一种无线传感器网络低能耗覆盖优化方法

摘要

本发明公开了一种无线传感器网络低能耗覆盖优化方法，其在保证轮次簇能耗最低的前提下，能够获取满足覆盖能力的骨干节点最优值，同时通过PSO动态调整节点的飞行方向以及飞行速度，逐步迭代获取最优覆盖的骨干节点部署方案，既能有效地采集感知区域的数据信息，又能够充分管理传感器网络资源，有效地解决了无线传感器网络应用中的骨干节点分布不均、骨干节点数目无法达到最优、网络能耗不均衡、网络覆盖能力偏低等问题，为无线传感器网络在保证低能耗的前提下合理有效部署骨干节点以达到较高的网络覆盖均匀性和网络覆盖率提供技术支撑，为在网络低能耗的前提下提高网络的区域覆盖能力提供了一种全新的解决方案。

主权项

一种无线传感器网络低能耗覆盖优化方法，其特征在于，包括以下步骤：1)根据基于保证轮次簇能耗及覆盖能力的骨干节点数目优化算法，获得骨干节点最优值：11)普通节点的能耗来自于感知数据的发送能量，骨干节点的能耗主要来自于接收感知数据、数据融合处理、数据转发至汇聚节点的能耗，因此普通节点的能耗为：骨干节点的能耗为：则某轮簇内的能耗为：E_C＝E_CH+(N/k‑1)E_M，网络总能耗为式中，E_elec为收发电路单位bit数据能耗；ε_fs、ε_mp分别为近距离和远距离的功率衰减系数；d_toCH为各普通节点到骨干节点距离的均值；E_DA为融合单位bit数据消耗的能量；d_toSink为各骨干节点到汇聚节点距离的均值；d₀为参考距离，一般为其中，k为能耗最小时的骨干节点；N为节点集；l为监测区域内理想骨干节点部署信息；α为权重系数；ε_fs、ε_mp分别为近距离和远距离的功率衰减系数；12)假设监测区域边长为M，簇所占区域为圆形，骨干节点位于簇中心，根据节点覆盖最优模型，即相邻任意三个骨干节点成等边三角形，由此可得到每个簇所占区域的面积近似为节点的分布律为则普通节点到骨干节点距离平方的数学期望值为：13)根据轮次内网络总能耗及普通节点到骨干节点距离平方的数学期望值，可获得能耗最小时骨干节点k的最优值为$k_{opt}=\left\{\begin{array}{cc}\frac{\sqrt[4]{27}\sqrt{N}M}{2{\mathrm{\pi d}}_{toSink}^2}\sqrt{\frac{{ϵ}_{fs}}{{ϵ}_{mp}}},& d_{toSink}\ge d_0\\ \frac{\sqrt[4]{27}\sqrt{N}M}{2{\mathrm{\pi d}}_{toSink}^2},& d_{toSink}<d_0\end{array}\right.,$ε_fs、ε_mp分别为近距离和远距离的功率衰减系数；d₀为参考距离，一般为2)根据用于保证网络覆盖均匀性的改进分簇部署算法，获得覆盖均匀性指标：21)覆盖均匀性反映了传感器节点在被监测区域的分布情况，根据覆盖均匀性与节点之间距离的关系，采用改进分簇部署算法来获取覆盖均匀性指标，距离标准差值越小，则覆盖均匀性越高，同时网络中节点的能量消耗越低，具体如下：$U=\frac{1}{k_{opt}}\underset{i=1}{\overset{k_{opt}}{\Sigma }}{U}_i$$U_i={\left(\frac{1}{k_i}\underset{j=1}{\overset{k_i}{\Sigma }}{\left(D_{i,j}-M_i\right)}^2\right)}^{\frac{1}{2}}$式中U为覆盖均匀性指标，即距离标准差值指标，k_opt为骨干节点总数目，k_i为第i个骨干节点的邻居节点个数，D_i，j为第i个骨干节点与第j个骨干节点之间的距离，M_i表示第i个骨干节点与邻居骨干节点距离的平均值；22)邻居节点的选取，根据节点覆盖最优模型以及最优骨干节点数量可得到骨干节点之间的最佳距离为为了保证网络覆盖率，选取距离第i个骨干节点为(0,Ropt±2(Rs‑Ropt/2)]的节点为该骨干节点的邻居节点，R_s为骨干节点的感知距离；3)根据用于解决骨干节点分布不均，平衡网络覆盖率和覆盖均匀性的改进PSO覆盖能效优化算法，获得骨干节点部署结果：31)优化目标是满足网络覆盖率最大化及覆盖均匀性最大化，即网络覆盖率最大化、距离标准差值最小化，由此可得到最小化目标函数为：f(X)＝C‑^(1‑α)U^α，式中C和U分别为节点集N所对应网络部署状态的网络覆盖率和网络覆盖均匀性指标，α为权重系数，用于调节优化中两项指标的权重，以适应无线传感器网络不同的约束条件；32)初始化微粒群，根据各个微粒的位置信息，在节点集N中搜索距离各个微粒中骨干节点最近的节点，并作为初始微粒群集X；33)根据节点覆盖最优模型，获得监测区域内理想骨干节点部署信息L，根据下式将骨干节点进行迭代进化：$v_{ij}^{k+1}={\mathrm{\omega v}}_{ij}^k+c_1{r}_1(p_{ij}^k-x_{ij}^k)+c_2{r}_2(p_{gj}^k-x_{ij}^k)$$x_{ij}^{k+1}=x_{ij}^k+v_{ij}^{k+1},(Vmax⋐[Ropt-2(Rs-Ropt/2),Ropt+2(Rs-Ropt/2)\left]\right),$每代进化完毕后获得具有最小适应度值的骨干节点集位置信息S，在S±2(Rs‑Ropt/2)范围内搜索是否满足节点集N，若满足则更新相应骨干节点位置信息，否则设置λ(S±L)为该节点下次迭代的飞行方向。