一种适用于雷达传感器网络的多跳分簇方法与流程

本发明涉及通信网络分簇
技术领域：
，具体涉及一种适用于雷达传感器网络的多跳分簇方法。
背景技术：
：雷达传感器网络(radarsensornetworks,RSN)是一种由多个雷达传感器节点组成的无线传感网络。目的主要是探测和跟踪目标。RSN可以通过发射电磁波从不同的方向来探测目标，根据目标的回波信号获取目标的信息。这些信息经嵌入式系统处理后，通过随机自组织RSN以多跳中继方式送到用户终端。RSN通过对小型雷达传感器的组网主动式地对待检测区域实施监测。RSN的应用前景受到了很多国家和科研机构的重视。分簇算法能有效地降低无线网络的能量消耗、延长网络寿命、增强网络连贯性和减少数据开发。它的基本思想是将无线传感网划分为各个片区，即簇(cluster)。并在簇中设定中心控制节点，即簇头(clusterhead)。在节点分簇算法中，根据簇内非簇头节点到簇头节点的跳数，可分为簇内单跳与簇内多跳算法，即可采用单跳算法的非簇头节点直接与簇头进行通信，而多跳算法中的非簇头节点可通过其他中继节点与簇头进行通信。一方面由簇头对簇内其它节点进行管理并且负责数据融合，这大大减少了网络中的控制数据；另一方面由簇头向更上一层的路由(如基站)进行数据的长距离转发，也在很大程度上节省了网络能量，有益于使用分布式算法，适用于大规模部署网络。研究表明分簇算法在传感器网络中性能表现非常好。因此可以将分簇拓扑结构应用于RSN，延长RSN的寿命。现有簇头选择的方法主要以节点的标识参数进行选取。按照网络的需求，根据这些参数的大小选择簇头。这些参数可以是节点的剩余电池能量，连通度，或者多个参数的组合。当需要综合考虑多个因素时，模糊逻辑系统是一种有效的甄选工具。许多簇头选择算法使用了模糊逻辑系统，通过设计模糊逻辑系统的输入输出准则来选择最佳簇头。如在CHEF(cluster-headelectionmechanismusingfuzzylogic)算法中，模糊逻辑系统的输入参数是节点的剩余能量和节点通信范围内与其相邻节点的距离之和。然而，这些研究在设计模糊逻辑系统的模糊准则时，其出发点主要是减少网络的能耗，并没有考虑影响目标检测性能的参数，如信道衰减。多跳分簇算法指的是簇内非簇头节点通过其他中继节点与簇头进行通信。传统的多跳路径算法主要是为了解决能量优化问题。基本思想是从众多路由中选择一条最优路由，通过采用多跳形式减少通信距离以减少发射功率。目前国内外均做了大量的研究。一些多路径路由协议在单路径路由的基础上增加了多路径处理机制，或者研究节能路由策略，考虑跳数，各节点功率控制及传输方式选择路由来延长网络的生命周期。但是对于RSN来说检测目标是主要任务，而现有多跳传输路由并没有考虑影响目标检测性能的因素(如数据传输时的信道增益)，也没有从提升簇头作数据融合后的检测性能出发选择簇头。本文针对上述存在问题或不足，本发明提出了一种适用于RSN的多跳分簇方法，命名为F3&GORS，旨在延长网络生命周期的同时尽可能的提高网络的检测性能。本发明使用模糊C均值聚类算法对RSN进行分簇。在簇头选择上，本发明考虑了簇头向基站传输数据时的信道增益，进而设计了一种具有三个输入的模糊逻辑系统设计方案(fuzzylogicsystemwiththree-antecedents，F3)，用来计算各个雷达传感器的簇头选择概率，具有最大簇头选择概率的雷达传感器成为簇头。簇内采用多跳传输方式，本发明提出了一种基于图论的路由选择算法(agraphbasedoptimalroutingselection，GORS)，该算法考虑了簇内节点多跳传输时的信道增益旨在减少多跳路由传输时的信道损耗。本发明提出的分簇算法与现有分簇算法相比，创新点主要在于以提高网络检测性能为主要目的，在簇头和路由选择上均考虑了数据传输时的信道增益。