多阻擋因素下無線網絡非均勻分布節點部署

廖偉國，文明瑤

(華南農業大學珠江學院，廣東 廣州 510900)

1 引言

不同于互聯網，無線網絡實現的是物與物以及人與物的交互。作為一個信息技術新領域，無線網絡擴展了傳統網絡的功能，被認為是一種使人類生活發生巨大變化的高科技產業[1]。以任務要求為依據，其傳感器節點上往往同時集成了多種功能的傳感器，包括光強度傳感器、噪聲傳感器、濕度傳感器、溫度傳感器等，因此其傳感節點往往是數量極其龐大[2]。在監測區域部署這些節點后，即可通過無線通信方式構成自組織網絡，并執行信息的傳輸、處理和采集等任務，以實現監測目標區域的目的[3]。然而當監測區域的通信情況較為復雜時，節點的分布往往很不均勻，為實現節點的良好部署，需要對無線網絡非均勻分布節點部署進行研究。

最早開展相關研究的國家是美國，其研究是基于軍事目的進行的，主要應用于軍事防御部署，提出了一種基于自主分布系統的無線網絡非均勻分布節點部署方法，并將其應用于軍事方面。目前，在該領域美國的研究成果仍然位居世界前端。歐盟也成立了相關研究項目，提出了一種基于數據融合技術的無線網絡非均勻分布節點部署方法，并分析其實踐應用效果。相較于歐洲美國，我國對于無線網絡非均勻分布節點部署的研究起步很晚，但國家已經將其列為重點發展項目，因此也取得了不錯的研究成果。

由于研究中的阻擋因素較多，因此從多種阻擋因素出發，提出一種多阻擋因素下的無線網絡非均勻分布節點部署方法，其創新點在于結合監測區域內任意點受各種阻塞因子聯合探測的概率，初步確定空洞覆蓋區域，進而確定覆蓋孔洞的位置，通過構造加權二部圖對移動節點進行調度，使移動節點移動到覆蓋洞的位置，從而實現非均勻分布節點的部署。

2 設計多阻擋因素下無線網絡非均勻分布節點部署方法

2.1 構建節點感知模型

以概率感知模型為基礎，進一步改善環境與節點感知能力的關系，構建統計節點感知模型[4]。在模型的構建過程中，將傳感器節點作為圓心，在半徑為Rs-Rε的球體范圍中，認為節點感知概率是1，其中Rs表示節點實際感知半徑；Rε表示不確定的節點感知因素。則對于半徑為Rs-Rε到Rs+Rε范圍的球體，節點感知概率表現為指數函數；對于半徑為Rs+Rε以上的球體范圍，節點感知概率是0[5-6]。

構建的統計節點感知模型具體如圖1所示[7]。

圖1 構建的統計節點感知模型

構建的統計節點感知模型的數學表達式具體如下

(1)

式(1)中，d(Sn，P)表示傳感器節點到目標事物的歐式距離；λ、α、β表示半徑為Rs-Rε到Rs+Rε范圍的球體內傳感器節點感知事物能力的衰減系數；Pp(Sn)表示構建的統計節點感知模型[8]。

2.2 確定部署節點數量

對需要部署的總節點數進行估計。將監測區域的實際面積設為A，則對于整體部署區域而言，單個節點的監測概率具體如下式

(2)

式(2)中，p表示對于整體部署區域而言的單個節點監測概率[9]。

將單個節點的實際覆蓋率記為P(A)=p，對于監測區域而言，各節點的覆蓋是獨立的，則對于部署區域來說，m個節點的覆蓋率為

(3)

式(2)中，P(A)′表示對于部署區域來說m個節點的覆蓋率[10]。

2.3 確定覆蓋空洞

綜合多種阻擋因素對任意點k在監測區域的聯合探測概率進行計算，以初步確定覆蓋空洞Cmin(P)的區域，接著對覆蓋空洞位置進行確定[11]。通過聯合探測概率初步確定覆蓋空洞區域的示意圖如圖2所示。

圖2 通過聯合探測概率初步確定覆蓋空洞區域的示意圖

2.4 調度移動節點

為提升網絡覆蓋率，構建賦權二部圖對移動節點進行調度，把移動節點向覆蓋空洞處移動，以實現非均勻分布節點的部署。

對賦權二部圖進行構建的具體步驟如下：

1)V1表示移動節點集合，在V1中加入全部可移動節點。

2)V2表示虛擬節點集合，在V2中加入全部虛擬節點。

3)對于?u∈V1與?v∈V2，其中u表示移動節點集合中的移動節點，v表示虛擬節點集合中的虛擬節點。對虛擬節點v到移動節點u的距離進行計算。當計算結果比移動節點u可以移動的最大距離du小，則在賦權二部圖G里添加(u，v)這條邊，這條邊的權值為虛擬節點v到移動節點u的移動距離，用w(u，v)來表示；當計算結果比移動節點u可以移動的最大距離du大，則在賦權二部圖G里添加(u，v)這條邊，這條邊的權值為∞，也就是w(u，v)=∞。由此實現賦權二部圖的構建，構建的二部圖集表示為

(4)

式(4)中，V表示節點集合；E表示權值集合。

完成賦權二部圖的構建后，為將無線網絡覆蓋率最大化，需要獲取一個最優的節點移動方案，也就是需要對最小花費的賦權二部圖最大匹配基進行求取，利用Hopt表示該最大匹配基[12]。

基于最小花費的賦權二部圖最大匹配基Hopt所對應的最優的節點移動方案對移動節點進行調度，能夠將無線網絡的實際覆蓋率最大化，并保持最小的總節點移動距離。

對最小花費的賦權二部圖最大匹配基進行求取的示意圖如圖3所示。

圖3 求取示意圖

3 節點部署實驗

3.1 節點覆蓋程度實驗

利用Matlab進行無線網絡非均勻分布節點部署的仿真。以KDNuggets (http:∥www.kdnuggets.com/datasets/index.html)為實驗數據來源，在隨機選取的某實驗目標區域中對其六十個非均勻分布節點進行部署，其中包括動態節點與靜態節點。仿真中的參數值設置如表1所示。

表1 仿真中的參數值設置

實驗中非均勻分布節點的初始分布情況與移動情況如圖4所示。

圖4 非均勻分布節點的初始分布情況與移動情況

利用多阻擋因素下無線網絡非均勻分布節點部署方法分別對實驗中的動態節點與靜態節點進行部署，分別獲取動態節點與靜態節點部署后的節點覆蓋程度作為實驗數據。

其中動態節點的個數為18個，其節點覆蓋程度數據具體如圖5所示。

圖5 動態節點的節點覆蓋程度數據

根據圖5動態節點的節點覆蓋程度實驗數據可知，利用多阻擋因素下無線網絡非均勻分布節點部署方法進行動態節點的部署后，動態節點的覆蓋程度可達82.47%，實現了無線網絡的良好覆蓋率。但由于移動節點整體數量較少，因此難以達到完全覆蓋，對數量較多的靜態節點的覆蓋程度繼續進行實驗研究。

實驗中靜態節點的個數為42個，利用多阻擋因素下無線網絡非均勻分布節點部署方法對靜態節點進行部署后，靜態節點的節點覆蓋程度數據如圖6所示。

圖6 靜態節點的節點覆蓋程度數據

根據圖6靜態節點的節點覆蓋程度實驗數據可知，利用多阻擋因素下無線網絡非均勻分布節點部署方法進行靜態節點的部署后，靜態節點的節點覆蓋程度可達98.96%，幾乎可以實現無線網絡的完全覆蓋，實現良好的無線網絡性能。

3.2 節點定位性能實驗

為增強實驗結果的對比性，將兩種原有的無線網絡非均勻分布節點部署方法作為節點定位性能實驗中的對比方法，進行實驗中非均勻分布節點的部署并獲取能量消耗與交換信息包數對比實驗數據。這兩種原有方法分別為引言中提到的基于自主分布系統、基于數據融合技術的無線網絡非均勻分布節點部署方法。

多阻擋因素下無線網絡非均勻分布節點部署方法與基于自主分布系統的無線網絡非均勻分布節點部署方法與基于數據融合技術的無線網絡非均勻分布節點部署方法的能量消耗對比實驗數據如表2所示。

表2 能量消耗對比實驗數據

根據表2三種實驗非均勻分布節點部署方法的能量消耗對比實驗數據可知，所提方法的能量消耗低于其它兩種方法。

多交換信息包數對比實驗數據如表3所示。

表3 交換信息包數對比實驗數據

根據表3三種實驗非均勻分布節點部署方法的交換信息包數對比實驗數據可知，多阻擋因素下無線網絡非均勻分布節點部署方法在節點定位中的交換信息包數遠高于基于自主分布系統、基于數據融合技術的無線網絡非均勻分布節點部署方法的節點定位性能。

4 結束語

1)提出了一種多阻擋因素下無線網絡非均勻分布節點部署方法，在多阻擋因素下對無線網絡非均勻分布節點部署方法進行研究，交換信息包最高可達12578個，保證其節點部署的定位性能。

2)通過確定空洞覆蓋區域，進而確定覆蓋孔洞的位置，為節點部署提供優化基礎，動態節點的個數為18個時，動態節點的覆蓋程度可達82.47%；靜態節點個數為42個時，靜態節點覆蓋程度可達98.96%。