基于Voronoi图盲区的无线传感器网络节点覆盖优化方法与流程

：本发明涉及无线传感器网络技术领域的覆盖优化方法，具体涉及一种基于Voronoi图的无线传感器网络节点覆盖控制的优化方法。

背景技术：
：无线传感器网络(WirelessSensorNetworks，WSNs)是由大量被部署在监测区域，静止或移动的，具有感知能力、计算能力和通信能力的传感器节点所组成的多跳自组织网络。这些传感器节点能够实时感知、采集和处理用户所需的信息，采用无线传输的方式将处理后的信息送到用户终端。WSN涉及微机电系统(MEMS)、集成电路(IC)、无线通信和低功耗嵌入式等多个学科领域。以其低功耗、低成本、分布式和自组织的特点带来了一场信息感知的变革。许多情况下无线传感器网络在人员无法到达的恶劣环境下工作，此时传感器节点只能被随机抛撒在监测区域，如采用飞行器进行抛撒投放。初次随机抛撒的传感器位置分布不均匀，极易出现盲区无法保证监测区域的覆盖率和确保网络的连通性，需移动节点进行二次部署调整节点分布的均匀性从而提升无线传感器网络的覆盖率和连通性。目前无线传感器网络节点覆盖优化方法可以分为三类，虚拟力算法，群体智能算法和计算几何算法。优化方法1：在公开号为CN101051973的中国专利申请中，提出了一种基于虚拟力的移动无线传感器网络节点布局方法。其主要思路为：无线传感器网络工作环境中的各类对象(包括待探测目标、障碍地形、待探测热点区域、传感器)均会对传感器产生虚拟的引力与斥力作用。计算传感器节点受到虚拟力的大小和方向并使传感器做相应移动，从而使传感器节点均匀扩散提升覆盖率。优化方法2：在公开号CN101448267的中国专利申请中，提出了一种基于离散二进制的粒子群优化算法的覆盖机制。将传统PSO算法的粒子位置编码方式改变为二进制编码，二进制的长度等于所有的传感器数量N。定义“覆盖率”和“消耗率”两个适应度函数，使用PSO算法的进化机制对其进行优化。上述优化方法1与优化方法2的缺陷为：涉及权重参数的选择。Voronoi图是一种解决覆盖控制问题的有效方法，Voronoi图中的Voronoi单元与目标点的覆盖情况存在对应关系可以有效确定盲区位置。对应关系有三种。关系1：某Voronoi单元内的目标点到相应传感器节点的距离最近。若目标点被覆盖，则一定被该Voronoi单元内的传感器节点覆盖。若该Voronoi单元内的节点未覆盖目标点，则该目标点处存在盲区。关系2：某Voronoi单元各边上的目标点至与其共边的Voronoi单元内的节点的距离相等。若目标点被覆盖，则一定被共边的两个Voronoi单元内的节点同时覆盖。若这两个节点未覆盖目标点，则该目标点处存在盲区。关系3：某Voronoi单元至共点的三个Voronoi单元内的节点的距离相等。若顶点被覆盖，则一定被共点的三个Voronoi单元内的节点同时覆盖。若这三个节点未覆盖顶点，则该顶点处存在盲区。

技术实现要素：
：本发明的目的在于针对无线传感器覆盖优化问题，提出一种Voronoi图盲区的无线传感器网络节点覆盖优化方法，本发明的基本步骤包括：(1)在L×W的监测区域T内随机散布N个感知半径为Rs的无线传感器；(2)初始化算法的各个参数(传感器节点数量N，感知半径Rs，迭代次数itermax，离散化密度TD)。N＝LT×wT其中ceil表示正无穷方向取整，floor表示负无穷方向取整，rem表示取余数；按离散化密度TD将监测区域T离散化为a×b的目标点阵，每个目标点的位置记为tj＝(xj,yj),通过rand函数随机布置节点，生成传感器节点初始位置，即无线传感器节点的集合S，表示为S＝{s1,s2,…,sN}；其中每个节点的位置记为si＝(xi,yi)。(3)对监测区域T进行Voronoi图划分，Voronoi单元的集合为V＝{v1,v2,···,vN}。在本发明中的Voronoi图是由相邻传感器节点连线形成的Delaunay三角网各边做垂直平分线所组成的凸多边形的集合。凸多边形称为Voronoi单元。如图2所示。(4)当前节点si与其邻居节点集Z＝{z1,z2,···,zn}共同组成节点集合Ki＝{si,z1,z2,···,zn}，Ki对应的Voronoi单元集合Vk＝{vi,vz1,vz2,···,vzn}。计算当前节点si所对应vi的顶点覆盖情况。若顶点全部已覆盖转步骤(9)，若顶点未全部覆盖...