[发明专利]有向传感器网络优化部署系统和方法

说明书

本发明公开了一种有向传感器网络优化部署系统和方法，解决了现有有向传感器网络计算量大、搜索速度慢，复杂度高的不足。部署系统由初始化随机部署模块、加权离散化模块、最小曝光路径搜索模块和优化部署模块依次首尾相连，实现对部署区域的覆盖质量的提高。部署方法包括：确定部署区域并随机初始部署传感器，设最小曝光度目标值；用粒子群算法搜索最小曝光路径；确定最优部署点并部署有向传感器；得到最优部署方案。本发明使用粒子群算法搜索最小曝光路径，找到最优部署点并部署有向传感器，有效改善最小曝光路径，提高部署区域覆盖率，搜索速度快，计算简便，效率高，用于有向传感器网络的优化部署。

技术领域

本发明属于信息技术领域，主要涉及无线传感器网络的优化部署问题，具体是一种有向传感器网络的优化部署系统和方法，可用于有向传感器网络的优化部署，增强有向传感器网络覆盖率，提高覆盖质量。

背景技术

大规模无线传感器网络(Wireless sensor network，WSN)是信息技术领域的热点问题之一。当需要对某一区域进行环境监测与信息感知时，就需要在该区域大规模部署无线传感器网络，可以实现对部署区域内的各类入侵行为的感知，因此大规模无线传感器网络用处十分广泛，可以应用于军事、医学、农业、气象等领域中来完成诸多困难性任务。然而WSN面临的最大挑战就是传感器的部署，它会对整个网络的特性产生影响，会直接影响网络的覆盖率、网络连通性、网络能效以及系统寿命等，故需要在保证系统检测效率的基础上，使系统的覆盖能力达到最优。

现有的传感器大多使用无方向限制的全向感测模型，即传感器在所有方向上的感测能力是相同的。但是，一些常用的传感器(例如摄像机传感器和多普勒探头等)是有方向性的，当传感器符合有向感测模型时，将该传感器网络称为有向传感器网络。与传统传感器网络相比，有向传感器网络优化部署问题更加复杂，由于其感测区域是受检测视角限制的特定方向上的感知范围，使得其在很多方面与全向感测模型不同，故现有全向部署方法均无法直接应用于有向传感器网络。现有的关于全向和有向传感器网络优化部署研究总结如下：Lili Zhang等人发表于2015Seventh International Symposium on ParallelArchitectures,Algorithms and Programming的题目为《The minimal exposure path inmobile wireless sensor networks》的一文中，基于Voronoi图进行传感器网络的优化部署，提出了一种切线规避法来搜索最小曝光路径，优点是同时实现了部署区域内移动传感器和静态传感器的最小曝光路径求解，但是本文使用的是全向传感器模型，不能适用于有向传感器网络；Liang Liu等人发表于Wireless Communications And Mobile Computing的《Minimal exposure path algorithms for directional sensor networks》一文中，提出了基于扇形形心的Voronoi图的有向传感器网络优化部署方法，运用Dijkstra最短路径算法计算最小曝光路径，然后沿着最小曝光路径直接添加传感器节点，此方法可以有效提高覆盖质量，但缺点在于使用Voronoi图进行加权离散化操作过程繁琐、计算复杂，且直接沿最小曝光路径添加节点会造成如节点冗余问题；Hao Feng等人发表于InternationalJournal of Distributed Sensor Networks的名为《A novel minimal exposure pathproblem in wireless sensor networks and its solution algorithm》一文中，使用基于Voronoi图和有限差分法计算最小曝光路径，将一段曲线路径分解成多个小段后再分别求解其最小曝光路径，最后汇总各段最小曝光路径得到最终的最小曝光路径，创新性地使用有限差分法计算最小曝光路径，但其缺点在计算量较大，处理速度慢；Binh N等人在2017IEEE Symposium Series on Computational Intelligence发表的《Geneticalgorithm for solving minimal exposure path in mobile sensor networks》一文中，使用遗传算法寻找有向传感器网络的最小曝光路径，通过初始化种群，利用交叉和变异方法产生新的下一代加入到种群中，迭代直至找到满足条件的最小曝光路径，这种方法可以有效找到最小曝光路径，但其缺点在于遗传算法收敛速度慢，计算量较大。