韓亞君,高文華,康 琳

(太原科技大學(xué)電子信息工程學(xué)院,太原 030024)

無線傳感器網(wǎng)絡(luò)由大量的微小的、低功率的節(jié)點組成,節(jié)點將感知到的信息傳到匯聚節(jié)點,匯聚節(jié)點再將數(shù)據(jù)傳輸?shù)交?達到通信的目的。無線傳感器網(wǎng)絡(luò)有感知、計算和通信的能力,廣泛應(yīng)用于軍事偵察、環(huán)境監(jiān)測、基礎(chǔ)設(shè)施、災(zāi)害搜救、設(shè)備診斷和其他工業(yè)應(yīng)用[1-2]。為了確保整個傳感網(wǎng)絡(luò)所在區(qū)域信息向匯聚節(jié)點的的傳輸,網(wǎng)絡(luò)的覆蓋和連通必須同時得到保證。

受限于部署成本,達到網(wǎng)絡(luò)的全連通是不能實現(xiàn)的,為了滿足網(wǎng)絡(luò)的覆蓋與連通問題,Broadbent等[3]人最早將滲流理論引入到無線網(wǎng)絡(luò)的連通問題的研究,當網(wǎng)絡(luò)中的節(jié)點分布密度達到一定的數(shù)值,整個網(wǎng)絡(luò)的連通就可以由部分連通轉(zhuǎn)化為全連通,即形成了整個網(wǎng)絡(luò)的滲流。Scher等[4]提出了滲流密度來表示節(jié)點的分布情況。在此基礎(chǔ)上,Mertens等[5]提出一種算法計算了二維連續(xù)介質(zhì)滲流閾值,用臨界滲流密度來表示節(jié)點在覆蓋性的情況下最少節(jié)點數(shù)目。在滲流理論中,有很多模型,例如:Ammari等[6]提出了一個關(guān)于滲流網(wǎng)絡(luò)的磁盤相關(guān)模型;Li等[7]提出了一種連接組合模型;Wang等[8]提出了一種新穎的完全信息覆蓋模型。在這3種模型中,本文選用磁盤相關(guān)模型。在實際的節(jié)點部署中,必須考慮實際情況,Chau等[9]說明了定向傳輸在大規(guī)模無線網(wǎng)絡(luò)中的重要作用,Sung等[10]在定向傳輸?shù)幕A(chǔ)上用多邊形法建立覆蓋改善定向無線傳感器網(wǎng)絡(luò),Ai等[11]分析了在無線傳感器中定向傳感器的隨機部署,Gupta等[12]人研究了在隨機異構(gòu)情況下的覆蓋連通問題,在無線傳感器網(wǎng)咯中,節(jié)點隨機分布,并且節(jié)點的感知半徑不同,形狀不同,遵循圓盤模型,但可以有不同的形狀,提出一個有界區(qū)域的近似泊松模型,計算了網(wǎng)絡(luò)規(guī)模和網(wǎng)絡(luò)參數(shù)。本文研究隨機異構(gòu)情況下前向傳輸?shù)膫鞲芯W(wǎng)絡(luò)。同時Li等[13]人擴展了排除區(qū)域的理論,Khanjary等[14]運用排除區(qū)域的概念得到前向同構(gòu)情況下的排除區(qū)域的近似值,以及臨界滲流密度,Li等[15]人在將協(xié)作傳輸路徑的感知角度從π擴展到2π,并且計算了各個角度排除區(qū)域面積的實際值,得到實際的臨界滲流密度。實際得到的臨界滲流密度比近似的臨界滲流密度小,更能夠節(jié)省資源。在實際情況中,傳感器節(jié)點的感知角度不盡相同,因此研究隨機異構(gòu)前向傳輸節(jié)點部署的滲流密度具有重要的實際意義。

本文基于連續(xù)滲流理論構(gòu)建了前向傳輸(0≤φ≤π)異構(gòu)網(wǎng)絡(luò)的連續(xù)滲流模型。模型中,基于異構(gòu)網(wǎng)絡(luò)節(jié)點感知角度的差異性,被視作協(xié)作傳輸路徑的兩個節(jié)點的感知角度不同且之和為2π,在隨機出現(xiàn)節(jié)點的感知角度中,我們?nèi)√厥獾膫鞲衅鞲兄嵌鹊膮f(xié)作傳輸路徑:π/4、7π/4;2π/4、6π/4;3π/4、5π/4;π、π,基于異構(gòu)網(wǎng)絡(luò)的滲流模型,得到前向傳輸異構(gòu)網(wǎng)絡(luò)的連續(xù)滲流密度。

這篇文章結(jié)構(gòu)安排如下:第1部分介紹了系統(tǒng)模型及相關(guān)定義。第2部分詳細介紹了異構(gòu)節(jié)點滲流模型。第3部分對數(shù)值結(jié)果進行仿真和分析。第4部分對文章進行總結(jié)。

1 系統(tǒng)模型和定義

定義1(空間泊松分布) 它是一種常見的離散概率型分布,令Xλ代表目標區(qū)域A內(nèi)的節(jié)點數(shù)目的隨機變量,λc為節(jié)點密度,且λc=λ|A|,其中λ為單位面積的節(jié)點密度,K(K≥0)為目標區(qū)域內(nèi)的節(jié)點數(shù)目,則其概率可以表示為[6]:

(1)

定義2(傳感器模型) 我們定義傳感器的傳感范圍Si為[7]:

(2)

定義3(通信模型) 我們定義了通信模型為[7]:

(3)

圖1 傳感器的感知模型和通信模型

定義4(協(xié)作與通信傳感器) 兩個傳感器si和sj協(xié)作的條件是,當且僅當兩個感知磁盤中心間的歐氏距離滿足|ξi-ξj|≤2r,即兩個傳感磁盤相切或重疊(如圖2(a)所示)。協(xié)作的一組傳感器si,用Col(Si)表示[6]:

Col(Si)={ξj:|ξi-ξj|≤2r}

(4)

兩個傳感器Si和Sj通信的條件是,當且僅當兩個感知磁盤中心間的歐氏距離滿足|ξi-ξj|≤R(如圖2(b)所示)。通信的一組傳感器Si,用Com(Si)表示[6]:

Com(Si)={Sj:|Si-Sj|≤R}

(5)

圖2 協(xié)作傳感器和通信傳感器

定義5(協(xié)作與傳輸路徑) 兩個傳感器Si和Sj之間的協(xié)作路徑是一個傳感器序列Si,Si+1,…,Sj-1,Sj,任何一對傳感器Sl和Sl+1都可協(xié)作,其中i≤l≤j-1(如圖3(a)所示)。

兩個傳感器Si和Sj之間的傳輸路徑是一個傳感器序列Si,Si+1,…,Sj-1,Sj,任何一對傳感器Sl和Sl+1都可通信,其中i≤l≤j-1(如圖3(b)所示)。

圖3 協(xié)作路徑和傳輸路徑

定義6(前向異構(gòu)無線傳感器網(wǎng)絡(luò)) 前向傳輸:如圖4(a)所示,節(jié)點的感知方向為節(jié)點與Sink節(jié)點連線的方向,且節(jié)點的感知范圍服從定義2,即稱前向傳輸。且在視頻傳輸中最為常見[16]。

異構(gòu)模型 將節(jié)點的感知角度近似看作有π/4、π/2、3π/4、π、5π/4、3π/2、7π/4等等,它們各個角度的節(jié)點隨機分布,如圖4(b)所示。在這里我們考慮特殊情況下的分布,在上述節(jié)點感知角度情況下,兩個節(jié)點感知角度之和為2π的節(jié)點作為一個協(xié)作傳輸路徑,如圖4(c)所示。然后對各種情況的協(xié)作傳輸路徑進行討論。

圖4 前向異構(gòu)無線傳感器網(wǎng)絡(luò)

定義7(排除區(qū)域與總的排除區(qū)域) 排除區(qū)域指協(xié)作傳輸路徑中兩個節(jié)點的感知區(qū)域沒有重疊部分的情況下,所能感知的最大范圍的面積,排除區(qū)域用〈aex〉表示,對一目標區(qū)域來說,總的排除區(qū)域用〈Aex〉表示。

總的排除區(qū)域在之前的研究中已經(jīng)得到,在這里,我們?nèi)　碅ex〉=4.5。且排除區(qū)域與總的排除區(qū)域的關(guān)系如下[13]:

〈Aex〉=〈aex〉λc

(6)

定義8(填充系數(shù)) 如果一個節(jié)點的感知面積為a,在均勻泊松分布中,其密度λ可以表示為[14]:

ηc=λa

(7)

φ=1-e-ηc

(8)

式中:ηc為目標區(qū)域密度,φ為填充系數(shù)。在均勻泊松分布中,填充系數(shù)φ與模型的密度λ越接近,其模型越具有優(yōu)勢。

2 異構(gòu)節(jié)點模型

對于異構(gòu)系統(tǒng)(協(xié)作傳輸路徑中的兩個節(jié)點的感知區(qū)域的角度不同,且協(xié)作傳輸路徑的感知角度之和為2π)總的排除區(qū)域〈Aex〉=4.5是維度不變的,又由于式(6),可以通過計算單個對象的排除區(qū)域〈aex〉得出臨界密度。接下來,介紹如何基于吉爾伯特模型求得單個對象的排除區(qū)域。當節(jié)點隨機分布時,假設(shè)協(xié)作傳輸路徑中的一個節(jié)點周圍隨機出現(xiàn)與其感知角度之和為2π的節(jié)點時,就會得到一個在保證覆蓋連通情況下另一個節(jié)點所能存在的最大的區(qū)域,就是所求的排除區(qū)域。如圖5給出了前向傳感器感知角度不同時的排除區(qū)域(在第一象限的較為粗的邊緣區(qū)域為1/4排除區(qū)域面積,區(qū)域中的幾條直線將1/4排除區(qū)域分為幾個區(qū)域,以便計算)。

由于幾何的對稱性,在這里,只計算四分之一的排除區(qū)域(紅線部分),因此可用幾何學(xué)知識計算得到不同感知角度下的的排除區(qū)域。

①圖5(a)中根據(jù)排除區(qū)域的定義,得到感知角度為0≤φ≤π/4的情況下的排除區(qū)域的面積:

圖5 排除區(qū)域

(9)

②當感知角度為π/4<φ<π/2時,其排除區(qū)域的面積與感知角度為0≤φ≤π/4時相同,圖5(b)為當感知角度為π/2時的排除區(qū)域的面積:

(10)

③圖5(c)為當感知角度為π/2<φ≤3π/4時的排除區(qū)域的面積:

(11)

④在3π/4<φ<π范圍內(nèi),其排除區(qū)域與圖5(c)相同,當φ=π時,其排除區(qū)域為下:

(12)

且當φ=π時,式(11)為:

〈aex〉=4r2+πr2

(13)

因此式(12)可以看作是式(11)的特殊值,因此可以整理為:

〈aex〉0≤φ<π/2=8r2+2sinφr2+φr2-2tan(φ/2)r2-πr2

(14)

〈aex〉π/2≤φ≤π=6sinφr2-πr2+2φr2+4r2-2r2cot(φ/2)

(15)

當r=1時,各個排除區(qū)域的面積為:

〈aex〉0≤φ<π/2=8+2sinφ+φ-2tan(φ/2)-π

(16)

〈aex〉π/2≤φ≤π=6sinφ-π+2φ+4-2cot(φ/2)

(17)

在研究基于滲流理論的排除區(qū)域、滲流密度的計算的文章中,文獻[14-15]分別研究了同構(gòu)模型情況的同構(gòu)近似排除區(qū)域面積、同構(gòu)近似滲流密度和同構(gòu)實際排除區(qū)域面積、同構(gòu)實際滲流密度,結(jié)果如下:

同構(gòu)近似值 對于同構(gòu)系統(tǒng),Khanjary等[7]人在之前的研究中已經(jīng)得到,將排除區(qū)域可以等效為一個六邊形,其排除區(qū)域的面積可以得到為[14]:

(18)

當r=1時,排除區(qū)域的面積為:

〈aex〉0≤φ≤π=6sin(φ/2)

(19)

同構(gòu)實際值:李等人在她的研究中對同構(gòu)系統(tǒng)的排除區(qū)域的實際值進行計算,結(jié)果如下[15]:

(20)

〈aex〉π/2<φ≤π=2πr2+2r2-φr2-2r2cosφ-πr2sinφ

(21)

當r=1時,排除區(qū)域的面積為:

〈aex〉0≤φ≤π/2=φ+2sinφ

(22)

〈aex〉π/2<φ≤π=2π+2-φ-2cosφ-πsinφ

(23)

臨界滲流密度的計算 在滲流理論中,排除區(qū)域的面積與臨界密度的關(guān)系為式(6),那我們可以得到臨界密度的關(guān)系為[13]:

(24)

將(14)和(15)代入是(24)可得異構(gòu)情況下的臨界滲流密度:

(25)

(26)

同構(gòu)下的實際臨界滲流密度為:

(27)

(28)

同構(gòu)下的近似臨界滲流密度為:

(29)

由定義(8)的式(7)、式(8)可知:

(30)

異構(gòu)模型情況下的臨界滲流密度λc與目標區(qū)域密度ηc可以表示為:

(31)

3 數(shù)值結(jié)果

令r=1,得到異構(gòu)的排除區(qū)域的面積、同構(gòu)的近似排除區(qū)域的面積和同構(gòu)的實際排除區(qū)域的面積,然后對這3種面積和密度進行仿真,得到如圖6和圖7所示的仿真圖。

圖6 排除區(qū)域隨感知角度變化圖

圖7 臨界滲流密度隨感知角度變化圖

圖6中y1表示同構(gòu)實際的排除區(qū)域的面積,y2表示同構(gòu)近似的排除區(qū)域的面積,y3表示異構(gòu)的排除區(qū)域的面積值。圖中y1由式(22)、式(23)得到;y2由式(19)得到;y3由式(16)、式(17)得到。在[0,π]區(qū)間內(nèi),y3總處于y1、y2的上方。因此異構(gòu)情況下的排除區(qū)域一直比同構(gòu)情況下的排除區(qū)域的面積大,異構(gòu)情況下的排除區(qū)域更具有優(yōu)勢。并且在[π/2,3π/4] 區(qū)間內(nèi)取到最大值,最大值為9。

圖7中y1表示同構(gòu)實際值,y2表示同構(gòu)近似值,y3表示異構(gòu)的密度值。y1由式(27)、式(28)得到,y2由式(29)得到,y3由式(25)、式(26)得到。在[0,π]區(qū)間內(nèi),y3總比y1,y2小,異構(gòu)情況下的臨界滲流密度相比同構(gòu)情況下的實際值和近似值,其密度總比同構(gòu)情況下的實際值和近似值小,則可得到在相同的區(qū)域內(nèi),異構(gòu)情況下所用的節(jié)點數(shù)少,更加節(jié)省資源。

同時,同構(gòu)情況下的密度在[0,π]范圍內(nèi)變化比較明顯;異構(gòu)情況下,密度在0.5周圍浮動,沒有較大的變化。

表1中的異構(gòu)值當φ為π/4時由式(25)得到,當φ為π/2、3π/4、π時,由式(26)得到;同構(gòu)近似值當φ為π/4、π/2時,由式(27)得到,當φ為3π/4、π時,由式(28)得到;同構(gòu)實際值由式(29)得到。由表1可以看出,異構(gòu)的臨界滲流密度比同構(gòu)的近似值和實際值都小,異構(gòu)的臨界滲流密度穩(wěn)定在0.5上下,且異構(gòu)的臨界滲流密度比同構(gòu)實際值平均小40.77%。

表1 臨界滲流密度的異構(gòu)值、同構(gòu)近似值與同構(gòu)實際值比較

圖10 感知角度φ=3π/4時,泊松密度與估計密度、填充系數(shù)間的關(guān)系

令式(31)中r=1,得到異構(gòu)模型情況下的臨界滲流密度,在這將得到的異構(gòu)臨界滲流密度稱為估計密度,將式(8)與式(31)的結(jié)果進行對比,可充分了解異構(gòu)模型情況得到的臨界滲流密度符合節(jié)點均勻泊松分布。如圖8～圖10所示。

圖8 感知角度φ=π/4時,泊松密度與估計密度、填充系數(shù)間的關(guān)系

y1為估計密度,y2為感知角度φ=π/4時的填充系數(shù)。豎線為感知角度φ=π/4時的泊松密度。當感知角度φ=π/4時,泊松密度ηc為0.283 7,填充系數(shù)(橫線)φ為0.247 0,此時的估計密度λc為0.722 4。填充系數(shù)與估計密度的差值為0.475 4。

y1為估計密度,y2為感知角度φ=π/2時的填充系數(shù)。豎線為感知角度φ=π/2時的泊松密度。當感知角度φ=π/2時,泊松密度ηc為0.441 8,填充系數(shù)(橫線)φ為0.357 1,此時的估計密度λc為0.562 5。填充系數(shù)與估計密度的差值為0.205 4。

y1為估計密度,y2為感知角度φ=3π/4時的填充系數(shù)。豎線為感知角度φ=3π/4時的泊松密度。當感知角度φ=3π/4時,泊松密度ηc為0.590 0,填充系數(shù)(橫線)φ為0.445 7,此時的估計密度λc為0.500 8。填充系數(shù)與估計密度的差值為0.144 3。

表2 估計密度與填充系數(shù)值的比較

在感知角度的區(qū)間為[0,π],隨著感知角度的增加,估計密度與填充系數(shù)間的差距越來越小,可得異構(gòu)模型符合基于滲流理論的節(jié)點分布。

4 結(jié)束語

本文研究了前向傳輸定向傳感器網(wǎng)絡(luò)的覆蓋與連通問題,考慮實際情況下的節(jié)點前向感知角度的不同,基于滲流理論構(gòu)建了前向感知角度為的異構(gòu)節(jié)點對連通覆蓋模型,研究了前向傳輸異構(gòu)網(wǎng)絡(luò)的連續(xù)滲流問題。通過對異構(gòu)覆蓋模型排除區(qū)域的計算,研究了前向感知角度對異構(gòu)定向傳感網(wǎng)絡(luò)的連續(xù)滲流密度的影響。仿真實驗表明,在前向傳輸?shù)漠悩?gòu)定向傳感網(wǎng)絡(luò)中,前向感知角度的增大可減小連續(xù)滲流密度。

參考文獻:

[1] 羅紅玉,樂燕芬,侍財源,等. 基于USB的WSN測試與分析系統(tǒng)[J]. 傳感技術(shù)學(xué)報,2016,29(3):411-416.

[2] Solmaz G,Turgut D. Tracking Pedestrians and Emergent Events in Disaster Areas[J]. Journal of Network and Computer Applications,2017,84:55-67.

[3] Broadbent S R,Hammersley J M. Percolation Processes:I. Crystals and Mazes[C]//Mathematical Proceedings of the Cambridge Philosophical Society. Cambridge University Press,1957,53(3):629-641.

[4] Scher H,Zallen R. Critical Density in Percolation Processes[J]. The Journal of Chemical Physics,1970,53(9):3759-3761.

[5] Mertens S,Moore C. Continuum Percolation Thresholds in Two Dimensions[J]. Physical Review E,2012,86(6):061109.

[6] Ammari H M,Das S K. Integrated Coverage and Connectivity in Wireless Sensor Networks:A Two-Dimensional Percolation Problem[J]. IEEE Transactions on Computers,2008,57(10):1423-1434.

[7] Li J,Kang L,Zhang Y H,et al. On Critical Density for Coverage and Connectivity in Directional Sensor Network Using Continuum Percolation[C]//Vehicular Technology Conference. IEEE,2015:1-6.

[8] Wang B,Zhu J,Yang L T,et al. Sensor Density for Confident Information Coverage in Randomly Deployed Sensor Networks[J]. IEEE Transactions on Wireless Communications,2016,15(5):3238-3250.

[9] Chau C K,Gibbens R J,Towsley D. Impact of Directional Transmission in Large-Scale Multi-Hop Wireless ad hoc Networks[C]//INFOCOM,2012 Proceedings IEEE. IEEE,2012:522-530.

[10] Sung T W,Yang C S. Voronoi-Based Coverage Improvement Approach for Wireless Directional Sensor Networks[J]. Journal of Network and Computer Applications,2014,39:202-213.

[11] Ai J,Abouzeid A A. Coverage by Directional Sensors in Randomly Deployed Wireless Sensor Networks[J]. Journal of Combinatorial Optimization,2006,11(1):21-41.

[12] Gupta H P,Rao S V,Venkatesh T. Critical Sensor Density for Partial Coverage under Border Effects in Wireless Sensor Networks[J]. IEEE Transactions on Wireless Communications,2014,13(5):2374-2382.

[13] Li J,?stling M. Percolation Thresholds of Two-Dimensional Continuum Systems of Rectangles[J]. Physical Review E,2013,88(1):012101.

[14] Khanjary M,Sabaei M,Meybodi M R. Critical Density for Coverage and Connectivity in Two-Dimensional Fixed-Orientation Directional Sensor Networks Using Continuum Percolation[J]. Journal of Network and Computer Applications,2015,57:169-181.

[15] Li J,Wang C,Zhang Y,et al. On Critical Density for Coverage and Connectivity in Directional Sensor Network over Stochastic Channels Using Continuum Percolation[J]. International Journal of Distributed Sensor Networks,2015.

[16] 高宏偉. 無線傳感網(wǎng)視頻流傳輸?shù)膬?yōu)化研究[D]. 寧波:寧波大學(xué),2014.