1.基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：包括以下步骤：

S1：参数设置：

设定无线传感器网络监测区域SM为L×L的正方形区域，移动汇聚节点位于区域内根据具体运动模型进行移动；无线传感器网络中随机部署N个传感器节点，构成传感器节点集合并记为S＝{s1,…,si,…,sN}；i＝1,2,…,N；每个传感器节点si部署之后位置不再发生改变，且初始能量相同为E0；簇头选择期望概率为p；最大运行轮数为rmax；最优会合点个数为n；

S2：移动汇聚节点位置更新区域的划分：根据步骤S1中最优会合点个数为n、传感器节点总个数N和网络监测区域面积SM，得到理想的移动汇聚节点位置更新区域的面积Sm；以移动汇聚节点当前时刻的位置为椭圆的后焦点F1(Jx(t),Jy(t))，根据移动汇聚节点当前位置的运动状态信息(位置和速度)，计算得到位置更新区域的椭圆的前焦点F2(J′x(t),J′y(t))、半焦距c、长半轴a、短半轴b；

S3：根据步骤S2中得到的在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))，结合在t+Δt时刻移动汇聚节点的位置坐标的F1′(Jx(t+Δt),Jy(t+Δt))，计算在t+Δt时刻椭圆更新阈值Tarea(t+Δt)＝1；当Tarea(t+Δt)＝1时，根据t+Δt时刻移动汇聚节点的运动状态构建新的椭圆区域；否则，不进行椭圆区域重构；

S4：根据移动汇聚位置更新区域的划分选择会合点：根据步骤S2和S3得到的移动汇聚节点椭圆位置更新区域的半焦距c、长半轴a、短半轴b，计算会合点选择阈值Trp(si)；当Trp(si)＝1，节点si加入会合点集合R；否则，加入非会合点集合R′；

S5：选择簇头：

根据步骤S4得到非会合点集合R′，基本经典分簇算法LEACH的基本架构，计算节点si(si∈R′)的簇头选择阈值T(si)；每个节点si产生一个均分分布在[0,1]之间的随机数Trand(si)。如果Trand(si)小于簇头选择阈值T(si)，则节点si在当前轮当选为簇头，加入簇头集合C；否则，节点si为非簇头节点,加入非簇头集合C′；

S6：簇的形成：

根据步骤S6中得到的簇头集合C，每个簇头在整个监测区域广播自己成为簇头的消息，计算非簇 头节点sp (p∈C ′) 到每个簇 头节点sq (q∈C)的 距离集 合将集合Dpq元素最小值对应的q记为离非簇头节点sp最近的簇头，通过比较距离集合Dpq元素得到离非簇头节点sp最近的簇头之间的距离记为dscmin，则该非簇头节点sp(p∈C′)加入离自身最近的簇头节点q所在的簇；

S7：路径树的构建：

簇头节点在把数据发送给移动汇聚节点时，可以通过无线传感器网络中其他簇头节点转发给会合点；会合点接收移动汇聚节点的位置信息，最终将数据转发给移动汇聚节点，即形成一棵以移动汇聚节点为根节点的路由树；

S8：每个簇的簇内节点将自身监测到的数据发送给所在簇的簇头节点，簇头节点接收多个簇成员节点传输的数据并对这些数据进行融合处理；

S9：WSNs中每个簇头节点将自身融合处理后的数据发送给自己的下一跳节点；

S10：重复步骤S2至步骤S10，直到达到预先设定的运行轮数r＝rmax或全部节点剩余能量为0焦耳。

2.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：

所述步骤S2中会合点分布的理想区域的面积Sm采用如下方法计算：n/N＝Sm/SM

其中，n为最优会合点个数，N传感器节点总个数，SM为网络监测区域面积；

步骤S2中所述椭圆半焦距c的计算方法为：c＝1/2|F1F2|＝λv

其中，λ为半焦距c速度权重系数，移动汇聚节点的速度为v，椭圆的两个焦点坐标分别为F1(Jx(t),Jy(t)),F2(J′x(t),J′y(t))；

步骤S2中所述长半轴a、短半轴b的计算方法为：其中，λ为半焦距c速度权重系数，移动汇聚节点的速度为v，Sm为移动汇聚节点椭圆位置更新区域的面积。

3.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S3中所述椭圆位置更新区域更新阈值Tarea(t+Δt)采用如下方法计算：

式中，

d(t+Δt)＝|F1′F1|+|F1′F2|其中，a为在t时刻的椭圆区域的长轴；μ为区域更新权重系数；在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))；在t+Δt时刻移动汇聚节点的位置坐标的F1′(Jx(t+Δt),Jy(t+Δt))。当Tarea(t+Δt)＝1时，根据t+Δt时刻移动汇聚节点的运动状态构建新的椭圆区域；否则，不进行椭圆区域重构。

4.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S4中所述会合点选择阈值Trp(si)采用如下方法计算：式中，

di＝|PF1|+|PF2|

其中，在t时刻椭圆的前后焦点坐标分别为F2(J′x(t),J′y(t))和F1(Jx(t),Jy(t))，为传感器节点坐标。

5.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S5中所述簇头选择阈值T(si)采用如下方法计算：其中，p为每轮所需簇头数占网络中所有节点总数的期望概率；r为当前运行轮数；G表示在最近1/p轮中没有当选过簇头的节点集合；mod表示取模运算。

6.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S6中非簇头节点到每个簇头节点的距离 p∈C′,q∈C采用如下方法计算：

其中，(xs(p),ys(p))为传感器节点sp的坐标，(xc(q),yc(q))为簇头节点q的坐标。

7.根据权利要求1所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：所述步骤S7具体为：S7.1：根据步骤S2和步骤S3得到的移动汇聚节点局部位置更新区域将无线传感器网络中各簇头节点按照与椭圆中心点O的距离由近及远进行排序，构成由近及远排序的簇头节点集合S；

S7.2：由步骤S4得到会合点集合R，会合点si(si∈R)直接与移动汇聚节点相连,形成第一层分支,加入可选父节点集合Z；

S7.3：由步骤S7.1和S7.2得到近及远排序的簇头节点集合S和可选父节点集合Z,依次为簇头节点集合S中的每一个簇头节点选择父节点并连接到树上，除了移动汇聚节点，无线传感器网络中其他簇头节点的可选父节点属于比自己距离椭圆位置更新区域中心点更近的其他簇头节点和会合点共同构成的可选父节点集合Z；具体的，次近的簇头节点根据下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)，对可选父节点集合Z中的所有可选父节点构建最优效能目标函数f(A,z)，其中，A为所有可选择父节点构成的效能矩阵，z为可选父节点的二级制解矩阵，j为第可j选父节点，j∈Z；

S7.4：重复步骤S7.2和步骤S7.3，直到无线传感器网络中所有簇头节点都连接到路由树上，即路由树构造完成。

8.根据权利要求7所述的基于树的WSNs移动汇聚节点自适应位置更新能耗优化方法，其特征在于：

所述步骤S7.3中下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)采用如下方法计算：其中，Ecur(j)为第j个可选父节点的当前剩余能量；Eavg为所有可选父节点的平均剩余能量；

所述步骤S7.3中下一跳路径能耗因子P(j)采用如下方法计算：j

其中，di,j为簇头CHi与第j个可选父节点CHi的传输距离；E(di,j)为簇头CHi与第j个可选j j

父节点CHi的传输数据能耗；djmax为簇头CHi与可选父节点CHi的最大传输距离；E(djmax)为j

簇头CHi与可选父节点CHi的最大传输数据能耗；所述步骤S7.3中下下一跳的路径能耗因子PP(j)采用如下方法计算：

其中，其中，dj,p为可选父节点的与自身父节点的传输距离；E(dj,p)为可选父节点的与下一跳父节点的传输数据能耗；

所述步骤S7.3中可选父节点集合Z中的所有可选父节点构建最优效能目标函数f(A,z)采用如下方法计算：

目标函数

T

约束条件1z＝1

1≤j≤k

0<α,β,δ＜1

Ecur(j)≤E0

di,j≤djmax

dj,p≤djpmax

式中，

A＝[a1 a2…aj]

aj＝αE(j)+βP(j)+δPP(j)其中，aj由下一跳能量因子E(j)、下一跳路径能耗因子P(j)和下下一跳的路径能耗因子PP(j)组成，α,β,δ为权重系数，E0为节点初始能量。