HEED: A Hybrid, Energy-Efficient, Distributed Clustering Approach for Ad Hoc Sensor Networks
文章目录
- 一、理论基础
- 二、分簇过程
- 三、MATLAB程序实现
- 四、参考文献
一、理论基础
针对大规模分布式的传感器网络，节点通过一跳直接与基站通信是不现实的，为此，Younis(2004)等人提出了一种使用固定簇半径的分簇协议HEED(A Hybrid，Energy-Efficient Distributed clustering approach)。
作为衡量簇内通信代价的标准，HEED规定簇头的选择主要依据主、次两个参数。其中主参数依赖于剩余能量，具有较高剩余能量的节点将具有较高的概率成为临时簇头，并且其算法收敛的速度也较快；次要参数如节点邻近度或者节点密度。处于相同簇覆盖范围的多个簇头节点则通过次参数平均可达能级 A M R P AMRP AMRP来竞争出最终的簇头。对于处于多个簇覆盖范围内的成员节点则根据次参数AMRP来选择最终的簇加入。Younis(2004)给出了AMRP的计算方式，一个簇的平均可达能量可以用公式 A M R P = ∑ M I N ( p j ) M AMRP=\frac{\sum MIN{(p_j)}}{M} AMRP=M∑MIN(pj)计算。其中 M M M为该节点的所有邻居节点数， M I N ( p j ) MIN{(p_j)} MIN(pj)为第i个节点能够与簇头通信的射频最小的功率。由于假设传感器节点的发射功率是可以调节的，因此公式如下很好地评估了一个簇的簇内通信代价。
二、分簇过程
HEED分簇算法包括以下几个步骤：
（1）初始化阶段：每个节点计算其包括计算邻居节点的个数，以及自身的 A M R P AMRP AMRP的值，并且设定初始成为簇头节点的概率。
（2）迭代阶段：每个节点在每轮的循环中如果发现自身周围有临时簇头节点则进行相应的判断：如果自身也是临时簇头(tentative cluster head)，并且自身的 A M R P AMRP AMRP的值最小，且此时自己的 C H p r o b = 1 CH_{prob}=1 CHprob=1，则宣布自身为最终簇头，否则进行下一轮分簇；如果邻居节点中没有节点宣布自己为临时簇头，则自身按照一定的概率成为临时簇头。
备选簇头状态： 当节点簇头概率小于1时， 节点为备选簇头状态， 若之后发现具有通信代价更小的簇头节点， 则其改变状态为普通节点， 加入该候选簇头。
最终簇头状态： 当节点簇头概率等于1时，节点作为最终簇头状态， 并向其邻居节点广播。
（3）在迭代结束后，如果临时簇头的邻居中没有其他的临时簇头或者他们的 A M R P AMRP AMRP都比自身小，则该临时簇头宣布自身为最终的簇头(final cluster head)，其他节点周围若没有发现最终的簇头节点也宣布自身为最终的簇头节点。否则加入 A M R P AMRP AMRP值最小的临时簇头。
三、MATLAB程序实现
%% 清空环境变量
clear;
clc;
% 传感器节点区域100×100
xm = 100;
ym = 100;
% 基站坐标
sink.x = 0.5*xm;
sink.y = 0.5*ym;
% 节点总数100
NodeNums = 100;
% 节点成为簇头的初始概率和概率阈值
Cprob = 0.05;
pmin = 0.04;
packetLength = 4000; % 数据包长度
ctrPacketLength = 100; % 控制包长度
% 初始能量(最大能量) 0.3J
Eo = 0.3;
% 发送能耗RTX = 接收能耗ERX = 50nJ/bit
ETX=50*10^(-9);
ERX=50*10^(-9);
% 发射放大器类型
Efs=10*10^(-12);
Emp=0.0013*10^(-12);
% 数据聚合能量
EDA=5*10^(-9);
% 最大轮数
rmax = 5;
% the time of round
Tr=20;
distanceBroad = sqrt(Tr^2+Tr^2);
% 临界距离
do = sqrt(Efs/Emp);
% 节点类型
NON_CH = 0; % 普通节点
TENT_CH = 1; % 临时簇头
FINAL_CH = 2; % 最终簇头
figure(1);
%% 传感器节点的随机分布
for i = 1:NodeNums
Node(i).xd = rand(1,1)*xm;
Node(i).yd = rand(1,1)*ym;
Node(i).RE = Eo; % 节点能量
Node(i).NumNbr = 0; % 邻居节点数
Node(i).AMRP = Node(i).NumNbr; % 平均可达能级
Node(i).CH = 0; % 簇头
Node(i).role = NON_CH; % 节点角色
plot(Node(i).xd, Node(i).yd, 'o', sink.x, sink.y, '*r');
hold on;
title 'Wireless Sensor Network';
xlabel 'X-coordinates';
ylabel 'Y-coordinates';
legend('节点', '基站');
end
hold off;
%% 计算每个节点的邻居节点集
for i = 1:NodeNums
count = 0; % 计数器：用于统计每个节点的邻居节点总数
for j = 1:NodeNums
if j ~= i
dist = sqrt((Node(i).xd-Node(j).xd).^2 + (Node(i).yd-Node(j).yd).^2); % 节点i与节点j距离的平方
if dist < distanceBroad % 如果此距离小于广播半径，则可认为j是i的邻居节点
count = count +1;
Node(i).Nbr(count) = j; % j是i的一个邻居节点
end
end
if j == NodeNums % 说明循环到了最后一个节点
Node(i).NumNbr = count; % 节点i的邻居节点个数count
end
end
end
%% 分簇阶段
for r = 1:rmax
% % 死亡节点总数
% dead = 0;
% % 计算节点死亡数目
% for i = 1:NodeNums
% if Node(i).RE <= 0 % 统计节点死亡数目
% dead = dead + 1;
% end
% end
% if dead == NodeNums % 节点全部死亡退出循环
% break;
% end
s = 0;
% 第一步：初始化
for i = 1:NodeNums
Node(i).RE = Eo;
Node(i).CHprob = max(Cprob*(Node(i).RE/Eo), pmin);
Node(i).AMRP = Node(i).NumNbr; % 平均可达能级
