旋轉分區(qū)耦合簇頭節(jié)點定位的WSN數(shù)據(jù)優(yōu)化匯聚機制研究

張飛

（黃淮學院信息工程學院，河南　駐馬店　463000）

旋轉分區(qū)耦合簇頭節(jié)點定位的WSN數(shù)據(jù)優(yōu)化匯聚機制研究

張飛

（黃淮學院信息工程學院，河南駐馬店463000）

為解決當前無線傳感網(wǎng)絡數(shù)據(jù)匯聚過程中的路徑?jīng)_突嚴重、數(shù)據(jù)丟包頻繁、難以有效減少外界信號干擾以及匯聚帶寬受限等問題，提出旋轉分區(qū)耦合簇頭節(jié)點定位的無線傳感數(shù)據(jù)優(yōu)化匯聚機制。首先，通過地理位置信息將整個無線傳感器網(wǎng)絡節(jié)點劃分為若干個子區(qū)域，并設計信號最強搜尋算法，在子區(qū)域中搜尋到性能最優(yōu)的節(jié)點作為簇頭節(jié)點；然后通過旋轉分區(qū)的方式對區(qū)域內(nèi)節(jié)點進行組織及數(shù)據(jù)初始化；根據(jù)地理位置坐標，在旋轉分區(qū)內(nèi)定義節(jié)點區(qū)域判定規(guī)則，通過節(jié)點歸類辦法對初始化后的數(shù)據(jù)進行匯聚，通過簇頭節(jié)點完成數(shù)據(jù)上傳。理論及實驗結果表明：對于無線傳感網(wǎng)絡的部署，提出的優(yōu)化機制可顯著降低匯聚數(shù)據(jù)通信開銷，有效緩解網(wǎng)絡中數(shù)據(jù)匯聚節(jié)點的使用強度；和其他解決方案比較，該文技術用于匯聚傳輸數(shù)據(jù)的沉默節(jié)點數(shù)量提高10%以上。

無線傳感器網(wǎng)絡；數(shù)據(jù)匯聚；信號最強搜尋算法；旋轉分區(qū)；區(qū)域判定

0　引言

為降低無線傳感數(shù)據(jù)在上傳時對傳感器節(jié)點的能量消耗，Howard A等［1］采用基于預測的數(shù)據(jù)匯聚方案，通過動態(tài)預測下一時刻節(jié)點數(shù)據(jù)接收情況來合理地對無線傳感數(shù)據(jù)上傳帶寬進行分配，從而有效減少了數(shù)據(jù)上傳帶寬；但是由于該技術對整個無線傳感網(wǎng)絡節(jié)點分區(qū)情況缺乏考慮，處于高干擾的環(huán)境下，其網(wǎng)絡節(jié)點傳輸?shù)臄?shù)據(jù)包丟失較高。Jenkins R等［2］按地理位置對無線傳感網(wǎng)絡節(jié)點進行分區(qū)，然后在每個區(qū)域內(nèi)選取合適的簇頭，完成數(shù)據(jù)上傳，顯著降低了高干擾環(huán)境下的丟包率；但是該技術的分區(qū)機制是根據(jù)地理位置進行機械分割，在面對分區(qū)數(shù)量較大時，其匯聚帶寬的利用率不佳，導致其數(shù)據(jù)上傳性能不理想。瞿佳俊等［3］考慮到傳感器節(jié)點在匯聚過程中相鄰節(jié)點采集數(shù)據(jù)往往具有高度的相似性，故其利用相鄰節(jié)點數(shù)據(jù)的冗余，以減少上傳數(shù)據(jù)量；但沒有對傳感器區(qū)域進行有效分區(qū)，在數(shù)據(jù)量較大的情況下，易造成數(shù)據(jù)頻繁丟失。

為了解決上述問題，本文提出了基于旋轉分區(qū)機制（rotary partition mechanism）的無線傳感器網(wǎng)絡數(shù)據(jù)優(yōu)化匯聚方案。

1　網(wǎng)絡模型及相關假設

由于本文方案中的無線傳感器網(wǎng)絡是基于地理位置形成，主要用于物理、生物數(shù)據(jù)采集［4］，故作出假設如下：

1）整個網(wǎng)絡基于地理位置形成，不限于平面結構，可以依據(jù)分簇算法進行分簇［5］，并對整個網(wǎng)絡按照一定的規(guī)則劃分為若干個子區(qū)域。假設一個子區(qū)域中僅存在一個簇頭，且該簇頭可在有限跳數(shù)n-hop內(nèi)覆蓋整個子區(qū)域。由于當前無線傳感網(wǎng)絡節(jié)點大都是對等節(jié)點，即組成各節(jié)點的傳感器的功能、性能類似，因此無線傳感器網(wǎng)絡數(shù)據(jù)在匯聚到簇頭之后，將直接上傳到數(shù)據(jù)中心進行匯總［5-6］。整體結構如圖1所示。

2）隨機布置節(jié)點，其相應的位置在布設前處于不可知狀態(tài)；且節(jié)點的具體地理位置坐標只能通過傳感器信號來確定［7］。

3）整個網(wǎng)絡采集數(shù)據(jù)呈現(xiàn)多樣化，需要部署多種不同功能的傳感器進行相應物理數(shù)據(jù)采集［8］。

圖1　無線傳感器網(wǎng)絡組成及匯聚結構示意

2　本文無線傳感器網(wǎng)絡數(shù)據(jù)優(yōu)化匯聚機制

本文方案由兩部分組成：首先基于接收信號強度定位機制（received signal strength indication，RSSI），按地理位置區(qū)域搜尋信號最強的傳感器作為簇頭節(jié)點，通過簇頭節(jié)點完成數(shù)據(jù)上傳；然后通過每個區(qū)域的簇頭節(jié)點來重新將該覆蓋區(qū)域進行旋轉分區(qū)，以獲取3個獨立的區(qū)域，再針對每個分區(qū)內(nèi)的不同類型節(jié)點，進行不同的數(shù)據(jù)優(yōu)化處理，從而提高匯聚帶寬利用率。整個過程如圖2所示。

2.1基于接收信號強度定位的簇頭搜尋機制設計

為了確保簇頭能有效地將數(shù)據(jù)上傳到控制中心，需要選擇性能最強的節(jié)點作為簇頭節(jié)點。因此，根據(jù)控制中心對區(qū)域內(nèi)節(jié)點的接收信號的強度進行判斷。由于測量信號存在誤差，故簇頭節(jié)點的具體地理坐標需要通過其他節(jié)點位置坐標進行計算來得到。

由于傳感器信號強度會隨著到控制中心距離的增加呈現(xiàn)遞減規(guī)律，故控制中心接收到的信號強度RSSI與傳感器之間的距離滿足關系式：

式中：n——環(huán)境因子，理想狀態(tài)下取自然對數(shù)e；

d——傳感器到控制中心的距離；

d′——傳感器距離控制中心1m時，控制中心所接收到的信號強度。

假設某一分區(qū)域內(nèi)節(jié)點總數(shù)為n，其坐標為（x1，y1），（x2，y2），…，（xn，yn）。其中簇頭節(jié)點的坐標位置（xi，yi），其余節(jié)點到簇頭節(jié)點的距離分別為d1，d2，…，dn，則通過求解如下方程組，得到簇頭節(jié)點的詳細地理位置數(shù)據(jù)：

其中（xi，yi）是該區(qū)域內(nèi)簇頭節(jié)點的地理位置坐標。

2.2無線傳感器網(wǎng)絡數(shù)據(jù)優(yōu)化匯聚

若網(wǎng)絡中節(jié)點分別為x1，x2，…，xn。在對其初始化時，賦予x1，x2，…，xn的ID號分別為N1，N2，…，Nn。根據(jù)2.1節(jié)中的信號搜索機制，定位出每個區(qū)域內(nèi)的簇頭節(jié)點。假設每個區(qū)域內(nèi)的任意節(jié)點Ni的地理坐標為（XNi，YNi），且簇頭信息能被節(jié)點Ni感知，且簇頭節(jié)點可以每隔一段時間向區(qū)域內(nèi)其他節(jié)點廣播其位置信息。

