无线传感器孔洞检测算法及其在无线传感器网络中的应用

制作和主办：Elsevier沙特国王大学学报无线传感器网络S.M. Koriem，文学硕士巴尤米·阿吉埃及开罗纳斯尔市爱资哈尔大学工程学院系统和计算机工程系阿提奇莱因福奥文章历史记录：2018年1月27日收到2018年7月18日修订2018年8月1日接受2018年8月3日在线发布保留字：无线传感器网络WSN漏洞覆盖空桐检测A B S T R A C T区域检测和测量是无线传感器网络（WSN）中的重要问题之一，它主要关系到大多数路由协议在感兴趣区域（ROI）上的连续性和功能性。电子设备故障、节点的随机部署、软件错误或火灾蔓延、洪水泛滥等现象都可能导致传感器节点的大量死亡。通过检测和计算传感器网络损伤后产生的孔洞面积，可以控制感兴趣区域的损伤本文提出了一种新的数学算法--无线传感器孔洞检测算法（WHD），用于检测和计算传感器节点随机分布的ROI中的孔洞面积WHD是为了在功耗和平均空洞检测时间方面实现服务质量（QoS）而开发的建议的WHD的动态行为取决于执行以下步骤。首先，WHD算法利用网格划分的优点，将其次，WHD算法对每个单元格进行计算，通过比较最近的三个传感器节点的位置，将它们分配到每个单元格在所有单元格上重复上一步，WHD可以计算并定位ROI中的每个孔性能评估依赖于NS-2仿真器作为研究和分析WHD算法性能的仿真手段。实验结果表明，WHD算法在平均能耗和平均空洞发现时间方面优于路径密度算法（PD）、新的覆盖空洞发现算法（VCHDA）和分布式覆盖空洞检测算法（DCHD）。©2018作者制作和主办：Elsevier B.V.代表沙特国王大学这是一CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍无线传感器网络（Wireless Sensor Network，WSN）是探测和监测生命现象的新技术之一无线传感器网络是由大量的传感器节点组成，由小型电池供电，传感器节点大多部署在开放的、无保护的环境中。传感器节点在通信能力和电池功率方面有很大的局限性。随着微电子工业技术的飞速发展和路由协议的发展，传感器节点得到了大规模的分布，电功率（Chen等人，2017年）。无线传感器网络可以用于各种应用，如目标跟踪，环境监测和战场监视。无线传感器网络由数百或数千个传感器节点组成，这些传感器节点由小型电池操作，它们分布在开放环境中以检测和收集来自周围现象的信息（Debnath等人，2016年）。然后，远程基站从传感器节点接收报告消息（Zhao等人，2017年1月）。各种应用依赖于WSN，诸如军事领域勘探、洪水、边境保护和森林火灾（Wua等人，2016; Ahadipour和Haddad，2017年1月;Mahapatra等人， 2017年）。*通讯作者。电子邮件地址：Bayoumi_m@hotmail.com（硕士）Bayoumi）。沙特国王大学负责同行审查https://doi.org/10.1016/j.jksuci.2018.08.0011319-1578/©2018作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com910S.M. Koriem，文学硕士Bayoumi/沙特国王大学学报无线传感器网络由于其物理设计而具有独特的特性，例如传感器节点的不可靠性、不确定的网络拓扑、高计算和通信功耗以及大量存储困难（Jan等人，2017年; Kadu和Jaini，2015年），在无线传感器网络的解决方案设计和应用程序开发中提出了许多挑战。在实际应用中，传感器节点随机分布在感兴趣区域（ROI）上，使得ROI中存在一些未覆盖的区域（孔洞），严重影响了网络性能。孔可以被定义为ROI内未被任何活体传感器覆盖的区域的量。传感器节点的动态操作也可以产生空洞。传感器节点通常会由于随机部署、过热、动物移动、车辆和人员事故等因素的影响而消失。这种故障的发生是由于传感器节点的静态性质和 随 机 部 署 （ Kumar 和 Dhingra ， 2015; Beghdad 和 Lamraoui ，2016）。网络中任何部分的故障都会直接影响整个网络的本地和全局性能。ROI中的空洞的存在肯定会影响路由路径，可能会导致路由协议的失败或将网络分离为许多单独的小网络。为了说明，未被任何传感器节点覆盖的面积区域被认为是一个洞，其中不能完成感兴趣的事件 为了克服孔的问题，必须确定孔的位置及其面积，还分别使用替代传感器以尽可能地保持传感器有效（Koriem等人， 2016年）。因此，网络的空洞覆盖和连通性是无线传感器网络中最重要的方面（Zaidi和Rakrak，2016; Antil等人，2016年）。本文提出了一种新的无线传感器空洞检测算法WHD，该算法使传感器节点能够检测到所有的空洞，计算ROI内的空洞区域，并计算空洞区域，以帮助路由协议改变其路由路径或放置额外的移动节点来修复空洞区域。所提出的WHD算法利用通过使用网格理论划分ROI的优点（Khan等人，2015年）将ROI划分为许多集群，它运行分两个阶段。第一阶段：WHD利用Grid算法将感兴趣区域划分为若干个等间距的单元，并存储每个单元的四条边的精确位置，用于计算孔洞面积。在第二阶段：WHD算法通过确定其四个边缘点的坐标和距离每个单元边缘点最近的三个（如果可能的话）节点的坐标来单独地对每个单元进行工作 图图1显示了WHD如何确定细胞中孔的存在。本文的其余部分组织如下：第2介绍了相关的工作。第三部分介绍了研究工作的贡献。第4节描述建模假设和问题目标。第5详细描述了拟定WHD算法。第六给出了性能评估和仿真结果。第7节提出结论和未来的工作。2. 相关工作孔洞面积的检测与测量是无线传感器网络中因此，许多研究人员专注于检测和计算ROI内的孔面积（Kumar和Dhingra，2015）。作者在（Jewel等人，2016）提出了一种用于有效检测孔边界的算法，其中每个节点向其所有邻居发送广播消息。如果一个邻居节点检测到一个洞，它会计算自己和洞之间的距离，然后用新数据向始发节点重放一条消息。发起者接收来自所有节点的所有消息，并建立孔边界区域。这种方法的缺点是，利用所有可用节点来检测边界空洞，使得发送数据包和丢弃数据包最大，发送和接收数据消耗的能量非常大。作者在（Zhao等人， 2016）提出了一种新的算法，通过使用区域中可用的传感器节点形成边界区域来检测孔洞区域。在空洞周围形成边界区域后，所有邻近该边界区域的传感器节点都被视为边界节点，并向路由协议发出警报以避开空洞区域。另一方面，在（Wanand和Zhang，2016）中，广泛的研究致力于在不太理想的条件下保证某些算法性能，但还有更多的领域需要覆盖。网络中的空洞问题，无论是感知覆盖（覆盖空洞）还是拓扑覆盖（路由空洞），仍然是一个部分未解决的问题。虽然存在大量专用于孔检测和旁路的解决方案，但是这些解决方案没有提供用于连续监测孔动态的有效方法，例如在运行时间期间的扩展、合并以用于修复。在（Xu等人， 2015年），作者提出了一种基于哨兵方案的算法，通过定义一种新的深度睡眠技术来降低睡眠节点检测密度。网络寿命和功耗是计算检测率的因素此外，通过使用三角形覆盖修复过程来修复覆盖空洞来解决覆盖空洞。作者（Suku和Philip，2015）介绍了一种图形方法来检测ROI中的孔区域他们开发了一种算法，将ROI划分为许多区域，每个区域至少需要k个传感器节点来构建边界区域。所提出的算法依赖于在圆盘上的k个传感器节点的通信但是假设传感器节点的覆盖范围在各个方向上是均匀的，而且参与检测空洞区域的传感器节点数量非常大，这导致了很大的功耗。作者在（Febil和Loganathan，2016）中介绍了一种算法来检测ROI中的边界孔，该机制取决于每个节点与其三个邻居节点之间的连接来确定卡住节点，这是转发数据消息的最后一个节点。这种方法的缺点是，算法-Fig. 1. 一间牢房里有个洞。●●S.M. Koriem，文学硕士Bayoumi/沙特国王大学学报911RITHM仅检测固定大小的空洞，边界检测通过比较一跳邻居来完成，消息转发开销可能非常大，并且边界检测不适用于大密度的节点。此外，该算法作者在（Prasan等人，2016）提出了一种用于检测ROI中的孔边界的算法。该算法通过检测相邻活节点的该算法有两个缺点，首先，它使用所有部署在感兴趣区域的传感器节点，这将导致严重的功耗，直到任务完成。