文摘

覆盖质量和网络的生命周期是传感器网络研究的两个关键参数。覆盖质量直接影响网络的生命周期。与此同时,受很多其他因素的影响等物理参数和环境参数。揭示报道之间的连接质量和目标节点的参数,提出了一种融合与可控有效覆盖算法阈值基于传感概率模型。我们给模型的隶属函数覆盖强度的预测模型以及融合算子。范围的有效阈值是根据隶属函数模型。同时,有效覆盖的最大强度为目标节点在监测区域内。最大融合覆盖强度的推导过程阐述了利用一个处理函数在距离目标节点的传感器节点集。此外,我们研究不同的网络属性在监测区域内如网络覆盖质量、参数的动态变化,网络的生命周期,基于概率理论和几何理论。最后,我们目前的数值模拟来验证算法的性能。它显示在不同的设置,与需求覆盖质量相比,该算法可以提高网络覆盖质量平均15.66%。 The simulation experiment results show that our proposed algorithm has an average improvement by 10.12% and 13.23% in terms of the performances on network coverage quality and network lifetime, respectively. The research results are enlightening to the edge coverage and nonlinear coverage problems within the monitoring area.

1。介绍

无线传感器网络(网络)是由成千上万的传感器节点自组织和多次反射。WSN完成的数据收集、数据计算、数据通信以及数据存储和实现信息的物理环境之间的有机统一1]。信息技术的发展使得网络设备的各个领域如国防、环境监测、救援,智能家居,e-health,农业生产和运输2]。

网络能耗和覆盖质量的两个关键问题的研究网络(3]。覆盖质量决定了移动目标监控有效性。覆盖质量的行为特征主要体现在节点部署。网络能源消耗问题的关键是有效地控制快速能源枯竭,延长整个网络的使用寿命,提高服务质量(QoS)。网络覆盖质量和能源效率主要是由传感器节点的部署的合理性4]。通常情况下,受制于环境景观等因素,传感器节点部署在一个随机的方式。没有先验信息的地质信息节点的随机性。与此同时,多个传感器节点可能存在在一定监控区域或地点;也就是说,报道进入存在。在另一起案件中,随机性的部署也可能导致发现监控区域或斑点,也就是说,覆盖死区,只能被引入更多的传感器节点部署。覆盖是上述两种情况下的保证。然而,不可避免地存在一些缺点。首先,大量的传感器节点的高密度聚类会导致大量的冗余信息和通信链路的拥塞,限制网络的可扩展性,破坏了网络QoS,缩短了网络生命周期。其次,实时监控和覆盖有关目标节点位于时无法保证覆盖死区。因此,传感器节点无法聚合节点传输准确的数据信息,这也进一步导致偏见和不确定性的聚合节点收集到的数据信息。此外,传感器节点表现出异质性几个操作周期,导致节点覆盖范围的变化。一旦不再涉及有关目标节点,目标节点的数据信息收集将变得毫无意义。最后,保险的本质是目标节点的有效覆盖,而不是所有目标节点。 The coverage effectiveness is elaborated as follows. As the target node concerned moves through the area, head nodes accomplish the coverage while its joint nodes are awakened to achieve joint coverage and transmit the collected date information on the mobile target node to the aggregation node. For a deeper understanding of the problem described above, a fusion coverage algorithm based on effective threshold is proposed which could maximize the coverage area with the least sensor nodes and ensure the real-time coverage for the target node concerned.

基于上面的讨论,我们执行调查在传感器网络的两个关键问题,即覆盖问题和网络的生命周期。然而,仍然有一些偏差之间的理论结果和实际工程结果覆盖质量和网络的生命周期。因此,准确定位目标节点,提高某个目标节点,覆盖强度和提高报道质量有关目标节点利用融合报道仍然是三个开放问题仍有待解决。

要解决这些问题,我们采用隶属函数的覆盖强度和融合算子的预测模型。为了有一个更准确的估计的网络覆盖质量,延长系统寿命,然后要进行分析的有效阈值范围的隶属函数的最大化问题的有效覆盖强度以及动态参数的可调范围。最大融合覆盖强度的同时,推导阐述了利用一个处理函数在距离目标节点的传感器节点集。一般来说,该算法启发提高能效的传感器节点和延长网络的生命周期。

2。相关的工作

目标节点的覆盖范围是由许多传感器节点的合作来完成的。许多实验证明,作为目标节点进入监控区域,传感器节点可以感觉到目标节点,然后完成目标节点的完全覆盖。然而,有效覆盖,而不是完全覆盖,满足实际应用。原因是完全覆盖完成太多的网络能耗为代价的加速网络崩溃。最近,传感器网络的覆盖问题激发了兴趣。基于ID认证的优化覆盖协议提出了在5),覆盖多个目标节点是通过不同的id。与此同时,推导给出了覆盖质量当多个目标节点。不同的报道角度的传感器节点被利用6)获得所需的区域覆盖领域。然后覆盖质量目标节点从一个特定角度。提出了一种多个目标覆盖算法(7基于线性规划和集群结构。优化覆盖多个目标实现通过网络覆盖概率的计算和剩余能量的节点。在使用的人工智能算法8]在报道过程中传感器节点,也就是说,群体智能算法。完整的部署的传感器节点在整个网络监控区域完成。优化期间的覆盖概率,这两种智能算法是采用迭代优化的网络覆盖概率优化函数。最后,完整的覆盖监测区域。覆盖控制算法,提出了基于节点调度策略(9]。网络覆盖质量要求覆盖质量比作为网络性能的指标。利用这种关系,建立了传感器节点调度策略。结果,连通性和覆盖整个网络可以保证最小的节点数量。提出了一个增强覆盖控制算法(ECCA) (10]。推导的期望覆盖质量阐述了覆盖监测区域时保证。功能不同的参数之间的关系也验证当随机变量相互独立。这也是证明覆盖监测区域可以有效地通过调整可调参数来实现。传感器节点的移动性特点是利用11实现覆盖目标节点,假设网络的连通性是保证。提出了两种启发式算法(11),采用泰森多边形法图作为模型的有效面积目标节点。传感器节点的能量消耗是降低完成网络能量平衡和进一步提高网络覆盖概率。栅栏覆盖算法(12最大化网络的生命周期。该算法开始一旦移动目标节点穿过监控区域。邻居之间的相关性和传感器节点被用来实现一致的覆盖目标节点在移动。最后,完整的覆盖目标实现。分布式连接和报道维护算法(13]。在这个算法中,冗余节点唤醒工作节点和网络连接因此得到保证。有效覆盖目标节点维护只有少量的移动传感器节点。因此,远程监控可以控制所造成的能源消耗,延长了网络的生命周期。节能目标覆盖算法(14),构造基于非线性规划的网络集群。每个集群节点的能源进行评估。传感器节点满足覆盖条件下选择最优覆盖的元素集。因此,覆盖效果优化和延长网络的生命周期。probability-driven机制基于覆盖算法(15]。该算法首先建立传感器节点和目标节点的覆盖模型。然后覆盖率计算传感器节点和目标节点之间基于概率理论。最后,节点的状态过渡过程是根据节点调度算法来完成的。因此,延长网络的生命周期。

所有上述算法可以实现有效覆盖监测区域在某些特定条件下。然而,他们表现出一些不足之处。例如,算法(5- - - - - -7高的计算复杂度。最大化网络的生命周期是不被认为是在8- - - - - -10]。细化的功能(11- - - - - -13)显著不同,导致计算结果不准确,而模型(14,15太适合实际工程应用。因此,我们采用传感概率模型,提出一种融合基于可控的覆盖算法有效的阈值。这个算法实现网络融合报道通过调整可调阈值参数,有效地延长系统寿命。

本文的结构描述如下。部分3执行网络模型的理论分析和提出了相关定义和传感器节点的能量衰减函数。CETFC算法阐述了(16]。此外,采用隶属函数来表示覆盖强度。为进一步提高报道质量的目标节点而言,覆盖监测区域是通过调整有效的阈值。功能关系之间的距离传感器节点集的节点和目标节点是用来获得融合报道的最大强度。然后显示数值模拟结果4。算法与其他算法相比,提出的CETFC展品突出的有效性和可行性。最后,我们得出本文的部分5。

3所示。方法

3.1。基本的定义

为了更好的研究报道的问题,我们做简化引入后的五个假设10]。

假设1。在初始阶段,所有节点的传感范围和通信范围是一个圆圈的形状而通信半径是传感半径的值的两倍。

假设2。监控区域内的传感器节点集的谎言。在工作阶段的所有节点都是同步的。边界效应可以忽略。

假设3。每个节点的位置信息可以通过定位算法获得,而不需要额外的定位装置。

假设4。在初始阶段,所有传感器节点具有相同的感应范围强度隶属函数。

假设5。传感器节点的传感区域远小于监测区域。

定义6(覆盖强度)。假设任意传感器节点的位置是( , ),而目标节点是( , ),然后覆盖强度来被定义为 在哪里α和β物理参数有 和 ,是传感器节点的传感半径衰变后,传感器节点的距离衰减, 传感器节点的传感半径, 指出了欧几里得距离目标节点到传感器节点。

定义7(有效覆盖强度)。假设有效的阈值与 ,当覆盖强度超过 ,也就是说, ,覆盖强度 被定义为有效的覆盖强度和表示 。注意,有效的阈值 当且仅当 。

定义8(成员函数)。函数用来显示有效覆盖强度定义为有效覆盖隶属函数和表示 。成员函数的范围 。隶属函数的物理意义的隶属度目标节点对传感器节点的覆盖。更大的隶属函数表示隶属度更高,反之亦然。

定义9 ( )融合报道)。融合覆盖强度传感器节点的节点集内的任意目标节点监测面积表示 。假设的有效覆盖率阈值与 和 ,那么传感器节点集融合了目标节点,表示 。注意,传感器节点集是由传感器节点。

信号传输的空气和接收传感器节点(17,18在监控区域内。在传输,信号衰减等环境因素的物理障碍,这将导致不确定性对传感器节点的接收信号19- - - - - -21]。此外,这将导致计算结果错误。受上述因素影响,传感节点的传感半径主要取决于环境因素监测区域(22,23]。在报道过程中从传感器节点到目标节点,损失的能量由于距离指数形式表示。 在哪里表明之间的欧几里得距离传感器节点和目标节点,是参考范围的物理参数,代表的能量衰减参数由于连接传感器节点和目标节点之间的距离,是一个随机变量均值为0,方差吗 ,和是函数与参考点的平均衰减损失 ,而与参考点的平均衰减损失函数是 。

传感器节点的接收信号可以参照如下: 在哪里是接收信号的力量吗传动功率。由于环境因素的影响,接收信号的力量从不同的接收的角度是不同的,即使对传感器节点在同一位置。

3.2。融合范围与限制阈值

传感器节点组成的集合传感器节点来标示 ;也就是说, 。对于任意一个目标节点在监测区域内,目标节点的覆盖强度是 。根据定义9,融合报道的强度在节点是 。融合算子定义为 。然后有效融合覆盖强度 在这是一个比率,范围 。当融合报道强度从集合不小于目标节点 ,目标节点( )覆盖。当覆盖强度减少的价值可以调整改善覆盖强度和实现有效的覆盖目标节点(3]。

根据(4),节点组内可以发现强度达到最大融合报道如下:

根据(5),覆盖从集合中到目标节点集 ,最小融合覆盖强度

定理10。当等距传感器节点执行目标节点的融合报道,距离从传感器节点到目标节点应该满足 ,在那里是融合的因素 。

证明。当等距传感器节点执行融合目标节点的覆盖率,有效融合覆盖强度应满足 根据(4), 自传感器节点是等距的,也就是说, 用(9)(8),我们有 根据定义6,当 的价值,是 用(11)(10),我们有 我们进一步简化(12): 因此,完成证明。

推论11。当等距传感器节点执行目标节点的有效覆盖,有效覆盖强度的临界距离

证明。根据定理10等距传感器节点的覆盖范围是等价的。这同样适用于有效的覆盖强度。换句话说, 。组成的集合传感器节点,相当于距离 这正是一个任意的临界距离传感器节点。因此,完成证明。

4所示。实验结果

传输的能量损失模型如下:

接收端能量损失模型 在这和是发射和接收比特的能源消耗数据,分别欧氏距离阈值的节点通信的邻居,代表的能耗参数多路径损失,和节点的能量消耗在自由空间。当节点进行传输时,路径损耗指数分别是2和4。阐述了相关的仿真参数表1。

我们做一些比较,在不同的算法操作时间,需求覆盖概率和计算之间的覆盖概率。动态参数的影响λ也研究了在仿真区域大小100100米²,结果得到300年平均重复模拟。模拟数据中描述1和2。

数据2和3显示需求覆盖概率之间的关系和不同的网络覆盖概率λ和不同的时间。观察的数据2和3网络覆盖的概率得到改善与提高 。原因是,当增加,有效融合覆盖强度得到加强。当 ,有效融合覆盖强度最大的值是1。在数据网络覆盖概率随时间2和3。原因在于,有更多的传感器节点集 ;即有效融合覆盖强度增加为目标节点在监测区域。

然后,我们比较CETFC算法与ECTA算法(13在网络寿命和操作时间。

数据3和4显示我们的算法之间的比较和ECTA算法在网络寿命和操作时间。它可以看到从图3在初始阶段,这两个算法表现出类似的可以进一步延长网络生命周期两种算法用大量的传感器节点。然而,由于ECTA算法实现监控的目标节点在一个非线性和一致的方式,由ECTA算法需要更多的能源消耗。当有180多个传感器节点,这两个算法的网络生命周期趋于稳定。CETFC算法的系统平均寿命高于ECTA算法的12.78%。图中给出的算法操作时间4传感器节点数量的函数。ECTA算法使用了一个链接结构的存储节点能量。遍历节点能量是排名的算法与更多的能量和节点的优先级更高,实现覆盖目标节点。结果,ECTA算法具有较低的复杂度和需要较少的操作时间相比,我们的算法。

我们比较了算法的算法(2,9)的网络覆盖概率和网络生命周期。模拟区域是200200米²和300年300米²分别和操作时间 年代。300年平均模拟获得的结果。仿真结果图5- - - - - -7。

它从数据一览无遗5和6的覆盖概率得到改善的所有三个算法,当有更多的传感器节点。然而,我们的算法给出了一个改进的速度比其他人高。这是由于这一事实CETFC算法采用融合的概念覆盖强度的覆盖强度中的所有节点集是考虑。因此,有效融合覆盖强度从整个组到目标节点得到进一步改善。当有相同数量的传感器节点,该算法显示了网络覆盖概率高于其他算法在平均提高率为10.12%。观察图7与相同数量的传感器节点,该算法显示了更长的网络寿命比其他两个算法和改进率平均为13.68%。提高网络生命周期背后的原因是一样的,为改善网络覆盖概率。

5。结论

更好的调查覆盖了网络问题,我们采用概率理论探讨网络覆盖质量和网络的生命周期。我们发现之间的比例关系融合覆盖强度和隶属函数的覆盖目标节点。我们还研究了动态参数的范围和融合报道过程目标节点集。最后,我们得到了以下的结论。

传感器节点的能量衰减指数和展品反向比例与欧氏距离的关系。

限制阈值用来表示融合覆盖强度和提供一个精确的计算融合的范围覆盖强度。结果,有效覆盖过程从传感器节点到目标节点能有效地反映。

通过设置阈值,有效覆盖强度可以通过调整来优化网络资源配置,降低网络成本,提高网络能效,延长网络生命周期。

通过调整可调参数,融合覆盖强度可以增加有效提高覆盖质量监控区域。

我们专注于基于概率模型,提出了一种可控的有效阈值融合覆盖算法。节点的能量衰减模型进一步简化计算的考虑。CETFC算法显示了一定的参考价值后续研究网络覆盖质量。从理论上研究已经完成到目前为止,它需要未来的工作实践这个算法,提高网络覆盖质量在工程应用中。

的利益冲突

作者宣称他们没有任何商业或关联利益代表的利益冲突与提交的工作。

确认

这项工作是支持的项目的一流大学和一流学科(没有。10301 - 017 004011501)和中国的国家自然科学基金。