CN103260132A - 无线传感器网络的移动多播路由方法 - Google Patents

Abstract

本发明提供一种用于跟踪移动目标的无线传感器网络的移动多播路由方法，该方法包括：步骤1，根据t时刻移动目标的位置和速度信息预测t+1时刻移动目标的位置，并且向下传递包含所预测的t+1时刻移动目标的位置的包；步骤2，根据t时刻和t+1时刻的目标的位置确定t+1时刻的目标关联区域和目标感知区域；步骤3，判断接收到包的该传感器节点是否在所确定的目标关联区域中，如果在目标关联区域中，则执行步骤4，否则丢弃包；步骤4，根据t时刻和t+1时刻的移动目标的位置信息以及该传感器节点的位置信息确定是否向下传递包，以唤醒t+1时刻的目标感知区域内的传感器节点来跟踪目标。本发明保证高唤醒比率的情况下具有低能耗、低非感知传输节点数，即具有良好的系统性能。

Description

无线传感器网络的移动多播路由方法

技术领域

本发明涉及信息技术领域，更具体地涉及大规模的无线传感器网络的路由方法。 

背景技术

无线传感器网络由大量小体积、低成本、低能量的无线传感器节点或者设备组成，这些传感器节点或设备具有感知、通信和数据处理能力，这些节点相互协作、共同对外部世界进行感知，然后以自组织的形式发回感知数据。如何高效使用能量来最大化网络生命周期是传感器网络面临的首要挑战。在无线传感器网络的节能问题上已经开展很多研究工作，例如能量有效的MAC协议、自组织机制、分布式聚簇方法、定向扩散协议、能量有效的路由协议。无线传感器网络的一些应用如目标跟踪、环境监控等，需要监控网络中的运动目标，为了节省能量，一般只令目标附近的传感器节点参与监控。要持续监控一个运动目标，传感器网络必须维护一组和运动目标有着同样路径、同样速度的活动传感器节点，这个维护需要进行两个操作，一个操作是根据需要唤醒或休眠传感器，使得仅仅一小部分的传感器处于活跃状态，并提供连续的覆盖，从而节省能量。另一个操作是在合适的时候唤醒监控目标将要到达的区域附近的节点。 

移动多播的通信形式具有信息正好在一个特定的时间传递到某个特定区域的所有节点(时空传递保证)的特点。因此，为了适合此应用场景，通常采用移动多播的通信形式对相关的活动传感器进行控制。移动多播路由协议比较典型的有下面几种： 

Qingfeng Huang等发表的“Just-in-Time Multicast for Sensor Networks under Spatiotemporal Constraints”(发表于Proc.of the 2nd International Workshop on Information Processing in Sensor Networks[C].CA，USA，2003.442-457)中提出了一种无线传感器网络时空(spatiotemporal)限制下的及 时(Just-in-time)多播。他们引入k重覆盖作为传递区域所对应的前向区域，为随机网络的传递区域提供时空传递保证。但是，由于该k重覆盖是基于全网最小压缩值(Δ-compactness)的，因此这种技术扩展性差。 

为解决上述基于全局最小压缩值所带来的扩展性差的问题，Qingfeng Huang等在“Spatiotemporal Multicast in Sensor Networks”(发表于Proceedings of the 1st international conference on Embedded networked sensor systems[C].CA，USA，2003.205-217)中提出了一种无线传感器网络的时空多播，基于一个节点的多跳邻居节点情况所得的局部压缩值，提高了可扩展性，但是不能提供时空传递保证。 

为克服可扩展性与时空传递保证不能兼顾的缺点，Qingfeng Huang等在“Reliable Mobicast via Face-Aware Routing”(发表于Proceedings of IEEE Infocom[C]，Hong Kong，China，2004.2108-2118)中提出了基于面的可靠移动多播路由协议，引入面空间邻居(Planar Spatial Neighborhood)的概念，并通过贪婪前向机制(Greedy Forwarding)以及定时前向机制(Timed Forwarding)为随机网络的传递区域提供时空传递保证。由于是基于面空间邻居这样的局部拓扑信息，提高了可扩展性。 

