CN105828344A - 一种3d表面的传感器网络栅栏覆盖部署方法 - Google Patents

Abstract

本发明公开了一种3D表面的传感器网络栅栏覆盖部署方法。本发明采用的无线传感网络为：在一个感兴趣的立体区域中，随机部署了N个全向传感器，但是并未形成栅栏覆盖；具体的步骤如下：步骤1：构建监测区域的3D网格曲面模型；从区域地形的GIS信息中得到部署区域的数字高度模型，以DEM数据点集为基础，通过三角重构法构造监测区域的3D网格曲面模型；步骤2：计算3D网格曲面中任意两个数据点之间的最短路径；步骤3：构建栅栏图；步骤4：修改栅栏图的边；步骤5：计算最终的部署结果。本发明采用动态聚类法，减少冗余边数量，提升计算效率，从而能够适用传感器规模较大的应用场景的栅栏部署。

Description

一种3D表面的传感器网络栅栏覆盖部署方法

技术领域

本发明涉及无线传感器网络领域，特别涉及一种3D表面的传感器网络栅栏覆盖部署方法。

背景技术

随着社会的发展和科技的进步，无线传感网络越来越广泛地应用于军事安防、环境监控等许多领域。在边界入侵监测应用中，无线传感器节点需要按照监测区域的形状、地形特点部署监测传感器节点，满足防止入侵的无缝栅栏覆盖要求，因此，无线传感器网络的栅栏覆盖问题是无线传感网络监测应用中十分重要的问题。

关于无线传感网络中栅栏覆盖问题的解决方案，针对2D平面的应用场景提出了多种栅栏覆盖部署方法，如王志波等人在专利《一种面向目标检测的无线传感器网络强栅栏覆盖构建方法》(专利号：CN201510240143.4)中，针对无线传感器网络中栅栏覆盖存在漏洞，导致目标丢失的问题，设计了一种面向目标检测的强栅栏覆盖构建方法。它基于传感器在二维空间的感知范围，将其组成强连接簇，进而找出可移动传感器的部署路径，形成2D平面中的强栅栏覆盖。范兴刚等人在专利《一种基于选择框的有向K-栅栏构建方法》(专利号：CN201510240143.4)中，针对移动能耗最小化问题，利用有向传感器的选择框模型，选择节点组建K条栅栏，优化了可移动的有向传感器的移动路径和工作方向，解决了传感网络中能耗最小化时构建K-栅栏覆盖的问题。这些2D栅栏覆盖方法并不能直接适用于类似山区的复杂地形地貌的应用场景。因此，本发明提出针对3D应用场景的无线传感器网络的栅栏覆盖方法。

针对3D场景中的栅栏覆盖解决方案，目前的研究较少。陶盼盼等人在《三维有向传感器网络栅栏覆盖算法研究》一文中，研究了有向传感网络中监测覆盖度最小的穿越路径，并提出了增强穿越路径的检测覆盖度的基于网格划分的栅栏覆盖增强算法。他们研究的问题与本发明不同，他们需要找出的监测覆盖度最小的穿越路径，并根据路径来确定传感器的部署方案，从而增强整个传感网络的覆盖度。而本发明研究的则是如何部署尽量少的新增传感器，在部署区域形成3D表面的栅栏覆盖。

发明内容

本发明提出了一种3D表面的传感器网络栅栏覆盖部署方法。首先，按照部署区域地形构建3D网格曲面的地形模型，并使用多条线段来近似拟合测地线，从而得到任意两个点间的近似最短路径。其次，根据任意两个点间的最短路径以及每个传感器的覆盖区域，计算出连通任意两个传感器覆盖区域的最短路径，从而构建出以传感器为顶点，传感器覆盖区域间最短路径为边的栅栏图。然后，类内全连通，类间单连通的动态聚类策略对栅栏图的顶点进行聚类，进而减少栅栏图中的冗余边。最后，先计算出传感器的最短部署路径，再采用在未覆盖路径中从左到右，逐个部署传感器的空间渐进式部署方案，计算出增加部署的节点以及节点的部署位置，得到最终栅栏部署方案。

本发明解决其技术问题采用的技术方案步骤如下：

一种3D表面的传感器网络栅栏覆盖部署方法，采用的无线传感网络为：在一个感兴趣的立体区域中，随机部署了N个全向传感器，但是并未形成栅栏覆盖；具体的步骤如下：

步骤1：构建监测区域的3D网格曲面模型；

从区域地形的GIS信息中得到部署区域的数字高度模型，以DEM数据点集为基础，通过三角重构法构造监测区域的3D网格曲面模型；

步骤2：计算3D网格曲面中任意两个数据点之间的最短路径；

步骤3：构建栅栏图；

步骤4：修改栅栏图的边；

步骤5：计算最终的部署结果。

步骤1所述的3D网格曲面模型通过选取相邻数据点形成；每个数据点若存在上下左右四个正方向的点，则必定与该上下左右四个正方向的点相邻；再通过比较确定数据点是否与其对接上的点相邻：对角数据点的高度坐标之和大，则两个对角点相邻；对角数据点的高度坐标之和小，对角点不相邻；最终形成3D网格曲面模型。

步骤2所述的计算3D网格曲面中任意两个数据点之间的最短路径分以下步骤：

2-1、构造一个无向权值图G＝(V^G,E^G,W^G)；图的顶点V^G为场景中所有数据点的集合；边E^G代表顶点间是否连通；权值W^G代表顶点间的距离；

2-2、根据步骤1中的3D网格曲面，添加无向权值图G中的边；若两顶点v^G _i与v^G _j相邻，则为其添加一条边E^G＝E^G∪e^G(v^G _i,v^G _j)，边的权值为两点间的欧式距离w^G(v^G _i,v^G _j)＝Euclidean(v^G _i,v^G _j)；若顶点v^G _i与v^G _j不相邻，则认为边e^G(v^G _i,v^G _j)不存在，即令边权w^G(v^G _i,v^G _j)＝+∞；

2-3、使用求解最短路径的Floyd算法，计算出无向权值图G中任意两个顶点v_i与v_j间的最短路径，并将结果存入矩阵DG中；矩阵DG中的元素d_i,j记录了v_i与v_j之间的最短距离和路径。

步骤3所述的构建栅栏图具体如下：

为无线传感网络建立一个栅栏图BG＝(V^BG,E^BG,W^BG)；顶点集合V^BG包含监测区域的左边界LB，所有传感器的覆盖区域的集合A＝{A₁,A₂,…,A_n}，以及监测区域的右边界RB；即V^BG＝{v^BG ₁,v^BG ₂,…,v^BG _n+2}＝{LB∪A∪RB}；E^BG＝{e^BG(v^BG _i,v^BG _j)}代表顶点v^BG _i和v^BG _j之间的边，即任意两个传感器覆盖区域的最短路径；W^BG＝{w^BG(v^BG _i,v^BG _j)}为边的权值，代表覆盖区域之间的距离。

步骤4所述的修改栅栏图的边，具体如下：

使用动态聚类法修改栅栏图BG的边，将顶点集合V^BG中的顶点分为若干个不同的类：1.同一个类的顶点两两连通；2.类与类之间选择不属于同一个类且距离最近的两个顶点，使其连通；

把分类后的边的总数作为损失函数，设有n+2个顶点，被分为k个类，每个类所含顶点个数为b₁,b₂,…,b_k；用C^k＝{b^k ₁,b^k ₂,…,b^k _k}表示分类情况，则损失函数SumC^k为

