CN115484612B - 一种无线传感器网络定位覆盖定位方法及系统 - Google Patents
一种无线传感器网络定位覆盖定位方法及系统 Download PDFInfo
- Publication number
- CN115484612B CN115484612B CN202211329558.5A CN202211329558A CN115484612B CN 115484612 B CN115484612 B CN 115484612B CN 202211329558 A CN202211329558 A CN 202211329558A CN 115484612 B CN115484612 B CN 115484612B
- Authority
- CN
- China
- Prior art keywords
- node
- sensor network
- nodes
- positioning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 59
- 230000006870 function Effects 0.000 claims description 36
- 238000011161 development Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 3
- 241000202863 Pareas Species 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- 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
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- 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)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种无线传感器网络定位覆盖定位方法及系统，方法具体为：首先在目标区域内选择感兴趣的区域进行覆盖，其次，将无线传感器网络中初始部署的节点进行优化，最后，经过加权均衡算法和虚拟力算法优化后，对节点最优位置进行寻优迭代；节点最优状态即是无线传感器网络节点的最优位置；提高无线传感器网络对特定区域的定位覆盖率和算法效率，本发明以无线传感器网络节点的定位覆盖率为优化目标，设置目标区域内定位覆盖率的适应度函数，首先采用均衡优化算法对节点进行部署优化，再采用虚拟力算法对节点的位置进行微调，防止节点陷入局部最优，本发明不仅弥补了均衡优化算法可能陷入局部最优的缺陷，大大提高了运行效率。
Description
技术领域
本发明涉及无线传感器网络节点覆盖技术领域，是一种无线传感器网络定位覆盖定位方法及系统。
背景技术
随着信息技术的高速发展，及时掌握有效信息对人们的日常生活来说，已经成为必不可少的一环，这时无线传感器网络WSNs(Wireless Sensor Networks)自然就成为最热门的数据采集技术之一。对无线传感器网络来说，无线传感器网络的节点部署优化技术是WSNs组网构建过程中基础的研究工作。WSNs节点部署优化可用于环境监测、医疗与健康、智能感知和数据测量等方面，在人们的日常生活中发挥着重要的作用。
根据节点部署方式的不同，目前对于区域的覆盖通常采用两种方式，分别是确定性覆盖和随机性覆盖。在解决一些环境已知或状态相对固定的场景中的问题时，根据节点的位置信息确定网络拓扑的状态或增加关键区域的节点密度，通常这类是确定性覆盖。当检测环境复杂且未知，不易进行部署时，采用随机部署的方式进行覆盖。这时，将随机抛洒的传感器节点进行合理的优化部署以提高覆盖率就成为无线传感器网络随机性覆盖所要解决的问题。
目前对于节点的部署优化方法的主要衡量指标有监控目标的全覆盖、最大化网络寿命和最小化节点数量等。近些年来，研究人员将元启发式算法引入到无线传感器的优化部署中，用以解决节点随机部署区域覆盖率低的问题，虽然这种方法的覆盖效果有很大的提升，但是却未考虑到定位率的问题，且并未对算法效率进行优化。
发明内容
本发明针对一般的区域覆盖中定位率和算法效率低的问题，提出一种基于虚拟力加权均衡优化的无线传感器网络定位覆盖算法，无线传感器网络节点全部由可移动的节点组成，将这些节点随机抛洒在固定区域内，再通过基于虚拟力加权均衡优化的无线传感器网络定位覆盖算法来使节点达到较好的覆盖范围，满足定位覆盖率的要求，对目标区域的定位覆盖率和算法效率有很大的提升。
为达到上述目的，本发明采用以下技术方案：一种无线传感器网络定位覆盖定位方法，无线传感器初始部署方式采用随机部署，包括以下步骤：
步骤1，将目标区域划分为m×n个1×1的网格，三个或三个以上的传感器节点覆盖到的网格作为有效定位区域，进而得到覆盖区域的定位覆盖率；
步骤2，以无线传感器网络节点的定位覆盖率为优化目标，构建目标区域内定位覆盖率的适应度函数；
步骤3，首先确定无线传感器网络部署的区域、目标优化函数和距离阈值；初始化各参数；
步骤4，初始化部署无线传感器网络节点，具体将N个传感器节点初始部署于目标区域范围[(Lmin，Lmax)，(Lmin+a，Lmax-a)]内，其中a为正常数，N个传感器节点部署在二维空间内的位置表示为C＝{(x1,y1),(x2,y2),...,(xi,yi)}；
步骤5，根据标区域内定位覆盖率的适应度函数计算每个节点的适应度值，选出若干适应度值最优的节点位置作为候选解，再由所述候选解求得平均候选解Ceq_ave，所述候选解和平均候选解Ceq_ave构成均衡池CP；
步骤6，在均衡池中随机选择一个候选解Ceq为传感器网络节点平衡状态的依据；利用均衡优化算法进行节点位置更新，得到更新后的位置；
步骤7，经过均衡优化算法进行位置更新后，得到更新的C`，根据区域内定位覆盖率的适应度函数计算每个节点的适应度值，更新候选解的信息，在均衡池中随机选择一个候选解C`eq，得到新的候选解C`eq，候选解即是节点当前的位置，根据节点位置信息，采用虚拟力算法对节点的位置进行微调；
步骤8，基于微调后的结果再次从步骤5中的均衡优化算法进行节点位置更新，直至满足网络的定位覆盖要求或迭代次数要求，停止寻优迭代，最终得到的节点位置信息。
节点的概率感知模型为：
其中表示第i个传感器节点xi对目标mk的感知概率，d(xi,mk)为传感器节点xi与目标mk之间的距离，Rs为无线传感器网络节点的感知半径，Re为无线传感器网络节点的感知误差，λ和β分别是感知范围为Rs-Re和Rs+Re时的感知质量衰减系数，α为一个服从正态分布的随机数。
目标区域内定位覆盖率的适应度函数为：
fun＝max(CRparea(U))
其中，CRparea(U)表示定位覆盖率，Npcov为网格同时被三个或三个以上节点覆盖时的网格点总数。
在均衡池中随机选择一个候选解Ceq为传感器网络节点平衡状态的依据；利用均衡优化算法进行节点位置更新，得到更新后的位置具体如下：
其中C`的初始节点位置为无线传感器网络节点初始部署时的节点位置C，λ是[0,1]之间的随机变量，V是单位体积，F为指数项，主要用于平衡勘探与开发，G是生成率，用来提升开发能力，F下所示：
F＝a1sign(r-0.5)[e-λt-1]
其中a1为正常数，用来加速探索或开发，符号函数项sign(r-0.5)用于控制探索或开发的方向，r和λ是[0,1]之间的随机数，t是随着迭代次数增加而减小的一个非线性因子，如下所示：
其中a2是用来控制开发能力的正常数；
生成率G计算如下：
其中，r1和r2是[0,1]的随机数。
采用虚拟力算法对节点的位置进行微调时，当监测区域网格点未被三个节点同时覆盖时，区域对临近节点的引力Fki占主导部分，Fki如下所示：
Fki＝ωadki,R＜dki≤Rc
ωa为吸引力系数(常数)，表征被监测区域的重要程度，dki为第k个网格点和第i传感器节点之间的距离，Rc和Rs分别是传感器节点i的通信半径和感知半径，(xi,yi)为第i(i≤30,j≤30)个节点的位置，(mk,nk)为第k，k≤2000个监测区域网格点的位置；
当监测区域网格点已经被3个以上邻近节点同时覆盖时，节点间的排斥力Fij占主导作用，Fij如下所示：
ωR为排斥力系数，表征节点间排斥的程度，dij为传感器节点i到传感器节点j的距离，dth为预先设定好的距离阈值；经过合力作用，第t次优化后的节点位置如下：
Fi是传感器节点i受到的合力，Fx和Fy是合力分解在x轴和y轴上的分力，是传感器节点i第t次迭代后的坐标，/>是传感器节点i的第t-1次迭代后的坐标，dmax是传感器单次移动的最大距离。
无线传感器网络节点全部由可移动的节点组成。
本发明还提供一种无线传感器网络定位覆盖系统，包括初始设置模块、适应度函数构建模块、参数确定模块、均衡池计算模块、更新模块、微调模块以及迭代更新模块；
初始设置模块用于将目标区域划分为m×n个1×1的网格，三个或三个以上的传感器节点覆盖到的网格作为有效定位区域，进而得到覆盖区域的定位覆盖率；
适应度函数构建模块用于以无线传感器网络节点的定位覆盖率为优化目标，构建目标区域内定位覆盖率的适应度函数；
参数确定模块用于确定无线传感器网络部署的区域、目标优化函数和距离阈值；初始化部署无线传感器网络节点，具体以及N个传感器节点初始部署于目标区域范围[(Lmin，Lmax)，(Lmin+a，Lmax-a)]内，其中a为正常数，N个传感器节点部署在二维空间内的位置表示为C＝{(x1,y1),(x2,y2),...,(xi,yi)}；
