混合无线传感器网络覆盖空洞修复策略
一种混合无线传感器网络内覆盖洞修补的分布式启发算法

类算法中的输出分派移动传感器的最大开销进行限制, 随后提出了一种分布式启发算法。该算 法将移动 传感器 和覆盖洞视为节点, 在节点和节点的邻居间通过有限数量消 息 实现匹配。 仿真结果显示, 算 法可实现最 高 达到 85% 的覆盖洞修补率以及较低的移动传感器最大移动开销, 使其更能适用于实际无线传感器网络环境。 关键词: 无线传感器网络; 分布式算法; 移动传感器重定位; 覆盖洞修补 中图分类号: TP393 文献标志码: A 文章编号: 1001-3695 ( 2013 ) 03-0861-05 doi: 10. 3969 / j. issn. 10013695. 2013. 03. 056
达的设备
[1 ]
。信息化技术的发展使得无线传感器网络在国防
环境监测和工业诊断等众多领域发挥了巨大作用 。早期 检查、 的无线传感器网络主要构建在友好环境之中, 且其规模较小, 因此便于实现无线传感器的最优确定性部署 助方式来实施部署( 如利用飞机铺撒 从而形成覆盖洞 盖洞
[5 ] [4 ] [3 ] [2 ]
[2 , 16 ]
。 然而集中式算法存在单点失效问
少的覆盖洞
。在覆盖洞修补的早期研究中, 科研人员主要
题, 当 sink 节点失效时算法无法运行, 因而覆盖洞难以得到修
[17 ] 补。使用 Preis 的算法 可实现分布式的最小全部开销覆盖
通过激活网络中铺设的固定冗余传感器来进行填补 。然而, 这 种方法需要大量的冗余传感器支持, 并且随着网络规模的增 所需冗余传感器的数量快速增长 大,
[6 ]
移动消耗的能量远远高于通信和计算开销
, 因此移动传感
器分派算法通常只关注移动传感器可用于移动的剩余能量和 开销。按照算法是否由网络中的 sink 节点执行, 算法可分为 集中式和分布式算法两类 。 按照算法内移动传感器的移动开 销目标, 算法可分为最小全部开销和最小化最大开销算法 。 根据现有文献, 最小全部开销和最小化最大开销都存在相 应的集中式最优算法
一种无线传感器网络感知覆盖空洞搜寻与修复方法

第33卷第5期2020年5月传感技术学报CHINESEJOURNALOFSENSORSANDACTUATORSVol 33㊀No 5May2020项目来源:衢州市科技计划项目(2019K17)ꎻ浙江省基础公益研究计划项目(LGF20F03003)ꎻ浙江省十三五教改项目(jg20180310)收稿日期:2020-03-20㊀㊀修改日期:2020-05-20SearchandRepairMethodofPerceptionCovergeHoleinWirelessSensorNetwork∗YANGMingxia1ꎬFANGKai1ꎬWANGXiaodong2ꎬPENGfeng3ꎬZHOUXiaolong1∗(1.CollegeofElectricalandInformationEngineeringꎬQuZhouUniversityꎬQuzhou324000ꎬChinaꎻ2.ZheJiangJiuzhouWater ̄ControlTechnologyCo.ꎬLtdꎬQuzhou324000ꎬChinaꎻ3.QuZhouWasuRadioandTelevisionNetworkCompanyLimitedꎬQuZhou324000ꎬChina)Abstract:Wirelesssensornetworkisdeployedinthetargetareatosenseandmonitorrelevantinformation.Duetotheinfluenceofunbalancednetworkenergyconsumptionandenvironmentalinterferenceꎬitiseasytomakesomenodesfailearlyꎬthusformingacoverageholeinthenetwork.Theexistenceofholeswillseriouslyaffecttheoriginalfunctionandperformanceofwirelesssensornetworksꎬsoamethodofsearchingandrepairingtheholescoveredbywirelesssensornetworksisproposedtosolvetheaboveproblems.Firstlyꎬthechordoftheintersectingnodesisusedtoconstructandsearchthecoveredcavitiesꎬandtheproblemofcavityrepairistransformedintotheundirectedgraphtosolvetheproblemofmaximumcliqueꎬsoastorealizetherepairofthecavitieswiththeleastmovingnodesandthelowestoverlappingcoverage.Theexperimentalresultsshowthattheproposedmethodcaneffectivelysearchforthecoveredcavityandcompletetherepairꎬandthetimecomplexityandenergyefficiencyofthealgorithmarehigherthanothermethods.Keywords:wirelesssensornetworksꎻcoverageholeꎻsearchandrepairꎻenergyconsumptionEEACC:7230㊀㊀㊀㊀doi:10.3969/j.issn.1004-1699.2020.05.021一种无线传感器网络感知覆盖空洞搜寻与修复方法∗杨明霞1ꎬ方㊀凯1ꎬ汪小东2ꎬ彭㊀丰3ꎬ周小龙1∗(1.衢州学院电气与信息工程学院ꎬ衢州324000ꎻ2.浙江九州治水科技股份有限公司ꎬ衢州324000ꎻ3.