本发明提供了基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，移动汇聚节点根据具体的运动模型进行移动，包含以下步骤：首先，根据移动汇聚节点运动参数确定椭圆位置更新区域，从而确定会合点选择阈值；其次，根据会合点选择阈值构建会合点和非会合点集合；然后根据LEACH算法基础框架，将对非会合点集合进行簇头选择；最后根据结合簇头的剩余能量和传输能耗，构建父节点选择目标函数，为每一个簇头选择下一跳父节点，从而构建节点‑簇头‑会合点‑移动汇聚节点传输路径树；重复上述过程，直至全部节点死亡；综合考虑了移动汇聚节点运动参数变化、数据传输的方向性、节点的能耗等因素，提高了延长了网络寿命、降低了数据延迟、均衡了网络负载。
1.基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：包括以下步骤：
设定无线传感器网络监测区域SM为L×L的正方形区域，移动汇聚节点位于区域内根据具体运动模型进行移动；无线传感器网络中随机部署N个传感器节点，构成传感器节点集合并记为S＝{s1,…,si,…,sN}；i＝1,2,…,N；每个传感器节点si部署之后位置不再发生改变，且初始能量相同为E0；簇头选择期望概率为popt；最大运行轮数为rmax；最优会合点个数为n；
S2：移动汇聚节点位置更新区域的划分：根据步骤S1中最优会合点个数为n、传感器节点总个数N和网络监测区域面积SM，得到理想的移动汇聚节点位置更新区域的面积Sm；以移动汇聚节点当前时刻的位置为椭圆的后焦点F1(Jx(t),Jy(t))，根据移动汇聚节点当前位置的运动状态信息即位置和速度，计算得到t时刻位置更新区域的椭圆的前焦点F2(J′x(t),J′y(t))、半焦距c、长半轴a、短半轴b；
S3：根据步骤S2中得到的在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))，结合在t+Δt时刻移动汇聚节点的位置坐标的F1′(Jx(t+Δt),Jy(t+Δt))，计算在t+Δt时刻椭圆更新阈值Tarea(t+Δt)；当Tarea(t+Δt)＝1时，根据t+Δt时刻移动汇聚节点的运动状态构建新的椭圆区域；否则，不进行椭圆区域重构；
S4：根据移动汇聚位置更新区域的划分选择会合点：根据步骤S2和S3得到的移动汇聚节点椭圆位置更新区域的半焦距c、长半轴a、短半轴b，计算会合点选择阈值Trp(si)；当Trp(si)＝1，节点si加入会合点集合R；否则，加入非会合点集合R′；
根据步骤S4得到非会合点集合R′，基于经典分簇算法LEACH中的簇头选择架构，计算节点si(si∈R′)的簇头选择阈值T(si)；每个节点si产生一个均分分布在[0,1]之间的随机数Trand(si)；如果Trand(si)小于簇头选择阈值T(si)，则节点si在当前轮当选为簇头，加入簇头集合C；否则，节点si为非簇头节点,加入非簇头集合C′；
根据步骤S6中得到的簇头集合C，每个簇头在整个监测区域广播自己成为簇头的消息，计算非簇头节点sp(p∈C′)到每个簇头节点sq(q∈C)的距离集合将集合Dpq元素最小值对应的q记为离非簇头节点sp最近的簇头，通过比较距离集合Dpq元素得到离非簇头节点sp最近的簇头之间的距离记为dscmin，则该非簇头节点sp(p∈C′)加入离自身最近的簇头节点q所在的簇；
簇头节点在把数据发送给移动汇聚节点时，可以通过无线传感器网络中其他簇头节点转发给会合点；会合点接收移动汇聚节点的位置信息，最终将数据转发给移动汇聚节点，即形成一棵以移动汇聚节点为根节点的路由树；
S8：每个簇的簇内节点将自身监测到的数据发送给所在簇的簇头节点，簇头节点接收多个簇成员节点传输的数据并对这些数据进行融合处理；
S9：WSNs中每个簇头节点将自身融合处理后的数据发送给自己的下一跳节点；
S10：重复步骤S2至步骤S9，直到达到预先设定的运行轮数r＝rmax或全部节点剩余能量为0焦耳。
2.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：
所述步骤S2中会合点分布的理想区域的面积Sm采用如下方法计算：n/N＝Sm/SM
其中，n为最优会合点个数，N传感器节点总个数，SM为网络监测区域面积；
步骤S2中所述椭圆半焦距c的计算方法为：c＝1/2|F1F2|＝λv
其中，λ为半焦距c速度权重系数，移动汇聚节点的速度为v，椭圆的两个焦点坐标分别为F1(Jx(t),Jy(t)),F2(J′x(t),J′y(t))；
步骤S2中所述长半轴a、短半轴b的计算方法为：其中，λ为半焦距c速度权重系数，移动汇聚节点的速度为v，Sm为移动汇聚节点椭圆位置更新区域的面积。
3.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S3中所述椭圆位置更新区域更新阈值Tarea(t+Δt)采用如下方法计算：
d(t+Δt)＝|F1′F1|+|F1′F2|其中，a为在t时刻的椭圆区域的长半轴；μ为区域更新权重系数；在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))；在t+Δt时刻移动汇聚节点的位置坐标的F1′(Jx(t+Δt),Jy(t+Δt))；当Tarea(t+Δt)＝1时，根据t+Δt时刻移动汇聚节点的运动状态构建新的椭圆区域；否则，不进行椭圆区域重构。
4.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S4中所述会合点选择阈值Trp(si)采用如下方法计算：式中，
其中，在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))，P(xsi,ysi)为传感器节点坐标。
5.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S5中所述簇头选择阈值T(si)采用如下方法计算：其中，popt为每轮所需簇头数占网络中所有节点总数的期望概率；r为当前运行轮数；G表示在最近1/popt轮中没有当选过簇头的节点集合；mod表示取模运算。
6.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S6中非簇头节点到每个簇头节点的距离 采用如下方法计算：
其中，(xs(p),ys(p))为传感器节点sp的坐标，(xc(q),yc(q))为簇头节点q的坐标。
7.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S7具体为：S7.1：根据步骤S2和步骤S3得到的移动汇聚节点局部位置更新区域将无线传感器网络中各簇头节点按照与椭圆中心点O的距离由近及远进行排序，构成由近及远排序的簇头节点集合S；
S7.2：由步骤S4得到会合点集合R，会合点si(si∈R)直接与移动汇聚节点相连,形成第一层分支,加入可选父节点集合Z；
S7.3：由步骤S7.1和S7.2得到近及远排序的簇头节点集合S和可选父节点集合Z,依次为簇头节点集合S中的每一个簇头节点选择父节点并连接到树上，除了移动汇聚节点，无线传感器网络中其他簇头节点的可选父节点属于比自己距离椭圆位置更新区域中心点更近的其他簇头节点和会合点共同构成的可选父节点集合Z；具体的，次近的簇头节点根据下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)，对可选父节点集合Z中的所有可选父节点构建最优效能目标函数f(A,z)，其中，A为所有可选择父节点构成的效能矩阵，z为可选父节点的二级制解矩阵，j为第可j选父节点，j∈Z；
S7.4：重复步骤S7.2和步骤S7.3，直到无线传感器网络中所有簇头节点都连接到路由树上，即路由树构造完成。
8.根据权利要求7所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：
所述步骤S7.3中下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)采用如下方法计算：其中，Ecur(j)为第j个可选父节点的当前剩余能量；Eavg为所有可选父节点的平均剩余能量；
