0 引言

    目前，随着无线通信、片上系统、嵌入式技术和信息处理技术的迅速发展，无线传感器网络(Wireless Sensor Network，WSN)技术应运而生。WSN是信息技术的一个新领域，已经广泛地应用于智能交通、医疗监护、军事、环境监测等多个领域。

    WSN由多个低功耗且能量有限的传感器节点组成，每一个传感器节点都有感知能力^[1]。节点可以实时监测和感知环境信息，并将其转换为数据，数据处理后再传输给用户。为了能够从环境中收集完整的数据，就必须考虑网络覆盖率的问题。

    网络覆盖率问题是指用最少的传感器节点最大化地感知区域。传感器节点的覆盖率决定了该节点能否对特定的环境进行有效的监测。一个WSN能够成功运行，有效的网络覆盖率是必须的。目前区域覆盖^[2]是无线传感器网络研究的热点之一，是解决给定区域内的全覆盖监测，该区域内的每一个点都应该在至少一个活动节点的感知范围内。

1 相关研究

    在网络生命周期内，为了节省能量，活动的传感器节点要尽可能少；另外，覆盖区域的重叠部分也应该尽可能减小。在WSN中，由于需要确定哪些节点是活动的，覆盖率问题变得有些复杂。有很多研究都在着力解决覆盖率的问题，研究者们为此提出了各种各样的解决方法。

    有文章提出基于鱼群算法^[3]、遗传算法^[4]、蚁群算法^[5]等进行覆盖率的优化，这些算法通过搜索的方式对覆盖率问题进行改进，虽然搜索能力增强，但是存在求解过程比较复杂、收敛速度比较慢、未考虑节点能量损耗等缺点。也有文献提出基于概率统计的算法，如ε覆盖算法^[6]，根据两个相邻节点概率统计关系，将无限点的区域覆盖转为有限的点覆盖，保证任意目标点的覆盖率不低于ε。但是算法没有均衡节点间的能量损耗，导致网络生命周期短，节能性差。

2 基于能量感知的覆盖算法

2.1 问题描述

    在WSN中，传感器节点需要完成从环境中感知数据，处理数据并跟其他节点交换数据等多个任务，所有这些任务都需要消耗节点能量。因此，传感器节点的能量是算法中重点考虑的问题^[7]。

    该算法将传感器节点置于三种不同的模式：活动、侦听和睡眠。在活动模式，节点需要执行处理、感知和通信三种任务，传感器节点进入活动模式后，它的感知单元即上电了，然后传感器节点开始正常工作。相应的，处理单元和通信单元也都处于上电状态。侦听模式是传感器节点被布设后的初始状态，此时仅通信单元处于上电模式，感知和处理单元都被关闭，直到从簇头接收到消息，才会转换为其他模式。在睡眠模式中，不执行任何任务，传感器节点会关闭大部分功能单元，只有传感器的传输模块处于上电状态，以便对从簇头接收到的报文及时作出响应。

    传感器节点的大部分能量都是在活动模式下消耗的；侦听模式对能量的消耗比活动模式要低；睡眠模式最节省能量。因此，为了使传感器节点的生命周期最大化，节点应该在大部分时间里处于睡眠模式。

    针对节点随机分布的分簇式无线传感器网络，为了保证网络覆盖率并延长网络生命周期，提出一种基于能量感知的区域覆盖算法。该算法中，簇头根据覆盖区域和各个传感器节点的剩余能量，在本簇中选定活动节点，优化活动节点的数目。

2.2 网络模型

    假设一个分簇式WSN的监测区域为二维平面，在该区域内随机部署M个传感器节点。所有传感器节点坐标已知，都由一个ID进行唯一标识。

    假设节点感知域和通信域都是圆形的。以节点i为圆心，传感器的感知半径为r，通信半径为R_c，此处取R_c=2r。对于传感器节点i和j，d(i，j)代表两节点间的欧几里得距离。当d(i，j)≤2r时，传感器节点i和j为感知邻节点。

    图1为传感器节点模型，实线圆代表传感器节点的感知域，虚线圆代表通信域。对于传感器节点i和j，由于d(i，j)=r，满足d(i，j)≤2r，因此i和j是感知邻节点。类似的，k和l也是传感器节点i的感知邻节点，而m由于不满足上述条件，不属于其感知邻节点。

    在一个簇中，节点的状态是由簇头确定的^[8]。簇中的传感器节点记为C_ch，其中的活动节点记为A_ch。A_i表示节点i所覆盖的区域面积，A_Ni表示未被节点i覆盖的区域面积，A_ij表示节点i和j的重复区域。N_c表示网络中总节点的个数，N_a表示活动节点的个数。E_i表示起始能量，E_c表示剩余能量。

    定义综合指标P：

2.3 覆盖算法

    图2为基于能量感知的区域覆盖算法流程图。算法步骤如下：

    (1)在起始阶段，所有节点处于侦听模式，A_ch为空。

    (2)若传感器节点从多个簇头接收到Hello报文，表明簇头已经可以从其他传感器节点接收报文，传感器节点就会把自己的坐标信息发给这些簇头，并且保持当前状态不变，直到它再次从某个簇头收到消息，这样就成为了这个簇的一员。并且会根据收到的消息把自己的状态设置为活动或者睡眠模式。

    (3)接下来，簇头会根据剩余能量和重叠区域来决定激活哪些传感器节点。首先，根据式(1)计算区域内每个节点的P值。簇头会从中选择P值最大的节点C_ch，并检查此节点与其它节点的重叠区域A_ij是否足够小(小于λ)。如果满足，这个传感器节点就被移入活动集合A_ch。如果在第一轮检测后，区域内所有传感器节点都不能完全覆盖簇头的通信区域，就要启动下一轮的检测，这时λ值动态增加。

    (4)一旦选定了一个新的活动节点，簇头就会检测它的通信区域是否已经完全覆盖。如果是，簇头就会停止运行以上算法。如果不是，簇头会继续添加新的活动节点，直到通信区域被完全覆盖。

3 仿真分析

3.1 仿真环境与参数设置

    本文所述算法以MATLAB为仿真实验平台。本实验在50 m×50 m的范围内随机布设60到200个传感器节点。仿真时间是600 s。将60个传感器节点的初始分布图和算法执行后的分布图进行仿真；并在节点数目为60、80、100、120、140、160、180、200的8种情况下，分别对算法运行10次，取实验结果的平均值进行对比。各项仿真参数如表1所示。

3.2 节点分布情况

    图3为60个传感器节点初始随机分布图，图4为算法执行后的节点分布图。两图比较可以看出节点数有所减少，区域覆盖率可以明显提高。

3.3 算法比较

    对本算法与改进的萤火虫优化算法(Improved Glowworm Swarm Optimizations Algorithm，IGSO)^[9]的网络覆盖率和网络生命周期进行了对比，如图5和图6所示。

    从图5可以看出，就感知区域的覆盖率来说，算法比IGSO有提高。在IGSO中，每只萤火虫的位置代表一种节点的分布方案，每个节点都是独立的个体，因此节点间的协调能力较差，导致此算法很难达到一个最优的覆盖率，其网络覆盖率基本在90%～95%之间。而在本算法中簇头对节点进行集中管理，通过禁用某些节点以减少节点间的重叠区域，通过激活某些节点和控制这些节点的感知方向以达到最优的覆盖率，覆盖率均在95%以上。簇头在汇聚节点数据、协调节点状态以保证覆盖率方面表现出了更好的性能。

    两算法的生命周期如图6所示。在IGSO中，虽然节点位置之间有连续变化的关系，但是每个节点都是独立的个体，活动节点选择时没有考虑节点的剩余能量；而本算法基于剩余能量选择活动节点，在节点间平衡能量的消耗，因此，与IGSO相比，本算法能够获得更长的生命周期。

4 结论

    对于分簇式WSN，提出一种基于能量感知的区域覆盖算法。本算法引入能量均衡的思想，综合考虑节点间的重叠区域和节点的剩余能量，以此为依据选择活动节点，其他节点处于能量消耗很少的侦听或睡眠模式，不必同时激活所有传感器节点，就可以保持足够的覆盖率。算法基于能量信息来选择活动节点，可以在节点间平衡能量消耗，这样就能够延长网络生命周期。仿真结果表明，与其他算法相比，新算法能够在保证高覆盖率的同时，维持更长的传感器生命周期，从而使系统获得良好的性能。

参考文献

[1] 史明岳.能量有效的无线传感器网络覆盖优化研究[D].镇江：江苏科技大学，2012.

[2] 廖先莉.无线传感器网络多重覆盖调度算法的研究[D].重庆：重庆大学，2013.

[3] 周利民，杨科华，周攀.基于鱼群算法的无线传感网络覆盖优化策略[J].计算机应用研究，2010，27(6)：2276-2279.

[4] 殷卫莉，陈巍.遗传算法在无线传感器网络覆盖中仿真研究[J].计算机仿真，2010，27(10)：120-123.

[5] 彭丽英.改进的蚁群算法网格节点覆盖优化研究[J].计算机仿真，2011，28(9)：151-153，255.

[6] Yang Qianqian，He Shibo，Li Junkun et，al.Energy-efficient probabilistic full-coverage in wireless sensor networks[C].Anaheim：IEEE Global Communications Conference，2012.

[7] Wang Yi，Cao Guohong.Barrier coverage in camera sensor networks[C].In Proceedings of the Twelfth ACM International Symposium on Mobile Ad Hoc Networking and Computing，2011，12(3)：1-10.

[8] 陈爱斌，张陆勇，夏新兰，等.无线传感器网络能量异构分簇算法的研究[J].无线电工程，2012(1)：7-10.

[9] 刘洲洲，王福豹，张克旺.基于改进萤火虫优化算法的WSN覆盖优化分析[J].传感技术学报，2013(5)：675-681.