CN112637775A - 一种基于三维环境的无线传感器网络节点部署方法及*** - Google Patents

Abstract

本发明涉及一种基于三维环境的无线传感器网络节点部署方法及***。该方法包括获取无线传感器网络的待部署三维目标区域；在待部署三维目标区域内随机抛洒无线传感器网络节点，并获取每一无线传感器网络节点的初始位置；根据待部署三维目标区域、每一所述无线传感器网络节点的初始位置以及每一无线传感器网络节点的感知半径确定初始覆盖率；建立以每一无线传感器网络节点的位置为变量，以覆盖率最大为目标函数的优化模型；根据优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一无线传感器网络节点的目标位置；根据每一无线传感器网络节点的目标位置进行无线传感器网络节点的部署。本发明提高了基于三维环境的无线传感器网络覆盖率。

Description

一种基于三维环境的无线传感器网络节点部署方法及***

技术领域

本发明涉及无线传感器网络技术领域，特别是涉及一种基于三维环境的无线传感器网络节点部署方法及***。

背景技术

无线传感器网络(Wireless Sensor Networks，WSNs)是一种具有自组织性、可靠性、可移动性、节点间可以通信的无线覆盖网络。随着WSNs在不同应用场景的研究，如安防部署问题、森林火灾检测、水下动态检测等三维的环境下，需对二维模型进行扩展从而构建合适的三维模型。针对节点冗余、覆盖率等问题，利用改进的人工鱼群算法减少寻优时间获得最优部署方案。基于虚拟力算法考虑多方面受力完善合力解决三维覆盖重部署问题。利用传感器节点半径可调性结合虚拟力算法有效的实现三维覆盖。针对覆盖空洞，基于人工鱼群算法提出采用自适应的视野和步长完成空洞修补。基于虚拟力算法提出一种可变步长的策略优化WSNs节点部署问题。上述方案虽然均有效的解决了覆盖问题，但仍在能耗时间、覆盖复杂度等方面存在不足。

发明内容

本发明的目的是提供一种基于三维环境的无线传感器网络节点部署方法及***，提高基于三维环境的无线传感器网络覆盖率。

为实现上述目的，本发明提供了如下方案：

一种基于三维环境的无线传感器网络节点部署方法，包括：

获取无线传感器网络的待部署三维目标区域；

在所述待部署三维目标区域内随机抛洒无线传感器网络节点，并获取每一所述无线传感器网络节点的初始位置；所述初始位置为在三维目标区域中的初始的坐标；

根据所述待部署三维目标区域、每一所述无线传感器网络节点的初始位置以及每一所述无线传感器网络节点的感知半径确定初始覆盖率；所有无线传感器网络节点的感知半径相同；

建立以每一所述无线传感器网络节点的位置为变量，以覆盖率最大为目标函数的优化模型；

根据所述优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一所述无线传感器网络节点的目标位置；所述目标位置为覆盖率最大对应的三维目标区域中的坐标；

根据每一所述无线传感器网络节点的目标位置进行无线传感器网络节点的部署。

可选的，所述获取无线传感器网络的待部署三维目标区域，之后还包括：

对所述待部署三维目标区域进行立方体网格划分。

可选的，所述根据所述优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一所述无线传感器网络节点的目标位置，具体包括：

根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子；

将所述虚拟力步长因子融合至所述人工鱼群算法中的移动准则中；

根据所述优化模型，利用融合后的人工鱼群算法确定每一所述无线传感器网络节点的目标位置。

可选的，所述根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子，具体包括：

利用公式F＝{(π_1X，π_1Y，π_1Z)，(π_2X，π_2Y，π_2Z)，...(π_nX，π_nY，π_nZ)，}确定虚拟力步长因子；其中，F为虚拟力步长因子，π_iX为无线传感器网络节点i在X轴方向的移动步长，π_iY为无线传感器网络节点i在Y轴方向的移动步长，π_iZ为无线传感器网络节点i在Z轴方向的移动步长，1≤i≤n，n为无线传感器网络节点的数量。

