基于小世界模型的无线传感器网络层次型路由算法
基于TinyOS的无线传感器网络体系结构
信 量 ， 本 地 完 成 必 要 计 算 进 行 数 据 融 合 ， 而 协 作 完 成 在 从 部署 空 问数 据 的采 集 。在 应 用 上 体 现 以 网络 为 中心 ， 点 节 的功 能 通 过 网络 来 体 现 。因 而 传 统 的 嵌 入 式 设 计 思 想 在 无 线 传 感 器 网络 中遇 到许 多 挑 战 ： 点 中运 行 程 序 存 在 大 节 量 并 行 和节 点 协 同计 算 。
体 实 现 ， 而提 高 编程 效 率 。 从
２ ３ Ｔｎ ＯＳ操 作 系统 的 实 现 ． ｉ ｙ
Ｔｉｙ ｎ ＯＳ操 作 系 统 最 初 是 用 Ｃ 语 言 实 现 的 ， 生 的 目 产 标 代 码 比较 长 。后 来 研 究 设 计 出 基 于 组 件 化 和 并 行 模 型 的 ｎｓ ｅ Ｃ语 言 ， 生 的 目标 代码 相 对较 小 。用 ｎ ｓ 产 ｅＣ语 言可 开 发 Ｔｉｙ ｎ ＯＳ操 作 系 统 和 其 上 运 行 的应 用 程 序 。
２ １ 操 作 系统 需 求 ．
从 对 节 点 结 构 分 析 不 难 看 出 ， 线 传 感 器 节 点 硬 件 简 无 单 ， 以直 接 在 硬 件 上 进 行 编 程 。但 这 在 工 程 实 践 中产 生 可
２ ３ 道 ， 明 接 口具 有 的 功 表
信 ， 作 完 成 指 定任 务 ； 协 节点 自身 通 过 ＡＤ 通道 来感 知 外 Ｃ 界数据 。
嘲 １ 无 线 传 慰 器 节 点 构 成 框 图
本 质 上 。 线 传 感 器 节 点 就 是 一 个 网络 化 的 分 布 式 嵌 无 入式 系统 ， 过 无 线 信 道 实 现 网络 间 的通 信 。为 了减 少 通 通
通 信 模 块 和 能 量 供 应 模 块 ４部 分 组 成 ， 个 结 构 如 图 ｌ 整
基于小世界特征的无线传感器网络拓扑优化
物联网技术 2018年 / 第3期420 引 言经典的复杂网络理论已经证明： “小世界效应”在社会关系网络中广泛存在[1,2]。
小世界现象的本质特征是具有小的平均路径长度和大的集聚系数[3,4]。
小世界特征普遍存在于如计算机互联网、科学家合作网、社会关系网等现实网络中，同时小世界理论还广泛存在于电力网络、神经网络等系统中[5,6]。
真实的网络可以分为关系网络与空间网络两大类。
在关系网络（Relation Network）的拓扑结构中，节点之间的连接与节点距离和位置无关，节点之间的距离以跳数来计算；空间网络（Spatial Network）节点之间的连接与节点之间的距离和位置紧密相关。
传统的复杂网络研究通常都将社会关系或者技术网络抽象为关系网络，属于关系图的范畴；无线Ad-Hoc 网络与无线传感器网络由于其传输半径的限制，是空间网络，属于空间图的范畴。
空间网络的拓扑结构与连通性及传输半径紧密相关。
小世界特征是指网络较小的平均路径长度和大的聚类系数，无线传感网络中节点之间采用无线多跳方式传输数据，引入小世界特征可以降低网络系统的通信开销，并增强网络的容错性，从而延长整个系统的生存时间[7-11]。
张[12]等选择性地删除一些边，基于汇聚节点建立捷径，交替进行，直到两个小世界特征达到最优。
周[13]等基于小世界与能效提出了一种容迟网络路由算法。
Nardis [14]等设计了一种自适应选举簇头，簇头之间动态建立捷径，生成具有小世界特征的网络拓扑结构，实验结果显示了该网络的优良性能。
根据传感网应用环境的不同，部署方式可以分为确定性部署和随机部署两类。
在监测范围小且人类方便到达的应用环境如车间、医院、商场中，可以预先确定传感器节点的位置并手工部署在确定位置上。
但当网络规模较大或在环境恶劣危险的场合应用时，如湖泊、沼泽、沙漠、战场、疫区等，通常采用随机播撒方式。
本文在无线传感网中引入复杂网络中的小世界特征，结合确定性部署和随机部署方式，在随机部署的基础上，确定部署少量具有更高能量、更强数据处理能力的超级节点，在超级节点和汇聚节点之间建立超级链路形成直接通信的可靠捷径，从而构建基于无线传感器网络小世界效应的网络模型。
无线传感器网络分层聚类路由算法的研究的开题报告
无线传感器网络分层聚类路由算法的研究的开题报告一、选题依据和意义无线传感器网络（Wireless Sensor Network，WSN）是由大量分布在特定区域内的微型、低功耗、低成本传感器节点组成的自组织网络。
传感器节点一般由处理器、无线通信模块、能量供应和多种传感器组成，其将所采集的数据传输给基站或其他节点进行处理和分析。
无线传感器网络被广泛应用于环境监测、农业、工厂自动化、智能家居等领域。
在传感器网络中，如何高效地传输数据和上传信息是一个非常重要的问题。
因此，无线传感器网络路由算法的研究备受关注。
目前，无线传感器网络路由算法主要分为平面化路由算法和分层路由算法两类。
前者只在第一层节点建立基本的数据传输路径，而后者可以通过多层节点之间的数据交互实现更高效的数据传输和信息收集。
本文旨在探究分层聚类路由算法在无线传感器网络中的应用和优化。
该算法以传感器节点之间的距离和相似度进行分层聚类，有效地解决了网络中节点能源耗尽和缺失的问题。
另外，对于某些特殊应用场景下，本文也将探讨路由算法的性能优化与提升。
该研究对于提高无线传感器网络数据传输效率、降低能耗、提高网络性能等方面具有现实意义和广泛应用价值。
二、研究内容和方法本文研究的重点为分层聚类路由算法在无线传感器网络中的应用和优化问题。
具体研究内容如下：1.分层聚类路由算法的原理和实现介绍分层聚类路由算法的理论基础和实现方法。
探究基于相似度和距离的分层聚类算法和基于节点能量的路由算法。
2.分层聚类路由算法的应用和优化通过具体应用场景，探究分层聚类路由算法在无线传感器网络中的优缺点。
进一步提出算法的优化和改进方法，从而提高算法的性能和效率。
3.应用实验及性能分析通过实验方法验证优化算法的实际效果，并对优化前后的数据进行对比和分析，从而得出结论。
4.总结和展望总结研究内容和成果，分析实验结果和成就，对未来研究进行展望和规划。
本研究的方法包括文献调研、理论分析、数学建模、软件仿真、实验验证等方法。
无线传感器网络中的自身定位系统和算法
1、无线传感器网络定位算法分 类
无线传感器网络定位算法主要分为基于距离的定位算法和基于非距离的定位 算法。
1、1基于距离的定位算法
基于距离的定位算法是通过测量节点之间的距离或角度来确定节点位置的算 法。这类算法通常需要节点之间的精确测距或时间同步，因此，对于低成本、低 功耗的无线传感器网络来说，实现起来较为困难。这类算法包括：
无线传感器网络节点定位算法的性能评估可以从定位精度、能耗、鲁棒性、 自适应性等方面进行考虑。其中，定位精度是评估算法最直观的指标，而能耗则 是评估算法可持续性的重要因素。鲁棒性和自适应性则能够反映算法在实际应用 中的稳定性和适应性。
此外，无线传感器网络节点定位算法还需要考虑可扩展性和容错性。可扩展 性是指算法能够适应网络规模的不断变化，而容错性则是指算法对于节点故障或 者通信故障的应对能力。
3、跳数算法（Hop-based）：通过测量节点之间的跳数和已知节点之间的距 离，利用跳数限制和位置信息计算节点位置。包括DV-Hop（Distance VectorHop）、MHOP（Minimum Hop）、LEACH（Low Energy Adaptive Clustering Hierarchy）等算法。
1、2基于非距离的定位算法
基于非距离的定位算法是通过节点之间的连通性来确定节点位置的算法。这 类算法不需要精确测距或时间同步，因此，对于低成本、低功耗的无线传感器网 络来说，实现起来较为容易。这类算法包括：
a)质心定位算法：通过连接若干个节点，将它们的质心作为新的节点位置。
b) Centroidal Voronoi Tessellation（CVT）算法：将节点连接成若干个 三角形，将每个三角形的质心作为新的节点位置。
211、3连通性：由于传感器网络的连通性是一个基本属性，因此，对于定位 算法来说，保证连通性是一个基本要求。如果定位结果造成了网络的连通性问题， 那么这个算法就不适合在无线传感器网络中使用。
无线传感器网络中的网络模型与性能评估方法
无线传感器网络中的网络模型与性能评估方法无线传感器网络是由大量分布在空间中的无线传感器节点组成的网络，这些节点能够感知环境中的信息，并将其传输到网络中的其他节点。
无线传感器网络的设计和性能评估是该领域的重要研究方向之一。
本文将介绍无线传感器网络中的网络模型和性能评估方法。
一、网络模型无线传感器网络的网络模型是描述网络中节点之间的连接关系和通信方式的数学模型。
常见的网络模型包括平面模型、非平面模型和混合模型。
平面模型是最简单的网络模型之一，它假设无线传感器网络中的所有节点都位于同一个平面上，并且节点之间的通信距离是有限的。
这种模型适用于一些特定的应用场景，如室内定位系统。
非平面模型是对现实世界中无线传感器网络的更准确描述。
在非平面模型中，节点的位置和通信距离可以是任意的，节点之间的通信通过多跳方式进行。
这种模型适用于大多数无线传感器网络的应用场景。
混合模型是将平面模型和非平面模型结合起来的一种模型。
在该模型中，网络中的一部分节点位于平面上，另一部分节点则位于非平面上。
这种模型能够更准确地描述某些特殊的应用场景，如山区环境监测。
二、性能评估方法性能评估是对无线传感器网络中各种性能指标进行定量分析和评估的过程。
常见的性能指标包括网络覆盖率、能量消耗、网络延迟和数据传输可靠性等。
网络覆盖率是衡量无线传感器网络中节点感知范围与监测区域之比的指标。
通过计算网络中节点的感知范围和监测区域的重叠程度，可以评估网络的覆盖率。
高覆盖率能够提高网络的监测能力和数据收集效率。
能量消耗是无线传感器网络中一个重要的性能指标。
传感器节点通常由电池供电，能量消耗的多少直接影响节点的寿命和网络的可用性。
通过分析节点的能量消耗模型和优化节点的能量管理策略，可以有效延长网络的寿命。
网络延迟是指数据从源节点传输到目的节点所需的时间。
在无线传感器网络中，由于节点之间的通信距离有限，数据传输的延迟较大。
通过优化网络拓扑结构、改进路由算法和调整传输参数等方法，可以减小网络的延迟。
无线传感器网络路由算法——分层路由算法
P为网络中簇头百分比，r为当前轮数，G表示在过去的1/p 轮中没有担任过簇头节点的集合,p为节点成为簇头概率
选举簇头过程分析
• 在第0轮的时候(r=0)，每个节点充当簇头节点的 概率为p，在前r轮中，充当过簇头节点的节点 在以后的(1/p-r)轮中不能再次充当簇头节点，以 增加其他节点做簇首的概率。等经过了1/p-1轮 以后，T=I，此时对于任何过去的1/p中还没有做 过簇头节点的节点，都可以成为簇头节点，因 为所有的节点的标志值都是0和l之间的。等过 了1/p轮以后，所有的节点就又可以重新充当簇 头节点了，这样重复循环。
LEACH
上图为LEACH网络模型
过程总体分解
• LEACH协议中给出了“轮”的概念，时间 运行都是以轮来计算的 • 每一轮包含簇的建立和稳定运行两个阶段
• 第二阶段的时间要远长于第一阶段的时间
ACH协议中，由每个传感器节点自己决定是否在本轮成为簇 头。该算法通过所有节点轮流担任簇头，确保负载在网络中比 较平均地分配，从而最大化网络生存时间。首先传感器节点n选 择一个O到1之间的随机数，当该随机数小于门限值T(n)时，该 节点成为本轮的一个簇头节点。
过程细解p为网络中簇头百分比r为当前轮数g表示在过去的1p轮中没有担任过簇头节点的集合p为节点成为簇头概率选举簇头过程分析?在第0轮的时候r0每个节点充当簇头节点的概率为p在前r轮中充当过簇头节点的节点在以后的1pr轮中不能再次充当簇头节点以增加其他节点做簇首的概率
无线传感器网络路由算法 ——分层路由算法
簇头选定之后 • 每个确定充当当前轮簇头的节点，会以相同的能量向 网络其它节点广播一个广告包。在整个广告的过程中， 采用非持续的带有冲突检测的载波侦听多路载波 CSMA(Carrier Sense Multiple Access)的MAC协议。在这个 过程中，其它节点的接收机一直处于工作状态，用于 接收来自簇头节点的广告消息。每个节点可能会收到 几个来自不同簇头节点的广告包，节点就根据收到消 息的信号强弱，选取信号最强的广告包的发送源点作 为自己的簇头节点，加入那个簇头节点的簇，并向簇 头节点报告自己加入的消息。
无线传感器网络中的网络拓扑和路由算法
无线传感器网络中的网络拓扑和路由算法无线传感器网络（Wireless Sensor Network, WSN）是由大量部署在某一特定区域内的无线传感器节点组成的自组织、自配置的分布式传感器网络。
无线传感器网络的目标是通过无线通信和分布式数据处理，实现对环境的实时监测和信息采集。
在无线传感器网络中，网络拓扑和路由算法的设计与性能优化至关重要。
1. 网络拓扑网络拓扑在无线传感器网络中起着决定性作用，它定义了无线传感器节点之间的连接方式和排列结构。
常见的网络拓扑结构包括星型拓扑、网状拓扑和混合拓扑。
星型拓扑是最简单的拓扑结构，所有节点都直接与中心节点相连。
这种拓扑结构易于实现和管理，但中心节点成为单点故障，容易导致整个网络的瘫痪。
网状拓扑允许节点之间多对多的连接，节点之间形成一个复杂的网络结构。
这种拓扑结构在大规模网络中应用较多，具有容错性强的优点，但是节点之间的通信距离相对较远，容易导致能量的消耗增加。
混合拓扑将星型拓扑和网状拓扑结合起来，既能够保证网络的容错性，又能够减少能量的消耗。
例如，可以将多个星型拓扑的中心节点连接成网状结构，降低通信距离并提高网络的稳定性。
选择适当的网络拓扑结构是无线传感器网络设计的关键之一。
根据具体的应用场景和需求，可以采用不同的网络拓扑结构，以达到最佳的性能和效果。
2. 路由算法在无线传感器网络中，路由算法决定了传感器节点之间的数据传输路径。
设计合理的路由算法能够提高网络的可靠性、延迟和能量效率。
常见的无线传感器网络路由算法包括集中式算法和分布式算法。
（1）集中式算法：集中式算法由中央控制节点负责全局路由决策。
中央控制节点维护整个网络的拓扑信息，并根据特定的路由策略确定数据传输路径。
这种算法适用于规模较小的网络，具有较高的路由效率和准确性，但中央控制节点成为网络的瓶颈，并且对网络拓扑的实时变化敏感。
（2）分布式算法：分布式算法要求所有节点共同决策数据传输路径。
每个节点根据周围节点的信息，并利用本地决策规则选择下一跳节点。
基于TinyOS操作系统的无线传感器网络自组网研究
4、安全性：需要考虑网络安全问题，如信息泄露、恶意攻击等。
参考内容
引言
随着物联网技术的快速发展，无线传感器网络在许多领域的应用越来越广泛。 无线传感器网络由大量微型传感器节点组成，这些节点可以实时地监测、感知和 采集各种环境参数，如温度、湿度、光照、气压等，并将这些数据通过无线通信 网络传输到数
然而，TinyOS也存在一些不足之处。例如，其体系结构和协议算法相对固定， 对于不同应用场景的适应性有待进一步提高；此外，TinyOS的编程接口相对较为 复杂，不利于开发者快速上手和应用扩展。
结论
总的来说，TinyOS作为一种轻量级、开源的无线传感器网络操作系统，在无 线传感器网络领域具有重要的地位和应用价值。虽然TinyOS已经取得了一定的研 究成果，但仍存在一些不足之处需要进一步改进和完善。未来研究方向可以包括 以下几个方面：一是
背景
无线传感器网络技术自20世纪90年代出现以来，已经得到了广泛的应用和发 展。随着微电子技术和无线通信技术的不断进步，传感器节点的功耗和成本不断 降低，使得大规模部署和长时间工作成为可能。在此背景下，许多无线传感器网 络操作系统应运而
生，TinyOS是其中之一。TinyOS最早由美国加州大学伯克利分校提出，经过 不断的发展和完善，已经成为一种成熟、流行的无线传感器网络操作系统。
三、基于TinyOS的无线传感器网 络自组网方案
基于TinyOS的无线传感器网络自组网方案需要考虑以下关键因素：
1、网络规模：由于无线传感器网络的节点数量通常较大，因此需要选择合 适的路由协议以支持大规模网络的运行。
2、能效管理：需要制定精细的能源管理策略，以最大限度地延长网络的寿 命。
3、协同工作：需要制定分布式协同工作模式，以提高网络的容错性和性能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于小世界模型的无线传感器网络层次型路由算法韦世红;唐起超【摘要】层次型路由算法是无线传感器网络研究的热点领域.针对传感器节点能量受限问题,提出一种基于小世界模型的无线传感器网络层次型路由算法(HASWNM).通过添加高性能节点以及在簇头间添加捷径的方法,使得无线传感器网络(WSN)体现出小世界网络特性.由于能量消耗主要集中在数据发送阶段,因此该算法在簇间中继选择时考虑了簇头自身的能量问题.此外,根据簇头节点距离基站的位置远近,确定不同的自适应搜索区域.实验结果证明,当高性能节点个数为100时,网络中可以呈现出小世界特性.与CSWN、TSWN、DASM相比,该算法第一个节点的死亡轮数分别延迟了6％,6％,29％,每一轮网络中的平均能量消耗分别减少了5％,12％,17％.因此,该算法构造的无线传感器网络具有小世界特性,并且能量消耗较低.%Hierarchical routing algorithm is now a hotspot in the field of wireless sensor network.Aiming at the problem that the energy of sensor nodes are limited,a hierarchical routing algorithm for wireless sensor networks based on small world model (HASWNM) was proposed.The Wireless Sensor Network (WSN) could reflect