论文部分内容阅读
移动Ad Hoc网络是一种不依赖任何固定基础设施,由具有无线通信功能的对等节点自组织形成的网络。由于移动Ad Hoc网络具有动态拓扑等特性,最初的平面式结构在节点数目增多时,网络中寻找路由的时间、开销及维护、控制分组都会显著的增加,性能会急剧下降。解决这个问题的最主要方法就是采用分级结构。在Ad Hoc网络中,分级结构常常需要通过分簇的方法来构造,因此对分簇算法的研究至关重要。在对几种典型分簇算法进行综合比较基础上,提出基于小波神经网络模型预测地理位置的加权分簇算法WNNP-LWCA(Location-based Weighted Clustering Algorithm Based On Wavelet Neural Network Prediction Model)。在该分簇算法中,节点利用GPS获得自身位置坐标,引入虚簇对节点进行预分簇,通过综合权衡节点的度、节点与虚簇中心的距离、节点累计保持时间等重要因素,选择出比较合理的簇头节点,其邻居节点作为簇成员。通过建立的WNN预测模型对节点下一时刻的地理位置进行实时预测,根据预测到的下一时刻的位置信息,计算出节点累计保持时间预测值。该分簇算法在簇生成阶段以组合权值最小为标准分簇,在路由维护阶段利用小波神经网络模型对簇头节点的保持时间进行预测,将预测到的下一时刻保持时间与保持时间阈值进行比较,如果预测出簇结构即将不稳定,则在节点移出当前簇之前,提前启动预修复过程,以避免网络中链路的频繁断裂,降低网络拓扑动态变化对路由协议的影响,维护簇结构的稳定。在NS2仿真平台中,首先从不同的角度对RLWCA与WCA两种分簇算法的性能进行了仿真分析与比较。仿真表明,在不同的速度、不同的传输范围下RLWCA分簇算法维护的簇结构更稳定。然后分别从三种不同的角度对加入预测机制的WNNP-LWCA与RLWCA和最小ID分簇算法进行比较。仿真结果表明,WNNP-LWCA和RLWCA在不同的节点移动速度、不同的节点停留时间和不同的节点密度三方面均表现出比最小ID优越的性能。其中加入预测机制的WNNP-LWCA与RLWCA相比,对分组投递率和路由中断次数的改善更具有优越性。