基于梯度转播的井下WSNs分簇路由协议

doi:10.3778/j.issn.1002-8331.1609-0448

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (15): 122-126.DOI: 10.3778/j.issn.1002-8331.1609-0448

基于梯度转播的井下WSNs分簇路由协议

李贤慧1，2，李晓波1，2，季胜鹏1，2，林瑶1，2，何阳1，2，赵作鹏3

1.南瑞集团公司（国网电力科学研究院），南京 210000
2.江苏瑞中数据股份有限公司，南京 210000
3.中国矿业大学计算机科学与技术学院，江苏徐州 221116

出版日期:2017-08-01 发布日期:2017-08-14

Gradient-based broadcast clustering routing protocol for underground WSNs

LI Xianhui1，2, LI Xiaobo1，2, JI Shengpeng1，2, LIN Yao1，2, HE Yang1，2, ZHAO Zuopeng3

1.NARI Group Corporation State Grid Electric Power Research Institute, Nanjing 210000, China
2.China Realtime Database Co. Ltd., Nanjing 210000, China
3.School of Computer Science and Technology, China University of Mining and Technology, Xuzhou, Jiangsu 221116, China

Online:2017-08-01 Published:2017-08-14

摘要/Abstract

摘要： 针对无线传感器网络煤矿安全监测系统对数据传输可靠性和能量均衡性的需求，提出了一种适用于煤矿井下的基于梯度转播的井下分簇路由协议（G-LEACH）。通过分析煤矿井下特殊的环境特点，针对井下巷道空间特点提出了相应的网络节点部署模型，同时在网络中部署了移动的传感器节点，在此基础上实现了基于梯度转播的可靠分簇路由算法。该算法引入候选簇首机制，通过感知节点的剩余能量、转播因子以及距离因素进行分簇，采用混合路由转发模型并结合梯度信息来决定关键节点。仿真结果表明，G-LEACH具有更高的均衡性和可靠性，更适用于井下复杂环境中安全数据的监测。

关键词: 无线传感器网络, 基于梯度转播的井下分簇路由协议（G-LEACH）, 部署模型, 梯度, 转播因子

Abstract: A gradient-based broadcast clustering routing protocol for underground（G-LEACH） is proposed based on the demand of wireless sensor network mining safety monitoring for data transmission reliability and energy balance. By analyzing the environmental characteristics of the coal mine, a deployment model is established based on mine laneway space. Mobile sensor nodes are added in the network, on this basis to realize the gradient-based broadcast clustering routing algorithm. In this algorithm, the candidate mechanism is introduced. And it selects cluster heads through the residual energy and coverage factor and considers the gradient to choose the key nodes using a hybrid routing forwarding model. The simulation results show that G-LEACH is better in data transmission reliability and energy balance, which is suitable for the underground safety data monitoring.

Key words: Wireless Sensor Networks（WSNs）, G-LEACH, deployment model, gradient, coverage factor

李贤慧1，2，李晓波1，2，季胜鹏1，2，林瑶1，2，何阳1，2，赵作鹏3. 基于梯度转播的井下WSNs分簇路由协议[J]. 计算机工程与应用, 2017, 53(15): 122-126.

LI Xianhui1，2, LI Xiaobo1，2, JI Shengpeng1，2, LIN Yao1，2, HE Yang1，2, ZHAO Zuopeng3. Gradient-based broadcast clustering routing protocol for underground WSNs[J]. Computer Engineering and Applications, 2017, 53(15): 122-126.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[3]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[4]	刘建宇，范平清. 基于改进的RRT*-connect算法机械臂路径规划[J]. 计算机工程与应用, 2021, 57(6): 274-278.
[5]	王晓，唐伦，贺小雨，陈前斌. 基于深度强化学习的服务功能链多维资源优化[J]. 计算机工程与应用, 2021, 57(4): 68-76.
[6]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[7]	马志豪，朱响斌. 拟双曲动量梯度的对抗深度强化学习研究[J]. 计算机工程与应用, 2021, 57(24): 90-99.
[8]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[9]	杨薛钰，陈建平，傅启明，陆悠，吴宏杰. 基于随机方差减小方法的DDPG算法[J]. 计算机工程与应用, 2021, 57(19): 104-111.
[10]	成立明，陈建新，陈瑞，陈志敏. 融合自监督单目图像深度估计的视觉里程计[J]. 计算机工程与应用, 2021, 57(15): 230-236.
[11]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[12]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[13]	唐蕾，刘广钟. 改进TD3算法在四旋翼无人机避障中的应用[J]. 计算机工程与应用, 2021, 57(11): 254-259.
[14]	龚本灿，周峰，陈鹏，任东. 基于路径质量的无线传感网路由协议[J]. 计算机工程与应用, 2020, 56(6): 99-104.
[15]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.

基于梯度转播的井下WSNs分簇路由协议

Gradient-based broadcast clustering routing protocol for underground WSNs

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics