一种UASNs中基于信任机制的网络拓扑控制方法转让专利
申请号 : CN202010858213.3
文献号 : CN111988181B
文献日 : 2021-06-22
发明人 : 李鑫滨 , 代君 , 赵海红 , 许硕 , 韩松
申请人 : 燕山大学
摘要 :
权利要求 :
1.一种UASNs中基于信任机制的最优刚性网络拓扑控制方法,其特征在于所述方法包括如下步骤:
步骤一、构建初始水下传感器网络拓扑初始化水下传感器节点的最大通信半径Rc,并根据水声通信的广播特性在节点间进行信息交互,从而获取各节点的邻居节点集Ni,继而建立初始水下传感器网络拓扑G0;
步骤二、生成信任因子,获取链路权值(1)首先,根据一段时间内相邻节点间成功交互次数s和失败交互次数u,计算两个邻居节点i、j间的通信信任属性Tc;然后,根据一段时间内相邻节点间所传输的数据包的误包率Rpe和丢包率Rpl,计算两个邻居节点i、j间的链路信任属性Tl;最后,根据目标节点j的剩余能量Etres和能量消耗率Rtec,计算两个邻居节点i、j间的能量信任属性Te;
(2)通过多元线性回归方法计算两个邻居节点i、j间的信任因子Tij;
(3)计算两个邻居节点i、j间的链路权值Wij,获取链路权值集W;
步骤三、构建最优刚性水下传感器网络拓扑(1)建立刚度矩阵R;
(2)根据邻居节点集Ni,计算节点i的邻居个数|Ni|;
(3)构建节点i的链路权值集Wi,并将Wi中的链路权值进行降序排列;
(4)按Wi中链路权值的降序序列建立子刚度矩阵Ri;
(5)根据最优链路集Lo,建立全局最优刚性水下传感器网络拓扑。
2.根据权利要求1所述的一种UASNs中基于信任机制的最优刚性网络拓扑控制方法,其特征在于所述步骤二中,通过多元线性回归计算两个邻居节点i、j间的信任因子Tij的公式如下:
其中, 是待估计的回归系数,且 Tc、Tl、Te是与Tij相对应的信任属性值;
在这里采用最小二乘法估计多元线性回归方程的回归系数,即对损失函数求导,计算极小值,得到回归系数的最小二乘估计。
3.根据权利要求1所述的一种UASNs中基于信任机制的最优刚性网络拓扑控制方法,其特征在于所述步骤二中,计算两个邻居节点间的链路权值Wij的公式如下:其中,Erres和ercom分别为发送节点的剩余能量和能量消耗;Etres和etcom分别为接收节点的剩余能量和能量消耗; 表示节点i和节点j所形成链路的能量效应。
4.根据权利要求1所述的一种UASNs中基于信任机制的最优刚性网络拓扑控制方法,其特征在于所述步骤三中,获取的最优链路集Lo的方法如下:在r维空间中,基于链路权值集W构建节点i的链路权值集Wi,并将Wi中的权值元素按照降序排列, 接着按照Wi中权值的降序序列所对应的链路,从刚度矩阵R中构建局部拓扑的子刚度矩阵Ri,然后初始化矩阵Roi=Ri(1),用Ri(1)所对应的链路初始化最优子链路集Loi,并按照Wi中链路权值降序序列依次将子刚性矩阵Ri中的下一行添加到矩阵Roi中形成矩阵Ropi,如果矩阵Ropi满秩,更新矩阵Roi=Ropi,在矩阵Ropi满秩且添入Roi的行所对应的链路不属于Lo时,则将添入Roi的行所对应的链路加入最优链路集Lo,更新Lo,直至Roi的秩大于获取全局最优链路集Lo。
说明书 :
一种UASNs中基于信任机制的网络拓扑控制方法
技术领域
背景技术
海洋保护等许多方面得到了广泛的应用,但是传感器节点能量的有限性和网络链路的不可
靠性给水声传感器网络的应用带来了巨大挑战,目前,国内外学者对水下无线传感器网络
拓扑控制算法取得了一些成果。Luo等人将覆盖性、连通性、网络能耗优化问题映射成为网
络结构优化问题,利用最优刚性图定理,构建一个UASNs拓扑控制模型,但网络的鲁棒性无
法得到保障。为此Luo等利用大规模网络构造了一种三级分簇拓扑,然后分析节点状态,通
过对节点休眠状态的调度,减少节点能源消耗,从而使该拓扑具有更高的覆盖性、更少的能
耗,同时也增强了网络结构的鲁棒性。Jing Yan等利用最优刚性图原理设计了一种水下三
维分簇拓扑算法,但该算法仅考虑了节点能量,不适用于海洋环境未知且存在恶意攻击的
情况。与此同时,中国专利申请号为201911417371.9,名称为“基于势博弈与刚性子图的三
维水下网络拓扑控制方法”,该方法首先用网络拓扑博弈让所有节点的功率达到最优状态,
生成网络拓扑图;但是由于海洋环境的复杂性,仅根据节点的剩余能量和节点间的距离剔
除网络中的冗余链路,将使数据的可靠性得不到保障。
发明内容
率Rpe和丢包率Rpl,计算两个邻居节点i、j间的链路信任属性Tl,根据目标节点j的剩余能量
Etres和能量消耗率Rtec,计算出两个邻居节点i、j间的能量信任属性Tl,通过多元线性回归方
法计算两个邻居节点i、j间的信任因子Tij,计算两个邻居节点i、j间的链路权值Wij,获取链
路权值集Wi;
矩阵Ri,并利用矩阵Ri第一行对应的链路初始化最优链路集Lo;
的子刚度矩阵Ri;然后初始化矩阵Roi=Ri(1),用Ri(1)所对应的链路初始化最优子链路集
Lo,并按照Wi中链路权值降序序列依次将子刚性矩阵Ri中的下一行添加到矩阵Roi中形成矩
阵Ropi,如果矩阵Ropi满秩,更新矩阵Roi=Ropi,在矩阵Ropi满秩且添入Roi的行所对应的的链
路不属于Lo,则将添入Roi的行所对应的的链路加入最优链路集Lo,更新Lo,直至Roi的秩大于
获取全局最优链路集Lo。
上减少了计算量,解决了单从能量角度出发构建拓扑时数据失真的问题;
了网络的生存周期,使网络具有较强的鲁棒性。
附图说明
具体实施方式
次通过水下传感器节点的邻居节点集构建初始水下传感器网络拓扑G0,然后引入邻居节点
之间普遍存在的信任因子Tc、Tl、Te建立链路权值函数,最后在UASNs进行信息交互的情况
下,根据最优刚性图原理以局部到全局的形式获取最优刚性UASNs拓扑。其具体步骤:
表示水下传感器网络的节点集,E={(i,j)∈V×V:i≠j}表示水下传感器网络节点之间的
通信链路集,对于任意两个节点i∈V、j∈V, 表示节点i的坐标,
表示节点j的坐标,若满足||ci‑cj||≤Rc,Rc为节点的通信半径初始化水下
传感器节点的最大通信半径Rc,水下传感器网络中的每个节点以自身最大功率向周围节点
广播信息,其内容包括节点的身份编号、位置坐标和剩余能量,当传感器节点i接受节点j的
信息后,节点j携带相应的信息加入加点i的邻居节点集Ni,根据水下传感器网络中的每个
节点的邻居节点集Ni,建立初始水下传感器网络拓扑G0。
其中, 为成功通信的影响, 为不成功通信的影
响,s为相邻节点间成功交互的次数,u为相邻节点间不成功交互的次数。
中,Rpe为一段时间内相邻节点间所传输的数据包的误包率Rpe,Rpl为一段时间内相邻节点间
所传输的数据包的丢包率,链路信任反应了通信信道的性能,决定了数据的可信度。
节点的剩余能量,Rec为目标节点的能量消耗率,Rem为目标节点过去每轮能耗率的平均值。
数,且 Tc、Tl、Te是与Tij相对应的信任属性值;继而由Wij的计算公式
计算两个邻居节点的链路权值Wij,获取链路权值集W,其中i∈N、j∈N且i
≠j,其中,Erres和ercom分别为发送节点的剩余能量和能量消耗;Etres和etcom分别为接收节点
的剩余能量和能量消耗, 表示节点i和节点j所形成链路的能量效应。
在r维空间中,基于链路权值集W构建节点i的链路权值
集Wi,并将Wi中的权值元素按照降序排列;接着按照Wi中权值的降序序列所对应的链路,从
刚度矩阵R中构建局部拓扑的子刚度矩阵Ri,然后初始化矩阵Roi=Ri(1),用Ri(1)所对应的
链路初始化最优子链路集Loi,并按照Wi中链路权值降序序列依次将子刚性矩阵Ri中的下一
行添加到矩阵Roi中形成矩阵Ropi,如果矩阵Ropi满秩,更新矩阵Roi=Ropi,在矩阵Ropi满秩且
添入Roi的行所对应的的链路不属于Lo,则将添入Roi的行所对应的的链路加入最优链路集
Lo,更新Lo直至Roi的秩大于 获取全局最优链路集Lo,根据
得到的最优链路集Lo,建立全局最优刚性水下传感器网络拓扑。
加入信任机制的拓扑控制方法的优良性如图4、图5所示,在信任因子的影响下,恶意节点19
的节点度和其对应的最大链路权值均被优化到较小值,因此与纯基于最优刚性图理论的拓
扑控制方法相比,基于信任机制的最优刚性网络拓扑控制方法不仅合理地最小化恶意节点
的节点度,还将恶意节点对应的全部链路的链路权值最小化,从而在尽量不使用恶意节点
的情况下,使得网络覆盖度及其安全性同时达到最大化。另外,如图6、图7所示,最优刚性水
下传感器网络拓扑会延长网络的生命周期,但信任机制会削弱恶意节点对拓扑网络的影
响,因此加入信任机制的最优刚性水下传感器网络拓扑与未加入信任机制的最优刚性水下
传感器网络拓延长网络相比,网络生命周期被延长24.71%。