衢州华数广电网络有限公司ꎬ衢州324000)摘㊀要:无线传感器网络部署在目标区域中用于感知和监测相关信息ꎬ由于网络能耗不均衡㊁环境干扰等影响ꎬ容易使某些节点提早失效ꎬ从而在网络中形成覆盖空洞ꎮ空洞的存在会严重影响无线传感器网络原本的功能和性能ꎬ因此提出一种无线传感器网络覆盖空洞的搜寻与修复方法以解决上述问题ꎮ首先利用相交节点的弦来构建和搜寻覆盖空洞ꎬ并将空洞修复问题转换为无向图求解最大团问题ꎬ从而实现以最少移动节点和最低重叠覆盖完成对空洞的修复ꎮ实验结果表明提出的方法能够高效地搜寻到覆盖空洞并完成修复ꎬ且算法的时间复杂度和能量效率都高于其他方法ꎮ关键词:无线传感器网络ꎻ覆盖空洞ꎻ搜寻和修复ꎻ能耗中图分类号:TN393㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀文章编号:1004-1699(2020)05-0750-07㊀㊀无线传感器网络由大量传感器节点组成ꎬ节点之间通过自组织的方式构成一个传感网络ꎮ将传感网络部署在目标区域中能够有效的监测该区域中发生的事件ꎮ但由于网络内部能耗不均衡以及节点被物理破坏等因素的影响ꎬ使得传感网中的节点很难保持一致的生存时间ꎬ而某些节点提早死亡(能量耗尽或被破坏)会形成网络覆盖空洞ꎬ这些空洞位置的信息和事件则无法进行监测ꎬ某些覆盖空洞甚至会导致部署的无线传感器网络失去价值ꎮ因此研究网络空洞的发现和修复方法具有重要的意义ꎮ现有的空洞修复研究主要利用可移动传感器节点或改变节点感知半径实现修复ꎬ如KhalifaB通过计算空洞面积来获取修复空洞所需的移动节点数量ꎬ并充分考虑覆盖冗余度㊁节点剩余能量和移动距离实现对空洞的修复[1]ꎮZhangY在随机部署的无线网络中利用节点剩余能量预测节点的寿命ꎬ然后选取适当比例的短寿命节点ꎬ最后通过计算覆盖率和相关评估标准来评估空洞的位置[2]ꎮKhalifaB为降低移动节点的使用数量ꎬ首先通过调节节点的感知范围来修复空洞ꎬ如果仍无法实现对空洞的完全覆盖ꎬ则继续采用少量的第5期杨明霞ꎬ方㊀凯等:一种无线传感器网络感知覆盖空洞搜寻与修复方法㊀㊀移动节点[3]ꎮKhedrAM针对异构无线传感器网络提出一种分布式空洞监测和预测方法ꎬ并提出一种修复方案ꎬ有效利用节点移动性来优化平均覆盖率和平均移动距离[4]ꎮElKhamlichiY针对网络随机部署导致的覆盖空洞问题ꎬ提出一种基于梯度算法和聚类技术的恢复方法ꎬ以检测整个WSN中的冗余传感器节点ꎬ并将其重新定位以修复已识别的网络空洞[5]ꎮKangH提出一种AOA的无线传感器网络空洞修复方法ꎬ利用移动节点修复目标空洞ꎬ通过多次迭代完成对空洞的全面覆盖[6]ꎮFengX通过分析传感器网络的最大简单子网拓扑结构确定空洞边界ꎬ然后计算空洞边界的多边形ꎬ最后激活空洞内待激活的静态节点实现对空洞的修复[7]ꎮTianY提出了一种基于合作概率覆盖模型的新型覆盖漏洞检测算法ꎮ利用该方法可以将监测区域的覆盖问题转化为距离关系问题ꎮ根据Voronoi划分方法可以将高密度和随机分散的传感器网络划分为多个Voronoi区域ꎬ然后通过分析节点之间的距离关系来判断监视区域的覆盖范围是否出现空洞ꎮ然后通过唤醒覆盖空洞内的一些睡眠节点完成修复[8]ꎮLuX提出一种具有优先级机制的空洞修复算法ꎬ该算法根据异构混合网络的空洞大小确定优先级进行空洞修补ꎬ并提高了覆盖率ꎬ有利于海洋环境中无线传感器网络(WSN)的空洞修补[9]ꎮKhalifaB采用模糊推理机制来选择移动节点以修复空洞区域ꎮ所有相邻的传感器相互通信以估计覆盖空洞的大小和位置ꎮ每个传感器考虑其自身的剩余能量㊁与空洞的距离及其冗余度来评估其用于修复的可行性ꎬ然后选择最合格的传感器来修补网络空洞[10]ꎮ目前在WSN覆盖空洞的查找和修复方面的研究已取得了较多优秀的成果ꎬ但仍然存在两方面的问题:①空洞查找准确性不足ꎻ②空洞修复的代价偏高(能耗㊁节点数量㊁修复时间)ꎮ因此本文提出一种新型的覆盖空洞搜寻与修复方法ꎬ试图以低代价㊁高修复率来完成对覆盖空洞的修复ꎮ1㊀相关模型与假设1.1㊀相关模型本文以同构无线传感器网络为研究对象ꎬ在监测区域中部署N个传感器节点ꎬ其中包含若干可移动节点ꎬ每个节点能够获取其感知范围内发生的事件(感知范围为以节点为中心ꎬ半径为r的圆盘)ꎮ节点的通讯半径为Rꎬ且Rȡ2r[11-13]ꎮ网络在部署后已利用GPS或定位技术获得节点的位置坐标ꎮ如果两节点间的距离小于等于通讯半径Rꎬ则这两个节点被称为互相邻居节点ꎬ我们以表示节点V的邻居节点集合ꎮ本文由感知范围相互重叠的一系列传感器节点实现对目标区域的覆盖ꎮ1.2㊀相关定义①空洞边界㊀由一系列相互连接的传感器节点构成的圈ꎬ且圈内区域未被传感器节点的感知范围完全覆盖ꎬ如图1所示ꎬ图中传感器节点n1-n2-n3-n4-n5-n6构成了一个圈ꎬ但该圈内的区域未被感知区域完全覆盖ꎬ所以n1-n2-n3-n4-n5-n6即为一个空洞边界ꎮ图1㊀覆盖空洞示意图②关键弦㊀如果传感器节点v与其邻居节点集合中的若干个节点存在感知范围重叠的情况ꎬ则节点v对应的感知范围边界上会存在交点ꎬ按顺时针方向搜索交点ꎬ然后将该感知范围边界上相邻的交点以直线方式进行连接得到若干条弦ꎬ同时如果弦的两个端点属于两个不同的传感器节点ꎬ则该段弦被定义为关键弦ꎮ如图1中节点n1与邻居节点n2和n6之间共存在4个交点ꎬ那么该节点就存在3条弦ꎬ而只有弦的两个端点p1和p6分别属于两个不同的邻居节点n2和n6ꎬ因此该弦被称为关键弦ꎬ而弦的端点a和p1都由同一个节点n2和n1相交产生ꎬ因此该弦不是关键弦ꎬ同理弦也非关键弦ꎮ③空洞弦㊀如果某个节点的关键弦的任何部位都不在其邻居节点的感知范围内ꎬ则该弦被称为空洞弦ꎬ如图1中表示一条空洞弦ꎮ④空洞顶点㊀空洞弦对应的两个端点都称为空洞顶点ꎬ如图1中交点n1㊁n2㊁n3㊁n4㊁n5㊁n6都为该空洞的顶点ꎮ⑤邻居空洞顶点㊀若一系列空洞顶点属于同一个空洞ꎬ且顶点之间的距离小于等于2ˑrꎬ则这两个顶点就称为邻居空洞顶点ꎬ如图1中p6与p1为相互邻居节点ꎬp6和p2也为相互邻居顶点ꎮ⑥空洞修复位置㊀该位置处于覆盖空洞内ꎬ如果将一个节点放置在该位置上ꎬ则能够完成部分空洞的修复ꎮ157传㊀感㊀技㊀术㊀学㊀报chinatransducers.seu.edu.cn第33卷2㊀空洞搜寻方法本文根据1.2小节的相关定义来搜寻传感网络中存在的空洞ꎬ查找空洞分为两个步骤ꎬ如下所示:步骤1㊀搜索传感器网络N中所有的关键弦ꎬ假设为节点v的邻居节点集合ꎬ从中查找所有与节点v相交的节点uɪꎬ由于Rȡ2rꎬ因此节点v只可能和其邻居节点相交ꎮ按顺时针方向查找与节点v感知边界的交点ꎬ并查找到所有关键弦ꎮ然后从这些关键弦中查找出空洞弦ꎬ具体算法如表1所示ꎮ表1㊀空洞弦查找方法空洞弦查找算法Relatedsymbols:Sn:NodesetinsensornetworkNꎻEhc:SetofholechordsꎻSngbv:NeighborsetofnodevꎻSccv:KeychordsofnodevꎻSitsv:setofsensingdiskintersectionpointsofnodevwithitsneighbornodeuꎻ(jꎬk):ThetwointersectionsjandkthatmakeupthechordsꎻInput:SnandSngbvAlgorithm:1:Ehcѳ⌀2:forvinSn3:㊀foruinSngbv4:㊀㊀Sitsvѳsensingdiskintersectionofnodeuandnodev5:㊀endfor6:㊀SitsvSortclockwise7:㊀forjinSitsv8:㊀㊀kѳnextintersectionpointofj9:㊀㊀if(intersectionjandintersectionkbelongtodif ̄ferentneighbornodes)10:㊀㊀㊀SccvѳSccvɣjk11:㊀㊀endif12:㊀endfor13:㊀forcvinSccv14:㊀㊀foruinSngbv15:㊀㊀㊀if(cvisnotwithinthesensingrangeofanyneighbornodes)16:㊀㊀㊀㊀EhcѳEhcɣcv17:㊀㊀㊀endif18:㊀㊀endfor19:㊀endfor20:endfor步骤2㊀从步骤一中筛选得到的空洞弦ꎬ在这个步骤中我们利用空洞弦集合Ehc来确定真正需要修复的空洞ꎮ需要说明的是在空洞弦集合Ehc中并非所有的弦都是空洞的边界ꎬ也存在某些空洞弦是无效边界ꎬ如图2所示ꎮ图2㊀空洞弦与覆盖空洞查找图2(a)中存在一个真实的覆盖空洞ꎬ该空洞的边界由弦组成ꎬ这种空洞是真实存在的ꎬ是需要修复的ꎮ图2(b)三个节点之间不存在空洞ꎬ但根据步骤1ꎬ仍然能够搜索到三条空洞弦ꎬ分别是㊁和ꎬ但很明显这三条弦无法组合成一个空洞ꎮ因此需要根据空洞弦确定网络中真实存在的空洞ꎮ图2(a)和图2(b)分别代表真实存在的空洞和无空洞两种情况ꎬ但我们如果将空洞弦所有的顶点进行连接会发现差异ꎮ如图2(a)中将所有弦的顶点两两连接得两个三角形Δp1p2p3和Δp4p5p6ꎬ三角形Δp1p2p3位于节点n1ꎬn2和n3组成的区域Δn1n2n3内部ꎬ那么Δp1p2p3即为一个真实的覆盖空洞ꎮ三角形Δp4p5p6不包含在Δn1n2n3中ꎬ因此Δp4p5p6不是一个真实的覆盖空洞ꎮ图2(b)中将空洞弦的端点两两相连ꎬ得到三角形Δp1p2p3ꎬ同样将三个节点n1ꎬn2和n3连接得到的三角形Δn1n2n3ꎬ而Δp1p2p3并不在三角形Δn1n2n3内ꎬ两个图形是相交的情况ꎬ因此Δp1p2p3不是真实的覆盖空洞ꎮ综上所述ꎬ可以根据弦顶点构成的图形是否在相应节点构成的图形内部来确定覆盖空洞是否存在ꎮ覆盖空洞确定的具体方法如表2所示ꎬ在该步骤弦顶点之间的连接需要知道弦顶点的实际坐标ꎬ而弦的顶点实际是由两个相邻节点感知边界相交得到ꎬ因此可根据节点的坐标计算弦顶点的坐标ꎮ假设两个相邻节点的坐标分别为(xiꎬyi)和(xjꎬyj)ꎬ那么对应弦顶点的坐标(x1ꎬy1)和(x2ꎬy3)如式(1)㊁式(2)所示ꎮx1=xj+xi2+yj-yi2dˑ4r2-d2y1=yj+yi2+xj-xi2dˑ4r2-d2ìîíïïïï(1)x2=xj+xi2+yj-yi2dˑ4r2-d2y2=yj+yi2+xj-xi2dˑ4r2-d2ìîíïïïï(2)257第5期杨明霞ꎬ方㊀凯等:一种无线传感器网络感知覆盖空洞搜寻与修复方法㊀㊀表2㊀覆盖空洞搜索方法覆盖空洞所搜算法Relatedsymbols:Sg:SetofgraphsobtainedbychordsvertexconnectionꎻEhc:SetofholechordsꎻShole:SetofNetworkcoverageholeꎻInput:EhcAlgorithm:1:Sholeѳ⌀2:Sgѳ⌀3:forcinSg4:㊀bѳNodegraphcorrespondingtographc5:㊀if(graphicbcontainsgraphicc)6:㊀㊀SholeѳSholeɣb7:㊀endif8:endfor基于上述空洞搜寻方法ꎬ搜寻到了网络中的覆盖空洞ꎬ并确定了空洞的边界ꎬ如图3所示ꎬ图中存在两个封闭的多边形a和bꎬ其中图形a包含在b内ꎬ且不相交ꎬ可以确定图形a为网络真实空洞ꎬ而图形b不是网络空洞ꎮ组成空洞的传感器节点为4㊁2㊁5㊁7㊁6ꎬ空洞的边界由点集{h5ꎬh4ꎬh3ꎬh2ꎬh1}构成ꎮ图3㊀空洞搜寻结果示意图3㊀空洞修复方法根据论文1~2章节ꎬ可以确定传感器网络中的覆盖空洞ꎬ在本章节中计划利用空洞附近的可移动节点实现对网络空洞的修复ꎮ如果使用少量的可移动节点即可完成空洞修复ꎬ那么对提高覆盖率和降低修复代价是非常有利的ꎮ本文通过将空洞修复问题转换为求解无向图最大团问题ꎬ从而以低代价完成网络空洞的修复ꎮ在介绍空洞修复方法前ꎬ我们先给出一个基础的理论知识ꎮ假设存在两个点分别为p和qꎮ根据这两个点ꎬ可以确定两个半径为r的圆ꎬ使得这两个点也位于圆上ꎬ如图3(a)中存在两个点p1和p2ꎬ根据这两个点ꎬ可以确定两个以n1和na为圆心㊁半径为r的圆ꎬ点p1和p2都位于这两个圆上ꎮ那么圆n1和na的坐标可通过式(3)㊁式(4)计算得到ꎮx1=xm+r2-(d/2)2ˑ(yp-yq)dy1=ym+r2-(d/2)2ˑ(xp-xq)dìîíïïïïïï(3)xa=xm-r2-(d/2)2ˑ(yp-yq)dya=ym-r2-(d/2)2ˑ(xp-xq)dìîíïïïïïï(4)式(3)㊁式(4)中(xpꎬyp)表示点p的坐标ꎬ(xqꎬyq)表示点q的坐标ꎬ这两个坐标值可根据式(1)㊁式(2)计算得到ꎻxm=(xp+xq)/2ꎬym=(yp+yq)/2ꎮ图4㊀空洞覆盖图我们根据第2章节获得了覆盖空洞集合Sholeꎬ即已经确定了空洞和相应的空洞弦ꎮ我们根据邻居空洞顶点的定义(见1.2小节)构建无向图G(VꎬE)ꎬ其中V表示空洞顶点ꎬ如图4(a)中p1-p7ꎻE表示空洞顶点之间的边ꎬ如果两空洞顶点之间的距离小于等于2倍感知半径rꎬ则这两个顶点之间连接一条边ꎬ否则这两个顶点之间不存在边ꎮ构建了覆盖空洞顶点的无向图G后ꎬ利用文献[14]提出的方法求得无向图中所有的子团ꎮ每