专利名称：无线传感器网络中有向节点的调度方法
无线传感器网络中有向节点的调度方法所属领域本发明涉及一种应用于无线传感器网络中的有向节点调度算法，属于软件领域。特别是涉及一种针对无线传感器网络中部署的有向节点所提出的节点调度算法，首先需要对传感器网络中的有向节点进行最优感知方向确定，然后再根据确定后的方向所知道的节点与目标之间的覆盖关系进行节点调度。
背景技术：
当前，随着微传感器技术、无线网络技术和嵌入式处理技术等的发展，无线传感器网络在很多领域都得到多种多样的应用，如工业、农业、建筑、生物、医学以及军事等。传感器网络一般由大量传感器节点构成，而节点通常包含信息感知、数据采集和通信部分。基于不同情况的应用环境，无线传感器网络存在着不同的覆盖控制问题，以保证 在一定质量的前提下，达到网络覆盖范围最大化。通常情况下，覆盖分为点覆盖、完全覆盖即区域覆盖、栅栏覆盖。点覆盖针对的是覆盖目标区域内分布的有限的离散点，对此进行监测并得出所需的最少传感器节点数量以及节点位置；而区域覆盖则需要覆盖目标区域的每一处，任意一点都至少要被一个节点所覆盖，保证节点覆盖能力与网络连通性，在此前提下尽量使用最少的传感器节点使得网络成本最小；至于栅栏覆盖考虑的是运动物体穿越网络部署区域被发现及检测的概率问题，分为“最坏与最佳情况覆盖”和“暴露穿越”两种类型。总的来说，区域覆盖问题应用比较多，而本发明涉及的是点覆盖问题。针对覆盖问题，如果采用的节点感知模型不同，那么解决方法也不同。常见的节点感知模型通常分为全向感知模型、有向感知模型。全向感知模型是指节点感知范围是以节点为圆心、感知距离为半径的圆形区域，当节点和目标之间的距离小于感知半径时，我们便称节点覆盖目标点。在无线传感器网络的全向覆盖模型中，传感器的探测覆盖范围可以近似看作是一个圆形区域，探测距离为圆形区域的半径。不同于前面所介绍的全向感知模型，有向感知模型的感知区域受到“视角”的限制。此刻节点感知范围是一个以节点为圆心、其感知距离为半径的扇形区域。随着传感技术的不断发展和实际工程的应用需求，基于有向感知模型的传感器，如视频传感器、超声波传感器、红外线传感器等得以出现，它们的感知能力被限制在视角范围内，只是有效体现在工作方向上，而其他方向则无法进行感知监测。在进行实际应用时，通常假设传感器节点的感知方向是全方向的。但是由于受到技术、成本以及周围环境等各种因素的影响，有些节点的感知方向还是会受到不同程度的限制，导致其在不同方向上的感知能力不同。一般来说，当节点只有在工作方向上才具备有效感知功能时，这样的节点我们称之为有向节点，并且相对应的传感器网络称为有向传感器网络。由于传感器节点的能量由自身所携带的节点电池所提供，能量有限，可维持工作的时间较短，能量消耗无法进行及时补给，不利于网络长期稳定的工作，因此在针对无线传感器网络的很多研究课题中，如何延长网络的生命周期则是一个研究热点和难点，部署有向节点的无线传感器网络亦是如此。在目前多种可以延长网络生存时间的方法中，节点调度是一种行之有效的方法，合理组织网络中节点的工作状态，使部分节点处于低能耗的休眠状态而另一部分处于活动状态，轮流工作，降低网络中活跃节点的密度，提高能量利用效率。在基于节点分布满足泊松静态分布的条件下，节点调度可以分为两类节点随机调度和节点协作调度。(I)节点随机调度是指随机分组，将每个节点分到某一组或某几组，执行调度算法一次，依次调度每组的传感器节点进行工作。Slij印cevic等人提出了一种基于最大化互不相交节点集合的算法，利用网络节点的冗余特性，对整个网络覆盖区域进行分组划分，使得无交集覆盖集合个数最大化，进而有效延长网络生存时间。Kumar等人提出一种随机独立休眠机制RIS，将时间划分为时隙，每个时隙中的节点按照概率P自主决定该节点是否进入休眠状态。Liu等人根据随机部署网络的覆盖特性，提出一种数学模型，通·过已知监测范围和节点感知半径的比例来计算满足服务质量期望的节点个数。Jiang等人考虑分析在节点部署失效情况下得节点调度问题。Li等人在节点位置信息未知的情况下，提出了两种集中式和分布式覆盖算法。Wang等人利用信息论的思想，提出一种信息覆盖算法，分析随机部署区域中任一节点不被信息覆盖的概率上限值，找出节点部署密度和平均覆盖洞之间的关系。Ding等人提出一种自适应的网络分割策略，通过分组将节点调度问题转化到有约束的优化图论问题，并提出一种分布式启发算法一基于连通的分割算法。Deng等人提出一种基于簇的高密度传感器网络的调度算法。(2)节点协作调度则是指节点需要和周围节点进行通信，在每一轮开始执行算法一次，按照某种竞争机制在所有节点中选择部分节点作为活动节点，该算法在调度过程中需要执行多次。DiTian等人提出基于局部邻居几何位置进行判断的冗余检测算法，通过被节点覆盖所形成的近似于扇形区域对应的圆心角并集来判断节点的覆盖冗余情况。Zhang等人采用Crossing Coverage的覆盖冗余判别方法，提出了一种分布式的节点密度控制算法0GDC(0ptimal Geographical DensityControl);而Xing对OGDC进行扩展，提出了 CCP算法，将网络配置到指定的覆盖度和连通度，需要较为精确的位置信息。Xu等人提出基于节点地理位置的GAF算法，将监测区域划分成正方形虚拟单元格，将节点按照位置信息放入相应单元格，相邻单元格的任意两个节点可以直接通信。Shao-Feng J等人针对圆周覆盖判别中的边界效应问题，提出一种增强型圆周覆盖密度控制算法。但是需要注意的是，有向节点的方向性感知特性使得现有覆盖密度控制研究成果不能直接应用于基于有向感知模型的传感器网络，因此需要将问题转化一下来考虑进而解决。当使用有向节点对选定目标进行覆盖时，节点的随机分布以及感知方向的受限都会导致有些目标不容易被覆盖从而造成目标覆盖率不高的问题，这样就减少了网络的生命周期和资源的利用率。而增强有向节点的感知能力的方法很多，其中一种是将几个方向各不相同的有向节点等同于一个节点，另外还可以设置传感器节点随着移动设备来使得自身可以全方向旋转，以及设置节点使其可以选择不同的感知方向。此处选择最后一种情况来设置有向节点。
发明内容
技术问题根据上面所述，由于有的节点因为各种因素的影响而使得节点的感知方向受限，再加上节点部署的随机性造成网络节点对所选目标覆盖率不高的问题，针对这种情况，本发明的目的是提出一种应用于无线传感器网络中有向节点调度方法，所述方法通过确定传感器网络中有向节点最优感知方向，优化配置网络资源，从而提高网络节点覆盖率、延长网络的生命周期。
技术方案本发明提出的无线传感器网络中有向节点调度方法分为场景设置、节点方向优化和节点调度3个部分；所采取的感知模型是以节点为圆心引出两条射线和感知距离为感知半径所形成的扇形区域，该方法主要包括以下几个步骤
1=0，I,步骤一场景设置1)设置所需场景参数，随机分布节点和目标；2)设置节点的相关参数，确定节点的若干可能感知方向；步骤二 节点方向优化21)首先确定方向优化的衡量标准节点在每个方向上的效用值；22)考虑影响效用值大 小的若干因素；23)计算每个选定目标的效用值；24)计算节点每个方向上目标效用值的总和，根据大小确定最终节点最优方向； 步骤三节点调度涉及到两种节点调度算法优化算法和启发式算法。符号说明如下:区域目标集合；区域目标总数；节点方向数； f:区域目标覆盖度；个目标；S :有向传感器节点集合；N:有向节点总数； r :节点感知半径；00；p :节点O的第P个感知方向T0,p :节点O在方向P上的目标集合:节点O在方向P上的第 q :节点感知视角；L :节点固有生存周期；Cffl :覆盖目标km的传感器节点Si的下标集合；B1 :覆盖I个目标的传感器节点Si的下标集合；Xij :布尔变量，如果满足节点Si e Jj., Xij的取值为1，反之为O ;Yi [O, M]之间的整型变量，当且仅当节点Si为集合B1中的成员时，yi取值为I ; tj [O, I]之间的实变量,分组Jj的活跃时间；kcritical:被个数最少并且剩余节点能量也最少的传感器节点所覆盖的目标； a1:处于[O, I]之间的节点Si的检测率；Ptx :节点活跃期间功率值；E1:节点Si的初始能量值；当分组I活跃时，覆盖目标km的传感器节点Si的下标集合；当分组I活跃时，覆盖I个目标的传感器节点Si的下标集合； u [Ο,Μ]之间的整型变量，当且仅当节点Si为集合中的成员时，Wu取值为I ; kcritical :被个数最少并且剩余节点能量也最少的传感器节点所覆盖的目标。基于优化算法的节点调度所涉及的算法过程如下311)对给定的一个分组进行初始化，设置Cmj=Cm, Dlj=D1, Wij=Yi,其中满足V/,V; ,
312)找出分组集合Jj中的重叠目标，,313)对于中的目标km，找出覆盖km的重叠节点的集合，然后在其中选出节 点Sp其中为RS节点；314)更新节点与目标关系，对于中所有节点Si来说，这里满足Si Φ &，重新赋 值 Cmj=Cmj-{i}，Dlj=Dlj-{i}且 D(H)j=D(H)j+{i}，Wij=Wij-I,返回步骤 313)；315)重新更新分组集合中的Cnij、Dlj和Wij ；在这个优化算法中，为了从分组J1, J2，......,Jq中去掉冗余目标信息，需要执行
Q次，其次，为了使网络生命周期最大化，优化算法在执行时还要满足以下的条件规划，总的方程MaximizeI,
满足条件为
权利要求
1.一种无线传感器网络中有向节点调度方法，其特征在于该方法分为场景设置、节点方向优化和节点调度3个部分；所采取的感知模型是以节点为圆心引出两条射线和感知距离为感知半径所形成的扇形区域，该方法主要包括以下几个步骤 步骤一场景设置 1)设置所需场景参数，随机分布节点和目标； 2)设置节点的相关参数，确定节点的若干可能感知方向； 步骤二 节点方向优化 21)首先确定方向优化的衡量标准节点在每个方向上的效用值； 22)考虑影响效用值大小的若干因素； 23)计算每个选定目标的效用值； 24)计算节点每个方向上目标效用值的总和，根据大小确定最终节点最优方向； 步骤三节点调度 涉及到两种节点调度算法优化算法和启发式算法； 符号说明如下 S:有向传感器节点集合；T :区域目标集合； N:有向节点总数；Μ:区域目标总数； r :节点感知半径；P:节点方向数； c\p :节点O的第P个感知方向；f:区域目标覆盖度； TQ,P:节点O在方向P上的目标集合；tQ,p，1:节点O在方向P上的第i个目标； q :节点感知视角；L :节点固有生存周期； Cffl :覆盖目标km的传感器节点Si的下标集合； B1 :覆盖I个目标的传感器节点Si的下标集合； Xij :布尔变量，如果满足节点Si e Jj., Xij的取值为1，反之为O ; Yi [O, M]之间的整型变量，当且仅当节点Si为集合B1中的成员时，Yi取值为I ; tj [O, I]之间的实变量,分组Jj的活跃时间； kcritical:被个数最少并且剩余节点能量也最少的传感器节点所覆盖的目标； a1:处于[O, I]之间的节点Si的检测率； Ptx :节点活跃期间功率值； E1:节点Si的初始能量值； Cfflj :当分组I活跃时，覆盖目标km的传感器节点Si的下标集合； Dlj :当分组I活跃时，覆盖I个目标的传感器节点Si的下标集合； Wij [O, M]之间的整型变量，当且仅当节点Si为集合中的成员时，Wij取值为I ; kcritical :被个数最少并且剩余节点能量也最少的传感器节点所覆盖的目标； 基于优化算法的节点调度所涉及的算法过程如下 311)对给定的一个分组进行初始化，设置Cmj=Cm,Dlj=B1，Wij=Yi，其中满足MiNm'1=0，I,......,M； 312)找出分组集合Jj中的重叠目标，为OTfj' 313)对于中的目标<，找出覆盖km的重叠节点的集合，然后在其中选出节点Sp其中为RS节点； ·314)更新节点与目标关系，对于中所有节点Si来说，这里满足Si幸&，重新赋值Cmj=Cmj-{i}，Dlj=Dlj-{i}且 D(H)j=D(H)j+!^，Wij=Wij-1,返回步骤 313)； ·315)重新更新分组集合中的Cmj、Dlj和Wij； 在这个优化算法中，为了从分组J1, J2，......,Jq中去掉冗余目标信息，需要执行Q次，其次，为了使网络生命周期最大化，优化算法在执行时还要满足以下的条件规划， 总的方程
全文摘要
本发明是一种无线传感器网络中有向节点调度方法，该方法分为场景设置、节点方向优化和节点调度3个部分；所采取的感知模型是以节点为圆心引出两条射线和感知距离为感知半径所形成的扇形区域，由于有的节点因为各种因素的影响而使得节点的感知方向受限，再加上节点部署的随机性造成网络节点对所选目标覆盖率不高的问题，针对这种情况，所述方法通过确定传感器网络中有向节点最优感知方向，优化配置网络资源，从而提高网络节点覆盖率、延长网络的生命周期。
文档编号H04W72/12GK103002590SQ20121048356
公开日2013年3月27日 申请日期2012年11月23日 优先权日2012年11月23日
发明者孙力娟, 苗丽媛, 肖甫, 叶晓国, 周剑, 王汝传, 郭剑, 韩崇 申请人:南京邮电大学