CN107295534B - 一种农业无线多媒体传感器网络有向感知覆盖增强方法 - Google Patents

一种农业无线多媒体传感器网络有向感知覆盖增强方法 Download PDF

Info

Publication number
CN107295534B
CN107295534B CN201710546507.0A CN201710546507A CN107295534B CN 107295534 B CN107295534 B CN 107295534B CN 201710546507 A CN201710546507 A CN 201710546507A CN 107295534 B CN107295534 B CN 107295534B
Authority
CN
China
Prior art keywords
sensing
node
area
directed
nodes
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
Application number
CN201710546507.0A
Other languages
English (en)
Other versions
CN107295534A (zh
Inventor
吴华瑞
缪祎晟
朱华吉
高荣华
马为红
张丽红
顾静秋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Center for Information Technology in Agriculture
Original Assignee
Beijing Research Center for Information Technology in Agriculture
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Center for Information Technology in Agriculture filed Critical Beijing Research Center for Information Technology in Agriculture
Priority to CN201710546507.0A priority Critical patent/CN107295534B/zh
Publication of CN107295534A publication Critical patent/CN107295534A/zh
Application granted granted Critical
Publication of CN107295534B publication Critical patent/CN107295534B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04W16/24—Cell structures
    • H04W16/26—Cell enhancers or enhancement, e.g. for tunnels, building shadow
    • 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
    • H04W16/24—Cell structures
    • H04W16/28—Cell structures using beam steering
    • 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
    • H04W16/24—Cell structures
    • H04W16/30—Special cell shapes, e.g. doughnuts or ring cells
    • 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
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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)
  • Image Analysis (AREA)

Abstract

本发明提供一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述方法通过对有向感知模型增加监测对象描述分量，实现对隐性盲区的有效识别，采用局部算法在不影响整体的情况下进行局部微调。本发明具有在消除有向感知节点隐性盲区的同时，避免了大规模的算法与节点位姿调整开销的有益效果。

