无线传感器网络中基于虚拟节点游走的有毒气体追踪方法

摘要

本发明涉及一种无线传感器网络中基于虚拟节点游走的有毒气体追踪方法，包括三个阶段，（1）有毒气体边界节点粗识别阶段：节点相互协作，在一跳通信范围内广播信息包，根据信息包信息建立本地信息表，再根据本地信息表判断出候选边界节点；（2）有毒气体边界节点精识别阶段：从上阶段确定出的候选边界节点中删除那些对目标边界定位没有益处的节点，最大限度的保留有效边界节点；（3）边界节点信息上传阶段：选出几个代表性的节点，聚合所有有效边界节点信息，再统一汇报给基站。本发明实现了对有毒气体的监测和追踪，有效减少了边界信息的传输量，节省追踪的能量消耗，延长网络生命周期，具有较大的实际应用价值。

说明书

技术领域

本发明属于无线多媒体传感器网络领域，具体的本发明涉及一种利用无线传感器网 络来实现对有毒气体的的监测和跟踪方法。具体利用只通过监测和追踪处于目标边界上 的节点来实现对整个目标的监测和追踪。

背景技术

近年来，随着传感制造技术和无线通信技术的发展，无线传感器网络(wirelesssensor networks,WSNs)在军事及民用领域得到了广泛的应用，连续目标(continuousobject) 的监测和追踪是其中最常见的应用领域之一。连续目标通常分布在一个非常大的区域， 可能会扩散，体积增大，或分割成多个连续目标，如有毒气体，移动的牛群和森林的大 火。不同于单体目标所具有固定大小，规模较小的特点，对于连续目标的监测和追踪相 比于单个目标而言要复杂的多，它涉及到节点与节点之间的协调与合作，这样会产生大 规模的网内通信，从而给能量有限的传感器节点带来极大的负担。因此，如何利用能量 有限的无线传感器网络来实现对连续目标的精确监测和高效追踪是一个极具挑战性的 问题。

目前针对无线传感器网络中连续目标的监测和追踪相关研究文献如下：

1、Wang等人在2006年的《InProceedingsofInternationalConferenceonMobile ComputingandNetworking》上发表的文章“Boundaryrecognitioninsensornetworksby topologicalmethods”，提出了无线传感器网络的边界上节点的分布式算法，利用每个传 感器节点的身份ID来找到边界节点，并将这些节点连接成特定的有意义的Face。

2、Chang等人在2008年的《InProceedingsofthe5thIEEEConsumerCommunications andNetworkingConference(CCNC2008)》上发表的文章“CODA:AContinuousObject DetectionandTrackingAlgorithmforWirelessAdHocSensorNetworks”，文章提出了允许 每个传感器节点在感测范围内探测和跟踪移动目标的CODA策略。在CODA中，从一 开始的网络部署阶段就确定了一个固定节点数目来构成静态簇群结构。每个静态簇群 中，任何传感器节点在检测到对象时将确认信息直接发送给簇头。收到此信息后,簇头 执行一个内置的估算函数来确定该连续目标在集群范围内的边界信息。而当这些传感器 节点组成动态簇群后，动态簇群便会把连续目标的边界信息发送到指定的基站。CODA 的主要优点：连续目标的边界传感器是由静态簇群中的簇头决定的，而不是由多个传感 器经过大量的数据交换后决定的，这样能大幅减少通信开销和能量损耗。

3、Kim等研究者在2008年的《InProceedingsofIEICETransactionson Communications》上发表的文章“DEMOCO:Energy-efficientdetectionandmonitoringfor continuousobjectsinwirelesssensornetworks”，提出了一个低耗能的通信算法DEMOCO。 该方法通过只监视移动事件区域的对象边界附近一小部分的节点而获取位置信息，从而 最大限度地减少通信成本，尽可能地高效充分利用传感器网络的能源，延长无线传感器 网络的使用时长。但是，该算法对目标边界节点的选择值进行了粗处理，还有很多无效 节点没有被剔除出去，也即没有对边界节点进行精处理加工，从而使得代表节点的负担 过重，降低整网的生命周期。

4、Park等研究人员在2010年的《InProceedingsofVTC2010-Spring,2010》上发表 的文章“Large-ScalePhenomenaMonitoringSchemeinWirelessSensorNetworks”，介绍了 一个新颖的方案，考虑了两层的网络结构。他们通过先建立一个稀疏的网络结构来检测 目标，在检测到目标时再转变成密集的网络结构来精确定位。同年，Hong等在文献 “Energy-efficientpredictivetrackingforcontinuousobjectsinwirelesssensornetworks”和文 献“ANovelContinuousObjectTrackingSchemeforEnergy-ConstrainedWirelessSensor Networks”中提出了预测对象跟踪策略，称为PRECO。该策略基于连续目标移动的边界 线可被预测的特点，提出了一个唤醒机制来激活需要使用到的节点，让不需要被使用的 节点保持睡眠状态。

5、对于气体定位方案的优化，也有研究者从能量管理方面入手，希望获得更具体 持续效用的方法。比如，Wang等在2011年的《InProceedingsofGreenCom2011》上发 表的文章“D-TDMA:anapproachofdynamicTDMAschedulingfortargettrackingin wirelesssensornetworks”，提出了关于睡眠调度的D-TDMA算法，其设计的是一种高效 节能的MAC协议，称为D-TDMA。他们通过优化动态传达树中节点的分配时隙，避免 了节点之间的冲突和干扰，并且控制连续活跃的节点来尽可能融合从叶节点到根节点的 数据信息，从而减少信息开销。

6、Lee等人在2012年的《2012IEEEWirelessCommunicationsandNetworking Conference:MobileandWirelessNetworks》上发表的文章“SelectiveWakeupDisciplinefor ContinuousObjectTrackinginGrid-basedWirelessSensorNetworks”，文章提出了一个基 于虚拟网格的有毒气体检测与追踪方案，创新的提出了保护带的概念，保护带起到了一 个缓冲的作用，以保护虚拟网格内的节点最大限度的处于休眠状态而不至于当目标出现 时延误对目标的追踪，通过实现对节点合理的功能调度来达到减少能量消耗的目的，但 是缺点是虚拟网格的划分太过理想化，在实际中很难运用，并且保护带的创建也会消耗 大量的能量，可能得不偿失。

目前基于无线传感器网络的有毒气体监测和追踪方法普遍存在的问题是：

1.不考虑边界节点的精识别过程。大多数方法提出的对连续目标的边界节点识别都 只仅局限于本文中的边界节点粗识别阶段，而没有在粗识别的基础之上删去那些对实际 追踪没有益处的节点，也即缺少了本文提出的精识别阶段，从而消耗更多的上传能量；

2.不考虑网络拓扑控制。当网络中的节点是密集部署时，许多典型的问题将会被放 大，比如节点之间的通信干扰问题，以及多路径传输和路由选择问题、而本文考虑利用 网络拓扑控制来达到减弱这些问题的现象；

3.不考虑实用性。以往的算法大多是考虑在理想的环境下，或者仅仅局限于某些特 定的极端环境，而本文提出的方法适用于与任何复杂的地形，每个节点仅仅需要知道自 己的位置即可。

发明内容

本发明的目的是为了解决目前存在于有毒气体监测与追踪方法中对目标的边界定位 精度不够高以及边界节点冗余性导致的能量效率不高方面的不足，提出了一种定位精度 高、能量高效的有毒气体监测与追踪方案。

为了达到上述目的，本发明提供了一种无线传感器网络中基于虚拟节点游走的有毒 气体追踪方法，该方法包括三个阶段：

(1)有毒气体边界节点粗识别阶段：将无线传感器网络节点分为三种：主节点、副 节点、其他节点；

无线传感器网络节点根据接收到的信息包中发送节点的信息和存储在本地节点的关 于邻居节点的本地信息表来辨别自己是属于哪种节点类型，如果是主节点类型，则其所 属的副节点将成为候选边界节点，主节点和副节点之外的所有节点统称为其他节点；

(2)有毒气体边界节点精识别阶段：上阶段判别出的主节点在该阶段会运用一种基 于虚拟节点游走判别法筛选出有效节点，最大限度的去除那些对目标边界定位没有益处 的节点，且这种有效节点成为最终的边界节点；

(3)边界节点信息上传阶段：利用一种基于时间差的代表节点选择机制选出几个代 表节点，进行信息的汇聚，统一发送目标边界信息给基站。

为了实现对有毒气体的高效监测和追踪，算法转向对有毒气体边界的监测和追踪， 而这一切可以通过仅仅追踪处于目标边界之上的节点实现，所以转为对目标边界节点的 监测和追踪。

上述步骤(1)中三种类型的节点的判断方法如下：

节点状态分为两种：“0”和“1”，当该节点能够监测到目标时，该节点的状态为“1”， 否则为“0”；

属于主节点类型的节点，满足两个条件，分别是：自身状态为“1”、本地信息表中 存在状态为“0”的节点；

属于副节点类型的节点，满足两个条件，分别是：自身状态为“0”、本地信息表中 存在状态为“1”的节点；

属于其他节点类型的节点，是指除了主节点和副节点之外的所有节点的类型。

边界节点的粗识别阶段，首先将无线传感器网络节点分为三种类型：主节点、副节 点、其他节点。成为主节点需满足的条件为：自身状态为“1”、本地信息表中存在状态 为“0”的节点(当节点能够监测到目标时状态为“1”，否则为“0”)；成为副节点需满足的 条件为：自身状态为“0”、本地信息表中存在状态为“1”的节点；除了主节点和副节点另 外的所有节点称为其他节点。

本地信息表包含三种信息参数：邻居节点的ID，该邻居节点对应的坐标值，以及 该邻居节点当前时刻的状态值。三种信息参数一一对应，并且按一定的顺序(逆时针或 顺时针方向)有序存储在节点的本地信息表中。

随着目标的移动节点的状态也发生相应的变化，状态发生变化的节点会向其邻居节 点发送提示信息包，该信息包仅仅包含发送节点的ID即可，当某节点收到来自邻居节 点发送过来的信息包时，及时更新本地信息表中对应的邻居节点状态信息。

边界节点的粗识别步骤为：

步骤1.各个节点与其一跳邻居节点中满足德劳内三角划分的邻居节点交换信息， 该信息主要包括：节点ID，节点的坐标值；

步骤2.各个节点根据邻居节点发送过来的信息包建立本地信息表；

步骤3.每个节点根据本地信息表判断自己是属于哪种节点类型，如果该节点属于 主节点类型，则其所属的副节点类型的节点将成为候选边界节点。

边界节点的精识别过程为：

由粗识别过程可以知道，主节点根据本地邻居节点信息表可以很快速的将候选边界 节点筛选出来，也即是那些副节点，精识别过程依旧是依据主节点中存储的节点本地信 息表，利用虚拟节点游走判别法将那些对目标边界定位精度没有用处的节点一一去除， 只保留有效节点。虚拟节点游走判别法的基本原理为：主节点根据本地信息表找出一个 边缘节点，以此边缘节点为游走起点，虚拟节点在由所有副节点构成的边缘线上进行游 走，直至当所有遍历过的节点构成的多边形能够包含主节点时停止，此时虚拟节点回溯 至上一个节点(假设为a节点)，则边缘节点和a节点成为有效边界节点，且a节点成 为新的游走起点，循序进行，直至虚拟节点到达另一个边缘节点。

其上所谓的边缘节点定义为：在本地信息表中，所有的邻居节点都是按顺序存储的， 以本地节点为轴心，顺时针或逆时针存储(顺时针会逆时针均不影响一般性)。在本地 信息表的两端节点值最先为“0”的那两个节点定义为边缘节点。

代表节点的选择步骤为：

在确认出来的主节点中，依据系统设定的更新频率进行边界节点信息的上传，假设 全网时间同步，所有主节点依据自己需要上传的信息数量设定一个竞争代表节点的倒计 时，具体执行步骤如下：

步骤1.在选举出所有的边界节点后，主节点会进行一个统计，统计自己信息表中 副节点的个数，然后根据边界节点个数设定一个等待时间其中ΔT为 系统设定的最大等待时间，N_{slave_node}表示该主节点的副节点个数，该表达式表示为如果 副节点个数越多则该等待时间越短；

步骤2.当等待时间耗尽时，该主节点会在其通信范围内，发送一个宣布自己成为 代表节点的提示信息；

步骤3.当某个主节点收到邻居节点发送过来的提示信息时会主动停止代表节点的 竞选，向当前收到的发送提示信息的主节点表示主动加入，并且向其发送自己组内的边 界节点信息。

如果某个主节点同时收到多个邻居主节点发送过来的提示信息，为了避免冲突，其 会选择节点ID较小的那个节点作为代表节点。

与现有有毒气体监测与追踪算法相比，本发明所具有的积极效果是：

(1)识别出的边界节点均为外边界节点，也即是说，所有边界节点覆盖的区域能够 包含所有目标覆盖的区域；

(2)提出了三种节点类型，且在每个追踪周期内仅仅需要一次通信过程，其余的工 作均可由主节点通过计算完成，也即利用计算量换取通行量的策略来最大限度的节省能 量；

(3)创新性的提出了边界节点的精识别过程，可以极大限度的去除那些对目标追踪 精度的没有帮助且会对节点能量造成负担的节点。

附图说明

图1为本发明中节点的本地信息表结构示意图；

图2为三种节点类型的分类示意图；

图3为虚拟节点游走判别法—flat情形；

图4为虚拟节点游走判别法—convex情形；

图5为代表节点选择过程的示意图。

具体实施方式

下面结合附图对本发明做进一步的描述。

如图1所示，以节点1为本地节点，我们可以看出其邻居节点有节点2、3、4、5、 6、7。在网络初始化阶段节点1与邻居节点之间互相发送数据包，各节点根据接收到的 邻居节点的数据包信息建立如图1中所示的本地信息表—NIDT表。NIDT表包含的元素 有邻居节点的ID、坐标、状态值，这些数值一一对应，并且以特定的顺序进行存储(顺 时针或逆时针)。以节点1为例，其NIDT表中是以节点2为初始节点，顺时针有序存 储。初始节点的选举可以任意，且无论是顺时针存储或逆时针存储均不影响一般性，所 以在算法具体执行时，不特殊指定存储顺序。根据定义我们可以判定出此时边缘节点为 节点3和节点6。从图中可以看出节点3的左侧为节点2，节点6的右侧为节点7，也即 是说节点3和节点6的两侧存在节点状态为1的节点，所以此时根据定义节点3和节点 6为边缘节点，而节点4和节点5为非边缘节点。

如图2所示，根据节点类型的判定定义：自身状态为“1”、本地信息表中存在状态 为“0”的节点(当节点能够监测到目标时状态为“1”，否则为“0”)定义为主节点；自身状 态为“0”、本地信息表中存在状态为“1”的节点定义为副节点；除了主节点和副节点之外 的所有节点定义为其他节点。所以可以明显的看出，节点2、3、…、13为主节点；节 点14、15、…、33为副节点；剩下的属于其他节点类型。比如节点13，其邻居节点有 节点4、节点12和节点14、节点15、节点16、节点17、节点18，其自身状态为1，且 其邻居节点中存在状态为0的节点，比如节点14、节点15，所以节点13为主节点类型。 比如节点14，其自身状态为0，且其邻居节点中存在状态为1的节点，比如节点4和节 点13，所以节点14为副节点。而比如节点1和节点35，均为其他节点类型。因为节点 1自身状态为1，而其周围邻居节点状态也均为1，所以不满足成为主/副节点的条件； 同样节点35自身状态为0，而其周围邻居节点状态也全部为0，所以不满足成为主/副节 点的条件。

如图3所示，为虚拟节点游走判别法示意图—flat情形。所谓flat情形就是当所有 候选边界节点连接而成的多边形仍然不能讲主节点包含其内的情形。比如图3中，主节 点为12，候选边界节点分别为节点18、节点19和节点20。主节点20处于节点18、节 点19和节点20组成的三角形之外，此时虚拟节点能够遍历完全部候选边界节点，所以 此时节点18和节点20成为最终边界节点，称为有效边界节点，而节点19被称为无效 边界节点被删除。

如图4所示，为虚拟节点游走判别法示意图—convex情形。所谓convex情形，就 是当所有候选边界节点链接而成的多边形能够将主节点包含其中的情形。比如图4中， 节点13为主节点，其周围候选边界节点有节点14、15、16、17、18，当所有候选边界 节点链接形成多边形时，节点13处于其中，所以此时若任然选择节点14和节点18作 为有效边界节点将会产生较大的误差。此时虚拟节点游走判别法的具体执行步骤如下：

步骤1：根据NIDT表判断出此时的边缘节点为节点14和节点18，任意选取(不 影响一般性)其中一个作为虚拟节点的游走起始节点，比如节点14，以节点14为起始 节点按NIDT表顺序开始遍历所有节点分别为节点15、16、17、18；

步骤2：当节点遍历到节点17的时候，可以发现节点14、15、16、17组成的多边 形已经包含了节点13，所以此时虚拟节点回溯至上一个节点，也即回到节点16，标定 节点16为有效节点，之后继续以节点16为新起始节点开始遍历，直至遍历完所有候选 边界节点；

步骤3：最终确定下来的有效节点为节点14、节点16、节点18。

如图5所示，为代表节点的选择过程示意图。根据图2的分析，我们可以知道节点4、5、...、 13为主节点类型。根据代表节点的选择机制每个主节点根据公式设 置一个等待时间，其中其中ΔT为系统设定的最大等待时间，N_{slave_node}表示该主节点的 副节点个数。因为根据主节点的定义，可以知道N_{slave_node}是一定大于0的，所以不可能 出现无限等待的现象。由图可知，副节点个数最多的主节点分别是节点6和节点13。因 此，根据可知，ΔT一定，N_{slave_node}越小等待时间越短。所以节点6 和节点13将会率先于其他主节点在其通信半径R内发送竞选信息包。以节点6为例， 当节点6发出竞选代表节点的数据包后，主节点3、节点5和节点7会接收到该信息， 于是节点3、节点5和节点7将会停止T_back-off的倒计时也即退出代表节点的竞争过程， 而直接将自己边界节点的信息打包发送给主节点6。同样如此，主节点4和12将会将本 地信息打包发送给主节点13。同时，我们可以发现节点8、节点9和节点10的副节点 个数均为3，而节点2均处在这三个节点的通信范围内，所以节点2将会同时接收到来 自三个节点的代表节点竞争信息。此时为了避免发生竞选冲突，我们设定ID最小的那 个竞选节点拥有最大的优先级。所以节点2选择节点8作为自己的代表节点。