CN102158988A - 一种有向传感器网络强栅栏覆盖判定方法 - Google Patents

Abstract

本发明公开了无线通信技术领域中的一种有向传感器网络强栅栏覆盖判定方法，用以解决目前有向传感器网络强栅栏覆盖的研究存在的问题。该方法包括：随机部署有向传感器节点，有向传感器节点通过广播方式自组织构成有向传感器网络；汇聚节点为每个有向传感器节点生成虚拟节点；虚拟节点也具有感知方向和感知区域；汇聚节点根据生成的虚拟节点和两个虚拟边界节点，构建有向覆盖连通图；汇聚节点遍历有向覆盖连通图，并判定有向传感器网络是否满足强栅栏覆盖。本发明克服了现有判定方法假设简单、运算量大等在实际应用中的局限性，有效实现了有向传感器网络强栅栏覆盖的判定。

Description

一种有向传感器网络强栅栏覆盖判定方法

技术领域

本发明属于无线通信技术领域，尤其涉及一种有向传感器网络强栅栏覆盖判定方法。

背景技术

传感器网络的覆盖控制旨在通过各个传感器节点协作而达到对监视区域的不同管理或感应的效果，它是整个环境监测任务得以有效开展的前提和基础。作为传感器网络覆盖控制理论的研究热点之一，栅栏覆盖(Barrier Coverage)主要研究如何分配网络时空资源来保证当任意移动目标沿任意路径穿越监控区域时都能被监测到。这类覆盖控制问题的目标是找出连接左右边界的一条或多条路径，使得这样的路径能够在不同模型定义下提供对移动目标的不同传感/监视质量。

栅栏覆盖算法研究引起了国内外学者的广泛关注，并基于传统的全向感知模型积累了一些理论和算法，广泛应用于边界保护、移动目标监控等任务。近几年来，一些学者开展了有向传感器网络栅栏覆盖控制方面的探索性研究，并陆续在IEEE系列会议发表了数篇前沿的研究成果。具体来讲，有向传感器网络中节点的感知范围是以节点为圆心、半径为其感知距离的扇形区域(例如：图像/视频、麦克风、红外、超声波等传感器节点)。鉴于视角受限节点的感知特点，即使是分布在同一地理位置上的两个传感器节点，也会因其传感方向的不同而导致对同一目标覆盖能力上存在很大差异；另外，传感器网络通常工作在未知的、复杂的环境下，难以通过人为干预将众多传感器节点放置在适合的位置，导致了网络节点初始分布的不均匀性，这些都给有向传感器网络中栅栏覆盖控制理论及算法研究带来了不小的挑战。

根据目标运动轨迹特点，可将栅栏覆盖分为两类：强栅栏覆盖(Strong BarrierCoverage)和弱栅栏覆盖(Weak Barrier Coverage)。强栅栏覆盖满足目标以任意轨迹从出发位置运动至目的位置，总能被网络中至少一个传感器节点监测到，如图1(a)所示；而弱栅栏覆盖则限定目标仅沿直线轨迹从出发位置运动至目的位置，确保每条直线轨迹总能被网络中至少一个传感器节点监测到，如图1(b)所示。

在文献《利用有向传感器实现强栅栏覆盖》(“Strong Barrier Coverage withDirectional Sensors”，发表于IEEE GLOBECOM 2009)中，文中假定每个节点的传感方向只有q个有限取值，当节点总数为n时，构造有向覆盖图G包含O(nq)个顶点，O(q²n²)条边，即用顶点表示每个节点所有可能的感知扇形。一旦计算发现两个扇形之间存在重叠，就将有向覆盖图G中相应两个顶点之间建立连线。然而，随着每个节点传感方向取值q的不断增加，算法复杂度增长速度会很大。在文献《旋转有向传感器部署及感知方向配置问题》(“Placement and Orientationof Rotating Directional Sensors”发表于国际会议IEEE SECON 2010)，作者基于动态的持续旋转感知模型，探索有向传感网络中弱栅栏覆盖问题。基本解决思路在于采用有限离散的方法去解决一个无限连续的NP问题，设计贪心优化算法确定视角受限节点的初始传感方向以获得对所有入侵者的最大监测概率，以及部署最少数目的有向节点并确定其初始传感方向，以使得所有入侵者都被监测到。

通过上述文献可以看出，目前对有向传感器网络强栅栏覆盖的研究还十分有限。首先，文献1设定每个有向节点的传感方向为有限个，这与实际应用相差很远，实际网络中的有向节点的传感方向可能会很多；而且，当文献1设定的有向节点的传感方向过多时，其算法复杂度会很大。其次，文献2中的有向节点感知模型并非动态持续旋转的，这也不符合传感器网络的实际情况；同时，文献2应用意义在于弱栅栏覆盖，而不是强栅栏覆盖。

发明内容

本发明的目的在于，提供一种有向传感器网络强栅栏覆盖判定方法，用以解决目前有向传感器网络强栅栏覆盖的研究存在的问题。

为实现上述目的，本发明提供的技术方案是，一种有向传感器网络强栅栏覆盖判定方法，有向传感器网络由有向传感器节点、汇聚节点和两个虚拟边界节点组成；其中，有向传感器节点的感知区域是以R为传感半径，2α为感知视角，感知视角的角平分线为中轴线的扇形感知区域，两个虚拟边界节点分别用于描述有向传感器网络的左边界和右边界，其特征是所述方法包括：

步骤1：随机部署有向传感器节点，有向传感器节点通过广播方式自组织构成有向传感器网络；

步骤2：汇聚节点为每个有向传感器节点生成虚拟节点；所述虚拟节点的感知区域是以2α为感知视角，以R为传感半径的扇形区域；

步骤3：汇聚节点根据生成的虚拟节点和两个虚拟边界节点，构建有向覆盖连通图；

步骤4：汇聚节点遍历有向覆盖连通图，如果找到一条从一个虚拟边界节点到另一个虚拟边界节点的连通路径，则判定有向传感器网络满足强栅栏覆盖；否则，判定有向传感器网络不满足强栅栏覆盖。

所述汇聚节点为每个有向传感器节点生成虚拟节点具体包括：

步骤21：汇聚节点分别根据左边界和右边界与有向传感器节点的位置关系，建立左边界节点集∏_l和右边界节点集∏_r；

步骤22：汇聚节点判断左边界节点集∏_l和右边界节点集∏_r是否都不为空集，如果是，则执行步骤23；否则，结束该过程；

步骤23：将每个有向传感器节点的扇形感知区域扩展为圆形感知区域；

步骤24：有向传感器节点的圆形感知区域与边界相交形成边界交点；有向传感器节点的圆形感知区域与有向传感器节点的邻居节点的圆形感知区域相交形成邻居交点；

步骤25：每个有向传感器节点的扇形传感区域绕自身旋转扫视一周，当遇到边界交点、邻居交点或者其他有向传感器节点时，就生成一个虚拟节点。

所述步骤21具体是：汇聚节点找到距离左边界不超过传感半径R的有向传感器节点，并将其加入到左边界节点集∏_l中；并找到距离右边界不超过传感半径R的有向传感器节点，并将其加入到右边界节点集∏_r中。

所述有向传感器节点的邻居节点是指与所述有向传感器节点的距离小于等于传感半径两倍的另一个有向传感器节点。

所述构建有向覆盖连通图具体是，将生成的所有虚拟节点和两个虚拟边界节点构成顶点集合，在顶点集合中，当虚拟节点的感知区域覆盖到左边界/右边界时，则在描述左边界/右边界的虚拟边界节点与该虚拟节点之间建立一条边；当不属于同一个有向传感器节点的两个虚拟节点的感知区域形成覆盖重叠时，则在这两个虚拟节点之间建立一条边。

本发明克服了现有判定方法假设简单、运算量大等在实际应用中的局限性，有效实现有向传感器网络强栅栏覆盖的判定。

附图说明

图1是有向传感器网络强栅栏覆盖和弱栅栏覆盖示意图，其中，(a)是有向传感器网络强栅栏覆盖示意图，(b)是有向传感器网络弱栅栏覆盖示意图；

图2是本发明提供的有向传感器网络强栅栏覆盖判定方法流程图；

图3是本发明提供的有向传感器网络示意图；

图4是有向传感器节点方向可调感知模型示意图；

图5是有向传感器节点和有向传感器节点的邻居节点示意图；其中，(a)是互为邻居节点的一对有向传感器节点通过调整传感方向，形成重叠传感区域的示意图；(b)是互为邻居节点的一对有向传感器节点通过调整传感方向，形成重叠传感区域的另一种示意图；

图6是确定有向传感器网络左/右边界节点集的示意图；

图7是有向传感器节点扩展为完整的圆形感知区域后的关系示意图；

图8是有向传感器节点生成虚拟节点示意图，其中，(a)是有向传感器节点的扇形传感区域绕自身旋转扫视一周遇到边界交点生成虚拟节点示意图，(b)是两个距离小于等于传感半径R的有向传感器节点中的一个有向传感器节点的扇形传感区域绕自身旋转扫视一周遇到邻居交点和邻居节点生成虚拟节点示意图，(c)是两个距离大于1倍传感半径R并小于等于2倍传感半径R的有向传感器节点中的一个有向传感器节点的扇形传感区域绕自身旋转扫视一周遇到邻居交点生成虚拟节点示意图；

图9是不属于同一个有向传感器节点的两个虚拟节点的感知区域之间形成覆盖重叠时的示意图；

图10是本发明构建的有向覆盖连通图；

图11是根据本发明提供的方法进行判定的结果示意图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

有向传感器网络由具有信息采集、多跳通信和处理等功能的多个有向传感器节点(Directional Node)、汇聚节点(Sink Node)和两个虚拟边界节点(VirtualBoundary Node)组成的，虚拟边界节点是虚构出来的两个边界节点分别用于描述左/右边界。图2是本发明提供的有向传感器网络强栅栏覆盖判定方法流程图，图2中，向传感器网络强栅栏覆盖判定方法包括：

步骤1：随机部署有向传感器节点，有向传感器节点通过广播方式自组织构成有向传感器网络。

图3是本发明提供的有向传感器网络强示意图，图3中，随机部署的有向传感器节点通过广播方式自组织构成网络。每个有向传感器节点通过GPS设备获知位置信息，并对自身传感方向可知可控。节点ID、位置和传感方向等信息通过无线多跳通信方式上传至充当网络管理者的汇聚节点，并由汇聚节点生成网络全局拓扑图。

与传统基于全向感知模型的传感器节点不同，有向传感器节点的感知能力受到方向性限制，即其感知范围是一个以传感器节点为圆心，与感知距离和感知视角相关的扇形区域。

图4是有向传感器节点方向可调感知模型示意图，图4中，方向可调感知模型可以用一个四元组

来表示。p＝(x，y)表示有向传感器节点的位置坐标；R表示有向传感器节点的传感半径；单位向量为感知区域的中轴线，即有向传感器节点的传感方向；

分别是单位向量

在X轴和Y轴方向上的投影分量；α表示边界距离传感向量

的传感偏移角度，2α表示感知视角(FOV)。有向传感器节点的传感能力可调可控，它有能力覆盖到其传感半径内的整个圆形区域。

定义距离小于等于传感半径R的两倍的一对有向传感器节点互为邻居节点，图5是有向传感器节点和有向传感器节点的邻居节点示意图，图5中，对于互为邻居的一对有向传感器节点而言，通过传感方向的调整彼此有可能形成传感区域的重叠。

步骤2：汇聚节点为每个有向传感器节点生成虚拟节点。其过程具体是：

步骤21：汇聚节点分别根据左边界与有向传感器节点的位置关系以及右边界与有向传感器节点的位置关系，建立左边界节点集∏_l和右边界节点集∏_r。

汇聚节点根据左/右边界与有向传感器节点的位置关系，分别找到距离左/右边界不超过传感半径R(即这些有向传感器节点通过传感方向调整有可能覆盖到左或右边界)的有向传感器节点，并加入到左/右边界节点集∏_l和∏_r。

图6是确定有向传感器网络左/右边界节点集的示意图。图6中，有三个有向传感器节点s₀，s₁，s₂分别与左边界距离小于等于传感半径R，因此，左边界节点集∏_l＝{s₀，s₁，s₂}。类似地，右边界节点集∏_r＝{s_n-1，s_n}。

