[发明专利]复杂三维场景环境下有向传感器网络覆盖方法

摘要

本发明是一种复杂三维场景环境下有向传感器网络覆盖方法，用于无线有向传感器网络环境，针对有向传感器节点对三维地形的监测与二维平面的区别，改进有向传感器节点在三维地形中的感知模型；基于网格划分思想，计算出监测的三维地形区域所需部署的节点个数并对区域进行有向传感器节点的初始部署；更进一步基于模拟退火思想，设计策略对传感器节点的部署坐标位置进行优化，在一定程度上增大各节点自身的覆盖区域以减少整个监测区域的盲区；基于局部最优思想，对传感器节点的偏向角进行优化，增大节点与其相邻节点的整体覆盖区域以增大整个监测区域的覆盖率。通过使用本发明提出的方法可提高有向传感器网络中节点感知的三维地形信息的利用率。

主权项

1.一种复杂三维场景环境下有向传感器网络覆盖方法，其特征在于：针对有向传感器节点对三维地形的监测与二维平面的区别，改进有向传感器节点在三维地形中的感知模型；基于网格划分思想，计算出监测的三维地形区域所需部署的节点个数并对区域进行有向传感器节点的初始部署；更进一步基于模拟退火策略对传感器节点的部署坐标位置进行优化，在一定程度上增大各节点自身的覆盖区域以减少整个监测区域的盲区；基于局部最优思想，对传感器节点的偏向角进行优化，增大节点与其相邻节点的整体覆盖区域以增大整个监测区域的覆盖率；从而实现复杂三维场景区域覆盖的增强；所述方法包含以下的具体步骤：初始场景设置：步骤1)设置监测区域场景及有向传感器节点：设置需要采用有向传感器网络监测的区域场景大小；初始化监测场景中部署的有向传感器节点的主感知方向及感知区域边长；步骤2)设置模型地形：模型地形定义为，表面凹凸不规则的复杂三维地形；步骤3)将复杂三维地形场景离散化处理；构建计算有向节点对场景的覆盖率的方法；初始部署：步骤4)由有向传感器节点的感知区域边长和网络监测的区域场景大小计算监测区域部署的有向传感器节点个数；步骤5)基于步骤4)中得到的监测区域部署的有向传感器节点个数，运用网格划分策略对监测场景进行初始部署；节点坐标优化：步骤6)设置节点移动步长，考虑场景中部署的每个传感器节点，在步骤5)的结果基础上运用模拟退火策略对传感器节点的部署坐标进行优化；节点偏向角优化：步骤7)设置偏向角递增变量，考虑场景中部署的每个传感器节点与其相邻节点的关系，在步骤6)的结果基础上运用局部最优思想对传感器节点的偏向角度进行优化；至此，实现了复杂三维地形区域的曲面覆盖增强；所述感知模型具体为：有向节点在平面上的覆盖区域为一个正方形；节点感知模型可以由一个三元组(P,C,d)表示，其P＝(x,y,z)为节点在三维空间中的坐标；C＝(γ,θ)为节点的感知方向，γ为仰俯角，γ统一为0；θ为偏向角，θ的取值范围为[0,2π)；d为有向节点投影在平面上的正方形区域边长；不规则表面上某点Q(xQ,yQ,zQ)是否被传感器节点S覆盖续满足以下公式：当(xQ‑x)×cos(‑θ)‑(yQ‑y)×sin(‑θ)≥0时；zQ≤z×(d‑(xQ‑x)×cos(‑θ)+(yQ‑y)×sin(‑θ))/d   (1)当(xQ‑x)×cos(‑θ)‑(yQ‑y)×sin(‑θ)＜0时；zQ≤z×(d+(xQ‑x)×cos(‑θ)‑(yQ‑y)×sin(‑θ))/d   (2)当(xQ‑x)×sin(‑θ)+(yQ‑y)×cos(‑θ)≥0时；zQ≤z×(d‑(xQ‑x)×sin(‑θ)‑(yQ‑y)×cos(‑θ))/d   (3)当(xQ‑x)×sin(‑θ)+(yQ‑y)×cos(‑θ)＜0时；zQ≤z×(d+(xQ‑x)×sin(‑θ)+(yQ‑y)×cos(‑θ))/d   (4)所述复杂三维地形离散化处理具体为：有向传感器网络表面覆盖增强对应的是对连续监测区域上的离散点进行覆盖；故将复杂三维地形表面区域的覆盖简化为三维空间中的点覆盖；因此首先需要对监测区域进行离散化；在水平的两个方向分别隔Δx、Δy选取一个离散点，每个选取点对应一个z坐标，将目标区域离散化，复杂三维地形表面场景的覆盖率转化为对表面上离散点被覆盖程度的计算；所述网格划分策略具体为：复杂三维地形场景在XOY平面上为边长为size的正方形，有向节点投影在平面上的正方形区域边长为d；可以将监测场景划分为(size/d)×(size/d)个网格，在监测区域内部署(size/d)×(size/d)个传感器节点；节点放在每个网格的中心上方的统一高度；该部署方式情况下，每个节点在XOY平面的感知区域投影正好与XOY平面的划分出的网格重合；所述模拟退火策略具体为：针对每一个节点进行考虑，Q_k为节点在网格划分部署后的覆盖离散点数；由节点初始坐标和移动步长step、衰减控制参数eps起始；当step＞eps时，将节点的坐标向X轴Y轴四个方向移动step长的距离，计算节点在新坐标的覆盖的离散点数取若Q'_k‑Q_k＞0，则Q_k＝Q'_k，节点移动到新坐标；若exp((Q'_k‑Q_k)/step)＞random(0,1)，则Q_k＝Q'_k，节点移动到新坐标；然后step＝step/2，继续对该节点进行考虑，直到step＜eps为止；选取合适的步长移动某一节点的坐标，移动节点后，若该节点向移动方向增加的覆盖离散点数多于因为移动而减少的覆盖离散点数，那么该节点覆盖的离散点数目便得到增加，所述局部最优思想具体为：运用局部最优思想为所有节点进行坐标进行优化，考虑每个节点与周围相邻节点的重叠关系，改变其偏向角度，使其与相邻节点的覆盖离散点数和进一步提高；每一个节点进行考虑，cnt为当前考虑节点与其相邻所有节点的覆盖离散点数，初始化偏向角角度递增变量γ；节点的偏向角由0至2/π之间递增，计算节点角度增加后与其相邻所有节点的覆盖离散点数和cnt'；若cnt'＞cnt，cnt＝cnt'，并更新节点的偏向角；偏向角优化后，复杂三维地形场景的有向传感器表面目标覆盖率可以达到一个最优值。