圖2　本文WSN數(shù)據(jù)匯聚方案

2.2.1劃簇區(qū)域的旋轉分區(qū)機制

簇頭覆蓋區(qū)域的旋轉分區(qū)劃分過程如圖3所示。首先，確定簇頭P的具體坐標（XP，YP）。簇頭P按照逆時針旋轉將區(qū)域分割為3個獨立分區(qū)，旋轉角度為（0，2π/3），（2π/3，4π/3），（4π/3，2π），并以A、B、C 3點作為分區(qū)界限點。再以A、B、C做圓心，以簇頭A的區(qū)域通信半徑做圓SA、SB。其中，SR為報告區(qū)域，且滿足SR=SA∩SB。圖3中SA與SB交叉部分即為SR區(qū)域，“·”為SR區(qū)域內(nèi)的節(jié)點，其他節(jié)點都在SR區(qū)域外。

圖3　基于劃簇區(qū)域的旋轉分區(qū)

由于旋轉分區(qū)的數(shù)目與WSN數(shù)據(jù)匯聚有重要關系，故需要確定合適的劃分數(shù)量。而分區(qū)數(shù)目是由旋轉角度決定的，旋轉角度越小，分區(qū)數(shù)目越多。但是旋轉分區(qū)過多會導致整個簇頭覆蓋區(qū)域內(nèi)的報告節(jié)點數(shù)目增多。若劃分數(shù)量較少或不進行旋轉分區(qū)，則整個區(qū)域的節(jié)點都將直接通過簇頭進行數(shù)據(jù)匯聚，容易造成匯聚帶寬擁塞的現(xiàn)象。如圖3（a）所示，僅對其劃分為兩個分區(qū)，則有可能導致一部分節(jié)點無法被納入旋轉分區(qū)中。因此，本文設定旋轉分區(qū)的個數(shù)設定為3。

分區(qū)完成后，簇頭首先需要搜尋分區(qū)點（圖3（b）中的A、B、C 3點）的具體坐標（XA，YA），（XB，YB），（XC， YC）。隨后，簇頭將自己的坐標（XP，YP）以及A、B、C 3點的坐標向覆蓋區(qū)域內(nèi)的全部節(jié)點進行廣播，根據(jù)節(jié)點Ni的坐標（XNi，YNi，定義區(qū)域判定準則：

對于一個區(qū)域內(nèi)的任意一個節(jié)點Ni，判定規(guī)則如下：

1）若YNi＞YP，θ∈（0，2π/3），則Ni∈SA。

2）若YNi＞YP，θ∈（2π/3，2π），則Ni∈SB。

3）若YNi＜YP，θ∈（0，2π/3），則Ni∈SC。

4）若YNi＜YP，θ∈（2π/3，2π），則Ni∈SB。

隨后判斷Ni是否位于某個分區(qū)的報告區(qū)域中，該報告區(qū)域為圖3（b）中所示的D部分。假設Ni所在的分區(qū)為SC，Ni距離簇頭P及B、C的距離分別為dP，dB，dC，當且僅當如下條件成立時，Ni位于SC分區(qū)之中：

其中R為簇頭P的覆蓋半徑。

當節(jié)點Ni判斷完自身所在的分區(qū)之后，單播（ID，Area，Type，Count）信息到簇頭節(jié)點（其中ID為節(jié)點的標示號碼；Area為節(jié)點隸屬的分區(qū)；Type為節(jié)點類型；Count以0或1標示節(jié)點是否位于報告區(qū)域中）。當簇頭P接收到該消息后，將消息添加到自身的緩存中，控制中心通過訪問緩存，即可知道區(qū)域內(nèi)全部節(jié)點的位置消息及類型。

在完成節(jié)點標識后，簇頭會選取報告區(qū)域內(nèi)信號最強的節(jié)點Ni作為旋轉分區(qū)的歸類點，并將該節(jié)點的信息寫入緩存。假定區(qū)域內(nèi)節(jié)點由A、B、C 3類所構成，則簇頭緩存需要保存的信息如表1所示。其中“Count”用作節(jié)點數(shù)量的統(tǒng)計指標，NA1表示第1分區(qū)中A類節(jié)點的數(shù)量。依據(jù)表1，簇頭P會在區(qū)域內(nèi)對旋轉分區(qū)歸類點Ni的信息進行廣播，播送格式為（ID，區(qū)域，類型），參照表1可有（N1，1，A），（N2，2，A）等。

表1　旋轉分區(qū)歸類點信息

2.2.2區(qū)域內(nèi)無線傳感器網(wǎng)絡數(shù)據(jù)的優(yōu)化匯聚

當WSN中的節(jié)點開始采集數(shù)據(jù)并通過簇頭節(jié)點進行數(shù)據(jù)上傳時，各個旋轉分區(qū)內(nèi)的歸類點首先將自身數(shù)據(jù)匯聚到簇頭節(jié)點，并將分區(qū)內(nèi)所有與歸類點類型相同的節(jié)點進行數(shù)據(jù)比對，如果比較結果不相同，就發(fā)送（ID，Area，Type，count）到簇頭節(jié)點，否則保持沉默狀態(tài)。本方案中將符合該項特征的節(jié)點視為沉默節(jié)點；如果旋轉分區(qū)內(nèi)不存在與某種節(jié)點同類型的歸類點，則該類型節(jié)點直接將自身數(shù)據(jù)匯聚到簇頭節(jié)點中。簇頭節(jié)點完成數(shù)據(jù)上傳的步驟如下。

1）數(shù)據(jù)匯聚：以表1為例，簇頭P根據(jù)寫入緩存的信息將表1進行初始化：簇頭P收到分區(qū)3中C類節(jié)點N3的數(shù)據(jù)后，先將對應的Count值設定為-1。再遍歷表2，查找表中所有與N3處于同分區(qū)且類型相同的點。如果Ni與N3的數(shù)據(jù)相同，則將Ni對應的Count值+1。如果Ni與N3的數(shù)據(jù)不相同，則添加（N3，3，1，C，DA2）到表2中。簇頭P在接收數(shù)據(jù)時對全部節(jié)點數(shù)據(jù)都做類似的處理。

表2　匯聚數(shù)據(jù)初始化表

2）數(shù)據(jù)整合：在數(shù)據(jù)匯聚的基礎上對其進行整合處理，得到區(qū)域內(nèi)各種數(shù)據(jù)類型測量值及對應計數(shù)值，見表3。完成數(shù)據(jù)整合后，即可將數(shù)據(jù)通過簇頭匯聚到控制中心。

3　仿真實驗及分析

為體現(xiàn)方案的優(yōu)越性，將常用的基準方案設為對照組：首先劃分分區(qū)，然后任意指定一個節(jié)點作為簇頭，其他全部節(jié)點通過該簇頭將數(shù)據(jù)上傳到控制中心。再采用NS2工具對本文方案與對照組進行仿真。并采用節(jié)點消耗能量時的通信開銷及存儲開銷來評估本文方案的網(wǎng)絡性能［9-10］。仿真參數(shù)如表4所示。

表3　 數(shù)據(jù)匯聚表

表4　仿真參數(shù)表

3.1本文方案的存儲開銷分析

假設節(jié)點ID長度為2Byte，網(wǎng)絡中部署的節(jié)點數(shù)最多為個節(jié)點；節(jié)點長度為6Byte，類型上不超過26個。按照本文給出的旋轉分區(qū)數(shù)為3，每個分區(qū)字段長度與節(jié)點ID長度相等。計數(shù)字段長度為1Byte；節(jié)點位置信息為（X，Y），每個分量長度為2Bytes。區(qū)域內(nèi)的其他普通節(jié)點，需要存儲自身ID、簇頭ID、坐標信息等，大致需要24Bytes的存儲空間；簇頭另外還需要保存數(shù)據(jù)匯聚得到的表1、表2、表3。一般情況下，部署的節(jié)點類型≤10，節(jié)點周圍鄰居數(shù)量≤100，則表1的緩存大小≤10×3×11=300Byte，匯聚表緩存≤12×100=1.2kB。而當前常用的典型傳感器一般為256～512 kB的存儲空間［11］。因此典型的傳感器是可以滿足本文方案中的節(jié)點緩存開銷的。

