申志平 孫茜 王小藝 許繼平 張慧妍 王立

摘? 要： 將待監(jiān)測水域中水質(zhì)參數(shù)波動較大的區(qū)域定義為重點監(jiān)測區(qū)域，水質(zhì)參數(shù)波動較小的區(qū)域定義為非重點監(jiān)測區(qū)域。重點監(jiān)測區(qū)域由于其水質(zhì)參數(shù)波動頻繁，需要覆蓋更多的傳感器以提高其檢測精度。為提高資源利用率，在不增加傳感器個數(shù)的情況下，將非重點監(jiān)測區(qū)域內(nèi)的傳感器移動到重點監(jiān)測區(qū)域中。首先，利用Voronoi圖定位重點監(jiān)測區(qū)域目標節(jié)點的位置，根據(jù)能量矩陣確定移動節(jié)點和目標節(jié)點一一對應(yīng)的關(guān)系。然后，通過點對點移動策略（PPMS）實現(xiàn)對節(jié)點的重新部署，使重點監(jiān)測區(qū)域得到更加有效的覆蓋。仿真結(jié)果表明，該方法可以較大程度地減少傳感器的移動距離，減少網(wǎng)絡(luò)達到平衡點的時間，在不影響整體監(jiān)測水域監(jiān)測效果的情況下，實現(xiàn)對重點監(jiān)測區(qū)域更為有效的覆蓋。

關(guān)鍵詞： 網(wǎng)絡(luò)優(yōu)化; 節(jié)點部署; 水質(zhì)監(jiān)測; 節(jié)點定位; 點對點移動; 仿真分析

中圖分類號： TN711?34; TP212? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）14?0097?04

Energy?efficiency method of network optimization deployment for water quality sensor

SHEN Zhiping， SUN Qian， WANG Xiaoyi， XU Jiping， ZHANG Huiyan， WANG Li

（School of Computer and Information Engineering，Beijing Technology and Business University， Beijing 100048， China）

Abstract： The areas with large fluctuation of water quality parameters in the water area to be monitored are defined as the key monitoring areas， and the areas with small fluctuation of water quality parameters are defined as the non?key monitoring areas. As the frequent fluctuations of the water quality parameters in the key monitoring areas， the more sensors need to be covered to improve their detection accuracy. The sensors in the non?key monitoring area are moved to the key monitoring area without increasing the number of sensors， so as to improve the resource utilization rate. The Voronoi diagram is used to locate the target node of the key monitoring area， and the one?to?one correspondence between the mobile node and the target node is determined according to the energy matrix. The redeploy of the nodes are realized by means of the point?to?point mobility strategy （PPMS）， so that the key monitoring areas can be more effectively covered. The simulation results show that the method can reduce the moving distance of the sensor to a large extent and the time for the network to reach the equilibrium point. It can achieve more effective coverage of the key monitoring area without affecting the monitoring effect in the overall monitoring water area.

Keywords： network optimization; node deployment; water quality monitoring; node localization; point?to?point mobility strategy; simulation analysis

0? 引? 言

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks， WSNs）是由自主傳感器組成的分布式網(wǎng)絡(luò)[1]，它用于監(jiān)測物理和環(huán)境條件中溫度、聲音等參數(shù)。目前WSNs在衛(wèi)生保健、災(zāi)害管理與預(yù)防、滑坡探測、水質(zhì)監(jiān)測等各個領(lǐng)域[2?4]中發(fā)揮著非常重要的作用。無線傳感器網(wǎng)絡(luò)由相互連接的節(jié)點和傳感器組成，每個節(jié)點連接一個或多個傳感器，其中節(jié)點的數(shù)量取決于所覆蓋區(qū)域的大小，通過節(jié)點采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中感知對象的信息，并把信息發(fā)送給觀察者。

