專利名稱：基于智能演化的無線多媒體傳感器網絡覆蓋增強方法
技術領域：
本發明是一種適用于無線多媒體傳感器網絡(Wireless Multi-media SensorNetworks，縮寫為WMSNs)環境中，采用基于動態旋轉門的量子遺傳智能演化為傳感 器節點提供一種主感知方向調整的技術，從而實現無線多媒體傳感器網絡的覆蓋增強。本 技術屬于計算機網絡領域。
背景技術：
伴隨著無線通信技術、機電技術以及嵌入式系統的快速發展而出現的無線傳感器網絡在工農業、軍事、環境監測等領域展現出廣泛的應用前景。作為傳感器網絡高級形式的 無線多媒體傳感器網絡，主要包括視頻傳感器和圖像傳感器，該類傳感器具備數據、圖像和 視頻等多媒體信息的感知、采集、處理和傳輸能力，相對于傳統傳感器網絡更具優越性。然 而無論在通信協議還是網絡服務質量上，無線多媒體傳感器網絡都對傳統無線傳感器網絡 產生了巨大的沖擊，傳感器網絡的覆蓋就是一個典型問題。覆蓋反映了網絡對物理世界的 感知范圍并直接影響著整個網絡的服務質量。總的來看，無線傳感器網絡覆蓋包括三類點 覆蓋，傳感器節點實現對若干離散點目標的覆蓋；區域覆蓋，傳感器節點實現整個目標區域 的覆蓋；路徑覆蓋，也即柵欄覆蓋，目標穿越部署傳感器節點的區域時，對穿越軌跡節點的 覆蓋跟蹤情況。本發明主要是針對無線多媒體傳感器網絡的區域覆蓋，針對初始場景中多 媒體傳感器節點位置及其主感知方向隨機分布可能產生的監測盲區和監測重疊區，導致監 測區域整體覆蓋率不高的情況，引入智能計算方法調整初始節點的主感知方向，從而消除 監測盲區和監測重疊區，最終實現監測場景的高效覆蓋。目前針對多媒體傳感器網絡的覆蓋增強，主要基于虛擬力或虛擬勢場的方法，其 通過定義傳感器節點的質心，將有向傳感器網絡覆蓋增強問題轉化為質心均勻分布問題， 以質心點做圓周運動代替傳感器節點傳感方向的轉動，質心在虛擬力作用下作擴散運動， 以消除網絡中感知重疊區和盲區，最終增強整個傳感器網絡的覆蓋。事實上虛擬勢場作為 一種基于矢量力合成的人工受力分析方法，其最早通過源于障礙物的排斥力與源于目標點 的吸引力的合力應用于機器人的運動規劃之中。采用虛擬人工勢場法易陷入局部極小點， 此時由于機器人運動的速度及方向取決于力矢量和的大小及方向，當合力為零時，機器人 就無法運動。對應于傳感器網絡的覆蓋增強也存在類似問題，當傳感器節點處于鄰居傳感 器節點對該傳感器節點的斥力合力為零的情況，而此時若該傳感器節點和周圍傳感器節點 存在大量共同的覆蓋區域點時，該傳感器節點并沒有發揮其有效覆蓋功能，對應為陷入局 部最小情況。事實上，由于傳感器節點主感知方向的調整受相鄰節點感知方向的相互制約， 因而主感知方向的調整是一個NP-Hard問題。已有的基于勢場的增強方法直接進行求解時 間復雜度高，和傳感器網絡能量受限和計算能力不足相矛盾。
發明內容
技術問題本發明的目的是提供一種基于智能演化的無線多媒體傳感器網絡覆蓋增強方法，采用一種基于動態旋轉門的量子遺傳算法求解無線多媒體傳感器網絡覆蓋增強 過程中節點主感知方向調整的NP-hard問題，通過使用本發明提出的方法可以有效消除多 媒體傳感器節點的感知重疊區域，從而實現監測場景的高效覆蓋。技術方案本發明的方法是一種改進性方法，將量子遺傳算法應用于無線多媒體 傳感器網絡的覆蓋增強中，并針對網絡覆蓋增強過程中的實際需要進行一些改進，主要包 括覆蓋增強過程中基于多媒體傳感器節點的單次最小調整角度進行基因量子比特數的選 取；在角度調整過程中為避免迭代次數過大問題，提出了基于傳感器節點單次角度調整范 圍的動態量子旋轉門策略；此外為避免量子遺傳算法陷入局部最優，引入相鄰兩代有效覆 蓋區域的平均覆蓋度最小值之差進行判斷，并采用量子非門操作策略跳出局部最優點。