吳傳程，趙春江，吳華瑞，繆祎晟

(1. 吉林農(nóng)業(yè)大學(xué)信息技術(shù)學(xué)院，長(zhǎng)春市，130118； 2. 國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京市，100097； 3. 北京農(nóng)業(yè)信息技術(shù)研究中心，北京市，100097)

通訊作者：趙春江，男，1964年生，河北保定人，博士，研究員；研究方向?yàn)檗r(nóng)業(yè)智能化技術(shù)裝備。E-mail: zhaocj@nercita.org.cn

0 引言

利用農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)精確獲取連棟溫室內(nèi)作物生長(zhǎng)(例如黃瓜等)的小氣候環(huán)境信息[1-2](例如土壤溫濕度，空氣溫濕度等)是現(xiàn)代農(nóng)業(yè)發(fā)展的重要技術(shù)手段[3]。精準(zhǔn)的數(shù)據(jù)采集與分析可有效減少人工和水肥資源的過度消耗[4-9]，實(shí)現(xiàn)作物的高效生長(zhǎng)。如何利用更少的傳感器節(jié)點(diǎn)實(shí)現(xiàn)對(duì)連棟溫室內(nèi)黃瓜等作物的最大化感知覆蓋，降低網(wǎng)絡(luò)成本、提高溫室環(huán)境感知準(zhǔn)確性是農(nóng)業(yè)無線傳感器網(wǎng)絡(luò)研究應(yīng)用中亟待解決的問題。

不同領(lǐng)域監(jiān)測(cè)應(yīng)用的覆蓋要求各異[10-11]，對(duì)于無線傳感器的優(yōu)化部署主要分為群體智能算法和分布式部署算法兩大類。群體智能算法中，Zhou[12]等采用SSO算法解決對(duì)監(jiān)測(cè)區(qū)域的優(yōu)化覆蓋，通過模擬群居蜘蛛中不同個(gè)體的生活習(xí)性對(duì)傳感器節(jié)點(diǎn)進(jìn)行調(diào)度，提高對(duì)監(jiān)測(cè)區(qū)域的網(wǎng)絡(luò)感知覆蓋，但算法的收斂性低；Panag等[13]提出一種最大覆蓋混合搜索算法，該方法基于粒子群算法實(shí)現(xiàn)全局搜索并結(jié)合Hooke-Jeeves方法改進(jìn)局部搜索，提高算法的收斂速度，優(yōu)化感知節(jié)點(diǎn)的區(qū)域覆蓋；Holland等[14]利用遺傳算法實(shí)現(xiàn)對(duì)監(jiān)測(cè)區(qū)域的網(wǎng)絡(luò)覆蓋，該算法采用局部搜索策略對(duì)傳感器進(jìn)行部署，提高了監(jiān)測(cè)區(qū)域的覆蓋率，但由于沒有考慮傳感器位置對(duì)覆蓋效率的影響，所以存在大量的重疊覆蓋面積；Su等[15]采用基于動(dòng)態(tài)蟻群算法的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)優(yōu)化配置策略，對(duì)獲取蟻群算法中的全局最優(yōu)解方式進(jìn)行改進(jìn)，實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)的優(yōu)化覆蓋部署，具有較好的網(wǎng)絡(luò)連通性和覆蓋率，但蟻群算法的計(jì)算量較大，求解的所需時(shí)間較長(zhǎng)；基于群體智能的相關(guān)算法也逐漸應(yīng)用在農(nóng)田[16-17]和茶田[18]中，并通過水肥一體化解決水肥資源的浪費(fèi)。分布式部署算法中，Zou等[19]首次將虛擬力算法應(yīng)用到無線傳感網(wǎng)絡(luò)的優(yōu)化覆蓋中，在圓形感知范圍和虛擬勢(shì)場(chǎng)的基礎(chǔ)上，提出了一種經(jīng)典的虛擬力算法。但傳統(tǒng)虛擬力算法在運(yùn)行后期穩(wěn)定性較差，出現(xiàn)覆蓋率較低的情況[20-21]。目前基于改進(jìn)虛擬力提高感知覆蓋率的研究仍然存在[22]。Liu等[23]提出傳感器節(jié)點(diǎn)部署和覆蓋虛擬分子方法(VMFA)，假設(shè)在傳感器節(jié)點(diǎn)之間存在類似于空氣分子的相互作用力，設(shè)置相鄰或次相鄰“零重力”，通過計(jì)算傳感器節(jié)點(diǎn)之間的合力，實(shí)現(xiàn)對(duì)監(jiān)測(cè)區(qū)域的優(yōu)化覆蓋；關(guān)志艷等[24]提出虛擬力結(jié)合群聚智能優(yōu)化思想，改善傳感器節(jié)點(diǎn)的移動(dòng)速度，解決網(wǎng)絡(luò)感知覆蓋優(yōu)化問題；戴歡等[25]采用虛擬力結(jié)合泰森多邊形的分布式覆蓋算法，解決虛擬力后期覆蓋率下降的問題；李飆等[26-28]利用Delaunay三角剖分對(duì)不同區(qū)域土壤的墑情和變異系數(shù)，實(shí)現(xiàn)農(nóng)田的全方位的監(jiān)測(cè)。

針對(duì)傳統(tǒng)虛擬力算法在連棟溫室內(nèi)對(duì)黃瓜等作物實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)感知覆蓋局部最優(yōu)狀態(tài)導(dǎo)致作物生長(zhǎng)不均勻等問題，提出基于區(qū)域面積強(qiáng)度的虛擬力感知覆蓋算法，實(shí)現(xiàn)在連棟溫室中對(duì)黃瓜等作物生長(zhǎng)環(huán)境監(jiān)測(cè)的全覆蓋，提高無線傳感器網(wǎng)絡(luò)對(duì)溫室的智能化監(jiān)測(cè)水平。

1 基于區(qū)域面積強(qiáng)度的虛擬力算法

為了提高連棟溫室中無線傳感器網(wǎng)絡(luò)感知覆蓋的穩(wěn)定性和感知覆蓋高效性，改進(jìn)傳統(tǒng)虛擬力算法。結(jié)合傳感器節(jié)點(diǎn)間在連棟溫室內(nèi)的覆蓋強(qiáng)度，克服傳統(tǒng)虛擬力的限制，增強(qiáng)算法的穩(wěn)定性，實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)在連棟溫室內(nèi)對(duì)黃瓜等作物的高覆蓋率。

1.1 感知覆蓋模型

根據(jù)黃瓜等作物在連棟溫室內(nèi)不同生長(zhǎng)周期種植特點(diǎn)，實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)對(duì)黃瓜等作物生長(zhǎng)環(huán)境的全向感知覆蓋監(jiān)測(cè)，獲得更多黃瓜作物生長(zhǎng)環(huán)境信息，讓連棟溫室內(nèi)的黃瓜等作物得到更好地培育，因此在連棟溫室中構(gòu)建無線傳感器網(wǎng)絡(luò)感知模型。

將N個(gè)傳感器節(jié)點(diǎn)隨機(jī)分布在連棟溫室內(nèi)，并將該溫室分割成K個(gè)面積大小為1 m2的網(wǎng)格，并將黃瓜等作物均勻地種植在K個(gè)[10]網(wǎng)格內(nèi)，作物在溫室內(nèi)的坐標(biāo)分布如式(1)所示。

C=[c1(x1,y1),c2(x2,y2),c3(x3,y3),…,cK(xK,yK)]

(1)

式中：C——網(wǎng)格點(diǎn)即種植作物組成的集合；

cK(xK，yK)——第K個(gè)作物種植坐標(biāo)。

對(duì)連棟溫室內(nèi)的傳感器節(jié)點(diǎn)做如下假設(shè)：采用同構(gòu)傳感器節(jié)點(diǎn)、位置信息可知、可調(diào)控自身感知位置信息、r為傳感器節(jié)點(diǎn)的感知半徑、通信半徑R為感知半徑的2倍[21]；已知傳感器節(jié)點(diǎn)s(xs,ys)與任意作物c(xc,yc)的歐式距離d(c,s),若d(c,s)≤R，則作物c被傳感器s覆蓋，若d(c,s)>R，則作物c未被傳感器節(jié)點(diǎn)s覆蓋。

