANGL5I针对簇头节点失效所导网络传输难以达到稳定化效果2。为提高无线传感网运行致的传输波动现象，提出了一种基于中继节点部署机制的质量，针对WSN稳定传输问题，人们做出了若干具有前瞻性WSN稳定传输算法，该算法采用平均布撒模型，将若干备用的研究，主要在链路稳定和节点稳定两个层面，对无线传感节点分别部署于各分区内，在簇头节点失效情况下可起到较作者简介：郝平（198 1一），男，硕士，副教授，研究方向为计算机网络、计算机应用、教育研究。.217Microcomputer Applications Vol.39,No.8,2023为卓越的中继传输效果，传输稳定性较好。但是，该算法仅采用均衡化部署机制，难以适应高密度节点部署场景，算法推广价值不高。LINDA等6 提出了一种基于分层机制的WSN稳定传输算法，按照二叉树模型构建传输骨干链路，利用较强传输能力的节点对传输骨干链路予以更新，大大降低了因链路波动而导致传输受阻现象，WSN稳定传输效果较好。然而，由于该算法骨干链路结构无法及时更迭，关键节点出现失效时将导致大面积出现网络瘫痪现象，使得算法难以适应移动部署环境。为了解决上述问题，提出了一种基于基于双簇头优化机制的WSN稳定传输算法。该算法主要利用非均衡机制对网络区域予以初始化，当节点出现更新时将及时对簇头节点予以更新，规避网络热点现象。随后，根据节点能量变化设计能量-周期更新阈值，当仅当阈值低于1时对节点予以备份，改善了簇头节点更新效率，增强了网络传输稳定质量。仿真实验证明了所提算法的性能。1本文WSN稳定传输算法考虑到无线传感网链路和节点均可能出现传输波动现象，需要对此及时予以稳定化处理7。鉴于此，所提算法由两个部分构成：基于非均衡分割机制的网络初始化方法和基于能量-周期更新机制的双簇头稳定传输方法。详情如下：1.1基于非均衡分割机制的网络初始化方法针对无线传感区域，首先需要进行适当的分区，将网络区域分割为可独立执行数据采集和汇聚的区域8。本文将无线传感节点全部看做归入N个聚类的初始节点，依托非均衡化的初始聚类将传输能量较强的节点予以筛出，以实现降低传输“热点”的目的。随后将剩余节点视为备份节点，不断对初始聚类执行更新操作，从而达到网络非均衡分割的目的。详情如下：不妨设无线传感节点个数为N，分布区域为DXD的矩形区域，则非均衡聚类K中待选节点数量m为NEsend入reevDim=D,Ere(Ere+Areedink)式（1)中，Esend表示上一跳节点的最大发射功率，Erev表示下一跳节点的最大发射功率，入rev表示上一跳节点的内部能量消耗，dsink表示sink节点的最大传输距离，D和D2分别表示非均衡聚类K的横半径和纵半径，表示取整运算。由于非均衡聚类K中待选节点数量m可由式（1)获取，因此从剩余几点中任取m个节点作为种子聚类H：H=(Ki,K2,.,Km)其中,K,K2，,K 为H中的具体节点。不妨设非均衡聚类K与种子聚类H的补集为K一H，从该补集中任取节点A；，由于A，与式（2)中元素存在一定相似度，因此可根据该相似度优化聚类，相似度LA，K 可由式(3)获取：IA;-KIL(1m)LA,Km=(I/A,-Ksink)m(3)(TA,-Ksink I式（3)中,Ksink表示非均衡聚类K与 sink节点的平均传输距离，表示取整运算。开发应用针对种子聚类H中节点Ki，K 2，K m，执行更新操作如下：Km=ZLA.,K.JK.)一1从补集K一H中甄选与上述模型匹配程度较高的m个节点，按式（3)予以聚类归并。若LA，K 处于0 和1之间时，将继续进行归并操作，直到补集K一H无法继续进行甄选操作为止，整个过程的流程图如图1所示。节点搜寻非均衡聚类聚类更新聚类归并分区完成图1基于非均衡分割机制的网络初始化过程完成基于非均衡分割机制的网络初始化方法后，整个网络将被分割为若干个具有不同数量节点的聚类区域，且在处于最佳能量状态的节点失效后，将能够迅速通过聚类更新的方式实现簇头更送，从而达到稳定数据传输的目的。1.2基于能量-周期更新机制的双簇头稳定传输通过基于非均衡分割机制的网络初始化方法，可筛选最优能量的节点进行中继传输。不过，若簇头及按处于瘫痪状态时，网络依然需要花费一些时间对新簇头予以更换9。因此，本文算法采用能量一周期更新机制优选双簇头，见图2。若簇头处于失效时将及时启用备用簇头，以达到稳定传输效果。对处于工作状态的簇头节点而言，不妨设聚类中节点个(1)数为N,对于第i个节点N；而言，其能量一周期更新阈值E可由式(5)获取：(2）(）EEN=一其中,E,为N；的可用能量，T,为E；的更新周期，和为均衡系数，满足式（6）：(6)(2)按照式（5）获取聚类中的能量一周期更新阈值EN，当簇头节点无法稳定工作时，甄选能量一周期更新阅值E最高的节点作为簇头节点，详细过程如下。Step1：获取当前簇头的能量-周期更新阈值EN，转Step2；Step2：遍历簇头节点对应的聚类，甄选能量-周期更新阈值E最高的节点i作为备用簇头节点，转Step3；Step3：节点i向聚类广播Hello分组报文，当且仅当节点接收全部聚类节点反馈的return分组报文后，流程结束。.218.