具体实施方式

下面结合附图对本发明做进一步描述。

本发明的目的是为了克服二维无线传感器网络的局限性，提供一套基于三维无线传感器网络的算法，包括基于熵权综合评价与改进模拟退火的分簇算法、基于熵权综合评价与概率优选的路由算法、基于数据类型与用户需求的快速数据融合算法，这些算法节能性好，鲁棒性强，容错性高，能很好地实现山林防火的需求。

首先对无线传感器网络及其运行提出以下要求：

(1)所有节点是同构的，它们是完全相同的设备，有唯一的编号，且不会改变。

(2)所有节点的初始能量是相等的，不可补充。所有节点的初始能量足够它们完成至少一次数据传输。

(3)所有节点在部署后，其空间直角坐标已知，且不再改变，所有节点存有其他节点的编号、空间坐标。

(4)所有节点可以调整发射功率，以消耗尽可能少的能量将数据传输给接收节点。节点的发射功率有上限，从而当能量充分大时，由发射功率上限可以导出节点传输距离的上限d₀。

(5)节点的状态分为三种：正常运行、休眠、死亡。任何一个节点处于且只能处于这三种状态中的一种。节点可以进入休眠状态，但不允许所有节点进入休眠状态。正常节点和休眠节点在条件满足时可以修改状态。死亡节点的状态不再改变。

(6)所有正常节点都传输数据后，视为网络完成了一个轮次的数据传输，并认为数据传输的时间极短。整个网络的寿命以传输数据轮次衡量。

(7)节点的状态仅当轮次变化时才会变化，并在开始传输数据前被确定。正常节点本轮必须传输数据，休眠节点本轮不传输数据，死亡节点不会再传输任何数据。

(8)监测区域内存在若干可移动的汇聚节点(Sink节点)，这些Sink节点的能量极高，具备强大的通信功能，可以对所有节点传达指令。Sink节点接收到数据并将其融合、汇总，发送到基站。

(9)节点传输数据的能耗按下式(能耗公式)计算。

其中，v是传输数据的位数，s是传输距离，E_elec＝50nJ/bit，ε_fs＝10pJ/(bit·m²)，ε_mp＝0.013pJ/(bit·m⁴)。

(10)采用下式中的坐标系，

下式是其等价的坐标变换公式，

下式表示监测区域，其中是人为设定的。

若取得到监测区域的空间图像如图1所示，它是一个球面的一部分。采用这样的监测区域的优势在于：可以用一个或多个图中的监测区域贴近实际的山林外形。

(11)以N_i表示第i个节点。节点间的距离采用球面距离计算，即设N_i的直角坐标是(x_i,y_i,z_i)，N_j的直角坐标是(x_j,y_j,z_j)，则它们之间的距离是

当监测区域的面积较大时，采用球面距离更具有真实性。当监测区域的面积较小时，可以用欧氏距离代替球面距离。如无说明，均采用球面距离作为节点间距离。

(12)由能耗公式，利用节点的剩余能量和传输数据量，可以计算出节点能够传输的最大距离maxs。记N_i的传输半径为

TR_i＝min{maxs,d₀}.

由于节点同构，故在网络运行之前，所有节点的传输半径是相同的常数，记为TR₀。

(13)将监测区域划分成n行m列，共n×m个小块，参见图1。每个小块内存在至少2个节点，且满足

这保证了运行之前所有节点可以通过某种方式建立通信。表示x向上圆整。

上述的13条要求包括了三维无线传感器网络的布设方法。

整个网络的运行流程如图2所示。其中，设置重新分簇条件为：当前轮次正常节点数量不大于分簇完成时正常节点数量的90％。当网络中节点全部死亡或没有任何一个节点的剩余能量足够完成簇头传输任务时，认为网络死亡。

基于熵权综合评价与改进模拟退火的分簇算法(下称分簇算法)包括如下3个算法：初始成簇算法、簇头选择算法、非初始成簇算法。

初始成簇算法流程如图3所示。簇成员节点通过单跳或多跳(自适应)的方式将数据传输给簇头，簇头节点接收到数据后进行数据融合，并将融合后的数据传输给可移动的Sink节点。Sink节点会移动到各簇头附近接收数据，Sink节点接收数据时与簇头的距离不大于d_Sink。d_Sink的取值可以根据需求人为设定。

成簇完成的定义是所有节点均加入了各自的簇。任选一个未入簇的节点是指：在所有未入簇的节点中随机选取一个节点，选取到任何一个未入簇节点的概率是等可能的。

簇也有唯一的编号，簇的编号依簇形成的顺序而定，且任何一个簇内必须有至少1个节点。以C_j表示第j个簇，设C_j中的节点是按照如下方式定义N_i与C_j的距离DNC(i,j)：

如果满足

DNC(i,j)≤TR_i,

且

p_j＜MCN,

则C_j是N_i的一个合适的簇。其中MCN是每个簇的最大成员数，可以按需求人为设定。设N_i的所有合适的簇为如果则是N_i的最佳簇。

有时会出现一元簇(只有一个节点的簇)，一元簇的出现不利于节省能量，因此一元簇的出现要尽可能避免。在成簇完成后、选取簇头之前，设置一个检查是否出现一元簇的环节，如果出现了一元簇，要清空所有节点的成簇方案，重新规划成簇。初始成簇完成后，按照下面的簇头选择算法为每个簇选出簇头。

簇头选择算法是一个基于综合评价的算法，该算法有权设置某些簇休眠至下次重新分簇。算法首先计算出C_j内节点的重心坐标CG_j＝(x_j,y_j,z_j)和簇内节点剩余能量的中位数CE_j，并构建一个虚拟的节点其空间直角坐标为(x_j,y_j,z_j)。对于C_j内的每一个算法筛选出剩余能量足以完成簇头传输任务的节点(簇头候选者)。如果某个簇中没有簇头候选者，则该簇被设置为休眠簇直至下次重新分簇。对于簇内每个簇头候选者，考察2个指标来选取最合适的簇头：与的距离d(j_k,j₀)以及的剩余能量与CE_j的距离这里的重心CG_j是球面距离意义下的重心，且限制(x_j,y_j,z_j)在监测区域内，即采用改进的模拟退火算法寻找(x_j,y_j,z_j)的精确值。为节省能耗、均衡能耗，d(j_k,j₀)与越小，则认为越适合成为簇头。

模拟退火算法的流程如图4所示。在模拟退火算法中，初始化步骤完成若干参数的设定，包括初始温度、终止温度、外循环最大迭代次数、马尔科夫链的长度(内循环最大迭代次数)等，并生成一个初始解作为第一次迭代的当前解。在内循环中，算法会对当前解施加一个扰动，得到新解，代入到目标函数中判断新解是否优于当前解，并依Metropolis准则判断是否接受新解作为当前解。以求目标函数G(x,y,z)的最小值为例，设当前解为(x,y,z)，新解为(x′,y′,z′)。Metropolis准则即：接受新解作为当前解的概率为

其中ΔG＝G(x′,y′,z′)-G(x,y,z)，k∈(0,1]可以按需求设定。如果接受了新解，则跳出内循环，否则内循环迭代次数自增1。

在外循环中，算法跳出内循环后，会对当前温度进行一次降温，这里采用的降温方法是直接以一个人为设定的降温系数乘当前温度，得到的新的温度作为当前温度。

改进的模拟退火算法根据簇所在的坐标系中的面积最小的闭矩形的边界对当前解和扰动做出限制，即可以找到坐标系中的包含簇中所有节点的面积最小的闭矩形

如果新解不在D内则舍弃。限制扰动向量为满足

此外，独立地执行模拟退火算法u次(u≥2)，在u个近似最优解中找到目标函数最优的那一个，作为改进的模拟退火算法的近似最优解。这可大幅提升算法运行效率，并更好地平衡算法效率与精度。

熵权综合评价法执行步骤如下所示：

(1)形成原始数据矩阵A＝(a_ij)_m×n:

其中a_ij为第j个指标下第i个项目的指标值。

(2)计算第j个指标下第i个项目的指标值的比重

(3)计算第j个指标的熵值

其中k＝1/lnm。

(4)计算第j个指标的熵权

在用综合评价法求解最优问题的过程中，需要对数据进行标准化处理，具体方法如下：

(1)设x是效益型指标，m个待评项目的指标值为x₁,x₂,…,x_m，又设m_x＝min{x₁,x₂,…,x_m},M_x＝max{x₁,x₂,…,x_m}，令

其中w_x是该指标的权重。这样得到的x₁′,x₂′,…,x_m′就是x₁,x₂,…,x_m标准化后的数据。

(2)设y是成本型指标，m个待评项目的指标值为y₁,y₂,…,y_m，又设m_y＝min{y₁,y₂,…,y_m},M_y＝max{y₁,y₂,…,y_m}，令

其中w_y是该指标的权重。得到的y₁′,y₂′,…,y_m′就是y₁,y₂,…,y_m标准化后的数据。

利用熵权综合评价法，可以找到簇内最适合成为簇头的节点。熵权综合评价法的客观性极强。

非初始成簇算法执行时，所有节点已经完成了至少一轮数据传输，此时有可能出现各种极端情况。非初始成簇算法是针对各类极端情况而设计的，可以极大地提升算法的鲁棒性、节能性。如果未出现任何极端情况，则非初始成簇算法与初始成簇算法十分相似。非初始成簇算法的流程如图5所示。非初始成簇算法是唯一可以设置节点为死亡节点的算法。

设N₁,N₂,…,N_m是网络中的所有非死亡节点，N_i∈{N₁,N₂,…,N_m}。在N₁,N₂,…,N_m中如果存在t个(不妨设它们为N₁,N₂,…,N_t)满足：k≠i、d(i,k)≤TR_i成立，则N_i的全局出度为t，记为EOD(i)＝t。如果EOD(i)＝0，则N_i为全局出度0节点。在N₁,N₂,…,N_m中如果存在q个(不妨设它们为N₁,N₂,…,N_q)满足l≠i，d(i,l)≤TR_l成立，则N_i的全局入度为q，记为EED(i)＝q。如果EED(i)＝0，则N_i为全局入度0节点。如果N_i既是全局出度0节点，又是全局入度0节点，则N_i为双度0节点。设N_i是全局出度0节点，但不是全局入度0节点，E_i是N_i的剩余能量。如果满足E_i≥E(DD,d_Sink)，则N_i为簇头胜选者，否则N_i为簇头败选者，这里DD是节点默认传输数据量，即每个节点采集数据的位数。全局出度0节点无法将数据传输给任何一个节点，其利用价值只有成为簇头，当其全局入度为0或是簇头败选者时，该节点将不再具有任何利用价值，此时设置该节点为死亡节点。

设N_i是簇头胜选者，以N_i作为簇头成立一个簇C_j(优先簇)。设C_j为一个优先簇，成立C_j的簇头胜选者是N_j1，N_i是一个全局出度不为0的节点，如果满足|C_j|＜MCN、d(j₁,i)≤TR_i，则C_j是N_i的一个可行优先簇。优先簇算法按“先选簇头，再分簇”的原则执行。优先簇的簇头是固定的，即成立这个优先簇的那个簇头胜选者。优先簇算法的流程如图6所示。优先簇会尽可能地吸收全局出度不为0的节点入簇。在所有优先簇都规划成簇完成后，如果此时还有其他全局出度不为0的节点，则对这些节点执行初始成簇。这里执行的初始成簇算法将不再考虑任何一个优先簇作为合适的簇。非初始成簇算法执行完毕后，对非优先簇执行同样的簇头选择算法，完毕后可以得到所有非死亡节点的分簇方案。

基于熵权综合评价与概率优选的路由算法(下称路由算法)会为所有簇的所有节点规划路由。算法的主要思想是：将簇内节点分类，不同类的节点采取不同的规划策略。对同一个簇独立地执行若干次路由规划，选择其中效果最好的一个方案作为最终的传输方案。这可有效提升找到更好的路由方案的概率。算法在执行之前，网络中的节点已经完成分簇，并选举出簇头。算法按照图7运行。算法具有如下的原则性设定：

(1)所有非死亡节点必须在本算法中被规划路由。

(2)在本算法的运行过程中，节点的状态不会改变为死亡。如果在某个路由方案中，某个节点的状态被调整为休眠，则该节点的所有发送节点在该路由方案中成为休眠节点。

(3)本算法将依次为所有簇的节点规划路由一个轮次，即任意一个簇的任意一个节点在下一轮次是选择哪个节点作为接收节点，还是成为休眠节点，这个问题将会在本算法执行完毕后被解决。图7中显示的是为任意一个簇的全部节点规划路由的流程图。

(4)节点不会向其他簇的节点传输数据。

(5)任何一个节点的接收节点被确立后，在该路由方案中不再改变，且该节点成为已规划节点，簇内的其他未规划节点不会以它为接收节点。

(6)簇有以下三种状态：未规划、已规划和休眠。任何一个簇处于且仅处于其中一种。未规划簇中至少有一个正常节点，且该节点的路由规划未完成。已规划簇中至少有一个正常节点，且所有正常节点的路由规划已完成。休眠簇没有正常节点，即所有节点都是休眠节点。休眠簇在极端情况下才会出现，它是由簇头的能量不足以将该簇的融合后数据传至Sink节点所引起的。

如果C_j中有t个节点(包括簇头，不妨设它们为)满足 是正常节点、成立，则的簇内出度为t，它的可接收节点数量为t，记为IOD(j_k)＝t。

按节点的簇内出度将簇内的非簇头节点分为以下四类：

(1)簇内度0节点该类节点满足IOD(j_u)＝0.

(2)A型簇内度1节点该类节点满足IOD(j_q)＝1,且该类节点能够以单跳的方式传输数据给簇头。

(3)B型簇内度1节点该类节点满足IOD(j_h)＝1,且该类节点无法以单跳的方式传输数据给簇头。

(4)其他节点该类节点满足IOD(j_k)≥2.

这里并不考虑节点的簇内入度，因此在不引起歧义的情况下，依次称上述四类节点为度0节点、A型度1节点、B型度1节点、其他节点。

当簇头可以完成传输任务时，采用人为设定的方式设置C_j的考察路由方案数量RN_j，算法将为C_j独立地规划路由RN_j次，并从中选出最佳路由方案。每次为C_j规划路由时，将先“唤醒”C_j中的节点，即设置C_j中的所有节点为正常节点。

C_j中可能存在度0节点在这一轮次中既不发送数据，也不接收数据，设置为休眠节点。任意一个节点规划路由后，其他未规划节点的簇内出度可能减小，因此需要不断查找簇中的度0节点，设置它们为休眠节点，直到簇中没有度0节点。

C_j中可能存在B型度1节点相较于非B型度1节点，它们往往和簇头的距离非常远。的可接收节点唯一，且该可接收节点并非簇头。的路由规划只可能出现如下两种情况：要么传输数据给它唯一的可接收节点，要么在本轮成为休眠节点。休眠节点不利于数据传输，因此尽可能让所有B型度1节点正常工作。算法在设置度0节点为休眠节点后，将优先为B型度1节点规划路由。同样由于任意一个节点规划路由后可能导致其他节点的簇内出度减小，因此可能存在为一个B型度1节点规划路由后，又出现新的度0节点的情况，从而需要在为任意一个B型度1节点规划路由后重新检测度0节点并设置它们为休眠节点，直至簇内不存在B型度1节点。

C_j中可能存在A型度1节点相较于非A型度1节点，它们往往和簇头的距离非常近。的可接收节点唯一，且该可接收节点就是簇头。的路由规划只可能出现如下两种情况：要么传输数据给簇头，要么在本轮成为休眠节点。一方面，休眠节点不利于数据传输；另一方面，因为往往与簇头非常近，它应多承担一些传输任务。因此，仅当簇内只有A型度1节点未规划时，算法才为A型度1节点规划路由。

在确保簇中没有度0节点和B型度1节点，并排除掉A型度1节点后，剩下的节点是其他节点，不妨设它们为考察其他节点的如下三个指标来选择一个节点作为发送节点(sender)并为它规划路由：和簇头的距离d(j_i,j_CH)、剩余能量和簇内出度 和簇头距离远、剩余能量少、簇内出度小的其他节点应优先规划路由，即d(j_i,j_CH)是效益型指标，是成本型指标，IOD(j_i)是成本型指标。考察所有其他节点的上述三个指标数据值，用熵权综合评价法获得每个节点的评分为了增强算法的灵活性，依概率选择一个节点规划路由，具体如下：设的评分为则选择规划路由的概率为

选定了待规划的其他节点后，还需为它选择一个接收节点(receiver)。其他节点是簇内出度至少为2的节点，因此至少有2个可接收节点。不妨设的可接收节点为考察可接收节点的如下四个指标来选择一个接收节点：和的距离d(j_i,j_q)、剩余能量和簇头的距离d(j_q,j_CH)、待传数据量和的距离近、剩余能量多、和簇头的距离近、待传数据量少的节点应优先作为的接收节点，即d(j_i,j_q)是成本型指标、是效益型指标、d(j_q,j_CH)是成本型指标、是成本型指标。考察可接收节点的上述四个指标数据值，用熵权综合评价法获得每个节点的评分同样依概率选取的接收节点，具体如下：设的评分为则选择为接收节点的概率为

至此得到了的路由规划。为任意一个节点规划路由后，其他未规划节点的簇内出度可能减小，即为规划路由后可能导致新的B型度1节点出现，因此为任意一个其他节点规划路由后，还需重新检测并规划B型度1节点。此外，A型度1节点也可能成为度0节点或B型度1节点，这是因为A型度1节点是最后规划的，此前往往会有非A型度1节点将数据传给它们，这将导致它们的传输半径减小，从而有可能无法传数据给簇头。

考虑相互独立的RN_j个路由规划，设它们为考察这些路由规划的如下四个指标来选择最佳路由方案：全簇剩余能量(效益型指标)、全簇节点剩余能量的方差(成本型指标)、全簇数据传输量(效益型指标)和休眠节点数量(成本型指标)，考察所有路由规划的上述四个指标数据值，用熵权综合评价法选择评分最高的路由规划作为最佳路由方案，并在本轮次中按照这个最佳路由方案进行数据传输。

基于数据类型与用户需求的快速数据融合算法(下称数据融合算法)对收集到的数据进行融合，以数据级融合为主。数据融合算法可以有效降低能耗，并帮助用户做出决策。

火灾早期的主要特征是产生不可见烟雾以及温度变化，设所有节点同时具备如下的四种传感器：烟雾传感器、温度传感器、湿度传感器、风速传感器。其中，烟雾传感器监测遮蔽度或减光率，单位为obs/m；温度传感器监测温度，单位为℃；湿度传感器监测相对湿度，无量纲；风速传感器监测风速，单位为m/s。在实际应用中，用户关心的是火情出现的情况。火情越早发现，越有利于人们及时灭火。烟雾浓度越高、温度越高、湿度越低、风速越大，越利于火情发生。在C_j的簇头采集到的所有数据中，烟雾浓度高的、温度高的、湿度低的、风速大的是用户最需要的数据，而其他不利于火情发生的数据是用户不关心的。

设采集到的烟雾浓度数据、温度数据、湿度数据、风速数据依次为采用如下的融合算法：设a,b∈(0,1),A,B∈R⁺，并记

簇头向Sink节点传输报警信息及危险节点编号，当且仅当满足以下两个条件之一：

(1)在中至少存在k_j个(不妨设它们为)，满足

(2)在中至少存在u_j个(不妨设它们为)，满足

这里a,b,A,B可以根据实际情况人为设定。当上述两个条件均不满足时，记为的上四分位数，不妨设

并记

记为的上四分位数，不妨设

并记

记为的下四分位数，不妨设

并记

记为的上四分位数，不妨设

并记

簇头向Sink节点传输以提供山林中最有利于火情发生的信息。

与现有技术相比，本发明的有益效果是：在一定程度上克服了二维无线传感器网络的局限性，具有一定的节能性，鲁棒性强，容错性高，能很好地满足山林防火监测的需求。

实施例1：

参数设置如下：簇最大成员数MCN＝30，节点的初始能量DE＝1J，节点的默认传输数据量DD＝64bit，考察路由方案数量RN_j＝3；其中模拟退火算法的参数设置如下：初始温度为10⁶，降温系数为0.98，终止温度为10⁵，内循环最大迭代次数为10⁵，外循环最大迭代次数为5000，Metropolis准则中的k取1，模拟退火算法执行次数其中p_j为C_j中的节点数量。本例中面积最小的小块中均匀分布节点4个，其他小块中按面积比例均匀分布更多节点，节点共483个。在节点剩余能量较充足时，一个节点传输数据一轮消耗的平均能量为4.518×10^-5J，如果每天传输数据24轮，则可至少使用2年。增大节点密度、模拟退火算法执行次数u、考察路由方案数量RN_j可以进一步提升节能性，但相应地会牺牲一些算法运行效率。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。