CN105208569A - 复杂三维场景环境下有向传感器网络覆盖方法 - Google Patents

Abstract

本发明是一种复杂三维场景环境下有向传感器网络覆盖方法，用于无线有向传感器网络环境，针对有向传感器节点对三维地形的监测与二维平面的区别，改进有向传感器节点在三维地形中的感知模型；基于网格划分思想，计算出监测的三维地形区域所需部署的节点个数并对区域进行有向传感器节点的初始部署；更进一步基于模拟退火思想，设计策略对传感器节点的部署坐标位置进行优化，在一定程度上增大各节点自身的覆盖区域以减少整个监测区域的盲区；基于局部最优思想，对传感器节点的偏向角进行优化，增大节点与其相邻节点的整体覆盖区域以增大整个监测区域的覆盖率。通过使用本发明提出的方法可提高有向传感器网络中节点感知的三维地形信息的利用率。

Description

复杂三维场景环境下有向传感器网络覆盖方法

技术领域

本发明是一种适用于有向传感器网络(DirectonalSensorNetworks)的曲面覆盖方案，该方案基于有向传感器节点的三维感知模型，运用网格划分、模拟退火、局部协同最优思想，通过优化调整节点的坐标位置和偏向角以提高区域覆盖率，从而实现复杂三维场景区域覆盖的增强。为无线传感器网络数据的高效传输奠定基础，本技术属于无线传感器网络领域。

背景技术

随着无线通信技术、微型机电技术、以及计算机网络技术的快速发展和日渐成熟，低成本、低能耗的小型传感设备通过近距离无线通信自组织而形成的无线传感器网络得到了广泛关注，目前已成为一个热门的研究领域。随着监测环境日趋复杂多变，只采集简单数据信息的无线传感器网络已经不能满足人们对监测环境信息的需求。为了实现对环境更细微、更精准的监测，无线有向传感器网络应运而生。

近年来，无线传感器网络的覆盖问题作为传感器网络诸多典型研究方向之一尤为受到关注。无线传感网的覆盖问题根据节点感知模型的不同可以分为全向覆盖和有向覆盖。当前的研究工作正从传统传感器节点的全向覆盖模型研究向新兴的传感器网络节点有向模型方向转移。传统的全向传感器节点通常布撒在二维环境中，对其的覆盖研究也多数局限于二维环境，无论是覆盖控制或是能量优化角度大多基于传统的全向感知模型，并面向理想的二维空间而进行。事实上，与人类生活息息相关的信息绝大部分来自于三维场景中，相比当前研究中普遍采用的二维场景，现实三维环境监测更为复杂，实际的监测场景很难采用传统的二维模型进行描述。实际应用中，有向传感器节点通常布设于具体的三维场景中并对三维场景进行覆盖感知，例如海洋环境的监测是面向三维场景的，军事上的空中监测也是典型的三维覆盖问题。而当前对于面向复杂三维场景的有向传感器网络覆盖问题的相关研究工作较少，因此有必要对三维有向感知模型下不规则地形的曲面覆盖机制展开深入研究，以指导实际场景中传感器节点的部署。本发明的意义在于：设计了一种面向复杂三维地形的有向传感器网络曲面覆盖方法，为无线传感器网络的复杂三维场景区域覆盖增强和数据采集奠定基础。

发明内容

技术问题：本发明的目的是提供一种复杂三维场景环境下有向传感器网络覆盖方法，以实现复杂三维场景区域覆盖的增强。本方案采用协同处理方式，通过研究有向传感器节点在三维地形中的感知模型以设计有向传感器网络曲面覆盖方法，解决无线有向传感器网络中节点对不规则曲面覆盖的重叠区域和盲区问题。通过使用本发明提出的方法可提高有向传感器网络中节点感知的三维地形信息的利用率，真正从三维角度实现对监测地形区域的覆盖。

技术方案：本发明是一种复杂三维场景环境下有向传感器网络覆盖方法。针对有向传感器节点对三维地形的监测与二维平面的区别，改进有向传感器节点在三维地形中的感知模型；基于网格划分思想，计算出监测的三维地形区域所需部署的节点个数并对区域进行有向传感器节点的初始部署；更进一步基于模拟退火思想，设计策略对传感器节点的部署坐标位置进行优化，在一定程度上增大各节点自身的覆盖区域以减少整个监测区域的盲区；基于局部最优思想，对传感器节点的偏向角进行优化，增大节点与其相邻节点的整体覆盖区域以增大整个监测区域的覆盖率。从而实现复杂三维场景区域覆盖的增强。

