一种基于博弈论的无线传感器网络的聚类方法

1.本发明涉及一种基于博弈论的无线传感器网络的聚类方法。


背景技术：

2.提高能源效率时无线传感器网络wsns面临的主要挑战之一，它正变得越来越普遍。由于节点(传感器)经常需要依靠有限的能量储存来执行其数据收集工作以及从其他节点转发数据，因此优化数据传输路径对于提高网络寿命变得非常重要。由于传感器节点经常需要依靠有限的能量储存来执行其数据收集工作以及从其他节点转发数据。因此，优化数据传输路径对于提高网络寿命变得非常重要。将节点分成一个带簇头(ch)的集群是实现这一目标的常见方法。然而，节点作为数据收集者和数据中继者的两种角色在能源消耗方面是相互冲突的；由于数据中继操作(对整个网络的正常运行时必要的)会挖掘有限的能量储存，它可能会减少节点的寿命，阻碍其数据收集。这种内在的冲突，即自我生存和对网络的贡献之间的冲突，为在传感器建模中使用博弈论开辟了有趣的途径。本研究提出了这样的一个模型，degta，并与其他模型，leach和deer进行比较。该算法通过考虑有关节点的剩余能量及周围节点的剩余能量来实现这一目的。
3.从智能城市到自动驾驶汽车，这些天围绕着物联网(iot)有很多值得学术界去研究的重要点。而这一切的核心是数据，大数据。知道直到最近，我们还没有收集和分析数据所需的技术，但随着快速、可靠和广泛的互联网连接的出现，再加上过呢国内更强大的计算机和这一切的成本降低，这种情况发生变化。虽然这些数据中的一些是我们数字生活的副产品，但是其他数据必须被刻意收集。进入传感器，成百上千，数以百万计。虽然有时将他们连接到电网是可行的，但结果可能是经济上不可行的，或者完全不可能的，就像南非为以保护为目的将gps传感器植入犀牛角那样。这意味着，传感器必须利用有限的能源和有限的通信，同时感知并向基站转发数据。有鉴于此，很明显，传感器需要优化其能量消耗，以延长网络寿命，同时找到一种方法来解决有限的传输范围可用的低带宽。


技术实现要素：

4.本发明的目的是为了解决上述问题实现一个可行的和实用的wsn，而提出一种基于博弈论的无线传感器网络的聚类方法。
5.一种基于博弈论的无线传感器网络的聚类方法，所述方法通过以下步骤实现：
6.确定信号能量模型的步骤；
7.确定博弈论模型的步骤；
8.确定簇头的步骤；
9.对于属于同一簇的节点使用单跳传输，将它们的数据传输给簇头，然后簇头将信息传输给汇点节点的步骤。
10.优选地，所述的确定信号能量模型的步骤，具体为：对于自由区域，使用d*d功率损耗，对于多路径衰减，使用d^4功率损耗信道模型，每个传感器节点将耗费能量在距离d上发
送一个l比特的数据包，以及运行发射器或接收器电路所耗费的每个比特的能量；然后，簇头将m个l比特数据包与每比特信号的一些数据融合成本相结合；e
da
是每一比特信号的数据融合成本，因此能量消耗计算为e
agg
＝mle
da
。
11.优选地，所述的确定博弈论模型的步骤具体为：
12.设网络由n个均匀分布的智能传感器节点组成，用{s1,s2,...,sn}表示；被视为博弈论模型中的玩家，其目标是将数据传输给汇点bs，而汇点通常远离传感区域；假设：
13.1)在部署之后，所有的节点都是同质的和静止的；
14.2)根据节点与接收器之间的距离来改变节点的发射功率；
15.3)有对称的链接，即一旦给定了发射功率，一个节点将根据收到的信号强度计算出与另一个节点的距离。
16.优选地，所述的确定簇头的步骤，具体为：
17.首先，计算每个节点的效用值u，并将其广播给其他节点，之后判定收到广播的节点的效用值与效用值u的关系；比较所有节点，选择具有最大效用值的节点作为簇头；当所选簇头的邻接节点具有相似的密度值时，群头会广播一个neighbor_msg，其中包含其id以及其他因素，则r
