CN105933915B - 一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法 - Google Patents
一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法 Download PDFInfo
- Publication number
- CN105933915B CN105933915B CN201610375710.1A CN201610375710A CN105933915B CN 105933915 B CN105933915 B CN 105933915B CN 201610375710 A CN201610375710 A CN 201610375710A CN 105933915 B CN105933915 B CN 105933915B
- Authority
- CN
- China
- Prior art keywords
- node
- virtual
- boundary
- network
- wireless sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法,属于计算机仿真技术领域。本发明在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N,得到初始部署的网络初始覆盖图和初始覆盖率;对初始部署的网络中所有节点依次进行判断:判断是否是边界节点,如果是则进行虚拟受力优化,接着对下一个节点进行判断;如果不是边界节点,则判断是否是邻居节点:如果是邻居节点则进行优化且判断是否是往复节点,如果是往复节点,则对其进行虚拟受力优化,如果不是往复节点,则对下一个节点进行判断;如果不是邻居节点,则对下一个节点进行判断;完成一次优化。本发明提高了有向异构无线传感器网络的覆盖率。
Description
技术领域
本发明涉及一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法,属于计算机仿真技术领域。
背景技术
无线传感器网络(wireless sensor network)是由大量不同的感知能力、计算能力和通信能力的微型传感器节点组成的。WSN在军事领域、民用领域等应用的非常广泛。比如,环境监测、工业监测、战场监测、智能家居、医疗监测等。网络的覆盖控制是无线传感器网络的基本问题之一,它体现了无线传感器网络的性能。在工作环境比较复杂的区域,大多都采用随机部署传感器节点的方式进行网络的初始部署。这样会产生大量覆盖的重叠区和盲区,导致初始的覆盖偏低。此外,无线传感器节点的体积非常小,节点所带的电池也很小,这也导致了无线传感器节点的能量非常有限。因此,如何通过提高网络的覆盖程度,使能量得到有效的利用,就显得越来越重要了。
异构无线传感器网络的异构性分为节点异构、链路异构和网络协议异构3个方面。其中节点异构对网络的覆盖控制影响最大。节点的异构又可以分为通信能力、感知能力、计算能力等方面的异构。目前,有很多学者已经对有关有向无线传感器网络、异构无线传感器网络的覆盖控制进行了研究。但是以往的研究,只是针对有向传感器网络进行覆盖控制研究,或者只是针对异构传感器网络进行研究,很少有对有向异构传感器网络的随机部署进行覆盖控制进行研究。此外,以往的研究对于节点边界处理和节点往复运动的优化没有达到很好的效果。
发明内容
本发明提供了一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法,以用于解决有向异构无线传感器网络的覆盖控制问题。
本发明的技术方案是:一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法,在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N,得到初始部署的网络初始覆盖图和初始覆盖率;
对初始部署的网络中所有节点依次进行判断:判断是否是边界节点,如果是则进行虚拟受力优化,接着对下一个节点进行判断;如果不是边界节点,则判断是否是邻居节点:如果是邻居节点则进行优化且判断是否是往复节点,如果是往复节点,则对其进行虚拟受力优化,如果不是往复节点,则对下一个节点进行判断;如果不是邻居节点,则对下一个节点进行判断;
当对初始部署的网络中所有节点进行一次判断,则表示对初始部署的网络完成一次优化。
所述方法的具体步骤如下:
Step1、在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N,得到初始部署的网络初始覆盖图和初始覆盖率P0;
Step2、判断是否是有向异构无线传感器网络的边界节点:如果节点是边界节点,接着执行步骤Step2.1,对边界节点进行虚拟受力优化;如果不是边界节点,则直接执行步骤Step3;
