瞿 霞，華建祥

（福建林業(yè)職業(yè)技術(shù)學(xué)院 自動化工程系，福建 南平 353000）

物聯(lián)網(wǎng)是新一代信息技術(shù)的重要組成部分[1]。從技術(shù)架構(gòu)看，物聯(lián)網(wǎng)感知層是物聯(lián)網(wǎng)的基礎(chǔ)和核心，由于感知層中的節(jié)點將采集到的信息傳遞到物聯(lián)網(wǎng)的上層作進(jìn)一步處理與分析，因而感知層也是信息采集的關(guān)鍵部分。節(jié)點部署是物聯(lián)網(wǎng)感知層網(wǎng)絡(luò)工作的基礎(chǔ)，對網(wǎng)絡(luò)的運行狀況和壽命有很大的影響。網(wǎng)絡(luò)節(jié)點的部署問題涉及到覆蓋、連接和節(jié)約能量消耗3個方面，因此物聯(lián)網(wǎng)的感知層為了實現(xiàn)更好的感知效果，需要對網(wǎng)絡(luò)上的最優(yōu)節(jié)點進(jìn)行部署，保證感知層網(wǎng)絡(luò)具有較高的覆蓋率和良好的節(jié)點通信[2]。

目前，該領(lǐng)域已經(jīng)出現(xiàn)了一些研究成果。錢開國等[3]提出移動通信網(wǎng)絡(luò)中繼節(jié)點部署優(yōu)化方法。設(shè)定網(wǎng)絡(luò)中無移動中繼節(jié)點時，組建網(wǎng)絡(luò)節(jié)點能量消耗模型。融合貪婪算法完善靜態(tài)路由樹的拓?fù)浣Y(jié)構(gòu)，使得路由樹的拓?fù)浣Y(jié)構(gòu)收斂于最優(yōu)位置，以此對移動通信網(wǎng)絡(luò)中繼節(jié)點部署。該方法的部署效果較好，但是復(fù)雜度較高，無法進(jìn)行普遍應(yīng)用。徐力等[4]在概率感知優(yōu)化模型下，將無線傳感器網(wǎng)絡(luò)的覆蓋率和移動節(jié)點的能耗作為多目標(biāo)優(yōu)化函數(shù)，通過改進(jìn)混合粒子群優(yōu)化算法不斷迭代，調(diào)整移動節(jié)點的最優(yōu)位置，控制網(wǎng)絡(luò)覆蓋率最大化，同時減小移動距離，使得能耗最小化。該方法主要解決了傳感網(wǎng)絡(luò)部署的能耗問題，但是部署過程網(wǎng)絡(luò)覆蓋率較小。譚景文[5]提出了基于溫度空間分布規(guī)律的傳感節(jié)點部署方法。該方法以流體力學(xué)仿真結(jié)果為依據(jù)，結(jié)合節(jié)點測量數(shù)據(jù)，動態(tài)預(yù)測節(jié)點放置位置。該方法的應(yīng)用過程較為簡單，但是部署覆蓋率較低。

提出一種針對物聯(lián)網(wǎng)感知層的網(wǎng)絡(luò)節(jié)點部署方法，即網(wǎng)絡(luò)最優(yōu)節(jié)點的分組部署方法[6]。通過該方法的設(shè)計與實現(xiàn)，能夠解決傳統(tǒng)節(jié)點部署方法當(dāng)中存在的問題，從而實現(xiàn)節(jié)點部署的尋優(yōu)精度的提升。

1 網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法設(shè)計

在物聯(lián)網(wǎng)環(huán)境下，感知層網(wǎng)絡(luò)節(jié)點部署需要經(jīng)歷節(jié)點投放、節(jié)點分組、節(jié)點估計等多個步驟，最終得到節(jié)點部署結(jié)果。具體的網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法的實現(xiàn)流程如圖1所示。

1.1 建立感知層網(wǎng)絡(luò)節(jié)點部署模型

物聯(lián)網(wǎng)感知層節(jié)點的部署問題可以轉(zhuǎn)化為決策變量到一組目標(biāo)映射的求解問題，因此需要建立感知層網(wǎng)絡(luò)節(jié)點的部署求解模型[7]。在物聯(lián)網(wǎng)感知層網(wǎng)絡(luò)節(jié)點分組部署問題中，需要保證網(wǎng)絡(luò)的安全性的同時提高網(wǎng)絡(luò)覆蓋率。因此在網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法設(shè)計過程中，需要將節(jié)點連通的安全性以及網(wǎng)絡(luò)覆蓋率考慮在內(nèi)，分別從目標(biāo)函數(shù)和約束條件兩個方面進(jìn)行感知層網(wǎng)絡(luò)節(jié)點部署模型的建立。

