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(wǎng)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(wǎng)絡，該節(jié)點在其微小的體積內(nèi)集成了數(shù)據(jù)采集、數(shù)據(jù)處理和無線通信等多種功能。目前無線傳感器網(wǎng)絡的應用已逐步深入到了軍事和民用領(lǐng)域。與傳統(tǒng)的網(wǎng)絡相比，無線傳感器網(wǎng)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(wǎng)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(wǎng)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(jù)的傳輸且延長網(wǎng)絡的生命周期是無線傳感器網(wǎng)絡需考慮的關(guān)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(jù)，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(nèi)，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(wǎng)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(diào)度［3］是關(guān)鍵所在。在網(wǎng)絡中存在必要數(shù)目的有效節(jié)點保證網(wǎng)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(wǎng)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(nèi)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(jù)包傳送到Sink節(jié)點。仿真結(jié)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(jù)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(jù)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(shè)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(jù)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(jù)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(jù)傳輸

目標進入檢測區(qū)域，感知半徑范圍以內(nèi)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(jù)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(cè)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(nèi)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(jù)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(jù)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(quán)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(jié)果

表1 相關(guān)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(wǎng)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(guān)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(quán)系數(shù)α與檢測節(jié)點平均能量消耗之間的關(guān)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(guān)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(guān)系。當目標分別以30°、45°和60°的入射角進入檢測區(qū)，根據(jù)算法1得出最大檢測距離ξ與感知半徑之間的關(guān)系。由于節(jié)點隨機部署且Sink部署在網(wǎng)絡的中心，Sink周圍節(jié)點網(wǎng)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(jié)果可知，當節(jié)點的感知半徑增大時，網(wǎng)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(jié)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(wǎng)絡區(qū)域被完全覆蓋時，網(wǎng)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(jù)在離目標最近的節(jié)點聚合。根據(jù)算法2選擇最優(yōu)路徑，選擇合適的加權(quán)系數(shù)使得節(jié)點的平均能量消耗最小。圖4表明當權(quán)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(quán)系數(shù)與平均消耗能量關(guān)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(nèi)節(jié)點產(chǎn)生的數(shù)據(jù)包將增大，網(wǎng)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(jù)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(wǎng)絡實時數(shù)據(jù)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(jié)束語

本文給出了無線傳感器網(wǎng)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(jù)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(jié)果表明，在相關(guān)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(jù)沿著最優(yōu)路徑經(jīng)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(guān)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(wǎng)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(wǎng)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(wǎng)絡路由策略研究［D］.長沙:國防科學技術(shù)大學，2006.

［4］袁朝暉，王高峰.基于數(shù)據(jù)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.