魏 鵬，路贊贊

(西安電子科技大學數(shù)學與統(tǒng)計學院，陜西西安 710071)

無線傳感器網絡是由大規(guī)模傳感器節(jié)點組成，其體積小、能量、處理和傳輸能力有限。傳感器節(jié)點通過無線信道以多跳自組織網絡，該節(jié)點在其微小的體積內集成了數(shù)據采集、數(shù)據處理和無線通信等多種功能。目前無線傳感器網絡的應用已逐步深入到了軍事和民用領域。與傳統(tǒng)的網絡相比，無線傳感器網絡除了具有大規(guī)模、自組織、分布式計算等特性外，還具有環(huán)境監(jiān)測、目標檢測、入侵檢測和信息采集等功能。在目標檢測應用中，傳感器節(jié)點將檢測到的信息通過單跳或多跳的形式傳遞給Sink節(jié)點。由于監(jiān)測區(qū)域環(huán)境條件的限制因素，因此更換電源困難，能量一旦耗盡或低于特定閾值，這些節(jié)點將死亡，從而直接導致無線傳感器網絡聯(lián)通性并影響監(jiān)測過程，因此能量的高效利用成為了無線傳感器網絡應用需要考慮的重要因素［1－4］。

為實施長時間目標檢測任務，如何有效地利用能量確保有效數(shù)據的傳輸且延長網絡的生命周期是無線傳感器網絡需考慮的關鍵問題。為解決這一問題，提出了節(jié)點休眠/喚醒機制［5］。當沒有目標進入時，大量的傳感器節(jié)點處于休眠階段，少量節(jié)點處于監(jiān)測階段。一旦目標進入檢測區(qū)域，大量的傳感器節(jié)點被喚醒，并收集檢測數(shù)據，通過節(jié)點間信息交換，確定檢測目標位置和運動軌跡。當目標進入檢測區(qū)域內，感知區(qū)域中被喚醒節(jié)點能有效的覆蓋檢測區(qū)域，及時檢測到目標［6－9］。另外，由于傳感器節(jié)點隨機部署，無線傳感器網絡中存在大量的冗余節(jié)點，這些節(jié)點的感知區(qū)域被其他節(jié)點的感知區(qū)域完全重疊，導致大量節(jié)點能量的浪費［10－12］。如何研究一種有效算法，對大量傳感器節(jié)點進行有效調度［3］是關鍵所在。在網絡中存在必要數(shù)目的有效節(jié)點保證網絡完全覆蓋，從而減少冗余節(jié)點，并節(jié)省能量消耗。

為克服現(xiàn)有文獻的限制，文中提出了一種能量有效分布式多傳感器目標檢測方法。傳感器網絡中節(jié)點協(xié)同監(jiān)測目標的運動，當目標進入監(jiān)測區(qū)域，感知半徑范圍內節(jié)點將檢測到目標，并將檢測信息在離Sink最近的節(jié)點處進行聚合，最終將聚合信息傳遞到Sink節(jié)點，并通過仿真比較了單個目標與多個目標檢測的檢測概率。在檢測階段，多節(jié)點將檢測到的信息在聚合節(jié)點進行聚合，尋找到一跳最優(yōu)路徑將聚合數(shù)據包傳送到Sink節(jié)點。仿真結果表明，多節(jié)點協(xié)同檢測能有效節(jié)省節(jié)點的能量消耗并確保檢測的精度。

1 多傳感器目標檢測方法

1.1 節(jié)點對目標檢測過程

傳感器節(jié)點部署在二維平面上，雖目標從(0，0)點以速度v進入監(jiān)測區(qū)域，檢測節(jié)點檢測到目標并將檢測信息傳遞到Sink節(jié)點。目標進入檢測區(qū)域的夾角為θ，沿著給定的速度v直線運動，目標運動距離ξ將被第一個聯(lián)通節(jié)點檢測到。文中研究了連通節(jié)點對目標的檢測，并將檢測數(shù)據包傳送到Sink節(jié)點。算法1利用時間離散序列法，求出目標運動的最大距離ξ。

算法1步驟如下

步驟1 根據是否Sink連通，將檢測節(jié)點分成兩類，一類與 Sink連通節(jié)點，將節(jié)點編號為 D1，D2，Dn，1≤n≤N，另一類為與Sink不連通節(jié)點。

步驟2 將時間離散化，求出各個時刻ti目標運動的位置，設時刻目標移動的位置為(xi，yi)。

步驟3 計算在ti(1≤i≤n)時刻，所有連通節(jié)點到目標所在位置的距離 di1，di2，…，din，若 di，j＞ rt，j=1，…，n，重復步驟 3，計算 ti+1時刻，直到 di+1，j≤rt，j=1，…，n。

步驟 4 若 di+1，j≤rt，j=1，…，n，重復步驟 3，將［ti，ti+1］離散化，使得 dtmin，j≤rt，j=1，…，n，得出目標移動的時刻tmin，進而求出目標移動的最大距離ξ=tmin·v。

根據算法1求出的ξ，單傳感器節(jié)點檢測到目標的概率為

雖計算出了單個節(jié)點檢測到目標的概率，然而難以定量的確定節(jié)點是否檢測到目標。根據給出節(jié)點目標檢測閾值υ，當節(jié)點檢測的概率大于閾值時，可認為節(jié)點檢測到了目標。多傳感器節(jié)點協(xié)作檢測到目標，目標進入S1，S2，S3檢測區(qū)域，節(jié)點協(xié)作對目標進行檢測。多傳感器節(jié)點協(xié)同檢測到目標的聯(lián)合檢測概率為pk［D≤，其中

1.2 最優(yōu)數(shù)據傳輸

目標進入檢測區(qū)域，感知半徑范圍以內的所有傳感器節(jié)點將檢測到目標，并形成圓形檢測區(qū)域。如圖1所示，聚合節(jié)點尋找最優(yōu)路徑將聚合數(shù)據包傳送到Sink節(jié)點，算法2給出如何選擇最優(yōu)路徑。

步驟1 聚合節(jié)點確定Sink節(jié)點的位置，得出聚合節(jié)點到Sink的直線路徑L(圖中用虛線表示)，在這條路徑或兩側選擇聚合節(jié)點的下一跳節(jié)點。

步驟2 在聚合節(jié)點的最大傳輸半徑rt范圍內選擇備選節(jié)點集N1，并在集合N1中選擇某一節(jié)點next1，若節(jié)點next1到Sink的距離小于最大傳輸半徑rt，則節(jié)點next1直接將聚合數(shù)據包傳送到Sink節(jié)點。否則，重復步驟2。

步驟3 直到節(jié)點尋找到下一跳節(jié)點nexti，使得節(jié)點nexti到Sink的距離小于節(jié)點的最大傳輸半徑rt，節(jié)點nexti將聚合數(shù)據包傳送到Sink節(jié)點。在備選節(jié)點集Ni中選擇節(jié)點使得dimin最小

0≤α≤1為加權系數(shù)，將其標記為 nexti，1≤i≤N其中，diL表示為備選集Ni中節(jié)點nji到虛線的距離，d～i表示為備選集Ni中的節(jié)點nji到上一跳節(jié)點 nexti－1最大傳輸半徑rt圓弧的距離，其中j表示為備選集Ni中節(jié)點的編號。

圖1 算法2尋找最優(yōu)傳輸路徑

2 仿真結果

表1 相關參數(shù)

傳感器節(jié)點隨機的部署在200 m×200 m的二維正方形平面上，Sink節(jié)點部署在區(qū)域的中心且坐標為(50，50)，網絡布置好后節(jié)點的位置將不發(fā)生變化，節(jié)點初始能量為2 J。為便于閱讀，相關的系統(tǒng)參數(shù)如表1所示。在不同感知半徑條件下通過仿真比較目標移動的最大檢測距離、單目標和多目標檢測概率。在誤檢測的概率、最優(yōu)路徑選擇過程中，仿真得出了不同權系數(shù)α與檢測節(jié)點平均能量消耗之間的關系。并最終給出了4種不同采樣周期，通過仿真比較了不同采樣周期下的能量消耗間的關系。

圖2 最大檢測距離ξ

圖2為最大檢測距離與節(jié)點感知半徑之間的關系。當目標分別以30°、45°和60°的入射角進入檢測區(qū)，根據算法1得出最大檢測距離ξ與感知半徑之間的關系。由于節(jié)點隨機部署且Sink部署在網絡的中心，Sink周圍節(jié)點網絡的聯(lián)通性較好，因此目標以45°方向進入檢測區(qū)域時，目標被檢測距離＜30°和60°，由仿真結果可知，當節(jié)點的感知半徑增大時，網絡的聯(lián)通性將增強，目標最大檢測距離將顯著減少。

圖3 目標檢測概率

圖3 分別比較了在30°、45°和60°情況下，單節(jié)點目標檢測概率Psd和多目標檢測概率Pmd。仿真結果表明，在不同入射角下，多節(jié)點目標檢測的概率大于單目標節(jié)點檢測概率。節(jié)點的感知半徑接近30°時，多節(jié)點目標檢測概率值大于給定檢測閾值υ=0.9。相應地，節(jié)點的感知半徑接近35°時，單節(jié)點目標檢測概率值大于給定檢測閾值 υ=0.9。感知半徑［35，50］之間時，3 種不同角度的單節(jié)點目標檢測概率和多節(jié)點目標檢測概率均大于給定的閾值υ。隨著節(jié)點感知半徑增大，節(jié)點的聯(lián)通性也將增強。當網絡區(qū)域被完全覆蓋時，網絡中不存在盲區(qū)，一旦目標從區(qū)域邊界進入檢測區(qū)域，則將被檢測到。

目標進入節(jié)點的感知區(qū)域后，感知區(qū)域中的多個節(jié)點協(xié)作檢測目標的移動，并將感知數(shù)據在離目標最近的節(jié)點聚合。根據算法2選擇最優(yōu)路徑，選擇合適的加權系數(shù)使得節(jié)點的平均能量消耗最小。圖4表明當權系數(shù)α=0.3時，節(jié)點的平均能量消耗最小。即在尋找最優(yōu)路徑的過程中，選擇的最大傳輸半徑范圍周邊的節(jié)點所占得比重較大。

圖4 權系數(shù)與平均消耗能量關系

圖5所示，分別給出了節(jié)點采樣時間 Δt=0.1、0.2、0.3 和0.4 s情況下，傳感器節(jié)點的能量消耗。隨著感知半徑的增加，節(jié)點的能量消耗也在增加。當采樣周期較小時，單位時間內節(jié)點產生的數(shù)據包將增大，網絡的負載較重，從而使得節(jié)點的能量消耗增加。比較表明當數(shù)據采樣周期Δt=0.4時，傳感器節(jié)點的能量消耗最小。若采樣周期過大，目標檢測的準確性將無法保證。而當目標移動到節(jié)點周圍時，此時節(jié)點恰好進入休眠狀態(tài)，這樣將無法保證目標檢測的準確性。因此需確定合適的采樣周期作為無線傳感器網絡實時數(shù)據檢測和傳輸?shù)闹匾蛩亍?/p>

圖5 不同采樣周期下的能量消耗

3 結束語

本文給出了無線傳感器網絡中分布式多傳感器節(jié)點檢測方法。目標從檢測邊界以不同的入射角進入檢測區(qū)域，根據算法1提出的時間離散化方法，求出不同入射角度下目標移動的最大檢測距離，比較單節(jié)點檢測概率和多節(jié)點檢測概率。仿真結果表明，在相關參數(shù)相同的情況下，多節(jié)點檢測概率大于單節(jié)點檢測概率。當節(jié)點檢測到目標后，檢測區(qū)域中的多個檢測節(jié)點將檢測到的信息在距離目標最近的節(jié)點處進行聚合，將將聚合數(shù)據沿著最優(yōu)路徑經多跳傳遞到Sink節(jié)點。同時比較了不同采樣周期對檢測節(jié)點能量消耗的關系。然而文中仍存在兩個缺點:(1)未考慮節(jié)點休眠喚醒機制。當檢測區(qū)域沒有目標出現(xiàn)時，使得大量的傳感器節(jié)點處于休眠狀態(tài)，邊界節(jié)點處于工作狀態(tài)，

一旦有節(jié)點檢測到目標，將信息洪泛到周圍節(jié)點，導致周圍節(jié)點被喚醒，這樣對節(jié)點間的通信協(xié)議要求將更高，而節(jié)點洪泛則必將消耗能量。(2)文中給出目標進入監(jiān)測區(qū)域后沿著直線運動，而在日后的研究中需重點從目標隨機移動的方面進行考慮。

［1］孫利民，李建中，陳渝，等.無線傳感器網絡［M］.北京:清華大學出版社，2005.

［2］崔莉，鞠海玲，苗勇，等.無線傳感器網絡研究進展［J］.計算機研究與發(fā)展，2005，42(1):163 －174.

［3］劉麗.多目標跟蹤傳感器網絡路由策略研究［D］.長沙:國防科學技術大學，2006.

［4］袁朝暉，王高峰.基于數(shù)據融合確保目標檢測精度的傳感器節(jié)點布置［J］.計算機科學，2009(9):51－54.

［5］GAO Deyun，ZHANG Linjuan，WANG Cheng.Energy saving with node sleep and power control mechanisms for wireless sensor networks［J］.Elsevier Journal of China Universties of Posts and Telecommunications，2011，18(1):49 －59.

［6］PAOLO M，JéRéMIE L.Energy － efficient mobile target detection in wireless sensor networks with random node deployment and partial coverage［J］.Pervasive and Mobile Computing，2013，11(2):611 －732.

［7］WANG Shunsheng，YAN Kuoqin，et al An integrated intrusion detection system for cluster－ based wireless sensor networks［J］.Expert Systems with Applications，2011，38(6):15234－15243.

［8］YANMAZ E，GUCLU H.Stationary and mobile target detection using mobile wireless sensor networks［C］.San Diego，CA:Proc.of 28thIEEE Conf.on Computer Communications，INFOCOM 10，2010.

［9］PAOLO M，JEREMIE L，VINCENT G，et al.Engineering energy－efficient target detection applications in wireless sensor networks［C］.Mannheim，Germany:Proc.8thIEEE Int.Conf.on Pervasive Computing and Communications，Per Com 2010，2010:31 －39.

［10］LOUKASL，RADHA P，JAMES A R.Analytic evaluation of target detection in heterogeneous wireless sensor networks［J］.Transactions on Sensor Networks，2009，5(2):1 －38

［11］CAOQ，YAN T，STANKOVICJA，et al.Analysis of target detection performance for wireless sensor networks［C］.Marina del Rey，CA:Proc.Of First IEEE Conf.on Distributed Computing in Sensor Systems，DCOSS2005，2005:276 －292.

［12］TING Y.Analysis approaches for predicting performance of wireless sensor networks［D］.VA，Advisor:Charlottesville，Stankovic，2006.

［13］LIN Jianyong，XIAO Wendong，LEWIS F L，et al.Wendong xiao energy－efficient distributed adaptive multisens or scheduling for target tracking in wireless sensor networks［J］.IEEE Transaction on Instrumention and Measurement，2009，58(6):1886 －1889.

［14］LI Y，SONG Y，ZHU Y，et al.Deploying wireless sensors for differentiated coverage and probabilistic connectivity［C］.Qingdao:Wireless Communications and Networking Conference(WCNC)，IEEE，2010:1－6.