所述步骤S7.3中下一跳路径能耗因子P(j)采用如下方法计算：j
其中，di,j为簇头CHi与第j个可选父节点CHi的传输距离；E(di,j)为簇头CHi与第j个可选j j
父节点CHi的传输数据能耗；djmax为簇头CHi与可选父节点CHi的最大传输距离；E(djmax)为j
簇头CHi与可选父节点CHi的最大传输数据能耗；所述步骤S7.3中下下一跳的路径能耗因子PP(j)采用如下方法计算：
其中，dj,p为可选父节点的与自身父节点的传输距离；E(dj,p)为可选父节点的与下一跳父节点的传输数据能耗；
所述步骤S7.3中可选父节点集合Z中的所有可选父节点构建最优效能目标函数f(A,z)采用如下方法计算：
aj＝αE(j)+βP(j)+δPP(j)其中，aj由下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)组成，α,β,δ为权重系数，E0为节点初始能量。
基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法
技术领域
[0001] 本发明属于无线传感器网络通信技术领域，具体涉及基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法。
背景技术
[0002] 无线传感器网络(Wireless Sensor Networks，WSNs)由成千上万传感器节点构成。随着无线通信技术的快速发展，无线传感器网络有了更大的应用空间。传感器节点可以
部署在很多无人坚守或生存条件恶劣的区域，对于这些传感器节点的监测数据进行收集带
来了很大的挑战。移动汇聚节点的引入对于监测数据的收集提供了很大的帮助。因此，针对
于移动汇聚节点的引入，如何均衡网络能耗、延长网络寿命、降低网络数据时延也成为了一
项重要的研究课题。
[0003] 在WSNs中，传感器节点自身携带的能量有限，无法及时进行补充，一旦耗尽，将会导致网络节点拓扑结构改变，监测性能下降，整个网络的生存周期也会减少。WSNs根据传感
器网络中节点的类型可以分为多种类型，其中包含静止传感器网络(static WSNs)和移动
传感器网络(mobile WSNs)。移动WSNs中传感器节点分布后可以进行移动，移动汇聚节点
(Mobile Sink)的引入可以有效缓解上述问题。许多学者针对无线传感器网络中的能量优
化问题提出了很多相关的路由算法。最经典的分簇路由算法是Heinzelman等人提出的低功
耗自适应分簇路由协议(Low Energy Adaptive Clustering Hierarchy，LEACH)，该协议首
次提出了执行过程分轮和网络节点分簇的思想，将整个过程划分为若干轮，并且每一个完
整的工作过程为“一轮”。其中，每一轮中包含两个阶段：簇的建立阶段和稳定的数据通信阶
段。簇的建立阶段主要通过簇头选择阈值随机选择簇头，确定簇头集合和非簇头集合。然后
簇头节点广播自己成为簇头的消息，非簇头节点根据接收各个簇头节点的信号强度，选择
加入信号最强的簇头节点，建立多个簇。其次，簇内成员将自身监测数据发送给相应的簇头
节点，簇头节点对接收到的数据进行融合处理，将融合后的数据发送给汇聚节点，对节约网
络能耗和延长网络寿命具有一定成效。
[0004] 经典的LEACH分簇路由算法建立了分簇路由算法的基本框架，对无线传感器网络中针对能耗优化的分簇路由算法有很好的意义。现存的分簇路由算法中，存在以下问题：
[0005] 1，移动汇聚节点需要频繁通知传感器节点的新位置信息，导致传感器节点的能量消耗过大；
[0006] 2，移动汇聚节点的移动性，导致数据传输网路拓扑结构不断变化，网络中各个传感器节点能耗不均衡和数据延迟；
[0007] 3，簇头节点通过单跳方式向移动汇聚节点发送数据，部分簇头距离较远，容易过早死亡。
发明内容
[0008] 本发明的目的是提供一种基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，通过考虑移动汇聚节点的局部位置更新区域、数据传输的方向性、多跳传输路径、簇
头节点的剩余能量等因素，降低了数据延迟，延长网络寿命，减少网络能耗。
[0009] 本发明解决其技术问题的技术方案为：基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，包括以下步骤：
[0010] S1：参数设置：
[0011] 设定无线传感器网络监测区域SM为L×L的正方形区域，移动汇聚节点位于区域内根据具体运动模型进行移动；无线传感器网络中随机部署N个传感器节点，构成传感器节点
集合并记为S＝{s1,…,si,…,sN}；i＝1,2,…,N；每个传感器节点si部署之后位置不再发生
改变，且初始能量相同为E0；簇头选择期望概率为p；最大运行轮数为rmax；最优会合点个数
为n；
[0012] S2：移动汇聚节点位置更新区域的划分：
[0013] 根据步骤S1中最优会合点个数为n、传感器节点总个数N和网络监测区域面积SM，得到理想的移动汇聚节点位置更新区域的面积Sm；以移动汇聚节点当前时刻的位置为椭圆
的后焦点F1(Jx(t),Jy(t))，根据移动汇聚节点当前位置的运动状态信息(位置和速度)，计
算得到位置更新区域的椭圆的前焦点F2(J′x(t),J′y(t))、半焦距c、长半轴a、短半轴b；
[0014] S3：根据步骤S2中得到的在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))，结合在t+Δt时刻移动汇聚节点的位置坐标的F1′(Jx(t+Δt),Jy(t+Δ
t))，计算在t+Δt时刻椭圆更新阈值Tarea(t+Δt)＝1；当Tarea(t+Δt)＝1时，根据t+Δt时刻
移动汇聚节点的运动状态构建新的椭圆区域；否则，不进行椭圆区域重构；
[0015] S4：根据移动汇聚位置更新区域的划分选择会合点：
[0016] 根据步骤S2和S3得到的移动汇聚节点椭圆位置更新区域的半焦距c、长半轴a、短半轴b，计算会合点选择阈值Trp(si)；当Trp(si)＝1，节点si加入会合点集合R；否则，加入非
会合点集合R′；
[0017] S5：选择簇头：
[0018] 根据步骤S4得到非会合点集合R′，基本经典分簇算法LEACH的基本架构，计算节点si(si∈R′)的簇头选择阈值T(si)；每个节点si产生一个均分分布在[0,1]之间的随机数Trand
(si)。如果Trand(si)小于簇头选择阈值T(si)，则节点si在当前轮当选为簇头，加入簇头集合
C；否则，节点si为非簇头节点,加入非簇头集合C′；
[0019] S6：簇的形成：
[0020] 根据步骤S6中得到的簇头集合C，每个簇头在整个监测区域广播自己成为簇头的消息，计算非簇头节点sp(p∈C′)到每个簇头节点sq(q∈C)的距离集合
将集合Dpq元素最小值对应的q记为离非簇头节点sp最近的簇头，通过比较距离集合Dpq元素
得到离非簇头节点sp最近的簇头之间的距离记为dscmin，则该非簇头节点sp(p∈C′)加入离
自身最近的簇头节点q所在的簇；
[0021] S7：路径树的构建：
[0022] 簇头节点在把数据发送给移动汇聚节点时，可以通过无线传感器网络中其他簇头节点转发给会合点；会合点接收移动汇聚节点的位置信息，最终将数据转发给移动汇聚节
点，即形成一棵以移动汇聚节点为根节点的路由树；
[0023] S8：每个簇的簇内节点将自身监测到的数据发送给所在簇的簇头节点，簇头节点接收多个簇成员节点传输的数据并对这些数据进行融合处理；
[0024] S9：WSNs中每个簇头节点将自身融合处理后的数据发送给自己的下一跳节点；
[0025] S10：重复步骤S2至步骤S10，直到达到预先设定的运行轮数r＝rmax或全部节点剩余能量为0焦耳。
[0026] 所述步骤S2中会合点分布的理想区域的面积Sm采用如下方法计算：
[0027] n/N＝Sm/SM
[0028] 其中，n为最优会合点个数，N传感器节点总个数，SM为网络监测区域面积；
[0029] 步骤S2中所述椭圆半焦距c的计算方法为：
[0030] c＝1/2|F1F2|＝λv
[0031] 其中，λ为半焦距c速度权重系数，移动汇聚节点的速度为v，椭圆的两个焦点坐标分别为F1(Jx(t),Jy(t)),F2(J′x(t),J′y(t))；
