无线传感器覆盖资料.docVIP

利用多种算法在三维地形上部署传感器使得覆盖度与工作时间双目标最优化 引言 无线传感器网络（WSNs）是一种分布式传感网络，被广泛应用于军事、智能交通、环境监控、医疗卫生等多个领域。如今，无线传感器面临的最大问题就是如何合理地部署传感器——用最少的传感器达到最大的覆盖度。关于这方面的研究大多数都是考虑二维平面上的传感器部署，而现实实践中传感器部署发生在三维环境中，所以不同三维地形上最优传感器部署是本文考虑的重点。同时，大多数研究对目标函数的设置往往只有无线传感器覆盖率，没有对其所消耗的能量进行研究。而在现实应用中，传感器网络的节点在电池能量上有所限制，而且由于物理限制难以给节点更换电池，所以传感器节点的电池消耗是整个传感器网络设计最为关键的约束之一，他直接决定了传感器网络的工作寿命。因此，本文在目标函数中加入了传感器网络运行时间这一监测量。 本论文的组织形式如下：第二部分，介绍一些准备工作。第三部分，介绍本文涉及到的算法。第四部分，进行性能评估。该论文在第五部分进行总结。 二、准备工作 本论文的主要目标是通过比较不同算法的性能来确定最优算法。在这一部分，我们简要介绍在该论文中用到的感知模型、工作时间模型与多目标函数的整合。A.感知模型 无线信道是指发射源向接收源发送电磁辐射的假象通道，发射源和接收源天线之间的障碍物密度很大程度上取决于物理环境，信道上的障碍物将直接对信道可联通性产生影响[1]。WSNs中的概率感知模型描述了传感器覆盖率与距离和其他环境的关系[2]。在该模型中，我们定义了传感器s的两个检测范围，一个不确定的传感器检测范围Ur和一个传感器可检测范围Sr（UrSr）。我们把于(Sr-Ur)和(Sr+Ur)的圆环范围称为模糊环。如果像素点p处于（Sr-Ur）范围内而且在s和p之间满足LOS，那p确定可以被检测到。如果p处于(Sr+Ur)范围之外，或者s和p之间没有视线，那么p肯定不能被检测到。此外，如果p处于(Sr-Ur)和(Sr+Ur)范围之间而且s和p之间满足LOS，那么检测概率可以被表示为exp(-α.distβ)。概率感知模型可表示为：   表示传感器s与像素点p间的三维欧式距离。ɑ和β的值反映了地形的环境特征，调整这些变量可以模拟出不同的地形。LOS表示s和p在三维地形所连接的直线不被任何障碍物阻碍，即如图所示 上图展示了一种简单的LOS情形，如图所示，如果传感器s和像素点p至今对应的任何一个像素点的高度没有切到连接s和p的线段，那么s和p之间有视线（LOS），否则s和p之间没有视线（NLOS）[3]。 由于直线是连续存在的，而地形数据是由离散的点集构成，在模拟LOS过程中可能会出现的情况是直线穿过两点之间的空间，即如下图所示情况， 图中，直线SP穿过坐标A与B之间的C点，而由于地形数据中并无C点的高度坐标，为应对这种情况，我们的策略是令 其中分别代表点A，B，C的高度坐标。 在概率感知模型下，由于传感器节点的不确定性，目标区域内的像素点并不是以均一概率被覆盖。节点距离目标位置越近，其采集的信息越精确可靠；反之，离节点越远，感知能力越弱。若像素点p只被单一传感器覆盖或者距离其它传感器很远，则需对该像素点实施多点协同覆盖策略，以降低p成为盲点的可能性。 设组成传感器集合为，为所有传感器对像素点p的融合覆盖强度，在概率空间下，可进行如下推导：  经典测量是一种可加性测度，然而在客观实际中，对事物的度量并不满足可加性。为此，基于Sugno测度的信息分析方法被提出[4-6]:  其中N代表传感器数量,，该融合算子表现为弱可加性，根据真实情况，可通过选择适当的参数来跟好地估计传感器网络的覆盖度。 使用表示像素点p的覆盖率门限，由于的数值在0-1之间变化，因此为了评价感知模型下的网络覆盖率，定义： 经研究，我们发现当=0.7时比较符合实际情形。 QoC反应了每次部署操作后地形被覆盖的程度，QoC计算如下：  其中P代表像素点数量。 B.时间模型 传感器进行感应和通信时需消耗能量，所消耗能量E包含通信能量消耗和其他能量消耗两部分。在这个模型中，我们定义了一个传感器的通信距离。如果两传感器间的距离小于通信距离，则两传感器将进行通信，需要为通信消耗能量，否则不需要消耗能量。考虑到传感器节点交换信息的目的在于提高位于传感器模糊环处的覆盖率，同时出于节能的目的，我们将通信距离设置为