CN103369548A - 基于网格扫描的可靠性可控的节点部署方法及装置 - Google Patents

Abstract

本发明公开了一种基于网格扫描的可靠性可控的节点部署方法首先预设感知概率下限极值，其次使用预设感知概率下限极值法计算出节点对各目标点的感知概率，最后根据已得到的感知概率，使用循环最优解法得出所有节点部署方案。本发明同时公开了一种基于网格扫描的可靠性可控的节点部署的装置：预设感知概率下限极值模块，该模块设置单一传感器感知到目标点打到的最小的感知概率来表示覆盖程度，为下步计算提供前期数据支持；目标点感知概率获取模块，该模块使用预设感知概率下限极值模块设置的预设感知概率下限极值计算出出节点对各目标点的感知概率；循环获取模块，根据已得到的感知概率，使用循环最优解法得出所有节点部署方案。

Description

基于网格扫描的可靠性可控的节点部署方法及装置

技术领域

本发明涉及节点部署最优化领域，特别涉及基于网格扫描的可靠性可控的节点部署方法及装置。

背景技术

传感器网络是由部署在观测环境附近的大量微型低功耗的传感器节点组成的网络系统，目的是实时监测、感知和采集各种对象的信息。这些信息通过有线或无线方式发送，并以自组织的网络方式传送到用户终端，从而实现物理世界、计算世界以及人类社会的三元世界的连通。传感器网络在军事国防、环境监测、生物医疗、智能家居、危险区域的远程监控等领域得到了广泛的应用，引起了学术界和工业界的高度重视。节点部署是指传感器网络所有节点位置的确定过程，是传感器网络应用过程中的关键技术之一。根据部署方式可分为随机部署和确定性部署。随机部署很难提高覆盖率，对随机部署增加一定的算法，如增加移动辅助部署算法，虽然在一定程度上提高了覆盖率，但还是很难达到预期的要求，而且节点的密度较大。

在人类很难到达的地区，如战场、森林等，多使用随机部署方式，通过飞机抛洒大量节点到目标区域，节点自动组网。随机部署方法具有不可控制因素，节点的坠落的位置存在不确定性。需要抛洒更多的节点以防止由于节点故障或邻居节点之间的距离过远而形成太多的孤立节点或孤立网络。但随机的部署容易造成节点的损坏。

传感器网络的作用取决于其覆盖率，即传感器有效监视的面积占目标区域面积的百分比。通过随机方式部署节点的网络覆盖率很难提高覆盖率。解决此问题的一种有效方式是采用移动传感器来组建网络。将传感器随机部署到目标区域后，再把传感器移动到指定的位置以提高整个网络的覆盖率。而这种随机的部署方法加上相应的部署算法一定程度上可以提高覆盖率，但很难达到预期的要求。采用一种基于网格扫描的可靠性可控的节点部署方法，使用预设感知概率下限极值法计算出节点对各目标点的感知概率；根据已得到的感知概率，使用循环最优解法得出所有节点部署方案。可以达到利用最少的节点覆盖较大的覆盖率，达到预期的要求。目前主要采取的方式有：如专利号CN102264077A一种传感器网络的节点部署方法和节点中公开的通过随机方式部署节点，这个很难提高覆盖率。利用随机方式节点部署，加上移动辅助部署算法，虽然在一定程度上提高了覆盖率，但还是很难达到预期的要求，而且节点的密度较大。

确定性部署是指手工按照已有的部署模型部署节点。在人类容易进入的环境，如工厂车间、家居环境、农田环境等，采用确定性部署能根据感兴趣的区域点精确地放置节点，减少传感器节点的数目，降低成本。确定性部署虽能对自己感兴趣点进行精确部署，减少节点数目。然而，有关实现目标点监测的确定性的节点部署方法研究较少。农田环境中常需根据农业专家的建议，采集固定位置点的环境信息。如何使用最少的节点实现对已知目标点的覆盖是本发明要解决的问题。为了方便确定节点的位置，算法把目标点所在区域划分为若干正方形网格；算法通过网格扫描，不断从中选择最合适的网格作为下一个节点的放置位置，直到实现对所有目标点的覆盖。

