CN104486725A - 煤矿巷道的无线传感器网络及其分布式功率控制方法 - Google Patents

Abstract

本发明公开一种煤矿巷道的无线传感器网络，在巷道每隔一段不超过Sink最大通信半径的随机距离设置一个Sink，每个Sink通过GPS或者定位机制获得自身位置信息，每个Sink在其通信半径内广播功率控制消息PCM，每个Sink接收某一区域内sensor节点的监控信息，并将收集的信息传送到巷道口的矿用通信交换机，最终传送到地面控制中心。本发明将多Sink网络结构和分簇的路由进行结合，提出一种针对多Sink的分布式功率控制方法，该方法将多Sink的网络中的Sink作为分簇的簇头节点，Sink之间协商最优的通信半径(无线射程)，从而获得最佳的连通性，同时，有效的降低通信的能耗和干扰，延长网络生存期，及时快速的传送监测数据。

Description

煤矿巷道的无线传感器网络及其分布式功率控制方法

技术领域

本发明涉及采矿领域，尤其是一种煤矿监控系统。

背景技术

在煤矿生产中，以地下开采为主，随着采掘的深入，煤矿巷道在形状上呈现长而窄的长带状结构，即巷道的长度通常有几千米，但是宽度只有几米至十几米。由于通风不畅造成瓦斯、CO等有害气体在巷道和工作面的聚集，给煤矿的开采带来了巨大的安全隐患，因此，为了减少煤矿安全生产事故，需要为煤矿配置安全监控系统，对瓦斯浓度、CO浓度、风速等环境参数进行实时监控。目前，传统的安全监控系统采用在巷道敷设矿用通信电缆的方式，这种方式存在的缺陷主要体现在两个方面，第一，需要敷设大量的矿用通讯电缆，随着工作面的延伸还需要不断增加额外的电缆和通信设备，工作量和维护难度大；第二，井下采掘过程中发生的自然或者人为事故，容易造成通信线缆的损坏，影响监控系统的正常运行。

无线传感器网络(WSN)本身所具有的放置灵活、扩展简便、移动性强和自组织等特点，可以很好的适应煤矿井下的监控工作，因此，将无线传感器应用于煤矿监控系统中已成为煤矿安全生产的发展趋势。

目前，将WSN应用于煤矿的研究中，以针对单Sink的传感器网络结构为主，这种单Sink(基站节点)的网络结构需要数据沿着唯一的Sink方向进行单跳或多跳传输，容易造成能耗过快，影响网络的使用寿命，尤其是在煤矿巷道内，巷道的长度远大于巷道宽度，以湖南衡阳的南阳煤业有限公司为例，其回风巷长度一般都超过了1000米，运输大巷的长度更是达到了12000米左右，显然在这种长带状的巷道中采用单Sink的网络结构，难以保证巷道深处的sensor(传感器)节点及时的将监测的数据传送给巷道口的Sink，一旦sensor节点监测到环境异常数据未及时传送给地面的监控中心，将带来严重的安全事故和灾难性的后果。

发明内容

本发明的目的是提供一种煤矿巷道的无线传感器网络及其分布式功率控制方法，能有效的降低通信的能耗和干扰，延长网络生存期，及时快速的传送监测数据。

为实现上述目的，本发明提供一种煤矿巷道的无线传感器网络，在巷道每隔一段不超过Sink最大通信半径的随机距离设置一个Sink，每个Sink通过GPS或者定位机制获得自身位置信息，每个Sink在其通信半径内广播功率控制消息PCM，每个Sink接收某一区域内sensor节点的监控信息，并将收集的信息传送到巷道口的矿用通信交换机，最终传送到地面控制中心。

本发明提供一种煤矿巷道的无线传感器网络的分布式功率控制方法，设网络中sensor节点个数为N，Sink个数为k，分布在一个狭长的L×W矩形区域内，L、W分别为巷道长和宽，并且L＞＞W，sensor节点和Sink一旦部署完毕，位置固定；sensor节点和Sink的发射功率可控，并且可以根据接收信号的强度推算出节点之间的距离和接收功率大小；控制方法包括如下步骤：

步骤一，每个Sink利用定位算法获得自身的坐标信息，然后通过广播邻居Sink发现握手包和PCM消息，告知邻居Sink各自的位置信息，Sink收到握手包后，根据握手包中的Sink标识ID，由Sink ID最小的Sink与矩形区域相应顶点的距离作为无线射程，此时，在该Sink的无线射程圆和矩形边界有4个交点，其他的Sink在选择合适的无线射程时，与矩形边界也有4个交点；

步骤二，确定各Sink的通信半径R_Si，公式为：

$\left\{\begin{array}{cc}{R}_{\mathrm{Si}}=\sqrt{{x_{\mathrm{Si}}}^2+y_{\mathrm{Si}}^2}& i=1\\ R_{\mathrm{Si}}=\sqrt{{((x_{\mathrm{Si}}-x_{S(i-1)})-\sqrt{R_{R(i-1)}^2-y_{S(i-1)}^2})}^2+y_{\mathrm{Si}}^2}& 2\≤i\≤k\end{array}\right.$

其中，Si为第i个Sink，x_si,y_si为Si的坐标；

步骤三，计算各Sink的发射功率P_t，公式为：

其中，P_r表示节点的接收功率，P_t表示节点的发射功率，g_t和g_r表示发送天线和接收天线的增益，d表示发送节点和接收节点之间的距离，λ表示由载波频率所决定的载波波长；

步骤四，利用Voronoi scoping算法进行分簇获得V_m；

步骤五，各分簇内的sensor节点和所在分簇的Sink通信。

较佳地，步骤二中，在每个Sink计算获得自己的无线射程后，处于Sink ID最大的Sink节点，假设其原始通信半径为r_i，计算出自身与对应矩形顶点的距离Dis(r_i，vert)，并与当前的无线射程进行比较，Dis(r_i，vert)表示Sink i与对应矩形顶点vert的欧几里得距离，即：

$\mathrm{Dis}(m,n)=\sqrt{{(x_m-x_n)}^2+{(y_m-y_n)}^2}$

若r_i≥Dis(r_i,vert)，则将r_i作为最终通信半径；否则，将Dis(r_i，vert)作为最终通信半径。

有益效果：本发明将多Sink网络结构和分簇的路由进行结合，提出一种针对多Sink的分布式功率控制方法，该方法将多Sink的网络中的Sink作为分簇的簇头节点，Sink之间协商最优的通信半径(无线射程)，从而获得最佳的连通性，同时，有效的降低通信的能耗和干扰，延长网络生存期，及时快速的传送监测数据。

附图说明

图1为本发明实施例煤矿巷道的无线传感器网络的原理图。

图2为本发明实施例煤矿巷道的无线传感器网络的示意图。

图3为具有2个Sink的WSN示意图。

图4为握手包的帧格式图。

图5为两个Sink与目标区域的边界相交的示意图。

图6(a)、(b)、(c)分别为网络中有3个Sink时无线射程选择的3种情况。

图7为Sink无线射程计算过程示意图。

图8为边界通信空洞问题示意图。

图9为WSN-PC算法进行SRMS修正前后平均连通度对比图。

图10为Sink总发射功率对比图。

图11为分簇干扰情况对比图。

图12为不同数目Sink条件下数据包的延时对比图。

图13为不同数目Sink条件下网络负载情况对比图。

具体实施方式

本发明实施例将多Sink网络结构和分簇的路由进行结合，提出一种针对多Sink的分布式功率控制算法WSN-PC。该算法将多Sink的网络中的Sink作为分簇的簇头节点，如图1所示，Sink之间协商最优的通信半径(无线射程)，从而获得最佳的连通性，同时，有效的降低通信的能耗和干扰，延长网络生存期，及时快速的传送监测数据。

本发明实施例所研究的无线传感器网络主要针对煤矿安全监控系统对环境数据(瓦斯浓度、CO浓度、风速等)的监测，由于煤矿巷道具有长带状的特点，因此，为了保证地面监控中心及时获得巷道的环境异常信息，实现对煤矿机械电气设备的闭锁控制，需要在巷道设置若干个Sink，sensor节点周期性的感知环境信息，将监测数据传送给最近的Sink，最终通过巷道口的矿用通信交换机传送到地面的监控中心。WSN-PC算法是由各Sink协商确定Sink的最优通信半径和发射功率，在此基础上，将各Sink作为分簇的簇头节点，利用Voronoi scoping算法进行分簇，从而在保证最佳连通性的基础上，优化网络拓扑，降低网络的整体能耗，减少分簇干扰，延长网络生存期。

本发明讨论的WSN-PC算法的煤矿巷道监控系统结构如图2所示，在巷道中央位置每隔一段随机距离(不超过Sink最大通信半径)设置一个Sink，每个Sink通过GPS或者定位机制获得自身位置信息，每个Sink在其通信半径内广播功率控制消息PCM(power control message)，为了保证任意两个Sink可以交换PCM信息，假设初始阶段，每两个Sink可以相互通信。每个Sink可以接收某一区域内sensor节点的监控信息，并将收集的信息传送到巷道口的矿用通信交换机，最终传送到地面控制中心。

为了方便研究，假设网络中sensor节点个数为N，分布在一个狭长的L×W区域内，并且L＞＞W，sensor节点和Sink一旦部署完毕，位置固定，不再发生位置改变；sensor节点和Sink的发射功率可控，并且可以根据接收信号的强度推算出节点之间的距离和接收功率大小；sensor节点同构，初始能量相同，具有数据融合和自我剩余能量感知功能，Sink能量不受限制。

功率控制机制中确定合适的发射功率值，根据电波在自由空间传播损耗的Friis公式，可以得到接收端功率：

$P_r=P_t{g}_t{g}_r{\left(\frac{\mathrm{\λ}}{4\mathrm{\πd}}\right)}^n---\left(1\right)$

公式中，P_r表示节点的接收功率，P_t表示节点的发射功率，g_t和g_r表示发送天线和接收天线的增益，d表示发送节点和接收节点之间的距离，λ表示由载波频率所决定的载波波长，在常用的2.4Ghz无线传感器中，λ的值通常取0.1，n表示信道衰落系数，通常取值为2，由于参数g_t、g_r、λ都是传感器网络自身的参数，所以网络确定后，这些参数的值就确定了，因此，对于一个确定的网络，可以将这些参数统一用表示，即：

此时，可以将接收端功率公式改写为：

由此可以得到分簇中Sink节点到簇内子节点的发射功率为：

显然，当d的值为Sink的最佳通信半径时，可以通过公式(4)计算获得最优的发射功率，因此，发射功率的控制问题可以转化为通信半径的控制问题。

将两个Sink分别部署在a×b的矩形区域P内，且位于矩形区域的中央线上，l为该区域内的一条对角线。为了保证Sink对网络的覆盖率，表示两个Sink的无线射程的圆环必须相交于区域P外，同时，与Sink对应的矩形顶点也必须位于Sink的无线射程内。

2个Sink分布在a×b的矩形区域P内，如图3所示，表示两个Sink的无线射程圆相交于E和F两点，显然，此时四边形AEFB和EDCF的并集包含了四边形ABCD，因此，只要相应的矩形顶点位于Sink的无线射程内(例如，D点对应于S2)，就可以保证Sink节点对整个网络的覆盖。

网络中存在两个Sink，其无线射程R_Si需要满足以下公式：

$\left\{\begin{array}{c}{(x_{s1}-x)}^2+{(y_{s1}-y)}^2=R_{s1}^2\\ {(x_{s2}-x)}^2+{(y_{s2}-y)}^2=R_{s2}^2\end{array}\right.---\left(5\right)$

其中，(x,y)是位于Sink通信范围内的任意Sensor节点，(x_s1，y_s1)和(x_s2，y_s2)分别为两个Sink的坐标，为了在保证网络覆盖率的前提下，最小化每个Sink的发射功率，本节定义了函数f：

$f=\min \underset{i=1}{\overset{2}{\mathrm{\Σ}}}{R}_{\mathrm{si}}^2---\left(6\right)$

s.t.

