无线传感器网络区域覆盖技术研究综述

无线传感器网络区域覆盖技术研究综述

杨秀杰󰀁󰀁󰀁华江锋

（沈阳理工大学，辽宁 沈阳 110168）

摘󰀁󰀁󰀁要：WSN区域覆盖技术可以有效延长无线传感器网络（Wireless Sonsor Networks， WSN）的生存周期，一直都是人们研究的热点问题之一。在保证网络覆盖质量的基础上，WSN区域覆盖技术通过调度节点状态，降低节点能耗从而延长网络生存周期。本文对现阶段典型的WSN区域覆盖节点调度算法原理进行扼要说明，分析它们各自的优缺点并做出相关总结。关键词：WSN区域；NSS算法；Gao算法中图分类号：TN929󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁文献标志码：A

０　引言

随着科学技术的不断更新与日益发展，无线传感器网络因其功耗低、随机部署以及网络组织方式多样化等优点在军用和民用领域中大放异彩，发挥着愈加重要的作用。WSN被美国评为人类未来高新技术产业之一。无线传感器的能量通常是由网络节点携带的干电池供应的，具有资源有限、不可再生的缺点。因此，如何节省节点能量从而延长网络生命周期是WSN设计的一个重要考虑问题，区域覆盖技术正是因此应运而生。近些年来，国内外专家针对WSN区域覆盖技术中的问题提出了许多节点调度算法。这些算法各有优劣，应根据具体应用合理选择。

M1={n1，n4}，M2={n2，n3}，即析可知，图1的最优解为：这4个节点可以划分为两个集合。

HCA算法的优点是设计直观，可以有效延长网络生命周期。它的缺点是由于该算法是根据节点位置计算覆盖区域集合的，因此不宜扩展使用。而且，如果集合中的某些节点失效，就会大大影响该集合功能，甚至造成集合完全失效。

１．２　ＮＳＳ算法

NSS（Node Self-Scheduling）算法是一种基于节点状态转换的调度算法。该算法中的节点可以进行自我调度，具体工作包括：首先，节点向自身的邻居节点广播包括自身id号与坐标的信息包；其次，节点比较自身覆盖面积与其邻居节点的覆盖范围大小，如果前者大于后者，则该节点转入休眠状态，否则该节点仍然处于调度工作状态。在节点自我调度过程中，可能会出现覆盖空洞的情况。针对这个问题，国外学者提出在节点调度检查之前执行一个基于载波侦听协议的退避机制。

NSS算法的优点在于可以有效降低节点能耗与延长网络生命周期，此外，即使网络中出现节点失效与信息包丢失的情况，也不会对整体算法的运行产生严重影响，即该算法的鲁棒性较好。该算法的不足在于为了实现节点坐标精确定位，会增加节点硬件成本与节点能耗，而且，该算

１　典型的ＷＳＮ节点调度算法

１．１　ＨＣＡ算法

HCA（Heuristic Coverage Algorithm）算法是由国外学者提出的一种基于集合轮流概念的节点调度算法。该算法的主要思想是将传感器节点分成几个彼此之间没有重合部分并且可以轮流对网络区域进行监测的节点集合。算法中的节点覆盖监测区域如图1所示。

AB法的网络连通性设计不够合理，会对网络性能造成一定影响。

１．３　ＰＥＡＳ算法

PEAS算法在保证网络质量的基础上，尽可能地降低网络能耗，使某些节点处于休眠状态。只有当这些休眠节点周围没有工作节点时，它们才转换为工作状态，否则继续保持休眠状态。节点即使处于休眠状态，也要不定期地进行自我唤醒并监测周围环境。如果该节点发现邻居节点

图1 节点覆盖监测区域

CD中有失效节点便将自身唤醒，替代失效节点完成相应工作，从而保证网络工作正常运行。因此，该算法包括环境探测与自适应休眠两部分内容。

PEAS算法是一种分布式算法，因此扩展性良好，可以在大规模的WSN中投入使用。而且由于网络中的部分节点某些时段会处于休眠状态，因此网络的整体开销也相对较

在图1中，监测区域ABCD有n1、n2、n3和n4 4个节点，这4个节点监测将区域ABCD划分成9个子区域，即图中的1~9所示区域。那么，这4个节点的覆盖监测区域分别为n1={1，4，7，2，5，8}，n2={1，2，3，4，5，6}，n3={4，5，6，7，8，9}，n4={2，5，8，3，6，9}。通过分

- 34 -

信 息 技 术

小。此外，通过调整节点的探测区域大小可以有效改善网络的覆盖冗余度。该算法的主要缺点是可能会造成网络中的节点能耗不均衡，导致某些节点因负担工作过重而过早的死亡，从而进一步影响到整体的网络覆盖质量。

１．４　ＳＰＡＮ算法

SPAN算法是国外学者提出的一种基于构造骨干网络的节点调度算法。在该算法中，总共有3种节点类型：骨干节点和非骨干节点。骨干节点是构成骨干网络的节点，它处于工作状态并能保证网络覆盖质量。而非骨干节点则是处于休眠状态的节点。骨干网络中的节点彼此之间可以连通，非骨干节点也要确保能和骨干节点彼此通信。骨干节点还被用来转发网络数据的节点，它的负担工作较重，因此需要节点轮流替换完成相应功能。非骨干节点可以通过竞选称为骨干节点，其状态也相应地由休眠状态转换为工作状态。整个骨干网络都是在动态变化的，节点的状态也会不断转换。

SPAN算法的优点是对各个节点状态的工作做出明确划分，同时尽可能地均衡节点能耗，因此在延长网络生命周期方面具有一定优势。该算法的主要不足是设计较为复杂，节点状态转换较为频繁，同时由于骨干节点的负担工作较重，因此会消耗较多能量，而且该算术对传感器网络的连通性也有一定要求。

１．５　Ｄｉｔｉａｎ算法

Ditian算法也是一种分布式算法，它通过节点间的几何关系判断节点是否冗余，在保证网络覆盖质量的基础上让冗余节点处于休眠状态，从而降低节点能耗。算法原理图如图2所示。

yPQOSMXN图2 Ditian算法原理图

在图2中，节点O与节点S的覆盖圆形范围相交于点P与点N，两个节点的相交重合区域为R_PQMN。由图中的几何关系可知，节点重合区域的面积不易求出，而扇形区域PQN的面积则相对容易计算。扇形区域PQN的面积是S节点对O节点的贡献面积。只要求出扇形PQN对应圆心角∠CON的角度在0~360°，就可以确定A是冗余节点，进而令其处于休眠状态。

Ditian算法的优点是不依靠节点的具体坐标，这样便减少了节点的能源消耗，大大降低了系统开发成本。 该算法的缺点是在判断节点是否冗余过程中只考虑了节点通信范围内局部邻居节点的贡献面积，并没有考虑全部可通信的

2018 NO.2（上）中国新技术新产品邻居节点对自身的面积贡献，因此其计算结果不够精确。

１．６　Ｇａｏ算法

Gao算法是国外学者提出的一种基于概率统计思想的WSN节点调度算法，同Ditian算法一样，该算法也是将判断节点冗余性作为自身的核心设计部分。但不同的是，Gao算法是通过概率计算节点冗余性。节点冗余概率的具体计算过程为：

（1）

上式中的n表示概率节点的邻居节点个数。同时，节点没有被n个邻居节点覆盖的期望为：

（2）

从上面两个计算公式可以看出，如果某个节点通信范围内存在11个一跳邻居节点，则该节点有90%以上的概率具有完全的冗余性，如果某个节点通信范围内存在5个一跳邻居节点，则该节点的冗余覆盖面积超过了90%。

Gao算法的主要优势同样是不依靠节点的具体坐标，可节省节点能耗，降低网络系统成本。但其不足之处同样是计算节点冗余性时只考虑了节点通信范围内局部邻居节点的影响因素，然而由于算法利用概率公式求解，其计算精确性比Ditian算法更为可靠。

结语

从20世纪开始，WSN区域覆盖技术逐渐进入人们视野并得到了大力发展，对WSN的应用起到了极大作用。除了文章中所提到的节点调度算法，国内外还有很多相关研究成果正处于完善阶段或者已投入实际应用。现阶段的节点调度算法各有优势与不足，具有各自的应用场景。未来的区域覆盖技术除了从均衡节点能耗以及转换节点状态方面提高未来覆盖质量，还可以从节点密度以及网络连通性

方面进行更多的探索和研究。

参考文献

[1]Zhu Chuan， Zheng Chun-lin， Shu Lei， et al. A survey on cov

erage and connectivity issues in wirelesss sensor networks[J].Journal of Network and computer Applications， 2012，35（2）:619-632.[2]凡高娟，孙力娟，王汝传，等.距离辅助的无线传感器网络节点覆盖判别模型[J].通信学报，2010，31（8）：128-133.

[3]乐俊，张维明，肖卫东，等.一种能量高效和均衡的无线传感器网络分簇数据融合算法[J].国防科技大学学报，2012，34（6）:66-71.

- 35 -