基于WSN覆盖问题及自愈算法的研究.docVIP

基于WSN覆盖问题及自愈算法的研究 　　摘 要： 针对无线移动传感器网络的覆盖控制问题，在机会网络环境模拟器ONE的基础上进行模拟器模块的添加和修改，实现了三种覆盖控制算法，并比较了算法的性能，最后选择虚拟力覆盖控制算法进行进一步分析。通过实验研究输出采样间隔、模拟采样间隔、节点通信半径、虚拟力距离阈值等参数对覆盖控制的影响，并分析得知虚拟力距离阈值的调整可以控制传感器网络节点之间的疏密程度，进而通过减少重叠区域实现覆盖率的增加。 最后进行实验分析验证了算法改进的可行性和有效性。 　　关键词： 无线传感器网络； 覆盖控制； 虚拟力； 动态阈值 　　中图分类号： TN711?34； TP393 文献标识码： A 文章编号： 1004?373X（2016）01?0027?04 　　无线传感器网络（Wireless Sensor Networks，WSN）是近年来备受国际上关注的，涉及各项学科，技术高度集中的交叉学科，是当前国际上的热点研究领域之一。无线传感器网络集中了嵌入式计算技术、微电子传感器技术、网络及无线通信技术、分布式计算技术等诸多技术[1]，通过对环境和监测对象进行实时的监测、感知获取用户需要的信息，并以自组的多跳网络的方式传输到目标接收装置，最终抵达用户端。无线传感器网络的主要作用即是通过这种方式，以较低的成本采集到实时的、准确的信息，已广泛应用于军事国防、工农业生产、环境监测、城市管理、反恐救灾、医疗护理等领域[2]，并有着不可估量的发展前景。随着技术的成熟和成本的降低，将能够大量地替代人工工作，节省劳动力，并替代人类进行许多危险的信息采集工作，起到避免风险的作用。美国《商业周刊》认为，WSN是全球未来四大高技术产业之一，是21世纪世界最具有影响力的21项技术之一。麻省理工学院的《新技术评论》认为WSN是改变世界的十大新技术之一。 　　1 系统设计 　　本文的研究基于DTN环境模拟器ONE （Opportunistic Network Environment）是一个基于Java开发的用于模拟DTN网络环境的模拟器，可以用于机会网络（Delay Tolerant Networks，DTN）环境下的路由协议和应用研究分析，并提供了多种节点移动模型和可视化的模拟界面。ONE simulator由SINDTN和CATDTN工程项目开发，并由芬兰的诺基亚研究中心提供支持。 　　1.1 算法实现 　　1.1.1 虚拟力覆盖控制算法 　　虚拟力覆盖控制算法的实现类为VirtualForceCoverControl。该类包含一系列属性用于保存算法的各个参数，并实现两个方法init（）和run（）。init（）用于从Setting类读取[Xmax]（最大横坐标），[Ymax]（最大纵坐标），[Rtransmit]（通信半径），[Rcover]（传感半径），[Tmax]（模拟运行总时间），[Tstep]（模拟采样率），[Tspan]（输出采样率），[Rdth]（虚拟力距离阈值）等参数。run（）为算法主体，模拟虚拟力覆盖控制的过程并输出节点运动的坐标和时间戳。本文全部研究过程中，节点的移动速度[3]默认为1 m/s。 　　1.1.2 自布置覆盖控制算法 　　自布置覆盖控制算法基于Voronoi图实现，算法的核心在于Voronoi图的计算。该算法的实现类为VoronoiCoverControl类。该类包含一系列属性用于保存算法的各个参数，并实现三个方法init（），run（）和voronoi（）。init（）用于从Setting类读取[Xmax]（最大横坐标），[Ymax]（最大纵坐标），[Rtransmit]（通信半径），[Rcover]（传感半径），[Tmax]（模拟运行总时间），[Tstep]（模拟采样率），[Tspan]（输出采样率）等参数。run（）为算法主体，模拟覆盖控制的过程并输出节点运动的坐标和时间戳。voronoi（）是算法的核心，根据输入的一组节点坐标计算相应的Voronoi图。 　　1.1.3 GAF覆盖控制算法 　　GAF覆盖控制算法基于分簇策略，通过将平面区域划分为大小刚好能被一个节点完全覆盖的栅格，并控制节点在栅格之间转移实现覆盖控制。该算法的实现类为GAFCoverControl类。该类包含一系列属性用于保存算法的各个参数，并实现两个方法init（），run（）。init（）用于从Setting类读取[Xmax]（最大横坐标），[Ymax]（最大纵坐标），[Rtransmit]（通信半径），[Rcover]（传感半径），[Tmax]（模拟运行总时间），[Tstep]（模拟采样率），[Tspan]（输出采样率）等参数。run（）为算法主体，模拟GAF覆盖控制的过程并输出节点运动