${(x_{s1}-x_A)}^2+{(y_{s1}-y_A)}^2\≤R_{s1}^2$

${(x_{s2}-x_C)}^2+{(y_{s2}-y_C)}^2\≤R_{s2}^2$

x_E＞0,x_F＜a

y_E≥b,y_F≤0

这里是以2个Sink的情况进行为例进行说明，当网络中存在更多Sink时，以此类推即可。

在WSN-PC算法中，只需要为Sink定义一种数据包，该数据包可以被称为握手包，它包括3个数据域：包头、Sink标识ID、Sink位置信息(如图4)，其中Sink标识ID全网唯一，而且呈升序排列。网络初始化时，各Sink节点通过发送握手包使每个Sink获知其他Sink的相关信息。

在L×W的网络中部署k个Sink，其坐标用(x_si,y_si)表示，1≤i≤k，为了方便描述，令P(X,Y)为一矩形区域，X为矩形的长，Y为矩形的宽，且X>Y，Cir(x_si,y_si,r_si)表示以(x_si,y_si)为圆心，以r_si为半径的圆形区域，为了保证网络覆盖能够达到100％，必须满足以下条件：

在WSN-PC中，为了保证在每个Sink控制其发射功率后，仍能够100％的覆盖整个网络，需要每个Sink节点互相协商出合适的发射功率，根据公式(4)在获得各Sink的通信半径后，就可以计算出其发射功率，因此，发射功率的计算问题转化为通信半径的求解问题。

首先，每个Sink利用定位算法获得自身的坐标信息，然后，通过广播邻居Sink发现握手包和PCM消息，告知邻居Sink各自的位置信息，Sink收到握手包后，根据握手包中的Sink标识ID，由SinkID最小的Sink与矩形区域相应顶点的距离作为无线射程，此时，在该Sink的无线射程圆和矩形边界有4个交点，如图5中的S1所示，其他的Sink在选择合适的无线射程时，与矩形边界也有4个交点，如图5中的S2所示。

本发明认为，当以每个Sink节点为圆心，相应的无线射程为半径的圆与矩形区域的边界相交后，只要切割线段的并集包含整个矩形的四条边界，则能保证Sink节点对整个网络的覆盖。此时，从第二个Sink开始的无线射程r_i，i∈k，必须满足以下关系：

根据这一理论，如图6，以网络中存在3个Sink为例，说明Sink节点选择无线射程的3种情况：(a)选择偏大；(b)选择合适；(c)选择偏小，通过计算可以使各Sink找到最理性的无线射程，从而使每个Sink自动调节选择合适的发射功率。

图7是一个简单说明无线射程计算过程的图例，S1和S2位置部署了2个Sink，S1的坐标为(x_s1,y_s1)，S2的坐标为(x_s2,y_s2)，S1为第一个Sink，其Sink标识ID为1，该Sink将|S1B|作为自己的无线射程，记为R_S1，然后S2根据R_S1计算其无线射程R_S2：

$R_{S2}=\sqrt{{((x_{S2}-x_{S1})-\sqrt{R_{R1}^2-y_{S1}^2})}^2+y_{S2}^2}---\left(9\right)$

由此可见，各Sink的无线射程R_Si，可以表示为：

$\left\{\begin{array}{cc}{R}_{\mathrm{Si}}=\sqrt{{x_{\mathrm{Si}}}^2+y_{\mathrm{Si}}^2}& i=1\\ R_{\mathrm{Si}}=\sqrt{{((x_{\mathrm{Si}}-x_{S(i-1)})-\sqrt{R_{R(i-1)}^2-y_{S(i-1)}^2})}^2+y_{\mathrm{Si}}^2}& 2\≤i\≤k\end{array}\right.---\left(10\right)$

