【WSN通信】能量均衡无线传感器网络非均匀分簇路由协议【含Matlab源码 2612期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab信号处理仿真内容点击👇
①Matlab信号处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、能量均衡无线传感器网络非均匀分簇路由协议

早期的无线传感器网络(wireless sensor networks,简称 WSNs)分簇路由协议通常采用均匀分簇的方法,将整个网络划分为大小均等的簇,每个簇的簇内成员节点数近似相等,簇半径也近似相等.LEACH[1]协议是 WSNs 中典型的均匀分簇路由协议,采用随机分簇策略和周期性簇头轮换.由于簇的大小相等,每个簇内的成员数相等,因此从理论上讲,各个簇中的平均簇内通信能耗相等.LEACH 协议中,簇头与汇聚节点的通信(即数据报告)采用单跳方式距离汇聚节点越远的簇头在数据报告时的发射功率越大,其数据报告能耗就越大.虽然LEACH 协议通过簇头轮转的方式来维持节点的能量平衡,但这种平衡只是局部的,从全局的角度看,远离汇聚节点的簇头仍然具有更大的能耗.这些节点容易较早失效,从而造成传感器网络覆盖区域缩小,影响监测任务的执行. 数据报告采用多跳方式的分簇网络中,距离汇聚节点越近的簇头承担的数据转发任务越重,其数据转发能量消耗越大.因此,网络中也存在簇间能量消耗不均衡的问题,距离汇聚节点越近的节点越容易过早地耗尽能量而失效.如果汇聚节点周围的节点成块失效,则离汇聚节点较远的传感器节点采集的数据将无法继续传输,网络中虽然仍有大量存活的节点,但网络的生命周期已提前结束.
由此可见,均匀分簇网络无论采用单跳或多跳的数据报告方式,均存在簇间能耗不均衡问题.针对这个问题,很多研究人员采用非均匀分簇策略来平衡簇头的能量消耗.EECS[2]中,簇头到汇聚节点与 LEACH 一样采用单跳通信,但是普通节点在选择簇头时不仅要考虑自身离簇头的距离,而且要考虑簇头到汇聚节点的距离,从而构造出大小非均匀的簇.EECS 中,距离汇聚节点较远的簇具有较小的几何尺寸,使得这些簇头的簇内通信能耗较小,以平衡其较大的数据报告能耗.但 EECS 的能量平衡措施只能缓解簇头间的能量消耗不均衡现象,无法从整体上实现节点间的能量平衡.
UCS[3]首次明确提出了非均匀分簇的思想来均衡簇头节点能耗,簇间采用多跳方式.簇头的能耗包括簇内通信和簇间通信能耗,簇内通信能耗和成员节点数量成比例关系,簇间通信能耗是转发数据量的函数.UCS 根据簇头的期望转发负荷来调整簇的大小(即簇内节点数量),使得所有簇头的能耗接近,网络能量消耗均衡.
EEUC[4]是一个非均匀分簇和簇间多跳路由有机结合的路由协议.它利用非均匀的竞争半径,使得靠近基站的簇的成员数目相对较小,从而簇头能够节约能量以供簇间数据转发使用,达到均衡簇头能量消耗的目的.此外,在簇头选择其中继节点时,不仅考虑候选节点相对基站的位置,还考虑候选节点的剩余能量,以进一步均衡簇头能耗.实验结果表明,该路由协议有效地解决了多跳路由通信方式下簇头能量消耗不均衡的问题,优化了网络中各节点的能量消耗,显著地延长了网络的生存时间.ACOUC[5]继承了 EEUC的非均匀分簇结构,并且在此基础上采用基于定向扩散的蚁群优化算法(ARAWSN)进行优化.该算法采用首轮所有节点参与竞选、后续轮簇内调整的方法替代 EEUC 随机激活的周期性簇首选举策略,在簇首间通信中引入链路可靠性和实时性参数,利用ARAWSN 在传输数据的同时对路由进行动态维护和性能优化.路径搜索采用蚁群算法进行,即搜索网络中所有的簇首和汇聚点,以寻找从各个簇首到汇聚点代价最小的多跳路由.
CEB-UC[6]协议将传感器网络合理分区,使得在靠近汇聚节点分区内的簇数量较多,各簇内传感器节点数较少;在远离汇聚节点分区内的簇数量较少,各簇内的传感器节点数较多,从而保证承担数据中继转发任务的簇头节点能减少自身的簇内通信开销,节约的能量可供簇间数据转发使用,以平衡网络节点能耗.DTUC[7]从概率的角度出发分层和分簇,使得靠近汇聚节点分层内的簇数量较多,簇内节点数较少,而在远离汇聚节点分层内的簇数量较少,簇内节点数较多,从而保证内层簇头节点减少其簇内开销,以节省更多的能量用于数据的簇间传送.同时,基于能耗均衡的思想对各层节点进行部署,使得各层能耗大体相当.文献[8]提出了一种基于参数优化的分簇算法,将网络所有节点分成大小不均匀的静态簇.根据与基站的距离不同,簇的规模相应调整,确保远离基站的簇信息能够准确到达基站;通过优化控制簇规模的相关参数,降低簇间通信能耗;簇内采用簇头连续担任本地控制中心,簇头连续工作的次数由其剩余能量和位置信息优化得到,减少簇头更换频率,有效降低簇内通信能耗,从而使网络寿命最大化的同时,不会降低网络的覆盖和连通性能.
针对 WSNs 的周期性数据收集应用,本文提出一种能量高效均衡的分布式非均匀分簇路由协议 DEBUC.
该协议采用非均匀分簇和簇间多跳路由有机结合的方式.DEBUC采用基于时间的簇头竞争算法,广播时间取决于候选簇头的剩余能量和其邻居节点的剩余能量.同时,距离基站较近的候选簇头具有较小的竞争范围,使得距

