基于Voronoi 圖的無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測方法

陳振峰，陳紀(jì)鑫

(1.廣州番禺職業(yè)技術(shù)學(xué)院財經(jīng)學(xué)院，廣東 廣州 511483；2.華南理工大學(xué)建筑學(xué)院，廣東 廣州 510614)

近年來，無線傳感網(wǎng)絡(luò)(Wireless Sensor Network，WSN)[1]逐漸普及到人類生活的各行各業(yè)，成為當(dāng)今社會的研究熱點。公共區(qū)域監(jiān)控、黑客入侵檢測、智能機械操作、智慧城市建設(shè)均離不開無線傳感網(wǎng)絡(luò)的參與，可見無線傳感網(wǎng)絡(luò)已成功依靠其優(yōu)質(zhì)的網(wǎng)絡(luò)服務(wù)質(zhì)量和高效的節(jié)點傳輸能力，成為21 世紀(jì)最有價值的計算機科研項目之一。然而無線傳感網(wǎng)絡(luò)內(nèi)部分節(jié)點長期處于無覆蓋的活躍度低迷的休眠狀態(tài)，對網(wǎng)絡(luò)的連通性造成不可估量的影響。因此，相關(guān)的無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測與修復(fù)研究引起了學(xué)者的關(guān)注。

王寒露等[2]通過超聲檢測方法對擴散場扇掃重建，并利用10 MHz 超聲相控陣探頭搜查重建區(qū)域的時間寬窗，以獲取有效擴散時間內(nèi)較為全面的網(wǎng)絡(luò)近表面盲區(qū)缺陷。但是該方法存在檢測效率低的問題。Iqbal 等[3]提出了基于復(fù)回波狀態(tài)網(wǎng)絡(luò)預(yù)測原理的正交幅度調(diào)制信號在線盲均衡算法。通過調(diào)整振幅和相位，實現(xiàn)由非線性信道引起的傳輸信號失真檢測。但是該方法存在檢測場景受限的問題。李志軍等[4]通過孤島檢測方法將無線傳感網(wǎng)絡(luò)節(jié)點映射至Q×C坐標(biāo)系中，并利用真實校驗方法獲取坐標(biāo)系內(nèi)單位節(jié)點的負(fù)載品質(zhì)因數(shù)，通過觀察橫、縱坐標(biāo)下各節(jié)點的負(fù)載品質(zhì)因網(wǎng)絡(luò)覆蓋盲區(qū)檢測數(shù)對應(yīng)的節(jié)點活躍度，實現(xiàn)無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測。但是該方法存在檢測能耗高的問題。董鑫等[5]提出了裝有魚眼鏡頭的傳感器網(wǎng)絡(luò)連通保持覆蓋控制策略。在建立有向視覺傳感器節(jié)點覆蓋性能函數(shù)的基礎(chǔ)上，利用控制器約束節(jié)點的轉(zhuǎn)動角度、運動步長，從而確保整個網(wǎng)絡(luò)的連通性，以此提升覆蓋連通度，減少盲區(qū)的產(chǎn)生。但是該方法主要針對的是優(yōu)化傳感器連通度提升策略，對其應(yīng)用后是否依舊會產(chǎn)生覆蓋盲區(qū)，盲區(qū)出現(xiàn)數(shù)量等問題未進(jìn)行分析。Kishk 等[6]利用可重構(gòu)智能表面技術(shù)在移動用戶和沒有直接視線信道的基站之間提供間接視線鏈路。通過提供額外的間接視線鏈路來提高蜂窩網(wǎng)絡(luò)的覆蓋概率。但是該方法受節(jié)點冗余度影響，造成覆蓋檢測能耗較高。蔣世華等[7]提出了基于軸面對稱機制的物聯(lián)網(wǎng)節(jié)點覆蓋算法。該方法通過對稱分布簇頭節(jié)點分割物聯(lián)網(wǎng)，以提高覆蓋效率。利用鏡像節(jié)點、簇頭輪詢方法增強網(wǎng)絡(luò)傳輸能力。該方法降低了簇頭受限概率，但是受盲區(qū)的影響，造成檢測能耗較高。

為了提高無線傳感網(wǎng)絡(luò)通信效率，準(zhǔn)確檢測盲區(qū)，提出基于Voronoi 圖的無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測方法。

1 無線傳感網(wǎng)絡(luò)覆蓋率

從宏觀視角觀察無線傳感網(wǎng)絡(luò)，其由傳感器節(jié)點[8]和網(wǎng)絡(luò)用戶共同組成。想要檢測無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)，需要優(yōu)先了解無線傳感網(wǎng)絡(luò)節(jié)點的分布關(guān)系和網(wǎng)絡(luò)大體覆蓋情況。

1.1 無線傳感網(wǎng)絡(luò)節(jié)點的分布關(guān)系

根據(jù)無線傳感網(wǎng)絡(luò)幾何判定理論可知，無線傳感網(wǎng)絡(luò)中的節(jié)點[9]不是無規(guī)則散亂分布，而是遵循極坐標(biāo)平面極軸關(guān)系以三角形及三角形外接圓半徑的形式首尾相連。這種有規(guī)律的分布形式能夠最大限度提升節(jié)點間的通信半徑T和感知半徑U:

式中:f2表示無線傳感網(wǎng)絡(luò)選定平面的坐標(biāo)原點；s表示相鄰節(jié)點的歐氏距離；d表示三角形邊長；i表示外接圓半徑；lo表示目標(biāo)范圍內(nèi)的節(jié)點數(shù)量；l3表示節(jié)點虛擬距離；l5表示節(jié)點移動步長；τ表示無線傳感網(wǎng)絡(luò)通信執(zhí)行次數(shù)。

無線傳感網(wǎng)絡(luò)節(jié)點分布關(guān)系如圖1 所示。

圖1 無線傳感網(wǎng)絡(luò)節(jié)點分布關(guān)系

1.2 無線傳感網(wǎng)絡(luò)覆蓋情況

在成功了解無線傳感網(wǎng)絡(luò)節(jié)點分布關(guān)系的基礎(chǔ)上，推測無線傳感網(wǎng)絡(luò)大體覆蓋情況?？紤]到單個節(jié)點不受通信半徑和感知半徑的約束，能在初始能量的支持下圍繞穩(wěn)態(tài)范圍移動，且網(wǎng)絡(luò)節(jié)點分布關(guān)系在節(jié)點周期性運行途中不會發(fā)生離散現(xiàn)象。在推測無線傳感網(wǎng)絡(luò)大體覆蓋情況時，需要追蹤傳感器節(jié)點運行軌跡，并在不干擾傳感器節(jié)點拓?fù)浣Y(jié)構(gòu)的同時，沿追蹤路徑構(gòu)建柵欄[10]，使傳感器節(jié)點在運行過程中覆蓋的網(wǎng)絡(luò)區(qū)域得以保留。

傳感器節(jié)點作為暴露在網(wǎng)絡(luò)通信地帶，隨不同應(yīng)用場合改變二維空間曲線的信息傳輸載體，能夠通過解耦合的方式移動節(jié)點傳輸貢獻(xiàn)量[11]對應(yīng)的歐幾里德距離，實現(xiàn)傳感器節(jié)點的周期性運行。正常情況下，傳感器節(jié)點的鄰近節(jié)點受到節(jié)點分布關(guān)系的限制，必須保持固定部署位置完成網(wǎng)絡(luò)通訊任務(wù)。這種限定條件使得傳感器節(jié)點在一次運行周期內(nèi)的傳輸貢獻(xiàn)量固定不變，極大程度降低了節(jié)點運行軌跡的追蹤難度。極坐標(biāo)[12]不同于傳統(tǒng)二維坐標(biāo)，其坐標(biāo)系極角升序排列關(guān)系與無線傳感網(wǎng)絡(luò)節(jié)點分布關(guān)系一一對應(yīng)，將無線傳感網(wǎng)絡(luò)與極坐標(biāo)結(jié)合，通過追蹤坐標(biāo)系內(nèi)傳感器節(jié)點的運行軌跡，即可實現(xiàn)實際應(yīng)用中網(wǎng)絡(luò)節(jié)點運行軌跡的追蹤。傳感器節(jié)點傳輸貢獻(xiàn)量，如式(2)所示:

式中:T表示節(jié)點通信半徑；U表示節(jié)點感知半徑；xi表示放置策略；n表示無線傳感網(wǎng)絡(luò)頂端和底端的中心位置；表示節(jié)點冗余度；u表示節(jié)點在目標(biāo)區(qū)域中的最小收斂時速。

傳感器節(jié)點解耦合，如式(3)所示:

式中:ceil(·)表示取整函數(shù)，?表示跟蹤過程中傳感器節(jié)點理想軌跡偏移率；c表示傳感器節(jié)點垂足坐標(biāo)；x表示傳感器節(jié)點備選路段。

極坐標(biāo)中傳感器節(jié)點在橫、縱坐標(biāo)上移動的歐幾里德距離，如式(4)所示:

式中:σ表示節(jié)點傳輸貢獻(xiàn)量在橫坐標(biāo)上的對應(yīng)位移；qn表示節(jié)點傳輸貢獻(xiàn)量在縱坐標(biāo)上的對應(yīng)位移；qn＋1表示全軌跡劃分交點數(shù)；q2表示傳感器源點和目的地的垂直距離；η表示無線傳感網(wǎng)絡(luò)的全局拓?fù)湫畔ⅲ籹n表示鄰近節(jié)點的聯(lián)通半徑；sm表示起點集合節(jié)點數(shù)量；f3表示終點集合節(jié)點數(shù)量；B表示同構(gòu)節(jié)點數(shù)據(jù)傳輸速率。

在成功獲取傳感器節(jié)點運行軌跡的基礎(chǔ)上，沿追蹤路徑構(gòu)建柵欄。根據(jù)Gage 機器人在網(wǎng)絡(luò)通信背景下獲取的有效追蹤檢測區(qū)域內(nèi)節(jié)點移動軌跡，可知傳感器節(jié)點的運行軌跡多呈現(xiàn)多邊形結(jié)構(gòu)，因此在沿途構(gòu)建柵欄過程中，應(yīng)優(yōu)先確定多邊形結(jié)構(gòu)的形心位置，以達(dá)到網(wǎng)絡(luò)覆蓋區(qū)域的無窮方向取整估算。多邊形結(jié)構(gòu)形心位置，如式(5)所示:

式中:Δω表示多邊形面積；z表示節(jié)點多數(shù)性能指標(biāo)；Δj表示虛線圓圓心所標(biāo)記的中心位置；r表示傳感器節(jié)點當(dāng)前位置。

柵欄公式如式(6)所示:

多邊形結(jié)構(gòu)的二維平面圖如圖2 所示。

圖2 多邊形結(jié)構(gòu)的二維平面圖

柵欄能夠保留傳感器節(jié)點運行途中覆蓋的網(wǎng)絡(luò)區(qū)域，通過統(tǒng)計柵欄在平面中的全部位置，即可得到無線傳感網(wǎng)絡(luò)的大體覆蓋情況。

2 無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測

Voronoi 圖[13]又稱Dirichlet 圖，是由來自俄國的Voronoi Diagram 教授就幾何晶體、信息系統(tǒng)、建筑理論等一系列問題提出的全景分割算法[14]，該算法因其優(yōu)越的網(wǎng)絡(luò)空間分割能力和節(jié)點調(diào)度能力被廣泛應(yīng)用于各種科研領(lǐng)域當(dāng)中。由于Voronoi 圖與無線傳感網(wǎng)絡(luò)節(jié)點運行軌跡在行為邏輯表現(xiàn)出高度一致性，Voronoi 圖也常被應(yīng)用于無線傳感網(wǎng)絡(luò)相關(guān)的研究當(dāng)中。采用Voronoi 圖檢測無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)的基本思路圍繞排除已覆蓋區(qū)域和具備檢測條件的未覆蓋無線傳感網(wǎng)絡(luò)空洞特征展開。