在各Sink的发射功率调整完毕后，就可以使用Voronoi scoping算法对各Sink所在的区域进行分簇，分簇完成后，各分簇内的sensor节点可以和所在簇的Sink节点进行一跳通信。此时，利用图论的方法将网络描述为：Net＝(O,V)，其中O表示k个Sink和N个sensor节点的集合，是SINK的集合，且|S|＝k，V表示一条链路的权重系数，d_ij表示节点i和j之间的最短距离，此时，某Sink节点m所对应的Voronoi分簇可以表示为：

$V_m=\{i:\min d_{i,j}=d_{i,m}\}---\left(11\right)$

j∈S

在Voronoi scoping分簇算法中，每个sensor节点必须知道自身以及每个Sink节点的坐标信息，可以通过一些定位算法或者GPS系统解决该问题。

实际上，发射功率维持是一个根据实际工作环境实时的调整自身发射功率的过程，当路由失效后，sensor节点将启动备用路由或寻路机制，从而使每个Sink重新配置发射功率，WSN-PC算法对Sink无线射程的估算是基于对本地Sink之间的链接状况，其功率的维持可以通过周期性的交换广播功率控制消息PCM(power control message)来实现。

因此，可以将WSN-PC算法描述为表1。

表1 WSN-PC算法

利用前面所介绍的WSN-PC算法，Sink是根据前一个Sink的无线射程来计算自身的无线射程，因此，有可能会出现边界通信空洞问题，如图8所示，三个Sink节点S1、S2和S3，根据WSN-PC算法估算完自身的通信半径后，边界上的|HF|段并未被覆盖到，针对这种情况本节提出SRMS修正算法(Sink radius modify strategy)，即在每个Sink计算获得自己的无线射程后，处于Sink ID最大的Sink节点，如图8中的S3，都计算出自身与对应矩形顶点的距离，并与当前的无线射程进行比较。假设，r_i为未使用SRMS算法前Sink i的通信半径，R_i为使用SRMS算法后的Sink i的通信半径，Dis(r_i，vert)表示Sink i与对应矩形顶点vert的欧几里得距离，即：

$\mathrm{Dis}(m,n)=\sqrt{{(x_m-x_n)}^2+{(y_m-y_n)}^2}---\left(12\right)$

当一个Sink ID最大的Sink节点Q(x_q,y_q)需要判断是否要调整无线射程时，使用SRMS算法。

为了验证WSN-PC算法适合于煤矿巷道的特殊长带状结构，本节将建立多个网络仿真环境，验证WSN-PC算法的连通度、能耗有效性、分簇干扰以及网络性能。连通度可以证明算法的可行性和健壮性。由于每个sensor节点能量的有限性，能耗的有效性成为算法需要考虑的关键因素，本节的能耗有效性被定义为所有Sink经过WSN-PC算法对发射功率进行控制后所产生的总能耗最小。分簇干扰是为了考虑传感器节点在决定自己所属簇时受到非自身中心Sink干扰的情况。

实验中采用Java语言，利用OMNET++4.2作为仿真工具，在Windows操作系统下搭建仿真平台，实验中Node和Sink采用简单模块，分别定义为node.ned和Sink.ned，实验的其他参数如表2所示。

表2 仿真具体参数

本发明使用平均连通度来衡量执行WSN-PC算法后，sensor节点和Sink之间能否正常通信。平均连通度是指被任一Sink所覆盖的sensor节点占全部sensor节点的比例。本节将对上一节所描述的WSN-PC算法以及进行了SRMS修正的WSN-PC算法进行仿真。所有实验都是1000次求平均的结果。

如图9所示为原始WSN-PC算法和进行了SRMS修正后的WSN-PC算法在Sink数量变化时，网络的平均连通度变化情况，显然，随着网络中Sink的增加，网络平均连通度也相应增加，当Sink数达到12个时，平均连通度接近100％，而使用SRMS策略修正后的WSN-PC算法，网络的平均连通度得到明显改善，但是，当Sink数达到6个后，两种算法获得的网络平均连通度差别不大。

