摘 要

无线传感器网络作为21世纪最重要的高新技术之一，受到了人们的广泛关注。由于无线传感网络中的每个节点都是电池供电，能量十分有限，为解决这一问题，本文通过分析国内外对无线传感器网络研究的现状及相关背景发展，根据无线传感器的相关理论，提出了基于K-均值算法改进后的BPK-均值分簇算法，并通过仿真实验说明，这种算法能有效地平衡节点的能耗负荷，大幅度延长网络的使用寿命，使网络具有更好的鲁棒性和较高的通信效率。

关键字：无线传感网络；均值聚类；分簇算法

Abstract

As one of the most important high technologies in the 21st century, wireless sensor networks have received widespread attention. Because every node in the wireless sensor network is battery-powered, the energy is very limited. In order to solve this problem, this paper analyzes the status quo of the research on wireless sensor networks at home and abroad and related background development, according to the relevant theories of wireless sensors, The improved BPK-mean clustering algorithm based on the K-means algorithm and simulation experiments show that this algorithm can effectively balance the node's energy consumption load, greatly prolong the service life of the network, and make the network have a better performance. Great and efficient communication efficiency.

Key words: wireless sensor network; mean clustering; clustering algorithm

目 录

1 绪论 1

1.1研究的背景及意义 1

1.2研究的基本内容 1

1.3国内外研究现状 2

2 无线传感器网络及分簇算法相关概述 4

2.1无线传感器的相关概念 4

2.1.1无线传感器网络的定义与特点 4

2.1.2无线传感器网络的体系结构 5

2.1.3无线传感器网络的性能评价 7

2.2 无线传感器网络分簇算法简介 7

2.2.1基本概念 7

2.2.2无线传感器网络分簇算法优点 8

3 无线传感器k-means聚类分簇分析 9

3.1 无线传感器K-means聚类 9

3.1.1网络模型 9

3.1.2 K-means聚类算法思想及步骤 9

3.2 无线传感器的簇头选举 12

4 K-均值算法的改进 14

4.1系统模型 14

4.2算法的设计思想及描述 14

4.2.1问题描述 14

4.2.2算法描述 15

4.2.3算法分析 19

4.3仿真实验与结果分析 20

4.4本章小结 23

5 结论 24

参考文献 25

附 录 26

致谢 29

1 绪论

1.1研究的背景及意义

无线通信技术、电子技术、微机电系统技术的飞速发展，推动了低成本、多功能、低功耗、体积小、可进行短距离无线通信的传感器的进步。这些传感器节点集成了信息感知、数据处理和无线通信等功能，使大量节点通过协同工作构建无线传感器网络成为可能。无线传感器网络作为一种新的信息获取方式和信息处理模式，通过大量部署在监测区域内的传感器节点，采集网络覆盖区域内感知对象的信息，采用多跳的无线通信方式，将收集、处理后的信息提供给终端用户。它将逻辑上的信息世界与客观上的物理世界联系起来，改变了人类与自然界的交互方式，实现了物理世界、计算机世界以及人类社会三种世界的连通，被认为是21世纪最具影响力的技术和10个将改变世界的技术之一。

无线传感器网络中的每个节点一般由电池供电，所以能量有限，使用后也难以再次填补。但每个节点对整个网络来说都是至关重要的，增加节点寿命就是增加网络寿命，这也是设计无线传感器网络路由算法的重要目标之一。根据无线传感器网络的特点，科学家提出了适合于无线传感器网络提高寿命的各种路由算法和协议，这些算法大致可分为四类：二维、多层二维、基于地理位置信息的和基于QoS的路由协议类的。为了尽可能提高网络生存时间，我们需要找到一种高效的分簇路由算法，可以实现网络能量的均匀消耗。同时，在各轮的数据采集过程中，尽可能减少每个节点的总能量消耗，不管是簇头还是节点，从而实现网络生存时间的有效提升。

1.2研究的基本内容

无线传感器网络中的节点由电池供电，并且电池容量有限，但是大多数应用场景需要高的网络寿命，这需要它工作数年甚至几十年。因此，低功耗路由协议的设计已经成为无线传感器网络路由研究的热点问题。