圖1 網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法Fig.1 Network optimal node group deployment method

1.1.1 目標(biāo)函數(shù)

感知層網(wǎng)絡(luò)節(jié)點部署模型中的目標(biāo)函數(shù)主要針對安全連通度和網(wǎng)絡(luò)覆蓋率兩個方面。其中網(wǎng)絡(luò)最優(yōu)節(jié)點的連通度主要是指網(wǎng)絡(luò)中的節(jié)點范圍之內(nèi)能夠和其通信的相鄰節(jié)點的數(shù)量與網(wǎng)絡(luò)中總節(jié)點數(shù)量二次方的比值[8]。得到的比值越大，則網(wǎng)絡(luò)節(jié)點之間的連通度越大，網(wǎng)絡(luò)中存在的通路越多。因此有關(guān)于網(wǎng)絡(luò)連通度的部署模型計算目標(biāo)函數(shù)可以表示為：

式中，ρij表示的是相鄰節(jié)點的連通因子，連通因子的計算公式如下：

其中，d（Si,Sj）表示任意節(jié)點與其相鄰節(jié)點之間的距離，N表示節(jié)點數(shù)量，Rc為任意節(jié)點的通信半徑[9]。

而網(wǎng)絡(luò)覆蓋率方面目標(biāo)函數(shù)的建立，主要是將節(jié)點分組部署的區(qū)域T，離散成為N個目標(biāo)點集的表示方式。因此可以將覆蓋率目標(biāo)函數(shù)表示為：

式中：Tl表示的是感知目標(biāo)節(jié)點；P（Si,Tl）為節(jié)點Si對Tl的感知概率。

1.1.2 約束條件

節(jié)點模型的約束條件是為了保證網(wǎng)絡(luò)中任意兩個節(jié)點之間都存在著至少一條可以順利連接的通信路徑，且盡量保證節(jié)點消耗的能量最低。

結(jié)合感知層網(wǎng)絡(luò)節(jié)點部署模型的目標(biāo)函數(shù)和約束條件，可以將網(wǎng)絡(luò)最優(yōu)節(jié)點約束條件用式（4）來表示：

1.2 估算感知層最優(yōu)節(jié)點數(shù)

對感知層最優(yōu)節(jié)點數(shù)進(jìn)行估算，首先需要對網(wǎng)絡(luò)最優(yōu)節(jié)點進(jìn)行求解，得出節(jié)點的最優(yōu)解集。首先初始化網(wǎng)絡(luò)普通節(jié)點z，其中最大迭代次數(shù)為tmax，隨機(jī)初始化所有的節(jié)點位置以及速度。通過建立的感知層網(wǎng)絡(luò)節(jié)點部署模型計算目標(biāo)函數(shù)C，更新節(jié)點的慣性權(quán)重，計算節(jié)點的適應(yīng)度值，更新網(wǎng)絡(luò)普通節(jié)點的極值。同時根據(jù)密集距離，采用比例選擇的方法為每一個網(wǎng)絡(luò)選取全局最優(yōu)節(jié)點。當(dāng)?shù)鷿M足t≥tmax時，迭代循環(huán)結(jié)束，同時輸出最優(yōu)解集。否則對目標(biāo)函數(shù)進(jìn)行更新計算。在理想狀態(tài)下，假設(shè)物聯(lián)網(wǎng)感知層的網(wǎng)絡(luò)節(jié)點的通信距離為r，最大距離為2r。圖2（a）表示了理想狀態(tài)下全覆蓋節(jié)點部署情況，圖2（b）表示了理想狀態(tài)下連通性覆蓋節(jié)點部署情況。

圖2 理想狀態(tài)下節(jié)點部署情況圖Fig.2 Node deployment under ideal conditions

那么在理想狀態(tài)下全覆蓋感知節(jié)點的有效覆蓋面積Sp可以表示為：

連通性部署感知節(jié)點的有效覆蓋面積Spc可以表示為：

連通性部署所需節(jié)點個數(shù)較少，因此將得到的節(jié)點最優(yōu)解集投放到邊長m×n的矩形區(qū)域，那么需要投放的最少感知節(jié)點個數(shù)可以表示為：

通過式（7）可以得出最少感知節(jié)點數(shù)目，為了確保節(jié)點的組網(wǎng)工作可以適當(dāng)?shù)奶砑幼顑?yōu)節(jié)點。

1.3 物聯(lián)網(wǎng)感知層最優(yōu)節(jié)點分組

在獲得最優(yōu)節(jié)點數(shù)目的前提下，對物聯(lián)網(wǎng)感知層最優(yōu)節(jié)點進(jìn)行分組處理。首先需要定義最優(yōu)節(jié)點中的中心節(jié)點，中心節(jié)點定義的標(biāo)準(zhǔn)為帶寬達(dá)到前20%。將中心節(jié)點投放到環(huán)境當(dāng)中，并進(jìn)行簡單部署。定義一個距離值，即為分組半徑，測量中心節(jié)點與普通最優(yōu)節(jié)點之間的網(wǎng)絡(luò)距離，若得出的網(wǎng)絡(luò)距離結(jié)果小于分組半徑，則將該最優(yōu)節(jié)點分配到該中心節(jié)點的范圍之內(nèi)。按照同樣的方法可以將投放的所有網(wǎng)絡(luò)最優(yōu)節(jié)點進(jìn)行分組，得到如圖3的分組結(jié)果。

圖3 （a）中心節(jié)點分組結(jié)果（b）最優(yōu)節(jié)點分組結(jié)果Fig.3 (a)Result of central node grouping(b)Result of optimal node grouping

1.4 最優(yōu)節(jié)點更新定位

在一定的時間間隔內(nèi)，物聯(lián)網(wǎng)感知層的網(wǎng)絡(luò)最優(yōu)節(jié)點會根據(jù)發(fā)布的信息采集指令進(jìn)行最大距離的移動，為了平衡各個節(jié)點之間的移動距離，保證其功能的實現(xiàn)，需要將節(jié)點Si在t步移動距離定義為：

節(jié)點Si在t步的位置更新情況通過式（9）來計算：

上式中，u為網(wǎng)絡(luò)最優(yōu)節(jié)點的平衡權(quán)值，St-new和Si-old分別表示感知層節(jié)點Si在t步范圍之內(nèi)的初始位置和終止位置[10]，F(xiàn)i（t）為網(wǎng)絡(luò)最優(yōu)節(jié)點在t步內(nèi)的所承受的虛擬合力，max(step)為節(jié)點單次移動的最大步長。

在此基礎(chǔ)上進(jìn)行中心節(jié)點的更新定位，得到中心節(jié)點的坐標(biāo)位置X=(x,y)。已知k個感知節(jié)點所接收到的信號強(qiáng)度P，則定位結(jié)果可以通過中心節(jié)點的定位結(jié)果與信號強(qiáng)度來估計：

式中，Q表示節(jié)點信號的發(fā)射功率，β為常量參數(shù)。通過公式得到中心位置的更新定位結(jié)果。

1.5 控制網(wǎng)絡(luò)最優(yōu)節(jié)點間傳輸距離

在得到更新位置的條件下，對網(wǎng)絡(luò)最優(yōu)節(jié)點之間的傳輸距離進(jìn)行控制，在相同的分組組別當(dāng)中，假設(shè)物聯(lián)網(wǎng)感知層的最優(yōu)節(jié)點為A、B、C、D、E、F，其中A為感知層的采集節(jié)點，B到F節(jié)點為網(wǎng)絡(luò)經(jīng)過的中間節(jié)點，最終到達(dá)網(wǎng)絡(luò)接收終端，傳輸過程如圖4所示。

圖4 節(jié)點傳輸距離控制示意圖Fig.4 Control of node transmission distance

在節(jié)點分組傳輸過程中，采用測距部署的方法，計算相鄰節(jié)點之間的距離，并按照節(jié)點的覆蓋范圍設(shè)定該組節(jié)點之間的傳輸距離闕值[11]。網(wǎng)絡(luò)最優(yōu)節(jié)點在執(zhí)行任務(wù)以及自由移動的過程當(dāng)中，需要遵循兩個條件，一個是相鄰兩節(jié)點之間需要保證在闕值范圍之內(nèi)，另一個條件為節(jié)點與該組中心節(jié)點的距離，控制在max(step)之內(nèi)。在節(jié)點的傳輸距離控制完成之后，覆蓋范圍即為以中心節(jié)點為中心，信號傳輸最遠(yuǎn)距離為半徑的圓的并集。

1.6 感知層網(wǎng)絡(luò)節(jié)點連通實現(xiàn)分組部署

在物聯(lián)網(wǎng)感知層網(wǎng)絡(luò)節(jié)點的傳輸過程中，將網(wǎng)絡(luò)節(jié)點進(jìn)行連通，保證節(jié)點之間的協(xié)同數(shù)據(jù)處理工作。提出節(jié)點的連通加權(quán)率為：

