基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法

基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法【專利摘要】本發明涉及一種基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，屬于無線傳感器通信【
技術領域：
】。本發明根據簇內節點采集的數據挖掘簇內節點之間的關聯，按照關聯性將簇劃分為多個子簇，在子簇內選取抽樣節點感知并上報數據，每個簇內至少一個子簇選取多于一個抽樣節點，抽樣節點動態隨機選取，簇頭節點根據節點的關聯性進行傳感器調度，并隨著環境變化動態調整簇內節點的關聯性。本發明通過利用頻繁項挖掘簇內節點的關聯性，按照關聯性將簇劃分為多個互不相交的子簇，使子簇內的節點采集的時間序列相似，從而依據時間序列控制子簇內傳感器節點的更新次數，減少數據通信量，降低網絡能耗。【專利說明】基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法【
技術領域：
】[0001]本發明涉及一種基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，屬于無線傳感器通信【
技術領域：
】。【
背景技術：
】[0002]周期性數據采集是無線傳感器網絡重要的應用之一，傳感器節點周期性感知環境信息，并將感知數據傳送基站節點，傳感器節點需要傳輸大量數據。與傳感器節點感知和計算操作相比，數據傳輸會消耗更多能量。DeborahEstrin指出傳感器節點傳輸Ibit信息10m距離需要的能量大約相當于執行3000條計算指令消耗的能量。傳感器節點的能量有限。因此，為了延長無線傳感器網絡的生命周期，研究如何減少節點間的通信量且保證采集數據質量的數據采集方法具有重要的意義。[0003]目前，減少基于分簇的周期性數據采集通信負載，實現能量高效的數據采集已經取得了一些成果。一類是利用優化的分簇算法節省WSNs的能耗，包括:基于模糊能量感知的不平等簇形成算法，面向節點節能的平衡簇形成算法等。還有一類是通過預測減少網絡的通信量，延長網絡生命周期，簇內節點和基站節點利用構建的線性預測器對采集數據進行預測，簇內節點將預測值與實際采集的數據比較，大于可容忍誤差，則傳送感知數據到簇頭，否則，不傳送數據，基站節點使用預測數據值，包括:面向傳感器節點實測歷史數據的回歸分析方法，基于中心化自回歸模型的數據預測方法，基于節點自身計算能力的感知數據逼近方法，面向網絡能耗的空間關聯性方法。然而，這些簇形成算法忽略了節點采集數據之間的時間和空間關聯性。【
發明內容】[0004]本發明的目的是提供一種基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，以解決現有分簇方法中由于簇內所有節點感知并上報數據產生數據冗余導致能耗大的問題。[0005]本發明為解決上述技術問題而一種基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，該子簇形成方法包括以下步驟:[0006]I)根據簇內各個節點的時間序列,將相同采樣周期感知到相同數據的傳感器節點形成一條記錄，根據M個采樣周期形成的記錄構建樹形結構，對所構建的樹形結構利用頻繁項挖掘簇內各個節點的關聯性；[0007]2)根據所挖掘的簇內各節點關聯性將簇劃分為若干個子簇，在每個子簇內選取抽樣節點進行感知和數據上傳；[0008]3)根據環境變化動態調整子簇的劃分。[0009]所述步驟I)中簇內節點關聯性的挖掘過程如下:[0010]A.根據所構建的樹形結構建立樹形結構項頭表globalheadertable,從樹形結構項頭表globalheadertable最后一項開始,構造包含此項的條件數據庫,每條記錄不包含已經挖掘出的項集所包含的項；[0011]B.為各條件數據庫構建相應的條件FP-tree，將單項計數小于最小支持度計數的項刪除；[0012]C.挖掘滿足最小支持度計數的最長頻繁項集，深度優先瀏覽條件FP-tree的每一個分枝，節點計數小于最小支持度計數，停止瀏覽該分枝，并記錄已經瀏覽的計數大于最小支持度的節點序列和該序列的長度，繼續瀏覽下一分枝，直到條件FP-tree的所有分枝被瀏覽；[0013]D.從獲得的節點序列中選取最長的序列，以得到頻繁項集，將樹形結構項頭表globalheadertable中此頻繁項集包含的項刪除，形成新的globalheadertable；[0014]E.循環執行以上過程,直到globalheadertable為空結束。[0015]所述步驟2)傳感器的調度過程如下:[0016]a.按關聯性將簇劃分為N個子簇；[0017]b將子簇的劃分結果散布給簇頭節點，簇頭選取每個子簇的抽樣節點，使簇內至少一個子簇多于一個抽樣節點；[0018]c.通知被選為抽樣節點的簇內節點感知并上報數據；[0019]d.簇頭節點對同一子簇內節點的時間序列比較，當η個連續數據，存在大于η(Ι-support)個數據的差值大于可容忍誤差σ，則認為簇內節點的空間關聯性發生改變，將簇按照新的挖掘結果劃分子簇。[0020]所述步驟3)子簇劃分的調整過程如下:[0021]1.探測簇內節點的空間關聯性是否發生改變，若發生通知簇內所有節點按照采集周期Td感知并上報數據；[0022]I1.基站節點按照步驟I)進行簇內節點空間關聯性的挖掘；[0023]II1.重新按照步驟2)劃分子簇。[0024]所述在子簇中選取抽樣節點，未被選作抽樣節點的傳感器節點根據子簇內抽樣節點采集的數據進行恢復。[0025]所述子簇中抽樣節點的選取是按照設定抽樣率對子簇中各抽樣節點隨機選取得到。[0026]本發明的有益效果是:本發明根據簇內節點采集的數據挖掘簇內節點之間的關聯，按照關聯性將簇劃分為多個子簇，在子簇內選取抽樣節點感知并上報數據，每個簇內至少一個子簇選取多于一個抽樣節點，抽樣節點動態隨機選取，簇頭節點根據節點的關聯性進行傳感器調度，并隨著環境變化動態調整簇內節點的關聯性。本發明通過利用頻繁項挖掘簇內節點的關聯性，按照關聯性將簇劃分為多個互不相交的子簇，使子簇內的節點采集的時間序列相似，從而依據時間序列控制子簇內傳感器節點的更新次數，減少數據通信量，降低網絡能耗。【專利附圖】【附圖說明】[0027]圖1是空間關聯性子簇模型示意圖；[0028]圖2是FMSSC算法流程圖；[0029]圖3是挖掘簇內關聯性的流程圖；[0030]圖4是基于空間關聯性的傳感器調度流程圖；[0031]圖5是子簇動態調整的流程圖；[0032]圖6是節點存活數量隨時間變化的示意圖；[0033]圖7是節點總能耗時間變化的示意圖；[0034]圖8是不同抽樣率下節點總能耗情況示意圖。【具體實施方式】[0035]下面結合附圖對本發明的【具體實施方式】作進一步的說明。[0036]基于分簇的無線傳感器網絡數據采集，簇內節點周期性傳輸感知數據到簇頭節點，由簇頭節點進行數據聚合并傳送到基站節點。無線傳感器網絡結構用圖G(S，H，B)表示，S代表傳感器節點，H代表簇頭節點，B代表基站節點。無線傳感器網包含N個傳感器節點組成，每個節點表示為Si,ie{1，2，...，N}。分簇路由協議將無線傳感器網絡劃分為互不相交的簇，網絡中每一個節點都屬于一個簇，每個簇都一個簇頭節點，被選為簇頭的節點表示為hi;簇頭節點集合用H表示,H=(SiIhi=SiKIii=Si表示節點Si是簇頭節點，Si作為簇頭節點形成的簇表示為Ci,Ci=(SjIhj=Sj,給定節點Sj,若Si作為其簇頭節點(hj=Si)，則5」在(；中(S」eCj)，因為距離較近的傳感器節點感知的數據存在空間關聯性的可能性較大，所以簇內所有節點感知并上報數據可能會產生冗余數據，消耗大量不必要的能耗。[0037]基于存在的問題提出空間關聯性子簇網絡結構，本發明將簇進一步劃分為子簇，Ci中的子簇集表示為Gi,Ci中子簇的數量由Ki表示，Ki=IGiI,Gi中的子簇表示為Gi(j),je{1,2,-,KJ,子簇內節點采集的時間序列相似，選取子簇的部分節點感知、上報數據，這些節點被稱作抽樣節點，剩余節點的數據值根據抽樣節點的數據值進行恢復，無線傳感器網絡關聯性子簇模型如圖1所示。[0038]本發明采用基于頻繁項挖掘的空間關聯性子簇形成算法FIMSSC(frequentitemsetmining-basedspatialsubclusteringalgorithm),其核心思想是根據節點感知的數據使用頻繁項挖掘算法獲取節點的關聯性，由三部分組成，如圖2所示，一是基站節點挖掘簇內節點的關聯性；二是簇頭節點根據節點的關聯性進行傳感器調度；三是隨著環境變化動態調整簇內節點的關聯性。距離較近的節點采集的數據可能存在空間關聯性，所以根據簇內節點采集的數據，挖掘簇內節點的關聯性，按關聯性將簇劃分為多個互不相交的子簇，子簇內的節點采集的時間序列相似。基站節點接收和存儲簇內節點的時間序列，基站節點擁有較強的存儲和處理能力，并且能量不受限制，所以在基站節點挖掘簇內節點的關聯性。根據基站節點的性能，設定挖掘的時間范圍η，選取簇內所有節點在此區間內采集到的數據序列，設置可容忍的誤差值σ，兩個數據的差值小于σ，認為這兩個數據相等，定義傳感器節點的字典序(S1S2S3...SN}。該方法的具體實施過程如下:[0039]1.挖掘簇內節點關聯性[0040]根據簇內每個節點的時間序列，將相同采樣周期感知到相同數據(數據差值在可容忍誤差范圍內)的傳感器節點按字典序形成一條記錄，隨后，根據η個采樣周期形成的記錄構建樹形結構，最后，對構建的樹利用頻繁項進行挖掘。該挖掘流程如圖3所示，具體包括以下步驟:[0041]I)從globalheadertable最后一項開始，構造包含此項的條件數據庫，如:TDBIS7={<S5S6S7:8>,<S1S6S7:1>,<S3S4S6S7:1>}每條記錄不包含已經挖掘出的項集所包含的項,globalheadertable是為了方便樹的建立創建的一個項頭表，項頭表包含樹中的所有節點，每項通過一個節點鏈指向它在樹中的位置；[0042]2)為此條件數據庫構建相應的條件FP-tree，將單項計數小于最小支持度計數的項刪除，FP-tree指的是構建的樹形結構；[0043]3)挖掘滿足最小支持度計數的最長頻繁項集，深度優先瀏覽條件FP-tree的每一個分枝，節點計數小于最小支持度計數，停止瀏覽該分枝，并記錄已經瀏覽的計數大于最小支持度的節點序列和該序列的長度，繼續瀏覽下一分枝，直到條件FP-tree的所有分枝被瀏覽；[0044]4)從獲得的節點序列中選取最長的序列，此過程得到頻繁項集〈S7S5S6〉。將globalheadertable中此頻繁項集包含的項刪除,形成新的globalheadertable；[0045]5)循環執行以上過程,直到globalheadertable為空結束。[0046]2.基于空間關聯性的傳感器調度[0047]基站節點根據簇內節點采集的數據挖掘節點之間的關聯性，如圖4所示，按關聯性將簇劃分為多個子簇，在子簇內選取抽樣節點感知并上報數據，簇內至少一個子簇選取多于一個抽樣節點，抽樣節點動態隨機選取，且抽樣節點更新周期Ts，子簇內選取多個節點上報數據，需要基站節點根據最新采集的數據重新進行空間關聯性的挖掘，將簇按照新的挖掘結果劃分子簇。[0048]A.根據簇內節點采集的數據挖掘節點之間的關聯性；[0049]B.按關聯性將簇劃分為多個子簇，在子簇內選取抽樣節點感知并上報數據，子簇內選取多個節點上報數據，子簇中抽樣節點的選取是按照設定抽樣率對子簇中各抽樣節點隨機選取得到；[0050]C.基站節點將子簇的劃分結果散布給簇頭節點，簇頭選取子簇的抽樣節點，使簇內至少一個子簇多于一個抽樣節點；[0051]D.通知被選為抽樣節點的簇內節點感知并上報數據；[0052]E.簇頭節點對同一子簇內節點的時間序列比較，當η個連續數據，存在大于η(Ι-support)個數據的差值大于可容忍誤差S，則認為簇內節點的空間關聯性發生改變，將簇按照新的挖掘結果劃分子簇。[0053]3.子簇動態調整[0054]該調整過程如圖5所示，當簇頭節點探測到簇內節點的空間關聯性發生改變，則通知簇內所有節點按照采集周期Td感知并上報數據，由基站節點按照步驟I進行簇內節點空間關聯性的挖掘，根據步驟2重新劃分子簇。[0055]下面以(10mX100m)的平面區域隨機部署100個傳感器節點為例來說明本發明的效果，基站坐標為(50，75)，實驗中，設每個節點的初始能量2Ι，ηαι=5，εm=0.0013PJ/(bit*m4),Eelec=50nJ/bit,Eda=5nJ/(bit?singaF1),帶寬為1Mbps,消息長度500Bytes,發送和接收時延25μs，簇的更新時間間隔20s，仿真時間為600s。[0056]優化方法與LEACH協議相比，存活節點數量如圖6所示。優化方法將網絡生命周期提升大約100s，而且優化策略節點死亡的速來低于LEACH協議，因此，簇內節點的關聯度增大，或空間關聯性不頻繁改變，都將延長網絡的生命周期。[0057]節點的能量消耗如圖7所示，LEACH協議在500s內，能量消耗為200J，在380s之后，網絡能量消耗的增長率明顯降低。