个子团即代表空洞中的一个修复位置(其定义见1.2小节)ꎮ为使用最少可移动节点完成对空洞的修复ꎬ本文每次仅选择最大子团对应的位置修复ꎬ如图4(a)中网络空洞构建的无向图G的最大子团仅包含两个点ꎬ分别是p1和p2ꎬ那么基于式(3)㊁式(4)和点p1和p2确定待修复位置ꎬ这个修复然后将可移动节点na移动到该修复位置上ꎮ图4(b)中网络空洞构建的无向图G的最大子团包含4个顶点ꎬ分别是p8㊁p7㊁p6㊁p3ꎬ那么根据这四个点确定一个修复位置ꎬ并将可移动节点na移动到修复位置上ꎬ完成对空洞的部分修复ꎮ到此就完成了空洞修复的一次迭代ꎬ然后接着迭代修复方法ꎬ直到网络覆盖面积不再增加为止ꎬ空洞修复算法结束ꎮ357传㊀感㊀技㊀术㊀学㊀报chinatransducers.seu.edu.cn第33卷4㊀实验分析实验采用MATLABR2018b平台进行仿真ꎬ传感器节点的最大感知半径为20mꎬ最大通讯半径为40mꎬ部署区域为一个500mˑ400m的矩形区域ꎮ为验证本文提出的空洞搜寻与修复方法的性能ꎬ实验构建了两种形状的网络空洞ꎬ如图5所示ꎬ实验中部署不同数量的静态节点和可移动节点ꎮ实验验证本文提出的方法和文献[15-17]提出的空洞发现与修复方法进行对比分析ꎮ图5㊀网络空洞形状4.1㊀网络空洞搜寻时间分析在监测区域中部署两种形状的传感器网络(如图5所示)ꎬ验证不同节点密度情况下空洞搜寻方法的相关性能ꎬ实验结果分别如图6和图7所示ꎬ图6为在部署不同数量的传感器节点情况下ꎬ搜寻网络空洞所消耗的时间ꎬ横坐标表示部署节点的数量ꎬ纵坐标表示空洞平均搜寻时间ꎮ图6㊀空洞搜寻平均时间图7㊀组成空洞的节点数量实验结果表明随着网络中部署节点数量的增加ꎬ本文提出的方法和其他三种方法的空洞搜寻时间都会近似呈线性增加ꎮ这种现象主要是由于网络节点数量增加ꎬ网络拓扑结构变得更加复杂ꎬ而四种空洞搜寻方法都需为针对网络中每个节点进行计算ꎬ因此导致空洞搜寻时间会增加ꎮ同时本文方法搜寻空洞的时间低于其他三种方法ꎬ因为本文提出的方法是利用节点覆盖范围的重叠交点的弦和简单的集合方法判断定位空洞ꎬ在空洞的构建和确定上计算复杂度较低ꎬ因此其搜寻空洞的时间最短ꎮ文献[16]采用分布式的空洞定位方法ꎬ该过程需要节点间密切且大量的信号交互ꎬ该过程需要消耗大量的时间ꎮ文献[17]采用网络拓扑最大子团和聚类策略来确定网络空洞ꎬ而最大子团的计算和聚类策略相对耗时ꎬ因此消耗的时间高于本文提出的方法ꎮ实验结果表明随着网络中部署节点数量的增加ꎬ4种方法构成网络空洞的平均节点数量会降低ꎬ因为监测区域确定的情况下ꎬ部署的节点数量越多ꎬ空洞也会逐渐变小ꎬ则空洞边缘的节点数量降低ꎮ本文提出的方法低于文献[15-16]所提出的方法且与文献[17]的空洞搜寻方法确定的空洞边缘节点数量基本相同ꎮ表明本文提出的方法和文献[17]提出的方法能够更准确地确定覆盖空洞边界ꎮ4.2㊀空洞修复性能分析本文算法包括空洞定位和空洞修复两个部分ꎬ通过派遣可移动节点到覆盖空洞的某些位置来实现对空洞的感知覆盖ꎮ实验中通过部署一定数量的传感器节点ꎬ形成网络覆盖ꎬ但仍然存在一些空洞ꎬ其中可移动节点的比例占40%ꎬ实验结果如图8所示ꎮ图8㊀修复空洞所需要移动节点数量图8结果表明随着部署区域中传感器节点的增加ꎬ四种修复方法修复网络空洞所需要的可移动节点数量逐渐降低ꎬ这是因为节点数量增加ꎬ空洞的规模会降低ꎬ需要更少的可移动节点即可完成空洞的修复ꎮ同时本文提出的方法需要的可移动节点数量远低于文献[15-17]所提出的方法ꎬ因为本文方法通过空洞定点邻居集合构建无向图Gꎬ并根据该无向图G的最大子团来确定修复位置ꎬ使得每个可移动节点能够在有限覆盖范围的情况下合理安排修复位置且本文提出的方法能够精准地确定空洞边界457第5期杨明霞ꎬ方㊀凯等:一种无线传感器网络感知覆盖空洞搜寻与修复方法㊀㊀(见图7)ꎬ因此它需要的可移动节点数量最少ꎮ文献[17]在修复覆盖空洞时ꎬ虽然一定程度考虑了空洞修复所需的节点数量ꎬ但仅从空洞面积和每个节点覆盖范围上考虑ꎬ未充分考虑可移动节点的修复位置是否最合理ꎮ文献[15-16]的空洞边界确定准确率精度不高ꎬ导致修复空洞需要的可移动节点数量多于本文方法和文献[17]提出的空洞修复方法ꎮ利用不同的空洞边界搜寻和修复方法得到的修复效果是不同的ꎬ本次实验验证四种方法在修复网络覆盖空洞时的性能ꎬ实验结果如图9所示ꎮ表示派遣可移动节点到覆盖空洞后ꎬ对网络的修复率ꎮ图9㊀可移动节点空洞覆盖率实验结果表明在空洞规模确定的情况下ꎬ随着派遣的可移动节点数量增加ꎬ四种方法对空洞的修复率都会提升ꎬ其中本文提出的修复方法在派遣相同数量的可移动节点时ꎬ空洞覆盖率最高ꎬ其次是文献[17]提出的空洞修复方法ꎮ当派遣的可移动节点数量为14个时ꎬ本文提出的修复方法使得空洞的覆盖率接近100%ꎮ图10㊀空洞平均修复时间四种方法的网络空洞平均修复时间如图10所示ꎬ其中修复时间最长的是文献[15]提出的方法ꎬ因为该方法能准确地确定空洞边界ꎬ导致空洞的规模比其他方法更大ꎬ需要派遣的可移动节点数量更多ꎬ因此其运算量最大ꎬ导致平均修复时间最长ꎮ本文提出的方法平均修复时间最短ꎬ因为利用空洞的邻居顶点无向图能够快速求取修复位置ꎬ这段时间远低于文献[16-17]提出的修复位置确定方法ꎬ因此修复空洞消耗的时间最短ꎮ5㊀总结本文针对目前无线传感器网络覆盖空洞存在空洞边界搜寻不准确ꎬ空洞修复代价偏高问题ꎬ提出一种低复杂度和高覆盖率的空洞搜寻与修复方案ꎬ该方案通过节点感知范围相交确定关键弦ꎬ然后从关键弦中确定空洞弦ꎬ接着根据节点连接得到的图形和覆盖区域之间的关系确定空洞是否真实存在ꎬ最后将空洞弦邻居顶点转换为无向图的最大团求解问题ꎬ计算最佳修复位置ꎬ并派遣可移动节点完成对网络空洞的覆盖ꎮ实验验证了本文方法具有较好的性能ꎮ后续工作希望进一步考虑可移动节点的能耗问题ꎬ将移动能耗纳入到空洞修复问题中ꎮ参考文献:[1]㊀KhalifaBꎬAlAghbariZꎬKhedrAMꎬetal.CoverageHoleRepairinWSNsUsingCascadedNeighborIntervention[J].IEEESensorsJournalꎬ2017ꎬ17(21):7209-7216.[2]ZhangYꎬZhangXꎬFuWꎬetal.HDRE:CoverageHoleDetectionwithResidualEnergyinWirelessSensorNetworks[J].journalofCommunicationsandNetworksꎬ2014ꎬ16(5):493-501.