具体的动态聚类法的实现分为以下步骤：

4-1、求出栅栏图BG的最小生成树T＝(V^T,E^T)，V^T包含BG的所有顶点，E^T为最小生成树的边集；

4-2、对E^T中的n+1条边进行降序排列，并逐渐删去E^T中的m(0≤m≤n+1)条最长边，从而将最小生成树T变为含有m+1棵子树的森林,T^m+1 _i＝(V^m+1 _i,E^m+1 _i)(T^m+1 _i∈T，i＝1,2,…,m+1)；将每棵子树的点集V^m+1 _i当做一个类，则可得到不同的分类情况C^m+1＝{V^m+1 ₁,V^m+1 ₂,…,V^m+1 _m+1}；

4-3、根据损失函数求出C^m+1中需要计算的边最少的情况SumC^min；

4-4、根据C^min和动态聚类法的分类策略为栅栏图BG添加边。

步骤5所述的计算最终的部署结果，具体如下：

在根据步骤4中的栅栏图，求出连通左右边界的最短路径后，采用从左到右逐个部署传感器的空间渐进式部署方案，对最短路径进行求解，最终计算出满足栅栏覆盖时，新增传感器的个数及其部署位置；具体步骤：

5-1、对栅栏图BG通过Dijkstra最短路径算法求出连通左右边界v^BG ₁和v^BG _n+2的最短路径P；

5-2、用[L,R]区间来表示未部署的路径P，令未被覆盖的左边界L’＝L；用位置集合Dep表示最终的部署结果；Dep中每个元素代表一个传感器的部署位置，元素总数则代表所需传感器的总数；

5-3、在路径P上的某个位置pos部署一个新增传感器，该传感器在P上的覆盖区域记为[L_pos,R_pos]；找出满足L’∈[L_pos,R_pos]，且区域[L’,R_pos]的长度最长的pos位置，并将pos记录在Dep中；

5-4、若R∈[L_pos,R_pos]，则已求出部署方案；否则，令L’＝R_pos，并返回步骤5-3。

本发明的有益效果：

1.本发明针对实际部署区域的三维地形应用场景，提出3D表面栅栏覆盖方法，与传统的2D平面栅栏覆盖方案相比，更加符合实际场景复杂地形地貌特点。

2.本发明采用动态聚类法，减少冗余边数量，提升计算效率，从而能够适用传感器规模较大的应用场景的栅栏部署。

附图说明

图1为本发明采用的无线传感器网络示意图；

图2为本发明进行3D表面栅栏覆盖部署的具体流程图；

图3为三角重构的示意图；

图4为重构出的3D网格曲面示意图；

图5为动态聚类法的分类结果示意图；

图6(a)和6(b)为空间渐进式部署算法的效果示意图。

具体实施方式

下面结合附图对本发明作进一步说明。

本发明主要提出一种3D表面的传感器网络栅栏覆盖部署方法。所有传感器均为规格相同的全向传感器，它们拥有相同的监测覆盖半径，并能够进行全方位监测。在一个H*W大小的3D区域场景中，已经事先随机部署了N个传感器，但是并未形成栅栏覆盖，需要补充部署个数尽量少的新增传感器形成3D表面栅栏的优化部署方案，使得添加的传感器个数尽量少。

本发明所使用的是工作在3D场景中的全向传感模型。由于地形起伏的原因，全向传感器的表面覆盖区域是一个不规则的形状。因此，该模型比传统的2D平面场景下的模型更复杂。并且，在3D场景中，无论是求解两个传感器间的最短路径，还是在一条路径上部署新的传感器，都会比在2D场景中更加困难。

根据图1模型示意图，本发明采用的无线传感网络为：在一个感兴趣的立体区域中，随机部署了N个全向传感器。初始时，已知所有传感器的位置，并且它们没有形成3D表面栅栏覆盖。本发明需要找出一种新增传感器的优化部署方案，从而在左边界和右边界之间形成一条3D表面栅栏，并使得新增加的传感器个数尽量少。