[0032] 步骤S2中所述长半轴a、短半轴b的计算方法为：
[0033]
[0034]
[0035] 其中，λ为半焦距c速度权重系数，移动汇聚节点的速度为v，Sm为移动汇聚节点椭圆位置更新区域的面积。
[0036] 所述步骤S3中所述椭圆位置更新区域更新阈值Tarea(t+Δt)采用如下方法计算：
[0037]
[0038] 式中，
[0039] d(t+Δt)＝|F1′F1|+|F1′F2|
[0040] 其中，a为在t时刻的椭圆区域的长轴；μ为区域更新权重系数；在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))；在t+Δt时刻移动汇聚节点的位置
坐标的F1′(Jx(t+Δt),Jy(t+Δt))。当Tarea(t+Δt)＝1时，根据t+Δt时刻移动汇聚节点的
运动状态构建新的椭圆区域；否则，不进行椭圆区域重构。
[0041] 所述步骤S4中所述会合点选择阈值Trp(si)采用如下方法计算：
[0042]
[0043] 式中，
[0044] di＝|PF1|+|PF2|
[0045] 其中，在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))，为传感器节点坐标。
[0046] 所述步骤S5中所述簇头选择阈值T(si)采用如下方法计算：
[0047]
[0048] 其中，p为每轮所需簇头数占网络中所有节点总数的期望概率；r为当前运行轮数；G表示在最近1/p轮中没有当选过簇头的节点集合；mod表示取模运算。
[0049] 所述步骤S6中非簇头节点到每个簇头节点的距离 采用如下方法计算：
[0050]
[0051] 其中，(xs(p),ys(p))为传感器节点sp的坐标，(xc(q),yc(q))为簇头节点q的坐标。
[0052] 所述步骤S7具体为：
[0053] S7.1：根据步骤S2和步骤S3得到的移动汇聚节点局部位置更新区域将无线传感器网络中各簇头节点按照与椭圆中心点O的距离由近及远进行排序，构成由近及远排序的簇
头节点集合S；
[0054] S7.2：由步骤S4得到会合点集合R，会合点si(si∈R)直接与移动汇聚节点相连,形成第一层分支,加入可选父节点集合Z；
[0055] S7.3：由步骤S7.1和S7.2得到近及远排序的簇头节点集合S和可选父节点集合Z,依次为簇头节点集合S中的每一个簇头节点选择父节点并连接到树上，除了移动汇聚节点，
无线传感器网络中其他簇头节点的可选父节点属于比自己距离椭圆位置更新区域中心点
更近的其他簇头节点和会合点共同构成的可选父节点集合Z；具体的，次近的簇头节点根据
下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)，对可选
父节点集合Z中的所有可选父节点构建最优效能目标函数f(A,z)，其中，A为所有可选择父
节点构成的效能矩阵，z为可选父节点的二级制解矩阵，j为第可j选父节点，j∈Z；
[0056] S7.4：重复步骤S7.2和步骤S7.3，直到无线传感器网络中所有簇头节点都连接到路由树上，即路由树构造完成；
[0057] 所述步骤S7.3中下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)采用如下方法计算：
[0058]
[0059] 其中，Ecur(j)为第j个可选父节点的当前剩余能量；Eavg为所有可选父节点的平均剩余能量；
[0060] 所述步骤S7.3中下一跳路径能耗因子P(j)采用如下方法计算：
[0061]
[0062] 其中，di,j为簇头CHi与第j个可选父节点CHij的传输距离；E(di,j)为簇头CHi与第jj j
个可选父节点CHi 的传输数据能耗；djmax为簇头CHi与可选父节点CHi 的最大传输距离；E
j
(djmax)为簇头CHi与可选父节点CHi的最大传输数据能耗；
[0063] 所述步骤S7.3中下下一跳的路径能耗因子PP(j)采用如下方法计算：
[0064]
[0065] 其中，其中，dj,p为可选父节点的与自身父节点的传输距离；E(dj,p)为可选父节点的与下一跳父节点的传输数据能耗；
[0066] 所述步骤S7.3中可选父节点集合Z中的所有可选父节点构建最优效能目标函数f(A,z)采用如下方法计算：
[0067] 目标函数
[0068] 约束条件1Tz＝1
[0069] 1≤j≤k
[0070] 0<α,β,δ＜1
[0071] Ecur(j)≤E0
[0072] di,j≤djmax
[0073] dj,p≤djpmax
[0074] 式中，
[0075] A＝[a1 a2 … aj]
[0076] aj＝αE(j)+βP(j)+δPP(j)
[0077] 其中，aj由下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)组成，α,β,δ为权重系数，E0为节点初始能量。
[0078] 本发明的有益效果为：通过上述技术方案，本发明针对现有的带有移动汇聚节点的路由算法能耗不均衡、能耗过大等问题，提出了基于移动汇聚节点的WSNs改进分簇能耗
优化方法。
[0079] 首先，本发明综合考虑移动汇聚节点的运动参数(速度、距离)，构建会合点所在的椭圆区域，使得靠近移动汇聚节点的节点成为会合点，代替移动汇聚节点接收数据，缓解数
据传输的热点问题，延长网络寿命；
[0080] 其次，构建了自适应位置更新阈值，该阈值的设计充分考虑了移动汇聚节点运动变化参数(速度、距离)和数据传输的连续性，提高了数据传输的稳定性，有效的延长了网络
寿命；
[0081] 最后，基于LEACH架构，进行簇头选择，同时将簇头的剩余能量和传输路径能耗引入到路径树的构建机制，设计簇间传输最优父节点选择目标函数，有效减少网络节点死亡
个数，均衡网络负载。
附图说明
[0082] 图1是本发明的方法流程图。
[0083] 图2为本发明的多跳传输路径图。
具体实施方式
[0084] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所
获得的所有其他实施例，都属于本发明保护的范围。
[0085] 如图1所示，本发明包括以下步骤：
[0086] S1：参数设置：
[0087] 设定无线传感器网络监测区域SM为L×L的正方形区域，移动汇聚节点位于区域内根据具体运动模型进行移动；无线传感器网络中随机部署N个传感器节点，构成传感器节点
集合并记为S＝{s1,…,si,…,sN}；i＝1,2,…,N；每个传感器节点si部署之后位置不再发生
改变，且初始能量相同为E0；簇头选择期望概率为p；最大运行轮数为rmax；最优会合点个数
为n；
[0088] S2：移动汇聚节点位置更新区域的划分：
[0089] 根据步骤S1中最优会合点个数为n、传感器节点总个数N和网络监测区域面积SM，得到理想的移动汇聚节点位置更新区域的面积Sm；以移动汇聚节点当前时刻的位置为椭圆
的后焦点F1(Jx(t),Jy(t))，根据移动汇聚节点当前位置的运动状态信息(位置和速度)，计
算得到位置更新区域的椭圆的前焦点F2(J′x(t),J′y(t))、半焦距c、长半轴a、短半轴b；
[0090] S3：根据步骤S2中得到的在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))，结合在t+Δt时刻移动汇聚节点的位置坐标的F1′(Jx(t+Δt),Jy(t+Δ
t))，计算在t+Δt时刻椭圆更新阈值Tarea(t+Δt)＝1；当Tarea(t+Δt)＝1时，根据t+Δt时刻
移动汇聚节点的运动状态构建新的椭圆区域；否则，不进行椭圆区域重构；
[0091] S4：根据移动汇聚位置更新区域的划分选择会合点：
[0092] 根据步骤S2和S3得到的移动汇聚节点椭圆位置更新区域的半焦距c、长半轴a、短半轴b，计算会合点选择阈值Trp(si)；当Trp(si)＝1，节点si加入会合点集合R；否则，加入非
会合点集合R′；
[0093] S5：选择簇头：
[0094] 根据步骤S4得到非会合点集合R′，基本经典分簇算法LEACH的基本架构，计算节点si(si∈R′)的簇头选择阈值T(si)；每个节点si产生一个均分分布在[0,1]之间的随机数Trand
