💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀
🔊博主简介：985研究生，Matlab领域科研开发者；
🚅座右铭：行百里者，半于九十。
🏆代码获取方式：
CSDN Matlab武动乾坤—代码获取方式
更多Matlab信号处理仿真内容点击👇
①Matlab信号处理（进阶版）
⛳️关注CSDN Matlab武动乾坤，更多资源等你来！！
⛄一、 简介
1 引言
WSN 由能感知外部环境的传感器节点以自组网的形式构成，是一种分布式无线传感器网络。随着科技的进步和现代生活的需求，由于 WSN 的远程控制、信息即时传播以及低功耗等众多优点，WSN 在军事医疗、生活娱乐和工业生产等各个社会领域发挥着越来越大的作用。但是 WSN 优点众多的同时也有其弊端。正是因为传感器节点的无线性，使能量不能源源不断地直接供给传感器节点，只能用有限的电池供应节点的全部能耗，这使能量成为 WSN 亟待解决的问题。为了解决能量均衡高效这个问题，Heinzelman 等提出了最早的分簇路由协议。此协议运用数据融合技术和能量高效利用的路由算法，是经典的分簇路由协议代表。此后，很多研究学者对此基础上进行了诸多改进,都从不同方面进行了优化。Mittal 等提出了用替补簇首（ Sub-CH ）代替死亡簇首的方法。Gnanambigai等介绍了LEACH的后继协议。其中，LEACH-C 协议利用每个节点发送位置信息和剩余能量生成能耗更低、性能更优越的分簇；LEACH-F使用固定的簇和循环选举出的簇首，避免了反复成
簇带来的能量消耗；MUTIHOP-LEACH 协议考虑间距因素，在簇中节点与汇聚节(sink)、簇与基站之间使用多跳方法的传输方案；LEACH-L 允许间隔基站较远的簇首使用多跳方式与基站进行通信。
2 LEACH 协议概述
2.1 LEACH 协议的简介
LEACH 协议是一种经典分簇路由协议，它的特点是低功率消耗、聚类自适应和节点平等。由于网络内各个节点被选概率一样，因此将整个网络的能量消耗均衡地分配到每个节点，从而达到网络的能量消耗负载均衡，延长网络生命时间。LEACH协议主要由T n( ) 构成。首先，每轮次每个节点都随机产生的一个数 0 1 ；然后，将 与T n( ) 进行比较，如果 T n( ) ，则此节点成为簇首；反之，则落选。在 WSN 中一次新路由的建立加上数据的传输算一轮。由T n( ) 算法可以看出，被选为簇首是由这 2 方面因素进行权衡得出的：整个网络场景中所需要的簇首节点总数和节点当选过簇首的次数。阈值T n( ) 为
其中， p 表示在此网络规模中需要的簇首节点比例，r 是进行的轮次，G 表示在此轮循环之前没有被选为簇首的节点。
2.2 网络模型
为了研究改进的路由算法对网络的影响，对网络模型作了如下假设。
- 实验区域的形状为规则图形，传感器节点在监测区域中随机不均匀分散。
- 所有传感器节点的能量相同、处理能力和通信能力相等，被选概率一样。
- 传感器节点可以知悉自身剩余能量并可以对冗余数据进行融合。
- 传感器节点随机被分散后不会移动，网络部署后不再进行人为干涉。
- 无线发射功率可以自我调控，可自主选择发射功率。
2.3 能耗模型
本文实验中，m bit 数据的传输过程与每一步的能量消耗如图 1 所示[13]。
当 m bit 的数据进行传输时，节点的能量消耗主要由这 2 个部分构成：发送 m bit 数据的能量耗损以及功率放大电路的能量耗损；同时，针对不同的发射距离 d，选择不同的发送功率为
⛄二、部分源代码
clc
close all
clear all
%%%%%%%%%%%%%%%%%%%% Network Establishment Parameters %%%%%%%%%%%%%%%%%%%%
%%% Area of Operation %%%
% Field Dimensions in meters %
xm=100;
ym=100;
x=0; % added for better display results of the plot
y=0; % added for better display results of the plot
% Number of Nodes in the field %
n=100;
% Number of Dead Nodes in the beggining %
dead_nodes=0;
% Coordinates of the Sink 位置 (location is predetermined in this simulation) %
sinkx=50;
sinky=50;
%%% Energy Values %%%
% Initial Energy of a Node (in Joules) %
Eo=0.5; % units in Joules
% Energy required to run circuity (both for transmitter and receiver) %
Eelec=5010^(-9); % units in Joules/bit
ETx=5010^(-9); % units in Joules/bit
ERx=50*10^(-9); % units in Joules/bit
% Transmit Amplifier Types %
Eamp=100*10^(-12); % units in Joules/bit/m^2 (amount of energy spent by the amplifier to transmit the bits)
% Data Aggregation Energy %
EDA=5*10^(-9); % units in Joules/bit
% Size of data package %
k=4000;
% Suggested percentage of cluster head %
p=0.05; % 建议使用网络节点总数的 5%，以取得良好效果a 5 percent of the total amount of nodes used in the network is proposed to give good results
% Number of Clusters %
No=p*n;
% Round of Operation %
rnd=0;
% Current Number of operating Nodes %
operating_nodes=n;
transmissions=0;
temp_val=0;
flag1stdead=0;
totalenergy=0;
%%%%%%%%%%%%%%%%%%%%%%%%%%% End of Parameters %%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%% Creation of the Wireless Sensor Network %%%
% Plotting the WSN %
for i=1:n
SN(i).id=i; % 节点ID
SN(i).x=rand(1,1)*xm; % 节点X坐标
SN(i).y=rand(1,1)*ym; % 节点Y坐标
SN(i).E=Eo; % 节点当前能量 (初始值为Eo）
%？？ SN(i).E=2+(5-2)*rand(); %generate random numbers between 2 and 5;
%To generate random numbers b/w a and b r = a + (b-a)*rand();
SN(i).role=0; % 如果节点的值为“0”，则其作为普通节点正常运行；如果被选为簇头，则其值变为“1”（最初所有节点都是普通节点）。
SN(i).cluster=0; % the cluster which a node belongs to
SN(i).cond=1; % 节点的当前状态：存活 1；死亡 0
SN(i).rop=0; % 节点运行的轮数
SN(i).dtch=0; %节点到其所属簇中簇头的距离。
SN(i).dts=0; % 节点距sink的距离
SN(i).tel=0; % 表示节点被选为簇头的次数。
SN(i).rn=0; %节点被选为簇头的轮数。
SN(i).chid=0; % 节点“i”所属簇的簇头节点ID
figure(1)
plot(x,y,xm,ym,SN(i).x, SN(i).y, 'ob', sinkx, sinky, '*r');
hold on;
title '无线传感器网络';
xlabel '(m)';
ylabel '(m)';
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]黄利晓,王晖,袁利永,曾令国.基于能量均衡高效WSN的LEACH协议改进算法[J].通信学报第38卷第Z2期
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化
2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化
5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化
7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长
10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