而優化方案在500s內沒有出現死亡節點，并且能耗為160J，相比較LEACH協議，降低了網絡能耗。[0058]每一輪中，簇的形成和穩定所占的時間比例不變，改變抽樣率，選取14%，28%，42%，56%節點作為抽樣節點，不同抽樣率下網絡的能耗如圖8所示，網絡能耗隨著抽樣率增大而增加，在500s內，14%的抽樣率網絡能耗122J，28%的抽樣率網絡能耗131J，42%的抽樣率網絡能耗146J，56%的抽樣率網絡能耗164J。[0059]由此可見，本發明通過使用頻繁項挖掘方法獲取簇內節點之間的空間關聯性，將簇內節點按關聯性劃分子簇，在子簇中選取抽樣節點，通過抽樣節點感知并上報數據，從而減少了網絡能耗，延長了網絡生命周期。【權利要求】1.一種基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，其特征在于，該子簇形成方法包括以下步驟:1)根據簇內各個節點的時間序列，將相同采樣周期感知到相同數據的傳感器節點形成一條記錄，根據M個采樣周期形成的記錄構建樹形結構，對所構建的樹形結構利用頻繁項挖掘簇內各個節點的關聯性；2)根據所挖掘的簇內各節點關聯性將簇劃分為若干個子簇，在每個子簇內選取抽樣節點進行感知和數據上傳；3)根據環境變化動態調整子簇的劃分。2.根據權利要求1所述的基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，其特征在于，所述步驟I)中簇內節點關聯性的挖掘過程如下:A.根據所構建的樹形結構建立樹形結構項頭表globalheadertable,從樹形結構項頭表globalheadertable最后一項開始,構造包含此項的條件數據庫,每條記錄不包含已經挖掘出的項集所包含的項；B.為各條件數據庫構建相應的條件FP-tree，將單項計數小于最小支持度計數的項刪除；C.挖掘滿足最小支持度計數的最長頻繁項集，深度優先瀏覽條件FP-tree的每一個分枝，節點計數小于最小支持度計數，停止瀏覽該分枝，并記錄已經瀏覽的計數大于最小支持度的節點序列和該序列的長度，繼續瀏覽下一分枝，直到條件FP-tree的所有分枝被瀏覽；D.從獲得的節點序列中選取最長的序列，以得到頻繁項集，將樹形結構項頭表globalheadertable中此頻繁項集包含的項刪除,形成新的globalheadertable；E.循環執行以上過程,直到globalheadertable為空結束。3.根據權利要求2所述的基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，其特征在于，所述步驟2)傳感器的調度過程如下:a.按關聯性將簇劃分為N個子簇；b將子簇的劃分結果散布給簇頭節點，簇頭選取每個子簇的抽樣節點，使簇內至少一個子簇多于一個抽樣節點；c.通知被選為抽樣節點的簇內節點感知并上報數據；d.簇頭節點對同一子簇內節點的時間序列比較，當η個連續數據，存在大于η(Ι-support)個數據的差值大于可容忍誤差σ，則認為簇內節點的空間關聯性發生改變，將簇按照新的挖掘結果劃分子簇。4.根據權利要求3所述的基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，其特征在于，所述步驟3)子簇劃分的調整過程如下:1.探測簇內節點的空間關聯性是否發生改變，若發生通知簇內所有節點按照采集周期Td感知并上報數據；I1.基站節點按照步驟I)進行簇內節點空間關聯性的挖掘；II1.重新按照步驟2)劃分子簇。5.根據權利要求4所述的基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，其特征在于，所述在子簇中選取抽樣節點，未被選作抽樣節點的傳感器節點根據子簇內抽樣節點采集的數據進行恢復。6.根據權利要求4所述的基于頻繁項的無線傳感器網絡空間關聯性子簇形成方法，其特征在于，所述子簇中抽樣節點的選取是按照設定抽樣率對子簇中各抽樣節點隨機選取得到。【文檔編號】H04W24/04GK104394550SQ201410720459【公開日】2015年3月4日申請日期:2014年12月1日優先權日:2014年12月1日【發明者】申京,郝洋,肖玉杰,李永杰,王正,吳晨光申請人:國家電網公司,國網河南省電力公司信息通信公司