第八周论文学习 A tree-cluster-based data-gathering algorithm for industrial WSNs

    出版源 ：《Access IEEE》, 2015, 3:381-396   声明：以下均为阅读论文笔记。

---

 

算法简称为：TCBDGA

 

问题：无线传感器网络讨论最多的的就是网络生存周期（能量消耗），数据延迟以及网络连接性能的优化。

 

以下主要介绍基于树-簇结构的数据收集算法，应用于工业无线传感器网络，主要是能量消耗的优化。

WSNs中影响能耗的因素有三方面：监测、接受、转发。其中监测相较于其他两种方式，能耗可以忽略。所以当K bits大小的数据传输时，我们的能耗计算公式如下：

 

模型建立 ： 如图1

假设在LXL区域内随机分布了N个传感器节点。 基站BS位于中心，并且移动节点有无线能能量（随时可以充能）、内存以及计算能力。

所有传感器节点的初始能量均为E_0； 

每一个传感器节点的地理位置可测（利用其它技术可以做到，这里不做介绍），这样移动节点就可以知道每一个传感器节点的位置；

每一个node（传感器节点简称，以下同）的传输范围为R_s,不考虑通信失败的存在；

每一轮的数据收集过程中，同一个node只收集、转发一次数据。

TCBDGA算法的具体实现过程

先看图有个大概的理解，理解了之后，再看具体实现算法。

                                               

 

首先，LXL区域中的node，根据各自剩余能量、自身到BS的距离、相邻节点的个数等，划分为小块区域（图中虚线包围的即是）；

然后是tree-cluster-based 结构的形成：以左上角第一个区域为例，node根据TCBDGA算法，形成树结构，抽象如右边图所示（数字是区别表示，4,7没有显示出来），成节点12为RP（root point）;

最后是Data-Gathering过程：每块区域内的node向该区域的根节点（RP）发送信息，由于根节点的位置信息已知，所以移动节点（Mobile Sink）只需要与所有的根节点进行数据交换即可。从而达到节省能量的效果。

 

具体算法实现如下：

1)树结构形成

首先，每个node需要计算它的一步邻接点和两部邻接点的数量以及自身的权重

       举例：node 7 的one-hop（一步邻接点）有【4,5,8】，two-hop（两步）有【1,3,4,5,6,8,12只要两步到达的都算】

因此，我们让每一个node广播一个信息BRO_MSG_T（包含它自身的ID number、剩余能量E_i、生存时间T=2，每经过一个node，T减1)，任意一个node收到这样的信息时，检查T值，T值为0时，则抛弃。否则，记录该信息。

       举例：node 1 的广播信息，只有two-hop以内的node可以收到，并且分别记录自己收到的所有有效广播信息。

如此，任意node i都有了one-hop 和 two-hop 的邻接点node的信息。令他们的数量分别为N_i^1-hop、N_i^2-hop，有一下公式：

 

要形成树，就要有衡量的标准。这里我们用权重W_i来表示。其中D_i表示node i 与基站BS之间的距离（采用一定技术是可以计算出来的）

有了权重，就可以根据权重的大小进行排序，显然权重小的node在树结构中的深度h越大。当然，肯定有特殊情况，大致分为如以下三种：

我们定义节点i的one-hop范围内其他节点的权重的最大值为W_{k k=1,2,3.....} 

------W_i<W_k （就是它的邻接点中存在比它权重大的节点，去最大权重的节点k为父节点） 此时，i节点是K节点的叶子节点；

------W_i=W_k  （邻接点中最大的权重与它的权重相等） 还记得我们一开始的广播信息BRO_MSG_T，其中有一项是 ID number,比较它们两的ID number，如果i<k, node K作为父节点（ID number没有理解是什么。。。。），i>K 如果node i 有子节点，那么不必寻找父节点，否则按照第三种情况处理

------W_i>W_k  （邻接点中所有的权重都小于它） 如果node i 没有子节点，选择K作为它的父节点，以避免落单！！！如下图，node 1 选择node 5 作为父节点。

 node 1 的邻接点2,3,4,5 权重都小于node 1的，假定node 5是邻接点中权重最大的节点。

经过以上过程，我们就把LXL区域内的所有节点，抽象成了一颗一颗树的结构，但是，里面会有一些树的深度过于太大，反而会加大能量的损耗，为此需要进一步优化树的结构，具体如下：

树名以根节点的 ID number来表示，形成树结构以后，根节点广播一条信息BRO_MSG_H （有两部分构成：根节点ID和跳数h（原文成为hop level类似于深度）），h的初始值为0，每经过一个node，h值加1。如此一来，所有node都知道了自己所在树结构的根节点ID，以及自己到root 节点的跳数。

首先，根据之前的算法，根节点一定是具有最高的剩余能量和最多的邻接点，因此，我们选择所有的根节点为汇聚节点，成为RPs（Rendezvous Point）

其次，当树的深度太大时，我们选择在该树种选择一些子汇聚节点（SRP Sub-RP），以达到能量负载均衡，延长网络生存周期的目的。

SRP选择的实现过程如下：

根据BRO_MG_H信息，每一个node可以获得很多信息：

----自身到根节点的深度H(i,RP)；

----子节点数CN(i)；

----kbits的数据传输时，节点i传输的数据大小DS(i)=(CN(i)+1)X k;

 If  H(i,RP) > 2 and  CN(i) > = 2

     node i set itself SRP-candidates    and its weight CW(i) = H(i,RP) x DS(i);              // 如此，距离RP较远或者拥有大量缓存的node都成为SRP-candidate

                                                                                                                          //All SRP-candidate exchange information with their 2-hop child nodes

If node i 的父节点不是SRP-candidate 并且它的子节点中拥有不止一个SRP-candidate,令子节点中权重最大的为CW(k)

     then node k 为子节点中的SRP

          then  compare（CW(i)，CW（k））

             if 相等，跳数小的为SRP

               else 最大权重者为SRP

if SRP-candidates are 2-hops away from each other

     all claim to be SRP

如下图 ：