CN103987055A - 一种无线传感器网络节点部署及供电方法 - Google Patents

Abstract

本发明涉及一种无线传感器网络节点部署及供电方法，包括构建一个网络连通覆盖的网络节点拓扑结构；根据网络节点拓扑结构利用预设的数据路由路径选择算法确定当前网络节点拓扑结构中能耗热点的位置；根据能耗热点的位置进行可再生能源节点的部署，并将当前网络节点拓扑结构中其他网络节点进行电池节点的部署；根据可再生能源节点的供电状态动态调整电池节点的供电策略。本发明可再生能源节点数量有限约束下，根据网络能耗热点位置，确定可再生能源节点的数量与位置，完成不同能量源节点的联合部署，并根据可再生能源采集转化的情况，决定不同节点的工作任务与状态，实现网络的持续稳定工作与可再生能源的最大化利用。

Description

一种无线传感器网络节点部署及供电方法

技术领域

本发明涉及农业信息技术领域，尤其涉及一种无线传感器网络节点部署及供电方法。

背景技术

农田无线传感器网络方便、精确地获取农业生产的实时环境信息，已经成为指导农业生产，提高作物产量的关键技术。应用无线传感器网络进行农田信息采集时，针对农田面积大、传感器节点众多的特点，如何有效地部署节点成为研究的重点之一。而且现有农田无线传感器网络节点一般采用电池供电方式，电池能量有限，在大规模农田无线传感器网络环境监测应用中，存在节点数量众多，部署面积大，分布不均等问题，使得进行电池更换十分麻烦，但耕作季较长的作物又要求系统必须有较长的寿命，能量供给问题成为制约农田无线传感器网络发展的重要瓶颈问题之一。可再生能源节点是近年来无线传感器网络研究的新思路，在农田环境中太阳能、风能资源丰富，通过可再生能源的引入，可以从根本上解决农田无线传感器网络的能量供给问题。

目前节点部署研究主要包括结构化部署和随机部署两种。如何通过一定的布局策略，在尽量不增加节点个数和布设成本的基础上，满足网络的覆盖性和连通性要求，是近年来研究的一个重要方向。而可再生能源节点的引入可以从根本上解决无线传感器网络能耗瓶颈的问题，也成为一个新的研究方向，但该方面的研究主要集中于可再生能源收集转化部分。其中，在现有节点部署研究中，孙玉文等人提出了一种正六边型节点部署方法，利用NS2仿真环境，对正四边形网格、正六边形网络、随机部署的节点覆盖效率以及节点能耗、端到端平均时延等网络性能进行仿真对比，得出各方法间覆盖及网络效率的优劣。但仿真实验场景只针对纯电池供电节点，且并未考虑网络不同位置不同角色节点的非均匀耗能问题。发明专利“一种面向精准农业的WSN节点部署方法”(申请号：201310306040.4)将整个WSN网络分成多个一级固定簇头(1)、多个二级簇头(2)、多个传感器节点(3)和Sink节点，其中一级固定簇头属于总线型拓扑结构，依次排列最终与Sink节点相连，每一个固定簇头和多个二级非固定簇头相连通，一个二级非固定簇头和多个传感器节点相连通，一级固定簇头和Sink节点采用太阳能供电以减小能耗和提高可靠性。发明专利“基于太阳能电源模块的物联网节点”(申请号：201210428762.2)提供了一种基于太阳能电源模块的物联网节点，包括传感器模块、射频模块、微控制模块和太阳能电源模块，通过引入新的可再生能源，减少或无需更换电池，增加物联网节点的工作时间，大大降低人力、物力成本。

现有技术中的节点部署方法均是针对普通电池节点，未考虑可再生能源节点的应用场景；引入可再生能源的研究主要围绕在节点设计层面，充放电管理等内容，并未针对可再生能源以及网络能耗不均的特点进行节点部署以及供电策略优化。此外，目前常用的两类节点部署方法，随机化部署存在着分布不均匀导致的节点利用率不高、易造成区域重复覆盖或覆盖空洞、无法保证网络节点的连通性等问题。结构化部署存在着不灵活，农业生产场景的限制造成部分位置不可布设，以及不适合非均匀环境等问题；现有技术中单纯采用增加节点布设密度来满足网络覆盖率和连通性，则必然造成资源和成本的浪费。而且对于在农田无线传感器网络中引入可再生能源节点的研究目前还处于起步阶段，现有的研究成果主要集中在如何有效的利用农田中易于获取的可再生能源，如太阳能、风能等。设计高效可靠的能量转换、储存电路是研究的热点。现有研究所没有考虑到的问题是，可再生能源的收集转换装置，如太阳能电池板或发电风机等均存在成本较高问题，大规模农田监测节点数量繁多，全部使用可再生能源供电从成本上无法承受。另一方面，农田无线传感器网络节点一般体积小，以减少对农业生产作业的影响，但太阳能电池板或发电风机一般体积较大，大量节点使用不但会影响生产作业，甚至会减少可正常种植的土地面积。

