无线传感网络中基于气体运动模型的有毒气体监测与追踪方法与流程

本发明属于无线多媒体传感器网络领域，具体涉及一种基于气体运动模型解决对有毒气体的边界进行监测和追踪的方法。

背景技术：

无线传感网络(wirelesssensornetworks,wsns)是一种灵活的分布式网络。将感知节点部署在一个特定的区域中。节点收集在此区域内收集特定状态的信息并通过无线通信的方式将这些信息收集转发，从而实现对区域的监控。将无线传感网络应用在目标监测和追踪方面的研究已经有了很多。但是这其中的绝大多数研究解决的是单个或多个独立个体的追踪，例如人、动物和车辆，对类似于有毒气体的连续对象的研究还较少。大范围的连续对象有很多种，像扩散的有毒气体、化学液体和火灾等它们都属于连续对象，都可以用类似的手段监测和追踪。虽然它们都存在于三维空间中，有立体的形状，但是通常只对它们二维平面的位置信息感兴趣。因此通常将这个问题简化为平面问题。由于工业传感网刚刚兴起，研究时间尚短，以往的算法中还存在很多的问题：节点周期性唤醒会带来时延，增加了对目标的反应时间；能量有效性不够高；解决气体扩散问题时，没有很好的结合气体的运动规律。如何协调解决上述问题来实现对有毒气体的监测和追踪是一个备受关注的话题。

目前关于无线传感网络中有害气体的监测和追踪相关的研究文献如下：

1、mithunmukherjee等人在2017年的《ieeewirelesscommunications》上发表的文章“sleepschedulinginindustrialwirelesssensornetworksfortoxicgasmonitoring”，文章中提出了一种睡眠调度方案，该方案根据有毒气体泄漏区域的危险等级确保覆盖度要求，同时保持全局网络连接和最少数量的唤醒节点。文章将覆盖控制的方法引入了连续对象边界监测和追踪的研究中。文章的主要贡献如下：文章的主要贡献如下：1)本文主要考虑睡眠调度方案中几个有毒气体泄漏区域的各种覆盖要求；2)延长网络寿命以及确保有毒气体泄漏期间的安全要求是一个重要问题。

2、dimitrisv.manatakis等人在2015年的《ieeetransactionsonparallelanddistributedsystems》上发表的文章“estimatingthespatiotemporalevolutioncharacteristicsofdiffusivehazardsusingwirelesssensornetworks”，提出了一个新颖地估计和追踪连续对象的扩散特性的方法。将连续对象的边界近似成一组线段，每个线段时空的进展由气体方向、趋势和速度描述。当危险物靠近时，三个参数使用自组织的簇对边界进行重新估计。参数的更新基于贝叶斯估计问题的解析解的闭式表达式。文章中所提出的网内处理机制不需要传感器节点事件同步并且对节点失效和通信连接失败问题表现出鲁棒性。

3、leishu等人在2016年的《ieeecommunicationsmagazine》上发表的文章“toxicgasboundaryareadetectioninlarge-scalepetrochemicalplantswithindustrialwirelesssensornetworks”，首先概述了近年来出现的连续对象监测技术。大多数研究都集中在有害气体边界的估算上。文章分析了有害气体的性质(例如，不可见性，快速移动和变化的形状)，监测到精确的边界难度较大。因此，必须确保边界区域而不仅仅是有毒气体的边界。文章随之提出了一种新的边界区域监测技术，其平面化算法如rng和gg。

4、guangjiehan等人在2016年的《ieeesystemsjournal》上发表的文章“brtco:anovelboundaryrecognitionandtrackingalgorithmforcontinuousobjectsinwirelesssensornetworks”，提出了边界监测和追踪的算法brtco。brtco分为两个阶段：边界节点过滤阶段和高效的数据传输阶段。在第一阶段中，提出了一个两步的过滤模式，包括边界节点的粗实别和精识别。在第二阶段，为了减少过度通信和实现能量的高效性，设计了基于簇的报告节点选举机制。

5、guangjiehan等人在2016年的《personal&ubiquitouscomputing》上发表的文章“tgm-cot:energy-efficientcontinuousobjecttrackingschemewithtwo-layergridmodelinwirelesssensornetworks”，提出了一个新的边界节点确认机制，解决了由于不均匀的节点分布造成的边界变形问题。此外，为了减少上传的数据量而设计了优化机制。仿真结果表明，不消耗额外的能量，tgm-cot有能力实现高的追踪准确性和明显地减少冗余的通信。tgm-cot专门设计了一个基于双层网格的网络模型。该文章中粗粒度的格子提前建立在感知区域中。然后，在连续对象附近，细粒度的格子建立在粗粒度的格子中。一个基于簇的网络建立在双层网格结构上。通过分配大量的计算任务给簇头，发生在普通节点上交流较少。而且，考虑到不均匀的节点分布，算法为了减少在高密度节点区域的冗余节点引进了一种优化机制和为了防止在低密度区域中的边界失真引进了一种避免机制。

6、seung-woohong等人在2010年的《ieee,internationalsymposiumonpersonalindoorandmobileradiocommunications》上发表的文章“energy-efficientpredictivetrackingforcontinuousobjectsinwirelesssensornetworks”，为了优化能量的利用率和延长能量受限的无线传感网络的寿命，将活跃—睡眠调度应用在追踪连续对象中，此时仅靠近对象的节点处于活跃状态。并且提出了一种预测算法，来配合预测机制。假设在追踪大范围的连续对象，我们需要考虑在连续对象之中有许多活跃的传感器但是他们离连续对象很远的情况。这种传感器可以变为睡眠状态。

经过对已经提出的算法进行分类分析，算法应该在以下几方面进行平衡：

1.能量高效性。无线传感网络大都由电池供电，能量存在限制。因此在进行算法设计时，能量高效性是评价算法的一个很重要的指标。应该尽可能的延长无线传感网络的寿命，解决节点周期性醒来监测带来的弊端；

2.实时性。为了保证工作人员能实时获得边界信息，防止一线工作人员进入危险区域内，必须保证算法的实时性。因此，监测的时延问题应该得到解决；

3.可靠性。以往的预测算法中，只是简单地应用了一些数学知识，并不能十分精确的进行预测。在追踪算法中，应该与成熟的气体模型相结合，兼顾能量高效性和预测的准确性。

技术实现要素：

本发明的目的是为了解决以往的算法中节点大都频繁地周期性地醒来，因而导致时延和能耗增加的问题。并且以往的睡眠调度算法在唤醒策略上也存在问题。本文提出了一个基于气体运动模型的高精度、低能耗的有害气体边界监测和追踪的算法。算法结合了气体射流模型和扩散模型来进行边界的追踪，并将两者很好的结合在一起。算法主要用于研究连续目标对象中有毒气体的边界监测和追踪问题。

本发明的技术方案：

无线传感网络中基于气体运动模型的有毒气体监测与追踪方法，分为三步实现，具体步骤如下：

(1)有害气体边界识别阶段：节点通过与邻居节点之间的通信，获取邻居节点的状态，来判断自己是否属于边界节点。

(2)数据上传阶段：将边界节点进行分簇，以簇的形式将边界信息上传。

(3)边界追踪阶段：监测阶段结束后，需要在下一个报告时间到来之前，对未来边界的位置进行预测。结合了两种气体模型，提前唤醒未来边界周围的节点，节点就可以实时并且高效地监测到有害气体的边界。

边界节点识别阶段。将节点的感知状态分为三种：睡眠态、准备态和活跃态，节点被唤醒时处于准备态，节点监测到气体时处于活跃态。当节点没有监测到气体或者周围节点都被气体覆盖时，节点处于睡眠态。

算法中对有害气体的边界界定，主要是通过处在气体边界附近的边界节点来实现的。通过边界节点的信息，来描述有害气体的边界。当节点的监测状态(监测到气体时状态值value为“1”，未监测到气体时状态值value为“0”)发生变化时，向周围的一跳邻居节点发送一个cvm(changedvaluemessage)信息包，包中有该节点的id和节点的监测状态值。每个节点为了确认所有邻居而建立了邻居描述表ndt。ndt中的元素包括邻居的id、坐标和监测状态值。初始阶段，邻居节点的监测状态值为空。

每个传感器，例如节点u，周期性醒来，观察气体是否到来。当气体发生膨胀或者收缩时，气体的边界扫过节点u，节点u变为边界节点。当节点u在上一个时间片t-1没有监测到对象，在当前时间片t监测到对象时，u变成一个边界节点。此时节点u发送cvm信息给他的一跳邻居节点。邻居节点收到节点u发送来的cvm信息，就更新自己的ndt表，并且回复自己的监测状态值给节点u。

数据上传阶段。如果所有的边界节点都直接将自己的数据发送给sink节点，将会带来很大通信开销。因此将传感网络中的节点组织成簇的结构形式，每个簇的宽度为节点预设的通信半径，在每个簇中选举一个簇首节点ch，其他节点作为簇成员节点。簇首节点负责对簇内成员节点的感知数据进行融合处理，并把融合数据直接发送到sink节点。每个节点会根据自身节点的剩余能量来决定是否担任簇首节点。当边界节点识别阶段完成后，所有的边界节点根据自身剩余的能量来设置一个退避时间tbackoff,计算公式：其中，twait为系统设定的最大等待时间，eresidual为节点剩余能量，λ为预设参数。当节点u的tbackoff递减至0时，会在簇内发送一个竞选信息包，竞选信息包含了节点u的id和坐标。若某个节点在自己的tbackoff时间递减至0之前，收到了节点u发送来的竞选信息包，则该节点停止计时，向节点u回复服从信息包，表示自己归属于发送方，服从信息包中包含了该节点的id和坐标。为了防止竞选冲突，当某个节点同时收到两个竞选信息包时，节点会选择距离自己较近的簇首，已保证每个簇尽量均匀。

边界追踪阶段。在化工厂中，气体在高压的环境下运输或者存储，当有害气体发生泄漏时，气体受到压力会快速的喷射出。算法结合了气体扩散模型和气体射流模型，实现了通过睡眠调度机制准确的唤醒处于睡眠状态的节点，从而同时保证高的能量利用率和监测的准确性。

应用气体射流模型的情形。在气体刚泄漏时，气体高速喷出，此时气体运动符合气体射流模型。运用气体射流模型可以计算出射流气体前端的速度。根据气体射流的计算公式：其中，a为紊流系数(常数)，vo为气体射流的初速度，根据当前的环境参数可得，s为射流距离，依据唤醒节点发送来的历史信息可得，r0为泄漏孔直径，通过射流宽度识别算法，遍历当前的射流前端的边界节点，可以计算出当前的射流宽度。利用数据上传的阶段时进行的分簇结果，将射流边界分成段，每一段对应着一个簇。利用一元线性回归，将每个簇对应的一段边界近似成一条直线。每个簇的簇首计算它对应位置的速度，作为簇所对应一段边界的速度。根据预设的报告时间δt，可以计算出对应一段边界在这一段时间的位移的δx。

应用气体扩散模型的情形。在气体射流的形状类似于扇形，在扇形的半径部分，气体向外扩散；随着时间的延长，射流速度小于扩散速度，气体也会进入扩散阶段。联立菲克第一定律普适气体定律pv＝nrtem和密度计算公式m＝ρv，可得d为扩散系数，q为节点监测到的有害气体浓度值，r为通用气体常数，tem为当时的气温，δt为汇报的时间间隔，p为大气压强，m为有害气体的摩尔质量，x为节点之间的额距离。气体扩散的追踪方法与气体射流的追踪方法类似，利用簇结构将边界分段，根据公式计算出每个簇首对应的δx，为对应一段边界在下一个报告时刻的位置。也可以通过求导得出气体的扩散速度

由于在边界节点识别阶段，由于节点距离边界有一定距离，因此边界节点和真实边界之间存在误差。为了消除该误差，引入节点之间的额距离x的概念，额距离为整个网络中所有节点的平均距离。进行节点唤醒时，唤醒近似边界移动δx到δx+x之间的区域，唤醒的节点从睡眠态转为准备态，待气体到来时，监测到气体的节点转为活跃态，没有监测到气体的转为睡眠态。

与以往的边界监测和追踪算法相比，本发明的优点在于：

(1)设计了睡眠调度机制，三种感知状态在不同的条件下相互切换，避免了节点频繁地醒来进行监测带来的能量消耗。

(2)设计了节点唤醒机制，结合了两种气体运动模型，提高了节点唤醒的精确度。

(3)算法考虑了工厂的具体情况，气体在高压下存储和运输，泄漏时以高速喷出。

附图说明

图1为本发明中所涉及的气体运动模型。

图2为节点感知状态调度示意图。

图3为边界监测阶段示意图。

图4为边界追踪阶段中的边界整体识别过程。

图5为边界追踪阶段节点唤醒示意图。

具体实施方式

下面结合附图对本发明作进一步的描述：

一种无线传感网络中基于气体运动模型的有害气体监测和追踪方法，具体分为三个步骤：

(1)有害气体边界识别阶段：气体边界在已监测到气体的节点和未监测到气体的节点之间，通过节点之间的监测状态不同，就能确定边界的位置。该阶段的任务是状态刚发生变化的节点，即边界节点，通过发送cvm信息获取相邻的节点的信息，并且将相邻节点的信息加入ndt表中。

(2)数据上传阶段：按照边界节点的能量，将边界节点分簇，每个簇的大小为节点的通信半径。

(3)边界追踪阶段：数据上传后，利用数据上传阶段的分簇，结合气体运动模型对边界进行追踪。在下一阶段气体到来之前，提前唤醒睡眠状态的节点。

睡眠调度中节点的状态分为以下三种：

节点的三种感知状态：睡眠态、准备态和活跃态。当节点没有监测到气体时处于睡眠态，此状态时节点一个周期内只有很短的时间醒来进行监测，打开感知模块，监测到气体直接转为活跃态，未监测到时继续睡眠；处于准备态的节点只打开感知模块，一定时间内监测气体时转为活跃态，否则转为睡眠态；处于活跃态的节点，同时打开感知模块和通信模块，识别周围的边界节点，协助或担任上传和追踪任务。

步骤(3)中介绍的气体运动模型为：气体射流模型和气体扩散模型。在气体泄漏时，气体受到高压喷出，喷出的气体形状近似于扇形。当时，扇形前沿的气体运动符合射流模型；当vd<vm时，扇形前沿的气体运动符合气体扩散模型。在扇形区域的半径两旁，气体运动符合气体扩散模型。

上述步骤(3)中边界追踪阶段的具体方法为：

在边界信息发送给sink节点后，进入边界追踪阶段。边界追踪阶段的主要思想是，在下一阶段气体到来之前，提前唤醒边界附近的节点。通过这个方法，传感网络中的节点就能长时间的处于睡眠状态，达到节约能量的目的。并且在边界到来时，附近的节点都醒来进行监测，提高边界监测的精度。

在边界追踪阶段，簇首在数据上传阶段拥有了簇内所有边界节点的坐标，簇首将它们的坐标带入线性回归公式进行计算，其中通过该计算，将簇内所节点的坐标近似为一条直线。以这条直线代替簇内的一段边界来进行边界的追踪。

利用射流模型进行预测时，首先要识别出当前射流边界的宽度。根据公式每个簇首能用自己在整个射流边界中的位置y和整个边界的宽度r计算出此处气体运动的速度。由于簇首可以获取自己的坐标，因此需要计算出整个边界的宽度r。

每个簇首对当前所有的簇首进行遍历，计算出簇首与簇首之间的最远距离。通过计算，找到最远距离的两个簇。在这两个簇中，都包含有射流边界的端点。因为在包含端点的簇中，在簇的边缘存在端点，但是簇的形状类似于一条线段，簇的另一头会对端点的识别造成干扰，因此识别端点首先要排除干扰。

在已识别的两个包含端点的簇中，运用计算向量的方法来识别端点。包含端点的簇的簇首建立一张表vectors(节点编号，向量横坐标，向量纵坐标，节点到向量的距离)。包含端点的簇计算簇首坐标与每个簇内节点坐标的向量，公式为写入vectors表中，公式中(xi，yi)表示簇内节点的坐标，(xch，ych)表示簇首节点的坐标。簇首计算到每个节点的距离，写入vectors表中。簇内节点分布在簇首节点的两侧，两侧向量的横坐标或纵坐标的符号不同。根据这个方法可以区分出簇首两侧的节点。找到两侧节点中距离簇首最远的两个节点。下一步簇首的任务是剔除掉不是端点的一组节点。簇首运用邻居簇首的坐标进行干扰节点的剔除。簇首计算两组节点与邻居簇首节点的距离。保留距离邻居簇首远的一组节点。最后，两个包含端点的簇中各有一组端点，每一组端点中有两个节点，对这两个节点的坐标求平均值。最后得出的两个坐标，作为射流边界的两个端点。

两个包含端点的簇首计算他们之间的距离作为射流边界的宽度，并且发送给所有的簇首。这样每个簇首能根据自己的坐标，计算出所在位置的速度。

预测边界分为三种情况：

(1)当进行气体射流边界的预测。

每个簇首根据历史信息射流距离s，可以计算出主体速度vm。根据簇首自身距轴线的距离y可以计算出对应位置的速度v。结合规定的报告时间为δt，可计算出每个簇首的预测距离δx。

引入节点之间额距离x的概念，额距离为整个网络中节点与节点之间的平均距离，由部署节点的面积和节点的数量决定。引入这个概念的原因之一是在边界界定时，因为识别气体边界时利用的是两个节点的监测状态不同，从而进行气体边界地识别，所以真实边界距离边界节点有一定的距离。基于上述原因，引入节点之间的额距离作为偏差值。所以最终唤醒的是一个带状区域内的节点。每个簇首节点，利用当前计算出的近似边界，加上预测射流距离δx，再加上额距离x，最终唤醒的节点为一条带状区域。

(2)当进行气体扩散边界的预测。

当主体速度小于扩散速度时，气体进入扩散阶段。节点根据所处位置的浓度q，计算出加上额距离x，最终唤醒的为带状区域。

(3)在气体射流的半径部分，进行气体扩散边界的预测。

在气体射流的半径部分，气体以扩散的方式运动。节点根据所处位置的浓度q，计算出加上额距离x，最终唤醒的为带状区域。

当气团膨胀时，气体的边界会延长，因此在两个簇唤醒区域之间存在唤醒不到的空白区域，因此会有唤醒不到的节点。为了解决这个问题，每个簇的簇首进行唤醒之前，向邻居簇首汇报将要唤醒的位置，由两个簇共同将空白区域唤醒。

节点唤醒后，进入准备态。在系统预设的时间内，若气体到来，则转为活跃态，打开通信模块，进行边界的监测，汇报和追踪；若没有监测到气体，则转为睡眠态。

如图1所示，为文中所涉及的气体运动模型。点d和c为文中所描述的气体射流的端点。s为射流距离。r为射流宽度。v0为射流的初速度，vm为主轴速度。在近似于扇形的区域，气体刚泄漏时，由于受到高压而快速喷出，此时气体的运动符合射流模型。当射流速度小于扩散速度时，气体的运动符合扩散模型。图中的阴影部分(扇形区域的半径部分)，气体运动符合扩散运动模型。

如图2所示，将节点的感知状态分为三种：睡眠状态、准备状态和活跃状态。当节点刚被部署在网络中或者没有被其他节点唤醒的时候，节点处于睡眠状态。节点处在睡眠状态时，周期性醒来检查目标是否进入感知区域；当收到当前监测到对象的节点的唤醒信号时，在下一个报告时刻到来之前，节点提前进入准备状态。处于准备状态的节点，开始持续的感知将要到来的目标。如果在预设时间内节点没有监测到对象，它就转为睡眠状态；当准备状态的节点监测到追踪目标时，就转为活跃状态。睡眠状态的节点监测到气体时，也会进入这个状态。当包括自身在内的所有邻居节点都监测到了目标，表示气体已经覆盖该区域，节点转为睡眠状态。

如图3所示，当传感器节点部署在感知区域中时，每个节点为了确认所有邻居而建立了邻居描述表ndt。ndt中的元素包括邻居的id、坐标和目标监测值。初始阶段，邻居节点的目标监测值为空。节点u，周期性醒来，观察本地的监测状态。当气体发生膨胀或者收缩时，气体的边界扫过节点u，节点u变为边界节点。当节点u在上一个时间片t-1没有监测到对象，在当前时间片t监测到对象时，u变成一个边界节点。每个边界节点广播cvm信息给它的一跳邻居节点。cvm信息包括他自己的id和监测状态。传感器u可能收到邻居边界节点发送来的cvm信息。如果节点u收到邻居发送来的cvm信息，就更新自己的ndt表。

如图4所示，为边界追踪阶段中的边界整体识别过程。假设当前的边界被三个簇覆盖。根据射流模型，计算出射流的宽度和位置，每个节点可以根据自身的位置计算出对应的速度。第一步是对包含端点的簇进行识别。每个簇首(例如ch1)，对其余的簇首(ch2,ch3),进行遍历。因为距离|ch1ch3|最最远，所以簇首ch1和ch3管理的簇中包含有端点。第二步，通过向量计算的方法来得出节点n1和n2为靠近端点的节点。节点n1、n2、n3和n4的坐标减去ch1的坐标，计算出到簇首的向量。根据向量的横坐标或者纵坐标的符号不同，区分出簇首两侧的向量。计算向量的模长，取两侧向量模长最大和第二大的对应的节点。簇首计算他们与邻居簇首的距离，取距离大的一组(n1和n2)作为端点组。对n1和n2求平均值，作为一个端点的坐标。

如图5所示，在追踪阶段识别出射流宽度之后。第一步是对簇内的一段边界进行近似处理，利用一元线性回归的方法，将簇内的边界节点近似为一条直线，以这条线段代替边界进行预测。如图中的线段ιabι、ιcdι和ιghι。每个簇首节点，利用计算出的近似边界，加上计算预测距离δx，再加上额距离x，最终唤醒的节点为一条带状区域，如图直线ιa1b1ι和ιa2b2ι之间的区域。由于气团在膨胀时，边界会延长，所以会造成两个唤醒区域之间存在空隙。因此在唤醒步骤执行之前，邻居簇首之间相互通信，互相告知自己所唤醒的区域，然后邻居簇首之间协作完成对间隙的唤醒，如图中的点b1、b2、c1和c2所围成的四边形。

综上所述：

本发明公开了一种无线传感网络中基于气体运动模型的有毒气体监测和追踪方法，节点通过邻居节点的监测状态来判断自己是否属于边界节点，从而识别有毒气体的边界。然后将边界节点进行分簇，以簇的组织形式将边界信息上传。在边界追踪阶段，结合了气体运动模型和睡眠调度机制，考虑了工厂中气体泄漏的真实情况，对未来气体边界的位置进行预测，提前唤醒边界周围的节点。从而实现在气体未到来时，可以长时间的保持睡眠状态，节约能量。本发明实现了对有毒气体的高效地监测和追踪，和对气体边界位置的精确预测，节约了节点频繁地周期性醒来消耗的能量，提高了能量的利用率，延长了网络的生命周期。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。