如图2所示，本发明具体步骤描述如下：

步骤1：构建监测区域的3D场景模型

从区域地形的GIS信息中得到部署区域的数字高度模型(DEM)。以DEM数据点集为基础，通过三角重构法构造监测区域的3D网格曲面模型。

本发明通过选取相邻数据点形成3D网格曲面。每个数据点必定与其上下左右四个正方向的点(如果存在)相邻。数据点是否与其对接上的点相邻，则需要通过比较才能确定。对角数据点的高度坐标之和大，则两个对角点相邻，否则，对角数据点的高度坐标之和小，对角点不相邻。如图3所示，图3左边为A、B、C、D四个数据点的DEM数据信息。易知，AB、BC、CD、DA四个点对为正方向上的相邻点对，而又因为Az+Cz＝29>Bz+Dz＝24，所以AC也是相邻点对。最终形成的三角形网格曲面如图3右边所示。

如图4所示，根据图4左边的DEM数据，可以将3D场景模型构建为图4右边的三角形网格曲面模型。

步骤2：计算3D网格曲面中任意两个数据点之间的最短路径

求解任意两点间的最短路径，可以分为三步。

2-1、构造一个无向权值图G＝(V^G,E^G,W^G)。图的顶点V^G为场景中所有数据点的集合。边E^G代表顶点间是否连通。权值W^G代表顶点间的距离。

2-2、根据步骤1中的3D网格曲面，添加无向权值图G中的边。若两顶点v^G _i与v^G _j相邻，则为其添加一条边E^G＝E^G∪e^G(v^G _i,v^G _j)，边的权值为两点间的欧式距离w^G(v^G _i,v^G _j)＝Euclidean(v^G _i,v^G _j)。若顶点v^G _i与v^G _j不相邻，则认为边e^G(v^G _i,v^G _j)不存在，即令边权w^G(v^G _i,v^G _j)＝+∞。

2-3、使用求解最短路径的Floyd算法，计算出无向权值图G中任意两个顶点v_i与v_j间的最短路径，并将结果存入矩阵DG中。矩阵DG中的元素d_i,j记录了v_i与v_j之间的最短距离和路径。

步骤3：构建栅栏图

为无线传感网络建立一个栅栏图BG＝(V^BG,E^BG,W^BG)。顶点集合V^BG包含监测区域的左边界LB，所有传感器的覆盖区域的集合A＝{A₁,A₂,…,A_n}，以及监测区域的右边界RB。即V^BG＝{v^BG ₁,v^BG ₂,…,v^BG _n+2}＝{LB∪A∪RB}。E^BG＝{e^BG(v^BG _i,v^BG _j)}代表顶点v^BG _i和v^BG _j之间的边，即任意两个传感器覆盖区域的最短路径。W^BG＝{w^BG(v^BG _i,v^BG _j)}为边的权值，代表覆盖区域之间的距离。

步骤4：修改栅栏图的边

使用动态聚类法修改栅栏图BG的边，从而减少图中冗余边的数量。

动态聚类法的分类策略为：将顶点集合V^BG中的顶点分为若干个不同的类：1.同一个类的顶点两两连通；2.类与类之间选择不属于同一个类且距离最近的两个顶点，使其连通。本发明把分类后的边的总数作为损失函数，损失函数越小，分类效果越好。假设有n+2个顶点，被分为k个类，每个类所含顶点个数为b₁,b₂,…,b_k。我们用C^k＝{b^k ₁,b^k ₂,…,b^k _k}表示分类情况，则损失函数SumC^k为

动态聚类法的实现分为以下四步：

4-1、求出栅栏图BG的最小生成树T＝(V^T,E^T)，V^T包含BG的所有顶点，E^T为最小生成树的边集。

4-2、对E^T中的n+1条边进行降序排列，并逐渐删去E^T中的m(0≤m≤n+1)条最长边，从而将最小生成树T变为含有m+1棵子树的森林,T^m+1 _i＝(V^m+1 _i,E^m+1 _i)(T^m+1 _i∈T，i＝1,2,…,m+1)。将每棵子树的点集V^m+1 _i当做一个类，则可得到不同的分类情况C^m+1＝{V^m+1 ₁,V^m+1 ₂,…,V^m+1 _m+1}。

4-3、根据损失函数求出C^m+1中需要计算的边最少的情况SumC^min。

4-4、根据C^min和动态聚类法的分类策略为栅栏图BG添加边。

图5为动态聚类法损失函数最小的分类情况。图中灰色点代表顶点，虚线为根据分类策略被保留的边，点线围成的不规则图形代表一个顶点的分类集合。

步骤5：计算最终的部署结果

在根据步骤4中的栅栏图，求出连通左右边界的最短路径后，需要采用空间渐进式部署方案，对最短路径进行求解，最终计算出满足栅栏覆盖时，新增传感器的个数及其部署位置。

空间渐进式部署方案的思想为：在未覆盖路径中，使用从左到右，逐个部署传感器的空间渐进式部署方案，最终实现3D表面栅栏覆盖。具体步骤：

5-1、对栅栏图BG通过Dijkstra最短路径算法求出连通左右边界v^BG ₁和v^BG _n+2的最短路径P。

5-2、用[L,R]区间来表示未部署的路径P，令未被覆盖的左边界L’＝L。用位置集合Dep表示最终的部署结果。Dep中每个元素代表一个传感器的部署位置，元素总数则代表所需传感器的总数。

5-3、在路径P上的某个位置pos部署一个新增传感器，该传感器在P上的覆盖区域记为[L_pos,R_pos]。找出满足L’∈[L_pos,R_pos]，且区域[L’,R_pos]的长度最长的pos位置，并将pos记录在Dep中。

5-4、若R∈[L_pos,R_pos]，则已求出部署方案。否则，令L’＝R_pos，并返回步骤5-3。

图6为空间渐进式部署方案的效果图。其中图6(a)为部署区域的俯视图；图6(b)则是部署路径的横切面的效果图。

Claims (6)

1.一种3D表面的传感器网络栅栏覆盖部署方法，其特征在于采用的无线传感网络为：在一个感兴趣的立体区域中，随机部署了N个全向传感器，但是并未形成栅栏覆盖；具体的步骤如下：

步骤1：构建监测区域的3D网格曲面模型；

从区域地形的GIS信息中得到部署区域的数字高度模型，以DEM数据点集为基础，通过三角重构法构造监测区域的3D网格曲面模型；

步骤2：计算3D网格曲面中任意两个数据点之间的最短路径；

步骤3：构建栅栏图；

步骤4：修改栅栏图的边；

步骤5：计算最终的部署结果。

2.根据权利要求1所述的一种3D表面的传感器网络栅栏覆盖部署方法，其特征在于步骤1所述的3D网格曲面模型通过选取相邻数据点形成；每个数据点若存在上下左右四个正方向的点，则必定与该上下左右四个正方向的点相邻；再通过比较确定数据点是否与其对接上的点相邻：对角数据点的高度坐标之和大，则两个对角点相邻；对角数据点的高度坐标之和小，对角点不相邻；最终形成3D网格曲面模型。

3.根据权利要求1所述的一种3D表面的传感器网络栅栏覆盖部署方法，其特征在于步骤2所述的计算3D网格曲面中任意两个数据点之间的最短路径分以下步骤：

2-1、构造一个无向权值图G＝(V^G,E^G,W^G)；图的顶点V^G为场景中所有数据点的集合；边E^G代表顶点间是否连通；权值W^G代表顶点间的距离；

2-2、根据步骤1中的3D网格曲面，添加无向权值图G中的边；若两顶点v^G _i与v^G _j相邻，则为其添加一条边E^G＝E^G∪e^G(v^G _i,v^G _j)，边的权值为两点间的欧式距离w^G(v^G _i,v^G _j)＝Euclidean(v^G _i,v^G _j)；若顶点v^G _i与v^G _j不相邻，则认为边e^G(v^G _i,v^G _j)不存在，即令边权w^G(v^G _i,v^G _j)＝+∞；

2-3、使用求解最短路径的Floyd算法，计算出无向权值图G中任意两个顶点v_i与v_j间的最短路径，并将结果存入矩阵DG中；矩阵DG中的元素d_i,j记录了v_i与v_j之间的最短距离和路径。

4.根据权利要求1所述的一种3D表面的传感器网络栅栏覆盖部署方法，其特征在于步骤3所述的构建栅栏图具体如下：

为无线传感网络建立一个栅栏图BG＝(V^BG,E^BG,W^BG)；顶点集合V^BG包含监测区域的左边界LB，所有传感器的覆盖区域的集合A＝{A₁,A₂,…,A_n}，以及监测区域的右边界RB；即V^BG＝{v^BG ₁,v^BG ₂,…,v^BG _n+2}＝{LB∪A∪RB}；E^BG＝{e^BG(v^BG _i,v^BG _j)}代表顶点v^BG _i和v^BG _j之间的边，即任意两个传感器覆盖区域的最短路径；W^BG＝{w^BG(v^BG _i,v^BG _j)}为边的权值，代表覆盖区域之间的距离。

5.根据权利要求1所述的一种3D表面的传感器网络栅栏覆盖部署方法，其特征在于步骤4所述的修改栅栏图的边，具体如下：

使用动态聚类法修改栅栏图BG的边，将顶点集合V^BG中的顶点分为若干个不同的类：1.同一个类的顶点两两连通；2.类与类之间选择不属于同一个类且距离最近的两个顶点，使其连通；

把分类后的边的总数作为损失函数，设有n+2个顶点，被分为k个类，每个类所含顶点个数为b₁,b₂,…,b_k；用C^k＝{b^k ₁,b^k ₂,…,b^k _k}表示分类情况，则损失函数SumC^k为

具体的动态聚类法的实现分为以下步骤：

4-1、求出栅栏图BG的最小生成树T＝(V^T,E^T)，V^T包含BG的所有顶点，E^T为最小生成树的边集；

4-2、对E^T中的n+1条边进行降序排列，并逐渐删去E^T中的m(0≤m≤n+1)条最长边，从而将最小生成树T变为含有m+1棵子树的森林,T^m+1 _i＝(V^m+1 _i,E^m+1 _i)(T^m+1 _i∈T，i＝1,2,…,m+1)；将每棵子树的点集V^m+1 _i当做一个类，则可得到不同的分类情况C^m+1＝{V^m+1 ₁,V^m+1 ₂,…,V^m+1 _m+1}；

4-3、根据损失函数求出C^m+1中需要计算的边最少的情况SumC^min；

4-4、根据C^min和动态聚类法的分类策略为栅栏图BG添加边。

6.根据权利要求1所述的一种3D表面的传感器网络栅栏覆盖部署方法，其特征在于步骤5所述的计算最终的部署结果，具体如下：

在根据步骤4中的栅栏图，求出连通左右边界的最短路径后，采用从左到右逐个部署传感器的空间渐进式部署方案，对最短路径进行求解，最终计算出满足栅栏覆盖时，新增传感器的个数及其部署位置；具体步骤：

5-1、对栅栏图BG通过Dijkstra最短路径算法求出连通左右边界v^BG ₁和v^BG _n+2的最短路径P；

5-2、用[L,R]区间来表示未部署的路径P，令未被覆盖的左边界L’＝L；用位置集合Dep表示最终的部署结果；Dep中每个元素代表一个传感器的部署位置，元素总数则代表所需传感器的总数；

5-3、在路径P上的某个位置pos部署一个新增传感器，该传感器在P上的覆盖区域记为[L_pos,R_pos]；找出满足L’∈[L_pos,R_pos]，且区域[L’,R_pos]的长度最长的pos位置，并将pos记录在Dep中；

5-4、若R∈[L_pos,R_pos]，则已求出部署方案；否则，令L’＝R_pos，并返回步骤5-3。