现有技术中并无大规模农田应用环境下，结合可再生能源节点的节点部署方法与混合供电策略的相关技术研究，所以对于无线传感器在农业中应用成本的要求，在满足环境监测要求的前提下，如何确定可再生能源节点部署的最适合的位置与数量，以及如何进行能量配置，以达到可再生能源的最大利用，减少电池电量的消耗，从而延长网络整体生存周期是需要研究解决的问题。

发明内容

(一)要解决的技术问题

本发明的目的是提供一种无线传感器网络节点部署及供电方法，以解决现有技术中如何确定可再生能源节点部署的最适合的位置与数量，以及如何进行能量配置，以达到可再生能源的最大利用，减少电池电量的消耗的问题，从而延长网络整体生存周期。

(二)技术方案

为了达到上述目的，本发明提出了一种无线传感器网络节点部署及供电方法，包括：

构建一个网络连通覆盖的网络节点拓扑结构；

根据所述网络节点拓扑结构利用预设的数据路由路径选择算法确定当前网络节点拓扑结构中能耗热点的位置；

根据所述能耗热点的位置进行可再生能源节点的部署，并将所述当前网络节点拓扑结构中其他网络节点进行电池节点的部署；

根据所述可再生能源节点的供电状态动态调整所述电池节点的供电策略实现无线传感器网络的混合供电。

优选地，所述构建一个网络连通覆盖的网络节点拓扑结构具体包括：

根据监测区域面积与节点覆盖范围确定所述网络节点拓扑结构中的节点数量；

在所述监测区域内进行网络框架部署得到结构化网络框架；

根据所述节点数量对所述结构化网络框架进行节点填充形成所述网络节点拓扑结构。

优选地，所述方法还包括：

当所述网络节点拓扑结构存在局部空洞或孤立节点时，则增加节点对所述空洞进行空洞修复或对所述孤立节点进行连接。

优选地，所述根据所述能耗热点的位置进行可再生能源节点的部署具体包括：

在网络总能耗最小的约束条件下确定当前网络节点拓扑结构中可再生能源节点的数量；

根据所述可再生能源节点的数量在所述能耗热点的位置利用模拟退火算法确定可再生能源节点的部署位置。

优选地，所述根据可再生能源节点的数量在所述能耗热点的位置利用模拟退火算法确定可再生能源节点的部署位置具体包括：

在当前网络节点拓扑结构中能耗热点的位置随机选取X个节点作为暂定可再生能源节点，若所述暂定可再生能源节点间存在互为可达邻居的节点，则重新进行节点选取，否则对于所述暂定可再生能源节点中的任一节点S_i，记其可达邻居节点个数为N_i，其中与其他暂定可再生能源节点的公共可达邻居节点个数为C_i，若存在S_i的邻居节点S_j满足C_j<C_i，则将暂定可再生能源节点的位置由S_i调整为S_j，其中，C_j为节点S_j与其他暂定可再生能源节点的公共可达邻居节点个数；若存在多个满足条件的邻居节点S_j、S_m、S_n，则选取其可达邻居节点个数更接近平均簇内节点数量的节点替代节点S_i作为新的暂定可再生能源节点的位置，表达式如下：

$|N_j-\frac{N}{k}|=\min \left\{\right|N_j-\frac{N}{k}|,|N_m-\frac{N}{k}|,|N_n-\frac{N}{k}\left|\right\}$

其中，N_j、N_m、N_n为节点S_j、S_m、S_n的可达邻居节点个数，N为部署在监测区域内的节点个数，k为监测区域内成簇数量，N/k为每个簇的平均节点数；

重复上述步骤，直到所有可再生能源节点位置不再变化，或达到最大循环次数跳出循环，其中，已被淘汰的暂定可再生能源节点不再参与比较。

优选地，所述根据可再生能源节点的供电状态动态调整所述电池节点的供电策略实现无线传感器网络的混合供电具体包括：

根据所述可再生能源节点的供电状态对所述可再生能源节点进行状态分类；

当进行数据采集时，根据所述可再生能源节点的状态类别按照预设规则调整所述电池节点的供电策略。

优选地，所述根据所述可再生能源节点的供电状态对所述可再生能源节点进行状态分类具体为：

当所述可再生能源节点工作时，产生的可再生能源在供给节点消耗后还剩余能量可以给电池充电时，则所述可再生能源节点为全节点；

当所述可再生能源节点工作时，除了消耗产生的可再生能源能量外还需要消耗电池预先存贮的能量时，则所述可再生能源节点为半节点；

当所述可再生能源节点工作时，自身不能产生能量且完全消耗电池预先存贮的能量时，则所述可再生能源节点为零节点。

优选地，所述根据可再生能源节点的状态类别按照预设规则调整所述电池节点的供电策略具体包括：

当所述可再生能源节点为全节点时，则所述可再生能源节点为全功能簇头节点，广播全功能簇头成簇消息，所述电池节点根据所述全功能簇头节点发送的成簇消息进行成簇；

当所述可再生能源节点为半节点或零节点时，则根据所述可再生能源节点的剩余能量决定节点的工作状态，如果所述可再生能源节点的剩余能量大于等于预设阈值，则进行簇头节点划分，得到功能等级依次降低的全功能簇头节点、部分功能簇头节点和二级簇头节点，如果所述可再生能源节点的剩余能量小于预设阈值则放弃主动成为簇头节点，所述电池节点根据发送成簇消息的簇头节点的功能等级进行成簇。

优选地，还包括当所述可再生能源节点的剩余能量小于预设阈值时发送簇头选举消息进行簇头节点选取，具体包括：

发送所述簇头选举消息的节点和仅收到所述簇头选举消息的电池节点进行自我能量感知，计算自身选举权重，公式如下：

$W_i=E_i\&CenterDot;(1+\frac{D_i}{10})$

其中，E_i代表节点的归一化能量值，D_i代表节点的节点度；

将所述权重值进行广播；

选取权重值最大的节点作为选举簇头节点，所述选举簇头节点属于二级簇头节点。

优选地，所述全功能簇头节点与部分功能簇头节点成簇后均将簇内节点的上报数据以一跳方式回传至sink节点；所述二级簇头节点与选举簇头节点成簇后收集簇内节点的采集数据传输到全功能簇头节点或部分功能簇头节点，并由所述全功能簇头节点或部分功能簇头节点进行二跳传输将数据回传至sink节点。

(三)有益效果

本发明提出了一种无线传感器网络节点部署及供电方法，该方法在可再生能源节点数量有限约束下，根据网络能耗热点位置，确定可再生能源节点的数量与位置，完成不同能量源节点的联合部署，并根据可再生能源采集转化的情况，决定不同节点的工作任务与状态，实现网络的持续稳定工作与可再生能源的最大化利用。

附图说明

图1为本发明一种无线传感器网络节点部署及供电方法的流程图；

图2为本发明实施例中节点部署与太阳能节点位置选取示意图；

图3为本发明实施例中混合供电策略中不同功能等级的节点工作示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提出了一种无线传感器网络节点部署及供电方法，通过能耗热点关联可再生能源节点部署与混合供电，将传统结构化部署与非结构化部署方法相结合，取长补短，在大尺度上采用结构化部署，满足监测区域宏观上的连通覆盖，在小区域内采用随机部署，方便灵活。引入可再生能源节点可从根本解决农田无线传感器网络能量瓶颈问题，此外，本发明采取图论分析方法寻找网络中的能耗热点，对于能耗热点位置，引入可再生能源节点作为增强节点，承担更多的数据通信与转发任务，满足当前网络结构下对热点位置的额外能量需求，减少对电池电量的实际消耗，延长节点生存周期，在节约成本、不影响生产和网络能耗、生存周期之间寻求节点数量与位置的博弈均衡。另一方面，农田环境中的可再生能源主要为太阳能或风能，其能量来源非持续，也不固定，且受环境影响较大，所以可再生能源节点并不是理想的“无限能量”节点，如何对网络节点任务实现合理调度，实现可再生能量的有效利用，同时避免可再生能源中断，增强节点能量不足时避免因能量快速耗尽死亡而造成网络瘫痪的能力等也是本发明的目的。

如图1所示，该方法包括以下步骤：

S101构建一个网络连通覆盖的网络节点拓扑结构,具体包括：

根据监测区域面积与节点覆盖范围确定所述网络节点拓扑结构中的节点数量；在所述监测区域内进行网络框架部署得到结构化网络框架；根据所述节点数量对所述结构化网络框架进行节点填充形成所述网络节点拓扑结构。当所述网络节点拓扑结构存在局部空洞或孤立节点时，则增加节点对所述空洞进行空洞修复或对所述孤立节点进行连接。

S102根据所述网络节点拓扑结构利用预设的数据路由路径选择算法确定当前网络节点拓扑结构中能耗热点的位置；其中，数据路由路径选择算法包括平面路由算法和层次型路由算法。

S103根据所述能耗热点的位置进行可再生能源节点的部署，并将所述当前网络节点拓扑结构中其他网络节点进行电池节点的部署；

其中，根据所述能耗热点的位置进行可再生能源节点的部署具体包括：在网络总能耗最小的约束条件下确定当前网络节点拓扑结构中可再生能源节点的数量；根据所述可再生能源节点的数量在所述能耗热点的位置利用模拟退火算法确定可再生能源节点的部署位置，具体为：在当前网络节点拓扑结构中能耗热点的位置随机选取X个节点作为暂定可再生能源节点，若所述暂定可再生能源节点间存在互为可达邻居的节点，则重新进行节点选取，否则对于所述暂定可再生能源节点中的任一节点S_i，记其可达邻居节点个数为N_i，其中与其他暂定可再生能源节点的公共可达邻居节点个数为C_i，若存在S_i的邻居节点S_j满足C_j<C_i，则将暂定可再生能源节点的位置由S_i调整为S_j，其中，C_j为节点S_j与其他暂定可再生能源节点的公共可达邻居节点个数；若存在多个满足条件的邻居节点S_j、S_m、S_n，则选取其可达邻居节点个数更接近平均簇内节点数量的节点替代节点S_i作为新的暂定可再生能源节点的位置，表达式如下：

$|N_j-\frac{N}{k}|=\min \left\{\right|N_j-\frac{N}{k}|,|N_m-\frac{N}{k}|,|N_n-\frac{N}{k}\left|\right\}$

其中，N_j、N_m、N_n为节点S_j、S_m、S_n的可达邻居节点个数，N为部署在监测区域内的节点个数，k为监测区域内成簇数量，N/k为每个簇的平均节点数；

重复上述步骤，直到所有可再生能源节点位置不再变化，或达到最大循环次数跳出循环，其中，已被淘汰的暂定可再生能源节点不再参与比较。

S104根据所述可再生能源节点的供电状态动态调整所述电池节点的供电策略实现无线传感器网络的混合供电，具体包括：根据所述可再生能源节点的供电状态对所述可再生能源节点进行状态分类；当进行数据采集时，根据所述可再生能源节点的状态类别按照预设规则调整所述电池节点的供电策略。

其中，根据所述可再生能源节点的供电状态对所述可再生能源节点进行状态分类具体为：当所述可再生能源节点工作时，产生的可再生能源在供给节点消耗后还剩余能量可以给电池充电时，则所述可再生能源节点为全节点；当所述可再生能源节点工作时，除了消耗产生的可再生能源能量外还需要消耗电池预先存贮的能量时，则所述可再生能源节点为半节点；当所述可再生能源节点工作时，自身不能产生能量且完全消耗电池预先存贮的能量时，则所述可再生能源节点为零节点，进一步地，当所述可再生能源节点为全节点时，则所述可再生能源节点为全功能簇头节点，广播全功能簇头成簇消息，所述电池节点根据所述全功能簇头节点发送的成簇消息进行成簇；当所述可再生能源节点为半节点或零节点时，则根据所述可再生能源节点的剩余能量决定节点的工作状态，如果所述可再生能源节点的剩余能量大于等于预设阈值，则进行簇头节点划分，得到功能等级依次降低的全功能簇头节点、部分功能簇头节点和二级簇头节点，如果所述可再生能源节点的剩余能量小于预设阈值则放弃主动成为簇头节点，所述电池节点根据发送成簇消息的簇头节点的功能等级进行成簇。当所述可再生能源节点的剩余能量小于预设阈值时发送簇头选举消息进行簇头节点选取，具体包括：发送所述簇头选举消息的节点和仅收到所述簇头选举消息的电池节点进行自我能量感知，计算自身选举权重，公式如下：

$W_i=E_i\&CenterDot;(1+\frac{D_i}{10})$

其中，E_i代表节点的归一化能量值，D_i代表节点的节点度；将所述权重值进行广播；选取权重值最大的节点作为选举簇头节点，所述选举簇头节点属于二级簇头节点。

全功能簇头节点与部分功能簇头节点成簇后均将簇内节点的上报数据以一跳方式回传至sink节点；所述二级簇头节点与选举簇头节点成簇后收集簇内节点的采集数据传输到全功能簇头节点或部分功能簇头节点，并由所述全功能簇头节点或部分功能簇头节点进行二跳传输将数据回传至sink节点。

在农田环境中最易于获取的可再生能源有太阳能、风能等，优选地本实施例使用太阳能作为可再生能源。下面以太阳能节点作为本发明实施例中的可再生能源节点对本发明进行具体的解释说明。

在网络节点部署的最开始，需要先构建一个基本的网络拓扑结构，再进行空洞修复与冗余控制，满足网络自身连通性要求以及对监测区域的全覆盖，此阶段并不要求确定太阳能节点的数量与位置，所以称为无差别的节点部署阶段，该阶段完成后，才能根据网络不同位置的实际能耗需求确定太阳能节点的布局方法。

根据监测区域面积与节点覆盖范围估计部署需要的节点数量。

$N_a=g\&CenterDot;\frac{A_m}{\mathrm{\&pi;}\&CenterDot;R^2}$

其中N_a为部署需要的节点数量，Am为监测区域面积，R为节点的通信半径，若节点通信半径可变，则为最大通信半径与最小通信半径的均值，g为覆盖因子，g越高，则监测系统的可靠性越高，但冗余度也越高，优选地一般g取1.5－2之间。

在监测区域内进行整体框架式结构化部署，常用的方式有正四边形、正三角形、正六边形部署，优选地，本实施例采用正六边形方式进行网络框架部署，如附图2中的(a)图所示。网络中用于构建正六边形框架的节点数量N_b为：

其中，代表正六边形区域的个数，a为正六边形的边长，a的取值越小，则部署结构化程度越高，a的取值越大，则部署效果更加随机，优选地，取a＝3R。

完成结构化框架部署后，对各六边形区域内进行随机节点填充，如附图2中的(b)图所示，每块区域待填充节点的数量N_c为:

完成随机填充后，网络节点可基本实现监测区域内的连通覆盖，若局部存在空洞或孤立节点情况，则采取相关技术增加节点的方式进行连接或空洞修复，完成了节点的无差别部署阶段，得到网络节点拓扑结构。

结构化网格部署和网格内随机部署结合的无差别节点部署方法，针对结构化部署存在着不灵活，不能适应环境的不均匀变化的缺点以及随机部署节点不均导致的监测区域局部网络覆盖、连通性问题。本发明按照监测区域面积与节点感知覆盖面积以及覆盖余量对节点部署数量进行估计，采用结构化网格部署和网格内随机部署相结合的方法，结构化网格部署实现农田区域的基本覆盖与分区，网格内随机部署以适应农田环境非均匀与多变特点。无差别的节点部署是可再生能源节点位置与数量选择的基础。

根据此网络节点拓扑结构，结合预设的数据路由路径选择算法，确定当前网络节点拓扑结构的能耗热点位置。其中，常用的路由方法主要有平面路由算法与层次型路由算法两类。平面型路由算法中节点通过报文扩散的方式寻找由源节点到目标节点间的可能路径，数据在传输过程中需要经过多次中继转发，节点越靠近sink节点，其可能承担的转发任务也越重，能量消耗也越大，距sink节点越远，承担的转发任务越少，或不承担转发任务(如端节点)，所以节点能耗按距离sink的远近(跳数多少)形成能耗梯度。在层次型路由算法中，簇头作为“超级节点”，承担了全部的数据转发任务，其能耗也远大于其他簇内节点，为解决簇头能耗过大的问题，现有研究提出了多种动态成簇的簇首轮换策略，将簇头的额外能耗在簇内节点间平均，以延长簇的生存周期。因此，在层次型路由网络中，簇头是显而易见的能耗热点。

本发明实施例中网络能耗热点关联的太阳能节点位置与数量选择，在层次型网络能耗大的簇头以太阳能节点替代，根据节点通信能耗模型，以网络总能耗最小为约束，得出太阳能节点的最优数量。以共有可达邻居节点数量最小与可达邻居节点数量为目标函数，通过模拟退火的方法迭代求解太阳能节点的最优部署位置。

现将N个节点部署在面积为M×M检测区域内，记最佳成簇数量为k，则每个簇的平均节点数为N/k。已知，节点发送l比特数据需要消耗的能量E_tx为：

$E_{\mathrm{tx}}=\left\{\begin{array}{c}l{E}_{\mathrm{elec}}+{\mathrm{\&epsiv;}}_f{d}^2,d<d_{\mathrm{crossover}}\\ {\mathrm{lE}}_{\mathrm{elec}}+{\mathrm{\&epsiv;}}_m{d}^4,d\&GreaterEqual;d_{\mathrm{crossover}}\end{array}\right.$

其中，E_elec代表发射电路或接收电路传输1bit数据消耗的能量，d为发射节点到接收节点之间的距离，为模型的距离阈值，若小于d_crossover，则为自由空间衰减模型，若大于d_crossover，则采用多路衰减模型，ε_f和ε_m为两种模型中的功率放大的能量系数，一般地ε_f取值为0.0013。

根据上述信号传输能量模型，则簇头节点的能耗E_CH为：

$E_{\mathrm{CH}}={\mathrm{lE}}_{\mathrm{elec}}\frac{N}{k}+{\mathrm{lE}}_{\mathrm{BF}}\frac{N}{k}+{\mathrm{l\&epsiv;}}_m{d}_{\mathrm{toBS}}^4;$

其中E_BF为簇头节点对每bit数据进行融合处理的能量，d_toBS为簇头到基站的距离。

簇内节点的能耗E_nCH为：

$E_{\mathrm{nCH}}={\mathrm{lE}}_{\mathrm{elec}}+{\mathrm{l\&epsiv;}}_f{d}_{\mathrm{toCH}}^2$

其中d_toCH为节点到簇头的距离。

模型中认为每个簇都是以簇头为中心的圆形区域，圆形区域的面积为簇内节点在该圆形区域内随机均匀分布，则可得出d2toCH的期望值：

$\begin{array}{c}E\left[d_{\mathrm{toCH}}^2\right]=\&Integral;\&Integral;(x^2+y^2)\mathrm{\&rho;dxdy}\\ =\frac{M^2}{2\mathrm{\&pi;k}}\end{array}$

其中ρ为节点分布系数，随机均匀分布时，ρ取区域面积的倒数。

所以网络总能耗为：

$\begin{array}{c}{E}_{\mathrm{total}}=k(E_{\mathrm{CH}}+\frac{N}{k}{E}_{\mathrm{nCH}})\\ =l(2E_{\mathrm{elec}}N+E_{\mathrm{BF}}N+k{\mathrm{\&epsiv;}}_m{d}_{\mathrm{toBS}}^4+N{\mathrm{\&epsiv;}}_f\frac{M^2}{2\mathrm{\&pi;k}})\end{array}$

最佳的节点数量则要求网络总能耗最小，即如下约束：

$\left\{\begin{array}{c}\frac{{\mathrm{dE}}_{\mathrm{total}}}{\mathrm{dk}}=0\\ \frac{d^2{E}_{\mathrm{total}}}{{\mathrm{dk}}^2}>0\end{array}\right.$

求解后得出最优的k值为：

$k=\frac{\sqrt{N}}{\sqrt{2\mathrm{\&pi;}}}\frac{\sqrt{{\mathrm{\&epsiv;}}_f}}{\sqrt{{\mathrm{\&epsiv;}}_m}}\frac{M}{d_{\mathrm{toBS}}^2}$

为保证网络的连通性，d_toBS按最近的簇头计算，所得计算结果上向取整即是最优的太阳能节点(簇)数量k。

本发明提供的方法还包括一种改进模拟退火算法，根据无差别的节点部署阶段中得到的节点拓扑分布图以及最优的太阳能节点数量，确定太阳能节点分布的最佳部署位置，如附图2中的(c)图和(d)图所示，具体方法如下：

步骤1：在节点拓扑分布图中随机选择X个节点作为暂定太阳能节点，若随机选择的太阳能节点间存在互为可达邻居节点，即一个节点同时为一对邻居节点的邻居节点，则重新选择，否则进入步骤2；

步骤2：对于暂定太阳能节点中的任意一节点S_i，记其可达邻居节点个数为N_i，其中与其他暂定太阳能节点的公共可达邻居节点个数为C_i，若存在S_i的邻居节点S_j满足C_j<C_i，则将暂定太阳能节点的位置由S_i调整为S_j，其中，C_j为节点S_j与其他暂定太阳能节点的公共可达邻居节点个数。

步骤3：若步骤2中存在多个满足条件的邻居节点S_j、S_m、S_n，则选择其可达邻居节点个数更接近平均簇内节点数量的节点替代节点S_i作为新的暂定太阳能节点位置，即若

$|N_j-\frac{N}{k}|=\min \left\{\right|N_j-\frac{N}{k}|,|N_m-\frac{N}{k}|,|N_n-\frac{N}{k}\left|\right\}$

其中N_j、N_m、N_n为节点S_j、S_m、S_n的可达邻居节点个数，N为部署在监测区域内的节点个数，k为监测区域内佳成簇数量，N/k为每个簇的平均节点数。

步骤4：重复步骤2、3，直到所有太阳能节点位置不再变化，或达到最大循环次数跳出循环，已经淘汰的暂定太阳能节点位置不再参与步骤2，3的比较。最后的暂定太阳能节点位置即是最佳的太阳能节点位置。

虽然太阳能资源在农田内易于获取，长期来看，可以认为是无限能量供给，但太阳能资源只能在白天获取，且受天气等因素影响，如阴、雨、雪天以及早晨、傍晚等，因光照较弱，均无法有效对太阳能获取和转化，在此类天气及晚上时，太阳能节点的失去了额外能量来源，能量等级状态与普通电池节点的一样，太阳能节点的电池电量被迅速消耗而得不到补充，若此类恶劣天气持续多日，则可能出现太阳能节点因电池耗尽死亡而造成网络瘫痪的现象，所以为避免此类情况，延长农田监测无线传感器网络的生存周期与稳定性，本发明实施例中提出的根据可再生能源节点的供电状态动态调整所述电池节点的供电，实现无线传感器网络的混合供电策略。

本发明实施例中提出的混合供电方法根据太阳能节点获取状态不同，将太阳能节点分为“晴天”即全节点、“阴天”即半节点和“夜晚”即零节点三种工作阶段，“晴天”阶段中，太阳光照充足，提供的电流除供给设备自身使用外还可以给电池充电；“阴天”阶段中，存在太阳光照，但因为天气原因(阴、多云、雨、雪等)光照不充分，仅能提供少量电流，不足以给电池充电，设备正常使用时除消耗了太阳能板的能量外，还需要从电池消耗已存贮的能量；“夜晚”阶段中(夜晚或白天的极端天气)无光照或微光不足已使太阳能电池板产生电流，设备使用需要完全消耗电池能量。剩余能量状态则以能量归一化值来表示，即节点电池充满状态为1，剩余能量状态系数Ec即为剩余能量值与初始能量(充满时)之比，取值为0-1。对于同一片农田监测区域，我们认为所有太阳能节点的充电状态在某一时刻是一致的，剩余能量状态则因各簇内的节点负载不同、供电策略不同而各有差异。

每次采集上传周期的最开始，太阳能节点判断工作阶段与自身剩余能量状态系数，并根据其状态组合不同，决定网络节点供电策略，具体规则如下：

1.若在采集上传周期的最开始，太阳能节点充电状态为“晴天”，则直接宣布自身为全功能簇头节点，广播全功能簇头成簇消息；

2.若在采集上传周期的最开始，太阳能节点充电状态为“阴天”，则进一步判断节点剩余能量状态，若

E_c∈[0.9(1.1-A_s),1(1.1-A_s)]，则宣布为全功能簇头节点；

E_c∈[0.5(1.1-A_s),0.9(1.1-A_s))，则广播宣布成为部分功能簇头节点；

E_c∈[0.3(1.1-A_s),0.5(1.1-A_s))，则广播宣布成为二级簇头节点；

E_c∈[0.05,0.3(1.1-A_s))，则放弃主动成为簇头节点，广播簇头选举消息，选举能量较高的电池节点成为簇头；

E_c∈[0,0.05)，则认为充电电池处于临界耗尽状态，考虑到电池本身存在的缓慢漏电现象，应在此阶段切断电池放电回路，等待下一个“晴天”阶段，以避免电池过放而无法充电的情况出现。

其中A_s为“阴天”状态下的太阳能获取系数，其值定义为实际获取的太阳能电功率与全功能簇头功耗的比值。(1.1-A_s)为调整系数，理论值应为(1-A_s)，多出的0.1为防止电池过放的保护余量。

3.若在采集上传周期的最开始，太阳能节点充电状态为“夜晚”，则进一步判断节点剩余能量状态，若

E_c∈[0.8,1]，则宣布为全功能簇头节点；

E_c∈[0.4,0.8)，则广播宣布成为部分功能簇头节点；

E_c∈[0.2,0.4)，则广播宣布成为二级簇头节点；

E_c∈[0.05,0.2)，则放弃主动成为簇头节点，广播簇头选举消息，选举能量较高的电池节点成为簇头；

E_c∈[0,0.05)，则认为充电电池处于临界耗尽状态，考虑到电池本身存在的缓慢漏电现象，应在此阶段切断电池放电回路，等待下一个“晴天”阶段，以避免电池过放而无法充电的情况出现。

4.普通电池节点根据太阳能节点发送的成簇消息进行成簇：①若收到某个簇头的成簇消息，则加入该簇，若同时收到多个簇头的成簇消息，则判断簇头的功能等级，优先选择功能等级高的簇头加入(全功能>部分功能>二级簇头)，若簇头功能等级相同则选择距离最近的簇头加入；②若仅收到簇头选举消息，则发出簇头选举消息的节点和接收到簇头选举消息的节点按如下规则计算自身选举权重，节点进行自我能量感知，取节点当前剩余能量情况E_i，则某节点选举簇头的权重W_i表示如下：

$W_i=E_i\&CenterDot;(1+\frac{D_i}{10})$

其中，E_i代表节点的归一化能量值，D_i代表节点的节点度。在进行簇头选举时，所有节点广播自身权重信息，接收到邻居节点的权重信息后，向权重最大的邻居节点发送投票信息，得票最多的节点成为选举簇头节点。附图3为混合供电策略中不同功能等级的节点工作示意图，如图所示，全功能簇头节点与部分功能簇头节点能量等级较高，成簇后均将簇内节点的上报数据以一跳方式回传至sink节点，区别是全功能簇头节点将所有邻居节点成簇；二级簇头节点的能量等级较低，收集簇内节点的采集数据后，寻找最近的全功能簇头或部分功能簇头节点，并由其收集数据，进行二跳传输，所有簇头选举产生的簇头均采用与二级簇头相同的二跳传输方式将数据回传至sink节点。

太阳能节点的引入很大程度上解决了农田无线传感器网络中通信能耗过大的问题，但由于太阳能资源受天气影响大，在持续恶劣天气时，热点能耗可能超出太阳能节点储能极限，而造成网络瘫痪，长时间超出还可能造成充电电池的不可恢复过放。本发明实施例中提出一种混合供电方法，根据太阳能节点的充电状态与剩余能量等级，决定簇头节点的功能等级，在太阳能资源充足的情况下，最大程度利用太阳能源，在太阳能资源不足或没有的情况下，根据太阳能节点存储能量的多少不同决定簇头的功能状况，当太阳能资源不足且存储能量低时，太阳能节点视为同普通电池节点，共同参与簇头选举，避免在持续恶劣天气条件下，太阳能节点能量的持续大量消耗，保证网络的持续稳定工作。

本发明针对大规模农田无线传感器网络监测节点数量多、能量受限、多级能量异构农等特点，引入可再生能源节点，提出了一种无线传感器网络节点部署及供电方法，该方法在可再生能源节点数量有限约束下，根据网络能耗热点位置，确定可再生能源节点的数量与位置，完成不同能量源节点的联合部署。并根据可再生能源采集转化的情况，决定不同节点的工作任务与状态，实现网络的持续稳定工作与可再生能源的最大化利用。

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范畴，本发明的专利保护范围应由权利要求限定。

Claims (10)

1.一种无线传感器网络节点部署及供电方法，其特征在于，包括：

构建一个网络连通覆盖的网络节点拓扑结构；

根据所述网络节点拓扑结构利用预设的数据路由路径选择算法确定当前网络节点拓扑结构中能耗热点的位置；

根据所述能耗热点的位置进行可再生能源节点的部署，并将所述当前网络节点拓扑结构中其他网络节点进行电池节点的部署；

根据所述可再生能源节点的供电状态动态调整所述电池节点的供电策略实现无线传感器网络的混合供电。

2.如权利要求1所述的方法，其特征在于，所述构建一个网络连通覆盖的网络节点拓扑结构具体包括：

根据监测区域面积与节点覆盖范围确定所述网络节点拓扑结构中的节点数量；

在所述监测区域内进行网络框架部署得到结构化网络框架；

根据所述节点数量对所述结构化网络框架进行节点填充形成所述网络节点拓扑结构。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

当所述网络节点拓扑结构存在局部空洞或孤立节点时，则增加节点对所述空洞进行空洞修复或对所述孤立节点进行连接。

4.如权利要求1所述的方法，其特征在于，所述根据所述能耗热点的位置进行可再生能源节点的部署具体包括：

在网络总能耗最小的约束条件下确定当前网络节点拓扑结构中可再生能源节点的数量；

根据所述可再生能源节点的数量在所述能耗热点的位置利用模拟退火算法确定可再生能源节点的部署位置。

5.如权利要求4所述的方法，其特征在于，所述根据可再生能源节点的数量在所述能耗热点的位置利用模拟退火算法确定可再生能源节点的部署位置具体包括：

在当前网络节点拓扑结构中能耗热点的位置随机选取X个节点作为暂定可再生能源节点，若所述暂定可再生能源节点间存在互为可达邻居的节点，则重新进行节点选取，否则对于所述暂定可再生能源节点中的任一节点S_i，记其可达邻居节点个数为N_i，其中与其他暂定可再生能源节点的公共可达邻居节点个数为C_i，若存在S_i的邻居节点S_j满足C_j<C_i，则将暂定可再生能源节点的位置由S_i调整为S_j，其中，C_j为节点S_j与其他暂定可再生能源节点的公共可达邻居节点个数；若存在多个满足条件的邻居节点S_j、S_m、S_n，则选取其可达邻居节点个数更接近平均簇内节点数量的节点替代节点S_i作为新的暂定可再生能源节点的位置，表达式如下：

$|N_j-\frac{N}{k}|=\min \left\{\right|N_j-\frac{N}{k}|,|N_m-\frac{N}{k}|,|N_n-\frac{N}{k}\left|\right\}$

其中，N_j、N_m、N_n为节点S_j、S_m、S_n的可达邻居节点个数，N为部署在监测区域内的节点个数，k为监测区域内成簇数量，N/k为每个簇的平均节点数；

重复上述步骤，直到所有可再生能源节点位置不再变化，或达到最大循环次数跳出循环，其中，已被淘汰的暂定可再生能源节点不再参与比较。

6.如权利要求1所述的方法，其特征在于，所述根据可再生能源节点的供电状态动态调整所述电池节点的供电策略实现无线传感器网络的混合供电具体包括：

根据所述可再生能源节点的供电状态对所述可再生能源节点进行状态分类；

当进行数据采集时，根据所述可再生能源节点的状态类别按照预设规则调整所述电池节点的供电策略。

7.如权利要求6所述的方法，其特征在于，所述根据所述可再生能源节点的供电状态对所述可再生能源节点进行状态分类具体为：

当所述可再生能源节点工作时，产生的可再生能源在供给节点消耗后还剩余能量可以给电池充电时，则所述可再生能源节点为全节点；

当所述可再生能源节点工作时，除了消耗产生的可再生能源能量外还需要消耗电池预先存贮的能量时，则所述可再生能源节点为半节点；

当所述可再生能源节点工作时，自身不能产生能量且完全消耗电池预先存贮的能量时，则所述可再生能源节点为零节点。

8.如权利要求7所述的方法，其特征在于，所述根据可再生能源节点的状态类别按照预设规则调整所述电池节点的供电策略具体包括：

当所述可再生能源节点为全节点时，则所述可再生能源节点为全功能簇头节点，广播全功能簇头成簇消息，所述电池节点根据所述全功能簇头节点发送的成簇消息进行成簇；

当所述可再生能源节点为半节点或零节点时，则根据所述可再生能源节点的剩余能量决定节点的工作状态，如果所述可再生能源节点的剩余能量大于等于预设阈值，则进行簇头节点划分，得到功能等级依次降低的全功能簇头节点、部分功能簇头节点和二级簇头节点，如果所述可再生能源节点的剩余能量小于预设阈值则放弃主动成为簇头节点，所述电池节点根据发送成簇消息的簇头节点的功能等级进行成簇。

9.如权利要求8所述的方法，其特征在于，还包括当所述可再生能源节点的剩余能量小于预设阈值时发送簇头选举消息进行簇头节点选取，具体包括：

发送所述簇头选举消息的节点和仅收到所述簇头选举消息的电池节点进行自我能量感知，计算自身选举权重，公式如下：

$W_i=E_i\&CenterDot;(1+\frac{D_i}{10})$

其中，E_i代表节点的归一化能量值，D_i代表节点的节点度；

将所述权重值进行广播；

选取权重值最大的节点作为选举簇头节点，所述选举簇头节点属于二级簇头节点。

10.如权利要求9所述的方法，其特征在于，所述全功能簇头节点与部分功能簇头节点成簇后均将簇内节点的上报数据以一跳方式回传至sink节点；所述二级簇头节点与选举簇头节点成簇后收集簇内节点的采集数据传输到全功能簇头节点或部分功能簇头节点，并由所述全功能簇头节点或部分功能簇头节点进行二跳传输将数据回传至sink节点。