步骤22：汇聚节点判断左边界节点集∏_l和右边界节点集∏_r是否都不为空集时，如果是，则执行步骤23；否则，结束该过程；

步骤21结束后，汇聚节点需要进行判定：当∏_l≠φ和∏_r≠φ同时满足时，方执行后续过程；否则，判定过程提前结束，可以直接判定有向传感器网络不满足强栅栏覆盖。

步骤23：将每个有向传感器节点的扇形感知区域扩展为圆形感知区域。

步骤24：有向传感器节点的圆形感知区域与边界相交形成边界交点；有向传感器节点的圆形感知区域与有向传感器节点的邻居节点的圆形感知区域相交形成邻居交点。

图7是有向传感器节点扩展为完整的圆形感知区域后的关系示意图。图7所示的实例涵盖了有向传感器节点扩展为完整的圆形感知区域后的四种基本位置关系，包括：

(A1)有向传感器节点的圆形感知区域与边界相交形成边界交点。如图7中有向传感器节点s₀，s₁，s₂的圆形感知区域与边界相交形成的边界交点。

(A2)两个距离小于等于传感半径R的有向传感器节点(互为邻居节点)的圆形感知区域相交形成的邻居交点。如图7中有向传感器节点s₀和s₁的圆形感知区域相交形成的邻居交点，以及有向传感器节点s₁和s₂的圆形感知区域相交形成的邻居交点。

(A3)两个距离大于1倍传感半径R但小于等于2倍传感半径R的有向传感器节点(互为邻居节点)的圆形感知区域相交形成的邻居交点。如图7中有向传感器节点s₀和s₂的圆形感知区域相交形成的邻居交点。

(A4)孤岛节点。如图7中有向传感器节点s₃的圆形感知区域不与边界相交，也不与其他有向传感器节点的圆形感知区域相交。

步骤25：每个有向传感器节点的扇形传感区域绕自身旋转扫视一周，当遇到边界交点、邻居交点和其他有向传感器节点时，就在该位置为该有向传感器节点生成一个虚拟节点。

图7提供了有向传感器节点扩展为完整的圆形感知区域后的四种基本位置关系，根据这四种基本位置关系，生成虚拟节点的具体过程分四种情况：

(B1)如图8(a)所示，当有向传感器节点的圆形感知区域与边界相交形成边界交点时，以有向传感器节点s₀为例，用节点s₀的扇形感知区域从初始传感方向出发，绕节点顺时针旋转扫视其圆周，一旦遇到与边界的交点(A和B)时，就在该位置(A和B)为节点s₀生成一个虚拟节点。按虚拟节点生成的先后顺序，分别命名为v₀₀和v₀₁。

(B2)如图8(b)所示，当两个距离小于等于传感半径R的有向传感器节点(互为邻居节点)的圆形感知区域相交形成邻居交点时，以有向传感器节点s₀和s₁为例，有向传感器节点s₀的扇形感知区域从初始传感方向出发，绕s₀顺时针旋转扫视其圆周。一旦遇到与s₁的圆形感知区域相交形成的邻居交点(C和D)时，以及遇到节点s₁时，就在该位置(C点、D点和s₁点)为节点s₀生成一个虚拟节点。按虚拟节点生成的先后顺序，分别命名为v₀₂，v₀₃和v₀₄。

(B3)如图8(c)所示，当两个距离大于1倍传感半径R但小于等于2倍传感半径R的有向传感器节点的圆形感知区域相交形成邻居交点时，以有向传感器节点s₀和s₂为例，用有向传感器节点s₀的扇形感知区域从初始传感方向出发，绕节点顺时针旋转扫视其圆周，一旦遇到与s₂的圆形感知区域相交形成的邻居交点(E和F)时，就在该位置(E和F)为有向传感器节点s₀生成一个虚拟节点，按虚拟节点生成的先后顺序，分别命名为v₀₅和v₀₆。

(B4)有向传感器节点为孤岛节点时，由于该节点的圆形感知区域不与边界相交，也不与其他有向传感器节点的圆形感知区域相交，因此，孤岛节点不能生成虚拟节点。

通过上述方式生成的虚拟节点也是具有感知方向和感知区域的，其感知区域是以R为传感半径、2α为感知视角的扇形感知区域。

从上述实例(B1)-(B4)可以看出：一个有向传感器节点有可能生成0个或者1个及以上虚拟节点。其中，生成0个虚拟节点就是孤岛节点的情况。每个虚拟节点属于且仅属于一个真实的有向传感器节点。

假设一个有向传感器网络中有n个有向传感器节点，根据上述方法，汇聚节点为这n个有向传感器节点生成了m个虚拟节点(一般地，n≤m)。有向传感器节点与边界节点、邻居节点位置关系的差异，会造成不同的有向传感器节点生成的虚拟节点数目不同。例如图8中所示，节点s₀生成v₀₀、v₀₁、v₀₂、v₀₃、v₀₄、v₀₅和v₀₆共计7个虚拟节点；而节点s₁则生成8个虚拟节点，节点s₂生成7个虚拟节点，节点s₃生成0个虚拟节点。根据此方法，可以对网络中的所有有向传感器节点生成其虚拟节点。

