熵在无线传感器网络中应用.docVIP

熵在无线传感器网络中应用 　　摘要：该文建立了一个基于无线传感器网络的静态分布模型，该模型由两个参数来描述：网络覆盖的区域S和网络中节点的个数N，在此模型基础上引入熵的概念，并结合熵原理分析和计算了该分布模型的分布函数，仿真结果显示该文利用熵取得的分布函数与用其他方法得到的结果具有一致性。 关键词：熵；无线传感器网络；分布函数 中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2013）18-4171-03 1850年，德国物理学家鲁道夫·克劳修斯首次提出熵的概念，用来表示任何一种能量在空间中分布的均匀程度，能量分布越均匀，熵就越大。一个体系的能量完全均匀分布时，这个系统的熵就达到最大值。熵原理提出后，它在控制论、概率论、数论、天体物理、生命科学等领域都有重要应用，在不同的学科中也引申出更为具体的定义，是各领域十分重要的参量。国内研究学者张学文对熵原理提出了一些新观点，他提出的最复杂原理是对熵原理的延伸，用最复杂原理替代熵原理结束了熵原理在各个领域混乱的局面，已取得了不少成果。该文把最复杂原理引入到无线传感器网络领域，并将其应用到网络部署分布方面，以期达到抛砖引玉的效果。一直以来传感器网络部署分布是该领域的研究热点，国内外关于这方面的研究也已经取得了不少成果。文献[1，2，3，4]涉及无线传感器网络的覆盖问题，结合计算几何学和图论技术对网络覆盖进行了探讨[1]，研究了k-覆盖与网络节点个数和传输半径变化之间的关系[2]。文献[5]介绍了对目标探测的传感网部署问题，[6]则探讨了大规模传感网优化部署问题，[7]介绍了在一个随机区域内节点的部署问题，[8]研究了不网络节点分布密度变化和网络生存期之间的关系，[9]则对移动传感网里节点部署问题进行了分析。 本文在第三部分建立了一个传感网普遍模型，第四部分对该模型进行了分析计算，并求出该模型下的分布函数，在文章的第五部分通过计算机模拟了模型的分布，验证了模型对应分布函数的正确性，文章最后做出总结并对下一步的工作进行了介绍。 1 分布模型 无线传感器网络通常部署在一些环境恶劣的区域，如孤岛、火山口、高原、森林等，部署的好坏直接影响到节点间的通讯质量，继而影响整个网络的寿命。该文提出的部署分布模型具有普遍代表性，与实际应用中的部署情况具有一致性。 本文提出的模型假设有N个传感器网络节点，这些节点以最随即的方式散布在面积为S的区域内，区域S形状任意，如下图1所示，整个分布模型只有两个输入参数：N、S，该分布模型所具有的分布特征可以用分布函数来表示，而求出模型对应的分布函数正是最复杂原理在无线传感器网络部署中的一个应用。 2 模型分析与计算 对分布模型分析和求解分布函数前，先了解一下最复杂原理的定义以及该原理的应用方式。最复杂原理的定义是：有随机性的客观事物（广义集合）都自动使自己内部状态的复杂程度在限制条件下达到最大值，这里有三个概念需要明确：广义集合、复杂程度、分布函数。一个集体（客观事物、研究对象、系统、体系、总体）如果：1）可以分成多个（0）地位相同的个体（成员、粒子）；2）就一定（可能多个）标志而言，每个个体都有唯一的标志值； 那么就把这个集体称为广义集合。标志是对总体内的每个个体都具有的某个侧面、特征、指标的描述。而每个个体就某标志的具体取值称为标志值。复杂程度是对广义集合内状态的丰富程度的描述，通常以C表示。分布函数指的是函数关系的一种，它揭示了广义集合（总体、系统、体系）内不同的标志值（x）与其对应的的个体个数（n）的关系。 对于一个广义集合，由于其个体总数N 是确定值，而标志值为x 的个体个数n 是x的函数，所以n/N 也是x 的函数，令： 公式（3）就是广义集合的内部状态的复杂程度的计算公式，公式中k 表示广义集合内的不同标志值的个数，ni 表示每种标志值占有的个体的数量，N 是个体总量。把某些客观事物归结为广义集合以后的一个重要目标就是找出该广义集合的分布函数。对于有随机性的广义集合，由于它服从最复杂原理，这就提出了一个新的普遍适用的思路：利用最复杂原理从理论上寻出广义集合的分布函数。 本文提出的分布模型可归结为具有随机性的广义集合，利用最复杂原理求解该广义集合的分布函数就是本节的内容。把包含有N个节点的区域S看作一个广义集合，并定义S/N为该区域上的单位面积，可以提出这样一个问题：不同单位面积（标志值）上有多少个传感器节点（个体），即求其分布函数。 本分布对应于概率分布中的等概率分布，这也是在离散情况下本模型对应的分布函数，如果是在连续变量的情况下对应的是均匀分布。 3 实验仿真 为验证该模型所求的分布函数的正确性，该文用程序进行了仿真模拟。为了便于计算和统计，