无线传感器网络中的自适应聚类簇（LEACH）路由算法以相等的概率选择簇头节点，这往往会导致整个网络节点的极端能量损失和减少它的生命。此，提出了一种用于选择簇节点和聚类的改进的LEACH算法。算法将整个网络区域划分为四个扇区化区域，并在每个区域中独立地执行集群路由，然后基站根据节点和集群的剩余能量选择簇头节点。其与基站分开的距离。源选择路由以平衡网络的功耗。真结果表明，改进后的LEACH算法的网络生命周期为原LEACH算法的150％，数据速率乘以3。
线传感器网络;能量均衡;一组部门;组长;路由算法中图分类号：TN915？ 34; TP393.2文件代码：A货号：1004？ 373X（2017）05？ 0014？ 05摘要：低能量自适应集群层次（LEACH）无线传感器阵列选择算法以相等的概率选择簇头节点，这很容易从集群中产生极大的能量损失。络节点在一起并缩短其寿命。个网络区域被划分为四个扇形子区域，恒温阀芯其算法用于在每个独立子区域中路由聚类。择基站头部的节点。于集群的头节点和基站接收的信号的强度来选择节点的路由模式，以平衡网络的功耗。真结果表明，改进的LEACH算法的网络生命周期是原始LEACH算法的150％，并且其数据乘以三倍。键词：无线传感器网络，能量平衡，风扇分组，路由算法简介无线传感器网络是一个由大量节点，区域和部署环境组成的自组织网络。
杂，广泛用于车辆，智能家居，森林防火和灾害的实时监控。中，传感器节点很小，配置的电池功率，计算能力和存储容量都是有限的，因此需要平衡网络的功耗和改善网络的生存时间。常，用于无线传感器网络的路由算法必须具有基于本地拓扑和以数据为中心的特征的能量优先级。前，国内外已经提出了许多传统的无线传感器网络路由算法，主要是在数据中心[3]，主要基于数据质量[4]和节点的地理位置信息[5]。分由网络结构划分为平面路由算法和分层路由算法。常用的分层路由算法是LEACH算法（低能量自适应聚类层次结构）。LEACH算法在数据聚合，拓扑匹配和能效方面具有明显的优势。
量文献对LEACH算法进行了改进，以提高其性能。[5]中，通过将节点的位置坐标和当前能量状态发送到基站，提出并比较了三种方法：基站根据这些因素选择簇头，但是获取本地化消耗大量能源，不予考虑。一个数字与链中节点总数之间的比率导致不平衡。[6]中，提出了簇头多跳算法在簇头之间形成最优路径，这降低了簇头的能量消耗但扩展了路径，延长数据传输过程，降低执行速度。[7]中，提出了引入聚类成员阈值的方法和组合非常小的聚类的方法：首先，估计聚类头部的能量消耗，然后是状态控制节点的监视适合于集群头部的消息的传输。是，在满足最后期限方面尚未充分考虑到这一点。[8]中，恒温阀芯考虑节点的剩余能量和通信半径，选择簇头的节点以减少整个传感器网络中簇头中的节点数量。延长网络的整体寿命。本文中，考虑到功耗与网络生命周期之间的平衡，提出了一种基于风扇聚类的路由算法，以减少通信的池化范围。后，根据剩余功率和通信距离，选择簇头节点以平衡功耗并延长网络寿命。
LEACH模型的框图如图1所示。设它覆盖了无线传感器网络的某个区域，并基于以下假设[9]：假设1：位置基站和整个网络保持不变，以及基站和整个网络节点之间的距离。一步。设2：每个节点具有相同的属性，有限的能量和与基站的直接通信。设3：节点具有高计算能力并支持TDMA技术。设4：可以修改和调整WSN节点传输信息的能力。点之间的数据通信使用一阶无线电模型，通信模型如图2所示。通信模式使用相对成熟的能量消耗计算系统。模型假设WSN节点具有相同的计算能力和有限的能量，电信号在不同方向上具有相同的路径损耗。发送远程比特长度信息[d]时，节点的功耗如下：数据传输：[ETx（m，d）= Eelec？ M εfs？ M＆ D2，数据接收：[ERx = Eelec]（2）数据融合：[EGx = Eg？ M]（3）其中：[εfs]是信号放大器的放大系数; [Eelec]是相应数据处理模块在发送和接收信息时消耗的能量。