由于煤矿巷道sensor节点不便于甚至无法更换电池，因此，为了尽可能的延长网络生存期，必须注重能耗的有效性。本节能耗的有效性被定义为：网络中的sensor节点有多个一跳可达的Sink节点，通过对Sink的发射功率进行合适的控制，使所有sensor节点一跳到达Sink所用的总能耗最小。

假设网络中有k个Sink，根据公式[4]所描述的发射功率与接收功率、通信距离之间的关系，可以将网络中的总发射功率P_sum表示为：

当通信距离最大时，即为通信半径，因此，可以根据WSN-PC算法所计算的各Sink通信半径计算网络中总的发射功率大小。Sink发射功率、发射半径和能耗之间的关系，可以得到如图10所示，在Sink数量发生变化时，Sink使用最大发射功率和利用WSN-PC算法控制发射功率两种情况下总能耗的对比，显然，WSN-PC算法可以带来更多的能耗节省，随着Sink数量的增加，能耗节省的量也越多，当Sink数量达到12时，WSN-PC算法控制的发射功率所消耗的能量比Sink使用最大发射功率所消耗的能量降低了75％，同时，由于网络中sensor节点可以接收到更少的从Sink发出的广播包，也能有效的减少sensor节点接收数据包的能耗，从而使网络的整体能耗下降。

为了减少簇内的干扰，可采用基于发射机的编码分配方法，即每个簇采用独立的扩频编码，每个簇内节点与簇头间的通信都采用唯一的扩频码，簇内节点使用该扩频码传输数据给簇头，簇头节点则根据扩频码对接收信号进行过滤。

本发明将分簇干扰定义为一个sensor节点一跳内的平均Sink数，当一个sensor节点需要选择一个Sink作为其中心Sink时，它从邻居Sink收到的广播包越少，就能越节省接收数据包的能耗。如图11所示，在Sink数量发生变化时，Sink使用最大发射功率时，每个sensor节点一跳内的平均Sink数量明显大于使用WSN-PC算法时的数量，当Sink数为12时，使用最大发射功率，每个sensor节点一跳内的Sink数量约为4个，而使用WSN-PC算法后，则仅为2个，分簇干扰的可能性降低了50％，因此，sensor节点只需要在少数几个Sink中选择中心Sink。使用WSN-PC算法后，每个Sink的通信覆盖范围尽可能的缩小，因此，只有少量sensor节点能收到某一Sink的广播包，从而减少了网络中节点间的相互干扰，同时也大大降低了sensor节点在分簇时受到的干扰。

由于该算法主要针对煤矿巷道的安全监控系统，因此，在网络性能上主要针对数据包的延时情况和网络MAC层负载情况进行测试。将网络场景设置为100m×5m矩形区域，Sink数为4个，sensor节点数为30个，数据包发送速率均为1000bit/s，测试时间为10分钟，所有sensor节点的通信半径限制为10m。

如图12所示是不同数目Sink条件下数据包的延时对比，当Sink数为4时，数据包的延时下降的幅度最大，可见，随着Sink数量的增加，数据的延时呈下降趋势。由于在WSN-PC算法中，随着Sink数量的增加，数据传输的路径会更短，负载将更轻，因此，可以大幅的减少网络拥塞，也就是说Sink数量越少，发生网络拥塞的可能性越大，数据包延时的程度也更高。

如图13所示是不同数目Sink条件下网络负载情况对比，当Sink数为4时，网络负载的增幅最小，可见，随着Sink数量的增加，网络负载呈下降趋势。当更多的Sink部署在网络中，源sensor节点可以选择距离自己最近的Sink发送数据，因此，可以大幅减少整个网络的通信跳数，从而降低网络的整体负载，同时也可以降低能耗。