3.2通信開銷對比分析

由于全部匯聚數(shù)據(jù)都是由傳感器節(jié)點產(chǎn)生的，因此可以用傳感器節(jié)點數(shù)目來進行開銷對比分析，本文對含有9個子區(qū)域分區(qū)的無線傳感器網(wǎng)絡進行仿真，測試了在隨機布點的情況下各劃簇區(qū)域（劃簇區(qū)域是根據(jù)簇ID來進行識別的）全網(wǎng)絡中發(fā)送數(shù)據(jù)消息的節(jié)點數(shù)目。其中，基準方案中所有節(jié)點以平等方式將數(shù)據(jù)匯聚到簇頭。設定劃簇區(qū)域內(nèi)1類節(jié)點和2類節(jié)點在簇區(qū)內(nèi)服從均勻分布，數(shù)目為0.5/m2，單個傳感器節(jié)點信號覆蓋半徑為30 m，在不同節(jié)點密度（K=20，K=40）及不同σ值下，各個劃簇區(qū)域的簇內(nèi)區(qū)域發(fā)送數(shù)據(jù)的節(jié)點數(shù)見圖4、圖5。由圖可知，在不同的標準差下及節(jié)點密度下，劃簇區(qū)域內(nèi)處于發(fā)送數(shù)據(jù)節(jié)點始終小于基準方案里的節(jié)點數(shù)量。這是因為網(wǎng)絡數(shù)據(jù)冗余程度增加的情況下，劃簇區(qū)域內(nèi)處于沉默狀態(tài)的節(jié)點數(shù)始終會高于基準方案。

圖4　實驗結果對比圖（K=20）

圖5　實驗結果對比圖（K=40）

圖6顯示了整個網(wǎng)絡內(nèi)部節(jié)點發(fā)送消息的傳感器節(jié)點數(shù)量的理論值與實際值的對比。“理論”數(shù)據(jù)匯聚過程中沉默節(jié)點數(shù)量比例的理論值與實驗值情況見表5。由表可知，當K=30，即傳感器節(jié)點分布稀疏時，仿真結果和理論值有一定的差距。這主要是由于當傳感器節(jié)點分布稀疏時，有些報告區(qū)域內(nèi)不存在歸類點，導致區(qū)域內(nèi)所有節(jié)點將數(shù)據(jù)全部匯聚到簇頭節(jié)點。當K=50，即傳感器節(jié)點分布比較密集時，仿真結果和理論值符合程度較好，這主要是由于當傳感器節(jié)點分布密集時，歸類點的存在使得仿真實驗結果更加精確。與基準方案相比，本文方案大大減少了數(shù)據(jù)匯聚時的非沉默節(jié)點數(shù)，緩解了數(shù)據(jù)匯聚帶寬的壓力，降低了通信開銷。特別是在數(shù)據(jù)冗余較大時，其效果更加明顯。如σ=0.2，K=50時，有42.86%的節(jié)點處于沉默狀態(tài)，大大降低了整體網(wǎng)絡的通信開銷，節(jié)約了上傳數(shù)據(jù)的帶寬。

表5　沉默節(jié)點數(shù)占網(wǎng)絡節(jié)點數(shù)的比例情況

3.3不同WSN數(shù)據(jù)匯聚方案性能比較

為了進一步體現(xiàn)本文方案的通信性能，將當前較為先進的WSN數(shù)據(jù)匯聚機制視為對照組：文獻［12］-DASP方案，文獻［13］-DASL方案，分別視為A、B技術。采取NS2仿真工具，借助網(wǎng)絡內(nèi)沉默節(jié)點數(shù)量來驗證3種技術的性能優(yōu)劣。沉默節(jié)點數(shù)量越多，則其通信開銷越小，能耗越低，則其網(wǎng)絡性能越好。設定仿真參數(shù)，如表6所示。

表6　 仿真參數(shù)表

圖6　實驗結果對比圖

圖7、圖8顯示了在不同的節(jié)點密度下，本文方案與對照組技術在整個網(wǎng)絡內(nèi)沉默節(jié)點數(shù)量的對比情況。從圖7可知，隨著標準差的增加，本文方案的沉默節(jié)點數(shù)量始終處于最高水平，而對照組方案呈現(xiàn)整體下降趨勢，當子節(jié)點播撒密度為0.8/m2時，本文方案中的網(wǎng)絡內(nèi)沉默節(jié)點數(shù)量可以保持80（K=20）乃至更高的水平（K=40），與DASP、DASL方案相比，其網(wǎng)絡內(nèi)沉默節(jié)點數(shù)量能提高10%以上。因為本文方案設計了旋轉分區(qū)機制，綜合考慮分區(qū)內(nèi)數(shù)據(jù)信息的均衡，特別是分區(qū)歸類點，提高了簇頭節(jié)點的數(shù)據(jù)匯聚效率，從而減少了數(shù)據(jù)匯聚開銷；而對照組技術沒有考慮到對簇頭節(jié)點控制區(qū)域內(nèi)節(jié)點進行歸類，當節(jié)點離散程度的增加，網(wǎng)絡中數(shù)據(jù)流也會平均分布在各個節(jié)點之上，導致沉默節(jié)點數(shù)呈現(xiàn)不穩(wěn)定甚至不斷下降趨勢，因此總體上看性能呈現(xiàn)下降趨勢。

圖7　3種不同方案對應的沉默節(jié)點數(shù)量

圖8　3種不同方案對應的沉默節(jié)點數(shù)量

另外，依據(jù)圖8，當K值增大后，DASP、DASL方案中網(wǎng)絡節(jié)點沉默數(shù)量下降幅度更大，而本文方案始終保持較高水平的沉默節(jié)點數(shù)量。這是因為隨著網(wǎng)絡節(jié)點密度的增大，通過分類歸類點，可以將更多的節(jié)點納入分區(qū)之內(nèi)，故簇頭節(jié)點可以服務更多的網(wǎng)絡節(jié)點，從而降低了其余節(jié)點充當數(shù)據(jù)匯聚節(jié)點的頻率，改善了網(wǎng)絡中整體數(shù)據(jù)匯聚的能量消耗。

4　結束語

本文提出了簇頭節(jié)點定位耦合旋轉分區(qū)的無線傳感器網(wǎng)絡數(shù)據(jù)優(yōu)化匯聚機制，基于旋轉方式將劃簇區(qū)域按簇頭旋轉角度劃分為3個分區(qū)，傳感器通過計算自身位置坐標來確定自身所屬分區(qū)，簇頭通過分區(qū)中的報告區(qū)域確定歸類點。在進行數(shù)據(jù)匯聚時，歸類點首先通過廣播形式告知區(qū)域內(nèi)的全部傳感器節(jié)點，節(jié)點在收到同類型歸類點數(shù)據(jù)后，再進行數(shù)據(jù)比對，只有當數(shù)據(jù)存在差異時才將采集的數(shù)據(jù)匯聚到簇頭之中，有效增加了沉默節(jié)點的數(shù)量，大大減少了通信開銷。仿真實驗結果顯示，本文WSN數(shù)據(jù)優(yōu)化匯聚方案可以有效增加區(qū)域內(nèi)沉默節(jié)點數(shù)量，降低通信開銷，從而減少了傳感器節(jié)點的能量消耗。特別是對于一次性部署后難以更換節(jié)點的無線傳感網(wǎng)絡部署，本文方案具有一定的參考及應用價值。

［1］HOWARD A，MATARI M J，SUKHATME G S.An incrementalself deployment algorithm for WSN［J］.Autonomous Robots，2014，21（1）：113-126.

