CN107819635B - 基于Voronoi图的三维有向异构移动传感器网络自部署方法 - Google Patents
基于Voronoi图的三维有向异构移动传感器网络自部署方法 Download PDFInfo
- Publication number
- CN107819635B CN107819635B CN201711350396.2A CN201711350396A CN107819635B CN 107819635 B CN107819635 B CN 107819635B CN 201711350396 A CN201711350396 A CN 201711350396A CN 107819635 B CN107819635 B CN 107819635B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- center
- voronoi
- calculating
- 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 50
- 238000010586 diagram Methods 0.000 title claims description 18
- 239000013598 vector Substances 0.000 claims abstract description 42
- 238000006073 displacement reaction Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000008447 perception Effects 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 7
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 229920000642 polymer Polymers 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- H04W16/18—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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公布了一种三维有向异构移动传感器网络自部署方法,基于加权Voronoi划分和虚拟力计算,将自主部署过程转化为网络节点的自主移动、转动过程,包括:计算节点权值;调节节点方向在被监测区域内;进行Voronoi划分;计算Voronoi区域质心;计算虚拟斥力;计算节点所受虚拟斥力的合力、位移向量;计算每个节点合位移向量;更新节点位置;再调整边界节点的位置和方向信息,使节点回到被监测区域内;由此解决三维空间环境下有向异构移动传感器节点集中放置的空间区域覆盖问题;提升网络的覆盖率;快速完成节点的部署;保证网络的覆盖性能。
Description
技术领域
本发明属于无线传感器网络领域,涉及一种三维环境下有向异构移动传感器网络自主部署的实现方法。
背景技术
随着无线通信、电子与传感技术的发展,无线传感器网络可以把虚拟世界与现实世界以前所未有的规模进行连接,在国家安全、环境监测、交通管理、空间探索、灾难预防和救援等领域有重大的应用价值,它由于其高度的学科交叉性和广泛的应用前景受到世界各地学术界和工业界的高度关注,已成为当前IT领域新兴的前沿热点。根据采用的传感器节点类型,无线传感器网络可分为很多种。例如,若节点带有摄像装置,具有视频采集功能,则称之为视频传感器网络;若带有移动装置,则称为移动传感器网络;若组成网络的传感器节点的感知范围与方向相关,则称为有向传感器网络。在目标监测问题上,有向传感器在覆盖侧重和能耗使用方面相比传统的全向传感器更加具有优势。从实际应用角度上来看,目前常见的传感器类型,如图像、红外、声波等均具有方向性,由此可见有向传感器网络更为接近实用。
有向传感器网络节点加装了自主移动装置,就构成了有向移动传感器网络,例如用于军事、农业、灾难救援中的空中视频传感器网络,其节点是一架带有摄像头的微小型飞行器,由于能够组网协同飞行,从而能够更及时准确地获取目标区域的信息。有向移动传感器网络根据节点的规格分为有向同构传感器网络和有向异构移动传感器网络,当所有的点的规格都相同是称为有向同构移动传感器网络;当节点的规格不全相同时则称为有向异构传感器网络,相比有向同构移动传感器网络,有向异构移动传感器网络的部署与覆盖控制问题更加复杂。
针对各类无线传感器网络,节点的部署和覆盖控制问题一直是研究的热点问题。常用的节点部署方法主要分为随机部署、人工部署和自主部署三类。在随机部署方式中,节点被一次性随机抛撒在监测区域内;在人工部署方式中,需要人工手动布设每一个节点;自主部署是指初始时节点被随机布撒或者集中布撒,但由于节点自身带有移动装置能够自主移动,会按着一定的部署方法通过自主移动完成部署。
对于自主部署而言,由于节点的资源受限,通信范围和感知范围都十分有限,因此自主部署算法的好坏会对监测区域覆盖产生重要影响。好的自主部署算法应尽可能避免重叠覆盖、尽可能减少覆盖漏洞、尽可能快速完成部署,部署过程中尽可能避免节点之间或节点与目标之间的相互干扰(如碰撞)。
有向异构移动传感器网络在灾难救援中具有具大的应用潜力,可以充分利用不同规格的节点资源快速、近距离对灾难发生地点进行全方位监测,协助搜索被困人员、及时反馈现场信息。根据现有的资料表明,目前已有的自主部署算法,主要是针对二维平面环境进行区域覆盖,现有方法还难以解决针对三维空间内异构节点集中放置的空间区域覆盖,如何进行部署的问题。
发明内容
为了克服上述现有技术的不足,解决三维空间环境下有向异构移动传感器网络中节点集中放置的空间区域覆盖问题,本发明提出一种基于Voronoi图的三维有向异构移动传感器网络自部署方法,基于加权Voronoi划分方法和虚拟力原理相结合,将有向移动传感器网络协同自主部署过程转化为节点的自主移动、自主转动的过程,适于有向异构移动传感器网络的自主部署。
本发明的技术方案是:
一种基于Voronoi图的三维有向异构移动传感器网络自部署方法,基于加权Voronoi划分和虚拟力计算,将有向移动传感器网络协同自主部署过程转化为节点的自主移动、自主转动的过程,由此解决三维空间环境下有向移动传感器节点集中放置的空间区域覆盖问题;
有向移动传感器网络由带有自主移动装置和有向传感器的节点组成,节点的感知范围是一个底面为球面的圆锥体,节点位于圆锥体锥顶;节点感知范围可以平动或转动;设节点感知模型表示为一个十元组其中,P表示三维空间中的有向移动传感器节点P的位置坐标;表示节点的有向传感器的感知方向,用三维向量表示,其中α、β、γ分别表示与X轴、Y轴、Z轴的夹角;θ表示节点的有向传感器的感知角度;C表示节点P的感知范围的内切球的球心坐标,称为节点的感知中心;R通表示节点最大通信距离;R感表示节点的最大感知距离;R斥表示产生虚拟斥力的最大距离,也是节点感知范围的内切球的半径;CV表示节点P的Voronoi区域的质心;Sn表示节点P的邻居节点集合,邻居节点是指节点感知中心与节点P的中心之间的距离小于等于R斥的节点;Vm表示节点P的Voronoi区域的顶点集合;
三维环境下有向异构移动传感器网络的部署方法包括以下步骤:
1)初始化:获取有向异构移动传感器网络监测区域的大小、所有节点的位置信息集合、所有节点的感知半径信息集合、节点的方向和节点张角,并依此计算每个节点的内切圆的圆心和半径并记内切圆的圆心为节点的感知中心,然后计算出每个节点的权值;
该监测区域为立方体,设定立方体的体积为V,部署在监测区域的节点的个数为n,节点的权值的集合为Q={q1,q2,q3,...qn},通过式3计算得到每个节点的权值:
其中,qi表示第i个节点的权值,Ri斥表示第i个节点感知范围内切球的半径;
2)调节节点的方向,使得每个节点的中心都在被监测区域内;
具体地,假设当前节点为Pn,节点Pn的感知中心为节点的感知方向的方向向量节点的感知方向与X轴、Y轴、Z轴的夹角为被监测区域的范围是Lx到Hx、Ly到Hy、Lz到Hz;当前节点Pn的感知中心不在被监测区域时,调节节点的方向,调整以后节点的感知中心为感知方向的方向向量为夹角为使得每个节点的中心都在被监测区域内;
3)Voronoi划分:根据节点的中心位置信息和权值信息对整个被监测区域进行三维的加权Voronoi划分,获取每个节点的Voronoi区域的顶点集合;
加权Voronoi图一般采用离散构造法进行构造,先建立集合S,用于存放所有待扩张的生成元,该集合在本发明中为三维异构移动传感器网络中的传感器节点集合;然后S中的生成元(球面)依次一层层向外扩张生成新的球面,每次生成的球的半径与权重成正比,在球面的扩张过程中只占领未分配的空白区域;如果该生成元的周围已经没有空白区域,则该生成元的Voronoi区域(即加权Voronoi区域)生成完毕,将该生成元从S集合中去除,直到集合S中没有生成元,然后扫描边界,至此加权Voronoi划分完成。在本发明中的Voronoi区域为上述生成的Voronoi区域顶点连线所构成的多面体。
4)计算Voronoi区域的质心:根据每个Voronoi区域的顶点集合计算每个Voronoi区域的质心位置,再计算每个节点中心的位移向量;包括如下过程:
其中,m表示Voronoi区域顶点的个数;(xi,yi,zi)表示节点的Voronoi区域的第i个顶点vi的坐标,通过计算Vm集合内所有顶点的坐标的算数平均值即可得到节点的Voronoi区域的三维质心点;
5)虚拟斥力的计算:为使集中放置的节点能够快速散开,完成部署任务,在各个节点之间和节点与边界之间加入了虚拟斥力,根据节点中心与被监测区域的边界的距离,被监测区域边界对节点产生的虚拟斥力,使得节点不会太靠近边界。所有节点之间产生的虚拟斥力使得节点相互远离;
节点之间根据距离的远近存在虚拟斥力或者没有虚拟作用力。被监测区域边界根据与当前节点Pn的距离远近产生虚拟斥力或者没有虚拟作用力。虚拟斥力的计算包括如下过程:
51)设定节点Pn的所有邻居节点集合为Sn={P1,P2,…},节点Pn的感知中心Cn,以及每一个邻居节点的感知中心集合C={C1,C2,…};
52)通过式6计算得到当前节点Pn的感知中心Cn与每一邻居节点Pm∈Sn的感知中心Cm之间的距离:
53)通过式7计算得到当前节点Pn的所有邻居节点Pm∈Sn对节点Pn的虚拟斥力:
6)通过计算节点所受的所有邻居节点虚拟斥力的合力,计算得到每个节点受虚拟合力所产生的位移向量;
具体包括如下过程:
61)通过式8计算得到当前节点Pn所受所有邻居节点虚拟斥力的合力:
62)通过式9-11计算得到所有的边界平面对当前节点Pn的斥力:
式9-11中,分别是X轴方向上的边界平面、Y轴方向上的边界平面和Z轴方向上的边界平面对当前节点Pn的斥力;Lx、Hx为X轴方向上的边界平面,Ly、Hy为Y轴方向上的边界平面,Lz、Hz为Z轴方向上的边界平面,为单位向量,表示由节点Pn的感知中心指向边界平面的方向。通过式12计算得到所有边界对节点Pn的虚拟斥力的合力:
63)通过式13计算得到当前节点Pn所受所有邻居节点的虚拟斥力的合力和所受所有边界的虚拟斥力的合力:
64)通过式14计算得到当前节点Pn因虚拟斥力所产生的位移向量:
其中,λ为移动系数。
7)计算每个节点合位移向量;
具体通过式15计算得到当前结点Pn的合位移向量:
8)根据合位移向量更新每个节点的位置信息和节点中心位置信息;
9)调整边界节点的位置和方向信息,使得移动到被监测区域外的节点回到被监测区域内;
10)返回步骤3)继续执行;
当覆盖率达到要求时,停止执行操作,即完成三维环境下有向移动传感器网络的部署。所谓覆盖率达到要求是指本次的覆盖率与上次的覆盖率的差值小于%0.1。覆盖率的计算采用蒙特卡洛方法的思想,在监测区域内随机放置200万个检查点,检查每个检查点是否被传感器节点覆盖,被覆盖的检查点与总的检查点的比值就代表整个网络的覆盖率。
与现有技术相比,本发明的有益效果是:
本发明提供了一种基于加权Voronoi划分方法和虚拟力原理相结合,适于有向异构移动传感器网络的自主部署方法,将有向移动传感器网络协同自主部署过程转化为节点的自主移动、自主转动的过程,能够解决三维空间环境下有向异构移动传感器网络中节点集中放置的空间区域覆盖问题。具体地,本发明方法具有以下技术优势:
一、本方法在Voronoi图方法的基础上引入了虚拟力的方法,使得集中放置的节点能够更好的分散到检测区域的各个地方极大的提升了网络的覆盖率;
二、本方法的收敛速度快,能够用较短的时间达到较高的网络覆盖率,快速完成节点的部署;
三、考虑了边界节点,调整边界节点的位置和方向,使得节点总是在监测区域内,保证网络的覆盖性能。
附图说明
图1是有向移动传感器网络节点感知模型的结构图;
其中,x、y、z、o分别为坐标系的x轴、y轴、z轴和坐标原点,α、β、γ分别为节点感知方向与x轴、y轴、z轴的夹角,θ为节点中线(图中为Pn与Cn的连线)与母线的夹角,表示节点的感知角度,Pn为节点,Cn为节点感知区域的内切球球心,称为节点的中心,R通为节点的通信半径,R感为节点的感知半径,R斥为节点感知区域内切球的半径。
图2是有向移动传感器网络节点的Voronoi区域模型的结构示意图;
其中,P为节点的位置,C为节点的中心,CV为C的Voronoi区域的质心,V1-V8为C的Voronoi区域的顶点。
图3是本发明实施例中被监测区域部署模型的示意图;
其中,立方体为监测区域,点为监测区域内部署的节点。
图4是本发明提供的基于加权Voronoi图的有向移动传感器网络三维空间部署方法流程框图。
图5是本发明实施例中有向移动传感器网络节点初始调整示意图;
其中,P为节点的位置,C为节点的中心,C’为经过调整后节点的中心。
图6是本发明实施例中有向移动传感器网络节点之间的虚拟斥力的示意图;
其中,x、y、z、o分别为坐标系的x轴、y轴、z轴和坐标原点,α、β、γ分别为节点感知方向与x轴、y轴、z轴的夹角,θ为节点的感知角度,P1、P2、P3、P4、Pn为传感器节点,C1、C2、C3、C4、Cn分别为对应节点的中心,分别为对应节点感知区域内切球的半径,为节点Pn的通信半径,为节点Pn的感知半径。
图7是本发明实施例中有向移动传感器网络节点与边界的虚拟斥力示意图;
其中,Pn为传感器节点,Cn为节点的中心,F为节点收到边界平面的虚拟斥力。
图8是本发明实施例中最后节点调整示意图;
其中,Pn为传感器节点位置,Cn节点的中心,Pn'为调整后传感器节点的位置。
图9是本发明实施例中有向传感器网络初始集中部署Voronoi图;
其中,点表示节点的感知中心的位置,每个点周围的线构成了节点感知中心的Voronoi区域。
图10是本发明实施例中有向移动传感器网络初始部署仿真图;
其中,点表示节点的位置,锥形区域为节点的感知区域。
图11是本发明实施例中有向移动传感器网络中间某时刻部署Voronoi图;
其中,点表示节点的感知中心的位置,每个点周围的线构成了节点感知中心的Voronoi区域。
图12是本发明实施例中有向移动传感器网络中间某时刻部署仿真图;
其中,点表示节点的位置,锥形区域为节点的感知区域。
图13是本发明实施例中有向移动传感器网络最终部署Voronoi图;
其中,点表示节点的感知中心的位置,每个点周围的线构成了节点感知中心的Voronoi区域。
图14是本发明实施例中有向移动传感器网络最终部署仿真图;
其中,点表示节点的位置,锥形区域为节点的感知区域。
具体实施方式
下面结合附图,通过实施例进一步描述本发明,但不以任何方式限制本发明的范围。
本发明提供一种三维环境下有向移动传感器网络的部署方法,基于加权Voronoi划分和虚拟力计算方法,将有向移动传感器网络协同自主部署过程转化为节点的自主移动、自主转动的过程,由此解决三维空间环境下有向移动传感器节点集中放置的空间区域覆盖问题。
有向移动传感器网络是由带有自主移动装置和有向传感器的节点组成,节点的感知范围是一个底面为球面圆锥体,节点位于圆锥体锥顶,感知范围可以平动,也可以转动,转动是以锥顶为中心进行自由旋转,如图1所示。节点感知模型可以用一个十元组表示。其中,P表示三维空间中的有向移动传感器节点P的位置坐标;表示节点的有向传感器的感知方向,用三维向量表示,其中α,β,γ分别表示与X轴、Y轴、Z轴的夹角;θ表示节点的有向传感器的感知角度;R通表示节点最大通信距离;R感表示节点的最大感知距离;R斥表示产生虚拟斥力的最大距离,也是节点感知范围的内切球的半径。C表示节点P的感知范围的内切球的球心坐标。R斥计算公式如公式1所示:
C的坐标计算公式如公式2所示:
C(x,y,z)=(xP+(R感-R斥)·cosα,yP+(R感-R斥)·cosβ,zP+(R感-R斥)·cosγ) (式2)
其中,xP、yP、zP分别表示节点P的x、y、z坐标。
Sn表示节点P的邻居节点集合,所谓邻居节点是指节点感知中心与节点P的中心之间的距离小于等于R斥的节点。CV表示节点P的Voronoi区域的质心,Vm表示节点P的Voronoi区域的顶点集合,如图2所示。
所述的监测区域为立方体,立方体的体积为V,部署在监测区域的节点的个数为n,如图3所示。节点的权值的集合Q={q1,q2,q3,...qn}每个节点的权值计算如公式3所示:
其中,qi表示第i个节点的权值,Ri斥表示第i个节点感知范围内切球的半径。
本发明所述方法具体包括10个执行步骤,如图4所示。有向移动传感器网络中的节点在部署过程中执行这10个步骤:
(1)初始化:获取监测区域的大小、所有节点的位置信息集合、所有节点的感知半径信息集合、节点的方向和节点张角,并依此计算每个节点的内切圆的圆心和半径并记内切圆的圆心为节点的感知中心,然后计算出每个节点的权值;
(2)调节节点的方向,使得每个节点的中心都在被监测区域内;
(3)Voronoi划分:根据节点的中心位置信息和权值信息对整个被监测区域进行三维的加权Voronoi划分,获取每个节点的Voronoi区域的顶点集合;
(4)计算Voronoi区域的质心:根据每个Voronoi区域的顶点集合计算每个Voronoi区域的质心位置,计算每个节点中心的位移向量;
(5)虚拟斥力的计算:为使集中放置的节点能够快速散开,完成部署任务,在各个节点之间和节点与边界之间加入了虚拟斥力,根据节点中心与被监测区域的边界的距离,被监测区域边界对节点产生的虚拟斥力,使得节点不会太靠近边界。所有节点之间产生的虚拟斥力使得节点相互远离;
(6)计算每个节点受虚拟合力所产生的位移向量;
(7)计算每个节点合位移向量;
(8)根据合位移向量更新每个节点的位置信息和节点中心位置信息;
(9)调整边界节点的位置和方向信息,使得移动到被监测区域外的节点回到被监测区域内;
(10)返回步骤(3)继续执行。
所述步骤(2)用于调整每个节点的感知中心,使其都在被监测区域,进一步细化描述如下:
假设当前节点为Pn,节点Pn的感知中心为节点的感知方向的方向向量节点的感知方向与X轴、Y轴、Z轴的夹角为调整以后节点的感知中心为感知方向的方向向量为夹角为被监测区域的范围为Lx到Hx、Ly到Hy、Lz到Hz,对于感知中心不在被监测区域的节点调整的过程如表1、图5所示:
表1初始节点调整过程表
步骤(4)用于计算每个和节点的Voronoi区域的质心,然后计算出每个节点因为Voronoi划分而产生的位移向量,如图5所示,进一步细化包含如下处理步骤:
其中m表示Voronoi区域顶点的个数,(xi,yi,zi)表示节点的Voronoi区域的第i个顶点vi的坐标,通过计Vm算集合内所有顶点的坐标的算数平均值即可得到节点的Voronoi区域的三维质心点。
所述步骤(5)用于计算部署过程中可能产生的虚拟力。节点之间根据距离的远近存在虚拟斥力或者没有虚拟作用力,如图6所示。被监测区域边界根据与当前节点Pn的距离远近产生虚拟斥力或者没有虚拟作用力,如图7所示。该步骤可以进一步细化包含如下处理步骤:
(43)节点Pn的所有邻居节点集合Sn={P1,P2,…},节点Pn的感知中心Cn,以及每一个邻居节点的感知中心集合C={C1,C2,…};
(44)计算当前节点Pn的感知中心Cn与每一邻居节点Pm∈Sn的感知中心Cm之间的距离,如公式6所示:
(45)计算当前节点Pn的所有邻居节点Pm∈Sn对节点Pn的虚拟斥力,其中虚拟斥力计算公式如公式7所示:
(46)计算当前节点Pn所受所有邻居节点虚拟斥力的合力,如公式8所示:
(47)计算所有的边界平面对当前节点Pn的斥力,如图7所示,计算公式如公式9至公式11所示:
其中Lx、Hx为X轴方向上的边界平面,Ly、Hy为Y轴方向上的边界平面,Lz、Hz为Z轴方向上的边界平面,为单位向量,表示由节点Pn的感知中心指向边界平面的方向。所有边界对节点Pn的虚拟斥力的合力计算如公式12所示:
(48)计算当前节点Pn所受所有邻居节点的虚拟斥力的合力和所受所有边界的虚拟斥力的合力,如公式13所示:
(49)计算当前节点Pn因虚拟斥力所产生的位移向量,如公式14所示:
其中λ为移动系数。
(410)计算当前结点Pn的合位移,如公式15所示:
所述步骤(9)部署后的感知中心在被监测区域内,但是节点移动到被监测区域外的节点进行调整,使得节点保持在被监测区域内,如图8所示,进一步细化描述如下:
假设当前节点Pn的坐标不在被监测区域内,节点Pn的感知中心为Cn,节点的感知方向的方向向量节点的感知方向与X轴、Y轴、Z轴的夹角为节点Pn绕Cn旋转一定的角度到被监测区域内,调整后节点的位置记为Pn',感知方向的方向向量为夹角为被监测区域的范围Lx到Hx、Ly到Hy、Lz到Hz,调整的过程如表2所示:
表2最后节点调整过程表
如图9~图14为本发明所述方法的一个具体实例。如图9和图10所示是有向移动传感器网络的初始状态,节点数为250个,节点集中分布在被监测区域的中心区域。如图11和图12所示是有向移动传感器网络节点自主部署过程中某一时刻状态。如图13和图14所示是有向移动传感器网络最终部署状态,有向传感器网络节点分散在整个被监测区域。
需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (4)
1.一种三维有向异构移动传感器网络自部署方法,有向异构移动传感器网络包括带有自主移动装置和有向传感器的节点;节点的感知范围是底面为球面的圆锥体,节点位于圆锥体锥顶;节点感知范围可平动或转动;所述自部署方法基于加权Voronoi划分和虚拟力计算,将有向异构移动传感器网络协同自主部署过程转化为网络节点的自主移动、自主转动的过程,由此解决三维空间环境下有向异构移动传感器节点集中放置的空间区域覆盖问题;
将节点感知模型表示为一个十元组其中,P表示三维空间中的有向移动传感器节点的位置坐标;表示节点的有向传感器的感知方向,用三维向量表示,其中α、β、γ分别表示与X轴、Y轴、Z轴的夹角;θ表示节点的有向传感器的感知角度;C表示节点的感知范围的内切球的球心坐标,称为节点的感知中心;R通表示节点最大通信距离;R感表示节点的最大感知距离;R斥表示产生虚拟斥力的最大距离,也是节点感知范围的内切球的半径;CV表示节点的Voronoi区域的质心;Sn表示节点的邻居节点集合,邻居节点是指节点感知中心与节点的中心之间的距离小于等于R斥的节点;Vm表示节点的Voronoi区域的顶点集合;
所述自部署方法包括以下步骤:
1)初始化:获取有向异构移动传感器网络监测区域的大小、所有节点的位置信息集合、所有节点的感知半径信息集合、节点的方向和节点张角;计算每个节点的内切圆的圆心和半径,记内切圆的圆心为节点的感知中心,再计算得到每个节点的权值;
2)调节节点的方向,使得每个节点的中心都在被监测区域内;
3)进行Voronoi划分:根据节点的中心和权值,对被监测区域进行三维加权Voronoi划分,获取每个节点的Voronoi区域的顶点集合;
具体地,首先采用离散构造法构造加权Voronoi图,建立集合S用于存放所有待扩张的生成元,该集合为三维异构移动传感器网络中的传感器节点集合;然后S中的球面生成元依次向外层扩张生成新的球面,每次生成的球的半径与权重成正比,在球面的扩张过程中只占领未分配的空白区域;如果该生成元的周围已经没有空白区域,则加权Voronoi区域生成完毕,将该生成元从S集合中去除,直到集合S中没有生成元;然后扫描边界,完成加权Voronoi划分,Voronoi区域即为生成的Voronoi区域顶点连线所构成的多面体;
4)计算Voronoi区域的质心:根据每个Voronoi区域的顶点集合计算每个Voronoi区域的质心位置,再计算得到每个节点中心的位移向量;
其中,m表示Voronoi区域顶点的个数;(xi,yi,zi)表示节点的Voronoi区域的第i个顶点vi的坐标,通过计算Vm集合内所有顶点的坐标的算数平均值即可得到节点的Voronoi区域的三维质心点;
5)计算虚拟斥力:在各个节点之间和节点与边界之间加入虚拟斥力,使得节点不靠近边界、节点相互远离;虚拟斥力的计算包括如下过程:
51)设定某一个节点Pn的所有邻居节点集合为Sn={P1,P2,…},节点Pn的感知中心Cn,每一个邻居节点的感知中心集合C={C1,C2,…};
52)通过式6计算得到当前节点Pn的感知中心Cn与每一邻居节点Pm∈Sn的感知中心Cm之间的距离:
53)通过式7计算得到当前节点Pn的所有邻居节点Pm∈Sn对节点Pn的虚拟斥力:
6)通过计算节点所受的所有邻居节点虚拟斥力的合力,计算得到每个节点受虚拟合力所产生的位移向量;包括如下过程:
61)通过式8计算得到当前节点Pn所受所有邻居节点虚拟斥力的合力:
62)通过式9-11计算得到所有的边界平面对当前节点Pn的斥力:
式9-11中,分别是X轴方向上的边界平面、Y轴方向上的边界和平面Z轴方向上的边界平面对当前节点Pn的斥力;Lx、Hx为X轴方向上的边界平面,Ly、Hy为Y轴方向上的边界平面,Lz、Hz为Z轴方向上的边界平面;为单位向量,表示由节点Pn的感知中心指向边界平面的方向;
通过式12计算得到所有边界对节点Pn的虚拟斥力的合力:
63)通过式13计算得到当前节点Pn所受所有邻居节点的虚拟斥力的合力和所受所有边界的虚拟斥力的合力:
64)通过式14计算得到当前节点Pn因虚拟斥力所产生的位移向量:
其中,λ为移动系数;
7)计算每个节点合位移向量;
8)根据合位移向量更新每个节点的位置信息和节点中心位置信息;
9)调整边界节点的位置和方向信息,使得移动到被监测区域外的节点回到被监测区域内;
10)返回步骤3)继续执行;
当覆盖率达到要求时停止执行操作,即完成三维环境下有向移动传感器网络的部署。
2.如权利要求1所述自部署方法,其特征是,所谓覆盖率达到要求是指本次的覆盖率与上次的覆盖率的差值小于0.1%;所述覆盖率采用蒙特卡洛方法计算得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711350396.2A CN107819635B (zh) | 2017-12-15 | 2017-12-15 | 基于Voronoi图的三维有向异构移动传感器网络自部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711350396.2A CN107819635B (zh) | 2017-12-15 | 2017-12-15 | 基于Voronoi图的三维有向异构移动传感器网络自部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107819635A CN107819635A (zh) | 2018-03-20 |
CN107819635B true CN107819635B (zh) | 2020-09-15 |
Family
ID=61606112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711350396.2A Active CN107819635B (zh) | 2017-12-15 | 2017-12-15 | 基于Voronoi图的三维有向异构移动传感器网络自部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107819635B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109587698B (zh) * | 2018-12-10 | 2022-03-01 | 浙江工业大学 | 一种虚拟力修正的有向传感器网络节能覆盖方法 |
CN109743740B (zh) * | 2019-02-27 | 2021-10-15 | 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 |
CN110572834A (zh) * | 2019-08-02 | 2019-12-13 | 天津大学 | 一种面向动态水下环境的锚节点部署方法 |
CN111125822B (zh) * | 2019-12-23 | 2022-03-08 | 中山大学 | 基于沃罗诺伊图的钻孔布置方案的设计方法和优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106170792A (zh) * | 2014-03-03 | 2016-11-30 | 飞利浦灯具控股公司 | 用于部署传感器的方法 |
CN103916871A (zh) * | 2014-03-07 | 2014-07-09 | 广东工业大学 | 一种制造物联网传感器节点的部署方法 |
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 |
CN105228166B (zh) * | 2015-10-16 | 2018-07-03 | 北京工商大学 | 有向移动传感器网络三维空间路径自主部署方法 |
CN106131860B (zh) * | 2016-06-22 | 2019-04-16 | 北京工商大学 | 利用有向移动传感器网络节点覆盖三维空间大目标的方法 |
-
2017
- 2017-12-15 CN CN201711350396.2A patent/CN107819635B/zh active Active
Non-Patent Citations (2)
Title |
---|
A Weighted Voronoi Diagram Based Self-deployment Algorithm for Heterogeneous Mobile Sensor Network in Three-Dimensional Space;谭励等;《Wireless Sensor Networks》;20191127;全文 * |
Three-dimensional Voronoi Diagram–based Self-deployment Algorithm in IoT Sensor Networks;唐小江等;《Annals of Telecommunications》;20181205;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107819635A (zh) | 2018-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107819635B (zh) | 基于Voronoi图的三维有向异构移动传感器网络自部署方法 | |
CN108012276B (zh) | 基于加权Voronoi图的三维异构移动传感器网络自主部署方法 | |
CN109743740B (zh) | 基于3D-Voronoi剖分的有向传感器网络目标监测方法 | |
CN103997747B (zh) | 一种基于虚拟力的空间网络节点均匀部署方法 | |
CN107396374B (zh) | 一种基于虚拟力和泰森多边形的覆盖方法 | |
CN103997748B (zh) | 一种基于混合型传感器网络的差异覆盖方法 | |
CN111225353B (zh) | 一种基于虚拟小区与宏小区协作的室内定位***及方法 | |
CN105228166A (zh) | 有向移动传感器网络三维空间路径自主部署方法 | |
Droeschel et al. | 3D body pose estimation using an adaptive person model for articulated ICP | |
CN112865897B (zh) | 一种无人机对地面场景的非平稳信道仿真方法及*** | |
Akbaş et al. | Molecular geometry inspired positioning for aerial networks | |
Kim | Multirobot exploration while building power-efficient sensor networks in three dimensions | |
Zhang et al. | Distributed pdop coverage control: Providing large-scale positioning service using a multi-robot system | |
Tan et al. | Modeling multiple robot systems for area coverage and cooperation | |
CN106131860B (zh) | 利用有向移动传感器网络节点覆盖三维空间大目标的方法 | |
CN101448338B (zh) | 一种移动式三维空间无线测试网络*** | |
Yang et al. | 3D surface localization with terrain model | |
Peng et al. | A coverage detection and re-deployment algorithm in 3D directional sensor networks | |
Yang | A collision-free self-deployment of mobile robotic sensors for three-dimensional distributed blanket coverage control | |
Wu et al. | Deploying sensors for gravity measurement in a body-area inertial sensor network | |
Sikora et al. | Simulation of mobile wireless ad hoc networks for emergency situation awareness | |
Qi et al. | Three-dimensional millimetre wave beam tracking based on handset MEMS sensors with extended Kalman filtering | |
Yupeng et al. | A virtual potential field based coverage-enhancing algorithm for 3d directional sensor networks | |
CN109068266B (zh) | 一种三维表面传感器网络部署方法 | |
La et al. | Decentralized flocking control with a minority of informed agents |
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 |