一种免疫多路径解耦容错传输的免疫覆盖方法与流程

本发明涉及无线传感器网络的传输稳定性和可靠性技术领域，特别是涉及到无线传感器网络极优覆盖下多路径解耦容错传输领域，具体是一种免疫多路径解耦容错传输的免疫覆盖方法。

背景技术：

作为未来延伸Internet覆盖范围的关键技术，无线传感器网络已应用到诸多领域并显示出了巨大的应用价值。无线传感器网络工作环境存在不可预测性，诸如温度、振动、电磁等外界干扰因素易导致网络出现射频冲突、时钟异步、电池耗尽、信号丢失和软件错误等故障，将大大降低传感器节点的可靠性，削弱或失效无线传感器网络既定功能，对数据可靠传输、网络自组织能力、自适应性和鲁棒性带来很大的挑战。高可靠性和稳定性目前仍然是无线传感器网络技术的重点难点。目前无线传感器网络运行的稳定性和传输可靠性，运用的其他处理方法收敛性能较差、并且只能进行网络的局部优化。

无线传感器网络健康状态对于网络稳定运行、可靠传输和性能优化显得非常重要。信息传输的准确性和可靠性是无线传感器网络成功应用的关键技术之一。

技术实现要素：

本发明的目的在于提供一种免疫多路径解耦容错传输的免疫覆盖方法，在基于人工免疫系统的基础上，在极优覆盖条件下开展无线传感器网络多路径解耦传输实现故障容错，以提高无线传感器网络运行的稳定性和传输的可靠性，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种免疫多路径解耦容错传输的免疫覆盖方法，包括以下步骤：

步骤(1)初始化参数，簇首节点与周围移动节点通信，确定节点位置；

步骤(2)确定抗体与抗原，对抗体与抗原进行编码，确定初始抗体群，包括抗体群的规模，其中，抗体：无线传感器网络节点部署区域内，位于使得目标评价函数取得最小值的坐标的可移动传感器节点的坐标集合；抗原：无线传感器网络节点部署区域内m组可以移动的数量为n的传感器节点坐标集合；

步骤(3)对抗体群所有的抗体成员，用式minimzie(F(S)＝wf1(s)+(1-w)f2(s))计算目标评价函数值F(S)；其中f1(s)＝Auncov(s)＝Atot-Acov(s)表示为非覆盖区域，Atot表示总的检测区域大小，Acov(s)为传感节点覆盖的区域面积，Auncov(s)为未被传感节点覆盖的面积，f2(s)表示为节点最初位置到经过免疫优化后的最终位置之间的距离，w为权重因子；

步骤(4)根据抗体节点变异规则，对抗体群里的抗体成员进行变异；将变异后的新抗体与原抗体相混合，根据式和选择其中最优m个抗体，组成新的抗体群；RCov(S)表示覆盖比率，Atot表示总的检测区域大小，Acov(s)为传感节点覆盖的区域面积，P(x，y，S)表示栅格点(x，y)被传感节点S感知的概率，mn表示整个感知区域的大小， Poverlap(x，y，si)表示栅格点(x，y)被传感节点si冗余感知的概率；

步骤(5)条件终止判别并输出最优解，循环执行步骤(3)-步骤(4)直至抗体群最优值不再变化或迭代次数达到一定次数Q时，抗体变异与迭代优化结束并输出最优解，即为移动节点的最优位置，否则转至步骤(3)继续计算；

步骤(6)各簇首节点与通信范围的移动节点通信，确定传感器源节点数据包的传输路径。

作为本发明进一步的方案：节点最大化覆盖方法具体包括如下步骤：

1)初始化参数，确定节点数，通信半径、节点位置和检测区域大小参数；

2)确定抗体与抗原，对抗原进行二进制编码，建立初始抗体群并对抗体进行编码；源节点首先选择在其射频范围内的节点作为下跳节点，收到上跳节点的信息包的节点将信息转发给在其射频范围内的且没有得到过数据包的节点，选择从源节点到目的节点之间的n′条传输路径，即为n′个抗体；

3)对所有的抗体成员，用目标评价函数式对所有抗体成员进行评价，选择n个最优抗体成员为初始抗体成员群，qmn表示为两节点间传输链路的质量，ki表示源节点到目的节点之间建立的传输路径p上的链路数量；

4)根据抗体节点变异规则，对抗体群里的抗体成员进行变异；抗体节点根据按照非等概率p(i)＝n/i进行变异，将变异后的新抗体用目标评价函数式进行评价后，与原抗体混合比较，选择最优n个抗体成员作为新的变异抗体群；

5)条件终止判别并输出最优解；根据源节点到目的节点间建立的多条传输路径的质量评价函数进行评价，循环执行步骤3)-4)直至当迭代次数超过预期设定初始值Q或max(f(N))值不再变化为止，抗体变异与迭代优化结束并输出最优解，即为源节点与目的节点间建立的多条最优传输路径，否则转至步骤3)继续计算；kj为源节点到目的节点之间建立的传输路径数量；max(f(N))表示质量评价函数的最大值；

6)源节点与路径中的各中继节点和目的节点通信，确认建立传输路径与工作机制，为传输数据作准备；

7)其它需要传输数据的源节点执行步骤3)-6)，并行计算并建立所有源节点到目的节点的传输路径。

与现有技术相比，本发明的有益效果是：

(1)本发明将无线传感器故障容错问题转化为多目标求解和优化，将人工免疫系统具有的记忆学习、反馈调节、无中心的分布式自治机理等信息处理机制应用到无线传感器网络故障容错之中，结合多路径传输设计适应于无线传感器网络故障容错的免疫进化方法，人工免疫系统的进化思想能快速求解最优解并保持良好的方法性能。

(2)网络节点初始位置分布和网络拓扑对无线传感器网络的故障容错效果有较大影响，极优化网络覆盖并非保持传感器节点连通的必要条件。本发明基于免疫进化的网络覆盖方法以提高网络覆盖率，能显著地无线传感器网络的故障容错并提升网络连通稳健性。

(3)多路径路由传输策略是提高无线传感器网络可靠传输与故障容错的有效方法。解除多路径相交模式的节点耦合性，通过提出多路径解耦方法求解不相交或部分相交的多路径路由连通，减小部分节点的重要度，求解最大限度解除多路径耦合问题能有效提升网络的连通稳健性和故障容错性。

附图说明

图1为免疫多路径解耦容错传输的免疫覆盖方法中传感器节点感知示意图。

图2为免疫多路径解耦容错传输的免疫覆盖方法中传感器多Agent多路径连通图。

图3为免疫多路径解耦容错传输的免疫覆盖方法中多路径连通解除耦合图。

图4为免疫多路径解耦容错传输的免疫覆盖方法中多路径连通解耦容错性图。

图5为免疫多路径解耦容错传输的免疫覆盖方法中34节点下的初始分布图。

图6为免疫多路径解耦容错传输的免疫覆盖方法中34节点下的免疫覆盖分布图。

图7为免疫多路径解耦容错传输的免疫覆盖方法中50节点下的初始分布图。

图8为免疫多路径解耦容错传输的免疫覆盖方法中50节点下的免疫覆盖分布图。

图9为免疫多路径解耦容错传输的免疫覆盖方法中34节点下免疫去耦多路径连通图。

图10为免疫多路径解耦容错传输的免疫覆盖方法中50节点下免疫去耦多路径连通图。

图11为免疫多路径解耦容错传输的免疫覆盖方法中方法在不同节点部署使的覆盖率。

图12为免疫多路径解耦容错传输的免疫覆盖方法中迭代过程中路径质量归一化对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1～12，本发明实施例中，一种免疫多路径解耦容错传输的免疫覆盖方法，包括如下步骤：

1、免疫覆盖问题定义

抗体：无线传感器网络节点部署区域内，位于使得目标评价函数取得最大值的坐标的可移动传感器节点的坐标集合。

抗原：无线传感器网络节点部署区域内m组可以移动的数量为n的传感器节点坐标集合。

抗原识别：无线传感器网络分簇拓扑下覆盖优化问题，是求解在固定簇首和簇成员节点的情况下，通过移动节点位置的调整，达到覆盖最优化。抗原识别的过程就是抗原簇首节点与抗体移动节点之间信息交换传输建立联系的过程。

初始群体：随机产生一定数量的簇首节点作为初始抗体，这些簇首节点为网络中随机分布的普通节点，包含着本身的位置信息和能量信息。

目标评价函数：目标评价函数反映免疫进化深度与目标评价期望，或抗原与抗体以及抗体与抗体之间的匹配程度。目标评价函数值越高，抗体与抗原就越匹配。方法的思想是找到抗体经最初部署后，确定其经过变异优化后的位置信息，即求解节点最初位置到经过免疫优化后的最终位置之间的距离，使得节点覆盖的面积最大化和节点移动能耗最低，即未覆盖面积和移动节点移动距离最小化。目标函数定义为：

minimzie(F(S)＝wf1(s)+(1-w)f2(s)) (1)

编码方式：以浮点型数据格式表示节点坐标信息，节点变异的方式是对节点坐标进行变异。用实数编码表示抗体群是因为更充分真实地表示无线传感器网络真实区域和节点坐标信息，每一个节点用浮点型数字编码是表示该节点的位置。表1表示节点检测区域内共有N个节点以及对应的坐标(xi，yi)。这就是对应的一组抗原，xi代表节点i的x坐标， yi代表节点i的y坐标，共包含n个节点，2n个坐标值，即基因值。

表1

变异规则：

假设每个可移动节点的初始变异规模为m，即每个可移动节点有m组可能的初始坐标位置，为初始变异的种群的规模，如表2所示，其中1≤i≤m。

表2

优秀变异后的抗体群规模是根据变异后的种群以概率pc记性选择并加入原抗体群，组成新的抗体群。每一个单独的抗体的变异，是根据该抗体的原基因群里进行变异。在抗体群s＝(L1，L2，Li，…LK…L2n)中，假设基因Lii执行变异，应选择在本抗体的基因群随即选择Lip参与突变，则变异后的基因Lii’＝(1-b)Lii+bLip，其中b属于[0，1]的随即因子。

2、覆盖问题模型

方法首要考虑的问题是覆盖问题。节点覆盖模型主要采用常使用的二进制模型，即在节点感知范围(图1)内以概率1被覆盖，在节点感知范围外以概率0被覆盖，也即没有被节点覆盖。感知区域假设为m*n栅格标注且每个栅格的尺寸为单位1。整个检测区域的覆盖率为所覆盖栅格占全部栅格的比例。假设栅格G(x，y)，能被传感器节点Si(xi，yi)感知的概率由下 式进行计算：

假设无线传感器网络是由N个簇首节点和簇成员节点固定在检测区域内，表示为 Si＝{s1，s2，…sn}，由M个可移动的传感器节点位置，通过其位置的移动来优化网络覆盖率和连通容错性，表示为：

每个传感器节点覆盖的区域面积可以表示为：因此整个检测区域的覆盖面积为：

未覆盖区域的面积为AUncov(S)＝Atot-ACov(S)。因此，区域覆盖率可以表示为：

其中，Atot为总的感知区域大小，方法的主RCov(S)要思想就是通过减小未覆盖区域比

传感器节点Si和传感器节点Sj在栅格点G(x，y)重叠的概率为：

无线传感器网络监测区域里的冗余覆盖率可由以下 公式求出：

3、免疫覆盖方法

步骤1初始化参数，簇首节点与周围移动节点通信，确定节点位置。

步骤2确定抗体与抗原，对抗体与抗原进行编码，确定初始抗体群，包括抗体群的规模，定义参数pr，pc，pm，ph和gen＝0。

步骤3对抗体群所有的抗体成员，用式(1)minimzie(F(S)＝wf1(s)+(1-w)f2(s))

计算目标评价函数值F(S)。

步骤4根据抗体节点变异规则，对抗体群里的抗体成员进行变异。将变异后的新抗体与原抗体相混合，根据式(2)和选择其中最优m个抗体，组成新的抗体群， RCov，(S)表示覆盖比率，Atot表示总的检测区域大小，Acov(s)为传感节点覆盖的区域面积， P(x，y，S)表示栅格点(x，y)被传感节点S感知的概率，mn表示整个感知区域的大小， Poverlap(x，y，si)表示栅格点(x，y)被传感节点si冗余感知的概率。

步骤5条件终止判别并输出最优解。循环执行步骤3-4直至抗体群最优值不再变化或迭代次数达到一定次数Q时，抗体变异与迭代优化结束并输出最优解，即为移动节点的最优位置。否则转至步骤3继续计算。

步骤6各簇首节点与通信范围的移动节点通信，确定传感器源节点数据包的传输路径。

4、免疫多路径传输相关问题定义

抗体：源节点与目的节点之间的多条路径保证网络连通性和传输稳定性。

抗原：监测区域内所有网络节点。

目标评价函数：单条路径质量评价函数定义为：其中ki为路径p的路径链数，q为路径链的质量。由路径质量评价函数可知，其路径质量与每条路径的质量成正比，与源节点到目的节点间的路径链数平方成反比。一个源节点到目的节点间建立的多条传输路径的质量评价函数为：其中kj为源节点和目的节点间所建立的路径数。

抗体编码规则：检测区域内的所有抗原(节点)以二进制编码，二进制编码位数为反映节点数量的最小值。

抗原/体(基因)变异规则：二进制数0随机变为0或1，二进制数1随机变为0或1，抗原变异后的节点须在上一跳节点的射频覆盖范围内，抗体的变异须在源节点和目的节点间保持连通性，没有连通的抗体无效。

变异种群设置：最初随机建立kj个有效抗体，保持源节点和目的节点间的连通性。抗体的变异按照非等概率进行变异，按照p(i)＝n/i进行变异。即优秀的抗体会以较大概率进行变异生成就多的抗体子代，质量较差的抗体以较小的概率生成子代，并对抗体子代进行评价并与原来的抗体群进行比较，按照公式(2)计算生成新的抗体群。作为下次变异的抗体种群。

5、并行免疫解耦多路径连通方法

步骤1初始化参数，确定节点数，通信半径、节点位置和检测区域大小等参数。

步骤2确定抗体与抗原，对抗原进行二进制编码，建立初始抗体群并对抗体进行编码。确定初始抗体群，包括抗体群的规模，定义参数pr，pc，pm，ph和gen＝0。源节点首先选择在其射频范围内的节点作为下跳节点，收到上跳节点的信息包的节点将信息转发给在其传输范围内的且没有得到过数据包的节点，选择从源节点到目的节点之间的n′条传输路径，即为n′个抗体。

步骤3对所有的抗体成员，用目标评价函数式(3)对所有抗体成员进行评价，选择n个最优抗体成员为初始抗体成员群，即{p(1)，p(2)，…，p(n-1)，p(n)}， qmn表示为两节点间传输链路的质量，ki表示源节点到目的节点之间建立的传输路径p上的链路数量。

步骤4根据抗体节点变异规则，对抗体群里的抗体成员进行变异。抗体节点根据按照非等概率p(i)＝n/i进行变异。将变异后的新抗体用目标评价函数式(3) 进行评价后，与原抗体混合比较，选择最优n个抗体成员作为新的变异抗体群。

步骤5条件终止判别并输出最优解。根据源节点到目的节点间建立的多条传输路径的质量评价函数进行评价，循环执行步骤3-4直至当迭代次数超过预期设定初始值Q或max(f(N))值不再变化为止。抗体变异与迭代优化结束并输出最优解，即为源节点与目的节点间建立的多条最优传输路径。否则转至步骤3继续计算，kj为源节点到目的节点之间建立的传输路径数量；max(f(N))表示质量评价函数的最大值。

步骤6源节点与路径中的各中继节点和目的节点通信，确认建立传输路径与工作机制，为传输数据作准备。

步骤7其它需要传输数据的源节点执行步骤3-6，并行计算并建立所有源节点到目的节点的传输路径。

6、多路径连通模型

多Agent连通模型是假设在一定的监测区域内，设有传感器节点共25个，以标号 {N1，N2...Nn-1，Nn}表示，如图2所示。S节点表示源节点，将所采集到的数据传输只目的节点D。Ni既是源节点也是传输中继节点。需要发送数据的源节点将建立多条传输路径到目的节点D以保证稳健连通性。此情况下一个源节点为一个Agent，根据免疫连通方法建立多条传输路径。网络中多Agent需要传输数据时可并行执行免疫连通方法实现多Agent 与目的节点D的连通。

定义1路径质量其中r1+r2＝1。两节点间路径质量定义于两节点剩余能量与两节点间距离的归一化值的权重和，反映了两节点之间剩余能量和两点之间距离这两个重要参数对路径质量的影响度。当路径质量低于某一阈值时极大影响传输稳定性和可靠性，且节点会因为能量参数较大概率发生故障，将在节点容错性中分析参数的影响。

7、多路径连通性分析

源节点S与目的节点D之间的连通性可以用多条路径来表示。多条路径表示两节点点连通和传输的稳健性。多路径之间的存在耦合性表明路径交叉即有公共的传输节点。此交叉节点对于两条路径的建立与和传输的重要度增加。一旦此节点发生故障，将影响这些路径的连通性，从而影响源节点和目的节点之间的连通稳健性。一定程度上去除路径的间的耦合性，有助于提高连通稳健性。

源节点S与目的节点D之间的多路径可表示为如下：

式(4)中，P0表示第一条路径，N0表示监测区域的第一个节点， [q1，0 q1，1 q1，2 … q1，n-1 q1，n]为路径P0上的各段路径质量。因此路径P0可表示为： P0＝q1，1N0+q1，2N1+q1，3N2+…+q1，n-1N4+q1，nNn，表明路径P0经过的传输节点有 [N0 N1 N2 N3 … Nn]。

图2中表示源节点S和目的节点D之间共建立了4条传输路径{P1，P2，P3，P4}，其传输路径方程可以表示为：

定义2重要度Im：在监测区域内源节点到目的节点间建立多条路径中，某一节点位于所有传输路径的总数。重要度参数主要反映节点在源节点到目的节点间中继传输的重要程度。

由式(4)可知，所建立的4条路径的源节点为N0，目的节点为Nn。4条路径都有共同节点，或其中几条传输路径有其共同节点。如路径P1、P2与P3都经过节点N2。根据定义2 可知，N2的重要度Im(N2)＝3。若节点N2发生故障，3条传输路径{P1，P2，P3}必然存在传输故障，影响了源节点到目的节点之间的数据传输。节点N13只存在于路径P1与P2中，有 Im(N13)＝2。

定义3连通性：监测区域内源节点与目的节点之间的连通性为两节点间存在{Pi}，且存在的表达形式。

为保证网络的连通，提高网络传输稳定性和故障容错性，需要建立从源节点到目的节点间多条传输路径，且路径之间存在较小耦合度，即减少多路径中的交叉节点或公共节点。

8、解耦分析

在源节点和目的节点间建立多条传输路径，必然存在多条路径是否交叉情况，分为不相交模式(Disjoint Model)和相交模式(Joint Model)。对于多路径不相交模式，多路径之间没有公共节点，各路径之间没有耦合性，某路径上传感器节点发生故障不影响其它传输路径的传输。相交模式中的相交传感器节点发生故障必然会影响到与之相连接的多条路径。不同模式下传感器节点的重要性不同，即重要度Im不相同。

降低节点的重要度Im，解除路径之间的耦合性，能够提升无线传感器网络的连通与传输稳定性。在图2中所表示的源节点到目的节点的多条传输路径方程中：

P1，P2与P3三条路径存在公共交叉节点N2，节点N2的重要度Im＝3。节点N2发生故障会影响到P1，P2与P3三条路径的连通，但不影响源节点N0与目的节点Nn之间的连通性，但影响到数据传输的稳定性。

减小节点N2的重要度，解除多路径之间的耦合关系，以保证多条路径互不相连；或通过减少多路径之间的耦合性，即令某路径的某节点在另外路径上的耦合参数qij＝0，以减小某节点的重要度，从而达到提高连通和数据传输稳定性。

例在图3中，为解除P1，P2与P3路径在N2节点的耦合性，方法如下：找出位于上跳节点和N2节点射频覆盖范围内的且未位于此源节点到目的节点间所建立的其他路径上的所有节点集合有Ni＝{N1，N4}。判断N2节点的下跳节点{N5，N6，N7}是否在新的节点{N1，N4}的射频范围内。若在其射频范围内建立传输路径。对于节点N13采取相同方法处理。最终形成了图3中新的多路径互不交叉的连通情况。

通过多路径连通解除耦合方法，形成从源节点到目的节点间的新的互不相连的多路径连通，降低了这些节点的重要度，提高了从源节点到目的节点间的数据传输稳定性。解除耦合后的多路径连通方程为：

从上述建立的从源节点到目的节点的4条传输路径，每条保证了其连通性，且每条连通路径都没有相交，即保证了4条传输路径之间没有互耦性。某一传感器节点发生故障不影响其它路径的数据传输，提高数据传输稳定性，保证源节点和目的节点的连通性。

9、容错性分析

方法的容错性是指当网络中正在传输数据的某些节点发生故障，可不影响源节点发送数据到目的节点，说明无线传感器网络具有一定的故障节点容错性。

图4为解除耦合后的多路径连通容错分析示意。在图4中，标注为红色节点的N2和N15表示发生故障不能工作。因此路径P2和P3不具有连通性。但此节点不影响路径P1和P4，不影响源节点N0和目的节点Nn之间的连通性，可以通过网络编码技术等重构源节点的数据包。多路径解耦减小了某节点的重要度，避免了部分传输节点的故障影响源节点到目的节点的数据传输，从而提高源节点到目的节点之间数据传输的稳定性和可靠性，使得网络具有一定的故障容错性。

10、方法收敛性分析

方法收敛性主要分析最大覆盖方法收敛性和多路径解耦方法的收敛性。最大覆盖方法是无线传感器网络进行并行免疫解耦多路径连通的前期准备和优化，在网络最大覆盖情况下能更好的保证网络的连通性。

1.最大覆盖方法收敛性

确定监测区域内的所有节点为抗原节点，最优化位置即取得最大覆盖面积的节点为最优抗体。对最初进行变异之前的初始位置时的所有抗体进行评价，有：

F1(S)＝wf1(s)+(1-w)f2(s)，且原抗体群可以表示为：

有初始抗体为下次变异的初始群，经过变异后生成了与原来规模相同的抗体群。对新生成的n个抗体用目标评价函数F(S)＝wf1(s)+(1-w)f2(s)进行评价。将新生成的n个抗体与原抗体群混合成新的群体，按照评价函数排序后表示为：

因有选择个抗体作为新的抗体群参与下次迭代变异。经历m次迭代变异后有：即方法经过n次迭代变异进化后收敛于最优抗体群

2.并行免疫解耦多路径连通方法收敛性

免疫解耦多路径连通方法的评价函数考虑路径平均质量和路径跳数两个因数，与路径的平均质量成正比，与跳数成反比。与最大免疫覆盖方法一致，有：

n次迭代变异后的评价函数目标值收敛于：

11、仿真结果分析

(1)免疫覆盖最优化

仿真分析节点免疫覆盖的情况，采用了在节点数不一致的情况下对比两者的覆盖度，同时也是为了分析建立免疫去耦多路径连通的情况。

图5为在监测区域设置了34个节点的初始分布。由图5可知，节点之间的冗余覆盖度较高，区域中有部分区域未被节点覆盖。图5与图6都是在监测区域部署了34个节点，经免疫最大覆盖方法对节点位置的优化。由图6可知，节点在整个区域分布均匀，整个区域未被覆盖的面积减小，能最优化保证节点之间的连通性。

图7相对图5增加了16个节点，在监测区域设置共设置了50个节点。由图7的初始分布可知，监测区域中仍有部分区域未被节点覆盖。图8是在监测区域部署了50个节点情况下，经免疫最大覆盖方法对节点位置的优化结果，节点分布均匀，未被覆盖的面积很小，节点之间的覆盖度较大，为保证节点之间的连通性做优化准备。

(2)免疫多路径与解耦

图9和图10分别为在34个节点和50个节点情况下，根据并行免疫解耦多路径连通方法形成的免疫去耦多路径连通。图9中尽管节点覆盖最大化，但不能保证节点之间的连通性。仿真时假设所建立的路径的最左边的节点为源节点，有数据需要传输到目的节点。建立了两条相互交叉的传输路径，实现源节点与目的节点之间的连通性。因为节点数量较少，节点之间的覆盖与连通难以保证，仅能建立两条相交路径实现连通，方法有效但未能体现方法的免疫去耦特性。图10是在50个节点下根据并行免疫解耦多路径连通方法生成的4条传输路径保证连通性，有不相交也有相交节点。去耦性体现在在当两条路径存在节点相交的情况下，会解除耦合性。但因为在相交节点射频范围内没有其它节点可连通，故只能建立互连的多路径连通。

(3)免疫覆盖率与收敛性

在仿真中采用方法在方法迭代的次数的过程中监测区域覆盖率进行比较分析。对比的方法包括本发明方法在基于34节点和50节点以及相近其他方法在34节点部署情况下。通过免疫方法覆盖率的比较分析其收敛性。

图11为本发明所提出的免疫最优覆盖方法在34节点和50节点下以及其他方法在34 节点下的网络覆盖率比较。由图11可知，本发明所提出的免疫最优覆盖方法在34节点部署的情况下其覆盖率优于其他方法，且随着迭代次数的增加，本发明方法的监测区域覆盖率得到较好提升。节点数为50的情况下其覆盖率优于34节点。随着迭代次数的增加，其覆盖率逐渐收敛于1，能反应方法的稳健收敛性。

(4)免疫去耦多路径评价与收敛性

仿真中对本方法提出的免疫去耦多路径方法和WC-BMR方法分别在34节点和50节点情况下进行对比分析。

图12为本发明提出的免疫去耦多路径方法和WC-BMR方法分别在50节点和34节点在迭代过程中路径质量归一化对比。WC-BMR方法开始建立的路径质量相对较高在相同迭代次数时逐渐收敛于1，效果较好。本发明方法在34节点情况下开始建立路径质量较好，但很快就收敛于某值。这是因为节点在较少的情况下能够最大限度保证覆盖但不能保证连通，能建立从源节点到目的节点的路径有限。在此情况下方法能快速收敛并达到优化值。蓝色曲线为本方法在50个节点情况下路径质量变化情况。开始建立路径的质量较低，但随着方法的推进，相比其他方法能够较快地收敛到最大值，也证实了方法的收敛性。

综上所述，本发明利用免疫最大化覆盖研究进行了免疫覆盖相关问题的定义，建立了免疫覆盖模型并提出了免疫最大化覆盖方法。在网络最大化覆盖下，开展免疫多路径连通方法的研究，包括免疫多路径问题定义，建立模型并开展连通性和容错性等分析。研究了在网络节点多路径存在耦合与解除耦合情况下，对网络连通性和容错性的影响，从而采取解耦措施提升与优化网络性能，能较好地提升提高无线传感器网络的传输稳定性和可靠性。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。