一种基于虚拟力导向的粒子群算法在无线传感器网络的部署方法
【技术领域】
[0001] 本发明设及粒子群算法、物联网、生猪养殖领域，尤其设及一种基于虚拟力导向的 粒子群算法在无线传感器网络的部署方法。
【背景技术】
[0002] 无线传感器网络是实现规模化养殖的必要技术，可W实时高效并精确地获取信 息，其中节点部署是无线传感器网络应用中基础问题，也是非常重要的问题。因为传感器节 点的部署位置，直接影响到整个网络完成任务的质量和效率。在生猪养殖环境中应用无线 传感器网络，需要考虑障碍物对无线信号产生的影响，其中W墙壁最为显著。现有的节点部 署算法大多忽略了障碍物的影响，但运样在实际环境的应用中会出现理论上可W连通，但 遇到障碍物后通信距离变短，导致不能连通的情况。
[0003] 虚拟力算法通过建立传感节点与目标、障碍物和其他传感节点间的虚拟力模型， 根据受力平衡确定各传感节点位置。然而，对于由固定传感节点和移动传感节点构成的无 线传感网络，固定传感节点对移动传感节点的虚拟力可能限制无线传感网络布局优化，影 响虚拟力算法的全局优化。粒子群算法是一种基于智能理论的随机优化算法，通过种群粒 子间的合作与竞争产生群体智能指导优化捜索。与常规的遗传算法相比，它实现容易，需调 整的参数少，因而得到了广泛重视，已成为一种重要的优化工具。因此通过采用虚拟力改进 微粒群算法的速度更新过程，指导微粒进化方向，加快算法收敛。该策略既避免了虚拟力算 法导致的移动传感节点优化约束，又使微粒群算法有目的地向扩大覆盖率和目标检测率的 方向进化，加快算法收敛速度。
【发明内容】
[0004] 本发明的目的是提供一种基于虚拟力导向的粒子群算法在无线传感器网络的部 署方法，在考虑生猪养殖场中障碍物对无线信号传输影响的条件下，通过虚拟力导向的粒 子群算法，解决无线传感器网络节点部署中的的重要问题一一提高网络覆盖率和提高网络 连通性。
[0005] 为解决上述技术问题，本发明的主要技术内容如下：
[0006] -种障碍物条件下基于虚拟力导向的粒子群算法提高网络覆盖率的方法，具体步 骤如下：
[0007] 1.设置生猪养殖场区域大小a*b;无线传感器网络大小规模N，其中可设置固定节 点个数为化，移动节点个数为化;无线节点的通信半径R。
[000引2.设置障碍物墙壁数量为m，如m = 4即为有四堵墙将区域平均分为五部分，且墙壁 长度默认与区域长度相同。
[0009] 3.在给定区域范围内随机分布节点，并判断每个节点是否受到障碍物影响，若没 有影响则保持初始设定的通信半径R，否则根据无线信号传输的对数路径损耗模型改变通 信半径为r(仅改变收到影响的部分，其余部分保持原通信半径不变）。
[0010] 4.根据虚拟力导向的粒子群算法对无线传感器网络中的节点进行优化部署，固定 节点的位置不变，移动节点相应改变，实现提高网络覆盖率。
[0011] -种障碍物条件下基于虚拟力导向的粒子群算法提高网络连通性的方法，具体步 骤如下：
[0012] 1.设置生猪养殖场区域大小a*b;无线传感器网络大小规模N，默认所有节点均为 固定节点;无线节点的通信半径R。
[OOU] 2.设置障碍物墙壁数量为m，如m = 4即为有四堵墙将区域平均分为五部分，且墙壁 长度默认与区域长度相同。
[0014] 3.在给定区域范围内随机分布节点，并判断每个节点是否受到障碍物影响，若没 有影响则保持初始设定的通信半径R，否则根据无线信号传输的对数路径损耗模型改变通 信半径为r(仅改变收到影响的部分，其余部分保持原通信半径不变）。
[0015] 4.将已分布的节点连接成簇，根据虚拟力导向的粒子群算法寻找区域范围内最优 的位置一一可W连接最多的节点成为一个新的簇，在此位置布置一个新的节点。
[0016] 5.重复步骤4直至区域内所有的节点全部连接在一个簇内为止。
[0017]本发明的优点
[0018] 1.优化效果好。对比虚拟力导向的粒子群算法与单纯的虚拟力算法或者粒子群算 法，优化效果可提升10%W上。
[0019] 2.实用性强，便于修改。不同区域大小或者无线传感器网络的规模大小、节点半径 等参数都可W进行设置;且考虑了障碍物对无线信号的影响，更符合实际应用。
【附图说明】
[0020] 图1为本发明的传感器节点遇障碍物时的传输范围图
[0021] 图2为本发明在障碍物条件下的算法流程图
[0022] 图3为本发明在障碍物条件下的网络初始化图
[0023] 图4为本发明的粒子群算法流程图
[0024] 图5为本发明优化网络覆盖率的效果图
[0025] 图6为本发明优化网络连通性的效果图
【具体实施方式】
[0026] 下面结合附图对本发明做进一步描述。
[0027] 附图1为传感器节点在遇到障碍物时的信号传输范围，传感器节点的传输范围是 W其自身位置为圆屯、，传输距离为半径的圆，当其无线信号在传输过程中遇到障碍物墙壁 后，并不会直接衰减至零导致无法传输，而是会根据障碍物的属性进行衰减，减小传输半 径，使得原本可W接收到信号的位置变成盲区。
[0028] 本发明在基于对数路径损耗模型的基础上，增加了障碍物墙壁的影响，根据该模 型可W计算出传感器节点在遇到障碍物后减小的通信半径r，该模型的关系式为：
[0030] 式中化(d)是路径损耗值;n表示路径损耗指数，其数值取决于环境的不同，可根据 实际测量数据，建立最小二乘法的线性回归所获得;do为近地参考距离(通常选取d〇=lm);d 为信号发射机与接收机之间的距离;AF为墙体衰减因子。
[0031] 设接收信号强度的阔值为Po,当空间中任意位置的接收信号强度低于Po时，认为无 线信号的发送节点无法对该点进行感知或通信。由于发送信号强度P、路径损耗指数n和墙 壁衰减因子AF都是可W通过巧慢获得的，而阔值Po和参考距离do已经设定好，所W可W通过 下式计算出实际环境中无线信号收到障碍物后的通信距离r:
[0033] 附图2为算法的整体流程，具体如下：
[0034] 1.设置生猪养殖场区域大小a*b;无线传感器网络大小规模N;无线节点的通信半 径R。
[0035] 2.设置障碍物墙壁数量为m，如m = 4即为有四堵墙将区域平均分为五部分，且墙壁 长度默认与区域长度相同。
[0036] 3.在给定区域范围内随机分布节点，并判断每个节点是否受到障碍物影响，若没 有影响则保持初始设定的通信半径R，否则根据无线信号传输的对数路径损耗模型改变通 信半径为r(仅改变收