1.基于异质节点的无线认知传感器网络低能量适应性分簇方法，其特征在于：该方法包括以下步骤：S1：计算本轮最佳成簇个数qopt；

S2：根据候选簇首，即认知节点周围其它认知节点的分布密度来决定竞争半径的大小；

S3：考虑节点剩余能量值和节点连接度后选择簇首；

S4：筛查去掉部分位置相邻的簇首来完成最终簇首选择；

S5：非簇首认知节点基于到簇首距离及其关于认知节点的连接度选簇；

S6：数据传感器节点基于到簇首距离、关于数据节点的连接度以及距离Sink节点的距离来决定入簇。

2.根据权利要求1所述的基于异质节点的无线认知传感器网络低能量适应性分簇方法，其特征在于：在步骤S1中，建立不同类型节点的能量消耗模型；其中簇首工作从协作频谱感知开始，其工作时序依次为接收非簇首认知节点协作频谱感知信息，频谱感知结果决策并广播，接收数据节点收集的数据，融合数据，然后发送和中继数据；簇首在一轮中的能耗公式为：其中，M表示平均每个簇中数据节点个数，L1表示数据节点事件感知数据包大小，N表示平均每个簇中非簇首认知节点个数，L2表示认知节点频谱感知结果和控制信息数据包大小，EDA为融合1bit数据消耗的能量，dtoNEXT表示簇首节点到下一跳节点的平均距离，dtoCH表示簇内节点到簇首的平均距离；Esense为单个认知节点频谱感知消耗的能量，L3表示为本簇事件感知数据包大小和中继转发其他簇数据的和，即簇首的平均传输的数据量，L4表示为簇首平均接收数据量，即中继簇首的平均接收数据；

非簇首认知节点能量消耗模型：

数据节点能量消耗模型：

第r轮要选取q个簇首，平均每个簇中数据节点个数为K(1-m)/q，每个簇中非簇首认知节点个数为(K·m/q)-1；

一个簇在一轮中的平均能量消耗为：

进而得到整个网络在一轮中的能量消耗总量：

Eround＝q·Ecluster

对Eround求关于q的偏导，并令该偏导数等于0，得到最优成簇个数:

3.根据权利要求2所述的基于异质节点的无线认知传感器网络低能量适应性分簇方法，其特征在于：在步骤S2中，候选簇首，即认知节点采用不均匀竞争半径，将距离认知节点Si最近的第Y个认知节点到Si的距离记为Si的竞争半径，记为 其中，

4.根据权利要求3所述的基于异质节点的无线认知传感器网络低能量适应性分簇方法，其特征在于：在步骤S3中，认知节点与其竞争半径范围内的点构建其邻簇首集合，集合构建完成后，认知节点根据自身剩余能量和周围节点个数，即连接度做出其是否担任簇首的决策。

5.根据权利要求4所述的基于异质节点的无线认知传感器网络低能量适应性分簇方法，其特征在于：在步骤S4中，检查已选簇首集合中是否存在相邻近的节点，即检查节点是否满足条件其中 为筛查距离，d(CHi,CHj)为簇首CHi到簇首CHj的距离；如果在簇首集合中存在邻近节点，那么将剩余能量小的节点从簇首集合中删除；将上述流程称为一次筛查；经历过一遍筛查后将剩余簇首个数与预期最佳成簇个数qopt对比如果剩余簇首个数仍大于qopt，将筛查距离扩大为 再进行一次筛查；

如果剩余簇首个数等于qopt，将剩余的簇首作为本轮簇首；

特殊情况如果在经过一次筛查后剩余簇首个数小于qopt，将从未被包含于簇首范围内的认知节点中选择满足簇首条件的点，如果都不满足则以当前簇首作为本轮簇首。

6.根据权利要求5所述的基于异质节点的无线认知传感器网络低能量适应性分簇方法，其特征在于：在步骤S5中，非簇首认知节点选簇过程中，考虑到簇首的距离和簇首平均半径范围内的认知节点个数两个因素，并且提出一个综合考虑这两个因素的选簇规则，即赋予两个因素不同权重进行叠加计算其综合值，选择综合值小的簇首加入，其计算公式如下：f1＝w1p1d1+w2p2CCN

其中w1，w2为权重系数，d1为非簇首的认知节点Si到簇首的距离，CCN为簇首平均半径范围内认知节点的个数；由于d1的值要远大于CCN，为使两个因素能够对选择发挥同等影响力，增加p1,p2平衡因子。

7.根据权利要求6所述的基于异质节点的无线认知传感器网络低能量适应性分簇方法，其特征在于：在步骤S6中，数据节点选择簇首考虑三个因素：数据节点到簇首的距离、簇首周围数据节点个数以及簇首到Sink节点的距离；分别赋予三个因素不同权重计算其综合值，数据节点选择最小值相关的簇首加入；计算公式如下：其中w3，w4，w5为权重系数，d2为数据节点到簇首的距离，d3为数据节点到Sink节点的距离，CSN为簇首平均半径范围内数据节点的个数，dtoBS为簇首到Sink节点的距离；同样为了使各个参数能够处于同一量级，对值计算有同样的重要性，引入平衡因子p3、p4、p5。