CN104253867B - 无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法 - Google Patents

Abstract

本发明涉及一种利用无线传感器网络实现对有毒气体边界的监测和追踪方法，包括三个阶段，（1）有毒气体边界识别阶段：节点相互协作，在一跳通信范围内广播信息包，根据信息包中节点的状态信息判断自己是否为边界节点；（2）代表节点的选择阶段：从当前所有边界节点中选出几个代表性的节点，聚合所有边界节点的信息，统一汇报给基站；（3）有毒气体的追踪阶段：利用节点与节点之间的协作找出有毒气体在当前环境下的扩散规律，利用边界节点的动态变化模拟有毒气体边界的变化，实现对目标的有效追踪。本发明有效实现了对有毒气体监测和追踪，极大提高了对目标边界追踪的精确性，并且有效减少了信息的传输量，节省追踪的能量消耗，延长网络生命周期。

Description

无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法

技术领域

本发明属于无线多媒体传感器网络领域，具体的本发明涉及一种利用无线传感器网络来实现对有毒气体的监测与跟踪方法。具体利用只通过监测和追踪处于目标边界上的节点来实现对整个目标的监测与追踪。

背景技术

近年来，随着传感制造技术和无线通信技术的发展，无线传感器网络(wirelesssensor networks,WSN)在军事及民用领域得到了广泛的应用，连续目标(continuousobject)的监测和追踪是其中最常见的应用领域之一。连续目标通常分布在一个非常大的区域，可能会扩散，体积增大，或分割成多个连续目标，如有毒气体，移动的牛群和森林的大火。不同于单体目标所具有固定大小，规模较小的特点，对于连续目标的监测和追踪相比于单个目标而言要复杂的多，它涉及到节点与节点之间的协调与合作，这样会产生大规模的网内通信，从而给能量有限的传感器节点带来极大的负担。因此，如何利用能量有限的无线传感器网络来实现对连续目标的精确监测和高效追踪是一个极具挑战性的问题。

目前针对无线传感器网络中连续目标的监测和追踪相关研究文献如下：

1、Ding等人在2005年的《In Proceedings of IEEE Conference on ComputerCommunications》上发表的文章“Localized fault-tolerant event boundary detectionin sensor networks”，文章假设网络中存在故障节点，并且定义故障节点的判断标准是看该节点的读数信息是否显著偏离它的邻近的节点。作者在这个文章里主要研究了两个方面并提出了相关算法：1)确认网络中的故障节点；2)在有故障节点存在的传感器网络里对连续目标的边界进行探测。

2、Chang等人在2008年的《In Proceedings of the5th IEEE ConsumerCommunications and Networking Conference(CCNC2008)》上发表的文章“CODA:AContinuous Object Detection and Tracking Algorithm for Wireless Ad Hoc SensorNetworks”，文章提出了允许每个传感器节点在感测范围内探测和跟踪移动目标的CODA策略。在CODA中，从一开始的网络部署阶段就确定了一个固定节点数目来构成静态簇群结构。每个静态簇群中，任何传感器节点在检测到对象时将确认信息直接发送给簇头。收到此信息后,簇头执行一个内置的估算函数来确定该连续目标在集群范围内的边界信息。而当这些传感器节点组成动态簇群后，动态簇群便会把连续目标的边界信息发送到指定的基站。CODA的主要优点：连续目标的边界传感器是由静态簇群中的簇头决定的，而不是由多个传感器经过大量的数据交换后决定的，这样能大幅减少通信开销和能量损耗。

3、Cheng等人在2008年的《In Proceedings of IEEE Consumer Communicationand Networking Conference(CCNC2008)》上发表的文章“Continuous Contour Mappingin Sensor Networks”，文章提出了一种本地化的轮廓映射算法，通过不断地收集数据来绘制等值线图从而实施一个折衷的监控任务。此方法的目的是：节省内存开销，减少数据传输，而且不明显降低等高线测绘精度(即边界定位)的精度。同时，为解决传感器网络在实时监测物体的运动和位置信息需要节点之间过多的信息交流和协作造成能源损耗。

4、Park等研究人员在2010年的《In Proceedings of VTC2010-Spring,2010》上发表的文章“Large-Scale Phenomena Monitoring Scheme in Wireless SensorNetworks”，介绍了一个新颖的方案，考虑了两层的网络结构。他们通过先建立一个稀疏的网络结构来检测目标，在检测到目标时再转变成密集的网络结构来精确定位。同年，Hong等在文献“Energy-efficient predictive tracking for continuous objects inwireless sensor networks”和文献“A Novel Continuous Object Tracking Scheme forEnergy-Constrained Wireless Sensor Networks”中提出了预测对象跟踪策略，称为PRECO。该策略基于连续目标移动的边界线可被预测的特点，提出了一个唤醒机制来激活需要使用到的节点，让不需要被使用的节点保持睡眠状态。

5、Jin的研究团队在2011年的《In Distributed and Parallel Databases》上发表的文章“Efficient tracking of2D objects with spatiotemporal properties inwireless sensor networks”，提出了利用变形曲线对2D平面目标的时空变化进行跟踪定位的分布式算法。为了节省无线传感器网络中有限的资源，该分布式算法只允许相邻节点交换信息，以保持曲线结构。此外，此算法也可以支持对多个对象同时进行跟踪。同年，Luan等人在文献“Continuous object tracing in wireless sensor networks”中提出了环连续对象追踪的RCOT算法。RCOT是第一个采用环网结构进行检测和监控连续对象的边界的理论算法，并且通过采用压缩报告信息的大小来减少能量消耗。

6、Lee等人在2012年的《2012IEEE Wireless Communications and NetworkingConference:Mobile and Wireless Networks》上发表的文章“Selective WakeupDiscipline for Continuous Object Tracking in Grid-based Wireless SensorNetworks”，文章提出了一个基于虚拟网格的有毒气体检测与追踪方案，创新的提出了保护带的概念，保护带起到了一个缓冲的作用，以保护虚拟网格内的节点最大限度的处于休眠状态而不至于当目标出现时延误对目标的追踪，通过实现对节点合理的功能调度来达到减少能量消耗的目的，但是缺点是虚拟网格的划分太过理想化，在实际中很难运用，并且保护带的创建也会消耗大量的能量，可能得不偿失。

目前基于无线传感器网络的有毒气体监测和追踪方法普遍存在的问题是：

1.大多数方法没有提出对目标边界的预测机制，不能够很好的实现对节点功能的调度，从而损失更多的能量；

2.对目标边界的定位精度不高，目前大多数算法仅仅局限于利用边界节点来绘制目标边界，当节点比较稀疏时会造成很大的误差；

3.目前的算法都没有考虑天气的因素，天气会对气体的扩散作出影响，有风天气气体扩散较快，这时节点的更新频率也应该加快，相应的无风天气就可以减缓节点对边界的更新频率。

发明内容

本发明的目的是为了解决目前存在于有毒气体监测与追踪方法中对目标的边界定位精度不够高方面的不足，提出了一种定位精度高、实时性好，并且综合考虑了天气因素的能量高效的有毒气体监测与追踪方案。

为了达到上述目的，本发明提供了分布式的无线传感器网络有毒气体监测与追踪方法，该方法包括三个阶段：

(1)有毒气体边界识别阶段：无线传感器网络节点根据接收到的信息包中邻居节点的状态信息辨别自己是否为边界节点，如果是边界节点再根据信息包中的信息计算出当前目标边界距离自己的距离，调节感应功率，实现对目标边界的确认；

(2)代表节点选择阶段：在所有的边界节点中，利用基于时间差的代表节点选举方法选出几个代表节点，进行信息的汇聚统一发送信息给基站；

(3)目标边界追踪阶段：依据特定环境下气体运动的规律性，调节节点的感应状态，使处于气体边界处的节点始终处于活跃状态，从而实现对目标的动态追踪。

为了实现对有毒气体的高效监测和追踪，算法转向对有毒气体边界的监测和追踪，而这一切可以通过仅仅追踪处于目标边界之上的节点实现，所以转为对目标边界节点的监测和追踪。

边界节点识别阶段，首先将所有的节点分为三种类型：Active、Ready、Sleep，处于Active和Ready的节点都处于苏醒的状态，处于边界之上的节点为Active状态，边界的邻居节点中非Active状态的节点为Ready状态，其余的均为Sleep状态。

接收的信息包中包括两种信息参数：发送该信息的节点ID，该节点监测到目标的时间T_det。

邻居节点的状态信息包括：邻居节点的ID、邻居节点的坐标、邻居节点的监测状态。

随着目标的移动节点的状态也发生相应的变化，状态发生改变的节点会向其邻居节点发送信息包，收到信息包的节点根据存储在本地节点中的关于邻居节点的信息表判断自己是否为边界节点，如果自己为边界节点则再进一步确定目标的边界距离该边界节点的距离，目标边界的确认步骤如下：

步骤1.根据系统判断为有风或无风环境，在无风环境下由于没有外力的作用气体的扩散大体遵循菲克扩散定律，由浓度大的向浓度低的方向运动，此时气体只会扩散而不会收缩；对于有风模型则复杂一些，局部地区会出现气体收缩现象；

步骤2.情况1：无风环境下，状态发生改变的节点会向其一跳范围内的状态为“0”(“0”表示节点没有监测到目标，“1”表示节点能够检测到目标)的邻居节点发送信息包，接收到该信息的节点提取出对应的信息，计算出相应的时间和气体的运动速度V_non，从而得出目标距离自己的距离，再调整自己的感应功率，作出相应的微调直至精确确定出目标边界；情况2：有风环境下，首先分为两种状态，气体扩散状态和气体收缩状态。气体扩散状态，节点状态变化是从“0”到“1”，此时状态变化的节点发送信息包，接收到该信息包的节点提取出对应的信息，根据接收到的信息包中的时间和发送节点IP计算出的气体的平均运动速度V_{windy_1}和再结合运动时间得出当前目标与自己的距离，调整自己的感应功率，作相应的微调直至精确确定出目标边界；气体收缩的状态，节点的状态变化是从“1”到“0”，这类节点不用发送信号，只需要通过调整自身的感应功率以再次实现对目标边界的追踪，感应功率的调整依据目标边界的运动速度V_{windy_2}和移动的时间。

无风环境下气体的运动速度V_non计算方法为：根据菲克扩散定律：其中表示气体浓度c随距离x的变化率，可以近似表示为此时将连续目标进行近似离散化，以r为半径进行均匀扩散，所以V＝πr²*Δx，所以再根据克拉伯龙方程式PV＝nRT，所以得到其中D为扩散系数，Q为节点能够检测到目标时的阈值，X为两两相邻节点之间的距离，r为有毒气体离散化后的单位半径，ρ为气体密度，P为压强，V为气体体积，T为温度，M为气体摩尔质量，n为气体物质的量，R为常数，ΔT表示气体的扩散时间。

有风环境下处于扩散状态处的目标运动速度V_{windy_1}的计算方法为：采用二次等差法，首先测得此刻目标边界与节点的距离为R₁时间为T₁，然后减小感应功率至再次感应不到目标时(假设调整速度足够快)记录下边界与节点的距离为R₂，时间为T₂，则得到ΔT₁表示气体的扩散时间。

有风环境下处于收缩状态处的目标运动速度V_{windy_2}的计算方法为：节点从状态“1”转变为状态“0”的时刻为T₃，然后增大感应功率至再次能够感应到目标(假设调整速度足够快)记录下边界与节点的距离为R₄，时间为T₄，则得到ΔT₂表示气体的扩散时间

目标边界识别出来后根据系统设置的信息上报频率向基站进行汇报，由此需要选出代表节点以汇聚更多的信息统一压缩后一起上传，如果所有边界节点单独汇报将会消耗大量的能量。

代表节点选择阶段的具体步骤为：

在确认出来的边界节点中，依据系统设定的更新频率进行边界节点的信息上传，假设全网时间同步，所有的节点依据自身的剩余能量设定一个竞争代表节点的倒计时T_backoff＝K*E_residual(K为常数，E_residual为节点剩余能量)，节点的剩余能量越小该倒计时间越短，当倒计时到达零时节点会发送信息包，信息包默认沿逆时针方向传播，信息包含节点ID和允许的最大链长数n，收到该信息包的节点在信息包中加入自己的ID并将链长数值加1，等待时间，然后转发出去，直至链中全部节点数达到n时，由最后一个节点当选为代表节点。

随着气体浓度差的存在甚或自然风的存在，气体将会发生对应的移动，由此边界信息也将时刻发生着变化，为了实时性的描绘出有毒气体的轮廓，就必须及时的对目标边界进行追踪。

目标边界追踪阶段的具体步骤为：

步骤1.确定当前时刻下的目标的边界节点，并且获知气体的运动速度V，气体的运动类型(扩散、收缩)；

步骤2.根据本地节点信息表，获知邻居节点的信息状态，然后对其中的Ready状态的节点发送提示信息；

步骤3.状态为Ready的节点收到状态为Active的节点发来的提示信息后，判断目标到达的时间，并做好目标边界追踪的准备。

与现有有毒气体监测与追踪算法相比，本发明所具有的积极效果是：

(1)不仅可以识别出目标的边界节点，还可以确认出边界节点距离目标的真实距离，在节点部署比较稀疏的情况下，可以更精确的实现对目标边界的追踪；

(2)提出了三种节点状态，从而可以更好的实现对节点的功能调度，最大限度节省能量；

(3)综合考虑了外界的因素，比如风速的影响，可以系统设置信息的上传频率，从而实现目标追踪的实时性和能量使用的高效性之间的平衡。

附图说明

图1为本发明中无风环境下有毒气体边界确认过程示意图；

图2为有风环境下处于扩散状态的有毒气体边界确认过程示意图；

图3为有风环境下处于收缩状态的有毒气体边界确认过程示意图；

图4为代表节点选择过程的示意图；

图5为节点的三种状态之间的转换示意图。

具体实施方式

下面结合附图对本发明作进一步的描述。

一种无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法，其特征在于：包括以下三个阶段：

(1)有毒气体边界识别阶段：无线传感器网络节点根据接收到的信息包中发送节点的信息和存储在本地节点的关于邻居节点的信息表来辨别自己是否为边界节点，如果是边界节点再根据信息包中的信息计算出当前目标边界距离自己的距离，调节感应功率，实现对目标边界的确认；

(2)代表节点选择阶段：在所有的边界节点中，利用基于时间差的代表节点选举方法选出几个代表节点，进行信息的汇聚统一发送信息给基站；

(3)目标边界追踪阶段：依据特定环境下气体运动的规律性，调节节点的感应状态，使处于气体边界处的节点始终处于活跃状态，从而实现对目标的动态追踪。

上述节点的状态信息分为以下三种：

所有节点分为三种状态：Active、Ready、Sleep，处于Active状态的节点，同时具备通信功能和感应功能；处于Ready的节点只具备通信功能；处于Sleep的节点处于睡眠状态，关闭通信功能和感应功能，处于周期性的Sleep和Active状态中；

处于边界上的节点为Active状态的节点，边界节点的邻居节点中非Active状态的节点为Ready节点，其余的为Sleep状态的节点。

上述步骤(1)中节点接收的信息包中包括两种信息参数：发送该信息的节点ID，该节点监测到目标的时间T_det。

上述步骤(1)中本地节点中存储的关于邻居节点的信息表包括的信息有：邻居节点的ID、邻居节点的坐标、邻居节点的状态信息。

上述步骤(1)中有毒气体边界节点识别阶段的具体步骤为：

无风环境下，状态发生改变的节点会向其一跳范围内的状态为“0”的邻居节点发送信息包，“0”表示节点没有监测到目标，“1”表示节点能够检测到目标；接收到该信息包的节点提取出对应的信息，根据接收到信息包的时间和气体的运动速度V_non，可以算出当前目标距离自己的距离，从而调整自己的感应功率，再作相应的微调直至精确确定出目标边界；

有风环境下，分为两种状态，气体扩散状态和气体收缩状态；

气体扩散状态，节点状态变化是从“0”到“1”，此时状态变化的节点发送信息包信息，接收到该信息的节点提取出对应的信息，根据接收到信息包的时间和气体的运动速度V_{windy_1}，算出当前目标距离自己的距离，从而调整自己的感应功率，再作相应的微调直至精确确定出目标边界；