2.1 排除已覆蓋區(qū)域

掌握了無線傳感網(wǎng)絡(luò)的大體覆蓋情況，以此為基礎(chǔ)，在Voronoi 圖的指導(dǎo)下通過排除已覆蓋區(qū)域，獲取具備檢測條件的未覆蓋無線傳感網(wǎng)絡(luò)空洞，其具體過程如下:首先將無線傳感網(wǎng)絡(luò)與Voronoi 圖結(jié)合，然后過濾已覆蓋區(qū)域?？紤]到無線傳感網(wǎng)絡(luò)已覆蓋區(qū)域和未覆蓋區(qū)域存在數(shù)學(xué)理論和物理特性的差異，在獲取網(wǎng)絡(luò)空洞的過程中，應(yīng)忽略兩區(qū)域差異引發(fā)的節(jié)點感知強度和通信能力隨節(jié)點活性喪失而產(chǎn)生的能量損耗，如式(7)所示:

式中:k?表示已覆蓋區(qū)域和未覆蓋區(qū)域的垂直平分線；t3表示兩區(qū)域的數(shù)學(xué)理論差異；t6表示兩區(qū)域的物理特性差異；yn表示覆蓋區(qū)域的節(jié)點數(shù)量；ym表示空洞節(jié)點數(shù)量；α表示節(jié)點感知精度；ε2表示已覆蓋區(qū)域的節(jié)點稀疏性。

無線傳感網(wǎng)絡(luò)空洞的表達(dá)式:

式中:ψk表示空洞圓盤面積；δ表示取余數(shù)；e表示空洞圓心距。

2.2 未覆蓋無線傳感網(wǎng)絡(luò)空洞特征

未覆蓋的無線傳感網(wǎng)絡(luò)空洞之所以具備盲區(qū)檢測價值，是因為其空洞暴露程度和節(jié)點能量均與已覆蓋的無線傳感網(wǎng)絡(luò)不同，即未覆蓋的無線傳感網(wǎng)絡(luò)空洞具有檢測效果顯著的盲區(qū)特征。以上述無線傳感網(wǎng)絡(luò)空洞為基礎(chǔ)，分別計算空洞區(qū)域的暴露程度和節(jié)點能量，作為檢測無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)的特征樣本?？斩磪^(qū)域暴露程度，如式(9)所示:

式中:κ表示空洞區(qū)域內(nèi)節(jié)點的給定HBN 序列；γ2表示鄰近節(jié)點覆蓋矛盾；b表示空洞有向鏈路；hij表示空洞數(shù)量。

空洞區(qū)域節(jié)點能量，如式(10)所示:

式中:p2表示順時針節(jié)點序列；dij表示負(fù)無窮方向取整；cosμ表示目標(biāo)點到空洞區(qū)域的最近距離。

粒子群分類器[15]是由粒子群編碼和分類規(guī)則適應(yīng)度共同組成的擇優(yōu)信任匹配算法，常被應(yīng)用于多種領(lǐng)域的數(shù)據(jù)集分類工作中。將空洞區(qū)域的暴露程度和節(jié)點能量作為特征樣本輸入粒子群分類器中，根據(jù)分類器的輸出結(jié)果，即可實現(xiàn)無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)的有效檢測。粒子群分類器如式(11)所示:

式中:pvj表示粒子的適應(yīng)度；dirs表示粒子的速度；I表示分類器迭代次數(shù)。

粒子群分類器檢測特征樣本的表達(dá)式，如式(12)所示:

式中:ζ表示特征樣本均勻性；sinθi表示矛盾數(shù)據(jù)剔除率；cosθj表示特征樣本分類敏感度。根據(jù)上述過程中，實現(xiàn)基于Voronoi 圖的無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測，并將其總結(jié)為下述步驟:

步驟1:明確無線傳感網(wǎng)絡(luò)節(jié)點的分布關(guān)系和當(dāng)前覆蓋情況；

步驟2:融合無線傳感網(wǎng)絡(luò)與Voronoi 圖:忽略已覆蓋區(qū)域和未覆蓋區(qū)域差異引發(fā)的節(jié)點感知強度和通信能力隨節(jié)點活性喪失而產(chǎn)生的能量損耗上，根據(jù)式(8)獲取無線傳感網(wǎng)絡(luò)空洞，并利用Voronoi圖生成無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)示意圖；

步驟3:計算空洞區(qū)域的暴露程度和節(jié)點能量，作為檢測無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)的特征樣本；

步驟4:將獲取的特征樣本輸入粒子群分類器中，根據(jù)式(11)輸出無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測結(jié)果。

3 仿真與結(jié)果

為了驗證基于Voronoi 圖的無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測方法的整體有效性，需要對其進(jìn)行測試。

3.1 仿真設(shè)置

利用MATLAB2020B 軟件，在200 m×200 m 的無線傳感網(wǎng)絡(luò)區(qū)域中，以20 m 為節(jié)點通信半徑隨機部署10×105 個傳感器節(jié)點。在無線傳感網(wǎng)絡(luò)中采取隨機部署的方式，部署傳感器節(jié)點，由于所使用路由算法、環(huán)境等因素的影響，導(dǎo)致部分節(jié)點失效，造成無線傳感網(wǎng)絡(luò)存在覆蓋盲區(qū)。其他相關(guān)參數(shù)如表1所示，無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)如圖3 所示。

表1 仿真環(huán)境的相關(guān)參數(shù)

圖3 無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)示意圖

圖3 矩形區(qū)域是需要被無線傳感網(wǎng)絡(luò)傳感器檢測的目標(biāo)區(qū)域，灰色的部分為覆蓋盲區(qū)。

3.2 仿真結(jié)果分析

根據(jù)上述參數(shù)設(shè)置，將文獻(xiàn)[2]擴散場扇掃重建格林函數(shù)實現(xiàn)近表盲區(qū)缺陷檢測方法、文獻(xiàn)[3]基于復(fù)回波狀態(tài)網(wǎng)絡(luò)預(yù)測的覆蓋盲區(qū)檢測方法作為對比方法進(jìn)行測試，結(jié)果如下。

3.2.1 檢測效率

分別采用所提方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法檢測設(shè)定仿真環(huán)境的覆蓋盲區(qū)數(shù)量，分別為5、15、20、25、30 個，并記錄不同方法的檢測時長，每種情況下分別進(jìn)行多次運算，取其時間平均值，得到的結(jié)果如圖4 所示。

圖4 不同方法的檢測時長

如圖4 可見，采用所提方法檢測無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)，其檢測時長僅有0.2 s，說明所提方法的效率較高。因為所提方法以無線傳感網(wǎng)絡(luò)大體覆蓋情況為基礎(chǔ)，在Voronoi 圖的指導(dǎo)下通過排除已覆蓋區(qū)域，獲取具備檢測條件的未覆蓋無線傳感網(wǎng)絡(luò)空洞，并將網(wǎng)絡(luò)空洞的暴露程度和節(jié)點能量作為樣本特征輸入粒子群分離器中，進(jìn)一步提高了檢測結(jié)果的可信度和檢測效率。采用文獻(xiàn)[2]方法和文獻(xiàn)[3]方法檢測無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)，二者檢測時長均與所提方法存在較大差距，說明文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的效率較低。經(jīng)上述對比，可知所提方法的檢測效率明顯優(yōu)于對比方法。

3.2.2 檢測能耗

在算法檢測過程中，參與檢測的無線傳感網(wǎng)絡(luò)面積越大、節(jié)點數(shù)量越多，檢測所消耗的能耗越高。檢測能耗的增高不僅會使算法冗余信息處理誤差升高，還會增加檢測負(fù)擔(dān)，使檢測效率大幅度下降。分別采用所提方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法檢測上述仿真環(huán)境的覆蓋盲區(qū)，并記錄無線傳感網(wǎng)絡(luò)檢測面積增大的過程中，節(jié)點數(shù)量為10×102、10×103、10×104、10×105時的檢測能耗，上述數(shù)量分別標(biāo)記為A～D。以檢測能耗為指標(biāo)，判斷不同方法應(yīng)用后的盲區(qū)檢測性能。不同方法的檢測能耗如圖5所示。

