基于能量均衡的无线传感网分簇拓扑算法研究(7)
2.4 分簇算法介绍
2.4.1 RDCA分簇算法
基于负载平衡的响应式分布分簇算法(RDCA)属于分布式算法。该算法对分布分簇算法DCA算法进行了改进，不需预先得知节点自身及其他节点的位置信息，而仅根据局部的网络拓扑信息快速进行分布式的簇头选举，并根据代价函数进行簇的划分，适用于周期性获取信息的WSN。该算法与DCA相比较，具有良好的负载平衡性能、较小的协议开销和更好的网络性能。图6为相同拓扑环境和初始能量下DCA算法与RDCA算法(Closest)一次实验的分簇结果，图中清楚可见RDCA算法(Closest)具有更好的负载平衡性能。
图6 DCA算法与RDCA算法分簇效果比较
2.4.2基于RBF的分簇算法
该算法属于集中式/基于地理位置的分簇算法，适用于较小规模的WSN。分簇决策由基站通过计算得出，同时在算法执行前每个节点均已获知自己的地理位置。当基站收集到网络中所有节点的剩余能量以及位置信息后，建立由输出层、隐层、输出层3个层次构成的RBF神经网络对每个节点成为簇头的概率进行计算，其中输入向量X由节点剩余能量、覆盖半径内的节点个数、节点至覆盖半径内其他节点距离的均方差、节点位置4个分量组成，RBF用于隐层，输出向量Y包含该节点成为簇头的概率。基站根据网络中的全部节点个数确定簇头个数k，并选出概率最高的k个节点成为本轮次的簇头。算法所使用的RBF网络结构如图7所示。
图7 RBF网络结构
2.4.3 Hausdorff算法
Hausdorff算法是一种基于节点位置、通信有效性和网络联通性的分布式数据收集算法。该算法分为3部分：首先，由Hausdorff算法将节点分成几个静态的簇，用欧几里德距离来计算两个点之间的距离，用Hausdorff距离来计算两个点集之间的距离，该算法将Hausdorff距离作为分簇的量度。其次，在整个网络生命中分簇只执行一次，而每个簇中的簇首是由簇中的成员最优地轮换调度，该算法基于节点的剩余能量和其周围邻居节点的接近程度，采用一种贪婪算法在每个周期选择簇首。最后，之间构成网络骨架定期地收集、融合和转发数据到基站，它们之间的通信是采用最小功耗路由算法，其中利用了Dijkstra最短路径算法。
作为网络拓扑控制的有效方式之一，分簇算法的使用可以显著降低通信开销，并且有利于与数据融合等技术结合，进一步降低能量消耗。软硬件技术的进一步提高使传感器节点的计算能力增强而硬件成本下降，这也为引入性能更强而复杂度较高的算法提供了前提条件。
近年来分簇算法的发展，无线传感器网络还有如下值得研究的地方：
(1) 更精确的仿真模型
目前的分簇算法研究更多的基于以时间为单位的能量消耗模型。现在越来越多的节点可利用太阳能电池等能量收集技术进行能量补充，针对此类节点需要根据硬件参数设计特殊的节点能量模型。此外，目前在仿真中普遍采用的自由空间与多径衰落模型过于简单，在实际的网络部署中还需要考虑天线高度、地形地貌、植被覆盖等情况，采用更接近于实际使用环境的链路质量模型。
(2) 异构网络的分簇算法
具有更高计算能力、更多能量补充的节点在簇头选举过程中更易于成为簇头。在实际应用的传感器网络系统中，存在多种异构节点。以节点异构为前提，设计兼有平面结构和分簇结构优点的新型数据传输模式，也是一个很有应用前景的研究方向。
(3) QoS性能【8】
大量对无线传感器网络分簇算法的研究均以能量有效性及负载平衡作为算法性能的度量标准，但未来的研究应进一步考虑分簇算法对网络QoS性能的影响，尤其是在数据流量动态变化的情况下。在涉及到图像以及视频传输的多媒体无线传感器网络中，设计能量感知的QoS分簇算法更加值得关注。
下一篇：贝叶斯波束形成算法研究+文献综述