PatViewer专利搜索
中国 发明 无效

【中文】一种检测与修补无线视频传感器网络最坏情况覆盖的方法
【EN】Method for detecting and mending worst case covering of wireless video sensor network

申请(专利)号:CN200810116197.X国省代码:北京 11
申请(专利权)人:【中文】北京交通大学【EN】Beijing Jiaotong University
温馨提示:Ctrl+D 请注意收藏,详细著录项请首页检索查看。 Please note the collection. For details, please search the home page.

摘要:
【中文】本发明提供一种检测与修补无线视频传感器网络中最坏情况覆盖的方法,包括:初始化阶段,其生成网络全局拓扑图;检测阶段,其检测移动目标被监测概率最小的穿越路径;修补阶段,其计算并调整穿越路径周边视频传感器节点的传感方向,以修补网络中最坏情况覆盖。首先,通过引入节点扇形感知区域内切圆圆心的概念,并为这些圆心点构造V图,将连续的地理覆盖问题转化为离散的图论问题;然后,寻找V图中最大突破路径,进而实现无线视频传感器网络中最坏情况覆盖的检测;最后,采用调整相应视频传感器节点传感方向的方式对网络中最坏情况覆盖进行修补。本发明能够有效地提高最大突破路径上移动目标被检测到的概率,改善网络的整体目标感知与监视能力。
【EN】Paragraph:The invention provides a method for detecting and repairing the worst coverage in a wireless video sensor network, which includes the stages: an initialization stage that generates a topological graph of the overall network; a detection stage that detects the passing path of the moving target with the least probability of being monitored; a repair stage that calculates and adjusts the sensing direction of video sensor nodes around the passing path to repair the worst coverage in the network. At first, by introducing the concept of the incenter of the sector sensing area of the node and mapping a V-diagram for the incenters, a continuous geographical covering problem is converted into a discrete graph theory problem; then, the detection of the worst coverage in the wireless video senor network is realized by looking for the maximum passing path in the V-diagram; finally, the worst coverage in the wireless video senor network is repaired by adjusting the sensing direction of the corresponding video sensor nodes. The method can effectively improve the probability of being detected of the moving object at the maximum passing path and improve the overall object-sensing and the monitoring capacity of the network.

主权项:
【中文】1.一种检测与修补无线视频传感器网络中最坏情况覆盖的方法,所述无线视频传感器网络由具有信息采集、转发和处理等功能的多个视频传感器节点和汇聚节点组成,所述视频传感器节点采集的视频数据沿其他视频感器节点经无线多跳传送到所述汇聚节点,所述汇聚节点负责无线连接视频传感器网络与Internet等外部网络,并负责发布并管理视频传感器节点的监测任务,其特征是包括以下三个步骤:(1)初始化步骤:各个视频传感器节点随机部署在监测区域,自组织构成网络;(2)检测步骤:采用计算几何方法快速检测出移动目标被监测概率最小的穿越路径;(3)修补步骤:根据监测需求,计算并调整穿越路径周边视频传感器节点的传感方向,以修补网络中最坏情况覆盖。【EN】A detection with repair the method that worst case covers in the wireless video sensor network, described wireless video sensor network is by having information gathering, a plurality of video sensor nodes of functions such as forwarding and processing and aggregation node are formed, the video data of described video sensor node collection is sent to described aggregation node along other video sensor nodes through wireless multi-hop, described aggregation node is responsible for external networks such as wireless connections video sensor network and Internet, and be responsible for the also monitoring task of managing video sensor node of issue, it is characterized in that comprising following three steps:


相似专利
说明书

一种检测与修补无线视频传感器网络最坏情况覆盖的方法

技术领域

本发明涉及一种检测与修补无线视频传感器网络中最坏情况覆盖的方法,


属于无线通信技术领域,具体属于无线通信中的无线自组织网络与无线传感器


网络领域。


背景技术

随着嵌入式计算技术、传感器技术和无线通信技术的飞速发展和日益成熟,


集感知、计算和通信功能于一身的无线传感器网络开始出现。无线传感器网络


集成有传感器部件、微处理器部件和通信模块的微型传感器节点等,这些部件


通过自组织的方式构成无线传感器网络,完成对环境的数据采集和监测。


现有的无线传感器网络技术研究主要集中于在能量受限的传感器节点上实


现简单的环境数据(如温度、湿度、光强等)采集、处理与传输。然而,随着监测


环境的日趋复杂多变,由这些传统传感器网络所获取的简单数据越来越难以满


足人们对环境监测的多方面需求,迫切需要将数据量大、内容丰富的图像、视


频等媒体引入到以传感器网络为基础的环境监测活动中来,以实现细粒度、精


准信息的环境监测。随着传感器技术的快速发展,无线视频传感器网络的实用


化进程已然全面展开,而成本低廉的各种视频传感器(如CMOS摄像头)广泛被


应用,使得获取大数据量的图像、视频成为可能。


无线视频传感器网络(Wireless Video Sensor Network)是由一组具有计算、存


储和通信功能的视频传感器节点所组成的分布式无线感知网络。它借助于节点


上视频传感器感知所在周边环境的图像、视频信息,通过多跳中继方式将数据


传输到信息汇聚节点,汇聚节点对监测数据进行分析,实现全面而有效的环境


监测。


覆盖问题反映了无线传感器网络所能提供的“感知”服务质量,是衡量无


线传感器网络监测性能的重要指标之一。覆盖问题的研究旨在优化网络空间资


源,以便更好地完成环境感知和信息获取,从而使整个监测任务得以继续进行。


近年来,国内外众多研究学者相继开展了无线传感器网络覆盖问题的研究,并


取得了长足的工作进展。但从目前积累的研究成果来看,大多数覆盖研究是针


对满足全向感知模型的传统无线传感器网络展开的,也就是说,无线传感器网


络中节点的感知范围是以节点为圆心、以其感知距离为半径的完整圆形区域。


实际上,满足方向性感知模型的无线传感器网络颇具实际应用意义,尤以无线


视频传感器网络为典型代表。然而,现有以满足方向性感知模型的无线传感器


网络为基础的覆盖研究成果尚未充分考虑到视频传感器节点具有方向性感知的


特性,不能直接应用于无线视频传感器网络,这就迫切需要设计出一系列新方


法。


无线视频传感器网络最典型的应用是目标监测。例如,在军事应用中,无


线视频传感器网络常常被用来检测穿越某个区域的敌军车辆、坦克或步兵。无


线视频传感器网络一般工作在未知的、复杂的环境下,难以通过人为干预将众


多视频传感器节点放置在适合的位置实施监控。通常的办法是:采用的随机节


点部署方式。但这种部署很容易形成覆盖盲区,若目标(敌军车辆、坦克或步


兵)在覆盖盲区出现,无线视频传感器网络对其的感知与追踪能力会大大下降。


上述问题对应于覆盖研究领域的“最坏情况覆盖”问题,考察穿越网络的移动


目标或其所在路径上各点被感知与追踪的情况,反映给定无线视频传感器网络


所能提供的感知与监视能力,如图1所示。因此,需要我们在无线视频传感器


网络部署之后,监测任务实施之前,检测出目标被监测概率最小的穿越路径,


并优化网络资源予以修补。


近几年国内外也有学者对无线传感器网络的覆盖控制问题进行了全面的研


究,以下分类总结了近年来提出的各种覆盖控制问题的思想和有代表性的研究


成果:


在文献《传感器网络中最坏与最佳情况覆盖研究》(“Worst and Best-case


Coverage in Sensor Networks”,发表于IEEE Trans.on Mobile Computing)中,作


者以计算几何中的Voronoi图(简称V图)与Delaunay三角网(简称D三角网)


为理论基础,定义“最大突破路径”和“最大支撑路径”,基于全向感知模型开


展传统传感器网络中最坏与最佳情况覆盖研究。然而,基于传统传感器网络开


展的研究成果不能直接适用于无线视频传感器网络中节点感知能力受视角限制


的情况。在文献《有向视角感知传感器网络中优化最坏情况覆盖问题研究》


(“Optimal Worst-Case Coverage of Directional Field-of-View Sensor Networks”发


表于国际会议SECON’06)中,基于凸多边形(三角形)感知模型,作者采用最


佳多项式时间算法检测网络中由三角形边以及交线所构成最大突破路径,以确


定网络最坏情况覆盖。然而,多个感知区域交点和交线的计算造成计算量的增


大;此外,本文中的覆盖问题研究仅仅涉及网络中最坏情况覆盖的检测,并不


涉及对检测到的最坏情况覆盖进行修补。


发明内容

为了克服现有技术的不足,使得无线视频传感器网络能够更为有效地开展


目标感知与监视,本发明提供一种检测与修补无线视频传感器网络中最坏情况


覆盖的方法,所述无线视频传感器网络由具有信息采集、转发和处理等功能的


多个视频传感器节点和汇聚节点组成;所述视频传感器节点采集的视频数据沿


其他视频感器节点经无线多跳传送到所述汇聚节点;所述汇聚节点负责无线连


接视频传感器网络与Internet等外部网络,并负责发布并管理视频传感器节点的


监测任务。该实现方法包括三个阶段:


(1)初始化阶段:视频传感器节点随机部署在监测区域,自组织构成网络。


各视频传感器节点通过GPS定位设备获知自身位置信息及传感方向信息,这些


信息通过无线多跳通信方式上传至充当网络管理者的汇聚节点,并由汇聚节点


生成网络全局拓扑图。


(2)检测阶段:采用计算几何方法快速检测出移动目标被监测概率最小的


穿越路径。具体做法是,应用汇聚节点计算各视频传感器节点扇形感知区域内切


圆圆心位置,基于这些内切圆圆心构造V图;并根据V图的几何性质,寻找网


络中最大突破路径,使得路径上的点到周围最近内切圆圆心点的最小距离最大


化,进而实现无线视频传感器网络中最坏情况覆盖的检测。


(3)修补阶段:根据监测需求,计算并调整穿越路径周边视频传感器节点


的传感方向,以修补网络中最坏情况覆盖。


本发明还可以包括以下技术方案:


与传统基于全向感知模型的传感器节点不同,视频传感器节点的感知能力


受到方向性限制,即其感知范围是一个以传感器节点为圆心,与感知距离和感


知视角相关的扇形区域。


本发明基于一种方向可调感知模型开展无线视频传感器网络中最坏情况覆


盖检测与修补实现方法的设计。所述方向可调感知模型可以用一个四元组


<P,R,α>来表示(参见图4)。P=(x,y)表示视频传感器节点的位置坐标;R表


示视频传感器节点的传感半径;单位向量

V

=

(

V

x

,

V

y

)

]]>为感知区域的中轴线,即视


频传感器节点的传感方向;分别是单位向量在X轴和Y轴方向上的投影


分量;α表示边界距离传感向量的传感偏移角度,2α表示感知视角。


所述检测阶段包括以下三个子阶段:


(1)计算节点扇形感知区域内切圆圆心位置,具体计算方法是:一旦视频


传感器网络部署以后,视频传感器节点的传感半径R和传感偏移角度α是确定的,


已知视频传感器节点的位置坐标(x,y),传感方向向量

V

=

(

V

x

,

V

y

)

,

]]>则其内切圆


圆心位置坐标表示为

(

x

+

R

1

+

sin

α

×

V

X

,

y

+

R

1

+

sin

α

×

V

Y

)

;

]]>

(2)构造各节点扇形感知区域内切圆圆心的V图,所述V图由汇聚节点采用


联机增量算法来构造;


(3)利用V图的几何性质,检测出网络中最坏情况覆盖,所述检测网络最坏


情况覆盖是指找出连接起点和终点的一条或多条路径,目标沿着这些路径移动


时被网络监测到的概率最小。


所述修补阶段包括以下两个子阶段:


(1)根据网络监测需求,设定修补门限λ(λ≥δ),汇聚节点找出最大突破路


径上权重大于修补门限λ的各段以及每段两侧所对应的一对圆心点,为接下来的


修补工作做好准备;


(2)汇聚节点逐段计算两侧视频传感器节点传感方向的调整规模并向发布


相应节点发布调整指令开展修补。


本发明解决其技术问题所采用的技术方案是:本发明在充分考虑到视频传


感器节点感知能力受“视角”限制这一特点,基于方向可调感知模型设计一种


检测与修补无线视频传感器网络中最坏情况覆盖的方法。首先,采用计算几何


方法快速检测出移动目标被监测概率最小的穿越路径,具体地,引入节点扇形


感知区域内切圆圆心的概念,并为这些圆心点构造V图,进而将原本连续的地理


覆盖问题转化为离散的图论问题,通过寻找V图中最大突破路径,实现无线视频


传感器网络中最坏情况覆盖的检测;然后,根据监测需求计算并调整穿越路径


周边视频传感器节点的传感方向,以修补网络中最坏情况覆盖。


与现有技术相比,本发明的有益效果是:本发明充分考虑了视频传感器节


点的有效感知区域与其监测范围之间的关系,既考虑到视频传感器节点的感知


特性,又克服了传统修补方法(比如:移动已有节点位置或者添置新节点)在


实际应用中的不可操作性。利用本发明提供的方法,可以有效地提高最大突破


路径上移动目标被检测到的概率,改善网络的整体目标感知与监视能力,为以


无线传感器网络为基础的目标监测应用提供良好的监测性能,进而提高整个无


线视频传感器网络的监测能力。


附图说明

图1是现有技术中对应于覆盖研究领域的“最坏情况覆盖”问题的示意图;


图2是根据本发明的检测与修补无线视频传感器网络中最坏情况覆盖的方


法的操作步骤方框图;


图3是根据本发明的无线视频传感器网络示意图;


图4是根据本发明的视频传感器节点方向可调感知模型示意图;


图5是根据本发明的视频传感器节点扇形感知区域内切圆圆心示意图;


图6是根据本发明的各视频传感器节点所构造的V图和D三角网关系图;


图7是根据本发明的汇聚节点采用联机增量算法构造V图的示意图;


图8是根据本发明的视频传感器节点扇形感知区域内切圆圆心的运动模型


示意图;


图9是根据本发明的视频传感器节点扇形感知区域内切圆圆心的位置调整


示意图;


图10是根据本发明所进行的检测与修补无线视频传感器网络中最坏情况覆


盖的过程图。


下面结合附图和实施例对本发明进一步说明。


具体实施方式

为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作


进一步的详细描述。


实施例1:图2是根据本发明的检测与修补无线视频传感器网络中最坏情况


覆盖的方法的操作步骤方框图,在一个实施例中,其主要包括三个阶段:


(1)初始化阶段:视频传感器节点随机部署在监测区域,自组织构成网络。


各视频传感器节点获知自身位置信息(通过GPS定位设备)及传感方向信息,


这些信息通过无线多跳通信方式上传至充当网络管理者的汇聚节点,并由汇聚


节点生成网络全局拓扑图,以便为随后的最坏情况覆盖进行检测与修补做好准


备。


(2)检测阶段:汇聚节点计算各视频传感器节点扇形感知区域内切圆圆心


位置,基于这些内切圆圆心构造V图;并根据V图的几何性质,寻找网络中最


大突破路径,使得路径上的点到周围最近内切圆圆心点的最小距离最大化,进


而实现无线视频传感器网络中最坏情况覆盖的检测。


(3)修补阶段:根据监测需求,计算并调整穿越路径周边视频传感器节点


的传感方向,以修补网络中最坏情况覆盖。


实施例2:如图3所示的无线视频传感器网络,它由具有信息采集、转发和


处理能力的多个视频传感器节点和汇聚节点组成;视频传感器节点采集的视频


数据沿着其他视频感器节点经过无线多跳传送到汇聚节点。汇聚节点负责无线


连接视频传感器网络与Internet等外部网络,发布并管理视频传感器节点的监


测任务。


实施例3:如图4所示,本发明基于一种方向可调感知模型开展无线视频传


感器网络中最坏情况覆盖检测与修补实现方法的设计。有别于传统基于全向感


知模型的传感器节点,视频传感器节点的感知能力受到方向性限制,即其感知


范围是一个以传感器节点为圆心,与感知距离和感知视角相关的扇形区域。


方向可调感知模型可以用一个四元组<P,R,α>来表示(参见图4)。


P=(x,y)表示视频传感器节点的位置坐标;R表示视频传感器节点的传感半径;


单位向量

V

=

(

V

x

,

V

y

)

]]>为感知区域的中轴线,即视频传感器节点的传感方向;
分别是单位向量在X轴和Y轴方向上的投影分量;α表示边界距离传感向量
的传感偏移角度,2α表示感知视角。


两点说明:其一,方向可调感知模型是一个布尔感知模型,只有落在该扇


形区域内的点才能被节点所监测,目标被感知的概率取值为“1”;否则,取值


为“0”。其二,视频传感器节点对自身传感方向可调可控,根据实际监测需求


动态改变对某些区域(如:目标移动路径)的覆盖性能。


针对上述检测阶段和修补阶段详述本发明实现方法的具体步骤。其中,检


测阶段又可细分为以下三个子阶段:


(1)节点扇形感知区域内切圆圆心位置计算;


(2)为各节点扇形感知区域内切圆圆心构造V图;


(3)利用V图的几何性质,检测出网络中最坏情况覆盖;


实施例4:为使问题可解,我们节点扇形感知区域的内切圆对扇形感知区域


进行近似替代。原因在于:在实际监测情况下,视频传感器节点的整个扇形感


知区域并非都是有效的,根据视频传感器成像原理,距离传感器过近或过远区


域都可能出现感知能力下降的情况。这种近似替代既可有效地描述待解决问题,


也可使得传统的最坏情况覆盖检测方法在无线视频传感器网络中可用。当


α∈[15°,90°]时(即内切圆面积与扇形感知区域面积之比大于1/2时),此时替代


效果比较理想,以此限定本发明的适用范围。


如图5所示,在一个实施例中,一个均匀的扇形感知区域,其内切圆圆心


位于其对称轴上,且与节点距离为每个视频传感器节点有且仅有一


个相应的内切圆圆心,用字母p表示。


实施例5:如图5所示,在一个实施例中,计算节点扇形感知区域内切圆


圆心位置的具体方法如下:一旦视频传感器网络部署以后,视频传感器节点的


传感半径R和传感偏移角度α是确定的,已知视频传感器节点的位置坐标(x,y),


传感方向向量

V

=

(

V

x

,

V

y

)

,

]]>则其内切圆圆心位置坐标表示为

(

x

+

R

1

+

sin

α

×

V

X

,

y

+

R

1

+

sin

α

×

V

Y

)

.

]]>

实施例6:汇聚节点为计算得到的各节点扇形感知区域内切圆圆心构造V图。


V图在求解点集或其他几何对象与距离有关的问题中起着重要的作用。下面介绍


一下V图的概念以及性质。


给定二维平面上R2的一个有限点集S,S={p1,p2,…,pn}。定义


V

(

p

i

)

=

i

j

H

(

p

i

,

p

j

)

,

]]>即V(pi)表示比其他点更接近pi的点的轨迹是n-1个半平面的交,


称为关联于pi的V多边形或关联于pi的V域。V多边形的每条边是S中某两点连


线的垂直平分线,所有这样的两点连线构成D三角网,称为V图的对偶图,如


图6所示。在此,我们将所有节点扇形感知区域内切圆圆心作为V图产生点,可


以得到唯一Voronoi划分。


实施例7:汇聚节点采用联机增量算法构造V图的步骤可以描述为:假设内


切圆圆心集合中的圆心点以随机方式并间隔一段时间产生,最初只产生一个点


p1,间隔Δt时间后产生第二个点p2,产生p2后,算法立即执行,求出两个点的V


图,即p1p2的中垂线。随后产生第三个点p3,算法求三个点的V图


Vor({p1,p2,p3}),以此类推。在已有Vor({p1,p2,...,pk})的基础上,随机增加点pk+1
之后,为计算Vor({p1,p2,...,pk,pk+1}),首先要判定点pk+1位于Vor({p1,p2,...,pk})中