均衡池计算模块通过候选解为无线传感器网络节点平衡提供依据，根据标区域内定位覆盖率的适应度函数计算每个节点的适应度值，选出若干适应度值最优的节点位置作为候选解，再由所述候选解求得平均候选解Ceq_ave，所述候选解和平均候选解Ceq_ave构成均衡池CP；
更新模块用于在均衡池中随机选择一个候选解Ceq为传感器网络节点平衡状态的依据；利用均衡优化算法进行节点位置更新，得到更新后的位置；
微调模块利用经过均衡优化算法进行位置更新后，得到更新的C`，根据区域内定位覆盖率的适应度函数计算每个节点的适应度值，更新候选解的信息，在均衡池中随机选择一个候选解C`eq，得到新的候选解C`eq，候选解即是节点当前的位置，根据节点位置信息，采用虚拟力算法对节点的位置进行微调；
迭代更新模块基于微调后的结果再次利用均衡优化算法进行节点位置更新，直至满足网络的定位覆盖要求或迭代次数要求，停止寻优迭代，最终得到的节点位置信息。
另外，本发明还提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现所述无线传感器网络定位覆盖定位方法。
同时可以提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现所述的无线传感器网络定位覆盖定位方法。
与现有技术相比，本发明至少具有以下有益效果：本发明提出了一种基于虚拟力加权均衡优化的无线传感器网络定位覆盖算方法，提高无线传感器网络对特定区域的定位覆盖率和算法效率，本发明以无线传感器网络节点的定位覆盖率为优化目标，设置目标区域内定位覆盖率的适应度函数，首先采用均衡优化算法对节点进行部署优化，再采用虚拟力算法对节点的位置进行微调，防止节点陷入局部最优；本发明不仅弥补了均衡优化算法可能陷入局部最优的缺陷，还解决了其寻优次数较多的问题，大大提高了运行效率。本发明基于虚拟力加权均衡优化算法应用在无线传感器网络节点优化部署上，收敛速度快，覆盖范围广，定位覆盖率高，说明本发明提出的方法可以有效提高网络节点的定位覆盖效果。
附图说明
图1是本发明流程图。
图2是无线传感器网络节点初始部署效果图。
图3是无线传感器节点定位率随迭代次数效果图。
图4是无线传感器网络节点经本发明优化后的部署效果图。
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。
在本发明的描述中，需要理解的是，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本方法中的无线传感器初始部署方式采用随机部署，首先在区域内选择特定感兴趣的区域进行覆盖，其次再将无线传感器网络中初始部署的节点进行优化，最后经过加权均衡算法和虚拟力算法优化后，对节点最优位置进行寻优迭代；节点最优状态即是无线传感器网络节点的最优位置，参考图1，一种基于虚拟力加权均衡优化的无线传感器网络定位覆盖方法，包括以下步骤：
步骤1，首先建立数学模型，采用式(1)计算节点的概率感知模型，
其中表示第i个传感器节点xi对目标mk的感知概率，d(xi,mk)为传感器节点xi与目标mk之间的距离，Rs为无线传感器网络节点的感知半径，Re为无线传感器网络节点的感知误差，λ和β分别是感知范围为Rs-Re和Rs+Re时的感知质量衰减系数，α为一个服从正态分布的随机数。
步骤2，将目标区域划分为m×n个1×1的网格，覆盖区域的定位覆盖率CRparea(s)定义如下：若网格被三个或三个以上的传感器节点覆盖到时，该网格点是有效定位区域，CRparea(s)的定义如式(2)所示：
其中，Npcov为网格同时被三个或三个以上节点覆盖时的网格点总数。
步骤3，以无线传感器网络节点的定位覆盖率为优化目标，设置目标区域内定位覆盖率的适应度函数，如式(3)所示：
fun＝max(CRparea(U)) (3)
其中，CRparea(U)表示定位覆盖率，实验证明该公式可以适应覆盖范围及节点数目的变化，在适应度函数的制约下，使区域的定位覆盖率最大时的节点坐标就是通过优化以后的最佳坐标。
步骤4，首先确定无线传感器网络部署的区域、目标优化函数和距离阈值；初始化各参数，传感器网络节点数目N、传感器网络规模P、迭代次数Max_iter、维数Dim、离散粒度data、感知半径Rs、通信半径Rc、感知误差Re以及最大移动步长Max_step。
步骤5：无线传感器网络节点初始化部署：N个传感器节点初始部署于目标区域范围[(Lmin，Lmax)，(Lmin+a，Lmax-a)]内，其中a为正常数，N个传感器节点部署在二维空间内的位置表示为C＝{(x1,y1),(x2,y2),...,(xi,yi)}。设置35个无线传感器网络节点在目标区域内时的初始部署效果如图2所示。
