一种基于虚拟力导向的粒子群算法在无线传感器网络的部署方法技术

本发明专利技术涉及一种基于虚拟力导向的粒子群算法在无线传感器网络的部署方法。本发明专利技术的方法为：利用基于虚拟力导向的粒子群算法进行网络优化，在考虑生猪养殖环境中，网络节点在遇到障碍物墙壁后通信范围会发生改变的情况，分别针对网络覆盖率和网络连通性两种问题进行了网络优化。

【技术实现步骤摘要】

本专利技术涉及粒子群算法、物联网、生猪养殖领域，尤其涉及一种基于虚拟力导向的粒子群算法在无线传感器网络的部署方法。
技术介绍
无线传感器网络是实现规模化养殖的必要技术，可以实时高效并精确地获取信息，其中节点部署是无线传感器网络应用中基础问题，也是非常重要的问题。因为传感器节点的部署位置，直接影响到整个网络完成任务的质量和效率。在生猪养殖环境中应用无线传感器网络，需要考虑障碍物对无线信号产生的影响，其中以墙壁最为显著。现有的节点部署算法大多忽略了障碍物的影响，但这样在实际环境的应用中会出现理论上可以连通，但遇到障碍物后通信距离变短，导致不能连通的情况。虚拟力算法通过建立传感节点与目标、障碍物和其他传感节点间的虚拟力模型,根据受力平衡确定各传感节点位置。然而,对于由固定传感节点和移动传感节点构成的无线传感网络,固定传感节点对移动传感节点的虚拟力可能限制无线传感网络布局优化,影响虚拟力算法的全局优化。粒子群算法是一种基于智能理论的随机优化算法，通过种群粒子间的合作与竞争产生群体智能指导优化搜索。与常规的遗传算法相比，它实现容易，需调整的参数少，因而得到了广泛重视，已成为一种重要的优化工具。因此通过采用虚拟力改进微粒群算法的速度更新过程，指导微粒进化方向，加快算法收敛。该策略既避免了虚拟力算法导致的移动传感节点优化约束，又使微粒群算法有目的地向扩大覆盖率和目标检测率的方向进化,加快算法收敛速度。专利
技术实现思路
本专利技术的目的是提供一种基于虚拟力导向的粒子群算法在无线传感器网络的部署方法，在考虑生猪养殖场中障碍物对无线信号传输影响的条件下，通过虚拟力导向的粒子群算法，解决无线传感器网络节点部署中的的重要问题——提高网络覆盖率和提高网络连通性。为解决上述技术问题，本专利技术的主要
技术实现思路
如下：一种障碍物条件下基于虚拟力导向的粒子群算法提高网络覆盖率的方法，具体步骤如下：1.设置生猪养殖场区域大小a*b；无线传感器网络大小规模N，其中可设置固定节点个数为N1，移动节点个数为N2；无线节点的通信半径R。2.设置障碍物墙壁数量为m，如m＝4即为有四堵墙将区域平均分为五部分，且墙壁长度默认与区域长度相同。3.在给定区域范围内随机分布节点，并判断每个节点是否受到障碍物影响，若没有影响则保持初始设定的通信半径R，否则根据无线信号传输的对数路径损耗模型改变通信半径为r(仅改变收到影响的部分，其余部分保持原通信半径不变)。4.根据虚拟力导向的粒子群算法对无线传感器网络中的节点进行优化部署，固定节点的位置不变，移动节点相应改变，实现提高网络覆盖率。一种障碍物条件下基于虚拟力导向的粒子群算法提高网络连通性的方法，具体步骤如下：1.设置生猪养殖场区域大小a*b；无线传感器网络大小规模N，默认所有节点均为固定节点；无线节点的通信半径R。2.设置障碍物墙壁数量为m，如m＝4即为有四堵墙将区域平均分为五部分，且墙壁长度默认与区域长度相同。3.在给定区域范围内随机分布节点，并判断每个节点是否受到障碍物影响，若没有影响则保持初始设定的通信半径R，否则根据无线信号传输的对数路径损耗模型改变通信半径为r(仅改变收到影响的部分，其余部分保持原通信半径不变)。4.将已分布的节点连接成簇，根据虚拟力导向的粒子群算法寻找区域范围内最优的位置——可以连接最多的节点成为一个新的簇，在此位置布置一个新的节点。5.重复步骤4直至区域内所有的节点全部连接在一个簇内为止。本专利技术的优点1.优化效果好。对比虚拟力导向的粒子群算法与单纯的虚拟力算法或者粒子群算法，优化效果可提升10％以上。2.实用性强，便于修改。不同区域大小或者无线传感器网络的规模大小、节点半径等参数都可以进行设置；且考虑了障碍物对无线信号的影响，更符合实际应用。附图说明图1为本专利技术的传感器节点遇障碍物时的传输范围图图2为本专利技术在障碍物条件下的算法流程图图3为本专利技术在障碍物条件下的网络初始化图图4为本专利技术的粒子群算法流程图图5为本专利技术优化网络覆盖率的效果图图6为本专利技术优化网络连通性的效果图具体实施方式下面结合附图对本专利技术做进一步描述。附图1为传感器节点在遇到障碍物时的信号传输范围，传感器节点的传输范围是以其自身位置为圆心，传输距离为半径的圆，当其无线信号在传输过程中遇到障碍物墙壁后，并不会直接衰减至零导致无法传输，而是会根据障碍物的属性进行衰减，减小传输半径，使得原本可以接收到信号的位置变成盲区。本专利技术在基于对数路径损耗模型的基础上，增加了障碍物墙壁的影响，根据该模型可以计算出传感器节点在遇到障碍物后减小的通信半径r，该模型的关系式为：PL(d)=PL(d0)+10nlg(dd0)+AF]]>式中PL(d)是路径损耗值；n表示路径损耗指数，其数值取决于环境的不同，可根据实际测量数据，建立最小二乘法的线性回归所获得；d0为近地参考距离(通常选取d0＝1m)；d为信号发射机与接收机之间的距离；AF为墙体衰减因子。设接收信号强度的阈值为P0，当空间中任意位置的接收信号强度低于P0时，认为无线信号的发送节点无法对该点进行感知或通信。由于发送信号强度P、路径损耗指数n和墙壁衰减因子AF都是可以通过测量获得的，而阈值P0和参考距离d0已经设定好，所以可以通过下式计算出实际环境中无线信号收到障碍物后的通信距离r：PL(d)=lg(PP0)=PL(d0)+10nlg(rd0)+AF]]>附图2为算法的整体流程，具体如下：1.设置生猪养殖场区域大小a*b；无线传感器网络大小规模N；无线节点的通信半径R。2.设置障碍物墙壁数量为m，如m＝4即为有四堵墙将区域平均分为五部分，且墙壁长度默认与区域长度相同。3.在给定区域范围内随机分布节点，并判断每个节点是否受到障碍物影响，若没有影响则保持初始设定的通信半径R，否则根据无线信号传输的对数路径损耗模型改变通信半径为r(仅改变收到影响的部分，其余部分保持原通信半径不变)。4.根据以上步骤的设定值对网络进行初始化。在上述步骤3中，判断障碍物对节点是否有影响的原理，是通过判断节点的通信圆与障碍物的交点个数，若没有交点或只有一个交点时，则不改变当前节点的通信半径，若有两个交点，则根据上述路径损耗模型计算出新的通信半径r，但仅改变收到影响的部分，其余部分保持原通信半径不变。附图3即为初始化后的网络图。网络初始化后即可根据节点部署方案的不同本文档来自技高网...