Step2.1、判断是否是有向异构无线传感器网络的边界节点;
若Disl<Rl,则节点i是有向异构无线传感器网络的边界节点;若Disl≥Rl,则节点i不是有向异构无线传感器网络的边界节点;
其中,l代表任意一个有向异构传感器网络节点;Disl代表节点l距离监测区域最近边界的距离;Rl代表节点l的感知半径;
Step2.2、对有向异构无线传感器网络中的边界节点i进行虚拟受力优化;
所述边界节点i的虚拟受力优化方法具体步骤为:
Step2.2.1、给边界节点i增加一个邻居节点j,节点i与节点j之间的不考虑覆盖重叠区域,得到边界节点i的虚拟质心点O(Si),邻居节点j的虚拟质心点O(Sj),质心点O(Si)与质心点O(Sj)的连线与监测区域的最近边界线垂直;其中,邻居节点j的感知半径Rj在网络中最大,Rj=max{R1,R2,...,RN};在监测区域中,两个节点之间的距离小于2倍的小感知半径,则两个节点是相互连通的,两个节点之间互为邻居节点;如果两个节点之间互为邻居节点,那么两个节点覆盖区域的交集为两个节点的覆盖重叠区域,除去覆盖重叠区域剩余的部分为有效覆盖区域;覆盖重叠区域的质心点称为重叠质心点,有效覆盖区域的质心点称为有效质心点;小感知半径为两个节点感知半径中的最小值;
Step2.2.2、通过虚拟斥力Fj对边界节点i进行虚拟受力优化;虚拟斥力Si为边界节点i的覆盖区域面积,Sj为邻居节点j的覆盖区域面积,k是常数系数,Dis1为边界节点i与邻居节点j之间的距离;λ为所受的虚拟斥力Fj的方向;
Step2.2.3、通过变化角度θc控制节点转动的角度;变化角度θc表示边界节点i完成边界优化感知角度的变化量;Fj max表示虚拟斥力的最大值;θmax表示边界节点i感知角度变化量的最大值;
Step2.2.4、规定一个覆盖面积的阈值ω2,当边界节点i的覆盖区域面积大于阈值ω2时,边界节点i就停止转动;
Step2.3、执行步骤Step4;
Step3、判断是否是有向异构无线传感器网络的互为邻居节点:如果节点互为邻居节点,接着执行步骤Step3.1,对邻居节点进行虚拟受力优化;如果不是互为邻居节点,则直接执行步骤Step4;
Step3.1、判断是否是有向异构无线传感器网络的互为邻居节点;
所述判断方法的具体步骤为:
在监测区域中,两个节点m和n之间的距离小于2倍的小感知半径,则节点m和n是相互连通的,称节点m和n之间互为邻居节点;其中,小感知半径为两个节点感知半径中的最小值;
Step3.2、对邻居节点进行虚拟受力优化;
所述互为邻居节点的两个节点进行虚拟受力优化的具体步骤为:
Step3.2.1、求出节点n有效覆盖区域Sn受到覆盖重叠区域为Smn的虚拟斥力其中,k是常数系数;Dis为重叠质心点与节点n的有效质心点之间的距离;ν1为所受的虚拟斥力Fn的方向;
Step3.2.2、虚拟斥力Fn分解成两个分力Fn∥和Fn⊥,分力Fn⊥导致节点的感知方向发生变化,则节点n感知角度变化分力Fn⊥是使节点改变感知方向的分力;分力Fn∥是使节点位置移动的分力;
所述n感知角度变化公式为:
其中,表示节点n从t1时刻到t2时刻感知角度的变化量;Fn max表示虚拟斥力的最大值;θmax表示节点n感知角度变化的最大值;
Step3.2.3、采用步骤Step3.2.1至步骤Step3.2.2的方法,对节点m进行虚拟受力优化;
Step3.3、判断互为邻居节点中是否存在有向异构无线传感器网络的往复运动节点:如果存在往复运动节点,接着执行Step3.3.1,对往复运动节点进行虚拟受力优化;如果不存在往复运动节点,则直接执行步骤Step4;
Step3.3.1、判断是否存在往复运动节点;
所述判断方法的具体步骤为:
节点o和p的覆盖重叠区域为Sop,节点p和q的覆盖重叠区域为Spq,有效覆盖区域Sp受到覆盖重叠区域Sop的斥力Fop,有效覆盖区域Sp受到覆盖重叠区域为Spq的斥力Fpq;斥力Fop可以分解成分力Fop//和分力Fop⊥,斥力Fpq可以分解成分力Fpq//和分力Fpq⊥;
若分力Fop⊥和分力Fpq⊥差值的绝对值小于10时,存在往复运动节点;
Step3.3.2、对往复运动节点进行虚拟受力优化;
所述往复运动节点进行虚拟受力优化的具体步骤为:
Step3.3.2.1、设置一个节点停止运动的阈值ω1,当分力Fop⊥和分力Fpq⊥的差值的绝对值小于ω1时,则往复节点就停止转动;
Step3.3.3、执行步骤Step4;
Step4、参与判断的节点数加1,直至满足N,则执行步骤Step5;
Step5、根据步骤Step2-步骤Step4对初始部署的网络进行T次优化,得到T次优化后的网络覆盖图,以及优化后的网络覆盖率PT(Vi);
所述覆盖率其中,α为有向异构无线传感器网络节点r的感知夹角,Rr是节点r的感知半径;Vr为N个节点的感知方向组成的一个感知方向向量组(V1,V2,...Vr,VN);SΩ为监测区域的面积;Sr为节点r的感知面积。
其中,有向异构传感器网络是节点感知半径异构的有向传感器网络,但是有向异构传感器网络满足同构的有向感知模型;节点的部署方式为随机部署,一旦节点初始部署完成,节点的位置不变;节点可以通过绕自身转动的方式来调节节点的主感知方向;节点能过获取自身的位置坐标信息和感知方向信息。
本发明的工作原理是:
类比虚拟势场中电荷受斥力的原理,对有向异构无线传感器网络中节点的覆盖控制问题进行优化。在虚拟势场中,具有相同电性的电荷之间具有斥力的作用。在有向异构无线传感器网络中节点的感知半径不同,在随机部署以后,在监视区域的的某些节点会与多个邻居节点产生覆盖重叠区域。本发明类比电荷之间的斥力作用,假设有向异构节点产生的覆盖重叠区域的面积全都集中在重叠质心上,有效覆盖区域的面积全都集中在有效质心上,重叠质心和有效质心存在虚拟斥力的作用。基于虚拟斥力的作用,建立有向异构传感器网络的邻居节点虚拟受力优化模型、往复运动优化模型和边界节点优化模型,对有向异构传感器网络进行虚拟受力优化、节点往复运动优化和边界优化处理。使节点的传感方向发生改变,增强有向异构传感器网络的覆盖性能。
本发明的有益效果是:
1、优化有向异构无线传感器网络邻居节点的覆盖重叠问题,提高了有向异构无线传感器网络的覆盖率;
2、优化有向异构无线传感器网络边界节点的覆盖问题,提高了有向异构无线传感器网络的覆盖率;
3、优化有向异构无线传感器网络往复节点的覆盖往复问题,提高了有向异构无线传感器网络的覆盖率。
附图说明
图1为本发明的方法流程图;
图2为本发明的初始部署图;
图3为本发明的有向异构无线传感器网络边界节点虚拟受力分析图;
图4为本发明的有向异构无线传感器网络邻居节点虚拟受力分析图;
图5为本发明的有向异构无线传感器网络往复运动节点虚拟受力分析图;
图6为本发明的优化方法在70个节点覆盖率优化趋势图;
图7为本发明的优化方法在70个节点优化T=1次后覆盖图;
图8为本发明的优化方法在70个节点优化T=5次后覆盖图;
图9为本发明的优化方法在70个节点优化T=10次后覆盖图;
图10为本发明的优化方法在70个节点优化T=40次后覆盖图。
具体实施方式
实施例1:如图1-10所示,一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法,在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N,得到初始部署的网络初始覆盖图和初始覆盖率;
对初始部署的网络中所有节点依次进行判断:判断是否是边界节点,如果是则进行虚拟受力优化,接着对下一个节点进行判断;如果不是边界节点,则判断是否是邻居节点:如果是邻居节点则进行优化且判断是否是往复节点,如果是往复节点,则对其进行虚拟受力优化,如果不是往复节点,则对下一个节点进行判断;如果不是邻居节点,则对下一个节点进行判断;
当对初始部署的网络中所有节点进行一次判断,则表示对初始部署的网络完成一次优化。
所述方法的具体步骤如下:
Step1、在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N,得到初始部署的网络初始覆盖图和初始覆盖率P0;
Step2、判断是否是有向异构无线传感器网络的边界节点:如果节点是边界节点,接着执行步骤Step2.1,对边界节点进行虚拟受力优化;如果不是边界节点,则直接执行步骤Step3;
Step2.1、判断是否是有向异构无线传感器网络的边界节点;
若Disl<Rl,则节点i是有向异构无线传感器网络的边界节点;若Disl≥Rl,则节点i不是有向异构无线传感器网络的边界节点;
其中,l代表任意一个有向异构传感器网络节点;Disl代表节点l距离监测区域最近边界的距离;Rl代表节点l的感知半径;
Step2.2、对有向异构无线传感器网络中的边界节点i进行虚拟受力优化;
所述边界节点i的虚拟受力优化方法具体步骤为:
Step2.2.1、给边界节点i增加一个邻居节点j,节点i与节点j之间的不考虑覆盖重叠区域,得到边界节点i的虚拟质心点O(Si),邻居节点j的虚拟质心点O(Sj),质心点O(Si)与质心点O(Sj)的连线与监测区域的最近边界线垂直;其中,邻居节点j的感知半径Rj在网络中最大,Rj=max{R1,R2,...,RN};在监测区域中,两个节点之间的距离小于2倍的小感知半径,则两个节点是相互连通的,两个节点之间互为邻居节点;如果两个节点之间互为邻居节点,那么两个节点覆盖区域的交集为两个节点的覆盖重叠区域,除去覆盖重叠区域剩余的部分为有效覆盖区域;覆盖重叠区域的质心点称为重叠质心点,有效覆盖区域的质心点称为有效质心点;小感知半径为两个节点感知半径中的最小值;
Step2.2.2、通过虚拟斥力Fj对边界节点i进行虚拟受力优化;虚拟斥力Si为边界节点i的覆盖区域面积,Sj为邻居节点j的覆盖区域面积,k是常数系数,Dis1为边界节点i与邻居节点j之间的距离;λ为所受的虚拟斥力Fj的方向;
Step2.2.3、通过变化角度θc控制节点转动的角度;变化角度θc表示边界节点i完成边界优化感知角度的变化量;Fj max表示虚拟斥力的最大值;θmax表示边界节点i感知角度变化量的最大值;
Step2.2.4、规定一个覆盖面积的阈值ω2,当边界节点i的覆盖区域面积大于阈值ω2时,边界节点i就停止转动;
Step2.3、执行步骤Step4;
Step3、判断是否是有向异构无线传感器网络的互为邻居节点:如果节点互为邻居节点,接着执行步骤Step3.1,对邻居节点进行虚拟受力优化;如果不是互为邻居节点,则直接执行步骤Step4;
Step3.1、判断是否是有向异构无线传感器网络的互为邻居节点;
所述判断方法的具体步骤为:
在监测区域中,两个节点m和n之间的距离小于2倍的小感知半径,则节点m和n是相互连通的,称节点m和n之间互为邻居节点;其中,小感知半径为两个节点感知半径中的最小值;
Step3.2、对邻居节点进行虚拟受力优化;
所述互为邻居节点的两个节点进行虚拟受力优化的具体步骤为:
Step3.2.1、求出节点n有效覆盖区域Sn受到覆盖重叠区域为Smn的虚拟斥力其中,k是常数系数;Dis为重叠质心点与节点n的有效质心点之间的距离;ν1为所受的虚拟斥力Fn的方向;
Step3.2.2、虚拟斥力Fn分解成两个分力Fn∥和Fn⊥,分力Fn⊥导致节点的感知方向发生变化,则节点n感知角度变化分力Fn⊥是使节点改变感知方向的分力;分力Fn∥是使节点位置移动的分力;
所述n感知角度变化公式为:
其中,表示节点n从t1时刻到t2时刻感知角度的变化量;Fn max表示虚拟斥力的最大值;θmax表示节点n感知角度变化的最大值;
Step3.2.3、采用步骤Step3.2.1至步骤Step3.2.2的方法,对节点m进行虚拟受力优化;
Step3.3、判断互为邻居节点中是否存在有向异构无线传感器网络的往复运动节点:如果存在往复运动节点,接着执行Step3.3.1,对往复运动节点进行虚拟受力优化;如果不存在往复运动节点,则直接执行步骤Step4;
Step3.3.1、判断是否存在往复运动节点;
所述判断方法的具体步骤为:
节点o和p的覆盖重叠区域为Sop,节点p和q的覆盖重叠区域为Spq,有效覆盖区域Sp受到覆盖重叠区域Sop的斥力Fop,有效覆盖区域Sp受到覆盖重叠区域为Spq的斥力Fpq;斥力Fop可以分解成分力Fop//和分力Fop⊥,斥力Fpq可以分解成分力Fpq//和分力Fpq⊥;
若分力Fop⊥和分力Fpq⊥差值的绝对值小于10时,存在往复运动节点;
Step3.3.2、对往复运动节点进行虚拟受力优化;
所述往复运动节点进行虚拟受力优化的具体步骤为:
Step3.3.2.1、设置一个节点停止运动的阈值ω1,当分力Fop⊥和分力Fpq⊥的差值的绝对值小于ω1时,则往复节点就停止转动;
Step3.3.3、执行步骤Step4;
Step4、参与判断的节点数加1,直至满足N,则执行步骤Step5;
Step5、根据步骤Step2-步骤Step4对初始部署的网络进行T次优化,得到T次优化后的网络覆盖图,以及优化后的网络覆盖率PT(Vi);
所述覆盖率其中,α为有向异构无线传感器网络节点r的感知夹角,Rr是节点r的感知半径;Vr为N个节点的感知方向组成的一个感知方向向量组(V1,V2,...Vr,VN);SΩ为监测区域的面积;Sr为节点r的感知面积。
实施例2:如图1-10所示,一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法,在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N,得到初始部署的网络初始覆盖图和初始覆盖率;
对初始部署的网络中所有节点依次进行判断:判断是否是边界节点,如果是则进行虚拟受力优化,接着对下一个节点进行判断;如果不是边界节点,则判断是否是邻居节点:如果是邻居节点则进行优化且判断是否是往复节点,如果是往复节点,则对其进行虚拟受力优化,如果不是往复节点,则对下一个节点进行判断;如果不是邻居节点,则对下一个节点进行判断;
当对初始部署的网络中所有节点进行一次判断,则表示对初始部署的网络完成一次优化。
实施例3:如图1-10所示,一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法,
所述方法的具体步骤如下:
Step1、首先,如图2所示,在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N=70,监测区域大小为500m*500m,得到初始部署的网络初始覆盖图和初始覆盖率P0;
Step2、判断是否是有向异构无线传感器网络的边界节点:如果节点是边界节点,接着执行步骤Step2.1,对边界节点进行虚拟受力优化;如果不是边界节点,则直接执行步骤Step3;