于传感器节点与不同传播环境之间的距离不同，传播相同数据量的能量消耗也不同。式（1）中的不同能量消耗表征了不同传播距离和传播环境对能量消耗的影响。中[d]是数据的通信距离; [d0]是节点的通信半径; [εmp]是信道的传输能量的衰减系数，并且通信的传输距离越短，功耗越低。LEACH算法流LEACH算法将传感器节点划分为多个集群，然后将这些集群聚合到集群的主节点，并由集群的主节点转发到基站。合和传输操作模式可以提高LEACH算法的能量效率。外，由于簇头节点的高功耗，每个节点根据剩余功率状态充当簇头节点，这改善了网络寿命。[10]。LEACH算法执行在循环中构建集群的过程，即“舍入”。轮有两个阶段：初始集群初始化阶段和数据传输阶段（具体时间图如图3所示）。始化集群阶段初始集群阶段分为两个阶段：首选集群和集群过程。1步：首选群集。络的所有节点将随机生成0到1之间的数字。络将定义阈值[T（n）]，如等式（4）所示。站将定义节点生成的随机数。
比较阈值[T（n）]时，选择小于[T（n）]的节点作为簇头。[T（n）= Q1-Q？ （Lmod1Q），n∈G0，否则]（4）其中：[Q]是每一轮簇头节点与[n]个节点的比率; [l]是第一轮[1]; [G]是在前几轮中未选择的群集节点的总和。2步：群集过程。旦选择节点作为簇头，它就会发送消息，表明它已被选为所有其他节点的簇头。接收到消息之后，其他节点通过根据最小能量原理比较发送消息的节点的功率来选择与相应集群的结点。用节点选择由具有接收功率的集群的主节点形成的集群，并发送该消息以加入与相应集群的主节点对应的集群。到消息后，集群头中的节点响应该节点并将该节点添加到其自己的路由表中。
输和接收数据当所有传感器节点形成群集时，它们使用TDMA传输数据。自每个节点的数据合并到集群的主节点，然后由集群的主节点转发到基站。群集分配方案保持一段时间的数据通信之后，再次运行下一个群集分配周期以避免群集的主节点的过度功耗并提高群集的性能。络的整体使用寿命。进LEACH算法的原理根据LEACH算法，已知簇头也是舍入概率，并且不考虑剩余能量因子。有不同剩余能量的节点被选为簇头的概率是相同的。果选择具有低剩余能量的节点作为簇头，则很容易耗尽电力并缩短网络寿命。外，在LEACH算法中，节点根据接收信号的强度选择簇头。果节点远离群集的主节点，则路径损耗更高[11]。果，节点的能量将过早消耗并且将死亡，从而导致网络通信中的黑洞。了解决这些缺点，考虑到节点的能量和整个网络上信息的传输速度，本文提出了一种基于LEACH算法的改进LEACH算法。算法将整个网络划分为四个扇区分区：基站通过比较每个节点生成的随机数和每个扇区分区中节点的剩余能量，然后比较节点站来选择簇头。base宣布来自簇头的消息，并且节点接收所接收的信息。择区域消息的强度，簇头和基站之间的距离以加入簇或直接与基站通信。覆盖区域为圆形时，传感器节点之间的最大距离小于另一个形状的距离。文假设一个圆形覆盖区域，基站位于圆形覆盖区域的中心。此同时，并引起一个新的部门通信过载的节点之间的最大距离进一步降低由于在网络中的节点的死亡，改进算法LEACH划分圆形覆盖区域划分成四个扇区，如图1所示。每个扇区中，LEACH算法的路由分开执行。选择某个参考点时，四个扇区分别记录在扇区号num = {1，2，3，4}和中心角[θ=π2]下。旦确定扇区号被分割，所有传感器节点必须在聚类期间确定每个节点的扇区号和特定扇区位置。