其次，该算法只定义了孔洞的边界区域，而作者在（Dai等人， 2016）提出了一种通过比较设计的Voronoi单元的大小和相邻节点的感知范围来计算孔洞面积的算法，并通过简单的几何计算来标记孔洞区域的边界节点。该算法假设每个voronoi小区都有传感器节点，并且这些传感器节点能够相互通信，这导致了大量的功耗。此外，该算法利用感兴趣区域上部署的所有传感器节点来确定边界区域，而不是空洞区域。作者（Soundarya和Santhi，2017）开发了一种算法，用于基于Delaunay三角测量确定ROI中的孔洞所提出的算法依赖于部署的传感器节点之间的直接通信，能够从这些传感器节点的中心构建Delaunay三角该算法存在两个不足：一是传感器节点之间直接连接，通信开销较大;其次，该算法作者在（Amgoth和Jana，2017）中提出了一种算法，该算法主要由两个阶段组成，即覆盖空洞检测（CHD）和覆盖恢复（CR）。在CHD中，每个传感器节点通过与其邻居节点更新某些信息来独立地检测任何空洞。为了恢复覆盖，具有相对较高的剩余能量的传感器节点被赋予优先权，以覆盖孔更接近它通过增加其感测范围到一个maxi- mum限制。该算法存在两个缺点，一是依赖于相邻传感器节点之间的直接通信，如果一个传感器节点没有邻居节点，则无法检测到孔洞;二是由于传感器节点之间直接连接，通信开销其次，该算法不计算检测到的孔洞面积，而是在感兴趣区域作者在（Yilmaz等人， 2014）旨在为容错传感器网络设计一种无定位和节能的空穴旁路技术。该算法的思想是：首先构造一棵以汇聚节点为根的簇树，将网络划分为多跳簇。其次，作者提出了一个簇间能量有效的解决方案，在第一步和第二步的簇间鲁棒解决方案，通过应用这些方法。因此，该算法旨在避免本地化和网络拓扑重建的成本。该算法存在两个不足：首先，它依赖于所有部署的传感器节点来确定空洞区域，导致大量的通信开销。其次，该算法不计算检测到的孔洞面积，而是在感兴趣区域3. 拟议研究工作在本节中，作者解释了如何确定和计算由于传感器节点的随机扩展或任何活动损坏的传感器节点而在ROI中形成的总孔面积及其宽度本研究的目的是提高现有路由协议在网络中的性能。提出的WHD算法研究ROI以便于构建小小区，这增加了网络寿命，并且消除了基站与任何传感器节点之间的直接通信。因此，研究工作的主要贡献可以说明如下：构建一个均匀的ROI，以便更好地处理随机分散的传感器节点，如图所示。 二、建立无线传感器网络的可靠模型，通过将ROI切割成许多预定义的小单元来增加无线传感器网络的寿命。WHD在每个单小区中单独工作，然后根据所选择的路由协议技术将收集的数据通告给基站，如图所示。3 .第三章。消除了基站与各个传感器节点之间的直接通信，降低了功耗，提高了网络寿命。开发NS-2仿真器模型，描述所提出的WHD算法的性能评估。4. 建模假设和问题目标4.1. 建模假设在本文中，关于WSNs使用了一些假设a. 节点随机分布在二维空间中，例如（X，Y）。b. 所有传感器节点具有相同的设计、硬件特性和精确的电源（电池电源）。c. 所有传感器节点具有相同的初始能量功率。d. 无线电信道是相等的，用于消息传输（发送和接收）的能量消耗量是相同的。e. 所有传感器节点的感测和通信范围是相同的。f. 每个单个节点可以在部署后通过GPS设备或其他定位方法找到自己的位置。4.2. 问题目标无线传感器网络通常被认为是一个不确定的拓扑环境，由于静态传感器节点的随机部署在感兴趣区域，或由于任何活动的一些传感器节点的损坏。因此，有一些孤立的节点，没有相邻的节点来与之联系。这就是创建孔区域的原因我们的目标是找到准确的估计数量的孔面积的投资回报率。这有助于在自然灾害的情况下确定受损区域的量，支持所应用的路由协议以改变路由路径，并且有助于估计适当位置中的附加移动节点的位置以修复漏洞。4.3. 定义在本节中，我们定义了几个术语，这些术语在整个论文中用于开发所提出的WHD算法。●●●●912S.M. Koriem，文学硕士Bayoumi/沙特国王大学学报22其中，S¼LnLn1Lbn林12-林22X1-X2G在这个阶段中，网格形成算法用于将ROI划分为许多预定义的静态相似大小的单元，如图所示。 