Step2.1、判断是否是有向异构无线传感器网络的边界节点;
若Disl<Rl,则节点i是有向异构无线传感器网络的边界节点;若Disl≥Rl,则节点i不是有向异构无线传感器网络的边界节点;
其中,l代表任意一个有向异构传感器网络节点;Disl代表节点l距离监测区域最近边界的距离;Rl代表节点l的感知半径;
Step2.2、对有向异构无线传感器网络中的边界节点i进行虚拟受力优化;
如图3,所述边界节点i的虚拟受力优化方法具体步骤为:
Step2.2.1、给边界节点i增加一个邻居节点j,节点i与节点j之间的不考虑覆盖重叠区域,得到边界节点i的虚拟质心点O(Si),邻居节点j的虚拟质心点O(Sj),质心点O(Si)与质心点O(Sj)的连线与监测区域的最近边界线垂直;其中,邻居节点j的感知半径Rj在网络中最大,Rj=max{R1,R2,...,RN};在监测区域中,两个节点之间的距离小于2倍的小感知半径,则两个节点是相互连通的,两个节点之间互为邻居节点;如果两个节点之间互为邻居节点,那么两个节点覆盖区域的交集为两个节点的覆盖重叠区域,除去覆盖重叠区域剩余的部分为有效覆盖区域;覆盖重叠区域的质心点称为重叠质心点,有效覆盖区域的质心点称为有效质心点;小感知半径为两个节点感知半径中的最小值;
Step2.2.2、通过虚拟斥力Fj对边界节点i进行虚拟受力优化;虚拟斥力Si为边界节点i的覆盖区域面积,Sj为邻居节点j的覆盖区域面积,k=9.0*10^9是常数系数,Dis1为边界节点i与邻居节点j之间的距离;λ为所受的虚拟斥力Fj的方向;
Step2.2.3、通过变化角度θc控制节点转动的角度;变化角度θc表示边界节点i完成边界优化感知角度的变化量;Fj max表示虚拟斥力的最大值;θmax表示边界节点i感知角度变化量的最大值;
Step2.2.4、规定一个覆盖面积的阈值ω2,当边界节点i的覆盖区域面积大于阈值ω2时,边界节点i就停止转动;
Step2.3、执行步骤Step4;
Step3、判断是否是有向异构无线传感器网络的互为邻居节点:如果节点互为邻居节点,接着执行步骤Step3.1,对邻居节点进行虚拟受力优化;如果不是互为邻居节点,则直接执行步骤Step4;
Step3.1、判断是否是有向异构无线传感器网络的互为邻居节点;
所述判断方法的具体步骤为:
在监测区域中,两个节点m和n之间的距离小于2倍的小感知半径,则节点m和n是相互连通的,称节点m和n之间互为邻居节点;其中,小感知半径为两个节点感知半径中的最小值;
Step3.2、对邻居节点进行虚拟受力优化;
如图4,所述互为邻居节点的两个节点进行虚拟受力优化的具体步骤为:
Step3.2.1、求出节点n有效覆盖区域Sn受到覆盖重叠区域为Smn的虚拟斥力其中,k=9.0*10^9是常数系数;Dis为重叠质心点与节点n的有效质心点之间的距离;ν1为所受的虚拟斥力Fn的方向;
Step3.2.2、虚拟斥力Fn分解成两个分力Fn∥和Fn⊥,分力Fn⊥导致节点的感知方向发生变化,则节点n感知角度变化分力Fn⊥是使节点改变感知方向的分力;分力Fn//是使节点位置移动的分力;
所述n感知角度变化公式为:
其中,表示节点n从t1时刻到t2时刻感知角度的变化量;Fn max表示虚拟斥力的最大值;θmax表示节点n感知角度变化的最大值;
Step3.2.3、采用步骤Step3.2.1至步骤Step3.2.2的方法,对节点m进行虚拟受力优化;
Step3.3、判断互为邻居节点中是否存在有向异构无线传感器网络的往复运动节点:如果存在往复运动节点,接着执行Step3.3.1,对往复运动节点进行虚拟受力优化;如果不存在往复运动节点,则直接执行步骤Step4;
Step3.3.1、判断是否存在往复运动节点;
所述判断方法的具体步骤为:
节点o和p的覆盖重叠区域为Sop,节点p和q的覆盖重叠区域为Spq,有效覆盖区域Sp受到覆盖重叠区域Sop的斥力Fop,有效覆盖区域Sp受到覆盖重叠区域为Spq的斥力Fpq;斥力Fop可以分解成分力Fop//和分力Fop⊥,斥力Fpq可以分解成分力Fpq//和分力Fpq⊥。
若分力Fop⊥和分力Fpq⊥差值的绝对值小于10时,存在往复运动节点;
Step3.3.2、对往复运动节点进行虚拟受力优化;
如图5,所述往复运动节点进行虚拟受力优化的具体步骤为:
Step3.3.2.1、设置一个节点停止运动的阈值ω1,当分力Fop⊥和分力Fpq⊥的差值的绝对值小于ω1时,则往复节点就停止转动;
Step3.3.3、执行步骤Step4;
Step4、参与判断的节点数加1,直至满足70,则执行步骤Step5;
Step5、根据步骤Step2-步骤Step4对初始部署70个异构节点的有向异构传感器网络进行T=40次优化,得到40次优化后的网络覆盖率PT(Vr)变化趋势图,如图6所示;以及优化1次、5次、10次和40次后第1次、5次、10次和40次的网络覆盖图,如图7、图8、图9、图10;
