基于粗糙C-均值聚類的WSN能量均衡路由算法研究.pdf

1、隨著傳感器技術(shù)、嵌入式開(kāi)發(fā)技術(shù)、網(wǎng)絡(luò)及通訊技術(shù)、分布式處理技術(shù)的飛速發(fā)展與完善，無(wú)線傳感器網(wǎng)絡(luò)（WSN）已經(jīng)廣泛應(yīng)用于環(huán)境監(jiān)測(cè)、農(nóng)業(yè)、醫(yī)療衛(wèi)生、軍事、物聯(lián)網(wǎng)等領(lǐng)域。WSN是通過(guò)將成千上萬(wàn)、具有通訊能力和計(jì)算處理能力的傳感器節(jié)點(diǎn)隨機(jī)部署在監(jiān)控區(qū)域，利用這些節(jié)點(diǎn)自組織的方式完成相關(guān)信息的監(jiān)測(cè)。然而由于節(jié)點(diǎn)的能量有限，一般無(wú)能量補(bǔ)充，使得研究能量耗散少的、負(fù)載均衡的路由算法成為眾多學(xué)者的研究目標(biāo)。本文針對(duì)傳統(tǒng)的層次式路由協(xié)議存在節(jié)點(diǎn)分布不均勻

2、、節(jié)點(diǎn)選擇隨機(jī)性、能量消耗不均衡等問(wèn)題，研究了基于粗糙C-均值的能量均衡路由算法，并進(jìn)行了仿真驗(yàn)證，主要研究?jī)?nèi)容包括：
　　首先，傳統(tǒng)的粗糙C-均值聚類算法在處理LEACH算法的節(jié)點(diǎn)分簇時(shí)，在其迭代更新簇心公式過(guò)程中，上下近似集中的節(jié)點(diǎn)使用統(tǒng)一的權(quán)重值，忽視了簇內(nèi)節(jié)點(diǎn)對(duì)象之間的區(qū)別，導(dǎo)致某些節(jié)點(diǎn)的錯(cuò)誤分類，以及簇心偏移所在的簇等問(wèn)題，提出了基于簇內(nèi)加權(quán)的粗糙C-均值聚類算法（WCRCM算法）。通過(guò)計(jì)算節(jié)點(diǎn)對(duì)象偏移簇心的程度，為每個(gè)

3、節(jié)點(diǎn)對(duì)象分別賦予不同的權(quán)重值，越是靠近簇心的節(jié)點(diǎn)其所在簇的權(quán)值越大，表明此對(duì)象對(duì)所在簇的貢獻(xiàn)最重。通過(guò)這種方法，動(dòng)態(tài)地為每個(gè)節(jié)點(diǎn)對(duì)象賦予不同的權(quán)值，實(shí)例計(jì)算仿真表明改進(jìn)的方法改善了算法的性能以及LEACH算法中節(jié)點(diǎn)的分簇。
　　然后，根據(jù)傳統(tǒng)的LEACH算法每輪選擇出的簇頭節(jié)點(diǎn)位置分布極不均勻，偏離簇頭節(jié)點(diǎn)較遠(yuǎn)的普通節(jié)點(diǎn)在與簇頭節(jié)點(diǎn)通信時(shí)消耗更多的能量，節(jié)點(diǎn)電能容易耗盡，失去工作能力，提出將WCRCM算法加入LEACH算法中。首先

4、將整個(gè)WSN區(qū)域中的傳感器節(jié)點(diǎn)劃分成多個(gè)簇，每個(gè)簇內(nèi)的節(jié)點(diǎn)數(shù)量、位置大致相同，完成網(wǎng)絡(luò)中簇的構(gòu)建。然后在每個(gè)簇中分別使用LEACH算法，從而保證簇頭節(jié)點(diǎn)在地理位置上分布均勻。同時(shí)，由于LEACH協(xié)議選擇節(jié)點(diǎn)存在任意性且節(jié)點(diǎn)以等概率成為簇頭節(jié)點(diǎn)，缺乏對(duì)能量特性的考慮。本文在選擇簇頭節(jié)點(diǎn)時(shí)，利用WCRCM算法將節(jié)點(diǎn)標(biāo)志成上節(jié)點(diǎn)或下節(jié)點(diǎn)，由于下節(jié)點(diǎn)必定歸屬其所在的簇，故選擇簇頭節(jié)點(diǎn)時(shí)在下節(jié)點(diǎn)集內(nèi)選擇。其次，考慮每輪節(jié)點(diǎn)的剩余能量，即每輪中所有