CN112911606A - 应用于水下传感器网络的传感器节点分布控制方法 - Google Patents
应用于水下传感器网络的传感器节点分布控制方法 Download PDFInfo
- Publication number
- CN112911606A CN112911606A CN202110110356.0A CN202110110356A CN112911606A CN 112911606 A CN112911606 A CN 112911606A CN 202110110356 A CN202110110356 A CN 202110110356A CN 112911606 A CN112911606 A CN 112911606A
- Authority
- CN
- China
- Prior art keywords
- sensor node
- sensor
- underwater
- nodes
- coverage rate
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000002245 particle Substances 0.000 claims abstract description 42
- 238000005265 energy consumption Methods 0.000 claims abstract description 23
- 230000003213 activating effect Effects 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 43
- 238000004891 communication Methods 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 230000002028 premature Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000036992 cognitive tasks Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
应用于水下传感器网络的传感器节点分布控制方法包括:判断处于工作状态的传感器节点的能量消耗是否达到消耗能量最大值;若是则激活最近的处于休眠状态的传感器节点;判断水下传感器网络中是否存在覆盖空洞;若是则调节传感器节点间隔阈值;计算传感器节点所受合力;根据所述传感器节点所受合力和粒子群算法计算并更新水下传感器节点实时位置;根据水下传感器节点实时位置计算实际有效覆盖率;如果实际有效覆盖率大于等于预设有效覆盖率,则维持当前传感器节点分布不变;如果实际有效覆盖率小于预设有效覆盖率,则迭代执行上述步骤直至实际有效覆盖率大于等于预设有效覆盖率或者迭代次数达到设定迭代次数。本发明旨在实现有效覆盖率最大化。
Description
技术领域
本发明属于水下传感器网络领域,尤其涉及一种应用于水下传感器网络的传感器节点分布控制方法。
背景技术
水下传感器网络主要应用于海洋资源开发利用、海洋环境保护和海上防御等领域。水下传感器网络的主要目的是连续监测一个水下目标区域或者至少一个水下目标点。水下传感器网络将探测到的事件和/或数据进行处理整合并进行回应。在一个水下传感器网络中,如果设置的传感器节点数量不足,则无法保证水下目标区域被完全覆盖,这可能会导致事件无法被及时探测。覆盖问题是随机部署水下传感器网络首先需要解决的一个基础性问题,它反映了水下传感器网络传感器节点对水下传感器网络部署区域的监控程度,将在很大程度上影响网络的成本及性能,覆盖程度的优劣决定水下传感器网络对目标区域的监测覆盖率以及水下传感器网络的整体寿命。
本背景技术所公开的上述信息仅仅用于增加对本申请背景技术的理解,因此,其可能包括不构成本领域普通技术人员已知的现有技术。
发明内容
为了提高传感器节点对水下目标监测区域的覆盖率,本发明提供一种应用于水下传感器网络的传感器节点分布控制方法。
为实现上述发明目的,本发明采用下述技术方案予以实现:判断任意一个处于工作状态的传感器节点的能量消耗是否达到消耗能量最大值;如果处于工作状态的传感器节点的能量消耗达到能量最大值,则激活距离此传感器节点最近的处于休眠状态的传感器节点使其处于工作状态;判断水下传感器网络中是否存在覆盖空洞;如果水下传感器网络中存在覆盖空洞,则调节传感器节点间隔阈值;计算水下传感器网络中任意一个传感器节点所受合力,其中,所述合力为覆盖盲区对传感器节点质心的引力以及相邻传感器节点质心之间的斥力;根据所述传感器节点所受合力和粒子群算法计算并更新水下传感器节点实时位置;根据水下传感器节点实时位置计算实际有效覆盖率;如果实际有效覆盖率大于等于预设有效覆盖率,则维持当前传感器节点分布不变;如果实际有效覆盖率小于预设有效覆盖率,则迭代执行上述步骤直至实际有效覆盖率大于等于预设有效覆盖率或者迭代次数达到设定迭代次数。
与现有技术相比,本发明的优点和积极效果是:
通过本发明所提供的传感器节点分布控制方法,针对水下传感器网络中节点部署相对稀疏的特点,利用传感器节点可移动的特性,解决由于能量不足导致传感器节点失效形成的覆盖空洞问题,还可以根据实测数据控制传感器节点自主运动到最优的位置,实现有效覆盖面积和实际有效覆盖率的最大化。
结合附图阅读本发明的具体实施方式后,本发明的其他特点和优点将变得更加清楚。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所公开的应用于水下传感器网络的传感器节点分布控制方法第一种实施例的流程图;
图2为本发明所公开的应用于水下传感器网络的传感器节点分布控制方法第二种实施例的流程图;
图3为本发明所公开的水下传感器网络的简易模型图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下将结合附图和实施例,对本发明作进一步详细说明。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“竖”、“横”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
为了提高传感器节点对水下目标监测区域的覆盖率,本发明提供一种应用于水下传感器网络的传感器节点分布控制方法,通过优化能够在移动情况下传递数据的传感器节点的分布,使得整个目标监测区域的感知任务合理平衡和规划,传感器节点能够在保持能耗合理的前提下协调工作、传递数据、共享资源。
具体来说,本发明一种实施例所提供的传感器节点分布控制方法如图1的流程图所示,其具体包括以下步骤:
在水下传感器网络执行感知任务的过程中,判断任意一个处于工作状态的传感器节点的能量消耗是否达到消耗能量最大值。如果传感器节点的能量消耗达到消耗能量最大值,则激活距离此传感器节点最近的处于休眠状态的传感器节点使其处于工作状态。激活的传感器节点移动至能量即将消耗殆尽的传感器的位置,代替其工作,保证整个目标监测区域的认知任务可以正常完成。需要说明的是,在本实施例中所定义的传感器节点可以移动(例如在其中配置有电机以驱动传感器节点)。传感器节点中包括但不限于传感模块,处理模块、通信模块、电源模块以及定位模块等等。其中传感模块用于监测物理特征信号,处理模块包括微处理器以及存储器,其可以对数据进行处理、滤波、执行、判断等,并对传感器节点的硬件进行控制、通信模块至少包括无线收发模块,其可以与外界进行通信,位置模块可以由GPS定位模块或者类似的定位模块实现。传感器节点可以选用现有技术中常见的传感器,在此不再对其的型号及具体结构进行限定。
如果传感器节点的能耗正常,能量重组,或者休眠状态的传感器节点被激活之后,进一步判断水下传感器网络是否存在覆盖空洞,如果水下传感器网络存在覆盖空洞,则通过调节传感器节点间隔阈值改善整个目标监测区域内的传感器节点分布,使得目标监测区域中单位面积的传感器节点个数,即传感器节点密度发生改变。覆盖空洞的检测可以采用现有算法实现,例如网格法等。覆盖空洞的检测方法不是本发明保护的重点,在此不再进一步进行介绍。
如果水下传感器网络中不存在覆盖空洞或者在调节传感器节点间隔阈值之后,进一步通过优化的传感器节点移动算法对传感器节点的位置进行优化,使得传感器节点向覆盖率最大的目标解进行进化。计算水下传感器网络中任意一个传感器节点所受合力,其中,所述合力为覆盖盲区对传感器节点质心的引力以及相邻传感器节点质心之间的斥力。
根据传感器节点所受合力和粒子群算法计算并更新水下传感器节点的实时位置。
根据水下传感器节点实时位置计算实际有效覆盖率。
如果实际有效覆盖率大于等于预设有效覆盖率,则维持当前传感器节点分布不变。如果实际有效覆盖率小于预设有效覆盖率,则迭代执行上述步骤直至实际有效覆盖率大于等于预设有效覆盖率或者迭代次数达到设定迭代次数。
在上述优化的算法中,将虚拟力和粒子群相结合,通过虚拟力的作用使传感器节点的实时位置不断更新到相对理想的位置,使得实际有效覆盖率不断优化,并在多次迭代后使其高于预设有效覆盖率,在这个过程中,虚拟力起到导向作用,指导粒子群寻优,从而加快传感器节点位置收敛到全局最优解上的速度。
图2示出了本发明所提供的传感器节点分布控制方法的第二种具体实施例。
如图2所提供的传感器节点分布控制方法主要应用于二维水下传感器网络。这种二维水下传感器网络具有以下特点:二维水下传感器网络中部署多个传感器节点;多个传感器节点的初始能量相等;每一个传感器节点具有唯一标识;如果水下传感器网络采用分簇路由协议与基站通信,每一个传感器节点成为簇头传感器节点的概率一样;每一个传感器节点均具有发送和接收数据的能力。这种二维水下传感器网络的模型如图3所示。在二维水下传感器网络中,还可以根据实际通信的需要设计并布设固定节点和浮标节点,这部分节点并不是本发明所提供的控制方法的控制对象,因此在此处不再进行进一步介绍。
对于面积一定的目标监测区域,根据传感器节点本身的硬件参数,例如传感器的测量范围,可以通过现有技术中的算法得到适用于目标监测区域的理论传感器节点数量。本发明所公开的方法,希望利用相同的传感器节点数量或者更少的传感器节点数量,达到更高的,网络覆盖率。
首先,对本发明中所选用的计算有效覆盖率的数据模型进行介绍。结合水下环境的特殊性,有效覆盖率选用水下传感器网络覆盖区域的数据模型。建立这种数据模型具体包括以下步骤:
假设每个传感器节点的感知半径相同,感知半径记作r;可以得到每个传感器节点的感知面积为s=πr2,即每一个传感器节点均有一个表示为圆形的感知区域。如果一个监测目标点位于某一个传感器节点的感知区域内,则判定为此监测目标点被这个传感器节点覆盖;同理,如果一个监测目标点位于某一个传感器节点的感知区域外,则判定为此监测目标点未被这个传感器节点覆盖。设定每一个传感器节点i的质心Ci在每一个圆形感知区域的圆心上(即在传感器节点本身所在位置上)。若传感器节点的位置以及感知半径r已知,则每一个传感器节点的感知区域唯一确定。这样,每一个传感器的感知区域可以通过一个三元组表示,记作i(xi,yi,r),其中(xi,yi)为传感器节点的横纵坐标。被传感器节点i覆盖的感知区域的面积为Si,被传感器节点j覆盖的感知区域的面积为Sj,传感器节点i和j同时工作时共同覆盖的有效面积为Si∪Sj。如果在一个水下传感器网络中布设了Nx个传感器节点用于监测一个目标区域,那么这Nx个传感器节点同时工作时共同覆盖的有效面积为即联合有效覆盖面积。联合有效覆盖面积和目标监测区域的面积的比值可以用于衡量传感器节点覆盖质量的指标,联合有效覆盖面积和目标监测区域的面积的比值记作有效覆盖率f,
本实施例所提供的传感器节点分布控制方法的目标是:针对一个目标监测区域,通过分布尽量少传感器节点,使得有效覆盖率f最大。通过上述水下传感器网络覆盖区域模型可知,如果要使得有效覆盖率f最大,则需要使得同时工作时共同覆盖的有效面积最大,因此,需要每一个工作状态的传感器节点均处于最优位置。
为实现上述目的,本发明所提供的具有以下步骤:
步骤一:初始化水下传感器网络:
建立水下传感器网络初始模型,在水下传感器网络初始模型中采用随机布撒方式按照理论传感器节点数量部署传感器节点;设定每一个传感器节点的质心为粒子群中的一个粒子,为粒子群中的每个粒子赋予初始速度和初始位置;即在设定的[-xmax,xmax]范围内随机产生每个传感器节点的质心的位置xid,在设定的[-vmax,vmax]内随机产生每个粒子的速度vid。
根据粒子群算法,为避免粒子飞出解空间,对粒子的速度和位置进行限制,初始赋值的粒子位置和粒子速度满足以下约束条件:
步骤二:初始化传感器节点能量,选择部分冗余传感器节点进入休眠状态。
二维水下传感器网络还包括监测传感器节点和汇聚传感器节点。监测传感器节点和汇聚传感器节点均布设在监测水域的底部。传感器节点首先将采集到的数据传送到对应的汇聚传感器节点,汇聚传感器节点进一步将数据传送到水面基站。水下传感器节点初始能量有限,而水下传感器节点收发数据或者处于空闲状态时均不同程度地消耗自身能量。如果能量消耗殆尽,则会导致传感器节点过早死亡。传感器节点的过早死亡会导致通信连接阻断,缩短整个网络的生命周期。传感器节点主要依靠电池供电以提供能量,对于水下传感器节点来说,更换电池或者更换传感器节点均非常不易,时间成本、经济成本和人力成本均较高。为了解决这一问题,在本发明中,在初始化传感器节点能量时采用传感器节点选择调度模型,以优化传感器节点能量。
具体来说,传感器节点选择调度模型包括:
设定冗余传感器节点进入休眠状态;
在运行过程中,如果检测到某一个传感器节点过早死亡,则激活距离过早死亡的传感器节点最近的一个冗余传感器节点;驱动激活的冗余传感器节点移动至过早死亡的传感器节点的所在位置。激活的冗余传感器节点可以弥补过早死亡的传感器节点导致的覆盖空洞。传感器节点的过早死亡是指该传感器节点的实际使用时间小于其设定使用时间。
根据通信原理中的定义,如果水下传感器网络中的传感器节点的通信半径大于至少2倍感知半径时(若记通信半径为Rc,感知半径为r,即Rc>2r时),水下传感器网络的感知区域覆盖可以保证水下传感器网络的通信覆盖。因此,基于这个前提条件,对于一个水下传感器网络来说,只需要考虑网络的感知覆盖,即可以确保网络通信的连通和准确性。
在初始化传感器节点能量时,为了保证水下传感器网络进行传感器节点选择调度时至少保证1度覆盖,执行以下的控制方法:
将水下传感器网络中的传感器节点分为若干组并设定多个工作轮次;
在其中的一个工作轮次中,随机选择一组传感器节点中的部分传感器节点工作,该组内的其它传感器节点进入休眠状态。
对于一组传感器节点来说,可以保证组内传感器节点的高度聚合性,组内传感器节点的覆盖区域都相互邻接,工作状态的传感器节点能够有效覆盖本组的大部分感知区域。
举例来说,将水下传感器网络分为第一传感器节点组和第二传感器节点组,分别记作A1和A2,传感器节点的感知半径为r。第一传感器节点组和第二传感器节点组中的所有成员传感器节点两两覆盖连通,即对于一个A1内任意的传感器节点xi,以及一个A2内的任意传感器节点xj,满足xi与xj之间的距离小于2r。
假设两个传感器节点xi和xj的连接关系表示为mij,则连接关系mij满足以下约束条件:
第一传感器节点组和第二传感器节点组之间的连接性参数cαβ:
假设第一传感器节点组A1中的传感器节点数量为Sα,第二传感器节点组A2中的传感器节点数量为Sβ传感器节点的感知半径为r,对于一个A1内任意的传感器节点xi,以及一个A2内的任意传感器节点xj,连接性参数cαβ表示为:
通过连接性参数可以得到激活冗余传感器节点后,相邻传感器节点是否满足正常的通信连接状态。在初始化传感器节点能量时,即要达到综合考虑每一个传感器节点的能量、处于工作状态的传感器节点和处于休眠状态的传感器节点之间感知半径和通信半径匹配,处于工作状态的传感器节点之间感知半径和通信半径匹配等多个因素。
步骤三:根据水下传感器网络覆盖模型计算理论传感器节点对应的初始覆盖率p。
步骤四:计算达到初始覆盖率p的理想传感器节点的数量N,
其中:SΩ为监测区域的面积;CΩ为监测区域的周长;p为网络部署后的初始覆盖率;r为传感器节点的感知半径。
根据公式(5),当目标监测区域的面积一定时,就可以根据水下传感器网络初始模型得到的初始网络覆盖率p估算出需要部署的理想传感器节点数量N;
步骤五:采用随机布撒方式按照理想传感器节点数量N部署传感器节点,根据公式(2)提出的约束条件校正各个水下传感器节点的位置和速度,保证水下传感器节点的位置和速度未超出限制范围。
步骤六:传感器节点分别处于工作状态和休眠状态。
根据传感器节点选择调度模型控制传感器节点分别处于工作状态和休眠状态。对于工作状态的传感器节点的能量进行监控。
步骤七:判断工作状态的传感器节点能量是否已经消耗至消耗能量最大值;如果任意一个工作状态的传感器节点初始能量和传感器节点实时能量之间的差值小于等于能量下限阈值,代表该传感器节点即将耗尽,激活距离此传感器节点最近的处于休眠状态的传感器节点继续维持水下传感器网络运行。
水下环境中,工作状态的传感器节点的能量主要消耗在数据的收发以及传感器节点的位置移动两个方面。对于一个水下传感器网络来说,网络能耗即所有传感器节点数据收发能耗和移动能耗的总和。
其中,对于一个传感器节点来说:
传感器节点数据收发能耗Etx(d)可表示为:
Etx(d)=Pr×Tp×A(d) (6)
其中,Pr表示传感器节点发送信息包被接收时的功率阈值,Tp信息包的发射时间,d表示信息包的传输距离。A(d)表示信息包在水下传输距离为d时的能量衰减。
传感器节点移动能耗Me则定义为传感器节点移动距离md和传感器节点移动单位距离能耗mu之积,可表示为:
Me=md×mu (7)
步骤八,判断水下传感器网络是否存在覆盖空洞,并在存在覆盖空洞时根据公式(8)调节传感器节点距离阈值Dth。
通过传感器节点间隔阈值Dth可以调节传感器节点在不同区域的密度,在一种具体实施方式中,初始状态下,传感器节点间隔阈值Dth设置为2r,即为感知半径r的两倍。如果目标区域内存在覆盖空洞,即识别出某一个区域不在任何一个传感器节点的感知区域内。为了达到全覆盖的监测目标,即监控区域中任意一点均至少在一个传感器节点的感知范围内,将传感器节点间隔阈值Dth调节为缩小传感器节点间隔阈值,使得整个目标监测区域内,传感器节点的分布更为均匀。
水下传感器网络区域覆盖与传感器节点的感知半径r相关,而水下传感器网络的连通与传感器节点通信半径Rc有关。为了同时维护水下传感器网络区域覆盖和水下传感器网络连通性,在一种优选的方式中,初始状态下,传感器节点距离阈值Dth根据以下约束条件设定:
即当Rc>2r时,即传感器节点本身的通信半径较大时,设定传感器节点间隔阈值较大,即Dth=2r,传感器较为松散的分布即可以满足区域覆盖的要求,同时可以维护网络整体连通状态,可以使用更少的传感器节点;而当时,即传感器节点本身的通信半径较小时,设定传感器节点间隔较小,即Dth=Rc,网络整体连通,且确保整体覆盖。
步骤九:计算水下传感器网络中任意一个传感器节点所受合力。
假设传感器节点的位置就是传感器节点感知域的质心。粒子在目标监测水域内运动时,受到两个方面的虚拟力的作用,一是覆盖盲区,对粒子的引力作用,二是相邻粒子的斥力作用。为了达到有效覆盖面积最大,即有效覆盖率最高的效果,希望每一个传感器节点均位于最优位置,在满足有效通信的约束的条件下,冗余覆盖面积最小。
首先计算覆盖盲区对粒子的引力作用:
当某一点t在目标监测区域内,但不在传感器节点i的感知区域内时,这个点t对传感器节点i对应的质心Ci的引力Fit大小可以由以下公式(9)计算:
其中,k为引力常数;(xci,yci)为质心Ci的横纵坐标;(xt,yt)为t点的横纵坐标;AΩ表示目标监测区域;Ay(i,r)为传感器节点i的圆形感知区域,在目标监测区域内,但不在传感器节点i的感知区域内的点t对质心Ci的引力Fit的方向为自传感器节点i指向点t。
进一步计算相邻粒子之间的斥力作用:
传感器节点i对应的质心Ci和传感器节点j对应的质心Cj之间的斥力Fij大小可以由以下公式(10)计算:
其中:k'为斥力常数;(xcj,ycj)为质心Cj的横纵坐标;Fij为质心Ci对质心Cj的斥力,Fij的方向由质心Ci指向质心Cj。相邻的质心之间的斥力可以避免传感器节点的覆盖区域大范围重叠,造成冗余覆盖。
进一步计算粒子所受合力:
对于传感器节点i对应的质心Ci来说,质心Ci所受合力为m个在目标监测区域内,但不在传感器节点i的感知区域内的未被覆盖点对质心Ci施加的引力,以及n个相邻质心对质心Ci施加的斥力的矢量和,粒子所受合力可以由以下公式(11)表示:
以传感器节点i对应的质心Ci为例,粒子在虚拟合力的作用下,向着实现最大化区域有效覆盖率方向作扩散运动。质心的运动轨迹即可以表示传感器节点的运动方向。质心类似为一个虚拟电荷,在目标监测区域所构成的虚拟场中运动。质心运动时,受到来自目标监测区域覆盖盲区的引力作用和来自相邻质心的斥力作用。在本发明中,由于水下传感器网络中的传感器节点在初始化过程中即对其速度、位置、能量进行过前期优化配置,两者的虚拟合力使得质心向着有利于实现目标监测区域的有效覆盖率最大化的解集进化并做扩散运动,最终找到实现目标监测区域有效覆盖率最大化的全局最优解集。
步骤十:根据所述传感器节点所受合力和粒子群算法计算并更新水下传感器节点实时位置。
根据步骤八计算和虚拟合力以及以下的根据粒子群算法得到的粒子速度和位置更新公式(12)计算并更新水下传感器节点的速度和位置信息:
粒子速度和位置更新公式:
其中,C3是加速因子;r3是在范围(0,1)中的随机数;θvf为粒子在虚拟力作用下需要改变的角度,其它参数与粒子群算法中的标准定义相同,其中为第k次迭代粒子i飞行速度矢量的第n维分量,为第k此迭代粒子i位置矢量的第n维分量,c1和c2为加速常数,调节学习最大步长,r1和r2是在范围(0,1)中的随机数,以增加搜索随机性,w(t)为惯性权重,调节对解空间的搜索范围,为第k次迭代粒子i个体经历过的最好位置,为第k次迭代粒子种群所经历过的最好位置。
θvf由以下公式计算:
其中:θmax为传感器节点质心可旋转的最大角度;Fi为质心所受的虚拟力合力。当质心所受合力Fi大于阈值Fth时,质心将围绕传感器节点做圆周运动。
通过公式(12)可以看出,本发明所提供的在粒子群算法的基础上引入了虚拟势算法,通过引入虚拟合力,粒子群可以有效地避免陷入局部最优解中,加快粒子向着最优解进化的速度。相比于单独使用虚拟势算法,寻优能力大大增强,有效地改善了虚拟势算法引起的寻优能力不足的问题。
步骤十一:根据每一次迭代计算的全局最优解计算实际有效覆盖率,并判断实际有效覆盖率是否大于等于预设有效覆盖率。预设有效覆盖率优选在试验条件下基于理想条件测得并提前存储。实际有效覆盖率和预设有效覆盖率均优选由如公式(1)所提供的模型计算。针对不同的水下传感器网络,预设有效覆盖率也可以由其它的现有算法计算。
步骤十二,如果实际有效覆盖率大于等于预设有效覆盖率,则分布控制结束.如果实际有效覆盖率小于预设有效覆盖率,则返回步骤七循环迭代,直至实际有效覆盖率大于等于预设有效覆盖率。或者在算法中设置设定迭代次数,当迭代次数达到设定迭代次数时,退出算法,以保证总体网络能耗可控。
步骤十三,维持当前传感器节点分布不变,退出算法。
通过本实施例所提供的传感器节点分布控制方法,针对水下传感器网络中节点部署相对稀疏的特点,利用传感器节点可移动的特性,解决由于能量不足导致传感器节点失效形成的覆盖空洞问题,还可以根据实测数据控制传感器节点自主运动到最优的位置,实现有效覆盖面积和实际有效覆盖率的最大化。
优选的,在传感器节点实际移动过程中,水下环境的错综复杂且存在移动障碍物。由于这些移动障碍物的运动和形态具有不确定性,在本实施例中,传感器节点优选采用障碍物局部感知移动模型进行避障。在传感器节点移动到目标点的过程中,如果在传感器节点的目标路径上没有障碍物,则传感器节点直接向目标位置移动。如果在目标路径上出现障碍物,则传感器节点会选择其它路径绕过障碍物,例如比较多条可选路径的长短以找到最优路径。传感器节点优选采用步进控制的形式,每向前移动一步,进行一次路径选择,知道最后绕过所有障碍物达到目标位置。
以上实施例仅用以说明本发明的技术方案,而非对其进行限制;尽管参照前述实施例对本发明进行了详细的说明,对于本领域的普通技术人员来说,依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明所要求保护的技术方案的精神和范围。
Claims (10)
1.一种应用于水下传感器网络的传感器节点分布控制方法,其特征在于:
包括以下步骤:
判断任意一个处于工作状态的传感器节点的能量消耗是否达到消耗能量最大值;如果处于工作状态的传感器节点的能量消耗达到能量最大值,则激活距离此传感器节点最近的处于休眠状态的传感器节点使其处于工作状态;
判断水下传感器网络中是否存在覆盖空洞;如果水下传感器网络中存在覆盖空洞,则调节传感器节点间隔阈值;
计算水下传感器网络中任意一个传感器节点所受合力,其中,所述合力为覆盖盲区对传感器节点质心的引力以及相邻传感器节点质心之间的斥力的矢量和;
根据所述传感器节点所受合力和粒子群算法计算并更新水下传感器节点实时位置;
根据水下传感器节点实时位置计算实际有效覆盖率;
如果实际有效覆盖率大于等于预设有效覆盖率,则维持当前传感器节点分布不变;
如果实际有效覆盖率小于预设有效覆盖率,则迭代执行上述步骤直至实际有效覆盖率大于等于预设有效覆盖率或者迭代次数达到设定迭代次数。
2.根据权利要求1所述的应用于水下传感器网络的传感器节点分布控制方法,其特征在于:
在判断任意一个处于工作状态的传感器节点的能量消耗是否达到消耗能量最大值之前,还包括以下步骤:
初始化水下传感器网络,建立水下传感器网络初始模型;
初始化传感器节点能量,选择部分冗余传感器节点进入休眠状态;
根据水下传感器网络初始模型计算理论传感器节点对应的初始覆盖率;
计算达到初始覆盖率的理想传感器节点数量;
采用随机布撒方式按照理想传感器节点数量部署传感器节点;
控制传感器节点分别处于工作状态和休眠状态,监控工作状态的传感器节点的能量。
3.根据权利要求2所述的应用于水下传感器网络的传感器节点分布控制方法,其特征在于:
根据传感器节点选择调度模型控制传感器分别处于工作状态和休眠状态,其中传感器节点选择调度模型包括:
将水下传感器网络中的传感器节点分为若干组并设定多个工作轮次;
在任一个工作轮次中,随机选择一组传感器节点,控制该组传感器节点中的部分传感器节点工作,其它传感器节点进入休眠状态;
在一组传感器节点中,所有成员传感器节点两两覆盖连通,属于不同组的两个传感器节点之间的距离小于传感器节点感知半径的两倍。
4.根据权利要求1所述的应用于水下传感器网络的传感器节点分布控制方法,其特征在于:
如果目标监测区域存在覆盖空洞,则缩小传感器节点间隔阈值。
6.根据权利要求1所述的应用于水下传感器网络的传感器节点分布控制方法,其特征在于,
计算传感器节点所受合力包括:
计算覆盖盲区对传感器节点质心的引力:
当某一点t在目标监测区域内,但不在传感器节点i的感知区域内时,这个点t对传感器节点i对应的质心Ci的引力Fit为:
其中,k为引力常数;(xci,yci)为质心Ci的横纵坐标;(xt,yt)为t点的横纵坐标;AΩ表示目标监测区域;Ay(i,r)为传感器节点i的圆形感知区域,在目标监测区域内,但不在传感器节点i的感知区域内的点t对质心Ci的引力Fit的方向为自传感器节点i指向点t
计算相邻传感器节点之心之间的斥力:
传感器节点i的质心Ci和传感器节点j的质心Cj之间的斥力Fij为:
其中:k'为斥力常数;(xcj,ycj)为质心Cj的横纵坐标;Fij为质心Ci对质心Cj的斥力,Fij的方向由质心Ci指向质心Cj;
计算传感器节点质心所受合力,质心Ci所受合力为m个在目标监测区域内,但不在传感器节点i的感知区域内的未被覆盖点对质心Ci施加的引力,以及n个相邻质心对质心Ci施加的斥力的矢量和,合力Fi为:
10.根据权利要求1至9任一项所述的应用于水下传感器网络的传感器节点分布控制方法,其特征在于,
传感器节点满足:
多个传感器节点的初始能量相等;
每一个传感器节点具有唯一标识;
如果水下传感器网络采用分簇路由协议与基站通信,每一个传感器节点成为簇头传感器节点的概率相同;和
每一个传感器节点均可发送和接收数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110110356.0A CN112911606A (zh) | 2021-01-27 | 2021-01-27 | 应用于水下传感器网络的传感器节点分布控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110110356.0A CN112911606A (zh) | 2021-01-27 | 2021-01-27 | 应用于水下传感器网络的传感器节点分布控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112911606A true CN112911606A (zh) | 2021-06-04 |
Family
ID=76120630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110110356.0A Pending CN112911606A (zh) | 2021-01-27 | 2021-01-27 | 应用于水下传感器网络的传感器节点分布控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112911606A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647726A (zh) * | 2012-02-17 | 2012-08-22 | 无锡英臻科技有限公司 | 一种无线传感器网络覆盖能耗平衡优化策略 |
CN103354642A (zh) * | 2013-06-06 | 2013-10-16 | 东北大学 | 一种提高移动传感器网络覆盖率的方法 |
CN105636067A (zh) * | 2016-01-20 | 2016-06-01 | 中国农业大学 | 一种基于虚拟力导向的粒子群算法在无线传感器网络的部署方法 |
CN106792750A (zh) * | 2016-12-29 | 2017-05-31 | 湖北大学 | 一种基于导向粒子群算法的节点部署方法 |
US20170295081A1 (en) * | 2014-05-14 | 2017-10-12 | Cisco Technology, Inc. | Probing technique for predictive routing in computer networks |
CN109743740A (zh) * | 2019-02-27 | 2019-05-10 | 西北师范大学 | 基于3D-Voronoi剖分的有向传感器网络目标监测方法 |
-
2021
- 2021-01-27 CN CN202110110356.0A patent/CN112911606A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647726A (zh) * | 2012-02-17 | 2012-08-22 | 无锡英臻科技有限公司 | 一种无线传感器网络覆盖能耗平衡优化策略 |
CN103354642A (zh) * | 2013-06-06 | 2013-10-16 | 东北大学 | 一种提高移动传感器网络覆盖率的方法 |
US20170295081A1 (en) * | 2014-05-14 | 2017-10-12 | Cisco Technology, Inc. | Probing technique for predictive routing in computer networks |
CN105636067A (zh) * | 2016-01-20 | 2016-06-01 | 中国农业大学 | 一种基于虚拟力导向的粒子群算法在无线传感器网络的部署方法 |
CN106792750A (zh) * | 2016-12-29 | 2017-05-31 | 湖北大学 | 一种基于导向粒子群算法的节点部署方法 |
CN109743740A (zh) * | 2019-02-27 | 2019-05-10 | 西北师范大学 | 基于3D-Voronoi剖分的有向传感器网络目标监测方法 |
Non-Patent Citations (1)
Title |
---|
YUJIAO SUN: "The Coverage Optimization Method for Underwater Sensor Network Based on VF-PSO Algorithm", 《IEEE》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arafat et al. | A survey on cluster-based routing protocols for unmanned aerial vehicle networks | |
Wang et al. | Power control in UAV-supported ultra dense networks: Communications, caching, and energy transfer | |
Zheng et al. | Adaptive communication protocols in flying ad hoc network | |
Nazib et al. | Energy-efficient and fast data collection in UAV-aided wireless sensor networks for hilly terrains | |
Akkaya et al. | Self-deployment of sensors for maximized coverage in underwater acoustic sensor networks | |
Noh et al. | Hydrocast: Pressure routing for underwater sensor networks | |
Alam et al. | Topology control algorithms in multi-unmanned aerial vehicle networks: An extensive survey | |
Senel et al. | Autonomous deployment of sensors for maximized coverage and guaranteed connectivity in underwater acoustic sensor networks | |
CN111542020B (zh) | 水声传感器网络中基于区域划分的多auv协作数据收集方法 | |
Wang et al. | A software-defined clustering mechanism for underwater acoustic sensor networks | |
Liu et al. | Multiobjective optimization for improving throughput and energy efficiency in UAV-enabled IoT | |
Li et al. | Multi-objective optimization for UAV swarm-assisted IoT with virtual antenna arrays | |
Park et al. | Analysis of dynamic cluster head selection for mission-oriented flying ad hoc network | |
Shamsoshoara et al. | UAV-assisted communication in remote disaster areas using imitation learning | |
Ma et al. | A large-scale clustering and 3D trajectory optimization approach for UAV swarms | |
Anwar et al. | A survey on routing protocols for wireless sensor networks in various environments | |
Pu et al. | A stochastic packet forwarding algorithm in flying ad hoc networks: Design, analysis, and evaluation | |
Hao et al. | Joint optimization on trajectory, transmission and time for effective data acquisition in UAV-enabled IoT | |
Sarma et al. | Energy efficient clustering using jumper firefly algorithm in wireless sensor networks | |
Senel | Coverage‐aware connectivity‐constrained unattended sensor deployment in underwater acoustic sensor networks | |
Kiruba et al. | A survey of secured cluster head: SCH based routing scheme for IOT based mobile wireless sensor network | |
Liu et al. | Applications, models, problems, and solution strategies | |
CN112911606A (zh) | 应用于水下传感器网络的传感器节点分布控制方法 | |
Sarma et al. | Implementation of energy efficient clustering using firefly algorithm in wireless sensor networks | |
Almutairi et al. | Deployment protocol for underwater wireless sensors network based on virtual force |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |
|
RJ01 | Rejection of invention patent application after publication |