一种基于协作的最优无线传感器节点密度控制算法

合集下载

无线传感网络的部署密度选择方法

无线传感网络的部署密度选择方法无线传感网络（Wireless Sensor Network，WSN）是一种由大量分布在特定区域的无线传感器节点组成的自组织网络。

它们通过无线通信协作，以收集、处理和传输环境信息。

在设计WSN的过程中，部署密度选择是一个重要的问题，它直接影响到网络的性能和能耗。

为了满足部署密度选择的需求，本文将介绍一些方法和策略。

首先，了解网络范围是非常重要的。

根据不同的应用场景和要求，可以选择不同的部署密度。

对于小范围的网络，可以选择较低的部署密度，以节省能源和资源。

但是，对于大范围的网络，需要更高的部署密度来保证网络的覆盖范围和可靠性。

其次，网络拓扑结构也是一个需要考虑的因素。

根据网络的要求，可以选择不同的拓扑结构，如星形、网格和混合结构等。

星形拓扑结构适用于集中式控制和通信的应用场景，网格拓扑结构适用于需要大范围覆盖的应用场景，混合结构则可以结合两者的优点。

通过选择适当的拓扑结构，可以有效地减少节点之间的通信距离和通信延迟，提高网络的性能。

另外，节点的部署策略也是一个关键因素。

可以采用随机部署、均匀部署或集中部署等策略。

随机部署可以快速覆盖整个区域，但可能导致一些区域的覆盖过度，而其他区域的覆盖不足。

均匀部署可以保证整个区域的覆盖相对均匀，但可能需要更多的节点。

集中部署可以节省节点数量，但容易导致部分区域的覆盖不足。

根据具体的需求和场景，选择适当的部署策略是非常重要的。

此外，节点的功率控制和传输范围也是需要考虑的因素。

通过调整节点的发射功率和接收灵敏度，可以有效地控制节点之间的距离和通信质量。

在节点部署时，可以根据节点的功率和传输范围来选择节点间的距离，以达到最佳的部署密度。

另外，在部署密度选择方法中，还需要考虑能源平衡和网络寿命。

为了延长网络的寿命，可以选择低功耗的节点和节能的通信协议。

同时，可以利用传感器节点之间的通信协作，通过数据聚合和压缩等技术，减少通信开销和能量消耗。

一种基于覆盖效用计算的传感器网络节点密度控制算法

Ｖｏ．０Ｎｏ．１３６Ｎ０２０ｖ．０６
文章编号：００５６（ｏ６ｏ－６７０１０－８２２ｏ）６００．３
一
种基于覆盖效用计算的传感器网络节点密度控制算法
李融
（九江学院信息科学与技术学院，江西九江３２０）３０５
中图分类号：Ｐ０．Ｔ１６３
文献标识码：Ａ
ＭＭ支持下的微小传感器技术和节点间的无线通信能力为传感器网络赋予了广阔的应用前景．ＥＳ随机分布的集成有传感器、数据处理单元和通信模块的微小节点通过自组织的方式构成网络，借助于节点中内置的形式多样的传感器测量所在周边环境中的热、红外、声纳、雷达和地震波信号，从而探测包括温度、湿度、噪声、光强度、力、压土壤成分、动物体的大小、移速度和方向等众多我们感兴趣的物质现象．于它们通由
维普资讯
第３卷第６０期２００６年１月１
江西师范大学学报（自然科学版）
ＪＵＮＬＯＩＮＸＯＭＡＮＶＲＩＹＮＴＲＬＳＩＮＥＯＲＡＦＪＧＩＲＬＵＩＥＳ（ＡＵＡＣＥＣ）ＡＮＴ
常运行在人无法接近的恶劣甚至危险的远程环境中，源无法再生，能因此设计有效的策略延长网络的生命
周期成为无线传感器网络的核心问题．一个基本途径就是在信息采集域内部署大量冗余节点，通过分布式节点密度控制算法使一部分节点处于工作状态，一部分进入休眠，流工作交替进行．另轮目前已有的算法＿ＪＢｌ者是通过节点与邻居节点之间的相对位置来寻找节点的传感效用范围是否被邻居节点集覆盖的充分４条件来判断节点的状态，必然存在节点之间传感覆盖效用范围过分交叠的现象，造成多余的节点保持工作状态．本文提出了一种基于覆盖效用范围计算的算法，该算法理论上依据节点的传感效用范围是否被邻居节点集覆盖的充要条件来进行判断．真试验表明该算法可以以更少的节点完成对整个区域的覆盖．仿

无线传感器网络精度优选RSSI协作定位算法

无线传感器网络精度优选RSSI协作定位算法汪明;许亮;何小敏【摘要】针对目前无线传感器网络(WSN)定位算法中未知节点间接收信号强度指示(RSSI)冗余信息利用不足以及信息无筛选利用问题,提出一种新的精度优选RSSI 协作定位算法.首先,利用RSSI阈值,从大量粗定位的未知节点中筛选出定位精度相对较高的节点;接着,利用subset子集判断方法从经过RSSI阈值筛选的节点中提取出受环境影响较小的节点,作为次选协作骨干节点;然后,使用锚节点置换准则,根据置换锚节点的定位误差,从次选协作节点中进一步提取出高精度的节点作为优选协作骨干节点;最后,以协作骨干节点为协作对象,根据精度优先级参与协作求精,对未知节点进行未知修正.仿真实验表明,该算法在100 m×100 m网格区域内的平均定位精度小于1.127 m.在定位精度方面,相同条件下,相较于改进的采用RSSI模型的无线传感器网络定位算法,该算法平均定位精度提高了15％;在时间效率方面,相同条件下,对比传统RSSI协作定位算法,该算法在时间效率上提高了20％.可见,所提算法可以有效提高节点定位精度,减小计算复杂度,提高时间效率.【期刊名称】《计算机应用》【年(卷),期】2018(038)007【总页数】8页(P1981-1988)【关键词】无线传感器网络;定位;接收信号强度指示;协作;精度【作者】汪明;许亮;何小敏【作者单位】广东工业大学自动化学院,广州510006;广东工业大学自动化学院,广州510006;广东工业大学自动化学院,广州510006【正文语种】中文【中图分类】TP393.010 引言目标定位与追踪是物联网系统的重要需求。

传统定位技术有全球定位系统(Global Positioning System, GPS)、无线网络通信技术WiFi(Wireless Fidelity)、蓝牙等，这些技术都需要附属设备实现目标定位且成本较高、不易部署，而无线传感器网络具有随机部署、成本低等优点。

面向移动无线传感器网络的高效协作定位算法

面向移动无线传感器网络的高效协作定位算法
吴贤平;苗春雨;王丽娜
【期刊名称】《传感技术学报》
【年(卷),期】2024(37)1
【摘要】在移动无线传感器网络中如何高效节能地获取节点的位置信息是热点研究问题。

由于传感器网络一般采用电池供电且很难从外界获得能量补充,因此如何以尽可能低的能耗实现对节点的精确定位是研究的重点。

提出采用虚拟多输入多输出VMIMO技术来实现节点的定位,该定位技术从总能耗、定位误差和节点移动速度三方面综合计算收发节点的最佳数量,从而降低了定位过程中的能耗。

同时结合到达时间(TOA)算法实现了移动节点的高效定位。

最终,实验分析了节点在不同移动速度等情况下的性能,结果表明基于VMIMO的定位算法在能耗方面具有显著的优势,且在节点移动的情况下具有非常强的鲁棒性。

【总页数】9页(P121-129)
【作者】吴贤平;苗春雨;王丽娜
【作者单位】浙江安防职业技术学院人工智能学院;杭州安恒信息技术股份有限公司;东南数字经济发展研究院
【正文语种】中文
【中图分类】TP393
【相关文献】
1.无线传感器网络精度优选RSSI协作定位算法
2.基于到达时间的无线传感器网络协作定位算法
3.采用RSSI模型的无线传感器网络协作定位算法
4.无线传感器网络中基于相邻节点协作的恶意节点溯源定位算法
5.基于果蝇算法优化蒙特卡罗锚盒移动算法的无线传感器网络节点定位
因版权原因，仅展示原文概要，查看原文内容请购买。