微型电脑应用2 0 2 3年第39 卷第8 期(ZLA.,KmJ)(4)相似度计算(5)j-1+=1Microcomputer Applications Vol.39,No.8,2023等待下轮轮询阅值最大节点通知广播Hello报文其他节点反馈Sink节点图2 基于能量一周期更新机制的双簇头稳定传输过程基于能量一周期更新机制的双簇头稳定传输方法执行完毕后，聚类区域内传输抖动现象将持续下降，此时网络将能够以较为稳定的质量进行数据传输，从而大大提高了网络运行的稳定程度。2仿真实验为对比所提算法的性能，采取MATLAB仿真实验环境10。对照组实验为当前无线传感网传输领域内常用的基于多径模型指数优化机制的WSN稳定传输算法11I（EC S-SO算法)和基于混合整数非线性规划机制的WSN稳定传输算法12（MINP算法）。仿真指标选取网络链路周期抖动概率和网络稳定传输时长。（1）网络链路周期抖动概率：指网络开始数据传输后，在单个传输周期内发生的链路抖动概率。若该项指标数值较高，说明网络运行过程中链路层稳定性能较差，传输稳定性也就较低。（2）网络稳定传输时长：指网络开始数据传输后，直到第一次发生数据传输中断现象为止所累积的数据传输时长。若该项指标数值越高，说明网络稳定传输性能也就越好。表1仿真参数表参数区域面积数据仿真时间/min聚类数量节点布设方式节点布设密度/（个/m）节点信号通信半径/m单节点数据传输周期/s2.1网络链路周期抖动概率图3为本文算法、ECS-SO算法和MINP算法在网络链路周期抖动概率方面的仿真测试结果。由图3可知，本文算法具有网络链路周期抖动次数较低的特点，说明本文算法可以有效抑制网络抖动现象，具有较为稳定的数据传输质量。开发应用能量-周期阈值计算这是由于本文算法针对WSN分区过程中存在的簇头筛选问题，构建了基于非均衡分割机制的网络初始化方法，采取聚类聚合的方式有效提高簇头筛选效率，所选簇头具有性能较为稳定的特点，提高了网络稳定性能。为进一步提高数据传输稳定性，利用能量与周期性之间存在的衰减关系设计了基于能量-周期更新机制的双簇头稳定传输方法，可通过能量-周期更新阈值对聚类予以持续更新，因而能够显著增强簇头节点工作质量，降低了簇头节点因能量受限而导致传输受阻的概率。ECS-SO算法基于诸如信任、能量、距离、延迟、业务密度和链路寿命（LLT)等各种参数，选择用于从源到目的地传输路由信息的最佳路径，可提高网络抗抖动性能。不过，由于该算法存在参数复杂特点，未采取备份机制对簇头予以保障，因而难以进一步提高网络稳定性能。MINP算法采用EEGM来获取无线传感器网络拓扑结构的动态信息，从而提前获取可靠路由信息，在一定程度上降低了网络链路抖动概率。然而，由于该算法对簇头节点能量剩余考虑不足，簇头节点易出现失效现象，使得该算法稳定传输性能要低于所提算法，网络链路周期抖动概率较高。130L.本文算法120F-ECS-SO算法-MINP算法10080604020%305070900110130150网络运行时间/min(a）高斯信道130.本文算法120-ECS-SO算法%/-MINP算法10080数值604800mX4800m407200201280随机抛酒分布10305070090110130150网络运行时间/min24（b）拉普拉斯信道36图3网络链路周期抖动概率1202.2网络稳定传输时长图4为本文算法、ECS-SO算法和MINP算法在网络稳定传输时长方面的仿真测试结果。由图4可知，本文算法具有网络稳定传输时长较高的特点，说明本文算法网络传输质量卓越。这是由于本文算法针对均衡分割存在的簇头与区域匹配性较差的问题，采用非均衡方式实现网络初始化，利.219.微型电脑应用2 0 2 3年第39 卷第8 期111Microcomputer Applications Vol.39,No.8,2023用聚类模型提高网络初始化传输质量，所形成的传输结构稳定性能较高，因而在节点密度较高时网络稳定传输时长较高。ECS-SO算法仅针对簇间区域，采取信任、能量、距离、延迟、业务密度和链路寿命（LLT)等参数优化网络传输，难以降低簇内数据传输抖动现象，因而网络稳定传输时长较短。MINP算法采用EEGM模型稳定簇内传输路由，所选簇头节点易出现较大幅度的能量衰减现象，且未引人簇头更新机制，使得簇内传输质量不高，因而网络稳定传输时长要短于所提算法。1000r90080070060050040030020010050200001900170015001300110090070050030010050图4网络稳定传输时长3总结为提高无线传感网网络传输治理，提出了一种基于双簇头优化机制的WSN稳定传输算法，算法主要由基于非均衡分割机制的网络初始化方法和基于能量-周期更新机制的双簇头稳定传输方法构成，可提高网络稳定传输性能，具有网络稳定传输时长较长及网络链路周期抖动概率较低的特点，网络运行稳定性能卓越。下一步，将针对本文算法抗DDos攻击性能不足所导致的安全性问题，拟引入基于时空矩阵校验机制的数据稳定方案，以提高本文算法抗攻击性能，确保网络节点的安全可靠。