CN104159236B

CN104159236B - 基于Voronoi图盲区的无线传感器网络节点覆盖优化方法

Info

Publication number: CN104159236B
Application number: CN201410282586.5A
Authority: CN
Inventors: 方伟; 宋鑫宏; 姜淑琴; 吴小俊; 孙俊
Original assignee: Jiangnan University
Current assignee: Jiangnan University
Priority date: 2014-06-23
Filing date: 2014-06-23
Publication date: 2017-09-29
Anticipated expiration: 2034-06-23
Also published as: CN104159236A

Abstract

本发明将Voronoi图运用到无线传感器网络节点最优覆盖的问题上，提出了一种基于Voronoi图盲区型心算法的覆盖机制，并用于对无线传感器网络的节点覆盖问题进行优化求解。将无线传感器网络节点覆盖问题定义为圆盘覆盖问题，并将无线传感器理想化以传感器节点位置为圆心，感知半径为半径的标准圆。通过Voronoi图将监测区域划分成多个Voronoi单元，采用逐个去除Voronoi单元内的节点的方法，计算Voronoi单元内新产生盲区的几何中心。通过比较区域的“覆盖率”，“节点分布均匀性”，“覆盖效率”(为避免实验的偶然性，重复操作30次并取其平均值)对求解结果进行评估。通过仿真实验，验证了发明的算法的有效性和高效性。

Description

基于Voronoi图盲区的无线传感器网络节点覆盖优化方法

技术领域：

本发明涉及无线传感器网络技术领域的覆盖优化方法，具体涉及一种基于Voronoi图的无线传感器网络节点覆盖控制的优化方法。

背景技术：

无线传感器网络(Wireless SensorNetworks，WSNs)是由大量被部署在监测区域，静止或移动的，具有感知能力、计算能力和通信能力的传感器节点所组成的多跳自组织网络。这些传感器节点能够实时感知、采集和处理用户所需的信息，采用无线传输的方式将处理后的信息送到用户终端。WSN涉及微机电***(MEMS)、集成电路(IC)、无线通信和低功耗嵌入式等多个学科领域。以其低功耗、低成本、分布式和自组织的特点带来了一场信息感知的变革。

许多情况下无线传感器网络在人员无法到达的恶劣环境下工作，此时传感器节点只能被随机抛撒在监测区域，如采用飞行器进行抛撒投放。初次随机抛撒的传感器位置分布不均匀，极易出现盲区无法保证监测区域的覆盖率和确保网络的连通性，需移动节点进行二次部署调整节点分布的均匀性从而提升无线传感器网络的覆盖率和连通性。

目前无线传感器网络节点覆盖优化方法可以分为三类，虚拟力算法，群体智能算法和计算几何算法。

优化方法1：在公开号为CN101051973的中国专利申请中，提出了一种基于虚拟力的移动无线传感器网络节点布局方法。其主要思路为：无线传感器网络工作环境中的各类对象(包括待探测目标、障碍地形、待探测热点区域、传感器)均会对传感器产生虚拟的引力与斥力作用。计算传感器节点受到虚拟力的大小和方向并使传感器做相应移动，从而使传感器节点均匀扩散提升覆盖率。

优化方法2：在公开号CN101448267的中国专利申请中，提出了一种基于离散二进制的粒子群优化算法的覆盖机制。将传统PSO算法的粒子位置编码方式改变为二进制编码，二进制的长度等于所有的传感器数量N。定义“覆盖率”和“消耗率”两个适应度函数，使用PSO算法的进化机制对其进行优化。

上述优化方法1与优化方法2的缺陷为：涉及权重参数的选择。

Voronoi图是一种解决覆盖控制问题的有效方法，Voronoi图中的Voronoi单元与目标点的覆盖情况存在对应关系可以有效确定盲区位置。对应关系有三种。

关系1：某Voronoi单元内的目标点到相应传感器节点的距离最近。若目标点被覆盖，则一定被该Voronoi单元内的传感器节点覆盖。若该Voronoi单元内的节点未覆盖目标点，则该目标点处存在盲区。

关系2：某Voronoi单元各边上的目标点至与其共边的Voronoi单元内的节点的距离相等。若目标点被覆盖，则一定被共边的两个Voronoi单元内的节点同时覆盖。若这两个节点未覆盖目标点，则该目标点处存在盲区。

关系3：某Voronoi单元至共点的三个Voronoi单元内的节点的距离相等。若顶点被覆盖，则一定被共点的三个Voronoi单元内的节点同时覆盖。若这三个节点未覆盖顶点，则该顶点处存在盲区。

发明内容：

本发明的目的在于针对无线传感器覆盖优化问题，提出一种Voronoi图盲区的无线传感器网络节点覆盖优化方法，本发明的基本步骤包括：

(1)在L×W的监测区域T内随机散布N个感知半径为R_s的无线传感器；

(2)初始化算法的各个参数(传感器节点数量N，感知半径R_s，迭代次数itermax，离散化密度TD)。

N＝L_T×w_T

其中ceil表示正无穷方向取整，floor表示负无穷方向取整，rem表示取余数；

按离散化密度TD将监测区域T离散化为a×b的目标点阵，每个目标点的位置记为t_j＝(x_j,y_j),通过rand函数随机布置节点，生成传感器节点初始位置，即无线传感器节点的集合S，表示为S＝{s₁,s₂,…,s_N}；其中每个节点的位置记为s_i＝(x_i,y_i)。

(3)对监测区域T进行Voronoi图划分，Voronoi单元的集合为V＝{v₁,v₂,···,v_N}。

在本发明中的Voronoi图是由相邻传感器节点连线形成的Delaunay三角网各边做垂直平分线所组成的凸多边形的集合。凸多边形称为Voronoi单元。如图2所示。

(4)当前节点s_i与其邻居节点集Z＝{z₁,z₂,···,z_n}共同组成节点集合K_i＝{s_i,z₁,z₂,···,z_n}，K_i对应的Voronoi单元集合V_k＝{v_i,v_z1,v_z2,···,v_zn}。计算当前节点s_i所对应v_i的顶点覆盖情况。若顶点全部已覆盖转步骤(9)，若顶点未全部覆盖进入下一步骤。

(5)计算当前节点s_i在v_i内的泰森盲区多边形，并计算泰森盲区多边形形心

n边形(n≥3)的顶点坐标按顺时针方向记为(X₁,Y₁),(X₂,Y₂),…,(X_n,Y_n)。n边形形心(C_x,C_y)计算公式如下

M为n边形面积，计算公式如下

(6)计算当前节点s_i在形心B_i处对v_i的覆盖率

(7)计算当前节点s_i在当前位置(x_i,y_i)对v_i的覆盖率

覆盖率

其中e为当前Voronoi单元内的目标点个数。

(8)比较覆盖率和如果则更新节点位置使进入下一步骤，转步骤(9)，否则保留当前节点位置s_i＝(x_i,y_i)进入下一步骤，转步骤(9)。

(9)在K_i中去除s_i，重构K_i所对应的Voronoi单元集合并计算位于v_i内新产生Voronoi单元的顶点覆盖情况。若顶点全部被覆盖则v_i内不存在盲区，计算v_i的形心更新当前节点位置使进入下一步骤。若新顶点没有全部被覆盖则v_i内存在盲区转步骤(5)。

(10)重复步骤(4)～步骤(9)，直至所有节点比较结束。

(11)重复步骤(3)～步骤(10)，直至满足停止条件。

邻居节点为与当前传感器节点共同形成与当前传感器节点对应的Voronoi单元的传感器节点。

步骤(5)中的泰森盲区多边形为去除Voronoi单元内的节点后，其已覆盖顶点所对应的邻居节点感知圆盘的交点集和未覆盖顶点集，两者共同所围成的多边形；若已覆盖顶点为边界点，则取对应邻居节点感知圆盘与边界的交点。所有交点均位于Voronoi单元内，具体可分为三种情况；

情况1：Voronoi单元的顶点全部被覆盖，且存在盲区；取邻居节点感知圆盘的交点围成泰森盲区多边形；

情况2：Voronoi单元的顶点部分已覆盖，部分未覆盖；去除Voronoi单元内的节点后，取Voronoi单元已覆盖顶点所对应的邻居节点感知圆盘的交点集和Voronoi单元未覆盖顶点集围成泰森盲区多边形；

情况3：Voronoi单元顶点全部未被覆盖时，泰森盲区多边形与Voronoi单元相同；

在无线传感器的网络节点覆盖问题中，常涉及到“覆盖率”，“节点分布均匀性”,“覆盖效率”。等评价指标。

覆盖率用于评价无线传感器网络的覆盖质量，其公式为已覆盖目标点之和与目标点总数的百分比。本发明用CR表示覆盖率，即

节点分布均匀性反映了节点在监测区域的分布情况。相同覆盖条件下节点分布均匀性数值越小，节点分布越均匀，网络能量消耗越小。其公式为传感器节点与其邻居节点之间距离的标准差的均值，本发明用U表示覆盖率，即

D_i,j＝d(s_i,z_j)

K_i表示第i个节点的邻居节点个数M_i表示第i个节点与邻居节点的平均距离，D_i,j表示第i个节点与第j个邻居节点之间的距离。U_i表示传感器节点s_i与其邻居节点Z之间距离的标准差。

节点覆盖效率用于反映节点的冗余程度，节点覆盖效率数值越大，节点冗余程度越小。其计算公式为传感器节点已覆盖监测区域面积与感知圆盘面积之和的比值，本发明用CE表示覆盖效率，即

无线传感器网络覆盖优化问题可以模拟成圆盘覆盖问题，用标准圆来表示无线传感器节点的感知半径。即所研究的问题可理想化为，在L×W的监测区域内，随机散布N个相同的标准圆，使监测区域被覆盖的面积最大。

由于Voronoi图将监测区域划分为多个Voronoi单元，让每个传感器节点负责覆盖相应Voronoi单元。故本发明的覆盖优化问题变为每个传感器节点各自覆盖对应多边形区域的优化问题，降低了问题复杂度。本发明使用Voronoi单元的几何中心作为传感器节点的候选更新位置，所有节点完成一次位置更新重新划分一次Voronoi图。本发明中存在以下三点有益效果：

1.本发明不需人为设置权重参数，不需根据监测区域和传感器节点感知半径的变化对优化方法进行调整。

2.由于本发明中传感器节点的移动方向由监测区域的盲区位置所引导，故覆盖率提升明显。

3.由于本发明以传感器节点所负责覆盖的Voronoi单元中的盲区几何中心为传感器节点移动的目标候选位置。故本发明可以有效保证传感器节点分布的均匀性。

附图说明

图1基于Voronoi图盲区的无线传感器网络节点覆盖的流程图。

图2MATLAB仿真实验中无线传感器结果分布示意图。

具体实施方式

以下结合附图进一步对发明的方法进行描述。

无线传感器网络覆盖优化问题模型通常是这样建立的。

(1)假设一个大小为L×W的二维平面T为监测区域，在T的范围内随机抛撒N个传感器节点S，移动N个传感器节点S使其对监测区域T的覆盖率CR最大化。

(2)传感器节点集合S＝{s₁,s₂,···,s_N}，所有节点为同构节点，有相同的感知半径R_s和通信半径R_c，每个节点的位置记为s_i＝(x_i,y_i)。

将监测区域T离散化为a×b个目标点,每个目标点的位置记为t_j＝(x_j,y_j)，其中j∈[1,a×b]。目标点的密度越高则覆盖率的精确度越高。

本发明采用布尔感知模型计算感知概率目标点t_j与传感器节点s_i的距离记为

若d(s_i,t_j)≤R_s，则目标点t_j被覆盖，节点s_i，对目标点t_j的感知概率记为1。否则目标点t_j未被覆盖，节点s_i，对目标点t_j的感知概率记为0。感知概率如下

在传感器节点集S＝{s₁,s₂,···,s_N}中，只要有一个节点覆盖了目标点t_j，则目标点t_j被覆盖，该节点联合感知概率记Q_j为1，否则记为0。联合感知概率Q_j的公式如下

覆盖率CR用于评价无线传感器网络的覆盖质量，其公式为已覆盖目标点之和与目标点总数之比，即

Voronoi图是计算几何中的一个基本概念，Voronoi图可以将监测区域划分为多个Voronoi单元，让每个传感器节点负责覆盖相应Voronoi单元。通过判断Voronoi单元顶点的覆盖情况可以有效确定监测区域的盲区位置。故将Voronoi单元中盲区的形心位置作为节点移动的候选更新位置，可以使节点有效覆盖对应的Voronoi单元，提升覆盖率和节点分布的均匀性。具体实施步骤如下：

(3)对监测区域T进行Voronoi图划分，Voronoi单元的集合为V＝{v₁,v₂,···,v_N}。在本发明中的Voronoi图是由相邻传感器节点连线形成的Delaunay三角网各边做垂直平分线所组成的凸多边形的集合。凸多边形称为Voronoi单元。如图2所示。

(5)计算当前节点s_i在v_i内的泰森盲区多边形，并计算泰森盲区多边形形心n边形(n≥3)的顶点坐标按顺时针方向记为(X₁,Y₁),(X₂,Y₂),···,(X_n,Y_n)。n边形形心(C_x,C_y)计算公式如下

M为n边形面积，计算公式如下

(6)计算当前节点s_i在形心B_i处对v_i的覆盖率

(7)计算当前节点s_i在当前位置(x_i,y_i)对v_i的覆盖率

覆盖率

其中e为当前Voronoi单元内的目标点个数。

(8)比较覆盖率和如果则更新节点位置使进入下一步骤，转步骤(9)。否则保留当前节点位置s_i＝(x_i,y_i)进入下一步骤，转步骤(9)。

(10)重复步骤(4)～步骤(9)，直至所有节点比较结束。

(11)重复步骤(3)～步骤(10)，直至满足停止条件。

以一个仿真实验为例对发明的优化方法在matlab平台进行实验仿真。假设在20m×20m的监测区域T内随机部署30个感知半径R_s为2.5m的传感器节点。此时监测区域T按0.1m的目标点密度离散化为201×201目标点。采用rand函数进行随机部署，随机种子取0。30个节点在监测区域内的初始化覆盖率为72.21％，经过10次迭代为99.41％，20次迭代后稳定在99.76％。实验结果证明发明的优化方法在无线传感器网络节点覆盖优化问题中效果明显。

表1 20×20监测区域中(节点数量N为25至34时WSN覆盖指标)

N	25	26	27	28	29	30	31	32	33	34
											CR	96.24％	97.07％	98.11％	98.63％	99.04％	99.45％	99.67％	99.82％	99.93％	99.97％
U	0.4730	0.4881	0.4637	0.4726	0.4579	0.4476	0.4206	0.3901	0.3801	0.3439
											CE	0.7842	0.7606	0.7402	0.7176	0.6957	0.6753	0.6550	0.6355	0.6169	0.5990

Claims

1.基于Voronoi图盲区的无线传感器网络节点覆盖优化方法，其特征在于，该方法包括以下步骤：

(1)在L×W的监测区域T内随机散布N个感知半径为Rs的无线传感器；

(2)初始化算法的各个参数：传感器节点数量N，感知半径Rs，迭代次数itermax，离散化密度TD，按离散化密度TD将监测区域T离散化为a×b的目标点阵，通过rand函数随机布置节点，生成传感器节点初始位置，即无线传感器节点的集合S，表示为S＝{s₁，s₂，…，s_N}；其中每个节点的位置记为s_i＝(x_i，y_i)；

(3)对监测区域T进行Voronoi图划分，Voronoi单元的集合为V＝{v₁，v₂，…，v_N}；

(4)当前节点s_i与其邻居节点集Z＝{z₁，z₂，…，z_n}共同组成节点集合K_i＝{s_i，z₁，z₂，…，z_n}，K_i对应的Voronoi单元集合V_k＝{v_i，v_z1，v_z2，…，v_zn}；计算当前节点s_i所对应v_i的顶点覆盖情况；若顶点全部已覆盖转步骤(9)，若顶点未全部覆盖进入下一步骤；

(6)计算当前节点s_i在形心B_i处对v_i的覆盖率

(7)计算当前节点s_i在当前位置(x_i，y_i)对v_i的覆盖率

(8)比较覆盖率和如果则更新节点位置使进入下一步骤，转步骤(9)，否则保留当前节点位置s_i＝(x_i，y_i)进入下一步骤，转步骤(9)；

(9)在K_i中去除s_i，重构K_i所对应的Voronoi单元集合并计算位于v_i内新产生Voronoi单元的顶点覆盖情况；若顶点全部被覆盖则v_i内不存在盲区，计算v_i的形心更新当前节点位置使进入下一步骤；若新顶点没有全部被覆盖则v_i内存在盲区转步骤(5)；

(10)重复步骤(4)～步骤(9)，直至所有节点比较结束；

(11)重复步骤(3)～步骤(10)，直至满足停止条件。

2.根据权利要求1所述的优化方法，其特征在于：邻居节点为与当前传感器节点共同形成与当前传感器节点对应的Voronoi单元的传感器节点。

3.根据权利要求1所述的优化方法，其特征在于：Voronoi图是由相邻传感器节点连线形成的Delaunay三角网各边做垂直平分线所组成的凸多边形的集合，凸多边形称为Voronoi单元。

4.根据权利要求1所述的优化方法，其特征在于步骤(5)中的泰森盲区多边形为去除Voronoi单元内的节点后,其已覆盖顶点所对应的邻居节点感知圆盘的交点集和未覆盖顶点集，两者共同所围成的多边形；若已覆盖顶点为边界点，则取对应邻居节点感知圆盘与边界的交点，所有交点均位于Voronoi单元内；具体可分为三种情况；

情况3：Voronoi单元顶点全部未被覆盖时，泰森盲区多边形与Voronoi单元相同。

5.根据权利要求1所述的优化方法，其特征在于：Voronoi单元内的盲区判断方法为去除Voronoi单元内的传感器节点，使用已去除传感器节点的邻居节点在监测区域内重新划分Voronoi图；会产生与邻居节点个数相同的Voronoi单元，在原Voronoi单元内取出新产生Voronoi单元的顶点，并判断覆盖情况，若有未覆盖顶点则存在盲区。