⛄二、部分源代码

%能量均衡的无线传感器网络非均匀分簇路由协议
close all;
clear;
clc;
% Network coverage (0,0)~(400,400)m
xm = 400;
ym = 400;
% Base station location (200,450)m
BS.x = 200;
BS.y = 450;
% Node number 1600
NodeNums = 1600;
% Initial energy 0.3J
Eo = 0.3;
% Data packet size 4000bits
packetLength = 4000;
% Data packet header 100bits
ctrPacketLength = 100;
% Energy dissipation parameter
% Eelec=50nJ/bit
% Efs=10pJ/bit/m^{2,Emp=0.0013pJ/bit/m}4
% ED=5nJ/bit,dcrossover=87m
Eelec = 5010^(-9);
Efs=1010^(-12);
Emp=0.001310^(-12);
ED=510^(-9);
dcrossover = 87;
% 参数
T = 0.2; % 簇头比例
Rcomp = 90; % 预先定义的最大竞争半径
c = 0.5; % 0~1的常数
alpha = 0.3;
beta = 0.3;
gamma = 0.4;
delta = 0.4; % alpha+beta+gamma = 1
do = 246; % 簇头至基站距离临界值
% 节点距基站的最大和最小距离
dmax = 0;
dmin = 9999;
% 最大轮数
rmax = 10;
% 簇头选择所需时间(s)
TCH = 60;

%% 节点随机分布
figure(1);
for i = 1:NodeNums
Node(i).x = rand(1,1)*xm;
Node(i).y = rand(1,1)*ym;
Node(i).beVolunteerNode = false; % 候选簇头标志
Node(i).RE = Eo; % 节点剩余能量
Node(i).flag_final_send = false; % 最终簇头发送消息标志
Node(i).flag_final_receive = false; % 接收最终簇头的消息标志
Node(i).flag_t = false; % 等待时间的标志
Node(i).flag_send_BS = false;
Node(i).flag_send_CH = false;
Node(i).CH = 0; % 0 非簇头 -1 自己是最终簇头
Node(i).ENT = 0; % 邻居节点的平均剩余能量
Node(i).List_v_CH = zeros(1, NodeNums); % 候选簇头邻居节点信息表
Node(i).List_v_CH_num = 0; % 候选簇头邻居节点个数
Node(i).List_n_CH = zeros(1,NodeNums); % 邻居簇头信息表
Node(i).List_n_CH_num = 0; % 邻居簇头个数
Node(i).member_num = 0; % 簇头i的邻居簇头成员节点数
Node(i).link = i; % 中继节点
% 计算节点和基站的最大和最小距离
dcurrent = sqrt((Node(i).x-BS.x)^{2+(Node(i).y-BS.y)}2);
if dmax < dcurrent
dmax = dcurrent;
end
if dmin > dcurrent
dmin = dcurrent;
end
hold on;
plot(Node(i).x, Node(i).y, ‘o’, BS.x, BS.y,‘*r’);
title ‘Wireless Sensor Network’;
xlabel ‘X-coordinates’;
ylabel ‘Y-coordinates’;
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蒋畅江 ,石为人，唐贤伦，王平，向 敏.能量均衡的无线传感器网络非均匀分簇路由协议[J].计算机应用研究,2021,38(06)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合