[发明专利]一种基于跟踪锚的无线传感网动态分簇方法

权利要求书

1.一种基于跟踪锚的无线传感网动态分簇方法，其特征在于，包括以下步骤：

基于粗糙模糊C均值算法从无线传感网中选出若干跟踪锚节点，其中，所述跟踪锚节点用于为其管辖的普通节点提供跟踪的指示信息；

每个所述跟踪锚节点根据粗糙模糊C均值算法的聚类结果生成一个成员表，所述成员表中包括下近似集和边界集，位于所述下近似集中的普通节点仅服从所属跟踪锚节点的调度指令，位于所述边界集的普通节点则需要根据多个跟踪锚节点的指令做出调度决策；

所述跟踪锚节点根据预测的目标运动轨迹向所述成员表中的普通节点发出调度指令以激活其管辖的普通节点；

所有被激活的普通节点构成工作的跟踪节点集，再从所述跟踪节点集中根据广播时延机制选出簇头。

2.根据权利要求1所述的基于跟踪锚的无线传感网动态分簇方法，其特征在于，所述基于粗糙模糊C均值算法从无线传感网中选出若干跟踪锚节点具体为：

确定所述跟踪锚节点的覆盖条件，所述覆盖条件为所有跟踪锚节点的感知覆盖范围之和至少应达到监控区域的面积；

根据能量有效性的原则，在满足所述覆盖条件的情况下确定跟踪锚节点的最低数量K；采用粗糙模糊C均值算法来对所述跟踪锚节点的位置和其下属管辖的节点范围进行无监督聚类，以确定跟踪锚节点的位置。

3.根据权利要求2所述的基于跟踪锚的无线传感网动态分簇方法，其特征在于，所述采用粗糙模糊C均值算法来对所述跟踪锚节点的位置和其下属管辖的节点范围进行无监督聚类具体为：

(A)随机选择K个位置作为跟踪锚节点；

(B)将N个普通节点划分给K个跟踪锚节点来管辖，计算N个普通节点的模糊隶属度；

(C)对每个普通节点s_j的模糊隶属度值进行排序，并将最高的模糊隶属度值和第二高的模糊隶属度值的差值和阈值δ进行比较，并根据比较结果确定节点s_j的归属；

(D)根据普通节点s_j的归属选取其隶属度μ_ij的公式，并计算得到新的跟踪锚节点分布；

重复迭代所述步骤(B)-(D)，直到两次迭代的跟踪锚节点分布和成员归属稳定。

4.根据权利要求3所述的基于跟踪锚的无线传感网动态分簇方法，其特征在于，所述步骤(B)中通过最小化目标函数J_RF将N个普通节点划分给K个跟踪锚节点来管辖，所述最小化目标函数J_RF定义为：其中，β_i表示与跟踪锚节点a_i相关联的第i个聚类；A(β_i)和B(β_i)分别表示聚类β_i的下近似集和边界集的范围，参数ω和分别对应下近似集和边界集的相对重要程度，且有表示下近似集非空，边界集为空集时的目标函数，表示下近似集为空，边界集非空时的目标函数，m表示模糊因子；μ_ij∈[0,1]表示普通节点s_j到跟踪锚节点a_i的概率隶属度；||·||指距离范数。

5.根据权利要求3所述的基于跟踪锚的无线传感网动态分簇方法，其特征在于，所述步骤(D)中指定下近似集中普通节点s_j到跟踪锚节点a_i的概率隶属度μ_ij＝1，而边界集中普通节点s_j到跟踪锚节点a_i的概率隶属度根据来计算，其中，d_ij和d_kj分别表示普通节点s_j到锚节点a_i和锚节点a_j的距离。