一种异构多媒体传感器网络部署方法及装置与流程

本发明涉及无线传感器网络技术领域，具体而言，涉及一种异构多媒体传感器网络部署方法及装置。

背景技术：

异构性是无线多媒体传感器网络的基本特征。而异构多媒体传感器网络集多媒体数据以及单一的标量数据的感知、采集、处理及传输功能于一体，其被广泛应用于各个领域，例如：环境监测、视频及安全监控、交通管理和工业控制等。

传感器节点部署是异构多媒体传感器网络应用的一个基本问题。现有的传感器节点部署方案根据应用时间可以分为静态部署方案和动态部署方案。静态部署方案由网络启动时间决定，只在网络初始化时计算一次节点位置，没有考虑到节点发生移动或网络状态发生动态变化的情况。动态部署方案则需要周期性地检测网络状态和性能以及分析节点周围可能会出现的各种情况，这样便加剧了节点的能量消耗。因此设计能量有效并具有最佳连通性能的网络部署方案是异构多媒体传感器网络应用的关键问题。

技术实现要素：

本发明提供的一种异构多媒体传感器网络部署方法及装置，旨在 有效减小节点的能量消耗以及提高传感器网络的连通性能。

第一方面，本发明实施例提供的一种异构多媒体传感器网络部署方法，包括：

根据传感器节点的监测区域大小和感知范围计算传感器节点的数量；

使用环绕距离模型，计算在所述监测区域大小和感知范围内传感器网络是否满足连通特性要求，如果不满足连通特性要求，则调整所述传感器节点的数量；

根据汇聚节点位置和所述传感器节点位置建立概率感知模型，并根据所述概率感知模型计算各所述传感器节点对所述汇聚节点的感知概率；

对相邻传感器节点进行排序，选择排列靠前的预设数量的传感器节点与所述汇聚节点建立连接；

对相邻传感器节点之间的链路进行排序，按照感知概率删除排列靠后的预设数量的链路。

优选地，所述对相邻传感器节点进行排序的步骤包括：

按照计算模型计算传感器节点的竞标价，然后根据各传感器节点的竞标价对相邻传感器节点进行排序，其中，所述竞标价的计算模型为：

其中，i为新加入节点的邻居节点；α≥0，β≥0，λ≥0，η≥0，α+β+λ+η＝1；E_ri为节点i的剩余能量，E_avi为所有邻节点的平均剩余能量；d_i为新加入节点与节点i的距离；为节点i的能量补充速率， 为所有邻节点的平均能量补充速率；为节点i的感知概率，为所有邻节点的平均感知概率。

优选地，所述概率感知模型为：

其中，r为传感器节点的感知范围；r_e是传感器节点不确定监测能力的度量；参数β＝d(v,x)-(r-r_e)；μ和φ用于衡量目标点x与节点v之间的距离落在某个范围之内时，节点v对在目标点x发生事件的监测概率。

优选地，所述传感器节点的数量通过以下计算模型计算得到：

P(d_min≥1)＝exp(-n·P)

其中，d_min表示最小节点度。

优选地，所述环绕距离模型为：

其中，即为两个节点之间的欧氏距离；x_max,y_max分别为当直角坐标系原点在区域中心时，区域边界横、纵坐标的最大值。

第二方面，本发明实施例提供的一种异构多媒体传感器网络部署装置，应用于计算终端，所述装置包括：

数量计算单元，用于根据传感器节点的监测区域大小和感知范围计算传感器节点的数量；

数量调整单元，用于使用环绕距离模型，计算在所述监测区域大小和感知范围内传感器网络是否满足连通特性要求，如果不满足连通特性要求，则调整所述传感器节点的数量；

感知概率计算单元，用于根据汇聚节点位置和所述传感器节点位置建立概率感知模型，并根据所述概率感知模型计算各所述传感器节点对所述汇聚节点的感知概率；

链路建立单元，用于对相邻传感器节点进行排序，选择排列靠前的预设数量的传感器节点与所述汇聚节点建立连接；

链路删除单元，用于对相邻传感器节点之间的链路进行排序，按照感知概率删除排列靠后的预设数量的链路。

优选地，所述链路建立单元按照计算模型计算传感器节点的竞标价，然后根据各传感器节点的竞标价对相邻传感器节点进行排序，其中，所述竞标价的计算模型为：

其中，i为新加入节点的邻居节点；α≥0，β≥0，λ≥0，η≥0，α+β+λ+η＝1；E_ri为节点i的剩余能量，E_avi为所有邻节点的平均剩余能量；d_i为新加入节点与节点i的距离；为节点i的能量补充速率， 为所有邻节点的平均能量补充速率；为节点i的感知概率，为所有邻节点的平均感知概率。