目前常见的确定性部署方法有最多层交叠域法和遗传算法。最多层交叠域利用最小层重叠子域来研究区域最小覆盖值，作为覆盖节点集个数的上界，并给出了最大覆盖集合个数计算算法。算法能使用最少的节点实现覆盖，然而，目标点的最大覆盖集计算复杂。同时遗传算法也存在早熟问题。

发明内容

（一）要解决的技术问题

本发明在于解决目标在目标检测时，传感器节点对目标的监控部署时，要确定目标点覆盖，从而导致传感器节点多，致使用成本高的问题。

（二）技术方案

本发明采用以下技术方案：

一种基于网格扫描的可靠性可控的节点部署方法，包含以下步骤：

预设感知概率下限极值，控制节点探测可靠性；

使用预设感知概率下限极值法计算出节点对各目标点的感知概率；

根据已得到的感知概率，使用循环最优解法得出所有节点部署方案。

优选的，节点的部署位置都在网格的交叉点上。

优选的，预设感知概率下限极值的方法为，设置单一传感器感知到目标点打到的最小的感知概率来表示覆盖程度。

优选的，预设感知概率下限极值的取值方法为，根据目标覆盖水平的预期值设置预设感知概率下限极值的数值：对目标覆盖的要求水平越高，需要的传感器节点越多，预设感知概率下限极值取值越大；覆盖要求水平越低，需要的传感器节点越少，预设感知概率下限极值取值越小。

优选的，预设感知概率下限极值法为：当传感器到目标点半径小于或等于传感器感知半径且该传感器对该目标点的感知概率大于或等于对该目标点的预设感知概率下限极值时，该传感器感知该目标点；当传感器到目标点半径大于传感器感知半径或/且该传感器对该目标点的感知概率小于对该目标点的预设感知概率下限极值时，该传感器无法感知该目标点。

优选的，使用预设感知概率下限极值法得出一个节点的部署位置的方法为：

计算当前网格处节点以用预设感知概率下限极值的概率感知到的待覆盖目标点的个数及其中以不小于预设感知概率下限极的概率感知到的目标点的感知概率的最小值；

根据节点到各目标点的欧式距离，使用预设感知概率下限极值计算出节点对各目标点的感知概率；

优选的，使用循环最优解法得出所有节点部署方案的方法为，与已扫描的以不小于预设感知概率下限极的概率感知到的待覆盖目标点的个数的最大值个数比较：

以不小于预设感知概率下限极的概率感知到的目标点的个数大于以不小于预设感知概率下限极的概率感知到的待覆盖目标点的个数的最大值个数，说明当前网格更适合选为下一个放置节点的位置，把当前位置记录为最优位置；

以不小于预设感知概率下限极的概率感知到的目标点的个数等于以不小于预设感知概率下限极的概率感知到的待覆盖目标点的个数的最大值个数，即当前位置与已扫描的最优位置以不小于预设感知概率下限极的概率感知到同样数目的最多的待覆盖目标点；

如果以不小于预设感知概率下限极的概率感知到的目标点的感知概率最小值大于当前以不小于预设感知概率下限极的概率感知到的目标点中的感知概率的最小值，则当前位置比当前最优位置更适合作为下一个节点的放置位置；