(si)。如果Trand(si)小于簇头选择阈值T(si)，则节点si在当前轮当选为簇头，加入簇头集合
C；否则，节点si为非簇头节点,加入非簇头集合C′；
[0095] S6：簇的形成：
[0096] 根据步骤S6中得到的簇头集合C，每个簇头在整个监测区域广播自己成为簇头的消息，计算非簇头节点sp(p∈C′)到每个簇头节点sq(q∈C)的距离集合
将集合Dpq元素最小值对应的q记为离非簇头节点sp最近的簇头，通过比较距离集合Dpq元素
得到离非簇头节点sp最近的簇头之间的距离记为dscmin，则该非簇头节点sp(p∈C′)加入离
自身最近的簇头节点q所在的簇；
[0097] S7：路径树的构建：
[0098] 簇头节点在把数据发送给移动汇聚节点时，可以通过无线传感器网络中其他簇头节点转发给会合点；会合点接收移动汇聚节点的位置信息，最终将数据转发给移动汇聚节
点，即形成一棵以移动汇聚节点为根节点的路由树；
[0099] S8：每个簇的簇内节点将自身监测到的数据发送给所在簇的簇头节点，簇头节点接收多个簇成员节点传输的数据并对这些数据进行融合处理；
[0100] S9：WSNs中每个簇头节点将自身融合处理后的数据发送给自己的下一跳节点；
[0101] S10：重复步骤S2至步骤S10，直到达到预先设定的运行轮数r＝rmax或全部节点剩余能量为0焦耳。
[0102] 所述步骤S2中会合点分布的理想区域的面积Sm采用如下方法计算：
[0103] n/N＝Sm/SM
[0104] 其中，n为最优会合点个数，N传感器节点总个数，SM为网络监测区域面积；
[0105] 步骤S2中所述椭圆半焦距c的计算方法为：
[0106] c＝1/2|F1F2|＝λv
[0107] 其中，λ为半焦距c速度权重系数，移动汇聚节点的速度为v，椭圆的两个焦点坐标分别为F1(Jx(t),Jy(t)),F2(J|x(t),J|y(t))；
[0108] 步骤S2中所述长半轴a、短半轴b的计算方法为：
[0109]
[0110]
[0111] 其中，λ为半焦距c速度权重系数，移动汇聚节点的速度为v，Sm为移动汇聚节点椭圆位置更新区域的面积。
[0112] 所述步骤S3中所述椭圆位置更新区域更新阈值Tarea(t+Δt)采用如下方法计算：
[0113]
[0114] 式中，
[0115] d(t+Δt)＝|F1′F1|+|F1′F2|
[0116] 其中，a为在t时刻的椭圆区域的长轴；μ为区域更新权重系数；在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))；在t+Δt时刻移动汇聚节点的位置
坐标的F1′(Jx(t+Δt),Jy(t+Δt))。当Tarea(t+Δt)＝1时，根据t+Δt时刻移动汇聚节点的
运动状态构建新的椭圆区域；否则，不进行椭圆区域重构。
[0117] 所述步骤S4中所述会合点选择阈值Trp(si)采用如下方法计算：
[0118]
[0119] 式中，
[0120] di＝|PF1|+|PF2|
[0121] 其中，在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))，为传感器节点坐标。
[0122] 所述步骤S5中所述簇头选择阈值T(si)采用如下方法计算：
[0123]
[0124] 其中，p为每轮所需簇头数占网络中所有节点总数的期望概率；r为当前运行轮数；G表示在最近1/p轮中没有当选过簇头的节点集合；mod表示取模运算。
[0125] 所述步骤S6中非簇头节点到每个簇头节点的距离 采用如下方法计算：
[0126]
[0127] 其中，(xs(p),ys(p))为传感器节点sp的坐标，(xc(q),yc(q))为簇头节点q的坐标。
[0128] 所述步骤S7具体为：
[0129] S7.1：根据步骤S2和步骤S3得到的移动汇聚节点局部位置更新区域将无线传感器网络中各簇头节点按照与椭圆中心点O的距离由近及远进行排序，构成由近及远排序的簇
头节点集合S；
[0130] S7.2：由步骤S4得到会合点集合R，会合点si(si∈R)直接与移动汇聚节点相连,形成第一层分支,加入可选父节点集合Z；