[3]KhalifaBꎬKhedrAMꎬAlAghbariZ.ACoverageMaintenanceAl ̄gorithmforMobileWSNswithAdjustableSensingRange[J].IEEESensorsJournalꎬ2019ꎬ10(11):1582-1591.[4]KhedrAMꎬOsamyWꎬSalimA.DistributedCoverageHoleDetec ̄tionandRecoverySchemeforHeterogeneousWirelessSensorNet ̄works[J].ComputerCommunicationsꎬ2018ꎬ124(22):61-75.[5]ElKhamlichiYꎬMesmoudiYꎬTahiriAꎬetal.ARecoveryAlgorithmtoDetectandRepairCoverageHolesinWirelessSensorNetworkSystems[J].JournalofCommunicationsꎬ2018ꎬ13(2):258-264.[6]KangHꎬDongYꎬYanFꎬetal.AHomologyandAOABasedHoleHealingStrategyinWirelessSensorNetworks[C]//20173rdIEEEInternationalConferenceonComputerandCommunications(ICCC).IEEEꎬ2017:336-341.[7]FengXꎬZhangXꎬZhangJꎬetal.ACoverageHoleDetectionandRepairAlgorithminWirelessSensorNetworks[J].ClusterCompu ̄tingꎬ2019ꎬ22(5):12473-12480.[8]TianYꎬChangXꎬOuYꎬetal.CoverageHoleDetectionAlgorithmBasedonCooperativeProbabilityCoverageinWirelessSensorNet ̄works[C]//20185thIEEEInternationalConferenceonCloudComputingandIntelligenceSystems(CCIS).IEEEꎬ2018:835-840.㊀[9]LuXꎬWuQ.CoverageHolePatchingofHybridWirelessSensorNetworkinMarineEnvironment[J].JournalofCoastalResearchꎬ2019ꎬ94(sp1):296-300.[10]KhalifaBꎬKhedrAꎬAlAghbariZꎬetal.FuzzyLogicApproachtoRepairCoverageHolesinInternetofThingsMonitoringApplications[J].IETWirelessSensorSystemsꎬ2019ꎬ9(4):227-235.㊀[11]陶建林ꎬ苗春雨ꎬ戴国勇.一种低能耗的无线传感器网络强栅557传㊀感㊀技㊀术㊀学㊀报chinatransducers.seu.edu.cn第33卷栏重建方法研究[J].传感技术学报ꎬ2019ꎬ32(2):141-147. [12]戴光麟ꎬ杨志凯ꎬ周贤年ꎬ等.WSN中一种流水式栅栏调度算法的研究[J].传感技术学报ꎬ2019ꎬ32(4):122-126.[13]赵小敏ꎬ方丁ꎬ毛科技.一种WSN栅栏间隙修复优化方法[J].传感技术学报ꎬ2018ꎬ31(10):110-116.[14]TomitaEꎬTanakaAꎬTakahashiH.TheWorst ̄CaseTimeComplexityforGeneratingAllMaximalCliquesandComputationalExperiments[J].Theoreticalcomputerscienceꎬ2006ꎬ363(1):28-42.[15]AnWꎬQuNꎬShaoFMꎬetal.CoverageHoleProblemunderSens ̄ingTopologyinFlatWirelessSensorNetworks[J].WirelessCom ̄municationsandMobileComputingꎬ2016ꎬ16(5):578-589. [16]So ̄InCꎬNguyenTGꎬNguyenNG.AnEfficientCoverageHole ̄HealingAlgorithmforArea ̄CoverageImprovementsinMobileSensorNetworks[J].Peer ̄to ̄PeerNetworkingandApplicationsꎬ2019ꎬ12(3):541-552.[17]FengXꎬZhangXꎬZhangJꎬetal.ACoverageHoleDetectionandRepairAlgorithminWirelessSensorNetworks[J].ClusterCompu ̄tingꎬ2019ꎬ22(5):12473-12480.杨明霞(1979 )ꎬ女ꎬ副教授ꎬ主要研究方向为无线传感器网络㊁深度学习等ꎻ方㊀凯(1992 )ꎬ男ꎬ硕士㊁助教ꎬ主要研究方向为无线传感器网络㊁深度学习等ꎻ㊀周小龙(1986 )ꎬ男ꎬ副教授㊁硕士生导师ꎬ主要研究方向为计算机视觉㊁无线传感网络㊁模式识别ꎮ657。
无线传感器网络覆盖漏洞发现与修补算法综述

( 河 南大 学计算机 与信 息工程 学 院 ,河南 开封 4 7 5 0 0 0 )
摘 要 :无线传感 器 网络 因其 能检 监测 目标 区域 特定事件 的发 生 , 而被广 泛应 用到 军事 国防、 交通运输 、 智能 家居 等各 个领 域。无线传感 器节点通 常是有 电池供 电, 具有能量有 限、 难补给的特 点, 容 易导致 节点死亡, 造成监测 区域 内出现监 测覆 盖漏洞的 出现 。为 了保 证传感 器网络 的覆 盖率 , 发现监测 区域 内的覆盖漏洞并进行修补 , 就 需要 有效的覆 盖漏洞发 现和修补算法 。文章详细描述 了几种发现和修补覆盖漏洞的算法 , 并对算法做 了相 应的分析 。
a n a l y s i s o f t h e m.