一种基于三维环境的无线传感器网络节点部署***，包括：

待部署三维目标区域获取模块，用于获取无线传感器网络的待部署三维目标区域；

初始位置获取模块，用于在所述待部署三维目标区域内随机抛洒无线传感器网络节点，并获取每一所述无线传感器网络节点的初始位置；所述初始位置为在三维目标区域中的初始的坐标；

初始覆盖率确定模块，用于根据所述待部署三维目标区域、每一所述无线传感器网络节点的初始位置以及每一所述无线传感器网络节点的感知半径确定初始覆盖率；所有无线传感器网络节点的感知半径相同；

优化模型确定模块，用于建立以每一所述无线传感器网络节点的位置为变量，以覆盖率最大为目标函数的优化模型；

目标位置确定模块，用于根据所述优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一所述无线传感器网络节点的目标位置；所述目标位置为覆盖率最大对应的三维目标区域中的坐标；

无线传感器网络节点部署模块，用于根据每一所述无线传感器网络节点的目标位置进行无线传感器网络节点的部署。

可选的，还包括：

立方体网格划分模块，用于对所述待部署三维目标区域进行立方体网格划分。

可选的，所述目标位置确定模块具体包括：

虚拟力步长因子确定单元，用于根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子；

融合单元，用于将所述虚拟力步长因子融合至所述人工鱼群算法中的移动准则中；

目标位置确定单元，用于根据所述优化模型，利用融合后的人工鱼群算法确定每一所述无线传感器网络节点的目标位置。

可选的，所述虚拟力步长因子确定单元具体包括：

虚拟力步长因子确定子单元，用于利用公式F＝{(π_1X，π_1Y，π_1Z)，(π_2X，π_2Y，π_2Z)，...(π_nX，π_nY，π_nZ)，}确定虚拟力步长因子；其中，F为虚拟力步长因子，π_iX为无线传感器网络节点i在X轴方向的移动步长，π_iY为无线传感器网络节点i在Y轴方向的移动步长，π_iZ为无线传感器网络节点i在Z轴方向的移动步长，1≤i≤n，n为无线传感器网络节点的数量。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明所提供的一种基于三维环境的无线传感器网络节点部署方法及***，建立以三维目标区域的覆盖率为优化目标函数，提出一种基于虚拟力算法与人工鱼群算法相融合的三维无线传感器网络覆盖优化算法。利用融合算法实现优势互补，解决覆盖不合理、资源浪费等问题，并以提高网络覆盖率、减小覆盖空洞和增强算法稳定性等因素为目标，从而获得无线传感器网络节点最优部署方案，有效的提升了三维空间的覆盖率，并且使得最终的传感器排布均匀，进一步的提高了网络服务。

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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所提供的一种基于三维环境的无线传感器网络节点部署方法流程示意图；

图2为立方体网格划分示意图；

图3为随机抛洒无线传感器网络节点部署示意图；

图4为采用人工鱼群算法优化后的无线传感器网络节点部署示意图；

图5为采用虚拟力算法优化后的无线传感器网络节点部署示意图；

图6为采用融合的虚拟力算法与人工鱼群算法优化后的无线传感器网络节点部署示意图；

图7为本发明所提供的一种基于三维环境的无线传感器网络节点部署***结构示意图。

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，所描述的实施例仅仅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。

本发明的目的是提供一种基于三维环境的无线传感器网络节点部署方法及***，提高基于三维环境的无线传感器网络覆盖率。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明所提供的一种基于三维环境的无线传感器网络节点部署方法流程示意图，如图1所示，本发明所提供的一种基于三维环境的无线传感器网络节点部署方法，包括：

S101，获取无线传感器网络的待部署三维目标区域。

S101之后还包括：

对所述待部署三维目标区域进行立方体网格划分，如图2所示。

S102，在所述待部署三维目标区域内随机抛洒无线传感器网络节点，并获取每一所述无线传感器网络节点的初始位置；所述初始位置为在三维目标区域中的初始的坐标。在所述待部署三维目标区域内随机抛洒无线传感器网络节点如图3所示。

无线传感器网络节点采用二元感知模型的同构节点，均保证相同的感知半径和通信半径，且节点的通信半径为感知半径的2倍。

无线传感器网络节点均可获得自身坐标信息，可实现空间全方位探测，其探测范围是一个以R为半径的球体，且移动节点能量足够支持移动。

S103，根据所述待部署三维目标区域、每一所述无线传感器网络节点的初始位置以及每一所述无线传感器网络节点的感知半径确定初始覆盖率；所有无线传感器网络节点的感知半径相同。

S104，建立以每一所述无线传感器网络节点的位置为变量，以覆盖率最大为目标函数的优化模型。

S105，根据所述优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一所述无线传感器网络节点的目标位置；所述目标位置为覆盖率最大对应的三维目标区域中的坐标。

虚拟力算法是将监测区域中的节点通过引力、斥力作用进行重部署，使得二次部署的节点均匀排布。若两节点之间距离大于某一阈值，通过虚拟引力使两节点靠近；反之，便会产生虚拟斥力使两节点远离，有效提高网络覆盖率。

一般地，虚拟力算法VFA多用于二维空间中节点部署，但在实际三维应用场景均匀部署更加迫切，3D-VFA的提出可以有效的根据目标区域的不同形态重新部署从而提高区域覆盖率。设用F_pA代表优先覆盖区域对一个传感器产生的总吸力，用F_pR代表障碍物对一个传感器产生的总斥力，用F_pq代表传感器之间总引力或总斥力，则一个传感节点受到的总合力可以表示为：

人工鱼群算法(3D-AFSA)每条人工鱼都携带自身数据和拥有执行系列行为的能力，且对外界的感知是依靠视觉来实现的。根据实际环境做出相应决策，如觅食、聚群、追尾等行为，获得最优解。当前人工鱼在下一时刻的行为取决于自身状态和环境状态，并且还通过自身活动来影响环境，进而影响其他人工鱼活动。一般地，以当前网络覆盖率Q的大小作为评价函数对行为评价。接下来对这四种基本行为进行描述：(1)觅食行为：该行为是鱼寻找食物并移动至目标位置的一种活动，行动的方向通过视觉或味觉来感知水中的食物量或食物浓度来选择行动的方向。(2)聚群行为：该行为主要模拟应自然环境生存法则，鱼自然地聚集成群的一种反应行为。在聚群时需遵守一定规则：向中心位置靠近、避免拥挤、方向一致。(3)追尾行为：该行为是指向视野中最佳位置，在寻优算法中可以理解为是向附近的最优伙伴前进的过程，其中，最优是指该人工鱼自身解空间是当前最优部署方案。(4)随机行为：该行为是指自由移动扩大范围地寻找食物或其他人工鱼。

在三维空间网络应用中，自身数据即是一组解空间，通过算法的实现寻取最优鱼，也就是寻求最优覆盖方案。3D-AFSA的实现是通过循环执行这四种行为，并对行为进行评价，最终寻得最优解，即最优部署方案。

本发明将利用两算法各自特点进行融合，解决三维空间覆盖问题。3D-VFA局部优化效果佳、收敛速度快和使节点均匀分布等特点。3D-AFSA虽有着较强的全局优化效果和鲁棒性，但其搜索时间长、受步长影响较大和易出现不精确最优情况位置的缺陷。因此，发明将结合两种算法，形成优势互补，在3D-AFSA中引入步长因子、权重因子和全局最优信息形成3D融合算法，以获取最优部署方案。

S105具体包括：

根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子。

所述根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子，具体包括：

利用公式F＝{(π_1X，π_1Y，π_1Z)，(π_2X，π_2Y，π_2Z)，...(π_nX，π_nY，π_nZ)，}确定虚拟力步长因子；其中，F为虚拟力步长因子，π_iX为无线传感器网络节点i在X轴方向的移动步长，π_iY为无线传感器网络节点i在Y轴方向的移动步长，π_iZ为无线传感器网络节点i在Z轴方向的移动步长，1≤i≤n，n为无线传感器网络节点的数量。

作为一个具体的实施例，虚拟力步长因子确定的具体过程为：

将每个无线传感器网络节点的受力情况从X轴、Y轴、Z轴三个方向进行考虑。设无线传感器网络节点P的邻居节点集合为S_i，集合中的无线传感器网络节点用s_i来表示；虚拟力作用下节点可移动最大步长为Maxstep，所受合力方向与X轴夹角为α，所受合力方向与Y轴夹角为β，所受合力方向与Z轴夹角为θ。则无线传感器节点P所受的合力F_p表示如下：

那么可计算无线传感器节点沿X、Y、Z坐标轴方向的分力大小，以X方向为例：

可计算出无线传感器节点P在三个坐标轴方向上的移动步长，以X方向为例：

通过虚拟力计算后，可获得所有无线传感器节点的移动步长向量集合，即是虚拟力步长因子F，表达式如下：

F＝{(π_1X，π_1Y，π_1Z)，(π_2X，π_2Y，π_2Z)，...(π_nX，π_nY，π_nZ)，} (5)

为了减小对收敛性造成影响，做了如下改进：

step＝Minstep+(Maxstep-Minstep)/Maxstep (6)

将所述虚拟力步长因子融合至所述人工鱼群算法中的移动准则中。

针对随机行为移动准则改进有：

针对聚群行为移动准则改进有：

针对追尾行为移动准则改进有：

其中，X_i ^t+1为当前人工鱼t+1时刻状态，为了简单表示也可以X_j用来表示，X_i ^t为当前人工鱼t时刻状态(即位置信息)，也就是说移动前的状态，ω₁和ω₂为表示权重分配参数，两者和等于1，两者取值根据实验环境自行调整确定，Rand(0，1)为随机函数，产生随机数作用，满足实际环境下的不可预测情况，因此取随机来进行模拟，Visuanl为人工鱼的视野，即虚拟步长。

根据所述优化模型，利用融合后的人工鱼群算法确定每一所述无线传感器网络节点的目标位置。

作为一个具体的实施例，S105具体的流程为：

S1：鱼群初始化设置。设置人工鱼数量K、传感器节点数N和步长等参数。初始化每条鱼，随机产生人工鱼自身的解空间。

S2：公告牌设定。计算当前每个个体的自适应度，即网络覆盖率，并将最优覆盖率记录在公告板上。

S3：根据虚拟力算法计算虚拟力步长因子F，公式(5)。

S4：觅食行为。若目标位置优于当前位置，直接向位置进行移动，否则按公式(7)随机移动。

S5：聚群行为。满足该行为执行需求，按公式(8)执行，那么向目标中心位置靠拢；否则返回S4。

S6：追尾行为。满足该行为执行需求，按公式(9)执行，那么向目标局部最优位置方向移动；否则返回S4。

S7：分别计算觅食、聚群和追尾行为网络覆盖率函数值，使用评价函数评比，获得当前状态下的最优鱼位置。

S8：更新公告牌。本次迭代的网络覆盖率与公告牌的值进行对比、更新。

S9：终止条件判断。若满足则输出全局最优解，否则返回S3。

S10：算法终止，输出最优结果。

S106，根据每一所述无线传感器网络节点的目标位置进行无线传感器网络节点的部署。

利用仿真实验验证本发明的有效性，利用Matlab仿真环境下，模拟三维传感器网络的部署优化过程，验证本文所提出的融合算法的优化性能。通过仿真实验若单纯采用随机抛洒方式，则约需要500个传感器才能达到98％的覆盖率。假设在100*100*100的正方体的目标监测区域内随机抛洒60个可移动传感器进行部署优化，其中传感器半径R为15m，之间有效的通信距离为2*R，分别使用三种算法进行仿真实验。

具体仿***要参数设置如表1：

表1

在固定的实验环境下，分别使用采用人工鱼群算法、采用虚拟力算法和采用融合的虚拟力算法与人工鱼群算法对待部署三维目标区域进行仿真，其结果如图4、图5以及图6。如图4、图5以及图6所示，采用融合的虚拟力算法与人工鱼群算法使得无线传感器节点排布均匀，结合了虚拟力使节点快速均匀分布的优势和鱼群算法全局优化效果佳的优点。并且采用融合的虚拟力算法与人工鱼群算法稳定性和均衡较好，适用于三维空间覆盖环境。

图7为本发明所提供的一种基于三维环境的无线传感器网络节点部署***结构示意图，如图7所示，本发明所提供的一种基于三维环境的无线传感器网络节点部署***，包括：待部署三维目标区域获取模块701、初始位置获取模块702、初始覆盖率确定模块703、优化模型确定模块704、目标位置确定模块705以及无线传感器网络节点部署模块706。

待部署三维目标区域获取模块701用于获取无线传感器网络的待部署三维目标区域。

初始位置获取模块702用于在所述待部署三维目标区域内随机抛洒无线传感器网络节点，并获取每一所述无线传感器网络节点的初始位置；所述初始位置为在三维目标区域中的初始的坐标。

初始覆盖率确定模块703用于根据所述待部署三维目标区域、每一所述无线传感器网络节点的初始位置以及每一所述无线传感器网络节点的感知半径确定初始覆盖率；所有无线传感器网络节点的感知半径相同。

优化模型确定模块704用于建立以每一所述无线传感器网络节点的位置为变量，以覆盖率最大为目标函数的优化模型。

目标位置确定模块705用于根据所述优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一所述无线传感器网络节点的目标位置；所述目标位置为覆盖率最大对应的三维目标区域中的坐标。

无线传感器网络节点部署模块706用于根据每一所述无线传感器网络节点的目标位置进行无线传感器网络节点的部署。

本发明所提供的一种基于三维环境的无线传感器网络节点部署***，还包括：立方体网格划分模块。

立方体网格划分模块用于对所述待部署三维目标区域进行立方体网格划分。

所述目标位置确定模块706具体包括：虚拟力步长因子确定单元、融合单元以及目标位置确定单元。

虚拟力步长因子确定单元用于根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子。

融合单元用于将所述虚拟力步长因子融合至所述人工鱼群算法中的移动准则中。

目标位置确定单元用于根据所述优化模型，利用融合后的人工鱼群算法确定每一所述无线传感器网络节点的目标位置。

所述虚拟力步长因子确定单元具体包括：虚拟力步长因子确定子单元。

虚拟力步长因子确定子单元，用于利用公式F＝{(π_1X，π_1Y，π_1Z)，(π_2X，π_2Y，π_2Z)，...(π_nX，π_nY，π_nZ)，}确定虚拟力步长因子；其中，F为虚拟力步长因子，π_iX为无线传感器网络节点i在X轴方向的移动步长，π_iY为无线传感器网络节点i在Y轴方向的移动步长，π_iZ为无线传感器网络节点i在Z轴方向的移动步长，1≤i≤n，n为无线传感器网络节点的数量。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于三维环境的无线传感器网络节点部署方法，其特征在于，包括：

获取无线传感器网络的待部署三维目标区域；

在所述待部署三维目标区域内随机抛洒无线传感器网络节点，并获取每一所述无线传感器网络节点的初始位置；所述初始位置为在三维目标区域中的初始的坐标；

根据所述待部署三维目标区域、每一所述无线传感器网络节点的初始位置以及每一所述无线传感器网络节点的感知半径确定初始覆盖率；所有无线传感器网络节点的感知半径相同；

建立以每一所述无线传感器网络节点的位置为变量，以覆盖率最大为目标函数的优化模型；

根据所述优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一所述无线传感器网络节点的目标位置；所述目标位置为覆盖率最大对应的三维目标区域中的坐标；

根据每一所述无线传感器网络节点的目标位置进行无线传感器网络节点的部署。

2.根据权利要求1所述的一种基于三维环境的无线传感器网络节点部署方法，其特征在于，所述获取无线传感器网络的待部署三维目标区域，之后还包括：

对所述待部署三维目标区域进行立方体网格划分。

3.根据权利要求1所述的一种基于三维环境的无线传感器网络节点部署方法，其特征在于，所述根据所述优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一所述无线传感器网络节点的目标位置，具体包括：

根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子；

将所述虚拟力步长因子融合至所述人工鱼群算法中的移动准则中；

根据所述优化模型，利用融合后的人工鱼群算法确定每一所述无线传感器网络节点的目标位置。

4.根据权利要求3所述的一种基于三维环境的无线传感器网络节点部署方法，其特征在于，所述根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子，具体包括：

利用公式F＝{(π_1X，π_1Y，π_1Z)，(π_2X，π_2Y，π_2Z)，...(π_nX，π_nY，π_nZ)，}确定虚拟力步长因子；其中，F为虚拟力步长因子，π_iX为无线传感器网络节点i在X轴方向的移动步长，π_iY为无线传感器网络节点i在Y轴方向的移动步长，π_iZ为无线传感器网络节点i在Z轴方向的移动步长，1≤i≤n，n为无线传感器网络节点的数量。

5.一种基于三维环境的无线传感器网络节点部署***，其特征在于，包括：

待部署三维目标区域获取模块，用于获取无线传感器网络的待部署三维目标区域；

初始位置获取模块，用于在所述待部署三维目标区域内随机抛洒无线传感器网络节点，并获取每一所述无线传感器网络节点的初始位置；所述初始位置为在三维目标区域中的初始的坐标；

初始覆盖率确定模块，用于根据所述待部署三维目标区域、每一所述无线传感器网络节点的初始位置以及每一所述无线传感器网络节点的感知半径确定初始覆盖率；所有无线传感器网络节点的感知半径相同；

优化模型确定模块，用于建立以每一所述无线传感器网络节点的位置为变量，以覆盖率最大为目标函数的优化模型；

目标位置确定模块，用于根据所述优化模型，采用融合的虚拟力算法与人工鱼群算法确定每一所述无线传感器网络节点的目标位置；所述目标位置为覆盖率最大对应的三维目标区域中的坐标；

无线传感器网络节点部署模块，用于根据每一所述无线传感器网络节点的目标位置进行无线传感器网络节点的部署。

6.根据权利要求5所述的一种基于三维环境的无线传感器网络节点部署***，其特征在于，还包括：

立方体网格划分模块，用于对所述待部署三维目标区域进行立方体网格划分。

7.根据权利要求5所述的一种基于三维环境的无线传感器网络节点部署***，其特征在于，所述目标位置确定模块具体包括：

虚拟力步长因子确定单元，用于根据所有的无线传感器网络节点，采用虚拟力算法确定虚拟力步长因子；

融合单元，用于将所述虚拟力步长因子融合至所述人工鱼群算法中的移动准则中；

目标位置确定单元，用于根据所述优化模型，利用融合后的人工鱼群算法确定每一所述无线传感器网络节点的目标位置。

8.根据权利要求7所述的一种基于三维环境的无线传感器网络节点部署***，其特征在于，所述虚拟力步长因子确定单元具体包括：

虚拟力步长因子确定子单元，用于利用公式F＝{(π_1X，π_1Y，π_1Z)，(π_2X，π_2Y，π_2Z)，...(π_nX，π_nY，π_nZ)，}确定虚拟力步长因子；其中，F为虚拟力步长因子，π_iX为无线传感器网络节点i在X轴方向的移动步长，π_iY为无线传感器网络节点i在Y轴方向的移动步长，π_iZ为无线传感器网络节点i在Z轴方向的移动步长，1≤i≤n，n为无线传感器网络节点的数量。

Images