【摘要】:无线传感器网络是由低成本、低功耗、具备感知、数据处理、存储和无线通信能力的微型传感器节点通过自组织方式形成的网络。网络覆盖控制是无线传感器网络研究和应用的关键性基础问题。近年来,MEMS技术的发展已经使得移动传感器成为可能,本文主要研究由静止节点和移动节点组成的无线传感器网络的覆盖控制问题。 由于随机的初始部署使得传感器节点未能完全覆盖监测区域,或者由于节点故障、能量耗尽等原因导致节点失效使得网络出现覆盖盲区,针对这些问题,本文提出一种基于Voronoi图的覆盖盲区发现策略。把监测区域中的传感器节点视为空间中的点集,收集监测区域内所有工作节点的位置信息,并根据位置信息构造监测区域的Voronoi图,利用点集形成的Voronoi图信息判断监测区域是否出现覆盖盲区。为了尽力避免修复盲区时带来的大量冗余覆盖,考虑了同一Voronoi区域中多个盲区的情况,提出一种在节点中建立盲区顶点列表的方法,根据Voronoi区域的特点确定覆盖盲区位置,从而减少因为修复盲区而带来的冗余信息转发。 针对网络存活期内覆盖盲区的发现,提出一种基于蚁群算法的覆盖盲区的动态修复机制。该机制将覆盖盲区当作食物,拥有移动能力的传感器节点当作蚂蚁,移动节点模仿蚂蚁觅食的模式去修复网络中的覆盖盲区。食物散发气味以flooding方式传播扩散,根据节点能量及移动节点的移动能力设置转发跳数,随着跳数的增加减小气味强度。并设计一种随机避让策略,根据移动节点的能量与将要移动距离之比设置随机等待参数,把修复机会留给能量充足且移动距离短的节点,有效解决盲区修复问题。 最后通过仿真实验分析了移动节点利用率、节点平均移动距离两个性能指标,与完全使用静止节点相比,该方法使节点部署更加均匀,’提高了网络的服务质量,验证了蚁群算法修复盲区策略的可靠性和有效性。
【关键词】:
无线传感器网络
覆盖盲区
Voronoi图
盲区发现
蚁群算法
修复策略
【学位授予单位】:东北大学
【学位级别】:硕士
【学位授予年份】:2008
【分类号】:TP212.9;TN929.5
【目录】:
【学位授予单位】:东北大学
【学位级别】:硕士
【学位授予年份】:2008
【分类号】:TP212.9;TN929.5
【目录】:
- 摘要5-6
- ABSTRACT6-11
- 第1章 绪论11-17
- 1.1 引言11-12
- 1.2 研究现状12-13
- 1.3 论文研究内容13-14
- 1.4 论文组织结构14-17
- 第2章 无线传感器网络概述17-25
- 2.1 无线传感器网络的概念17
- 2.2 无线传感器网络体系结构的特点与需求17-18
- 2.3 无线传感器网络的体系结构18-22
- 2.4 无线传感器网络的应用22-24
- 2.5 本章小结24-25
- 第3章 无线传感器网络覆盖技术25-35
- 3.1 传感器节点感知模型25
- 3.2 无线传感器网络区域覆盖问题25-29
- 3.2.1 能效性随机覆盖方法26-27
- 3.2.2 连接性随机覆盖方法27-29
- 3.3 无线传感器网络的点覆盖问题29-30
- 3.3.1 随机型点覆盖问题30
- 3.3.2 确定型点覆盖问题30
- 3.4 无线传感器网络栅栏覆盖问题30-31
- 3.4.1 栅栏覆盖模型Ⅰ31
- 3.4.2 栅栏覆盖模型Ⅱ31
- 3.5 无线传感器网络的覆盖指标31-32
- 3.6 本章小结32-35
- 第4章 蚁群算法35-45
- 4.1 蚂蚁的觅食行为35-36
- 4.2 人工蚂蚁与真实蚂蚁的异同36-37
- 4.3 基本蚁群算法37-41
- 4.3.1 基本蚁群算法的数学模型及实现37-39
- 4.3.2 基本蚁群算法的复杂度分析39-41
- 4.3.3 蚁群算法的参数优化问题41
- 4.4 几种常见蚁群优化算法41-43
- 4.4.1 蚁群系统41-42
- 4.4.2 最大最小蚂蚁系统42
- 4.4.3 自适应蚁群算法42-43
- 4.5 本章小结43-45
- 第5章 基于VORONOI图的覆盖盲区的发现45-59
- 5.1 问题描述45-46
- 5.2 Voronoi图的基本知识46-48
- 5.3 基本假设及定理48-49
- 5.4 Voronoi图在盲区发现中的应用49-56
- 5.4.1 原理及Voronoi图的构造算法49-52
- 5.4.2 盲区的发现52-53
- 5.4.3 盲区位置的确定53-54
- 5.4.4 同一个盲区重复修复问题的解决54-56
- 5.5 本章小结56-59
- 第6章 基于蚁群算法的覆盖盲区的修复59-67
- 6.1 节点初始部署策略59-60
- 6.2 移动节点的工作流程60-62
- 6.3 移动节点之间的协调62-63
- 6.4 试验结果与分析63-66
- 6.5 本章小结66-67
- 第7章 结论与展望67-69
- 7.1 总结67
- 7.2 展望67-69
- 参考文献69-73
- 致谢73