技术领域
[0001] 本
发明涉及
无线传感器网络通信技术领域，具体涉及一种面向无线传感器网络的数据融合联盟博弈方法及系统。
背景技术
[0002] 无线传感器网络(Wireless Sensor Networks,WSN)是发展迅速的新一代综合技术，现有无线传感器网络中的传感器通常是以
电池作为
能量来源，目前的电池容量有限，且随着传感器部署
位置偏僻或者任务特殊难以进行充电或者更换电池，不足以保证传感器的长时间大功率使用，一旦电池能量耗尽，无法再收集数据；另外，在无线传感网传递数据的过程中，各个传感器由于位置的差异，在数据传递过程中发挥的作用不同，由此带来能量消耗的不均匀，使有的
节点能量过早耗尽，影响无线传感网络发挥作用；
[0003] 另一方面，传感器的数据传递半径因通讯模
块和电源模块的限制，无法进行远距离的数据传递，只能在有限的距离内传递，
现有技术中采用基站传递模式下的数据传递，在传递过程中不改变中继节点，导致中继节点能量消耗过快而缩短无线传感网络的生命周期；并且可能因为部署位置偏僻或者任务特殊，需要部署多个固定的基站，成本较高，固定的基站无法均衡传感器之间的能量消耗，远离基站的传感器单位数据传递消耗的能量比接近基站的传感器消耗多，从而无线传感网络的生命周期过快结束。因此，在整个无线传感网络中，想要节省传感器的能量消耗，选择合适的传递路径与传递距离就有非常重要的意义。
发明内容
[0004] 为了克服现有技术存在的
缺陷与不足，本发明提供一种面向无线传感器网络的数据融合联盟博弈方法及系统，本发明采用无人机作为无线传感网络中移动的汇聚节点，在传感器节点之间进行联盟博弈，设置与传感器剩余能量等相关的参数来计算夏普利值，根据夏普利值选择合适的
传感器数据传递路径，从而使传感器的能量消耗更加均匀、更加合理，更高效地利用各个传感器节点，提高无线传感网的生命周期和工作效率，并且采用数据融合降低无人机数据的存储量，增加无人机的工作时长。
[0005] 为了达到上述目的，本发明采用以下技术方案：
[0006] 本发明提供一种面向无线传感器网络的数据融合联盟博弈方法，包括下述步骤：
[0007] 构建基于无线传感器网络的联盟博弈模型，将夏普利值作为联盟收益分配的解，根据数据传输距离或夏普利值的大小确定中继节点；
[0008] 将无人机作为无线传感器网络中的汇聚节点收集数据，确定无人机的飞行路径和飞行方向；
[0009] 将收集到的数据进行数据融合，将收集到的数据中重复的部分剔除。
[0010] 作为优选的技术方案，所述构建基于无线传感器网络的联盟博弈模型的具体步骤为：
[0011] 所述夏普利值的具体计算公式如下：
[0012]
[0013] 其中， 表示联盟博弈的夏普利值，n表示联盟博弈总人数，k＝|S|为联盟S的规模，即S包含的博弈方数量，v(S)-v(S\{i})代表博弈方i参与或不参与联盟对联盟S特征函数值的影响，反映博弈方i对联盟S的贡献， 表示博弈方i以随机方式结盟时参与联盟S的概率；
[0014] 定义联盟博弈的收益函数，收益函数表示联盟S的收益等于总收益减去其他联盟的收益，具体表示为：
[0015]
[0016] 其中，j表示不等于联盟S的其他联盟；
[0017] 将传感器所有的备选中继节点建立联盟博弈B(N,v)，N表示联盟中的所有成员，v表示联盟的特征函数，联盟s的特征函数具体表示为：
[0018] v(S)＝num-(α*ei+β*(1-di)+γ*si)
[0019] 其中，α、β、γ代表各个参数的均衡系数，α>0，β>0，γ<0；
[0020] 定义能量参数ei，具体表示为：
[0021]
[0022] 其中，Ei表示备选中继节点的传感器的剩余能量，Eini表示备选中继节点初始能量，能量参数ei的值越大，表示传感器被选为中继节点的概率越大；
[0023] 定义距离参数di，具体表示为：
[0024]
[0025] 其中，Di表示传感器到作为备选中继节点的传感器的距离的平方，∑Di表示所有Di的和，距离参数的值越小，表示传感器的能量消耗越少；
[0026] 定义状态参数si，具体表示为：
[0027]
[0028] 其中，i表示传感器，Relay表示中继节点，当传感器i作为中继节点时，状态参数加3；传感器i不作为中继节点时，状态参数减1，状态参数的值越高，传感器被选为中继节点的概率越小。
[0029] 作为优选的技术方案，所述根据数据传输距离或夏普利值的大小确定中继节点，具体步骤为：
[0030] 若存在传感器节点与无人机的直线距离大于d0且传感器节点与其他传感器的距离小于d0，采用多跳的方式，选择在无人机飞行半径d0内的传感器作为中继节点，与无人机的直线距离大于d0的节点将自身收集到的数据发送给中继节点，再由中继节点将数据转发给无人机；
[0031] 处于无人机半径d0外的传感器选择中继节点：若在无人机飞行半径d0内的传感器的个数小于等于2个时，选择距离最近的传感器作为中继节点，若在无人机飞行半径d0内的传感器的个数大于等于3个时，将可选择的传感器节点组成一个联盟，计算各个节点的夏普利值，选择夏普利值最大的传感器为中继节点。
[0032] 作为优选的技术方案，所述确定无人机的飞行路径，具体步骤为：
[0033] 根据传感器之间的距离进行分簇，并计算每个簇的近优点；
[0034] 采用贪心
算法计算无人机向簇飞行时的顺序；
[0035] 无人机簇外飞行：无人机从起点飞行或者收集完一个簇的数据后，向下一簇飞行，此时无人机未进入下一个簇内，无人机向下一簇的近优点直线飞行；
[0036] 无人机簇内飞行：无人机与下一簇内任意节点的距离小于
阈值时，判定为无人机到达下一个簇，无人停止直线飞行。
[0037] 作为优选的技术方案，所述采用贪心算法计算无人机向簇飞行时的顺序，具体步骤为：
[0038] 以无人机当前位置为圆心，以飞行一秒的距离为半径，画出一个圆圈，将圆圈每隔45°画一个点，共分为8个方向点，表示E1-E8，分别计算无人机飞行至8个方向点时，无线传感器网络中所有节点向无人机传递数据消耗的能量；
[0039] 得到8个方向点各自传递数据的能量消耗后，比较能量消耗大小，选择传递数据消耗的能量最小的方向飞行。
[0040] 作为优选的技术方案，所述每个簇的近优点表示为每个簇所有成员的质心坐标点，所述下一簇的近优点直线表示为一个当前簇内的起始点与下一簇所有成员的质心坐标点的连线。
[0041] 作为优选的技术方案，所述确定无人机的飞行方向，具体步骤为：
[0042] 将设定时间T内的飞行距离设置为半径d0，划定数据传递圆圈范围，计算无线传感器网络中所有传感器节点向无人机传递数据消耗的总能量，在飞行时间T的无人机位置设为当前位置，飞行时间T+1的无人机位置设为无人机下一位置；
[0043] 根据数据传输距离或夏普利值的大小确定中继节点；
[0044] 计算在无人机当前位置的无线传感器网络能量消耗e1，在无人机下一位置的无线传感器网络能量消耗e2，比较e1和e2之间的大小，判断无人机是否继续飞行，当e1＞e2时，无人机继续向e2所在的方向飞行，当e1＜e2，无人机停止飞行，收集簇内所有传感器的数据；
[0045] 计算在无人机当前位置时无人机与簇内传感器的距离d1,在无人机下一位置时无人机与簇内传感器的距离d2，当d1＜d2时，传感器传递数据到无人机；当d1＞d2时，传感器与无人机停止数据传递。
[0046] 本发明还提供一种面向无线传感器网络的数据融合联盟博弈系统，包括：无线传感器网络的联盟博弈模型构建模块、中继节点选择模块、汇聚节点选择模块、无人机飞行方式选择模块和数据融合模块；
[0047] 所述无线传感器网络的联盟博弈模型构建模块用于构建基于无线传感器网络的联盟博弈模型，将夏普利值作为联盟收益分配的解；
[0048] 所述中继节点选择模块用于根据数据传输距离或夏普利值的大小确定中继节点；
[0049] 所述汇聚节点选择模块用于将无人机作为无线传感器网络中的汇聚节点，并收集数据；
[0050] 所述无人机飞行方式选择模块用于确定无人机的飞行路径和飞行方向；
[0051] 所述数据融合模块用于将将收集到的数据进行数据融合，将重复的部分数据剔除。
[0052] 本发明与现有技术相比，具有如下优点和有益效果：
[0053] (1)本发明的传感器节点之间进行联盟博弈，设置与传感器剩余能量等相关的参数来计算夏普利值，根据夏普利值选择合适的传感器数据传递路径，从而使传感器的能量消耗更加均匀、更加合理，更高效地利用各个传感器节点，提高无线传感网络的生命周期和工作效率。
[0054] (2)本发明采用运用分簇、贪心算法以及圆圈划分来简化计算，确定无人机的飞行路径，减少传感器的能量消耗，提高数据收集的效率。
[0055] (3)本发明采用无人机作为无线传感网络中移动的汇聚节点，灵活部署、不受地域限制，减少基站的部署，减少传感器为传递数据而消耗的能量，延长无线传感网络的生命周期。
[0056] (4)本发明采用数据融合技术，去掉相同的数据，减少重复的数据量，降低无人机的数据存储量，增加无人机的工作时长。
附图说明
[0057] 图1为本
实施例面向无线传感器网络的数据融合联盟博弈方法的流程示意图；
[0058] 图2为本实施例面向无线传感器网络的数据融合联盟博弈方法中的中继节点的选择流程示意图；
[0059] 图3为本实施例无人机进入簇内的判断流程示意图；
[0060] 图4为本实施例无人机飞行距离的圆圈划分示意图；
[0061] 图5为本实施例无人机继续飞行的判断流程示意图；
[0062] 图6为本实施例传感器继续传递数据的判断流程示意图；
[0063] 图7为本实施例联盟博弈的仿真结果示意图；
[0064] 图8为本实施例基站传递模式下各个传感器的剩余能量分布图；
[0065] 图9为本实施例联盟博弈模式下各个传感器的剩余能量分布图。
具体实施方式
[0066] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0067] 实施例
[0068] 如图1所示，在本实施例中，提供一种面向无线传感器网络的数据融合联盟博弈方法，包括下述步骤：
[0069] 构建基于无线传感器网络的联盟博弈模型，将夏普利值作为联盟收益分配的解，根据夏普利值的大小确定中继节点；
[0070] 将无人机作为无线传感器网络中的汇聚节点收集数据，确定无人机的飞行路径和飞行方向，本实施例的无人机上搭载有无线收发模块，比如Zigbee无线收发模块等；
[0071] 无人机将收集到的数据进行初步数据融合，将收集到的数据中重复的部分剔除。
[0072] 本实施例的无线传感网络中，某些节点离汇聚节点太远，直接传递数据能量消耗大或者无法到达，通过转发给其它节点再到达汇聚节点，有利于减少能量消耗或者克服距离上的障碍，负责转发数据的传感器就是中继节点，数据收集到汇聚节点时，汇聚节点可以将数据进行一定的处理，比如数据融合。
[0073] 本实施例在选择中继节点的过程中引入联盟博弈以及夏普利值，代替只考虑距离而固定中继节点的方式，在备选中继节点之间达到能量消耗均衡，不使某一节点的能量消耗过快，因而延长无线传感器网络的生命周期。
[0074] 在现有的基站传递模式下的数据传递，因中继节点固定导致作为中继节点的传感器能量消耗过快，从而无线传感网络的生命周期过快结束，本实施例在无线传感网络进行数据传递时引入联盟博弈来改变中继节点的选择，以到达传感器之间的能量消耗均匀，提高生命周期；
[0075] 联盟博弈也称为合作博弈,在博弈N＝{1,2,…,n}中,联盟S∈2N,其收益函数(特征函数)V(S)表示通过协商,联盟S中各成员的策略所能达到的最大收益。本实施例将夏普利值作为联盟收益分配的解，夏普利值按联盟成员对联盟贡献的大小进行分配收益,具有唯一性和公平性，夏普利值是一种公理化分析方法，向量 称为联盟博弈的夏普利值，其计算公式为如下：
[0076]