气体收缩的状态，节点的状态变化是从“1”到“0”，这类节点不用发送信息包信号，而是通过调整自身的感应功率以再次实现对目标边界的追踪，感应功率的调整依据目标边界的运动速度V_{windy_2}和移动的时间ΔT₂。

上述V_non的计算方法如下：

根据菲克扩散定律：其中表示气体浓度c随距离x的变化率，可以近似表示为此时将连续目标进行近似离散化，以r为半径进行均匀扩散，则且V＝πr²*Δx，所以再根据克拉伯龙方程式PV＝nRT，所以得到其中D为扩散系数，Q为节点能够检测到目标时的阈值，X为两两相邻节点之间的距离，r为有毒气体离散化后的单位半径，ρ为气体密度，P为压强，V为气体体积，T为温度，M为气体摩尔质量，n为气体物质的量，R为常数，ΔT₀表示气体运动的时间。

上述V_{windy_1}的计算方法为：

采用二次等差法，首先测得此刻目标边界与节点的距离为R₁时间为T₁，然后减小感应功率至再次感应不到目标时(假设调整速度足够快)记录下边界与节点的距离为R₂，时间为T₂，则得到其中ΔT₁表示气体运动的时间。

上述V_{windy_2}的计算方法为：

节点从状态“1”转变为状态“0”的时刻为T₃，然后增大感应功率至再次能够感应到目标，记录下边界与节点的距离为R₄，时间为T₄，则得到ΔT₂表示气体运动时间。

上述步骤(2)中代表节点的选择阶段的步骤为：

在确认出来的边界节点中，依据系统设定的更新频率进行边界节点的信息上传，假设全网时间同步，所有的节点依据自身的剩余能量设定一个竞争代表节点的倒计时T_backoff＝K*E_residual，K常数，E_residual为节点剩余能量，节点的剩余能量越小该倒计时间越短，当倒计时到达零时节点会向其一跳范围内的边界节点发送信息包，信息包默认沿逆时针方向传播，信息包含节点ID和允许的最大链长数n，收到该链的节点在该链中加入自己的ID并将计数值加1，等待时间，然后转发出去，直至链中全部节点数达到n时，由最后一个节点当选为代表节点。

上述步骤(3)中目标边界追踪阶段的具体步骤为：

(10a).确定当前时刻下的目标的边界节点，并且获知气体的运动速度V，气体的运动类型；

(10b).根据邻居节点的信息表，获知邻居节点的信息状态，然后对其中的Ready状态的节点发送提示信息，提示信息包含发送节点的ID和当前时刻下目标的移动速度；

(10c).状态为Ready的节点收到状态为Active的节点发来的提示信息后，判断目标到达的时间，并做好目标边界追踪的准备。

如图1所示，为无风环境下有毒气体边界的确认过程。在无风环境下气体运动相对缓慢，由于没有外界力的作用气体的扩散只依靠自身的浓度差进行扩散运动，如图1所示在T1时刻节点F，G和H状态发生变化，则向其邻居节点发送信息包，收到该信息包且状态为“0”的节点提取其中的信息，作出目标目前所到达区域的判断。判断过程如下：以节点C为例，C在T₁+ΔT₀收到F，G和H的信息后，先计算某一点相对移动的距离，计算公式为:计算GC，FC和HC的距离|GC|,|FC|,|HC|，得到|GC|-Δx，|FG|-Δx，|HC|-Δx，以其中最小的作为感应半径R₀，如果以R₀能够感应到目标，则稍微减小感应功率至感应不到目标为止，如果以R₀不能感应到目标则稍微放大感应功率至感应带目标为止,此时的感应半径也即该节点距离目标的实际距离。

如图2所示，为有风环境下处于气体扩散处的边界确认过程。由于有了外界力的存在，气体的扩散不再单单依存浓度差而进行，所以追踪变得较为复杂。如图2所示，利用上阶段的获得的数据判断出T时刻与节点C的距离R₁，此时停顿片刻(停顿时间依据上一阶段目标的移动速度和R₁确定，移动速度快R₁小则停顿短，移动速度慢R₁较大则停顿长)，然后减小感应功率至再次感应不到目标为止，记录此时感应半径为R₂，于是可以得出气体的运动速度：该速度以供下次预测用，而此刻目标与节点C距离为R₂。

如图3所示，为有风环境下处于气体收缩处的边界确认过程。利用上阶段获得的气体运动速度V_{windy_2}和气体运动的时间可以判断气体距离节点A的距离R₂，此时停顿片刻(停顿时间依据上一阶段目标的移动速度和R₂确定，移动速度快R₂较大则停顿短，移动速度慢R₁较小则停顿时间长)，然后放大感应功率至再次感应到目标为止，记录此时半径为R₁，于是可以得出气体的运动速度：该速度以供下次预测用，而此刻目标与节点A的距离为R₁。

如图4所示，为代表节点的选择过程。如图所示图中21个节点均为边界节点，假设所有节点中A点能量最小则A点最先发布信息包，信息包默认顺时针发送，于是发送给距离自己最近的节点B点，此时信息包就暂存于节点B中，等待B节点T_backoff时刻到达时，B再进行转发，直至信息包中所有节点个数达到指定值时，最后一节点作为代表节点。特殊情况1，当两个节点距离一样远，比如AB和AC一样则随机选择一个；特殊情况2，当A-B-C链到达D时发现，D的T_backoff时间已经过了，则D将A-B-C链直接转发给E，以此内推；特殊情况3，假设在特殊情况2下链A-B-C-D加上E-F-G超过了最大节点限制数，比如最大数为5则将F和G分离出去。最后根据系统设定的上传频率，当时间到达时，各链表的代表节点负责向汇聚节点直接汇报。

如图5所示，为节点的三种状态之间的转换图。节点一共分为三种状态：Active、Ready、Sleep，各种状态之间的转换关系如下：

A和C为两种特殊情况，分别表示从Active到Ready和从Sleep到Active，常规情况下这两种情况是不可能发生的，在此就不作讨论了；

B表示当某节点收到邻居节点的信息包后，将从Ready状态转为Active状态；

D中情况分两种情形，在气体扩散处，当节点状态从“0”变为“1”后将进行此转变，或者在气体收缩状态处，当节点的感应放大至R(理论设定的感应最大值)时，仍然不能够监测到目标，则从Active状态转为Sleep状态；

E和F是两个相对的情形，当某节点处于Ready状态时，当其邻居节点中最后一个Active状态的节点消失时其转为Sleep状态，当节点处于Sleep状态时，当其邻居节点中出现第一个Active节点时其转为Ready状态。

Claims (7)

1.一种无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法，其特征在于：包括以下三个阶段：

(1)有毒气体边界识别阶段：无线传感器网络节点根据接收到的信息包中发送节点的信息和存储在本地节点的关于邻居节点的信息表来辨别自己是否为边界节点，如果是边界节点再根据信息包中的信息计算出当前目标边界距离自己的距离，调节感应功率，实现对目标边界的确认；

所述步骤(1)中有毒气体边界节点识别阶段的具体步骤为：

无风环境下，状态发生改变的节点会向其一跳范围内的状态为“0”的邻居节点发送信息包，“0”表示节点没有监测到目标，“1”表示节点能够检测到目标；接收到该信息包的节点提取出对应的信息，根据接收到信息包的时间和气体的运动速度V_non，可以算出当前目标距离自己的距离，从而调整自己的感应功率，作相应的微调直至精确确定出目标边界；

有风环境下，分为两种状态，气体扩散状态和气体收缩状态；

气体扩散状态，节点状态变化是从“0”到“1”，此时状态变化的节点发出信息包，接收到该信息包的节点提取出对应的信息，根据接收到信息包的时间和气体的运动速度V_{windy_1}，算出当前目标距离自己的距离，调整自己的感应功率，再作相应的微调直至精确确定出目标边界；

气体收缩的状态，节点的状态变化是从“1”到“0”，这类节点不用发送信息包信号，而是通过调整自身的感应功率以再次实现对目标边界的追踪，感应功率的调整依据目标边界的运动速度V_{windy_2}和移动的时间ΔT₂；

(2)代表节点选择阶段：在所有的边界节点中，利用基于时间差的代表节点选举方法选出几个代表节点，进行信息的汇聚统一发送信息给基站；

所述步骤(2)中代表节点的选择阶段的步骤为：

在确认出来的边界节点中，依据系统设定的更新频率进行边界节点的信息上传，假设全网时间同步，所有的节点依据自身的剩余能量设定一个竞争代表节点的倒计时T_backoff＝K*E_residual，K常数，E_residual为节点剩余能量，节点的剩余能量越小该倒计时间越短，当倒计时到达零时节点会向其一跳范围内的边界节点发送信息包，信息包默认沿逆时针方向传播，信息包含节点ID和允许的最大链长数n，收到该链的节点在该链中加入自己的ID并将计数值加1，等待时间，然后转发出去，直至链中全部节点数达到n时，由最后一个节点当选为代表节点；

(3)目标边界追踪阶段：依据有风和无风环境下气体运动的规律性，调节节点的感应状态，使处于气体边界处的节点始终处于活跃状态，从而实现对目标的动态追踪；

所述步骤(3)中目标边界追踪阶段的具体步骤为：

(10a).确定当前时刻下的目标的边界节点，并且获知气体的运动速度V，气体的运动类型；

(10b).根据邻居节点的信息表，获知邻居节点的信息状态，然后对其中的Ready状态的节点发送提示信息，提示信息包含发送节点的ID和当前时刻下目标的移动速度；

(10c).状态为Ready的节点收到状态为Active的节点发来的提示信息后，判断目标到达的时间，并做好目标边界追踪的准备。

2.根据权利要求1所述的无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法，其特征在于，所述节点的状态信息分为以下三种：

所有节点分为三种状态：Active、Ready、Sleep，处于Active状态的节点，同时具备通信功能和感应功能；处于Ready的节点只具备通信功能；处于Sleep的节点处于睡眠状态，关闭通信功能和感应功能，处于周期性的Sleep和Active状态中；

处于边界上的节点为Active状态的节点，边界节点的邻居节点中非Active状态的节点为Ready节点，其余的为Sleep状态的节点。

3.根据权利要求1所述的无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法，其特征在于，所述步骤(1)中节点接收的信息包中包括两种信息参数：发送该信息的节点ID，该节点监测到目标的时间T_det。

4.根据权利要求1所述的无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法，其特征在于，所述步骤(1)中本地节点中存储的关于邻居节点的信息表包括的信息有：邻居节点的ID、邻居节点的坐标、邻居节点的状态信息。

5.根据权利要求1所述的无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法，其特征在于，所述V_non的计算方法如下：

根据菲克扩散定律：其中表示气体浓度c随距离x的变化率，可以近似表示为此时将连续目标进行近似离散化，以r为半径进行均匀扩散，则且V＝πr²*Δx，所以再根据克拉伯龙方程式PV＝nRT，所以得到其中D为扩散系数，Q为节点能够检测到目标时的阈值，X为两两相邻节点之间的距离，r为有毒气体离散化后的单位半径，ρ为气体密度，P为压强，V为气体体积，T为温度，M为气体摩尔质量，n为气体物质的量，R为常数，ΔT₀表示气体运动的时间。

6.根据权利要求1所述的无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法，其特征在于，所述V_{windy_1}的计算方法为：

采用二次等差法，首先测得此刻目标边界与节点的距离为R₁时间为T₁，然后减小感应功率至再次感应不到目标时记录下边界与节点的距离为R₂，时间为T₂，则得到其中ΔT₁表示气体运动的时间。

7.根据权利要求1所述的一种无线传感器网络中基于呼吸机制的有毒气体监测与追踪方法，其特征在于，所述V_{windy_2}的计算方法为：

节点从状态“1”转变为状态“0”的时刻为T₃，然后增大感应功率至再次能够感应到目标，记录下边界与节点的距离为R₄，时间为T₄，则得到ΔT₂表示气体运动时间。