申志平 孙茜 王小艺 许继平 张慧妍 王立

摘  要： 将待监测水域中水质参数波动较大的区域定义为重点监测区域，水质参数波动较小的区域定义为非重点监测区域。重点监测区域由于其水质参数波动频繁，需要覆盖更多的传感器以提高其检测精度。为提高资源利用率，在不增加传感器个数的情况下，将非重点监测区域内的传感器移动到重点监测区域中。首先，利用Voronoi图定位重点监测区域目标节点的位置，根据能量矩阵确定移动节点和目标节点一一对应的关系。然后，通过点对点移动策略（PPMS）实现对节点的重新部署，使重点监测区域得到更加有效的覆盖。仿真结果表明，该方法可以较大程度地减少传感器的移动距离，减少网络达到平衡点的时间，在不影响整体监测水域监测效果的情况下，实现对重点监测区域更为有效的覆盖。

关键词： 网络优化; 节点部署; 水质监测; 节点定位; 点对点移动; 仿真分析

中图分类号： TN711?34; TP212                   文献标识码： A                      文章編号： 1004?373X（2020）14?0097?04

Energy?efficiency method of network optimization deployment for water quality sensor

SHEN Zhiping， SUN Qian， WANG Xiaoyi， XU Jiping， ZHANG Huiyan， WANG Li

（School of Computer and Information Engineering，Beijing Technology and Business University， Beijing 100048， China）

Abstract： The areas with large fluctuation of water quality parameters in the water area to be monitored are defined as the key monitoring areas， and the areas with small fluctuation of water quality parameters are defined as the non?key monitoring areas. As the frequent fluctuations of the water quality parameters in the key monitoring areas， the more sensors need to be covered to improve their detection accuracy. The sensors in the non?key monitoring area are moved to the key monitoring area without increasing the number of sensors， so as to improve the resource utilization rate. The Voronoi diagram is used to locate the target node of the key monitoring area， and the one?to?one correspondence between the mobile node and the target node is determined according to the energy matrix. The redeploy of the nodes are realized by means of the point?to?point mobility strategy （PPMS）， so that the key monitoring areas can be more effectively covered. The simulation results show that the method can reduce the moving distance of the sensor to a large extent and the time for the network to reach the equilibrium point. It can achieve more effective coverage of the key monitoring area without affecting the monitoring effect in the overall monitoring water area.

Keywords： network optimization; node deployment; water quality monitoring; node localization; point?to?point mobility strategy; simulation analysis

0  引  言

无线传感器网络（Wireless Sensor Networks， WSNs）是由自主传感器组成的分布式网络[1]，它用于监测物理和环境条件中温度、声音等参数。目前WSNs在卫生保健、灾害管理与预防、滑坡探测、水质监测等各个领域[2?4]中发挥着非常重要的作用。无线传感器网络由相互连接的节点和传感器组成，每个节点连接一个或多个传感器，其中节点的数量取决于所覆盖区域的大小，通过节点采集和处理网络覆盖区域中感知对象的信息，并把信息发送给观察者。

水质传感器网络是监视和测定水体中污染物的种类、各类污染物的浓度及变化趋势，评价水质状况的过程[5]。近些年来随着生活污水、工业废水、污染物泄露等大量人为因素的影响使得不同水域的污染程度各不相同，水域污染程度较深的区域往往含有较高的溶解氧、氨氮、高锰酸钾等污染物质，且水质波动变化较大。水污染指数法[6]是对水体中污染物进行统计和归纳，以数值的形式综合反应水体污染程度的方法，其可以用来作为水污染分类的定级依据，根据水污染指数法可以把待测水域分为重点监测区域和非重点监测区域。在实际的水质监测中往往通过合理的群智能优化算法，以最大化覆盖率为优化目标，把传感器由最初的随机部署转换为均匀的部署[7?8]。但对于重点监测区域，由于其数据的严谨性和波动性，往往需要更高的覆盖程度[9]。因此，从资源合理利用和保证监测数据准确性的角度出发，运用无线传感器可以移动的特点，在有限传感器数目的条件下，把非重点监测区域的传感器移动到重点监测区域进行实时监控。因此，移动哪些传感器节点、按照何种路径进行移动是本文要解决的主要问题。