[0077] 其中，n表示联盟博弈总人数，k＝|S|为联盟S的规模，即S包含的博弈方数量，v(S)-v(S\{i})代表博弈方i参与或不参与联盟对联盟S特征函数值的影响，正好反映博弈方i对联盟S的贡献， 是博弈方i以随机方式结盟时参与联盟S的概率。
[0078] 各个博弈方的夏普里值就是它们参与联盟博弈的期望贡献，是衡量联盟博弈中每个博弈方价值的最好指标；
[0079] 在本实施例的联盟博弈里，引入能量参数ei，该参数将作为备选中继节点的传感器的剩余能量占初始能量的比值考虑进去，具体表示为：
[0080]
[0081] 其中，Ei表示备选中继节点的传感器的剩余能量，Eini表示备选中继节点初始能量。
[0082] 从能量参数的表达式可以看出，当传感器的剩余能量越多，能量参数ei越大，传感器被选为中继节点的概率增大；反之则概率减小。能量参数的引入在一定程度上降低了剩余能量低的传感器被选为中继节点的概率，其它备选传感器被选到的概率增加，这样传感器之间的剩余能量差距减少，延长无线传感网络的生命周期。
[0083] 在半径d0内，传感器传递数据的能量消耗与距离的平方成正比，因此传递距离越短越能降低传感器的能量消耗，为此引入距离参数di，di的定义为：
[0084]
[0085] 其中，Di表示传感器到作为备选中继节点的传感器的距离的平方，∑Di表示所有Di的和。
[0086] 距离参数是传感器到备选中继节点的距离的平方与所有平方和的比值，比值小则说明相比较于其它备选中继节点，它与传感器的距离近，这样传感器的能量消耗少。
[0087] 在整个无线传感网络中，如果某个传感器作为中继节点次数太多，则它的能量消耗多余其它传感器，剩余能量较少；如果某个传感器作为中继节点次数太少，则它的能量消耗少于其它传感器，剩余能量较多，为了体现传感器的历史状态，引入状态参数si，si的定义为：
[0088]
[0089] 当传感器作为中继节点时，状态参数加3；不作为中继节点，状态参数减1。如果状态参数高，则表示传感器作为中继节点的次数多，能量消耗快，剩余能量较少，在接下来的选择中继节点的过程中，传感器被选到作为中继节点的概率将减少，有利于保护剩余能量少的节点，增加网络的生命周期。
[0090] 本实施例定义了能量参数、距离参数、状态参数，用以体现传感器的不同优势。为了在这些优势不同的传感器中选择合适的中继节点，对这些备选节点进行联盟博弈，计算联盟收益，在通过联盟收益求得夏普利值，即传感器在联盟中的贡献，以此来确定中继节点。
[0091] 为了更好地表现出联盟收益，引入了一个关于联盟博弈的数学模型：
银行破产模型：
[0092] 集合N＝{1，2，3……n}表示n个债权人，各个债权人要求金额d，d＝{d1,d2,……dn}，
申请债务
[0093] 为了更好地进行分配金额，定义联盟博弈的收益函数V(S)，具体表示为：
[0094]
[0095] 收益函数表示联盟S的收益等于总收益减去其他联盟的收益。
[0096] 将传感器所有的备选中继节点建立联盟博弈B(N,v)，N表示联盟中的所有成员，v表示联盟的特征函数。该联盟的特征函数v(S)为：
[0097] v(S)＝num-(α*ei+β*(1-di)+γ*si)
[0098] 其中，α、β、γ代表各个参数的均衡系数，能量参数越大，剩余能量多，被选中的概率越大，故α>0；距离参数越大，则消耗能量多，被选中的概率越小，故β>0；状态参数越大，则充当中继节点的次数较多，剩余能量少，被选中的概率越小，故γ<0；
[0099] 通过上述特征函数v(S)，可以得到各个联盟的总收益，为了计算出联盟中各个成员的贡献，依据夏普利值 计算公式，得到联盟中各个成员的夏普利值，选择夏普利值大即贡献大的传感器作为中继节点；
[0100] 在本实施例中，无人机作为无线传感器网络中的汇聚节点收集数据，为降低传感器在数据传递时的能量消耗，可以通过降低传递距离来实现，这就要求无人机在飞行过程中要兼顾到数据收集效率(收集数据所需时间越短越好)以及传感器的能量消耗，因此无人机的飞行路径选择就至关重要。
[0101] 无人机确定飞行路径步骤：