通 過以上改進，可有效提高覆蓋增強的搜索時間和搜索精度，實現多媒體傳感器網絡監測區 域的高效覆蓋。基于量子遺傳演化算法的無線多媒體傳感器網絡覆蓋增強，包含在以下具體步驟 中初始場景設置步驟1)配置監測場景及多媒體傳感器節點設置需要采用多媒體傳感器網絡監 測的區域場景大小；初始化監測場景中無線多媒體傳感器節點的數量、布撒位置、主感知方 向、感知半徑以及傳感器節點單次調整的角度值范圍；步驟2)配置量子遺傳算法設定種群初始規模，即染色體數目；根據場景中初始 節點的數目配置染色體的基因數；根據傳感器節點單次調整的最小角度值配置基因的量子 比特數；根據傳感器節點的單次調整的角度范圍設定量子旋轉門中的角度函數；多媒體傳感器節點最佳主感知方向計算步驟3)在
中隨機選擇一個數，和量子遺傳算法的量子比特的概率幅進行比 較，分別取0或者1生成種群中各染色體的測量；步驟4)對每一條染色體的測量，將染色體基因的多位二進制表示轉化為十進制 數值，得到對應傳感器節點的主感知方向集合，計算在該主感知方向集合下有效監測區域 的平均覆蓋度；步驟5)判斷是否迭代結束，若未結束則獲取有效監測區域的平均覆蓋度最小所 對應的染色體測量，該染色體對應為演化目標，采用量子動態旋轉門對種群中的其它染色 體進行調整，獲得下一代種群；步驟6)計算前后兩代有效監測區域的平均覆蓋度的最小值的差δ，若δ小于閾 值表明迭代演化陷入了局部最小，對量子進行非門操作，改變0、1趨勢，并返回步驟3;多媒體傳感器節點主感知方向調整步驟7)取有效監測區域平均覆蓋度最小的染色體，逐一對該染色體中的基因比 特位進行二進制到十進制的轉化，并根據單次最小調整角度得到對應傳感器節點的優化主 感知方向；步驟8)根據優化主感知方向調整監測區域中傳感器節點的主感知方向，計算最 終場景覆蓋率。以上步驟中所涉及的一些關鍵操作定義如下量子比特量子遺傳算法中，基因采用量子比特來表示，此時表達的不是一個確定的信息而是包含所有信息的可能性；對于染色體中的任意一個基因，假設染色體中包含的 基因數目為k，k和監測場景中的傳感器節點數目一致；設傳感器節點單次調整的最小角度 值為θ min，則任一傳感器其主感知方向最多的可能狀態m可表示為
<formula>formula see original document page 5</formula>則對應染色體中基因的量子比特數也為m，最終染色體對應的量子比特可表示
為
<formula>formula see original document page 5</formula>α…β ij (1彡i彡k，1彡j彡m)為2個復常數，且有下式成立<formula>formula see original document page 5</formula>
覆蓋監測場景網絡中的任意一點N被多媒體傳感器節點P覆蓋的充分必要條件 為(1)點N到多媒體傳感器節點的距離小于傳感器節點P的感知半徑；(2)點N屬于傳感器節點P的角度覆蓋范圍；有效監測區域的平均覆蓋度監測區域中被至少一個傳感器節點覆蓋的點的平均
覆蓋度S，也即被覆蓋的監測區域點平均被多少個傳感器節點覆蓋，其定義為 k<formula>formula see original document page 5</formula>其中^g jM表示區域中實際被覆蓋到的點數目， 反映了傳感器節點的覆蓋能 力，表示第j個傳感器節點可以覆蓋到的點的數目。染色體測量根據染色體基因對應的每一量子比特位，采用在W，l]中隨機選擇 一個數，和量子比特概率幅I、」2進行比較，若大于I au|2則對應位取1，否則取0，生成種 群中各染色體的0、1測量序列。動態旋轉門量子遺傳算法中，為實現其它染色體向目標染色體演化需要對種群 中的其它染色體的量子基因比特進行旋轉，旋轉角度采用動態調整策略，即初始調整時的 旋轉角度θ,較大，隨后逐步減小，設傳感器節點的單次調整的最小角度值為emin，最大調 整角度值為，則有
<formula>formula see original document page 5</formula>
量子非門操作將量子編碼中的α、β互換，改變0、1趨勢，防止量子遺傳算法未 成熟收斂，提供更好的全局搜索能力。場景覆蓋率監測場景的覆蓋率等于被至少一個傳感器節點覆蓋的場景離散點數 與監測場景的總離散點數的比值。有益效果使用基于動態旋轉門的量子遺傳算法實現無線多媒體傳感器網絡的覆蓋增強，對應實現方案有如下優點1.求解速度快傳感器節點主感知方向的調整受相鄰節點感知方向的相互制約，因而主感知方向 的調整是一個NP-Hard問題。已有的增強方法，如基于勢場的方法直接求解時間復雜度較 高，和傳感器網絡能量受限和計算能力不足相矛盾。量子遺傳算法作為一類新穎的智能演 化算法，具有收斂速度快、計算時間短等優點，很好地適應了傳感器節點能量受限的特點。2.較好的適應性量子遺傳算法用于傳感器網絡的覆蓋增強中，其主要參數，如染色體的基因數、基 因的量子比特位數均基于傳感器網絡節點的基本參數而設置，減少了人為設置參數的隨意 性和不準確性，從而表現出較好的適應性。
3.具有良好的系統性能場景中基于隨機分布的傳感器節點，由于節點主感知方向和節點位置隨機分布， 因而網絡中可能存在大量的監測盲區和監測冗余區，基于量子遺傳算法的無線多媒體傳感 器網絡覆蓋增強通過智能演化計算節點的全局最優主感知方向，調整傳感器節點的分布， 從而有效減少節點覆蓋盲區和節點覆蓋冗余最終實現網絡的高效覆蓋。
圖1是多媒體傳感器節點感知模型示意圖。方向可調的多媒體傳感器節點感知模 型采用五元組<尸來表示，其中，P = (χ, y)為多媒體傳感器節點的位置坐標；R 為節點的有效感知半徑；P = (I^Py)為節點的主感知方向；2α為傳感器節點的最大感知 角度；β為傳感器節點單次調整角度范圍，本專利中取β e [1°，10° ]。圖2是量子遺傳算法種群中染色體示意圖，其中每一條染色體中的基因數目對 應為傳感器節點數k，基因的量子比特數m取決于傳感器節點的單次調整的最小角度值為
θ mm，且有
/7 = [log2(36O/0min)]圖3是基于量子遺傳算法的無線多媒體傳感器網絡覆蓋增強方法的詳細步驟框 圖。
具體實施例方式基于智能演化計算的無線多媒體傳感器網絡覆蓋增強方法實現方案的核心設計 思想為將量子遺傳算法應用于無線多媒體傳感器網絡的覆蓋增強中，針對網絡覆蓋增強 實際需要，基于多媒體傳感器節點的單次最小調整角度計算基因量子比特數；為避免角度 調整過程中的迭代次數過大問題，采用基于傳感器節點單次角度調整范圍的動態量子旋轉 門策略；更進一步，為避免量子遺傳算法陷入局部最優，引入相鄰兩代有效覆蓋區域的平均 覆蓋度最小值之差進行判斷，并采用量子非門操作策略跳出局部最優點。因此，方案首先通過設置初始場景，并基于量子遺傳算法高效搜尋節點的最優主 感知方向集合，調整初始節點的主感知方向，有效消除多媒體傳感器節點的感知重疊區域，最終實現監測場景的高效覆蓋。主要包括1.初始場景設置首先配置監測場景及多媒體傳感器節點設置需要采用多媒體傳感器網絡監測的 區域場景大小；初始化監測場景中無線多媒體傳感器節點的數量、布撒位置、主感知方向、 感知半徑以及傳感器節點單次調整的角度值范圍；在此基礎上配置量子遺傳算法，具體操 作包括1)量子遺傳算法中單條染色體的構成染色體由基因構成，面向無線多媒體傳感 器網絡覆蓋增強的量子遺傳算法中，染色體的基因數由初始場景中的傳感器節點數確定；2)單個基因中的量子比特數算法中量子比特代表了當前傳感器節點的主感知 方向，因此量子比特數由傳感器節點的最小單次調整角度θ min確定，設量子比特數為m，則 有
<formula>formula see original document page 7</formula>最終染色體對應的量子比特可表示為
<formula>formula see original document page 7</formula>α…β υ (1≤i≤k，1≤j≤m)為2個復常數，且有下式成立I α Jj 12+ I β Jj 12 = 13)量子遺傳算法中動態旋轉門的確定算法中根據傳感器節點的單次調整的角 度范圍設定量子旋轉門中的角度函數，為實現其它染色體向目標染色體演化需要對種群中 的其它染色體的量子基因比特進行旋轉，初始調整時的旋轉角度θ ￡較大，隨后逐步減小。 設傳感器節點的單次調整的最小角度值為θ _，最大調整角度值為θ_，則有<formula>formula see original document page 7</formula>2.多媒體傳感器節點最佳主感知方向計算1)對于每一代種群中的測量，將染色體的基因的多位二進制表示轉化為十進制數
值，得到對應傳感器節點的主感知方向集合，計算各染色體的適應度。其中，適應度被定義
為有效監測區域的平均覆蓋度，即監測區域中被至少一個傳感器節點覆蓋的點的平均覆
蓋度S，也即被覆蓋的監測區域點平均被多少個傳感器節點覆蓋，其定義為<formula>formula see original document page 7</formula>其中, 表示區域中實際被覆蓋到的點數目， 反映了傳感器節點的覆蓋能 力，表示第j個傳感器節點可以覆蓋的點的數目。2)判斷是否迭代結束，若未結束則取有效監測區域的平均覆蓋度最小所對應的 染色體測量，該染色體對應為演化目標，采用量子動態旋轉門對種群中的其它染色體進行 調整，獲得下一代種群；
3)計算前后兩代有效監測區域的平均覆蓋度的最小值的差δ，若δ小于閾值表 明迭代演化陷入了局部最小，對量子進行非門操作，改變0、1趨勢，重新進行迭代演化；具體步驟包括初始場景設置步驟1)配置監測場景及多媒體傳感器節點設置需要采用多媒體傳感器網絡監 測的區域場景大小；初始化監測場景中無線多媒體傳感器節點的數量、布撒位置、主感知方 向、感知半徑以及傳感器節點單次調整的角度值范圍；步驟2)配置量子遺傳算法設定種群初始規模，即染色體數目；根據場景中初始 節點的數目配置染色體的基因數；根據傳感器節點的單次調整的最小角度值配置基因的量 子比特數；根據傳感器節點的單次調整的角度范圍設定量子旋轉門中的角度函數；多媒體傳感器節點最佳主感知方向計算步驟3)在
中隨機選擇一個數，和量子遺傳算法的量子比特的概率幅進行比 較分別取0或者1，生成種群中各染色體的測量；步驟4)對每一條染色體的測量，將染色體的基因的多位二進制表示轉化為十進 制數值，得到對應傳感器節點的主感知方向集合，計算在該主感知方向集合下有效監測區 域的平均覆蓋度；步驟5)判斷是否迭代結束，若未結束則取有效監測區域的平均覆蓋度最小所對 應的染色體測量，該染色體對應為演化目標，采用量子動態旋轉門對種群中的其它染色體 進行調整，獲得下一代種群；步驟6)計算前后兩代有效監測區域的平均覆蓋度最小值的差δ，若δ小于閾值 表明迭代演化陷入了局部最小，對量子進行非門操作，改變0、1趨勢，并返回步驟3;多媒體傳感器節點主感知方向調整步驟7)取有效監測區域平均覆蓋度最小的染色體，逐一對該染色體中的基因比 特位進行二進制到十進制的轉化，并根據單次最小調整角度得到對應傳感器節點的優化主 感知方向；步驟8)根據優化主感知方向調整監測區域中傳感器節點的主感知方向，并計算
最終場景覆蓋率。
權利要求
一種基于智能演化的無線多媒體傳感器網絡覆蓋增強方法，其特征在于該方法包含在以下的具體步驟初始場景設置步驟1).配置監測場景及多媒體傳感器節點設置需要采用多媒體傳感器網絡監測的區域場景大小；初始化監測場景中無線多媒體傳感器節點的數量、布撒位置、主感知方向、感知半徑以及傳感器節點單次調整的角度值范圍；步驟2).配置量子遺傳算法設定種群初始規模，即染色體數目；根據場景中初始節點的數目配置染色體的基因數；根據傳感器節點的單次調整的最小角度值配置基因的量子比特數；根據傳感器節點的單次調整的角度范圍設定量子旋轉門中的角度函數；多媒體傳感器節點最佳主感知方向計算步驟3)在
中隨機選擇一個數，和量子遺傳算法的量子比特的概率幅進行比較分別取0或1，生成種群中各染色體的測量；步驟4)對每一條染色體的測量，將染色體基因的多位二進制表示轉化為十進制數值，得到對應傳感器節點的主感知方向集合，計算在該主感知方向集合下有效監測區域的平均覆蓋度；步驟5)判斷是否迭代結束，若未結束則取有效監測區域的平均覆蓋度最小所對應的染色體測量，該染色體對應為演化目標，采用量子動態旋轉門對種群中的其它染色體進行調整，獲得下一代種群；步驟6)計算前后兩代有效監測區域的平均覆蓋度最小值的差δ，若δ小于閾值表明迭代演化陷入了局部最小，對量子進行非門操作，改變0、1趨勢，并返回步驟3；多媒體傳感器節點主感知方向調整步驟7)取有效監測區域平均覆蓋度最小的染色體，逐一對該染色體中的基因比特位進行二進制到十進制的轉化，并根據單次最小調整角度得到對應傳感器節點的優化主感知方向；步驟8)根據優化主感知方向調整監測區域中傳感器節點的主感知方向，并計算最終場景覆蓋率。
全文摘要
基于智能演化的無線多媒體傳感器網絡覆蓋增強方法是一種用于無線多媒體傳感器網絡環境，基于多媒體傳感器節點的有向感知模型，針對傳感器節點主感知方向調整受相鄰節點感知方向的相互制約，主感知方向的調整是一個NP-Hard問題，已有的增強方法直接求解時間復雜度較高，和傳感器網絡能量受限和計算能力不足相矛盾問題，將量子遺傳算法應用于無線多媒體傳感器網絡的覆蓋增強中，并針對網絡覆蓋增強過程的實際需要進行一些改進，主要包括覆蓋增強過程中的基于多媒體傳感器節點的單次最小調整角度進行基因量子比特數選取；在角度調整過程中為了避免迭代次數過大問題，提出了基于傳感器節點單次角度調整范圍的動態量子旋轉門策略。
文檔編號H04W84/18GK101835170SQ20101015225
公開日2010年9月15日 申請日期2010年4月20日 優先權日2010年4月20日
發明者葉寧, 孫力娟, 沙超, 王汝傳, 肖甫, 蔣凌云, 郭劍, 黃小桑, 黃海平 申請人:南京郵電大學