无线传感器网络中的协作式定位算法研究

无线传感器网络中的协作式定位算法研究随着物联网技术的发展，无线传感器网络（Wireless Sensor Network, WSN）已经成为研究的热点之一。

在WSN中，定位技术是一项非常关键的技术，可以帮助用户实时监测、控制和管理物联网设备。

然而，WSN中的节点往往分布在复杂的环境中，节点之间的通信、安装位置的不同等问题都会对定位算法的准确性产生一定的影响。

因此，协作式定位算法的研究成为了WSN领域的一个热门话题。

一、协作式定位算法的基本思想协作式定位是指利用一组分布在空间中的节点，通过相互之间的协作来推算目标的位置信息的一种位置推断技术。

在WSN中，协作式定位算法的基本思想就是将所有节点的位置数据共享，通过算法融合得到目标节点的位置信息。

二、协作式定位算法的主要类型1. 基于距离的协作式定位算法基于距离的协作式定位算法是指通过测量目标节点和其他节点之间的距离来推断目标节点的位置。

这类算法最常用的技术是收发信号强度指示（Received Signal Strength Indicator, RSSI）和测距技术。

收发信号强度指示是利用无线电信号的信号衰减以及用于检测信号的无线电天线的特性来估计信号强度的一种测量技术，可以在WSN中用于测量节点之间的距离。

测距技术是通过信号的时间差或多径效应等方式测量节点之间的距离。

这种方法具有很高的精度和可靠性，但常常需要额外的硬件设备支持。

2. 基于角度的协作式定位算法基于角度的协作式定位算法是通过测量节点之间的角度信息来推断目标节点的位置。

这种算法最常用的技术是方向测量方法，例如TOA（Time Of Arrival）和AOA（Angle Of Arrival）等。

这种算法的缺点是容易受到环境的干扰，如建筑物的遮挡、节点的位置偏移等问题。

3. 基于时间的协作式定位算法基于时间的协作式定位算法是通过节点之间的时间信息来推断目标节点的位置。

最常用的技术是TDMA（Time Division Multiple Access）和TDOA（Time Difference Of Arrival）等。

联合感知无线传感网的优化覆盖控制算法

联合感知无线传感网的优化覆盖控制算法孙泽宇;李传锋;邢萧飞;曹仰杰【摘要】针对无线传感器网络覆盖过程中出现大量冗余节点导致网络能量快速消耗的问题,提出了一种联合感知优化覆盖控制算法.该算法给出了三节点联合覆盖时最大无缝覆盖率的求解过程.通过概率相关知识,验证了在监测区域内传感器节点覆盖时传感器节点覆盖质量期望值求解方法,以及在与邻居节点进行覆盖对比时的覆盖率判定方法;当存在冗余覆盖时,引入比例系数完成对任意传感器节点处于冗余节点覆盖时的冗余覆盖度的计算过程.仿真实验结果表明:该算法与其他算法在覆盖质量和网络生存周期等方面进行对比,其性能指标分别提升了11.02％和13.27％;该算法不仅可以提高网络覆盖质量,而且可以有效地抑制节点能量的快速消耗,从而延长了网络生存周期.【期刊名称】《西安交通大学学报》【年(卷),期】2016(050)010【总页数】7页(P86-92)【关键词】无线传感器网络;覆盖质量;节点联合;网络生存周期【作者】孙泽宇;李传锋;邢萧飞;曹仰杰【作者单位】洛阳理工学院计算机与信息工程学院,471023,河南洛阳;西安交通大学电子与信息工程学院,710049,西安;洛阳理工学院计算机与信息工程学院,471023,河南洛阳;英国贝尔法斯特女王大学电气工程与计算机学院,BT95AH,英国贝尔法斯特;广州大学计算机科学与教育软件学院,510006,广州;郑州大学软件与应用科技学院,450001,郑州【正文语种】中文【中图分类】TP393无线传感器网络是由成千上万个传感器节点通过自组织多跳方式连接的一个新型网络系统,可完成对信息世界与物理世界的有机统一,实现数据采集、计算、通信以及存储等操作[1-2]。

