一种基于有向感知模型的传感器节点覆盖算法

覆盖控制作为无线传感器网络中的一个基本问题,反映了传感器网络所能提供的"感知"服务质量。优化传感器网络覆盖对于合理分配网络的空间资源,更好地完成环境感知、信息获取任务以及提高网络生存能力都具有重要的意义。针对无线传感器网络方向个数固定的有向感知模型提出一种覆盖增强算法,采用复杂网络社团结构算法划分对网络进行节点子集划分,重新调整节点的感知方向,增强网络的覆盖率,同时有效降低了算法的时间复杂度。

基于有向感知模型的无线传感器网络节点部署

针对随机部署的有向传感器节点,建立基于有向传感器节点的感知概率模型.采用分布式算法,通过节点间的联合感知概率移动有向传感器节点,提高待监测区域内目标点被感知到的概率.本文提出可移动的节点部署算法,该算法使用较少的节点实现对目标区域的合理覆盖,并提高总体覆盖效果.仿真结果表明,该算法有效地减少了有向传感器节点的使用,同时保证了较好的覆盖效果.

基于有向感知模型的传感器网络密度控制算法

密度控制是一种常用的延长大规模传感器网络工作寿命的方法,现有的密度控制算法大多基于全向感知模型,而满足有向感知模型的传感器网络也颇具实际应用价值。文中提出一种基于有向感知模型的传感器网络密度控制算法,在保证一定网络覆盖能力的前提下,有效地休眠冗余有向感知节点,降低网络总能耗,延长网络工作寿命。

基于虚拟势场的有向传感器网络覆盖增强算法

首先从视频传感器节点方向性感知特性出发,设计了一种方向可调感知模型,并以此为基础对有向传感器网络覆盖增强问题进行分析与定义;其次,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA(potential field based coverage-enhancing algorithm).通过引入"质心"概念,将有向传感器网络覆盖增强问题转化为质心均匀分布问题,以质心点作圆周运动代替传感器节点传感方向的转动.质心在虚拟力作用下作扩散运动,以消除网络中感知重叠区和盲区,进而增强整个有向传感器网络覆盖.一系列仿真实验验证了该算法的有效性.

基于量子遗传算法的无线视频传感网络优化覆盖算法

针对智慧城市无线视频传感网络建设需要,提出一种基于量子遗传算法的网络优化覆盖算法。算法面向复杂的监视区场景,监视区中存在形状各异的障碍物,各区域的重要程度不同。以二维离散网格模型描述监视区场景,用编码描述矩阵表示监视区域,用七元组描述有向无线视频传感器。通过严格的数学推导得出了问题的数学规划模型。优化覆盖算法由Intial Deployment算法和Optimized Deployment算法2部分组成,以获得最大有效覆盖率的网络部署方案为求解目标。采用量子遗传算法搜索解空间,通过合理编码染色体,优化量子旋转门参数,使算法的运算速度快,收敛性好。引入理想覆盖率和理想加权覆盖率2个极限值,采用相对比较法评判算法优劣。仿真实验和数据分析表明,算法获得的方案能很好地逼近理想极限值。在传感器节点数给定的情况下,算法能获得最大的覆盖率。

多障碍场景的有向传感器网络覆盖优化算法

针对监控区域中存在障碍物的情况,引入一种避障策略,提出基于虚拟势场的传感器网络覆盖优化算法。该算法基于有向感知模型,通过重叠覆盖区域、有效覆盖区域和障碍物遮挡区域之间虚拟力的相互作用,调整节点的传感方向,逐步消除网络中的重叠覆盖区域和障碍物遮挡区域,并根据分布在边界区域的边界节点进行改进,通过在边界线上增加一个虚拟邻居节点,实现有向传感器网络的覆盖性能增强,并分析传感器参数对覆盖率的影响。仿真结果表明,在有障碍物的情况下,该算法可有效提高网络覆盖率。

一种有向传感器网络改进粒子群覆盖增强算法

优化传感器网络覆盖对于合理分配网络的空间资源、更好地完成信息感知和采集任务、提高网络的生存能力都具有重要的意义。在分析传感器节点有向感知模型的基础上,提出了一种有向传感器网络改进粒子群覆盖增强算法。该算法针对随机部署有向传感器网络,以网络区域覆盖率为优化目标,采用改进的多步式位置可选择更新粒子群优化算法,通过调整传感器节点的主感方向,减少网络感知重叠区和感知盲区,实现覆盖增强。仿真实验表明,该算法简单、高效,优于传统的覆盖增强算法。

基于微粒群优化的有向传感器网络覆盖增强算法

覆盖作为无线传感器网络监测中的基础问题反映了无线传感器网络的感知服务质量.在分析节点主感知方向可调模型的基础上,提出了一种微粒群优化的有向传感器网络覆盖增强算法.该算法针对节点主感知方向设计微粒适应值函数和种群进化策略,以区域覆盖率为优化目标,通过微粒群优化有效调整传感器节点的主感知方向,从而达到有向传感器网络的覆盖增强.实验验证了算法的有效性.

有向传感器网络覆盖控制算法

覆盖控制是传感器网络的基本问题之一,基于全向感知模型的覆盖控制的研究已经积累了丰富的成果.近年来,得益于图像/视频、红外、超声波等传感器的引入,有向传感器网络覆盖控制问题得到广泛关注并发展成为研究热点.从有向感知模型及其特点入手,综述了该领域国内外的研究进展,着重分类讨论有向传感器网络覆盖控制的基本理论和算法.最后提出当前亟待解决的问题,并对其未来的发展趋势进行展望.

一种航天器微小相机的视场覆盖增强方法

随着航天器的组成及任务形式逐渐复杂,越来越多的航天器通过配置微小相机在轨实现关键目标及其动作过程的可视化遥测。针对航天器微小相机视场覆盖问题,建立了一种基于微小相机矩形视场的三维有向感知模型,可通过调整视场的俯仰角、偏航角和滚动角改变微小相机的感知方向及视场覆盖区域,同时制定了空间点覆盖判定准则,然后采用遗传算法优化相机安装位置及其视场的俯仰角、偏航角和滚动角实现目标运动空间区域的覆盖增强,并将其应用到月面采样空间区域的视场覆盖优化过程,仿真结果表明该方法能够有效提高微小相机视场对目标运动空间区域的覆盖率。

三维无线多媒体传感器网络全目标覆盖算法

针对现有感知模型无法有效描述无线多媒体传感器真实感知能力的缺陷,提出一种新的三维有向感知模型。在此基础上,针对目标覆盖问题,为降低算法复杂度,设计了一种基于仰俯角优化和偏向角优化的两阶段目标覆盖算法。对于仰俯角和偏向角优化部分,利用差分进化算法进行求解,以达到利用少量传感器节点实现监测目标被全部覆盖的效果。仿真实验表明:对比随机部署方法,本文方法所需的传感器数目大幅下降。

有向传感器网络覆盖增强研究

为提高视频传感器网络的感知覆盖率,基于有向传感器感知模型,提出一种利用Voronoi图的视频传感器网络覆盖增强算法。该算法采用质心替代节点扇形感知区域并构造Voronoi图,通过调整节点感知方向对代替扇形感知区域的质心进行均匀分布,以消除网络中感知重叠区和盲区,提高整个有向传感器网络覆盖率。仿真结果表明,该算法能够有效提高网络覆盖率并能快速收敛。

复杂区域的有向传感器网络覆盖优化算法

在现有的有向传感器网络中,节点模型多以质心点围绕扇形顶点进行旋转,由于此类模型中节点旋转面积是一个整圆,因此会增加网络能源消耗和部署时间。针对复杂区域的无线传感器网络覆盖优化问题,使用以扇形节点围绕质心点转动的节点模型,提出一种基于虚拟势场的复杂区域覆盖优化算法(COACA),通过减小节点的旋转面积实现部署优化。针对影响算法覆盖率的相关参数进行仿真实验,并与PFPCE算法进行对比,实验结果验证了COACA算法在覆盖率和时间效率上的优越性。

三值量子遗传算法及其应用

面向智慧城市无线视频传感网络建设的需要,提出了一种三值量子遗传算法,用于求解网络优化覆盖中的节点部署问题。算法以二维离散网格模型描述监视区,用编码描述矩阵刻画监视区域,并采用七元组模型描述有向无线视频传感器。用三值量子遗传算法搜索解空间,通过合理设计染色体编码,优化三值量子旋转门参数,使得算法的运算速度快,收敛性好。引入理想覆盖率和理想加权覆盖率两个极限值,采用相对比较法评判算法优劣。仿真实验表明,算法获得的节点部署方案能很好逼近理想极限值。

扩展变异ADE算法的有向传感器网络覆盖增强

针对有向传感器节点大规模随机部署形成的感知重叠区和监测盲区,在节点位置不变、感知方向可调的前提下,协同调整节点感知方向使其覆盖范围从感知重叠区旋转到监测盲区以增强网络覆盖。将有向传感器网络覆盖增强问题转换为以区域覆盖率为目标函数、节点集感知方向为决策变量的最优化问题,提出了基于扩展变异模式的自适应差分进化算法求解该问题,即寻求一种节点感知方向分布方案最大化区域覆盖率。算法迭代前期采用DE/rand/1/bin变异策略以保证种群的多样性,后期采用扩展变异模式DE/current-to-best/2/bin加强算法的收敛速度以保证算法高效率地搜索全局最优解。与传统的有向传感器网络覆盖增强算法对比,仿真实验验证了算法的有效性。

基于改进PSO的WMSNs覆盖增强算法

对无线多媒体传感器网络(WMSNs)的覆盖增强问题进行了研究.在WMSNs网络中,视频、图像节点的视角范围有限,只能监控周围的部分区域.由于节点数量众多、部署方式受限等原因,网络中往往存在大量的监测重叠与监控盲区,需要对各节点的感知方向进行优化,以提高网络的监控质量.文中基于有向感知模型,提出了一种覆盖增强算法MCE.MCE对各节点的感知方向进行调整,并使用了改进的PSO算法来计算求解.仿真实验表明,MCE算法能够有效地提高网络的覆盖率.

基于PSO的无线多媒体传感器网络覆盖增强算法

在无线多媒体传感器网络(Wireless Multimedia Sensor Networks,WMSNs)中,由于节点部署的不合理,往往存在较多的监控盲区,影响了网络的服务质量。为了提高网络的覆盖率,在有向感知模型基础的基础上,提出了一种基于粒子群算法的WMSNs覆盖增强算法PSOCE。PSOCE算法以网络覆盖率为优化目标,以粒子群算法为计算工具,同时对节点的位置与主感知方向进行调整。仿真试验表明,PSOCE算法能够有效地改进WMSNs的覆盖质量,网络的覆盖率能提高6%～12%。

基于QGA的无线多媒体传感器网络覆盖增强算法

对无线多媒体传感器网络(Wireless Multimedia Sensor Networks,WMSNs)中的覆盖问题进行了研究。由于网络环境和部署方式的限制,部署WMSNs时很难将数量众多的传感器节点放到适合的位置上,从而会导致大量监测重叠与监控盲区的出现。因此,在部署完网络后,通常需要进行一定的覆盖增强处理以提高网络的监控质量。文中对此进行了研究,并基于有向感知模型,提出了一种覆盖增强算法QGACE。QGACE同时对节点的位置与主感知方向进行调整,并引入了量子遗传算法来来进行计算处理。仿真试验表明,QGACE算法能够有效地提高网络的覆盖率。

面向三维的有向异构传感器网络覆盖优化算法

针对面向三维的有向异构传感器网络随机部署节点产生的覆盖重叠区和盲区的问题,提出了一种基于粒子群优化(PSO)算法面向三维的有向异构传感器网络覆盖优化算法(PSOTDH)。该算法在建立新的三维有向感知模型的基础上,在模型中引入三维重叠质心、三维有效质心和三维边界质心的概念,通过PSO算法对面向三维的有向异构传感器网络进行三维覆盖重叠区域优化和三维边界节点优化处理,使节点的主传感方向发生改变,从而使三维重叠质心、三维有效质心和三维边界质心分布更加均匀,进而达到提高覆盖率的目的。仿真结果表明,该算法经过25次优化以后可以提高网络覆盖率约27.82%。由此可见,该算法能够快速、有效地提高网络的覆盖率。

扩展卡尔曼滤波的有向传感器网络移动目标跟踪算法

针对传感器网络中跟踪目标需要大量的节点协同工作,还需要实时处理和传输大量数据,提出一种基于扩展卡尔曼滤波的有向传感器网络目标跟踪算法(EK-MTDC),重点研究了传感器网络中的扇区数量对节点间数据传输与目标跟踪精度的影响,根据对目标状态的分析,通过压缩参与监测的节点个数,选择激活网络中节点相交区域内的节点对跟踪目标进行监测。仿真结果表明,该算法能在不降低跟踪效果的前提下,降低网络能耗,延长其使用寿命。