[0102] 第一步，将所有传感器基于距离进行分簇，传感器之间的距离小于d0，认定为可以联系；大于d0，认定为无法联系。将可以互相联系(包括通过多跳联系)的传感器分在同一个簇内，无法与这个簇内任何一个传感器联系的传感器在另一个簇；
[0103] 第二步，计算每个簇的近优点，即每个簇所有成员的质心坐标点，在此选择接近的点，簇内传感器向此点传递数据时总能量消耗较少；
[0104] 第三步，运用贪心算法，确定无人机向簇飞行时的顺序，贪心算法就是在当前的8个方向选择一个最小能耗的方向飞行，降低复杂度以及计算量，无人机在确定下一个簇时，选择与无人机此时所在位置最近的簇；
[0105] 第四步，簇外飞行：无人机从起点飞行或者收集完一个簇的数据后向下一簇飞行，此时无人机未进入下一个簇内，无人机向下一簇的近优点直线飞行，这样可以最快到达下一个簇，本实施例的近优点直线是一个当前簇内的起始点与下一簇所有成员的质心坐标点的连线；
[0106] 第五步，簇内飞行，如图3所示，无人机与下一个簇内任意节点的距离小于d0时认定无人机到达下一个簇，此时无人机停止直线飞行；
[0107] 确定无人机的飞行方向具体步骤为：
[0108] (1)为确定下一秒的飞行方向，如图4所示，首先以无人机现在位置为圆心，以飞行一秒的距离为半径，画出一个圆圈，将圆圈每隔45°画一个点，共分为8个点，表示E1-E8，为计算飞行一秒所到的位置，并计算无人机飞行至此时，无线传感器网络中所有节点向无人机传递数据所需消耗的总能量；
[0109] 如图2所示，这次能量计算中，如果有的节点与无人机的直线距离大于d0且与其它传感器的距离小于d0，则采用多跳形式，选择在无人机半径d0内的传感器作为中继节点，与无人机的直线距离大于d0的节点将自身收集到的数据发送给中继节点，再由中继节点将数据转发给无人机，避免因传递距离大于d0而能量消耗过大或者传递距离过大信息无法发送到无人机，以此来降低能量消耗以及提高无人机数据收集效率。当处于无人机半径d0外的传感器选择其它传感器作为中继节点时，如果在它半径d0内有多个处于无人机半径d0内的传感器时，传感器就有多种选择。传感器个数小于等于2个时，选择距离最近的传感器；传感器个数大于等于3个时，将可选择的节点组成一个联盟，计算各个节点的夏普利值，即传感器在这个联盟中的贡献，选择夏普利值最大的传感器为中继节点，达到使中继节点之间的能量消耗均匀的目的。
[0110] 得到8个点各自的能量消耗后，比较大小，选择能量消耗最小的点、下一个能耗最小的一个方向(E1\E2\E3等中最小的一个方向)时的能量消耗e2；
[0111] (2)计算无线传感器网络在无人机现阶段的位置时传递数据所需消耗能量e1；
[0112] (3)如图5所示，比较e1与e2的大小，如果前者小于后者，则无人机不再向前飞行，在现在的位置收集簇内所有传感器的数据；反之则向e2所在的方向飞行，e2代表的是下一个能耗最小的一个方向(E1\E2\E3等8个候选方向中最小的一个方向)时的能量消耗，重复(1)(2)(3)步骤；
[0113] (4)如图6所示，如果在(3)中判断无人机进行飞行，计算此刻无人机与簇内的传感器的距离，与下一无人机位置的距离进行比较，如果前者小于后者，则传感器现在就将数据传递给无人机；反之不要传递数据。传感器将数据发送给无人机后，在接下来的方向选择计算中，这个传感器的能量消耗将不再计算。同时，发送数据时无人机的坐标将作为接下来传感器发送数据的坐标，当无人机飞行至此时，传感器就将数据发送给无人机，减少计算量。
[0114] 确定无人机飞行路径后，无人机在接下来的飞行中不再改变飞行路径，一直按照确定好的路径飞。当无人机飞行到相应的位置时，传感器将数据传递给无人机。中继节点的选择一直采用联盟博弈以及夏普利值来确定。
[0115] 本实施例采用的无人机，灵活部署、不受地域限制，可以飞行多个簇，减少基站的部署；可以携带足够的通信设备飞行长时间到达目的地并进行长时间地接受数据，代替固定的基站作为无线传感网络中移动的汇聚节点，并进行数据的初步处理，降低传感器进行数据传递时的通信半径，可以极大地减少传感器为传递数据而消耗的能量，延长无线传感网络的生命周期。
