基于3D-Voronoi剖分的有向传感器网络目标监测方法技术

基于3D‑Voronoi剖分的有向传感器网络目标监测方法，在需要监测的三维区域中部署传感器节点，节点首先判断当前自身的位置信息和能耗状态，计算与邻居节点的位置关系。节点再次判断传感器节点是否根据当前的位置信息进行调整。若存在未被单元体内的节点所覆盖到的目标点，节点将受到虚拟力合力的作用移动自身位置重新部署达到最终的理想覆盖。通过进行节点覆盖建模，定义单元体，再根据voronoi的性质将目标点所在区域进行划分，引入目标点与传感器节点之间的相关虚拟力，使其有向传感器节点能够移动到指定位置进行覆盖，本发明专利技术技术方案能够有效的提高网络的整体覆盖率以及节点的利用率。

【技术实现步骤摘要】
基于3D-Voronoi剖分的有向传感器网络目标监测方法
本专利技术实施例涉及网络通信技术和覆盖监测
，具体涉及一种基于3D-Voronoi剖分的有向传感器网络目标监测方法。
技术介绍
目前，在无线传感器网络中，对目标事件的监测是一个重要的研究领域。目标检测(TargetDetection)经常应用于水下目标点的检测，森林火灾预警以及边境区域等一些重要场合。传统技术中，对二维无线传感器网络中目标点的覆盖进行了大量的探讨，但其并不能直接应用于三维的现实环境。同时，三维目标事件的覆盖检测研究也相对较少。另一方面，传统的目标覆盖检测模型的研究大多是以圆或者全向感知球域为基础。如果利用不当，其节点的耗能和网络生存时间会大大增加。无线传感器网络通常由几个微小的电池供电的传感器节点组成，这些传感器之间可以相互通讯，以监视三维感兴趣区域(FOI)以及所发生的特定目标事件。无线传感器网络包括传感器网络和定向传感器网络。此外，无线传感器网络覆盖的主要研究方向大致分为：区域覆盖，栅栏覆盖以及目标覆盖。近年来，WSN(wirelesssensornetwork的简称，即无线传感器网络)覆盖一直是研究热点并有了广泛的实际应用，例如目标检测、医疗监护、目标定位和数据传输等等。在现实环境中，通过对感兴趣区域中的一些特定目标事件可以通过部署一些传感器节点进行目标检测。因此，利用现有的各种方法和技术手段实现目标事件的有效检测已经成为当前的研究重点。为了降低将现实条件下的三维坐标系问题转化为二维坐标系下的平面难度，现有技术取得了很大的进展和成果。然而，相对于二维坐标系进行建模和研究工作来说，基于三维空间坐标系中的无线传感器网络覆盖研究较少。一方面是因为随着维度的增加其研究难度也大大增加，另一方面，现实环境中的传感器节点往往面临着周围的复杂环境、天气气候等影响。近几年来，一些研究者对三维无线传感器网络进行建模以及提出相应的分布式优化算法。另一方面，无线传感器的网络的节点覆盖模型研究大多是基于二维全向感知覆盖模型。然而，对于三维空间坐标系中的研究来说，其中很大一部分研究是基于全向感知模型进行分析和建模。毫无疑问，全向感知模型针对区域覆盖可以提供很好的覆盖方案和节点利用率。但对于所需要检测的特定目标，只需较少的网络能耗和一小部分的感知范围就可以满足对特定目标的监测。因此，三维有向传感器网络覆盖研究更能适用于上述条件的需要。当然，有向传感器网络不仅同全向传感器一样需要考虑其自身的位置信息和感知范围，且还需考虑角度变化的问题。此外，初始时随机部署的节点可能存在未能实现精准覆盖而导致的遗漏问题。因此，在特定环境中检测，需要一个动态的算法可以选择最优数量的活跃节点检测目标。近年来，有关定向传感器网络的研究主要还是以二维平面的基础上进行开展的。现有方案中，为了解决定向传感器网络中最小传感节点数的最大目标覆盖范围问题，即MCMS问题。存在一种基于CH的DSN分布式目标覆盖算法，通过设计分布式聚类和目标覆盖算法以减少网络能耗。现有方案中，通过分布式聚类机制(TCDC)，以节能的方式为定向传感器网络设计目标覆盖算法。通过选择簇头即(CH)并确保其适当地用于增强DSN的目标覆盖率。现有方案中，为了解决二维区域覆盖率最大化问题，存在一种基于粒子群优化算法(PSO)的新方法，该算法使得定向传感器节点不断调整自身感知方向，从而得到最佳的覆盖范围。整体上，现有技术是将现实三维环境中的定向传感器覆盖问题(DSN)映射到二维平面参考系中进行解决，并不能直接用于现实维度的坐标系中。然而，在实际环境中，不仅需要考虑维度问题还需要考虑能适用于特定维度的节点感知模型。现有方案中，存在针对三维坐标系的定向传感器模型和算法，通过研究三维定向传感器网络的低功耗绿色通信，提出时空覆盖优化调度算法(STCOS)以获得最大化的整个网络覆盖。现有方案中，存在一种基于人工鱼群算法的网络覆盖增强算法以提高覆盖率，只是对传感器的角度进行了优化，但并未解决定向传感器中的移动性问题。此外，Voronoi图划分的特殊几何性质应用在无线传感器网络覆盖的很多方面。现有方案中，为了降低在K-覆盖睡眠调度算法的成本以及保证节点的有效监测质量，提出了基于预调度的K-覆盖调度(PSKGS)和自组织K-覆盖调度算法(SKS)，通过实验验证得出PSKGS提高了监测质量，SKS算法降低了节点的计算和通信成本。现有方案中，将二维Voroni图的特殊集合特征与对动态环境变化的实时响应相结合，提出了可以根据覆盖范围进行胞内感知方向选择和调整(IDS&IDA)的分布式贪婪算法。显然，有关二维Voronoi算法的研究已经表现出较优的成果，但却极少将其应用三维坐标系中。
技术实现思路
为此，本专利技术实施例提供一种基于3D-Voronoi剖分的有向传感器网络目标监测方法，在三维坐标系的基础上，解决三维坐标系的建模问题以及有向传感器坐标系和角度的制定，通过考虑定向传感器的移动性和运动性，在保证网络连通性的基础上结合3D-Voroni划分特性设计算法，有效的提高网络的整体覆盖率以及节点的利用率。为了实现上述目的，本专利技术实施例提供如下技术方案：基于3D-Voronoi剖分的有向传感器网络目标监测方法，包括以下步骤：1)确定监测区域，在所述监测区域中随机部署n个传感器节点，每个传感器节点预先判断自身的位置以及与邻居节点之间位置信息；2)利用3D-Voronoi方法划分所述传感器节点的所在区域，使每个传感器节点在自身所属的单元体内；3)对目标点的位置属性进行划分，所述位置属性包括a)目标点在传感器节点所属的单元体内；b)所述单元体内存在多个目标点，部分目标点在传感器节点所属的单元体内，另一部分目标点在传感器节点所属的单元体外；c)目标点存在于相邻两个单元体的边界上；4)传感器节点根据被覆盖的目标点到传感器节点的距离关系判断是否覆盖到目标事件，当覆盖到的目标点数量Nci≥1时，执行步骤5)，当覆盖到的目标点数量Nci＜1时，执行步骤6)；5)保留当前的传感器节点sk，sk为覆盖到目标事件的节点数，选择空闲传感器节点sf进行移动；6)检查空闲传感器节点sf，计算剩余目标点cj数量Ncj，Ncj＝Noi-Nci，其中Noi为总目标点的数量；7)判断邻居节点边界，移动目标点自身所属单元体的传感器节点以及移动邻居节点边界两侧的空闲邻居节点；8)通过虚拟力合力FA移动空闲传感器节点sf覆盖剩余目标点cj；9)重复步骤4)至步骤8)，完成全部目标点的覆盖。作为基于3D-Voronoi剖分的有向传感器网络目标监测方法的优选方案，所述监测区域中的全向传感器节点的通信范围为通信半径为rC的感知圆球，当监测区域中两个传感器节点间的欧式距离d小于或等于传感器节点自身的通信半径rC时，对应的两个传感器节点互为邻居节点。作为基于3D-Voronoi剖分的有向传感器网络目标监测方法的优选方案，所述目标监测方法中，建立三维有向感知模型，所述三维有向感知模型用一个五元组表示为其中，Si是节点的顶点位置坐标，w是主感知方向向量，rS是节点的感知半径，2θ表示节点的感知夹角，表示有向传感器节点的感知方向角。作为基于3D-Voronoi剖分的有向传感器网络目标监测方本文档来自技高网...

【技术保护点】
1.基于3D‑Voronoi剖分的有向传感器网络目标监测方法，其特征在于，包括以下步骤：1)确定监测区域，在所述监测区域中随机部署n个传感器节点，每个传感器节点预先判断自身的位置以及与邻居节点之间位置信息；2)利用3D‑Voronoi方法划分所述传感器节点的所在区域，使每个传感器节点在自身所属的单元体内；3)对目标点的位置属性进行划分，所述位置属性包括a)目标点在传感器节点所属的单元体内；b)所述单元体内存在多个目标点，部分目标点在传感器节点所属的单元体内，另一部分目标点在传感器节点所属的单元体外；c)目标点存在于相邻两个单元体的边界上；4)传感器节点根据被覆盖的目标点到传感器节点的距离关系判断是否覆盖到目标事件，当覆盖到的目标点数量Nci≥1时，执行步骤5)，当覆盖到的目标点数量Nci＜1时，执行步骤6)；5)保留当前的传感器节点sk，sk为覆盖到目标事件的节点数，选择空闲传感器节点sf进行移动；6)检查空闲传感器节点s

【技术特征摘要】
1.基于3D-Voronoi剖分的有向传感器网络目标监测方法，其特征在于，包括以下步骤：1)确定监测区域，在所述监测区域中随机部署n个传感器节点，每个传感器节点预先判断自身的位置以及与邻居节点之间位置信息；2)利用3D-Voronoi方法划分所述传感器节点的所在区域，使每个传感器节点在自身所属的单元体内；3)对目标点的位置属性进行划分，所述位置属性包括a)目标点在传感器节点所属的单元体内；b)所述单元体内存在多个目标点，部分目标点在传感器节点所属的单元体内，另一部分目标点在传感器节点所属的单元体外；c)目标点存在于相邻两个单元体的边界上；4)传感器节点根据被覆盖的目标点到传感器节点的距离关系判断是否覆盖到目标事件，当覆盖到的目标点数量Nci≥1时，执行步骤5)，当覆盖到的目标点数量Nci＜1时，执行步骤6)；5)保留当前的传感器节点sk，sk为覆盖到目标事件的节点数，选择空闲传感器节点sf进行移动；6)检查空闲传感器节点sf，计算剩余目标点cj数量Ncj，Ncj＝Noi-Nci，其中Noi为总目标点的数量；7)判断邻居节点边界，移动目标点自身所属单元体的传感器节点以及移动邻居节点边界两侧的空闲邻居节点；8)通过虚拟力合力FA移动空闲传感器节点sf覆盖剩余目标点cj；9)重复步骤4)至步骤8)，完成全部目标点的覆盖。2.根据权利要求1所述的基于3D-Voronoi剖分的有向传感器网络目标监测方法，其特征在于，所述监测区域中的全向传感器节点的通信范围为通信半径为rC的感知圆球，当监测区域中两个传感器节点间的欧式距离d小于或等于传感器节点自身的通信半径rC时，对应的两个传感器节点互为邻居节点。3.根据权利要求1所述的基于3D-Voronoi剖分的有向传感器网络目标监测方法，其特征在于，所述目标监测方法中，建立三维有向感知模型，所述三维有向感知模型用一个五元组表示为其中，Si是节点的顶点位置坐标，w是主感知方向向量，rS是节点的感知半径，2θ表示节点的感知夹角，表示有向传感器节点的感知方向角。4.根据权利要求1所述的基于3D-Voronoi剖分的有向传感器网络目标监测方法，其特征在于，所述监测区域的三维空间L3划分成n个单元体Vn＝{V1,V2,…,Vn}，每个单元体Vi(i＝1,2,…,n)中包含一个传感器节点si，将si作为每个单元体Vi的生成点；单元体Vi内部的任意点p到传感器节点si之间的距离小于等于p与传感器节点sj节点的...

【专利技术属性】
技术研发人员：李焱，邵晨光，唐续豪，李彩霞，党小超，郝占军，
申请(专利权)人：西北师范大学，
类型：发明
国别省市：甘肃,62