随着信息科技的快速进步,无线传感器网络应用范围主要涉及军事国防、环境监测、灾难救援、智能家居、卫生医疗、农业生产和交通运输等各种工程领域[3-4]。

近几年,国内外一些专家学者对无线传感器网络的覆盖问题进行了深入而细致的研究。

无线传感器网络中一种基于OSTBC的高效协作传输技术

ＪＡａｇＨＵＹｎｊｎＺｈａ —ｕＹＡＮＹ－ｈｏＩＮＧＦｎａ－ＨＵＣｕｎｈｏｕ－Ｕｕ－ａｚ
（ｅａｏａｒｏＩｔｌｇｎＣｍｕａｏｎｉａＰｏｅｓｇ（ｎｕＵｉｒｔ）ｉｉｒｆｄｃｔｎＨｅｉ３０９ｈｎ）ＫｙＬｂｒｏｆｎｅｉｅｔｏｐｔｉａｄＳｎｌｒｃｓｉＡｈｉｎｅｓｙ，Ｍｎｓｙｏｕａｏ，ｆ０３，ＣｉａｔｙｌｔｎｇｎｖｉｔＥｉｏ２
第２７卷ຫໍສະໝຸດ 第３期信号处理
ＳＩＧＮＡＬＰＲＯＣＥＳＮＧＳＩ
Ｖ０．７．Ｎｏ３１２．
Ｍａ．０ｌｒ２ｌ
２１０１年３月
无线传感器网络中一种基于ＯＳＢ的ＴＣ同效协作传输技术
．＿＿
Ｊ＿ＬＩ
ｃｎｂｃｉｖｄｆｒａｙａｂｔａｕｅｆｃｏｅａｉｅｎｄｓｎｏｈｔｅｔｔｌｎｒｏｓｍｐｉｎａｄｔｅｔｔｌｅａｎｔｅｔａｓａｅａｈｅｅｏｎｒｉｒｎｍｂｒｏｏｐｒｔｏｅ，ａｄｂｔｈｏａｅｇｃｎｕｔｎｈｏａｌｙｏｈｒｎ — ｒｙｖｅｙｏｄｍｉｓｏｉｅｃｎｂｒａｌｅｕｅ．ＳＵｆｃｅｔｉｔａＭＩｓｉｎｓｄａｅｇｅｔｒｄｃｄｏＯｒｅｆｉｎｒｌＭＯｏｐｒｔｅｔａｓｍｉｓｎｍｏｅｍｐｏｅｔｅｗｉｌｓｅｓｒｅｗｏｋｙｉｖｕｃｏｅａｉｒｎｉｓｉｄｌｖｏｉｒｖｈｒｅｓｓｎｏｔｒｅｎ

无线传感网络基于协作模式节点定位研究

等领域具有重要作用 … 。目前无线传感器网络
节点定位方法主要有基于Ｍｓ —ｓｒｇ优化策略ａｓｐｉｎ
的ＡＬａｃｏ —ｆｅｌａｉｔｎ定位算法，Ｆ（ｎｈｒｒｃｌａｏ）ｅｏｚｉ基
超过２，３其中为边集Ｅ所对应顶点数，凡＿，那
中图分类号：Ｐ９Ｔ３Ｄｔ１．９３ｊｉｎ１０Ｏ：３６／．ｓ．０７—１４．０１Ｏ．００ｓ４Ｘ２１．１０４
无线传感器网络能够实时监测、知和采集感各种环境或检测对象的信息，点的位置信息作节
定理２对一个二维平面中顶点数（９５一）男，北荆州人，汉理工大学航运学院教授刘１７，湖武基金项目：国家自然科学基金资助项目（０００９．６７３９）
Ｃ
（）ａｃ未折叠
（）ｂＣ折叠后
图１普通刚性示意图
１位作原定协体理．
１１刚性图理论．
刚性图理论起源于框架结构分析领域，
收稿日期：００— ９—１．２１０５
概念
筹芸
萎
Ｐ∈Ｒｎ得图所对应的框架是全等的。ｄ使
验表明，所提出算法的定位率比仅利用单跳信息时的定位率提高一倍，当测距误差Ｒ００时，＝．５Ｒ平均绝对
定位误差为００３；．７当测距误差Ｒ＝．时，均绝对定位误差为０１０１Ｒ平．４Ｒ。

一种无线传感器网络节点随机部署策略

关健诃：无线传感器网络；泊松分布；节点部署；节点密度；感知区域
ＲａｄｍｐｏｍｅｔＳｒｔｇｆＷｉｅｅｓＳｎｏｔｒｄｎｏＤｅｌｙｎｔａｅｙ０ｒｌｓｅｓｒＮｅｗｏｋＮｏｅ
ＬＩｅｇ，ＮＧｉｒｎＧＵＯｎ－ｂｎＤＩＭＤａ－ｏｇ，Ｔｉｇｌｉ（．ｌｇｆｏａＣｏｌｅｍｍｕｉａｉｎＥｇｎｅｉｇｂＳａｅＫｙＬｂｒｔｒｆｃａｉａＴａｓｓｉｎｅｏＣｎｃｔｎｉｅｒ；．ｔｔｅａｏａｏｙｏｈｎｃｌｒｎｍｉｏ，ｏｎＭｅｓ
中圈分类号：Ｔ３３Ｐ９
种无线传感器网络节点随机部署策略
李猛，丁代荣，郭廷立
（重庆大学ａ通信工程学院；ｂ机械传动国家重点实验室，重庆４０４）．．００４
摘
要：针对无线传感器网络节点随机部署的盲目性，出一种按随机均匀分布规律部署无线传感器网络节点的策略。提证明在感知区域内，
节点密度／ｍ（）个
图１节点密度与覆盖率之间的关系
在传感器节点的感知半径一定的情况下，需要估计如何
用最少的传感器节点达到所需要的覆盖率。文献【】６分析了
基于正六边形节点覆盖模型的二维区域覆盖。这里假设传感器节点的感知半径ｒ目标区域节点的平均密度为，＝Ｒ，
ｆｌｗｉａｄｍｎｆｒｄｓｒｂｔｎｒｌ．Ｔｈｓｐｐｅｅｎｔａｅｈｔｉｔｅｐｅｃｐｏｅ，ａｌｒｕｅｏｅｓｒｗｉｒｎｏｙｏｌｎｇｒｎｏｕｉｏｍｉｔｕｉｕｅｏｉｏｉａｒｄｍｏｓｒｔｓｔａｎｈｒｅｔｎａａａｇｅｎｍｂｒｆｓｎｏｓｉｒｈｔａｄｍｌ

与节点位置无关的无线传感器网络覆盖控制算法

与节点位置无关的无线传感器网络覆盖控制算法无线传感器网络（WSN）是一种由许多传感器节点组成的分布式网络，它们可以在一个广泛的领域内监测和收集物理环境信息，如温度、湿度、压力等。

在WSN中，节点的分布是关键问题之一，因为节点的位置决定了网络的覆盖质量和覆盖范围。

因此，合理地控制节点的位置可以保证WSN的高效运行和优化性能。

然而，传统的节点部署或节点移动算法也存在很多问题，如需要大量的人力和物力资源，覆盖效果受限于节点数量、能量和通信等限制等，因此提出了一种“与节点位置无关的无线传感器网络覆盖控制算法（Location-Free Coverage Control Algorithm，简称LFCCA）”。