communication_radius
内的所有节点都被视为邻居节点，并退出正在进行的r
communication_radius
的选择；当k个簇头被选中时，选择结束；对于超出所选簇头的传输范围的节点，将重新计算节点的密度和效用函数，剩下的簇头继续按照每轮最大效用值的描述程序确定；
18.另外，被判定为簇头时还需满足以下条件：
19.1)k个簇头＝》程序重复k次；
20.2)保证一个节点在另一个节点的通信范围内，排除两个节点都是簇头。
21.优选地，所述的对于属于同一簇的节点使用单跳传输，将它们的数据传输给簇头，然后簇头将信息传输给汇点节点的步骤，具体为：
22.根据所述的能量模型，节点之间的距离用来确定沿某一路径传输的能量成本，保持对能源效率的主要关注，degra使用簇间转发算法；在这个算法中，从簇头到水汇节点bs的直接传输成本与使用中继簇头的传输成本进行比较，后者的选择方式是使初始簇头和中继簇头之间的距离平方之和最小，以及中继簇头和水汇节点之间的距离平方之和最小；假设chi要向水槽节点发送一个l长度的数据包，为此它选择chj作为中继节点，然后直接向水槽节点传输；两次传输的能源公式如下：
23.e
2-hop
＝e
tx
(l,d(chi,chj)) e
rx
(l) e
tx
(l,d(chj,bs))
24.＝l(e
elec
ε
fs
d2(chi,chj)) l(e
elec
ε
fs
d2(chj,bs))
25.＝3le
elec
lε
fs
(d2(chi,chj)) d2(chj,bs)
26.令：e
relay
(chi,chj)＝d2(chi,chj) d2(chi,bs)可知：随着e
relay
的增加，传输成本增加；因此，如果存在e
relay
最小且小于e
direct
(chi,bs)的chj，该算法就会继续寻找。
27.本发明的有益效果为：
28.本发明方法为基于密度的高能效博弈论路由算法，优化传感器能量消耗，延长网络寿命，提升了现有路由路径选择算法的性能。实现一个可行的和实用的wsn，并且由于网络的操作性，博弈论被看作是实现计划目标的一个有吸引力和合理的前提。它可以被用来分析自组织和分散网络中的系统运作。博弈论描述了游戏中玩家的行为。玩家可能是合作
的，也可能是不合作的，同时试图从游戏中获得最大的结果。因此，这里的传感器在专门用于传感的电力资源方面运行它们的操作，并与全球控制器进行9次相互通信，以使分配的任务能够成功地完成。
具体实施方式
29.具体实施方式一：
30.本实施方式的一种基于博弈论的无线传感器网络的聚类方法，所涉及到的集群是一种应用于无线传感器wsn的技术，其中网络被分为多个集群，每个集群都有一个簇头(ch)，将汇总的数据抓发给基站，当涉及到能源效率和延长节点寿命时，他是一种非常有效的技术。它是一种路由方法。集群管理者集群中的网络。从成员节点胡总汇总所需的数据，并通过集群/传感器节点将处理后的数据擦送到汇合点。每个ch只属于一个集群。采用聚类协议是有益的，因为能量被有效地消耗了，流量负载减少了，它节省了通信带宽并提高了网络整体可扩散性。
31.簇头ch的选择是非常重要的，因为如果选择不当，就会产生反作用，并在一个传感器节点和网络其他部分的利益之间产生冲突。个别传感器节点更愿意将其数据直接发送到汇点节点，即基本站，因为再路由路径中的合作包括中继数据，而没有其直接利益。这使得协议效率降低，网络将消耗过多的能量。因此，所有传感器节点和水槽之间的这种直接通信会造成很大的流量负荷，从而降低了效率。这将产生一个能量洞问题，减少网络寿命，因此再聚类中，簇头的选择是至关重要的。
