基于聚类二阶段无线传感网络Sweep Coverage机制.docVIP

基于聚类二阶段无线传感网络Sweep Coverage机制 　　摘 要：作为WSN网络覆盖中的热点问题之一，Sweep Coverage旨在以较少的传感节点覆盖所有的兴趣点（POIs）。针对现有Sweep Coverage机制中存在的不足，本文提出一种基于聚类的二阶段网络覆盖机制：数据感知阶段，采用通过减法聚类改进的K-means算法对POIs分簇，并寻求各簇中访问POIs的近似最优路径；数据传输阶段，寻求数据传输节点的最优访问路径。实验表明，在相同网络场景下，本文提出的二阶段网络覆盖机制有较好的效果。 　　关键词：Sweep Coverage；数据感知；数据传输；K-means 　　中图分类号：TP212.9 文献标识码：A 　　1 引言（Introduction） 　　近年来，无线传感网络（WSNs）备受关注，而覆盖问题成为WSN中的一个热点问题。在一些特定的场景中，如巡回检查中，我们更关注事件频发点POI（Point of Interest）的覆盖问题[1]。在这些场景中，采用移动传感节点周期性的访问POIs并完成对信息的采集。 　　为了解决这类问题，文献[1]中首次将Sweep Coverage的概念引入WSN中，同?r定义了Sweep Coverage问题：在POI覆盖周期的约束下，如何以更少的移动节点覆盖POIs，降低网络覆盖成本。Weifang Cheng等论证Sweep Coverage是NP难题。文献[1]中提出了集中式的CSWEEP算法和分布式DSWEEP算法。CSWEEP算法简便易行，但要求POI覆盖周期相同，在大规模网络中并不适用。DSWEEP算法更加灵活，但移动节点总是倾向于访问距离自身较近的POIs，难以确保信息的及时采集。另外，文献[3]提出多移动传感节点协调覆盖POIs的MinExpand算法，该算法结构简单、速度快，但是该算法无法对数据延迟的考虑。文献[5]同时考虑POI的感应和传输延迟限制，但并没有考虑使用移动节点的数量，不适用于较大规模的网络。 　　鉴于目前Sweep Coverage中存在的不足与缺陷，本文同时考虑POIs感应延迟限制和传感节点的传输延时限制，形成二阶段Sweep Coverage机制，通过对移动传感节点的有效控制来解决无线传感器网络中的Sweep Coverage问题。 　　2 基于聚类的二阶段Sweep Coverage机制描述 　　（Description of two-stage sweep coverage 　　mechanism based on clustering） 　　2.1 网络部署 　　为了模拟真实场景，假定POIs在监测区随机分布。在该场景下，同时考虑移动节点对POIs的覆盖和节点收集到的数据实效性和有用性形成一个二阶段的Sweep Coverage机制：数据感知阶段，通过减法聚类改进的K-means对POIs进行分簇，再用遗传算法对各簇中的POIs进行路径规划，得到MobileSweep（感知节点）的较优移动路径，从而以较少的MobileSweep覆盖所有POIs；数据传输阶段，由MobileSink（传输节点）收集MiniSink（存储节点）处的信息并将其送回Sink。此处MobileSink的访问路径问题可以规约成MobileSweep的访问路径问题。 　　3.3 MobileSink访问路径规划 　　数据传输阶段，MobileSink的路径和感知阶段POIs的路径相似，但是考虑到聚类之后，簇的个数远小于POIs数，因此在设计MobileSink访问路径时，直接运用遗传算法寻求MobileSink的最优访问路径。 　　4 实验 （Experiment） 　　4.1 试验设置 　　假设监测区域大小为500×500[8]，汇聚节点设置在区域边界，即在仿真区域的（0，0）处。对POI数量从50到150不等随机分布在监测区域的场景进行试验。POI的通信范围为2m，MobileSweep、MobileSink有足够大的数据传输带宽，可以在较短的时间内完成数据的感知和相互之间的数据传输。同时假设MobileSweep、MiniSink、MobileSink数据缓冲区足够大，且传感节点的能量充足。根据最少移动节点数算法，假设所有簇中的最小覆盖周期相等，所有POI的覆盖周期均相等且等于簇中最小的POIs的覆盖周期。 　　4.2 基于减法聚类的K-means分析 　　当监测区域中POIs个数为80时，分别运用原始K-means聚和基于减法聚类的K-means对POIs分簇。从图1可以看出，运用减法聚类改进的K-means分簇后，簇内POIs紧密度更高，算法有更强的优越性。 　　4.3 MobileSweep及Mobil