本文主要研究无线传感器网络中的分簇路由算法。针对无线传感器网络路由的应用相关性和现有协议的不足，在传统的k-均值聚类算法的基础上，提出了一种基于经典的LEACH算法中的“轮”思想的分布式聚类算法BPK-means。在研究这种新的分簇路由算法时，主要研究内容是优化簇结构和节点间的能量消耗，延长网络寿命是主要研究目标，考虑剩余能量，选择合理的簇首节点的位置。BPK-means意味着分布式聚类算法通过执行簇计算和每个节点交换信息来确定最优的簇结构。在簇的过程中，簇首被平衡来调整策略，簇首根据最优簇首选择策略更有活力。该算法还实现了集群结构的组合。合理的优化使网络的能量消耗平衡，最终延长网络的生命周期。

最后，为了验证算法的性能，通过Matlab仿真平台进行了仿真实验。结果表明，优化了网络簇的结构，均衡了网络的能耗，提高了网络的通信效率，延长了网络的生命周期。k-均值算法是聚类算法中最常用、最著名的算法之一。将传统的聚类算法应用到无线传感器网络的簇路由协议算法中。探索了一种高效、节能的分簇路由算法，拓展了聚类算法的应用领域和前景。

1.3国内外研究现状

人们对传感器网络的研究可以追溯到十九世纪八十年代。但当时无论是嵌入式计算机技术、无线通讯技术、芯片技术等一系列配套技术，都极大地限制了无线传感器网络技术的研究与发展。上个世纪末，由美国为代表的国家提出了“传感器走向无线时代”的关于无线传感器网络最具代表性论述。随后，美国的移动计算和网络国际会议提出无线传感器网络是下一个世纪面临的发展机遇。2003年，美国《技术评论》杂志论述未来新兴十大技术时，无线传感器网络当之无愧被列为第一项未来新兴技术。同年，美国《商业周刊》未来技术专版论述四大新技术时，无线传感器网络也列入其中。美国《今日防务》杂志更认为无线传感器网络广阔的发展和应用前景将引起一场空前的生产技术和未来战争方向的变革。2004年《IEEE Spectrum》杂志发表了一期“传感器的国度”的专辑，初步论述了无线传感器网络的发展未来传感器网络发展方向。不难预料，无线传感器网络将会对人们的生产生活方式带来不可估量的的影响，甚至带来又一项工业变革。无线传感器网络的高深的学术价值和不可估量的应用前景引起了诸多国家军事、生产和学术界激烈竞争。

我国对无线传感器网络研究起步相对较晚，随着国家慢慢变得强大，我国也日益重视其高端产业的发展。“中国未来20年技术预见研究”提出的一百六十个技术课题中有接近百分之二十的课题直接涉及无线传感器网络的研究。06年初发布的《国家中长期科学与技术发展规划纲要》为信息技术确定了3个前沿方向，其中两个与无线传感器网络研究直接相关。我国国家自然科学基金和863国家高新技术研究发展计划就直接资助多个无线传感器网络的研究项目，973国家重点基础研究发展计划也对研究无线传感器网络的基础理论和关键技术项目进行了又一轮资助，从而推动了国内无线传感器网络的发展与壮大。然而在无线传感器网络中的重要组成部分中，传感器节点一般采用有限能量的电池供电，它的计算能力和通信能力十分有限。而且在无线传感器网络中，一般情况下除了少数节点是动态跳跃的，大部分节点都是静止的，因实际情况而定。所以无线传感器网络有着特殊的设计要求。也因它们通常运行在人无法接近的恶劣甚至危险的远程环境中，电源无法无法更换，设计有效的策略延长网络的生命周期成为无线传感器网络的核心问题。这些独特的要求和制约因素为传感器网络的研究提出了新的技术问题。无线传感器网络处于新技术的最前沿，是许多学科交叉的研究领域，涉及网络拓扑控制、网络协议、网络安全、时间同步、定位技术、数据融合、数据管理、无线通信技术、嵌入式操作系统、应用层技术等关键技术。目前尚存在着许多值得探讨的热点课题，国内外学者正在进行深入研究。

2 无线传感器网络及分簇算法相关概述

2.1无线传感器的相关概念

2.1.1无线传感器网络的定义与特点

无线传感器网络由部署在监控区域的无线网络上的大量传感器组成。其目的是探测、采集和处理区域中的各种我们所需要的信息并将其释放给观察者。是信息获取和处理的新工具。它已成为计算机科学领域中的一个活跃分子。与传统的网络相比，无线传感器网络面临着一系列挑战性的问题。主要特点如下：