32.应用博弈论对网络进行建模，使各个节点再特定的情况下称为博弈者。再在单个节点和整个网络的利益之间可以找到一个平衡。在再经典的博弈论中，假设所有的参与者都是完全理性的。那么关于博弈的预测与实际结果是一致的。但这并不实际，因为这样每个节点都应该知道其他节点的行动以及他们的特征。再在这个项目中，ch是根据每个节点的密度来确定的。每个节点计算其效用值并传输信息。因此，围绕这一点建立了一个博弈论模型。
33.本发明方法所述方法通过以下步骤实现：
34.确定信号能量模型的步骤；
35.确定博弈论模型的步骤；
36.确定簇头的步骤；
37.在确定了簇头后，对于属于同一簇的节点使用单跳传输，将它们的数据传输给簇头，然后簇头将信息传输给汇点节点的步骤。
38.具体实施方式二：
39.与具体实施方式一不同的是，本实施方式的一种基于博弈论的无线传感器网络的聚类方法，所述的确定信号能量模型的步骤，具体为：对于自由区域，使用d*d功率损耗，对于多路径衰减，使用d^4功率损耗信道模型，取决于发射器和接收器之间的距离。每个传感器节点将耗费能量在距离d上发送一个l比特的数据包，以及运行发射器或接收器电路所耗费的每个比特的能量；然后，簇头将m个l比特数据包与每比特信号的一些数据融合成本相结合；e
da
是每一比特信号的数据融合成本，因此能量消耗计算为e
agg
＝mle
da
。
40.具体实施方式三：
41.与具体实施方式一或二不同的是，本实施方式的，一种基于博弈论的无线传感器网络的聚类方法，所述的确定博弈论模型的步骤具体为：
42.设网络由n个均匀分布的智能传感器节点组成，用{s1,s2,...,sn}表示；被视为博弈论模型中的玩家，其目标是将数据传输给汇点bs，而汇点通常远离传感区域；假设：
43.1)在部署之后，所有的节点都是同质的和静止的；
44.2)根据节点与接收器之间的距离来改变节点的发射功率；
45.3)有对称的链接，即一旦给定了发射功率，一个节点将根据收到的信号强度计算出与另一个节点的距离；传感器节点有一种逻辑本能，为了自己的利益，有效地将数据传输给基本站。它更关心自己的个人利益，即使与他人合作传输可能为整个网络节省能量，也总是不能与他人合作传输。因此，它是一个非合作的游戏。另一方面，簇头在分层拓扑结构中起着关键作用。集群头为其他人提供服务，同时降低了整个网络的能量使用。然而，除了它的网络贡献之外，簇头还需要相当多的能量，并且更有可能耗尽资源。因此，一个传感器节点不太可能单独成为簇头。我们将簇头的确定正式描述为一个游戏，在这个游戏中，玩家参与到一个战略局势中，他们必须确定是否成为簇头。从本质上讲，簇头是由每个节点的密度来计算的。相邻节点的圆形传播区域内的节点数量被定义为密度指标。在确定密度时，要考虑到节点的连接性。因此，群头的均匀分布得到了保证，同时也消除了能量洞问题。尽管有节点的连通性，我们仍然要看附近节点的剩余能量和平均能量消耗。由于数据融合，簇头承担了过多的责任。确定的簇头有更长的寿命，因为它们有更多的残余能量，并且在路由路线上使用更少的能量。我们对一个传感器节点对整个网络的贡献有适当的报酬，以换取它成为一个集群。
46.具体实施方式四：
47.与具体实施方式三不同的是，本实施方式的，一种基于博弈论的无线传感器网络的聚类方法，所述的确定簇头的步骤，具体为：
48.首先，计算每个节点的效用值u，并将其广播给其他节点，之后判定收到广播的节点的效用值与效用值u的关系；比较所有节点，选择具有最大效用值的节点作为簇头；当所选簇头的邻接节点具有相似的密度值时，那么在连续的几轮中簇头的选择就会受到干扰。为了排除这样的邻居节点，群头会广播一个neighbor_msg，其中包含其id以及其他因素，如剩余能量，则r
communication_radius
内的所有节点都被视为邻居节点，并退出正在进行的r
communication_radius
的选择；为了确保所有节点都被包含，使用了标志。当k个簇头被选中时，选择结束；对于超出所选簇头的传输范围的节点，将重新计算节点的密度和效用函数，剩下的簇头继续按照每轮最大效用值的描述程序确定；簇头有一个均匀的分布。
