制作和主办：Elsevier埃及信息学杂志（2016）17，45开罗大学埃及信息学杂志www.elsevier.com/locate/eijwww.sciencedirect.com审查无线传感器网络在大面积开放区域实现地毯式覆盖的部署方案Vikrant Sharmaa，*， R.B.Patelb， H.S. Bhadauriaa， D. PrasadcaGovind Ballabh Pant工程学院，印度北阿坎德邦Garhwal，b印度昌迪加尔昌迪加尔工程技术学院c印度哈里亚纳邦安巴拉Mullana Maharishi Markandeshwar工程学院接收日期：2015年4月25日;修订日期：2015年8月4日;接受日期：2015年8月16日2015年9月28日在线发布摘要无线传感器网络（WSN）由于其在未来自动化和远程监控时代的广泛应用，近年来吸引了研究人员传感器节点（SN）的有效部署是一个主要的关注点，因为任何无线传感器网络的性能和寿命主要取决于它。研究人员已经提出了各种模型来在大规模开放区域中部署SN本文旨在对这些模式进行分类、运作和比较分析©2015由Elsevier B.V.代表开罗大学计算机与信息学院制作和主办。 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http：//creativecommons.org/licenses/by-nc-nd/4.0/）。内容1.导言. 462.部署技术的分类2.1.开放区域与室内472.2.随机与deterministic确定性的472.2.1.虚拟力驱动部署方案（VFD）472.2.2.预先计算的基于重新定位点的部署方案（PRP）472.2.3.混合部署计划2.3.毯子展开47*通讯作者。电子邮件地址：vikrant. gbpec.ac.in（V. Sharma）。开罗大学计算机和信息系负责同行审查。http://dx.doi.org/10.1016/j.eij.2015.08.0031110-8665© 2015由Elsevier B. V.代表开罗大学计算机与信息学院制作和主办。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词无线传感器网络;部署;地毯式覆盖;传感器节点;大规模46 V. Sharma等人。2.4.屏障部署472.5.面向目标的部署3.点启动的重定位483.1.基于势场的方法484.随机散射484.1.统一空投部署方法（UAD）484.2.离心式喷灌机（CCS）495.随机散射+迁移495.1.基于虚拟力的方法505.2.保持连接的虚拟力505.3.基于地板的方案505.4.基于推拉的分布式部署方案（PPDD）515.5.分布式部署方案（DDS）515.6.SEEDS：同构无线传感器网络的可扩展节能部署方案5.7.移动无线传感器网络的分布式自扩展算法（DSSA）525.8.故障撤销和均匀分布（FRHD）525.9.基于向量的算法（VEC）525.10.基于Voroni的算法（VOR）535.11.Minimax 535.12.无线传感器网络中基于质心的移动辅助传感器部署方案（CBMA）535.13.基于扫描的移动辅助传感器部署方法（SMART）535.14.使用萤火虫群优化算法（GSO）的传感器部署方法535.15.基于随机分散+重新定位的部署方案分析546.讨论557.结论55参考文献551. 介绍传感器是任何自动化系统的重要组成部分。无线传感器网络（Wireless Sensor Network，WSN）是由大量地理上分布在被监测区域的传感器节点（Sensor Node，SN）组成的系统[1SN在候选区域中的放置是决定任何WSN的覆盖、连接和寿命的主要因素[4无线传感器网络的应用领域包括灾害管理、军事监视、栖息地监测、目标跟踪、结构健康监测、农业、入侵检测和健康监测[9由于SN具有有限的感测范围（rs），因此大多数事件不能从远距离位置感测到，并且这要求SN被放置在距离事件发生的可能位置d（d6rs研究人员已经提出了各种方案，用于部署移动传感器节点（MSN），它声称可靠的操作与资源的最佳利用率（MSN的数量和部署所需的时间）。无线传感器网络大多部署在恶劣的环境中，如火山，洪水地区和深海[18因此，我们正努力提高其效率和耐用性。部署可以分为手动部署和随机部署。其中，从空中随机部署（使用飞行器/机器人）[21-优选地，术语“开放区域“用于需要完全覆盖的广阔区域，例如森林、战场、受灾区域和野生动物水库。然而，它也可以用于指暴露于开放的小区域。天空，即敌人的营地，需要有针对性的覆盖，无法手动到达。本文研究了大规模开放区域网络部署的各种模型，并对其进行了分类和分析。本文的其余部分组织如下。第2节描述了用于在大规模候选区域中部署的部署方案的分类。第3节中描述了点发起的重定位方案，第4节中描述了随机散射方案。第5节描述了随机部署传感器节点部署技术随机散射点启动重定位随机散射+搬迁基于布局策略随机确定性基于使用区域/毯子屏障基于部署域开放区域室内虚拟力驱动基于预计算重定位点的Hybrid目标为本图1传感器节点部署技术的分类。图2基于传感器节点初始布置的随机部署方案分类。无线传感器网络悬停直升机VxyVzLRcR传感器节点俄.展开区域（D）图3传感器节点被悬停的直升机落下（重绘自[33]）。基于随机分散和重定位的部署方案。第6节讨论了可能的解决方案。最后在第7节中对各种部署方案进行了分析和比较，得出了结论。2. 部署技术传感器节点部署技术可以根据部署策略、用途和部署域进行分类，如图1所示。然而，现有的部署模型可以分为多个类别。2.1. 开放区域与室内根据无线传感器网络的应用领域，部署可以分为开放区域或室内部署。开放区域部署涉及将SN放置在暴露的环境中，其中条件是暴力的，并且要覆盖的区域大多很大（可以从几平方米的前院草坪到数千平方公里的茂密森林），而室内部署局限于有限的领域，例如建筑物和结构。2.2. 随机与确定性候选区域的面积是决定SN放置策略的主要因素。 SN从空中随机散布是用于在敌对环境或大规模开放区域中部署的最常见的部署策略。然而，用于放置SN的确定性策略（点对点）可用于小规模部署[26考虑森林火灾的情况，这在印度北阿坎德邦的山区非常这种情况可以在大规模开放区域下进行分类，并且在整个候选区域上实现毯式部署模式的随机散射策略将最适合于检测森林火灾。基于传感器节点初始布局的随机部署分类树如图2所示。在点发起的重定位方案中，移动SN（MSN）被转储在候选区域内的某些点，它们从该点重新定位到最合适的位置。在随机散射方案中，SN从空气中随机落下。然而，它可能伴随着使用MSN的重定位技术来优化部署。MSN的重新定位方案基于以下基本模型：2.2.1. 虚拟力驱动展开方案（VFD）这些方案利用物理定律来确定MSN的移动方向，以便在候选区域内均匀分布2.2.2. 预先计算的基于重定位点的部署方案（PRP）这些方案采用各种算法来重新定位MSN的几何计算的位置，以便将它们均匀地分布在候选区域内。2.2.3. 混合部署方案这些方案在不同的阶段使用这两种方案，以在候选区域内统一部署MSN。2.3. 全面部署某些事件可能在候选区域内的任何点随机发生，并且它们的单次此类事件的检测需要候选区域的完全覆盖。这种类型的覆盖是通过毯式部署来实现的2.4. 屏障部署这种类型的部署通过用SN包围整个候选区域（即，入侵检测）[29，30]。2.5. 面向目标的部署某些场景具有事件发生区域的更精确的知识（即，敌营）。这种类型的图4UAD的状态转换图（重绘自[33]）。ZZp电压UADCCS48V. Sharma等人。部署被归类为目标导向，其中SN必须精确放置[31]。3. 点启动重定位在这些部署方案中，MSN最初被倾倒（放置）在非常小的区域中，从该区域开始，它们通过重新定位自身以覆盖整个候选区域来扩展它们的邻近区域。3.1. 势场法Andrew 等 人 [32] 提 出 了 一 种 基 于 势 场 的 方 法（PFM），用于在候选区域中均匀分布MSN。PFM的设计考虑了候选区域的实时环境条件，例如障碍物（以建筑物，水体等形式）。它主要涉及候选区域内SN的均匀分布PFM结合了自部署的特征，即，所有的MSN最初都分布在非常小的范围内，并且它们重新定位以使覆盖最大化。它骗-认为存在一个势场，图5离心式喷头。来自障碍物和其他MSN的对MSN的排斥。这种排斥力使MSN均匀地分布在一个罐子里-1pR2dxdy¼2 pRRpR2drdh100双极区MSN运动的合成方向是施加在特定MSN上的所有力的矢量和。PFM为MSN在候选区域内的分布提供了一种简单的方法，但是由于振荡和与BS的连接性，MSN会发生广泛的移动，其中r是特定SN在水平方向上移动的距离。r的PDF由等式给出。（二）、SN在切换到触发模式之前所花费的初始时间由等式给出。其中u是0和1之间的均匀随机数。保证4. 随机散射2rfR不要放弃XYð2Þð3Þ通过从空中分散SN，这是在大规模候选区域4.1. 统一空投部署方法（UAD）UAD利用降落伞的浮动特性来在候选区域内分布下落的SN。在UAD[33]中，作者认为直升机悬停在半径为R的圆形候选区域的中心上方，在特定高度H处，安装有降落伞的SN从该点投放，如图3所示。然而，风对SN下降的影响没有被考虑。一个附加的装置与降落伞集成，以在滑翔和降落状态之间切换其降落行为在下降时，SN的垂直速度被认为是Vz，其在整个行驶过程中被认为是恒定的（行驶是SN在撞击地面之前的整个行程），而水平速度Vxy仅用于SN的滑行状态，并且在SN的下降状态期间为0。一旦随机确定，特定SN的滑行方向h在整个游乐设施中保持不变。假设H>Rω<$Vz=Vxy<$，使滑翔SN在落地前能到达D的边界，从而覆盖整个D。基本部署模型尝试根据概率密度函数（PDF）来分配MSN，概率密度函数用于圆形候选区域内的SN位置，概率密度函数由等式（1）给出（1）其中极坐标用于指定方向。改进的模型在它们的行驶期间定期间隔之后并入SN间SN的移动性参数m指示SN是在其骑乘上还是接地。SN通过在控制间隔Tc之后定期广播控制消息来通信。SN在部署期间的可能状态如图所示。 四、最初从直升机上掉下来后，100806040200100 200 300 400 500 600 700传感器节点图6随机散射方案的比较分析覆盖率（%）D00Z Z无线传感器网络491;如果nd-Nd>1¼n用于向农作物喷水。它的工作原理是离心能定律，即，在特定的RPM下，施加在物体上的离心力取决于物体与中心的距离（大炮的长度）。它由一组加农炮（长度可变）组成，加农炮的一端连接到一个称为多路径交叉点（MIP）的公共连接点（如图5所示）。料斗用于撒料前的卸料和保持，流量控制旋钮调节撒料速度。CCS有效地减少了在候选区域内散射SN所需的扫描次数，从而大大减少了散射所需的时间，但与点对点丢弃方案（PPD）相比，覆盖范围略有下降，而PPD对于大规模部署来说不是可行的方法。图6中的曲线图显示，与CCS相比，UAD产生稍好的性能，这是由于pnd-Nd;否则为>：fð5Þ用于确定SN密度的附加硬件虽然下降，但CCS更合适，成本效益高，大规模部署的时间效率模型，因为其R2R2其中Nd是相邻SN的局部密度。如果行驶时间超过H/Vz，则 SN 的 状 态 切 换 为 OFF。 类 似 于 GLIDING状 态 中 的SLIDING状态，SN广播控制消息，并且基于从其他SN接收的控制消息中包含的m来递增它们的计数器nf、ng和nd在时间间隔Th结束时，如果发现nd小于滑动阈值kg，则SN的密度被认为小于所需的（即，如果ndkg *Nd）。<这是SN以概率p将它们的状态切换到正态以增强分散过程的指示。如果行驶时间超过H/Vz，则SN的状态切换为OFF。当SN撞击地面时，在时间间隔H/Vz之后达到的最终状态是静止状态。SN改变它们的移动性参数m=0，并继续以时间间隔Th广播控制消息。UAD是一种利用飞行器在大范围候选区域内均匀部署静态SN的有效方案，但该方案忽略了候选区域风和地形的影响;此外，UAD建议使用电机驱动的螺旋桨进行水平滑翔运动，这将消耗大量能量。4.2. 离心式炮基喷头（CCS）在[34]中，作者提出，基于离心炮的喷头（CCS）用于在候选区域内散射SN。该模型的主要目标是最大限度地减少部署直升机在大规模候选区域的扫描次数，以实现时间有效的散射。它是一个机电模型的灵感来自离心式喷灌机在农业领域的应用散射的方法随机散射的比较方案见表1。5. 随机散射+迁移在这些部署方案中，最初SN通过从飞行器（直升机、飞机等）上掉落来部署。并且优选地使用低成本降落伞来确保SN的安全着陆。基站（BS）大多被放置在候选区域之外，并且被认为是图7施加在MSN上的力（重绘自[35]）。50V. Sharma等人RI¼ ωAI5.2. 保持连通性的虚拟力图8MSN向BS移动以获得连接性连通性保持虚拟力方法（CPVF）[37]确保候选区域中每个随机分布的MSN的连通性。这是通过将所有MSN沿直线移动到BS以连接来实现的。当在直线上移动时，MSN使用BUG2算法[38]和懒惰移动策略来处理障碍物并分别最小化它们的移动。在连接到BS之后，另一个阶段开始在保持连接的同时扩大网络的覆盖范围。此阶段使用VFM[35]。BUG2：BUG2算法使用（重定向自[37]）在能源方面有足够的资源。每个SN被认为具有有限的通信范围（r）和r。点懒惰运动：CPVF使用懒惰运动策略，以尽量减少MSN的运动。MSN定期检查最近的邻近MSN向前移动（MSN更接近c是目的地）向目的地，在找到这样的SN安装在移动终端上以改变其位置在搬迁阶段。部署可以是同构的（由具有相同配置和功能的SN组成）或异构的（由具有不同配置和功能的SN5.1. 虚拟力法虚拟力方法（VFM）是一种基于集群的方法[35]，其中随机分布的MSN基于其随机物理位置形成集群。其中一个MSN被选为簇头（CH），负责管理其他MSN。VFM是从PFM[32]和在正方形中填充相等圆的方法[36]发展而来的。每个部署的SN对其他SN施加力。由SN施加的力可以是吸引力或排斥力，这取决于节点的距离。如果两个MSN彼此非常接近（距离小于预定义阈值），则它们彼此施加排斥力以增加覆盖范围。与此相反，如果两个MSN彼此远离（距离大于预定义阈值），则它们对彼此施加吸引力，以便足够接近以在候选区域中均匀分布并保持连接性，而障碍物施加排斥力F！和吸引力F由MSN密度较低的地区施加邻居，MSN会停止一段时间，希望相邻的MSN将连接到目的节点，形成一条通信路径，重复此过程，直到所有MSN都连接到目的节点。CPVF保证网络连接，同时减少MSN的运动，采用懒惰的运动策略，但该计划缺乏可扩展性。5.3. 基于FLOOR的方案基于FLOOR的方案是连接保持虚拟力方法（CPVF）的增强形式[37]。在该方案中，候选区域在逻辑上被划分成由距离d2rs分开的几个楼层线，如图8所示。与CPVF类似，基于FLOOR的方案分别使用BUG2算法和Lazy Movement策略来处理 障碍物和最小化 MSN运动。在候选区域中的MSN随机分散之后，它们开始向它们最近的地板线移动。如图8所示，M1和M2分别向地板线F1和F2移动，在到达地板线后，M1和M2沿着地板线到达y轴，然后y轴被M1和M2跟随移动(see 图 7）。吸引和排斥消耗大量的时间和能量。相反，这些不是物理执行的，它们由CH逻辑执行，并且为每个MSN决定最终VFM使用MSN通过在检测到事件时以二进制形式（是或否）向其CH发送信息来最小化网络流量。详细资料只在需要时才传送。如果任何集群中的MSN检测到任何目标MSN（St），则它们使用二进制信号（是或否）向CH通知它们的检测，基于这些信号，CH确定候选MSN（可以参与定位St）。CH然后要求候选MSN获得关于St的详细信息。VFM通过在MSN的最终移动之前在CH处执行各种逻辑移动来有效地减少MSN移动，但是不能保证与BS的连接图9候选区域的逻辑划分（重绘自[40]）。X障碍F1P1M1P2M2F2基站Y无线传感器网络51虽然它们在沿着该路径连接到BS时在点P1和P2处MSN在连接后与BS亲密，作为响应，BS将其所有祖先的ID发送给它们。这个阶段的目的是确定，哪些MSN可以移动，以扩大覆盖范围，而不分裂网络。为了变得可移动，MSN尝试为其子MSNs搜索新的父MSN，以便子MSN保持连接。它们还通过检查它们的邻居的位置来确定它们在当前位置所覆盖的区域，如果所覆盖的区域小于某个阈值，则它们才变得可移动。在特定楼层上具有最小x坐标值的MSN被选为负责保持关于该楼层上的所有MSN的信息的楼层头MSN还检查其附近的未覆盖位置，使得可移动MSN可以被调用以覆盖该区域，并且这是通过检查从它们的楼层头获得的相同楼层上的相邻MSN的位置和相邻楼层上的相邻MSNs的位置来计算的。在识别出所有可移动的MSN之后，移动它们不可移动MSN在其位置中搜索未覆盖的区域，然后确定可移动MSN可以被放置以有效覆盖该区域的点。在相邻楼层的SN的rs线抑制模型实现100%覆盖，但它平铺合并：平铺过程由任意地理位置的几个主MSN同时执行，这在布置中产生差异，一个次区域与另一个次区域接触。根据最老的子区域重新排列MSN解决了这个问题。尽管平铺过程在候选区域内的各个地理位置处同时开始，但是模型以平铺合并活动期间的重新平铺过程结束，以根据最旧的平铺子区域进行调整，这取决于候选区域的大小并且使模型不可缩放。5.5.分布式部署方案（DDS）作者在[40]中提出了一种分布式部署方案（DDS），用于在候选区域内均匀分布MSNDDS采用BS逻辑地将整个候选区域划分为以其为中心的若干同心层，每层之间的距离为rc的一半，如图1所示。第九章然后，BS计算用于放置随机分布的MSN的所有期望位置通过将候选区域划分为正六边形（边长=rs）来计算期望位置，并且这些六边形的中心构成期望位置。rs和rc之间的关系由方程给出。（七）prc<$rsω3ð7Þ最小化MSN移动。5.4. 基于推拉的分布式部署方案在PPDD[39]中，作者提出了一种在候选区域上均匀部署MSN的分布式方案。它通过在每个瓦片的中心放置MSN将整个区域划分为六边形瓦片，该过程称为瓦片。平铺由在任意地理位置的若干MSN以随机时间间隔通过将其相邻的MSN放置在相邻平铺的中心（考虑其自身的位置作为初始点）来发起。它不需要关于候选区域的先验信息。整个方案分为4个基本活动，即Snap、Push、Pull和Tiling合并。Snap：该过程由位于不同地理位置的各种MSN以随机时间间隔触发，将其位置视为第一个图块的中心。通过将相邻MSN对齐到相邻六边形来扩展平铺子区域的边界，并且通过新对齐的MSN重复相同的过程，直到到达候选区域的边界或遇到以另一MSN为首的平铺。推送：在捕捉活动完成后，在被捕捉的MSN所拥有的六边形内仍然有一些未放置的MSN（从）。通过将这种从机从高密度区域移动到低密度区域来执行推操作。如果相邻六边形中的从设备的数量小于其自身的数量，则发生从设备的移位，并且通过使移位操作有条件（即，从设备的移动仅发生在具有较低ID值的MSN所拥有的六边形上拉：即使在推活动完成后，一些孔仍然存在。如果在其附近发现任何孔，则由被捕捉的MSN发起拉活动。快照的MSN触发一条消息，指定它们对从属设备的需求。BS邀请随机散布的MSN一层又一层（从内部开始）占据所需的位置，从而连接。如果任何层重复该过程，直到所有节点都被放置在期望的位置。DDS示出了具有最小重叠的多路径连通性，并且在有限MSN移动的情况下实现了100%覆盖，但是该方案不可扩展，因为MSN以线性方式（层接一层）部署，这是由于部署时间随着区域而增加。此外，MSN的移动性限制在平坦的表面，这使得系统无法实时场景。5.6. SEEDS：同构无线传感器网络Munish等人提出了另一种可扩展的部署方案[41]。它的目的是最大限度地利用最少的传感器节点覆盖的区域，并以最少的SN迁移达到完全连通性。类似于DDS[40]因为这两种方法在通信和感测范围之间使用相同的关系（由等式（7））和通过将候选区域划分成正六边形来确定放置SN的期望位置的方法此外，这两个模型的设计，以实现地毯式覆盖在大的开放区域的候选区域，随机散射的SN从空气中完成在部署的初始阶段。然而，它与DDS的不同之处在于所要求的可扩展性和分布式算法，其用于同时将MSN移动到候选区域内的适当的期望位置。它还包括一个障碍物处理算法，52V. Sharma等人..p-pDavg邻近的MSN在其领土内获取额外的SSN，n，则剥夺分区中的MSN与MSN1MSN2MSN5XMSN3YMSN4它的组成部分。基站将预先计算的期望位置（DL）的完整列表广播到随机分散的MSN，MSN基于它们与每个DL的欧几里得距离对其进行排序然后，MSN开始按照排序列表指定的顺序向每个DL移动，直到达到未占用的DL放置MSN在规则间隔之后广播STOP消息MSN因此停止，排序其剩余的列表，并开始以相同的模式再次移动。使用第6节中解释的Bug2算法[38]处理障碍。该模型的缺点是DL列表的大小随着候选区域的面积而增加，这进一步增加了MSN上的广播分组的大小和计算开销，因为它们重复地必须基于它们的当前位置对该列表进行排序。类似的，这种方法也是不可扩展的。5.7. 移动无线传感器网络的分布式自扩展算法DSSA是一种SN部署方案，用于通过重复重新定位MSN来在候选区域内均匀分布MSNs，以实现MSN的期望密度[42]。DSSA是由某些化合物中分子的密度和间距平衡而产生的。每个MSN独立地做出关于运动的幅度和方向的决定。基于由相邻MSN施加的合力以及局部密度D1与期望密度Dx水平之间的差来做出关于MSN的移动的决定。对于具有N个MSN的候选区域的给定面积A，Dx由等式给出（二）、2.如果MSN的振荡计数Oc（MSN在同一路径上的来回运动）超过一定的振荡极限Olim。DSSA通过控制振荡有效地减少了MSN的移动，但不能保证与BS的连接。5.8. 故障撤销和均匀分布（FRHD）作者在[43]中提出了一个框架，用于故障撤销和均匀分布的随机部署的传感器网络在无线传感器网络。该方案采 用 异 构 SN （ 即 ， MSN 以 及 静 态 传 感 器 节 点（SSN））。MSN具有拾取和丢弃SSN的能力，以便在需要时重新定位SSN。SSN执行感测周围环境并将收集的数据发送到CH的基本任务，而MSN通过将SSN重新定位到合适的位置并在其后将CH重新定位来服务于部署后配置的目的。额外的MSN称为故障撤销传感器节点（FSN）保持在候选区域中，以服务于网络在故障发生时BS逻辑地将候选区域划分为相等大小的子划分（优选地为正方形形状），并且生成包含子划分的起始坐标的它广播候选区域中的候选区域中的MSN将它们的位置与子分区列表中的坐标进行比较，以识别它们所属的子分区，并向BS发送“hell o”分组，以要求子分区的所有权。如果MSN是第一个提出要求的，那么它将被选为该地区的所有者，否则它将被授予最近的所有权。DNω2ωp空置分区和指示到移动到8x¼A电流细分在MSN与子分类MSNs关联i;jDlX.ij。pj-pinn检查是否有足够数量的SSN（平均n个）可用，Fn ¼2ð r c—pn—pn Þ jið9Þ细分如果在任何细分中可用的SSN小于由fi;j在等式中表示（五）、在哪里，pi给出i的位置，它可以从中挑选SSN并放置n n时间步长n处的MSN。由于其所有相邻MSN而作用在i上的合力F通过组合作用在i上的所有力来给出。MSN在以下情况下被视为停止：1. 如果MSN在时间T内未显示出大于dmin（最小移动距离）的移动距离（由于燃油不足或MSN故障）。图10 VOR中的MSN运动（重绘自[44]）。在适当的位置。 如果相邻的子分区FRHD试图通过确保子分区内有足够数量的SN来实现均匀的SN分布，但未指定SN在子分区内的位置;此外，FRHD使用MSN来重新定位SN，这对于不平坦的地形似乎是不真实的。5.9. 矢量算法（VEC）作者在[44]中提出了三种算法，用于在候选区域内均匀扩展MSN。所有的算法都使用Voroni通过由具有密集MSN的区域施加的推力或通过由具有稀疏MSN的区域施加 的 拉 力 来 扩 展 区 域 上 的 覆 盖 。 基 于 向 量 的 算 法（VEC）是一种基于推的方法。它假设存在两个MSN之间以及MSN与候选区域边界之间的力，其类似于存在于两个相似带电粒子之间的排斥力。平均距离n n由相邻MSNj施加在MSNi上的力表示为：无线传感器网络53X2ii1i1iX24最初计算相邻MSN之间的平均值（d avg），这被认为是标准的。排斥力由MSN施加如果它们之间的距离小于davg，MSN的不必要的移动通过计算提议移动的覆盖益处来控制。如果结果位置不能实现增加的覆盖，则提议的移动被拒绝。通过Voroni多边形与特定MSN的感测区域的交集来计算任意点的覆盖。如果计算的目标位置太远，则将总距离的距离1或3处的点视为目标位置。5.10. Voroni算法（VOR）基于Voroni的算法（VOR）[44]采用拉驱动的方法，其中MSN倾向于通过向其最远顶点移动来填充Voroni多边形中的洞，如见图10。通过将MSN的位移限制为r c-rs来控制MSN的过度移动，并且当发现新的相邻MSN时，在移动时重新绘制Voroni多边形。 通过记录前一次移动并避免立即向后移动来控制振荡。5.11. MinimaxMinimax算法[44]的工作原理与VOR类似，通过向最远顶点移动来覆盖其位置上的孔，条件是在向目标位置移动时，较近的顶点不会变得最远，并且MSN与最远顶点之间的距离是最小可能距离。最后一点，因此计算放置MSN被称为极小极大点。这三种算法都通过将MSN移动到更合适的位置来增强覆盖，这些位置消耗了总能量的主要部分。5.12. 无线传感器网络中基于质心的移动辅助传感器作者在[45]中提出了基于质心和基于双质心的方案，用于候选区域内SN的均匀分布。两者都是迭代计划，计算的Voroni的多边形的质心，从而形成的MSNs重新定位到它。重新定位的MSNs之前，通过评估移动的好处（在重新定位后的覆盖范围的增强方面）。给出了以（xi，yi）为顶点的Voroni多边形的质心（Cx，Cy（10）和（11）。1n-1C ¼ðxþx联系我们-xy10如果其局部多边形未被完全覆盖，则每个MSN计算新的质心C1搬迁到C1完成基于运动的利益双质心方案：它是质心方案的扩展除了C1之外，还计算由特定MSN周围的邻居形成的多边形的另一质心C2（十三）、G¼aC11-aC2a20;1135.13. 基于扫描的移动辅助传感器部署方法（SMART）作者在[46，47]中提出了一种部署后重新配置方案，用于均匀分布在候选区域中随机分布的MSN。SMART的动机来自分布式系统中使用的负载平衡技术[48，49]。如图11所示，它将整个候选区域划分为大小为12的子区域（形成2-D正方形网格），然后执行一系列扫描操作以在每个子区域内均匀分布MSN。扫描操作基本上分为水平扫描和垂直扫描，其进一步包括针对每一行和每一列的向前和向后扫描（例如，从左到右，然后从右到左）。前向扫描计算MSN的总数，而后向扫描在遍历的行或列的子区域中均匀分布MSN。另一变型利用全局平均来启动过度拥挤的子区域的CH，以指示额外的MSN沿着行或列移动，穿过相邻的子区域，而饥饿的子区域的CH监视并中断经过的MSN，以填充其子区域的空洞。当所有子区域填充有至少一个可以用作CH以进行扫描过程的MSN时，这种2-D扫描方案有条件地工作一个额外的播种过程中，包括提供饥饿的子区域与MSN，以满足最低要求的算法进行。SMART试图在候选区域内均匀地全局分布MSN，但是子区域内的MSN的位置没有很好地定义。5.14. 基于萤火虫群优化算法的传感器部署方法[50]GSO的动机来自萤火虫的行为，即，它们会发出一种名为发光素的物质，这种物质会以光的形式辐射能量，其强度会随距离而变化。每萤火虫被吸引到它的邻居有最高的x6a我1/4第一章1ii1i1i发光强度，并开始跟随其运动，从而形成集群。在这个方案中，1n-1Cy¼6a1/4n-1个yi探索行为以在候选区域内均匀地分布MSN。MSN被认为是一种具有修改行为的萤火虫，它将被吸引到强度小于其自身的邻近萤火虫a¼1Xxy-x yð12Þ质心方案：分几个阶段执行。在每个阶段开始时，每个MSN使用相邻MSN的位置信息计算其本地Voroni每个MSN都知道它的位置坐标，并根据这个计算它与相邻MSN的距离MSN使用计算出的距离来确定自己的1/4只有在以下情况下才能检测到特定SN的亮度：它们之间的距离小于RC。54V. Sharma等人图11 SMART（重绘自[46]）。150010005000160 200240280该方案仅在MSN具有显著高的rc时适用，以便确定相邻MSN的干扰强度。5.15. 基于随机散射+重定位的部署方案分析根 据 表 2 ， 大 多 数 方 案 利 用 移 动 机 器 人 （ 即 ，MSN），以便重新定位后，他们最初的随机下降，从空中。尽管许多研究人员试图将MSN的移动最小化，但它仍然会消耗MSN数量CPVF地板DDS种子VOR最小值PPDD图12基于随机散射+重定位的方案的比较分析强烈的刺激。基于移动的强度，MSN计算向每个相邻MSN移动的概率，然后MSN向选定的MSN移动，直到它们大于p3rs。重复该过程，能源的主要部分。 MSN比较分析图12中示出了各种方案所需的运动。此外，MSN是更复杂的设备，其对于不同地形具有有限的移动性和可访问性。如表 2所示 ，包 括CPVF 、FLOOR、 DDS、 PPDD和SEEDS的少数方案保证SN与BS的连接性，这增强了网络可靠性，而其他方案简单地关注于在候选区域内均匀地散布SN。可伸缩性很重要，因为它将该方案推广到任何大小的候选区域，并使其独立于其他变量。除了DDS和SEEDS之外，大多数方案都是可扩展的。几个方案（即，PFM、VFM、CPVF、FLOOR、SEEDS和PPDD等算法都对候选区域中的障碍物进行了处理复杂的外部环境（即，灌木丛，灌木）被认为是没有人表2基于随机散射+重定位的部署方案的对比分析方案传感器类型连接连接搬迁可扩展障碍与地形无关类型保证模型耐VFM[35]移动–没有VFD是的是的没有CPVF[37]移动多径是的VFD是的是的没有室内游泳池[37]移动单路径是的混合是的是的没有PPDD[39]移动多径是的混合是的是的没有DDS[40]移动多径是的PRP没有没有没有SEEDS[41]移动多径是的PRP没有是的没有DSSA[42]移动–没有VFD是的没有没有[43]第四十三话流动和定点–––是的没有没有VEC[44]移动–没有VFD是的没有没有VOR[44]移动–没有VFD是的没有没有MINIMAX[44]移动–没有VFD是的没有没有CBMA[45]移动––VFD是的–没有智能[46，47]移动–没有–是的没有没有GSO[50]移动–没有–是的没有没有MSN运动（米）在候选区域内均匀地散布MSN。