CN104378771B - 盲点预测农田时变异构网络节点部署与交互调度方法 - Google Patents
盲点预测农田时变异构网络节点部署与交互调度方法 Download PDFInfo
- Publication number
- CN104378771B CN104378771B CN201410708586.7A CN201410708586A CN104378771B CN 104378771 B CN104378771 B CN 104378771B CN 201410708586 A CN201410708586 A CN 201410708586A CN 104378771 B CN104378771 B CN 104378771B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- network
- farmland
- time
- 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 43
- 230000002452 interceptive effect Effects 0.000 title abstract description 10
- 230000008447 perception Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 230000008054 signal transmission Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 230000006854 communication Effects 0.000 abstract description 4
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 37
- 238000005457 optimization Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation 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
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开盲点预测农田时变异构网络节点部署与交互调度方法,节点部署包括:根据信号传播过程中的路径损耗、节点感知概率、节点有效感知面积及节点剩余能量,得到节点的属性;根据节点的属性和节点度,得到节点的重要度;根据节点的重要度,采取约束条件紧缩的方法,对节点部署。节点交互调度包括:根据节点剩余能量以及网络覆盖率,确定冗余节点集;根据农田时变异构网络节点集,确定农田时变异构网络节点集对应的三角剖分图;根据冗余节点集,将三角剖分图中非冗余节点及其关联的边删除,得到剖分子图;根据冗余节点集,确定冗余节点集中的休眠节点,得到休眠节点集;将农田时变异构网络节点集中属于休眠节点集中的节点删除,得到连通覆盖集。
Description
技术领域
本发明涉及农业技术领域,具体涉及一种盲点预测农田时变异构网络节点部署与交互调度方法。
背景技术
无线传感器网络利用各种传感器来感知获取信息,然后利用嵌入式计算技术对获取的信息进行一个有效的融合处理,而网络节点间则通过多跳技术及分布式信息处理技术实现数据信息的传递。无线传感器网络中的传感器节点可以随机或者特定地布置在工作环境中,通过无线通信实现协作感知、采集和处理网络覆盖区域中感知对象的信息,对数据进行有效处理,最终获得准确信息;无线传感器网络基本不需要人的干预,大部分工作是以自组织的方式完成的,但是无线传感器网络长期运行在无人值守或者环境恶劣的状态下,在该无线网络中工作的传感器节点的电量是有限的,而在条件不便的情况下为大量传感器节点频繁更换电源是不现实的,这就要求无线传感器网络运行中其网络功耗小,能够有效延长网络寿命,而且尽可能的节省传感器节点电源消耗。
目前,无线传感器网络节点大多被随机播撒安放,且由于环境影响或节点移动等原因,各节点一般采用一次性电池供电,安放后电池更换十分困难,农田环境中作物生长状态对无线信号的传输具有很强影响,植物可吸收、反射和阻隔无线信号,将会对无线电信号传播造成很大的路径损耗,由此影响网络覆盖效果。另外,农作物生长周期长,传感器节点能量有限,网络覆盖策略中对于节点能量的考虑也至关重要,将可再生能源节点应用于农田环境时空可变性的网络覆盖中的研究相对较少,目前已有的研究基本就网络覆盖的优化进行了相关研究,并未结合确定的监测环境,对网络关键节点进行分析,预测监测区域盲点,对网络异构节点进行部署和节点调度机制进行一整套的优化。