[0116] 在本实施例中，联盟博弈下采用MATLAB
软件仿真，仿真相关参数设置如下表1所示，
[0117] 表1仿真相关参数设置表
[0118]传感器个数 16
无人机个数 2
传感器初始能量 1焦
耳每次传递数据量 1500bit
α(能量系数) 500
β(位置系数) 1200
γ(状态系数) -0.8
[0119] 无人机飞行过程中，在计算下一飞行方向消耗总能量时，去掉已经传递数据的传感器，向未传递数据的传感器飞行，减少传感器的能量消耗。如图7所示，表示的是无人机飞行区域路径，显示的无人机飞行路径不是直线，无人机直接飞行到3号传感器上方，因为此刻其它传感器的数据已经收集到了，只剩下3号传感器，故可以直接向3号传感器飞去，减少能量消耗，收集到3号传感器的数据后，向下一个簇飞行。
[0120] 如图7、图8、图9所示，其中图8和图9中的横坐标表示传感器标号，纵坐标表示的是剩余能量(J)；5、6、14号传感器作为9号传感器的中继节点，1、2、3号传感器作为4号传感器的中继节点。因为采用联盟博弈来选择中继节点，中继节点通过计算夏普利值，全面考虑到传感器的剩余能量、距离、历史状态，得到传感器在联盟中的贡献，以此选择中继节点。1、2、3号传感器的剩余能量为0.6616焦耳、0.7243焦耳、0.7072焦耳；5、6、14号传感器的剩余能量为0.5716焦耳、0.5168焦耳、0.4541焦耳。可以看出中继节点之间的剩余能量差距不大，剩余能量均匀。普通模式下无线传感网络可以运行9247次，联盟博弈模式可以运行10398次，提高了12.45％，延长无线传感网络的生命周期。
[0121] 在本实施例中，还包括数据融合步骤，本实施例的无线传感网络采用同类传感器组合，因此网络中的传感器收集到数据其数据格式、信息内容等不会存在较大的差异，都是一致的。无线传感网络中的传感器随机生成150个在区间[0 1000]的整数，可以描述为任何感兴趣的单一物理状态测量数据，将数据发送给无人机，无人机将收集到的数据进行初步数据融合，将收集到的数据中重复的部分去掉，减少无人机自身数据的存储量，增加剩余数据存储空间，以便多收集几轮，同时减少研究人员的工作量。
[0122] 仿真结果表明，无人机运用简单的数据融合，能够减少自身数据的存储量，增加无人机的工作时长。
[0123] 在无线传感网络中，各传输节点要搜索合适的接收节点发送数据，有共同传输目标的节点就构成了一个联盟，多个联盟最大化自身利益的过程就是一个联盟博弈。在传递数据过程中的通过计算夏普利值来决定传递路径，使传感器得能量消耗均匀，进行数据融合的目的在于去掉相同的数据达到减少数据发送量或者数据存储量。
[0124] 本实施例还提供一种面向无线传感器网络的数据融合联盟博弈系统，包括：无线传感器网络的联盟博弈模型构建模块、中继节点选择模块、汇聚节点选择模块、无人机飞行方式选择模块和数据融合模块；
[0125] 无线传感器网络的联盟博弈模型构建模块用于构建基于无线传感器网络的联盟博弈模型，将夏普利值作为联盟收益分配的解；中继节点选择模块用于根据数据传输距离或夏普利值的大小确定中继节点；汇聚节点选择模块用于将无人机作为无线传感器网络中的汇聚节点，并收集数据；无人机飞行方式选择模块用于确定无人机的飞行路径和飞行方向；数据融合模块用于将将收集到的数据进行数据融合，将重复的部分数据剔除。
[0126] 本实施例的传感器节点之间进行联盟博弈，设置与传感器剩余能量等相关的参数来计算夏普利值，根据夏普利值选择合适的传感器数据传递路径，从而使传感器的能量消耗更加均匀、更加合理，更高效地利用各个传感器节点，提高无线传感网络的生命周期和工作效率。
[0127] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
