[论文解读] Dynamic Cluster Head Selection Using Fuzzy Logic on Cloud in Wireless Sensor Networks

Payal Pahwa, Deepali Virmani+4 more|arXiv (Cornell University)|Nov 3, 2015

Energy Efficient Wireless Sensor Networks参考文献 4被引用 4

一句话总结

本文提出了一种基于模糊逻辑的无线传感器网络（WSNs）动态簇头选择算法，利用云辅助处理以优化能量效率。通过使用模糊逻辑计算节点潜能，并强制实施空间分布和信任检查，该方法减少了簇重叠并阻止了恶意节点，显著提高了动态环境下的网络寿命和可靠性。

ABSTRACT

One of the most vital activities to reduce energy consumption in wireless sensor networks is clustering. In clustering, one node from a group of nodes is selected to be a cluster head, which handles majority of the computation and processing for the nodes in the cluster. This paper proposes an algorithm for fuzzy based dynamic cluster head selection on cloud in wireless sensor networks. The proposed algorithm calculates a Potential value for each node and selects cluster heads with high potential. The proposed algorithm minimizes cluster overlapping by spatial distribution of cluster heads and discards malicious nodes i.e. never allows malicious nodes to be cluster heads.

研究动机与目标

• 通过智能的簇头选择解决无线传感器网络（WSNs）中的能量低效问题。
• 最小化簇重叠并改善簇头的空间分布。
• 通过防止恶意节点成为簇头来增强网络安全性。
• 利用云计算实现簇形成过程中的集中化、实时决策。
• 通过动态、自适应的簇头选择提升整体网络寿命和能量效率。

提出的方法

• 模糊逻辑系统基于剩余能量、到基站的距离以及节点中心性来评估节点潜能。
• 系统使用模糊推理规则为每个节点计算潜能值，以平衡能量效率与网络覆盖。
• 簇头根据最高潜能值进行选择，确保最优分布与负载均衡。
• 云服务器负责协调簇的形成，强制实施簇头之间的空间分离，并验证节点的可信度。
• 通过信任评估机制检测并排除恶意节点，防止其参与簇头选择。
• 算法会根据能量水平和网络拓扑的变化动态重新选择簇头。

实验结果

研究问题

• RQ1 如何有效应用模糊逻辑在WSNs中实现动态簇头选择以提升能量效率？
• RQ2 应采用何种标准评估节点潜能，以最小化簇重叠并最大化网络寿命？
• RQ3 基于云的协调如何增强WSNs中簇头选择的可扩展性与可靠性？
• RQ4 模糊逻辑与基于信任的过滤在多大程度上可降低恶意节点成为簇头的风险？
• RQ5 与静态或非模糊的簇头选择方法相比，所提出方法在能耗与网络寿命方面表现如何？

主要发现

• 所提算法通过簇头的空间分布减少簇重叠，提升网络覆盖并降低干扰。
• 恶意节点被有效阻止成为簇头，增强了网络安全性与可信度。
• 使用模糊逻辑进行潜能计算可实现自适应、能量感知的簇头选择，能够响应动态网络状态。
• 基于云的协调支持集中化、实时决策，提升了簇形成过程中的可扩展性与一致性。
• 该方法通过在节点间均衡能量消耗并推迟簇头耗尽，有助于延长网络寿命。
• 模糊逻辑与云基础设施的集成相比传统方法，形成了更稳健、高效的聚类机制。