CN104080154A - 基于元胞自动机的工业无线传感器网络节点休眠方法 - Google Patents

Abstract

本发明公开了一种基于元胞自动机的工业无线传感器网络节点休眠方法。本发明的方法具体在面向工业背景下的无线传感器网络中引入了元胞自动机理论，将无线传感器网络中海量的传感节点视为元胞自动机里的元胞，各传感节点只需掌握其自身及邻居节点的信息，即可决策其工作或休眠状态。采用泰森多边形划分法确定出不规则元胞空间以及节点邻居集，从而保证了每个元胞空间只包含一个传感节点；同时将工业噪声等环境因素以及节点的剩余能量等级考虑在状态转换规则的设计中，有效地解决工业无线传感器网络可靠性与耗能之间的问题，达到提高传感器节点利用率、延长无线传感器网络寿命的目的。

Description

基于元胞自动机的工业无线传感器网络节点休眠方法

技术领域

本发明属于无线通信技术领域，具体涉及一种无线传感器网络节点休眠方法。

背景技术

工业无线传感器网络(Industrial Wireless Sensor Networks，IWSNs)是指应用到工业领域的无线传感器网络。无线传感器网络(Wireless Sensor Network，WSN)需要传感器节点互相协同合作，共同完成监测任务。在工业自动化领域，尤其是工业监测领域，无线传感器网络有着广阔的前景，同时工业环境的特殊性也给工业无线传感器网络的研究提出了新的问题和需求。首先，复杂的工业环境，大型设备的电磁辐射以及设备运行过程中的噪声，使通信受到严重干扰；其次，工业自动化应用要求无线设备在不更换电池的条件下工作5年，这对节能方面的设计提出了挑战。

元胞自动机(Cellular Automata,CA)是一种空间、时间和状态都离散的动力系统模型。它的基本特征是：每一个元胞都被均匀地安置在一个规则的网格中，取值为有限的离散状态，并都按照一样的状态转移函数来进行同步更新，且只与它的邻居元胞存在相互作用。元胞自动机能以简单的规则揭示复杂的全局特性，而无线传感网络是一种典型的自组织通信网络，大量分布式的传感器节点只能够与临近节点相互通信，并依靠局部信息做出行为决策。因此，元胞自动机理论在无线传感网络时空演化规律方面展现出令人瞩目的研究前景。

发明内容

本发明的目的是为了提高传感器节点利用率、延长整个工业无线传感器网络的生存期，提出一种基于元胞自动机的工业无线传感器网络节点休眠方法。

本发明的技术方案是：一种基于元胞自动机的工业无线传感器网络节点休眠方法，具体包括步骤：

步骤1.随机撒布工业传感器节点：设待检测感知的工业区域D的规模为L×L，其中任意撒布n个无线传感器节点，节点集合表示为S＝{S₁,S₂，…,S_i,…,S_n}，其中S_i表示第i个传感器节点，同时设节点S_i所对应的空间位置向量为l_i，空间位置向量的集合表示为l＝{l₁,l₂，…,l_n}，每个传感节点都具有通信交流、检测感知的能力，节点的最大通信距离为R_c，最大检测距离为R_s；

步骤2.采用泰森多边形法确定不规则元胞空间以及节点邻居集：节点S_i所对应的不规则元胞空间C_i的确定方法为：分别连接节点S_i与其周围节点S_j，并作每一条线段的垂直平分线，垂直平分线相交形成的包含S_i在内的多边形区域即为节点S_i所对应的不规则元胞空间C_i，与多边形元胞空间C_i毗邻的通信范围之内的多边形C_j所包含的节点S_j即为S_i的邻居节点，在不规则元胞自动机模型中，每个元胞的邻居个数都不相同，因此可确定节点S_i的邻居节点集N_i，定义为：N_i＝{S_j|C_j connect C_i,j＝1,2,…,n}；

步骤3.定义节点状态集合，初始化节点状态：传感器节点采用S-MAC协议，节点周期地按照状态转换规则选择活跃或休眠状态。休眠状态时，节点进入休眠状态以节省能量；工作状态时，节点检测周围环境并进行相应处理。因此定义包含n个节点状态的集合Q为：Q＝{Q_i|Q_i∈{0,1},i＝1,2,…,n}，其中Q_i表示节点S_i的状态，0和1分别表示该节点处于休眠和工作状态。同时，初始化节点状态以1/2的概率取0或1(休眠或工作状态)。

步骤4.通过状态转换函数进行节点状态更新：

在节点检测范围内，工业噪声对节点S_i的影响服从指数分布，参数值为：

Noise_i＝a·e^b·dis_i，其中dis_i≤R_s是节点S_i与探测目标的距离，当dis_i>R_s时，即探测目标不在节点S_i的检测范围内，定义此时工业噪声的影响为无穷大；a,b为参数值，不同的工业场景对应着不同的参数值。

这里，设工业噪声的标准差σ＝10，由指数分布的性质可知σ²＝1/b²，可得b＝0.1。

为了得到状态转换函数中节点活跃权值的计算式，对工业噪声因素进行归一化处理，归一化的工业噪声为：其中，Noise_max为工业噪声最大干扰参数值，由于节点的最大检测距离为R_s，因此将最大工业噪声干扰参数值定义为

同时，设节点S_i的剩余能量为E_i，本节点及邻居节点的平均剩余能量为E_{i_av}，计算公式为：其中，E_j表示在节点S_i的邻居集合内的节点S_j的剩余能量，|N_i|为节点S_i的邻居集合N_i中元素的个数。同时，定义节点S_i的剩余能量等级参数值为传感节点在t+1时刻的工作/休眠状态由工业噪声的影响和该节点及其邻居节点在t时刻的剩余能量共同决定。

定义传感器节点S_i在时刻t的活跃权值W_i(t)的计算式为：

其中，E_i(t),E_{i_av}(t)分别表示节点S_i在t时刻的剩余能量值和邻居节点的平均剩余能量值；No_i(t)表示节点S_i在t时刻受到的工业噪声影响归一化参数值；k₁,k₂分别为剩余能量等级参数值和工业噪声影响参数值的权重。

同时设定一动态活跃阈值W_th(t)为各节点活跃权值的平均值，即

W_th(t)＝average{W_i(t),i＝1,2,…,n}。每个节点具有一个节点状态标志位Sleepflag，同时以计数器SleepTimer来记录节点休眠的时间。如果节点S_i在t时刻的状态为“1”(工作状态)，判断该节点的活跃权值是否大于活跃阈值，若是，则该节点在t+1时刻的状态保持为“1”(工作状态)，否则，节点在t+1时刻的状态转换为“0”(休眠状态)，同时将节点状态标志位Sleepflag置为1，并启动计数器SleepTimer，当计数器计满，则将节点状态标志位Sleepflag重新置为0；如果节点S_i在t时刻的状态为“0”(休眠状态)，则对节点状态标志位Sleepflag进行判断，若为1，则继续休眠，若为0，则该节点在t+1时刻的状态更新为“1”(工作状态)。

可以看出，上述状态转换规则f具体可以描述如下：

(a)如果则：

$Q_i^{(t+1)}=\left\{\begin{array}{ccc}1,& \mathrm{if}& W_i\left(t\right)\≥W_{\mathrm{th}}\left(t\right)\\ 0,& \mathrm{others}& \end{array}\right.$

(b)如果则：

$Q_{i,j}^{(t+1)}=\left\{\begin{array}{ccc}0,& \mathrm{if}& \mathrm{sleepflag}=1\\ 1,& \mathrm{if}& \mathrm{sleepflag}=0\end{array}\right.$

各节点按照状态转换规则f周期性地进行状态更新。

进一步的，步骤2所述的节点S_i周围节点S_j具体为：S_j∈{S_j||l_j-l_i||≤R_c,j＝1,2,…,n}，

本发明的有益效果：本发明的方法针对工业背景下的无线传感器网络，引入了元胞自动机理论，将无线传感器网络中海量的传感节点视为元胞自动机里的元胞，各传感节点只需掌握其自身及邻居节点的信息，即可决策其工作或休眠状态。同时将工业噪声等环境因素以及节点的剩余能量等级考虑在状态转换规则的设计中，能有效地解决工业无线传感器网络可靠性与耗能之间的问题，从而达到提高传感器节点利用率、延长无线传感器网络寿命的目的。

附图说明

图1是本发明具体实施例的主流程图。

图2是本发明具体实施例的泰森多边形划分法示意图。

图3是本发明具体实施例的仿真场景示意图。

图4是本发明具体实施例在时刻30时节点状态示意图。

图5是本发明具体实施例在时刻60时节点状态示意图。

图6是本发明具体实施例在时刻90时节点状态示意图。

图7是本发明具体实施例的节点休眠算法连通度比较示意图。

图8是本发明具体实施例的节点休眠算法覆盖度比较示意图。

图9是本发明具体实施例的节点休眠算法节点利用率比较示意图。

图10是本发明具体实施例的节点休眠算法剩余能量平均值比较图示意图。

图11是本发明具体实施例的节点休眠算法剩余能量最小值比较图示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

基于现有技术的问题，本发明实施例针对工业背景下的无线传感器网络，引入了元胞自动机理论，将无线传感器网络中海量的传感节点视为元胞自动机里的元胞，各传感节点只需掌握其自身及邻居节点的信息，即可决策其工作或休眠状态。同时将工业噪声等环境因素以及节点的剩余能量等级考虑在状态转换规则的设计中，能有效地解决工业无线传感器网络可靠性与耗能之间的问题，从而达到提高传感器节点利用率、延长无线传感器网络寿命的目的。

本发明实施例提供的基于元胞自动机的工业无线传感器网络节点休眠方法，具体流程示意图如图1所示，包括步骤：

步骤1.随机撒布工业传感器节点：

设待检测感知的工业区域D的规模为L×L，其中，任意撒布n个无线传感器节点，节点集合表示为S＝{S₁,S₂,……，S_n},其中S_i表示第i个传感器节点，同时设节点S_i所对应的空间位置向量为l_i，空间位置向量的集合表示为l＝{l₁,l₂，…,l_n}，每个传感节点都具有通信交流、检测感知的能力，节点的最大通信距离为R_c，最大检测距离为R_s。

步骤11.在规模为L×L的待检测感知工业区域D中，任意撒布n个无线传感器节点。

步骤12.节点集合表示为S＝{S₁,S₂，…,S_i,…,S_n}，其中，S_i表示第i个传感器节点，同时设节点S_i所对应的空间位置向量为l_i，空间位置向量的集合表示为l＝{l₁,l₂，…,l_n}。

步骤13.每个传感节点都具有通信交流、检测感知的能力，节点的最大通信距离为R_c，最大检测距离为R_s。

步骤2.采用泰森多边形法确定不规则元胞空间以及节点邻居集：

采用泰森多边形法确定不规则元胞空间，保证每个元胞空间只包含一个传感节点。同时确定节点的邻居集为与该节点元胞空间相邻的元胞空间所包含的节点。

本步骤的泰森多边形法如图2所示：

步骤21.采用泰森多边形法确定节点S_i所对应的不规则元胞空间C_i：分别连接节点S_i与其周围节点S_j，其中，S_j∈{S_j||l_j-l_i||≤R_c,j＝1,2,…,n}，并作每一条线段的垂直平分线，垂直平分线相交形成的包含S_i在内的多边形区域即为节点S_i所对应的不规则元胞空间C_i，从而保证了每个元胞空间只包含一个传感节点。

步骤22.确定节点邻居集：节点S_i的邻居节点为与多边形元胞空间C_i毗邻的通信范围之内的多边形C_j所包含的节点S_j。

在不规则元胞自动机模型中，每个元胞的邻居个数都不相同，因此可确定节点S_i的邻居节点集N_i，定义为：N_i＝{S_j|C_j connect C_i,j＝1,2,…,n}。

步骤3.定义节点状态集合，初始化节点状态：

定义包含n个节点状态的集合Q为：Q＝{Q_i|Q_i∈{0,1},i＝1,2,…,n}，其中Q_i表示节点S_i的状态，0和1分别表示该节点处于休眠和工作状态。同时，初始化节点状态以1/2的概率取0或1(休眠或工作状态)。

步骤31.传感器节点采用S-MAC协议，节点周期地按照状态转换规则选择活跃或休眠状态。休眠状态时，节点进入休眠状态以节省能量；工作状态时，节点检测周围环境并进行相应处理。因此定义包含n个节点状态的集合Q为：Q＝{Q_i|Q_i∈{0,1},i＝1,2,…,n}，其中Q_i表示节点S_i的状态，0和1分别表示该节点处于休眠和工作状态。

步骤32.初始化节点状态以1/2的概率取0或1(休眠或工作状态)。

步骤4.设计状态转换函数，进行节点状态更新：

定义传感器节点S_i在时刻t的活跃权值W_i(t)的计算式为：

其中，E_i(t),E_{i_av}(t)分别表示节点S_i在t时刻的剩余能量值和邻居节点的平均剩余能量值；No_i(t)表示节点S_i在t时刻受到的工业噪声影响归一化参数值；k₁,k₂分别为剩余能量等级参数值和工业噪声影响参数值的权重，本发明中取k₁＝3,k₂＝1，同时设定一动态活跃阈值W_th(t)为各节点活跃权值的平均值，即W_th(t)＝average{W_i(t),i＝1,2,…,n}。每个节点具有一个节点状态标志位Sleepflag，同时以计数器SleepTimer来记录节点休眠的时间。

如果节点S_i在t时刻的状态为“1”(工作状态)，判断该节点的活跃权值是否大于活跃阈值，若是，则该节点在t+1时刻的状态保持为“1”(工作状态)，否则，节点在t+1时刻的状态转换为“0”(休眠状态)，同时将节点状态标志位Sleepflag置为1，并启动计数器SleepTimer，当计数器计满，则将节点状态标志位Sleepflag重新置为0；如果节点S_i在t时刻的状态为“0”(休眠状态)，则对节点状态标志位Sleepflag进行判断，若为1，则继续休眠，若为0，则该节点在t+1时刻的状态更新为“1”(工作状态)。

这里状态转换规则f可以描述如下：

(a)如果则：

$Q_i^{(t+1)}=\left\{\begin{array}{ccc}1,& \mathrm{if}& W_i\left(t\right)\≥W_{\mathrm{th}}\left(t\right)\\ 0,& \mathrm{others}& \end{array}\right.$

(b)如果则：

$Q_{i,j}^{(t+1)}=\left\{\begin{array}{ccc}0,& \mathrm{if}& \mathrm{sleepflag}=1\\ 1,& \mathrm{if}& \mathrm{sleepflag}=0\end{array}\right.$

各节点按照状态转换规则f周期性地进行状态更新。

步骤41.计算工业噪声影响归一化参数值：工业噪声在工业环境下，工业噪声对传感器节点的检测以及通信存在较为严重的干扰，因此将工业噪声作为判决节点工作/休眠状态的因素之一。考虑工业噪声对节点检测的影响随着距离呈指数关系变化，这是由于包括高斯白噪声在内的众多噪声的概率密度都是呈指数分布的。由此定义在节点检测范围内，工业噪声对节点S_i的影响参数值为：Noise_i＝a·e^b·dis_i，其中，dis_i≤R_s是节点S_i与探测目标的距离，dis_i越大，工业噪声的干扰就越为严重，当dis_i>R_s时，即探测目标不在节点S_i的检测范围内，定义此时工业噪声的影响为无穷大；a,b为参数值，不同的工业场景对应着不同的参数值。

本实施例中设工业噪声的标准差σ＝10，由指数分布的性质可知σ²＝1/b²，因此取b＝0.1。为了得到状态转换函数中节点活跃权值的计算式，对工业噪声因素进行归一化处理，归一化的工业噪声为：其中，Noise_max为工业噪声最大干扰参数值，由于节点的最大检测距离为R_s，因此将最大工业噪声干扰参数值定义为

步骤42.计算节点的剩余能量等级参数值：由于传感器节点自身的能量有限，如果部分节点因能量耗尽而死亡，往往会导致整个网络的失效，所以在判决节点工作/休眠状态时将节点本身以及邻居节点的剩余能量等级状况也考虑其中，能够有效地解决节点间剩余能量不均衡的问题，达到延长网络寿命的目的。

设节点S_i的剩余能量为E_i，该节点及邻居节点的平均剩余能量为E_{i_av}，计算公式为：其中，E_j表示在节点S_i的邻居集合内的节点S_j的剩余能量，|N_i|为节点S_i的邻居集合N_i中元素的个数。同时，定义节点S_i的剩余能量等级参数值为

步骤43.计算节点的活跃权值：传感节点在t+1时刻的工作/休眠状态由工业噪声的影响和该节点及其邻居节点在t时刻的剩余能量共同决定。本发明定义传感器节点S_i在时刻t的活跃权值W_i(t)的计算式为：其中，E_i(t),E_{i_av}(t)分别表示节点S_i在t时刻的剩余能量值和邻居节点的平均剩余能量值；No_i(t)表示节点S_i在t时刻受到的工业噪声影响归一化参数值；k₁,k₂分别为剩余能量等级参数值和工业噪声影响参数值的权重，本实施例中取k₁＝3,k₂＝1。

步骤44.设置节点的活跃阈值：设定一动态活跃阈值W_th(t)为各节点活跃权值的平均值，即W_th(t)＝average{W_i(t),i＝1,2,…,n}。由于活跃阈值随着各节点状态而动态变化，使得无线传感网络具有良好的自适应能力。

步骤45.定义节点状态转换规则：每个节点具有一个节点状态标志位Sleepflag，同时以计数器SleepTimer来记录节点休眠的时间。如果节点S_i在t时刻的状态为“1”(工作状态)，判断该节点的活跃权值是否大于活跃阈值，若是，则该节点在t+1时刻的状态保持为“1”(工作状态)，否则，节点在t+1时刻的状态转换为“0”(休眠状态)，同时将节点状态标志位Sleepflag置为1，并启动计数器SleepTimer，当计数器计满，则将节点状态标志位Sleepflag重新置为0；如果节点S_i在t时刻的状态为“0”(休眠状态)，则对节点状态标志位Sleepflag进行判断，若为1，则继续休眠，若为0，则该节点在t+1时刻的状态更新为“1”(工作状态)。因此，本发明将状态转换规则f定义如下：

(a)如果则：

$Q_i^{(t+1)}=\left\{\begin{array}{ccc}1,& \mathrm{if}& W_i\left(t\right)\≥W_{\mathrm{th}}\left(t\right)\\ 0,& \mathrm{others}& \end{array}\right.$

(b)如果则：

$Q_{i,j}^{(t+1)}=\left\{\begin{array}{ccc}0,& \mathrm{if}& \mathrm{sleepflag}=1\\ 1,& \mathrm{if}& \mathrm{sleepflag}=0\end{array}\right.$

步骤46.节点状态更新：各节点按照状态转换规则f周期性地进行状态更新。

为了检验本发明提出的基于元胞自动机的工业无线传感器网络节点休眠算法的性能，使用Matlab工具对本模型进行性能分析。仿真场景为待检测感知的工业区域D的规模为100m×100m，其中随机撒布180个无线传感器节点，各个节点的最大通信距离为20m，最大检测距离为15m，待测目标以1m/s的速度从坐标(0,0)沿着y＝x轴移动。

图3为仿真场景图，其中圈o代表传感器节点，实线为目标的运动轨迹。

仿真参数取值如表1所示：

表1

参数	取值
		仿真区域D	100m×100m
节点个数n	180
		最大通信距离Rc	20m
最大检测距离Rs	15m
		仿真时间T	100s
工作周期Round	1s
		节点初始能量	100J
工作消耗能量	1W

图4～6为不同时刻各传感器节点的状态图。其中，*表示待测目标所在位置，o表示处在休眠状态的节点，实点表示处于工作状态的节点。从图中可以看到运动目标附近的节点具有较大的概率被唤醒而处于工作状态，因此能够合理利用资源，使网络具有良好的自适应能力。为了说明该系统模型的性能，设计性能指标如下：

(1)连通度Con(t)

传感器网络作为信息采集系统，需要实现多跳的信息传递功能，在元胞自动机模型中表现为活着的元胞拥有活着的邻居。定义t时刻系统连通度Con(t)：

$\mathrm{Con}\left(t\right)=\frac{\underset{i=0}{\overset{n}{\mathrm{\Σ}}}\left(Q_i\left(t\right)\right|N_i\left(t\right)\≥1)}{\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{Q}_i\left(t\right)}$

(2)覆盖度Cov(t)

覆盖度反映传感器网络对观测区域的覆盖能力，在不规则元胞自动机中表现为以最大检测距离R_s为半径的圆形区域内含有至少一个活着的元胞。定义t时刻系统覆盖度Cov(t)：

$\mathrm{Cov}\left(t\right)=\frac{\underset{i=1}{\overset{{(L/2R_s)}^2}{\mathrm{\Σ}}}{B}_i\left(t\right)}{{(L/2R_s)}^2}$

其中B_i(t)表示t时刻系统中一个圆形区域的状态，当且仅当该区域内含有至少一个活着的元胞时B_i(t)＝1，否则B_i(t)＝0，这样的圆形区域总数为(L/2R_s)²。

(3)节点利用率n_s(t)

节点利用率n_s(t)是指在t时刻处于工作状态的节点中检测到目标的节点个数与工作状态节点的总个数之比，由下式计算：

n_s(t)＝n_d(t)/n_w(t)

其中，n_w(t)表示t时刻所有处于工作状态的节点总数，n_d(t)表示t时刻检测到目标的节点个数；n_s(t)实际上表示的是资源的有效利用率，n_s(t)越大说明算法效率越高，合理提高资源利用率是算法设计的目标，也是衡量算法性能的指标之一。

(4)节点剩余能量E_i(t)

t时刻节点S_i的剩余能量为E_i(t)，t时刻节点剩余能量的平均值E_av(t)表示为：

$E_{\mathrm{av}}\left(t\right)=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{E}_i\left(t\right)}{n}$

其中，n为无线传感器网络节点的总个数。

平均剩余能量越大，说明算法的能量消耗越小，从而达到节能的目的。

t时刻节点剩余能量的最小值E_min(t)为：

E_min(t)＝min{E_i(t)},i＝1,2,…,n

节点剩余能量的最小值E_min(t)若是很小，则说明无线传感器网络中部分节点能量已耗尽，会导致整个传感网络的失效，在实际中应避免由于网络耗能不均导致的部分节点失效，因此也作为衡量算法性能的标准之一。

将本发明的方法与RS休眠算法以及定时休眠算法进行比较。

图7为节点休眠算法连通度比较图。图7的纵坐标是连通度，横坐标是时间。从图7中可以看出本发明方法较RS休眠算法以及定时休眠算法具有较好的连通性。

图8为节点休眠算法覆盖度比较图。图8的纵坐标是覆盖度，横坐标是时间。图8中，本发明算法的覆盖度不恒等于1，说明本发明算法并不能保证工作状态的传感器节点时刻都能覆盖整个检测区域，但仍然具有92.64％的平均覆盖度。随着传感器节点状态不断更新，不同时刻传感器网络所覆盖的区域不同，因此该模型可以保证在一定时间内，所有区域都有极大的概率被覆盖。

图9为节点休眠算法节点利用率比较图。图9的纵坐标是节点利用率，横坐标是时间。从图9中可以看出，本发明算法具有较高的节点利用率。在工业环境中，本发明算法使得距离目标较近的传感节点具有更大的概率被唤醒或继续保持工作状态，提高了资源利用率，同时增强了无线传感器网络的可靠性。

图10为节点休眠算法剩余能量平均值比较图。图10的纵坐标是节点剩余能量平均值，横坐标是时间。图10中，本发明的方法较RS休眠算法以及定时休眠算法具有更高的平均剩余能量，说明本发明的方法节省了网络的平均能量消耗，能够有效地延长网络生存时间。

图11为节点休眠算法剩余能量最小值比较图。图11的纵坐标是节点剩余能量最小值，横坐标是时间。图11中，本发明算法剩余能量的最小值明显高于另两种算法，这是由于本发明算法在制定状态转换规则时将节点的剩余能量等级考虑在内，因此具有更好地能量均衡性，不易产生因部分节点死亡而导致整个网络失效的现象。

整个方法模型的工作流程如上所述，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实施方法，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 (4)

1.一种基于元胞自动机的工业无线传感器网络节点休眠方法，具体包括步骤：

步骤1.随机撒布工业传感器节点：设待检测感知的工业区域D的规模为L×L，其中任意撒布n个无线传感器节点，节点集合表示为S＝{S₁,S₂，…,S_i,…,S_n}，其中S_i表示第i个传感器节点，同时设节点S_i所对应的空间位置向量为l_i，空间位置向量的集合表示为l＝{l₁,l₂，…,l_n}，每个传感节点都具有通信交流、检测感知的能力，节点的最大通信距离为R_c，最大检测距离为R_s；

步骤2.采用泰森多边形法确定不规则元胞空间以及节点邻居集：节点S_i所对应的不规则元胞空间C_i的确定方法为：分别连接节点S_i与其周围节点S_j，并作每一条线段的垂直平分线，垂直平分线相交形成的包含S_i在内的多边形区域即为节点S_i所对应的不规则元胞空间C_i，与多边形元胞空间C_i毗邻的通信范围之内的多边形C_j所包含的节点S_j即为S_i的邻居节点，在不规则元胞自动机模型中，每个元胞的邻居个数都不相同，因此可确定节点S_i的邻居节点集N_i，定义为：N_i＝{S_j|C_j connect C_i,j＝1,2,…,n}；

步骤3.定义节点状态集合，初始化节点状态：传感器节点采用S-MAC协议，节点周期地按照状态转换规则选择活跃或休眠状态；休眠状态时，节点进入休眠状态以节省能量；工作状态时，节点检测周围环境并进行相应处理；

定义包含n个节点状态的集合Q为：Q＝{Q_i|Q_i∈{0,1},i＝1,2,…,n}，其中，Q_i表示节点S_i的状态，0和1分别表示该节点处于休眠和工作状态；初始化节点状态以一定的概率取0或1；

步骤4.通过状态转换函数进行节点状态更新：

在节点检测范围内，工业噪声对节点S_i的影响服从指数分布，参数值为：

Noise_i＝a·e^b·dis_i，其中，dis_i≤R_s是节点S_i与探测目标的距离，当dis_i>R_s时，即探测目标不在节点S_i的检测范围内，此时工业噪声的影响为无穷大；a,b为预先设定的参数值；

对工业噪声因素进行归一化处理，归一化的工业噪声为：其中，Noise_max为工业噪声最大干扰参数值；

设节点S_i的剩余能量为E_i，本节点及邻居节点的平均剩余能量为E_{i_av}，计算公式为：其中，E_j表示在节点S_i的邻居集合内的节点S_j的剩余能量，|N_i|为节点S_i的邻居集合N_i中元素的个数；

节点S_i的剩余能量等级参数值为传感节点在t+1时刻的工作/休眠状态由工业噪声的影响和该节点及其邻居节点在t时刻的剩余能量共同决定；

传感器节点S_i在时刻t的活跃权值W_i(t)的计算式为：其中，E_i(t),E_{i_av}(t)分别表示节点S_i在t时刻的剩余能量值和邻居节点的平均剩余能量值；No_i(t)表示节点S_i在t时刻受到的工业噪声影响归一化参数值；k₁,k₂分别为剩余能量等级参数值和工业噪声影响参数值的权重，设定一动态活跃阈值W_th(t)；

每个节点具有一个节点状态标志位Sleepflag，同时以计数器SleepTimer来记录节点休眠的时间，状态转换规则f具体为：如果节点S_i在t时刻的状态为“1”，判断该节点的活跃权值是否大于活跃阈值，若是，则该节点在t+1时刻的状态保持为“1”，否则，节点在t+1时刻的状态转换为“0”，同时将节点状态标志位Sleepflag置为1，并启动计数器SleepTimer，当计数器计满，则将节点状态标志位Sleepflag重新置为0；如果节点S_i在t时刻的状态为“0”，则对节点状态标志位Sleepflag进行判断，若为1，则继续休眠，若为0，则该节点在t+1时刻的状态更新为“1”；

各节点按照状态转换规则f周期性地进行状态更新。

2.根据权利要求1所述的基于元胞自动机的工业无线传感器网络节点休眠方法，其特征在于，步骤2所述的节点S_i周围节点S_j具体为：S_j∈{S_j||l_j-l_i||≤R_c,j＝1,2,…,n}。

3.根据权利要求1所述的基于元胞自动机的工业无线传感器网络节点休眠方法，其特征在于，动态活跃阈值W_th(t)具体为各节点活跃权值的平均值，即W_th(t)＝average{W_i(t),i＝1,2,…,n}。

4.根据权利要求1所述的基于元胞自动机的工业无线传感器网络节点休眠方法，其特征在于，其特征在于，步骤4所述的参数值b的计算方法具体为：

σ²＝1/b²

其中，σ为工业噪声的标准差。