无线传感器网络55基于随机散射+重定位的方案。候选区域大多是无法到达的、地形不平坦的危险环境。地面MSNs的放纵使得该方案更依赖于候选区域的地形。然而，随机散射方案（即，UAD和CCS）独立于候选区域的地形。此外，大多数方案采用空中投放的方法，在一个候选区域内随机散布SN，但没有考虑到区域风对投放的影响。6. 讨论SN从在候选区域上方的一定高度处移动的直升机上空投;因此，每个SN具有势能，这是由于其高空投高度。当SN从直升机上落下时，该能量转化为动能，这在着陆时对SN造成不利影响。各种措施，为保证每个潜艇能顺利着陆，潜艇上都使用了降落伞，潜艇上还使用了海绵罩来吸收冲击，以确保潜艇能在候选区域内完整着陆。该能量可以用于将下落的SN精确地放置在所需位置（DL）。生物启发的部署模型可以通过从鸟类的飞行模式中获得灵感来设计，即老鹰，秃鹫，它们可以精确地到达地面上的猎物（无论大气风的方向如何），甚至不需要拍打它们的翅膀。SN在其DL上的精确下降使得模型独立于SN的类型（即，SSN或MSN），因为其最佳位置不需要在投放后重新定位。由于SN直接降落在其DL上，因此模型独立于地形（即，沼泽地、不平坦的土地、沙地）和抗障碍物（即，建筑物、水体、灌木）。7. 结论从空中随机散布SN是在广阔和不可到达区域部署的最可行方法，但是从空中部署遭受各种不可控的外部因素，例如风、障碍物和陡峭的斜坡可能支配随机部署，并且可能导致SN在候选区域内的不均匀分布。风是自然的，在SN的空中部署中不能不考虑。在空中部署中，SN大多数是在小降落伞的帮助下降落的，小降落伞可能会被风淹没到不希望的位置。自然环境中有过多的植被（灌木丛，灌木等）。这可能会阻碍MSN在候选区域中的移动，因此在丢弃之后SN的零移动或最小移动应该是优选的。现有的部署方法没有讨论这样的场景。在本文中，各种方案部署的MSNs进行了研究和分析各种矩阵。现有的部署方法在恶劣环境中的实时实现能力有限，因为大多数外部变量被低估，甚至没有被考虑，这可能动态地阻碍任何部署方案的操作。比较分析描述了多年研究中部署方法的改进。由于WSN与MSNs预计将工作在恶劣的和不可预测的环境中，与有限的功率和计算资源，有一个很大的范围为研究人员和机器人设计师设计的算法和机制，以优化部署，同时处理障碍物和不平坦的地形大规模的候选区域。引用[1] Akyildiz IF，Su Weilian，Sankarasubramaniam Y，Cayirci E.传感器网络综述。Commun Mag IEEE 2002;40（8）：102-14.[2] Agrawal D ， Zeng QA. 无 线 和 移 动 系 统 简 介 。 CengageLearning;2010.[3] 伊克·詹妮弗，慕克吉·比斯瓦纳特，古萨尔·迪帕克。无线传感器网络调查。Comput Netw2008;52（12）：2292-330.[4] 高希阿弥陀佛，Das Sajal K. 无线传感器网络的覆盖和连通性问题综述。Pervas Mob Comput2008;4（3）：303-34.[5] 放大图片创作者：Sharma Vikrant，Prasad D. SDRS：无线传感器网络快速修复的分裂检测和重构方案。Int J AdvComput2013;46：1252-60.[6] 尤尼斯·穆罕默德，阿卡亚·凯末尔。无线传感器网络节点布局策略与技术综述。Ad HocNetw 2008;6（4）：621-55.[7] Silva Agnelo R，Vuran Mehmet C.无线地下传感器网络中与地上设备的通信：一项实证研究。在：IEEE国际通信会议（ICC）; 2010年，开普敦; 2010年。p. 1比6[8] Silva Agnelo R，Vuran Mehm
我的内容管理
展开