技术实现要素：针对上述现有技术，本发明目的在于提供一种适用于雷达传感器网络的多跳分簇方法，解决现有技术由于忽略了信道增益而导致的检测性能低等技术问题。为达到上述目的，本发明采用的技术方案如下：一种适用于雷达传感器网络的多跳分簇方法,包括利用由信道增益作为输入的模糊逻辑系统选择簇头方法和利用信道衰减的图论路由选择方法。上述方法中，具体包括如下步骤，步骤1、将具有相同信号处理能力、通信能力和不同初始能量的雷达传感器随机布置于待监测区域，构成雷达传感器网络，再相对基站统计出雷达传感器的位置信息；步骤2、根据模糊C均值聚类算法，结合雷达传感器的位置信息对雷达传感器网络进行分簇，获得雷达传感器聚类的簇；步骤3、相对初始能量统计出雷达传感器网络的剩余能量，将剩余能量、雷达传感器至基站的距离和其向基站发送信号的信道增益作为模糊逻辑系统的输入，通过模糊逻辑系统对簇内每个雷达传感器所在节点进行计算，选择出簇头；步骤4、构建非簇头的剩余节点为结构体，簇头作为结构体内节点的下一个传输节点，再根据图论路由选择方法，对结构体内各个节点的信道衰减系数进行迭代筛选与标记，构建多跳路由。上述方法中，还包括步骤5，雷达传感器网络进入工作阶段：目标随机出现在待监测区域，由非簇头雷达传感器对目标进行检测，并将检测结果经单跳或多跳路径传输给相应的簇头；由簇头对接收到的数据进行融合判决，并将该判决结果发送给基站；基站做第二次融合并作出最终判决监测区域内有无目标；雷达传感器网络每传送一次数据后，由于信道增益发生变化；返回步骤3，重新选取簇头和传输路径；雷达传感器网络每隔一段时间，统计雷达传感器网络中剩余雷达传感器的数目，若该数目少于雷达传感器网络上一次分簇前剩余雷达传感器数目的90％，返回步骤2，重新分簇。上述方法中，所述的步骤3，包括如下步骤，步骤3.1、设计模糊逻辑系统，计算各个雷达传感器的簇头选择概率；步骤3.1.1、将模糊逻辑系统的输入设置为雷达传感器网络的剩余能量、由雷达传感器向基站发送的信号的信道增益、雷达传感器与基站之间的距离；步骤3.1.2、将输入分别划分为三个等级：剩余能量为低、中、高，信道增益为小、中、大，距离为短、中、长；步骤3.1.3、模糊逻辑系统的输出为簇内每个节点当选为簇头的概率，概率划分为非常小、小、中、大、非常大五个等级；步骤3.2、选择模糊逻辑系统输出最大的雷达传感器所在节点作为簇头。上述方法中，所述的步骤4，步骤4.1.1、初始化当前处理节点为簇头n_cur＝clusterhead，并对每一个非簇头雷达传感器构建结构体，标记非簇头雷达传感器为未知状态ni.known＝false；步骤4.1.2、所有非簇头雷达传感器的下一个传输节点为簇头ni.next＝clusterhead；步骤4.1.3、ni.fading表示当前的传输的信道衰减系数，即由ni向n_cur传输的信道衰减系数hi,cur；步骤4.1.4、构建向量Vnode，该向量的元素为非簇头雷达传感器的结构体；步骤4.1.5、对向量Vnode按照结构体元素ni.fading从大到小的顺序排序，其中，向量Vnode的第一个元素Vnode[1]总是具有最大的向当前处理节点n_cur传输的信道衰减系数；步骤4.2.1、标记对应第一个元素Vnode[1]的节点为已知状态，Vnode[1].known＝TRUE；步骤4.2.2、令当前处理节点为第一个节点n_cur＝Vnode[1]，并将第一个节点Vnode[1]置于向量Vnode的最后一个位置；步骤4.3、构建选择向量VselectNode，该向量的元素为向量Vnode中的节点元素nj，其对应的节点满足向当前处理节点n_cur传输的信道衰减系数hi,cur>nj.fading