但是上述技术，由于其在目标关联区域中采用的是洪泛路由，即目标关联区域中的传感器节点接收到包后都会广播该包，从而可能会导致该区域中的一些节点会重复接收某个包，导致不必要的能耗。 

此外，上述两种技术都是用于跟踪作匀速直线运动的移动目标，但通常所监控的移动目标更多地是进行变速运动，因此需要有一种能够监控变速移动的目标的方法。 

发明内容

为了克服上述现有技术中的缺陷，本发明提出了一种高能效的无线传感器网络的移动多播路由方法，其中，对于每一时刻，移动目标的目标感知区域为以该时刻移动目标所在位置为圆心、以一固定长度为半径的圆，该方法包括以下步骤： 

步骤1，位于t时刻目标感知区域中的多个传感器节点根据t时刻移动目标的位置和速度信息预测t+1时刻移动目标的位置，并且向下传递包含所预测的t+1时刻移动目标的位置的包； 

步骤2，接收到包的传感器节点根据t时刻和t+1时刻的目标的位置确 定t+1时刻的目标关联区域和目标感知区域，其中该目标关联区域包括目标感知区域； 

步骤3，判断接收到包的该传感器节点是否在所确定的目标关联区域中，如果在目标关联区域中，则执行步骤4，否则丢弃包； 

步骤4，位于目标关联区域中的传感器节点根据t时刻和t+1时刻的移动目标的位置信息以及该传感器节点的位置信息确定是否向下传递包，以唤醒在步骤2所确定的t+1时刻的目标感知区域内的传感器节点来跟踪目标。 

本发明中由于采用了非均等概率路由，因此与采用洪泛路由方法相比，在相同条件下，能够减少非感知传输节点数(少90％左右)、降低能量消耗(低30％左右)。此外，本发明的无线传感器网络移动多播路由在移动目标作变速度和变角度运动时也能保证唤醒传感器的比率，从而能够满足对变速移动目标的跟踪。 

本方法可以用于无线传感器网络目标跟踪、环境监控等应用场合，具有较好的社会经济效益。 

附图说明

为了使本发明容易理解和实现，现在通过参考附图进行说明，这些附图和下面的详细说明一起被包含进来并形成说明书的一部分，以进一步示意这些实施并解释各种原理和优点。其中： 

图1为根据本发明实施例的无线传感器网络移动多播路由方法确定目标感知区域和目标关联区域的示意图。 

图2为根据本发明实施例的无线传感器网络移动多播路由方法的流程图。 

图3为根据本发明实施例的传感器节点确定是否向下传递包的方法的流程图。 

图4为示出不同组合系数ratio下的传递包的节点的平均角度的示意图。 

图5为示出目标关联区域中分别采用洪泛路由和采用根据本发明实施例的方法在移动目标分别作变速度和变角度两种运动时所消耗的总能量的示意图。 

图6为示出目标关联区域中分别采用洪泛路由和采用根据本发明实施 例的方法在移动目标分别作变速度和变角度两种运动时的包成本的示意图。 

图7为示出目标关联区域中分别采用洪泛路由和采用根据本发明实施例的方法在移动目标分别作变速度和变角度两种运动时目标关联区域中非感知传输节点的个数的示意图。 

图8为示出目标关联区域中分别采用洪泛路由和采用根据本发明实施例的方法在移动目标分别作变速度和变角度两种运动时目标感知区域中节点成功唤醒比率的示意图。 

具体实施方式

在对本发明做详细说明之前，下面首先对本发明中所涉及的相关概念加以说明。 

定义1目标感知区域：指用于跟踪移动目标的传感器节点所在的区域。 

定义2目标关联区域：指用于接收并传递包以唤醒目标感知区域内节点的传感器节点所在的区域，其中目标关联区域包含目标感知区域。 

下面结合附图和具体实施方式对本发明加以说明。 

首先，为了更好的阐述本发明，本发明对应用场景进行了如下假设： 

传感器节点是同质的并且随机均匀布撒于一个目标轨迹附近的方形区域； 

每个传感器节点的位置可以获知，并且处于时间同步状态； 

目标在t时刻到t+1时刻内做匀速直线运动； 

目标在t时刻可以通过现有的预测算法(例如多模型算法)来预测目标t+1时刻的位置以及从t时刻到t+1时刻的速度。 

现在，对本发明的无线传感器网络移动多播路由方法进行详细说明。 

图1为根据本发明实施例的无线传感器网络移动多播路由方法示意图。根据本发明的实施例，将每一时刻的目标感知区域定义为以该时刻的移动目标的位置为圆心、以一固定长度r为半径的圆。图1中相关的变量定义如表格1。 

