劉 玲

(山東藝術(shù)學(xué)院,山東 濟南 250013)

0 引 言

物聯(lián)網(wǎng)是一種將傳感器、用戶和技術(shù)裝置采用某種現(xiàn)代通信技術(shù)連接的信息化、智能化網(wǎng)絡(luò)，物聯(lián)網(wǎng)結(jié)構(gòu)可分為網(wǎng)絡(luò)層、中間層、應(yīng)用層和感知層，其中感知層為物聯(lián)網(wǎng)的終端，可有效連接信息世界和物理世界[1]，其通過有線或無線方法將不同儀器設(shè)備上的傳感器有效連接，構(gòu)成一個具有信息采集和控制功能的物聯(lián)網(wǎng)終端網(wǎng)絡(luò)。物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中需要多個自適應(yīng)節(jié)點共同完成某種工作，需要自適應(yīng)節(jié)點具有較強的覆蓋率和通信能力，因此需要對其進行合理部署。

目前，針對物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署問題，已有一些專家學(xué)者提出了相關(guān)方法。如文獻[2]提出了一種利用加權(quán)人工魚群算法部署傳感器節(jié)點的方法，引入標(biāo)準(zhǔn)人工魚群算法并加入權(quán)重，用以自適應(yīng)地選擇人工魚的視覺和步長，通過人工魚覓食、聚群和追尾等行為，優(yōu)化網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)傳感器節(jié)點。但是經(jīng)該方法部署后，有效節(jié)點的數(shù)量較少，節(jié)點覆蓋率降低了；文獻[3]提出了一種虛擬力擾動指數(shù)權(quán)值遞減型粒子群算法，提高了粒子進入局部搜索的速度，并異構(gòu)節(jié)點間的虛擬力來影響節(jié)點進化過程，得到了更多的覆蓋率，但節(jié)點耗能偏高；文獻[4]提出了一種基于VL圖分割的節(jié)點自主部署方法，對目標(biāo)區(qū)域做VL圖劃分并分配覆蓋任務(wù)，分配到任務(wù)區(qū)間的節(jié)點通過構(gòu)造VL受控多邊形來確定下一輪目標(biāo)位置，其它節(jié)點則計算所受虛擬力來確定下一輪目標(biāo)點位置。同時網(wǎng)絡(luò)各個節(jié)點逐輪更新自身位置。雖然該方法提升了有效節(jié)點的數(shù)量，但每一輪任務(wù)的覆蓋率較低，節(jié)點耗能偏高，應(yīng)用效果依舊不理想。

離散傅氏變換快速算法(Fast Fourier Transform，F(xiàn)FT)是一種用于信號處理和數(shù)據(jù)分析的算法，因此將FFT應(yīng)用到物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點的部署中，根據(jù)節(jié)點部署特點計算物聯(lián)網(wǎng)終端網(wǎng)絡(luò)覆蓋率，再利用虛擬力算法和通信門限控制將節(jié)點間虛擬力控制在合理范圍，在此基礎(chǔ)上采用FFT算法構(gòu)建虛擬力的函數(shù)模型并引入基函數(shù)矩陣，優(yōu)化自適應(yīng)節(jié)點間虛擬力，加強對自適應(yīng)節(jié)點的優(yōu)化部署，增加有效節(jié)點數(shù)量并擴大網(wǎng)絡(luò)覆蓋率。

1 物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署方法

本文自適應(yīng)節(jié)點部署方法的總體框架圖如圖1所示。其核心在于進一步的優(yōu)化部署，見FFT變換算法加入到虛擬力函數(shù)模型中，從而優(yōu)化節(jié)點間的虛擬力，完成優(yōu)化部署。

圖1 本文總體框架流程圖

1.1 物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署特點

針對物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的自適應(yīng)節(jié)點部署特點，利用可移動自適應(yīng)節(jié)點的移動特性，將物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中的可移動自適應(yīng)節(jié)點放置在由固定自適應(yīng)節(jié)點部署的網(wǎng)絡(luò)中，動態(tài)調(diào)整物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的自適應(yīng)節(jié)點，以達到提升網(wǎng)絡(luò)覆蓋率和通信能力的目的，且通過控制可移動自適應(yīng)節(jié)點還可有效解決物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中的目標(biāo)跟蹤問題。