49.另外，被判定为簇头时还需满足以下条件：
50.1)k个簇头＝》程序重复k次；
51.2)保证一个节点在另一个节点的通信范围内，排除两个节点都是簇头的可能性；此条件的证明过程为：
52.假设传感器节点si和sj可能是簇头，节点sj在si的通信范围内》＝他是si的邻居的通信范围；如果si在sj成为簇头之前将通知其邻居节点其当前状态，并且这些邻居节点离开竞争，直到下一轮簇头选择；簇头选择是一个k阶段的动态博弈，他是一个有限的、完整的和完美的信息博弈。因为每个玩家都知道其他玩家的策略和效用，并将通过观察以前的阶段
来决定其策略的选择。每个阶段都构成一个子博弈。由于效用值被选为最大值，这个博弈在每个阶段都有一个纯策略的纳什平衡，因为每个玩家都对其对手的可能策略选择做出了最好的回应。
53.具体实施方式五：
54.与具体实施方式四不同的是，本实施方式的，一种基于博弈论的无线传感器网络的聚类方法，所述的对于属于同一簇的节点使用单跳传输，将它们的数据传输给簇头，然后簇头将信息传输给汇点节点的步骤，具体为：
55.根据所述的能量模型，节点之间的距离用来确定沿某一路径传输的能量成本，保持对能源效率的主要关注，degra使用簇间转发算法；在这个算法中，从簇头(如chi)到水汇节点bs的直接传输成本与使用中继簇头(如chj)的传输成本进行比较，后者的选择方式是使初始簇头和中继簇头之间的距离平方之和最小，以及中继簇头和水汇节点之间的距离平方之和最小；为了简单起见，假设chi要向水槽节点发送一个l长度的数据包，为此它选择chj作为中继节点，然后直接向水槽节点传输；两次传输的能源公式如下：
56.e
2-hop
＝e
tx
(l,d(chi,chj)) e
rx
(l) e
tx
(l,d(chj,bs))
57.＝l(e
elec
ε
fs
d2(chi,chj)) l(e
elec
ε
fs
d2(chj,bs))
58.＝3le
elec
lε
fs
(d2(chi,chj)) d2(chj,bs)
59.令：e
relay
(chi,chj)＝d2(chi,chj) d2(chi,bs)可知：随着e
relay
的增加，传输成本增加；因此，如果存在e
relay
最小且小于e
direct
(chi,bs)的chj，该算法就会继续寻找。
60.该算法的伪代码如下。
[0061][0062]
仿真实验:
[0063]
基于matlab进行degra模拟实验：
[0064]
使用matlab环境来评估基于密度的高能效博弈论路由算法的性能。设置一个初始环境，其中有固定的变量，如场地尺寸、节点数量、节点成为簇头的最佳选举概率和模拟的最大轮数。启动模拟。应用degra方法，每一轮都会提示场内的所有节点计算其效用值，并将其广播给系统中的其他人。任何在广播范围内的节点，如果收到信息，并且其值大于这个效用值，那么就会成为新的簇头候选人，并继续广播一个不同的信息，一个由自己生成的信息。接收信息的节点的效用比广播信息的节点的效用小，则广播原来的信息，而不做任何改动。具有最大效用的节点成为新的簇头。degra找到了k个簇头，同样的过程在整轮模拟中定期进行。该算法模拟的重点是超出传输范围的节点，重新计算场内节点的密度及其相应的
效用，因此每一轮之后都可以有一个更均匀的分布。其他在传输范围内的ch，仍然由每轮最大效用值的相同熟悉的算法决定。随着传输范围内最高效用值的选择，模拟的完全和完美信息的有限博弈实现了每轮战略均衡的目标。
[0065]
本发明的实施例公布的是较佳的实施例，但并不局限于此，本领域的普通技术人员，极易根据上述实施例，领会本发明的精神，并做出不同的引申和变化，但只要不脱离本发明的精神，都在本发明的保护范围内。