步骤6：在完成传感器网络节点初始化部署后，没有关于平衡状态的依据，只有通过候选解为无线传感器网络节点平衡提供依据；根据式(3)计算每个节点的适应度值，选出四个适应度值最优的节点位置作为候选解Ceq_1～Ceq_4，再由所述候选解求得平均候选解Ceq_ave，其中平均候选解Ceq_ave如式(4)所示：
五个候选解{Ceq_1,Ceq_2,Ceq_3,Ceq_4,Ceq_ave}一起构成均衡池CP。
步骤7：在均衡池中随机选择一个候选解Ceq为传感器网络节点平衡状态的依据，并按照式(5)利用均衡优化算法进行节点位置更新
其中C、的初始节点位置为无线传感器网络节点初始部署时的节点位置C，λ是[0,1]之间的随机变量，V是单位体积，F为指数项，主要用于平衡勘探与开发，G是生成率，用来提升开发能力，F如式(6)所示：
F＝a1sign(r-0.5)[e-λt-1] (6)
其中a1为正常数，用来加速探索或开发，符号函数项sign(r-0.5)用于控制探索或开发的方向，r和λ是[0,1]之间的随机数，t是随着迭代次数增加而减小的一个非线性因子，如式(7)所示
其中a2是用来控制开发能力的正常数。
生成率G由式(8)至式(11)计算
其中t0如式(9)所示，目的是为了降低搜索速度的同时提高算法的探索与开发能力。
G0由式(10)计算
G0＝GCP(Ceq-λC`) (10)
其中GCP由式(11)表示
其中r1和r2是[0,1]的随机数。
步骤8：在经过均衡优化算法进行位置更新后，重新得到C、的信息，根据式(3)计算每个节点的适应度值，更新候选解C`eq_1～C`eq_4的信息，在均衡池中随机选择一个候选解C`eq，得到新的候选解C`eq，候选解即是节点当前的位置。根据节点位置信息，采用虚拟力算法对节点的位置进行微调，避免陷入局部最优。
当监测区域网格点未被三个节点同时覆盖时，区域对临近节点的引力Fki占主导部分，Fki如式(12)所示
Fki＝ωadki,R＜dki≤Rc (12)
ωa为吸引力系数(常数)，表征被监测区域的重要程度，dki为第k个网格点和第i传感器节点之间的距离(由式(13)计算)，Rc和Rs分别是传感器节点i的通信半径和感知半径，(xi,yi)为第i(i≤30,j≤30)个节点的位置，(mk,nk)为第k(k≤2000)个监测区域网格点的位置。
当监测区域网格点已经被3个以上邻近节点同时覆盖时，节点间的排斥力Fij占主导作用，Fij如式(14)所示
ωR为排斥力系数，表征节点间排斥的程度，dij为传感器节点i到传感器节点j的距离，如式(15)所示。dth为预先设定好的距离阈值。
经过合力作用，第t次优化后的节点位置公式如式(16)所示
Fi是传感器节点i受到的合力，Fx和Fy是合力分解在x轴和y轴上的分力，是传感器节点i第t次迭代后的坐标。/>是传感器节点i的第t-1次迭代后的坐标。dmax是传感器单次移动的最大距离。最终经过虚拟力和均衡优化算法迭代优化以后的无线传感器网络节点在区域内的定位覆盖率和部署位置如图3，图4所示。
步骤9：采用虚拟力算法对节点的位置进行微调后，将式(16)所示微调后的位置结果返回至步骤6，按式(5)对节点的位置再进行均衡优化，直到满足网络的定位覆盖要求或迭代次数要求时，停止寻优迭代，最终得到的节点位置信息。
基于本发明所述构思，还提供一种无线传感器网络定位覆盖系统，包括初始设置模块、适应度函数构建模块、参数确定模块、均衡池计算模块、更新模块、微调模块以及迭代更新模块；
初始设置模块用于将目标区域划分为m×n个1×1的网格，三个或三个以上的传感器节点覆盖到的网格作为有效定位区域，进而得到覆盖区域的定位覆盖率；
适应度函数构建模块用于以无线传感器网络节点的定位覆盖率为优化目标，构建目标区域内定位覆盖率的适应度函数；
参数确定模块用于确定无线传感器网络部署的区域、目标优化函数和距离阈值；初始化部署无线传感器网络节点，具体以及N个传感器节点初始部署于目标区域范围[(Lmin，Lmax)，(Lmin+a，Lmax-a)]内，其中a为正常数，N个传感器节点部署在二维空间内的位置表示为C＝{(x1,y1),(x2,y2),...,(xi,yi)}；
均衡池计算模块通过候选解为无线传感器网络节点平衡提供依据，根据标区域内定位覆盖率的适应度函数计算每个节点的适应度值，选出若干适应度值最优的节点位置作为候选解，再由所述候选解求得平均候选解Ceq_ave，所述候选解和平均候选解Ceq_ave构成均衡池CP；
更新模块用于在均衡池中随机选择一个候选解Ceq为传感器网络节点平衡状态的依据；利用均衡优化算法进行节点位置更新，得到更新后的位置；