LFCCA是一种全新的覆盖控制算法，它可以通过控制传感器节点之间的相互作用关系来实现网络的覆盖。

LFCCA不需要关注节点的位置，而是利用最小距离法和半径调整法来保证网络的覆盖质量和覆盖范围。

具体来说，它基于以下两个步骤：1. 最小距离法在LFCCA中，节点之间的相互作用关系是指节点之间的距离关系。

为了保证网络的覆盖质量，LFCCA采用最小距离法，即使相邻节点之间的距离不小于最小距离，从而保证每个节点可以收集到充分的信息。

2. 半径调整法为了保证网络的覆盖范围，LFCCA采用半径调整法来动态地调整节点的感知半径。

当节点与它的邻居节点之间的最小距离大于它的感知半径时，LFCCA会自动减小节点的感知半径，从而使节点之间的距离保持充足，并减少重叠地区。

与传统算法相比，LFCCA具有以下几个优点：- 与节点位置无关，在不需要进行节点部署或节点移动的情况下就可以实现高效的节点覆盖。

- 动态调整感知半径，可以使网络适应不同环境和各种不利因素。

- 不仅覆盖质量高，而且覆盖范围大，可以适应不同的应用场景。

总之，LFCCA是一种高效、灵活、易于实现的覆盖控制算法。

它不仅可以在无人区、巨大的工厂车间等特殊环境中实现较高的网络覆盖率，还可以广泛应用于智能交通、智能家居、环境监测、医疗卫生和工业自动化等领域中。

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)。

０引言
无线传感器网络以其监测精度高、布设灵活性强、造价低廉等特点，在军事侦察、工业控制、交通监管、环境监测等领域具有非常广阔的应用前景－２。在传感器网中，感器节点１Ｊ．传
一
信号和地震波信号来讲是比较合理的娟Ｊ。
维普资讯
第２７卷第６期
２００７年６月
文章编号：０１— ０１２０）６—１９０１０９８（０７０４３— ４
一
计算机应用
ＣｏｕｅｐｉａｉｎｍｐｔｒＡｐｌｃｔｓｏ
Ｖｏ．７Ｎｏ６１２．
基于以最小能耗来保证原始覆盖的目的，本文采用了一
种协作感知模型（ｏｐｒｔｅＳｎｉｇＭｏｅ，Ｓ，ＣｅａｖｅｓｄｌＣ７ｕｅ２０
种基于协作的最优无线传感器节点密度控制算法
杨白薇，于宏毅，张霞