表格1 

图2为根据本发明实施例的无线传感器网络移动多播路由方法的流程图。 

其包括： 

步骤1，位于t时刻的目标感知区域内的多个传感器节点根据t时刻的移动目标的位置和速度信息预测t+1时刻的移动目标位置，并且确定各传感器节点是否向下传递包。 

其中，可以采用现有的预测算法来预测t+1时刻的目标位置。 

根据本发明的一个实施例，可以采用非均等概率方式确定位于t时刻 目标感知区域内的各传感器节点是否向下传递包。 

图3为根据本发明实施例的传感器节点确定是否向下传递包的方法的流程图。如图3所示，该方法包括以下步骤： 

步骤1-1，根据t-1时刻和t时刻的移动目标的位置信息以及该传感器节点的位置确定该传感器节点的角度概率和边界距离概率。 

根据本发明的一个实施例，可以根据如下公式计算位于t时刻目标感知区域中的传感器节点的角度概率P_angle： 

P_angle＝θ′/β′ 

其中θ′为t-1时刻移动目标位置和该传感器节点位置这两点之间的直线与t-1时刻移动目标位置和t时刻移动目标位置这两点之间的直线所成的夹角；β′为t-1时刻移动目标位置到t时刻目标感知区域的切线与t-1时刻移动目标位置和t时刻移动目标位置这两点之间的直线所成的夹角。 

根据本发明的一个实施例，可以根据如下公式计算位于t时刻目标感知区域中的传感器节点的边界距离概率P_edge： 

P_edge＝d/r 

其中d为该t时刻的目标感知区域中的传感器节点到t时刻目标感知区域圆周的最小距离，r为目标感知区域的半径。 

步骤1-2，根据角度概率和边界概率的组合确定该传感器节点向下传递包的概率P_send。 

由于角度概率越大，包向下传递的概率越小；而边界距离概率越大，包向下传递的概率越大。因此，根据本发明的优选实施例，对角度概率和边界概率进行线性组合来确定P_send，组合公式为： 

P_send＝ratio×P_edge+(1-ratio)×(1-P_angle) 

其中，ratio为组合系数，其表示角度概率和边界距离概率对于确定包向下传递概率P_send的权重，可通过实验确定其最优值。 

根据本发明的另一实施例，也可以对角度概率和边界距离概率采用例如指数组合的方法来确定包向下传递的概率。 

步骤1-3，从均匀分布[0，1]中随机生成一个随机数P，并且将所确定的向下传递包的概率P_send与该随机数P进行比较，如果P_send＞P，则向下传递包，否则，丢弃包。 

步骤2，接收到包的传感器节点根据t时刻的目标位置以及所预测的t+1时刻的目标位置确定t+1时刻的目标关联区域和目标感知区域。 

在本发明中，如图1所示，t+1时刻的目标感知区域是以t+1时刻移动目标的位置为圆心、以r为半径的圆形区域。 

目标关联区域由如下过程形成：t时刻目标感知区域中的节点通过计算预测t+1时刻目标位置并计算出t+1时刻目标感知区域，然后，由t时刻的目标位置向t+1时刻的目标感知区域圆做切线来确定t+1时刻目标关联区域。两相邻时刻间目标速度改变时，关联区域随之改变。 

根据本发明的一个实施例，如图1所示，t+1时刻的目标关联区域由P_{tar_t}、P_{tar_t+1}以及两个切点P_{tan_1}、P_{tan_2}确定，由于P_{tar_t}和P_{tar_t+1}已知，因此仅需要确定P_{tan_1}、P_{tan_2}。 

可以采用本领域公知的方法来确定切点P_{tan_1}、P_{tan_2}的坐标。下面通过实例详细说明切点P_{tan_1}、P_{tan_2}的坐标的计算方法。 

如图1所示，由切点在圆上、切线和切点处圆半径垂直得出两式： 

(x′-x_{tar_t+1})²+(y′-y_{tar_t+1})²＝r²(1) 

