开发基于鱼群优化的水下无线传感器网络节能数据聚合技术

《Journal of High Speed Networks》：Development of an energy efficient data aggregation technique based upon fish swarm optimization for underwater wireless sensor networks

　　

摘要

水下无线传感器网络（UWSN）已成为各种水下和海洋应用的重要推动力，例如环境监测、水下监视、近海勘探、灾害预防、污染监测和军事应用。然而，水声通信引发了几个关键问题，包括高传播延迟、有限带宽、高衰减、动态拓扑、多径衰落和高能耗。这些限制显著降低了网络寿命、通信可靠性和整体系统效率。因此，设计一种节能、可扩展且可靠的水下无线传感器网络数据聚类与聚合方案仍然是一个具有挑战性的研究问题。

为解决这些问题，本文提出了一种新颖的基于鱼群优化的聚类与簇头选择框架，用于节能型水下通信和数据聚合问题。所提方法将自适应聚类方案、智能簇头（CH）选择方案和节能数据聚合方案结合在一个受鱼群集体行为启发的单一优化框架中。与传统聚类方法不同，所提FSOCCH算法采用协调的个体、本能和趋动移动行为，以在全球探索和局部开发之间取得良好平衡。这种自适应群体智能机制使算法能够根据水声环境的复杂通信条件自适应地变化。

所提模型采用多目标适应度函数，该函数综合考虑了节点剩余能量、簇内通信距离、声传输成本以及与簇平衡相关的因素，以实现簇头的最优选择。此外，在簇头处采用了能量感知的加权均值数据聚合机制，以减少冗余的水声传输和通信开销。与大多数基于水下无线传感器网络的现有研究使用简化的陆地固体地球能耗模型不同，本研究使用Thorp衰减和几何扩散损耗实现了一种真实的水下声学传播和能耗模型。这使得所提出的FSOCCH框架在现实世界的水下部署中更具物理现实性和实用性。

在真实水声通信条件下，针对5000轮通信进行了大量试验。对所提FSOCCH算法的性能进行了全面评估，并与传统水下聚类协议以及现代仿生优化技术（如LEACH-UWSN、HEED-UWSN、蚁群优化（ACO）、灰狼优化器（GWO）、蛾焰优化（MFO）和能量感知鱼群聚类与簇信息协议（EAFSCCIP））进行了比较。仿真结果验证了FSOCCH方法在网络寿命、剩余能量、数据包投递率（PDR）、通信延迟和聚类稳定性等各种性能指标上明显优于基准算法。具体而言，与LEACH（38.8%）、HEED（28.6%）、ACO（28.6%）、MFO（21.1%）、GWO（11.8%）相比，所提方法实现了更低的能耗，延长了网络寿命，降低了通信延迟，并且在仿真时间段内平均数据包投递率达到94%以上。

为进一步确认所提框架的鲁棒性和可靠性，还进行了统计分析、收敛性分析、参数敏感性分析和计算复杂度分析。所获得的结果验证了FSOCCH稳定的收敛特性、能量耗散平衡、高可扩展性，以及在不同水下部署场景中性能改进的统计显著性。总之，所提FSOCCH框架是面向下一代水下无线传感器网络的高效、可扩展、物理现实的解决方案，并展示了鱼群智能在优化水下能量利用方面的巨大潜力。

获取本文的完整访问权限

查看本文的所有访问和购买选项。

获取访问权限