水質(zhì)傳感器網(wǎng)絡(luò)是監(jiān)視和測定水體中污染物的種類、各類污染物的濃度及變化趨勢，評價水質(zhì)狀況的過程[5]。近些年來隨著生活污水、工業(yè)廢水、污染物泄露等大量人為因素的影響使得不同水域的污染程度各不相同，水域污染程度較深的區(qū)域往往含有較高的溶解氧、氨氮、高錳酸鉀等污染物質(zhì)，且水質(zhì)波動變化較大。水污染指數(shù)法[6]是對水體中污染物進行統(tǒng)計和歸納，以數(shù)值的形式綜合反應(yīng)水體污染程度的方法，其可以用來作為水污染分類的定級依據(jù)，根據(jù)水污染指數(shù)法可以把待測水域分為重點監(jiān)測區(qū)域和非重點監(jiān)測區(qū)域。在實際的水質(zhì)監(jiān)測中往往通過合理的群智能優(yōu)化算法，以最大化覆蓋率為優(yōu)化目標，把傳感器由最初的隨機部署轉(zhuǎn)換為均勻的部署[7?8]。但對于重點監(jiān)測區(qū)域，由于其數(shù)據(jù)的嚴謹性和波動性，往往需要更高的覆蓋程度[9]。因此，從資源合理利用和保證監(jiān)測數(shù)據(jù)準確性的角度出發(fā)，運用無線傳感器可以移動的特點，在有限傳感器數(shù)目的條件下，把非重點監(jiān)測區(qū)域的傳感器移動到重點監(jiān)測區(qū)域進行實時監(jiān)控。因此，移動哪些傳感器節(jié)點、按照何種路徑進行移動是本文要解決的主要問題。

文獻[10]采用多個可以移動的傳感器節(jié)點在網(wǎng)絡(luò)區(qū)域內(nèi)隨機移動的方式，利用這種方法可以減少網(wǎng)絡(luò)數(shù)據(jù)的延遲，但隨機移動使得網(wǎng)絡(luò)整體能耗增加。文獻[11]把網(wǎng)絡(luò)中所有靜態(tài)節(jié)點劃分為多個簇，接著在每個簇中選擇一個節(jié)點作為簇頭，其一個簇中的其他節(jié)點數(shù)據(jù)都由其進行數(shù)據(jù)上傳，移動節(jié)點在區(qū)域內(nèi)進行隨機移動。這種方法可以降低網(wǎng)絡(luò)的總能耗，但因為簇頭位置不夠確定，導致移動的路徑不是最短的，進而導致移動節(jié)點的能耗增加。文獻[12]中基本競標協(xié)議采用直接移動的方式，但針對的是單個節(jié)點直接的移動。

如何實現(xiàn)把非重點監(jiān)測區(qū)域中的移動節(jié)點移動到重點監(jiān)測區(qū)域之內(nèi)，同時能夠最大程度地提高重點監(jiān)測區(qū)域內(nèi)的覆蓋程度是本文解決的重點。

本文利用Voronoi圖來定位重點監(jiān)測區(qū)域內(nèi)的漏洞點，即目標節(jié)點，同時根據(jù)能量距離矩陣確定移動節(jié)點和目標節(jié)點一一對應(yīng)關(guān)系，通過對傳感器節(jié)點的重新部署實現(xiàn)了對重點監(jiān)測區(qū)域的有效覆蓋。

1? 模型的建立

1.1? 區(qū)域模型

本文在監(jiān)測水域的二維平面內(nèi)，部署相同通信半徑和傳感半徑的傳感器節(jié)點。建立的模型如圖1所示。大框包圍的區(qū)域表示重點監(jiān)測區(qū)域，小框包圍的區(qū)域表示非重點監(jiān)測區(qū)域。

1.2? 網(wǎng)絡(luò)覆蓋率模型

圖1中所產(chǎn)生的網(wǎng)格點記為[u]，區(qū)域內(nèi)的網(wǎng)格點總數(shù)記作U，第[u]個網(wǎng)格點被一個傳感器監(jiān)測到的概率記為c。本文采用布爾感知模型完成傳感器的覆蓋監(jiān)測模型，模型的數(shù)學表達式為：

[c（s，u）=0，? ? ? ? d（si，u）≥Rc1，? ? ? ? ?d（si，u）

式中：[d（si，u）]表示傳感器節(jié)點與網(wǎng)格點[u]的歐氏距離，即傳感器節(jié)點[si]部署在點[（xi，yi）]上，則網(wǎng)格點w到[（xi，yi）] 的距離為[d（si，u）=（xi-x）2+（yi-y）2];[Rc]表示傳感器的有效監(jiān)測半徑，當[d（si，u）]大于傳感器的有效半徑時，網(wǎng)格點[u]將不能被檢測。對于一個受監(jiān)測網(wǎng)格，將它被整個監(jiān)測區(qū)域中的所有傳感器節(jié)點檢測到的概率定義為聯(lián)合檢測概率，網(wǎng)格[u]的聯(lián)合檢測概率為：

[Cu（Sall，u）=1-i=1n（1-Cu（Si，u））]? ? （2）

2? 確定移動節(jié)點和目標節(jié)點

為了最大程度地合理利用傳感器資源，本文在不改變傳感器個數(shù)的情況下擬將非重點監(jiān)測區(qū)域的傳感器移動到重點監(jiān)測區(qū)域中。其中，非重點監(jiān)測區(qū)域中傳感器的節(jié)點被稱為移動節(jié)點，重點監(jiān)測區(qū)域中存在的點稱為目標節(jié)點，并根據(jù)Voronoi圖來確定。

Voronoi圖是在其組成點集中連接兩個相鄰點直線的垂直平分線構(gòu)成的一組連續(xù)多邊形，基于Voronoi圖定位非重點監(jiān)測區(qū)域移動傳感器節(jié)點的位置，具體分為兩個步驟。

1） 利用網(wǎng)絡(luò)中傳感器節(jié)點構(gòu)造Voronoi圖，計算均勻部署后覆蓋漏洞的邊界，如圖2所示。

2） 計算覆蓋漏洞邊界的外接矩形，用正六邊形無縫分割，如圖3所示，最后判斷正六邊形的中心是否在漏洞內(nèi)，記錄漏洞內(nèi)正六邊形的中心位置，作為目標節(jié)點的目標位置，統(tǒng)計記錄的中心位置數(shù)量。

3? 點對點移動策略

首先計算m個移動節(jié)點和n個目標節(jié)點的歐氏距離，距離計算完成后，列出距離矩陣D：

[D=D11? D12? D13 … D1，j … D1，n-1? ?D1nD21? D22? D23 … D2，j … D2，n-1? D2nD31? D32? D33 … D3，j … D3，n-1? D3n ?? ? ? ?? ? ? ?? ? ? ? ??? ? ? ? ? ? ?? ? ? ? ?Di1? ?Di2? Di3 … Di，j … Di，n-1? ?Din ?? ? ? ?? ? ? ?? ? ? ? ??? ? ? ? ? ? ?? ? ? ? ?Dm1 Dm2 Dm3 … Dm，j … Dm，n-1? Dmn]

計算傳感器節(jié)點[i]移動到重點監(jiān)測區(qū)域[j]消耗的能量：

[Ji，j=e·Di，j] （3）

式中，e為移動傳感器移動單位距離所消耗的能量。

根據(jù)每個點的能量消耗列出能量消耗矩陣J：

[J=J11? ? J12? ? J13 … J1，j … J1，n-1? ? ?J1nJ21? ? J22? ? J23 … J2，j … J2，n-1? ? J2nJ31? ? J32? ? J33 … J3，j … J3，n-1? ? J3n ?? ? ? ?? ? ? ?? ? ? ? ??? ? ? ? ? ? ?? ? ? ? ?Ji1? ? ?Ji2? ? Ji3 … Ji，j …? Ji，n-1? ? ?Jin ?? ? ? ?? ? ? ?? ? ? ? ??? ? ? ? ? ? ?? ? ? ? ?Jm1? Jm2? ?Jm3 … Jm，j … Jm，n-1? ? Jmn]

能量消耗矩陣窮舉了由移動節(jié)點到目標節(jié)點的能量消耗，根據(jù)式（4）找到能量消耗最小的節(jié)點移動路徑。

[Q=mini=1mj=1nJij， i，j有且僅取一次] （4）

式中，Q為最小的節(jié)點移動路徑上的能量消耗。

4? 實驗仿真

4.1? 實驗設(shè)計

本文采用針對性移動策略把非重點監(jiān)測區(qū)域的傳感器移動到重點監(jiān)測區(qū)域中，在100 m ×100 m 的水域內(nèi)，以2 m為邊長劃分網(wǎng)格以計算覆蓋率，設(shè)定傳感器半徑為10 m。初始能量設(shè)置為10 000 J，傳感器移動1 m消耗的能量是30 J。

4.2? 實驗結(jié)果與分析

通過把非重點監(jiān)測區(qū)域的傳感器移動到重點監(jiān)測區(qū)域中，來增加重點監(jiān)測區(qū)域的覆蓋率，圖4為均勻部署后傳感器節(jié)點分布圖，大框包圍的區(qū)域表示重點監(jiān)測區(qū)域，小框包圍的區(qū)域表示非重點監(jiān)測區(qū)域。

圖5為本文最終部署的結(jié)果圖，由圖5可以看出非重點監(jiān)測區(qū)域內(nèi)的傳感器節(jié)點移動到了重點監(jiān)測區(qū)域內(nèi)，大大增加了重點監(jiān)測區(qū)域的覆蓋率。

圖6為覆蓋率隨時間變化圖。由圖6可以看出，隨著時間的變化，非重點監(jiān)測區(qū)域中傳感器的移動，原始的均勻覆蓋被打破，使得非重點和整體監(jiān)測區(qū)域的覆蓋率降低，同時隨著重點監(jiān)測區(qū)域傳感器節(jié)點的增加，重點監(jiān)測區(qū)域的覆蓋率逐步增加，最終達到99%。而非重點監(jiān)測區(qū)域和整個監(jiān)測區(qū)域的傳感器覆蓋率呈現(xiàn)下降的趨勢，最終分別達到穩(wěn)定值66%，76%，通過移動在不增加傳感器數(shù)量的基礎(chǔ)上實現(xiàn)了對重點監(jiān)測區(qū)域的有效覆蓋。

圖7為采用本文提出的點對點移動策略PPMS和隨機移動策略（Random Mobility Strategy，RMS）的移動距離對比圖，考慮到隨機移動的不確定性對實驗對比結(jié)果的影響，對隨機移動策略進行了20次實驗，對實驗結(jié)果做均值處理，得到的實驗對比如圖7所示。由圖可以看出隨機移動傳感器移動距離達到350 m，采用PPMS的移動距離為280 m，最終可以減少2 100 J的網(wǎng)絡(luò)能耗;同時由圖還可以看出PPMS較RMS達到平衡點的時間較短，進一步可以保證網(wǎng)絡(luò)的穩(wěn)定性。

5? 結(jié)? 論

本文研究了水質(zhì)傳感器網(wǎng)絡(luò)節(jié)點部署問題。首先，將待監(jiān)測水域劃分為重點和非重點監(jiān)測區(qū)域，利用Voronoi圖確定移動節(jié)點和目標節(jié)點;然后，通過點對點移動策略實現(xiàn)傳感器節(jié)點的重新部署。仿真結(jié)果表明，點對點移動策略可有效減少傳感器節(jié)點的移動距離，延長網(wǎng)絡(luò)的生命周期，并能使網(wǎng)絡(luò)在更短的時間內(nèi)達到新的平衡。

注：本文通訊作者為孫茜。

參考文獻

[1] ABO?ZAHHAD M， SABOR N， SASAKI S， et al. A centralized immune?Voronoi deployment algorithm for coverage maximization and energy conservation in mobile wireless sensor networks [J]. Information fusion， 2016， 30： 36?51.

[2] 程文.無線傳感器網(wǎng)絡(luò)研究現(xiàn)狀與應(yīng)用[J].電子測試，2016，7（3）：90?91.

[3] ADU?MANU K S， TAPPARELLO C， HEINZELMAN W， et al. Water quality monitoring using wireless sensor networks： current trends and future research directions [J]. ACM transactions on sensor networks， 2017， 13（1）： 4.

[4] 任志玲，張廣全，林冬，等.無線傳感器網(wǎng)絡(luò)應(yīng)用綜述[J].傳感器與微系統(tǒng)，2018（3）：1?2.

[5] 鄭群威，蘇維詞，楊振華，等.烏江流域水環(huán)境質(zhì)量評價及污染源解析[J].水土保持研究，2019，26（3）：204?212.

[6] 孫藝珂，王琳，祁峰.改進綜合水質(zhì)指數(shù)法分析黃河水質(zhì)演變特征[J].人民黃河，2018，40（7）：78?81.

[7] 何旭，彭珍瑞，董海棠，等.加權(quán)質(zhì)心魚群算法在WSNs節(jié)點優(yōu)化布置中的應(yīng)用[J].傳感器與微系統(tǒng)，2018（1）：157?160.

[8] 戴樂誠，俞阿龍，周星宇，等.改進粒子群算法在橋梁結(jié)構(gòu)損傷識別傳感器優(yōu)化布設(shè)中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2019，42（7）：141?146.

[9] 余幸運，孫茜，王小藝，等.基于粒子群優(yōu)化算法的水質(zhì)傳感器優(yōu)化部署研究[J].傳感器與微系統(tǒng)，2016，35（12）：30?32.

[10] HAN G J， JIANG J F， ZHANG C Y， et al. A survey on mobile anchor node assisted localization in wireless sensor networks [J]. IEEE communications surveys & tutorials， 2017， 18（3）： 2220?2243.

[11] ZHANG Y M， HE S B， CHEN J M. Data gathering optimization by dynamic sensing and routing in rechargeable sensor networks [C]// 2013 IEEE International Conference on Sensing， Communications and Networking. New Orleans： IEEE， 2016： 1632?1646.

[12] WANG G G， CAO G， BERMAN P， et al. Bidding protocols for deploying mobile sensors [J]. IEEE transactions on mobile computing， 2007， 6： 515?528.