无线传感网络节点优化部署论文

摘要：在无线传感网络节点部署时，由于优化算法的差异，使得优化部署后网络覆盖率依旧较低，提出基于BBO算法的无线传感网络节点优化部署研究。基于无线传感器网络结构，生成线性网络，采用该网络完成数据的周期性采集，寻找最佳工作节点和中继节点数量，并通过二者之间的合理分布，确定最优节点传输距离。依托于BBO算法设计节点布局方案，计算网络覆盖率，实现网络节点优化部署。实验结果表明：不同迭代次数以及节点数目下网络平均覆盖率提升了1.20%、2.34%。

关键词：BBO算法;无线传感器;周期性采集;网络节点;传输距离;部署优化;

作为无线传感器网络配置的基础问题之一，网络覆盖率和连通性是优化节点部署的主要目标[1]。对于无线传感网络来说，性能的提升取决于节点部署的合理性，合适的优化部署可以提升网络的感知能力，促进无线传感网络良好发展[2]。

文中采用BBO算法设计了新的无线传感网络节点优化部署方法。以生物地理学优化算法为基础，通过网络节点的初始化、迁移操作和突变操作，获得最后部署方案。

1 无线传感网络节点优化部署设计

1.1 建立无线传感器网络模型

对于无线传感网络工作内容分析后可知，通过n个传感器，构成整体传感网络[3]。并在检测区域内将网络节点随机分布[4]，生成一个线性网络，采用该网络完成数据的周期性采集。网络节点集合为S={s1,s2,⋯,si,⋯,sn}，传感器节点数量为n，其中传感器节点si表示第i个节点。通过分析可知，所有的无线传感器节点都具有一些特质。由于无线传感器网络是由所有节点共同构成，每个节点都有独有的标识，节点在周期内生成1 bit数据，并将其发送至基站[5]。

无线传感器节点主要包括工作节点、中继节点两种类型。前者需要完成数据的感知和传输工作，后者则仅负责数据传输[6]。在传感器网络中出现节点死亡现象后，则表示网络寿命达到了尽头。而网络寿命与总节点数的比值就是网络效率[7]。

伴随着传输距离的变化，数据传输消耗能量也会产生变化，并且呈现指数增长趋势。假设传输距离为d,1bit数据发送和接收的能耗J计算公式为：

计算过程中，首先需要比较传输距离d与距离门限d0，从而确定计算方式。节点数据发送或接收电路功耗为E;依托于增长指数ε和节点数量l，利用自由空间信道模型，获得功率放大器功耗计算结果。

1.2 描述优化部署目标

根据网络模型可知，距离基站最远的工作节点nw的传输距离di，也就是工作节点和中继节点之间的距离。而两个节点之间的传输距离表示为d1。工作节点i和其相邻工作节点之间的中继节点数量为m(i)，而节点感知半径为r。这种条件下，无线传感器节点优化部署的目标表示为：

为了避免传感器网络中节点因能量空洞出现部分节点死亡的情况，保证数据收集过程中，每个节点消耗相同能量，则无线传感器网络的寿命计算公式表示为：

其中网络寿命Elife的计算，需要计算初始功耗E0与发送或接收电路功耗E的比例。此时，网络效率的计算公式为：

网络节点的优化部署，实际上就是寻找最佳工作节点和中继节点数量，并通过二者之间的合理分布，确定最优节点传输距离，保证无线传感网络的覆盖率提升，用公式表示为：

根据公式可知，网络覆盖率argmaxμ提升需要确定结合工作节点nw，传输距离di和中继节点nr共同计算。根据上述公式可以发现，无线传感网络节点优化部署是一个复杂的问题。

1.3 设计BBO节点布局算法

由于BBO算法在部署节点时需要采用整数编码的形式，使得每个解都表示一个正数向量。将算法的解看作栖息地，也就相当于节点优化部署方案[8]。而栖息地适宜性指数HIS则表示该部署方案的合理性。通过多个适应度指数的结合分析，选择最佳优化部署方案。

文中利用均匀设计生成初始种群，并使得搜索范围内种群均匀分布，从而减少计算复杂度。种群栖息地的分量计算公式表示为：

公式中栖息地i的d维分量表示为Hi(d)，而适应度函数的目标上、下限分别表示为ud和ld。通过随机函数rand()的计算得出最终结果。

利用BBO算法设计网路节点优化部署方案时，每个方案中节点都有不同的迁入率和迁出率，并且这两个计算结果影响最终的方案选取。一个合理的优化部署方案必然会存在较高的迁出率，以及迁入率会相对较低。则迁入率和迁出率的计算公式为：

公式中迁入率λ的计算需要以栖息地的最大迁入率I为基础，同样迁出率σ也是应用最大迁出率Q获得计算结果。其中，针对某一网络节点α，将节点的当前数量αi与可容纳最多数量αmax对比计算。作为一种概率算子，突变操作会随着先验物种计数概率变化，完成优化部署方案分量的修改，从而影响方案合理性排序。

通过离散化算法，使得监测区域内，等间距水平线和竖直线呈现出交错相连状态，并确定线与线之间的交点，分析其与传感器节点距离。当计算结果比节点的感知半径小时，交点可以被检测到。通过检测到交点的数量统计，明确该优化部署方案实施后的网络覆盖率，得出最佳网络覆盖率结果后，就实现了无线传感网络节点优化部署。

2 实验

2.1 实验准备

文中采用仿真软件，模拟无线传感网络节点优化部署，从而观察文中提出优化部署方法的应用效果。实验过程中，将网络的规模设置为1000m，并设置线性网络的节点感知半径为200m。收集lbit数据时节点传输距离阈值设置为87，初始化能量和功率放大所需能量分别为0.5 mw和0.0013mw。由于原传感器节点在监测区域中的覆盖程度较低，应用文中设计的方法优化部署网络节点。

2.2 实验结果及分析

在无线传感器节点部署实验中，将工作节点数量设置为3,4,5,6,7，分析不同工作节点数时的网络性能差异。文中为了保证无线传感器网络效率，需要在较少的工作节点的基础上，通过节点部署优化，实现网络效率和网络覆盖率的同步提升。采用文献[[1] 曹义亲,喻松,黄晓生.改进的PSO动态WSN节点部署算法[J].计算机工程与设计,2019,40(5):1231-1236." href="http://kns-cnki-net-443--bjmu.bjmu.doc110.com/KXReader/Detail?invoice=P%2BB%2Bbs2SpLAroPrmn11Daptrd5rGgWGIT8Ag%2BMbIgABTfbhjM8dTJHbxpcWl%2F938g4YJAf2oiSNCmcMeBeuEfEw4%2Fwobs2maXb%2BpO3gVEnfUuk%2BorS6TR5MvrW066PkKd170ETz7sPlBDx6aozpa2bJZTcn%2F2%2FFiK%2BzFvKPb%2BtY%3D&DBCODE=CJFD&FileName=DNZS202202019&TABLEName=cjfdauto&nonce=3F0045A29A8B49FC8B8F427EA3DC2422&uid=&TIMESTAMP=1648378551401">1]方法和文献[[2] 刘玲.基于FFT算法的物联网终端网络自适应节点部署方法[J].中国电子科学研究院学报,2019,14(8):791-797." href="http://kns-cnki-net-443--bjmu.bjmu.doc110.com/KXReader/Detail?invoice=P%2BB%2Bbs2SpLAroPrmn11Daptrd5rGgWGIT8Ag%2BMbIgABTfbhjM8dTJHbxpcWl%2F938g4YJAf2oiSNCmcMeBeuEfEw4%2Fwobs2maXb%2BpO3gVEnfUuk%2BorS6TR5MvrW066PkKd170ETz7sPlBDx6aozpa2bJZTcn%2F2%2FFiK%2BzFvKPb%2BtY%3D&DBCODE=CJFD&FileName=DNZS202202019&TABLEName=cjfdauto&nonce=3F0045A29A8B49FC8B8F427EA3DC2422&uid=&TIMESTAMP=1648378551401">2]方法进行网络节点优化部署设计。

覆盖率：是衡量无线传感器网络节点部署结果的重要指标。表述方式为工作节点重叠个数的覆盖面积与总部署区域面积之间的比值，具体计算方式如下所示：

上式中，L表示符合测试条件的采样点数量;R表示总采样点数。

随着节点部署的优化，会使得网络覆盖率产生较大变化，针对不同迭代次数和不同节点数目情况，分析三种优化部署方法的网络覆盖率性能变化。其中，迭代次数对网络覆盖率影响如图1所示。

网络覆盖率随着迭代次数的变化情况可以发现，文中提出的优化部署方法，由于节点受力范围的减小，使得节点每一次移动的步长较小，造成前期收敛速度慢的情况。但是从迭代次数超过40次后，此时文中设计优化部署方法，在网络覆盖率性能方面逐渐优于文献[[1] 曹义亲,喻松,黄晓生.改进的PSO动态WSN节点部署算法[J].计算机工程与设计,2019,40(5):1231-1236." href="http://kns-cnki-net-443--bjmu.bjmu.doc110.com/KXReader/Detail?invoice=P%2BB%2Bbs2SpLAroPrmn11Daptrd5rGgWGIT8Ag%2BMbIgABTfbhjM8dTJHbxpcWl%2F938g4YJAf2oiSNCmcMeBeuEfEw4%2Fwobs2maXb%2BpO3gVEnfUuk%2BorS6TR5MvrW066PkKd170ETz7sPlBDx6aozpa2bJZTcn%2F2%2FFiK%2BzFvKPb%2BtY%3D&DBCODE=CJFD&FileName=DNZS202202019&TABLEName=cjfdauto&nonce=3F0045A29A8B49FC8B8F427EA3DC2422&uid=&TIMESTAMP=1648378551401">1]方法、文献[[2] 刘玲.基于FFT算法的物联网终端网络自适应节点部署方法[J].中国电子科学研究院学报,2019,14(8):791-797." href="http://kns-cnki-net-443--bjmu.bjmu.doc110.com/KXReader/Detail?invoice=P%2BB%2Bbs2SpLAroPrmn11Daptrd5rGgWGIT8Ag%2BMbIgABTfbhjM8dTJHbxpcWl%2F938g4YJAf2oiSNCmcMeBeuEfEw4%2Fwobs2maXb%2BpO3gVEnfUuk%2BorS6TR5MvrW066PkKd170ETz7sPlBDx6aozpa2bJZTcn%2F2%2FFiK%2BzFvKPb%2BtY%3D&DBCODE=CJFD&FileName=DNZS202202019&TABLEName=cjfdauto&nonce=3F0045A29A8B49FC8B8F427EA3DC2422&uid=&TIMESTAMP=1648378551401">2]方法。不同的节点数量变化下，网络覆盖率性能变化如图2所示。