（信息工程大学信息工程学院，河南郑州４００）５０２（ｏｎｂ＠１３ＣＢｙｕｇｗ６．Ｏ）摘要：于一种协作感知模型（Ｓ，出了一种最优的保证覆盖的密度控制算法— — 基ＣＭ）提ＥＣＣＳＥＤ。ＣＭ建立了一系列的非线性约束方程，而找出了该模型下能够最小化工作节点数的最优从节点位置，ＥＤＥＣＣ则基于该最优节点位置对节点进行休眠调度。仿真试验表明，比于基于传统圆相盘感知模型的最优密度控制算法，ＥＤＥＣＣ协议能够以较少的工作节点和较少的能耗来保证原始网络覆盖率，而达到较好的能量有效性。从关键词：无线传感器网；协作感知模型；平均覆盖贡献；能量有效性中图分类号：Ｐ９；Ｐ１文献标识码：Ｔ３３Ｔ２２Ａ
ＫｅｒｓｉｓｓｎｏｅｏｋＣｏｅａｖｎｉｏｅ（Ｓ；ａｅａｅｃｖｒｅｃｎｒｕｏ；ｅｅｇ￣ｅｎｙｙｗｏｄ：ｗ￣ｓｓｒｔｒ；ｏｐｒｅｓｇＭｄｌＣＭ）ｖｒｏｅａｏｔｂｔｎｎｒｙｅｎｗｉｅｔＳｎｇｇｉｉｅｉｃｅ
ＥＤＣｈｄｂｅｅｉｅｌｃｎｏｏｅｌｓｏｏｔｌｃｔｎ８ｐｓｉｌｅｔｅｗｏｋｎｏｅ．ＳｍｕａｏｓＥＣａｅｎｄｖｓｄｔｓｅｔｓｓｒｎｄａｃｏｅｔｐｍａｌａｏｓａｏｓｅｔｂｒｉｇｎｄｓｉｌｔｎｏｅｅｓｓｉｏｉｂｏｈｉｓｏｔａＥｈｗｔＥＣＤＣｏｔｅｏｍｓＯＧＤＣａｇｒｍｎｔｒｏｕｅｆｗｒｎｏｅｅｅ，ａｄａｈｅｅｌｓｔｅｓｌｅｈｕｐｒｒｆｏｉｌｈｔｉｅｍｎｍｂｒｏｏｋｇｎｄｓｎｅｄｆｉｄｎｃｉｖｓａｍｏｔｈａｎ
ｃｖｒｇ．Ａｓａｒｓｌｔｃｉｖｓｈｇｅｎｒｆｃｅｃｄｌｎｅｅｗｏｋｌｅｍｅｏｅａｅｅｕｔｈｅｅｉｈｒｅｅｇｅｉｉｎｙａｇｒｎｔｒｆｔ．，ｉａｙｎｏｉｉ
）
Ａｓｒｃ：ＡｎｒｆｃｎｏｐｒｔｅＤｎｉｏｔｌＡｇｒｈ（ＥＤ）ｗｓｐｏｏｅ，ＥＣＣｉｂｓｎａｂｔｔｎＥｅｇＥｆｉｔｏｅａｖｅｓｙＣｎｏｌｏｔａｙｉｅＣｉｔｒｉｍＥＣＣａｒｐｓｄＥＤｓａｅｏｄｎｗｓｎｉｇｍｏｅＣｐｒｖｅｓｇＭｏｅＣＭ）ＡｃｒｉｇｔＣＭ，ｓｒｓｏｏｌｅｒｃｎｔｉｅｒｒｍｍｎｅｅｓｄｌｏｅａｅＳｎｉｄｌ（Ｓ．ｃｏｎｏＳｎ — ｉｔｎｄｅａｆｎｎｎａｏｓａｄｐｏａｉｇｉｌｉｒｎｇ
ｍｏｅｓｗｅｅｄｖｌｐｄｔｎｈｐｉｌｃｎｉｏｓｆｒｆｌｃｖｒｇｔｎｍａｅｓｒｎｄｓＢａｅｎｔｅｆｄｎｓｄｌｒｅｅｏｅｏｆｄｔｅｏｔｉｍａｏｄｔｎｏｕｌｏｅａｅｗｉｍｉｉｌｓｎｏｏｅ．ｓｄｏｈｎｉｇ．ｉｈｉ
ＯｐｔｍａｏｅｉｙｃｎｔｏｌｏｉｈｓｄｏｏｐｅａｉｎｉＳｉｌｎｄｅｄｎｓｔｏｒｌａｇｒｔｍｂａｅｎｃｏｒｔｏｎＷＮｓ
ＹＡＮＧａ — ｅ，ＹＵＨｏｇｙ，ＺＢｉｉｗｎ — ｉＨＡＮＧＸａｉ
（ｅｔｅｔｆＣｍｎｃｔｎＥｇｎｅｉ，ＩｏｍｔｎＥｇｎｅｎｎｅｙｈｎｄｅａ５０２ＤｔｍｎｏｏｍｕｉｉｎｉｅｒｇｎｒａｉｎｉｒＵ＆￣，ＺｅｇｗｕＨｎｎ４００，ｍｒａｏｎｆｏｅｉｇ