$\frac{y^{\′}-y_{\mathrm{tar}\_t}}{x^{\′}-x_{\mathrm{tar}\_t}}\×\frac{y^{\′}-y_{\mathrm{tar}\_t+1}}{x^{\′}-x_{\mathrm{tar}\_t+1}}=-1---\left(2\right)$

式(1)、(2)中x′，y′代表切点P_{tan_1}(x_{tan_1}，y_{tan_1})或者P_{tan_2}(x_{tan_2}，y_{tan_2})的横纵坐标，由(1)、(2)构建出等式(3)如下： 

(x_{tar_t}-x_{tar_t+1})×(x′-x_{tar_t+1})+(y_{tar_t}-y_{tar_t+1})×(y′-y_{tar_t+1})＝r²(3) 

式(3)中(x′-x_{tar_t+1})用m代替，(y′-y_{tar_t+1})用n代替，该等式(3)可以简化如下： 

(x_{tar_t}-x_{tar_t+1})×m+(y_{tar_t}-y_{tar_t+1})×n＝r²(4) 

m和n同时满足下式： 

m²+n²＝r²(5) 

由上面两个等式(4)、(5)可以得出： 

$n=\frac{r^2(y_{\mathrm{tar}\_t}-y_{\mathrm{tar}\_t+1})\±\sqrt{r^4(y_{\mathrm{tar}\_t}-y_{\mathrm{tar}\_t+1})-\{{(y_{\mathrm{tar}\_t}-y_{\mathrm{tar}\_t+1})}^2+{(x_{\mathrm{tar}\_t}+x_{\mathrm{tar}\_t+1})}^2\}\×\{r^4-r^2{(x_{\mathrm{tar}\_t}-x_{\mathrm{tar}\_t+1})}^2\}}}{{(y_{\mathrm{tar}\_t}-y_{\mathrm{tar}\_t+1})}^2+{(x_{\mathrm{tar}\_t}+x_{\mathrm{tar}\_t+1})}^2}---\left(6\right)$

然后由上等式(4)、(6)得出m值如下： 

再由m＝x′-x_{tar_t+1}和n＝y′-y_{tar_t+1}得出切点(x′，y′)，即P_{tan_1}(x_{tan_1}，y_{tan_1})，P_{tan_2}(x_{tan_2}，y_{tan_2})如下： 

上述两切点坐标确定之后，目标关联区域便也可以确定了。 

如图1所示，该目标关联区域由两部分、即区域A和区域B组成，其中区域A为由切线P_{tar_t}P_{tan_1}、P_{tar_t}P_{tan_2}与两条半径P_{tan_1}P_{tar_t+1}、P_{tan_2}P_{tar_t+1}所组成的区域，区域B为目标关联区域减去区域A所剩的区域。 

下面对区域A和B的计算方法进行描述： 

假定P_{tar_t}P_{tan_1}和P_{tar_t}P_{tan_2}切线的方程分别为 

P_{tan_1}P_{tar_t+1}和P_{tan_2}P_{tar_t+1}半径所在直线方程分别为  $f_{P_{\mathrm{tar}\_t+1}{P}_{\tan \_1}}(x,y)=0,$ $f_{P_{\mathrm{tar}\_t+1}{P}_{\tan \_2}}(x,y)=0;$ 两相邻时刻t秒和t+1秒目标位置连线P_{tar_t}P_{tar_t+1}的方程为 $f_{P_{\mathrm{tar}\_t}{P}_{\mathrm{tar}\_t+1}}(x,y)=0.$

因此，位置坐标为(xp，yp)的节点在区域A应满足： 

$\left\{\begin{array}{c}{f}_{P_{\mathrm{tar}\_t}{P}_{\tan \_1}}(\mathrm{xp},\mathrm{yp})\×f_{P_{\tan \_t}{P}_{\tan \_1}}(x_{\mathrm{tar}\_t+1},y_{\mathrm{tar}\_t+1})>0\\ f_{P_{\mathrm{tar}\_t}{P}_{\mathrm{tar}\_t+1}}(\mathrm{xp},\mathrm{yp})\×f_{P_{\mathrm{tar}\_t}{P}_{\mathrm{tar}\_t+1}}(x_{\tan \_1},y_{\tan \_1})>0\\ f_{P_{\tan \_t+1}{P}_{\tan \_1}}(\mathrm{xp},\mathrm{yp})\×f_{P_{\tan \_t+1}{P}_{\tan \_1}}(x_{\mathrm{tar}\_t},y_{\mathrm{tar}\_t})>0\end{array}\right.---\left(9\right)$

或 

$\left\{\begin{array}{c}{f}_{P_{\mathrm{tar}\_t}{P}_{\tan \_2}}(\mathrm{xp},\mathrm{yp})\×f_{P_{\tan \_t}{P}_{\tan \_2}}(x_{\mathrm{tar}\_t+1},y_{\mathrm{tar}\_t+1})>0\\ f_{P_{\mathrm{tar}\_t}{P}_{\mathrm{tar}\_t+1}}(\mathrm{xp},\mathrm{yp})\×f_{P_{\mathrm{tar}\_t}{P}_{\mathrm{tar}\_t+1}}(x_{\tan \_2},y_{\tan \_2})>0\\ f_{P_{\tan \_t+1}{P}_{\tan \_2}}(\mathrm{xp},\mathrm{yp})\×f_{P_{\tan \_t+1}{P}_{\tan \_2}}(x_{\mathrm{tar}\_t},y_{\mathrm{tar}\_t})>0\end{array}\right.---\left(10\right)$

位置坐标为(xp，yp)的节点在区域B应满足： 

(xp-x_{tar_t+1})²+(yp-y_{tar_t+1})²＜r²并且不在区域A，即不满足区域A的不等式(9)和(10)。 

此外，根据本发明的另一实施例，还可以采用例如″VE-Mobicast：A Variant-Egg-Based Mobicast Routing Protocol for Sensornet″中提到分布式“自适应可变卡西尼椭圆”作为目标关联区域。 

步骤3，判断接收到包的该传感器节点是否在所确定的目标关联区域中，如果在目标关联区域中，则执行下一步骤即步骤4，否则丢弃包。 

上面本发明给出了目标关联区域的A、B子区域的确定方法。在此情况下，对于一个接收到数据包的节点，其首先判断自身是否在目标关联区域内，即把自身的节点位置坐标值代入上述满足区域A和区域B的方程看区域A或者区域B的方程是否有成立的，如果有，则在目标关联区域中，如果没有，则不在目标关联区域中。 

步骤4，位于目标关联区域中的传感器节点根据t时刻和t+1时刻的移动目标的位置信息以及该传感器节点的位置信息确定是否在该目标关联区域中传递包，以唤醒相应的目标感知区域(即t+1时刻的目标感知区域)内的传感器节点来跟踪目标；否则丢弃包。 

根据本发明的一个实施例，可以采用与步骤1中用于确定t时刻目标感知区域内的传感器节点是否向下传递的方法类似的方法对位于t+1时刻 的目标关联区域中的传感器节点是否向下传递进行判断。具体而言，该方法包括以下步骤： 

步骤4-1，根据t时刻和t+1时刻的移动目标的位置信息以及确定位于t+1时刻的目标关联区域内的传感器节点的位置信息确定该传感器节点的角度概率和边界距离概率； 

对于传感器节点位于目标关联区域中的情况，确定传感器节点的角度概率和边界距离概率，其中角概率用以刻画节点与物体运动轨迹的吻合程度；边界距离概率表示节点与目标关联区域边界的接近程度。 

如图1所示，以节点M为例，角度概率公式为： 

P_angle＝θ/β 

如图1所示，以节点M为例，区域A的边界距离概率为： 

P_edge＝d₁/r 

如图1所示，以节点N为例，区域B的边界距离概率为： 

P_edge＝d₂/r 

步骤4-2，根据角度概率和边界概率的组合确定该传感器节点向下传递包的概率P_send； 

根据本发明的优选实施例，由上面的角度概率和边界距离概率的线性组合确定传感器节点包向下传递的概率P_send。根据本发明的一个实施例，可以采用与步骤1中类似的方法对角度概率和边界距离概率进行线性组合来确定P_send： 

