基于bp神經(jīng)網(wǎng)絡的路由協(xié)議改進算法

基于bp神經(jīng)網(wǎng)絡的路由協(xié)議改進算法

無線傳感器網(wǎng)絡wns是一個新型的信息監(jiān)測系統(tǒng)，主要由幾個傳感器節(jié)點一起完成數(shù)據(jù)的采集、傳輸和處理。傳感器節(jié)點的能量主要取決于他們自身傳輸?shù)碾姵氐臄?shù)量。由于傳感器節(jié)點經(jīng)常被應用于環(huán)境差的地方，因此更換電池是困難的，節(jié)點的能量是有限的，無法補充。對于能量有限的無線傳感器網(wǎng)絡,減少能量的消耗是延長網(wǎng)絡壽命的重要措施。無線傳感器網(wǎng)絡節(jié)點的能量主要消耗在無線通信模塊上,文獻表明傳輸1byte數(shù)據(jù)信息需要消耗的能量可以用來執(zhí)行數(shù)千條計算指令,而且所消耗的時間也少很多。因此,本文在路由協(xié)議分簇結構中引入神經(jīng)網(wǎng)絡模型對傳感器節(jié)點采集的數(shù)據(jù)進行融合處理,把融合得到的少量的特征數(shù)據(jù)傳送給匯聚節(jié)點,減少節(jié)點的數(shù)據(jù)通信量,節(jié)省網(wǎng)絡的能量消耗,延長無線傳感器網(wǎng)絡的生命周期。無線傳感器網(wǎng)絡與神經(jīng)網(wǎng)絡NN(NeuralNetworks)在有些地方很類似,比如無線傳感器網(wǎng)絡中的傳感器節(jié)點具有感知數(shù)據(jù)處理信息的能力,好比神經(jīng)網(wǎng)絡中神經(jīng)元一樣;無線傳感器網(wǎng)絡節(jié)點之間通過一定的規(guī)則傳遞信息,則相當于連接神經(jīng)元的突觸。神經(jīng)網(wǎng)絡算法與無線傳感器網(wǎng)絡中應用的數(shù)據(jù)融合技術有相同的功能,即通過一定的規(guī)則對大量的數(shù)據(jù)進行運算處理,從而得到反映這些數(shù)據(jù)特征的結果。因此,可以把神經(jīng)網(wǎng)絡算法應用到無線傳感器網(wǎng)絡中實現(xiàn)數(shù)據(jù)的融合。在近幾年研究人員開展了很多把神經(jīng)網(wǎng)絡算法應用到無線傳感器網(wǎng)絡的研究,文獻中提出在無線傳感器網(wǎng)絡中應用一種神經(jīng)網(wǎng)絡模型來尋找最低的弱連通支配集,從而構建新的直接融合算法,可以選擇一個合適的傳輸半徑,使網(wǎng)絡穩(wěn)定并延長網(wǎng)絡的生命周期。文獻中用反向傳播(BP)神經(jīng)網(wǎng)絡建立馬爾可夫模型計算了無線傳感器網(wǎng)絡的生命周期,該算法準確地給出了最大生命周期的價值且降低了計算復雜度。文獻提出了在無線傳感器網(wǎng)絡的分簇結構中利用基于主元分析(PCA)的神經(jīng)網(wǎng)絡融合算法對采集的數(shù)據(jù)進行處理,減少了數(shù)據(jù)的傳輸量并實現(xiàn)了不同參數(shù)類型的分類。文獻提出利用神經(jīng)網(wǎng)絡的自組織特征映射,在無線傳感器網(wǎng)絡路由協(xié)議中利用神經(jīng)網(wǎng)絡修改拓撲結構,提高網(wǎng)絡能源的利用效率。文獻將神經(jīng)網(wǎng)絡算法應用到無線傳感器網(wǎng)絡的能源管理方法中,通過神經(jīng)網(wǎng)絡對傳感器數(shù)據(jù)進行處理,降低傳輸數(shù)據(jù)的維數(shù),從而降低通信成本及保護能源。