CN103327653B - 基于睡眠调度和覆盖补偿的覆盖保持方法 - Google Patents
基于睡眠调度和覆盖补偿的覆盖保持方法 Download PDFInfo
- Publication number
- CN103327653B CN103327653B CN201310258548.1A CN201310258548A CN103327653B CN 103327653 B CN103327653 B CN 103327653B CN 201310258548 A CN201310258548 A CN 201310258548A CN 103327653 B CN103327653 B CN 103327653B
- Authority
- CN
- China
- Prior art keywords
- node
- energy
- elec
- information
- nodes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于睡眠调度和覆盖补偿的覆盖保持方法,具体在调度机制中同时采用了睡眠调度和覆盖补偿两种方法,从而达到了能量高效利用和保持覆盖率的双重目标。首先节点通过估计自身冗余度和剩余能量判断是否需要周围的邻居节点向其移动;在这其中首次提出了绝对冗余节点和相对冗余节点的概念;之后邻居节点判断自身是否具有移动到目标位置的能力;通过采用能量模型进行能量预测的方式达到准确判断节点的移动能力,进而达到了保持覆盖率的目标,之后又采取睡眠调度机制,避免冗余节点能量的浪费,达到高效率利用能量的目标。
Description
技术领域
本发明属于无线传感器网络技术领域,具体涉及拓扑控制中的覆盖控制方法。
背景技术
无线传感器网络(WirelessSensorNetwork,WSN)是随着半导体技术、通信技术、计算机技术的快速发展而出现的。WSN是一种由成千上万的微传感器构成的具有动态拓扑结构的自组织网络,是集信息采集、信息传递、信息处理于一体的综合智能信息系统。
传感器网络拓扑控制技术是无线传感器网络研究的核心技术之一。通过拓扑控制自动生成的良好的网络拓扑结构,能够提高路由协议和MAC(MediumAccessControl)协议的效率,可为数据融合、时间同步和目标定位等多方面奠定基础,有利于节省节点的能量来延长网络的生存期。网络覆盖保持是传感器网络拓扑控制的主要研究问题。在实际中,由于传感器节点的能量有限,工作一段时间后就会出现节点生命期的结束。因此传感器监控区域会因为节点的死亡而成为不被监测的区域,并且可能会对整个监测区域构成潜在的威胁。在这种情况下,覆盖保持成为及其重要的技术。在现有的覆盖保持技术中,睡眠调度和覆盖补偿是覆盖保持技术的主流研究方向,其中睡眠调度是指调整节点的工作状态从而节省能量的消耗,覆盖补偿是指对于失去监测的区域重新进行监测。但目前已有的算法中还没有一种可以同时实现以上两方面的技术。
现在通常使用的睡眠调度算法有:非层次型网络的睡眠调度算法和层次型网络的睡眠调度算法,其中,非层次型网络的睡眠调度算法主要又包括两类:MSNL算法和不需要位置信息的LDAS算法,MSNL算法中的节点有3种状态:活动状态、睡眠状态、过渡状态,当节点处于过渡状态时,如果它发现的监测区域不能被其他活动状态或过渡状态的节点覆盖,它就立即转为活动状态,但是MSNL算法的局限在于需要精确的位置信息并且多个相邻的节点可能同时进入睡眠状态;LDAS基于部分冗余调度。但是其只适用于节点均匀分布的情况。层次型网络的睡眠调度算法主要是麻省理工学院的Heinzelman等人提出了一直被广泛引用的LEACH算法。LEACH算法中节点自决定是否为簇头节点,而非簇头节点决定自己属于哪一簇。但是LEACH算法不能保证簇头的均匀分配。
现在通常使用的覆盖补偿算法主要是Archana等人提出的DCM算法,DCM算法中包含了节点可移动最大距离的算法和关于如何选择可移动的邻居节点的四种启发式算法,并且进一步描述了级联的DCM算法。DCM算法能够弥补死亡节点引起的覆盖区域损失,但是这种补偿不是实时的,而是在引起覆盖区域损失后进行,因为必然会存在一定时间的覆盖不完全。具体参考文献:ArchanaSekhar,B.S.Manoj,C.SivaRamMurthy:DynamicCoverageMaintenanceAlgorithmsforSensorNetworkswithLimitedMobility.PerCom2005:51-60。
可以看出,上述睡眠调度和覆盖补偿算法都存在一定的问题,算法通用性不高,影响WSN的覆盖能量。
发明内容
本发明的目的是提供一种同时基于睡眠调度和覆盖补偿的覆盖保持技术,它能高效利用传感器节点有限的能量,同时能估计节点剩余能量,预测死亡节点,及时移动节点补偿将由死亡节点引起的覆盖丢失,从而保持网络覆盖率。
本发明的技术方案为:一种基于睡眠调度和覆盖补偿的覆盖保持方法,具体包括如下步骤:
S1.确定邻居节点数:节点广播HELLO消息给周围节点,节点记录接受到的不同的HELLO消息的数目从而得到其本身的邻居节点数N;
S2.估计节点冗余度:
利用邻居节点数N得到节点冗余度的期望值为:
当E(EηN)≥α时认为是绝对冗余节点,当1-α<E(ηN)<α时为相对冗余节点,0≤E(ηN)≤1-α时为非冗余节点,其中,α为预先设定的阈值;
S3.估计节点经过信息交换阶段之后的剩余能量:
发送机每传1bit信息消耗能量:Eelec-te,接收机每接收1bit信息消耗能量:Eelec-re,且有Eelec-te=Eelec-re;每传输1bit信息通过单位距离发送端放大器需消耗的能量:Eamp,发送端发送kbits信息到距离d的接收端需消耗的能量为:Eelec-te*k+Emap*k*d2,接收端接收kbits信息消耗能量为:Eelec-re*k;
具有m个邻居节点的节点需要在信息交换过程中消耗的能量为:
(Eelec-te*k+Eamp*k*d2)*m+(Eelec-re*k)*m
在信息交换过程之后具有m个邻居节点的节点的剩余能量为:
Eest1=E1-(Eelec-te*k+Emap*k*d2)*m-(Eelec-re*k)*m,其中,E1为信息交换前的节点的实时能量;
S4.发现潜在的死亡节点:如果节点能量满足:则为潜在的死亡节点,其中,为一个时间段内消耗的平均能量;
S5.节点信息交换:每个节点将包含其本身的冗余度信息和是否为潜在的死亡节点的信息广播给其所有的邻居节点;
S6.非潜在死亡节点估计其是否可以移动到潜在的死亡节点的位置,具体过程如下:
决定是否需要对将死亡节点引起的覆盖面积的丢失采取补偿动作:如果潜在死亡节点是绝对冗余节点,则不需采取任何行动;如果潜在死亡节点的所有邻居节点均为非冗余节点,则无法采取任何行动;其他情况下通过移动节点减少潜在死亡节点引起的覆盖损失;
非潜在死亡节点自判断是否具有移动到潜在死亡节点位置的能量:在所有非潜在死亡节点中去掉非冗余节点;
估计移动消耗的能量:节点距离将死亡节点的距离为h,则移动要消耗的能量为:Emove*h,其中,Emove为移动单位距离消耗的能量;
估计信息交换消耗的能量:所有可移动节点移动前要进行信息交换,此过程消耗能量为:(Eelec-te*k+Emap*k*d2)*L+(Eelec-re*k)*L,L为进行信息交换的节点的数目,k为信息的bit,d为信息传送的距离;
若节点移动,估计节点在移动后的剩余能量:
Eest2=E2-(Eelec-te*k+Eamp*k*d2)*L-(Eelec-re*k)*L-Emove*h,其中,h为移动到目标位置的距离,E2为移动前的节点的实时能量;
判断节点是否具有移动的能量:要求移动节点到底新位置后至少工作x个时间段,若节点能量满足:则此节点具有移动到目标位置的能量,否则,不具有此能力,其中,x为预先设定的阈值;
S7.决定移动节点:
根据如下规则在所有可移动的节点中选择最佳节点:
若在可移动节点中存在绝对冗余节点,根据目标距离判断,移动目标距离最小的绝对冗余节点;若存在多个绝对冗余节点的目标距离相等且均为最小,则再根据剩余能量Eest2的大小判断,选择剩余能量最大的节点;
若在可移动节点中只有相对冗余节点,则根据相对冗余节点的移动距离进行选择,相对冗余节点移动的距离为相对冗余节点的最大可移动距离,所述最大可移动距离是指在不影响覆盖区域的条件下节点可移动的最大距离,根据最大可移动距离确定相对冗余节点移动的目标位置;比较相对冗余节点的最大可移动距离,移动最大可移动距离最小的相对冗余节点,若存在多个相对冗余节点的最大可移动距离相等且均为最小,则再根据剩余能量Eest2的大小判断,选择剩余能量最大的节点。
S8.对剩余绝对冗余节点采用睡眠调度机制:在节点移动到目标位置后,将绝对冗余节点状态改变为睡眠。
本发明的有益效果:本发明的技术方案在调度机制中同时采用了睡眠调度和覆盖补偿两种方法,从而达到了能量高效利用和保持覆盖率的双重目标。首先节点通过估计自身冗余度和剩余能量判断是否需要周围的邻居节点向其移动;在这其中首次提出了绝对冗余节点和相对冗余节点的概念;之后邻居节点判断自身是否具有移动到目标位置的能力;通过采用能量模型进行能量预测的方式达到准确判断节点的移动能力,进而达到了保持覆盖率的目标,之后又采取睡眠调度机制,避免冗余节点能量的浪费,达到高效率利用能量的目标。
附图说明
图1本发明实施例的覆盖保持方法流程示意图。
图2本发明实施例中相对冗余节点最大移动距离示意图。
具体实施方式
为了便于理解本发明的技术方案,首先对一些术语进行定义。
定义1:无线传感器网络(WSN),WSN是一种由成千上万的微传感器构成的具有动态拓扑结构的自组织网络,是集信息采集、信息传递、信息处理于一体的综合智能信息系统;具有大规模、自组织、多条路由、动态性、以数据为中心、兼容性应用的特点。WSN中节点密度足够大。刚开始时所有节点全部工作不但能够保证应用要求的覆盖质量,且有大量的冗余节点。
定义2:传感器节点,传感器节点是一种微型嵌入式设备,具有价格低,功耗小的特点,但同时存在电源能量有限、通信能力有限、计算和存储能力有限的问题。因此高效利用有限的能量是WSN中的重要考虑问题。
定义3:二元感知模型,在二维平面上,传感器节点的覆盖范围是一个以节点为圆心,半径为R的圆形区域。该圆形区域称为传感器节点的感知圆盘。R称为传感器节点的感知半径,由节点感知单元的物理特性决定。假设节点s的坐标为(xs,ys)。在二元感知模型中,对于平面上任意一点p的坐标为(xp,yp)。节点s检测到点p处发生的事件的概率为: 其中,d(s,p)为点p和节点s之间的欧氏距离。
定义4:通信半径,节点可以发送消息的最大范围是以通信半径为半径构成的圆的区域。本专利中要求通信半径等于2倍的感知半径。
定义5:感知邻居集,N(i)={ j∈s|d(i,j)<2R},集合s为所有部署在检测区域M内的传感器节点的集合,d(i,j)表示节点i,j之间的欧式距离。
定义6:邻居节点数N,一个节点所拥有的邻居节点的数目。
定义7:节点冗余度η,某节点的所有邻居节点覆盖区域与其覆盖区域重合面积占其覆盖区域面积的比例Sj表示节点i,j覆盖的面积,((Uj∈N(j)Sj)∩Si)表示节点i覆盖区域与其所有邻居节点覆盖区域重合的面积,这里约定绝对冗余节点的冗余度为1,即η=1;相对冗余节点的冗余度介于0和1之间,即0<η<1;非冗余节点的冗余度为0,即η=0。
定义8:覆盖质量,网络中所有工作节点构成的监测区域面积占整个监控区域M面积的比例,称为该网络的覆盖质量。
定义9:节点调度,利用节点的冗余性,通过启发式算法,使节点在不同状态间进行转换,目标是在满足服务质量的前提下轮流关闭节点,节约节点能量,延长网络寿命。在WSN整个生命周期,节点首先进行初始化设置,随后的网络生存时间被划分为若干等长的时间段(round),每个时间段又包含调度阶段(schedulingphase)和稳定阶段(steadyphase)
定义10:死亡节点,节点电池能量耗尽,不再工作的节点。
定义11:潜在死亡节点与非潜在死亡节点,潜在死亡节点指在当前时间段内能量将会用尽的节点;非潜在死亡节点指在当前时间段内仍然有足够的能量保持工作的节点。
本发明实施例的覆盖保持方法流程示意图如图1所示,包含如下步骤:
步骤1.确定邻居节点数。节点广播HELLO消息给周围节点,由于通信半径为感知半径的2倍,所以能互相接受到HELLO消息的一对节点互为邻居节点;不同节点发出的HELLO消息不同,节点记录接受到的不同的HELLO消息的数目从而得到其本身的邻居节点数N。
步骤2.估计节点冗余度。利用邻居节点数N得到节点冗余度的期望值为:
当E(ηN)≥0.9时近似认为是绝对冗余节点,当0.1<E(ηN)<0.9时为相对冗余节点,0≤E(ηN)≤0.1时为非冗余节点。
步骤3.估计节点经过信息交换阶段之后的剩余能量。采用LEACH能量模型,发送机每传1bit信息消耗能量:Eelec-te(J/bit),接收机每接收1bit信息消耗能量:Eelec-re(J/bit),且有Eelec-te=Eelec-re=Eelec。每传输1bit信息通过单位距离发送端放大器需消耗的能量:EampPJ/bit/m2。由于发送、接受、放大消耗的能量远大于节点其他工作消耗的能量,因此发送端发送kbits信息到距离d的接收端需消耗的能量为:Eelec-te*k+Emap*k*d2。接收端接收kbits信息消耗能量为:Eelec-re*k。
具有m个邻居节点的节点需要在信息交换过程中消耗的能量为:
(Eelec-te*k+Eamp*k*d2 )*m+(Eelec-re*k)*m
因此可预测在信息交换过程之后的剩余能量为:
Eest1=E1-(Eelec-te*k+Eamp*k*d2)*m-(Eelec-re*k)*m,其中,E1为信息交换前的节点的实时能量。
步骤4:发现潜在的死亡节点。如果节点能量满足:则为潜在的死亡节点。其中,为一个时间段(round)内消耗的平均能量。
步骤5:节点信息交换。节点将包含其本身的冗余度信息和是否为潜在的死亡节点的信息广播给其所有的邻居节点,经过此过程后节点已明确其邻居节点中是否存在潜在的死亡节点。
步骤6:非潜在死亡节点估计其是否可以移动到潜在的死亡节点的位置。
6.1决定是否需要对将死亡节点引起的覆盖面积的丢失采取补偿动作。如果潜在死亡节点是绝对冗余节点,则不需采取任何行动。如果潜在死亡节点的所有邻居节点均为非冗余节点,则无法采取任何行动。其他情况下可以通过移动节点最大化减少潜在死亡节点引起的覆盖损失。
6.2非潜在死亡节点自判断是否具有移动到潜在死亡节点位置的能量。
6.2.1在所有非潜在死亡节点中去掉非冗余节点。非冗余节点的移动必然会引起覆盖区域的损失。
6.2.2估计移动消耗的能量:节点距离将死亡节点的距离为h,则移动要消耗的能量为:Emove*h。其中Emove为移动单位距离消耗的能量,单位为J/m。
6.2.3信息交换消耗的能量:为了避免有多个节点同时移动到潜在死亡节点的位置,所有可移动节点移动前要进行信息交换,觉得最终移动的节点。此过程消耗能量类似于步骤2:(Eelec-te*k+Eamp*k*d2)*L+(Eelec-re*k)*L,其中,L为进行信息交换的节点的数目,k为信息的bit,d为信息传送的距离。
6.2.4节点在移动后的剩余能量:
Eest2=E2-(Eelec-te*k+Eamp*k*d2)*L-(Eelec-re*k)*L-Emove*h,其中,h为移动到目标位置的距离,E2为移动前的节点的实时能量;
6.2.5自判断是否具有移动的能量。要求移动节点到底新位置后至少工作x个时间段(round),若节点能量满足:则此节点具有移动到目标位置的能量,否则,不具有此能力。
步骤7.决定移动节点:根据如下规则在所有可移动的节点中选择最佳节点:
首先根据冗余度选择,冗余度越大越优先。若在可移动节点中存在绝对冗余节点,根据目标距离判断,移动目标距离最小的绝对冗余节点;若存在多个绝对冗余节点的目标距离相等且均为最小,则再根据剩余能量Eest2的大小判断,选择剩余能量最大的节点。
若在可移动节点中只有相对冗余节点,则根据相对冗余节点的移动距离进行选择,相对冗余节点移动的距离为相对冗余节点的最大可移动距离,所述最大可移动距离是指在不影响覆盖区域的条件下节点可移动的最大距离,根据最大可移动距离确定相对冗余节点移动的目标位置;比较相对冗余节点的最大可移动距离,移动最大可移动距离最小的相对冗余节点,若存在多个相对冗余节点的最大可移动距离相等且均为最小,则再根据剩余能量Eest2的大小判断,选择剩余能量最大的节点。
这里需要说明的是:绝对冗余节点的目标位置就是死亡节点的位置,而相对冗余节点的目标位置不是死亡节点的位置,而是根据最大可移动距离决定;不同相对冗余节点的最大可移动距离不同,所以目标位置不同,但一旦选定一个相对冗余节点后,目标位置就确定了。如图2所示相对冗余节点为了保证自己的位置变化不会引起整体的覆盖损失,就只能向死亡节点靠近,而不能完全到达,这里为了是补偿最多,就按最大可移动距离移动。
步骤8.对剩余绝对冗余节点采用睡眠调度机制。在节点移动到目标位置后,将绝对冗余节点状态改变为睡眠。在节点移动到目标位置后,所有节点中仍然可能存在绝对冗余节点,尤其是在网络工作初期有大量的节点冗余。这些节点的覆盖区域完全与其他节点覆盖区域重合的,因此可以改变其状态为睡眠而不影响网络覆盖率。
通过以上步骤,完成了一个round内的所有过程,状态为工作状态的节点进行工作。在稳定阶段,这些工作节点进行数据的收发,环境监测,信息处理的工作。并且达到了节约节点有限的能量,保持网络覆盖率的目的。
需要说明的是:
在步骤2中,节点冗余度期望的估计过程如下:
对于一个所有节点的感知半径服从正态分布N(R0,δ)的网络,如果节点感知区域内任何一点被该节点一个工作感知邻居覆盖的概率为:
一个有N个感知邻居的节点的冗余度期望值为:
网络中所有传感器的感知半径均为R,因此(1)(2)式中R0=R,δ=0故一个有N个感知邻居的节点其冗余度均值为:
在步骤4中,必须用一个时间段的平均消耗能量作为标准,其目的在于避免节点在一个时间段内死亡而并未被其邻居节点知道。
在步骤6.2中,目标距离是指节点到目标位置的距离,而目标位置是指非潜在死亡节点的邻居节点中将死亡节点的位置。
在步骤6.2.4中,要求节点移动到目标位置后可以继续工作x个时间段。目的在于避免移动那些移动到目的后短时间内就再次成为潜在死亡节点的节点。如果节点移动到目的位置后短时间内成为死亡节点,必然会迫使其他节点再次移动到此位置,因而浪费大量的能量在移动上,并且造成恶性循环。
在步骤7中,首先选择绝对冗余节点,原因是绝对冗余节点的移动完全不会引起覆盖区域的损失。在没有绝对冗余节点的情况下,选择相对冗余节点,但相对冗余节点的移动受最大移动距离所限制。
在步骤7中,最大可移动距离的计算方法。
如图2所示,在二维空间下,已知节点X为潜在死亡节点,位于X(XO,YO),节点A是X的邻居节点,位于A(XA,YA),且为相对冗余节点;节点R、Q均为节点A的邻居节点,分别位于R(XR,R)、Q(XQ,YQ)。假设节点R、Q的交点(靠近点A)为P,坐标为P(XP,YP)。由于节点R、Q的影响,节点A的移动受到限制,若其移动到点N(XN,YN)处有最大可移动距离,并且实现了最大补偿由于点X引起的损失覆盖区域。
1)求点P坐标:
由于任何节点的覆盖区域均为圆,因此有:
(X-XR)2+(Y-YR)2=R2(3)
( X-XQ)2+(Y-YQ)2=R2(4)
联立求解方程(3)(4)
且点R、Q间距离D:
得到R、Q的交点坐标:
其中交点P为靠近点A的那个,因此可知点P坐标。
2)求点N坐标
由于点N、A、X位于一条直线上,因此有:
移动到目标位置N后,点P在以点N为圆的边界上,因此有:
(XN-XP)2+(YN-YP)2=R2(9)
由方程(8)(9)可得点N的坐标
3)求最大距离
采用本发明的方法,利用ns-2仿真器对无线传感器网络的进行仿真,布置100个随机传感器节点在给定实验区域中,基站与最近节点间距离不小于75米;信道带宽设置为1Mbps,每个数据包的平均发送和接受延迟均为25s。平均数据长度为500bytes。发送机发送信息和接受机接受信息的能量消耗均为50nJ/bit,每传输1bit信息通过单位距离发送端放大器需消耗的能量为100pJ/bit/m2,传感器移动消耗的能量为1J/m。以此模型进行仿真实验来评估该算法的效果,实验表明该算法能更长时间保持给定的覆盖率,且能达到节约能量的目的。
综上所述,可以看出本发明的技术方案在调度机制中同时采用了睡眠调度和覆盖补偿两种方法,从而达到了能量高效利用和保持覆盖率的双重目标,避免了冗余节点能量的浪费,提高了效率。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (1)
1.一种基于睡眠调度和覆盖补偿的覆盖保持方法,具体包括如下步骤:
S1.确定邻居节点数:节点广播HELLO消息给周围节点,节点记录接收到的不同的HELLO消息的数目从而得到其本身的邻居节点数N;
S2.估计节点冗余度:
利用邻居节点数N得到节点冗余度的期望值为:
当E(ηN)≥α时认为是绝对冗余节点,当1-α<E(ηN)<α时为相对冗余节点,0≤E(ηN)≤1-α时为非冗余节点,其中,α为预先设定的阈值;
S3.估计节点经过信息交换阶段之后的剩余能量:
发送机每传1bit信息消耗能量:Eelec-te,接收机每接收1bit信息消耗能量:Eelec-re,且有Eelec-te=Eelec-re;每传输1bit信息通过单位距离发送端放大器需消耗的能量:Eamp,发送端发送kbits信息到距离d的接收端需消耗的能量为:Eelec-te*k+Eamp*k*d2,接收端接收kbits信息消耗能量为:Eelec-re*k;
具有m个邻居节点的节点需要在信息交换过程中消耗的能量为:
(Eelec-te*k+Eamp*k*d2)*m+(Eelec-re*k)*m
在信息交换过程之后具有m个邻居节点的节点的剩余能量为:
Eest1=E1-(Eelec-te*k+Eamp*k*d2)*m-(Eelec-re*k)*m,其中,E1为信息交换前的节点的实时能量;
S4.发现潜在的死亡节点:如果节点能量满足:则为潜在的死亡节点,其中,为一个时间段内消耗的平均能量;
S5.节点信息交换:每个节点将包含其本身的冗余度信息和是否为潜在的死亡节点的信息广播给其所有的邻居节点;
S6.非潜在死亡节点估计其是否可以移动到潜在的死亡节点的位置,具体过程如下:
决定是否需要对潜在的死亡节点引起的覆盖面积的丢失采取补偿动作:如果潜在死亡节点是绝对冗余节点,则不需采取任何行动;如果潜在死亡节点的所有邻居节点均为非冗余节点,则无法采取任何行动;其他情况下通过移动节点减少潜在死亡节点引起的覆盖损失;非潜在死亡节点判断是否具有移动到潜在死亡节点位置的能量:在所有非潜在死亡节点中去掉非冗余节点;
估计移动消耗的能量:节点距离潜在的死亡节点的距离为h,则移动要消耗的能量为:Emove*h,其中,Emove为移动单位距离消耗的能量;
估计信息交换消耗的能量:所有可移动节点移动前要进行信息交换,此过程消耗能量为:(Eelec-te*k+Eamp*k*d2)*L+(Eelec-re*k)*L,L为进行信息交换的节点的数目,k为信息的bit,d为信息传送的距离;
若节点移动,估计节点在移动后的剩余能量:
Eest2=E2-(Eelec-te*k+Eamp*k*d2)*L-(Eelec-re*k)*L-Emove*h,其中,h为移动到目标位置的距离,E2为移动前的节点的实时能量;
判断节点是否具有移动的能量:要求移动节点到新位置后至少工作x个时间段,若节点能量满足:则此节点具有移动到目标位置的能量,否则,不具有移动到目标位置的能量,其中,x为预先设定的阈值;
S7.决定移动节点:
根据如下规则在所有可移动的节点中选择最佳节点:
若在可移动节点中存在绝对冗余节点,根据目标距离判断,移动目标距离最小的绝对冗余节点;若存在多个绝对冗余节点的目标距离相等且均为最小,则再根据剩余能量Eest2的大小判断,选择剩余能量最大的节点;
若在可移动节点中只有相对冗余节点,则根据相对冗余节点的移动距离进行选择,相对冗余节点移动的距离为相对冗余节点的最大可移动距离,所述最大可移动距离是指在不影响覆盖区域的条件下节点可移动的最大距离,根据最大可移动距离确定相对冗余节点移动的目标位置;比较相对冗余节点的最大可移动距离,移动最大可移动距离最小的相对冗余节点,若存在多个相对冗余节点的最大可移动距离相等且均为最小,则再根据剩余能量Eest2的大小判断,选择剩余能量最大的节点;
S8.对剩余绝对冗余节点采用睡眠调度机制:在节点移动到目标位置后,将绝对冗余节点状态改变为睡眠。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310258548.1A CN103327653B (zh) | 2013-06-26 | 2013-06-26 | 基于睡眠调度和覆盖补偿的覆盖保持方法 |
PCT/CN2014/000188 WO2014198120A1 (zh) | 2013-06-14 | 2014-03-03 | 基于覆盖保持和最小生成树的无线移动网络数据传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310258548.1A CN103327653B (zh) | 2013-06-26 | 2013-06-26 | 基于睡眠调度和覆盖补偿的覆盖保持方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103327653A CN103327653A (zh) | 2013-09-25 |
CN103327653B true CN103327653B (zh) | 2016-03-16 |
Family
ID=49196101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310258548.1A Active CN103327653B (zh) | 2013-06-14 | 2013-06-26 | 基于睡眠调度和覆盖补偿的覆盖保持方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103327653B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647567A (zh) * | 2016-12-09 | 2017-05-10 | 西华大学 | 一种基于计算机控制的水轮机自动调速器控制系统 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014198120A1 (zh) * | 2013-06-14 | 2014-12-18 | 电子科技大学 | 基于覆盖保持和最小生成树的无线移动网络数据传输方法 |
CN104023343A (zh) * | 2014-06-17 | 2014-09-03 | 无锡市计量测试中心 | 一种用于混合传感器网络的覆盖补偿方法 |
CN105050126B (zh) * | 2015-06-25 | 2019-02-26 | 东华大学 | 一种基于内分泌调控机理的无线传感器网络监测系统 |
CN105749393B (zh) * | 2016-02-02 | 2018-05-29 | 青岛大学附属医院 | 一种雾化吸入系统 |
CN105796088A (zh) * | 2016-02-25 | 2016-07-27 | 张学魁 | 一种颅脑压力无创监测分析系统 |
CN107212860A (zh) * | 2017-06-28 | 2017-09-29 | 深圳源广安智能科技有限公司 | 一种生理信号智能监测系统 |
CN108245738A (zh) * | 2018-01-16 | 2018-07-06 | 湖北民族学院 | 一种智能静脉输液电子安全警报系统 |
CN108363881A (zh) * | 2018-03-02 | 2018-08-03 | 景德镇陶瓷大学 | 一种智能分布式三维室内设计控制系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1719803A (zh) * | 2005-07-28 | 2006-01-11 | 武汉大学 | 可扩展大规模传感器网络多尺度路由修正方法及应用 |
CN103002537A (zh) * | 2012-12-14 | 2013-03-27 | 南京邮电大学 | 一种基于相关系数无线多媒体传感器网络节点分簇方法 |
-
2013
- 2013-06-26 CN CN201310258548.1A patent/CN103327653B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1719803A (zh) * | 2005-07-28 | 2006-01-11 | 武汉大学 | 可扩展大规模传感器网络多尺度路由修正方法及应用 |
CN103002537A (zh) * | 2012-12-14 | 2013-03-27 | 南京邮电大学 | 一种基于相关系数无线多媒体传感器网络节点分簇方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647567A (zh) * | 2016-12-09 | 2017-05-10 | 西华大学 | 一种基于计算机控制的水轮机自动调速器控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103327653A (zh) | 2013-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103327653B (zh) | 基于睡眠调度和覆盖补偿的覆盖保持方法 | |
CN102883429B (zh) | 基于定向天线的传感器网络内移动物体跟踪方法及装置 | |
Singh et al. | Energy-efficient QoS-aware intelligent hybrid clustered routing protocol for wireless sensor networks | |
Liu et al. | An approach of distributed joint optimization for cluster-based wireless sensor networks | |
Zhang et al. | HDRE: Coverage hole detection with residual energy in wireless sensor networks | |
CN107222900A (zh) | 一种基于动态链的无线传感器网络节点协作方法 | |
Suresh et al. | A novel routing protocol for low-energy wireless sensor networks | |
Al-Sulaifanie et al. | Recent trends in clustering algorithms for wireless sensor networks: A comprehensive review | |
Mohapatra et al. | Topological localization approach for efficient energy management of WSN | |
Liu et al. | A data aggregation mechanism based on spatial correlation chain-clustering for wireless sensor networks | |
Azim et al. | Hybrid LEACH: A relay node based low energy adaptive clustering hierarchy for wireless sensor networks | |
Srikanth et al. | An energy efficient hybrid MAC protocol for WSN containing mobile nodes | |
CN107182100B (zh) | 用于无线传感器网络的移动代理的路由方法 | |
Chen et al. | A geographical cellular-like architecture for wireless sensor networks | |
KaebehYaeghoobi et al. | Performance analysis of energy efficient clustering protocols to maximize Wireless Sensor Networks lifetime | |
Patil et al. | A novel AEB-AODV based AADITHYA cross layer design hibernation algorithm for energy optimization in WSN | |
Messai et al. | Energy-efficient data collection in grid-based Wireless Sensor Networks using a mobile sink | |
Shen et al. | An ant colony system based energy prediction routing algorithms for wireless sensor networks | |
Wahdan et al. | Static cluster and dynamic cluster head (SCDCH) adaptive prediction-based algorithm for target tracking in wireless sensor networks | |
Badawy et al. | A review on cluster-based routing for wireless sensor network | |
Manjula et al. | Base-station controlled clustering scheme in wireless sensor networks | |
Dayan et al. | Target tracking in sensor networks using energy efficient prediction based clustering algorithm | |
Ba et al. | A Novel Aggregation Approach Based on Cooperative Agents and Self-Stabilizing Clustering for WSNs | |
Zebbane et al. | RTCP: Redundancy aware Topology Control Protocol for wireless sensor network | |
Zu-jue et al. | A gaf algorithm of dislocated grid for wireless sensor network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |