CN113242565A - 一种面向异构无线传感器网络的覆盖增强方法及系统 - Google Patents

Abstract

本发明涉及一种面向异构无线传感器网络的覆盖增强方法及系统，该方法包括：将监测区域离散为M个网格点；初始化监测区域的网络模型，所述网络模型包括所述监测区域中节点的类型、数量、感知半径和位置；所述节点为无线传感器；基于所述网络模型，采用蜂窝网格堆砌方法对所述监测区域进行划分，获得蜂窝网格堆砌；构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵；采用匈牙利算法求解所述效率矩阵，获得重新分配后各节点的虚拟位置；根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置。本发明实现覆盖率优化的同时，节约了节点的剩余总能量，提高了剩余能量均衡度。

Description

一种面向异构无线传感器网络的覆盖增强方法及系统

技术领域

本发明涉及网络覆盖增强技术领域，特别是涉及一种面向异构无线传感器网络的覆盖增强方法及系统。

背景技术

无线传感器网络(Wireless Sensor Networks,WSNs)是由众多具备感知、通信和计算能力的微型传感器节点组成的多跳自组织网络，这些节点之间通过相互协作完成对监测区域的有效覆盖。覆盖体现了WSNs对监测区域的感知能力，常使用覆盖率衡量WSNs的覆盖效果，较高的覆盖率可以保证网络对监测区域进行完整有效的数据采集。然而，由于WSNs通常工作在水下、复杂山地等复杂场景中，节点往往以空投等随机抛洒的方式进行初始部署，难以形成有效地覆盖。

根据节点类型的差异将网络分为同构WSNs与异构WSNs。将由不同类型节点组成的网络称为异构WSNs，不同类型的节点在初始能量、单位移动能耗以及感知范围上均存在差异。反之称为同构WSNs。

当前，针对同构传感器网络的理论研究已经相对成熟。然而，在实际部署中，从成本以及监测需求方面考虑，通常向监测区域投放不同类型的节点，即需要考虑异构无线传感器网络的覆盖问题。针对异构无线传感器网络的覆盖问题，常用的方法主要包括以下两种：将同构无线传感器网络的覆盖算法扩展至异构无线传感器网络来解决；将区域覆盖问题映射为直线覆盖问题，构建节点与采样直线之间的几何关系来优化覆盖效果；然而上述方案仅仅单方面考虑了网络的覆盖问题。由于WSNs工作环境的复杂性，难以对节点进行能量补给，因此如何在保证覆盖效果的前提下，最大化与均衡化各节点的剩余能量也是问题关键。

目前基于采样的异构无线传感器网络覆盖优化算法，通过分析采样直线与节点的交点坐标之间的位置关系，以节点重部署过程的移动能耗为目标函数，将异构WSNs的区域覆盖问题转化为最优化数学问题。经过多次迭代，当各采样直线段达到较优覆盖时，整个区域即实现了覆盖增强，并且有效控制了节点移动过程中消耗的能量，但是当迭代次数增加时，网络覆盖率存在优化上限。

发明内容

本发明的目的是提供一种面向异构无线传感器网络的覆盖增强方法及系统，在实现覆盖率优化的同时，节约了节点的剩余总能量，提高了剩余能量均衡度。

为实现上述目的，本发明提供了如下方案：

一种面向异构无线传感器网络的覆盖增强方法，包括：

将监测区域离散为M个网格点；

初始化监测区域的网络模型，所述网络模型包括所述监测区域中节点的类型、数量、感知半径和位置；所述节点为无线传感器；

基于所述网络模型，采用蜂窝网格堆砌方法对所述监测区域进行划分，获得蜂窝网格堆砌；

构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵；

采用匈牙利算法求解所述效率矩阵，获得重新分配后各节点的虚拟位置；

根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置。

可选地，所述构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵，具体包括：

计算各所述节点到各所述蜂窝网格质心的距离；

根据各所述节点到各所述蜂窝网格质心的距离计算各所述节点移动至各所述蜂窝网格后的剩余能量；

根据各所述节点移动至各所述蜂窝网格后的剩余能量计算各所述节点移动至各所述蜂窝网格的效率值；

根据各所述效率值构建效率矩阵。

可选地，所述效率矩阵表示为：

其中，Eff_N×N表示效率矩阵，Eff_i,j表示第i个节点移动至第j个蜂窝网格的效率值，i∈[1,N]，j∈[1,N]，N表示节点个数。

可选地，所述采用匈牙利算法求解所述效率矩阵，获得重新分配后各节点的虚拟位置，具体包括：

将所述效率矩阵中每行中各元素均减去本行中的最小值，得到第一效率矩阵；

将所述第一效率矩阵中每列中各元素均减去本列中的最小值，得到第二效率矩阵；

找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数；

若最小直线数不等于节点数量，则在所述第二效率矩阵中未被直线覆盖的区域中找出最小元素，将所述未被直线覆盖的区域中所有元素减去最小元素，并将直线交叉点处的元素加上最小元素，返回步骤“找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数”；

若最小直线数等于节点数量，则找出所述第二效率矩阵中每一行对应的零元素和每一列对应的零元素；

根据各所述零元素确定各节点的最优分配，获得重新分配后的各节点的虚拟位置。

可选地，所述根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置，具体包括：

根据当前各节点的虚拟位置获得未覆盖网格点坐标；

遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，迭代次数加1；

判断迭代次数是否达到预设迭代次数；

若未达到预设迭代次数，则返回“根据当前各节点的虚拟位置获得未覆盖网格点坐标”；

若达到预设迭代次数，则将当前各节点的虚拟位置确定为各节点的最终位置；

所述遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，具体包括：

计算第i个节点与各未覆盖网格点之间的虚拟力；

计算第i个节点受到所有未覆盖网格点的合力，所述合力为各未覆盖网格点对第i个节点的虚拟力之和；

根据第i个节点受到的合力虚拟移动第i个节点，获得更新后各节点的虚拟位置。

本发明还公开了一种面向异构无线传感器网络的覆盖增强系统，包括：

监测区域离散模块，用于将监测区域离散为M个网格点；

初始化模块，用于初始化监测区域的网络模型，所述网络模型包括所述监测区域中节点的类型、数量、感知半径和位置；所述节点为无线传感器；

蜂窝网格堆砌模块，用于基于所述网络模型，采用蜂窝网格堆砌方法对所述监测区域进行划分，获得蜂窝网格堆砌；

效率矩阵构建模块，用于构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵；

重新分配模块，用于采用匈牙利算法求解所述效率矩阵，获得重新分配后的各节点的虚拟位置；

最终位置确定模块，用于根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置。

可选地，所述效率矩阵构建模块，具体包括：

距离计算单元，用于计算各所述节点到各所述蜂窝网格质心的距离；

剩余能量计算单元，用于根据各所述节点到各所述蜂窝网格质心的距离计算各所述节点移动至各所述蜂窝网格后的剩余能量；

效率值计算单元，用于根据各所述节点移动至各所述蜂窝网格后的剩余能量计算各所述节点移动至各所述蜂窝网格的效率值；

效率矩阵构建单元，用于根据各所述效率值构建效率矩阵。

可选地，所述效率矩阵表示为：

其中，Eff_N×N表示效率矩阵，Eff_i,j表示第i个节点移动至第j个蜂窝网格的效率值，i∈[1,N]，j∈[1,N]，N表示节点个数。

可选地，所述重新分配模块，具体包括：

第一效率矩阵获得单元，用于将所述效率矩阵中每行中各元素均减去本行中的最小值，得到第一效率矩阵；

第二效率矩阵获得单元，用于将所述第一效率矩阵中每列中各元素均减去本列中的最小值，得到第二效率矩阵；

最小直线数获得单元，用于找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数；

第二效率矩阵更新单元，用于若最小直线数不等于节点数量，则在所述第二效率矩阵中未被直线覆盖的区域中找出最小元素，将所述未被直线覆盖的区域中所有元素减去最小元素，并将直线交叉点处的元素加上最小元素，返回步骤“找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数”；

零元素获得单元，用于若最小直线数等于节点数量，则找出所述第二效率矩阵中每一行对应的零元素和每一列对应的零元素；

重新分配单元，用于根据各所述零元素确定各节点的最优分配，获得重新分配后的各节点的虚拟位置。

可选地，所述最终位置确定模块，具体包括：

未覆盖网格点获得单元，用于根据当前各节点位置的获得未覆盖网格点坐标；

各节点位置虚拟移动单元，用于遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，迭代次数加1；

返回单元，用于若迭代次数未达到预设迭代次数，则返回“根据当前各节点的虚拟位置获得未覆盖网格点坐标”；

最终位置确定单元，用于若迭代次数达到预设迭代次数，则将当前各节点的虚拟位置确定为各节点的最终位置；

各节点位置虚拟移动单元，具体包括：

虚拟力计算子单元，用于计算第i个节点与各未覆盖网格点之间的虚拟力；

合力计算子单元，用于计算第i个节点受到所有未覆盖网格点的合力，所述合力为各未覆盖网格点对第i个节点的虚拟力之和；

虚拟移动子单元，用于根据第i个节点受到的合力虚拟移动第i个节点，获得更新后各节点的虚拟位置。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明通过采用蜂窝网格堆砌方法对所述监测区域进行划分初步提升了网络的覆盖率，通过未覆盖网格点虚拟力对各节点位置进行进一步更新，进一步优化了覆盖性能，通过匈牙利算法求解效率矩阵，提升了网络模型中节点的剩余总能量以及剩余能量均衡度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种面向异构无线传感器网络的覆盖增强方法流程示意图；

图2为本发明监测区域网格离散效果图；

图3为本发明蜂窝网格堆砌效果图；

图4为本发明异构WSNs覆盖增强问题二分图匹配模型示意图；

图5为本发明匈牙利算法流程图；

图6为本发明未覆盖网格点虚拟力算法流程图；

图7为本发明初始覆盖效果示意图；

图8为本发明一种面向异构无线传感器网络的覆盖增强方法覆盖效果示意图；

图9为COSH算法覆盖效果图；

图10为本发明一种面向异构无线传感器网络的覆盖增强方法节点移动轨迹图；

图11为COSH算法节点移动轨迹图；

图12为本发明一种面向异构无线传感器网络的覆盖增强方法和COSH算法剩余能量对比图；

图13为本发明蜂窝网格堆砌方法示意图；

图14为本发明一种面向异构无线传感器网络的覆盖增强系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种面向异构无线传感器网络的覆盖增强方法及系统，提高了节点的剩余总能量以及剩余能量均衡度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明一种面向异构无线传感器网络的覆盖增强方法流程示意图，如图1所示，一种面向异构无线传感器网络的覆盖增强方法包括：

步骤101：将监测区域离散为M个网格点；

步骤102：初始化监测区域的网络模型，所述网络模型包括所述监测区域中节点的类型、数量、感知半径和位置(初始位置)；所述节点为无线传感器。

步骤103：基于所述网络模型，采用蜂窝网格堆砌方法对所述监测区域进行划分，获得蜂窝网格堆砌。

步骤104：构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵。

所述构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵，具体包括：

计算各所述节点到各所述蜂窝网格质心的距离。

根据各所述节点到各所述蜂窝网格质心的距离计算各所述节点移动至各所述蜂窝网格后的剩余能量。

根据各所述节点移动至各所述蜂窝网格后的剩余能量计算各所述节点移动至各所述蜂窝网格的效率值。

根据各所述效率值构建效率矩阵。

所述效率矩阵表示为：

其中，Eff_N×N表示效率矩阵，Eff_i,j表示第i个节点移动至第j个蜂窝网格的效率值，i∈[1,N]，j∈[1,N]，N表示节点个数。

步骤105：采用匈牙利算法求解所述效率矩阵，获得重新分配后各节点的虚拟位置。

所述采用匈牙利算法求解所述效率矩阵，获得重新分配后各节点的虚拟位置，具体包括：

将所述效率矩阵中每行中各元素均减去本行中的最小值，得到第一效率矩阵。

将所述第一效率矩阵中每列中各元素均减去本列中的最小值，得到第二效率矩阵。

找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数。

若最小直线数不等于节点数量，则在所述第二效率矩阵中未被直线覆盖的区域中找出最小元素，将所述未被直线覆盖的区域中所有元素减去最小元素，并将直线交叉点处的元素加上最小元素，实现对第二效率矩阵的更新，返回步骤“找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数”。

若最小直线数等于节点数量，则找出所述第二效率矩阵中每一行对应的零元素和每一列对应的零元素。

根据各所述零元素确定各节点的最优分配，获得重新分配后的各节点的虚拟位置。

步骤106：根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置。

所述根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置，具体包括：

根据当前各节点的虚拟位置获得未覆盖网格点坐标。

遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，迭代次数加1。

判断迭代次数是否达到预设迭代次数。

若未达到预设迭代次数，则返回“根据当前各节点的虚拟位置获得未覆盖网格点坐标”。

若达到预设迭代次数，则将当前各节点的虚拟位置确定为各节点的最终位置。

所述遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，具体包括：

计算第i个节点与各未覆盖网格点之间的虚拟力。

计算第i个节点受到所有未覆盖网格点的合力，所述合力为各未覆盖网格点对第i个节点的虚拟力之和。

根据第i个节点受到的合力虚拟移动第i个节点，获得更新后各节点的虚拟位置。

下面详细说明本发明一种面向异构无线传感器网络的覆盖增强方法。

一种面向异构无线传感器网络的覆盖增强方法包括以下步骤：

Step1：初始化网络模型及节点参数。

(1)初始化二维监测区域。将面积为L×B的监测区域均匀离散化为M个网格点，离散效果如图2所示。

M个网格点(网格质心)坐标如公式1所示。

其中，Grid_m,1表示第m个网格点x轴的坐标，Grid_m,2表示第m个网格点y轴的坐标。

(2)初始化节点类型为布尔感知模型，总数量N，N个节点初始位置坐标如公式2所示。节点类型为K，不同类型节点数量分别为N₁,N₂,…N_k，不同类型节点感知半径分别为R₁,R₂,…R_k，不同类型节点初始能量分别为Ener₁,Ener₂,…Ener_k，不同类型节点移动单位距离能耗分别为e₁,e₂,…e_k。

Step2：使用蜂窝网格划分监测区域。

用N个外接圆半径为

的蜂窝网格对面积为L×B的监测区域进行堆砌，堆砌效果如图3所示。

N个蜂窝网格的质心坐标如公式3所示。

Step3：“三步法”构建节点与蜂窝网格质心点的效率矩阵并对异构WSNs覆盖增强问题抽象建模。

(1)计算各节点到各蜂窝网格质心的距离，如公式4所示。dis_i,j为第i个节点到第j个蜂窝网格质心的距离。

(2)计算各节点移动至各蜂窝网格后的剩余能量，如公式5所示，其中REner_i,j表示节点i移动至第j个蜂窝网格质心后的剩余能量，Ener_i代表节点i的初始能量，e_i代表节点i移动单位距离的能耗。

REner_i,j＝Ener_i-e_i×dis_i,j (公式5)

使用公式6计算各节点移动至各蜂窝网格的效率值。

Eff_i,j＝ln(1+REner_i,j) (公式6)

由于对数函数的单调性，每个节点移动至每个蜂窝网格质心后的效率值与剩余能量值排序一致。但是剩余能量小的值将会大幅度减少，限制了后续使用匈牙利算法过程中对剩余能量较小的值进行任务指派，即在最小化移动总能耗的同时保证了剩余能量的均衡度。构建效率矩阵，如公式7所示。

经过蜂窝网格划分，异构WSNs的覆盖增强问题转化为N个节点移动至N个蜂窝网格质心的任务指派问题，其二分图模型如图4所示。因此，异构WSNs的覆盖增强问题可抽象为最优任务指派问题的数学模型，如公式8所示。即：在效率矩阵Eff_N×N中寻找N个位于不同行不同列的元素，使得N个元素的值的和F最大。

Step4：使用匈牙利算法求解效率矩阵。

匈牙利算法适用于求解二分图最小匹配问题，而节点重部署中的剩余能量最大化属于最大匹配问题，因此转换效率矩阵为Eff_N×N＝-Eff_N×N。

匈牙利算法基本思想是修正效率矩阵中的每一行或列，直至不同行不同列都至少有一个零元素，从而得到与这些零元素相对应的匹配方案。匈牙利算法的流程图如图5所示。

具体步骤如下:

(1)效率矩阵进行行减和列减。具体而言，效率矩阵每行减去本行的最小值；在新的矩阵中每列减去本列最小值。

(2)画线，即指用最少的行线和列线将经过步骤(1)得到的新的效率矩阵中的0全部穿起来(即当前矩阵中的0都被最少的线所覆盖)。找出能够覆盖效率矩阵中所有零元素的最少直线数P。

(3)若最小直线数P＝N，则转步骤(5；否则转步骤(4)。

(4)在效率矩阵未被直线覆盖的区域中找出最小元素，令此区域中所有元素减去最小元素，并令覆盖直线交叉点处的元素加上最小元素。得到新的效率矩阵并画线，转步骤(3)。

(5)找出每一行对应的零元素和每一列对应的零元素，根据零元素找到最优分配，确定基于匈牙利算法后节点的位置。

Step5：使用未覆盖网格点虚拟力进一步确定节点位置。

未覆盖网格点虚拟力算法流程图如图6所示。

具体步骤如下:

(1)计算当前迭代轮次覆盖率并统计未覆盖网格点数量。

(2)遍历各节点计算其与各未覆盖网格点之间的虚拟力。

具体而言，节点i与未覆盖网格点j之间的虚拟力计算方法如公式9所示。

其中，d_ij代表节点i与未覆盖网格点j之间的欧式距离，θ_ij为节点i指向未覆盖网格点j的方向角，d_th为二者之间的欧氏距离。

(3)计算节点受到的合力并进行位置更新。

节点i受到未覆盖网格点的合力的计算方法如公式10所示。

节点i在合力的作用下按照公式11进行位置更新。

x_i与y_i分别为节点i的横、纵坐标，F_xi与F_yi为节点受到的合力F_i在横、纵坐标上的分量，Max_Step为节点单次虚拟移动步长。

(4)判断N个节点是否已经遍历完毕。

若N个节点已经遍历完毕，则进行步骤(5)。

若N个节点未遍历完毕，则进行步骤(2)。

(5)判断是否满足虚拟力最大迭代次数。

若满足虚拟力迭代次数，则转步骤(6)。

若不满足虚拟力迭代次数，则转步骤(1)。

(6)确定节点最终位置。

Step6：节点进行二次部署。

根据各节点的最终位置对节点进行二次部署。

节点从初始位置移动至步骤五得出的节点最终位置处，并计算移动后节点移动总能耗与剩余能量均衡度。

在本发明确定各节点最终位置的过程中，无论是匈牙利算法分配后的节点位置还是经过后续虚拟力算法节点每轮移动的位置，都是虚拟位置(只需要在算法中实现，不需要节点真实的移动)。节点只移动一次，即通过算法计算出了最终位置，然后将节点从初始位置移动到最终位置。

各名词解释说明如下：

(1)网络覆盖率：任意网格点m被第i个节点感知概率可通过公式12计算。

若网格点m被任意节点感知，则称此网格点被覆盖，未被任一节点感知的网格点称为未覆盖网格点。整个网络的覆盖率如公式13所示。

(2)移动总能耗

重部署后节点i的移动能耗如公式14所示。

Emov_i＝e_i×d_i (公式14)

e_i为节点i移动单位距离的能耗，d_i为节点初始位置到最终位置的欧氏距离。整个网络的移动总能耗如公式15所示，N为网络中节点数量。

(3)剩余能量均衡度

重部署后节点i的剩余能量如公式16所示：

Eres_i＝Ener_i-Emov_i (公式16)

整个网络的剩余能量均衡度如公式17所示：

(4)布尔感知模型

布尔感知模型，即指节点对监测区域内的目标点的监测概率是恒定的。节点i的感知范围是以节点坐标为圆心，半径为R_i的圆形区域，R_i为节点i的感知半径。对于监测区域内任意一目标点j，节点i可成功监测到目标点j的概率如公式12所示。

其中，d_ij为节点i与目标点j之间的欧氏距离。

(5)蜂窝网格堆砌理论

对监测区域进行网格划分可以有效提高节点部署的均匀性，正三角形、正四边形、正五边形以及正六边形均可进行监测区域的堆砌，而蜂窝网格(正六边形)拥有最高的堆砌效率，可以有效地减少覆盖冗余。蜂窝网格堆砌方案如图13所示。

本发明提供一种面向异构无线传感器网络的覆盖增强方法，该方法有以下优点：

(1)本发明提出了一种面对异构WSNs的蜂窝网格划分方法，以不同类型节点感知半径的加权平均值作为蜂窝网格的外接圆半径，保证了重部署后节点分布的均匀性，初步提升了网络的覆盖率。步骤五针对蜂窝网格划分导致的覆盖率存在阈值这一缺陷，提出了未覆盖网格点虚拟力算法进一步优化了覆盖性能。

与COSH算法相比，覆盖率得到了明显提升。两种方案的覆盖效果如图7-9所示。

(2)通过“三步法”构建效率矩阵并通过匈牙利算法求解的思路，与COSH算法相比，可显著提升网络中节点的剩余总能量以及剩余能量均衡度，根据图7-9的显示了各种情况的覆盖效果，各节点的移动轨迹如图10-11所示，各无线传感器节点的剩余能量对比如图12所示。

图14为一种面向异构无线传感器网络的覆盖增强系统结构示意图，如图14所示，本发明还公开了一种面向异构无线传感器网络的覆盖增强系统，包括：

监测区域离散模块201，用于将监测区域离散为M个网格点。

初始化模块202，用于初始化监测区域的网络模型，所述网络模型包括所述监测区域中节点的类型、数量、感知半径和位置；所述节点为无线传感器；所述节点为无线传感器。

蜂窝网格堆砌模块203，用于基于所述网络模型，采用蜂窝网格堆砌方法对所述监测区域进行划分，获得蜂窝网格堆砌。

效率矩阵构建模块204，用于构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵。

重新分配模块205，用于采用匈牙利算法求解所述效率矩阵，获得重新分配后的各节点的虚拟位置。

最终位置确定模块206，用于根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置。

所述效率矩阵构建模块204，具体包括：

距离计算单元，用于计算各所述节点到各所述蜂窝网格质心的距离；

剩余能量计算单元，用于根据各所述节点到各所述蜂窝网格质心的距离计算各所述节点移动至各所述蜂窝网格后的剩余能量；

效率值计算单元，用于根据各所述节点移动至各所述蜂窝网格后的剩余能量计算各所述节点移动至各所述蜂窝网格的效率值；

效率矩阵构建单元，用于根据各所述效率值构建效率矩阵。

所述效率矩阵表示为：

其中，Eff_N×N表示效率矩阵，Eff_i,j表示第i个节点移动至第j个蜂窝网格的效率值，i∈[1,N]，j∈[1,N]，N表示节点个数。

所述重新分配模块205，具体包括：

第一效率矩阵获得单元，用于将所述效率矩阵中每行中各元素均减去本行中的最小值，得到第一效率矩阵；

第二效率矩阵获得单元，用于将所述第一效率矩阵中每列中各元素均减去本列中的最小值，得到第二效率矩阵；

最小直线数获得单元，用于找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数；

第二效率矩阵更新单元，用于若最小直线数不等于节点数量，则在所述第二效率矩阵中未被直线覆盖的区域中找出最小元素，将所述未被直线覆盖的区域中所有元素减去最小元素，并将直线交叉点处的元素加上最小元素，返回步骤“找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数”；

零元素获得单元，用于若最小直线数等于节点数量，则找出所述第二效率矩阵中每一行对应的零元素和每一列对应的零元素；

重新分配单元，用于根据各所述零元素确定各节点的最优分配，获得重新分配后的各节点的虚拟位置。

所述最终位置确定模块206，具体包括：

未覆盖网格点获得单元，用于根据当前各节点位置的获得未覆盖网格点坐标；

各节点位置虚拟移动单元，用于遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，迭代次数加1；

返回单元，用于若迭代次数未达到预设迭代次数，则返回“根据当前各节点的虚拟位置获得未覆盖网格点坐标”；

最终位置确定单元，用于若迭代次数达到预设迭代次数，则将当前各节点的虚拟位置确定为各节点的最终位置；

各节点位置虚拟移动单元，具体包括：

虚拟力计算子单元，用于计算第i个节点与各未覆盖网格点之间的虚拟力；

合力计算子单元，用于计算第i个节点受到所有未覆盖网格点的合力，所述合力为各未覆盖网格点对第i个节点的虚拟力之和；

虚拟移动子单元，用于根据第i个节点受到的合力虚拟移动第i个节点，获得更新后各节点的虚拟位置。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种面向异构无线传感器网络的覆盖增强方法，其特征在于，包括：

将监测区域离散为M个网格点；

初始化监测区域的网络模型，所述网络模型包括所述监测区域中节点的类型、数量、感知半径和位置；所述节点为无线传感器；

基于所述网络模型，采用蜂窝网格堆砌方法对所述监测区域进行划分，获得蜂窝网格堆砌；

构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵；

采用匈牙利算法求解所述效率矩阵，获得重新分配后各节点的虚拟位置；

根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置。

2.根据权利要求1所述的面向异构无线传感器网络的覆盖增强方法，其特征在于，所述构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵，具体包括：

计算各所述节点到各所述蜂窝网格质心的距离；

根据各所述节点到各所述蜂窝网格质心的距离计算各所述节点移动至各所述蜂窝网格后的剩余能量；

根据各所述节点移动至各所述蜂窝网格后的剩余能量计算各所述节点移动至各所述蜂窝网格的效率值；

根据各所述效率值构建效率矩阵。

3.根据权利要求2所述的面向异构无线传感器网络的覆盖增强方法，其特征在于，所述效率矩阵表示为：

其中，Eff_N×N表示效率矩阵，Eff_i,j表示第i个节点移动至第j个蜂窝网格的效率值，i∈[1,N]，j∈[1,N]，N表示节点个数。

4.根据权利要求1所述的面向异构无线传感器网络的覆盖增强方法，其特征在于，所述采用匈牙利算法求解所述效率矩阵，获得重新分配后各节点的虚拟位置，具体包括：

将所述效率矩阵中每行中各元素均减去本行中的最小值，得到第一效率矩阵；

将所述第一效率矩阵中每列中各元素均减去本列中的最小值，得到第二效率矩阵；

找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数；

若最小直线数不等于节点数量，则在所述第二效率矩阵中未被直线覆盖的区域中找出最小元素，将所述未被直线覆盖的区域中所有元素减去最小元素，并将直线交叉点处的元素加上最小元素，返回步骤“找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数”；

若最小直线数等于节点数量，则找出所述第二效率矩阵中每一行对应的零元素和每一列对应的零元素；

根据各所述零元素确定各节点的最优分配，获得重新分配后的各节点的虚拟位置。

5.根据权利要求1所述的面向异构无线传感器网络的覆盖增强方法，其特征在于，所述根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置，具体包括：

根据当前各节点的虚拟位置获得未覆盖网格点坐标；

遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，迭代次数加1；

判断迭代次数是否达到预设迭代次数；

若未达到预设迭代次数，则返回“根据当前各节点的虚拟位置获得未覆盖网格点坐标”；

若达到预设迭代次数，则将当前各节点的虚拟位置确定为各节点的最终位置；

所述遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，具体包括：

计算第i个节点与各未覆盖网格点之间的虚拟力；

计算第i个节点受到所有未覆盖网格点的合力，所述合力为各未覆盖网格点对第i个节点的虚拟力之和；

根据第i个节点受到的合力虚拟移动第i个节点，获得更新后各节点的虚拟位置。

6.一种面向异构无线传感器网络的覆盖增强系统，其特征在于，包括：

监测区域离散模块，用于将监测区域离散为M个网格点；

初始化模块，用于初始化监测区域的网络模型，所述网络模型包括所述监测区域中节点的类型、数量、感知半径和位置；所述节点为无线传感器；

蜂窝网格堆砌模块，用于基于所述网络模型，采用蜂窝网格堆砌方法对所述监测区域进行划分，获得蜂窝网格堆砌；

效率矩阵构建模块，用于构建各所述节点与所述蜂窝网格堆砌中各蜂窝网格质心的效率矩阵；

重新分配模块，用于采用匈牙利算法求解所述效率矩阵，获得重新分配后的各节点的虚拟位置；

最终位置确定模块，用于根据各节点当前的虚拟位置确定未覆盖网格点，利用各未覆盖网格点与各所述节点的虚拟力确定各节点的最终位置。

7.根据权利要求6所述的面向异构无线传感器网络的覆盖增强系统，其特征在于，所述效率矩阵构建模块，具体包括：

距离计算单元，用于计算各所述节点到各所述蜂窝网格质心的距离；

剩余能量计算单元，用于根据各所述节点到各所述蜂窝网格质心的距离计算各所述节点移动至各所述蜂窝网格后的剩余能量；

效率值计算单元，用于根据各所述节点移动至各所述蜂窝网格后的剩余能量计算各所述节点移动至各所述蜂窝网格的效率值；

效率矩阵构建单元，用于根据各所述效率值构建效率矩阵。

8.根据权利要求7所述的面向异构无线传感器网络的覆盖增强系统，其特征在于，所述效率矩阵表示为：

其中，Eff_N×N表示效率矩阵，Eff_i,j表示第i个节点移动至第j个蜂窝网格的效率值，i∈[1,N]，j∈[1,N]，N表示节点个数。

9.根据权利要求6所述的面向异构无线传感器网络的覆盖增强系统，其特征在于，所述重新分配模块，具体包括：

第一效率矩阵获得单元，用于将所述效率矩阵中每行中各元素均减去本行中的最小值，得到第一效率矩阵；

第二效率矩阵获得单元，用于将所述第一效率矩阵中每列中各元素均减去本列中的最小值，得到第二效率矩阵；

最小直线数获得单元，用于找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数；

第二效率矩阵更新单元，用于若最小直线数不等于节点数量，则在所述第二效率矩阵中未被直线覆盖的区域中找出最小元素，将所述未被直线覆盖的区域中所有元素减去最小元素，并将直线交叉点处的元素加上最小元素，返回步骤“找出能够覆盖所述第二效率矩阵中所有零元素的最小直线数”；

零元素获得单元，用于若最小直线数等于节点数量，则找出所述第二效率矩阵中每一行对应的零元素和每一列对应的零元素；

重新分配单元，用于根据各所述零元素确定各节点的最优分配，获得重新分配后的各节点的虚拟位置。

10.根据权利要求6所述的面向异构无线传感器网络的覆盖增强系统，其特征在于，所述最终位置确定模块，具体包括：

未覆盖网格点获得单元，用于根据当前各节点位置的获得未覆盖网格点坐标；

各节点位置虚拟移动单元，用于遍历各所述节点，通过虚拟移动各所述节点，对各节点的虚拟位置进行更新，迭代次数加1；

返回单元，用于若迭代次数未达到预设迭代次数，则返回“根据当前各节点的虚拟位置获得未覆盖网格点坐标”；

最终位置确定单元，用于若迭代次数达到预设迭代次数，则将当前各节点的虚拟位置确定为各节点的最终位置；

各节点位置虚拟移动单元，具体包括：

虚拟力计算子单元，用于计算第i个节点与各未覆盖网格点之间的虚拟力；

合力计算子单元，用于计算第i个节点受到所有未覆盖网格点的合力，所述合力为各未覆盖网格点对第i个节点的虚拟力之和；

虚拟移动子单元，用于根据第i个节点受到的合力虚拟移动第i个节点，获得更新后各节点的虚拟位置。

Images