將物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中的所有自適應(yīng)節(jié)點用集合S={si,i=1,2,3,…,n}表示，集合中的可移動自適應(yīng)節(jié)點數(shù)量為k，固定自適應(yīng)節(jié)點數(shù)為n-k，將物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中所有自適應(yīng)節(jié)點位置坐標(biāo)用Z=[Xk,Xn-k,Yk,Yn-k]表示，其中可移動節(jié)點的橫坐標(biāo)和縱坐標(biāo)向量分別為Xk={x1,x2,…,xk}和Yk={y1,y2,…,yk}，Xn-k={xk+1,xk+2,…,xn}和Yn-k={yk+1,yk+2,…,yn}分別表示固定節(jié)點的橫縱坐標(biāo)向量。

物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中可移動自適應(yīng)節(jié)點s對固定自適應(yīng)節(jié)點t的感知概率P(s,t)可用公式(1)描述:

(1)

其中，d(s,t)表示物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中可移動自適應(yīng)節(jié)點與固定自適應(yīng)節(jié)點距離，將可移動自適應(yīng)節(jié)點的感知半徑用r表示，e-λαβ為指數(shù)函數(shù)，re為感知半徑最小值，α=d(s,t)-(r-re)，α為可移動自適應(yīng)節(jié)點的可移動距離，λ和β分別表示d(s,t)在r-re和r+re半徑變化時的衰減系數(shù)[5]。

采用公式(2)表示物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的覆蓋率：

(2)

式中，Scov-t表示待部署自適應(yīng)節(jié)點T的集合，P(si,t)符合公式(1)的感知概率，表示物聯(lián)網(wǎng)中可移動自適應(yīng)節(jié)點Si對待部署固定自適應(yīng)節(jié)點的監(jiān)測概率[6]，將被部署自適應(yīng)節(jié)點的被監(jiān)測概率閾值用Pth表示，被部署節(jié)點符合式(3)時，說明部署自適應(yīng)節(jié)點在被監(jiān)測范圍：

Pcov-t(Scov-t)≥Pth

(3)

將監(jiān)測區(qū)域離散為m×n個方格，判斷各個方格是否被可移動自適應(yīng)節(jié)點感知覆蓋可采用公式(3)，可采用公式(4)表示物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的區(qū)域覆蓋率：

(4)

其中Covw表示自適應(yīng)節(jié)點范圍內(nèi)物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的覆蓋率。

1.2 自適應(yīng)節(jié)點間的虛擬力運算

在保證物聯(lián)網(wǎng)終端網(wǎng)絡(luò)覆蓋率高的基礎(chǔ)上，還需控制自適應(yīng)節(jié)點間虛擬力在合理范圍內(nèi)，使物聯(lián)網(wǎng)終端網(wǎng)絡(luò)達到穩(wěn)狀態(tài)。

虛擬力算法可計算物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中傳感器與目標(biāo)障礙物以及網(wǎng)絡(luò)中各自適應(yīng)節(jié)點間的虛擬力，為物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點尋找受力平衡[7]，使可移動節(jié)點移動到合理位置，實現(xiàn)物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點的合理部署，由于自適應(yīng)節(jié)點間存在通信距離受限的弊端，則在2.1小節(jié)獲取的自適應(yīng)節(jié)點范圍內(nèi)物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的覆蓋率的基礎(chǔ)上，引入通信門限Gth，用作調(diào)控?zé)o法相互通信的自適應(yīng)節(jié)點間的虛擬力[8]，使節(jié)點間距大于Gth時產(chǎn)生作用力等于零，將物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中自適應(yīng)節(jié)點j對i的虛擬力用式(5)表示：

(5)

式(5)中，F(xiàn)i,j表示自適應(yīng)節(jié)點i對j的作用力，自適應(yīng)點i和j間直線距離用dij表示，κij用于描述自適應(yīng)節(jié)點i到j(luò)的方位角，ηa和ηr分別代表虛擬力的引力系數(shù)和排斥力系數(shù)，二者主要作用是調(diào)控采用虛擬力算法后自適應(yīng)節(jié)點部署結(jié)果的疏密[9]。

物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署過程中，采用虛擬力算法計算得到自適應(yīng)節(jié)點的綜合受力后，可移動自適應(yīng)節(jié)點在綜合受力影響下，位置發(fā)生改變[10]，設(shè)置可移動自適應(yīng)節(jié)點移動最大距離為MaxStep，自適應(yīng)節(jié)點的移動距離與綜合受力成正比且移動距離小于MaxStep，自適應(yīng)節(jié)點移動距離如公式(6)和(7)所示：

(6)

(7)

上述公式中的X_VfaStep和Y_VfaStep分別表示物聯(lián)網(wǎng)終端網(wǎng)絡(luò)可移動自適應(yīng)節(jié)點，分別在X軸和Y軸方向移動位移[11]，F(xiàn)xy表示虛擬力合力，其在X軸和Y軸方向的分力為Fx和Fy，F(xiàn)th表示自適應(yīng)節(jié)點受虛擬合力的閾值，當(dāng)自適應(yīng)節(jié)點虛擬合力低于Fth時，說明該自適應(yīng)節(jié)點處于穩(wěn)定狀態(tài)，位置無需改變，當(dāng)物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中所有可移動自適應(yīng)節(jié)點均無需移動時，說明該網(wǎng)絡(luò)達到穩(wěn)定狀態(tài)，初步實現(xiàn)物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點的合理部署[12]，但虛擬力算法在計算自適應(yīng)節(jié)點間虛擬力過程中容易受到外界環(huán)境的干擾，因此需要優(yōu)化自適應(yīng)節(jié)點間的虛擬力，提升物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點的部署效果。

1.3 基于FFT變換算法的節(jié)點虛擬力優(yōu)化

FFT變換算法用于優(yōu)化物聯(lián)網(wǎng)終端自適應(yīng)節(jié)點部署時，選取物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中自適應(yīng)節(jié)點在某段時間內(nèi)的虛擬力為優(yōu)化對象，設(shè)各時間下的自適應(yīng)節(jié)點虛擬力用(t1,F1)、(t2,F2)、(t3,F3)，……，(tm,Fm)表示，ti和Fi(i=1,2,…,m)分別為物聯(lián)網(wǎng)自適應(yīng)終端網(wǎng)絡(luò)的時間點和虛擬力值，構(gòu)建虛擬力的函數(shù)模型F(t)，同時符合誤差χi=F(ti)-fi在物聯(lián)網(wǎng)終端網(wǎng)絡(luò)允許的置信區(qū)間，此時采用公式(8)表示F(t)：

(8)

式中參數(shù)n和B均為常數(shù)，其取值與實際物聯(lián)網(wǎng)終端網(wǎng)絡(luò)相關(guān)，δ為虛擬力系數(shù)矩陣。

快速傅里葉變換可對信號進行傅里葉變換，采用基函數(shù)矩陣Bi(t)=sin(Eit+Hi)變換公式(8)，得到如公式(9)所示的虛擬力的函數(shù)模型F(t)：

F(t)=δ1+δ2sin(E1t+H1+δ3sin(E2t+H2+

+…+δnsin(En-1t+Hn-1)

(9)

式中Ei和Hi與實際物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的屬性相關(guān)。

將FFT算法用于優(yōu)化物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點虛擬力，可通過取特定數(shù)值n=m代入公式(8)計算，當(dāng)選取的m值較大時，F(xiàn)(t)結(jié)果誤差較大，所以選擇具體m值時，應(yīng)盡量選數(shù)值較小一些，取值在1-4之間，則公式(9)可用式(10)表示：

F(t)=δ1+δ2sin(Ε1t+Η1+δ3sin(Ε2t+Η2+

δ4sin(Ε3t+Η3)

(10)

實際物聯(lián)網(wǎng)終端網(wǎng)絡(luò)中，若存在40個自適應(yīng)節(jié)點，優(yōu)化這些自適應(yīng)節(jié)點在該網(wǎng)絡(luò)中的虛擬力[13]，需采用式(10)來估計虛擬力Fi(i=1,2,…,40)實際值，計算n階虛擬力系數(shù)矩陣δ=(δ1,δ2,…,δn)T，T為周期，實際自適應(yīng)節(jié)點受到虛擬力m維矩陣函數(shù)為F=(f1,f2,…,fn)T，在不同時刻采樣下估計的自適應(yīng)節(jié)點虛擬力為F=(f(t1),f(t2),…,f(tm))T，根據(jù)公式(8)可得不同時刻采樣下優(yōu)化得到的自適應(yīng)節(jié)點虛擬力矩陣表達式：

F=(f(t1),f(t2),…,f(tm))T=Bχ

(11)

此時的虛擬力誤差向量為：

χ=Bδ-f

(12)

為保證虛擬力估計值與實際值差值最小，以誤差向量的范數(shù)平方最小值作為優(yōu)化目標(biāo)[14]，可得：

(13)

若要使式(13)為極小值，將δb(b=0,1,2,…,n)帶入式(13)，并對其進行偏微分處理，得到：

(14)

由式(14)可得式(15)所示關(guān)系式：

BTBδ=BTF

(15)

由于采用FFT算法時采用基函數(shù)矩陣為Bi(t)=sin(Εit+Ηi)，該矩陣為滿秩矩陣[15]，則有BTB為正定矩陣，可將虛擬力系數(shù)矩陣δ用式(16)表示：

δ=(BTB)-1BTF

(16)

將BTB和BTF分別用常數(shù)D和Y表示，可得虛擬力矩陣系數(shù)根D-1Y，且有：

Dδ=Y

(17)

將FFT算法用于物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點優(yōu)化部署時，通常已知基函數(shù)矩陣和公式(8)，可將式(17)代入式(8)優(yōu)化物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點的虛擬力，提升自適應(yīng)節(jié)點的部署效果。

2 實驗分析

仿真分析本文方法應(yīng)用在某實際物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署的效果，采用本文方法對該網(wǎng)絡(luò)中的自適應(yīng)節(jié)點進行部署，為比較本文方法部署效果，將文獻[2]中的基于人工魚群算法的節(jié)點部署方法和文獻[3]中的基于粒子群算法的自適應(yīng)節(jié)點部署方法與本文方法進行比較。

2.1 有效自適應(yīng)節(jié)點數(shù)

為實現(xiàn)物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署，需確定物聯(lián)網(wǎng)終端網(wǎng)絡(luò)部署范圍內(nèi)有效的節(jié)點隨時間變化的軌跡，實驗選取的物聯(lián)網(wǎng)終端網(wǎng)絡(luò)詳細信息如表1所示，有效自適應(yīng)節(jié)點數(shù)隨時間變化曲線用圖2描述。

表1 物聯(lián)網(wǎng)終端網(wǎng)絡(luò)詳細信息

圖2 物聯(lián)網(wǎng)終端網(wǎng)絡(luò)有效自適應(yīng)節(jié)點隨時間變化結(jié)果

從圖2曲線分析可知，人工魚群部署方法和粒子群部署方法在實驗開始初期，有效自適應(yīng)節(jié)點增加速度較快，但隨著時間增長，人工魚群方法部署得到有效自適應(yīng)節(jié)點數(shù)量幾乎不再增長，在15個左右變化；粒子群方法在實驗開始后20 s時，有效自適應(yīng)節(jié)點數(shù)達到最大值15個，隨著實驗繼續(xù)，有效自適應(yīng)節(jié)點數(shù)量呈現(xiàn)減少-增加-減少的趨勢，在實驗結(jié)束時有效自適應(yīng)節(jié)點數(shù)低于15個；而本文方法實驗進行過程中產(chǎn)生的有效自適應(yīng)節(jié)點數(shù)量一直增加，在實驗結(jié)束時產(chǎn)生的有效自適應(yīng)節(jié)點數(shù)接近50個，說明本文方法可有效增加物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點數(shù)量，提升自適應(yīng)節(jié)點部署質(zhì)量。

2.2 網(wǎng)絡(luò)覆蓋率

同樣在表1的實驗環(huán)境下比較三種方法部署自適應(yīng)節(jié)點后的網(wǎng)絡(luò)覆蓋率，物聯(lián)網(wǎng)終端網(wǎng)絡(luò)覆蓋率越高，說明該物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的通訊能力越強，將三種方法部署自適應(yīng)節(jié)點后物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的覆蓋率用表2描述：

表2 物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的覆蓋率(%)

用圖3描述三種方法自適應(yīng)節(jié)點部署后物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的覆蓋率。

圖3 物聯(lián)網(wǎng)終端網(wǎng)絡(luò)覆蓋率曲線

分析表2和圖3曲線結(jié)果可知，采用本文方法部署物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點后，網(wǎng)絡(luò)覆蓋率隨著實驗的進行逐漸提升，覆蓋率最高可達95.4%，而人工魚群部署方法和粒子群部署方法在實驗開始前20 s的網(wǎng)絡(luò)覆蓋率一直處于增長狀態(tài)，隨著實驗進行，人工魚群部署方法的網(wǎng)絡(luò)覆蓋率增長幅度有所降低，但始終處于增長狀態(tài)，粒子群部署方法在實驗開始20～45 s內(nèi)的網(wǎng)絡(luò)覆蓋率變化十分微小，在45～60 s內(nèi)物聯(lián)網(wǎng)終端網(wǎng)絡(luò)覆蓋率降低幅度較大，說明采用本文方法部署自適應(yīng)節(jié)點后網(wǎng)絡(luò)覆蓋率高，網(wǎng)絡(luò)通信能力較強。

2.3 自適應(yīng)節(jié)點能耗比較

物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點的部署過程中，應(yīng)嚴(yán)格控制有效自適應(yīng)節(jié)點數(shù)量，以節(jié)省能源和資源；此外，在控制可移動自適應(yīng)節(jié)點移動距離時，應(yīng)以移動最短距離為部署條件，降低自適應(yīng)節(jié)點的能源損耗。表3為一定數(shù)量有效自適應(yīng)節(jié)點平均能耗，表4為可移動自適應(yīng)節(jié)點移動一定距離能耗。

表3 一定數(shù)量有效自適應(yīng)節(jié)點平均能耗(mW)

為突出比較不同三種方法在部署完物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點后的節(jié)點平均能耗，將表3數(shù)據(jù)用圖4所示曲線描繪。

圖4 自適應(yīng)節(jié)點平均能耗曲線

聯(lián)合分析表3和圖4可知，隨著有效自適應(yīng)節(jié)點數(shù)量的增加，節(jié)點的平均能耗一直在提升；從圖4可知，本文方法部署完物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點后，隨著有效自適應(yīng)節(jié)點數(shù)量的增加，有效自適應(yīng)節(jié)點的平均能耗提升幅度較低，平均能耗最高為8.4 mW；人工魚群部署方法和粒子群部署方法部署后，隨著自適應(yīng)節(jié)點數(shù)量的提升，節(jié)點的平均能耗提升較高，結(jié)果表明本文方法可有效降低自適應(yīng)節(jié)點能耗，是一種高效節(jié)能的物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署方法。

表4 可移動自適應(yīng)節(jié)點移動一定距離能耗(mW)

分析表4數(shù)據(jù)結(jié)果可知，物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署過程中，可移動自適應(yīng)節(jié)點的移動距離越長，節(jié)點的能耗越高，詳細分析表中數(shù)據(jù)可以看出，采用本文方法進行自適應(yīng)節(jié)點部署后，可移動自適應(yīng)節(jié)點能耗隨移動距離的增加提升幅度緩慢；人工魚群部署方法和粒子群部署方法在節(jié)點移動距離較短時，節(jié)點的能耗較低，當(dāng)自適應(yīng)節(jié)點移動距離為7.0 m時，節(jié)點的能耗最高。為詳細了解可移動自適應(yīng)節(jié)點在移動不同距離時的能耗情況，將表4數(shù)據(jù)結(jié)果用圖5曲線描繪。

圖5 可移動自適應(yīng)節(jié)點移動不同距離的能耗曲線

從圖5可以清楚得出，不同移動距離下可移動自適應(yīng)節(jié)點的能耗大小為：粒子群部署方法>人工魚群部署方法>本文方法，且三種方法部署后可移動自適應(yīng)節(jié)點在移動距離小于3.5 m時的能耗較低，相差較小，但移動距離超出3.5 m后粒子群部署方法和人工魚群部署方法的節(jié)點能耗提升較快，同樣可說明本文方法是一種節(jié)能環(huán)保的物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署方法。

綜上所述，基于FFT算法的物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署方法的網(wǎng)絡(luò)覆蓋率高、網(wǎng)絡(luò)通信能力較強，且耗能較低。這是由于該方法首先根據(jù)節(jié)點部署特點計算了覆蓋率，在已知覆蓋率的基礎(chǔ)上將節(jié)點間虛擬力控制在合理范圍，實現(xiàn)了低能，再采用FFT變換算法構(gòu)建虛擬力的函數(shù)模型并引入基函數(shù)矩陣，優(yōu)化自適應(yīng)節(jié)點間虛擬力，實現(xiàn)對自適應(yīng)節(jié)點的優(yōu)化部署。在實際應(yīng)用，也具有類似于仿真實驗的效果，只要控制好如表1相關(guān)參數(shù)，在實現(xiàn)過程中，加入的FFT變換算法可以采用已經(jīng)固化到硬件的產(chǎn)品，一方面可以提高運行速度，另一方面提高穩(wěn)定性。這樣實施比采用智能算法更優(yōu)化，因為固化的模塊不僅運行速度快，而且準(zhǔn)確。

3 結(jié) 語

本文提出基于FFT算法的物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點部署方法，在所提方法中，合理的節(jié)點部署除保證網(wǎng)絡(luò)的覆蓋率外還需最大程度的保證網(wǎng)絡(luò)的穩(wěn)定性，采用虛擬力算法構(gòu)建虛擬力函數(shù)模型，加強了物聯(lián)網(wǎng)終端網(wǎng)絡(luò)的穩(wěn)定性；為提升自適應(yīng)節(jié)點的合理部署，采用FFT算法，優(yōu)化物聯(lián)網(wǎng)終端網(wǎng)絡(luò)自適應(yīng)節(jié)點的部署效果，極大提高網(wǎng)絡(luò)覆蓋率，降低網(wǎng)絡(luò)節(jié)點能耗。實驗結(jié)果驗證了所提方法的有效性。