文献[10]采用多个可以移动的传感器节点在网络区域内随机移动的方式，利用这种方法可以减少网络数据的延迟，但随机移动使得网络整体能耗增加。文献[11]把网络中所有靜态节点划分为多个簇，接着在每个簇中选择一个节点作为簇头，其一个簇中的其他节点数据都由其进行数据上传，移动节点在区域内进行随机移动。这种方法可以降低网络的总能耗，但因为簇头位置不够确定，导致移动的路径不是最短的，进而导致移动节点的能耗增加。文献[12]中基本竞标协议采用直接移动的方式，但针对的是单个节点直接的移动。

如何实现把非重点监测区域中的移动节点移动到重点监测区域之内，同时能够最大程度地提高重点监测区域内的覆盖程度是本文解决的重点。

本文利用Voronoi图来定位重点监测区域内的漏洞点，即目标节点，同时根据能量距离矩阵确定移动节点和目标节点一一对应关系，通过对传感器节点的重新部署实现了对重点监测区域的有效覆盖。

1  模型的建立

1.1  区域模型

本文在监测水域的二维平面内，部署相同通信半径和传感半径的传感器节点。建立的模型如图1所示。大框包围的区域表示重点监测区域，小框包围的区域表示非重点监测区域。

1.2  网络覆盖率模型

图1中所产生的网格点记为[u]，区域内的网格点总数记作U，第[u]个网格点被一个传感器监测到的概率记为c。本文采用布尔感知模型完成传感器的覆盖监测模型，模型的数学表达式为：

[c（s，u）=0，        d（si，u）≥Rc1，         d（si，u）

式中：[d（si，u）]表示传感器节点与网格点[u]的欧氏距离，即传感器节点[si]部署在点[（xi，yi）]上，则网格点w到[（xi，yi）] 的距离为[d（si，u）=（xi-x）2+（yi-y）2];[Rc]表示传感器的有效监测半径，当[d（si，u）]大于传感器的有效半径时，网格点[u]将不能被检测。对于一个受监测网格，将它被整个监测区域中的所有传感器节点检测到的概率定义为联合检测概率，网格[u]的联合检测概率为：

[Cu（Sall，u）=1-i=1n（1-Cu（Si，u））]    （2）

2  确定移动节点和目标节点

为了最大程度地合理利用传感器资源，本文在不改变传感器个数的情况下拟将非重点监测区域的传感器移动到重点监测区域中。其中，非重点监测区域中传感器的节点被称为移动节点，重点监测区域中存在的点称为目标节点，并根据Voronoi图来确定。

Voronoi图是在其组成点集中连接两个相邻点直线的垂直平分线构成的一组连续多边形，基于Voronoi图定位非重点监测区域移动传感器节点的位置，具体分为两个步骤。

1） 利用网络中传感器节点构造Voronoi图，计算均匀部署后覆盖漏洞的边界，如图2所示。

2） 计算覆盖漏洞边界的外接矩形，用正六边形无缝分割，如图3所示，最后判断正六边形的中心是否在漏洞内，记录漏洞内正六边形的中心位置，作为目标节点的目标位置，统计记录的中心位置数量。

3  点对点移动策略

首先计算m个移动节点和n个目标节点的欧氏距离，距离计算完成后，列出距离矩阵D：

[D=D11  D12  D13 … D1，j … D1，n-1   D1nD21  D22  D23 … D2，j … D2，n-1  D2nD31  D32  D33 … D3，j … D3，n-1  D3n ?      ?      ?         ?            ?        ?Di1   Di2  Di3 … Di，j … Di，n-1   Din ?      ?      ?         ?            ?        ?Dm1 Dm2 Dm3 … Dm，j … Dm，n-1  Dmn]

计算传感器节点[i]移动到重点监测区域[j]消耗的能量：

[Ji，j=e·Di，j] （3）

式中，e为移动传感器移动单位距离所消耗的能量。

根据每个点的能量消耗列出能量消耗矩阵J：

[J=J11    J12    J13 … J1，j … J1，n-1     J1nJ21    J22    J23 … J2，j … J2，n-1    J2nJ31    J32    J33 … J3，j … J3，n-1    J3n ?      ?      ?         ?            ?        ?Ji1     Ji2    Ji3 … Ji，j …  Ji，n-1     Jin ?      ?      ?         ?            ?        ?Jm1  Jm2   Jm3 … Jm，j … Jm，n-1    Jmn]

能量消耗矩阵穷举了由移动节点到目标节点的能量消耗，根据式（4）找到能量消耗最小的节点移动路径。

[Q=mini=1mj=1nJij， i，j有且仅取一次] （4）

式中，Q为最小的节点移动路径上的能量消耗。

4  实验仿真

4.1  实验设计

本文采用针对性移动策略把非重点监测区域的传感器移动到重点监测区域中，在100 m ×100 m 的水域内，以2 m为边长划分网格以计算覆盖率，设定传感器半径为10 m。初始能量设置为10 000 J，传感器移动1 m消耗的能量是30 J。