二、对于X¼0至X ¼kF对于Y¼0至Y¼mFf x;yx0XωZa;Y0YωZbð1Þ图二. 网格的形成GG图三. 一间单人牢房。设n是应用程序选择的节点数，Ci是ROI上形成的单元数，Pi是ROI上每个单元中的边缘点数，NHi是每个单元的头节点，Ai是一个形成的三角形的面积，Aj是在一个边缘点处形成的K + 1个三角形的面积，Acell是一个单元中的总孔面积，Atotal是ROI中的总孔面积，X0是 x= 0的点，Y0是y= 0的点，（X0，Y0）=（0，0），K是水平线数，m是垂直线数，Za是簇的长度，Zb是簇的宽度。5. 提出的WHD算法在本节中，WHD算法设计用于检测和计算ROI中的孔面积 WHD算法在没有拓扑的异构ROI上工作，WHD使用网格算法（Khan等人，2015）以将ROI转换成同构拓扑，然后将ROI切割成许多预定义的静态相似大小的单元（根据待服务的区域）。WHD分别在每个单元上工作，在每个单元中，WHD通过将单元边缘点的坐标与位于该单元内的传感器节点的位置进行比较来选择最近（n）数量的传感器节点。小区并选择最近的（n）个传感器节点。后5.2.孔洞检测阶段该阶段负责检测和计算ROI中的孔面积。WHD在每个单元上单独工作，如图3所示。WHD通过选择与单元坐标最近的（n）个传感器节点来计算孔面积，该选择通过将单元的坐标位置与位于该单元内的每个传感器节点的位置进行比较来完成。在选择了所需数量的传感器节点之后，WHD选择离单元坐标最近的传感器节点作为头节点（HN）。HN有两个功能，首先HN收集来自其他节点的数据，并根据所选择的路由协议对其进行级联。然后用三角剖分法计算孔洞面积.假设P是细胞的边缘点的集合，其中P1，P2，.. . 然后WHD算法将（n）个所选传感器节点的最大传输范围与每个单元的边缘点的位置进行比较，如果所选传感器节点的传输范围中的一个到达网格的边缘，则不存在孔，如果不是，则在该单元中存在孔，如图所示。 四、然后WHD通过在所选择的传感器节点和单元边缘点之间应用三角测量方法来计算孔洞面积，通过将传感器节点连接到最近的单元坐标点，该坐标点具有直线坐标（Xn，Yn），然后我们得到（n + 1）个三角形，如图所示。 五、根据三角剖分理论，我们可以通过计算三角形A1，A2，.的面积来计算网格中的孔面积。，An + 1根据下面的公式，如图所示。 五、其中n是所选传感器节点的总数，r是传感器的半径。L1 1/4英寸Y1- Y0-R 2英寸Ln=2.5 ×1.5对于1/ 41吨F选择每个单元内最近的（n）节点，WHD选择Ln1qYn-Y02Xn-X 0 2-rð4Þ每个单元坐标的最近节点Lbn <$qLn12-Ln2ð5Þ通过使用三角测量方法。WHD由两个阶段组成。● 网格形成阶段● 孔洞检测阶段区域An<$pSS-LnLn1S-LbnqLbð6Þð7Þð8Þ5.1.网格形成阶段通常传感器节点是随机分布在感兴趣区域上的，这是相邻节点之间形成孔洞的原因。此外，ROI变得异质，因为没有定义的ROI形状。因此，网格构造算法（Khan等人，2015）用于通过构建一个网格来构建一个均匀的ROI。细胞每个单元格都是一个Za× Zb尺寸的矩形其中Za和Zb是单元格的长度和宽度。面积An1pSS-LnS-因此，一个单元中的孔的面积（Aj）可以通过以下等式计算和求和单个三角形面积的量来确定：n1AjAi91S.M. Koriem，文学硕士Bayoumi/沙特国王大学学报913P=AiX¼英寸ÞX¼英寸ÞP1其中Ai是三角形i的面积，该面积是在将孔切割成许多三角形之后形成的。通过重复前面计算一个单元中的孔面积到同一单元的四个边缘的过程，WHD可以通过以下等式发现该单元中的任何孔面积：4A细胞Aj101为了计算ROI中的总孔洞面积，通过对ROI中的所有单元重复上述过程，WHD可以发现并计算ROI中的总孔洞面积由等式J共Acell111WHD算法在传感器网络感兴趣区域1-对于X = 0到X = k2-{3-对于Y = 0到Y = m4-{5-f（x，y）=（X0+X*Za，Y0+Y *Zb）6-个文件夹7-}孔检测和计算8-对于C = 1至C = i9-{10-对于P = 1到4 //找到所有单元格11-{找到单元格13-对于所有形成的细胞14-{15-查找离单元格边缘点最近的节点（n）16-选择离像元边缘最近的节点17-个文件夹18-对于每个节点nj19-做20-{21-检查传感器ni的感测半径是否到达单元Ci边缘22-如果感应半径达到Pi23-则Ci24-其他25-{26-画出从Pi到每个nj的直线，并构造三角形27-}28-}29-NHi计算此单元格A单元格K 1130-计算所有单元格的总面积Atotal=jAcell31-}6. 绩效评价6.1. 模拟参数在本节中，使用NS-2仿真程序对所提出的WHD算法的性能进行了评估。见图4。 牢房里的洞精确覆盖空洞检测（DCHD）（Prasan等人， 2016）;路径密度（PD）和新的覆盖空洞发现算法（VCHDA）（Dai等人， 2016年）。为了进行比较和评估，考虑了以下参数：1. 平均能源消耗（即参与传感器节点计算ROI中所有孔洞面积所消耗的平均能量2. 平均孔洞发现时间（即，参与传感器节点用于计算ROI中所有孔洞面积的平均持续时间）。在模拟过程中，使用一些标准模拟参数（Dai等人，2016）进行评估，并提出了WHD算法和VCHDA和PD算法之间的准确比较。下表显示了使用的模拟参数（参见图6和表1）。6.2. 仿真结果6.2.1. 平均能耗平均能量消耗可以被定义为在模拟时间期间，在全部部署的传感器节点这将继续，直到WHD算法计算出ROI中发现的总孔面积 图图7示出了当计算ROI中的孔面积时通过使用所有参与传感器节点的平均能量消耗的模拟结果。这是通过使用随机数量的孔和固定数量的传感器节点来完成的众所周知，能量消耗的量直接随ROI中的网络密度（部署的传感器节点的数量）而变化，因此随着部署的传感器节点的数量增加，平均能量消耗增加，反之亦然。由于最大量的能量消耗主要是由通信引起的，WHD仅使用定义数量的传感器节点来有效地计算孔洞面积。因此，传感器节点的最小化使用导致网络的许多增强首先，基站与任意传感器节点之间邻居发现和控制信息交换其次，使用最小数量的传感器节点导致每个单元中的HN的聚合数据量最小。第三，通过确定空洞区域，工作路由协议将避免该空洞区域，从而导致减少总网络延迟。第四，节点间通信时丢弃的数据包最少，从而使节点间重传数据因此，网络中的数据包总数将是最小的。在网络中传输的数据包与功耗之间存在因此，如果传输数据包、丢弃数据包、网络延迟减少，则平均能耗降低。914S.M. Koriem，文学硕士Bayoumi/沙特国王大学学报图五、把洞切割成许多三角形。从图中可以看出。 7表明，WHD算法在平均能耗方面优于PD算法约44%，WHD优于VCDHA约21%，WHD也优于DCHD约15%。平均能耗的提高主要是由于较少的传感器节点参与这导致减少基站和传感器节点之间的通信开销由于WHD算法比其他协议节省了计算空洞面积的能量，因此WHD提高了网络的生存时间，减少了传感器节点之间的通信开销。6.2.2. 平均漏洞发现时间孔洞发现时间可以定义为仅参与传感器节点检测和计算ROI中的总孔洞面积所需的总时间。图8示出了通过仅使用全部部署的传感器节点中的参与节点的平均孔发现时间的仿真结果，这是通过使用随机数量的孔和固定数量的传感器节点来完成的。众所周知，平均漏洞发现时间直接随ROI中的网络密度（部署的传感器节点的数量）而变化，因此随着部署的传感器节点的数量增加，平均漏洞发现时间增加，反之亦然。因此，传感器节点的最小使用导致网络上的许多增强。首先，使用最小数量的传感器节点导致每个单元中的HN的聚合数据量最小其次，节点之间的最小通信和计算工作量，例如基站和任何传感器节点之间的邻居发现分组和控制信息交换，这导致每个小区中的HN的聚合数据量最小第三，通过确定空洞区域，工作路由协议将避免该空洞区域，从而导致减少总的网络延迟。相应地，平均孔细化时间减少。从图中可以看出。 8表明，WHD算法在平均孔发现时间方面优于PD算法约46%平均，WHD也优于VCDHA约33%平均，WHD也优于DCHD约21%，WHD也优于DCHD约21%。平均发现时间的提高主要是由于参与较少的传感器节点。这就导致了沟通的减少-见图6。 WHD流程图。基站和传感器节点之间的通信和计算开销由于WHD算法节省了更多的功率来校准，S.M. Koriem，文学硕士Bayoumi/沙特国王大学学报915表1NS-2模拟参数。路由协议CRP监控区域的形状方形网络尺寸500 m× 500 m节点数基站位置（50，175）数据包大小40字节节点初始能量100 J通信距离10 m数据传输速率250 Kbps图7.第一次会议。平均能耗比较。与其他协议相比，WHD协议计算了网络的空洞面积，提高了网络的生存时间，减少了传感器节点之间的通信开销。7.结论和今后的工作无线传感器网络中空洞的准确检测和计算不仅有助于路由协议避开检测到的空洞区域并修改其到达目的地的路由路径，而且有助于对动物、人、车辆等运动物体的跟踪，以及对火灾蔓延、洪水泛滥等现象的跟踪。针对无线传感器网络节点在有限的电池电量下工作的情况，提出了一种计算无线传感器网络ROI中空洞总面积的减少所消耗的通信时间和计算能力被认为是该网络的主要挑战。WHD为大多数传感器节点提供了传输距离小的优点这一概念导致增加网络的生命周期，减少通信和计算开销，以及提高网络的质量WHD的基本概念如下。WHD采用网格算法将无线传感器网络划分为若干个相似的单元。图8.第八条。平均孔发现时间比较。WHD通过存储每个单元格的坐标位置来单独处理每个单元格，WHD开始通过在每个坐标和选定数量的传感器节点之间绘制线来将每个单元格切割成多个三角形WHD算法计算每个单元中形成的三角形的面积，该面积代表该单元中的孔面积WHD将每个单元中的总孔面积相加，以计算ROI中的总孔面积。由于能量消耗主要是由通信引起的，因此可以使用较少的传感器节点来计算孔洞面积。这使得基站节点和传感器节点之间的邻居发现和控制信息交换的通信成本最小此外，由于每个小区中传感器节点的最小使用，HN的聚合数据量是最小的。上述成果降低了平均能耗、通信开销和平均漏洞发现时间。因此，网络寿命相应增加。为了评估所提出的WHD算法的性能，我们将其性能结果与PD和VCHDA算法的平均能耗和平均漏洞发现时间进行了比较。基于这些比较，很明显，即将到来的结果更有效，并增加了有利于WHD算法的网络寿命。在我们未来的工作中，我们将尝试用较少的移动节点来恢复引用Ahadipour，A.，Haddad，A.，2017年1月。LPKP：基于位置的大规模无线传感器网络概率密钥预分配方案。Int. J. INF. Security 9（1），27-39.Amgoth，T.，Jana，P.，2017.无线传感器网络覆盖空洞检测与恢复算法。对等网络。Appl·10（1），66-78.Antil，P.，Malik，A.，库马尔，S.，2016.基于邻居邻接的无线传感器网络空洞检测协议第七届通信与虚拟化国际会议，pp。 866-874。贝格达河，Lamraoui，A.，2016.无线传感器网络中的边界和孔洞识别。J. Innov.数字生态系统3，1-14。陈志，Li，A.，崔，Y.，Sekiya，H.，2017.“智能工业无线传感器网络的节能广播方案”移动信息系统，文章ID 7538190。Hindawi Publishing Corporation，p. 十七岁戴，G.，丽芙H Chen，L.，中国地质大学，Zhou，B.，（1991年），中国地质大学，2016.一种基于Voronoi图的无线传感器网络覆盖空洞发现算法。国际杂 交 生物学杂志Technol.9（3），273-282.Debnath，S.，辛格，A.，Hossain，A.，2016.“无线传感器网络中覆盖问题和有效传感器部署策略的全面调查”。Indian J. Sci. Technol.9（45）.Febil，A.，Loganathan，D.，2016.基于能量局部修复的传感器部署算法。国际工程科学杂志Res. Technol. 5（7）. Jan，M.，Nanda，P.，他，X.，2017.“PAWN，一种基于有效载荷的无线传感器网络相互认证方案”。并发计算：实践专家，https://doi.org/10.1002/cpe.3986。Jewel，D.，Brundha，P.，Swaminathan，G.，2016.“改进了无线传感器网络中的漏洞检测修复和替换算法覆盖”。 国际科学杂志 Res. Sci. Eng. Technol.（IJSRSET）2（2），724-731.卡 杜 河 Jaini ， P. ， 2015.“Hole Detection and Healing for Improving Coverage inWSNs”。Int. J. 最近的创新趋势计算Commun. 3（2）.汗，A.，阿卜杜拉，A.，Razzaque，M.，2015年1基于虚拟网格的移动sink无线传感器网络动态路由调整方案。IEEE Sensors J. 15（1），526-534。Koriem，S.，Bayoumi，M.，Nouh，S.，2016.无线传感器网络的圆路由协议。Int. J.内特尔Comput. INF. Sci. IJICIS 16（2），21-36。库马尔河，巴西-地丁格拉，S.，2015年8月。无线传感器网络中的覆盖空洞检测。国际计算机网络无线通信（IJCNWC）5（4），540- 548。马哈帕特拉角，Sheng，Z.，Kamalinejad，P.，2017.具有无线能量收集、唤醒无线电和传输控制的绿色无线传感器网络的最优功率控制。IEEE数字对象标识符5，501-518。https://doi.org/10.1109/ACCESS.2016.2644607.Prasan，S.，明，C.，施琳，W.，2016.“一种高效的分布式无线传感器网络覆盖空洞检测协议”。传感器16，386。网址：//doi. org/10.3390/s16030386。●●●●●916S.M. Koriem，文学硕士Bayoumi/沙特国王大学学报Soundarya，A.，Santhi，V.，2017年。“一种有效的算法，用于无线传感器网络中的覆盖 漏 洞 检 测 和 修 复 ” 。 第 一 届 国 际 电 子 学 会 议 。 材 料 工 程 和 纳 米 技 术（IEMENTech），加尔各答，pp。 1比5。Suku，D.，Philip，P.，2015.“无线传感器网络中ROI的漏洞检测和修复”。 Int. J. Eng.Res. 一般科学 3（4），234-240。Wanand，S.，张玉，2016.“无线传感器网络中的覆盖空洞搜索”。第12届移动Ad-Hoc和传感器网络国际会议，pp。 409- 411Wua，M.，塔纳湖Xiong，N.，2016.“数据预测，比较，并在集群无线传感器网络环境监测应用恢复”。信息科学J. 329，800-818.徐，Y.，Zeng，Z.，Deng，O.，2015.“一种能量有效的无线传感器网络修复节点调度算法”。Springer，Science + Business Media，纽约。耶尔马兹岛Dagdeviren，O.，Erciyes，K.，2014.容错感测网路中无定位且能量有效之洞洞绕过技术。J.网络计算Appl.Zaidi，A.，Rakrak，S.，2016.“A Comparative Study of Target Tracking Approach inWirelessSensorNetworks”JournalofSensors，ArticleID3270659.HindawiPublishing Corporation，p. 十一岁赵，J，Gan，O.，Gligor，V.，2017年1月。 基于物联网的无线传感器网络环境监测。Int.Res. J. Eng. Technol.（IRJET）4（01），1371- 1378。赵 ， L. ， 刘 伟 ， 张 ， R. Tan ， Q. ， 2016.“Detecting Boundary Nodes and CoverageHoles in Wireless Sensor Networks”Mobile Information System ， Article ID8310296. Hindawi Publishing Corporation，p. 十六岁