发明内容
本发明所要解决的技术问题是如何有效降低监测遗漏盲点区及监测热点拥挤区出现的几率。
为此目的,第一方面,本发明提供一种盲点预测农田时变异构网络节点部署方法,该方法包括:
根据信号传播过程中的路径损耗、节点感知概率、节点有效感知面积及节点剩余能量,得到节点的属性,所述节点包括传感器节点和可再生能源节点;
根据所述节点的属性以及节点度,得到所述节点的重要度;
根据所述节点的重要度,采取约束条件紧缩的方法,对农田时变异构网络节点进行部署。
可选的,所述根据信号传播过程中的路径损耗、节点感知概率、节点有效感知面积及节点剩余能量,得到节点的属性,包括:
节点的属性X通过下式得到:
X=αW+βS+γQ+δP;
其中,α、β、γ、δ分别为信号传播过程中的路径损耗W、节点有效感知面积S、节点剩余能量、Q节点感知概率P的权重值,且α+β+γ+δ=1;
信号传播过程中的路径损耗W:
其中,f(h,d,v)为农田时变性环境因子函数,h为作物高度,d为作物间距,υ为作物密度;
节点有效感知面积S:
其中,r为节点有效感知半径,p(r)为节点有效感知半径为r时的有效感知概率,r0为节点感知半径均值,Φ为空间时变环境衰减因子;
节点感知概率P:
其中,k为节点感知概率系数,σ为标准差且异构节点感知半径均服从正态分布N(r0,σ)。
可选的,所述根据节点的属性以及节点度,得到所述节点的重要度,包括:
节点的重要程度通过下式得到:
其中,为节点i的节点度,Xi为节点i的属性。
可选的,所述根据所述节点的重要度,采取约束条件紧缩的方法,对农田时变异构网络节点进行部署,包括:
根据所述节点的重要度,将节点总数N(t)、节点位置关系的平均值dij以及传感器节点与可再生能源节点的比例调节关系转化为线性的约束条件,采取约束条件紧缩的方法,对农田时变异构网络节点进行部署;
节点总数N(t)为经过t时间后网络节点总数:
其中,、ξ为传感器节点和可再生能源节点的比例系数且
根据所述节点位置关系的平均值dij,得到节点间的最小路径长度L:
其中,η为异构节点路径调节因子;
比例调节关系通过下式得到:
其中,E[N(t)]为t时刻下节点覆盖率期望值,为第i个传感器节点有效覆盖的比例系数,ξj为第j个可再生能源节点的有效覆盖比例系数。
第二方面,本发明还提出一种盲点预测农田时变异构网络节点交互调度方法,所述方法包括:
根据节点剩余能量以及网络覆盖率,确定冗余节点集;
根据农田时变异构网络节点集,确定所述农田时变异构网络节点集对应的三角剖分图;
根据所述冗余节点集,将所述三角剖分图中非冗余节点和非冗余节点关联的边删除,得到剖分子图;
根据所述冗余节点集,确定冗余节点集中的休眠节点,得到休眠节点集;
将所述农田时变异构网络节点集中属于所述休眠节点集中的节点删除,得到连通覆盖集。
可选的,所述根据所述,确定冗余节点集中的休眠节点,得到休眠节点集,包括:
遍历冗余节点集,确定冗余节点的邻居冗余节点个数;
将邻居冗余节点个数大于预设个数值的冗余节点增加到休眠节点集中,得到休眠节点集。
可选的,所述根据所述,确定冗余节点集中的休眠节点,得到休眠节点集,包括:
遍历冗余节点集,确定冗余节点的邻居冗余节点个数小于或等于预设个数值之后,将节点剩余能量小于预设能量值的冗余节点增加到休眠节点集中,得到休眠节点集。
相比于现有技术,本发明提出的农田时变异构网络节点部署方法以及交互调度方法针对农田环境时空可变性,引入了可再生能源节点,对异构传感器节点进行优化部署,充分考虑可再生能源节点的电源可自给性,设置合理的异构节点数目比例和分布位置,减少网络监测遗漏盲点区及监测热点拥挤区,提高了网络覆盖率,同时在不影响网络有效覆盖率的情况下,采用了无线传感异构节点交互调度工作机制,让传感器节点和可再生能源在考虑剩余能量的条件下,互相协调工作,较少节点的死亡率,降低网络能量开销,延长了网络生存周期。
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,下面将对实施例或现有技术描述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示出了节点有效感知范围示意图;
图2示出了无线网络异构节点部署示意图;
图3示出了实施例中优化前的网络覆盖示意图;
图4示出了实施例中优化后的网络覆盖示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
农田生境中无线信号的传播受到很多复杂因素的影响,作物种类、高度、种植密度、叶面积指数,植株的茎叶吸收、散射无线信号等都会引起无线信号的衰减,监测环境的特殊性导致网络监控区域出现监测遗漏盲点区及监测热点拥挤区,农作物生长环境相对特殊,经常会出现一些问题,部分区域环境较为复杂,监测节点承担任务较重,由于其支撑力减弱,节点提前死亡,该区域极易成为监测遗漏盲点区,影响了网络连通性,降低了网络覆盖率;还有部分区域,节点分布相对密集,而其监测环境相对简单,存在大量重复工作的节点,形成监测热点拥挤区,即便到网络后期,该区域有相当一部分节点80%的能量未被使用,造生网络资源不能合理利用,网络能量均衡性较差。
本实施例结合农田生长环境,公开一种盲点预测农田时变异构网络节点部署方法,可以有效降低监测遗漏盲点区及监测热点拥挤区出现的几率,所述方法包括:
基于农田环境时空变化,根据信号传播过程中的路径损耗、节点感知概率、节点有效感知面积及节点剩余能量,得到节点的属性,所述节点包括传感器节点和可再生能源节点;
根据所述节点的属性以及节点度,得到所述节点的重要度;
根据所述节点的重要度,将网络节点总数、网络传感器节点和可再生能源节点的比例调节关系、异构节点位置关系及节点重要性等因素转化为线性的约束条件,采取约束条件紧缩的方法,对农田时变异构网络节点进行部署。
具体地,无线传感器网络连通性是衡量网络性能重要指标之一,在网络运行过程中经常会出现关键节点失效、网络数据流量增大、自然灾害等突发事件,使得网络链路断裂,影响网络通信效率。而这些突发事件的产生和监测区域环境有密切关系,农田作物生长环境较为特殊,具备一定的时空变化性,如何根据农田环境即时情况来发现网络关键节点是影响网络覆盖率的关键问题之一。无线传感器网络关键节点是指网络节点集合中能够影响网络连通性,且节点自身有效性决定网络分割性。通常情况下在网络运行初期,节点初始状态一样,随着网络运行时间的进行,监测环境的差异,节点运行过程任务的差异等因素,使得网络各个节点的状态也随之发生了差异,因此本实施例将依据农田环境时空变化,动态对网络区域进行分类,确定约束网络性能的关键因素,识别监测区域中的关键节点集。理想情况下,传播损耗比例随着信号传输距离的增加而衰减:
其中ι是传播损耗比值,ps是发射功率,pr是接收功率,d为发射节点和接收节点间的距离。在复杂的农田环境中,由于时空可变因素的影响,信号在实际传播过程中路径损耗是:
其中,f(h,d,v)为农田时变性环境因子函数,h为作物高度,d为作物间距,υ为作物密度。
节点感知概率P为:
其中,k为节点感知概率系数,σ为标准差且异构节点感知半径均服从正态分布N(r0,σ)。
无线传感器网络有效覆盖率和监测区域内节点感知概率有紧密相关性,在无线信号传输的过程中,信号强度会随着信号传输距离的增大而减小。在大面积农作物生长环境中,由于作物随着生产态势发生变化,导致整个监测环境也随之变化,当作物再生长过程中,其植株间的密度,高度,叶面积等都会影响到无线信号的传输及整个网络的覆盖性。假设在监测区域A内,取任意点a,若该点能被其周围的某一传感器节点S感知,则该区域点为有效感知区域点,同时说明该点能够被正确接收无线信号。在节点感知过程中设wκ为路径损耗强度阈值,若节点间路径损耗强度低于wκ,则说明该点不能被传感器节点所感知,无法有效传输无线信号,该位置为无效节点位置,即监测遗漏盲点。预确定监测区域内任意传感器节点a的有效感知区域,根据农田时变性可知监测区域任意节点b在传感器a的有效感知概率为p(a),任意多个节点b构成a的有效感知区域,由于农田环境的特殊性,该有效感知区域并非理想状态下规整的圆形,节点有效感知面积S为:
其中,r为节点有效感知半径,p(r)为节点有效感知半径为r时的有效感知概率,r0为节点感知半径均值,Φ为空间时变环境衰减因子;当Φ衰减速度越大,则说明环境变化对无线信号影响越大。影响网络覆盖性的主要因素有路径损耗W、节点感知概率P、有效感知面积S及节点剩余能量Q等因素。以上因素也是构成无线传感器网络关键节点的属性X:
X=αW+βS+γQ+δP;
其中,α、β、γ、δ分别为信号传播过程中的路径损耗W、节点有效感知面积S、节点剩余能量、Q节点感知概率P的权重值,且α+β+γ+δ=1。