Ke y wo r d s:wi r e l e s s s e n s o r n e t wo r k s; c o v e r a g e h ol e s ;d i s c o v e y r a l g o r i t h m ;r e p a i r a l g o r i t h m
・
3 4 ・
Co mp u t e r Er a ቤተ መጻሕፍቲ ባይዱ No . 5 2 01 7
DO I : 1 0 . 1 6 6 4 4 / j . c n k i . c n 3 3 - 1 0 9 4 / t p . 2 0 1 7 . 0 5 . 0 1 0
无线传感器网络覆盖漏洞发现与修补算法综述
Abs t r a c t :W i r e l e s s s e n s o r n e t wo r ks a r e wi d e l y u s e d i n mi l i t a r y d e f e n s e ,t r a ns p o r t a t i o n,i n t e l l i g e n t h o me a n d o t h e r ie f l d s b e c a u s e o f i t s a b i l i t y t o d e t e c t t h e o c c u r r i n g o f s pe c i ic f e ve n t s i n t h e t a r g e t a r e a . Ho we v e r , t h e wi r e l e s s s e n s o r no d e s a r e u s u a l l y ba t t e y— r po we r e d ,a n d h a v e t h e c h a r a c t e r i s t i c s o f l i mi t e d e n e r g y a n d di ic f u l t t o s u p p l y ,wh i c h c a n l e a d t o t he d e a t h o f t h e n o d e s , r e s u l t i n g i n t he e me r g e n c e o f c ov e r a g e h ol e s i n t h e m o n i t o in r g a ea r ./ n o r de r t o e n s u r e t he c o v e r a g e o f t h e wi r e l e s s s e n s o r n e t wo r k s ,t o f in d t h e c o v e r a g e h o l e s i n t h e mon i t o r i n g a r e a a n d r e p a i r t h e m ,t he e f f e c t i v e a l g o r i t h ms f o r f in d i n g a n d r e p a i r i ng a r e n e e d e d. Th i s p a p e r d e s c r i b e s s e v e r a l c o v e r a g e h o l e s d i s c o v e y a r l g o it r h ms a n d r e p a i r a l g o r i t h ms ,a n d ma k e s t he c o r r e s p o n d i n g
基于博弈理论无线传感网覆盖空洞修复算法

摘 要:针对无线传感网中的覆盖空洞问题,提出一种基于博弈理论的覆盖空洞修复方法。以分布式方式运行,使用公式 表示传感器之间的潜在博弈。网络中的每一个移动传感器仅依靠其相邻节点的局部知识,根据全局收敛执行空洞修复递归 操作。允许对每个传感器进行适当的物理迁移和传感距离调整,在节约能源的情况下减少覆盖空洞。仿真结果表明,所提 博弈理论方法延长了网络生存时间,具有较高的覆盖率,更好地保持了网络覆盖。 关键词:无线传感网;覆盖空洞;博弈理论;修复;生存时间;覆盖率 中图法分类号:TP393;TN929.5 文献标识号:A 文章编号:10007024 (2018)02032605 犱狅犻:10.16208/j.issn10007024.2018.02.006
无线传感器网络中覆盖问题的解决方案比较与优化

无线传感器网络中覆盖问题的解决方案比较与优化概述无线传感器网络(Wireless Sensor Network,WSN)是由许多分布在广泛区域内的无线传感器节点组成的网络。
这些传感器节点能够自主地感知环境中的各种物理和环境条件,并将收集到的信息通过网络传输给基站或其他节点。
覆盖问题是WSN中一个关键的挑战,它指的是如何保证网络中的每个位置都能够被足够数量的传感器节点覆盖到。
基本概念在讨论覆盖问题之前,我们应该了解一些基本概念。
无线传感器网络通常由三个不同的要素组成:传感器节点、目标区域和覆盖范围。
传感器节点:是WSN中的基本构建单元,它负责感知和传输数据。
目标区域:是指需要覆盖的区域。
覆盖范围:是指传感器节点的感知范围,即节点能够覆盖的最大距离。
解决方案比较针对无线传感器网络中的覆盖问题,研究人员提出了许多不同的解决方案。
下面我们将比较一些常见的解决方案。
1. 基于贪心算法的解决方案贪心算法是一种常见的解决覆盖问题的方法。
该算法通过选择覆盖范围内拥有最高能量的节点来进行部署。
通过这种方法,可以减少节点之间的重叠区域,提高整个网络的能量效率。
然而,贪心算法容易产生局部最优解,导致覆盖不均匀或覆盖区域较小的问题。
2. 基于优化算法的解决方案由于贪心算法的局限性,研究人员提出了基于优化算法的解决方案。
这些算法通过设计合适的目标函数和约束条件来最小化无线传感器网络的总能量消耗,并同时保证节点的覆盖范围。
常见的优化算法有遗传算法、粒子群优化和蚁群算法等。
这些算法能够找到全局最优解,但计算复杂度较高。
3. 基于机器学习的解决方案近年来,随着机器学习技术的快速发展,研究人员将其应用于无线传感器网络中的覆盖问题。
通过收集大量的训练数据和使用适当的机器学习算法,可以建立模型来预测传感器节点的最佳位置和覆盖范围,从而优化网络的覆盖性能。
机器学习方法在一定程度上解决了问题的复杂性和计算效率的问题,但对于大规模网络仍面临一定的挑战。
无线传感器网络覆盖空洞修复算法综述

计算机时代2018年第4期0引言无线传感器网络(WirelessSensor Networks,WSN )对人类的生活和生产方式带来巨大的变革,被认为是21世纪最重要的技术之一。
无线传感器网络由微机电系统的支持发展而来,是一种分布式传感网络,其具有大规模、动态性、自组织、以数据为中心等特点,被广泛应用于军事国防、医疗健康、智能家居等各个方面[1]。
覆盖质量是无线传感器网络应用中最重要的问题。
评价传感器网络覆盖质量的一个重要指标是节点覆盖率[2],如果节点覆盖率过低会导致网络中出现覆盖空洞,造成数据监测不准确,更为严重的可能会导致对目标区域监测数据错误。
无线传感器网络常被用于紧急救援、空间探索、军事应用等特殊环境。
由于应用环境特殊,传感器节点常被随机布撒于目标区域,并通过自组织形成网络。
因此恶劣的环境、节点能量耗尽以及动物入侵等因素的影响都有可能造成节点死亡,从而导致网络中会出现某些区域未被任何节点感知,形成覆盖空洞。
