无线传感器网络课件第七章无线传感器网络技术概述拓扑控制.

第七章无线传感器网络的拓扑控制技术拓扑控制技术概述拓扑控制意义拓扑控制的设计目标功率控制技术典型的层次型拓扑控制方法拓扑控制中的休眠调度技术路由层拓扑管理/控制MAC层拓扑控制技术是无线传感器网络中的基本问题。动态变化的拓扑结构是无线传感器网络最大特点之一，因此拓扑控制策略在无线传感器网络中有着重要的意义。目前，在网络协议分层中没有明确的层次对应拓扑控制机制，但大多数的拓扑算法是部署于介质访问控制层（MAC）和路由层（Routing）之间，它为路由层提供足够的路由更新信息i，反之，路由表的变化也反作用于拓扑控制机制，MAC层可以提供给拓扑控制算法邻居发现等消息。拓扑控制技术概述向上提供信息向上提供信息触发算法运行触发算法运行拓扑控制的概念与意义概念•拓扑控制（topologycontrol）是一种协调节点间各自传输范围的技术，用以构建具有某些期望的全局特性（如，连通性）的网络拓扑结构，同时减少节点的能耗或增加网络的传输能力。•网络拓扑：由传输媒体互连所形成的网络节点的物理连接结构意义1、减少节点的通信负载，提高通信效率；2、减少网络耗能，延长网络寿命；3、辅助路由协议；拓扑控制的研究方向WSN中拓扑控制可以分为两个研究方向：功率控制和层次拓扑结构控制。功率控制机制调整网络中每个节点的发射功率，保证网络连通，在均衡节点中直接邻居数目(单跳可达邻居数目)的同时，降低节点之间的通信干扰。层次拓扑控制是利用分簇思想，使网络中的部分节点处于激活状态，成为簇头节点。由这些簇头节点构建一个连通的网络来处理和传输网络中的数据，并定期或不定期地重新选择簇头节点，以均衡网络中节点的能量消耗。拓扑控制的评价指标连通性在没有拓扑算法前，两个节点之间存在k条路径，那么使用拓扑算法后，这两个节点中也应该有存在k条路径。覆盖性覆盖问题中，最重要的因素是网络对物理世界的感知能力。吞吐量化简后的网络拓扑结构应该能够支持与原始网络相似的通信量。扩展性（网络容量）减少数据传输节点所能影响的邻居节点的数量,减少节点通信的传输范围,可以有效减小网络中的冲突域,从而降低通信冲突的概率。相反，网络中的冲突就越多,节点通信也就更容易发生数据丢包或重传现象。鲁棒性网络发生变化时，一些节点可能会变化它们的拓扑信息，显然，鲁棒的拓扑结构只需要进行少量的调整，这样可以避免对本地节点的重新组织而造成整个网络的波动。实现拓扑控制的手段1、在保证网络的连通性与覆盖性的情况下，控制节点的发射距离，减少发射功耗，同时减少分组冲突的可能性，减少协议不必要的开销；2、尽可能让多的节点进行休眠，降低功耗；3、数据融合，减少分组的冗余。拓扑控制的应用效果拓扑控制的分类基于位置的拓扑控制算法-邻近图基本思想设所有节点都使用最大发射功率发射时形成的拓扑图G，按照一定的邻居判别条件q求出该图的邻近图G'，最后G'中的每个节点以自己所邻近的最远通信节点来确定发射功率。经典的邻近图算法RNG、GG、DG、YG、MST、DRNG、DLMST、DLSSDRNG与DLSS算法第一步:每个节点以最大的发射功率广播HELLO信息，该信息至少包括：节点ID号、最大的发射功率、自身的位置。节点在收到HELLO信息后，确定了自己可以达到的邻居集合。第二步：DRNG以各自的邻居算法确定邻居集合，DRNG以与它节点最近的邻居节点选择优先；而DLSS最小化了图中所有边的最大能量消耗,并取单跳距离的节点作为其邻居节点。第三步确定邻居节点后，将发射半径调整到最远邻居节点的距离，进一步通过对拓扑图的边进行增删，使网络达到双向连通。邻近图算法仿真结果对比基于邻居的拓扑控制算法基于节点度数（邻居）的算法LMA、LMN、LINT、LILTLMA(localmeanalgorithm)--本地平均算法给定节点度的上限和下限,动态地调整节点发射功率,使节点的度数始终维持在度数的上限和下限之间.