1 PA T I L K,D E T U RC K K,FI EM S D.A T w o-q u e u eModel for Optimising the Value of Information in En-ergy-Harvesting Sensor NetworksJl.Performance E-valuation,2018,119:27-42.开发应用2 WEN S X,GUO G,CHEN B,et al.TransmissionPower Scheduling and Control Co-Design for WirelessSensor NetworksJ.Information Sciences,2018,442(17):114-127.3CHINCOLI M,LIOTTA A.Self-Learning PowerControl in Wireless Sensor Networks J.Sensors,2018,18(2):375.4MEHRA P S,DOJA M N,ALAM B.Fuzzy Based En-hanced Cluster Head Selection(Fbecs)for WSNJJ.Journal of King Saud University-Science,2020,32(1):一本文算法-ECS-SO算法MINP算法150250网络节点个数/个(a）高斯信道一本文算法-ECS-SO算法MINP算法150250网络节点个数/个(b）拉普拉斯信道参考文献微型电脑应用2 0 2 3年第39 卷第8 期390-401.5HUANG J H,RUAN D W,MENG W Q.An AnnulusSector Grid Aided Energy-efficient Multi-Hop Rou-ting Protocol for Wireless Sensor NetworksJ.Com-puter Networks,2018,147:38-48.6 MOHAISEN L F,JOINER L L.Interference AwareBandwidth Estimation for Load Balancing in Emhr-1350450500350450500Energy Based with Mobility Concerns Hybrid RoutingProtocol for Vanet-Wsn CommunicationJ.Ad HocNetworks,2017,66:1-15.7 WANG L,LIU Y,YIN Z.A Hybrid Tdma/Csma-Based Wireless Sensor and Data Transmission Net-work for Ors Intra-Microsatellite Applications J.Sensors(Basel,Switzerland),2018,18(5):E1537.8 NAGARAJAN R,DHANASEKARAN R.Energy Ef-ficient Data Transmission Approaches for Wireless In-dustrial AutomationJ.Current Signal TransductionTherapy,2018,13(1):37-43.9XXIE Z B,SHEN Q,HU Y,et al.The Computation andAnalysis of Energy-Efficient Multirelay and MultihopCommunication Scheme in Wireless Sensor NetworksJJ.International Journal of Communication Systems,2018,31(7):n/a.10SARODE P,NANDHINI R.Intelligent Query-basedData Aggregation Model and Optimized Query Orde-ring for Efficient Wireless Sensor NetworkJ.Wire-less Personal Communications，2 0 18，10 0 （4):1405-1425.11KULKARNI P K H,JESUDASON P M.MultipathData Transmission in Wsn Using Exponential CatSwarm and Fuzzy OptimisationJJ.IET Communica-tions,2019,13(11):1685-1695.12HAN Y F,BAI G W,ZHANG G X.Power AllocationAlgorithm Based on Mixed Integer Nonlinear Pro-gramming in WSNJJ.Cluster Computing,2019,22(2):4519-4525.（收稿日期：2 0 2 1-10-0 9）220