基于matlab的分簇异构无线传感器网络选举协议

1.算法描述

为了进一步均衡网络能耗,延长网络生命周期,提出了一种基于最优分簇的能量异构无线传感器网络路由协议(OCRP)。OCRP协议考虑了最优簇首数K,将待测区域划分为K个固定分区,优化了成簇过程;在簇首选择阶段,充分考虑了节点的剩余能量、整个网络的能量以及节点与基站之间的距离,改进了簇头选举机制。


2.仿真效果预览

matlab2022a仿真结果如下:


3.MATLAB核心程序

countCHs=0;

%counter for CHs per round

rcountCHs=0;

cluster=1;

t=0;

countCHs;

rcountCHs=rcountCHs+countCHs;

flag_first_dead=0;


for r=0:1:rmax

r;


%Election Probability for Normal Nodes

pnrm=( p/ (1+a*m) );

%Election Probability for Advanced Nodes

padv= ( p*(1+a)/(1+a*m) );


%Operation for heterogeneous epoch

if(mod(r, round(1/pnrm) )==0)

for i=1:1:n

S(i).G=0;

S(i).cl=0;

end

end


%Operations for sub-epochs

if(mod(r, round(1/padv) )==0)

for i=1:1:n

if(S(i).ENERGY==1)

S(i).G=0;

S(i).cl=0;

end

end

end



%hold off;


%Number of dead nodes

dead=0;

%Number of dead Advanced Nodes

dead_a=0;

%Number of dead Normal Nodes

dead_n=0;


%counter for bit transmitted to Bases Station and to Cluster Heads

packets_TO_BS=0;

packets_TO_CH=0;

%counter for bit transmitted to Bases Station and to Cluster Heads

%per round

PACKETS_TO_CH(r+1)=0;

PACKETS_TO_BS(r+1)=0;


figure;


for i=1:1:n

%checking if there is a dead node

if (S(i).E<=0)

plot(S(i).xd,S(i).yd,'red .');

dead=dead+1;

if(S(i).ENERGY==1)

dead_a=dead_a+1;

end

if(S(i).ENERGY==0)

dead_n=dead_n+1;

end

hold on;    

end

if S(i).E>0

S(i).type='N';

if (S(i).ENERGY==0)  

plot(S(i).xd,S(i).yd,'o');

end

if (S(i).ENERGY==1)  

plot(S(i).xd,S(i).yd,'+');

end

hold on;

end

end

plot(S(n+1).xd,S(n+1).yd,'ks');



STATISTICS(r+1).DEAD=dead;

DEAD(r+1)=dead;

DEAD_N(r+1)=dead_n;

DEAD_A(r+1)=dead_a;


%When the first node dies

if (dead==1)

if(flag_first_dead==0)

first_dead=r

flag_first_dead=1;

end

end


countCHs=0;

cluster=1;

for i=1:1:n

if(S(i).far~=-1)

if(S(i).E>0 )

temp_rand=rand;     

if ( (S(i).G)<=0)


%Election of Cluster Heads for normal nodes

if( ( S(i).ENERGY==0 && ( temp_rand <= ( pnrm / ( 1 - pnrm * mod(r,round(1/pnrm)) )) ) )  )


countCHs=countCHs+1;

packets_TO_BS=packets_TO_BS+1;

PACKETS_TO_BS(r+1)=packets_TO_BS;


S(i).type='C';

S(i).G=100;

C(cluster).xd=S(i).xd;

C(cluster).yd=S(i).yd;

plot(S(i).xd,S(i).yd,'k*');


distance=sqrt( (S(i).xd-(S(n+1).xd) )^2 + (S(i).yd-(S(n+1).yd) )^2 );

C(cluster).distance=distance;

C(cluster).id=i;

X(cluster)=S(i).xd;

Y(cluster)=S(i).yd;

cluster=cluster+1;


%Calculation of Energy dissipated

distance;

if (distance>do)

S(i).E=S(i).E- ( (ETX+EDA)*(4000) + Emp*4000*( distance*distance*distance*distance ));

end

if (distance<=do)

S(i).E=S(i).E- ( (ETX+EDA)*(4000)  + Efs*4000*( distance * distance ));

end

end     




%Election of Cluster Heads for Advanced nodes

if( ( S(i).ENERGY==1 && ( temp_rand <= ( padv / ( 1 - padv * mod(r,round(1/padv)) )) ) )  )

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,640评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,254评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,011评论 0 355
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,755评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,774评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,610评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,352评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,257评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,717评论 1 315
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,894评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,021评论 1 350
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,735评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,354评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,936评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,054评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,224评论 3 371
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,974评论 2 355

推荐阅读更多精彩内容