1.一种基于融合共轭梯度的无线传感网络生存时间优化方法，其特征在于，包括以下步骤：第一步：考虑实际无线传感网络环境下的约束，单位时间能耗考虑为传输能耗、接收能耗、采集数据能耗和其他能耗总和；引入圆环能耗速率描述圆环内节点能量消耗的快慢速度，对圆环内的节点数目进行约束使得圆环对应的能耗速率趋于一致；并将节点的生存时间定义为节点初始能量与单位时间能耗的比值，从而构建生存时间优化模型；第二步：融合DY(Dai-Yuan)和LS(Liu-Storey)改进共轭梯度参数，并对步长采用强Wlofe非精确下降准则，提高共轭梯度法的收敛性和效率；第三步：将改进的共轭梯度法应用到生存时间优化问题中，提出一种基于融合共轭梯度的无线传感器生存优化方法，从而可以有效地降低节点能耗，提高了无线传感器网络的生存时间和网络服务质量。

2.按照权利要求1所述的一种基于融合共轭梯度的无线传感网络生存时间优化方法，其特征在于，第一步具体包括：用无向图G(A,L)表示无线传感器网络，L为通信链路集合，表示为{(i,j)∈L,i∈A,j∈Si}，其中Si为节点i的直接通信节点集合，i可以与Si内的任意节点直接通信；链路容量为F，节点i数据采集速率为ai，单位时间内节点i发送到其邻居节点的数据流量为xij，圆环Ci(1≤i≤n)内总节点数目记为Ni。节点i的初始能量记为Ei，初始能量无法补充,若节点能量耗尽则停止运行；无线传感器网络节点能耗分为无线通信能耗、信息采集能耗和处理能耗，节点i发送单位数据到通信节点j的能耗为式中θ1,θ2为常数，Rangei为节点i的通信距离，m为路径距离功耗参数，2≤m≤4。

假设节点i的直接通信范围内有ni个传感器，节点i向各个节点发送单位数据能耗为其中(1，2，……,ni)。定义节点i发送单位数据能耗的期望为：单位时间内传感器i传输能耗为：

传感器i接收数据所需能耗与通信距离无关，接收单位数据所需能耗为λ(λ为固定常数)，单位时间内节点i接收能耗为:传感器i单位时间内采集数据的能耗为:eproduce＝eaai

其中ea为采集单位数据所需能耗，该能耗对于任意传感器相同，且数值固定。

综上，传感器i单位时间能耗ei为：本发明将传感器i的生存时间Ti定义为初始能量Ei与单位能耗ei的比值，即WSN生存时间Tsys定义为最早死亡节点的生存时间：通常情况下，距离基站较远的传感器节点通过多跳中继的方式将数据传送到基站，距离基站较近的传感器承担着大量的转发任务；因此，基站附近的传感器节点能耗更迅速，最终导致基站附近节点先于外部节点停止工作，使外部节点采集到的数据无法正常的传送到基站，形成“能量空洞”区域，导致网络工作时间的减少；本发明将圆环Ci内所有传感器单位时间能耗之和与圆环内节点数之比定义为Ci的单位能耗，记为PiPi描述了Ci能耗速率，数值越高说明Ci内的传感器能量消耗越快，容易形成能量空洞；

因此圆环的能耗一致，将有效的缓解能量消耗不均衡，延长网络的工作时间；由P1＝P2＝...

＝Pn，可得：

本发明的目标是最大化网络生存时间，结合以上实际网络约束，可建立如下最优化模型：

目标函数为：max Tsys(x)约束为：1.

2.xij≤M log2(1+SNR)

3.Ti(x)·ei≤Ei

4.

模型中约束满足 xij∈R+, 其中约束1为能量守恒约束，节点将自身采集信息和接收到的信息一起传输到下一个邻居节点，流量传输需满足守恒定理；由香农定理可知无线信道并不是可以任意增加传送信息的速率，它受固有规律的制约，约束2为流量约束，其中M为传输带宽，SNR为信噪比；；节点在运行时间内所消耗的总能量不能超过初始能量Ei，约束3为能量约束；如上定义约束4为能量空洞约束。

3.按照权利要求1所述的一种基于融合共轭梯度的无线传感网络生存时间优化方法，其特征在于，第二步具体包括：共轭梯度法采用如下的迭代格式：xk+1＝xk+αkdk

式中αk是步长参数，Φ(x)的梯度函数 记作g(x)，g(xk)记作gk，dk为搜索方向。βk为共轭梯度参数，为了寻求收敛性和数值结果均有理想结果，本发明融合DY和LS方法，提出了融合共轭梯度(mLS-DY)方法，将βk设为其中χ是扰动因子， u＞0。

本发明对于步长αk采用强Wolfe非精确下降准则：dk选取为

其中0＜ρ1＜ρ2＜1。

4.按照权利要求1所述的一种基于融合共轭梯度的无线传感网络生存时间优化方法，其特征在于，第三步具体包括：基于融合共轭梯度的无线传感器网络生存时间优化方法具体步骤如下：步骤一:选取初始点x0，允许误差0≤ε＜1，k＝0；

步骤二:假设||gk||≤ε，则停止迭代；

步骤三:依据相应算法规则，计算搜索方向dk；

步骤四:进行线搜索，找到合适的步长αk，使其满足下降准则；

步骤五:由xk+1＝xk+αkdk找到下一个迭代点，k＝k+1，转步骤二。