专利名称：一种高效节能的视觉传感器网络目标覆盖算法的制作方法
技术领域：
本发明涉及传感器网络技术领域，具体为一种高效节能的视觉传感器网络目标覆
盖算法。
背景技术：
视觉传感器网络是在传统传感器节点上加入视觉信息采集设备，以获得含量更大的媒体流信息。在视觉传感器网络覆盖中，由于单个视觉节点受到诸如感知视野、能量、通信带宽以及处理能力等条件的限制，因此各节点间的协同就显得尤为重要，目标覆盖问题就是在此情形下通过合理部署、调度网络节点，使网络在满足覆盖质量的前提下合理配置网络资源。2004年，M.Cardei等学者第一次提出了传感器网络目标节点覆盖问题。之后又有人提出一种分布式节点动态调度算法PEAS，但PEAS算法没有考虑网络全局覆盖状况及能量统筹，容易在部分区域形成能量“空洞”。还有人提出一种多目标关联算法MTACA，但该算法需对感知事务数据库进行多次扫描，时间和能量开销较大。
发明内容
针对上述缺陷，本发明提供了一种高效节能的视觉传感器网络目标覆盖算法，满足覆盖质量要求的前提下增大网络寿命。其具体技术方案是这样的:一种高效节能的视觉传感器网络目标覆盖算法，引入数据挖掘的思想，将传感器节点和目标分别比作顾客和商品，挖掘出传感器节点和目标点之间的关联关系，划分出不同的节点与目标点集合，然后调度能量较高的节点集进行监测工作，而能量较少的节点则进入能耗较少的休眠状态，经过一个周期后，为了保证覆盖质量和网络能量的均衡，在下一个时间段内对工作节点进行重新分组，进行下一轮的监测任务，而其余节点进行休息，如此轮换工作。其进一步特征在于:在感知事务项表确立以后，即进入频繁目标集关联关系挖掘阶段，针对MTACA算法中的不足，本发明在对感知事务项数据进行挖掘阶段给出了一种基于关系代数理论的挖掘方法，利用关系矩阵挖掘出节点和目标的关联关系，只需要对感知事务项数据库扫描一次，高效完成挖掘过程。其算法描述为:输入:二维监测区域O,视觉传感器节点集S = {s1; S2, , sn},目标集T = It1,t2,..., tm},节点初始能量 E = {e1； e2,..., ej ,感知距离 R = Ir1, r2,..., rn}。输出:节点覆盖所有目标的节点集S。。算法步骤如下:建立节点与目标的覆盖感知事务项表；在覆盖感知事务项表的基础上挖掘出频繁关联目标集fy建立频繁目标集关联表;
若F = {f1； f2......, fj不为空,从A = {tn, ti2,......, tik}中选择目标点个
数最多的频繁关系目标集_，并在其相对应的频繁关联节点集Ii中选择能量最高的节点工作，其他节点休眠；去除F中已经被节点覆盖的频繁关联目标集，更新F至F。；若Ftl不为空，令F = Ftl，重新进入到步骤3 ;若Ftl为空，进入步骤6 ;判断是否有未被选入频繁目标集关联关系表中目标点，若有，则调度相应节点对其进行覆盖；若无，则结束循环，网络进入监测阶段。本发明相对现有覆盖算法优点在于:本发明针对无线视觉传感器网络点覆盖的应用场景，设计了一种基于节点和目标关联关系挖掘的覆盖算法，算法首先在利用关系矩阵挖掘出节点和目标的关联关系，在此基础上动态选举工作节点集对监测区域进行监测。仿真结果表明该算法的高效性，在增加网络覆盖能力的前提下有效节省了节点能耗，延长了网络生存时间。
图1是视觉传感器网络目标覆盖示意图；图2是覆盖率随时间变化曲线；图3是剩余能量随时间变化曲线；图4是挖掘关联关系时间对比曲线。
具体实施方式
在视觉传感器网络中，由于节点的感知方向受限，因此其感知范围一般被简化为一个扇形区域，如图1。本发明的研究基于以下基本假设:(I)视觉传感器节点感知范围为扇形；⑵所有节点同构；(3)节点在完成初始覆盖后位置和感知方向固定不变；(4)节点通过某定位算法已获知自身位置信息。定义一:设二维平面中，节点Si的坐标是(xs，ys)，目标Tj的坐标是(xs，ys)，则节点Si与目标Tj间的距离dst定义为:+(.'；..η)2(I)定义二:给定η个视觉传感器节点集合S = {s1; S2,..., sn}对监测区域内的m个目标集合T = It1, t2, tm}进行监测。每一时刻，若节点Si (I彡i彡η)与目标点tj(l彡j彡m)满足:(1)其欧式距离I |Sit」I小于Si的感知半径& ; (2) Sitj.与扇形中心线向量Vi夹角Θ小于f (其中α为节点扇形感知区域的角度)，则称目标h被节点Si覆盖。定义三:(I)覆盖感知事物项:传感器节点与监测区域内待监测目标组成的集合称为覆盖感知事务项；(2)k-目标集:拥有k个目标点的集合；(3)目标频繁集:当目标集合T作为数据挖掘中的项集时，t为一个项，Csi为一条记录，给定一个最小支持度，若\在多条记录中出现的频率不小于此支持度，则称\为一个频繁项，该目标集则称为频繁目标集；
(4)k关联目标集:频繁目标集中的各目标间互为关联目标，拥有k个关联目标的集合称为k关联目标集。在监测区域为一个8X8的二维平面中随机产生15个目标，用20个感知半径为1、感知角度为90°的节点对目标进行覆盖。设各节点初始能量为[95mJ，IOOmJ]上的任一值，设每个时间片长为5秒，节点工作时的单位时间能耗为1.7mJ，休眠时为0.3mJ。当剩能小于50mJ时，认为该节点死亡。为了验证本发明算法的性能，对其与经典的PEAS算法在覆盖率和网络剩余能量方面做了比较。图2为两种算法在网络覆盖率上随时间变化的曲线。结果表明，在相同场景下，本发明算法在网络覆盖率优于PEAS算法，在算法执行前期，两种算法均能对网络进行全覆盖，但随着时间的推移，PEAS算法部分节点开始失效，导致网络覆盖下降，而本发明算法则能在55秒内保证网络全覆盖，并且在算法执行的各阶段，均能对网络进行较大程度的覆盖，这是因为本发明算法对工作节点集动态进行选举，使网络能耗得到有效均衡，从而延长网络的生存时间。图3显示随着时间的变化，算法在执行阶段，网络能量逐渐减少，从整个过程来看，执行本发明算法后网络剩余能量相比PEAS算法得到提高，有效节约了网络能量。为了验证本发明算法的高效性，将其与MTACA算法对频繁目标集的挖掘过程的时间了进行比较。设最小支持度为20%，分别用10、50、100、500、1000个节点覆盖5、5、10、
10、15个目标，即在数据量10X5、50X5、100X10、500X10、1000X15的情况下分别对两种算法的挖掘速度进行比较。图4显示，在数据量较小的情况下两种算法挖掘时间基本相当，但当增加节点数量和冗余度时，MTACA算法的劣势就逐渐显现出来，由于算法本身的限制，导致运行时间过长，效率降低，而本发明算法则能较快挖掘出频繁目标集，效率大大增加。
权利要求
1.一种高效节能的视觉传感器网络目标覆盖算法，引入数据挖掘的思想，将传感器节点和目标分别比作顾客和商品，挖掘出传感器节点和目标点之间的关联关系，划分出不同的节点与目标点集合，然后调度能量较高的节点集进行监测工作，而能量较少的节点则进入能耗较少的休眠状态，经过一个周期后，为了保证覆盖质量和网络能量的均衡，在下一个时间段内对工作节点进行重新分组，进行下一轮的监测任务，而其余节点进行休息，如此轮换工作。
2.根据权利要求1所述的一种高效节能的视觉传感器网络目标覆盖算法，其特征在于:在感知事务项表确立以后，即进入频繁目标集关联关系挖掘阶段，针对MTACA算法中的不足，本发明在对感知事务项数据进行挖掘阶段给出了一种基于关系代数理论的挖掘方法，利用关系矩阵挖掘出节点和目标的关联关系，只需要对感知事务项数据库扫描一次，高效完成挖掘过程。
全文摘要
本发明公开了一种高效节能的视觉传感器网络目标覆盖算法，其针对视觉传感器网络目标覆盖过程中因覆盖冗余、节点剩能不均等原因导致网络寿命过短的问题，设计了一种视觉传感器网络目标覆盖算法。该算法基于节点与目标的覆盖关联关系，利用关系矩阵及相关运算对覆盖频繁目标集进行挖掘，进而对工作节点进行动态选举，以此延长网络的生存时间。实验表明，该算法在保证网络覆盖质量的前提下能够高效地调度工作节点，均衡节点耗能，有效延长网络寿命。
文档编号H04W84/18GK103167519SQ20111042214
公开日2013年6月19日 申请日期2011年12月16日 优先权日2011年12月16日
发明者李稳, 徐红, 彭力, 向辉 申请人:江南大学