根据图2可知，三种优化部署方法应用后，随着节点数目增长，网络覆盖率出现增高状态。其中，文中设计方法的网络覆盖率最高。在同样的节点数目中，文中设计方法部署后网络覆盖率远远高于其他两种方法。平均网络覆盖率达到了97.52%，而文献[[1] 曹义亲,喻松,黄晓生.改进的PSO动态WSN节点部署算法[J].计算机工程与设计,2019,40(5):1231-1236." href="http://kns-cnki-net-443--bjmu.bjmu.doc110.com/KXReader/Detail?invoice=P%2BB%2Bbs2SpLAroPrmn11Daptrd5rGgWGIT8Ag%2BMbIgABTfbhjM8dTJHbxpcWl%2F938g4YJAf2oiSNCmcMeBeuEfEw4%2Fwobs2maXb%2BpO3gVEnfUuk%2BorS6TR5MvrW066PkKd170ETz7sPlBDx6aozpa2bJZTcn%2F2%2FFiK%2BzFvKPb%2BtY%3D&DBCODE=CJFD&FileName=DNZS202202019&TABLEName=cjfdauto&nonce=3F0045A29A8B49FC8B8F427EA3DC2422&uid=&TIMESTAMP=1648378551401">1]方法和文献[[2] 刘玲.基于FFT算法的物联网终端网络自适应节点部署方法[J].中国电子科学研究院学报,2019,14(8):791-797." href="http://kns-cnki-net-443--bjmu.bjmu.doc110.com/KXReader/Detail?invoice=P%2BB%2Bbs2SpLAroPrmn11Daptrd5rGgWGIT8Ag%2BMbIgABTfbhjM8dTJHbxpcWl%2F938g4YJAf2oiSNCmcMeBeuEfEw4%2Fwobs2maXb%2BpO3gVEnfUuk%2BorS6TR5MvrW066PkKd170ETz7sPlBDx6aozpa2bJZTcn%2F2%2FFiK%2BzFvKPb%2BtY%3D&DBCODE=CJFD&FileName=DNZS202202019&TABLEName=cjfdauto&nonce=3F0045A29A8B49FC8B8F427EA3DC2422&uid=&TIMESTAMP=1648378551401">2]方法的平均网络覆盖率分别为96.32%、95.18%。综上所述，文中设计优化部署方法将网络覆盖率提升了1.20%、2.34%。

由于相同的网络覆盖率，文中设计方法所需的工作节点数相对较少，可以提升网络效率，使得二者达到最佳平衡，促进无线传感网络的发展。

3 结束语

由于无线网络的生命周期直接受到网络部署情况的影响。文中在传统研究的基础上，依托于BBO算法，完成节点优化部署设计，在保证网络效率的前提下，完成网络覆盖率的提升。通过实验结果可以发现，文中提出的部署方法，使得网络覆盖率实现了快速提升。未来将会针对功能上的优化，考虑网络连通和覆盖性能的结合，从而解决设计应用中可能会面临的各种问题。

参考文献

[1] 曹义亲,喻松,黄晓生.改进的PSO动态WSN节点部署算法[J].计算机工程与设计,2019,40(5):1231-1236.

[2] 刘玲.基于FFT算法的物联网终端网络自适应节点部署方法[J].中国电子科学研究院学报,2019,14(8):791-797.

[3] 张亮,黄郡.基于模糊粒子群优化算法的无线传感器网络部署优化研究[J].传感器与微系统,2021,40(1):23-25,29.

[4] 陈龙,金可仲,蔡雪冰,等.基于改进MPA的分层无线传感器网络优化部署[J].传感技术学报,2021,34(1):109-117.

[5] 王鸿鹏,王前,张晓阳,等.基于3D-Tabu禁忌搜索的广域环境MESH网络节点部署优化算法研究[J].传感技术学报,2021,34(2):261-267.

[6] 吴海燕,陈海英.基于图论的光传感器节点部署优化研究[J].激光杂志,2020,41(6):116-120.

[7] 钱建新,施沈科,何燕,等.基于多目标优化的WSNs节点优化部署算法[J].兵器装备工程学报,2020,41(6):174-177.

[8] 支子聪,陈新,李昌,等.分层分簇无线传感器网络汇聚层的多目标优化部署[J].传感技术学报,2020,33(4):571-578.