步骤3：汇聚节点根据生成的虚拟节点和两个虚拟边界节点，构建有向覆盖连通图。

所有有向传感器节点生成虚拟节点后，汇聚节点根据生成的虚拟节点和两个虚拟边界节点，构建有向覆盖连通图。其构建过程是：将生成的所有虚拟节点和两个虚拟边界节点构成顶点集合，在顶点集合中，当虚拟节点的感知区域覆盖到左边界/右边界时，则在描述左边界/右边界的虚拟边界节点与该虚拟节点之间建立一条边；当不属于同一个有向传感器节点的两个虚拟节点的感知区域之间形成覆盖重叠时，则在所述两个虚拟节点之间建立一条边。

在本实施例中，构建有向覆盖连通图分两种情况：

(C1)如图8(a)所示，如果节点s₀，s₁，s₂的虚拟节点能覆盖到左边界，则在有向覆盖连通图G(v，e)中，在左虚拟边界节点z与该虚拟节点之间建立一条边。例如对s₀节点而言，如果虚拟节点v₀₀和v₀₁的感知区域能覆盖到左边界，则在G(v，e)中，在(z，v₀₀)和(z，v₀₁)两对顶点之间建立连线。从图8(a)中可以看出，虚拟节点v₀₀和v₀₁都落在了左边界，那么虚拟节点v₀₀和v₀₁的感知区域必然能够覆盖左边界，因此在有向覆盖连通图G(v，e)中，在(z，v₀₀)和(z，v₀₁)两对顶点之间建立连线。类似地，如果虚拟节点s_n-1和s_n的感知区域能覆盖到右边界，则在有向覆盖连通图G(v，e)中，在右虚拟边界节点t与这些虚拟节点之间，分别建立一条边。

(C2)图9是不属于同一个有向传感器节点的两个虚拟节点的感知区域之间形成覆盖重叠时的示意图。图9中，虚拟节点v_i0属于有向传感器节点s_i(即v_i0由s_i生成)，虚拟节点v_j0和v_j1属于有向传感器节点s_j。从图9中看出，虚拟节点v_i0的感知区域分别与虚拟节点v_j0和v_j1的感知区域形成重叠覆盖，则在有向覆盖连通图G(v，e)中，分别在(v_i0，v_j0)和(v_i0，v_j1)两对节点之间建立连线。

图10是按照上述方式构建的有向覆盖连通图G(v，e)。

步骤4：汇聚节点遍历有向覆盖连通图，如果找到一条从一个虚拟边界节点到另一个虚拟边界节点的连通路径，则判定有向传感器网络满足强栅栏覆盖；否则，判定有向传感器网络不满足强栅栏覆盖。

图11是根据本发明提供的方法进行判定的结果示意图。图11中，在判定阶段，汇聚节点遍历有向覆盖连通图G(v，e)，若能找到一条从z到t的连通路径，则判定有向传感器网络满足强栅栏覆盖。需要格外指出的是：属于同一个有向传感器节点的多个虚拟节点，最多也只有一个处于该连通路径中。例如，对于节点s₁，它有k个虚拟节点，v₁₀，v₁₁，v₁₂，…，v_1k，但v_1i(i＝0，1，2，...，k)在构成从z到t的连通路径中只能出现一次。这是因为，对于一个有向传感器节点而言，在某个具体时刻它能且只能处于一个虚拟节点的状态。

图10中，找到一条从z到t的连通路径：P1＝{z-＞s₁-＞s₂-＞s₃-＞s_i-＞s_j-＞s_n-1-＞s_n-＞t}(由于属于同一个有向传感器节点的虚拟节点在上述路径中只能出现一次，因此在连通路径P1中，使用虚拟节点所属的有向传感器节点代替该虚拟节点)，其中连通路径上面的各个有向传感器节点根据其相对应的虚拟节点重置其传感方向，此时可判定该有向传感器网络满足强栅栏覆盖。另外，有可能找到两条或更多条从z到t的连通路径p2＝{z-＞s₂-＞s₄-＞s_j-＞s_n-1-＞s_n-＞t}。由此可见：构成从z到t的连通路径的虚拟节点以及虚拟节点数目均可以是不相同的，但因为这两条连通路径共用有向传感器节点s₂，s₄，s_j，s_n-1和s_n，因此只能选择其中一种连通路径的条件去重置相应有向传感器节点的传感方向。否则，遍历有向覆盖连通图G(v，e)无法找到一条从z到t的连通路径，我们则可以判定有向传感器网络不满足强栅栏覆盖。此时就需要部署额外的有向传感器节点以最终实现网络的强栅栏覆盖。