【技术保护点】
一种障碍物条件下基于虚拟力导向的粒子群算法提高网络覆盖率的方法，其包括的具体步骤如下：(1)设置生猪养殖场区域大小a*b；无线传感器网络大小规模N，其中可设置固定节点个数为N1，移动节点个数为N2；无线节点的通信半径R；(2)设置障碍物墙壁数量为m，如m＝4即为有四堵墙将区域平均分为五部分，且墙壁长度默认与区域长度相同；(3)在给定区域范围内随机分布节点，并判断每个节点是否受到障碍物影响，若没有影响则保持初始设定的通信半径R，否则根据无线信号传输的对数路径损耗模型改变通信半径为r(仅改变收到影响的部分，其余部分保持原通信半径不变)；(4)根据虚拟力导向的粒子群算法对无线传感器网络中的节点进行优化部署，固定节点的位置不变，移动节点相应改变，实现提高网络覆盖率。

【技术特征摘要】
1.一种障碍物条件下基于虚拟力导向的粒子群算法提高网络覆盖率的方
法，其包括的具体步骤如下：
(1)设置生猪养殖场区域大小a*b；无线传感器网络大小规模N，其中可
设置固定节点个数为N1，移动节点个数为N2；无线节点的通信半径R；
(2)设置障碍物墙壁数量为m，如m＝4即为有四堵墙将区域平均分为五
部分，且墙壁长度默认与区域长度相同；
(3)在给定区域范围内随机分布节点，并判断每个节点是否受到障碍物
影响，若没有影响则保持初始设定的通信半径R，否则根据无线信号传输的对
数路径损耗模型改变通信半径为r(仅改变收到影响的部分，其余部分保持原
通信半径不变)；
(4)根据虚拟力导向的粒子群算法对无线传感器网络中的节点进行优化
部署，固定节点的位置不变，移动节点相应改变，实现提高网络覆盖率。
2.一种障碍物条件下基于虚拟力...

【专利技术属性】
技术研发人员：郑丽敏，李爽，朱虹，田立军，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11