微调模块利用经过均衡优化算法进行位置更新后，得到更新的C`，根据区域内定位覆盖率的适应度函数计算每个节点的适应度值，更新候选解的信息，在均衡池中随机选择一个候选解C`eq，得到新的候选解C`eq，候选解即是节点当前的位置，根据节点位置信息，采用虚拟力算法对节点的位置进行微调；
迭代更新模块基于微调后的结果再次利用均衡优化算法进行节点位置更新，直至满足网络的定位覆盖要求或迭代次数要求，停止寻优迭代，最终得到的节点位置信息。
另外，本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述无线传感器网络定位覆盖定位方法。
另一方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的无线传感器网络定位覆盖定位方法。
所述计算机设备可以采用笔记本电脑、桌面型计算机或工作站。
处理器可以是中央处理器(CPU)、图形处理器(GPU)/数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是笔记本电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM，Resistance Random Access Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。
为了验证算法的有效性和合理性，本发明用MATLAB2018(b)进行了仿真实验。仿真条件：在特定区域长为100m宽为20m的二维矩形区域内随机部署20个感知半径为10m，通信半径为20m的无线传感器网络节点。最大迭代次数200次、离散粒度为1、虚拟力算法的最大移动步长为0.4。通过定位覆盖率式(2)评价算法优劣。通过实验分析发现，初始部署时的定位覆盖率只有33.19％，在经过基于虚拟力加权均衡优化迭代200次后的定位覆盖率可以达到82.27％。为了提高区域定位率和算法效率，本发明提出了一种基于虚拟力加权均衡优化的无线传感器网络定位覆盖算法，提高无线传感器网络对特定区域的定位覆盖率和算法效率。本发明以无线传感器网络节点的定位覆盖率为优化目标，设置目标区域内定位覆盖率的适应度函数，首先采用均衡优化算法对节点进行部署优化，再采用虚拟力算法对节点的位置进行微调，防止节点陷入局部最优。
本发明不仅弥补了均衡优化算法可能陷入局部最优的缺陷，还解决了其寻优次数较多的问题，大大提高了运行效率。本发明基于虚拟力加权均衡优化算法应用在无线传感器网络节点优化部署上，具有收敛速度快，覆盖范围广，定位覆盖率高等优点，说明本发明提出的方法可以有效提高网络节点的定位覆盖效果。
Claims (5)
1.一种无线传感器网络定位覆盖定位方法，其特征在于，无线传感器初始部署方式采用随机部署，包括以下步骤：
步骤1，构建节点的概率感知模型：
其中表示第/>个传感器节点/>对目标/>的感知概率，/>为传感器节点/>与目标/>之间的距离，/>为无线传感器网络节点的感知半径，/>为无线传感器网络节点的感知误差，/>和/>分别是感知范围为/>和/>时的感知质量衰减系数，/>为一个服从正态分布的随机数；
步骤2，将目标区域划分为个/>的网格，三个或三个以上的传感器节点覆盖到的网格作为有效定位区域，进而得到覆盖区域的定位覆盖率；
步骤3，以无线传感器网络节点的定位覆盖率为优化目标，构建目标区域内定位覆盖率的适应度函数；
步骤4，首先确定无线传感器网络部署的区域、目标优化函数和距离阈值；初始化各参数；
步骤5，初始化部署无线传感器网络节点，具体将个传感器节点初始部署于目标区域范围[(/>),(/>)]内，其中/>为正常数，/>个传感器节点部署在二维空间内的位置表示为/>；
步骤6，根据目标区域内定位覆盖率的适应度函数计算每个节点的适应度值，选出若干适应度值最优的节点位置作为候选解，再由所述候选解求得平均候选解，所述候选解和平均候选解/>构成均衡池/>；
步骤7，在均衡池中随机选择一个候选解为传感器网络节点平衡状态的依据；利用均衡优化算法进行节点位置更新，得到更新后的位置；
步骤8，经过均衡优化算法进行位置更新后，得到更新的，根据区域内定位覆盖率的适应度函数计算每个节点的适应度值，更新候选解的信息，在均衡池中随机选择一个候选解/>，得到新的候选解/>，候选解即是节点当前的位置，根据节点位置信息，采用虚拟力算法对节点的位置进行微调；
步骤9，基于微调后的结果再次从步骤4中的均衡优化算法进行节点位置更新，直至满足网络的定位覆盖要求或迭代次数要求，停止寻优迭代，最终得到的节点位置信息；
所述目标区域内定位覆盖率的适应度函数为：
其中，表示定位覆盖率，/>，/>为网格同时被三个或三个以上节点覆盖时的网格点总数；
在均衡池中随机选择一个候选解为传感器网络节点平衡状态的依据；利用均衡优化算法进行节点位置更新，得到更新后的位置具体如下：
