无线传感器网络层次型路由协议研究及改进

《无线传感器网络层次型路由协议研究及改进》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、无线传感器网络层次型路由协议研究及改进重庆大学硕士学位论文（学术学位）学生姓名：柏荡指导教师：石为人教授专业：控制科学与工程学科门类：工学重庆大学自动化学院二O一三年四月ResearchandImprovementofClusteringRoutingAlgorithmsforWirelessSensorNetworksAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementforMaster’sDegreeofEngine

2、eringByBaidangSupervisedbyProf.ShiWeirenSpecialty:ControlScienceandEngineerCollegeofAutomationofChongqingUniversity,Chongqing,ChinaApril2013重庆大学硕士学位论文中文摘要摘要无线传感器网络（WirelessSensorNetwork，WSN）是由成百上千的微型、廉价传感器节点组成的大规模、无基础设施无线网络，在军事、环境监测、医疗救护等领域有着广阔的应用前景。但受自身硬件条件限制

3、，传感器节点能量受限，且补充代价极大。无线通信消耗了传感器节点的大部分能量，因此，必须提高传感器节点无线通信能量利用效率，从而延长网络寿命。本文在深入分析了经典层次型路由算法LEACH（lowenergyadaptiveclusteringhierarchy）的工作原理基础上，针对LEACH在簇头选取时，存在分布不均匀、数量波动大以及未考虑节点剩余能量等问题，提出了无线传感器网络簇头半径自适应调节路由算法CRACR（Cluster-headRangeAdaptiveClusteringRouting）。首先，在簇头选

4、取概率公式中引入节点剩余能量作为权重因子，增加剩余能量大的节点成为簇头的概率；其次，根据网络剩余节点数以及最佳簇头比，控制簇头消息的广播半径，使实际生成簇头数接近网络最佳簇头数，并均衡分布整个网络；最后，根据节点的位置和剩余能量分配时隙，降低了网络数据通信量，提高了响应速度。针对多跳层次型路由存在的“热点”问题，提出无线传感器网络跳数优化非均衡路由算法HOUCR（HopOptimizedUnequalClusteringRouting）。首先，依据一阶能量模型，建立节点到汇聚节点的距离与最优跳数（能量消耗最小）间的关

5、系，从而根据实际距离，计算路由跳数；其次，产生非均衡的簇，实现簇间能量均衡。本文利用MATLAB对CRACR和HOUCR分别与LEACH进行了仿真对比。仿真结果表明：CRACR第一个节点死亡“回合”数比LEACH提高了55%以上，说明其能够较好地控制每轮实际产生的簇头数量，且簇头分布更加合理，网络能量消耗更加均衡；HOUCR第一个节点死亡时间较LEACH提高了约150%。说明其能够产生合理的非均衡的簇，从而解决了多跳路由中的“热点”问题，延长了网络寿命。关键词：无线传感器网络，层次型，簇头半径，自适应，非均衡I重庆大

6、学硕士学位论文英文摘要ABSTRACTWirelessSensorNetwork(WSN)isakindoflarge-scaleandinfrastructure-lesswirelessnetwork,whichisconsistedofhundredsoftinyandcheapsensornodes.WSNhasabroadapplicationprospectsinthemilitary,environmentalmonitoring,medicalcare,etc.However,duetohardwa

7、relimitation,energyofasensornodeisquiteconstrained,anditiscostlytorecharge.Wirelesscommunicationconsumesmostenergyofasensornode,sooneefficientwaytoprolongthenetworklifetimeistoimprovewirelesscommunicationefficiency.Thisdissertationresearchesintothemechanismofcl

8、assicalclusteringroutingalgorithmLEACH.LEACHusesrandomprobabilityrotationtochooseclusterheads,yethasdeficiencieslikeunbalancedcluster-headdistribution,reboundedamountofclust