该面向复杂三维地形的有向传感器网络曲面覆盖方法，包含在以下具体步骤中：

初始场景设置：

步骤1)设置监测区域场景及有向传感器节点：设置需要采用有向传感器网络监测的区域场景大小；初始化监测场景中部署的有向传感器节点的主感知方向及感知区域边长；

步骤2)设置模型地形：模型地形定义为，表面凹凸不规则的复杂三维地形；

步骤3)将复杂三维地形场景离散化处理；构建计算有向节点对场景的覆盖率的方法；

初始部署：

步骤4)由有向传感器节点的感知区域边长和网络监测的区域场景大小计算监测区域部署的有向传感器节点个数；

步骤5)基于步骤4)中得到的监测区域部署的有向传感器节点个数，运用网格划分策略对监测场景进行初始部署；

节点坐标优化：

步骤6)设置节点移动步长，考虑场景中部署的每个传感器节点，在步骤5)的结果基础上运用模拟退火思想对传感器节点的部署坐标进行优化；

节点偏向角优化：

步骤7)设置偏向角递增变量，考虑场景中部署的每个传感器节点与其相邻节点的关系，在步骤6)的结果基础上运用局部最优思想对传感器节点的偏向角度进行优化；

至此，实现了复杂三维地形区域的曲面覆盖增强。

以上步骤中所涉及的一些关键操作定义如下：

有向传感器节点感知模型：

有向节点在平面上的覆盖区域为一个正方形。节点感知模型可以由一个三元组(P,C,d)表示，其P＝(x,y,z)为节点在三维空间中的坐标；C＝(γ,θ)为节点的感知方向，γ为仰俯角，γ统一为0；θ为偏向角，θ的取值范围为[0,2π)；d为有向节点投影在平面上的正方形区域边长。

不规则表面上某点Q(x_Q,y_Q,z_Q)是否被传感器节点S覆盖续满足以下公式：

当(x_Q-x)×cos(-θ)-(y_Q-y)×sin(-θ)≥0时；

z_Q≤z×(d-(x_Q-x)×cos(-θ)+(y_Q-y)×sin(-θ))/d(1)

当(x_Q-x)×cos(-θ)-(y_Q-y)×sin(-θ)＜0时；

z_Q≤z×(d+(x_Q-x)×cos(-θ)-(y_Q-y)×sin(-θ))/d(2)

当(x_Q-x)×sin(-θ)+(y_Q-y)×cos(-θ)≥0时；

z_Q≤z×(d-(x_Q-x)×sin(-θ)-(y_Q-y)×cos(-θ))/d(3)

当(x_Q-x)×sin(-θ)+(y_Q-y)×cos(-θ)＜0时；

z_Q≤z×(d+(x_Q-x)×sin(-θ)+(y_Q-y)×cos(-θ))/d(4)

图1中点Q被有向节点覆盖，点S未被有向节点覆盖。

复杂三维地形离散化处理：

有向传感器网络表面覆盖增强对应的是对连续监测区域上的离散点进行覆盖。故将复杂三维地形表面区域的覆盖简化为三维空间中的点覆盖。因此首先需要对监测区域进行离散化。我们在水平的两个方向分别隔Δx、Δy选取一个离散点，每个选取点对应一个z坐标，将目标区域离散化，复杂三维地形表面场景的覆盖率转化为对表面上离散点被覆盖程度的计算。

网格划分策略：

复杂三维地形场景在XOY平面上为边长为size的正方形，有向节点投影在平面上的正方形区域边长为d。我们可以将监测场景划分为(size/d)×(size/d)个网格，在监测区域内部署(size/d)×(size/d)个传感器节点。节点放在每个网格的中心上方的统一高度。该部署方式情况下，每个节点在XOY平面的感知区域投影正好与XOY平面的划分出的网格重合。

模拟退火策略：

模拟退火算法源于固体退火原理。对节点持续进行“新坐标产生→覆盖点数差计算→是否移动判断”的迭代，并逐步衰减控制参数值，在满足停止准则时的当前解即为所得近似最优解。本方案中针对每一个节点进行考虑，Q_k为节点在网格划分部署后的覆盖离散点数。由节点初始坐标和移动步长step、衰减控制参数eps起始。当step＞eps时，将节点的坐标向X轴Y轴四个方向移动step长的距离，计算节点在新坐标的覆盖的离散点数取若Q'_k-Q_k＞0，则Q_k＝Q'_k，节点移动到新坐标。若exp((Q'_k-Q_k)/step)＞random(0,1)，则Q_k＝Q'_k，节点移动到新坐标；然后step＝step/2，继续对该节点进行考虑，直到step＜eps为止。

选取合适的步长移动某一节点的坐标，移动节点后，若该节点向移动方向增加的覆盖离散点数多于因为移动而减少的覆盖离散点数，那么该节点覆盖的离散点数目便得到增加，如图2、图3所示，全局覆盖率便得到提高。

局部最优思想：

运用局部最优思想为所有节点进行坐标进行优化，考虑每个节点与周围相邻节点的重叠关系，改变其偏向角度，使其与相邻节点的覆盖离散点数和进一步提高。本方案中针对每一个节点进行考虑，cnt为当前考虑节点与其相邻所有节点的覆盖离散点数，初始化偏向角角度递增变量γ；节点的偏向角由0至2/π之间递增，计算节点角度增加后与其相邻所有节点的覆盖离散点数和cnt'；若cnt'＞cnt，cnt＝cnt'，并更新节点的偏向角。偏向角优化后，复杂三维地形场景的有向传感器表面目标覆盖率可以达到一个最优值。

有益效果：设计一种面向复杂三维地形的有向传感器网络曲面覆盖方案，对应方案有如下优点：

1.较好的适应性

对于一个复杂的三维地形景来说，通过通用的有向传感器节点模型的性质，对节点的优化只与节点的坐标位置和偏向角等参数有关。对不同的复杂曲面都适用，与实际监测的具体地形情况无直接关系。因此，大部分地形的三维信息保留良好，本算法表现出较好的适应性。

2.可优化特性

方案可以通过三维感知模型的调整、模拟退火算法、局部协同最优算法的参数调整以及与其他方法的结合使用，应用在更广泛的领域。同时方案的一些思路可以继续发掘，提高方案的灵活性使方案在应用上能够适用更多的场景。如：可以改进有向传感器节点的三维感知模型，引入节点的仰俯角，设计算法对其进行优化，更进一步增强复杂三维地形的覆盖。

3.方法简单易懂

本方案采用基于有向传感器节点的三维感知模型，运用网格划分、模拟退火、局部协同最优思想，以实现复杂三维场景区域覆盖的增强。网格划分、模拟退火、局部协同最优等思想均是传统优化方法，具有思路较简单、容易理解等特点，很好地解决了其他的覆盖方案方法复杂难懂、过程繁琐的缺点。

附图说明

图1是有向传感器节点三维感知模型和曲面覆盖情况示意图；

图2是节点坐标移动前覆盖剖面示意图；

图3是节点坐标移动后覆盖剖面示意图；

图4是方案流程图。

具体实施方式

面向复杂三维地形的有向传感器网络曲面覆盖方法实现方案的核心设计思想为：将协同处理方法应用于无线有向传感器网络对曲面地形覆盖中，针对有向传感器节点对三维地形的监测与二维平面的区别，改进有向传感器节点在三维地形中的感知模型；基于网格划分思想，计算出监测的三维地形区域所需部署的节点个数并对区域进行有向传感器节点的初始部署；更进一步基于模拟退火思想，设计策略对传感器节点的部署坐标位置进行优化，在一定程度上增大各节点自身的覆盖区域以减少整个监测区域的盲区；基于局部最优思想，对传感器节点的偏向角进行优化，增大节点与其相邻节点的整体覆盖区域以增大整个监测区域的覆盖率。从而实现复杂三维场景区域覆盖的增强。

因此，方案通过设置初始场景，运用网格划分、模拟退火、局部协同最优思想，以提高区域覆盖率为目标优化调整节点的坐标位置和偏向角，实现复杂三维场景区域覆盖的增强。

具体步骤包括：

初始场景设置：

步骤1)设置监测区域场景及有向传感器节点：设置需要采用有向传感器网络监测的区域场景大小；初始化监测场景中部署的有向传感器节点的主感知方向及感知区域边长；

步骤2)设置模型地形：模型地形定义为，表面凹凸不规则的复杂三维地形；

步骤3)将复杂三维地形场景离散化处理；构建计算有向节点对场景的覆盖率的方法；

初始部署：

步骤4)由有向传感器节点的感知区域边长和网络监测的区域场景大小计算监测区域部署的有向传感器节点个数；

步骤5)基于步骤4)中得到的监测区域部署的有向传感器节点个数，运用网格划分策略对监测场景进行初始部署；

节点坐标优化：

步骤6)设置节点移动步长，考虑场景中部署的每个传感器节点，在步骤5)的结果基础上运用模拟退火思想对传感器节点的部署坐标进行优化；

节点偏向角优化：

步骤7)设置偏向角递增变量，考虑场景中部署的每个传感器节点与其相邻节点的关系，在步骤6)的结果基础上运用局部最优思想对传感器节点的偏向角度进行优化；

至此，实现复杂三维地形区域的曲面覆盖增强。

Claims (1)

1.一种复杂三维场景环境下有向传感器网络覆盖方法，其特征在于该方法包含以下的具体步骤：

初始场景设置：

步骤1)设置监测区域场景及有向传感器节点：设置需要采用有向传感器网络监测的区域场景大小；初始化监测场景中部署的有向传感器节点的主感知方向及感知区域边长；

步骤2)设置模型地形：模型地形定义为，表面凹凸不规则的复杂三维地形；

步骤3)将复杂三维地形场景离散化处理；构建计算有向节点对场景的覆盖率的方法；

初始部署：

步骤4)由有向传感器节点的感知区域边长和网络监测的区域场景大小计算监测区域部署的有向传感器节点个数；

步骤5)基于步骤4)中得到的监测区域部署的有向传感器节点个数，运用网格划分策略对监测场景进行初始部署；

节点坐标优化：

步骤6)设置节点移动步长，考虑场景中部署的每个传感器节点，在步骤5)的结果基础上运用模拟退火思想对传感器节点的部署坐标进行优化；

节点偏向角优化：

步骤7)设置偏向角递增变量，考虑场景中部署的每个传感器节点与其相邻节点的关系，在步骤6)的结果基础上运用局部最优思想对传感器节点的偏向角度进行优化；

至此，实现了复杂三维地形区域的曲面覆盖增强。