与现有技术相比，本发明充分考虑了邻居节点间的相对位置变化与形成网络强栅栏覆盖之间的联系，采用有限离散的方法去解决一个无限连续问题，即通过定义有限数目的虚拟节点方法对问题进行简化和映射。同时，本发明又克服了现有判定方法假设简单、运算量大等在实际应用中的局限性。利用本发明提供的方法，可有效实现有向传感器网络强栅栏覆盖的判定，通过调整有向传感器节点的传感方向来增强整个网络的强栅栏覆盖能力，为以有向感器网络为基础的移动目标穿越监测提供良好的监测性能。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种有向传感器网络强栅栏覆盖判定方法，有向传感器网络由有向传感器节点、汇聚节点和两个虚拟边界节点组成；其中，有向传感器节点的感知区域是以R为传感半径，2α为感知视角，感知视角的角平分线为中轴线的扇形感知区域，两个虚拟边界节点分别用于描述有向传感器网络的左边界和右边界，其特征是所述方法包括：

步骤1：随机部署有向传感器节点，有向传感器节点通过广播方式自组织构成有向传感器网络；

步骤2：汇聚节点为每个有向传感器节点生成虚拟节点；所述虚拟节点的感知区域是以2α为感知视角，以R为传感半径的扇形区域；

步骤3：汇聚节点根据生成的虚拟节点和两个虚拟边界节点，构建有向覆盖连通图；

步骤4：汇聚节点遍历有向覆盖连通图，如果找到一条从一个虚拟边界节点到另一个虚拟边界节点的连通路径，则判定有向传感器网络满足强栅栏覆盖；否则，判定有向传感器网络不满足强栅栏覆盖。

2.根据权利要求1所述的一种有向传感器网络强栅栏覆盖判定方法，其特征是所述汇聚节点为每个有向传感器节点生成虚拟节点具体包括：

步骤21：汇聚节点分别根据左边界和右边界与有向传感器节点的位置关系，建立左边界节点集∏_l和右边界节点集∏_r；

步骤22：汇聚节点判断左边界节点集∏_l和右边界节点集∏_r是否都不为空集，如果是，则执行步骤23；否则，结束该过程；

步骤23：将每个有向传感器节点的扇形感知区域扩展为圆形感知区域；

步骤24：有向传感器节点的圆形感知区域与边界相交形成边界交点；有向传感器节点的圆形感知区域与有向传感器节点的邻居节点的圆形感知区域相交形成邻居交点；

步骤25：每个有向传感器节点的扇形传感区域绕自身旋转扫视一周，当遇到边界交点、邻居交点或者其他有向传感器节点时，就生成一个虚拟节点。

3.根据权利要求2所述的一种有向传感器网络强栅栏覆盖判定方法，其特征是所述步骤21具体是：汇聚节点找到距离左边界不超过传感半径R的有向传感器节点，并将其加入到左边界节点集∏_l中；并找到距离右边界不超过传感半径R的有向传感器节点，并将其加入到右边界节点集∏_r中。

4.根据权利要求2所述的一种有向传感器网络强栅栏覆盖判定方法，其特征是所述有向传感器节点的邻居节点是指与所述有向传感器节点的距离小于等于传感半径两倍的另一个有向传感器节点。

5.根据权利要求1所述的一种有向传感器网络强栅栏覆盖判定方法，其特征是所述构建有向覆盖连通图具体是，将生成的所有虚拟节点和两个虚拟边界节点构成顶点集合，在顶点集合中，当虚拟节点的感知区域覆盖到左边界/右边界时，则在描述左边界/右边界的虚拟边界节点与该虚拟节点之间建立一条边；当不属于同一个有向传感器节点的两个虚拟节点的感知区域形成覆盖重叠时，则在这两个虚拟节点之间建立一条边。

Images