这种算法利用局部信息来调整相邻节点的连通性,从而在保证网络连通的同时使得节点间的链路具有一定的冗余性和扩展性。LMN(localmeanofneighborsalgorithm)--本地邻居平均算法与LMA不一样的地方是，LMN的邻居节点的数目依据于所有邻居的邻居节点数求平均值作为自己的邻居节点数。仿真结果显示,这种策略在保证网络连通的同时,通过少量的局部信息使网络性能达到了一定程度的优化.但是,这两种算法缺乏严格的理论推导.层次型拓扑结构控制•层次型拓扑结构产生背景传感器节点在无线通信模块在空闲状态与收发状态下的能耗相当，因此只有关闭其节点的无线通信模块才能真正有效的降低非工作能耗。层次分簇就是在这一背景下产生的。层次型拓扑控制的思想与关键技术关键技术层次分簇算法的核心是如何选择簇头集合，并把剩余的节点划分到已经产生簇头集合中。分簇的基本思想通过簇首对簇内节点间的相关信息融合及转发机制减少数据的传输量和距离,进而降低通信能量,达到网络节能的目的。WSN中不同拓扑下的数据传输方式•LEACHLEACH不是一个单纯的路由协议，它提供了一个包括分群、路由、MAC和物理层的完整的无线传感网络的协议框架，也可以说是一个分层路由的体系结构。LEACH协议是众多分层协议参考的模型，称为经典。LEACHLEACH•LEACH概述LEACH算法是一种分布式、自组织的分簇协议。运行LEACH协议的无线传感器网络会随机选择一些节点成为簇头，并令所有节点周期性地轮换成为簇头，使整个网络的能量负载达到均衡。在LEACH协议中，簇头节点将来自其成员节点的数据进行压缩聚合，然后将聚合后的数据通过单跳的方式直接发送给基站节点，大大减小了整个网络中的数据交换量，使得总体能耗有了大幅度的下降。LEACH算法的假设基站是固定的而且远离传感器节点网络中的传感器节点都是同型传感器节点而且能量受限的每个节点都有能力和基站通信节点没有位置信息对称二进制信道簇首可以进行数据融合LEACH工作流程簇头选择算法1、确定最优簇头数目；2、计算每个节点成为簇头的概率；相关参数：全网的节点数、簇头数目、能量评估（单节点与全网）、当前的循环数。目的：确保所有节点大致在相同时刻耗尽能量而停止工作，延长网络的生命周期。1、簇头进行数据融合，减少冗余数据量；2、在MAC层中使用了TDMA、CSMA、CDMA等机制来共同处理簇内与簇间的冲突问题；3、采用选举簇头算法，保证WSN能量消耗平均负载到各节点上；4、采用层次路由，路由路径选择比较简单，不需要存储很大的路由信息。LEACH优点LEACH缺点1、簇头选举随机性很强，可能会出现簇头集中在某一个区域的现象，造成簇头分布不均匀。LEACH缺点2、信息的融合和传输都是通过簇头节点来进行，造成了簇头节点能量消耗过快的问题；3、发射机和接收机必须严格遵守时隙的要求，避免在时间上互相重叠，然而，维持时间同步又增加了一些额外的信令通信量。节点的时间表可能会需要较大的存储器。4、LEACH要求节点之间和节点与Sink点之间都能进行直接通信，网络的扩展性差，对于大规模网络而言，节点直接进行通信需要消耗大量的能量。并且采用单跳路由方式，增加了交换数据的能量。LEACH适用场合LEACH适用于周期性信息报告，对延时不敏感。网络布设范围小，所有节点到sink的距离可以认为相等。实际应用：博物馆的文物保护检测LEACH改进LEACH-MH算法：相比LEACH协议，在数据稳定传输阶段，采用簇头多跳传输，增强网路的扩展性，已减少单个簇头的能量消耗，但多跳又造成了多跳的路由选择的耗能。LEACH改进LEACH-COOP算法：相比LEACH协议，引入了协同节点，在最后数据融合后，发送数据到sink节点时，采用群内选择好的协同节点发送，以减少由于原LEACH协议中存在的由于群首节点分布不均匀造成的通信传输消耗大的问题。1、如何实现时间同步？2、要实现CDMA技术必须物理层支持DSSS（直接扩频序列）；在高斯信道中当传输系统的信噪比下降时，可用增加系统传输带宽B的办法来保持信道容量C的不变。3、如何进行全网的能量评估？4、簇头是否可靠与sink节点通信？5、实现睡眠与唤醒的计算ttotal=toperation+tawaken+ttransmit;还有很多实际问题~~~LEACH实际的应用HEED算法HEED--HybridEnergy-EfficientDistributedclustering混合能量高效分布式分簇算法HEED产生背景HEED是在LEACH算法簇头分布不均匀这一问题基础上而作出对LEACH协议分簇算法的改进，它以簇内平均可达能量（AMRP）作为衡量簇内通信成本的标准。HEED算法的实质在LEACH算法基础上，重点修改了选举簇头的算法。在全网时间同步的基础上,将节点根据当前剩余能量占初始能量的比例p划分为若干“等级”,等级较高的节点率先公布自己为簇头,而等级较低的节点在收到簇头广播后加入这个簇。如果节点的剩余能量降为初始能量的1%就被除去竞选簇头的资格。),/max(minmaxPEECPresidentprobHEED分簇算法HEED分簇依据：注：Cprob和Pmin是整个网络统一的参量，合适的参数可以有效地增加算法的收敛性。Eresident/Emax代表节点剩余能量与初始化能量的百分比。HEED协议主要依据主、次两个参数,分别反应能耗状况和节点的通信代价,通过将能耗平均分布到整个网络来延长网络生命周期。主参数--依赖于剩余能量,用于随机选取初始簇头集合,具有较多剩余能量的节点将有较大的概率暂时成为簇头,而最终该节点是否一定是簇头取决于剩余能量是否比周围节点多得多。次参数--依赖于簇内通信代价,用于确定落在多个簇范围内的节点最终属于那个簇,以及平衡簇头之间的负载。),/max(minmaxPEECPresidentprobHEED与LEACH分簇对比主要改进在簇头选择中考虑了节点的剩余能量,并以主从关系引入多个约束条件。实验结果表明,HeeD分簇速度更快,能产生更加分布均匀的簇头、更合理的网络拓扑。LEACH簇头分布HEED簇头分布HEED的优缺点HEED的优点HEED综合地考虑了生存时间、可扩展性和负载均衡，对节点的分布更均匀。HEED的缺点虽然考虑了节点分布的问题，但对于sink节点的附近节点的能耗过快消耗的问题还是没有解决。还有进行能耗检测与交换能耗信息的时候会造成很大的开销，而且HEED算法是周期性更换簇头的，所以能耗是相当可观的。GAF算法•GAF--GeographicalAdaptiveFidelityGAF是一种基于地理位置为依据的分簇算法•GAF核心思想在各数据到数据目的地之间存在有效通路的前提下，尽量减少参与数据传输的节点数，从而减少用于数据包侦听和能量开销。GAF算法分析•GAF算法过程•第一阶段：划分虚拟单元格•划分根据：1、节点的位置；2、节点的通信半径；•GAF算法过程•第二阶段：选择簇头节点•三种状态：初始阶段：发现成为簇头：活动竞争失败：睡眠•竞争簇头节点要素•1、广播位置与ID•2、竞争值：Td•3、簇头运行值：TaGAF优缺点GAF优点根据单元格的大小，可以最大化地使大部分节点睡眠，从而节省了网络总能耗。GAF缺点没有考虑节点的剩余能量，随机选择节点作为簇头，还要求同一单元格的节点保持时间同步。而且没有考虑移动节点的存在。还有一个比较严重的问题是负载不均匀，在sink节点附近的单元格消耗能量最严重，这可称为热区，很容易失去了与sink节点相邻的单元格的通信，造成网络断开。（数据融合可以解决）WSN的技术1、数据融合2、时间同步3、定位技术