圖5 不同方法的檢測能耗

由圖5 可見，采用所提方法檢測無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)，隨著網(wǎng)絡(luò)檢測面積的增大、節(jié)點數(shù)量的增多，其檢測能耗正比上升，且始終不超過20 J，說明所提方法的檢測能耗不僅穩(wěn)定，而且維持在較低水平，不會由于計算負(fù)擔(dān)增大而產(chǎn)生檢測效率低下等問題。采用文獻(xiàn)[2]方法和文獻(xiàn)[3]方法檢測無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)，隨著網(wǎng)絡(luò)檢測面積的增大、節(jié)點數(shù)量的增多，二者檢測能耗上升明顯且無等價關(guān)系，說明文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的檢測能耗較高，極易由于計算負(fù)擔(dān)增大而產(chǎn)生檢測效率低下等問題。經(jīng)上述對比，可知所提方法的檢測能耗明顯優(yōu)于對比方法。

3.2.3 檢測差異度

檢測率即所提方法應(yīng)用后的無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測效果，以檢測差異度為指標(biāo)進(jìn)行測試。差異度作為反映算法檢測結(jié)果與實際結(jié)果相似度的評估指標(biāo)，主要用于體現(xiàn)檢測結(jié)果的精確度。差異度越大，檢測結(jié)果與實際結(jié)果的相似度越小，算法精確度越??；差異度越小，檢測結(jié)果與實際結(jié)果的相似度越大，算法精確度越高。差異度計算公式見式(13):

式中:ξm表示差異度閾值；κ表示檢測結(jié)果；iimage表示實際結(jié)果。

分別采用所提方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法檢測上述仿真環(huán)境的覆蓋盲區(qū)，得到不同空洞圓心距下的覆蓋盲區(qū)檢測差異度。結(jié)果如圖6 所示。

圖6 不同方法的差異度

由圖6 可見，所提方法檢測結(jié)果的差異度較低，低于0.24，說明所提方法檢測結(jié)果與實際結(jié)果較為相符。文獻(xiàn)[2]方法和文獻(xiàn)[3]方法檢測結(jié)果的差異度較高，說明文獻(xiàn)[2]方法和文獻(xiàn)[3]方法檢測結(jié)果與實際結(jié)果的相似度較小。經(jīng)上述對比，可知所提方法的檢測精確度明顯優(yōu)于對比方法。

4 結(jié)束語

無線傳感網(wǎng)絡(luò)是具有節(jié)點組織性、通信可靠性、聯(lián)通自主性的高功能無線覆蓋網(wǎng)絡(luò)。為了使無線傳感網(wǎng)絡(luò)不受覆蓋盲區(qū)的阻礙，提出基于Voronoi 圖的無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測方法。在明確無線傳感網(wǎng)絡(luò)空洞覆蓋情況的基礎(chǔ)上，利用Voronoi 圖排除已覆蓋區(qū)域，提取未覆蓋無線傳感網(wǎng)絡(luò)空洞。通過將空洞暴露程度和節(jié)點能量輸入粒子群分離器中，實現(xiàn)無線傳感網(wǎng)絡(luò)覆蓋盲區(qū)檢測。仿真結(jié)果表明，所提方法在提高網(wǎng)絡(luò)覆蓋盲區(qū)檢測效率的同時，降低了檢測能耗和檢測差異度。由此驗證了所提方法可以有效提高無線傳感網(wǎng)絡(luò)節(jié)點通信能力，減少覆蓋盲區(qū)對通信質(zhì)量造成的影響。實時監(jiān)控網(wǎng)絡(luò)覆蓋盲區(qū)檢測過程，將是研究人員下一步工作的重點。