若不及时修复就可能引起节点通讯受阻、网络数据监测不准确等问题[3],严重的还有可能引起网络瘫痪。
为了保证网络正常运行,需要对网络中出现的覆盖空洞采取合适的修复策略,以保证网络覆盖质量,维持网络正常运行。
1无线传感器网络特点相比于一般网络,无线传感器网络一般都应用于人类无法到达甚至危险的区域。
无线传感器网络节点的位置一般是固定不变的,只有极少数节点需要移动。
一般情况下通过随机部署节点,利用节点自组织DOI:10.16644/33-1094/tp.2018.04.007无线传感器网络覆盖空洞修复算法综述田晓光(河南大学计算机与信息工程学院,河南开封475000)摘要:无线传感器网络因具有自组织、可靠性、动态性等特点已被广泛应用到医疗、军事、智能家居等各方面。
在网络运行过程中,节点能量不足、外界环境等因素的影响使传感器节点死亡,造成节点对网络覆盖率降低,致使无线传感器网络出现覆盖空洞。
为了保证节点覆盖率,需要对覆盖空洞进行修复,文章详细介绍了几种网络覆盖空洞修复算法,并对算法做出分析。
无线传感器网络覆盖空洞修复策略

信息技 术推厂
冗 余 节 点 在 目标 节 点 通 信 范 围 内 移 动 节点 冗 余 节 点 在 目标 节 点 通 信 范 围
}
选 择 附 近 具 有 通 信 功 能 的 冗 余 节 点 将 其 唤 醒
0
计 算 出 此 节 点 与 移 动 节 I点 所在 位 置 距 离 ,选 择
图 1 无线 传感器网络 图
-
2 . 当移动节点 M 移动到覆
6 6— —
图 2 闭合空洞图
C H I N AS C I E N C EA N D T E C i - i N OL OG Yf i ' , J F O F  ̄ ! d I Af I O N Ma y 2 0 1 5 中国科技信窟、 2 0 1 5颦第 0 9期
境特 i 正 等 等
研究及发展概况
传感器节点在能量耗尽时可能会导致网络产生覆盖空 洞 。覆盖空i l S J  ̄ l 9 存在会使空洞边缘节点的能量消耗增加 ,
存在 如下 两种 情 况如图 3 。 1 . 当移 动 节 点 M 移 动到 覆
盖 空洞中网络节点位置 时,冗 余节 点 在 其 通 信 范 围 内 ,则 可 将 其 唤醒 。
在大部分静态传感器网络中使需要采集信息的地方每 个节点对象都被 k( k≥ 1) 个节点覆盖 ,多重覆盖使得 许多节点在能量消耗结束不起作用后 ,网络仍然能保证需 要采集信息地区的网络密度 ,这样的话在恶劣的条件 下 传感器网络能提高它的生命力。但是很多节点在同一时间 都作用一个 目标节点这会浪费节点的数量浪费成本 。文献 选择了空洞边缘节点数 目很多的冗余节点进行激活来修复 覆盖空洞 ,但该算法在一方面没有周全考虑冗余节点的利 用效率 ,另一方面忽略了多重覆盖会形成很多经济损失 。
如何应对无线传感器网络的节点失效与恢复

如何应对无线传感器网络的节点失效与恢复无线传感器网络(Wireless Sensor Network,WSN)是一种由大量分布式无线传感器节点组成的网络系统,用于收集、处理和传输环境中的信息。
然而,由于节点的物理损坏、能量耗尽或通信故障等原因,节点失效成为无线传感器网络中常见的问题。
本文将探讨如何应对无线传感器网络的节点失效与恢复,以提高网络的可靠性和稳定性。
首先,对于节点失效的预测和检测是应对节点失效的关键。
通过监测节点的能量消耗、通信质量和硬件状态等指标,可以预测节点失效的可能性。
同时,定期检测节点的活跃性和可用性,及时发现并标记失效节点,有助于及时采取措施进行恢复。
其次,节点失效后的恢复策略也是至关重要的。
一种常见的恢复策略是通过节点的自愈能力进行恢复。
例如,当一个节点失效时,周围的节点可以自动接管其任务,维持网络的正常运行。
这种策略可以减少网络的中断时间和能量消耗,提高整个网络的可靠性。
另一种恢复策略是通过节点的替换进行恢复。
当一个节点失效时,可以将其替换为一个新的节点,以保持网络的完整性。
为了实现节点的替换,需要事先准备一些备用节点,并确保它们具备与原节点相同的功能和性能。
当一个节点失效时,可以将备用节点部署到相应位置,并重新配置网络,使其能够继续正常工作。
此外,还可以通过网络拓扑的优化来提高网络的容错性和恢复能力。
通过合理设计网络的拓扑结构,可以减少节点之间的依赖关系,降低节点失效对整个网络的影响。
例如,采用分层结构或多路径传输等技术,可以实现节点之间的冗余和多样性,从而提高网络的鲁棒性和可靠性。
另外,及时更新和维护节点的固件和软件也是应对节点失效的重要手段。
通过定期检查和更新节点的固件和软件,可以修复潜在的漏洞和故障,提高节点的稳定性和可靠性。
同时,及时修复网络中的漏洞和故障,可以减少节点失效的可能性,保持网络的正常运行。
最后,建立有效的监控和管理系统是应对节点失效的关键。
通过实时监测和记录节点的状态和性能,可以及时发现和处理节点失效的问题。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第4 期 问题之一
[45 ]
黄 月等: 混合无线传感器网络覆盖空洞修复策略 。
419
目前, 大部分网络覆盖控制假设网络完全覆 事实上, 网络的随机部署方式和网络中某一节 盖。 点因其本身能量耗尽或恶劣的监控环境破坏而损 会导致网络原有覆盖区域缺失形成覆盖空洞。 毁, 针对无线传感器网络覆盖空洞的修复问题已有一 WANG X 等[6] 提出一种基于微粒群算 些解决方案。 法的无线传感器网络布局优化方法, 能够有效实现 但微粒群算法致使搜索空间随被优 网络布局优化, WANG G L 等[7] 提 化向量维度的增加呈指数扩大。 出了用 3 种不同的算法计算失败节点的具体位置, 然后用移动的传感器节点靠近失败节点并修复覆 该机制在一定时间内可以保证网络较好的 盖空洞, 覆盖率, 但移动传感器节点能量有限且消耗大易死 Bulusu N 等[8] 提出了一种基于无线信标的自适 亡。 应节点部署策略, 通过添加无线信标修复覆盖空 但该算法未考虑信标的成本和检测区域的环境 洞, 王良民等 影响。
P success = N·P r[ 1 -
N -1 P success ( i) ] ∑ i =1
( 6)
i 式中: N 为邻居节点的个数; P success 为选择时隙 i 的 概率。
420
江 南 大 学 学 报 ( 自 然 科 学 版) 因此, 在 CSMA 机制下网络节点消耗能量的期
第 11 卷
( 东北大学 信息科学与工程学院, 辽宁 沈阳 110819 ) 要:针对混合无线传感器网络中的覆盖空洞问题 , 提出了考虑能量的基于移动节点的无线传 采用概率感知模型建立联合探测概率密度函数 , 通过探测概率和剩 感器网络覆盖空洞修复策略。 摘 余能量评价网络状态, 从而确定覆盖空洞。 提出了节点虚拟移动的空洞修复方法 , 在得到每个空洞 , 位置后放置一个虚拟节点直至计算结束后调整移动节点位置 节约了移动节点能量。 仿真结果表 明: 该方法可以有效探测并利用移动节点修复覆盖空洞 , 消耗较小的网络能量, 提高了网络覆盖率 和网络生存时间。 关键词: 无线传感器网络; 移动节点; 概率感知; 覆盖空洞 中图分类号:TP 393 文献标识码: A 文章编号:1671 - 7147 ( 2012 ) 04 - 0418 - 05
问题假设 文中基于以下假设进行研究: 1 ) 每个传感器节点能对其周围实行全方向探