Description

一种农业无线多媒体传感器网络有向感知覆盖增强方法
本发明涉及数据信息采集技术领域，更具体地，涉及一种农业无线多媒体传感器网络有向感知覆盖增强方法。
背景技术
无线传感器网络技术是一种新兴的近距离、低复杂度、低功耗、低数据速率、低成本的无线网络技术，广泛应用于传感控制应用。作为一种成本低廉的无线传输技术，亦适合于特殊条件下小规模连续数据量(图像数据)、非强实时应用场景。随着监测环境的日趋复杂多变，传统无线传感器网络所获取的简单数据愈加不能满足人们对环境监测的全面需求，迫切需要将信息量丰富的图像、音频、视频等媒体引入到以传感器网络为基础的环境监测活动中来，实现细粒度、精准信息的环境监测。由此，无线多媒体传感器网络(wirelessmultimedia sensor network，WMSN)应运而生。
多媒体传感器网络是由一组具有计算、存储和通信能力的多媒体传感器节点组成的分布式感知网络，它借助于节点上多媒体传感器感知所在周边环境的多种媒体信息(音频、视频、图像、数值等)，通过多跳中继方式将数据传到信息汇聚中心，汇聚中心对监测数据进行分析，实现全面而有效的环境监测。
传统环境感知的WSN节点感知参数为环境温湿度、土壤温湿度等，其感知方式为全向感知，所以感知区域为以节点为中心的圆形区域，随着多媒体WSN节点的引入，图像感知不可避免的存在方向性问题，使得其感知区域与传统环境感知WSN节点有着显著区别，因此对多媒体WSN节点的覆盖问题开展了相关研究并提出一系列方法。
经文献检索发现，现有技术中建立了不可转动的扇形感知模型，模型由一个四元组(P，R，V，α)表示，其中P表示视频节点的位置坐标，R表示传感半径，V为该视频传感器节点的传感方向且一经部署不再改变，α代表视频节点视角偏移量。还有现有技术分别从不同角度提出了方向可调的扇形感知模型，其优点是单一节点可以通过云台控制实现对360度范围的分时覆盖，但其实时性则受到了较大影响。赵静等按照多媒体WSN覆盖需求不同，对比分析了节点平行于目标平面的延时覆盖、无延时覆盖、节点位于目标平面中的延时覆盖及无延时覆盖，综合考虑节点感知区域和可能感知区域等因素，并为每种应用构建了不同的感知模型。
实用新型专利“一种移动多媒体物联网通信***”(申请号CN201220446633.1)本实用新型公开了一种移动多媒体物联网通信***，包括中心节点，所述中心节点通过网络与一组网络接入点通信，其特征是：还包括一组多媒体终端，所述多媒体终端能够与所述中心节点、网络接入点和其它多媒体终端通信。本实用新型的通信***不仅适用于普通的传感器网络，还能够实现移动多媒体终端之间的通信，也解决多媒体数据和WSN集成和融合中多媒体通信引发数据洪流处理、网络拥塞和延时，以及多媒体节点移动造成的网络接入和信道管理等关键问题。本实用新型能够在下一代互联网、居民健康医疗和数字城市等诸多涉及国计民生的重要领域得到应用。移动多媒体物联网是一个崭新的研究领域，作为下一代互联网的核心技术具有非常重要的研究意义。
上述方法中从不同角度建立了面向多媒体无线传感器网络的有向感知模型，因其感知区域为一个扇形区域，因此需要研究多媒体WSN节点的有向感知覆盖问题，并在新的有向感知模型条件下改进节点部署方法，以实现成本、监测区域覆盖、网络连通性等方面的均衡。
然而，现有的工作很多都是基于图论和概率论来解决节点的有向问题，通过分析，归纳出现有工作的几个缺点：1)假设感知模型方向不能连续可调，给定了有限个方向组成的方向集，且感知视角必须能被2π整除，这些都大大限制了求解结果的最优性；2)大多数提出的有关覆盖方面的问题都是NP完全问题，不具有最优子结构特性，用经典的贪心法求解出的结果和实际最优值会相差很大；3)有些算法的时间复杂度高，数学计算复杂，不适用于能量有限的传感器节点计算；4)大多数已有研究都是基于单一的感知模型，如0-1模型，部分研究中的节点感知能力随距离增大而变小，而基于不同模型下的2类算法不能通用。对于真实的图像/视频传感节点而言，其感知能力不仅会因能量减弱而引起监测结果准确性的变化，还会因感知范围内的障碍物遮挡造成明显的感知差异。
发明内容
本发明为克服上述问题或者至少部分地解决上述问题，提供一种农业无线多媒体传感器网络有向感知覆盖增强方法。
根据本发明的一个方面，提供一种农业无线多媒体传感器网络有向感知覆盖增强方法，包括：
步骤1，基于存在隐性盲区的有向感知节点感知区域内监测对象的数量和位置信息，确认所述有向感知节点感知区域调整角度进行旋转的圆心A；
步骤2，将所述有向感知节点感知区域以A为圆心，以每次α0的角度值进行旋转，直至所述各监测对象视角重叠区域的角度绝对值ηk小于预设阈值η0；
步骤3，缩减步进调整角度对所述有向感知节点姿位进行旋转调整，其中n＞1，k为遗传代数；若旋转后的ηk+1＝0，则完成优化目标，转到步骤4；否则，判断是否满足ηk+1<η0，是则重复执行步骤3，否则转到步骤2；
步骤4，在当前有向感知节点位置与圆心A的连线上调整距离，使得目标对象均处于节点感知扇形内。
进一步，所述步骤1前还包括：
步骤011，在监测区域A内随机部署N0个有向感知节点；
步骤012，若当任意两个有向感知节点在对方的有向感知覆盖半径Rs内，按预设规则删除其中一个；当任意两个有向感知节点间距离在Rs到2Rs之间时，所述两个有向感知节点在当前Voronoi多边形内移动，直至达到覆盖最大感知区域的位置；
步骤013，重复执行步骤次，将各次得到的有向感知节点位置合并至同一监测区域中，直至所述监测区域A内部署的节点总数达到预设阈值N，其中θ为所述有向感知节点感知视角的1/2。
进一步，所述步骤013和步骤1间还包括：
步骤021，对于所述监测区域中的任一Delaunay三角形，顶点为Si、Sj和Sk，且Si和Sj间距离为2x，Sj和Sk间距离为2y，Si和Sk间距离为2z，根据其三边的长度进行显著空洞侦测：若x、y和z中任一大于Rs则该区域存在显著空洞，执行步骤023进行修复；若x、y和z中任一小于Rs则执行步骤022；
步骤022，若所述任一Delaunay三角形外心处于任一顶点的感知范围内，则该Delaunay三角形内无显著空洞；若所述任一Delaunay三角形外心不处于任一顶点的感知范围内，则存在显著空洞；
步骤023，若Si和Sj间距离大于Rs，则节点Si的Voronio多边形内存在显著空洞，将节点Si和Sj相向运动，相向运动的虚拟受力大小与y与Rs的差值成正比；如Si节点与周边多个节点间距离都大于Rs，则通过计算虚拟受力合力进行运动，运动的约束条件为节点Si所在Voronio多边形内的显著空洞区域面积不能变大；
步骤024，若经过步骤023在节点位置达到平衡时仍存在显著空洞，则在Si和其距离最大的邻居节点连线中间位置添加新节点，重新生成Delaunay三角剖分图并跳转到步骤021，直至所述监测区域内不存在显著空洞。
进一步，所述步骤024和步骤1间还包括：
步骤031，设置目标区域内所有有向感知节点的初始感知方向角度为α；
步骤032，计算各有向感知节点与其相邻节点的感知区域重叠面积，对重叠面积大于预设值的节点进行方向角调整；
步骤033，优先逆时针方向调整节点坐标值更大的节点的角度值，当重叠面积经过第一个极小值点时停止角度调整；
步骤034，若一直无极小值点出现，则所述有向感知节点角度值调整为α+180度时停止调整。
进一步，所述步骤1前还包括：
通过计算目标有向感知节点Si感知范围内的多个感知对象所占视角间是否存在交叠，判断所述目标有向感知节点感知区域内是否存在隐性盲区；
若存在，则执行步骤1；若不存在，则结束调整。
进一步，所述步骤1进一步包括：
当所述存在隐性盲区的有向感知节点感知区域内监测对象数量为2时，以所述2个监测对象中心点连线的中点为圆心A；
当所述存在隐性盲区的有向感知节点感知区域内监测对象数量大于2时，以所述各个监测对象中心点形成区域的质心点为圆心A。
进一步，所述α0＝(π/4+αmin)，其中αmin为所述存在隐性盲区的有向感知节点的任一小扰动分量。
进一步，所述步骤3中缩减步进调整角度k为遗传代数，对所述有向感知节点姿位进行旋转的步骤进一步包括：
缩减步进调整角度k为遗传代数，对所述有向感知节点姿位进行旋转，且将所述有向感知节点进行旋转时，基于预设概率p变换下次的旋转方向。
进一步，所述步骤3后还包括：
步骤31’，在步骤2和步骤3循环执行过程中，若调整次数k达到最大遗传代数限制Imax，则结束，转至步骤42’；
步骤32’，选择调整过程中ηk最小的节点位置，选择在该位置的以A为圆心的圆周对称点上添加新的有向感知节点。
进一步，所述判断有向感知节点Si感知范围内的多个感知对象所占视角间是否存在交叠的步骤进一步包括：
假设目标有向感知节点Si的感知范围内存在多个监测对象Oi1,…,Oij,…Oin，在元组模型中对应的分量分别为OBi1,…,OBij,…OBin，若则该有向感知节点Si感知范围内的多个感知对象所占视角间是否存在交叠，即所述该有向感知节点感知区域内是否存在隐性盲区。
本申请提出一种农业无线多媒体传感器网络有向感知覆盖增强方法，本发明所述方案具有如下有益效果：1、相对比传统的有向感知覆盖增强方法，在网络资源受限的条件下，采用位移+角度分别调整的方法，有效规避了虚拟力算法的复杂传导效应，减少了算法开销；2、针对作物监测对象密集互遮挡现象，创新性提出了有向感知隐性盲区概念，通过构建监测对象的有向感知元组描述，实现对隐性盲区的高效判别，本发明提出的局部微调算法避免了全局算法的复杂递归问题，在消除隐性盲区的同时，避免了大规模的算法与节点位姿调整开销。
附图说明
图1为根据本发明实施例一种农业无线多媒体传感器网络有向感知覆盖增强方法的整体流程示意图；
图2为根据本发明实施例一种农业无线多媒体传感器网络有向感知覆盖增强方法的中有向感知元组模型的示意图；
图3为根据本发明实施例一种农业无线多媒体传感器网络有向感知覆盖增强方法的中显著空洞侦测与节点位置调整的示意图；
图4为根据本发明实施例一种农业无线多媒体传感器网络有向感知覆盖增强方法的中面向隐性盲区的节点位姿调整方法的示意图；
图5为根据本发明实施例一种农业无线多媒体传感器网络有向感知覆盖增强方法的中感知节点位姿调整的示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明重点针对大规模农业有向感知网络中全局最化算法复杂度高，未考虑监测目标对象重叠遮挡等问题提出一种新的有向感知覆盖增强方法。
网络感知覆盖是设施栽培生产监测的根本，覆盖的程度高低不但决定了对现场感知的有效性与准确性，还将影响到网络的成本、传输性能等。不同于传统环境全向感知网络，图像、视频等多媒体信息感知的天然有向性为网络覆盖提出了新的研究内容，为此本发明提供一种农业无线多媒体传感器网络有向感知覆盖增强方法，该方法主要针对农业无线多媒体传感器网络监测中的有向感知覆盖需求，根据多媒体感知有向性、遮挡性特点，给出了包含监测目标互遮挡隐性盲区的有向感知元组描述模型，并在该感知模型基础上，通过节点位置、节点方向的分级别调优，实现有向感知条件下的高效网络覆盖是本发明的目的这一。此外，本发明还针对作物密集、生长变化等条件下的监测对象密集互遮挡造成的隐性盲区等问题，通过对有向感知元组进行扩充，并提出一种隐性盲区识别与节点微调方法，实现农业作物密集互遮挡条件下的有向感知隐性盲区修复，为网络节点部署提供覆盖基础理论与方法支撑也是本发明的目的之一。
如图1，本发明一个具体实施例中，示出一种农业无线多媒体传感器网络有向感知覆盖增强方法整体流程示意图。总体上，包括：步骤1，基于存在隐性盲区的有向感知节点感知区域内监测对象的数量和位置信息，确认所述有向感知节点感知区域调整角度进行旋转的圆心A；步骤2，将所述有向感知节点感知区域以A为圆心，以每次α0的角度值进行旋转，直至所述各监测对象视角重叠区域的角度绝对值ηk小于预设阈值η0；步骤3，缩减步进调整角度对所述有向感知节点姿位进行旋转调整，其中n＞1，k为遗传代数；若旋转后的ηk+1＝0，则完成优化目标，转到步骤4；否则，判断是否满足ηk+1<η0，是则重复执行步骤3，否则转到步骤2；步骤4，在当前有向感知节点位置与圆心A的连线上调整距离，使得目标对象均处于节点感知扇形内。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述步骤1前还包括：
所述步骤1前还包括：
步骤011，在监测区域A内随机部署N0个有向感知节点；
步骤012，若当任意两个有向感知节点在对方的有向感知覆盖半径Rs内，按预设规则删除其中一个；当任意两个有向感知节点间距离在Rs到2Rs之间时，所述两个有向感知节点在当前Voronoi多边形内移动，直至达到覆盖最大感知区域的位置；
步骤013，重复执行步骤次，将各次得到的有向感知节点位置合并至同一监测区域中，直至所述监测区域A内部署的节点总数达到预设阈值N，其中θ为所述有向感知节点感知视角的1/2。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述步骤013和步骤1间还包括：
步骤021，对于所述监测区域中的任一Delaunay三角形，顶点为Si、Sj和Sk，且Si和Sj间距离为2x，Sj和Sk间距离为2y，Si和Sk间距离为2z，根据其三边的长度进行显著空洞侦测：若x、y和z中任一大于Rs则该区域存在显著空洞，执行步骤023进行修复；若x、y和z中任一小于Rs则执行步骤022；
步骤022，若所述任一Delaunay三角形外心处于任一顶点的感知范围内，则该Delaunay三角形内无显著空洞；若所述任一Delaunay三角形外心不处于任一顶点的感知范围内，则存在显著空洞；
步骤023，若Si和Sj间距离大于Rs，则节点Si的Voronio多边形内存在显著空洞，将节点Si和Sj相向运动，相向运动的虚拟受力大小与y与Rs的差值成正比；如Si节点与周边多个节点间距离都大于Rs，则通过计算虚拟受力合力进行运动，运动的约束条件为节点Si所在Voronio多边形内的显著空洞区域面积不能变大；
步骤024，若经过步骤023在节点位置达到平衡时仍存在显著空洞，则在Si和其距离最大的邻居节点连线中间位置添加新节点，重新生成Delaunay三角剖分图并跳转到步骤021，直至所述监测区域内不存在显著空洞。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述步骤024和步骤1间还包括：
步骤031，设置目标区域内所有有向感知节点的初始感知方向角度为α；
步骤032，计算各有向感知节点与其相邻节点的感知区域重叠面积，对重叠面积大于预设值的节点进行方向角调整；
步骤033，优先逆时针方向调整节点坐标值更大的节点的角度值，当重叠面积经过第一个极小值点时停止角度调整；
步骤034，若一直无极小值点出现，则所述有向感知节点角度值调整为α+180度时停止调整。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述步骤1前还包括：
通过计算目标有向感知节点Si感知范围内的多个感知对象所占视角间是否存在交叠，判断所述目标有向感知节点感知区域内是否存在隐性盲区；
若存在，则执行步骤1；若不存在，则结束调整。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述步骤1进一步包括：
当所述存在隐性盲区的有向感知节点感知区域内监测对象数量为2时，以所述2个监测对象中心点连线的中点为圆心A；
当所述存在隐性盲区的有向感知节点感知区域内监测对象数量大于2时，以所述各个监测对象中心点形成区域的质心点为圆心A。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述α0＝(π/4+αmin)，其中αmin为所述存在隐性盲区的有向感知节点的任一小扰动分量。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述步骤3中缩减步进调整角度k为遗传代数，对所述有向感知节点姿位进行旋转的步骤进一步包括：
缩减步进调整角度k为遗传代数，对所述有向感知节点姿位进行旋转，且将所述有向感知节点进行旋转时，基于预设概率p变换下次的旋转方向。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法，所述步骤3后还包括：
步骤31’，在步骤2和步骤3循环执行过程中，若调整次数k达到最大遗传代数限制Imax，则结束，转至步骤42’；
步骤32’，选择调整过程中ηk最小的节点位置，选择在该位置的以A为圆心的圆周对称点上添加新的有向感知节点。
在本发明另一个具体实施例中，所述判断有向感知节点Si感知范围内的多个感知对象所占视角间是否存在交叠的步骤进一步包括：
假设目标有向感知节点Si的感知范围内存在多个监测对象Oi1,…,Oij,…Oin，在元组模型中对应的分量分别为OBi1,…,OBij,…OBin，
若则该有向感知节点Si感知范围内的多个感知对象所占视角间是否存在交叠，即所述该有向感知节点感知区域内是否存在隐性盲区。
在本发明另一个具体实施例中，一种农业无线多媒体传感器网络有向感知覆盖增强方法。本发明该具体实施例针对农业无线多媒体传感器网络在进行图像、视频等信息的有向感知区域覆盖问题，并考虑农作物集密生长变化造成的监测对象相互遮挡等问题，提出一种面向农业多媒体无线传感器有向感知网络的覆盖增强方法。该方法在农田作物密集生长条件下，建立考虑互遮挡隐性盲区的有向感知元组模型，并采用分级式网络覆盖增强方法实现了高密度节点网络的低复杂度覆盖增强算法。所述方法具体包括以下步骤。
步骤一、设施无线多媒体有向感知网络覆盖模型与假设。
在二维监测区域(M*M)上部署有N个有向传感器节点(S1，S2，…，SN)，对于任意节点Si(i＝1，2，…，N)，并做如下假设。
1)每个节点工作独立，即每个节点的感知任务不依赖于其他节点。
2)每个节点的感知区域以节点为圆心、最大感知距离RS为半径、感知视角2θ为顶角的扇形。
3)所有节点同构，即RS、θ和RC分别相等，且节点的通信半径大于或等于感知半径的2倍。
4)各节点可以获知其地理位置和感知方向信息，且对自身方向可控。
本发明提出一种有向感知元组结构体以实现对农业有向感知覆盖的准确描述，如节点Si的有向感知元组结构体为：
SSi＝{Ci，OBi1，OBi2，…，OBin}，
其中，Ci为覆盖分量用于表征当前节点的最大可能有向感知区域，OBi1到OBin为监测分量，亦即互遮挡分量，用以表征当前节点有向感知区域内的监测对象以及其相互遮挡情况。
Ci采用四元组进行表示如图2所示，xi，yi为有向感知节点的坐标，也即有向感知扇形的圆心位置坐标，为节点Si的有向感知区域中心向量，包括中心的方向与感知半径信息，θ为节点Si的有向感知视角，即单个扇形的圆心角为2θ。
相应的有，OBij可表示为为节点Si的有向感知区域中第j个监测目标的监测中心向量，为节点Si的有向感知区域中第j个监测目标所占用的监测视角。
步骤二、有向感知节点分级部署与位姿调整。
记节点的有向覆盖半径为Rs，则有参照全向感知中的覆盖方法，一般可认为节点间平均距离时可达到节点数量与覆盖度之间的平衡，记监测区域面积为A＝M*M，所以在以全向感知覆盖所需要的部署节点数量N0为：
因为为有向感知，所以单个节点的覆盖面积相比于全向感知缩小为则有向感知条件下需要的节点数量N约为：
但考虑到随机预部署节点可能会造成很大的监测交叠冗余，因此本发明分多次进行节点预部署，具体步骤如下：
1.在监测区域A内随机部署N0个有向感知节点。
2.当任意两节点之间距离小于Rs，即双方互在对方的感知半径内，则按预设规则删除其中一个节点。删除该节点后对区域的覆盖影响应更小。
3.对于节点间距离在Rs到2Rs之间的情况，节点在当前Voronoi多边形内移动，直至对覆盖最大位置。
4.完成上述部署后，重复次，并将多次的节点位置合并至同一监测区域中，则区域A内部署的节点总数将接近N。
对部署后的节点进行覆盖增强，首先将有向感知节点均视为全向感知节点，如图3所示，当距离任何有向感知节点距离均超过Rs的感知区域，称之为显著空洞，显著空洞显然无法通过单纯改变节点感知方向消除，因此需要对节点的位置进行调整。按照Delaunay三角剖分法原则判定Delaunay三角形的三个端节点围绕区域内是否存在显著空洞，若存在则采用节点移动或节点填充方法进行调整，直至全部区域均满足要求。显著空洞侦测与消除具体步骤如下。
1.对于监测区域的任一Delaunay三角形，顶点为Si，Sj，Sk，且Si，Sj间距离为2x，Sj，Sk间距离为2y，Si，Sk间距离为2z，根据其三边的长度进行显著空洞侦测，则若x，y，z中任一大于Rs则该区域存在显著空洞，则转入步骤3进行修复，若均小于则转入步骤2。
2.由三角形外心定义易知，三角形区域内外心到三个顶点的的距离最大，即若在满足步骤1条件时，若外心也处于任一顶点的感知范围内，则该Delaunay三角形内无显著空洞，即若满足：
则判定当前Delaunay三角形内无显著空洞，若不满足，则存在显著空洞。
3.不失一般性，设Si，Sj间距离大于Rs，则节点Si的Voronio多边形内存在显著空洞，则将节点Si，Sj相向运动，相向运动的虚拟受力大小与y-Rs成正比。特殊地，如Si节点与周边多个节点均不满足上述条件，则计算虚拟受力合力进行运动。
运动的约束条件为节点Si所在Voronio多边形内的显著空洞区域面积不能变大，即以Si为公共端点的多个Delaunay三角形中均需始终满足步骤1、2中的显著空洞判定准则。
4.若通过步骤3中方法在节点位置达到平衡时仍存在显著空洞则在距Si距离最大的邻居节点连线中间位置添加新节点，重新生成Delaunay三角剖分图并跳转到步骤1，直至全部区域内均不存在显著空洞。
在完成位置调整后，根据预设规则进行节点感知方向调整。具体方法如下：
1.设置所有节点的初始感知方向角为α；
2.计算节点与其相邻节点的感知区域重叠面积，对于重叠面积大于预设比例的节点进行方向角调整；
3.优先调整节点坐标值更大节点的角度值，均采用逆时针旋转方法，当重叠面积经过第一个极小值点时停止角度调整；
4.若一直无极小值点出现，则角度调整值为初始值+180度停止调整。
步骤三、面向隐性盲区的有向感知节点位姿微调。
如图4所示，在完成了有向感知覆盖增强后，监测网络已完成了对监测区域的全覆盖，但由于农业现场作物的密集生长变化，作物枝叶果等易造成相互遮挡，而形成隐性盲区，为解决隐性盲区条件下的有向感知全覆盖问题，本发明提出一种节点位姿微调方法。假设某有向感知节点Si的感知范围内存在多个监测对象Oi1，…，Oij，…Oin，在元组模型中对应的分量分别为OBi1，…，OBij，…OBin，则存在隐性盲区的充分判据为：
即节点Si感知范围内的多个感知对象所占视角间存在交叠，因为单点图像传感器难以准确获知监测对象与传感器之间的距离，所以难以虚拟受力等方法确定节点位姿调整策略，为此本发明提出一种改进遗传算法解决信息不完全条件下的节点位姿微调策略，具体如下。
1.根据隐性盲区判据对节点Si有向感知区域内是否存在隐性盲区进行判定，若存在，则转入步骤2，若不存在隐性盲区，则保持节点位姿不变，结束此轮调整。
2.设有向感知节点Si的感知范围内共存在j个监测对象Oi1，…，Oij，(j≥2)，则当j＝2时以Oi1、Oi2中心点连线的中点为圆心，当j>2时以Oi1，…，Oij中心点围成区域的质心点为圆心，将Si的有向感知区域围绕该圆心A进行旋转微调，如图5所示。
3.不失一般性，假设初始旋转方向为顺时针方向，初始旋转步进角度为α0，α0为小于90度的一预设值角度，其取值大小会影响算法的收敛速度与结果准确性，特殊地本实施例中α0＝(π/4+αmin)，αmin为一小扰动分量。
定义为各监测对象视角重叠区域的角度绝对值。
旋转角度为αk＝α0，不改变旋转方向进行一次旋转，判断旋转后的重叠角度是否满足ηk＜η0，η0为遗传算法判决阈值，若不满足，则继续按步骤3旋转，若满足则转至步骤4。
4.缩减步进调整角度k为遗传代数，按照预设概率p，转换当前旋转方向并进行节点位姿旋转调整，并判断旋转后的ηi，若ηk＝0，则完成优化目标，转到步骤7；否则，继续判断是否满足ηk＜η0，是则重复执行步骤4，否则转到步骤3。
5.在步骤3、4循环执行过程中，若调整次数k达到最大遗传代数限制Imax，则结束，转至步骤6。
6.在最大遗传代数限制内未找到全覆盖角度，选择调整过程中ηk最小的节点位置，选择在该位置的以A为圆心的圆周对称点上添加新节点。
7.完成优化后，监测对象在有向感知区域内的视角无交叠，在当前节点位置与圆心A的连线上调整距离，使得目标对象均处于节点感知扇形内。
本发明该具体实施例具有如下技术创新点：1.显著空洞侦测与分级消除方法。本发明提出一种显著空洞侦测与角度覆盖冗余消除方法，针对农业有向感知网络覆盖中的节点位置、感知方向角调整问题，先采用Delaunay三角剖分方法对区域显著空洞进行侦测进行节点位置调整，在完成位置调整后，根据节点有向感知区域的重叠情况进行节点感知方向角调整。由于现有技术如虚拟力、虚拟势场等方法对节点位置与方向的调整存在连动效应，对某一个节点的位置或角度调整会不断传导而影响到网络中所有节点，对于农业大规模网络监测应用而言，现有方法的计算复杂度过高而影响其实用性。相对于现有技术，本发明方法的优势在于将位置调整与角度调整进行局部分级调优，在保证算法总体性能的同时简化了计算复杂度。2.面向农业互遮挡隐性盲区的节点位姿微调策略。随着农作物的生长变化，其叶、茎、果等位置与大小均会发生变化，而由于农作物的密集种植与生长，监测对象间极易出现相互遮挡现象，现有方法中均未考虑过图像、视频感知的遮挡效应，为解决此问题，本发明创新提出一种面向互遮挡隐性盲区的节点位姿微调策略，通过对有向感知模型增加监测对象描述分量，实现对隐性盲区的有效识别，采用局部算法在不影响整体的情况下进行局部微调，在消除隐性盲区的同时，避免了大规模的算法与节点位姿调整开销。
本发明该具体实施例具有如下有益效果。本发明提出面向农业互遮挡隐性盲区的有向感知网络覆盖增强方法，解决农业多媒体有向感知网络的覆盖空洞侦测、冗余消除以及隐性盲区条件下的节点位姿微调问题。本发明相对比传统的有向感知覆盖增强方法，在网络资源受限的条件下，采用位移+角度分别调整的方法，有效规避了虚拟力算法的复杂传导效应，减少了算法开销。通过对农业作物密集、生长变化等问题的分析研究，针对作物监测对象密集互遮挡现象，创新性提出了有向感知隐性盲区概念，通过构建监测对象的有向感知元组描述，实现对隐性盲区的高效判别，本发明提出的局部微调算法避免了全局算法的复杂递归问题，在消除隐性盲区的同时，避免了大规模的算法与节点位姿调整开销。保证了密集作物生长变化条件下的有向感知覆盖，为农业多媒体传感器网络高效感知监测提供有效理论与技术手段。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种农业无线多媒体传感器网络有向感知覆盖增强方法，其特征在于，包括：
步骤1，基于存在隐性盲区的有向感知节点感知区域内监测对象的数量和位置信息，确认所述有向感知节点感知区域调整角度进行旋转的圆心A；
步骤2，将所述有向感知节点感知区域以A为圆心，以每次α0的角度值进行旋转，直至所述各监测对象视角重叠区域的角度绝对值ηk小于预设阈值η0；
步骤3，缩减步进调整角度对所述有向感知节点姿位进行旋转调整，其中n＞1，k为遗传代数；若旋转后的ηk+1＝0，则完成优化目标，转到步骤4；否则，判断是否满足ηk+1<η0，是则重复执行步骤3，否则转到步骤2；
步骤4，在当前有向感知节点位置与圆心A的连线上调整距离，使得目标对象均处于节点感知扇形内；
所述步骤1前还包括：
步骤011，在监测区域A内随机部署N0个有向感知节点；
步骤012，若当任意两个有向感知节点在对方的有向感知覆盖半径Rs内，按预设规则删除其中一个；当任意两个有向感知节点间距离在Rs到2Rs之间时，所述两个有向感知节点在当前Voronoi多边形内移动，直至达到覆盖最大感知区域的位置；
步骤013，重复执行步骤次，将各次得到的有向感知节点位置合并至同一监测区域中，直至所述监测区域A内部署的节点总数达到预设阈值N，其中θ为所述有向感知节点感知视角的1/2；
所述步骤013和步骤1间还包括：
步骤021，对于所述监测区域中的任一Delaunay三角形，顶点为Si、Sj和Sk，且Si和Sj间距离为2x，Sj和Sk间距离为2y，Si和Sk间距离为2z，根据其三边的长度进行显著空洞侦测：若x、y和z中任一大于Rs则该区域存在显著空洞，执行步骤023进行修复；若x、y和z中任一小于Rs则执行步骤022；
步骤022，若所述任一Delaunay三角形外心处于任一顶点的感知范围内，则该Delaunay三角形内无显著空洞；若所述任一Delaunay三角形外心不处于任一顶点的感知范围内，则存在显著空洞；
步骤023，若Si和Sj间距离大于Rs，则节点Si的Voronio多边形内存在显著空洞，将节点Si和Sj相向运动，相向运动的虚拟受力大小与y与Rs的差值成正比；如Si节点与周边多个节点间距离都大于Rs，则通过计算虚拟受力合力进行运动，运动的约束条件为节点Si所在Voronio多边形内的显著空洞区域面积不能变大；
步骤024，若经过步骤023在节点位置达到平衡时仍存在显著空洞，则在Si和其距离最大的邻居节点连线中间位置添加新节点，重新生成Delaunay三角剖分图并跳转到步骤021，直至所述监测区域内不存在显著空洞；
所述步骤1进一步包括：
当所述存在隐性盲区的有向感知节点感知区域内监测对象数量为2时，以所述2个监测对象中心点连线的中点为圆心A；
当所述存在隐性盲区的有向感知节点感知区域内监测对象数量大于2时，以所述各个监测对象中心点形成区域的质心点为圆心A。
2.如权利要求1所述的方法，其特征在于，所述步骤024和步骤1间还包括：
步骤031，设置目标区域内所有有向感知节点的初始感知方向角度为α；
步骤032，计算各有向感知节点与其相邻节点的感知区域重叠面积，对重叠面积大于预设值的节点进行方向角调整；
步骤033，优先逆时针方向调整节点坐标值更大的节点的角度值，当重叠面积经过第一个极小值点时停止角度调整；
步骤034，若一直无极小值点出现，则所述有向感知节点角度值调整为α+180度时停止调整。
3.如权利要求1所述的方法，其特征在于，所述步骤1前还包括：
通过计算目标有向感知节点Si感知范围内的多个感知对象所占视角间是否存在交叠，判断所述目标有向感知节点感知区域内是否存在隐性盲区；
若存在，则执行步骤1；若不存在，则结束调整。
4.如权利要求1所述的方法，其特征在于，所述α0＝(π/4+αmin)，其中αmin为所述存在隐性盲区的有向感知节点的任一小扰动分量。
5.如权利要求1所述的方法，其特征在于，所述步骤3中缩减步进调整角度k为遗传代数，对所述有向感知节点姿位进行旋转的步骤进一步包括：
缩减步进调整角度k为遗传代数，对所述有向感知节点姿位进行旋转，且将所述有向感知节点进行旋转时，基于预设概率p变换下次的旋转方向。
6.如权利要求1所述的方法，其特征在于，所述步骤3后还包括：
步骤31’，在步骤2和步骤3循环执行过程中，若调整次数k达到最大遗传代数限制Imax，则结束，转至步骤32’；
步骤32’，选择调整过程中ηk最小的节点位置，选择在该位置的以A为圆心的圆周对称点上添加新的有向感知节点。
7.如权利要求3所述的方法，其特征在于，所述判断有向感知节点Si感知范围内的多个感知对象所占视角间是否存在交叠的步骤进一步包括：
假设目标有向感知节点Si的感知范围内存在多个监测对象Oi1,…,Oij,…Oin，在元组模型中对应的分量分别为OBi1,…,OBij,…OBin，
若则该有向感知节点Si感知范围内的多个感知对象所占视角间不存在交叠，即所述该有向感知节点感知区域内不存在隐性盲区；为第n检测对象视角。
CN201710546507.0A 2017-07-06 2017-07-06 一种农业无线多媒体传感器网络有向感知覆盖增强方法 Active CN107295534B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710546507.0A CN107295534B (zh) 2017-07-06 2017-07-06 一种农业无线多媒体传感器网络有向感知覆盖增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710546507.0A CN107295534B (zh) 2017-07-06 2017-07-06 一种农业无线多媒体传感器网络有向感知覆盖增强方法

Publications (2)

Publication Number Publication Date
CN107295534A CN107295534A (zh) 2017-10-24
CN107295534B true CN107295534B (zh) 2019-12-17

Family

ID=60101047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710546507.0A Active CN107295534B (zh) 2017-07-06 2017-07-06 一种农业无线多媒体传感器网络有向感知覆盖增强方法

Country Status (1)

Country Link
CN (1) CN107295534B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213874A (zh) * 2018-08-30 2019-01-15 福建师范大学 一种wmsn区块链的多媒体混合数据近似近邻二元查询方法
CN109803265A (zh) * 2019-01-11 2019-05-24 沈阳化工大学 一种基于Voronoi图的蚁群算法在WSN栅栏覆盖策略中的优化方法
CN112305638A (zh) * 2019-07-26 2021-02-02 西安光启未来技术研究院 一种有效感知范围识别方法及相关设备
CN111132182B (zh) * 2019-12-16 2022-08-23 北京农业信息技术研究中心 一种无线多媒体网络覆盖增强方法及***
CN112333730A (zh) * 2020-10-16 2021-02-05 广西电网有限责任公司 基于自适应三角剖分诱导插值构建蜂窝网络覆盖图的方法
CN113486481B (zh) * 2021-06-25 2022-08-09 同济大学 一种环境感知网络的优化设置方法
CN113645631B (zh) * 2021-07-22 2023-10-20 成都信息工程大学 一种面向三维场景的移动有向传感器网络覆盖优化方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201001732D0 (en) * 2010-02-03 2010-03-24 Bae Systems Plc Sensor network
CN101835170B (zh) * 2010-04-20 2012-09-26 南京邮电大学 基于智能演化的无线多媒体传感器网络覆盖增强方法
CN102404742A (zh) * 2011-12-23 2012-04-04 无锡虹业自动化工程有限公司 视觉传感器网络中节点的方向调度方法和***
CN102740312A (zh) * 2012-07-12 2012-10-17 北京邮电大学 无线传感器网络的覆盖控制方法
CN104038730B (zh) * 2014-05-09 2017-11-07 浙江工业大学 一种视频传感器网络多移动目标监测优化方法
CN104159236B (zh) * 2014-06-23 2017-09-29 江南大学 基于Voronoi图盲区的无线传感器网络节点覆盖优化方法
CN104796915B (zh) * 2015-05-08 2018-11-09 北京科技大学 一种二维有向性传感器网络覆盖的优化方法
CN105933915B (zh) * 2016-05-31 2019-06-11 昆明理工大学 一种基于虚拟势场的有向异构无线传感器网络覆盖优化方法

Also Published As

Publication number Publication date
CN107295534A (zh) 2017-10-24

Similar Documents

Publication Publication Date Title
CN107295534B (zh) 一种农业无线多媒体传感器网络有向感知覆盖增强方法
Ab Aziz et al. A wireless sensor network coverage optimization algorithm based on particle swarm optimization and Voronoi diagram
Sung et al. Voronoi-based coverage improvement approach for wireless directional sensor networks
CN107396374B (zh) 一种基于虚拟力和泰森多边形的覆盖方法
Feng et al. Analysis of network coverage optimization based on feedback K-means clustering and artificial fish swarm algorithm
CN110856184B (zh) 基于k均值算法的双层结构无线传感器网络节点部署方法
CN103997748B (zh) 一种基于混合型传感器网络的差异覆盖方法
Wu et al. Directional sensor placement in vegetable greenhouse for maximizing target coverage without occlusion
Xia et al. AI-driven and MEC-empowered confident information coverage hole recovery in 6G-enabled IoT
Qu et al. Empowering the edge intelligence by air-ground integrated federated learning in 6G networks
Xia et al. A Lora buoy network coverage optimization algorithm based on virtual force
Lin et al. Fast node clustering based on an improved birch algorithm for data collection towards software-defined underwater acoustic sensor networks
Ala-Eddine et al. Efficient camera clustering method based on overlapping fovs for wmsns
CN105050097B (zh) 一种图像传感器网络优化部署方法
Akter et al. Incremental clustering-based object tracking in wireless sensor networks
Zhou et al. Covering algorithm for different obstacles and moving obstacle in wireless sensor networks
CN114980134B (zh) 基于虚拟力的移动多目标动态覆盖方法
KR102661204B1 (ko) 모바일 비디오 카메라 네트워크를 위한 커버리지 최대화 방법
Gholami et al. Comparing alternative cluster management approaches for mobile node tracking in a factory wireless sensor network
Baíllo et al. A survey and a new selection criterion for statistical home range estimation
Wei et al. Efficient node collaboration for mobile multi-target tracking using two-tier wireless camera sensor networks
Jin et al. Wireless sensor networks
Sung et al. Coverage improvement for directional sensor networks
CN110347766A (zh) 一种基于数据场的时空数据流聚类方法
Karimipour et al. Spatial coverage estimation and optimization in geosensor networks deployment

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