所述覆盖率其中,α为有向异构无线传感器网络节点r的感知夹角,Rr是节点r的感知半径;Vr为N个节点的感知方向组成的一个感知方向向量组(V1,V2,...Vr,VN);SΩ为监测区域的面积;Sr为节点r的感知面积。
上面结合附图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (1)
1.一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法,其特征在于:
在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N,得到初始部署的网络初始覆盖图和初始覆盖率;
对初始部署的网络中所有节点依次进行判断:判断是否是边界节点,如果是则进行虚拟受力优化,接着对下一个节点进行判断;如果不是边界节点,则判断是否是邻居节点:如果是邻居节点则进行优化且判断是否是往复节点,如果是往复节点,则对其进行虚拟受力优化,如果不是往复节点,则对下一个节点进行判断;如果不是邻居节点,则对下一个节点进行判断;
当对初始部署的网络中所有节点进行一次判断,则表示对初始部署的网络完成一次优化;
所述方法的具体步骤如下:
Step1、在监测区域内初始化网络,随机部署有向异构无线传感器网络节点,设置节点个数为N,得到初始部署的网络初始覆盖图和初始覆盖率P0;
Step2、判断是否是有向异构无线传感器网络的边界节点:如果节点是边界节点,接着执行步骤Step2.1,对边界节点进行虚拟受力优化;如果不是边界节点,则直接执行步骤Step3;
Step2.1、判断是否是有向异构无线传感器网络的边界节点;
若Disl<Rl,则节点i是有向异构无线传感器网络的边界节点;若Disl≥Rl,则节点i不是有向异构无线传感器网络的边界节点;
其中,l代表任意一个有向异构传感器网络节点;Disl代表节点l距离监测区域最近边界的距离;Rl代表节点l的感知半径;
Step2.2、对有向异构无线传感器网络中的边界节点i进行虚拟受力优化;
所述边界节点i的虚拟受力优化方法具体步骤为:
Step2.2.1、给边界节点i增加一个邻居节点j,节点i与节点j之间的不考虑覆盖重叠区域,得到边界节点i的虚拟质心点O(Si),邻居节点j的虚拟质心点O(Sj),质心点O(Si)与质心点O(Sj)的连线与监测区域的最近边界线垂直;其中,邻居节点j的感知半径Rj在网络中最大,Rj=max{R1,R2,...,RN};在监测区域中,两个节点之间的距离小于2倍的小感知半径,则两个节点是相互连通的,两个节点之间互为邻居节点;如果两个节点之间互为邻居节点,那么两个节点覆盖区域的交集为两个节点的覆盖重叠区域,除去覆盖重叠区域剩余的部分为有效覆盖区域;覆盖重叠区域的质心点称为重叠质心点,有效覆盖区域的质心点称为有效质心点;小感知半径为两个节点感知半径中的最小值;
Step2.2.2、通过虚拟斥力Fj对边界节点i进行虚拟受力优化;虚拟斥力Si为边界节点i的覆盖区域面积,Sj为邻居节点j的覆盖区域面积,k是常数系数,Dis1为边界节点i与邻居节点j之间的距离;λ为所受的虚拟斥力Fj的方向;
Step2.2.3、通过变化角度θc控制节点转动的角度;变化角度θc表示边界节点i完成边界优化感知角度的变化量;Fjmax表示虚拟斥力的最大值;θmax表示边界节点i感知角度变化量的最大值;
Step2.2.4、规定一个覆盖面积的阈值ω2,当边界节点i的覆盖区域面积大于阈值ω2时,边界节点i就停止转动;
Step2.3、执行步骤Step4;
Step3、判断是否是有向异构无线传感器网络的互为邻居节点:如果节点互为邻居节点,接着执行步骤Step3.1,对邻居节点进行虚拟受力优化;如果不是互为邻居节点,则直接执行步骤Step4;
Step3.1、判断是否是有向异构无线传感器网络的互为邻居节点;
所述判断方法的具体步骤为:
在监测区域中,两个节点m和n之间的距离小于2倍的小感知半径,则节点m和n是相互连通的,称节点m和n之间互为邻居节点;其中,小感知半径为两个节点感知半径中的最小值;
Step3.2、对邻居节点进行虚拟受力优化;
所述互为邻居节点的两个节点进行虚拟受力优化的具体步骤为:
Step3.2.1、求出节点n有效覆盖区域Sn受到覆盖重叠区域为Smn的虚拟斥力其中,k是常数系数;Dis为重叠质心点与节点n的有效质心点之间的距离;ν1为所受的虚拟斥力Fn的方向;
Step3.2.2、虚拟斥力Fn分解成两个分力Fn∥和Fn⊥,分力Fn⊥导致节点的感知方向发生变化,则节点n感知角度变化分力Fn⊥是使节点改变感知方向的分力;分力Fn∥是使节点位置移动的分力;
所述n感知角度变化公式为:
其中,表示节点n从t1时刻到t2时刻感知角度的变化量;Fnmax表示虚拟斥力的最大值;θmax表示节点n感知角度变化的最大值;
Step3.2.3、采用步骤Step3.2.1至步骤Step3.2.2的方法,对节点m进行虚拟受力优化;
Step3.3、判断互为邻居节点中是否存在有向异构无线传感器网络的往复运动节点:如果存在往复运动节点,接着执行Step3.3.1,对往复运动节点进行虚拟受力优化;如果不存在往复运动节点,则直接执行步骤Step4;
Step3.3.1、判断是否存在往复运动节点;
所述判断方法的具体步骤为:
节点o和p的覆盖重叠区域为Sop,节点p和q的覆盖重叠区域为Spq,有效覆盖区域Sp受到覆盖重叠区域Sop的斥力Fop,有效覆盖区域Sp受到覆盖重叠区域为Spq的斥力Fpq;斥力Fop可以分解成分力Fop//和分力Fop⊥,斥力Fpq可以分解成分力Fpq∥和分力Fpq⊥;
若分力Fop⊥和分力Fpq⊥差值的绝对值小于10时,存在往复运动节点;
Step3.3.2、对往复运动节点进行虚拟受力优化;
所述往复运动节点进行虚拟受力优化的具体步骤为:
Step3.3.2.1、设置一个节点停止运动的阈值ω1,当分力Fop⊥和分力Fpq⊥的差值的绝对值小于ω1时,则往复节点就停止转动;
Step3.3.3、执行步骤Step4;
Step4、参与判断的节点数加1,直至满足N,则执行步骤Step5;
Step5、根据步骤Step2-步骤Step4对初始部署的网络进行T次优化,得到T次优化后的网络覆盖图,以及优化后的网络覆盖率PT(Vi);
所述覆盖率其中,α为有向异构无线传感器网络节点r的感知夹角,Rr是节点r的感知半径;Vr为N个节点的感知方向组成的一个感知方向向量组(V1,V2,...Vr,VN);SΩ为监测区域的面积;Sr为节点r的感知面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610375710.1A CN105933915B (zh) | 2016-05-31 | 2016-05-31 | 一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610375710.1A CN105933915B (zh) | 2016-05-31 | 2016-05-31 | 一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105933915A CN105933915A (zh) | 2016-09-07 |
CN105933915B true CN105933915B (zh) | 2019-06-11 |
Family
ID=56833124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610375710.1A Active CN105933915B (zh) | 2016-05-31 | 2016-05-31 | 一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105933915B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107295534B (zh) * | 2017-07-06 | 2019-12-17 | 北京农业信息技术研究中心 | 一种农业无线多媒体传感器网络有向感知覆盖增强方法 |
CN107396374B (zh) * | 2017-07-07 | 2020-11-03 | 江苏奥斯威尔信息科技有限公司 | 一种基于虚拟力和泰森多边形的覆盖方法 |
CN109587698B (zh) * | 2018-12-10 | 2022-03-01 | 浙江工业大学 | 一种虚拟力修正的有向传感器网络节能覆盖方法 |
CN111629393B (zh) * | 2020-06-19 | 2022-09-06 | 江南大学 | 一种解决异构网络感知态势均匀问题的分布式方法 |
CN113242565A (zh) * | 2021-04-20 | 2021-08-10 | 西安邮电大学 | 一种面向异构无线传感器网络的覆盖增强方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127657A (zh) * | 2007-07-16 | 2008-02-20 | 江南大学 | 自主移动传感器网络动态建模与控制技术 |
CN102438252A (zh) * | 2011-12-23 | 2012-05-02 | 无锡虹业自动化工程有限公司 | 一种无线传感器网络节点路径平滑控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0801534D0 (en) * | 2008-01-28 | 2008-03-05 | Fujitsu Lab Of Europ Ltd | Communications systems |
-
2016
- 2016-05-31 CN CN201610375710.1A patent/CN105933915B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127657A (zh) * | 2007-07-16 | 2008-02-20 | 江南大学 | 自主移动传感器网络动态建模与控制技术 |
CN102438252A (zh) * | 2011-12-23 | 2012-05-02 | 无锡虹业自动化工程有限公司 | 一种无线传感器网络节点路径平滑控制方法 |
Non-Patent Citations (1)
Title |
---|
基于虚拟势场的有向传感器网络覆盖增强算法;戴宁;《昆明理工大学专业学位硕士学位论文》;20150131;第3.8节 |
Also Published As
Publication number | Publication date |
---|---|
CN105933915A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105933915B (zh) | 一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法 | |
CN103648108B (zh) | 传感器网络分布式一致性目标状态估计方法 | |
CN108896052A (zh) | 一种基于动态复杂环境下的移动机器人平滑路径规划方法 | |
CN104159236B (zh) | 基于Voronoi图盲区的无线传感器网络节点覆盖优化方法 | |
CN105717923B (zh) | 基于椭圆聚类-碰撞锥推演的无人艇海洋动态避障控制算法 | |
Razafimandimby et al. | A neural network and IoT based scheme for performance assessment in internet of robotic things | |
CN103997747B (zh) | 一种基于虚拟力的空间网络节点均匀部署方法 | |
CN103997748B (zh) | 一种基于混合型传感器网络的差异覆盖方法 | |
CN106792750B (zh) | 一种基于导向粒子群算法的节点部署方法 | |
CN108196579A (zh) | 基于几何分布的无人机分级编队方法 | |
CN107479572A (zh) | 基于仿生的无人机群组实时路径规划方法 | |
CN105611555A (zh) | 一种基于虚拟力导向的传感器网络节能覆盖控制方法 | |
CN105208569A (zh) | 复杂三维场景环境下有向传感器网络覆盖方法 | |
CN105869181B (zh) | 基于交互多模型的人体关节点分布式信息一致性估计方法 | |
CN113573333B (zh) | 一种基于虚拟力的粒子群异构WSNs覆盖优化算法 | |
CN104796916B (zh) | 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 | |
Zhao et al. | Coverage on demand: A simple motion control algorithm for autonomous robotic sensor networks | |
Soria et al. | Bluetooth network for micro-uavs for communication network and embedded range only localization | |
CN110275527A (zh) | 一种基于改进拟态物理法的多智能体系统运动控制方法 | |
CN107172627A (zh) | 基于混沌优化细菌觅食算法的传感器节点部署策略 | |
CN103412487A (zh) | 一种基于模糊滑模控制器的球形机器人坡面运动控制方法 | |
CN107819635B (zh) | 基于Voronoi图的三维有向异构移动传感器网络自部署方法 | |
CN104331630B (zh) | 一种多速率观测数据的状态估计和数据融合方法 | |
CN108563237A (zh) | 一种协同避障方法及装置 | |
Wang et al. | Virtual force-directed particle swarm optimization for dynamic deployment in wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |