近年来,随着政府、科研机构以及企业对物联网的高度重视与深入研究,无线传感器网络作为物联网的重要组成部分已被广泛应用于国防军事、环境监测、交通管理、医疗卫生等领域。无线传感器网络由成百上千个价格低廉、体积微小、由电池供电的传感器节点组成。这些传感器节点协作地感知、采集、处理监测对象的信息,并将信息通过无线通信方式发送。因此,无线传感器网络成本低,通信灵活,且无需部署复杂的通信电缆。然而,传感器节点有限的计算与通信能力、受限的能量资源以及无线通信的方式,使得无线传感器网络在生存周期、能量损耗的均衡性、网络的安全性与节点的可信性方面均受到限制。本文围绕无线传感网能量受限、安全性较弱的问题,研究能量高效的分簇路由算法与可信增强技术。本文工作取得的主要成果及创新点包括:1)针对簇头临时无线传感器网络的分布式分簇算法不够优化问题,提出一种分布式的负载均衡层次分簇算法 OLBHC(Hierarchical Clustering Based on Optimal Load Balancing)。传感器节点无需借助中心节点,能够分布式地判定自己是否成为簇头,并各自计算分簇结构从而组网。传感器节点的剩余能量以及与其余节点的距离是该节点是否成为簇头的判定参数。OLBHC算法中定义了三个与成簇相关的矩阵:节点距离矩阵DD、节点关系矩阵Flag和关系距离矩阵FlagDis。OLBHC算法能够通过这三个矩阵计算网络的分簇结构,为簇头节点分配数目均衡且距离适中的簇成员节点。实验表明,OLBHC算法相比现有算法具有更好的负载均衡性、更长的网络生存周期以及更高能效性。2)针对簇头临时无线传感器网络的集中式分簇路由算法易出现散点的问题,提出一种集中式的簇头优选分层聚类路由算法GHPHC(G-Means Based Head Preferred Hierarchical Clustering and Routing)。该算法包括成簇与路由两个模块。GHPHC算法成簇模块应用G-Means算法对节点进行聚类,并通过所提出的簇头优选算法为每个聚类选取合适的簇头节点。GHPHC算法路由模块通过遗传算法对所有选定的簇头节点进行基因编码,根据数据到达汇聚节点的总传输距离以及总跳数设计适应度函数。对比实验发现GHPHC算法相较已有同类型算法,可以提高网络能效性,并延长网络的生存周期。3)针对簇头固定无线传感器网络的分簇路由算法负载不均衡且能效性较低的问题,给出基于遗传算法的能量高效的分簇路由算法GECR(Genetic Algorithm for Energy-Efficient Clustering and Routing)。GECR算法在进行编码设计时,种群的个体采用单染色体形式,将分簇与路由方案合并于同一条染色体中,从而全局地计算所有节点的总能耗。为了将能量高效性与负载均衡性同时考虑在内,GECR算法将所有节点消耗的总能量与负载的方差作为适应度函数的组成部分。对比实验表明GECR算法在节点的失效时间、能量消耗以及负载均衡性等方面优于其他同类型算法。4)针对无线传感器网络缺少完整的基于可信平台模块TPM的安全策略问题,提出一个基于TPM的WSN可信增强方案TTES(TPM based Trust Enhancement Scheme for Wireless Sensor Networks)。首先,我们为每个簇头节点配备一个可信平台模块TPM。该模块从簇头节点加电开始,对经过的各级部件进行度量校验,确定簇头的可信性。其次,TTES包含三个高效的认证协议:SET-μTESLA、STEADY-μTESLA与SET-SCHNORR。SET-μTESLA与SET-SCHNORR建立簇头与簇成员之间的可信关系,并且通过减少哈希散列的迭代次数从而提高能效性。STEADY-μTESLA保证簇成员向簇头发送感知数据时其身份的可信性。分析表明TTES可以抵御多种攻击。同时,仿真结果表明TTES与现有安全协议相比,具有能量高效性。
无线传感器网络(Wireless Sensor Network,WSN)作为一种信息采集和传输工具,在许多领域发挥着重要作用。由于传感器节点能量受限且工作环境较为恶劣,其能量一旦耗尽将无法进行补充,因此提高能量利用率以延长网络寿命已成为WSN研究的关键。分簇路由算法作为一种有效的能量优化策略,通过合理地选择簇头和进行分簇,有助于均衡整个网络的能耗,并延长网络的生命周期。因此,研究无线传感器网络的分簇路由算法具有重要的意义。本文以均衡网络能耗、延长网络寿命为目标,分别针对单跳分簇路由算法和多跳分簇路由算法现存的问题进行改进,主要研究内容如下:
(1)针对单跳分簇路由算法分簇不均的问题,提出了一种基于自适应螺旋算术优化的单跳分簇路由算法(A Single Hop Clustered Routing Algorithm Based on Adaptive Spiral Fast Arithmetic Optimization Algorithm,ASFAOA-C)。该算法针对簇内通信成本、簇首通信成本和簇首密集因素设计适应度函数,通过改进算术优化算法(AOA)的性能,得到了自适应螺旋算术优化算法ASFAOA,并利用其选出簇内和簇间通信成本更低的簇头集合。在节点入簇阶段,引入了剪枝策略,优化了低能量簇头节点和成员节点的传输方式,使网络能耗更加均衡。仿真实验表明该算法相较于LEACH、WOA-P、ISSADE这三种算法的首节点失效轮次分别延长了124.3%、37.9%和18.7%,有效均衡了网络能耗,增大了网络的吞吐量和生命周期,针对异构网络有很好的适应性。
(2)针对单跳算法的局限性和多跳分簇路由算法中节点负载不均、能量空洞等问题,提出了一种基于跨层优化的环形多跳分簇路由算法(Ring Multi-Hop Clustering Routing Protocol Based on Cross-Layer Optimization,RMC-CL)。该算法采用多跳的方式进行簇间传输,引入分环模型优化簇头分布。在簇头选取方面,引入模糊逻辑模型进行推理,将节点剩余能量、节点中心率以及周围节点密集度作为输入,同时针对网络异构特性将高能量节点作为候选簇头。在簇间数据传输阶段,算法引入了代价函数和决策矩阵来选取多跳传输路径。此外针对网络中节点分布不均的问题,提出了跨层优化策略。最后经过仿真验证该算法在场景一中相较于OCCN算法和IUCR算法的首节点失效轮次分别延长了56.9%和53.8%,在场景二中分别延长了85.7%和81.1%,其有效缓解了能量空洞现象,均衡整个网络的能耗,延长了网络的寿命,可以适应不同的场景。
暂无评论