傳統(tǒng)虛擬力算法是利用節(jié)點(diǎn)間的歐式距離dij與距離閾值進(jìn)行判斷，并利用傳感器節(jié)點(diǎn)間的歐氏距離和設(shè)定的虛擬力系數(shù)計(jì)算出傳感器節(jié)點(diǎn)所受的虛擬力。

1.2 基于區(qū)域面積強(qiáng)度的虛擬力算法

將傳感器節(jié)點(diǎn)隨機(jī)分布在連棟溫室內(nèi)[29]，采用傳統(tǒng)虛擬力對(duì)連棟溫室實(shí)現(xiàn)感知覆蓋過程中，傳感器節(jié)點(diǎn)在溫室內(nèi)受虛擬力的移動(dòng)，由于部分傳感器節(jié)點(diǎn)受到相鄰節(jié)點(diǎn)的虛擬合力為零，導(dǎo)致這些節(jié)點(diǎn)無法在溫室內(nèi)進(jìn)行移動(dòng)，出現(xiàn)一種收攏平衡狀態(tài)，如圖1所示。使無線傳感器感知覆蓋網(wǎng)絡(luò)陷入局部最優(yōu)，在連棟溫室內(nèi)產(chǎn)生大量的覆蓋重疊，同時(shí)對(duì)未覆蓋區(qū)域未進(jìn)行進(jìn)一步覆蓋，導(dǎo)致傳感器節(jié)點(diǎn)未能獲取連棟溫室內(nèi)不同位置作物的精確信息，同時(shí)產(chǎn)生了大量的重復(fù)的冗余數(shù)據(jù)。

圖1 傳統(tǒng)虛擬力算法產(chǎn)生的聚攏情況Fig. 1 Clustering generated by the traditional virtual force algorithm

通過研究表明，傳統(tǒng)虛擬力覆蓋算法的覆蓋結(jié)果對(duì)傳感器節(jié)點(diǎn)的初始狀態(tài)有較高的依賴性[30]。為使傳感器節(jié)點(diǎn)對(duì)連棟溫室內(nèi)黃瓜等作物實(shí)現(xiàn)覆蓋最大化，引入一定的虛擬力擾動(dòng)避免陷入局部最優(yōu)，調(diào)整虛擬力的計(jì)算方式，從原理上避免局部平衡的出現(xiàn)。由此本文提出一種基于區(qū)域面積強(qiáng)度的虛擬力算法，引入溫室內(nèi)相鄰節(jié)點(diǎn)間的感知重疊覆蓋強(qiáng)度，調(diào)節(jié)相鄰傳感器節(jié)點(diǎn)間的虛擬力系數(shù)，消除連棟溫室內(nèi)相鄰傳感器節(jié)點(diǎn)間出現(xiàn)的收攏平衡狀態(tài)，從而避免因依賴感知節(jié)點(diǎn)的初始分布，導(dǎo)致無線傳感器網(wǎng)絡(luò)在連棟溫室內(nèi)對(duì)黃瓜等作物產(chǎn)生覆蓋聚攏以及低覆蓋率現(xiàn)象。

假設(shè)N個(gè)傳感器節(jié)點(diǎn)隨機(jī)部署在連棟溫室內(nèi)部，相鄰節(jié)點(diǎn)間的最優(yōu)歐氏距離為dth，傳感器節(jié)點(diǎn)最優(yōu)部署與相鄰傳感器節(jié)點(diǎn)在監(jiān)測(cè)區(qū)域的面積強(qiáng)度有關(guān)。

(2)

