优化最大监测频率和保证目标覆盖率和能量收集无线传感器网络的连通性

文摘

改善的质量监控和保证目标在能量收集无线传感器网络覆盖和连通性(EH-WSNs) near-perpetual环境监测的重要问题。现有解决方案的效用只关注报道或节能覆盖网络通过考虑目标连接电池。本文侧重于优化的最大监测频率EH-WSNs保证目标覆盖和连通性。我们首先分析了影响因素监测质量和能量收获模型。此后,我们提出这个问题制定和提出的算法最大化监测频率和保证目标覆盖和连通性(MFTCC)是基于图论。此外,我们提出了相应的分布式实现方法。现有的能量收获预测模型的基础上,昂贵的模拟表明,该MFTCC算法实现高平均最大监测频率和能源使用比例。此外,它比现有目标监测方法获得更高的吞吐量。

1。介绍

无线传感器网络(WSN)是一个多次反射无线网络组成的许多传感器设备,广泛应用于环境监测、精准农业、自然灾害救济(1,2]。传感器网络通常坐标传感器节点监测,收集和处理数据的遥感目标。克服有限的网络资源的影响(如能量、传输速度和计算),提高网络性能,进行了很多研究,如节能传输和路由(3,4],报道[5),和拓扑控制(6),以提高网络实用程序。网络最重要的研究问题之一是覆盖问题(5]。覆盖率的问题涉及到有效的监测目标的最优部署或激活传感器节点的调度,即覆盖问题是确保监控的性能优化问题的目标是由一个或多个传感器节点。在这种背景下,许多报道提出了优化算法(7- - - - - -14]。例如,作者在7]研究了微型电网的区域覆盖问题,提出了一个迭代过程的方法来解决这个问题。此外,采用概率感知模型(8)的感应区域,和一个ε全区域覆盖优化算法来解决这个问题。此外,作者在9)提出了一种基于多目标优化的目标覆盖算法的覆盖率,及其仿真结果证实,该算法不仅提高了网络覆盖质量,而且延长了网络生命周期。同样,魏et al。10)提出了一个k度目标覆盖算法与能源的意识。作者在11]分析了四个目标覆盖算法的性能从工业的角度来看。为目标覆盖在监测环境中,合作提出了调度方案在保证目标覆盖在12调度传感器)来解决这个问题。此外,屏障覆盖问题,阮在和Silvestri戈斯(13,14)提出了一个分布式部署算法和一个自治部署算法,分别。

这些研究主要集中在三个覆盖类型:区域,点(目标覆盖),保险的障碍。区域范围,传感器网络中的传感器节点必须部署优化覆盖每一个点在一个给定的区域。在重点报道,一组点目标必须由传感器节点覆盖在一个给定的地区。屏障覆盖主要集中在入侵者检测给定带地区不包括一个地区的每一个点。在上述三种覆盖现有的研究,大部分的提出了网络覆盖算法主要集中在电池驱动。电池驱动轮破产是由于他们有限的电源。因此,现有的研究主要集中在延长网络生命周期解决覆盖问题。此外,一些研究没有考虑目标和水槽站之间的连接,只有旨在最大化覆盖的目标。

能量收集技术的出现(如太阳能、风能和振动)可以利用网络解决电力供应限制。传感器节点的能量收获WSN (EH-WSN)可以永远。因此,EH-WSNs覆盖问题往往集中在quality-aware目标覆盖,而不是延长网络的生命周期覆盖问题(15- - - - - -27]。在这些算法,优化目标主要侧重于报道效用,包括最大化覆盖目标的数量或时段的传感器节点覆盖的目标。

然而,一些算法考虑目标监测质量保证目标的问题在EH-WSNs覆盖和连通性。在这项工作中,我们感兴趣的是开发一个有效的算法对提高监测质量的同时确保EH-WSNs的目标覆盖和连通性。该算法的目标是最大化所有目标的监测频率由传感器节点和连通性的要求目标和水槽之间的节点。最大监控频率被定义为的最大数量每个目标接收EH-WSN的监测周期。相对应的两个约束条件如下。第一个约束是监控每个目标的至少一个传感器节点对于一个给定的时期。第二个限制是需要构造每个目标和水槽节点之间的连接路径。解决优化问题,我们首先把监测周期l监测周期。监测周期的大小l决定的基础上预测精度的能量收获。在这种背景下,我们最初描述的最大保证目标覆盖和连通性监控频率问题。此后,我们制定优化问题,提出了基于图论的一个有效的启发式算法。该算法不仅考虑了最大监测频率和目标监测的公平,但也确保了每个目标和汇聚节点之间的连接。

本文的主要贡献如下:(1)我们第一次综合目标的监测频率覆盖和连通性和提出的解决方案最大化监测频率下保证目标EH-WSN覆盖和连通性。(2)我们提出一个有效的监测频率最大化算法保证覆盖和连通性优化算法基于图论(MFTCC)。该算法不仅能达到的最大监测频率,保证目标覆盖和连通性也体现了公平的目标监控。此外,我们提供了分布式MFTCC的实现和分析。

本文的其余部分组织如下。部分2介绍了相关工作;部分3描述了配方优化问题和问题;部分4提出了一种高效的启发式优化算法以保证目标在EH-WSNs覆盖和连通性;部分5评估网络性能;和部分6本文总结道。

2。相关的工作

在传统的网络覆盖问题是一个根本问题提出了许多覆盖算法。这些算法可分为区域,目标(离散点)和屏障保险(5]。在传统网络中,最大覆盖问题的研究主要集中在网络生命周期在一个有限的能源供应。随着能量收集技术的出现,可以解决有限的能源供应的问题。因此,优化目标成为报道的最大质量(QoC)。Gaudette et al。28)首次提出最大太阳能WSN QoC问题。这个问题涉及到增加目标的最小数量被调整传感器节点的传输范围覆盖在24小时内。然而,这个假设静态交通开销,不适合实际的部署。梁等。15)提出了一个自适应速率分配算法监测质量的最大化,但该算法认为,所有的目标都可以被传感器节点覆盖。在[16施,德威特和关注k屏障覆盖在一个EH-WSH和提出了一个算法实现最大的一生。此外,李et al。17)提出了一个算法EH-WSH满足一定区域范围,延伸到网络生命周期的传感器节点调度活跃。同样,杨和下巴(18)提出了一个邮件用户代理算法来减少传感器节点的激活时间,保证所有的目标。程等。19)提出了一个最优调度算法在无线传感器网络充电,以随机事件捕获。他们认为三种情况的分析质量监控的性能。任等。20.)提出了一个最优算法的覆盖质量目标,也考虑了传感器和基站之间的连通性。此外,杨和下巴(21)提出了一个有效的启发式算法调度传感器节点监测目标和考虑传感器节点和汇聚节点之间的连通性。算法中,他们也设计一些约束条件,如完成目标覆盖,保护能源和流。熊等。22)提出了一种新颖的基于优先级的贪婪调度算法扩展的网络生存期共同组成的混合动力系统和充电节点。他们主要集中在最大化网络的生命周期,通过满足所需的报道。杨和Gunduz [23]研究EH-WSN永久的目标覆盖问题。他们认为最大的网络寿命通过调整传感器传感范围。此外,杨和下巴(24)提出一个最优算法的最小数量的继电器节点实现目标覆盖和连通性。在[25),他们也提出了一个分布式最大能源保护算法解决最大网络覆盖EH-WSNs一生。陈等人。26)提出了基于强化学习睡眠调度网络为太阳能覆盖(RLSSC)算法。RLSSC由两级调度算法能有效地延长网络的生命周期,通过调整传感器节点的工作模式。在[27),有限的感知角度和传感器节点被认为的充电能力。对于这个场景,作者提出了一生的最大目标覆盖问题,提出了两种启发式方法来解决这个问题。

然而,这些已存在的目标覆盖和连通算法主要集中在电池驱动轮的最大网络生命周期或在EH-WSNs覆盖工具。很少有研究考虑的最大目标,保证目标监测频率覆盖和连通性。

3所示。网络和能量模型

在本节中,我们首先提出的网络模型目标覆盖EH-WSN和能耗监测的定义,转发和接收信息。随后,能量收获模型基于加权移动平均(EWMA)算法。

3.1。网络模型

我们考虑一个EH-WSN作为无向图拓扑G(V,E),V= {年代∪Z∪R},年代= {年代₁,年代₂、…年代_我,年代_{我+ 1}、…年代_n}的集合n传感器节点,Z= {z₁,z₂、…z_我,z_{我+ 1}、…z_米}的集合米目标,R水槽节点,然后呢E= {e_ij}是所有链接的集合。每个传感器节点年代_我∈年代由太阳能驱动的源和固定最大传输和监控范围。在部署EH-WSNs领域,每一个目标Z可以由一个或多个传感器节点,也就是说,所有目标都在传感器节点的传感范围。每个目标的监控信息传输给汇聚节点R传感器节点。此外,我们假设总监测时期(T)分为l监测周期,T= {l₁,l₂,l₃、…l_我,l_{我+ 1}、…l_l}。

让易之_j(年代_我)的能耗监测目标(z_j通过传感器节点)年代_我ER (年代_我)是接收的能量消耗在传感器节点监测数据一次年代_我和EF (年代_我)的能源消耗在传感器节点转发一次监控数据年代_我。是(年代_我)表示传感器节点的电池容量年代_我。

3.2。能量收集模型

在这项工作中,我们主要考虑EH-WSN的环境监测。我们以太阳能为能源供应和使用一个广泛采用的环境能量收集的假设,也就是说,每个传感器节点的能量收获在未来的时期是不可控的但是通过其历史可预测的能量收获概要文件。此外,每个传感器节点消耗的能量小于收获能量。长周期监控任务,监测频率为每个目标取决于可用的传感器节点的能量。此外,我们假设一个监测周期分为l监测周期,和一个监测周期结束时,下一个充电模式和监测周期是重复的。近年来,一些预测方法收集能源被广泛采用29日,30.]。在这里,我们将广泛使用的能源预测算法(29日),即指数加权移动平均(EWMA)算法。能源预测的具体配方如下(29日]: 在哪里一个表示给定的重量(0 <一个< 1)和E_h(l_我)表示的收获量的预测价值能量监测周期l_我。E_h(l_我−T)是实际的能量收获在前面的监测周期。根据上述制定能源预测,我们定义的能量,SE (年代_我,l_我),传感器节点年代_我∈年代在接下来的监测周期如下: 是(年代_我,l_我)是电池容量和再保险(年代_我,l_我)是传感器节点的剩余能量年代_我目前的监测周期l_我。

4所示。问题描述和配方

在本节中,我们首先描述质量监控的要求,在EH-WSNs覆盖率,和连接。此后,我们提出的问题公式化最大化监测频率EH-WSN保证目标覆盖和连通性。

部分2表明传统的目标覆盖问题的研究主要集中在最大化网络的生命周期,同时保持覆盖和连通性k覆盖范围和k连通性。然而,EH-WSN,网络终身不再是一个主要的问题,因为一个传感器节点的能量可以从它的环境(如太阳)。因此,关键问题应该提高监测质量。虽然文献[20.]认为quality-aware目标覆盖算法,这种监控质量指的是传感器节点覆盖目标的数量和时间槽的数量目标在监测时间内覆盖。鉴于这个指标在文献[20.)不能保证每个目标都是在总监控期间,这个指标quality-aware目标覆盖率不能有效地反映监测质量。

EH-WSN为目标覆盖率和监控,下列因素必须考虑到监测质量,如监测监控频率的频率和公平目标。此外,目标覆盖和连通性也应该基本要求EH-WSN目标监测。了解监测质量,我们解释了影响监测质量和现在的一些基本要求,如图1。

图1指出以下问题必须考虑下提高监测质量保证目标在EH-WSNs覆盖和连通性。首先,除了最大化为每个传感器节点监测频率,必须考虑公平。其次,每个目标必须由至少一个传感器节点在每个监测周期。第三,根据传感器节点的传输范围,每个目标和水槽节点之间的连接路径。

因此,我们的目标是最大化监测频率基于公平在EH-WSNs保证目标覆盖和连通性。具体来说,我们考虑最大化的监控频率的质量监控和以它为优化目标。约束主要包括监控公平、目标覆盖和连通性。问题定义如下:

在上面的公式中,调频_t(z_我)表示监测频率为目标(z_我)由一个传感器节点监测周期t。d表示监测频率的不同传感器节点覆盖任何两个目标。N_t(z_我)表示数量的传感器节点覆盖的目标z_我在监测周期t。C(z_我)表示的一组传感器节点覆盖的目标z_我。P(C(z_我),R)表示水槽节点和传感器节点之间的连通性覆盖的目标z_我。如果目标z_我连接到汇聚节点,然后呢P(C(z_我),R)= 1;否则,P(C(z_我),R)= 0。在公式(3),优化的目标是最大化的监测频率传感器节点覆盖所有目标。公式(4)- (7)是主要的约束。在(4),公平的约束主要反映监测频率为每个目标,也就是说,监测频率之间的差异小于任意两个目标d。在(5),保证每个目标是由至少一个传感器节点,多个传感器节点需要覆盖的目标z_我。在(6),所有传感器节点覆盖目标必须连接到汇聚节点,也就是说,连接必须保证。

在文献[20.),任等人考虑的问题覆盖效用与连通性和证明问题是np难。康克市et al。艾米勒此外,高德特28)认为,最大化覆盖下连接的质量是一个非线性最优控制问题。在上面定义的问题,除了覆盖和连通性,最大化监测频率和公平。在这种背景下,我们也知道上述优化问题是np难。因此,我们提供了一个有效的启发式算法基于图论来有效地解决问题(部分5)。

5。算法的描述(MFTCC)

在本节中,我们提出一个启发式算法求解该优化问题,也就是说,监测频率最大化的优化算法保证目标覆盖和连通性(MFTCC)。首先,提出MFTCC算法介绍的概念。此后,MFTCC算法的详细描述。

提出MFTCC算法保证每个目标都是通过一个传感器节点和目标和水槽之间的连接节点。此外,它反映了传感器节点的监测频率的公平目标。呈现MFTCC算法之前,我们目前实现MFTCC的想法。MFTCC算法利用图论提出了部分解决问题4。为了解决这个问题,我们定义链接重量和能耗监测一次基于传输路径。图2显示链接权重的定义。每个链接的价值重量等于两个传感器节点之间的最小能量。每个节点的能量等于剩余电池+每个传感器节点的能量收获。随后,我们定义一次能耗监测基于传输路径,如图3。

图3表明的信息监控目标必须传输到汇聚节点,也就是说,传感器节点之间的传输路径必须建立和水槽节点。因此,我们必须定义的能耗监控和中继节点。图3显示监控节点的能量消耗年代₁等于EZ₁(年代₁)+ EZ (年代₁),中继节点年代_我等于ER (年代_我)+ EF (年代_我)。部分4表明目标覆盖率和传感器节点和汇聚节点之间的连接在一个EH-WSN是重要的。然而,保证每个目标被传感器节点覆盖下的连通性的要求是难以实现。实现的条件,我们首先建立一个虚拟目标和传感器节点之间的联系。具体来说,在每个传感器节点的传感范围,每个目标与传感器节点建立连接。例如,如图4虚线是每个目标之间的联系和传感器节点的传感范围。

在图4,如果每个目标和水槽节点之间的路径存在,那么目标覆盖和连通性是解决。在这项工作中,我们必须充分发挥监控频率。此外,在监测目标,路径上的每个传感器将消耗通信能量。因此,根据优化目标部分4最大化的监测频率能量消耗的基础上沟通必须解决。在这种背景下,我们添加一个虚拟源节点(Sr) EH-WSN,目标节点与源节点连接z_我。图5显示了这样最终网络。

在图5,我们进一步定义虚拟源和传感器节点之间的链接权重年代_我∈年代。我们知道,监控目标的能源消耗z_j一旦通过传感器节点年代_我是易之_j(年代_我)。因此,这些虚拟源和传感器节点之间的链接权重定义如下: 在哪里(老z_我)表明,链接权重的值等于监控目标的能量z_j一旦通过传感器节点年代_我。的最低消费能源监控目标一旦每个传感器节点之间的路径和水槽节点目标。

根据链接权重的定义,我们可以将部分的优化问题4到最大监测能量流问题老虚拟源节点和汇聚节点之间。的基础上定义(8)和最大监测能量流,覆盖目标的数量可以计算。此外,解决最大监测能量流可以保证目标和水槽之间的连接节点。因此,拟议中的MFTCC的详细过程描述的算法1。

在算法1,所有链接的权重计算的基础上(老z_我)=(z_我,年代_我)=易之_j(年代_我),(年代_我,年代_j)= min (SE (年代_我,l_t)、SE (年代_j,l_t在第1行),一些变量初始化(2行)。节点分解在第3行(如图中实现6)。节点分解的目标是确保每个节点的能量可以及时更新通过计算可行的路径。

行4-29(如图7),目标是寻求米基于最大能量流监测可行路径。米可行的路径表明,米同时目标节点进行监视。如果可行路径不存在米目标节点不同时监控,然后计算可行路径(9 - 11行)是跳过/退出。从12到26行,可行路径的链接权重更新的基础上不同类型的节点。链接权重的更新是基于无向图的最大流理论;即转发链接减少相应的能量值,和反向链接的重量增加了能量相同的值。当可行路径,包括节点z_我存在,目标节点可以监测一次,和一个被添加到监控(27行)的数量。当米可行的路径存在,计算,每一个环节G_d(V′,E′)重置根据每个链接的两个节点类型(28-32行)。此后,未来米可行的路径计算直到可行路径的数量小于米。即网络中的残余能量不供应监控米同时目标节点。

6。分布式MFTCC的实现方案

在本节中,我们提出并解释分布式MFTCC提出算法的实现方案。

提出了分布式算法更适合网络实际部署。在本节中,提出的分布式实现MFTCC,执行和分布式实现使用每个节点的邻居节点的信息。中央MFTCC算法部分5表明,分布式算法必须解决以下问题。首先,中央MFTCC算法部分5必须添加一个虚拟的源节点(Sr) EH-WSN。然而,分布式的方法是不可以实现的。此外,分布式方法必须解决传感器节点监测目标的公平。

为了解决上述问题,我们第一次的设计思想的分布式实现MFTCC算法。的实现过程主要由以下三个部分。在第一部分中,每个传感器节点与邻居交流残余能量传感器节点。此后,每个传感器建立了一个基于节点连接关系分解。在第二部分中,所有传感器节点覆盖的目标监控监测周期的开始时间和发送的能源信息传输路径中的所有节点到汇聚节点。随后,监控下一周期的频率计算的基础上,收集水槽节点的能量信息。在最后一部分,水池节点将反馈发送给所有传感器节点更新下一个监测周期的目标监测频率。

的详细步骤,总结了分布式MFTCC算法算法2。

7所示。MFTCC算法的分析

在本节中,我们首先提出MFTCC算法的分析,其中包括最大的上下边界监测频率MFTCC算法,计算目标节点的覆盖和连通性,监测频率的差异之间的任何两个目标节点。随后,MFTCC算法的复杂性进行了分析。

拟议中的MFTCC算法重点解决quality-aware目标覆盖问题,同时保证目标在EH-WSN覆盖和连通性。我们定义的最大覆盖监测频率为优化目标的质量,为每个节点和监控的公平。因此,我们分析最大的性能监测的监测频率和公平性提出MFTCC算法如下。

定理1。考虑到监测网络G(V,E),如果目标节点的数量等于米和监测周期的数量l的上下边界,然后计算出的最大监测频率MFTCC算法如下: 在哪里k是一个常数,等于min-edge-cut的能源容量除以目标节点的数量(米)。

证明。我们知道从节3监测频率为目标节点的价值取决于监测网络中的传感器节点的能量G(V,E)。节4所有链接权重,MFTCC算法建立((年代_我,年代_j在监测网络)G(V,E基于传感器节点的能量)。最大化问题的目标节点的监测频率转化成最大能量流的问题。在监测网络G(V,E),添加虚拟源节点(Sr)连接到目标节点。在MFTCC算法,表示最大能量流的计算结果,这意味着所有目标节点监测一次;也就是说,监控总数 。MFTCC算法,当最大能量流计算完成,链接权重更新,MFTCC算法继续计算最大能量流直到增强流小于的数量米;也就是说,k和存在于l监测周期,当 ,MFTCC算法将结束。的最大流min-cut定理表明,最大流量老虚拟源节点和汇聚节点之间等于能量之和最小剪切边集的能力。因此,的价值k是圆形的和能量能力的最小切割边缘集除以目标节点的数量(米)。

定理2。考虑到监测网络G(V,E),让目标节点的数量等于米。的封面MFTCC算法能保证目标节点和汇聚节点的连接。此外,监测频率任何两个目标节点之间的差异小于或等于1,也就是说, ,1 <t<l

证明。定理1和节4显示每个目标节点是由至少一个传感器节点,和每个目标节点的监控信息传输到汇聚节点的可行路径。因此,MFTCC算法可以保证目标节点的覆盖和连接到汇聚节点。我们用反证法证明 。让 ,1 <t<l和 ;如果 ,然后 ,1 <t<l从MFTCC算法,当所有监测周期被认为,和 。根据定理1,如果米= 1,然后 。结果导致矛盾与定理1。

7.1。复杂性分析

考虑到监测网络G(V,E),n传感器节点监测米的目标和l_e链接,总监控时期(T),包括l监测周期,让收获能量容量之和最小切割边缘设置在监控期间T是电子商务_T。假设监控每个目标的能源消耗最低切边集等,循环计数l_c=电子商务_T/ ET在4至32行提出MFTCC算法。MFTCC,节点分解行1到3使两个节点转换为四个节点,添加四个链接。因此,计算复杂度O(n+ 4l_e)。找到可行路径的计算复杂度P基于最小生成树算法在第7行O(4n²)。在11 - 30行,由于节点分解操作,最长路径是不到2n−1。因此,计算复杂度O(3 (2n−1)+米)。在第32行,更新链接权重小于的数量米,计算复杂度O(米)。因此,MFTCC总时间的复杂性O(l_c(n+ 4l_e+ 4n²+ 3 (2n−1)+ 2米)。

8。绩效评估

在本节中,我们评估的性能提出MFTCC通过以下实验仿真算法。我们第一次验证的性能提出MFTCC算法的最大监测频率,能源使用比例,和公平的目标监测50个传感器节点和10个目标节点。此后,我们也评估上述性能,网络吞吐量和端到端延迟性能与50 100节点和目标节点到35的目标。

8.1。性能监控频率、能源使用比例和公平

我们建立一个EH-WSN 50传感器和10个目标节点,均匀分布在1000×1000²地区。所有传感器节点的传输和监控范围是250米和200米,分别。传感器和目标节点的分布如图8(一个),传感器节点之间的通信网络是基于传输范围图8 (b)。现有的算法主要集中在EH-WSNs coverage-based目标连接的质量。一些算法重点解决的最大监测频率问题,保证目标在EH-WSN覆盖和连通性。因此,我们比较我们提出基于覆盖率与目标监测MFTCC随机效用(TMR-CU) [17)和目标监测随机基于最短跳路径(TMR-SHP)。TMR-CU提出一种修正的算法(17]。鉴于该算法主要考虑覆盖效用,他们专注于构建一个实用程序组成的森林l树传输监控信息。他们不考虑监测目标的频率。因此,TMR-CU随机监控的目标由传感器节点构造一个实用森林。此外,对当前通信网络,监控信息的传输路径的基础上建立的路由算法。通常,用于信息传输的最短路径(5]。TMR-SHP构造一个最短跳路径传输监控信息从目标节点。表1和2显示性能比较结果。

在表1,平均最大监测频率和能源使用比例的MFTCC算法比其它算法。表1表明,我们提出的高能源使用比例MFTCC可以最好的收获能量。此外,低能耗比其他算法结果的收获在传感器节点能源浪费。表1也表明,提出的监测频率MFTCC单位能耗较低比其他算法,表明该MFTCC增加最大能耗监测频率为代价的。考虑到能源消耗的总和小于收获能量,提出MFTCC可以提高目标节点的监测频率。表2介绍了比较公平的目标监测不同的算法。在表2的监测频率,最大区别的任意两个目标节点提出MFTCC算法是1。然而,分别TMR-CU和TMR-SHP 8和10。该结果支持了我们的算法表现出公平的目标监测。

进一步验证我们提出MFTCC算法的最大监测频率和能源使用比例,我们认为网络与50到100节点和10到35目标随机放置在一个1000年米×1000场。同样,所有传感器节点的传输范围是250,和监控范围是200米。此外,我们考虑监测和传输的能耗监控任务作为能源单元和假设每个传感器节点是随机生成的收获能量在10到30能量单位。表3列出了具体的模拟参数。我们比较MFTCC TMR-CU和TMR-SHP。数据9和10目前最大的比较结果监测频率和能源使用比例,而图11显示的比较公平的目标监测。

数据9和10表明,平均最大监测频率和MFTCC算法提出的能源使用比例小于TMR-CU和TMR-SHP算法。在图9,平均最大MFTCC提议增加监测频率大大增加网络节点尺度,和提出MFTCC明显优于TMR-CU TMR-SHP算法。TMR-SHP算法的平均最大监测频率是相同的从100年50传感器节点传感器节点,表明增加传感器节点不能为TMR-SHP提高监控的性能。同样,MFTCC演算法的能源使用比例明显高于其他算法。此外,图10显示能源使用比例与传感器节点的增加呈现下降的趋势。在图11,我们现在比较公平的目标监测。图11显示的最大监测频率任何两个目标节点之间的差异我们提出MFTCC 50到100个节点算法都是1。然而,最大的监控频率的差异TMR-CU和TMR-SHP算法是高于建议的MFTCC算法,验证提出MFTCC算法的公平性目标监测。

8.2。网络性能评价

进一步验证MFTCC的网络性能的验证算法,我们评估这些不同算法的性能(包括算法)ns-2模拟。我们考虑的50到100网络传感器节点和10 + (|年代|−50)/ 2目标节点随机放置在一个1000年米×1000场。传输和监控范围在表使用的设置2。在仿真之前,建立的路由传输路径和传感器节点和汇聚节点之间的传输利用UDP连接。CBR流每一对节点之间使用。监控包的长度是128字节,和发送的每个CBR流率是固定在2 Mbps。我们模拟四种算法,包括TMR-CU TMR-SHP MFTCC提议,分布式MFTCC算法。我们比较这些算法的性能通过测量吞吐量和平均端到端延迟。数据12和13展示结果。

图12表明该MFTCC算法的吞吐量比其他算法,和增加吞吐量和传感器节点的数量。设计的算法,我们考虑的最大监测频率,因此提出MFTCC有一个明显的增加对吞吐量的影响。在图13,TMR-SHP基于最短路径传输的信息监测、最低的吞吐量和端到端延迟。我们提出的端到端延迟MFTCC高于其他算法,表明传输路径的平均长度可能增加,从而增加了end-to-to延迟。然而,EH-WSNs的监视应用程序,监控信息主要集中在数据但不视频监控,这表明EH-WSNs往往集中在测量的监视应用程序的最大数据吞吐量,而不是端到端延迟。数据9和12表明该MFTCC算法达到最大监测频率和提供了一个良好的吞吐量性能。因此,实现最大监测频率和吞吐量对改善EH-WSNs监控性能很重要。

9。讨论和结论

覆盖问题是网络最重要的研究问题之一。相关研究主要集中在区域、目标、保险和障碍。大部分的作品集中在改善网络覆盖质量的电池。许多节能覆盖算法提出了延长了网络的生命周期。近年来,采取了能量收集技术来解决网络有限的能源供应的问题。鉴于EH-WSNs连续能源供应,电池驱动轮的传统覆盖算法不适合在EH-WSNs quality-aware目标覆盖问题。在这项工作中,我们调查了监控频率最大化的问题,同时保证目标在EH-WSNs覆盖和连通性。不同于以往的作品中,我们不仅考虑监测质量也保证目标覆盖和连通性。更重要的是,我们也考虑每个目标监测的公平。首先,影响最大的因素监测频率EH-WSN监控阶段模型的分析,问题提出了构想。 To solve this problem, we define the link weight on the basis of the residual battery and the harvested energy of each sensor node and construct the virtual connection between targets and sensor nodes. We then devise a centralized MFTCC algorithm on the basis of graph theory and a distributed approach. We also analyze the lower and upper bounds of the maximum monitoring frequency calculated by the MFTCC algorithm. By experimental simulations, our proposed MFTCC algorithm achieves the highest monitoring frequency and energy usage ratio in a given monitoring cycle. Given that the proposed MFTCC algorithm can dynamically select the relay nodes based on the harvested energy of the sensor nodes in transmission progress, the simulation results affirm that the proposed MFTCC algorithm can achieve higher monitoring quality and energy usage ratio than the TMR-CU and TMR-SHP algorithms. This scenario also indicates that the proposed MFTCC utilizes the harvested energy and improves the monitoring coverage quality. Furthermore, the proposed MFTCC algorithm presents a better performance than other algorithms in terms of the fairness of target monitoring. The maximum difference in monitoring frequency between any two target nodes in the proposed MFTCC algorithm is only 1, whereas those in the TMR-CU, TMR-SHP algorithms exceed 8. In terms of network performance, the ns-2 simulations also demonstrated that although the proposed MFTCC algorithm has a high average end-to-end delay, it can effectively increase the throughput, also validating the maximum monitoring frequency. Thus, in data monitoring using EH-WSNs, the proposed MFTCC algorithm is more promising for quality-aware monitoring with guaranteed target coverage and connectivity than the traditional coverage algorithms.

在未来的工作中,我们将继续研究目标覆盖问题,考虑随机性的能量收获。由于收获的随机动态能量,长期覆盖性能必须考虑充分利用收获能量。因此,目标覆盖问题,考虑到长期覆盖质量,EH-WSNs是未来研究的方向。此外,视频的长期绩效目标覆盖率EH-WSNs也是一个未来的研究计划。

数据可用性

相关仿真数据用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究受到了江西省教育部门的科技项目(GJJ171013),中国国家自然科学基金(批准号61401189),中国江西省自然科学基金(批准号20161 bab212036),江西省重点实验室开放研究基金的水信息合作传感和智能处理(批准号。2016 wicsip023, 2016 wicsip028, 2016 wicsip030)。

引用

1. p . Rawat k·d·辛格h . Chaouchi和j·m·Bonnin“无线传感器网络:一项调查在最近的进展和潜在的协同效应,”《超级计算,卷68,不。1页1 - 2014。视图:出版商的网站|谷歌学术搜索
2. A . Mehmood j . Lloret, s . Sendra”安全、低能耗的基于zone污染监测的无线传感器网络路由协议,”无线通信和移动计算,16卷,不。17日,第2883 - 2869页,2016年。视图:出版商的网站|谷歌学术搜索
3. r·阿齐兹,”能源消费和路由协议在无线传感器网络中,“网络协议和算法,8卷,不。3、76 - 87年,2016页。视图:出版商的网站|谷歌学术搜索
4. r·邓他s, p . Cheng和y太阳,“对平衡能源充电和传输碰撞在无线充电传感器网络,”通信和网络杂志》上,19卷,不。4、341 - 350年,2017页。视图:出版商的网站|谷歌学术搜索
5. p . k . Hirani m·辛格:“一项调查在无线传感器网络覆盖问题,“国际期刊的计算机应用程序,卷116,不。2、1 - 3,2015页。视图:出版商的网站|谷歌学术搜索
6. m·李,李z, A . v . Vasilakos“无线传感器网络拓扑控制的一项调查显示:分类,比较研究,和开放的问题,“IEEE学报》,卷101,不。12日,第2557 - 2538页,2013年。视图:出版商的网站|谷歌学术搜索
7. h .吴邦国委员长和m . Shahidehpour“无线传感器网络的应用在微型电网区域范围,“IEEE智能电网,9卷,不。3、1590 - 1598年,2018页。视图:谷歌学术搜索
8. 李问:杨,他,j·j·陈,和y太阳,“无线传感器网络节能概率区域范围”,IEEE车辆技术,卷64,不。1,第377 - 367页,2015。视图:出版商的网站|谷歌学术搜索
9. z太阳,y, y聂,w·魏j . Lloret和h的歌,“CASMOC:小说复杂的联盟策略与多目标优化的无线传感器网络覆盖,“无线网络,23卷,不。4、1201 - 1222年,2017页。视图:出版商的网站|谷歌学术搜索
10. w·魏,z太阳,h .歌曲,h . Wang x的粉丝,和陈x,”能源的平衡轮可操纵的参数覆盖方法,”IEEE访问》第六卷,第33773 - 33766页,2018年。视图:出版商的网站|谷歌学术搜索
11. 江j·g·汉l . Liu, l .蜀和g . Hancke”连接的节能分析目标工业无线传感器网络覆盖算法,”IEEE工业信息,13卷,不。1,第143 - 135页,2017。视图:出版商的网站|谷歌学术搜索
12. w . Alasmary”合作监视计划保证目标覆盖”《2016年IEEE国际无线通信和移动计算会议(IWCMC)帕福斯,页684 - 689年,塞浦路斯,2016年9月。视图:谷歌学术搜索
13. ——t·g·阮和c”,分布式部署算法屏障覆盖在移动传感器网络,”IEEE访问》第六卷,第21052 - 21042页,2018年。视图:出版商的网站|谷歌学术搜索
14. Silvestri和k·戈斯,“MobiBar:自主部署算法屏障覆盖移动传感器,”特设网络54卷,第129 - 111页,2017年。视图:出版商的网站|谷歌学术搜索
15. 贾任w .梁,x, x, x,“监控质量最大化收获传感器网络通过公平分配率,”IEEE并行和分布式系统,24卷,不。9日,第1840 - 1827页,2013年。视图:出版商的网站|谷歌学术搜索
16. j·德威特和h·史”,最大化一生k障碍在能量收集无线传感器网络覆盖,”《全球通信会议(GLOBECOM),页300 - 304,奥斯汀,得克萨斯州,2014年12月美国。视图:谷歌学术搜索
17. 李x h·陈,f .赵,x,“基于范围睡眠调度算法所需的区域范围的太阳能无线传感器网络,”学报第六届国际会议上无线通讯和信号处理(WCSP),页1 - 6,合肥,中国,2014年10月。视图:谷歌学术搜索
18. 杨和K.-W。下巴,“小说算法在能量收集无线传感器网络,完成目标覆盖”IEEE通信信,18卷,不。1,第121 - 118页,2014。视图:出版商的网站|谷歌学术搜索
19. p, s . f .江,他顾y,和j·陈,“最优调度的质量监控无线充电的传感器网络,”IEEE无线通信,12卷,不。6,3072 - 3084年,2013页。视图:出版商的网站|谷歌学术搜索
20. 任x、w .梁和w·徐”Quality-aware目标能源收集传感器网络覆盖”,IEEE新兴主题计算,3卷,不。1,在8至21,2015页。视图:出版商的网站|谷歌学术搜索
21. c·杨和k . w .下巴,“完成目标覆盖和连通性的能量收集无线传感器网络,”22日电信国际会议的程序(ICT),页391 - 397年,悉尼新南威尔士,澳大利亚,2015年4月。视图:谷歌学术搜索
22. z z Xiong, b .王,王,“基于优先级的贪婪调度自信的信息覆盖在能量收集无线传感器网络,”第11届国际会议上移动学报》特别和传感器网络(MSN)页,在18到22岁的中国深圳,2015年12月。视图:谷歌学术搜索
23. 问:杨和d . Gunduz可变放大率调度为永恒目标覆盖在能量收集无线传感器网络,”《无线通信系统(ISWCS)国际研讨会,页281 - 285年,布鲁塞尔,比利时,2015年8月。视图:谷歌学术搜索
24. 杨和K.-W。下巴,“在能量收集无线传感器网络节点布置覆盖和连通性,”IEEE工业信息,13卷,不。1,27-36,2017页。视图:出版商的网站|谷歌学术搜索
25. c·杨和k . w .下巴,“一种新颖的分布式算法在能量收集无线传感器网络,完成目标覆盖”IEEE国际会议通信学报》(ICC),页361 - 366年,悉尼新南威尔士,澳大利亚,2014年6月。视图:谷歌学术搜索
26. h·陈,李x和f .赵”基于强化学习睡眠调度算法所需的区域范围的太阳能无线传感器网络,”IEEE传感器杂志,16卷,不。8,2763 - 2774年,2016页。视图:出版商的网站|谷歌学术搜索
27. 朱x”,一生中连接的差异化目标覆盖率最大化能量收获定向传感器网络”IEEE学报》在线会议上绿色通信(OnlineGreenComm)美国新泽西,页,第21到26皮斯卡塔韦,2016年11月。视图:谷歌学术搜索
28. 康克市,艾米勒b高德特诉Hanumaiah、美国Vrudhula和m . Krunz“最佳射程分配在太阳能活跃的无线传感器网络,”IEEE INFOCOM学报》上奥兰多,页2354 - 2362,美国2012年3月。视图:谷歌学术搜索
29. a . Kansal j .许s Zahedi, m·b·斯利瓦斯塔瓦“能源收获传感器网络、电源管理”ACM交易嵌入式计算系统》第六卷,没有。4,p。2007。视图:出版商的网站|谷歌学术搜索
30. a·卡马拉c Petrioli, d . Spenza”Pro-energy:小说能源预测模型对太阳能和风能的能量采集无线传感器网络,”学报》第九届国际会议上移动特别和传感器系统(质量)美国拉斯维加斯,NV, 2012年10月。视图:谷歌学术搜索

版权

版权©2019 Xuecai包等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。