本发明根据煤矿巷道的结构特点，提出了一种将多Sink网络结构和分簇路由相结合的多Sink分布式功率控制算法WSN-PC，并在仿真工具OMNET++环境下实现了建模和仿真。仿真结果证明该算法在连通度、能耗有效性、分簇干扰和网络性能上符合煤矿巷道多Sink的网络环境，能有效的延长网络生存期、降低能耗。本发明的主要创新点包括：(1)提出了煤矿井下巷道内采用多Sink的网络结构，以更快速及时的将监控信息传送到地面控制中心；(2)提出无线传感器网络多Sink和网络分簇相结合的概念；(3)提出以Sink为中心的多Sink分簇传感器网络模型；(4)提出一种针对煤矿巷道的多Sink分布式功率控制算法，在不牺牲网络覆盖率的前提下，优化网络拓扑，降低网络的整体能耗，减少分簇干扰。

Claims (3)

1.一种煤矿巷道的无线传感器网络，其特征在于，在巷道每隔一段不超过Sink最大通信半径的随机距离设置一个Sink，每个Sink通过GPS或者定位机制获得自身位置信息，每个Sink在其通信半径内广播功率控制消息PCM，每个Sink接收某一区域内sensor节点的监控信息，并将收集的信息传送到巷道口的矿用通信交换机，最终传送到地面控制中心。

2.如权利要求1所述的煤矿巷道的无线传感器网络的分布式功率控制方法，其特征在于，设网络中sensor节点个数为N，Sink个数为k，分布在一个狭长的L×W矩形区域内，L、W分别为巷道长和宽，并且L＞＞W，sensor节点和Sink一旦部署完毕，位置固定；sensor节点和Sink的发射功率可控，并且根据接收信号的强度推算出节点之间的距离和接收功率大小；控制方法包括如下步骤：

步骤一，每个Sink利用定位算法获得自身的坐标信息，然后通过广播邻居Sink发现握手包和PCM消息，告知邻居Sink各自的位置信息，Sink收到握手包后，根据握手包中的Sink标识ID，由Sink ID最小的Sink与矩形区域相应顶点的距离作为无线射程，此时，在该Sink的无线射程圆和矩形边界有4个交点，其他的Sink在选择合适的无线射程时，与矩形边界也有4个交点；

步骤二，确定各Sink的通信半径R_Si，公式为：

$\left\{\begin{array}{cc}{R}_{\mathrm{Si}}=\sqrt{{x_{\mathrm{Si}}}^2+y_{\mathrm{Si}}^2}& i=1\\ R_{\mathrm{Si}}=\sqrt{{((x_{\mathrm{Si}}-x_{S(i-1)})-\sqrt{R_{R(i-1)}^2-y_{S(i-1)}^2})}^2+y_{\mathrm{Si}}^2}& 2\≤i\≤k\end{array}\right.$

其中，Si为第i个Sink，x_si,y_si为Si的坐标；

步骤三，计算各Sink的发射功率P_t，公式为：

其中，P_r表示节点的接收功率，P_t表示节点的发射功率，g_t和g_r表示发送天线和接收天线的增益，d表示发送节点和接收节点之间的距离，λ表示由载波频率所决定的载波波长；

步骤四，利用Voronoi scoping算法进行分簇获得V_m；

步骤五，各分簇内的sensor节点和所在分簇的Sink通信。

3.如权利要求2所述的分布式功率控制方法，其特征在于，步骤二中，在每个Sink计算获得自己的无线射程后，处于Sink ID最大的Sink节点，假设其原始通信半径为r_i，计算出自身与对应矩形顶点的距离Dis(r_i，vert)，并与当前的无线射程进行比较，Dis(r_i，vert)表示Sinki与对应矩形顶点vert的欧几里得距离，即：

$\mathrm{Dis}(m,n)=\sqrt{{(x_m-x_n)}^2+{(y_m-y_n)}^2}$

若r_i≥Dis(r_i,vert)，则将r_i作为最终通信半径；否则，将Dis(r_i，vert)作为最终通信半径。