优选地，所述概率感知模型为：

其中，r为传感器节点的感知范围；r_e是传感器节点不确定监测能力的度量；参数β＝d(v,x)-(r-r_e)；μ和φ用于衡量目标点x与节点v之间的距离落在某个范围之内时，节点v对在目标点x发生事件的监测概率。

优选地，所述传感器节点的数量通过以下计算模型计算得到：

P(d_min≥1)＝exp(-n·P)

其中，d_min表示最小节点度。

优选地，所述环绕距离模型为：

其中，即为两个节点之间的欧氏距离；x_max,y_max分别为当直角坐标系原点在区域中心时，区域边界横、 纵坐标的最大值。

本发明实施例提供的一种异构多媒体传感器网络部署方法及装置，通过使用环绕距离模型，计算传感器网络是否满足连通特性要求，以调整传感器节点的数量；建立概率感知模型计算各传感器节点对汇聚节点的感知概率；并对相邻传感器节点和传感器之间的链路进行排序，选择排列靠前的预设数量的传感器节点与汇聚节点建立连接以及按照感知概率删除排列靠后的预设数量的链路。如此能够有效减小节点的能量消耗以及提高传感器网络的连通性能。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应该看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明实施方式提供一种异构多媒体传感器网络的结构示意图。

图2是本发明实施方式提供的一种传感器节点的组成框图。

图3是本发明实施方式提供的一种异构多媒体传感器网络部署方法的流程图。

图4是本发明实施方式提供的一种异构多媒体传感器网络的边界效应示意图。

图5是本发明实施方式提供的一种计算异构多媒体传感器网络的连通特性的仿真图。

图6是本发明实施方式提供的一种异构多媒体传感器网络部署装置的结构框图。

图中标记分别为：

传感器节点100，汇聚节点200，监测中心300，异构多媒体传感器网络部署装置400；

传感单元101，处理单元102，无线收发单元103；

数量计算单元401，数量调整单元402，感知概率计算单元403，联络建立单元404，链路删除单元405。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

如图1所示，异构多媒体传感器网络可以包括传感器节点100、汇聚节点200和监测中心300等。所述传感器节点100包括产生多媒体数据的多媒体传感器节点和生成标量数据的标量传感器节点。所述多媒体传感器节点包括视频节点、音频节点和图像节点等。所述标量传感器节点包括温度节点、湿度节点和压力节点等。所述多媒体传感器节点和标量传感器节点被分散部署在监测区域内，主要负责完成多媒体信息和标量信息的采集任务。所述多媒体信息和标量信息最终被传递到汇聚节点200，并通过因特网或者通信卫星网络最终到达监测中心300。

如图2所示，所述传感器节点100包括传感单元101、处理单元102和无线收发单元103。所述传感单元101连接于所述处理单元102，所述处理单元102连接于所述无线收发单元103。可选地，所述传感单元101可以包括传感器和模数转换器。所述处理单元102可以包括处理器和存储器。所述无线收发单元103包括收发器、MAC接入器和网络传输器。其工作过程是：所述传感器采集周围的多媒体数据和标量数据，并通过所述模数转换器进行模数转换后发送给所述处理器进行处理，所述处理器将处理后的结果发送给所述存储器进行存储以及发送给所述收发器，所述收发器将接收到的结果通过所述MAC接入器和网络传输器转发给所述汇聚节点200。最终通过因特网或者通信卫星网络最终到达监测中心300。