逐行扫描所有网格，选出最优的位置放置新节点；

把节点以不小于预设感知概率下限极的概率感知到的待覆盖目标点从待覆盖目标点集中移出。

优选的，一种基于网格扫描的无线传感器节点部署方法，其特征在于，重复执行上一步所述步骤，直到待覆盖目标点集合为空。

优选的，横向坐标扫描次数小于或等于被扫描区域长度除以网格长度的值；纵向坐标扫描次数小于或等于被扫描区域宽度除以网格宽度的值。

一种基于网格扫描的可靠性可控的节点部署装置，包含以下模块：

预设感知概率下限极值模块，该模块设置单一传感器感知到目标点打到的最小的感知概率来表示覆盖程度，为下步计算提供前期数据支持。

目标点感知概率获取模块，该模块使用预设感知概率下限极值模块设置的预设感知概率下限极值计算出出节点对各目标点的感知概率；

循环获取模块，根据已得到的感知概率，使用循环最优解法得出所有节点部署方案。

（三）有益效果

本发明提出的覆盖方法和装置，使用预设极值，跟踪迭代替换的方法，可使用少的节点实现目标点覆盖。能够降低算法的复杂性，又能实现用较少节点实现目标点的覆盖的目的。

附图说明

图1是本发明的基于网格扫描的可靠性可控的节点部署方法的流程图；

图2是本发明的使用预设感知概率下限极值的循环最优解法得出所有节点部署方案的流程图；

图3是本发明在预设感知概率下限极值为0.6时节点的个数和位置的图；

图4是本发明在预设感知概率下限极值为0.8时节点的个数和位置的图；

图5是本发明和已知算法的性能比较图。

具体实施方式β

下面结合附图和实施例，对本发明的具体实施方式做进一步描述。以下实施例仅用于说明本发明，但不用来限制本发明的范围。

图1是本发明的基于网格扫描的可靠性可控的节点部署方法的流程图，本发明采用图1结构。

实施例

本发明的基于网格扫描的可靠性可控的节点部署方法，如图1所示，及其装置。目标点区域被划分为若干网格，从中选择最适合的网格来放置下一个传感器或者路由节点。

当传感器和目标点之间的距离小于感知半径时，传感器能感知到目标点。然而实际应用中，传感器能以某个概率感知到一个目标点而不是简单地能或不能。本发明采用概率感知模型以下公式所示：

其中，α由传感器的物理特性决定,定义传感器i及目标点k之间的距离。从公式（1）可以看出当

等于或者小于r_s时，传感器能以

的概率感知到目标点。

越小，感知概率越大。当目标点距离传感器的距离大于r_s时，目标点不能被感知到。

实际应用中，要求的覆盖程度随着应用领域和功能需求的不同而不同。所以，提出了传感器能感知到目标点的最小的感知概率，用符号β来表示覆盖水平。

为感知目标点的能力，当等于1时，传感器能感知到目标点，否则不能，

的感知能力可以使用本发明提出的公式（2）进行表示。β值越大，要求的覆盖水平越高，所需的传感器节点就越多。所以，可以通过控制β值的大小从而控制节点探测可靠性

$S_i^k=\left\{\begin{array}{cc}1& \mathrm{if}{d}_i^k\≤r_s\mathrm{and}{p}_i^k\≥\mathrm{\β}\\ 0& \mathrm{otherwise}\end{array}\right.---\left(2\right)$

网格划分是无线传感器网络节点部署中常用的一种方法，它把感兴趣区域划分为若干网格。网格可以有多种形状，如正方形、六边形、三角形等。目前网格划分多应用于区域覆盖的节点部署方法中，把目标区域划分为若干边长相同的网格，网格顶点放置感知节点来监测感兴趣区域。相同形状的网格，网格边长越大，使用的节点越少。但为了满足节点对目标探测的可靠性要求，网格边长不能过大。

本发明使用的预设感知概率下限极值的循环最优解法得出所有节点部署方案的流程图，如图2所示，包括下列步骤：

1）初始化并设定初始值：

t：初始化为所有目标点；

l：初始化目标点被覆盖标记；

d：设定网格的边长；

a：设定整个区域长方形的长度；

b：设定长方形区域的宽度；

β：预设的感知概率下限值；

grid(x,y)：记录当前节点能以不小于β感知到最多的未被覆盖的目标点的网格；

c：记录grid(x,y)以不小于概率β感知到的目标点的个数；

p：记录grid(x,y)能以不小于概率β感知到的目标点中的感知概率的最小值；

x：网格grid(x,y)所在的行号；

y：网格grid(x,y)所在的列号；

i：当前网格的行号，初始化为0；

j：当前网格的列号，初始化为0；

grid(i,j)是grid(x,y)的变量集合，i和j是数值在扫描过程中随着被传感器节点被安置在网格的位置而改变，当可以确定一个网格位置最佳值时，i和j停止变化，并把i的值赋给x，j的值赋给y，由grid(x,y)记录传感器节点所在的位置，i和j赋值之后继续变化，直到下一次赋值。

2）c1：grid(i,j)以不小于概率β感知到的目标点的个数；p1：grid(i，j)以不小于β感知到的目标点的感知概率的最小值；

3）如果c1>c或者（c1=c且p1>p）继续；否则转步骤5）；

4）c=c1;；p=p1；x=i；y=j

5）j=j+1；如果j>b/d,继续；否则转步骤2）；

6）i=i+1；j=1；如果i>a/d,继续；否则，转步骤2）；

7）输出网格所在的行号、列号（x,y）以及部署在该网格的节点能以不小于β感知到的目标点集合t1；t=t-t1；如果t为空，结束；否则转步骤2）；

步骤2）计算当前网格处节点以不小于概率β感知到的待覆盖目标点的个数c1及其中感知概率的最小值p1。根据节点到各目标点的欧式距离，由公式（2）可计算出节点对各目标点的感知概率。与已扫描的以不小于概率β感知到的待覆盖目标点的个数的最大值c比较，若c1>c,说明当前网格更适合选为下一个放置节点的位置，把当前网格记录为最优网格，步骤4）所示。如果c1=c,即当前网格与已扫描的最优网格能以不小于概率β感知到同样数目的最多的待覆盖目标点，如果p1大于当前以不小于概率β感知到的目标点中的感知概率的最小值p，则当前网格比当前最优网格更适合作为下一个节点的放置位置。逐行扫描所有网格，选出最优的网格放置新节点。把节点以不小于概率β感知到的待覆盖目标点从待覆盖目标点集中移出。重复执行，直到待覆盖目标点集合为空。

图3是本发明在预设感知概率下限极值为0.6时节点的个数和位置的图，图4是本发明在预设感知概率下限极值为0.8时节点的个数和位置的图，在使用上述方法实施时，可以显示并验证所设预设感知概率下限极值法的正确性。当β=0.6时，可以等到传感器节点的个数为9个，当β=0.8时，以等到传感器节点的个数为14个，验证了预设感知概率下限极值法中关于β取值理论的正确性。

图5是本发明和已知算法的性能比较图，图中所述的网络扫描算法即为本发明所提出的基于网格扫描的可靠性可控的节点部署方法，其所述的网络扫描算法的名称不具备具体含义。可以从图5中看出，本发明采用的部署方法和已知的贪婪算法与最多层交叠域+遗传算法相比，在传感器节点可考虑和对目标点感知率相同的情况下，所需传感器节点的数量均小于或等于已有的技术，从而显示出了本发明的有效性。

本文中的节点即为传感器节点的简称。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的保护范畴。

Claims (10)

1.一种基于网格扫描的可靠性可控的节点部署方法，其特征在于，该方法包含以下步骤： 

1）预设感知概率下限极值，控制节点探测可靠性； 

2）使用预设感知概率下限极值法计算出节点对各目标点的感知概率； 

3）根据已得到的感知概率，使用循环最优解法得出所有节点部署方案。 

2.根据权利要求1所述的一种基于网格扫描的节点部署方法，其特征在于，所述节点的部署位置都在网格的交叉点上。 

3.根据权利要求1所述的一种基于网格扫描的可靠性可控的节点部署方法，其特征在于，所述步骤1）预设感知概率下限极值的方法为，设置单一传感器感知到目标点打到的最小的感知概率来表示覆盖程度。 

4.根据权利要求3所述的一种基于网格扫描的可靠性可控的节点部署方法，其特征在于，预设感知概率下限极值的取值方法为，根据目标覆盖水平的预期值设置预设感知概率下限极值的数值：对目标覆盖的要求水平越高，需要的传感器节点越多，预设感知概率下限极值取值越大；覆盖要求水平越低，需要的传感器节点越少，预设感知概率下限极值取值越小。 

5.根据权利要求1所述的一种基于网格扫描的可靠性可控的感器节点部署方法，其特征在于，所述步骤2）的预设感知概率下限极值法为：当传感器到目标点半径小于或等于传感器感知半径且该传感器对该目标点的感知概率大于或等于对该目标点的预设感知概率下限极值时，该传感器感知该目标点；当传感器到目标点半径大于传感器感知半径或/且该传感器对该目标点的感知概率小于对该目标点的预设感知概率下限极值时，该传感器无法感知该目标点。 

6.根据权利要求5所述的一种基于网格扫描的可靠性可控的节点 部署方法，其特征在于使用预设感知概率下限极值法得出一个节点的部署位置的方法为： 

计算当前网格处节点以用预设感知概率下限极值的概率感知到的待覆盖目标点的个数及其中以不小于预设感知概率下限极的概率感知到的目标点的感知概率的最小值； 

根据节点到各目标点的欧式距离，使用预设感知概率下限极值计算出节点对各目标点的感知概率。 

7.根据权利要求1所述的一种基于网格扫描的可靠性可控的节点部署方法，其特征在于，所述步骤3）使用最优解法得出所有节点部署方案的方法为，与已扫描的以不小于预设感知概率下限极的概率感知到的待覆盖目标点的个数的最大值个数比较： 

以不小于预设感知概率下限极的概率感知到的目标点的个数大于以不小于预设感知概率下限极的概率感知到的待覆盖目标点的个数的最大值个数，说明当前网格更适合选为下一个放置节点的位置，把当前位置记录为最优位置； 

以不小于预设感知概率下限极的概率感知到的目标点的个数等于以不小于预设感知概率下限极的概率感知到的待覆盖目标点的个数的最大值个数，即当前位置与已扫描的最优位置以不小于预设感知概率下限极的概率感知到同样数目的最多的待覆盖目标点； 

如果以不小于预设感知概率下限极的概率感知到的目标点的感知概率最小值大于当前以不小于预设感知概率下限极的概率感知到的目标点中的感知概率的最小值，则当前位置比当前最优位置更适合作为下一个节点的放置位置； 

逐行扫描所有网格，选出最优的位置放置新节点； 

把节点以不小于预设感知概率下限极的概率感知到的待覆盖目标点从待覆盖目标点集中移出。 

8.根据权利要求7所述的一种基于网格扫描的无线传感器节点部 署方法，其特征在于，循环重复执行权利要求1中步骤3）的步骤，直到待覆盖目标点集合为空。 

9.根据权利要求10所述的一种基于网格扫描的可靠性可控的节点部署方法，其特征在于，横向坐标扫描次数小于或等于被扫描区域长度除以网格长度的值；纵向坐标扫描次数小于或等于被扫描区域宽度除以网格宽度的值。 

10.一种基于网格扫描的可靠性可控的节点部署装置，其特征在于，所述装置包含以下模块： 

1）预设感知概率下限极值模块，该模块设置单一传感器感知到目标点打到的最小的感知概率来表示覆盖程度，以控制节点探测的可靠性。 

2）目标点感知概率获取模块，该模块使用预设感知概率下限极值模块设置的预设感知概率下限极值计算出出节点对各目标点的感知概率； 

3）循环获取模块，根据已得到的感知概率，使用循环最优解法得出所有节点部署方案。 

Images