［2］JENKINS R，BURTON A M.A survey of 100%energy accuracyinWSN［J］.AutonomousRobots，2013，451 （31）：435-441.

［3］瞿佳俊，嚴軍，朱淵婧.無線傳感網(wǎng)低開銷型數(shù)據(jù)可靠傳輸方法的研究［J］.電子測量技術，2014，37（1）：92-96.

［4］任條娟，楊海波，陳友榮.Sink節(jié)點移動的無線傳感網(wǎng)生存時間優(yōu)化算法 ［J］.傳感技術學報，2012，25（5）：683-690.

［5］楊國寧，馮秀芳，樊劉娟.一種基于最優(yōu)融合集的多傳感器數(shù)據(jù)融合算法［J］.軟件學報，2012，23（7）：134-140.

［6］陳友榮，王章權，程菊花.基于最短路徑樹的優(yōu)化生存時間路由算法［J］.傳感技術學報，2012，25（3）：406-412.

［7］CHATTERJEE P，DAS N.Coverage constrained non-uniform node deployment in wireless sensor networks for load balancing［J］.Applications and Innovations，2014，27 （12）：126-132.

［8］RICHARD.Broadcasting in WSN based on self-pruning ［C］∥INFOCOM2003：Twenty-second Annual Joint Conference of the IEEE Computer and Communications Societies，2013，3（6）：2240-2250.

［9］ALI M，STEWART B G.Congestion adaptive multipath routing for load balancing in mobile WSN［J］.Innovations in Information Technology，2012，21（16）：305-309.

［10］鄔厚民.無線傳感網(wǎng)絡中能量和距離改良的LEACH分簇算法［J］.中國測試，2012，38（5）：62-66.

［11］馮鈞，黃成，徐志良.多節(jié)點協(xié)作的WSN監(jiān)測目標和定位算法研究［J］.河南理工大學學報（自然科學版），2014，33（2）210-215.

［12］NATARAJAN P，BAKER F，AMER P.Data aggregationscheme of WSN based on DSAP［J］.IEEE Internet Computing，2014，13（12）：81-85.

［13］DEMUTH H，BEALE M，HAGAN H A cluster head partitionmechanism of WSN based om DSAL［M］.Matick The Math Works Inc，2014（1）：1245-1248.

（編輯：李剛）

Study on WSN data optimization aggregation scheme based on rotary partition coupled cluster node location

ZHANG Fei
（College of Information Engineering，Huanghuai University，Zhumadian 463000，China）

In order to solve the bottleneck problem in data aggregation of WSN，as like the path conflictsinthe nodedataaggregationprocession，frequentlylossof data packet，difficult to effectively reduce the external signal interference and limited bandwidth.So the data aggregation scheme of WSN that based on Cluster partition mechanism is indexed in the paper.Firstly，

WSN；data aggregation；strongest signal search algorithm；rotary partition；regional determination

A

1674-5124（2016）08-0077-06

10.11857/j.issn.1674-5124.2016.08.016

2016-01-31；

2016-03-08

河南省科技攻關計劃項目（122102210430）；河南省重點科技攻關項目（142102210335）

張飛（1974-），男，河南遂平縣人，副教授，碩士，研究方向為無線傳感器網(wǎng)絡、圖像處理。

through the information of geographical position will be the entire sensor network node is divided into several sub areas，and the design of the strongest signal search algorithm，in the sub region to search for the optimal performance of the nodes as cluster node for uploading data；then by rotating the way of partitioning the nodes are organized within the region and data initialization；then in the rotational zone，according to the geographical location coordinate，define the node by node region decision rules，classification processing method to gather and upload data by cluster node after initialization of convergence.The results showed that：take some means to coverage area of WSN partition，and by organizing node data upload can effectively improve the quality of data aggregation in WSN.So for the wireless sensor network deployment，the solves in paper could proposed optimization scheme in reducing aggregation data communication overhead，and effectively alleviating the using intensity of nodes in network data aggregation；Compared with other solutions，this mechanism can improved the number of Silent node for translating network data more than 10%.