基于AODV和leach协议的自组网络平台matlab仿真,对比吞吐量,负荷,丢包率,剩余节点个数,节点消耗能量

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: 本系统基于MATLAB 2017b,对AODV与LEACH自组网进行了升级仿真,新增运动节点路由测试,修正丢包率统计。AODV是一种按需路由协议,结合DSDV和DSR,支持动态路由。程序包含参数设置、消息收发等功能模块,通过GUI界面配置节点数量、仿真时间和路由协议等参数,并计算网络性能指标。该代码实现了节点能量管理、簇头选举、路由发现等功能,并统计了网络性能指标。

1.算法仿真效果
matlab2017b仿真结果如下(完整代码运行后无水印):

本程序系统是《m基于matlab的AODV,leach自组网网络平台仿真,对比吞吐量,端到端时延,丢包率,剩余节点个数,节点消耗能量》的的升级。

升级前原文章链接

增加了运动节点的路由测试,包括定向运动,随机运动,静止状态,修正了丢包率的统计方式。

b55f84c7dd34da4be47b881d93b2aec4_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.jpg

动态节点时仿真效果如下:

d36e909f0b8be3faf16a13067aebe1c5_0315f8c96dd66d12d7a131ae2bc4541573679e.gif

2.算法涉及理论知识概要
AODV是一种应用于无线网状网络的路由协议。它源节点需要发送数据时才进行路由发现。当没有数据发送请求时并不执行。在路由发现过程中首先检查路由表中是否存在从源节点到目的节点的路由,若存在则直接进行数据转发,若不存在,则广播RREQ分组进行寻找并建立路由。当目的节点收到第一个RREQ分组时,立即回复RREP分组给源节点,当源节点收到RREP分组时,便沿着RREP的路径建立了一条到目的节点的路径,然后通过此路径进行数据的传送。当节点在转发分组失败的时候便广播一个RRER分组,以此来告知源节点路径断开,源节点收到RRER之后将要发送的数据存入缓存,并重新发起路由发现的过程,直到新的路由路径建立起来的时候,才将缓存中的数据依次发送给目的节点。

   AODV是一种按需路由协议,根据业务需求建立和维护路由,它是DSDV (Destination—SequencedDistance-Vector)协议和DSR(Dynamic Source Routing) 协议的结合,使用DSDV协议中的目的节点序列号来防止缓存的路由信息过期以及环路的产生,路由建立则是基于DSR协议中所采用的方法,不同点在于AODV采用的是逐跳路由而不是源路由,可以实现ZigBee节点之间动态的、自发的路由,使节点很快实现到目的节点的通信。ZigBee路由算法中使用的AODVjr算法是对AODV算法的精简和改进,但是仍然保持AODV的原始功能。其特点是路由路径最佳,缺点是单个节点需要路由表,整体路由代价高。       

   AODV路由协议主要可分为初始化、路由的建立及维护、显示、时钟、节点移动模块。总体设计框图所示:

5affc6ebdbca48ddddb78dff321a8353_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

     AODV是一种按需路由协议,根据业务需求建立和维护路由,它是DSDV协议和DSR协议的结合。使用DSDV协议中的目的节点序列号来防止缓存的路由信息过期以及环路的产生,路由建立则是基于DSR协议中所采用的方法,不同点在于AODV采用的是逐跳路由而不是源路由。  

    控制中心主要包括消息收发模块、用户列表(相关节点信息,用户名和IP)、参数设置模块和功能性模块。

 1.参数设置模块:可以实现节点个数、仿真场景大小、仿真时间、信道模型、路由协议、节点初始能量等的输入或者选择。

 2.功能性模块:显示拓扑结构图;计算网络平均吞吐量、平均端到端时延、丢包率、剩余节点个数、节点消耗能量等。

    参数设置模块,是通过GUI界面进行设置,主要实现可设置网络节点,仿真场景大小,仿真时间,信道模型的选择,路由协议的选择,节点初始能量的设置等参数变量,这些变量,我们均通过GUI界面进行参数的输入。功能模块,显示拓扑结构图;计算网络平均吞吐量、丢包率、剩余节点个数、节点消耗能量等。

   整个网络的工作机制如下:       

   通过设置N个网络节点,在设置好大小的场景中,进行随机坐标的分布,并设置整个网络的工作时间,即仿真时间,不同节点之间的信息传递,其信道模型根据设置,选择Free space和 Two-ray ground reflection两种类型的信道,网络工作的MAC协议为IEEE 802.11,而路由协议,则根据选择,设置Leach或者AODV,或AODV改进三种类型。然后,我们根据网络的实际仿真结果,实时的输出六个指标。

3.MATLAB核心程序```%3.网络运行模块
countCHs3 = 0;
cluster3 = 1;
flag_first_dead3 = 0;
flag_teenth_dead3 = 0;
flag_all_dead3 = 0;
%死亡节点数
dead3 = 0;
first_dead3 = 0;
teenth_dead3 = 0;
all_dead3 = 0;
%活动节点数
allive3 = n;
packets_TO_BS3 = 0;
packets_TO_CH3 = 0;

%%%%%%%%%%%%以上参数初始化三个程序都相同%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%以上参数初始化三个程序都相同%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

for r=0:1:rmax
r
Ea = Et;
El3(r+1) = 0;
for i=1:nodes_number
El3(r+1) = S3(i).E + El3(r+1);
end
Ec3(r+1) = Et-El3(r+1);

%死亡节点检查
Dead_time = 0;
for i=1:n
    %节点能量用完,则说明节点死亡
    if S3(i).E <= 0 
       Dead_time = Dead_time + 1; 
    else
       S3(i).type = 'N';
       Dead_time = Dead_time; 
    end
end

STATISTICS.DEAD3(r+1)  = Dead_time;

countCHs3 = 0;
cluster3  = 1;
for i = 1:n
    if Ea > 0 & S3(i).E > 0 & S3(i).G <= 0  
         if rand<= 0.2
            countCHs3             = countCHs3+1;
            packets_TO_BS3        = packets_TO_BS3+1;
            PACKETS_TO_BS3(r+1)   = packets_TO_BS3;
            S3(i).type            = 'C';
            C3(cluster3).xd       = S3(i).xd;
            C3(cluster3).yd       = S3(i).yd;
            if r > 1
               distance              = sqrt((S3(i).xd-(S3(n+1).xd) )^2 + (S3(i).yd-(S3(n+1).yd))^2 );
               Fs                    = LBF3t(r);
               Ps                    = Ec3(r);
               Gs                    = w1*distance+w2*Fs+w3*Ps;
            else
               distance              = sqrt((S3(i).xd-(S3(n+1).xd) )^2 + (S3(i).yd-(S3(n+1).yd))^2 ); 
               Gs                    = distance;
            end
            C3(cluster3).distance = Gs;
            C3(cluster3).id       = i;
            X3(cluster3)          = S3(i).xd;
            Y3(cluster3)          = S3(i).yd;
            cluster3              = cluster3+1;
            %计算簇头发送4000bit数据的能量消耗
            if Gs > do 
               S3(i).E = S3(i).E - ((ETX+EDA)*(PACK) + Emp*PACK*(distance*distance*distance*distance)); 
            end
            if Gs <= do 
               S3(i).E = S3(i).E - ((ETX+EDA)*(PACK) + Efs*PACK*(distance * distance)); 
            end
         end
    end
end
STATISTICS.COUNTCHS3(r+1) = countCHs3;

x3 = zeros(1,cluster3-1);
y3 = 0;
z3 = 0;
Drop_rate0 = zeros(1,n);