本发明实施例提供的一种异构多媒体传感器网络部署方法，采用静态部署和动态调整相结合的方法，通过建立概率感知模型和考虑边界效应的环绕距离度量方法部署传感器节点100的位置，构成具有最佳连通特性和鲁棒性的网络拓扑结构。并在网络运行过程中对部署 方案进行动态调整，以及根据节点的剩余能量和能量补充速率动态地调整网络结构。

如图3所示，是本发明实施例提供的一种异构多媒体传感器网络部署方法，包括以下步骤：

S101：根据传感器节点100的监测区域大小和感知范围计算传感器节点100的数量。

其中，如图4所示，n个传输范围为r₀的传感器节点100相互独立地随机分布在区域Α，传感器节点100位置分布的概率密度函数为f_x(x)，且假设分布区域是半径为a的圆形区域，其中A₀(x)表示节点v的覆盖范围。对于网络中任一给定的传感器节点100v，其节点度的可能取值为{1,2,…,n}，定义其为样本空间S_D。传感器节点100v的度S_D中的每一个值都对应一定的概率。因此，任一给定传感器节点100v的度是一离散型随机变量，用D表示，首先计算传感器节点100度的离散概率分布P(D＝d)及期望值E(D)；并在此基础上研究传感器节点100的网络部署方案。

当所述传感器节点100按照任意分布进行部署时，假设给定传感器节点100v位置为x，而另一个传感器节点100v'以概率密度函数为f_x(x')的任意概率分布随机地落在区域Α中。如果传感器节点100v'落在以x为圆心、r₀为半径的圆形区域中，则传感器节点100v'即是v的邻节点。传感器节点100v'是传感器节点100v的邻节点的概率即是它落在区域A₀(x)中的概率，则有

对于除v的每一传感器节点100来说，都有“是v的邻节点”及“不是v的邻节点”两种可能，分别用1，0表示，则此时样本空间为S_v＝{0,1}，且P(S_v＝1)＝P₁(x)，P(S_v＝0)＝1-P₁(x)。对于有n个传感器节点100的网络，传感器节点100v的度为d概率即是在A₀(x)区域内有d个传感器节点100的概率，可以用二项分布表示：

期望值

若P₁(x)较小且n较大，二项分布可近似为泊松分布：

其中：

传感器节点100v孤立的概率为区域A₀(x)内没有其它节点的概率：

将二项分布近似为泊松分布，即P₁(x)较小且n较大，则传感器节点100v最多有d个邻节点的概率可表示为

由于x可能位于区域Α中的任意一点，其分布的概率密度函数为f_x(x)，则D的数学期望则是在所有可能位置的上述条件概率值的加权和：

一般情况下，要求网络中每个传感器节点100至少有k个邻节点 即所有传感器节点100中最小节点度d_min需要满足d_min≥k。假设各节点度是统计独立的，则有d_min≥k(k≥1)的概率为

若P(D≤k-1)较小且n较大时，上式可以近似用泊松分布表示为

进而可以得到：

P(d_min≥1)＝exp(-n·P(节点孤立))

即为要求网络连通性满足d_min≥k条件下的网络部署方案。

当所述传感器节点100按照均匀分布进行部署时，此时节点分布的概率密度函数为

其中A＝||A||＝πa²，为一维有限区域的长度或二维有限区域的面积。

则有

此时概率P₁(x)仅取决于区域A与节点覆盖范围A₀(x)的相交区域的面积，可表示为A'₀(x)＝||A₀(x)∩A||。位置与区域A边界的距离不小于r₀的节点称为中间节点，它们的传输覆盖范围因此节点度的期望值为位置与区域A边界的距离小于r₀的节点称为边缘节点，它们的传输覆盖范围与区域A的相交区域的面积A'₀(x)小于从而导致其节点度的期望值也小于因此，在考虑边界效应的 情况下，随机选取的某个节点的度的期望值为

对于半径为a的圆形区域A，为了不失一般性，将坐标系的原点设在区域A的中心位置，并用极坐标(r,φ)表示节点位置x，用极坐标系积分rdrdθ替换dx。若r≤a-r₀，即v是中间节点；若a-r₀<r≤a，此时需要求出A'₀(x)。

可以得出：

根据余弦定理可得

由此可得

进而可得

综合可得:

则有

可得随机选取的节点的度的平均值为:

采用节点的归一化传输距离替换，则上式可变换为:

得到网络中存在孤立节点的概率为

进一步地，在静态部署方案和动态部署方案中，针对网络覆盖性和连通性的研究较多。现有的连通性问题多数是研究假设传感器节点 100的感知范围Sr和通信范围Tr存在某种特定关系条件下，以传感器节点100间的欧式距离为度量分析网络的连通特性。早期的连通性研究假设Tr远远大于Sr。现有的网络连通性研究通常假设Sr和Tr相等时，分析传感器节点100部署方案及网络连通性，研究的重点是使网络形成k连通，意味着每一对传感器节点100之间有k个独立的路径。当k＞1时，网络能容忍一些传感器节点100或链路失效。以上两种条件下的部署方案在传感器节点100通信范围受限的情况下可能会导致网络连通性问题，并且欧式距离的度量方法没有考虑实际监测区域的有界性对比靠近边界传感器节点100的连通性以至网络整体连通性的影响。

为此引入环绕距离模型。可选地，假设传感器节点100v₁与v₂的位置用坐标表示分别为(x₁,y₁)、(x₂,y₂)，则它们之间的环绕距离为：

其中，即为两个节点之间的欧氏距离；x_max,y_max分别为当直角坐标系原点在区域中心时，区域边界横、纵坐标的最大值。

S102：使用环绕距离模型，计算在所述监测区域大小和感知范围内传感器网络是否满足连通特性要求，如果不满足连通特性要求，则调整所述传感器节点100的数量。

其中，在无线传感器网络中，传感器节点100可能会失效或可能因为干扰等因素而不能正常通信，需要保证网络不会因为某些传感器节点100或链路不能正常工作而变得不连通。因此，无线传感器网络部署方案能够保证传感器节点100之间有多条可供选择的路径，则该网络具有一定的容错性，而且无公共边(或公共顶点)的路径越多，容错性越好。网络的k-连通特性是指任意删除k-1个节点，剩余节点构成的网络依然是连通的。为了满足容错设计的要求，设计出的网络不仅需要是1-连通的，亦即网络是连通的，且其连通度要更好，例如2-连通、3-连通或k-连通的一般情况。

考虑监测区域边界效应的影响，基于环绕距离模型构建网络拓扑结构，采用蒙特卡罗的仿真方法计算网络的P(k-连通)与P(d_min≥k)之间的关系。验证在所述监测区域大小和感知范围内传感器网络是否满足连通特性要求，如果不满足连通特性要求，则调整所述传感器节点100的数量。如图5所示，仿真结果表明，当节点较多时，可以直接将通过公式计算的结果作为P(k-连通)的理论值，据此部署节点。

S103：根据汇聚节点200位置和所述传感器节点100位置建立概率感知模型，并根据所述概率感知模型计算各所述传感器节点100对所述汇聚节点200的感知概率。

所述概率感知模型为：

其中，r为传感器节点100的感知范围；r_e是传感器节点100不确定监测能力的度量；参数β＝d(v,x)-(r-r_e)；μ和φ用于衡量目标点x与节点v之间的距离落在某个范围之内时，节点v对在目标点x发生事件的监测概率。

S104：对相邻传感器节点进行排序，选择排列靠前的预设数量的传感器节点与所述汇聚节点建立连接。

可选地，假设初始有N个传感器节点100和M条链路，网络在可按照如下方案进行优胜劣汰的动态调整方案。增加一个新的传感器节点100，并且连接到n(0≤n≤N)个已存在的旧的传感器节点100上。新加入传感器节点100在选择与一个已存在的旧节点建立链路时，根据各个传感器节点100的剩余能量、能量补充速率和感知概率等因素，按照以下公式的竞标价B_i对所有相邻传感器节点100进行排序，根据网络k-连通特性要求选择前k+1个传感器节点100连接。

其中，i为新加入节点的邻居节点；α≥0，β≥0，λ≥0，η≥0，α+β+λ+η＝1；E_ri为节点i的剩余能量，E_avi为所有邻节点的平均剩余能量；d_i为新加入节点与节点i的距离；为节点i的能量补充速率，为所有邻节点的平均能量补充速率；为节点i的感知概 率，为所有邻节点的平均感知概率。

S105：对相邻传感器节点100之间的链路进行排序，按照感知概率删除排列靠后的预设数量的链路。

按照各个节点的剩余能量、能量补充速率和感知概率等因素，根据上式的竞标价对所有边进行排序，按照概率p_x删除m(0≤m≤M)条链路，则最后mp_x条链路被删除。

进一步地，如图6所示，本发明实施例提供的一种异构多媒体传感器网路部署装置400，应用于具有数据处理能力的计算终端。所述装置可以包括数量计算单元401、数量调整单元402、感知概率计算单元403、链路建立单元404和链路删除单元等。

其中，所述数量计算单元401用于根据传感器节点100的监测区域大小和感知范围计算传感器节点100的数量。所述传感器节点100的数量通过以下计算模型计算得到:

P(d_min≥1)＝exp(-n·P)

其中，d_min表示最小节点度。

本实施例中，所述数量计算单元401用于执行图3所述的步骤S101，关于该数量计算单元401的详细描述可参对该步骤S101的描述，此处不再赘述。

所述数量调整单元402用于使用环绕距离模型，计算在所述监测区域大小和感知范围内传感器网络是否满足连通特性要求，如果不满足连通特性要求，则调整所述传感器节点100的数量。所述环绕距离模型为：

其中，即为两个节点之间的欧氏距离；x_max,y_max分别为当直角坐标系原点在区域中心时，区域边界横、纵坐标的最大值。

本实施例中，所述数量调整单元402用于执行图3所述的步骤S102，关于该数量调整单元402的详细描述可参对该步骤S102的描述，此处不再赘述。

所述感知概率计算单元403用于根据汇聚节点200位置和所述传感器节点100位置建立概率感知模型，并根据所述概率感知模型计算 各所述传感器节点100对所述汇聚节点200的感知概率。其中,所述概率感知模型为:

其中，r为传感器节点100的感知范围；r_e是传感器节点100不确定监测能力的度量；参数β＝d(v,x)-(r-r_e)；μ和φ用于衡量目标点x与节点v之间的距离落在某个范围之内时，节点v对在目标点x发生事件的监测概率。

本实施例中，所述感知概率计算单元403用于执行图3所述的步骤S103，关于该感知概率计算单元403的详细描述可参对该步骤S103的描述，此处不再赘述。

所述链路建立单元404用于对相邻传感器节点100进行排序，选择排列靠前的预设数量的传感器节点100与所述汇聚节点200建立连接。本实施例中，所述链路建立单元404用于执行图3所述的步骤S104，关于链路建立单元404的详细描述可参对该步骤S104的描述，此处不再赘述。

所述链路建立单元404按照计算模型计算传感器节点100的竞标价，然后根据各传感器节点100的竞标价对相邻传感器节点100进行排序，其中，所述竞标价的计算模型为：

其中，i为新加入节点的邻居节点；α≥0，β≥0，λ≥0，η≥0，α+β+λ+η＝1；E_ri为节点i的剩余能量，E_avi为所有邻节点的平均剩余能量；d_i为新加入节点与节点i的距离；为节点i的能量补充速率， 为所有邻节点的平均能量补充速率；为节点i的感知概率，为所有邻节点的平均感知概率。

所述链路删除单元405用于对相邻传感器节点100之间的链路进行排序，按照感知概率删除排列靠后的预设数量的链路。本实施例中，所述链路删除单元405用于执行图3所述的步骤S105，关于链路删除单元405的详细描述可参对该步骤S105的描述，此处不再赘述。

本发明实施例提供的一种异构多媒体传感器网络部署方法及装置，通过使用环绕距离模型，计算传感器网络是否满足连通特性要求，以调整传感器节点100的数量；建立概率感知模型计算各传感器节点100对汇聚节点200的感知概率；并对相邻传感器节点100和传感器之间的链路进行排序，选择排列靠前的预设数量的传感器节点100与汇聚节点200建立连接以及按照感知概率删除排列靠后的预设数量的链路。如此能够有效减小节点的能量消耗以及提高传感器网络的连通性能。

需要说明的是，本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法， 可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。