一種異構WSN復合型柵欄覆蓋方法研究

王 涌,黃留信,紀專凱,沈鵬飛,朱濤濤

(浙江工業(yè)大學 計算機科學與技術學院,杭州 310023)

1 引 言

無線傳感器網絡柵欄覆蓋在入侵檢測等諸多領域都有著廣泛的用途,如可將傳感器網絡部署在工廠周圍,利用柵欄感知環(huán)境從而發(fā)現污染物的擴散;在現代化軍事領域,將柵欄部署在敵我陣地前沿,檢測敵人入侵從而避免造成重大損失[1,2].將無線傳感器節(jié)點隨機或有規(guī)律的部署到帶狀區(qū)域內,利用相關算法形成一條感知范圍重疊的柵欄,該柵欄將區(qū)域一分為二,從而能夠有效發(fā)現是否有入侵目標從區(qū)域的一側穿越到另外一側,該技術被稱為WSN柵欄覆蓋[3,4].目前大部分普通傳感器節(jié)點僅能在干燥的環(huán)境下工作,而在水中則會失效,從而導致柵欄失去功能,因此研究一種晴雨天都適用的柵欄覆蓋方法具有重要意義[5].

目前國內外學者在WSN柵欄覆蓋領域做了大量的研究工作,其中在柵欄構建算法方面的研究如參考文獻[6]采用異構傳感器節(jié)點并利用基于簇的方向柵欄圖理論實現柵欄構建,針對柵欄構建過程中存在間隙問題,通過派遣可移動節(jié)點修復,使得修復能耗最低.參考文獻[7]針對柵欄不能自適應各種部署環(huán)境問題,提出了一種強k-柵欄自主覆蓋方法,利用協(xié)同感知方法讓傳感器節(jié)點間能夠協(xié)同起來,實現柵欄自我部署的目的.在構建柵欄過程中大量的算法首先需要獲得傳感器節(jié)點自身的位置,常見的技術包括GPS定位、WSN定位算法等,但柵欄一般部署在遮擋物較多的環(huán)境中,定位信號受到遮擋導致定位結果不準確,最終會導致柵欄構建存在間隙.針對該問題參考文獻[8]研究了一種傳感器節(jié)點位置容錯的柵欄構建方法,利用容錯加權柵欄圖方法解決節(jié)點位置飄移從而導致柵欄構建不完善問題.在柵欄間隙修復方面的研究如參考文獻[9]提出柵欄間隙的尋找方法,并利用最大流算法和二分法對柵欄間隙進行修復,使修復代價最小.參考文獻[10]針對間隙修復復雜度高等問題,利用鄰居可移動節(jié)點集合降低了 修復算法的復雜度.參考文獻[11]通過建立入侵軌跡模型預測入侵者穿越柵欄時的位置,并將可移動節(jié)點移動到頻繁穿越位置強化柵欄,防止出現柵欄間隙.參考文獻[12]研究了一種混合傳感器網絡柵欄間隙修復方法,假設傳感器節(jié)點的感知范圍可調,利用移動節(jié)點修復柵欄使得移動距離最短.參考文獻[13]根據節(jié)點間距離查找柵欄間隙,并通過旋轉柵欄中關鍵傳感器節(jié)點或一段柵欄修復柵欄間隙.

雖然傳統(tǒng)的柵欄覆蓋方法能夠滿足多種條件下的應用要求,但未充分考慮晴天和雨天場景下柵欄適用問題.本文根據節(jié)點在不同天氣下的特性,研究了一種適用于晴天和雨天兩種場景自由切換的柵欄覆蓋方法,且在構建柵欄過程中基于能耗優(yōu)先原則從而使得構建的柵欄具有較好的魯棒性.

2 相關模型

a)普通傳感器節(jié)點為靜態(tài)節(jié)點,且僅能在晴天狀況下正常工作,當節(jié)點被打濕后功能失效,節(jié)點干燥后恢復正常功能.增強傳感器節(jié)點可同時在雨天和晴天狀態(tài)下工作且可移動,具有較強的移動能力.兩種傳感器節(jié)點都能根據Gps技術或定位算法獲得自身位置.

b)本文節(jié)點采用二元感知模型,該模型以傳感器節(jié)點位置為圓心,以半徑r的圓形區(qū)域為感知范圍,感知概率如公式(1)所示.

