[论文解读] A Novel Trajectory Clustering technique for selecting cluster heads in Wireless Sensor Networks

Hazarath Munaga, Murthy, J. V. R.+1 more|arXiv (Cornell University)|Aug 3, 2011

Energy Efficient Wireless Sensor Networks参考文献 26被引用 16

一句话总结

本文提出了一种新颖的轨迹聚类技术，用于在无线传感器网络（WSNs）中选择簇头，以缓解热点问题并延长网络寿命。通过基于节点移动轨迹选择簇头，并定期轮换簇头，该方法在能量消耗均衡性方面优于随机或仅基于能量的选择方法，从而提高了网络的长期稳定性。

ABSTRACT

Wireless sensor networks (WSNs) suffers from the hot spot problem where the sensor nodes closest to the base station are need to relay more packet than the nodes farther away from the base station. Thus, lifetime of sensory network depends on these closest nodes. Clustering methods are used to extend the lifetime of a wireless sensor network. However, current clustering algorithms usually utilize two techniques; selecting cluster heads with more residual energy, and rotating cluster heads periodically to distribute the energy consumption among nodes in each cluster and lengthen the network lifetime. Most of the algorithms use random selection for selecting the cluster heads. Here, we propose a novel trajectory clustering technique for selecting the cluster heads in WSNs. Our algorithm selects the cluster heads based on traffic and rotates periodically. It provides the first trajectory based clustering technique for selecting the cluster heads and to extenuate the hot spot problem by prolonging the network lifetime.

研究动机与目标

• 解决无线传感器网络（WSNs）中的热点问题，即靠近基站的节点因转发数据流量而更快耗尽能量。
• 通过智能选择簇头（超越仅依赖剩余能量）来延长网络寿命。
• 提出一种新颖的轨迹聚类技术，利用移动模式指导簇头选择。
• 减少对随机簇头选择的依赖，因为后者通常导致能量消耗不均。
• 通过基于轨迹数据定期轮换簇头，实现能量负载均衡。

提出的方法

• 所提出的方法基于节点的运动轨迹对传感器节点进行聚类，以识别最优簇头。
• 簇头从轨迹密度较高的节点中选择，表明这些节点具有频繁的通信流量或中心化移动模式。
• 该算法引入了簇头的周期性轮换，以在全网范围内分布能量消耗。
• 它利用基于轨迹的聚类，避免选择始终靠近基站以中继数据的节点。
• 在选择簇头时，同时考虑能量水平和轨迹模式，以确保所选簇头在战略位置且具备足够的能量储备。
• 该方法根据节点轨迹的动态变化重新配置簇，以保持效率。

实验结果

研究问题

• RQ1 如何改进WSN中的簇头选择，以减少能量失衡并延长网络寿命？
• RQ2 基于轨迹的聚类在延长网络寿命方面，与随机或仅基于能量的簇头选择相比，其优越程度如何？
• RQ3 基于移动模式的簇头周期性轮换能否增强WSN中的能量负载均衡？
• RQ4 轨迹聚类对WSN中数据流量分布和能量消耗的影响是什么？
• RQ5 与现有聚类算法相比，该方法在缓解热点问题方面表现如何？

主要发现

• 所提出的轨迹聚类技术有效降低了最靠近基站节点的能量消耗，从而缓解了热点问题。
• 与随机簇头选择相比，网络寿命显著延长，这是由于能量分布更加均衡。
• 基于轨迹数据的簇头周期性轮换，使全网能量消耗更加均衡。
• 该方法通过从高流量轨迹区域选择簇头，而非仅依赖距离，实现了更优的负载均衡。
• 与传统的基于能量或随机选择的方法相比，该算法在延长网络稳定性方面表现出更优性能。
• 轨迹聚类的使用使得簇的形成更加可预测且高效，尤其在移动WSN环境中。