分簇算法综述

α-local 空间相关性分簇算法
定义了一个空间相关性权值，衡量节点与其邻居节点的平均相关程度
选举的簇首需要满足两个条件：权值大于上界或小于下界；同时保证 邻居节点中没有其他簇首节点 其他节点则根据地理空间距离选择加入最近的簇
PCC，DDCD等
各类算法的比较
名称
LEACH HEED DOC MEGA α-local PCC
分类 路由驱动 路由驱动 编码驱动 编码驱动 融合驱动 融合驱动
算法策略 分布式 分布式 分布式 集中式 分布式 集中式
能量效率 低 中等 中等 高 高 高
网络时延 低 中等 高 中等 低 高
扩展性 低 中等 低 低 高 低
负载均衡 中等 中等 中等 好 差 好
算法 复杂度 低 中等 高 中等 高 中等
分簇算法综述
review of clustering algorithms in wsn
2014年11月27日
分簇算法综述
基本思想
意义
分类 比较
总结
分簇基本思想
什么是分簇
建立和维护数据传输路径 网络拓扑结构控制
Cluster
Sink
基本过程
簇首产生
Cluster head
簇的形成
数据传输
分簇的意义
编码 + 路由
a
Sr
b
Sr
a
Sr
b
Sr
c 2Sr+ຫໍສະໝຸດ Baidue
c
Sr+2Se
缺点
每个源只压缩一次
大部分编码方式需要全局的相关性信息
压缩编码复杂度较高
self-coding
foreign-coding
Data Correlation-Based
基本思想
建立数据模型 -> 选择簇首节点 -> 分簇 -> 代表节点发送数据
[5] Younis O, Fahmy S. HEED: a hybrid, energy-efficient, distributed clustering approach for ad hoc sensor networks[J]. Mobile
computing, IEEE Transactions on, 2004, 3(4): 366-379. [6] Slepian D, Wolf J K. Noiseless coding of correlated information sources[J]. Information Theory, IEEE Transactions on, 1973, 19(4): 471-480. [7] Von Rickenbach P, Wattenhofer R. Gathering correlated data in sensor networks[C]//Proceedings of the 2004 joint workshop on Foundations of mobile computing. ACM, 2004: 60-66. [8] Zheng J, Wang P, Li C. Distributed data aggregation using Slepian-Wolf coding in cluster-based wireless sensor networks[J]. Vehicular Technology, IEEE Transactions on, 2010, 59(5): 2564-2574. [9] Ma Y, Guo Y, Tian X, et al. Distributed clustering-based aggregation algorithm for spatial correlated sensor networks[J]. IEEE Sensors Journal, 2011, 11(3): 641-648. [10] F. Yuan, Y. Zhan, and Y. Wang, “Data density correlation degree clustering method for data aggregation in WSN, ” Sensors Journal, IEEE， vol. 14, no. 4, pp. 1089–1098, 2014. [11] C. Carvalho, D. G. Gomes, N. Agoulmine, and J. N. de Souza, “Improving prediction accuracy for WSN data reduction by
总结和展望
以数据为中心的传输和数据融合技术的结合
形成合理的网络拓扑结构，便于管理和控制
有效的感知数据的相关性，获得最佳分簇效果
消除数据冗余和容错性检验兼顾
均衡算法的复杂度和网络时延
参考文献
[1] Liu X. A survey on clustering routing protocols in wireless sensor networks[J]. Sensors, 2012, 12(8): 11113-11153. [2] Rajagopalan R, Varshney P K. Data aggregation techniques in sensor networks: A survey[C]//Comm. Surveys & Tutorials, IEEE. 2006. [3] Luo H, Liu Y, Das S K. Routing correlated data in wireless sensor networks: A survey[J]. Network, IEEE, 2007, 21(6): 40-47. [4] Heinzelman W R, Chandrakasan A, Balakrishnan H. Energy-efficient communication protocol for wireless microsensor networks[C]//System Sciences, 2000. Proceedings of the 33rd Annual Hawaii International Conference on. IEEE, 2000: 10 pp. vol. 2.
applying multivariate Spatio-temporal correlation”, Sensors, vol. 11, no. 11, pp. 10010-10037.
Thank you！
LEACH
最经典的路由协议
按轮周期性运行
建簇阶段：节点以一定的概 率，随机的选举成为簇首
缺点
完全基于通信 将地理上相近的节点划分到一簇 没有具体的融合策略
数据传输阶段：各个簇成员 节点与簇首节点进行通信， 再转发给sink节点
Distributed Source Coding
利用节点的边信息(side information)进 行编码 结合分簇策略，利用局部信息
解决的问题
有效的消除数据冗余，促进网内数据融合 减少了通信量和通信距离
优势
可扩展性强，低负载，低能耗，避免冲突，负载均衡，鲁棒性强
评测指标
能耗 生命周期
融合率
网络时延
分簇算法的分类
路由驱动
LEACH，HEED以及在此基础上的改进算法等
编码驱动
分布式信源编码
融合驱动
考虑数据相关性，分簇并选择代表节点