式中：ηi——相鄰傳感器節(jié)點(diǎn)的區(qū)域的強(qiáng)度；

t——傳感器節(jié)點(diǎn)si的第t個(gè)鄰居節(jié)點(diǎn)；

P——傳感器節(jié)點(diǎn)si的鄰居節(jié)點(diǎn)的總數(shù)；

Sit——相鄰傳感器節(jié)點(diǎn)的重疊覆蓋面積。

在連棟溫室內(nèi)傳感器節(jié)點(diǎn)的相鄰節(jié)點(diǎn)數(shù)目越多，產(chǎn)生的重疊覆蓋面積越大，導(dǎo)致該區(qū)域作物受到傳感器節(jié)點(diǎn)的感知覆蓋面積強(qiáng)度越高。在連棟溫室內(nèi)不同的兩個(gè)相鄰傳感器節(jié)點(diǎn)之間產(chǎn)生的距離各不相同，如果不能預(yù)先確定溫室內(nèi)的傳感器節(jié)點(diǎn)的隨機(jī)部署狀態(tài)，僅根據(jù)經(jīng)驗(yàn)值設(shè)置重力參數(shù)，使得傳感器節(jié)點(diǎn)在受到虛擬力之后在連棟溫室內(nèi)產(chǎn)生過大的移動(dòng)，無法取得良好的覆蓋效果，同時(shí)消耗過多的能量。

為降低算法在迭代過程中產(chǎn)生誤差同時(shí)提高無線傳感器網(wǎng)絡(luò)對(duì)連棟溫室內(nèi)黃瓜等作物的感知覆蓋率，通過傳感器節(jié)點(diǎn)之間的區(qū)域覆蓋強(qiáng)度和虛擬力系數(shù)計(jì)算出虛擬力，利用區(qū)域面積強(qiáng)度調(diào)節(jié)傳感器節(jié)點(diǎn)所受虛擬力大小。dij與閾值距離dth比較，判斷傳感器節(jié)點(diǎn)是否受到虛擬力的影響，改變傳感器分布情況，在連棟溫室內(nèi)有目的地?cái)U(kuò)張，提高連棟溫室內(nèi)對(duì)作物的有效覆蓋率。

假設(shè)每個(gè)傳感器之間的力為Fij(ij=1,2,3,…,n), 當(dāng)傳感器之間的距離小于距離閾值，斥力FijN(ij=1,2,3,…,n)生成;否則引力FijP(ij=1,2,3,…,n)生成。

(3)

式中：αij——定向角度；

θij——定向角度，αij=θij+π；

wa——斥力系數(shù)；

wr——引力系數(shù)；

ηij——區(qū)域覆蓋強(qiáng)度。

(4)

式中：FiBD——來自監(jiān)測(cè)物體的引力和邊界對(duì)傳感器的斥力的總和；

Fij——傳感器之間存在的引力或斥力；

Fi——合力。

(5)

式中： MaxStep——傳感器節(jié)點(diǎn)最大移動(dòng)距離；

Fix——傳感器節(jié)點(diǎn)微粒si在x軸上的虛擬力分量；

Fiy——傳感器節(jié)點(diǎn)微粒si在y軸上的虛擬力分量。

通過上述，利用傳感器節(jié)點(diǎn)之間區(qū)域覆蓋強(qiáng)度重新獲取傳感器節(jié)點(diǎn)之間所受虛擬力大小，消除由于傳統(tǒng)虛擬力方法依賴初始分布使相鄰傳感器節(jié)點(diǎn)產(chǎn)生的收攏平衡，利用AIVF算法實(shí)現(xiàn)對(duì)連棟溫室內(nèi)作物的網(wǎng)絡(luò)優(yōu)化覆蓋。

2 仿真試驗(yàn)與結(jié)果分析

為了驗(yàn)證本文算法在提高覆蓋質(zhì)量方面的有效性，選取傳統(tǒng)虛擬力算法[31](VFA)和粒子群優(yōu)化算法[32](PSO)進(jìn)行對(duì)比分析和討論。仿真參數(shù)設(shè)置如表1所示。