%产生不同的路由路径,用来进行综合分析
PATH = [];
Nums = 1:n;
nn   = n;
for js = 1:n/2
    tmps = randperm(nn);
    if js > 1
       I1 = find(tmps == tmps1);
       I2 = find(tmps == tmps2);
       tmps(I1)=0;
       tmps(I2)=0;
       tmps(find(tmps==0)) = [];
    end
    SS   = tmps(1);
    DD   = tmps(2);
    %根据原节点和目标节点进行路由跟新
    [path,hop] = aodv_path_discovery_new(n,nodes_link,SS,DD,Fload,PLest,BREAK);
    PATH     = [PATH,path];
    tmps1    = SS;
    tmps2    = DD;
end
for ind=1:length(PATH)
    i = PATH(ind);
    if S3(i).type=='N' && S3(i).E>0
       if cluster3-1 >= 1
          min_dis         = Inf;
          min_dis_cluster = 0;
          for c=1:cluster3-1
              if r > 1
                 distance              = sqrt((S3(i).xd-C3(c).xd)^2 + (S3(i).yd-C3(c).yd)^2);
                 Fs                    = LBF3t(r);
                 Ps                    = Ec3(r);
                 Gs                    = w1*distance+w2*Fs+w3*Ps;
              else
                 distance              = sqrt((S3(i).xd-C3(c).xd)^2 + (S3(i).yd-C3(c).yd)^2); 
                 Gs                    = distance;
              end
              temp = min(min_dis,Gs);
              if temp < min_dis
                 min_dis         = temp;
                 min_dis_cluster = c;
                 x3(c)           = x3(c)+1;
              end
          end
          %簇内节点能量消耗
          if Gs > do
             S3(i).E=S3(i).E- (ETX*(PACK) + Emp*PACK*( min_dis * min_dis * min_dis * min_dis)); 
          end
          if Gs <= do 
             S3(i).E=S3(i).E- (ETX*(PACK) + Efs*PACK*( min_dis * min_dis)); 
          end
          S3(C3(min_dis_cluster).id).E = S3(C3(min_dis_cluster).id).E- ( (ERX + EDA)*PACK ); 
          packets_TO_CH3               = packets_TO_CH3+1;
          S3(i).min_dis                = Gs;
          S3(i).min_dis_cluster        = min_dis_cluster;
       else
          y3      = y3+1;

          if r > 1
             distance              = sqrt( (S3(i).xd-S3(n+1).xd)^2 + (S3(i).yd-S3(n+1).yd)^2 );
             Fs                    = LBF3t(r);
             Ps                    = Ec3(r);
             Gs                    = w1*distance+w2*Fs+w3*Ps;
          else
             distance              = sqrt( (S3(i).xd-S3(n+1).xd)^2 + (S3(i).yd-S3(n+1).yd)^2 );
             Gs                    = distance;
          end
          min_dis = Gs;
          if min_dis > do 
             S3(i).E=S3(i).E- ( ETX*(PACK) + Emp*PACK*( min_dis * min_dis * min_dis * min_dis)); 
          end
          if min_dis <= do 
             S3(i).E=S3(i).E- ( ETX*(PACK) + Efs*PACK*( min_dis * min_dis)); 
          end
          if rand < 0.2
             packets_TO_BS3=packets_TO_BS3+1;
          end
       end
    end
   %计算丢包率
   if Channel_Sel == 1
      L = 38.5 + 20*log10(distance); 
   else
      R     = 1; 
      dd2   = distance;
      fai   = pi/3;
      dd    = distance;
      lemda = 150;
      ge1   = 1;
      ge2   = 1;
      dr    = 4;
      Cs    = pi/8;
      a     = 6370000*(1-0.04665*exp(0.005577))^(-1);
      D     = (1+2*d1*d2/a/dd2/tan(fai))^(-0.5); 
      Re    = D*R*exp(-0.6*dd*sin(fai)/lemda); 
      Gp    = 23;
      Aa    = 18;
      L     =-10*log10(ge1*ge2*(1+Re^2 - 2*Re*cos(2*pi*dr/lemda-Cs))) + Gp + Aa;
   end
   %统计丢包率  
   %当发生错误的时候,以一定的概率丢包
   if rand < 0.2
      Drop_rate0(i) = 0.5*erfc(sqrt(2*(SNRs+10^(-L/20))));  
   end
end

if countCHs3~=0
    %统计
   for c=1:cluster3-1
       z3=z3+x3(c);
   end
   LBF3(r+1)=z3/countCHs3;
else
   LBF3(r+1)=0;
end


STATISTICS.PACKETS_TO_CH3(r+1) = packets_TO_CH3;
STATISTICS.PACKETS_TO_BS3(r+1) = packets_TO_BS3;
if countCHs3~=0
   Drop_rate(r+1)  = mean(Drop_rate0);
else
   Drop_rate(r+1)  = 0; 
end
if r <= 128
   LBF3t(r+1)      = mean(LBF3(1:r));
   Drop_ratet(r+1) = mean(Drop_rate(1:r));
else
   LBF3t(r+1)      = mean(LBF3(r-127:r));
   Drop_ratet(r+1) = mean(Drop_rate(r-127:r));
end

end
0sj_003m

```

相关文章
|
9月前
|
5G
基于IEEE 802.11a标准的物理层MATLAB仿真
基于IEEE 802.11a标准的物理层MATLAB仿真
479 0
|
9月前
|
算法
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
1120 30
|
9月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
SQL 监控 安全
网络安全与信息安全:漏洞、加密与安全意识
随着互联网的迅猛发展,网络安全和信息安全问题日益受到关注。本文深入探讨了网络安全漏洞、加密技术以及提高个人和组织的安全意识的重要性。通过分析常见的网络攻击手段如缓冲区溢出、SQL注入等,揭示了计算机系统中存在的缺陷及其潜在威胁。同时,详细介绍了对称加密和非对称加密算法的原理及应用场景,强调了数字签名和数字证书在验证信息完整性中的关键作用。此外,还讨论了培养良好上网习惯、定期备份数据等提升安全意识的方法,旨在帮助读者更好地理解和应对复杂的网络安全挑战。
|
SQL 安全 网络安全
网络安全与信息安全:知识分享####
【10月更文挑战第21天】 随着数字化时代的快速发展,网络安全和信息安全已成为个人和企业不可忽视的关键问题。本文将探讨网络安全漏洞、加密技术以及安全意识的重要性,并提供一些实用的建议,帮助读者提高自身的网络安全防护能力。 ####
516 17
|
SQL 安全 网络安全
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
随着互联网的普及,网络安全问题日益突出。本文将从网络安全漏洞、加密技术和安全意识三个方面进行探讨,旨在提高读者对网络安全的认识和防范能力。通过分析常见的网络安全漏洞,介绍加密技术的基本原理和应用,以及强调安全意识的重要性,帮助读者更好地保护自己的网络信息安全。
380 10
|
存储 SQL 安全
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
随着互联网的普及,网络安全问题日益突出。本文将介绍网络安全的重要性,分析常见的网络安全漏洞及其危害,探讨加密技术在保障网络安全中的作用,并强调提高安全意识的必要性。通过本文的学习,读者将了解网络安全的基本概念和应对策略,提升个人和组织的网络安全防护能力。
|
SQL 安全 网络安全
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
在数字化时代,网络安全和信息安全已成为我们生活中不可或缺的一部分。本文将介绍网络安全漏洞、加密技术和安全意识等方面的内容,并提供一些实用的代码示例。通过阅读本文,您将了解到如何保护自己的网络安全,以及如何提高自己的信息安全意识。
376 10
|
监控 安全 网络安全
网络安全与信息安全:漏洞、加密与意识的交织
在数字时代的浪潮中,网络安全与信息安全成为维护数据完整性、保密性和可用性的关键。本文深入探讨了网络安全中的漏洞概念、加密技术的应用以及提升安全意识的重要性。通过实际案例分析,揭示了网络攻击的常见模式和防御策略,强调了教育和技术并重的安全理念。旨在为读者提供一套全面的网络安全知识框架,从而在日益复杂的网络环境中保护个人和组织的资产安全。
|
存储 监控 安全
云计算与网络安全:云服务、网络安全、信息安全等技术领域的融合与挑战
本文将探讨云计算与网络安全之间的关系,以及它们在云服务、网络安全和信息安全等技术领域中的融合与挑战。我们将分析云计算的优势和风险,以及如何通过网络安全措施来保护数据和应用程序。我们还将讨论如何确保云服务的可用性和可靠性,以及如何处理网络攻击和数据泄露等问题。最后,我们将提供一些关于如何在云计算环境中实现网络安全的建议和最佳实践。

热门文章

最新文章