[发明专利]一种基于测量数据相似性的WSN分簇路由方法

权利要求书

1.一种基于测量数据相似性的WSN分簇路由方法，其特征在于：按顺序进行下列步骤：

步骤一：设计自适应聚类算法，利用预先设定的误差阈值和节点测量的历史数据对节点执行分簇操作，将测量值相似的节点分为一簇；

步骤二：根据节点的剩余能量和传送能耗动态地在每个簇中选择一个节点代表整个簇传送数据，簇内其它节点休眠节省能量；

步骤三：根据传送次数因子和相对距离因子生成节点评价函数，为簇头选择路由路径，平衡节点能耗。

2.根据权利要求1所述的基于测量数据相似性的WSN分簇路由方法，其特征在于：其所述步骤一中，自适应聚类算法包括三个定义如式(1)、(2)、(3)；

定义1：聚类算法根据节点测量数据的相似度来分簇，测量数据包括温度或湿度，数据的相似度由误差定义，误差公式定义如下：

式中M_ir为节点i在第r轮测量的数据值，M_jr为节点j在第r轮测量的数据值，R为总的测量轮数；δ_ij为节点i和节点j在R轮内测量数据的均方根误差，δ_ij的值越小，节点i和节点j之间测量数据的相似度越高；

定义2：假设DST(Data Similarity Threshold)为预先定义的误差阈值；基于公式(1)，节点之间通过以下公式判断是否分到同簇：

式中T_ij值为1时，表示节点i和节点j有资格被分为同一个簇；反之表示节点i和节点j不能被分到同一个簇；其中DST的值要根据实际需求来预先设定；

定义3：基于公式(1)，簇与簇的合并公式定义如下：

式中N_i和N_j分别为簇i和簇j的节点个数，节点p和节点q分别为簇i和簇j的节点；δ′_ij的值越小，簇i和簇j内节点测量数据的相似度越高，合并几率越大。

3.根据权利要求2所述的基于测量数据相似性的WSN分簇路由方法，其特征在于：其所述步骤一中，基于公式(1)、(2)、(3)，自适应聚类算法的执行步骤如下：

Step 1：将每个节点分为一个独立的簇；计算任意两个簇之间的δ′值，并存入集合δ′_set中；

Step 2：判断集合δ′_set是否为空，如果为空，直接跳转至Step 5；反之跳转至Step 3；

Step 3：从δ′_set中找到最小值δ′_ij，判断的值是否为N_iN_j；若是，将簇i和簇j合并，跳转至Step 4；反之从δ′_set中删除δ′_ij并跳转至Step 2；

Step 4：从δ′_set中删除与簇i或簇j相关的所有δ′值，计算合并后的簇与剩余其它所有簇之间的δ′值，并存入δ′_set中，跳转至Step 2；

Step 5：输出结果。