多阻挡因素下无线网络非均匀分布节点部署

廖伟国，文明瑶

(华南农业大学珠江学院，广东 广州 510900)

1 引言

不同于互联网，无线网络实现的是物与物以及人与物的交互。作为一个信息技术新领域，无线网络扩展了传统网络的功能，被认为是一种使人类生活发生巨大变化的高科技产业[1]。以任务要求为依据，其传感器节点上往往同时集成了多种功能的传感器，包括光强度传感器、噪声传感器、湿度传感器、温度传感器等，因此其传感节点往往是数量极其庞大[2]。在监测区域部署这些节点后，即可通过无线通信方式构成自组织网络，并执行信息的传输、处理和采集等任务，以实现监测目标区域的目的[3]。然而当监测区域的通信情况较为复杂时，节点的分布往往很不均匀，为实现节点的良好部署，需要对无线网络非均匀分布节点部署进行研究。

最早开展相关研究的国家是美国，其研究是基于军事目的进行的，主要应用于军事防御部署，提出了一种基于自主分布系统的无线网络非均匀分布节点部署方法，并将其应用于军事方面。目前，在该领域美国的研究成果仍然位居世界前端。欧盟也成立了相关研究项目，提出了一种基于数据融合技术的无线网络非均匀分布节点部署方法，并分析其实践应用效果。相较于欧洲美国，我国对于无线网络非均匀分布节点部署的研究起步很晚，但国家已经将其列为重点发展项目，因此也取得了不错的研究成果。

由于研究中的阻挡因素较多，因此从多种阻挡因素出发，提出一种多阻挡因素下的无线网络非均匀分布节点部署方法，其创新点在于结合监测区域内任意点受各种阻塞因子联合探测的概率，初步确定空洞覆盖区域，进而确定覆盖孔洞的位置，通过构造加权二部图对移动节点进行调度，使移动节点移动到覆盖洞的位置，从而实现非均匀分布节点的部署。

2 设计多阻挡因素下无线网络非均匀分布节点部署方法

2.1 构建节点感知模型

以概率感知模型为基础，进一步改善环境与节点感知能力的关系，构建统计节点感知模型[4]。在模型的构建过程中，将传感器节点作为圆心，在半径为Rs-Rε的球体范围中，认为节点感知概率是1，其中Rs表示节点实际感知半径；Rε表示不确定的节点感知因素。则对于半径为Rs-Rε到Rs+Rε范围的球体，节点感知概率表现为指数函数；对于半径为Rs+Rε以上的球体范围，节点感知概率是0[5-6]。

构建的统计节点感知模型具体如图1所示[7]。

图1 构建的统计节点感知模型

构建的统计节点感知模型的数学表达式具体如下

(1)

式(1)中，d(Sn，P)表示传感器节点到目标事物的欧式距离；λ、α、β表示半径为Rs-Rε到Rs+Rε范围的球体内传感器节点感知事物能力的衰减系数；Pp(Sn)表示构建的统计节点感知模型[8]。

2.2 确定部署节点数量

对需要部署的总节点数进行估计。将监测区域的实际面积设为A，则对于整体部署区域而言，单个节点的监测概率具体如下式

(2)

式(2)中，p表示对于整体部署区域而言的单个节点监测概率[9]。

将单个节点的实际覆盖率记为P(A)=p，对于监测区域而言，各节点的覆盖是独立的，则对于部署区域来说，m个节点的覆盖率为

(3)

式(2)中，P(A)′表示对于部署区域来说m个节点的覆盖率[10]。

2.3 确定覆盖空洞

综合多种阻挡因素对任意点k在监测区域的联合探测概率进行计算，以初步确定覆盖空洞Cmin(P)的区域，接着对覆盖空洞位置进行确定[11]。通过联合探测概率初步确定覆盖空洞区域的示意图如图2所示。

图2 通过联合探测概率初步确定覆盖空洞区域的示意图

2.4 调度移动节点

为提升网络覆盖率，构建赋权二部图对移动节点进行调度，把移动节点向覆盖空洞处移动，以实现非均匀分布节点的部署。

对赋权二部图进行构建的具体步骤如下：

1)V1表示移动节点集合，在V1中加入全部可移动节点。

2)V2表示虚拟节点集合，在V2中加入全部虚拟节点。

3)对于∀u∈V1与∀v∈V2，其中u表示移动节点集合中的移动节点，v表示虚拟节点集合中的虚拟节点。对虚拟节点v到移动节点u的距离进行计算。当计算结果比移动节点u可以移动的最大距离du小，则在赋权二部图G里添加(u，v)这条边，这条边的权值为虚拟节点v到移动节点u的移动距离，用w(u，v)来表示；当计算结果比移动节点u可以移动的最大距离du大，则在赋权二部图G里添加(u，v)这条边，这条边的权值为∞，也就是w(u，v)=∞。由此实现赋权二部图的构建，构建的二部图集表示为

(4)

式(4)中，V表示节点集合；E表示权值集合。

完成赋权二部图的构建后，为将无线网络覆盖率最大化，需要获取一个最优的节点移动方案，也就是需要对最小花费的赋权二部图最大匹配基进行求取，利用Hopt表示该最大匹配基[12]。

基于最小花费的赋权二部图最大匹配基Hopt所对应的最优的节点移动方案对移动节点进行调度，能够将无线网络的实际覆盖率最大化，并保持最小的总节点移动距离。

对最小花费的赋权二部图最大匹配基进行求取的示意图如图3所示。

图3 求取示意图

3 节点部署实验

3.1 节点覆盖程度实验

利用Matlab进行无线网络非均匀分布节点部署的仿真。以KDNuggets (http:∥www.kdnuggets.com/datasets/index.html)为实验数据来源，在随机选取的某实验目标区域中对其六十个非均匀分布节点进行部署，其中包括动态节点与静态节点。仿真中的参数值设置如表1所示。

表1 仿真中的参数值设置

实验中非均匀分布节点的初始分布情况与移动情况如图4所示。

图4 非均匀分布节点的初始分布情况与移动情况

利用多阻挡因素下无线网络非均匀分布节点部署方法分别对实验中的动态节点与静态节点进行部署，分别获取动态节点与静态节点部署后的节点覆盖程度作为实验数据。

其中动态节点的个数为18个，其节点覆盖程度数据具体如图5所示。

图5 动态节点的节点覆盖程度数据

根据图5动态节点的节点覆盖程度实验数据可知，利用多阻挡因素下无线网络非均匀分布节点部署方法进行动态节点的部署后，动态节点的覆盖程度可达82.47%，实现了无线网络的良好覆盖率。但由于移动节点整体数量较少，因此难以达到完全覆盖，对数量较多的静态节点的覆盖程度继续进行实验研究。

实验中静态节点的个数为42个，利用多阻挡因素下无线网络非均匀分布节点部署方法对静态节点进行部署后，静态节点的节点覆盖程度数据如图6所示。

图6 静态节点的节点覆盖程度数据

根据图6静态节点的节点覆盖程度实验数据可知，利用多阻挡因素下无线网络非均匀分布节点部署方法进行静态节点的部署后，静态节点的节点覆盖程度可达98.96%，几乎可以实现无线网络的完全覆盖，实现良好的无线网络性能。

3.2 节点定位性能实验

为增强实验结果的对比性，将两种原有的无线网络非均匀分布节点部署方法作为节点定位性能实验中的对比方法，进行实验中非均匀分布节点的部署并获取能量消耗与交换信息包数对比实验数据。这两种原有方法分别为引言中提到的基于自主分布系统、基于数据融合技术的无线网络非均匀分布节点部署方法。

多阻挡因素下无线网络非均匀分布节点部署方法与基于自主分布系统的无线网络非均匀分布节点部署方法与基于数据融合技术的无线网络非均匀分布节点部署方法的能量消耗对比实验数据如表2所示。

表2 能量消耗对比实验数据

根据表2三种实验非均匀分布节点部署方法的能量消耗对比实验数据可知，所提方法的能量消耗低于其它两种方法。

多交换信息包数对比实验数据如表3所示。

表3 交换信息包数对比实验数据

根据表3三种实验非均匀分布节点部署方法的交换信息包数对比实验数据可知，多阻挡因素下无线网络非均匀分布节点部署方法在节点定位中的交换信息包数远高于基于自主分布系统、基于数据融合技术的无线网络非均匀分布节点部署方法的节点定位性能。

4 结束语

1)提出了一种多阻挡因素下无线网络非均匀分布节点部署方法，在多阻挡因素下对无线网络非均匀分布节点部署方法进行研究，交换信息包最高可达12578个，保证其节点部署的定位性能。

2)通过确定空洞覆盖区域，进而确定覆盖孔洞的位置，为节点部署提供优化基础，动态节点的个数为18个时，动态节点的覆盖程度可达82.47%；静态节点个数为42个时，静态节点覆盖程度可达98.96%。