基于虚拟引力约束的光纤传感器网络节点空洞智能修复算法研究

宋亚磊

(郑州商学院现代教育技术中心，河南 巩义451200)

光纤传输传感网络是一种以信息感知、处理和传输为一体的大规模随机分布的传感节点，在桥梁、大坝、油田等城市建设中均有应用，考虑到大多数光纤传输传感网络都是由静态或动态的传感器节点组成，能够实时地获取各个监测目标的信息，并将采集到的全部信息通过通信设备发送至系统服务器。但是在应用过程中极易出现能量消耗或其他原因，导致出现未被光纤传感节点覆盖的监测区域，即“覆盖空洞”[1－2]。覆盖问题在光纤传输传感网络中一直广泛受到各界学者的关注，其中主要包括节能问题、连通性问题等。未来阶段，将重点研究如何促使服务器内各个节点至少获取一个传感器节点的监控。

于春荣等人[3]为了实现物联网中任意节点的快速定位，设计基于光纤传感的快速定位技术，实验结果表明该方法定位精度与节点数量密切相关，该方法应用效果较好，但是存在耗时较长问题。金保林等人[4]提出一种基于蚁群优化算法的坏死节点躲避路由算法，在考虑链路中多种因素的影响下，选取数据传输的最优路径。该方法耗时指标较为理想，但是其实现过程复杂度较高，不适宜广泛应用。李炜等人[5]通过调度光纤应变网络节点位置关系，提高覆盖质量，最终完成光纤应变传感器节点高效覆盖，该方法实现过程较为简单，但是应用效果不理想。Zy A等人[6]利用矢量量化方法，找出协作通信中的主动节点，研究了整个网络的性能参数。首先对节点位置进行了数学分析，并根据节点的传感输出进行能量检测。仿真结果与理论方法和仿真方法进行了比较。该方法有效地解决了传统无线传感器网络的功耗分析问题，但是存在数学分析容易出错的问题。Harizan S[7]针对调度问题提出了一种改进的NSGA－II算法。考虑了传感器节点的覆盖率、连通性和剩余能量等多个参数，该算法应用效果较好，但是存在耗时较长的问题。

针对传统光纤传感器网络节点空洞修复方法存在的问题，本文提出基于虚拟引力约束的光纤传感器网络节点空洞修复算法，以期能够快速、准确完成络节点空洞修复。

1 基于虚拟引力约束的光纤传感器网络节点空洞修复算法

1.1 基于IVFA-B算法的虚拟引力模型

随着光纤传输传感网络综合性能的不断提升。光纤传感技术不仅能够实时进行数据采集，同时也能够进行数据处理，同时还能够有效向用户反映真实的数据变化情况。将低成本和低能耗的传感器节点任意分布在设定的监测区域内，利用图1给出光纤传感器网络结构示意图。

图1 光纤传感器网络结构的具体示意图

通过分析图1可知，光纤传感器网络主要包含以下三种不同的节点，分别为:①管理节点；②汇聚节点；③传感器节点。其中，在监测区域分布最为广泛的就是传感器节点，同时也被称为感知节点；在整个网络中只含有一个管理节点，通过管理节点实现全部节点的管理；汇聚节点在整个网络中主要承担数据采集以及数据管理工作。

现阶段的覆盖问题能够划分为很多种，其中包含多种不同的分类方法，具体分类如图2所示:

图2 光纤传感器网络覆盖问题分类

传感器节点在监测区域内移动的过程中会受到虚拟力的影响，虚拟力可能是两种不同的力，分别为:①吸引力；②排斥力。

通过上述不同的作用力能够有效计算节点之间的最佳部署距离[8]。

其中虚拟力的模型能够表示为式(1):

式中，dij代表不同节点之间的欧式距离；αij代表不同节点之间的方向角；ωα代表虚拟引力；ωr代表斥力参数；Dth代表网络设定的距离阈值[9－10]。

在具体的操作过程中，光纤传感器网络需要满足以下的约束条件:①在算法的初始计算过程中，传感器节点会被随机分布在监测区域内，同时各个节点的性能是一样的。②各个节点中都含有移动执行器，移动执行器能够保证节点在移动区域内任意移动。其中各个节点都含有相同的初始能量，同时节点在移动过程中还会消耗一定的能量[11]。③传感器节点利用GPS或者其他定位算法获取节点自身的坐标信息，同时也能够获取邻近节点之间的距离关系。

其中各个节点之间的作用力计算如式(2):

式中，Rc代表节点的通信半径。

被选用模型主要在经典虚拟力模型中添加了以下几方面的条件，具体如下所示:①当节点距离高于通信半径时[12－13]，需要将虚拟力的取值设定为0，使其满足现阶段的发展需求。②网络中的节点由于受到不同力的影响，会使其移动出监测区域内，形成无用的节点。

在上述分析的基础上，在所提算法中加入区域边界对节点的斥力作用，确保监测区域内的节点不会随意移动[14]。假设节点之间不存在斥力作用，则有式(3):

式中，dib代表节点和区域边界之间的距离；ωb代表边界斥力参数；Dth－b代表节点和区域边界之间的距离阈值。

式中，

通常情况下，监测区域是一个四边形，因此节点会受到各个区域边界的作用力，其中x1、x2、y1、y2分别代表不同的方向。

在此基础上可以得到传感器节点受到的虚拟力合力为式(5):

式中，k代表邻近节点的数量[15－16]。

结合上述分析可知，节点的移动距离是需要通过相关的计算式获取的，则有:

式中，xiold代表节点移动之前的位置；Fx代表传感器在x方向上的投影；Fy代表传感器在y方向上的投影；Fxy代表增加在传感器上的合力[17]；Maxdis代表节点的单位最大移动距离。

以下需要对节点si进行受力分析，其中排斥力的计算式为:

其中吸引力的计算式为:

在A×B监测区域内，忽略相关的参数，则能够获取以下的计算式:

当节点si受力平衡，且达到稳定的状态，则有:

由于区域边界对节点的排斥力是一致的，则:

模拟经典的虚拟力模型，通过模拟结果得到对应的距离阈值[18－19]，根据距离阈值实时调节传感器节点之间的作用力属性。

通过节点的密集程度能够详细描述节点在监测区域内的分布情况，具体的计算式如下所示:

式中，N代表节点的邻居节点数量；din代表节点到邻居节点之间的欧式距离。

利用图3给出不同距离的阈值分析图[20]，当覆盖率a<1时，则说明节点没有完全覆盖整个监测区域内，其中距离阈值的计算式(14)为:

图3 距离阈值分析结构图

当监测区域内的覆盖率a≥1时，则说明整个监测区域中存在覆盖空洞，得到距离阈值的公式如式(15)所示:

2.2 基于虚拟引力约束的光纤传感器网络节点空洞修复算法

利用图4给出相邻三个节点组成的正三角形[21－22]，图4(a)代表在相同结构传感器网络中全部节点的详细覆盖情况；图4(b)是图4(a)三个圆心围成的正三角形的基础上，三个交点相交形成最大的覆盖面积[23－24]。

图4 相邻三个节点组成的正三角形

分析图5可知，假设其中任意一个节点的感知半径为R1，另外一个节点的感知半径为R2，R1>R2，则设定R1＝r，R2＝kr，0

图5 传感器节点分析图

在三角形中，能够获取以下的计算式:

式中，节点的能量阈值[25]计算式为:

传感器节点在移动的过程中，由于节点的能量不同导致节点移动的概率也存在一定的差异，以下给出具体的计算式:

式中，节点移动距离的计算公式为:

将上述过程中得到的节点最佳距离和对应的最佳距离阈值相结合，计算传感器网络的适用度，并且将节点的移动概率引入到对应的计算式中，实现光纤传感器网络节点空洞修复。

3 仿真分析与结果

考虑到光纤传感器网络节点空洞修复的复杂性，不同方法修复的有效性主要通过MATLAB仿真软件进行，因此本文搭建的仿真平台为:Intel(R)Core(TM)i3，主 频3.7 GHz，内 存4.0 GHz，Windows10.0操作系统，并采用Visual C＋＋软件编程。并将引言中提到的文献[3]DSN中基于虚拟部队的节点部署和目标定位方案、文献[4]基于光纤传感的物联网节点定位技术研究以及文献[5]中性光纤通信网络中坏死路由算法的设计，作为对比方法进行对比验证。

3.1 仿真设置

首先需要明确的是，仿真过程中为了排除偶然性因素的影响，使结论更具有普遍意义，需要设置重复组求其平均值，下述仿真过程中涉及的测试结果均为50次测试的平均值，具体测试过程如下:①在100 m×100 m的光纤传感器网络监测区域内部随机部署若干个感知半径为R的传感器节点；②设置通信半径为10 m，陷阱空洞直径阈值为20 m，输入至MATLAB仿真软件中生成如图6所示的陷阱空洞检测与修复仿真示例。③测试四种算法的感知半径，距离阈值以及节点能量阈值变化情况。

图6 修复仿真示例

3.2 仿真测试结果

3.2.1 不同算法的感知半径对比

以下给出四种算法在传感器数量不断发生变化的情况下，各个修复算法的感知半径对比情况如表1所示。

综合分析表1的数据可知，不同算法的感知半径会随着传感器数量的变化而变化，其中所提算法的感知半径在四种方法中为最高，表明所提方法能够更好地完成光纤传感器网络节点空洞修复。

表1 四种算法的感知半径变化情况

3.2.2 距离阈值

以下分别给出四种算法的距离阈值变化情况，具体如图7所示。

分析图7可知，传感器数量与距离阈值存在密切相关关系，其中基于虚拟引力约束的光纤传感器网络节点空洞智能修复算法的距离阈值相比其他三种方法有了较为明显的下降，这说明所提能够具有较高的运行效率。

图7 不同算法的距离阈值对比结果

3.2.3 节点能量阈值

以下分别对比四种光纤传感器网络节点空洞修复算法的能量阈值，具体的对比结果如表2所示。

表2 不同算法的节点能量阈值变化情况

分析上述实验数据可知，本论文所设计的算法能量阈值在四种算法中为最高，说明研究的实际应用效果最优，相比较传统方法，所提算法具有更多优势。

4 结束语

针对传统的光纤传感器网络节点空洞修复算法存在感知半径较低、距离阈值较长等问题，本文设计并提出基于虚拟引力约束的光纤传感器网络节点空洞修复算法。在综合分析设计的基础上通过实验进行验证，实验结果表明本文设计方法具有一定有效性以及适用性。

未来阶段，将重点针对以下几方面展开研究:①本文在计算的过程中是不存在障碍物的，在实际应用的过程中会存在障碍物，造成网络性能的下降，如何在有障碍物的情况下提升算法的覆盖能力成为下一阶段研究的重点内容。②未来阶段在扩大研究范围，如何在三维空间中得到最佳的部署，也是未来阶段研究的热点话题。