文獻針對傳感器的非線性輸出受環(huán)境參數(shù)影響,為獲得準確信息彌補不良環(huán)境影響,在無線傳感器網(wǎng)絡中引入計算有效的拉蓋爾神經(jīng)網(wǎng)絡,從而彌補傳感器的非線性和環(huán)境影響,降低能源消耗。文獻提出將神經(jīng)網(wǎng)絡的層次結構應用到無線傳感器網(wǎng)絡的分簇結構中,構造一個基于神經(jīng)網(wǎng)絡的數(shù)據(jù)融合模型。該模型能夠降低網(wǎng)絡的傳輸能耗,延長網(wǎng)絡生命周期,但是該模型沒有考慮節(jié)點數(shù)量改變和簇首分布的情況。本文把數(shù)據(jù)融合技術應用到無線傳感器網(wǎng)絡的路由層中,在分層路由協(xié)議的基礎上引入BP神經(jīng)網(wǎng)絡,提出一種新的數(shù)據(jù)融合算法BPDFA(BackPropagationDataFusionAlgorithm)。1基于神經(jīng)網(wǎng)絡的協(xié)議算法的改進1.1wsn的性質在現(xiàn)實的無線傳感器網(wǎng)絡應用中有很多不同應用類型的無線傳感器網(wǎng)絡,為方便討論,有必要對本文中所研究的網(wǎng)絡模型做一個條件假設,假設本文的無線傳感器網(wǎng)絡模型由N個傳感器節(jié)點和唯一的匯聚節(jié)點(即基站)組成,并且該WSN具有以下性質:(1)N個傳感器節(jié)點隨機分布在監(jiān)測區(qū)域內,傳感器節(jié)點部署好后就不再移動位置,并且所有節(jié)點都被事先編排了唯一的ID號,網(wǎng)絡中每個節(jié)點都能夠確認自己的位置坐標信息。(2)每個傳感器節(jié)點具有相同的類型,相同的初始能量和相同的數(shù)據(jù)處理能力,且節(jié)點能量有限不能補充,每個成為簇頭的節(jié)點都消耗大致相同的能量。(3)匯聚節(jié)點的位置是固定的且部署在監(jiān)測區(qū)域外距離無線傳感器網(wǎng)絡較遠的地方。(4)匯聚節(jié)點的能量是無限供給的,能夠以足夠大的功率向所有節(jié)點直接發(fā)送信息,且適合進行復雜的運算,并不用擔心匯聚節(jié)點的能量消耗問題。(5)無線傳感器網(wǎng)絡中每個節(jié)點具有相同的結構,如表1所示。1.2分簇和簇首選取已有的LEACH分簇路由協(xié)議相比平面路由協(xié)議能夠提高網(wǎng)絡性能,但是LEACH分簇路由協(xié)議的簇首選取是隨機的,造成簇首在空間上分布不均勻,簇內節(jié)點數(shù)目差異太大,簇首負載不均衡,而且在簇首選取時沒有考慮簇首節(jié)點的剩余能量,導致個別簇首過早死亡。此外,LEACH路由協(xié)議每輪循環(huán)都要重新構造簇結構,增加網(wǎng)絡能量的消耗。針對以上這些問題,本文對LEACH分簇路由協(xié)議進行了改進。本文BPDFA算法根據(jù)無線傳感器網(wǎng)絡的情況估算出最優(yōu)簇首的數(shù)目K,結合統(tǒng)計的各個節(jié)點的鄰節(jié)點數(shù)目對整個網(wǎng)絡進行分簇,根據(jù)一定的規(guī)則把網(wǎng)絡分成了K個區(qū)域,在各個區(qū)域內根據(jù)節(jié)點的剩余能量信息和節(jié)點曾當選過簇首的次數(shù)選取簇首,區(qū)域內其余節(jié)點為簇內節(jié)點從而構造簇結構。該算法無需每輪都進行分簇結構的構造,只要在網(wǎng)絡初始布置的時候,運行一次分簇算法,得到穩(wěn)定的分簇結構,在該結構內根據(jù)節(jié)點的剩余能量和節(jié)點曾當選過簇首的次數(shù)循環(huán)選取簇首。只有當網(wǎng)絡中有新的節(jié)點加入或者失效的節(jié)點退出(或者簇首節(jié)點的剩余能量不足以完成一輪數(shù)據(jù)處理)時,才會重新運行改進算法。為了減少傳感器節(jié)點的負擔,本文把算法的運行放在匯聚節(jié)點中解決。圖1為分簇和簇首選取的過程。根據(jù)文獻中最優(yōu)簇首數(shù)公式其中N為傳感器節(jié)點個數(shù);K為簇的個數(shù);dtoBS是簇首節(jié)點到基站(BS)的距離;εfs是簇成員與簇首通信時用的無線信號傳播參數(shù);εmp是簇首與基站通信時用的無線信號傳播參數(shù);S是整個無線傳感器網(wǎng)絡區(qū)域的面積。結合無線傳感器網(wǎng)絡的情況,可以估算出最優(yōu)簇首數(shù)目K。對網(wǎng)絡中各節(jié)點的鄰節(jié)點數(shù)目Mj進行統(tǒng)計,設置網(wǎng)路分簇結構中節(jié)點數(shù)最高值為M,當Mj>M時放棄該組節(jié)點成簇;當Mj≤M時,根據(jù)各節(jié)點的鄰節(jié)點數(shù)目的大小進行排序x1,x2,…,xi,…,xK,如果序列中有互鄰節(jié)點,則舍棄鄰節(jié)點個數(shù)少的節(jié)點,序列中后面的節(jié)點向前依次增補。最終,整個無線傳感器網(wǎng)絡被分為了K個區(qū)域。假設Kj為任意的一個子區(qū)域,其中的節(jié)點集合為W,W={Qj|Qj是Kj中任意一個節(jié)點,且Qj的能量值為Ej},簇首節(jié)點在一輪中所需的能量值為ECH,當Ej<ECH時,該節(jié)點不參與簇首競選進入睡眠狀態(tài),直到所有區(qū)域都競選出簇首節(jié)點;當Ej≥ECH時,節(jié)點成為候選簇首集合S中的成員,參與簇首競選。任選S中一個節(jié)點Qi,其能量為EQi,計算max(EQi),選取候選簇首集合S中剩余能量值最高的節(jié)點作為該區(qū)域的簇首節(jié)點。當所有區(qū)域中簇首競選過程結束后,其他沒有參與競選的節(jié)點從睡眠狀態(tài)喚醒,成為簇首的節(jié)點向所在區(qū)域的其他節(jié)點發(fā)送自己是簇頭的信息,區(qū)域內其他節(jié)點選擇加入該簇首。此時,網(wǎng)絡的分簇結構就完全形成了。1.3改進算法的框架本文BPDFA算法是基于改進的無線傳感器網(wǎng)絡的分簇路由協(xié)議,在整個無線網(wǎng)絡中根據(jù)一定的規(guī)則選取最優(yōu)的簇首,形成穩(wěn)定的分簇結構,在每個分簇結構中,簇內傳感器節(jié)點采集到大量的原始數(shù)據(jù)經(jīng)過預處理以后首先傳送給簇首節(jié)點,在簇首節(jié)點內部進行數(shù)據(jù)處理后再發(fā)送給匯聚節(jié)點。BPDFA算法就是在簇內傳感器節(jié)點與簇首節(jié)點間利用BP神經(jīng)網(wǎng)絡算法來處理數(shù)據(jù)的。本文采用單隱層的BP神經(jīng)網(wǎng)絡模型對無線傳感器網(wǎng)絡采集的數(shù)據(jù)進行數(shù)據(jù)融合。相關研究已經(jīng)證明,只要隱層節(jié)點數(shù)足夠多,三層BP神經(jīng)網(wǎng)絡就具有模擬任意復雜的非線性映射的能力。改進算法將三層BP神經(jīng)網(wǎng)絡應用各個簇中,在每個簇的神經(jīng)網(wǎng)絡模型中,簇內節(jié)點采集數(shù)據(jù)后,利用輸入神經(jīng)元函數(shù)對采集到的數(shù)據(jù)進行預處理,并將處理好的數(shù)據(jù)傳送到簇首節(jié)點。簇首節(jié)點將收到的數(shù)據(jù)通過神經(jīng)網(wǎng)絡模型的隱層神經(jīng)元函數(shù)和輸出神經(jīng)元函數(shù)的共同處理后,得到一組反映網(wǎng)絡數(shù)據(jù)特性的特征值,最后把通過神經(jīng)網(wǎng)絡融合好的特征信息傳送給匯聚節(jié)點。數(shù)據(jù)融合后的特征值量遠遠少于采集到的數(shù)據(jù)量,從而減少數(shù)據(jù)的傳輸量,降低了能量的消耗,延長無線傳感器網(wǎng)絡的壽命。改進算法的模型示意圖如圖2所示。假設無線傳感器網(wǎng)絡中每個簇的簇成員節(jié)點采集n種不同類型的數(shù)據(jù),那么該神經(jīng)網(wǎng)絡模型的輸入層神經(jīng)元有n個。輸出神經(jīng)元的個數(shù)l可以根據(jù)實際應用的需要進行不同的調整,與簇內節(jié)點的數(shù)量和采集的數(shù)據(jù)類型沒有必然的聯(lián)系,一般由所需的輸出信息來決定。隱層神經(jīng)元的數(shù)量m取決于訓練樣本的多少及樣本中蘊含規(guī)律的復雜度,也與神經(jīng)網(wǎng)絡的輸入輸出神經(jīng)元的個數(shù)有關。確定最佳隱層節(jié)點數(shù)的一個常用方法稱為試湊法,可先設置較少的隱節(jié)點數(shù)訓練網(wǎng)絡,然后逐漸增加隱節(jié)點數(shù),用同一樣本集進行訓練,從中確定網(wǎng)絡誤差最小時對應的隱節(jié)點數(shù)。在用試湊法時,可以用一些確定隱節(jié)點數(shù)的經(jīng)驗公式。如其中α為1~10之間的常數(shù)。這些公式計算出來的隱節(jié)點數(shù)只是一種粗略的估計值,可作為試湊法的初始值。1.4無線傳感器網(wǎng)絡神經(jīng)網(wǎng)絡訓練流程在本文BPDFA算法中,神經(jīng)網(wǎng)絡模型的建立需要首先知道一些運行參數(shù)的值(如神經(jīng)元之間的權值),因此,當無線傳感器網(wǎng)絡的分簇結構穩(wěn)定以后,在網(wǎng)絡進人穩(wěn)定的自治工作狀態(tài)之前,需要訓練BP神經(jīng)網(wǎng)絡,從而得到神經(jīng)網(wǎng)絡相應的參數(shù)值。由于無線傳感器網(wǎng)絡的節(jié)點能量有限且不能供給,為了盡可能減少傳感器節(jié)點的能耗,延長無線網(wǎng)絡的壽命,本算法將在無線傳感器網(wǎng)絡的匯聚節(jié)點內部完成神經(jīng)網(wǎng)絡的訓練。BP神經(jīng)網(wǎng)絡訓練流程如圖3所示。BPDFA算法的流程圖如圖4所示。無線傳感器網(wǎng)絡組網(wǎng)時先要確定網(wǎng)絡中節(jié)點的狀態(tài)及節(jié)點位置,進行網(wǎng)絡的初始化,當網(wǎng)絡節(jié)點狀態(tài)都確定好后,無線傳感器網(wǎng)絡開始進行最優(yōu)簇首的選擇并建立分簇結構,此時簇首獲得所有簇內節(jié)點的信息,分簇結構穩(wěn)定后,簇首節(jié)點把所有簇內節(jié)點的相關信息發(fā)送給匯聚節(jié)點。