表1 仿真參數(shù)Tab. 1 Simulation parameters

AIVF算法與VFA和PSO算法進(jìn)行比較分析，圖2顯示了三種網(wǎng)絡(luò)覆蓋算法的覆蓋情況，起始覆蓋率為78.92%。PSO算法通過對(duì)每個(gè)傳感器節(jié)點(diǎn)進(jìn)行計(jì)算獲取最優(yōu)位置，實(shí)現(xiàn)對(duì)傳感節(jié)點(diǎn)的最優(yōu)部署，且最終覆蓋率為86.59%，覆蓋率增加量?jī)H為8.37%；VFA算法是通過對(duì)傳感器與節(jié)點(diǎn)間的距離進(jìn)行計(jì)算，獲取傳感器所受的虛擬力值，以此對(duì)無線傳感網(wǎng)絡(luò)進(jìn)行有效覆蓋，隨著迭代次數(shù)的增加其最終覆蓋率為95.68%，覆蓋率增加量為16.76%；雖然VFA算法覆蓋率增長(zhǎng)量高于PSO算法的，但是兩種算法都沒有達(dá)到最優(yōu)覆蓋；AIVF算法利用區(qū)域面積強(qiáng)度結(jié)合重力系數(shù)改進(jìn)傳感器節(jié)點(diǎn)所受虛擬力，在迭代第16次時(shí)其覆蓋率達(dá)到99.9%。AIVF算法在無線傳感網(wǎng)絡(luò)中得到的覆蓋率分別比VFA、PSO算法高了4.32%、13.31%。同時(shí)AIVF算法在運(yùn)行時(shí)的覆蓋率提升速度也優(yōu)于其他算法，AIVF算法在經(jīng)過16次迭代時(shí)，AIVF算法的覆蓋率達(dá)到99.9%，而VFA算法在迭代50次時(shí)覆蓋率達(dá)到最大值。在VFA算法迭代效果達(dá)到最佳后，在第850次迭代之后其覆蓋率凸顯了該算法后期不穩(wěn)定。

為檢驗(yàn)AIVF算法在不同傳感器個(gè)數(shù)情況下對(duì)連棟溫室的感知覆蓋優(yōu)于其他兩種算法，確定感知半徑為15 m，改變傳感器節(jié)點(diǎn)的部署數(shù)量進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果如圖3所示，隨著傳感器個(gè)數(shù)的不斷提升，三種算法對(duì)無線傳感器網(wǎng)絡(luò)的感知覆蓋率也不斷提升。在傳感器個(gè)數(shù)低于20時(shí)，隨著傳感器個(gè)數(shù)的不斷增加，三種算法的覆蓋率增加量在10%～20%；當(dāng)傳感器個(gè)數(shù)高于20個(gè)時(shí)，VFA算法和PSO算法在無線傳感網(wǎng)絡(luò)中的覆蓋率增加量趨于平緩，而AIVF算法隨著傳感器個(gè)數(shù)的增加，其覆蓋率增加量仍然提升，由此可以看出AIVF算法的覆蓋率提升性能優(yōu)于其他兩種方法。

圖2 覆蓋率變化過程對(duì)比Fig. 2 Comparison of coverage change process

圖3 覆蓋率受傳感器個(gè)數(shù)的影響Fig. 3 Coverage is affected by the number of sensors

為了進(jìn)一步驗(yàn)證AIVF算法在無線傳感器網(wǎng)絡(luò)中的感知覆蓋性能，對(duì)傳感器節(jié)點(diǎn)的感知半徑進(jìn)行調(diào)整。試驗(yàn)結(jié)果如圖4所示，分別是三種算法在不同感知半徑的情況下對(duì)監(jiān)測(cè)區(qū)域產(chǎn)生感知覆蓋率變化情況，感知半徑r=3、6、9、12、15 m。從圖中可以看出，三種算法的覆蓋率都得到了提高，VFA和PSO兩種算法都隨著感知半徑的增加，覆蓋率的增加量很高，但覆蓋率依然很低，而AIVF算法產(chǎn)生覆蓋率高于其他兩種算法，表明AIVF算法的性能明顯優(yōu)于其他兩種算法。當(dāng)感知半徑小于9 m時(shí)，AIVF算法和VFA算法的覆蓋率增長(zhǎng)速度基本相同且覆蓋率增加了63%，而PSO算法僅提高了38%；在感知半徑為9～12 m時(shí)，VFA算法覆蓋率增加量逐漸降低，雖然PSO算法產(chǎn)生的覆蓋率增加量沒有變，但依然低于AIVF算法產(chǎn)生的覆蓋率增加量，且覆蓋率低于AIVF算法和VFA算法。當(dāng)感知半徑大于12時(shí)，VFA算法和PSO算法的覆蓋率增加趨于平緩，而AIVF算法的覆蓋率仍然得到很大的提升。圖5是節(jié)點(diǎn)數(shù)目與節(jié)點(diǎn)移動(dòng)距離平均值的關(guān)系，可以看出AIVF的移動(dòng)平均距離最小，保證了傳感器節(jié)點(diǎn)的能量消耗低于其他兩種算法所需要；隨著節(jié)點(diǎn)數(shù)量的增加，覆蓋率增高的同時(shí)移動(dòng)距離平均值差異較小。