Node(i).CH = 0;
Node(i).role = NON_CH; % 节点角色
Node(i).stop = 1;
s = s + Node(i).stop;
end
% 第二步：迭代，直至节点概率为1或节点死亡(能量耗尽)
while s ~= 0
s = 0;
for i = 1:NodeNums
Node(i).CHprob = max(Cprob*(Node(i).RE/Eo), pmin);
end
for i = 1:NodeNums
if Node(i).RE > 0 && Node(i).CHprob <= 1
flag0 = 0;
flag1 = 0;
for j = 1:Node(i).NumNbr
neighbor = Node(i).Nbr(j);
if Node(neighbor).role == TENT_CH
flag0 = 1;
if Node(i).AMRP > Node(neighbor).AMRP
flag1 = 1;
end
end
end
% 自身是临时簇头
if Node(i).role == TENT_CH
if flag0 == 1 && flag1 == 0 % 周围有临时簇头且自身的AMRP值最小
if Node(i).CHprob == 1 % 概率为1
Node(i).CH = -1;
Node(i).RE = Node(i).RE-(ETX*ctrPacketLength+Efs*ctrPacketLength*distanceBroad^2);
% 邻居节点接收消息
for j = 1:Node(i).NumNbr
neighbor = Node(i).Nbr(j);
Node(neighbor).RE = Node(neighbor).RE-ERX*ctrPacketLength;
end
end
end
end
% 邻居节点无临时簇头
if flag0 == 0
if rand <= Node(i).CHprob
Node(i).role = TENT_CH;
Node(i).RE = Node(i).RE-(ETX*ctrPacketLength+Efs*ctrPacketLength*distanceBroad^2);
% 邻居节点接收消息
for j = 1:Node(i).NumNbr
neighbor = Node(i).Nbr(j);
Node(neighbor).RE = Node(neighbor).RE-ERX*ctrPacketLength;
end
end
end
% 备选簇头状态
if Node(i).CHprob < 1
Node(i).role = TENT_CH;
Node(i).RE = Node(i).RE-(ETX*ctrPacketLength+Efs*ctrPacketLength*distanceBroad^2);
x = Node(i).AMRP;
for j = 1:Node(i).NumNbr
neighbor = Node(i).Nbr(j);
Node(neighbor).RE = Node(neighbor).RE-ERX*ctrPacketLength;
if Node(neighbor).role ~= NON_CH % 簇头节点
if Node(i).AMRP > Node(neighbor).AMRP % AMRP值更小
Node(i).role = NON_CH; % 改为普通节点
Node(i).CH = neighbor; % 加入该候选簇头
Node(i).AMRP = Node(neighbor).AMRP;
end
end
end
Node(i).AMRP = x;
else % 最终簇头状态
Node(i).role = FINAL_CH;
Node(i).CH = -1;
Node(i).RE = Node(i).RE-(ETX*ctrPacketLength+Efs*ctrPacketLength*distanceBroad^2);
for j = 1:Node(i).NumNbr
neighbor = Node(i).Nbr(j);
Node(neighbor).RE = Node(neighbor).RE-ERX*ctrPacketLength;
end
end
else
Node(i).stop = 0;
end
s = s+Node(i).stop;
Node(i).CHprob = min(Node(i).CHprob * 2, 1);
end
end
%% 第三，处理孤儿节点
for i = 1:NodeNums
if Node(i).RE > 0
if Node(i).role ~= FINAL_CH
flag = 0;
for j = 1:Node(i).NumNbr
neighbor = Node(i).Nbr(j);
if Node(neighbor).role ~= NON_CH % 簇头节点
flag = 1;
y = Node(i).AMRP;
if Node(i).AMRP > Node(neighbor).AMRP % AMRP值更小
Node(i).role = NON_CH; % 改为普通节点
Node(i).CH = neighbor; % 加入该候选簇头
Node(i).AMRP = Node(neighbor).AMRP;
end
end
end
if flag == 0
Node(i).CH = -1;
Node(i).role = FINAL_CH;
else
Node(i).AMRP = y;
end
end
end
end
figure(r+1)
%% 画出分簇图
for i = 1:NodeNums
if Node(i).role ~= NON_CH
plot(Node(i).xd, Node(i).yd, '*'); % 簇头节点以*标记
hold on
text(Node(i).xd, Node(i).yd, num2str(i));
else
plot(Node(i).xd, Node(i).yd, 'o'); %普通节点以o标记
text(Node(i).xd, Node(i).yd, num2str(i));
hold on
plot([Node(Node(i).CH).xd; Node(i).xd], [Node(Node(i).CH).yd; Node(i).yd]); % 将节点与簇头连起来，即加入簇头集合
hold on
end
end
end
其中一个分簇如图所示：
四、参考文献
[1] Younis O , Fahmy S . HEED: A Hybrid, Energy-Efficient, Distributed Clustering Approach for Ad Hoc Sensor Networks[J]. IEEE Transactions on Mobile Computing, 2004, 3(4):366-379.