characteristics of the small world by adding nodes with high performance as well as shortcuts among cluster heads.As the energy consumption was mainly concentrated in the data transmission phase,the energy of the cluster head was taken into account while choosing the relay node between clusters.Besides,the different adaptive search area was determined according to the distance between the cluster head and the base station.The experimental results showed that the network can show the characteristics of small world when the number ofhigh-performance nodes reached 100,and compared to the algorithms of CSWN (topology Control based on Small World Network),TSWN (Tree-based Small World Network),DASM (Directed Angulation towards the Sink node Model),the number of death rounds of the first node was delayed by 6％,6％,29％ separately,and the average energy consumption of the network per round was reduced by 5％,12％,17％ respectively.Thus the wireless sensor network constructed by the proposed algorithm has the characteristics of small world and low energy consumption.【期刊名称】《计算机应用》【年(卷),期】2017(037)009【总页数】6页(P2457-2462)【关键词】无线传感器网络;聚类系数;平均路径长度;能量损耗【作者】韦世红;唐起超【作者单位】重庆邮电大学移动通信技术重点实验室,重庆400065;重庆邮电大学移动通信技术重点实验室,重庆400065【正文语种】中文【中图分类】TN929.5小世界网络的本质特征是具有小的平均路径长度和大的聚类系数[1]，将复杂网络的小世界现象引入无线传感器网络(Wireless Sensor Network, WSN)的研究，对分析WSN的拓扑结构、发现WSN中隐藏的规律以及预测WSN的行为具有十分重要的理论意义。
1)平均路径长度：平均路径长度定义为所有节点间通信距离的平均值。
计算公式如式(1)所示：其中：N表示的是传感器节点的数量，dij表示的是节点i和节点j之间的通信距离实际存在的边条数。
对小世界WSN平均路径长度的计算，目前还没有非常精确的解析表达式，如果小世界WSN通过“随机化重连”构成，则平均路径长度如式(2)所示：L(p)= f(NKp/2)其中：N 表示的是传感器节点个数，K 表示的是节点度数，p为重连概率， f(x)表示的是普适标度函数。
普适标度函数f(x)基于平均场方法给出：f(x)≈ arctanh当节点的平均度固定时，平均路径长度的增加速度与N的对数成正比。
表明基于小世界的无线传感器网络其平均路径长度较小，且对于随机故障具有较强的鲁棒性。
2).聚类系数C：聚类系数描述了节点i与其直接相连的邻居节点的连接关系，如式(4)所示：Ci=3NΔ(i)/N3(i)其中：NΔ(i)表示的是该网络中包含节点i的三角形总数，N3(i)表示包含节点i的三元组总数。
对部分聚类系数较小的边进行一些必要的选择性删改，可提高网络整体的平均聚类系数，从而达到简化拓扑结构、优化路径选择的效果。
广大学者提出了很多无线传感器网络小世界特性的构造方法。
文献[2]提出了基于NW(Newman-Watts)小世界WSN的构造方法，但是网络的抗毁性较差，性能低，造价昂贵。
文献[3]提出了基于汇聚节点(sink node)构造小世界WSN，抗毁性较差，适用于小规模的网络。
文献[4]提出了基于拓扑优化的小世界WSN构造，该算法形成了一种静态拓扑，抗毁性适中，网络规模适中。
针对现有算法的不足以及经验，本文提出了一种基于小世界特性的无线传感网层次型路由算法(Hierarchical routing Algorithm for wireless sensor networks based on Small World Network Model, HASWNM)，通过添加高性能节点以及在簇头间添加捷径的方法，使得无线传感器网络体现出小世界特性。
该算法在簇间中继选择时候考虑了簇头自身的能量问题，达到了很好的节能效果。
2.1 系统模型1)N个传感器节点随机部署在M×M的正方形监控区域内，传感器节点分为普通节点和高性能节点。
节点通过ID(Identification)进行标识，并且存储、计算能量受限。
2)传感器节点一旦被部署，则一直处于静止状态。
3)sink节点存储、计算能量不受限，并且sink节点是固定的。
4)假设节点i的通信半径为Rc(i)，节点j的通信半径为Rc(j)，节点i和节点j之间的距离为dij，那么节点i和节j能够直接通信的充要条件[5]是Rc(i)≤dij∧Rc(j)≤dij。
2.2 基本概念定义1 两个高性能节点之间的链接成为捷径[6]。
定义2 高性能节点间的链接概率用p表示。
定义3 假设普通节点的通信半径为RL，高性能节点的通信半径为RH，在实验的过程中保证RH≫RL。
2.3 算法描述算法是以轮数为单位，每一轮主要分为簇的划分以及簇头的选择，簇头的选择根据数据传输的可靠性；选择出来的簇头节点同时进行链路构建，包括候选捷径端点的确定以及捷径端点的确定；最后完成数据的通信过程。
具体的流程如图1所示。
1)对监控区域进行随机撒点，主要分为两类传感器节点，具有高能量的传感器节点(High-energy sensor node, H-sensor)和具有低能量的传感器节点(Low-energy sensor node, L-sensor)。
其中，高性能节点的个数应该大于等于簇头节点的数目，其余的是低能量的普通节点，这样做的好处就是尽可能地保证每个簇内都具有高性能节点。
拥有高能量的传感器节点具有较大的通信半径RH，拥有低能量的传感器节点具有较小的通信半径RL。
2)簇的建立阶段分为邻居发现阶段、控制数据广播以及网络配置。
在邻居发现阶段，所有的传感器节点广播一个带有自己ID号的hello包，收到hello包的传感器节点会更新自己的邻居表和接收信号强度(Receive Signal Strength Indicator, RSSI)。
控制数据广播，该算法使用泛洪的方法传输控制数据到基站，每个传感器节点的控制信息包括自身的ID号、剩余能量和它的邻居表数据。
中继节点接收到数据包会继续广播直到数据包传输到基站为止。
网络配置阶段，当基站收到网络中所有的传感器节点的控制包时，基站开始配置网络。
配置广播，当基站完成网络配置，以泛洪的方式向所有的传感器节点广播网络配置，对子区域进行划分。
每个传感器节点根据接收的消息确定要加入的簇。
每个子区域的传感器节点构建单链路，并根据成簇的可靠性进行簇头节点的选举。
仿真的过程中，位于监控区域左下角位置的汇聚节点，根据距离汇聚节点的距离将监控区域划分为不同的环形等级，然后将每一层的面积平均化，得到每个簇的大小区域。
规定距离基站越近的环形等级越低，分别为0,1…,i，如图2所示。
环形等级level计算公式为：level=i,i*d0≤r≤(i+1)*d0其中：r表示的是环形的半径大小，d0表示的是自由空间传播模型和多径衰减模型的临界距离，i表示的是环形等级的数值大小。
如图3所示，在一个簇内有N个传感器节点，按照经典的PEGASIS(Power-Efficient Gathering in Sensor Information System)算法形成单链路，如果簇头节点C4左边链路有m个传感器节点，那么C4右边链路就有N-1-m个传感器节点。
任何复杂的系统都可以通过并联与串联模块的组合来描述[7]。
如图4可靠性模型(Reliability Block Diagram, RBD)所示，整个簇的数据传输可靠性Rcluster 表示为：Rcluster=]]}其中：RCH表示的是簇头节点的数据可靠性，RCMi表示的是普通传感器节点的数据可靠性。