(1)

公式(1)中o為傳感器節(jié)點位置,s為入侵目標位置,d(o,s)為傳感器節(jié)點和入侵目標的歐氏距離,Po,s表示節(jié)點感知到入侵目標的概率.

c)增強傳感器節(jié)點在移動時消耗的能量遠遠高于感知消耗的能量,因此其感知過程消耗的能量忽略不計,且移動過程消耗的能量與移動距離呈正比,移動1m消耗的能量為3.6J[14,15].

3 柵欄構建

本章主要介紹一種k-柵欄構建方法,通過該方法構建的柵欄能夠在晴天和雨天狀況下正常工作.首先根據需要構建柵欄的數量將監(jiān)測區(qū)域均勻劃分為k個子區(qū)域,然后在每個子區(qū)域內構建1條晴雨天都適用的復合型柵欄.

3.1 區(qū)域劃分

在初始時刻,將普通傳感器節(jié)點和增強傳感器節(jié)點按一定比例混合后隨機均勻的部署到監(jiān)測區(qū)域中,并對監(jiān)測區(qū)域進行劃分,理論上每個子區(qū)域內包含的傳感器節(jié)點數量接近,然后在子區(qū)域內構建柵欄,且子區(qū)域內的節(jié)點僅供該區(qū)域柵欄構建使用,如圖1所示.

圖1 區(qū)域分割圖Fig.1 Area segmentation diagram

在子區(qū)域內如何構建柵欄使得代價最小是重點研究問題.在構建柵欄過程中應盡可能降低柵欄間隙的數量和長度,從而提高柵欄構建的成功率.本文研究的柵欄構建方法主要分為三個步驟:1)傳感器節(jié)點簇查找;2)最優(yōu)柵欄構建路徑選擇;3)增強節(jié)點派遣;具體方法如下所示.

3.2 節(jié)點簇查找

在監(jiān)測區(qū)域中,隨機部署一定數量的傳感器節(jié)點,如果兩個傳感器節(jié)點的感知范圍存在重疊的情況,則認為這兩個傳感器節(jié)點組成一個簇.在該階段利用深度優(yōu)先搜索算法查找每個子區(qū)域中所有的傳感器節(jié)點簇.搜索過程如圖2所示.

圖2 子區(qū)域成簇過程圖Fig.2 Sub-region clustering process diagram

從子區(qū)域的最左側開始搜索,首先被查找到的是節(jié)點a,將a壓入棧中,然后判斷是否存在傳感器節(jié)點與a的感知范圍存在重疊,經遍歷發(fā)現與a感知重疊的節(jié)點為b,依次用同樣的方法直到搜索到d后發(fā)現沒有其他節(jié)點與其存在感知重疊,則第一個簇查找結束,由{a、b、c、d}組成,簇頭為a節(jié)點,簇尾為d節(jié)點.接著從節(jié)點d開始查找,搜索距離子區(qū)域左邊界最近的節(jié)點,搜索結果為k,且沒有任何節(jié)點與它存在感知重疊,因此第二個簇由一個節(jié)點{k}組成,則該簇的簇頭和簇尾都為節(jié)點k.第三個簇從節(jié)點e開始,按深度搜索方法,遍歷的步驟為e→f→g→h,其中h作為其中一個簇尾,然后算法返回到f節(jié)點,繼續(xù)遍歷到節(jié)點i和節(jié)點j,節(jié)點j作為另一個簇尾.

3.3 最優(yōu)構建路徑

在子區(qū)域內完成簇的遍歷后,應盡可能利用已經形成的簇來構建柵欄,通過在簇之間填充增強型節(jié)點,實現子區(qū)域內的柵欄構建,如圖3所示,將增強節(jié)點1、2、3、4派遣到簇1、2、3之間,將簇連接起來完成整個柵欄的構建.

圖3 簇構建柵欄過程圖Fig.3 Cluster construction barrier process diagram

但在子區(qū)域內簇的數量較大,如何選擇最合適的簇來構建柵欄使得需要增強節(jié)點(可移動)的數量最少是難點.需要增強節(jié)點的數量越少,理論上完成柵欄構建的概率越高.本文提出一種基于增強節(jié)點需求拓撲結構圖和最短路徑方法實現最優(yōu)柵欄構建路徑的選擇.根據簇構建拓撲結構的過程如下:首先添加2個虛擬節(jié)點,start和end,分別位于監(jiān)測區(qū)域的左右邊界中心位置,然后將子區(qū)域內不同簇的簇頭和簇尾相互之間兩兩連接,完成拓撲圖的構建.拓撲圖中邊的權重為連接兩個簇所需要的增強節(jié)點數量numi,j,如公式(2)所示.

numi,j=0,d(i,j)-2r≤0d(i,j)-2r2r,d(i,j)-2r>0 (2)

公式(2)中d(i,j)表示兩個簇之間的歐氏距離,r為節(jié)點感知半徑.

假設子區(qū)域內建立的增強節(jié)點需求拓撲圖如圖4所示,完成拓撲結構建立后即可進行最優(yōu)柵欄構建路徑的選擇.利用最短路徑算法(如Dijkstra算法)選擇圖4中從start節(jié)點到end節(jié)點的最短路徑即為最優(yōu)柵欄構建路徑,且路徑長度為構建柵欄需要的增強節(jié)點數量.選擇該拓撲圖中最短路徑上的簇構建柵欄需要的增強節(jié)點數量最少.

圖4 增強節(jié)點需求拓撲圖Fig.4 Enhanced node requirements topology

3.4 復合型柵欄構建

本文3.3小節(jié)介紹了最優(yōu)柵欄構建路徑的選擇,本文介紹構建復合型的柵欄,能夠同時滿足晴天和雨天狀況下的正常工作要求.在晴天狀況下,構建柵欄比較簡單,僅需要派遣增強節(jié)點到3.3小節(jié)選擇出的最優(yōu)柵欄構建路徑間隙處即可完成柵欄的構建.但雨天柵欄的構建涉及到增強節(jié)點的派遣.本文提出一種柵欄分割的方法,如圖5所示,假設晴天柵欄已構建完成, 如果將晴天柵欄中的普通傳感器節(jié)點替換為增強節(jié)點,則該柵欄即可在雨天正常工作.首先從左到右掃描柵欄,如果是增強節(jié)點,則作為一個分界線,按上述方法將柵欄進行劃分,劃分后每個區(qū)域內的傳感器節(jié)點都為普通傳感器節(jié)點,然后計算每個區(qū)域內普通傳感器節(jié)點的數量.如區(qū)域a中的柵欄有1個普通傳感器節(jié)點和1個空閑的增強傳感器節(jié)點,則該增強節(jié)點可移動到普通傳感器節(jié)點位置完成該段柵欄的復合化.區(qū)域b中的柵欄共有2個普通節(jié)點,但只有一個空閑的增強節(jié)點,無法完全柵欄復合化,因此將區(qū)域b和區(qū)域c進行合并,合并后變成區(qū)域e,如圖5(b)所示,區(qū)域e中的柵欄共有5個普通節(jié)點,且區(qū)域中剛好有5個增強節(jié)點,因此能夠完成區(qū)域e中的柵欄普通節(jié)點的復合化.按上述方法對柵欄進行切分,然后派遣增強節(jié)點到普通節(jié)點位置,即可構建一條雨天狀況下適用的柵欄.

圖5 區(qū)域合并圖Fig.5 Area merge diagram

4 最優(yōu)派遣

匈牙利算法是一種最優(yōu)指派算法,假設派遣n個工人去做n個工作,每個工人可同時能做若干種任務,但每個任務只能派遣1個工人,而每個工人對不同任務的熟練程度不同,即完成時間不同.匈牙利算法能夠最優(yōu)的指派人員去做相應的工作,使完成所有工作花費的時間總和最短.將增強節(jié)點的派遣問題類比到人員指派問題,上文中晴天和雨天柵欄的構建過程中都涉及到增強節(jié)點的派遣,為盡可能降低柵欄構建過程中的能量消耗,因盡可能降低增強節(jié)點的移動距離.假設派遣x個增強節(jié)點到y(tǒng)個指定位置,但x與y的值不一定相等,因此利用“加邊補零法”對傳統(tǒng)的匈牙利算法進行改進,使之適用于不完全指派問題[16,17],如圖6所示.假設實際有2個位置需要分配增強節(jié)點,但增強節(jié)點的數量為3,分別為v1、v2、v3,由于位置數量少于增強節(jié)點的數量,因此虛擬出一個位置o,所有增強節(jié)點到虛擬位置o的歐式距離都為0,增強節(jié)點與實際位置的距離可用di,j表示,i表示增強節(jié)點的編號,j表示位置編號.根據“加邊補零法”構建匈牙利算法代價矩陣,如公式(3)所示.

圖6 匈牙利最優(yōu)派遣圖Fig.6 Hungary′s best dispatch map

(3)

構建相應的代價矩陣后,根據傳統(tǒng)的匈牙利算法步驟即可最優(yōu)的派遣增強節(jié)點到指定的位置,使得整個派遣過程中增強節(jié)點的移動距離總和最短,從而實現總能耗最低的目的.

在構建晴天柵欄時,主要派遣增強節(jié)點到簇的間隙處,將不同簇連接起來,實現柵欄的構建,如圖7所示.首先將簇1和簇2的間隙用直線連接, 然后根據公式(2)計算連接2個簇需要的增強節(jié)點數量num,接著在間隙處均勻確定num個位置,最后基于匈牙利派遣方法將增強節(jié)點派遣到相應位置.利用該方法可完成晴天柵欄的構建.

圖7 簇連接圖Fig.7 Cluster connection diagram

晴天柵欄構建完成后,只需利用3.4小節(jié)的柵欄劃分方法分段派遣增強節(jié)點到普通節(jié)點位置即可完成雨天柵欄的構建.

5 實驗分析

本文采用MATLAB軟件進行仿真實驗,并采用i7的處理器和8G內存的電腦作為硬件支撐.在一個長、寬分別為300m和1000m的矩形帶狀區(qū)域內隨機均勻地部署普通傳感器節(jié)點和增強傳感器節(jié)點,傳感器節(jié)點的感知半徑r=30m.在監(jiān)測區(qū)域中構建3條復合型柵欄(能滿足晴雨天工作的柵欄),通過對比參考文獻[18]和文獻[19]結合的柵欄構建方法Flow和貪婪算法Greedy,驗證本文算法(HCBC)的性能.Flow方法和Greedy方法利用普通傳感器節(jié)點完成基礎柵欄的構建,并派遣增強節(jié)點修復柵欄間隙,實現柵欄構建.

5.1 柵欄覆蓋率

柵欄構建算法的主要目的是盡可能完整的構建柵欄,因此柵欄覆蓋率是柵欄構建算法的重要指標之一.柵欄覆蓋率是指完成構建的柵欄在矩形監(jiān)測區(qū)域水平方向上的投影與監(jiān)測區(qū)域水平方向長度的比值.如果構建的柵欄沒有間隙,能夠完全覆蓋監(jiān)測區(qū)域,則柵欄覆蓋率為100%.實驗中在監(jiān)測區(qū)域中部署250個傳感器節(jié)點,其中普通節(jié)點和增強節(jié)點按一定比例混合,實驗驗證不同混合比例情況對柵欄覆蓋率的影響.針對Flow柵欄覆蓋算法和貪婪算法Greedy,增強節(jié)點視為可移動節(jié)點,普通節(jié)點視為靜態(tài)節(jié)點,實驗結果如圖8、圖9所示,圖8為構建晴天柵欄的覆蓋率,圖9為構建雨天柵欄的覆蓋率,橫坐標為普通節(jié)點與增強節(jié)點的混合比例,縱坐標為柵欄總體覆蓋率.

圖8 晴天柵欄構建覆蓋率Fig.8 Sunny barrier construction coverage

實驗結果表明構建晴天柵欄時,隨著增強節(jié)點比例的提高,柵欄平均覆蓋率也隨之提高.且本文提出的HCBC方法覆蓋率高于Flow方法,Greedy的覆蓋率最低,且當節(jié)點比例為1∶1時,HCBC方法的柵欄覆蓋率比Greedy方法提高了59.1%,因為隨著增強節(jié)點比例提高,可被派遣的增強節(jié)點數量增加,能修復柵欄間隙的概率也會提高,所以覆蓋率逐漸增加.HCBC方法在構建柵欄過程中能夠利用增強節(jié)點,且利用匈牙利算法能夠實現最優(yōu)派遣,而Flow和Greedy方法在構建柵欄時僅用到靜態(tài)節(jié)點(普通節(jié)點),只有在間隙修復是用到了移動節(jié)點(增強節(jié)點),因此構建的柵欄覆蓋率低于HCBC方法.在構建雨天柵欄時,HCBC方法構建的柵欄覆蓋率高于Flow和Greedy,且當節(jié)點比例為1∶1時,HCBC方法的柵欄覆蓋率比Greedy方法提高了51.6%.因為Flow方法采用二分法派遣移動節(jié)點(增強節(jié)點),只能算是逼近最優(yōu)派遣,Greedy方法僅派遣最近節(jié)點,容易陷入局部最優(yōu)問題,而本文提出的HCBC方法能夠實現最優(yōu)派遣.綜上所述,本文方法在構建晴雨天柵欄時,平均覆蓋率比Greedy提高了55.35%.

圖9 雨天柵欄構建覆蓋率Fig.9 Rainy day barrier construction coverage

5.2 平均移動距離

在構建柵欄過程中往往需要利用增強節(jié)點對間隙進行修復才能夠構建強k-柵欄.理論上構建柵欄的平均移動距離越短,則消耗的能量越少,越有利于柵欄后期的長期生存.本實驗在監(jiān)測區(qū)域內隨機均勻部署300個傳感器節(jié)點,通過調整普通節(jié)點和增強節(jié)點的混合比例驗證柵欄構建時增強節(jié)點的平均移動距離.實驗結果如圖10、圖11所示,圖10為構建晴天柵欄的實驗結果,圖11為構建雨天柵欄的實驗結果,橫坐標為普通節(jié)點和增強節(jié)點的比例,縱坐標為增強節(jié)點的平均移動距離.

圖10 晴天柵欄平均移動距離Fig.10 Average moving distance of sunny barrier

實驗結果表明隨著增強節(jié)點比例的逐漸提高,晴天和雨天柵欄構建時增強節(jié)點的平均移動距離逐漸降低,因為增強節(jié)點數量增加,則柵欄間隙位置附近有更大概率存在增強節(jié)點,而無需去更遠的地方派遣.在晴天柵欄構建時,當增強節(jié)點比例低于1∶3時,Flow的平均移動距離低于HCBC方法,而HCBC方法的平均移動距離高于Greedy方法,因為在增強節(jié)點比例不高時,HCBC方法構建柵欄是使用了部分增強節(jié)點,導致空閑的增強節(jié)點密度低于Flow方法,因此平均移動距離會略高于Flow方法,而Greedy每次都派遣最近的節(jié)點構建柵欄,在增強節(jié)點密度不高時,容易陷入局部最優(yōu)問題.當增強節(jié)點的比例提高時,HCBC方法的平均移動距離低于Flow和Greedy方法,因為當增強節(jié)點密度提高,柵欄間隙附近有足夠的增強節(jié)點可用于構建柵欄,而HCBC方法實現了最優(yōu)派遣.在構建雨天柵欄時,隨著增強節(jié)點比例的提高,三種方法的平均移動距離都降低.其中Flow方法的平均移動距離最低,其次是HCBC方法,平均移動距離最高的是Greedy方法,因為Flow在構建柵欄過程中僅用了靜態(tài)節(jié)點(普通節(jié)點),而HCBC方法使用了部分增強節(jié)點,因此Flow方法構建柵欄后空閑的增強節(jié)點密度要略高于HCBC,因此平均移動距離低于HCBC方法.

圖11 雨天柵欄平均移動距離Fig.11 Average distance of rain barrier

5.3 柵欄構建總能耗

柵欄構建消耗的能量不僅與節(jié)點的平均移動距離有關,還與節(jié)點的移動數量有關.本文設計HCBC方法的主要目的是盡可能低的降低柵欄構建能耗.本實驗在監(jiān)測區(qū)域內部署300個傳感器節(jié)點,其中普通節(jié)點和增強節(jié)點按一定比例混合,驗證在柵欄構建過程中的總能耗.實驗結果如圖12、圖13所示,其中圖12為晴天柵欄構建過程中的總能耗,圖13為雨天柵欄構建過程中的總能耗.橫坐標為普通節(jié)點與增強節(jié)點的比例,縱坐標為總能耗.節(jié)點移動過程消耗的能量可參考本文第2章節(jié)的移動能耗模型.

圖12 晴天柵欄構建總能耗Fig.12 Energy consumption of the sunny barrier construction

實驗結果表明隨著增強節(jié)點比例的提高,本文提出的HCBC方法消耗的總能量逐漸減低,而Flow和Greedy方法消耗的能量逐漸提高.因為HCBC方法在初始構建晴天柵欄時能夠利用增強節(jié)點,因此增強節(jié)點混合比例的提高不影響柵欄構建,但隨著增強節(jié)點比例增加,平均移動距離會逐漸減低,因為總能耗逐漸降低,而Flow和Greedy方法構建柵欄時僅利用靜態(tài)節(jié)點(普通節(jié)點),當增強節(jié)點的比例提高時,普通節(jié)點比例會降低,初步構建柵欄后有大量的間隙需要派遣可移動節(jié)點去修復,因此部署區(qū)域中增強節(jié)點的比例提高,消耗的能量越大.雨天柵欄構建過程中隨著增強節(jié)點比例的提升,三種方法的柵欄構建總能耗逐漸降低,因為增強節(jié)點比例提高,增強節(jié)點派遣到柵欄中普通節(jié)點位置的距離會逐漸減小,因此總能耗逐漸降低,且能耗最低的是Flow方法,其次是HCBC方法,能耗最高的是Greedy方法.

圖13 雨天柵欄構建總能耗Fig.13 Energy consumption of rainy day barrier construction

5.4 實物實驗

柵欄覆蓋可應用于軍事領域,能有效監(jiān)測敵人入侵.在陣地前沿部署無線傳感器網絡柵欄,當敵人試圖穿越柵欄時能被發(fā)現并發(fā)出警報.本實驗以竹林為實際場景部署300m長的柵欄,用于監(jiān)測入侵者,采用的傳感器節(jié)點如圖14(a)所示,該節(jié)點為CrossBow公司的Telosb節(jié)點,可通過設置節(jié)點功率來控制節(jié)點的通訊半徑.實驗中節(jié)點的通訊半徑為15m,利用10個傳感器節(jié)點組建長為300m的強柵欄,從柵欄左端開始分別編號為1～10,并隨機的從10個節(jié)點中選擇5個節(jié)點進行休眠,模擬節(jié)點死亡,形成柵欄間隙.在距離柵欄左右2側垂直距離1.5m的帶狀區(qū)域內隨機均勻部署10個節(jié)點作為可移動節(jié)點,其移動過程通過人工搬運實現,柵欄部署如圖14(b)所示.實驗中入侵者(人)攜帶一個傳感器節(jié)點(目標節(jié)點)從任意位置穿越柵欄,且目標節(jié)點一直在向外發(fā)出Beacon幀,而柵欄中的傳感器節(jié)點一直處于監(jiān)聽狀態(tài),當目標節(jié)點距離柵欄中某個傳感器節(jié)點的距離小于等于15m時,柵欄中的監(jiān)聽節(jié)點收到Beacon幀,則認為柵欄監(jiān)測到了入侵者(目標節(jié)點).實驗對比貪婪算法(Greedy)和最大流算法(Flow),10次實驗的平均結果如表1所示.

圖14 柵欄實物部署圖Fig.14 Barrier physical deployment map

表1 實物實驗結果表
Table 1 Physical experiment results table

HCBCGreedyFlow修復節(jié)點數量(個)平均移動距離(米)50次穿越監(jiān)測率(%)4.423.1699.33.433.0790.44.133.2498.6

實驗結果表明基于本文提出的HCBC方法成功修復柵欄中間隙(死亡節(jié)點處)的平均數量最多,為4.42個,其次是Flow方法,修復柵欄間隙平均數量最低的是Greedy.因此HCBC方法構建柵欄的成功率是最高的.Greedy方法的平均移動距離最短,因為該方法總是派遣最近節(jié)點替換死亡節(jié)點(到柵欄間隙處),因此平均移動距離最短,而HCBC和Flow方法首先會盡最大可能修復間隙,其次再考慮修復代價,即平均移動距離,平均移動距離略高于Greedy方法,但HCBC考慮最優(yōu)派遣,因此平均移動距離略低于Flow方法.構建柵欄夠,進行50次獨立重復的隨機穿越柵欄實驗,其中HCBC方法成功檢測到入侵目標的概率最高,其次是Flow方法,最后是Greedy方法,因為HCBC方法構建的柵欄最完善,間隙長度最短.

6 總 結

本文研究了一種異構WSN復合型柵欄覆蓋方法,能夠適用于晴天和雨水天氣.該方法首先根據構建柵欄的需求,將監(jiān)測區(qū)域劃分為k個子區(qū)域,然后在每個子區(qū)域內構建一條復合型柵欄,在構建過程中充分考慮了節(jié)點移動能耗,以及增強節(jié)點的數量.實驗結果表明該方法能夠有效解決柵欄在晴天和雨天場景下的適用性問題.后續(xù)工作希望進一步研究多場景下柵欄的調度問題,延長傳感器網絡的生存時間.