水声通信网层次路由探究范文

本站小编为你精心准备了水声通信网层次路由探究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

基本原理概述

1复杂网络社团结构检测及谱方法

复杂网络社团结构检测算法主要有：分裂算法、凝聚算法、谱方法及在这些思想基本算法基础上的改进算法.此外，基于其他思想的很多方法也同样能够取得较好的效果.分裂算法最早由Girvan等提出的GN分裂算法，依次移除网络中介数最大的边分裂产生社团结构；Radicchi等在此基础上分别进行了改进.凝聚算法通过社团间的迭代合并，产生最终所期望的社团结构.Newman等提出模块度的概念，并根据模块度变化大小合并社团.

谱方法.Pothen等提出了谱平分法；Capocci等提出可以使用Normal阵改进谱平分法，并给出了统一的框架，且由对应的特征向量元素可将网络划分成多个社团；近几年的研究集中在利用多个特征值对应的特征向量将网络转化为特征的空间，Donetti等用多个第一非平凡特征向量，结合NG模块度，实现社团结构检测.Donetti等提出可以用拉普拉斯矩阵的前m-1小的非零特征值对应的特征向量元素建立m-1维的特征空间，m为预期的簇数，使用Newman等提出的NG模块度进行最优划分.基于此，很多研究工作中引入聚类中的算法，取得较好的效果.此外，谱图学习的相关算法也得到了更多的关注.

在其他方面，很多研究从不同角度提出了各种算法，取得了较理想的效果，同时也有一定的局限性。Kernighan-Lin算法通过两两交换不同社团中的节点所造成增益函数的变化来确定是否交换这两点，但算法局限性相对较大；Wu等把网络视为电阻网，由电压谱中电压的大小确定社团.此外还有基于网络动力学特性等其他方法.

2水声通信网

水声通信网基本概念如文献中给出，为：浅海环境下水深50m至100m，节点之间的最远距离为10km，水下各节点信息传送到同样在水下的基站，基站通过水面的浮标与陆地间进行通信.期望传输速率100bit/s，节点间通信可用带宽8-15kHz，信号时延由于具有不确定性，网络传输为异步，网络为半双工.节点具有休眠和活动两个状态.网络设计的目标为在网络提供的QoS与节点的能耗特性间获取一个相对平衡取舍关系.

算法实现

1算法架构

由于相比与陆地环境中的WSN，水声通信网所处的水下环境较为复杂，且不易于获取网络节点的位置信息.在这种情况下，使用地理位置作为优化手段的一些算法并不适用.基于此，本文提出的算法不依赖于节点的地理位置信息，但却能够通过节点间的交互获取网络结构信息，从而近似地构造出节点类似于位置信息的特点进行网络的簇划分.首先每个节点向其通信范围内的其他节点发送消息，获取其邻点的距离信息（可通过式(2)计算）.

基站向其范围内的所有节点广播一个请求消息，收到该消息的所有节点通过某种已有的路由协议（可以是逐跳的，也可以是直接发送给基站节点，本文中的算法采用直接发送），将自己相邻节点的ID、与各相邻节点间的距离估计、自身能量估计值等数据信息传送回基站.在收到这些信息后，基站通过计算产生分簇结果以及在第一轮中各个簇的初始簇头节点，并由各节点发送的路径发回各个节点.由于在每轮传输信息时，簇头在簇所属的所有节点中能量损耗相对较大，所以在各轮结束时，每个簇通过簇头得到的簇内各节点能量信息，将其中能量最大的节点作为下轮的簇头节点.由于较多节点的失效可能会影响网络的整体拓扑结构，所以可以考虑一定时间后重新进行分簇计算.

2最优簇数的计算

由文献的论述，通过式(2)能耗模型，可以得到使用“轮”思想的层次路由算法每轮能耗：

3社团检测与网络分割

当基站收到各个节点回送的邻节点信息后，即可由其中的能量信息计算得到节点间的两两距离,从而构建加权网络，设网络的邻接矩阵为W，这里可以将边权值热核化表示为在本文的网络分割算法中，为了达到生成相对均衡且合理的簇分割的目的，以Donetti等提出的使用Laplacian阵进行谱分析为基础，首先利用Laplacian阵第一非平凡特征向量进行预分割，产生K-means聚类的初始点.接着利用前*k1个非平凡特征向量进行特征的生成，进而对节点进行进一步的精确分割。K-means为一种凸集的聚类算法，可以较好地贴合水声通信网中的节点特性，所以将(8)确定的初始簇心作为K-means的初始点，将L的前k*-1个非平凡特征向量中的各元素分别作为各节点样本所对应的一个特征，进行进一步的精确聚类，确定最终的分簇方案.但有的情况下由于节点分布的极不均匀，可能会造成聚类形成的簇之间节点数的很大差别，从而影响算法的性能，本文以各簇节点数c(•)的统计值3模拟实验与结果分析对模拟水下环境中的100km×100km区域进行仿真，采用分布密度不相同的两个簇，如图3所示.结合上文中所得结果，这里的参数分别取为由于实验中节点分布具有随机性，以及其他一些相关因素的影响，这里取20次实验的平均值作为最终的实验结果.每轮过后的存活节点数如图4所示，其中几轮的失效节点具体个数如表1所示.对比WSN中的实验可以看出，在水声通信网中由于水下特殊环境限制，节点能量损耗受节点分布的影响相对较大，这与陆地无线通信有着比较明显的区别.所以，在研究水声通信网的层次路由协议时应特别注意其与WSN中协议的区别.由实验结果的对比可知，本文提出的算法，在水声通信网中优于LEACH算法，且具有较明显的优势.与在LEACH算法上发展起来的很多改进算法一样，该算法在水声通信网中具有较为广阔的应用前景.

由图4的实验结果可以看出，本文的算法在仅考虑采用能量最大节点作为簇头并不能取得较好的效果，这是由于仅考虑使用能量最大节点作为簇头时，簇头更易被距离基站较近的节点获得，这样就造成了远离基站的节点每轮都必须以较高的能量损耗为代价向选定的簇头节点传递信息，从而使得这些节点很容易失效.从另一个角度看，本文提出的算法中分簇的步骤是必不可少的，通过分簇可以将上述仅选择能量最大节点作为簇头时的不利因素充分地减小，取得较优的效果.基于上述实验结果，可以初步得出本文提出的算法相对与LEACH能够取得相对较好的节点存活率，但这仅限于模型仿真阶段，在实际应用中可能受到更多的因素影响，本文算法的有效性仍有待实际应用中的进一步验证.

结束语

本文提出了一种适用于水下环境中水声通信网的层次路由算法，该算法使用WSN中层次路由算法思想，针对水下的特殊环境，将复杂网络社团结构算法用于分簇，并进行了一些优化改进措施.实验证明，该算法相对于LEACH算法在节点能耗的均衡方面能够取得较好的效果，具有较强的可操作性.本文的方法和WSN中最新提出的其他方法结合相信可以取得更好的效果，但在水声通信网环境下得到实际应用的相关问题还有待后续更多的研究与实践.

作者：卞金洪徐新洲魏昕赵力单位：盐城工学院信息工程学院东南大学水声信号处理教育部重点实验室