P_send＝ratio×P_edge+(1-ratio)×(1-P_angle) 

步骤4-3，从均匀分布[0，1]中随机生成一个随机数P，并且将所确定的向下传递包的概率P_send与该随机数P进行比较，如果P_send＞P，则向下传递包以唤醒位于t+1时刻的目标感知区域内的传感器节点来跟踪移动目标，否则，丢弃包。 

积极效果 

为了验证本发明方法的有效性，本发明在OPNET14.5的仿真平台下、基于802.11e MAC协议对文中所提方法进行仿真分析。由于实验结果与实 验的初始状态相关，因此具有一定的随机性，所以本发明对每个实验均进行1000次，取1000次仿真结果的平均值作为最终结果。所有下面的仿真结果是由1000次的仿真平均得出的。仿真在一个600×250m²的区域中进行，该区域中随机均匀布撒1000个节点。传感器节点的通信半径设置为35m。目标感知区域是半径为35m的圆形区域，其随目标一同移动。传感器节点采用的电池电压为3.3V，工作状态电流为：睡眠状态1μA、感知状态1mA、发送状态27mA、接收状态10mA。 

在本发明的模型中，包传递概率受概率组合系数ratio的影响，因此本发明首先通过实验确定ratio的最优值，即使得传递包的节点的平均角度最小的ratio值。其中传递包的节点的平均角度为网络中每一个传递包的传感器节点和相应的上一时刻目标位置连线与相应的两相邻时刻目标位置连线的所成夹角的平均值。该平均角度越小，目标运动方向上的节点传递包的概率越大，从而既尽可能多的唤醒了目标运动方向上的节点，又尽可能少的唤醒不必要的、非目标运动方向上的节点。 

接下来，本发明设定了两种目标移动场景：(1)随着时间的推移，目标移动速度大小按照每时刻增加5m/s的规律变化，从50m/s变化到80m/s，即所跟踪的目标变速度移动；和(2)目标移动速度方向按照每时刻旋转角度增加5°的规律变化，从5°增加到35°，即所跟踪的目标变角度移动。在这两种场景下分别考察下述四种影响系统性能的参数： 

能量消耗：即网络中目标运行一秒相应目标关联区域中传感器节点消耗的总能量。 

非感知传输节点数：在目标关联区域中，不用来跟踪目标、仅用来传递包保证目标感知区域中的节点唤醒的节点。为了降低唤醒不必要的节点所带来的多余能耗，非感知传输节点数越少消耗能量越低。 

目标关联区域包成本：网络中目标运行一秒，相应目标关联区域中传递包的总的数量。 

成功的唤醒比率：目标感知区域圆中，唤醒的节点数除以目标感知区域中的全部节点数。 

与现有传感器节点唤醒比例为0.5左右的采用洪泛路由的多播路由方法相比，采用非均等概率路由的本发明的无线传感器多播路由方法在其传感器节点的成功唤醒比率有一定的保证的情况下，能够降低能量消耗、非感知传输节点数、目标关联区域包成本，就验证了方法性能的良好性。 

图4显示了不同组合系数ratio下的传递包的节点的平均角度。可以看出：当ratio＝0.6时，传递包的节点的平均角度最小，为0.16283，此时，传递包的节点的平均角度最小，保证了目标运动方向上的节点传递包的概率较大，从而既尽可能多地唤醒了移动目标运动方向上的节点，又尽可能少地唤醒不必要的、非目标运动方向上的节点。因此，接下来所有其他仿真都是在ratio＝0.6的情况下进行的。 

图5显示了随着时间的推移，目标分别作上述变速度和变角度两种运动，目标关联区域中分别采用洪泛路由和采用本发明基于非均等概率路由的方法时，每个时刻网络中消耗的总能量，其中左侧的图是消耗的总能量随移动速度的变化图，右侧的图是消耗的总能量随目标速度旋转角度的变化图。传感器节点的能量消耗主要是由它们传递包带来的。可以看出：不论是不同速度大小还是不同旋转角度的变化规律，目标关联区域中采用本发明的非均等概率路由明显比现有技术中采用洪泛路由消耗的能量低30％左右。 

图6显示了随着时间的推移，目标分别作上述变速度和变角度两种运动，目标关联区域中分别采用洪泛路由和采用本发明基于非均等概率路由的方法时，每个时刻目标关联区域包成本，其中左侧的图是目标关联区域包成本随移动速度的变化图，右侧的图是目标关联区域包成本随目标速度旋转角度的变化图。可以看出：不论是不同速度大小还是不同旋转角度的变化规律，目标关联区域中采用非均等概率路由的目标关联区域包成本始终比目标关联区域采用洪泛路由少30％左右。并且图5和图6一致的变化趋势，验证了前面对图5的解释：传感器节点的能量消耗主要是由它们传递包带来的。 

图7显示了随着时间的推移，目标分别作上述变速度和变角度两种运动，目标关联区域中分别采用洪泛路由和采用本发明基于非均等概率路由的方法时，每个时刻目标关联区域中非感知传输节点的个数，其中左侧的图是目标关联区域非感知传输节点数随移动速度的变化图，右侧的图是目标关联区域非感知节点数随目标速度旋转角度变化图。可以看出：不论是不同速度大小还是不同旋转角度的变化规律，目标关联区域中采用本发明的非均等概率路由明显比采用洪泛路由时非感知传输节点数少90％，从而降低了唤醒不必要的节点所带来的多余能耗。 

图8显示了随着时间的推移，目标分别作上述变速度和变角度两种运动，目标关联区域中采用本发明基于非均等概率路由的方法时，每个时刻 目标感知区域中节点成功唤醒的比率，其中左侧的图是目标感知区域节点成功唤醒比率随移动速度的变化图，右侧的图是目标感知区域节点成功唤醒比率随目标速度旋转角度的变化图。可以看出：本发明的方法在目标速度大小处于变化的情况下，唤醒比率也在50％以上，在目标移动旋转角度变化的情况下，唤醒比率也在40％以上。 

与现有传感器节点唤醒比例为50％左右的采用洪泛路由的多播路由 方法相比，本发明的传感器节点唤醒比率也能够达到50％以上，但其非感知传输节点数减少了90％，从而能耗降低了30％，因此验证了本发明的无线传感器网络移动多播路由方法的有效性。 

由此可见，本发明用于跟踪移动目标的无线传感器网络移动多播路由方法基于非均等概率路由，其在保证高唤醒比率的情况下具有低能耗、低非感知传输节点数，即具有良好的系统性能。 

此外，本发明的无线传感器网络移动多播路由在移动目标作变速度和变角度运动时也能保证唤醒传感器的比率，从而能够满足对变速移动目标的跟踪。 

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。 

Claims (12)

1.一种用于跟踪移动目标的无线传感器网络的移动多播路由方法，其中，对于每一时刻，移动目标的目标感知区域为以该时刻移动目标所在位置为圆心、以一固定长度为半径的圆，该方法包括以下步骤：

步骤1，位于t时刻目标感知区域中的多个传感器节点根据t时刻移动目标的位置和速度信息预测t+1时刻移动目标的位置，并且向下传递包含所预测的t+1时刻移动目标的位置的包；

步骤2，接收到包的传感器节点根据t时刻和t+1时刻的目标的位置确定t+1时刻的目标关联区域和目标感知区域，其中该目标关联区域包括目标感知区域；

步骤3，判断接收到包的该传感器节点是否在所确定的目标关联区域中，如果在目标关联区域中，则执行步骤4，否则丢弃包；

步骤4，位于目标关联区域中的传感器节点根据t时刻和t+1时刻的移动目标的位置信息以及该传感器节点的位置信息确定是否向下传递包，以唤醒在步骤2所确定的t+1时刻的目标感知区域内的传感器节点来跟踪目标。

2.如权利要求1所述的方法，其中步骤4包括：

步骤4-1，根据t时刻和t+1时刻的移动目标的位置信息以及位于t+1时刻的目标关联区域内的传感器节点的位置信息确定该传感器节点的角度概率和边界距离概率；

步骤4-2，根据角度概率和边界概率的组合确定该传感器节点向下传递包的概率P_send；以及

步骤4-3，从均匀分布[0，1]中随机生成一个随机数P，并且将所确定的向下传递包的概率P_send与该随机数P进行比较，如果P_send＞P，则向下传递包以唤醒位于t+1时刻的目标感知区域内的传感器节点来跟踪移动目标，否则，丢弃包。

3.如权利要求2所述的方法，其中，

根据如下公式计算位于t+1时刻目标关联区域中的传感器节点的角度概率P_angle：

P_angle＝θ/β

其中θ为t时刻移动目标位置和该传感器节点位置这两点之间的直线与t时刻移动目标位置和t+1时刻移动目标位置这两点之间的直线所成的夹角；β为t时刻移动目标位置到t+1时刻目标感知区域的切线与t时刻移动目标位置和t+1时刻移动目标位置这两点之间的直线所成的夹角。

4.如权利要求2或3所述的方法，其中

根据如下公式计算位于t+1时刻目标关联区域中的传感器节点的边界距离概率P_edge：

P_edge＝d/r

其中d为该目标关联区域中的传感器节点到t+1时刻目标关联区域边界的最小距离，r为目标感知区域的半径。

5.如权利要求2或3所述的方法，其中步骤4-2包括根据角度概率和边界概率的线性组合确定位于t+1时刻目标关联区域中的传感器节点向下传递包的概率P_send：

P_send＝ratio×P_edge+(1-ratio)×(1-P_angle)

其中ratio是组合概率，P_edge是该传感器节点的边界距离概率，P_angle是该传感器节点的角度概率。

6.如权利要求1或2所述的方法，其中t+1时刻的目标关联区域由P_{tar_t}、P_{tar_t+1}以及P_{tan_1}、P_{tan_2}确定，

其中，P_{tar_t}为t时刻移动目标的位置；P_{tar_t+1}为t+1时刻移动目标的位置，P_{tan_1}、P_{tan_2}为t时刻移动目标位置到t+1时刻目标感知区域的切线与t+1时刻目标感知区域的交点。

7.如权利要求1或2所述的方法，其中步骤3包括根据接收到包的传感器节点的位置判断该传感器节点是否在所确定的t+1时刻的目标关联区域中。

8.如权利要求1或2所述的方法，其中向下传递包含所预测的t+1时刻移动目标的位置的包的步骤包括：各传感器节点确定其是否向下传递包含所预测的t+1时刻移动目标的位置的包。

9.如权利要求8所述的方法，其中，各传感器节点确定其是否向下传递包含所预测的t+1时刻移动目标的位置的包的步骤包括：

步骤1-1，根据t-1时刻和t时刻的移动目标的位置信息以及位于t时刻目标感知区域中的传感器节点的位置信息确定该传感器节点的角度概率和边界距离概率；

步骤1-2，根据角度概率和边界概率的组合确定该传感器节点向下传递包的概率P_send；

步骤1-3，从均匀分布[0，1]中随机生成一个随机数P，并且将所确定的向下传递包的概率P_send与该随机数P进行比较，如果P_send＞P，则向下传递包，否则，丢弃包。

10.如权利要求9所述的方法，其中

根据如下公式计算位于t时刻目标感知区域中的传感器节点的角度概率P_angle：

P_angle＝θ/β

其中θ为t-1时刻移动目标位置和该传感器节点位置这两点之间的直线与t-1时刻移动目标位置和t时刻移动目标位置这两点之间的直线所成的夹角；β为t-1时刻移动目标位置到t时刻目标感知区域的切线与t-1时刻移动目标位置和t时刻移动目标位置这两点之间的直线所成的夹角。

11.如权利要求9所述的方法，其中

根据如下公式计算位于t时刻目标感知区域中的传感器节点的边界距离概率P_edge：

P_edge＝d/r

其中d为该目标感知区域中的传感器节点到t时刻目标感知区域圆周的最小距离，r为该目标感知区域的半径。

12.如权利要求9所述的方法，其中步骤1-2包括根据角度概率和边界概率的线性组合确定位于t时刻目标感知区域中的传感器节点向下传递包的概率P_send：

P_send＝ratio×P_edge+(1-ratio)×(1-P_angle)

其中ratio是组合概率，P_edge是该传感器节点的边界距离概率，P_angle是传感器节点的角度概率。

Images