匯聚節(jié)點依據(jù)獲得網(wǎng)絡信息構造BP神經(jīng)網(wǎng)絡結構,并搜集樣本數(shù)據(jù)庫中與簇內節(jié)點信息相匹配的樣本訓練神經(jīng)網(wǎng)絡,從而得到相關的神經(jīng)網(wǎng)絡參數(shù)。匯聚節(jié)點將神經(jīng)網(wǎng)絡各層的參數(shù)(權值、閾值)發(fā)送給對應的簇節(jié)點。無線傳感器網(wǎng)絡各個分簇就可以利用訓練好的BP神經(jīng)網(wǎng)絡模型進行數(shù)據(jù)的融合處理,把處理好的數(shù)據(jù)以最短路徑傳送給匯聚節(jié)點。從而減少網(wǎng)絡中數(shù)據(jù)的傳輸量,降低網(wǎng)絡節(jié)點的能耗,延長網(wǎng)絡的生命周期。2算法對比測試本文仿真實驗通過網(wǎng)絡仿真工具NS2仿真軟件對BPDFA算法進行仿真測試,為了更好地展現(xiàn)改進算法的有效性,對BPDFA算法和LEACH協(xié)議算法進行了對比仿真,主要分析對比兩種算法對網(wǎng)絡節(jié)點平均能耗和網(wǎng)絡存活節(jié)點數(shù)目(網(wǎng)絡生存周期)這兩個指標的影響。2.1初始條件的設置仿真環(huán)境設置:在100m×100m的范圍內隨機分布100個相同的節(jié)點,并把匯聚節(jié)點設置在離感知區(qū)域較遠的位置,節(jié)點的初始能量為2J,數(shù)據(jù)包的長度為500byte,無線信道的帶寬為1Mbit/s,無線信號載頻為2.4GHz,收發(fā)數(shù)據(jù)所耗的能量為50nJ/bit,神經(jīng)網(wǎng)絡的權值初始值設置為1,閾值設為0.2,訓練次數(shù)設為1000。2.2節(jié)點社會變遷圖5給出的是LEACH算法和BPDFA算法在網(wǎng)絡節(jié)點平均能耗參數(shù)方面的比較,對于無線傳感器網(wǎng)絡來說,節(jié)點的能量比較有限,能耗問題成為網(wǎng)絡生命周期的重要指標。節(jié)點的能量消耗越少,網(wǎng)絡生命周期就越長。從圖中可以看出,BPDFA算法的節(jié)點能量消耗低于LEACH算法,這主要是因為改進后的BPDFA算法根據(jù)網(wǎng)路的分布情況對網(wǎng)絡進行分區(qū),使簇首分布較LEACH算法均勻,在簇首的選擇時,考慮了節(jié)點的剩余能量值,使網(wǎng)絡內的節(jié)點平擔能量的消耗,保證了整個網(wǎng)絡的能量消耗更均衡。圖6顯示了LEACH算法和BPDFA算法在網(wǎng)絡存活節(jié)點數(shù)的對比情況。從圖中可以看到,LEACH算法在350s的時候開始出現(xiàn)節(jié)點死亡,且隨著時間的推移節(jié)點死亡的速度逐漸加快,到460s已經(jīng)沒有節(jié)點存活了,而BPDFA算法在450s才開始有節(jié)點死亡,且死亡速度也沒有LEACH算法快。由此可見,本文提出的BPDFA算法較LEACH算法能更好地提高網(wǎng)絡的性能,延長網(wǎng)絡的生存周期。主要是因為在改進后的分簇結構中應用了神經(jīng)網(wǎng)絡算法對簇內節(jié)點采集的數(shù)據(jù)進行了融合處理,減少了簇節(jié)點向基站傳送的數(shù)據(jù)量,降低了通信時的能量消耗,而且算法的運行選擇在匯聚節(jié)點中進行,減少了傳感器節(jié)點的運行能耗,延長了節(jié)點壽命,從而提高了整個無線傳感器網(wǎng)絡的性能,延長了網(wǎng)絡壽命。圖7是當網(wǎng)絡中節(jié)點數(shù)不同時BPDFA算法與LEACH算法節(jié)點