电子科技论文基于虚拟力的传感器网络三维覆盖算法
无线传感器网络是一种分布式传感网络，它的末梢是可以感知和检查外部世界的传感器。WSN广泛应用于军事、智能交通、环境监控、医疗卫生等多个领域。本文是一篇电子科技论文范文，主要论述了基于虚拟力的传感器网络三维覆盖算法。
摘要：针对三维无线传感器网络中节点非均匀覆盖需求的问题，提出一种基于虚拟力的三维覆盖算法(3DCAVF)。该算法是将虚拟力应用在无线传感器网络中实现节点布置， 通过虚拟力和拥挤度控制， 使节点能够自动覆盖事件， 并且使节点和事件的密度呈现一种平衡的效果。在Matlab平台上进行仿真实验，将所提算法与基于人工势场的三维部署算法(APFA3D)、基于未知目标精确覆盖的三维部署算法(ECA3D)进行比较，在事件呈T型不均匀部署和线型不均匀部署两种情况下进行实验，所提算法的事件集覆盖效能比APFA3D、ECA3D 算法有3.6%、3.1%的提高。仿真实验结果表明所提算法能够有效处理三维无线传感器网络中节点的布置问题。
关键词：无线传感器网络,三维覆盖,虚拟力,拥挤度控制,事件
0引言
现如今对于无线传感器网络(Wireless Sensor Network， WSN)[1-2]的探索与使用已经是一个迅速发展的领域，再加上无线通信技术与电子技术的突飞猛进，促使费用低、能量消耗少、功能丰富的传感器的开发向占用空间更小，并使这些传感器的开发向通信方面发展。尽管无线传感器网络最开始是在军事方面使用，但现在其被研究和运用在许多不同的民用领域，如：车辆跟踪、环境监测、森林河畔监测、地震观测、生物医学或医疗应用以及建筑工程监理等。无线传感器网络拥有可移动的或者可静止的传感器节点，收集被监测地区的一些被感知对象的信息，并且要把这些信息传给网络拥有者。覆盖在无线传感器网络中一直非常受到关注，其与节能问题、连通性问题以及网络重组问题有关。
它主要解决如何部署传感器节点实现充分有效覆盖，使服务区内的每个点至少得到一个传感器节点的监控[3-4]。
针对无线传感器网络中的覆盖问题，众多学者相继提出一系列的解决方案。于广州[5]提出了一种覆盖算法，它是针对多类别目标的在线性规划的基础上实现的，此算法通过簇结构得到的全局覆盖集接近最优解;Ren等[6]分析了4个虚拟力模型参数，然后选择4个评价因子(覆盖增量规模、迭代次数、覆盖效率、节点平均移动距离)评价这些虚拟力模型;衣晓等[7]证明结合使用单重覆盖和多重覆盖能够有效解决边界区域的覆盖问题;Esnaashari等[8]提出了一种自学习的部署策略，在没有任何传感器知道它的位置或与其他传感器的相对距离的网络区域指导移动传感器节点的方法; Wang等[9]提出一种局部虚拟力的方法用来增强移动节点的覆盖效能。
1相关工作
虚拟力算法(Virtual Force Algorithm， VFA)[10]是节点随机抛洒到监测区域后借助物理世界中的范德华力进行重新部署。
当两个节点间的距离大于某值时，会产生引力拉近它们的距离，而当距离过近直到小于某一给定的值时，则会产生斥力，依此来调整两者之间的距离，使节点均匀地分布在目标区域。但VFA只适用于二维空间中节点的部署。针对三维空间的VFA3D(Virtual Force Algorithm in ThreeDimensional Space)和ECA3D(Exact Covering Algorithm in ThreeDimensional Space)[11]相继被提出，算法中的节点能够根据目标区域的不同形态重新部署从而提高区域覆盖率，但它们为了实现完全覆盖使节点均匀地分布在目标区域中，都没有考虑到不同情况对覆盖程度的要求不同，比如要监测热带雨林中的红壤就没有必要监测砖红壤。本文研究了传感器节点在三维无线传感器网络中的非均匀覆盖需求的问题，提出了一种基于虚拟力的传感器网络三维覆盖算法(ThreeDimensional Coverage Algorithm based on Virtual Force in sensor network， 3DCAVF)， 此算法将虚拟力应用在三维无线传感器网络中实现节点布置， 并且使得节点和事件的散布密度达到互相匹配的目的。
2基于虚拟力的传感器网络三维覆盖算法
2.1虚拟力相关模型
为更好地理解本文算法，设计了与虚拟力相关的节点覆盖模型，如图1～5所示分别呈现了节点受虚拟力影响最终覆盖事件的过程，黑色的圆点表示被监测的事件[12]，黑色球体表示随机撒入监测区域的传感器节点，箭头表示力的作用。
2.23DCAVF的实现
关于虚拟力公式模型的研究截至目前已有很多种，李享等[10]借助了范德华力，刘惠等[13]使用了胡克定律以及库仑定律，本文则借鉴了关于万有引力的模型[14]。以下是本文中涉及到的虚拟力的分析。在整个监测区域中节点受到的作用力有：节点间的相互作用力Fij，事件对节点的吸引力Fe以及障碍物和节点之间的斥力Fb。
1)节点间的相互作用力。
Fij=
+∞，0 (k1mimj)/(da1ij)，kmin 0，dij=kb
(-k2mimj)/(da2ij)，kb 0，dij>Rc (1)
其中：k1、k2、a1、a2都表示增益系数;mi、mj表示节点质量因子(通常取单位1);dij表示节点i和节点j的欧氏距离;kmin表示节点间的最小安全距离;kb表示节点间的平衡距离;Rc表示节点的通信半径。当节点之间的距离小于最小安全距离时，节点之间具有无穷大的排斥力;当节点之间的距离在最小安全距离与平衡距离之间时，节点间具有排斥力;当节点之间的距离等于平衡距离时，达到平衡没有作用力;当节点之间的距离在平衡距离与通信半径之间时，节点相互吸引;当节点之间的距离比通信半径大的时候，节点间的作用力消失。 2)事件对节点的吸引力。
Fe=
(-k3meimj)/(d(ei， j)ae)，j∈Q(E)
0，其他 (2)
其中：k3、ae表示增益系数;d(ei， j)表示节点j到事件ei的欧氏距离;mei、mj分别表示事件ei与节点j的质量因子;Q(E)表示事件集E产生的引力所作用的区域。当节点在事件集E所产生的引力作用范围内时，节点就会被事件吸引。
3)障碍物和节点之间的斥力。
Fb=
(k4mimj)/(dabij)，0 0，dij>L (3)
其中：k4、ab是增益系数;L是节点i到障碍物的欧氏距离。节点在移动时可能会与障碍物发生碰撞，所以可在障碍物的一定范围内设置指示节点j，当节点运动到指示节点的范围内时，指示节点就会对其产生排斥力。
4)节点所受虚拟力合力。
节点i所受到的虚拟力的合力如式(4)所示：
Fi=
Fe+∑j∈SF-ij+Fb，i∈Q(E)∩iE
∑j∈SF+ij，i∈Q(E)∩i∈E
∑j∈SF-ij+Fb，iQ(E) (4)
其中S表示传感器节点集。当节点i在事件引力范围内并且i没有覆盖事件时，节点i受到事件的吸引力、节点间的吸引力以及障碍物的斥力;当节点i在事件引力范围内并且i覆盖事件时，节点i只受节点间的斥力影响;当节点i不在事件引力范围内时，节点i受到节点间的吸引力和障碍物的斥力的作用。
2.3算法描述
1)算法假设。
①任意传感器节点拥有感知能力、通信能力以及移动能力;
②Rc=2Rs，Rs为感知半径;
③传感器节点能够感知它所覆盖的事件;
④可以测量得到监测区域中的节点个数n;
⑤节点的最大移动步长为dirmax;
⑥节点i覆盖的事件数为Nevent(i);
⑦节点i的邻居节点数为Nneighbor(i);
⑧节点i处允许的拥挤度为δ(i)[12];
2)算法流程。
步骤1在被监测的区域D中随机撒布n个传感器节点。通过判断自己的状态以及邻居节点的状态，节点i执行以下操作。
步骤2当传感器节点i没有覆盖事件时分为两种情况。第一种情况是当此节点i没有邻居节点时，节点i会在最大移动步长dirmax内，随机移动到新位置Pni;第二种情况是当此节点i有邻居节点时，节点i会在相应虚拟力作用下移动。而当传感器节点i覆盖了事件，节点i也会在相应虚拟力的作用下进行移动。伪代码如下：
程序前
For loop=1：Maxloop;//循环迭代次数
While Nevent(i)=0
Do If (Nneighbor(i)=0)
Then Pni=Pi+random(dirmax)Or;
//在最大移动步长dirmax内，随机移动到新位置Pni。
//其中random(dirmax)表示0到dirmax之间的随机数，
//Or表示任意单位向量。
Else If (Nneighbor(i)>0)
Then 根据式(4)计算Fi;
While Nevent(i)>0
Do 根据式(4)计算Fi;
End For
程序后
步骤3当传感器节点覆盖了所有事件，这些传感器节点就会在拥挤度的控制下进行更优化的部署，伪代码如下：
程序前
While Nevent(i)<δ(i)
Do 根据合力及移动距离重新部署节点。
程序后
2.4算法分析
事件ei被节点j所覆盖的概率由式(5)计算：
p(ei， j)=
1，d(ei， j)≤
e-λ[d(ei， j)-]， 0，d(ei， j)>Rs (5)
其中：d(ei， j)表示事件ei与节点j的欧氏距离;表示节点的自信圆半径[12];λ表示感知衰减因子，λ是节点的物理特性。
事件集E的覆盖度由式(6)计算：
C(E)=∑ei∈E∑j∈Sp(ei， j)(6)
其中∑j∈Sp(ei， j)表示事件ei的覆盖度。
假设在三维传感器网络中有一事件ei(xi，yi，zi)，则这个事件与撒布在三维传感器网络中的一个节点j(xj，yj，zj)的欧氏距离是在不受虚拟力时的距离为：
d(ei， j)=(xj-xi)2+(yj-yi)2+(zj-zi)2(7
而在虚拟力的作用下，节点j会随虚拟力的合力大小和方向进行移动，因此事件ei与节点j的欧氏距离也会发生相应的改变：
d′(ei， j)=d(ei， j)+dirj(8
由式(8)减去式(7)得到：
d′(ei， j)-d(ei， j)=dirj=arctan(Fi)×2π×dirmax(9)
其中arctan(Fi)×(2/π)×dirmax是一个小于零的数[13]，所以得出d′(ei， j) 3仿真实验和性能分析
为了验证本文算法的性能，将本文算法与APFA3D(Artificial Potential Field Algorithm in ThreeDimensional Space)[11]和ECA3D[11]在Matlab中进行仿真比较。假设无线传感器网络部署在100m×100m×100m的立方体服务区中，在此监测服务区内分别对事件呈T型不均匀部署和事件呈线型不均匀部署展开实验，仿真参数如表1所示。 假设无线传感器网络部署在100m×100m×100m的立方体服务区中，在此监测服务区内进行2组实验。
在实验1中将30个事件呈T型不均匀部署，7个传感器节点随机撒布，实验如图6所示，其中黑色小圆点代表事件，黑色球体代表传感器节点在三维空间中的感知范围。
从图6中可以看出：APFA3D虽然对事件密集的地方进行了覆盖，但是还是存在覆盖漏洞;ECA3D虽然较APFA3D覆盖程度高，但是并没有对事件密集的地方进行更好地覆盖;本文的3DCAVF由于使用虚拟力并且将覆盖目标作为事件，不仅是传感器节点具有虚拟力，事件集同样具有虚拟力，在虚拟的引力和斥力的作用下，传感器节点与事件能够更好地匹配。本文的3DCAVF较APFA3D与ECA3D 有更高的覆盖率，并且实现了传感器节点和事件的分布密度互相匹配。
在实验2中，将无线传感器网络部署在100m×100m×100m的立方体服务区中，在此监测服务区中将30个事件呈线型不均匀部署，并且随机撒布7个传感器节点，实验如图7所示，其中黑色小圆点代表事件，黑色球体代表传感器节点在三维空间中的感知范围。
从图7中可以看出：本文的3DCAVF由于运用虚拟力和拥挤度进行控制，使得事件密度高的区域能够具有更高的覆盖度;虽然ECA3D较APFA3D能够达到更好地覆盖效果，但是ECA3D却不能根据事件的密集程度进行更好的覆盖。本文的3DCAVF较APFA3D与ECA3D有更高的覆盖率，并且实现了传感器节点和事件的分布密度互相匹配。
本文使用文献[12]中提出的事件集覆盖效能η(E)作为算法的性能评价指标。图8提供了2组实验中的η(E)的比较。 如图8所示，实验1事件呈T型不均匀分布，三种算法从一开始就表现明显，本文算法在第8次迭代就达到了最优覆盖效能，节点经少数几次运动就达到对事件的优化覆盖，收敛速度也较快，APFA3D在第20次才达到最优，虽然ECA3D较APFA3D要好但也是在大约第15次时达到最优。实验2事件呈线型不均匀部署，在第20次迭代以前APFA3D较本文算法与ECA3D有明显优势且收敛速度快，从第25次迭代开始ECA3D赶超APFA3D，从第20次开始本文算法表现出了优势。可以看出本文算法较其他两种算法具有较高的事件集覆盖效能并且算法的收敛速度也较其他两种算法快。
4结语
本文研究了传感器网络的覆盖问题，针对传感器网络的非均匀覆盖需求，将虚拟力应用在无线传感器网络中实现三维覆盖。本文的3DCAVF对无线传感器网络中的节点进行受力分析，根据不同的情况实现相应的部署。文中通过与APFA3D和ECA3D比较，验证了本文3DCAVF较高的事件集覆盖效能。作为下一步的工作，我们将解决本文算法能量消耗的问题并在实际环境中对本文算法进行测试。
参考文献：
[1]REN X， WANG C. Multipath routing protocol based on threedimensional space and regional coevolution in wireless sensor network [J]. Journal of Computer Applications， 2015， 35(3)：610-614.(任秀丽，王冲.基于三维空间与区域协同进化的无线传感网多路径路由协议[J].计算机应用，2015，35(3)：610-614.)
[2]DAI G， CHEN L， ZHOU B， et al. Coverage hole detection algorithm based on Voronoi diagram in wireless sensor network [J]. Journal of Computer Applications， 2015， 35(3)：620-623.(戴国勇，陈麓屹，周斌彬，等.基于Voronoi图的无线传感器网络覆盖空洞检测算法[J].计算机应用，2015，35(3)：620-623.)
[3]LIAO W， KAO Y， LI Y. A sensor deployment approach using glowworm swarm optimization algorithm in wireless sensor networks [J]. Expert Systems with Applications， 2011， 38(10)：12180-12188.
[4]LE D， OH H， YOON S. VirFID： a Virtual Force (VF)based interestdriven moving phenomenon monitoring scheme using multiple mobile sensor nodes[J].Ad Hoc Networks，2015，27：112-132.
[5]YU G. Multiclass target coverage algorithm based on programming in wireless sensor network [J]. Computer Engineering， 2014， 40(3)： 152-162.(于广州.WSN中基于线性规划的多类别目标覆盖算法[J].计算机工程， 2014，40(3)： 152-162.)
电子科技论文发表期刊推荐《山西电子技术》是山西省电子信息产业唯一公开发行的专业技术期刊。在30年的办刊过程中，刊物一直坚持电子信息行业交流信息，探讨技术的园地，主要宣传报道电子信息领域新技术、新成果;为我省电子信息产业发展服务的办刊宗旨。