圖4 覆蓋率受感知半徑的影響Fig. 4 Coverage affected by perceived radius

圖5 不同節(jié)點(diǎn)數(shù)目下的節(jié)點(diǎn)移動(dòng)距離的平均值Fig. 5 Average moving distance of nodes under different number of nodes

綜合以上可以看出，隨著感知半徑不斷增加，AIVF算法的覆蓋效果明顯優(yōu)于其他兩種算法，同時(shí)隨著傳感器個(gè)數(shù)的增加VFA和PSO算法作用下的感知覆蓋率增長(zhǎng)速度逐漸下降，而AIVF算法作用下的增長(zhǎng)量仍然很高。同時(shí)，基于區(qū)域面積強(qiáng)度算法對(duì)連棟溫室實(shí)現(xiàn)無線傳感器網(wǎng)絡(luò)感知覆蓋，避免了相鄰傳感器節(jié)點(diǎn)產(chǎn)生的收攏現(xiàn)象，如圖6所示。

圖6 基于區(qū)域面積強(qiáng)度的傳感器網(wǎng)絡(luò)感知覆蓋Fig. 6 Sensor network sensing coverage based on regional area intensity

3 結(jié)論

針對(duì)大型連棟溫室的無線傳感器網(wǎng)絡(luò)感知覆蓋方法，采用改進(jìn)傳統(tǒng)虛擬力對(duì)連棟溫室中黃瓜等作物實(shí)現(xiàn)無線傳感網(wǎng)絡(luò)有效監(jiān)測(cè)覆蓋。通過連棟溫室內(nèi)不同位置的傳感器節(jié)點(diǎn)產(chǎn)生的重疊覆蓋強(qiáng)度不同，調(diào)節(jié)傳感器節(jié)點(diǎn)所受虛擬力大小，減少重疊覆蓋區(qū)域，實(shí)現(xiàn)對(duì)連棟溫室內(nèi)黃瓜等作物的優(yōu)化覆蓋。

1) 提高對(duì)連棟溫室內(nèi)作物感知覆蓋率：本文算法與VFA和PSO兩種算法在同等條件下對(duì)連棟溫室內(nèi)黃瓜等作物實(shí)現(xiàn)網(wǎng)絡(luò)感知覆蓋，通過三種算法地對(duì)比，AIVF算法對(duì)連棟溫室內(nèi)作物的感知覆蓋率分別提高了4.32%和13.31%，傳感器節(jié)點(diǎn)能夠更加精準(zhǔn)地采集溫室內(nèi)不同位置作物的環(huán)境信息

2) 提高無線傳感器網(wǎng)絡(luò)在連棟溫室內(nèi)感知性能：在連棟溫室內(nèi)調(diào)節(jié)感知半徑時(shí)，AIVF算法對(duì)溫室內(nèi)作物的感知覆蓋率增加了63%，PSO算法僅提升38%；同時(shí)，VFA算法的感知覆蓋率增加量低于AIVF算法的。隨著傳感器個(gè)數(shù)的不斷變化，當(dāng)傳感器個(gè)數(shù)大于20個(gè)時(shí)，VFA和PSO兩種算法的感知覆蓋率增加量為0.1%～0.3%，而AIVF算法的感知覆蓋率增加量為2.8%～3.3%。

3) 在連棟溫室內(nèi)部署的傳感器節(jié)點(diǎn)參數(shù)發(fā)生變化時(shí)，傳感器節(jié)點(diǎn)在AIVF算法中產(chǎn)生的平均移動(dòng)距離在12～13 m而VFA和PSO兩種算法產(chǎn)生的平均移動(dòng)距離在23～46 m、17～22 m，降低了傳感器節(jié)點(diǎn)在溫室內(nèi)移動(dòng)過程中的能量消耗，且長(zhǎng)時(shí)間在連棟溫室內(nèi)進(jìn)行數(shù)據(jù)采集。