方法如下：即所有节点的极坐标角度和扇区数形成矩阵，表示为Loc，其中[Loc =（i）= {a（i） ），k（i）}。集优选改进LEACH算法，同时考虑通信距离和节点的剩余能量来选择群集节点，然后选择每一轮。择簇头节点的过程分为两个步骤：步骤1：首先，根据LEACH算法，将每个节点生成的随机数与给定阈值[网络的T（n）]进行比较，并从阈值以下的节点中选择簇头节点。骤2：在第一步骤中选择的节点中，考虑节点能量和距基站的距离，执行簇头节点的选择。体选择标准是：[Q = Edis]（9）其中：[E]是节点的剩余能量，dis是节点和基站之间的距离。系式（1）示出的是，距离说也是反比于[Q]和位于远离基站节点消耗更多的功率，从而使概率点被选作组头也小了。之，剩余能量越大，最靠近基站的节点越接近簇头的末端节点。集通信过程在选择群集头节点之后，基站从相应区域的群集头节点向每个扇区广播消息。旦每个扇区中的相应节点已经识别出它是集群领导者，它将在其自己的覆盖区域中显示它是集群领导者的消息。个扇区的普通节点根据从簇头接收的信息和接收到的信息的强度以及相应的距离，确定是加入集群还是直接与基站通信向基站报告。您选择加入群集时，该消息将发送到相应的群集管理器，后者会相应地做出响应。于未添加到群集的节点，仅将测量的消息直接发送到基站（请参见图7中所示的流程图）。每次转发数据时，每个区域组的节点将测量的信息数据发送给相应的组长，组头节点发送给基站，节点位于外部。自该组的消息直接将消息发送到基站。节点是普通节点或离群节点时，功耗仅包括节点发送给数据的能量，当节点是簇头节点时，功耗为由节点接收，融合和传输的能量之和。真结果分析为了评估改进的LEACH算法的性能，Matlab用于仿真，重点关注多个网络节点之后的死亡数和网络传输数据[ 12。设基站是静止的并且位于监视区域的正中心，远离传感器节点;所有节点具有相同的计算能力和相同的能量容量;节点可以与其他节点和基站通信;节点的位置是固定的。时，比较了两个原始改进算法LEACH1和LEACH2。中，LEACH1是文献[13]提出的一种改进的聚类算法，它使用粒子群优化算法通过剩余能量划分和选择每个区域中的聚类。点。LEACH2是一种结合了[14]中提出的LEACH和PEGASIS的改进算法：通过对节点进行分组，将不同群集的群集分组到通信链中。模拟中，假设基站的坐标为（0，0），数据分组长度为3000B，控制分组的长度小，可以忽略。他实验参数的定义如表1所示。先，比较两种原始算法和LEACH算法之间不同圈数的死节点总数（具体结果如图所示）图8）。
图8中可以看出，当在大约500匝处执行时，四种算法都具有节点开始死亡的现象。LEACH和LEACH2算法的死亡率更快。大约1500轮之后，使用这两种算法的无线传感器网络节点的死亡率被最大化。接近2000圈时，两个算法节点的死亡率几乎持平，几乎全部死亡。际上，这两种算法没有考虑节点剩余能量的影响，这导致某些节点过早死亡。LEACH增强算法和LEACH1算法的节点死亡条件在开始时相对平坦，并且其速度加速约1，300转，但它们都不是快速LEACH，并且当随着算法接近死亡，改进的算法仍然以近20节的速度存活。以看出，改进算法比原始算法更好地延长了网络的生命周期，并且与LEACH算法相比，节点的生存概率提高了20％，从而可以减少能量和延长网络的寿命。9显示了几种算法的数据传输性能的比较。图9中可以看出，转数的增加，四种算法传输的数据量以及改进的LEACH算法和原始算法之间的差异也增加了。进算法的数据传输是LEACH算法的三倍。LEACH算法和LEACH2增强算法达到约1500 rpm时，数据传输的增加趋于稳定，改进算法和另一算法LEACH1的数据传输迅速增加。LEACH2算法已达到最大数据传输量，改进算法的数据传输量不断增加，将达到LEACH算法的4倍，大大提高了数据传输的效率。据。此，本文提出的改进算法可以通过合理利用节点的能量来提高网络的有效数据传输量。论本文详尽地研究了节点的扇区划分和剩余能量，并改进了LEACH算法。真结果表明，改进的LEACH算法可以将网络生命周期提高约150％，并且可以传输4倍于比较算法的数据量。法平衡功耗并提高了接收信息的网络速度。络的使用增加了网络的使用寿命。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com