当农作物生长环境植株间距相对稀疏的时候,感知概率所占的比重相对较大,当植株长势较快,叶面积指数较大时,路径衰减因子则占的比重较大。无线传感器网络关键节点的属性与网络覆盖率呈正相关性,当节点稀疏的被随机部署在监测区域中时,可以通过调整相关的因子权重值,调整节点数目,减少网络开销;当节点被密集部署,为了提高网络有效覆盖率,减少冗余覆盖等带来的网络开销,以及无线信道干扰导致的路径损耗开销,此时可以通过节点交互调度工作机制,提高网络通信性能。
考虑到农田环境中作物生长态势对无线信号的传输影响较大,虽然网络中节点位置保持不变,当在网络运行过程中,节点间信号传输具有一定是时空变化性,导致网络拓扑结构会随之变化,对网络连通性也产生了一定的影响。对无线传感网络而言,节点能量是解决以上问题的关键因素之一,本实施例引入了可再生能源节点,该类节点能有有效的利用太阳能能量自给功能,自动管理充电过程并进行有效的能量储存,动态调整节能性能,有效的延长网络生存期。由于网络节点为异构形式,结合农田监测区域关键节点及2种网络节点的供电特性和网络连通性,对异构节点的位置部署关系进行分析,以达到控制网络节点数目,减少网络冗余覆盖及覆盖盲区,优化网络性能。目的:以关键节点为基础,减少冗余覆盖,控制节点数目。
设N(t)为经过t时间后网络节点总数,则
其中、ξ为网络传感器节点和可再生能源节点的比例系数且比例调节关系为:
其中,E[N(t)]为t时刻下节点覆盖率期望值,为第i个传感器节点有效覆盖的比例系数,ξj为第j个可再生能源节点的有效覆盖比例系数。由上式可知,、ξ在(0,1)内调节,当ξ→1时,网络具有较强的冗余纠错性。当ξ→0时,网络具备较强的网络连通性。通过调整、ξ,可以较好的实现网络冗余度和网络盲区之间的平衡关系,增强网络连通性,提高网络覆盖率。
网络中节点间的最小路径长度L与网络传感器节点和可再生能源节点的位置关系的平均值dij需满足一定的关系,以此来保证整个网络的连通性,即
其中,η为异构节点路径调节因子;
异构节点在网络中扮演的角色随着网络运行而发生变化,假设节点的重要程度为为节点i的节点度,则
根据农田监测环境的时空变化,将网络节点总数、网络传感器节点和可再生能源节点的比例调节关系、异构节点位置关系及节点重要性等因素转化为线性的约束条件,采取约束条件紧缩的方法,求得的可行解为异构节点在网络中部署关系。
为了能平衡整个网络能量开销,考虑到传感器节点与可再生能源节点在能量供给差异,在无线传感器异构节点交互调度工作机制中,需要考虑两个问题:节点如何根据网络状况判断自己的节点性质,即节点是否为冗余节点,节点当前电量等;如何对冗余节点进行调度策略,在不影响网络覆盖质量的前提下,能有效延长网络生存周期,同时减少不必要的能量开销。因此,本实施例公开一种农田时变异构网络节点交互调度方法,所述方法包括:
根据节点剩余能量以及网络覆盖率,确定冗余节点集;
根据农田时变异构网络节点集,确定所述农田时变异构网络节点集对应的三角剖分图;
根据所述冗余节点集,将所述三角剖分图中非冗余节点和非冗余节点关联的边删除,得到剖分子图;
根据所述冗余节点集,确定冗余节点集中的休眠节点,得到休眠节点集;
将所述农田时变异构网络节点集中属于所述休眠节点集中的节点删除,得到连通覆盖集。
具体地,分析网络中冗余节点的性质即传感器节点和可再生能源节点,根据节点剩余能量和网络覆盖率间的关系确定节点冗余度,确定冗余集,利用冗余节点剩余能量,对冗余节点工作状态进行调度,将部分冗余节点调至休眠状态并依据网络运行情况及节点冗余性,让节点在不同工作状态中进行角色转换从而达到降低网络能耗,延长网络生存期的网络优化目标。根据冗余节点中节点剩余能量及网络当前覆盖情况,对冗余节点的工作状态进行调度,具体步骤如下:
步骤1确定冗余节点集,并获取节点剩余电量。
步骤2在节点集S对应的Delaunay三角剖分图G(Si,E,V)中,结合冗余节点集情况,删除非冗余节点和这些节点关联的边,得到新的剖分子图。在此过程中需要考虑,当某冗余节点休眠后,与其相邻的冗余节点也同时进入休眠状态,此时会导致无线传感器网络(wireless sensor network,WSN)出现覆盖盲区,故需要结合冗余节点位置及覆盖面积在自身及邻居冗余点中做出选择,使覆盖面积较小的节点进入休眠态。
步骤3寻找可调至休眠态的冗余节点,冗余节点冗余度期望与该节点邻居节点数相关,故先选择邻居冗余点较多的节点,若节点的邻居节点数目相同时,则剩余能量较小的节点vk先调至休眠态,将vk放入(复制到)可休眠节点集合Q中,反之若将剩余能量较大的冗余节点调至休眠态,则会其他网络运行节点由于工作任务过重,出现过早死亡现象,降低网络连通性,同时缩短了网络生存期。
步骤4重复以上步骤,直到所有节点均被遍历完,此时集合Q中的节点即为可休眠节点,而V-Q中的节点就构成了区域T的一个平衡连通覆盖集。
图1示出了节点有效感知范围示意图;图2示出了无线网络异构节点部署示意图;图3示出了实施例中优化前的网络覆盖示意图;图4示出了实施例中优化后的网络覆盖示意图。
有益效果:本发明提供了一种盲点预测农田时变异构网络节点部署方法。由于无线传感器网络具低功耗、低成本的特点,因此被应用于对大规模农田生境进行实时监测。考虑到农田生境特殊性,高低不平的地势环境,农作物种植密度、高度以及枝叶的茂密程度等,尤其植被的冠层可吸收、散射和阻隔RF信号,导致接收端接收到的信号强度和链路质量有很大的衰减和差异,从而使得网络监控区域出现监测遗漏盲点区及监测热点拥挤区,这些区域影响了监测的质量、传输距离及有效覆盖范围等。依据农田时变性,监测关键节点,对监测区域的敏感区域进行预测,通过引入可再生能源节点方式,结合传感节点和可再生能源在能量上的差别,基于关键节点,对网络异构节点进行部署,减少监测遗漏盲点区及监测热点拥挤区,提高网络有效覆盖区域;采用异构节点时空交互调度工作机制,充分考虑可再生能源节点的能量自补给功能,利用节点调度机制,使得传感器节点和可再生能源节点相互协调工作,均衡网络能量分布,达到降低网络能耗的功能。
有益效果二:本实施例针对农田环境时空可变性,提出了一种盲点预测农田时变异构网络节点交互调度方法,该策略通过基于关键节点,结合农田生产态势对网络环境进行分析,确定网络中关键节点区域,以提高网络覆盖率,降低网络能量开销为优化目标,依据网络关键点的分布位置,引入了可再生能源节点,对异构传感器节点进行优化部署,充分考虑可再生能源节点的电源可自给性,设置合理的异构节点数目比例和分布位置,减少网络监测遗漏盲点区及监测热点拥挤区,提高了网络覆盖率,同时在不影响网络有效覆盖率的情况下,采用了无线传感异构节点交互调度工作机制,让传感器节点和可再生能源在考虑剩余能量的条件下,互相协调工作,较少节点的死亡率,降低网络能量开销,延长了网络生存周期。通过仿真实验可得,该覆盖策略能够提高异构节点的网络覆盖率,同时其算法的收敛速度和优化效果,网络节能率均可达到农田环境监测的需求。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (2)
1.盲点预测农田时变异构网络节点部署方法,其特征在于,该方法包括:
根据信号传播过程中的路径损耗、节点感知概率、节点有效感知面积及节点剩余能量,得到节点的属性,所述节点包括传感器节点和可再生能源节点;
根据所述节点的属性以及节点度,得到所述节点的重要度;
根据所述节点的重要度,采取约束条件紧缩的方法,对农田时变异构网络节点进行部署;
所述根据信号传播过程中的路径损耗、节点感知概率、节点有效感知面积及节点剩余能量,得到节点的属性,包括:
节点的属性X通过下式得到:
X=αW+βS+γQ+δP;
其中,α、β、γ、δ分别为信号传播过程中的路径损耗W、节点有效感知面积S、节点剩余能量、Q节点感知概率P的权重值,且α+β+γ+δ=1;
信号传播过程中的路径损耗W:
其中,f(h,d,v)为农田时变性环境因子函数,h为作物高度,d为作物间距,υ为作物密度;
节点有效感知面积S:
其中,r为节点有效感知半径,p(r)为节点有效感知半径为r时的有效感知概率,r0为节点感知半径均值,Φ为空间时变环境衰减因子;
节点感知概率P:
其中,k为节点感知概率系数,σ为标准差且异构节点感知半径均服从正态分布N(r0,σ)。
2.根据权利要求1所述的方法,其特征在于,所述根据所述节点的重要度,采取约束条件紧缩的方法,对农田时变异构网络节点进行部署,包括:
根据所述节点的重要度,将节点总数N(t)、节点位置关系的平均值dij以及传感器节点与可再生能源节点的比例调节关系转化为线性的约束条件,采取约束条件紧缩的方法,对农田时变异构网络节点进行部署;
节点总数N(t)为经过t时间后网络节点总数:
其中,ξ为传感器节点和可再生能源节点的比例系数且
根据所述节点位置关系的平均值dij,得到节点间的最小路径长度L:
其中,η为异构节点路径调节因子;
比例调节关系通过下式得到:
其中,E[N(t)]为t时刻下节点覆盖率期望值,为第i个传感器节点有效覆盖的比例系数,ξj为第j个可再生能源节点的有效覆盖比例系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410708586.7A CN104378771B (zh) | 2014-11-28 | 2014-11-28 | 盲点预测农田时变异构网络节点部署与交互调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410708586.7A CN104378771B (zh) | 2014-11-28 | 2014-11-28 | 盲点预测农田时变异构网络节点部署与交互调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104378771A CN104378771A (zh) | 2015-02-25 |
CN104378771B true CN104378771B (zh) | 2018-11-23 |
Family
ID=52557360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410708586.7A Active CN104378771B (zh) | 2014-11-28 | 2014-11-28 | 盲点预测农田时变异构网络节点部署与交互调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104378771B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105898789B (zh) * | 2016-05-20 | 2019-04-30 | 南京邮电大学 | 一种无线传感器网络数据聚合方法 |
CN106211189B (zh) * | 2016-06-29 | 2019-08-13 | 盐城工学院 | 一种异构多媒体传感器网络部署方法及装置 |
CN107466057B (zh) * | 2017-08-16 | 2020-04-21 | 浙江工业大学 | 一种基于区域生长法的wsn数据采集方法 |
CN107911828B (zh) * | 2017-11-15 | 2021-02-05 | 中国人民解放军国防科技大学 | 一种将无人空中移动平台用作基站集群的部署方法 |
CN108335471A (zh) * | 2018-01-19 | 2018-07-27 | 深圳市鑫汇达机械设计有限公司 | 风电场远程实时监测*** |
CN109861855B (zh) * | 2019-01-24 | 2021-10-08 | 中国信息通信研究院 | 一种电力通信网络中节点重要度的确定方法和装置 |
CN111597396B (zh) * | 2020-05-13 | 2021-05-28 | 深圳计算科学研究院 | 异构网络社群检测方法、装置、计算机设备及存储介质 |
CN112469102B (zh) * | 2020-11-10 | 2022-09-23 | 南京大学 | 一种面向时变网络的主动网络拓扑构建方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014398A (zh) * | 2010-09-21 | 2011-04-13 | 上海大学 | 基于差分进化算法的大规模工业无线传感器网络最优部署方法 |
CN102185916A (zh) * | 2011-04-27 | 2011-09-14 | 西安电子科技大学 | 具有小世界和无标度特性的传感器网络建立方法 |
CN103297983A (zh) * | 2013-05-06 | 2013-09-11 | 南京邮电大学 | 一种基于网络流的无线传感器网络节点动态部署方法 |
-
2014
- 2014-11-28 CN CN201410708586.7A patent/CN104378771B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102014398A (zh) * | 2010-09-21 | 2011-04-13 | 上海大学 | 基于差分进化算法的大规模工业无线传感器网络最优部署方法 |
CN102185916A (zh) * | 2011-04-27 | 2011-09-14 | 西安电子科技大学 | 具有小世界和无标度特性的传感器网络建立方法 |
CN103297983A (zh) * | 2013-05-06 | 2013-09-11 | 南京邮电大学 | 一种基于网络流的无线传感器网络节点动态部署方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104378771A (zh) | 2015-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104378771B (zh) | 盲点预测农田时变异构网络节点部署与交互调度方法 | |
Ndzi et al. | Wireless sensor network coverage measurement and planning in mixed crop farming | |
Anisi et al. | A survey of wireless sensor network approaches and their energy consumption for monitoring farm fields in precision agriculture | |
Nikolidakis et al. | Energy efficient automated control of irrigation in agriculture by using wireless sensor networks | |
CN103327513B (zh) | 智能数据采集方法 | |
CN107328916B (zh) | 一种有效的土壤环境监测*** | |
CN101696967A (zh) | 基于无线传感网的湖泊水文水质监测***及监测方法 | |
CN102594904A (zh) | 对无线传感器网络异常事件进行分布式检测的方法 | |
CN106559731A (zh) | 一种污水监测用无线传感器网络 | |
CN108289285A (zh) | 一种海洋无线传感器网络丢失数据恢复与重构方法 | |
Abidin et al. | Multi-objective Optimization (MOO) approach for sensor node placement in WSN | |
CN106131770A (zh) | 一种针对温室环境的无线传感器网络的数据融合方法 | |
CN103888957B (zh) | 基于玉米生长态势的信号损耗预测的节点扩散方法 | |
CN104297452A (zh) | 基于无线传感器网络的土壤墒情数据预处理方法 | |
CN107025505A (zh) | 一种基于主成分分析和神经网络的水稻需水量预测方法 | |
Pandiyaraju et al. | An optimal energy utilization model for precision agriculture in WSNs using multi-objective clustering and deep learning | |
CN110097473A (zh) | 一种农作物生命全周期的数据采集方法、装置及设备 | |
Eto et al. | Efficient coverage of agricultural field with mobile sensors by predicting solar power generation | |
Miao et al. | Non-uniform clustering routing protocol of wheat farmland based on effective energy consumption | |
CN103152751A (zh) | 无线传感器网络的节能传播自适应lms分布式检测方法 | |
Song et al. | Design of greenhouse control system based on wireless sensor networks and AVR microcontroller | |
CN106304152B (zh) | 农田多径信道概率感知网络链路预测方法及装置 | |
CN103868552A (zh) | 实用性强的无线传感器网络节点 | |
Carlos-Mancilla et al. | Design and implementation of a robust wireless sensor network | |
Moorthy et al. | A Hybrid Data Acquisition Model for Precision Agriculture using IoT, Engineering Nanomaterials and Artificial Intelligence |
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 |