且nj.known＝fasle；步骤4.4、如果选择向量VselectNode为空，回到步骤4.2，否则，继续执行下列步骤；步骤4.5.1、去掉向量Vnode中与选择向量VselectNode相同的元素，并修改选择向量VselectNode中的节点的下一个传输节点为n_cur，nj.next＝n_cur.mark，nj.fading＝hj,cur；步骤4.5.2、对选择向量VselectNode按照结构体的元素nj.fading从大到小的顺序排序；步骤4.6、合并选择向量VselectNode和向量Vnode，且选择向量VselectNode在前，令合并后的向量用向量Vnode表示，清空选择向量VselectNode；步骤4.7、若所有节点均为已知状态，则结束迭代，选择出信道损耗相对较小的节点构建多跳路由，否则，回到步骤4.2.1。与现有技术相比，本发明的有益效果：考虑信道增益以提高雷达传感器网络检测性能；减少多跳路由传输时的信道损耗；延长雷达传感器网络生命周期。附图说明图1为本发明的F3输入隶属函数波形图；图2为本发明的F3输出隶属函数波形图；图3为本发明的GORS路由选择算法初始化阶段的伪代码示意图；图4为本发明的GORS路由选择算法迭代阶段的伪代码示意图；图5为本发明的RSN在F3&GORS和CHEF分簇算法下的生命周期曲线图；图6为本发明的RSN在F3&GORS和CHEF分簇算法下的检测概率曲线图；图7为本发明主要步骤示意图。具体实施方式本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。下面结合附图对本发明做进一步说明：实施例1一种适用于RSN的分簇方法F3&GORS包括以下步骤：步骤一、将具有相同信号处理和通信能力，不同初始能量的雷达传感器随机均匀布置于待监测区域，且位置固定，组成RSN。统计雷达传感器的位置信息。雷达传感器进入工作状态后能量不接收补给。步骤二、分簇：将模糊C均值聚类算法应用于RSN。根据雷达传感器的地理位置信息对网络分簇。步骤三、簇头选择：对步骤二分得的每个簇进行模糊逻辑系统设计，计算簇内每个雷达传感器当选为簇头的可能性，可能性最大的节点成为簇头。模糊逻辑系统的输入为雷达传感器网络的剩余能量、由雷达传感器向基站发送的信号的信道增益、雷达传感器与基站之间的距离，被划分为三个等级：能量为低，中，高；信道增益为小，中，大；距离为短，中，长；系统的输出即簇内每个节点当选为簇头的概率，划分为非常小，小，中，大，非常大五个等级。对每一个雷达传感器的输入(x1，x2，x3)，输出的计算公式为：y(x1,x2,x3)=Σl=127μF1l(x1)μF2l(x2)μF3l(x3)clΣl=127μF1l(x1)μF1l(x2)μF3l(x3)]]>其中，表示输入x1在第l条准则下的隶属函数，表示输入x2在第l条准则下的隶属函数，表示输入x3在第l条准则下的隶属函数，cl表示第l条准则的质心。步骤四、多跳路由传输设计：将GORS路由选择方法应用于上述分簇后的每一个簇内节点。步骤五、RSN进入工作阶段：目标随机出现在待监测区域，由非簇头雷达传感器对目标进行检测，并将检测结果经单跳或多跳路径传输给相应的簇头。由簇头对接收到的数据进行融合判决，并将该判决结果发送给基站。基站做第二次融合并作出最终判决监测区域内有无目标。RSN～每传送一次数据后，由于信道增益发生变化。返回步骤三，重新选取簇头和传输路径。RSN～每隔一段时间，统计RSN中剩余雷达传感器的数目，若该数目少于～RSN～上一次分簇前剩余雷达传感器数目的90％，返回步骤二，重新分簇。一种适用于雷达传感器网络的多跳分簇方法F3&GORS包括簇头选择方法F3和GORS簇内多跳路由选择方法。