[发明专利]一种基于虚拟力和泰森多边形的覆盖方法

说明书

本发明公开了一种基于虚拟力和泰森多边形的覆盖方法，首先通过虚拟力方案尽可能的分散无线节点以提高监测区域的初始覆盖率，其次采用集合划分Voronoi方案和Minmax精度调整,有效降低虚拟力方案陷入局部最优，并使用质心算法提高虚拟力算法的收敛速度，经过多次迭代，本发明在限定区域内，使无线节点能够取得最大的无线信号覆盖范围。

技术领域

本发明涉及一种无线传感器节点覆盖方法，特别是一种基于虚拟力和泰森多边形的覆盖方法。

背景技术

无线传感器网络(Wireless Sensor Network,WSN)在环境感知、入侵检测、灾害监控等方面有着广泛的应用，这些应用都需要无线传感器网络对固定的区域进行相应的网络覆盖，以确保有效的感知与探测。如果部署的面积大，探测目标要求高，就需要大量的无线传感器网络节点，这将大量增加网络的部署成本。如何使用较少的无线传感器节点达到网络的覆盖要求，以达到应用需求，显得尤为重要。

无线传感器网络覆盖算法可分为两个类，一类是集中式覆盖算法，即通过预先部署固定节点在限定区域内，通过节点通信范围计算此限定区域的覆盖率，而后加入移动型节点，由集中式算法获得的网络全局信息对于覆盖盲区进行补充和修整。代表算法有粒子群优化算法(Particle Swarm Optimization,PSO)、概率感知模型算法等。另一类是分布式覆盖算法，即直接部署移动节点，通过感知周围节点的信息进行自主移动提高覆盖率，无需获取全局网络信息，减少能量消耗，具有部署简单，自主化程度高等特点。代表算法有虚拟力算法(Virtual Force,VF)、节点感知方向调节算法(Distributed Node OrientationAdjust,DNOA)。

粒子群优化算法具有搜索速度快，算法简单等优点，但其对于离散型优化问题处理不佳，容易陷入局部最优。概率感知模型算法运行必须获得全局所有节点信息，其概率模型运行速度较快，但其主观影响因素较大。节点感知方向调节算法中算法复杂度高，对于节点能量等要求高，不适合大规模部署。虚拟力算法中主观因素影响小，收敛速度较快，无需获得全局节点信息，适合大规模部署，但其易陷入局部最优。

发明内容

本发明所要解决的技术问题是提供一种基于虚拟力和泰森多边形的覆盖方法，使无线信号节点在限定区域内获取最大的信号覆盖范围。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于虚拟力和泰森多边形的覆盖方法，其特征在于包含以下步骤：

步骤一：定义无线传感器网络节点为N个，每个节点感知半径为R_s，无线传感器网络节点集S随机部署在固定区域的二维空间A内，节点具有自主移动性，节点通信半径为R_c，R_c≥2R_s，节点S_i属于S集合，以节点为感知圆心；

步骤二：在二维空间A进行节点集定义，将算法运行过程中的参数及变动的无线传感器节点集定义，指出覆盖率计算方法；

步骤三：进入算法仿真过程，首先在限定的二维空间A内由虚拟力算法将节点集S充分受力并分布均匀，使整个区域内的无线节点具有一定分散性；

步骤四：关闭虚拟力，为移动后节点集S进行Voronoi划分，对检测区域二维空间A内的衍生节点集W进行存储；

步骤五：将区域A内的衍生节点集W进行质心改进，得到质心点集N；

步骤六：将质心点集与移动后节点集进行对比移动，优化无线传感器节点位置；

步骤七：优化后的无线节点位置采用Minmax算法进行优化，提高节点覆盖率的稳定性。

进一步地，所述步骤二中节点集定义包含：