基于改进粒子群算法和VORONOI图的无线传感器网络覆盖研究

论文摘要

信息科学技术的飞速发展,融合了多种功能模块的如计算、网络、通信与传感等的无线传感器网络(Whless Sensor Network,WSN)就因此产生。WSNs在普适计算的领域中是一个非常重要的研究方向。WSNs是由能量严格受限而且具有对周围环境感知并且进行相应计算和必要通信能力的微型传感器节点通过自组织的方式而组成的无线拓扑网络,完成预先设定需要的环境数据采集和监测并对收集到的数据信息进行相应处理,最后把结果传送给监控中心。网络覆盖是WSNs研究最核心的问题之一。在高密度部署的WSNs检测领域中,网络覆盖控制问题就是通过节点调度、工作状态控制等技术,在保证网络必需的性能要求的条件下,尽可能减少工作节点的数目,使冗余的沉睡节点在一定的唤醒机制的调度下和工作节点轮流工作,尽量降低整个网络的平均耗能,最后整个网络生存时间得以尽量的延长。网络覆盖控制算法的性能可以直接通过网络的监测质量以及网络的生存时间的优劣来评定。本文分析了无线传感器网络覆盖问题一般存在的问题,还仔细思考国内外的对此问题进行研究的重点以及研究进展。基于粒子群算法的覆盖优化算法在国内外也有研究,但普遍存在收敛慢不易于搜索到全局最优值,故提出基于概率测量模型的改进粒子群优化方法。由于标准粒子群算法的存在收敛慢且易于陷入局部最优的缺点,本文对此进行了改进。然后以网络有效覆盖率为优化目标,通过改进粒子群算法实现覆盖控制。对监测区域进行适当的离散化,并给每个栅格点以及已经部署不移动的节点具体的坐标。通过同构的传感器节点,计算出对每个栅格点的覆盖情形。提出以整个监测区域的区域覆盖率为粒子群算法的适应度函数,通过粒子群算法搜索出最优的覆盖率。在此基础上,本文提出基于在有部分可以移动的混合无线传感器网络的覆盖优化,首先对监测区域进行Delaunay图划分,通过Delaunay图的顶点构造粒子群算法的适应度函数,把覆盖率的最大化问题转化为最小问题。最后在试验阶段,分别做了不同的传感半径以及离散化程度对比,分析了传感半径以及离散化栅格点数对覆盖性能的影响。并对实现统一功能的算法进行相关项的对比,仿真实验表明,本文所提出的方法有很大的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 无线传感器网络介绍
• 1.1.1 WSNs 结构
• 1.1.2 传感器节点结构组成
• 1.1.3 WSNs 研究现状
• 1.1.4 WSNs 面临的挑战
• 1.1.5 WSNs 设计考虑的因素
• 1.2 研究背景及本文研究内容
• 1.2.1 覆盖控制和拓扑控制问题
• 1.2.2 覆盖连通性问题分析及相关算法研究进展
• 1.2.3 本文研究内容
• 第二章 无线传感器网络覆盖问题研究
• 2.1 无线传感器网络覆盖模型
• 2.2 无线传感器网络覆盖问题
• 2.2.1 配置方式分类
• 2.2.2 覆盖区域类型
• 2.2.3 区域覆盖
• 2.2.4 栅栏覆盖
• 2.2.5 感知模型分类
• 2.3 鉴定算法性能的主要指标
• 2.5 本章小结
• 第三章 改进粒子群算法的 WSNs 覆盖优化方法
• 3.1 引言
• 3.2 相关工作
• 3.2.1 相关算法
• 3.2.2 仿真效果
• 3.3 改进粒子群算法的覆盖优化算法
• 3.3.1 标准粒子群优化算法
• 3.3.2 粒子群的改进
• 3.3.3 点覆盖率和区域覆盖率计算
• 3.3.4 优化算法设计
• 3.4 仿真分析
• 3.5 本章小结
• 第四章 基于 Voronoi 图和 PSO 的覆盖优化算法
• 4.1 Voronoi Diagram
• 4.1.1 Voronoi Diagram 定义及其性质
• 4.1.2 Voronoi Diagram 的构建
• 4.2 Voronoi 图与WSNs 覆盖研究
• 4.3 覆盖优化算法设计
• 4.3.1 PSO 粒子编码适应度函数
• 4.3.2 算法设计
• 4.3.3 实验仿真
• 4.4 本章小结
• 总结与展望
• 参考文献
• 致谢
• 附录A （攻读学位期间发表论文目录）
• 详细摘要