其中的初始节点位置为无线传感器网络节点初始部署时的节点位置/>，/>是/>之间的随机变量，/>是单位体积，/>为指数项，主要用于平衡勘探与开发，/>是生成率，用来提升开发能力，/>下所示：
其中为正常数，用来加速探索或开发，符号函数项/>用于控制探索或开发的方向，/>和/>是/>之间的随机数，/>是随着迭代次数增加而减小的一个非线性因子，如下所示：
其中是用来控制开发能力的正常数；
生成率计算如下：
其中，和/>是/>的随机数；采用虚拟力算法对节点的位置进行微调时，当监测区域网格点未被三个节点同时覆盖时，区域对临近节点的引力/>占主导部分，/>如下所示：
为吸引力系数(常数)，表征被监测区域的重要程度，/>为第/>个网格点和第/>传感器节点之间的距离，/>，/>和/>分别是传感器节点/>的通信半径和感知半径，/>为第/>（/>）个节点的位置，/>为第/>，/>个监测区域网格点的位置；
当监测区域网格点已经被3个以上邻近节点同时覆盖时，节点间的排斥力占主导作用，/>如下所示：
为排斥力系数，表征节点间排斥的程度，/>为传感器节点/>到传感器节点/>的距离，，/>为预先设定好的距离阈值；经过合力作用，第/>次优化后的节点位置如下：
是传感器节点/>受到的合力，/>和/>是合力分解在/>轴和/>轴上的分力，/>是传感器节点/>第/>次迭代后的坐标，/>是传感器节点/>的第/>次迭代后的坐标，/>是传感器单次移动的最大距离。
2.根据权利要求1所述的无线传感器网络定位覆盖定位方法，其特征在于，无线传感器网络节点全部由可移动的节点组成。
3.无线传感器网络定位覆盖系统，其特征在于，用于实现权利要求1或2所述的方法，包括初始设置模块、适应度函数构建模块、参数确定模块、均衡池计算模块、更新模块、微调模块以及迭代更新模块；
初始设置模块用于将目标区域划分为个/>的网格，三个或三个以上的传感器节点覆盖到的网格作为有效定位区域，进而得到覆盖区域的定位覆盖率；
适应度函数构建模块用于以无线传感器网络节点的定位覆盖率为优化目标，构建目标区域内定位覆盖率的适应度函数；
参数确定模块用于确定无线传感器网络部署的区域、目标优化函数和距离阈值；初始化部署无线传感器网络节点，具体以及个传感器节点初始部署于目标区域范围[(),(/>)]内，其中/>为正常数，/>个传感器节点部署在二维空间内的位置表示为/>；
均衡池计算模块通过候选解为无线传感器网络节点平衡提供依据，根据标区域内定位覆盖率的适应度函数计算每个节点的适应度值，选出若干适应度值最优的节点位置作为候选解，再由所述候选解求得平均候选解，所述候选解和平均候选解/>构成均衡池/>；
更新模块用于在均衡池中随机选择一个候选解为传感器网络节点平衡状态的依据；利用均衡优化算法进行节点位置更新，得到更新后的位置；
微调模块利用经过均衡优化算法进行位置更新后，得到更新的，根据区域内定位覆盖率的适应度函数计算每个节点的适应度值，更新候选解的信息，在均衡池中随机选择一个候选解/>，得到新的候选解/>，候选解即是节点当前的位置，根据节点位置信息，采用虚拟力算法对节点的位置进行微调；
迭代更新模块基于微调后的结果再次利用均衡优化算法进行节点位置更新，直至满足网络的定位覆盖要求或迭代次数要求，停止寻优迭代，最终得到的节点位置信息。
4.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现权利要求1或2所述无线传感器网络定位覆盖定位方法。
5.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1或2所述的无线传感器网络定位覆盖定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211329558.5A CN115484612B (zh) | 2022-10-27 | 2022-10-27 | 一种无线传感器网络定位覆盖定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211329558.5A CN115484612B (zh) | 2022-10-27 | 2022-10-27 | 一种无线传感器网络定位覆盖定位方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115484612A CN115484612A (zh) | 2022-12-16 |
| CN115484612B true CN115484612B (zh) | 2024-05-28 |
Family
ID=84395628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211329558.5A Active CN115484612B (zh) | 2022-10-27 | 2022-10-27 | 一种无线传感器网络定位覆盖定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115484612B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116801267B (zh) * | 2023-08-25 | 2023-11-07 | 中化学交通建设集团运营管理(山东)有限公司 | 一种结合楼宇功能分区的弱电优化部署方法 |
| CN117062092B (zh) * | 2023-10-11 | 2023-12-08 | 成都大学 | 一种无线传感器网络部署方法 |
| CN117294738B (zh) * | 2023-11-27 | 2024-01-26 | 湖南仕博测试技术有限公司 | 一种自动驾驶传感器优化部署与感知方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104349356A (zh) * | 2013-08-05 | 2015-02-11 | 江南大学 | 基于差分进化的视频传感器网络覆盖增强实现方法 |
| CN107295541A (zh) * | 2016-03-31 | 2017-10-24 | 扬州大学 | 一种基于虚拟力和萤火虫算法的无线传感网络覆盖优化方法 |
| 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 |
| CN112654050A (zh) * | 2020-12-21 | 2021-04-13 | 江西理工大学 | 一种增强型麻雀搜索算法的无线传感器网络优化覆盖方案 |
| CN113242563A (zh) * | 2021-06-23 | 2021-08-10 | 西安邮电大学 | 一种无线传感器网络覆盖率优化方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9743253B2 (en) * | 2015-08-27 | 2017-08-22 | Glopos Fzc | Method and arrangement for locating a mobile device |
| US11449061B2 (en) * | 2016-02-29 | 2022-09-20 | AI Incorporated | Obstacle recognition method for autonomous robots |
-
2022
- 2022-10-27 CN CN202211329558.5A patent/CN115484612B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104349356A (zh) * | 2013-08-05 | 2015-02-11 | 江南大学 | 基于差分进化的视频传感器网络覆盖增强实现方法 |
| CN107295541A (zh) * | 2016-03-31 | 2017-10-24 | 扬州大学 | 一种基于虚拟力和萤火虫算法的无线传感网络覆盖优化方法 |
| 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 |
| CN112654050A (zh) * | 2020-12-21 | 2021-04-13 | 江西理工大学 | 一种增强型麻雀搜索算法的无线传感器网络优化覆盖方案 |
| CN113242563A (zh) * | 2021-06-23 | 2021-08-10 | 西安邮电大学 | 一种无线传感器网络覆盖率优化方法及系统 |
Non-Patent Citations (6)
| Title |
|---|
| Sensor deployment for target coverage in underwater wireless sensor network;D. Arivudainambi;《2017 International Conference on Performance Evaluation and Modeling in Wired and Wireless Networks (PEMWN)》;20171130;全文 * |
| Virtual Reference Assisted Self-localization Algorithm for Mobile Underwater Acoustic Networks with Only One Anchor;Jingjie Gao;《2021 OES China Ocean Acoustics (COA)》;20210717;全文 * |
| 无线传感器网络虚拟力覆盖控制及节能优化研究;田一鸣;陆阳;魏臻;吴其林;;电子测量与仪器学报;20091115(11);全文 * |
| 水声自组织探测网络定位系统关键技术研究;高婧洁;《中国博士学位论文全文数据库(电子期刊)》;20190215;全文 * |
| 混合无线传感器网络节点覆盖优化;王霞;陈洁;;计算机仿真;20130415(04);全文 * |
| 面向水环境的传感网虚拟距离覆盖算法;赵太飞;马欣媛;包鹤;;水资源与水工程学报;20171015(05);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115484612A (zh) | 2022-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115484612B (zh) | 一种无线传感器网络定位覆盖定位方法及系统 | |
| Hashemi et al. | Cellular PSO: A PSO for dynamic environments | |
| CN113905389B (zh) | 基于粒子群优化帝王蝶算法的无线传感器网络覆盖方法 | |
| CN113573322B (zh) | 基于改进遗传算法的多目标区域传感器网络覆盖优化方法 | |
| Kong et al. | An improved method of WSN coverage based on enhanced PSO algorithm | |
| Hashemi et al. | A multi-role cellular PSO for dynamic environments | |
| CN106162663A (zh) | 一种基于改进蜂群算法的传感节点覆盖方法 | |
| Pan et al. | Diversity Enhanced Ion Motion Optimization for Localization in Wireless Sensor Network. | |
| CN111242867A (zh) | 基于截断泰勒级数近似的图信号分布式在线重构方法 | |
| CN114827929A (zh) | 基于改进粒子群算法的多传感器网络协同部署方法及装置 | |
| Shahzad et al. | Clustering in mobile ad hoc networks using comprehensive learning particle swarm optimization (CLPSO) | |
| CN115866621A (zh) | 一种基于鲸鱼算法的无线传感器网络覆盖方法 | |
| CN115222006A (zh) | 一种基于改进粒子群优化算法的数值函数优化方法 | |
| CN113573333A (zh) | 一种基于虚拟力的粒子群异构WSNs覆盖优化算法 | |
| CN118400687A (zh) | 一种基于优化算法的三维定位精准识别方法及系统 | |
| CN104809499A (zh) | 一种基于随机漂移粒子群优化算法的动态环境优化方法 | |
| CN110210623A (zh) | 基于模拟退火和信息熵的自适应多目标混合差分进化算法 | |
| CN117135588A (zh) | 一种拓扑规模自适应的能量分簇方法和系统 | |
| CN111488208B (zh) | 基于可变步长蝙蝠算法的边云协同计算节点调度优化方法 | |
| CN114783215B (zh) | 无人机分簇方法、装置和电子设备 | |
| Yang et al. | Localized movement-assisted sensor deployment in wireless sensor networks | |
| CN115396905A (zh) | 一种基于改进遗传算法的无线传感器网络覆盖优化方法 | |
| CN104219759B (zh) | 无线传感器网络分布式时间同步加速方法 | |
| Zhang et al. | A novel localization algorithm based on grey wolf optimization for WSNs | |
| Tsutomu | Initial Node Exchange and Convergence of SOM Learning |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |