无线传感器网络分布式多传感器目标检测

魏 鹏，路赞赞

(西安电子科技大学数学与统计学院，陕西西安 710071)

无线传感器网络是由大规模传感器节点组成，其体积小、能量、处理和传输能力有限。传感器节点通过无线信道以多跳自组织网络，该节点在其微小的体积内集成了数据采集、数据处理和无线通信等多种功能。目前无线传感器网络的应用已逐步深入到了军事和民用领域。与传统的网络相比，无线传感器网络除了具有大规模、自组织、分布式计算等特性外，还具有环境监测、目标检测、入侵检测和信息采集等功能。在目标检测应用中，传感器节点将检测到的信息通过单跳或多跳的形式传递给Sink节点。由于监测区域环境条件的限制因素，因此更换电源困难，能量一旦耗尽或低于特定阈值，这些节点将死亡，从而直接导致无线传感器网络联通性并影响监测过程，因此能量的高效利用成为了无线传感器网络应用需要考虑的重要因素［1－4］。

为实施长时间目标检测任务，如何有效地利用能量确保有效数据的传输且延长网络的生命周期是无线传感器网络需考虑的关键问题。为解决这一问题，提出了节点休眠/唤醒机制［5］。当没有目标进入时，大量的传感器节点处于休眠阶段，少量节点处于监测阶段。一旦目标进入检测区域，大量的传感器节点被唤醒，并收集检测数据，通过节点间信息交换，确定检测目标位置和运动轨迹。当目标进入检测区域内，感知区域中被唤醒节点能有效的覆盖检测区域，及时检测到目标［6－9］。另外，由于传感器节点随机部署，无线传感器网络中存在大量的冗余节点，这些节点的感知区域被其他节点的感知区域完全重叠，导致大量节点能量的浪费［10－12］。如何研究一种有效算法，对大量传感器节点进行有效调度［3］是关键所在。在网络中存在必要数目的有效节点保证网络完全覆盖，从而减少冗余节点，并节省能量消耗。

为克服现有文献的限制，文中提出了一种能量有效分布式多传感器目标检测方法。传感器网络中节点协同监测目标的运动，当目标进入监测区域，感知半径范围内节点将检测到目标，并将检测信息在离Sink最近的节点处进行聚合，最终将聚合信息传递到Sink节点，并通过仿真比较了单个目标与多个目标检测的检测概率。在检测阶段，多节点将检测到的信息在聚合节点进行聚合，寻找到一跳最优路径将聚合数据包传送到Sink节点。仿真结果表明，多节点协同检测能有效节省节点的能量消耗并确保检测的精度。

1 多传感器目标检测方法

1.1 节点对目标检测过程

传感器节点部署在二维平面上，虽目标从(0，0)点以速度v进入监测区域，检测节点检测到目标并将检测信息传递到Sink节点。目标进入检测区域的夹角为θ，沿着给定的速度v直线运动，目标运动距离ξ将被第一个联通节点检测到。文中研究了连通节点对目标的检测，并将检测数据包传送到Sink节点。算法1利用时间离散序列法，求出目标运动的最大距离ξ。

算法1步骤如下

步骤1 根据是否Sink连通，将检测节点分成两类，一类与 Sink连通节点，将节点编号为 D1，D2，Dn，1≤n≤N，另一类为与Sink不连通节点。

步骤2 将时间离散化，求出各个时刻ti目标运动的位置，设时刻目标移动的位置为(xi，yi)。

步骤3 计算在ti(1≤i≤n)时刻，所有连通节点到目标所在位置的距离 di1，di2，…，din，若 di，j＞ rt，j=1，…，n，重复步骤 3，计算 ti+1时刻，直到 di+1，j≤rt，j=1，…，n。

步骤 4 若 di+1，j≤rt，j=1，…，n，重复步骤 3，将［ti，ti+1］离散化，使得 dtmin，j≤rt，j=1，…，n，得出目标移动的时刻tmin，进而求出目标移动的最大距离ξ=tmin·v。

根据算法1求出的ξ，单传感器节点检测到目标的概率为

虽计算出了单个节点检测到目标的概率，然而难以定量的确定节点是否检测到目标。根据给出节点目标检测阈值υ，当节点检测的概率大于阈值时，可认为节点检测到了目标。多传感器节点协作检测到目标，目标进入S1，S2，S3检测区域，节点协作对目标进行检测。多传感器节点协同检测到目标的联合检测概率为pk［D≤，其中

1.2 最优数据传输

目标进入检测区域，感知半径范围以内的所有传感器节点将检测到目标，并形成圆形检测区域。如图1所示，聚合节点寻找最优路径将聚合数据包传送到Sink节点，算法2给出如何选择最优路径。

步骤1 聚合节点确定Sink节点的位置，得出聚合节点到Sink的直线路径L(图中用虚线表示)，在这条路径或两侧选择聚合节点的下一跳节点。

步骤2 在聚合节点的最大传输半径rt范围内选择备选节点集N1，并在集合N1中选择某一节点next1，若节点next1到Sink的距离小于最大传输半径rt，则节点next1直接将聚合数据包传送到Sink节点。否则，重复步骤2。

步骤3 直到节点寻找到下一跳节点nexti，使得节点nexti到Sink的距离小于节点的最大传输半径rt，节点nexti将聚合数据包传送到Sink节点。在备选节点集Ni中选择节点使得dimin最小

0≤α≤1为加权系数，将其标记为 nexti，1≤i≤N其中，diL表示为备选集Ni中节点nji到虚线的距离，d～i表示为备选集Ni中的节点nji到上一跳节点 nexti－1最大传输半径rt圆弧的距离，其中j表示为备选集Ni中节点的编号。

图1 算法2寻找最优传输路径

2 仿真结果

表1 相关参数

传感器节点随机的部署在200 m×200 m的二维正方形平面上，Sink节点部署在区域的中心且坐标为(50，50)，网络布置好后节点的位置将不发生变化，节点初始能量为2 J。为便于阅读，相关的系统参数如表1所示。在不同感知半径条件下通过仿真比较目标移动的最大检测距离、单目标和多目标检测概率。在误检测的概率、最优路径选择过程中，仿真得出了不同权系数α与检测节点平均能量消耗之间的关系。并最终给出了4种不同采样周期，通过仿真比较了不同采样周期下的能量消耗间的关系。

图2 最大检测距离ξ

图2为最大检测距离与节点感知半径之间的关系。当目标分别以30°、45°和60°的入射角进入检测区，根据算法1得出最大检测距离ξ与感知半径之间的关系。由于节点随机部署且Sink部署在网络的中心，Sink周围节点网络的联通性较好，因此目标以45°方向进入检测区域时，目标被检测距离＜30°和60°，由仿真结果可知，当节点的感知半径增大时，网络的联通性将增强，目标最大检测距离将显著减少。

图3 目标检测概率

图3 分别比较了在30°、45°和60°情况下，单节点目标检测概率Psd和多目标检测概率Pmd。仿真结果表明，在不同入射角下，多节点目标检测的概率大于单目标节点检测概率。节点的感知半径接近30°时，多节点目标检测概率值大于给定检测阈值υ=0.9。相应地，节点的感知半径接近35°时，单节点目标检测概率值大于给定检测阈值 υ=0.9。感知半径［35，50］之间时，3 种不同角度的单节点目标检测概率和多节点目标检测概率均大于给定的阈值υ。随着节点感知半径增大，节点的联通性也将增强。当网络区域被完全覆盖时，网络中不存在盲区，一旦目标从区域边界进入检测区域，则将被检测到。

目标进入节点的感知区域后，感知区域中的多个节点协作检测目标的移动，并将感知数据在离目标最近的节点聚合。根据算法2选择最优路径，选择合适的加权系数使得节点的平均能量消耗最小。图4表明当权系数α=0.3时，节点的平均能量消耗最小。即在寻找最优路径的过程中，选择的最大传输半径范围周边的节点所占得比重较大。

图4 权系数与平均消耗能量关系

图5所示，分别给出了节点采样时间 Δt=0.1、0.2、0.3 和0.4 s情况下，传感器节点的能量消耗。随着感知半径的增加，节点的能量消耗也在增加。当采样周期较小时，单位时间内节点产生的数据包将增大，网络的负载较重，从而使得节点的能量消耗增加。比较表明当数据采样周期Δt=0.4时，传感器节点的能量消耗最小。若采样周期过大，目标检测的准确性将无法保证。而当目标移动到节点周围时，此时节点恰好进入休眠状态，这样将无法保证目标检测的准确性。因此需确定合适的采样周期作为无线传感器网络实时数据检测和传输的重要因素。

图5 不同采样周期下的能量消耗

3 结束语

本文给出了无线传感器网络中分布式多传感器节点检测方法。目标从检测边界以不同的入射角进入检测区域，根据算法1提出的时间离散化方法，求出不同入射角度下目标移动的最大检测距离，比较单节点检测概率和多节点检测概率。仿真结果表明，在相关参数相同的情况下，多节点检测概率大于单节点检测概率。当节点检测到目标后，检测区域中的多个检测节点将检测到的信息在距离目标最近的节点处进行聚合，将将聚合数据沿着最优路径经多跳传递到Sink节点。同时比较了不同采样周期对检测节点能量消耗的关系。然而文中仍存在两个缺点:(1)未考虑节点休眠唤醒机制。当检测区域没有目标出现时，使得大量的传感器节点处于休眠状态，边界节点处于工作状态，

一旦有节点检测到目标，将信息洪泛到周围节点，导致周围节点被唤醒，这样对节点间的通信协议要求将更高，而节点洪泛则必将消耗能量。(2)文中给出目标进入监测区域后沿着直线运动，而在日后的研究中需重点从目标随机移动的方面进行考虑。

［1］孙利民，李建中，陈渝，等.无线传感器网络［M］.北京:清华大学出版社，2005.

［2］崔莉，鞠海玲，苗勇，等.无线传感器网络研究进展［J］.计算机研究与发展，2005，42(1):163 －174.

［3］刘丽.多目标跟踪传感器网络路由策略研究［D］.长沙:国防科学技术大学，2006.

［4］袁朝晖，王高峰.基于数据融合确保目标检测精度的传感器节点布置［J］.计算机科学，2009(9):51－54.

［5］GAO Deyun，ZHANG Linjuan，WANG Cheng.Energy saving with node sleep and power control mechanisms for wireless sensor networks［J］.Elsevier Journal of China Universties of Posts and Telecommunications，2011，18(1):49 －59.

［6］PAOLO M，JÉRÉMIE L.Energy － efficient mobile target detection in wireless sensor networks with random node deployment and partial coverage［J］.Pervasive and Mobile Computing，2013，11(2):611 －732.

［7］WANG Shunsheng，YAN Kuoqin，et al An integrated intrusion detection system for cluster－ based wireless sensor networks［J］.Expert Systems with Applications，2011，38(6):15234－15243.

［8］YANMAZ E，GUCLU H.Stationary and mobile target detection using mobile wireless sensor networks［C］.San Diego，CA:Proc.of 28thIEEE Conf.on Computer Communications，INFOCOM 10，2010.

［9］PAOLO M，JEREMIE L，VINCENT G，et al.Engineering energy－efficient target detection applications in wireless sensor networks［C］.Mannheim，Germany:Proc.8thIEEE Int.Conf.on Pervasive Computing and Communications，Per Com 2010，2010:31 －39.

［10］LOUKASL，RADHA P，JAMES A R.Analytic evaluation of target detection in heterogeneous wireless sensor networks［J］.Transactions on Sensor Networks，2009，5(2):1 －38

［11］CAOQ，YAN T，STANKOVICJA，et al.Analysis of target detection performance for wireless sensor networks［C］.Marina del Rey，CA:Proc.Of First IEEE Conf.on Distributed Computing in Sensor Systems，DCOSS2005，2005:276 －292.

［12］TING Y.Analysis approaches for predicting performance of wireless sensor networks［D］.VA，Advisor:Charlottesville，Stankovic，2006.

［13］LIN Jianyong，XIAO Wendong，LEWIS F L，et al.Wendong xiao energy－efficient distributed adaptive multisens or scheduling for target tracking in wireless sensor networks［J］.IEEE Transaction on Instrumention and Measurement，2009，58(6):1886 －1889.

［14］LI Y，SONG Y，ZHU Y，et al.Deploying wireless sensors for differentiated coverage and probabilistic connectivity［C］.Qingdao:Wireless Communications and Networking Conference(WCNC)，IEEE，2010:1－6.