哪个V多边形域内,然后修改相应V多边形的边和定点即可求得


Vor({p1,p2,...,pk,pk+1})。


具体判定方法为:分别计算pk+1与p1,p2,…pk的距离,然后,求其最小距离,


便可判定点pk+1落入哪个V多边形域内。设pk+1位于与pi关联的V多边形域内,如


图7(a)中,p位于与p2关联的V多边形域内并且p在凸壳内,该多边形的边是


由p2分别于p1,p3,p4的中垂线组成。修改与p2关联的V多边形时,只要分别计算


p与p1,p2,p3,p4的中垂线,如图7(b)所示。如果p不在凸壳内,如图7(a)中


点p′,此时p′位于与p1关联的V多边形域内,该多边形的边是由p1分别与p2,p4


中垂线组成,修改与p1关联的V多边形时,只要分别计算p′与p1,p2,p4的中垂线


即可。


实施例8:检测网络最坏情况覆盖,即找出连接起点和终点的一条或多条路


径,目标沿着这些路径移动时被网络监测到的概率最小。我们称路径上的每个


点与周围最近圆心点的最小距离为突破(Breach)。那么,路径上的每个点与周


围最近圆心点的最小距离最大,则称为最大突破路径,记作Pbreacho根据V图的


几何性质可知:V图中的线段具有到最近圆心点的距离最大的性质,因此最大突


破路径Pbreach一定是由V图中的线段组成。据此,我们将原本连续的地理覆盖问


题有效地转化为离散的图论问题,通过寻找V图中最大突破路径,实现无线视频


传感器网络中最坏情况覆盖的检测。


实施例9:在一个实施例中,寻找从起点I到终点F的最大突破路径的具体


步骤如下:


(a)为V图中每一条边赋予一个权重以表示到最近圆心点的距离,权重由对


应D三角网的边长长度决定;


(b)在最小和最大的权重之间执行二进制查找算法:每一步操作之前给出一


个参考权重,进行宽度优先查找(BFS),判断是否存在一条从I到F的路径,


满足路径上各段的权重均大于参考权重?若路径存在,则增加参考权重以缩小


路径可选择的范围,重复执行(b);否则,降低参考权重,重复执行(b)。


(c)最后,得到一条从I到F的最大突破路径Pbreach,此时参考权重定义为参


考门限,记作δmax


需要指出的是:Pbreach并不是唯一的,可能存在多条路径同时满足其上各段


的权重均大于参考门限δmax。参考门限δmax表示目标在当前路径上移动到圆心点


的最小距离。作为传感器网络覆盖性能的重要评价指标,降低参考门限及路径


上各段的权重势必会改善无线视频传感器网络中最坏情况覆盖,这一理论依据


被应用于修补阶段。


实施例10:修补阶段又可细分为以下两个子阶段:


(1)根据网络监测需求,设定修补门限λ(λ≥δmax),汇聚节点找出最大突破


路径上权重大于修补门限λ的各段以及每段两侧所对应的一对圆心点,为接下


来的修补工作做好准备。


(2)汇聚节点逐段计算两侧视频传感器节点传感方向的调整规模并向发布


相应节点发布调整指令开展修补。


考虑到移动已有视频传感器节点位置以及额外部署新节点在实际应用中的


不可行性,本发明利用已有网络资源,利用视频传感器节点传感方向的可控可


调特性,改善网络中最坏情况覆盖。由于位置固定的视频传感器节点,其传感


方向的调整可被看作是其扇形感知区域内切圆圆心绕节点作圆周运动(顺时针


或逆时针方向),如图8所示。


实施例11:如图9所示,假设满足修补条件的一对圆心点pi和pj,其位于


V图中边Vij两侧。节点扇形感知区域内切圆圆心位置调整的具体方法如下:


(a)首先,连接圆心点pi和pj,形成D三角网的对应边Dij


(b)其次,确定这对内切圆圆心的运动方向;具体规则为:内切圆圆心pi
和pj沿着各自圆周分别朝向边Vij运动,如图9所示。


(c)再次,确定这对内切圆圆心的运动幅度。为方便操作,设定内切圆圆心


按固定角度Δθ转动,其中Δθ取值可视网络初始布局及修补程度确定。Δθ取值


要适中:过小会大大削弱修补效果;过大会严重影响到最大突破路径之外的网


络覆盖性能。本发明建议Δθ取值范围满足Δθ∈[5°,20°]。


如图9所示,根据两者位置关系,内切圆圆心pi和pj分别按照固定角度


Δθ=15°运动到新位置p′i和p′j,以此等价地刻画视频传感器节点si和sj相应传感


方向的调整。此时,视频传感器节点si和sj间的覆盖盲区情况有所改善。根据


内切圆圆心p′i和p′j的新位置重新构造V图时,我们发现:p′i和p′j间距(即新V


图中相应边的权重)明显减小,有效地提高最大突破路径上移动目标被检测到


的概率,实现对无线视频传感器网络中最坏情况覆盖的修补。


需要指出的是:一个内切圆圆心可能会因为其处于V图中两个或两个以上的


边两侧,而先后经历两次或两次以上的位置调整,其中每次位置调整调整遵循


上述调整方法。例如,在图9所示的实例中,若V图中边Vij和Vik的权值均大于


修补门限λ时,内切圆圆心pi受到pj和pk的双重影响,要先后经历两次的位置


调整,其中每次调整遵循相同规则。


最后,汇聚节点将计算结果经无线多跳通信方式发布到相应视频传感器节


点,这些视频传感器节点根据收到的内切圆圆心运动方向及幅度等信息对自身


传感方向进行调整,快速地实现对网络中最坏情况覆盖的修补。


实施例12:以下详细介绍根据本发明所进行的检测与修补无线视频传感器网


络最坏情况覆盖的实施例。在500×500m2的目标区域内,我们随机部署14个视


频传感器节点以完成环境监测。网络中所有视频传感器节点同构,且满足传感


半径R=50m,传感偏移角度α=30°。


举例说明,图10(a)为随机部署的初始无线视频传感器网络拓扑,其中I、


F分别为路径的起点和终点。图10(b)表示以节点扇形感知区域内切圆圆心代


替节点构造带权V图,V图中每条边的权重由相应D三角网的边长长度所决定。


图10(c)是寻找最大突破路径的遍历过程示意图,寻找从起点I到终点F的


最大突破路径,在最小权重(wmin=20)和最大权重(wmax=68)之间执行二进制


查找算法。首先,给出一个参考权重(δ=20+(68-20)/2=44),进行宽度优先查找,


判断得知不存在满足判定条件的从I到F的路径,则不断增加δ以缩小路径可选择


的范围。当δ=40时,得到满足判定条件的路径如图10(c)所示。最后,当δmax=43


时,得到满足判定条件的路径Pbreach。图10(d)是最大突破路径示意图,从图10


(d)可见:网络中最大突破路径Pbreach并不唯一,用权重表示的


Pbreach1={43,43,59,51,44,56,68,53}和Pbreach2={43,43,59,67,43,43,68,53}均为网络中


从I到F的最大突破路径。


修补网络中最坏情况覆盖,就是要设法减小最大突破路径上移动目标不被


检测到的概率。在此,设定修补门限λ=55(其中δmax=43),找出最大突破路径上


权重大于55的各段,汇聚节点逐段计算两侧视频传感器节点传感方向的调整规


模并向发布相应节点发布调整指令开展修补。图10(e)是最大突破路径修补示


意图,从图10(e)可以看出:从移动目标追踪角度看,修补能有针对性地降低

<>...

=>>详细说明书全文请进入首页检索查看

图1
©2018 IPPH.cn   PatViewer·专利搜索
主办单位:知识产权出版社有限责任公司  咨询热线:01082000860-8588
浏览器:IE9及以上、火狐等  京ICP备09007110号 京公网安备 11010802026659号