[0131] S7.3：由步骤S7.1和S7.2得到近及远排序的簇头节点集合S和可选父节点集合Z,依次为簇头节点集合S中的每一个簇头节点选择父节点并连接到树上，除了移动汇聚节点，
无线传感器网络中其他簇头节点的可选父节点属于比自己距离椭圆位置更新区域中心点
更近的其他簇头节点和会合点共同构成的可选父节点集合Z；具体的，次近的簇头节点根据
下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)，对可选
父节点集合Z中的所有可选父节点构建最优效能目标函数f(A,z)，其中，A为所有可选择父
节点构成的效能矩阵，z为可选父节点的二级制解矩阵，j为第可j选父节点，j∈Z；
[0132] S7.4：重复步骤S7.2和步骤S7.3，直到无线传感器网络中所有簇头节点都连接到路由树上，即路由树构造完成；
[0133] 所述步骤S7.3中下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)采用如下方法计算：
[0134]
[0135] 其中，Ecur(j)为第j个可选父节点的当前剩余能量；Eavg为所有可选父节点的平均剩余能量；
[0136] 所述步骤S7.3中下一跳路径能耗因子P(j)采用如下方法计算：
[0137]
[0138] 其中，di,j为簇头CHi与第j个可选父节点CHij的传输距离；E(di,j)为簇头CHi与第jj j
个可选父节点CHi 的传输数据能耗；djmax为簇头CHi与可选父节点CHi 的最大传输距离；E
j
(djmax)为簇头CHi与可选父节点CHi的最大传输数据能耗；
[0139] 所述步骤S7.3中下下一跳的路径能耗因子PP(j)采用如下方法计算：
[0140]
[0141] 其中，其中，dj,p为可选父节点的与自身父节点的传输距离；E(dj,p)为可选父节点的与下一跳父节点的传输数据能耗；
[0142] 所述步骤S7.3中可选父节点集合Z中的所有可选父节点构建最优效能目标函数f(A,z)采用如下方法计算：
[0143] 目标函数
[0144] 约束条件1Tz＝1
[0145] 1≤j≤k
[0146] 0<α,β,δ＜1
[0147] Ecur(j)≤E0
[0148] di,j≤djmax
[0149] dj,p≤djpmax
[0150] 式中，
[0151] A＝[a1 a2 … aj]
[0152] aj＝αE(j)+βP(j)+δPP(j)
[0153] 其中，aj由下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)组成，α,β,δ为权重系数，E0为节点初始能量。
[0154] 本发明的有益效果为：通过上述技术方案，本发明针对现有的带有移动汇聚节点的路由算法能耗不均衡、能耗过大等问题，提出了基于移动汇聚节点的WSNs改进分簇能耗
优化方法。
[0155] 首先，本发明综合考虑移动汇聚节点的运动参数(速度、距离)，构建会合点所在的椭圆区域，使得靠近移动汇聚节点的节点成为会合点，代替移动汇聚节点接收数据，缓解数
据传输的热点问题，延长网络寿命；
[0156] 其次，构建了自适应位置更新阈值，该阈值的设计充分考虑了移动汇聚节点运动变化参数(速度、距离)和数据传输的连续性，提高了数据传输的稳定性，有效的延长了网络
寿命；
[0157] 最后，基于LEACH架构，进行簇头选择，同时将簇头的剩余能量和传输路径能耗引入到路径树的构建机制，设计簇间传输最优父节点选择目标函数，有效减少网络节点死亡
个数，均衡网络负载。
[0158] 本发明法通过考虑移动汇聚节点的局部位置更新区域、多跳传输路径、簇头节点的剩余能量等因素，降低了数据延迟，延长网络寿命，减少网络能耗。
[0159] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依
然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进
行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术
方案的范围。