4.2  实验结果与分析

通过把非重点监测区域的传感器移动到重点监测区域中，来增加重点监测区域的覆盖率，图4为均匀部署后传感器节点分布图，大框包围的区域表示重点监测区域，小框包围的区域表示非重点监测区域。

图5为本文最终部署的结果图，由图5可以看出非重点监测区域内的传感器节点移动到了重点监测区域内，大大增加了重点监测区域的覆盖率。

图6为覆盖率随时间变化图。由图6可以看出，随着时间的变化，非重点监测区域中传感器的移动，原始的均匀覆盖被打破，使得非重点和整体监测区域的覆盖率降低，同时随着重点监测区域传感器节点的增加，重点监测区域的覆盖率逐步增加，最终达到99%。而非重点监测区域和整个监测区域的传感器覆盖率呈现下降的趋势，最终分别达到稳定值66%，76%，通过移动在不增加传感器数量的基础上实现了对重点监测区域的有效覆盖。

图7为采用本文提出的点对点移动策略PPMS和随机移动策略（Random Mobility Strategy，RMS）的移动距离对比图，考虑到随机移动的不确定性对实验对比结果的影响，对随机移动策略进行了20次实验，对实验结果做均值处理，得到的实验对比如图7所示。由图可以看出随机移动传感器移动距离达到350 m，采用PPMS的移动距离为280 m，最终可以减少2 100 J的网络能耗;同时由图还可以看出PPMS较RMS达到平衡点的时间较短，进一步可以保证网络的稳定性。

5  结  论

本文研究了水质传感器网络节点部署问题。首先，将待监测水域划分为重点和非重点监测区域，利用Voronoi图确定移动节点和目标节点;然后，通过点对点移动策略实现传感器节点的重新部署。仿真结果表明，点对点移动策略可有效减少传感器节点的移动距离，延长网络的生命周期，并能使网络在更短的时间内达到新的平衡。

注：本文通讯作者为孙茜。

参考文献

[1] ABO?ZAHHAD M， SABOR N， SASAKI S， et al. A centralized immune?Voronoi deployment algorithm for coverage maximization and energy conservation in mobile wireless sensor networks [J]. Information fusion， 2016， 30： 36?51.

[2] 程文.无线传感器网络研究现状与应用[J].电子测试，2016，7（3）：90?91.

[3] ADU?MANU K S， TAPPARELLO C， HEINZELMAN W， et al. Water quality monitoring using wireless sensor networks： current trends and future research directions [J]. ACM transactions on sensor networks， 2017， 13（1）： 4.

[4] 任志玲，张广全，林冬，等.无线传感器网络应用综述[J].传感器与微系统，2018（3）：1?2.

[5] 郑群威，苏维词，杨振华，等.乌江流域水环境质量评价及污染源解析[J].水土保持研究，2019，26（3）：204?212.

[6] 孙艺珂，王琳，祁峰.改进综合水质指数法分析黄河水质演变特征[J].人民黄河，2018，40（7）：78?81.

[7] 何旭，彭珍瑞，董海棠，等.加权质心鱼群算法在WSNs节点优化布置中的应用[J].传感器与微系统，2018（1）：157?160.

[8] 戴乐诚，俞阿龙，周星宇，等.改进粒子群算法在桥梁结构损伤识别传感器优化布设中的应用[J].现代电子技术，2019，42（7）：141?146.

[9] 余幸运，孙茜，王小艺，等.基于粒子群优化算法的水质传感器优化部署研究[J].传感器与微系统，2016，35（12）：30?32.

[10] HAN G J， JIANG J F， ZHANG C Y， et al. A survey on mobile anchor node assisted localization in wireless sensor networks [J]. IEEE communications surveys & tutorials， 2017， 18（3）： 2220?2243.

[11] ZHANG Y M， HE S B， CHEN J M. Data gathering optimization by dynamic sensing and routing in rechargeable sensor networks [C]// 2013 IEEE International Conference on Sensing， Communications and Networking. New Orleans： IEEE， 2016： 1632?1646.

[12] WANG G G， CAO G， BERMAN P， et al. Bidding protocols for deploying mobile sensors [J]. IEEE transactions on mobile computing， 2007， 6： 515?528.