式中σ1和σ2表示的是連通率的歸一化權(quán)值，F(xiàn)和F'分別表示連通前的節(jié)點數(shù)據(jù)集和連通后的節(jié)點數(shù)據(jù)集。將感知層網(wǎng)絡(luò)節(jié)點連通之后，對新的節(jié)點位置進(jìn)行計算，并與初始位置進(jìn)行比較，保留較大值并重新賦值給X[12]。最終的物聯(lián)網(wǎng)感知層網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署結(jié)果如圖5所示。

圖5 節(jié)點分組部署輸出結(jié)果Fig.5 Node grouping deployment output

2 仿真實驗與分析

為了檢驗物聯(lián)網(wǎng)感知層網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法的有效性，以網(wǎng)絡(luò)覆蓋率為實驗指標(biāo)進(jìn)行仿真實驗研究，以下為仿真實驗結(jié)果。通過對實驗結(jié)果的分析，驗證研究方法的有效性。

2.1 實驗環(huán)境

此次驗證實驗選用NS3仿真工具作為網(wǎng)絡(luò)節(jié)點分組部署的仿真平臺。NS3仿真工具屬于一種開源的離散事件網(wǎng)絡(luò)節(jié)點模擬器，使用C++與Java語言進(jìn)行編碼的語言實現(xiàn)，同時也支持Python等語言腳本代碼的運行。在物聯(lián)網(wǎng)感知層網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法的驗證仿真實驗當(dāng)中，借助NS3仿真工具來搭建一個多節(jié)點的物聯(lián)網(wǎng)感知層，其界面如圖6所示。

圖6 仿真環(huán)境生成的大規(guī)模網(wǎng)絡(luò)節(jié)點場景Fig.6 A large-scale network node scenario generated by the simulation environment

在此環(huán)境下，設(shè)置網(wǎng)絡(luò)最優(yōu)節(jié)點的部署區(qū)域面積為100 m×100 m，總節(jié)點個數(shù)為100個，使用隨機(jī)部署方式確定網(wǎng)絡(luò)節(jié)點的初始狀態(tài)，物聯(lián)網(wǎng)感知層節(jié)點的感知半徑以及通信半徑分別為5和10 m。在此實驗環(huán)境下，進(jìn)行仿真驗證的具體操作。

2.2 仿真實驗過程

在保證網(wǎng)絡(luò)連通性質(zhì)完好的情況下，對物聯(lián)網(wǎng)感知層節(jié)點分組部署方法的網(wǎng)絡(luò)覆蓋率進(jìn)行仿真實驗驗證。選取仿真環(huán)境中的100個節(jié)點，平均將其分為兩組。其中編號為1～50的節(jié)點使用傳統(tǒng)的網(wǎng)絡(luò)節(jié)點部署方法進(jìn)行部署。而編號為51～100的節(jié)點使用設(shè)計完成的最優(yōu)節(jié)點分組部署方法進(jìn)行部署。規(guī)定兩組節(jié)點的初始部署覆蓋率為72.64%，綜合節(jié)點的最大與最小傳輸半徑，可以計算出每一個節(jié)點的網(wǎng)絡(luò)覆蓋范圍，進(jìn)而得出網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法節(jié)點數(shù)與分組傳輸半徑之間的關(guān)系。參考仿真實驗中節(jié)點數(shù)與分組傳輸半徑的關(guān)系，可以分別得出網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法的覆蓋率計算結(jié)果。同理得出傳統(tǒng)方法節(jié)點數(shù)與傳輸半徑之間的關(guān)系，進(jìn)而計算傳統(tǒng)部署方法的網(wǎng)絡(luò)覆蓋率。

2.3 仿真實驗結(jié)論

經(jīng)過仿真實驗過程得到兩種方法下的節(jié)點數(shù)與分組傳輸半徑的關(guān)系數(shù)據(jù)如表1所示。

表1 節(jié)點數(shù)與分組傳輸半徑的關(guān)系表Tab.1 The relationship between the number of nodes and the packet transmission radius

網(wǎng)絡(luò)覆蓋率的計算公式為：

3 結(jié)束語

在物聯(lián)網(wǎng)環(huán)境下，通過使用網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法，能夠保證網(wǎng)絡(luò)覆蓋率，得到了較好的應(yīng)用結(jié)果。由于仿真實驗當(dāng)中設(shè)置的節(jié)點數(shù)量較少，無法得到有關(guān)于網(wǎng)絡(luò)安全連通度的實驗結(jié)果。因此在下一階段的工作研究當(dāng)中，需要對安全連通問題進(jìn)行實驗對比與驗證，以提供更符合實際的結(jié)果，保證網(wǎng)絡(luò)最優(yōu)節(jié)點分組部署方法在物聯(lián)網(wǎng)感知層內(nèi)的應(yīng)用價值。