一種適用于感知方向可調(diào)的視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化的方法
【專利摘要】本發(fā)明公開了一種適用于感知方向可調(diào)的視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化的方法，通過提取視頻傳感器節(jié)點(diǎn)的感知方向、感知半徑、坐標(biāo)位置等參數(shù)建立有向型傳感器節(jié)點(diǎn)的數(shù)學(xué)模型；對(duì)網(wǎng)絡(luò)的監(jiān)控區(qū)域進(jìn)行網(wǎng)格化后，建立監(jiān)控區(qū)域模型；基于傳感器節(jié)點(diǎn)的感知范圍有限的特點(diǎn)，建立傳感器節(jié)點(diǎn)感知區(qū)域模型。所建立的區(qū)域覆蓋模型以提高網(wǎng)絡(luò)覆蓋率為優(yōu)化目標(biāo)，采用粒子群算法對(duì)問題進(jìn)行求解。本發(fā)明針對(duì)感知方向可調(diào)的視頻傳感器網(wǎng)絡(luò)提出一種基于粒子群算法的區(qū)域覆蓋優(yōu)化方法，實(shí)現(xiàn)最大化區(qū)域覆蓋率，從而有效提高視頻傳感器網(wǎng)路的資源利用率和服務(wù)質(zhì)量。
【專利說明】
一種適用于感知方向可調(diào)的視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化的 方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于多媒體傳感器網(wǎng)絡(luò)領(lǐng)域，特別涉及一種適用于感知方向可調(diào)的視頻傳 感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化方法。
【背景技術(shù)】
[0002] 視頻監(jiān)控系統(tǒng)越來越受到人們的關(guān)注，也成為當(dāng)前學(xué)術(shù)領(lǐng)域研究的熱點(diǎn)。覆蓋問 題是視頻傳感器研究中最重要的問題之一，覆蓋率在很大程度上影響著監(jiān)控網(wǎng)絡(luò)的性能和 質(zhì)量，已經(jīng)發(fā)展成為一個(gè)研究熱點(diǎn)并得到大量關(guān)注。
[0003] 但是目前視頻傳感器網(wǎng)絡(luò)中仍存在問題。視頻傳感器網(wǎng)絡(luò)的部署大都采用隨機(jī)部 署的方式，隨機(jī)部署無法形成有效的覆蓋，因?yàn)閭鞲衅鞴?jié)點(diǎn)的位置和感知方向無法預(yù)知，往 往存在大量重疊覆蓋區(qū)域和覆蓋盲區(qū)，造成資源浪費(fèi)，影響了網(wǎng)絡(luò)的服務(wù)質(zhì)量。
[0004] 傳感器按照感知區(qū)域的形狀的特點(diǎn)可以分為有向感知型傳感器節(jié)點(diǎn)、全向感知型 傳感器節(jié)點(diǎn)和三維感知模型，傳統(tǒng)傳感器節(jié)點(diǎn)大都是全向感知模型，該類節(jié)點(diǎn)感知角度為 360°。有向感知模型具有方向特性，該類型傳感器的感知方向可以調(diào)整，感知角度小于 360°，感知區(qū)域范圍是一個(gè)扇形區(qū)域。屬于三維感知模型的傳感器節(jié)點(diǎn)的感知范圍為球形。 視頻傳感器節(jié)點(diǎn)屬于有向感知型。視頻傳感器節(jié)點(diǎn)屬于有向感知型，目前有關(guān)傳感器網(wǎng)絡(luò) 區(qū)域覆蓋優(yōu)化問題的研究大都針對(duì)全向感知型傳感器，因此并不適用于視頻傳感器網(wǎng)絡(luò)。 針對(duì)視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化問題，典型的方法是基于虛擬勢場和泰森多邊形的方 法，但這些方法在傳感器節(jié)點(diǎn)數(shù)目多時(shí)的作用并不明顯。
[0005] 綜上，目前針對(duì)通過調(diào)整視頻傳感器節(jié)點(diǎn)的感知方向來提高網(wǎng)絡(luò)覆蓋率的問題研 究較少，而隨著視頻傳感器網(wǎng)絡(luò)規(guī)模的不斷擴(kuò)大，節(jié)點(diǎn)數(shù)目的增多，需要一種可擴(kuò)展性良好 的優(yōu)化方法。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對(duì)現(xiàn)有技術(shù)不足，提供一種適用于感知方向可調(diào)的視頻傳感器網(wǎng)絡(luò)區(qū)域 覆蓋優(yōu)化的方法，對(duì)網(wǎng)絡(luò)中的區(qū)域覆蓋問題進(jìn)行優(yōu)化，對(duì)于提高視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋 率，提高資源利用率和網(wǎng)絡(luò)服務(wù)質(zhì)量具有重要意義。
[0007] 實(shí)現(xiàn)本發(fā)明上述目的所采用的技術(shù)方案為：
[0008] -種適用于感知方向可調(diào)的視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化的方法，包括以下步 驟：
[0009] 1)根據(jù)視頻傳感器節(jié)點(diǎn)的特征和網(wǎng)絡(luò)監(jiān)控區(qū)域的特征建立區(qū)域覆蓋模型，具體包 括：
[0010] (1-1)根據(jù)傳感器節(jié)點(diǎn)的感知方向、感知半徑以及坐標(biāo)位置這些特征參數(shù)建立有 向型視頻傳感器節(jié)點(diǎn)的數(shù)學(xué)模型；其中所述的傳感器節(jié)點(diǎn)為有向感知型傳感器節(jié)點(diǎn)，節(jié)點(diǎn) 的感知區(qū)域是一個(gè)以自身坐標(biāo)位置為圓心，感知半徑為半徑的扇形區(qū)域，實(shí)際的感知區(qū)域 由感知方向決定，而且節(jié)點(diǎn)的感知方向可以調(diào)整；
[0011] (1-2)對(duì)視頻傳感器網(wǎng)絡(luò)的監(jiān)控區(qū)域進(jìn)行網(wǎng)格化，網(wǎng)格化后的監(jiān)控區(qū)域可以看作 是一系列點(diǎn)的集合，傳感器節(jié)點(diǎn)的坐標(biāo)位置是集合中的一個(gè)點(diǎn)，將監(jiān)控區(qū)域視為眾多點(diǎn)的 集合，每個(gè)傳感器節(jié)點(diǎn)覆蓋的區(qū)域是集合的一個(gè)子集，從而建立視頻傳感器網(wǎng)絡(luò)中的監(jiān)控 區(qū)域模型；
[0012] (1-3)以傳感器節(jié)點(diǎn)的自身坐標(biāo)位置為圓心，以傳感器節(jié)點(diǎn)的感知半徑為半徑，創(chuàng) 建一個(gè)圓形區(qū)域，此區(qū)域即為傳感器節(jié)點(diǎn)的感知區(qū)域模型，計(jì)算出每個(gè)傳感器節(jié)點(diǎn)所對(duì)應(yīng) 圓形區(qū)域的上下邊界和左右邊界，并判斷該點(diǎn)是否被傳感器節(jié)點(diǎn)覆蓋，并更新該點(diǎn)的狀態(tài) 值；
[0013] 2)根據(jù)所建立的區(qū)域覆蓋模型，以區(qū)域覆蓋率為優(yōu)化目標(biāo)，建立優(yōu)化模型;所述視 頻傳感器網(wǎng)絡(luò)的區(qū)域覆蓋率是被傳感器節(jié)點(diǎn)覆蓋的區(qū)域面積與監(jiān)控區(qū)域總的面積的比值， 在對(duì)監(jiān)控區(qū)域網(wǎng)格化后，區(qū)域覆蓋率轉(zhuǎn)化為被傳感器節(jié)點(diǎn)覆蓋的點(diǎn)的數(shù)目與點(diǎn)的總數(shù)目的 比值；
[0014] 3)結(jié)合監(jiān)控區(qū)域中的點(diǎn)的狀態(tài)檢驗(yàn)算法，采用粒子群算法求解區(qū)域覆蓋優(yōu)化問 題；
[0015] 4)根據(jù)求得的解調(diào)整視頻傳感器網(wǎng)絡(luò)中各個(gè)傳感器節(jié)點(diǎn)的感知方向，使得區(qū)域覆 蓋率最大化。
[0016] 步驟2)中所述區(qū)域覆蓋率的計(jì)算方法如下：
[0017]
[0018] 其中η表示監(jiān)控區(qū)域內(nèi)視頻傳感器節(jié)點(diǎn)的總數(shù)，Parea滿足0<Parea彡l，Si為任一傳 感器節(jié)點(diǎn)監(jiān)控區(qū)域的面積，且SiiaR 2^是傳感器節(jié)點(diǎn)的扇形監(jiān)控區(qū)域的邊界線與中軸線的 夾角，R表示傳感器節(jié)點(diǎn)的感知半徑，為各個(gè)傳感器節(jié)點(diǎn)覆蓋面積的并集，即為所有 傳感器節(jié)點(diǎn)覆蓋的總面積，S為監(jiān)控區(qū)域的總面積。
[0019] 步驟3)中所述的粒子群算法具體步驟為:a、設(shè)粒子群中的粒子數(shù)為num，粒子的空 間維度與傳感器節(jié)點(diǎn)個(gè)數(shù)相同為n，每個(gè)粒子的位置用一個(gè)η維向量...，β ιη) 表示微粒i的位置向量，K i <num，每一維表示網(wǎng)絡(luò)中的一個(gè)傳感器的感知方向，粒子的速 度向量即視頻傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的感知方向每次改變的角度大小向量記為ε i = (εil，εi2，· · ·，εin);
[0020] b、粒子群中各粒子的速度和位置的迭代更新計(jì)算方法如下所示：
[0021] ei(j(t+l) = ω · ei(j(t)+ci · η · (Pbestid_Pid(t))+C2 · ? · (Gbestd_0id(t))
[0022] Pid(t+1) =Pid(t)+eid(t+l)
[0023] 其中：0<Kmi，(X j2<m2; ￡id表示粒子i在第d維空間的速度，即是傳感器節(jié)點(diǎn)Vd 感知方向角度調(diào)整的大小;cjPc2是學(xué)習(xí)因子，η = κ = ΓΒη(1(1); ω為慣性權(quán)重系數(shù);Pbestid 為粒子i個(gè)體極值中的第d維元素，即個(gè)體極值中傳感器節(jié)點(diǎn)Vd的感知方向大小，Gbestd為全 局極值的第d維元素，即全局極值中傳感器節(jié)點(diǎn)Vd的感知方向大??；
[0024] c、定義粒子i的適應(yīng)度，用函數(shù)fi表示，fi代表傳感器節(jié)點(diǎn)按照向量Pi調(diào)整感知方 向時(shí)所得到的監(jiān)控區(qū)域的覆蓋率，h由下式確定：
[0025]
[0026] 其中，0彡ji彡mi，(X j2彡m2;C[ ji][ j2]記錄了表示點(diǎn)坐標(biāo)為（ji, j2)的點(diǎn)Aj是否在 傳感器節(jié)點(diǎn)的監(jiān)控范圍內(nèi)的狀態(tài)，乂;|p2；|是用來統(tǒng)計(jì)所有處于傳感器節(jié)點(diǎn)覆蓋 范圍的點(diǎn)的數(shù)目，而監(jiān)控區(qū)域的點(diǎn)的總數(shù)目為(mi+Ι) · (Π 12+1);
[0027] d、粒子群算法最終求得的全局最優(yōu)解即是一個(gè)η維向量，當(dāng)視頻傳感器網(wǎng)絡(luò)中的 傳感器節(jié)點(diǎn)分別按照這個(gè)向量布置各自的感知方向時(shí)，整個(gè)網(wǎng)絡(luò)的區(qū)域覆蓋率達(dá)到最大 值。
[0028] 與現(xiàn)有技術(shù)相比，本發(fā)明所具有的有益效果為:本發(fā)明將覆蓋率的面積求解公式 轉(zhuǎn)化為了點(diǎn)求解公式，簡單易行;本發(fā)明的區(qū)域覆蓋模型中包括根據(jù)視頻傳感器節(jié)點(diǎn)的感 知區(qū)域模型，針對(duì)每個(gè)傳感器節(jié)點(diǎn)只驗(yàn)證在其感知區(qū)域內(nèi)的點(diǎn)的狀態(tài)，降低了求解覆蓋率 過程中的時(shí)間復(fù)雜度，對(duì)傳感器節(jié)點(diǎn)個(gè)數(shù)沒有限制，具有良好的可擴(kuò)充性;采用粒子群算法 求解視頻傳感器網(wǎng)絡(luò)中的區(qū)域覆蓋問題，根據(jù)求得的解來調(diào)整傳感器節(jié)點(diǎn)的感知方向，具 有通用性，并具有良好的可擴(kuò)展性。本發(fā)明對(duì)于提高視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋率，提高資源 利用率和網(wǎng)絡(luò)服務(wù)質(zhì)量具有重要意義。
【附圖說明】
[0029] 圖1是本發(fā)明提供的優(yōu)化方法的步驟圖；
[0030] 圖2是視頻傳感器節(jié)點(diǎn)示意圖；
[0031] 圖3是有向感知型傳感器感知方向示意圖；
[0032] 圖4是傳感器節(jié)點(diǎn)感知區(qū)域界定示意圖；
[0033]圖5是粒子群算法的流程圖；
[0034]圖6是采用粒子群算法優(yōu)化前后區(qū)域覆蓋情況示意圖；
[0035]圖7是覆蓋率曲線的收斂過程示意圖。
【具體實(shí)施方式】
[0036]下面結(jié)合附圖及具體實(shí)施例對(duì)本發(fā)明做詳細(xì)具體的說明，但是本發(fā)明的保護(hù)范圍 并不局限于以下實(shí)施例。
[0037] 本實(shí)施例所提供的適用于感知方向可調(diào)的視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化的方法， 其步驟圖如圖1所示，第一步，需要根據(jù)視頻傳感器網(wǎng)絡(luò)中的感知節(jié)點(diǎn)特點(diǎn)、監(jiān)控區(qū)域特點(diǎn) 等建立區(qū)域感知模型。
[0038] 首先建立傳感器節(jié)點(diǎn)的數(shù)學(xué)模型，視頻傳感器有向感知模型如圖2所示。V(x，y)表 示節(jié)點(diǎn)V的二維坐標(biāo)，R表示視頻傳感器的感知半徑，節(jié)點(diǎn)感知范圍即是以R為半徑的扇形感 知區(qū)域，向量f為傳感方向，表示該傳感器節(jié)點(diǎn)感知區(qū)域的中軸線方向，α是扇形區(qū)域的邊 界線與中軸線的夾角，θ = 2α的表示節(jié)點(diǎn)監(jiān)控區(qū)域的邊界線的夾角即感知視角，0<α<3?。視 頻傳感器節(jié)點(diǎn)V能夠覆蓋的監(jiān)控區(qū)域?yàn)閍R 2。
[0039] 監(jiān)控區(qū)域中任意一點(diǎn)A被點(diǎn)V覆蓋的條件是：
[0040] (1)點(diǎn)A和傳感器節(jié)點(diǎn)V之間的距離|PA|<R，兩點(diǎn)之間沒有障礙物或阻隔；
[0041] (2)點(diǎn)A和傳感器節(jié)點(diǎn)V的連線與中軸線向量f的夾角不超過α，即向量％和向量灸 的夾角在[_α，α]之間； UU U UU UU
[0042] 即FiF乏ri .cost?且FKi?:。此外，如果區(qū)域S能夠被視頻傳感節(jié)點(diǎn)V覆蓋，其充 分必要條件是s中的所有點(diǎn)都能被節(jié)點(diǎn)V覆蓋。
[0043] 設(shè)監(jiān)控區(qū)域內(nèi)部署有η個(gè)視頻傳感器節(jié)點(diǎn)，用六元組丨彳=^,知彡η 來表示節(jié)點(diǎn)，xi，yi表示在二維平面內(nèi)節(jié)點(diǎn)Vi的橫縱坐標(biāo)，參數(shù)R表示節(jié)點(diǎn)的感知半徑，參數(shù) g為節(jié)點(diǎn)的感知方向，參數(shù)ai為節(jié)點(diǎn)感知視角大小的一半。Si此時(shí)表示當(dāng)節(jié)點(diǎn)的感知方向?yàn)?g時(shí)能夠被該節(jié)點(diǎn)覆蓋和監(jiān)測的點(diǎn)的集合，31隨^的變化而變化。
[0044] 用極坐標(biāo)的形式表示傳感器節(jié)點(diǎn)的感知方向，^ =：(；R _cosri;.R .sinr,.), G表示傳 感器節(jié)點(diǎn)1的感知方向角，如圖3所示，且〇 W 2T 1:、與1之間的距離DiSlJS
[0045] y "
…… ：(1).
[0046] 、如果被1監(jiān)測到則必須滿足下列條件，即其充分必要條件是：
[0047]
[0048] 然后建立監(jiān)控區(qū)域模型。監(jiān)控區(qū)域記為S。進(jìn)行網(wǎng)格化后，監(jiān)控區(qū)域可以看作是一 系列點(diǎn)的集合。監(jiān)控區(qū)域記為mi X m2的長方形區(qū)域，記為S=mi X m2，監(jiān)控區(qū)域上的任意一點(diǎn) 的坐標(biāo)記為Aj = ( ji, j2)，0彡Kmi，(X j2彡m2。監(jiān)控區(qū)域內(nèi)點(diǎn)的總數(shù)是m=(mi+l) X (m2+l)， 定義(mi+1) X (Π 12+1)維數(shù)組C代表點(diǎn)被傳感器節(jié)點(diǎn)覆蓋的狀態(tài)，定義如下：
[0049]
[0050] 其中為監(jiān)控區(qū)域網(wǎng)格化后得到的網(wǎng)格的數(shù)量，、能被傳感器節(jié)點(diǎn)監(jiān)測 到的條件是兩者之間關(guān)系滿足式(2)，不滿足則點(diǎn)、不在該傳感器節(jié)點(diǎn)的監(jiān)控范圍內(nèi)。
[0051] 最后，根據(jù)視頻傳感器感知區(qū)域特點(diǎn)和監(jiān)控區(qū)域模型特點(diǎn)建立傳感器節(jié)點(diǎn)感知區(qū) 域模型，節(jié)點(diǎn)感知區(qū)域模型如圖4所示。監(jiān)控區(qū)域內(nèi)共有(nu+l)X(m 2+l)個(gè)點(diǎn)，坐標(biāo)為V(x，y) 的傳感器節(jié)點(diǎn)其所有可能的感知范圍的是圖中虛線圓形區(qū)域，可以采用一個(gè)矩形區(qū)域?qū)υ?范圍進(jìn)行說明。
[0052] 四個(gè)頂點(diǎn)分別是圓形區(qū)域四條相互垂直的切線的相交點(diǎn)，四個(gè)點(diǎn)的坐標(biāo)分別是 (x-R，y-R)，（x+R，y-R)，（x-R，y+R)，（x+R，y+R)，傳感器節(jié)點(diǎn)乂所有可能覆蓋的點(diǎn)都在以這四 個(gè)點(diǎn)為頂點(diǎn)的矩形區(qū)域內(nèi)，對(duì)于傳感器節(jié)點(diǎn)V，只需要檢驗(yàn)這個(gè)矩形區(qū)域內(nèi)的點(diǎn)被其覆蓋的 情況。
[0053] jn和jlh分別表示傳感器節(jié)點(diǎn)V=(Xl，yi)所能覆蓋的矩形區(qū)域的左邊界和右邊界。
[0054] jn=max{xi-R,0} (4)
[0055] jih=min{mi,Xi+R} (5)
[0056] 其中j21和j2h分別表示矩形區(qū)域的下邊界和上邊界。
[0057] j2i=max{yi-R,0} (6)
[0058] j2h=min{yi+RJm2} (7)
[0059] 第二步，根據(jù)已經(jīng)建立的區(qū)域覆蓋模型，建立優(yōu)化目標(biāo)函數(shù)。
[0060]監(jiān)控區(qū)域內(nèi)每個(gè)點(diǎn)都只能有一個(gè)狀態(tài)，被覆蓋或者未被覆蓋，數(shù)組CUiHjs]中存 儲(chǔ)了各個(gè)節(jié)點(diǎn)的狀態(tài)，因此二維數(shù)組c[ ji] [ j2]應(yīng)滿足〇 s U ]U]?！?，其中rn = (mi+l) X (m2+l)，此外是用來統(tǒng)計(jì)被傳感器節(jié)點(diǎn)覆蓋的點(diǎn)的數(shù)目。監(jiān)控區(qū) 域被極限網(wǎng)格化后，區(qū)域可以用點(diǎn)的集合得形式進(jìn)行描述，此時(shí)的覆蓋率也近似為被傳感 器節(jié)點(diǎn)覆蓋的點(diǎn)的數(shù)目與點(diǎn)的總數(shù)目的比值，如式(8)。
[0061]
[0062] 覆蓋優(yōu)化問題形式化定義為如下優(yōu)化問題
[0063] max P area (9)
[0064] s.t.
[0065] 0^； ji^imi (10)
[0066] j2^；m2 (11)
[0067] 第三步，采用粒子群算法對(duì)問題進(jìn)行求解。
[0068] 當(dāng)監(jiān)控區(qū)域里面隨機(jī)部署了 η個(gè)視頻傳感器時(shí)，粒子群中的粒子數(shù)為num，粒子的 空間維度應(yīng)與傳感器節(jié)點(diǎn)個(gè)數(shù)相同為n，每個(gè)粒子的位置用一個(gè)η維向量...， Pin)表示微粒i的位置向量，1彡i彡num，每一維表示網(wǎng)絡(luò)中的一個(gè)傳感器的感知方向，例如 β?2表示粒子i的中傳感器節(jié)點(diǎn)V2的感知方向，βη，β?2, . . . ,β?η依次表示傳感器節(jié)點(diǎn)Vl到Vn的 感知方向。粒子的速度向量，即網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)感知方向每次改變的角度大小向量記為 ￡ i 一（￡il，￡i2，· · ·，￡in)〇
[0069] 粒子群中各粒子的速度和位置的迭代更新公式如式（12)和（13)所示，其中 num, KcKn〇
[0070] ei(j(t+l) = ω · ei(j(t)+ci · ri · (Pbestid_Pid(t))+C2 · ? · (Gbestd_0id(t)) (12)
[0071] Pid(t+1) =Pid(t)+eid(t+l) (13)
[0072] 其中：KiSnum, Kd<n; eid表示粒子i在第d維空間的速度，即是傳感器節(jié)點(diǎn)Vd 感知方向角度調(diào)整的大小;cjPc2是學(xué)習(xí)因子，η = κ = ΓΒη(1(1); ω為慣性權(quán)重系數(shù);Pbestid 為粒子i個(gè)體極值中的第d維元素，即個(gè)體極值中傳感器節(jié)點(diǎn)Vd的感知方向大小，Gbestd為全 局極值的第d維元素，即全局極值中傳感器節(jié)點(diǎn)Vd的感知方向大小；
[0073] 定義粒子i的適應(yīng)度，用函數(shù)fi表示，fi代表傳感器節(jié)點(diǎn)按照向量β?調(diào)整感知方向 時(shí)所得到的監(jiān)控區(qū)域的覆蓋率，h由下式確定：
[0074]
(14)
[0075] 其中，0彡ji彡mi，(X j2彡m2;C[ ji][ j2]記錄了表示點(diǎn)坐標(biāo)為（ji, j2)的點(diǎn)Aj是否在 傳感器節(jié)點(diǎn)的監(jiān)控范圍內(nèi)的狀態(tài)，是用來統(tǒng)計(jì)所有處于傳感器節(jié)點(diǎn)覆蓋 范圍的點(diǎn)的數(shù)目，而監(jiān)控區(qū)域的點(diǎn)的總數(shù)目為(mi+Ι) · (Π 12+1)。
[0076] 粒子群算法的流程圖如圖5所示，f(x)為目標(biāo)函數(shù)即適應(yīng)值函數(shù)。粒子群算法最終 求得的全局最優(yōu)解即是一個(gè)η維向量，當(dāng)視頻傳感器網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)按照這個(gè)向量各 自的感知方向時(shí)，整個(gè)網(wǎng)絡(luò)的覆蓋率達(dá)到最大值。
[0077] 第四步，根據(jù)第三步求得的最優(yōu)解來調(diào)整網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的感知方向。 / uu uu 14U uu im、
[0078] 區(qū)域覆蓋中，覆蓋率的求解問題可以歸納為求解一組吏得當(dāng)傳 感器網(wǎng)絡(luò)中各節(jié)點(diǎn)的感知方向按此調(diào)整時(shí)，網(wǎng)絡(luò)的覆蓋率夠達(dá)到最大值。在第三步 中求得的全局最優(yōu)解即是網(wǎng)絡(luò)覆蓋率最大時(shí)各傳感器節(jié)點(diǎn)感知方向的取值。
[0079] 實(shí)施例
[0080] 本實(shí)施例中所有仿真實(shí)驗(yàn)均在Matlab軟件環(huán)境下進(jìn)行。仿真實(shí)驗(yàn)中設(shè)置監(jiān)測區(qū)域 的形狀大小為邊長250X200的矩形區(qū)域，傳感器節(jié)點(diǎn)個(gè)數(shù)為n = 200,節(jié)點(diǎn)感知視角為θ = 2α =60°，感知半徑為R = 20。傳感器節(jié)點(diǎn)的坐標(biāo)分布滿足隨機(jī)正態(tài)分布，模擬傳感器節(jié)點(diǎn)的隨 機(jī)部署，橫軸坐標(biāo)之間不關(guān)聯(lián)，彼此相互獨(dú)立，橫坐標(biāo)的均值為監(jiān)控區(qū)域長的一半，縱坐標(biāo) 的均值為監(jiān)控區(qū)域縱坐標(biāo)的一半。傳感器節(jié)點(diǎn)隨機(jī)部署后的初始感知方向是在[0,2π]之間 隨機(jī)均勾分布。
[0081] 粒子群算法中的參數(shù)設(shè)置為粒子個(gè)數(shù)為100,粒子速度最大值為emax=23i，最大迭 代次數(shù)為Maxnumber= 1600。。1 和C2取值為ci = C2 = 1 · 494，ri = r2 = rand( 1);慣性權(quán)重系數(shù) ω 取值為0.5+rand(l)/2。
[0082] 從圖6中可以看到經(jīng)過對(duì)節(jié)點(diǎn)感知方向進(jìn)行調(diào)整后，區(qū)域的覆蓋率明顯提高不少， 主要因?yàn)閷?duì)節(jié)點(diǎn)感知方向進(jìn)行調(diào)整后，網(wǎng)絡(luò)中的覆蓋重疊區(qū)和覆蓋盲區(qū)都顯著減少，區(qū)域 覆蓋率增大。
[0083]圖7為采用粒子群算法的仿真曲線圖，表現(xiàn)了覆蓋率隨迭代次數(shù)變化情況。由圖可 知算法在迭代到600次左右的時(shí)候已經(jīng)開始收斂，而且曲線平滑，覆蓋率優(yōu)化前為0.56,優(yōu) 化后變?yōu)?.71，區(qū)域覆蓋率得到了明顯的提高，結(jié)果表明基于粒子群算法的區(qū)域覆蓋優(yōu)化 方法能夠有效地提高視頻傳感器網(wǎng)絡(luò)的區(qū)域覆蓋率。
[0084]由實(shí)驗(yàn)結(jié)果可知采用粒子群算法覆蓋優(yōu)化方法能夠效減少區(qū)域中的重疊覆蓋區(qū) 域，提高覆蓋率，而且算法的收斂性能良好。
【主權(quán)項(xiàng)】
1. 一種適用于感知方向可調(diào)的視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化的方法，其特征在于包括 以下步驟：1)根據(jù)視頻傳感器節(jié)點(diǎn)的特征和網(wǎng)絡(luò)監(jiān)控區(qū)域的特征建立區(qū)域覆蓋模型，具體 包括： (1-1)根據(jù)傳感器節(jié)點(diǎn)的感知方向、感知半徑以及坐標(biāo)位置這些特征參數(shù)建立有向型 視頻傳感器節(jié)點(diǎn)的數(shù)學(xué)模型；其中所述的傳感器節(jié)點(diǎn)為有向感知型傳感器節(jié)點(diǎn)，節(jié)點(diǎn)的感 知區(qū)域是一個(gè)以自身坐標(biāo)位置為圓心，感知半徑為半徑的扇形區(qū)域，實(shí)際的感知區(qū)域由感 知方向決定，而且節(jié)點(diǎn)的感知方向可以調(diào)整； (1-2)對(duì)視頻傳感器網(wǎng)絡(luò)的監(jiān)控區(qū)域進(jìn)行網(wǎng)格化，網(wǎng)格化后的監(jiān)控區(qū)域可以看作是一 系列點(diǎn)的集合，傳感器節(jié)點(diǎn)的坐標(biāo)位置是集合中的一個(gè)點(diǎn)，將監(jiān)控區(qū)域視為眾多點(diǎn)的集合， 每個(gè)傳感器節(jié)點(diǎn)覆蓋的區(qū)域是集合的一個(gè)子集，從而建立視頻傳感器網(wǎng)絡(luò)中的監(jiān)控區(qū)域模 型； (1-3)以傳感器節(jié)點(diǎn)的自身坐標(biāo)位置為圓心，以傳感器節(jié)點(diǎn)的感知半徑為半徑，創(chuàng)建一 個(gè)圓形區(qū)域，此區(qū)域即為傳感器節(jié)點(diǎn)的感知區(qū)域模型，計(jì)算出每個(gè)傳感器節(jié)點(diǎn)所對(duì)應(yīng)圓形 區(qū)域的上下邊界和左右邊界，并判斷該點(diǎn)是否被傳感器節(jié)點(diǎn)覆蓋，并更新該點(diǎn)的狀態(tài)值； 2) 根據(jù)所建立的區(qū)域覆蓋模型，以區(qū)域覆蓋率為優(yōu)化目標(biāo)，建立優(yōu)化模型;所述視頻傳 感器網(wǎng)絡(luò)的區(qū)域覆蓋率是被傳感器節(jié)點(diǎn)覆蓋的區(qū)域面積與監(jiān)控區(qū)域總的面積的比值，在對(duì) 監(jiān)控區(qū)域網(wǎng)格化后，區(qū)域覆蓋率轉(zhuǎn)化為被傳感器節(jié)點(diǎn)覆蓋的點(diǎn)的數(shù)目與點(diǎn)的總數(shù)目的比 值； 3) 結(jié)合監(jiān)控區(qū)域中的點(diǎn)的狀態(tài)檢驗(yàn)算法，采用粒子群算法求解區(qū)域覆蓋優(yōu)化問題； 4) 根據(jù)求得的解調(diào)整視頻傳感器網(wǎng)絡(luò)中各個(gè)傳感器節(jié)點(diǎn)的感知方向，使得區(qū)域覆蓋率 最大化。2. 根據(jù)權(quán)利要求1所述的視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化的方法，其特征在于:步驟2)中 所述區(qū)域覆蓋率的計(jì)算方法如下：其中η表示監(jiān)控區(qū)域內(nèi)視頻傳感器節(jié)點(diǎn)的總數(shù)，Parea滿足0<Parea彡US 1為任一傳感器 節(jié)點(diǎn)監(jiān)控區(qū)域的面積，且S1 = CtR2W是傳感器節(jié)點(diǎn)的扇形監(jiān)控區(qū)域的邊界線與中軸線的夾 角，R表示傳感器節(jié)點(diǎn)的感知半徑，為各個(gè)傳感器節(jié)點(diǎn)覆蓋面積的并集，即為所有傳 感器節(jié)點(diǎn)覆蓋的總面積，S為監(jiān)控區(qū)域的總面積。3. 根據(jù)權(quán)利要求1所述的視頻傳感器網(wǎng)絡(luò)區(qū)域覆蓋優(yōu)化的方法，其特征在于:步驟3)中 所述的粒子群算法具體步驟為:a、設(shè)粒子群中的粒子數(shù)為num，粒子的空間維度與傳感器節(jié) 點(diǎn)個(gè)數(shù)相同為n，每個(gè)粒子的位置用一個(gè)η維向量β?=(βη，β?2,. . . ,Pin)表示微粒i的位置向 量，KiSnum，每一維表示視頻傳感器網(wǎng)絡(luò)中的一個(gè)傳感器的感知方向，粒子的速度向量 即視頻傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的感知方向每次改變的角度大小向量記為E 1=Uu, ε 12, . . . , εin)； b、粒子群中各粒子的速度和位置的迭代更新計(jì)算方法如下所示： ￡id(t+l) = ω · Eid(t)+Cl · Π · (Pbestid_Pid(t))+C2 · Γ2 · (Gbestd-Pid(t)) 0id(t+l)=0id(t)+￡id(t+l) 其中：KiSnum, Kd<n; eid表示粒子i在第d維空間的速度，即是傳感器節(jié)點(diǎn)Vd感知 方向角度調(diào)整的大小；Ci和C2是學(xué)習(xí)因子，ri = r2 = rand(l); ω為慣性權(quán)重系數(shù);Pbestid為粒 子i個(gè)體極值中的第d維元素，即個(gè)體極值中傳感器節(jié)點(diǎn)Vd的感知方向大小，G bestd為全局極 值的第d維元素，即全局極值中傳感器節(jié)點(diǎn)Vd的感知方向大小； c、 定義粒子i的適應(yīng)度，用函數(shù)fi表示，fi代表傳感器節(jié)點(diǎn)按照向量Pi調(diào)整感知方向時(shí) 所得到的監(jiān)控區(qū)域的覆蓋率由下式確定：其中，0彡ji彡mi，(X j2彡m2;C[ ji][ j2]記錄了表示點(diǎn)坐標(biāo)為（ji, j2)的點(diǎn)Aj是否在傳感 器節(jié)點(diǎn)的監(jiān)控范圍內(nèi)的狀態(tài)：用來統(tǒng)計(jì)所有處于傳感器節(jié)點(diǎn)覆蓋范圍 的點(diǎn)的數(shù)目，而監(jiān)控區(qū)域的點(diǎn)的總數(shù)目為(nu+1) · (m2+l); d、 粒子群算法最終求得的全局最優(yōu)解即是一個(gè)η維向量，當(dāng)視頻傳感器網(wǎng)絡(luò)中的傳感 器節(jié)點(diǎn)分別按照這個(gè)向量布置各自的感知方向時(shí)，整個(gè)網(wǎng)絡(luò)的區(qū)域覆蓋率達(dá)到最大值。
【文檔編號(hào)】H04W16/18GK105898765SQ201610397383
【公開日】2016年8月24日
【申請(qǐng)日】2016年6月7日
【發(fā)明人】熊永華, 陳婭, 曹衛(wèi)華
【申請(qǐng)人】中國地質(zhì)大學(xué)（武漢）