如F3簇头选择方法包含以下步骤：步骤一：设计模糊逻辑系统计算各个雷达传感器的簇头选择概率，设计准则为表1；其中模糊逻辑系统的输入为雷达传感器网络的剩余能量、由雷达传感器向基站发送的信号的信道增益、雷达传感器与基站之间的距离，被划分为三个等级：能量为低，中，高；信道增益为小，中，大；距离为短，中，长；系统的输出即簇内每个节点当选为簇头的概率，划分为非常小，小，中，大，非常大五个等级。表1设计准则准则输入1输入2输入3输出准则输入1输入2输入3输出1低小短小15中中长小2低小中非常小16中大短非常大3低小长非常小17中大中大4低中短中18中大长中5低中中小19高小短大6低中长非常小20高小中中7低大短大21高小长小8低大中中22高中短非常大9低大长小23高中中大10中小短中24高中长中11中小中小25高大短非常大12中小长非常小26高大中非常大13中中短大27高大长大14中中中中步骤二、选择对步骤一中模糊逻辑系统输出最大的雷达传感器为簇头。GORS簇内多跳路由选择方法包含以下步骤：步骤一、初始化当前处理节点为簇头，n_cur＝clusterhead，并对每一个非簇头雷达传感器构建结构体，标志非簇头雷达传感器为“未知”状态，即ni.known＝false；所有非簇头雷达传感器的下一个传输节点为簇头，即ni.next＝clusterhead；ni.fading表示当前的传输的信道衰减系数，即由ni向n_cur传输的信道衰减系数hi,cur；构建向量Vnode，向量元素为非簇头雷达传感器的结构体；对向量Vnode按照结构体元素ni.fading从大到小的顺序排序，其中，向量Vnode的第一个元素Vnode[1]总是具有最大的向当前处理节点n_cur传输的信道衰减系数；步骤二、标志节点Vnode[1]为“已知”状态，Vnode[1].known＝TRUE；令当前处理节点为n_cur＝Vnode[1]，并将节点Vnode[1]置于向量Vnode的最后一个位置；步骤三、构建向量VselectNode，向量元素为Vnode中的节点元素nj，该节点满足向当前处理节点n_cur传输的信道衰减系数hi,cur>nj.fading且nj.known＝fasle；步骤四、如果向量VselectNode为空(即所有Vnode中的”未知“节点向当前处理节点n_cur传输的信道衰减系数均不大于ni.fading)，回到步骤二；否则，继续执行下列步骤；步骤五、去掉Vnode中与VselectNode相同的元素，并修改VselectNode中的节点的下一个传输节点为n_cur，nj.next＝n_cur.mark，nj.fading＝hj,cur；对向量VselectNode按照结构体元素nj.fading从大到小的顺序排序；步骤六、合并向量VselectNode和Vnode，且VselectNode在前，令合并后的向量用Vnode表示，清空VselectNode；步骤七、若所有节点均为“已知”状态，则结束迭代；否则，回到步骤二。实施例2效果分析将本发明提出的F3&GORS分簇方法与经典基于模糊逻辑的分簇方法CHEF作比较。以100个雷达传感器分布在100m×100m的矩形区域内的RSN为例：图5比较了两者对RSN的生命周期的影响。结果显示：F3&GORS延长了RSN40.9％的生命周期。F3&GORS的优势在于在簇头选择上考虑了节点到基站传输数据是的能耗(以距离表征)，选择了能耗较小的节点成为簇头。图6反映了两者的检测性能。结果显示：F3&GORS有效的提高了网络的目标检测性能。F3&GORS的优势在于选择了信道损失较小的多跳路由作为数据传输方式。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。当前第1页1 2 3