（1）通信能力十分有限：传感器节点的通信覆盖度很小，通常只有几米甚至更小。由于无线信道受障碍物和自然环境的影响，节点之间的通信频繁，通信失败率高。

（2）对数据的处理和存储能力有限。传感器节点就是单片机，其体积微小，处理器和数据存储器的容量十分有限。

（3）节点数庞大。为了获取准确的数据，大量的传感器节点将被分配到控制区域。中央网络分布在广泛。

（4）网络动态波动强烈。中央网络系统的偏差率高，无线通讯链接的宽度改变，移动，增加新的点。网络的扩张性变化。

（5）有限的电源供电。无线传感器网络所部署自然环境复杂,通过更换补充电源是不现实的。传感器节点的能量消耗如图2-1所示。但其还有很大一部分是由电池电源故障所引起的不必要的浪费。

图2-1传感器节点能量消耗情况

我们从上图可以看出，传感器节点的绝大部分能源消耗在无线通信模块（发送、接收）还有待机中。传感器节点发送的信息大于操作消耗。传感器节点需要足够的能量来执行3000个类型的操作指令。功率约束是影响无线传感器网络应用的一个严重问题。

（6）自组织网络：由于无线传感器网络的特殊性，包括自动网络、网络终端验证、防止非法用户入侵等，所以我们要求无线传感器网络必须具有自动配置、识别、管理和高度协作等功能。如若我们要求无线传感器网络具备以上特点，必定会导致节点移动还有更多能量的消耗。由于网络拓扑结构的变化，无线传感器网络（WSN）也需要强大的鲁棒性。在无线传感器网络中，为了采集我们所需要的信息，节点之间的通信和协作可以被用于数据的处理，并共享数据，从而获得全面的目标信息。

（7）以数据为中心：我们建立无线传感器网络就是采集我们所需要的信息，它不以地址作为路由的基础，而节点没有全局的统一寻址。无线传感器网络（WSN）是一个基于任务的网络，用户关注的是区域和事件信息本身的感知，而不是节点数据的报告，也不会直接指定一个节点来完成任务，在这个意义上，无线传感器网络是一个以数据为中心的网络。

（8）无线传感器网络具有强应用性：无线传感器网络的在不同方面的应用涉及不同类型的信息，不同无线传感器网络的对硬件软件还有协议要求不同。因此，无线传感器网络的设计是相关的，但并没有统一的通信协议平台。

2.1.2无线传感器网络的体系结构

无线传感器网络由传感节点、汇集节点和感知对象三部分组成。汇集节点也是人们常说的基站，其数据处理能力强、交互力比较强，存储容量大，完成传感器网络和主机之间的通信。传感节点分布在该区域内完成，采集相关数据和监测对象任务，并将数据发送到采集节点后进行数据协调，通过网络或通信卫星WiReR实现节点与任务管理的通信。

图2-2传感器网络的体系结构

传感器节点是一般包括四个基本模块（传感器模块、处理器、无线通信模块和电源）和三个可选模块（定位、移动和能量生成模块），如2-2所示。传感器模块通常由传感器和数字转换器（ADC）组成。在通过AD转换器将信号进行模数转换之后，传感器收集该区域数据并将其输送到处理器模块；处理器模块由处理器和存储器组成。它向整个传感器节点发送操作命令，存储和处理自身收集的数据，并发送来自其他节点的通讯数据。无线通信模块负责与其他传感器节点的无线通信，发送和接收数据，交换控制信息；能量供应模块提供传感器节点运行所需的能量；定位模块负责定位节点。确定节点的绝对位置或相对位置。移动模块负责控制节点的移动并将节点移动到所需的位置；能量生成模块通常为使用太阳能提供更多的能量服务给传感器节点。如图2-3所示。

图2-3传感器网络中节点结构

与传统的传感器网络不同，形成WSN的节点可以通过通信模块组织成网络。传感器节点的处理模块可以是简单的数据采集处理，多个节点可以协作更复杂的任务，为分布式数据采集算法的设计提供了硬件基础。

2.1.3无线传感器网络的性能评价

无线传感器网络的性能直接影响到网络设计的有效性和实际应用的范围。这是网络设计中需要考虑的关键问题。虽然已经提出了大量的标准来评估传感器网络的性能，但是这些标准还不够实用，无法进一步建模和量化。

（1）生命周期，指从网络启动到无法提供给观察者的信息的持续时间。

（2）信息采集精度，指观察者接受到的信息的精度。

（3）时间延展性，观察者发出接收应答信息的请求所需的时间。

（4）可靠性，接收消息可信度

（5）可扩展性，由于应用环境复杂，传感器网络不是一层不变的，比如增减节点，数据采集区域扩张等。

2.2 无线传感器网络分簇算法简介

2.2.1基本概念

所谓聚类是将网络中的节点划分成层次结构，不同地理位置的相邻节点构成一个集合。每个簇选择簇首。簇节点将收集到的数据直接发送到簇首，簇首将数据发送到接收器。图2-4描述了集群网络中的数据流。成员节点将数据发送到它们各自的簇首节点。簇首节点通过其他中间簇首节点将数据发送到基站。

图2-4无线传感器网络分簇结构

因为簇首经常在长距离传输数据，所以它们将消耗比成员节点更多的能量。因此，网络将周期性地重新聚类并选择能量有效的节点来充当簇首，从而将负载均匀地分配给所有节点。群集不仅可以提高能量利用效率，而且可以减少信道拥塞和数据冲突的概率，并使网络具有更好的吞吐量。

2.2.2无线传感器网络分簇算法优点

经大量实验研究表明，为了延长网络的使用寿命，为提高数据的精确度，为收集有效数据要有多种特性。

（1）计算方法应该具有良好的节能性。

（2）算法应具有较好的稳定性。在无线传感器簇网络成簇结构中，通过调节传感器节点状态的变化频率和簇头的变化频率来衡量簇结构的稳定性。单位时间节点状态变化越小，簇首节点的变化越小，簇的稳定性越高，产生通信和计算消耗越少。

（3）算法需要在较低的时间进行复杂性，减少复杂性，并减少计算方法，有助于延长互联网的寿命。

（4）算法应具备良好的负载平衡性。簇头的能量负大小载取决于它所连接的节点的数量。簇内节点越多，簇头能量消耗越大。成为簇头节点的次数越多，能量消耗也越大。因此，一个高效节能算法不应该出现繁重的簇首负载，并且一些簇首非常空闲。

用一句话概括，计算方式的研究成果将大大改善无线传感器网络的性能，随着现代网络信息的发展，结构的收集信息的收集和转换将成为能够成为中心网络能源的重要方法之一。

3 无线传感器k-means聚类分簇分析

聚类，就是把研究对象按照一种分类方法分解成一个个小对象、小子集的过程。其中每个子集都是独立的，不同子集间互异性大。作为一种信息处理的方法，聚类方法通常要具备以下要求：

较高的融合度。很多算法在小数据处理上有良好的发挥，但数据融合之后结果并不是很理想。

聚类参数要合适。错误的参数选举会导致数据的混乱。

要具备较强的抗干扰能力。因为无线传感器网络很多情况下出在复杂的环境中，聚类算法要具备较强的抗噪声能力才能采集到正确的目标信息。

随着人们的不断挖掘，聚类算法体系日益成熟，国内外学者在所著文献提出了很多不同种类的聚类方法，其中按类划分有如下方法：

（1）按物理结构：K-均值，K-中心点，CLARA，CLARANS

（2）按层次划分：BIRCH、CURE、ROCK、Chameleon

（3）按节点密度划分：DBSCAN、OPTICS、DENCLUE

（4）网格类方法：STING、CLIQUE、Wave Cluster

（5）按模型划分：统计学方法CLASSIT，神经网络方法SOM

（6）模糊处理法等。

各种算法适用于不同的环境，对不同的环境都有各自的优势。

3.1 无线传感器K-means聚类

3.1.1网络模型

假设n个传感器节点随机地分布在一个MM的二维正方形中，并且该网络具有以下性质。

（1）传感器的网络是高密度的静态网络，即，配置节点之后不能移动。

（2）可以在感知区域以外的固定位置处设置基站。

（3）节点能源异构无法追加。假定网络中的节点具有相同的初始能量，因此网络上的节点具有相同的初始能量，并且更适合于网络的真实场景。

（4）每个节点都存储有自己的地理位置信息。

3.1.2 K-means聚类算法思想及步骤

1967年由科学家提出的K-means聚类算法在诸多领域都有着广泛的应用。在K-means均值聚类算法中我们用簇的均值来代表这个分簇，选误差平方和准则函数作为我们的标准。K-means聚类算法的具体步骤如下：

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：