R 为节点传输半径; γ 为路径衰减因子; η amp 为 其中, 发射器的放大率。 因此, 当网络中数据包长度为 l, 传输距离为 d 时, 节点单跳传输所消耗的能量可表 示为 E1hop ( l, d) = l( E tx + E rx ) = l( E ele + βR γ + E rx ) η amp ( 5) 式中: E rx 为节点接收单位比特消耗的能量 。 假设网络采用 CSMA 机制, 则节点在时隙 i 传 输成功的概率为
Reparation Strategy of Coverage Holes in Hybrid Wireless Sensor Networks
HUANG Yue, WU Chengdong * , ZHANG Yunzhou, CHENG Long, XIA Zhijia
( College of Information Science and Engineering,Northeastern University,Shenyang 110819 ,China) Abstract: According to the problem of coverage holes in hybrid wireless sensor network,reparation strategy of coverage holes based on mobile nodes is proposed with the consideration of the energy distribution. Build the joint detection probability function using probabilistic detection model,evaluate network status through joint detection probability and residual energy,and thus determine the location of coverage holes. The reparation strategy of coverage holes based on virtual mobile is put forward,place a virtual node when get the location of each hole,and adjust the location of the mobile node at the end of calculation,which save a lot energy of the mobile nodes. Simulation results show that the proposed method could detect and repair coverage holes effectively using mobile sensors,which consume a smaller energy,improve the network coverage rate and prolong the lifetime of network. Key words: wireless sensor networks,mobile nodes,probabilistic detection,coverage holes
在无线传感器网络中, 为了完成目标监测和信 息获取的任务, 必须保证无线传感器节点能够有效 覆盖被监测区域。 无线传感器网络的覆盖控制问 题, 可以视为在传感器网络节点能量、 无线网络通 信带宽、 网络计算处理能力等资源普遍受限情况 下, 通过传感器节点部署以及路由选择等手段, 最 终使网络资源得到优化分配, 进而使感知、 监视、 传
{
1 e 0
- λα β
if
d( s, q) ≤ ( R s - r e ) d( s, q) > ( R s + r e ) ( 1)
if ( Rs - re ) < d( s, q) < ( Rs + r e ) if
其中, 参数 λ , β 为与传感器节点硬件有关的参数; q) - ( R s - r e ) , R s 为节点感知半径, re ( 0 < α = d( s, r e < R s ) 用以表达传感器的非确定探测, d( s,q) 为 y) 的距离。 传感器节点 s 到目标点 q( x, 在存在多个传感器节点同时工作的情况下 , 目 标区域被有效感知的概率是多个无线传感器节点 协同工作的结果。 联合概率 C q ( s) 定义为
。 当节点传输单位 ( 3)
比特数据时, 传输能量可定义为 E tx = E ele + E amp 式中: E ele 为非发射设备( 频率合成器、 混频器、 滤波 器等) 所消耗的能量; E amp 为发射设备所消耗的能 即 量, E amp = βR γ η amp ( 4)
1
1. 1
网络模型
N
提出了一种基于数学分析的冗余
Saravi M H 节点移动方法, 有效地调高了覆盖率。 [10 ] K 利用覆盖空洞边缘节点提供的辅助信息 , 采用 三角形贴片式方法指导移动节点修复空洞, 但需要 [11 ] ZHAO E 等 提出了基于二元 全部节点可以移动。 感知模型的距离约束部署和最小化平均移动距离 的自适应距离约束部署方法, 仿真结果表明自适应 距离约束部署方法更好地延长了网络生命时间 。 文中考虑到移动节点的成本较高, 采用了由静 态节点和移动节点构成的混合传感器网络, 提出了 该策略 考虑能量的混合传感器网络覆盖空洞策略。 使得修复 同时兼顾网络感知空洞及能量空洞问题, 后的网络能够维持更长的时间, 在控制网络成本的 前提下提高网络覆盖率, 延长了网络修复周期。
2
空洞修复策略
目前, 大部分传感器网络覆盖控制假设网络完 全覆盖或近似保持网络原有覆盖范围。 事实上, 由 于初始随机部署未能完全覆盖监测区域或因恶劣 的环境破坏导致节点失效造成的原有覆盖区域缺 失, 这部分不能有效被监测的区域称为探测空洞。 另外, 无线传感器网络在数据采集过程中, 由于局 部区域的能量消耗水平高于整体能量消耗水平, 从 而导致这一区域的节点剩余能量较少, 节点的感知 能力变小, 因此产生的覆盖盲区称为能量空洞。 文 中将由节点随机部署或节点死亡产生的探测空洞 和节点能量消耗导致产生过多的能量空洞统称为 覆盖空洞。 2. 1 建立网络状态函数 当网络进行优化时, 某些节点虽然还有能量,
第 11 卷第 4 期 2012 年 8 月
江 南 大 学 学 报( 自 然 科 学 版) Journal of Jiangnan University( Natural Science Edition)
Vol. 11 Aug.
No. 4 2012
混合无线传感器网络覆盖空洞修复策略
* 黄 月, 吴成东 , 张云洲, 程 龙, 夏志佳
基金项目:国家自然科学基金项目 ( 60874103 ) 。 作者简介:黄 月( 1985 —) ,女, 辽宁盘锦人,模式识别与智能系统专业博士研究生 。 * 通信作者:吴成东( 1960 —) ,男, 辽宁大连人, 教授, 博士生导师。 主要从事无线传感器网络和图像处理等研究 。 Email: wuchengdong@ ise. neu. edu. cn
[9 ]
径内, 则感知到的概率为 1 ; 若发生在感知半径之 外, 则感知到的概率为 0 。 实际上, 由于受到环境噪 信号强度的路径衰落等因素的影响, 传感器节 声、 点的感知能力会出现一定的不确定性, 故文中采用 传感器节点 s 到任一点 q 的探测概率 概率感知模型。 表示为 C q ( s) =