一种高跟踪质量保证的预先节点选择策略

李庆华 ，桂卫华

LI Qinghua1，2,GUI Weihua2

1.丽水学院 工学院，浙江 丽水 323000

2.中南大学 信息科学与工程学院，长沙 410083

1.Institute of Technology,Lishui University,Lishui,Zhejiang 323000,China

2.School of Information Science and Engineering,Central South University,Changsha 410083,China

1 相关工作

无线传感器网络（Wireless Sensor Networks，WSNs）的发展改变了人与自然的交流方式，移动目标跟踪是无线传感器网络的一个重要的应用之一，主要的应用场景有：在战场中对入侵目标的跟踪；在珍稀动物的保护中，以实现对珍稀动物的无人实时跟踪与监测；其他如灾难预报和智能交通等领域具有广泛的应用[1-2]。在这些应用中，传感器节点协作监测一个或多个特定的目标，并将感知数据发送到Sink节点以作决策或进一步处理，从而使用户能够实时、连续跟踪目标，感知目标的移动与状态，以实现感知世界的目标[3-4]。

无线传感器网络的节点是由电池供电，能量非常有限[3-4]，而且不能被替换与更新，因而传感器节点的能量一旦消耗尽，则完全失去功能而死亡[5-6]。为了节省节点的能量消耗，传感器节点一般采用周期性的睡眠与活跃（sleep and active）的工作方式[5]。如果多个节点监测到目标后都向Sink报告目标的话，那么，网络将会承担很多报告数据。而实际上，同一监测目标的这些报告数据存在冗余[7-8]，如果将同一目标监测到的数据进行数据融合后再发向Sink，则会大大减少网络的能量消耗。因而，有研究提出将依据目标所在的区域划分为簇[9]。当关注的目标出现发生后，位于目标周围的处于active状态的传感器节点产生感知数据并向簇头节点报告感知的数据。簇头节点将选定参考节点的信息进行数据融合向Sink节点汇报，由于同一目标只出现在网络的某一个局部区域内，同一时刻参与目标监测的节点数目有限，而同一目标在进行数据融合后再发往Sink，因此能够大大减少数据的传送量，是一种较好的策略，在本文中称这种策略为基于簇的目标监测策略。

本文的策略从总体上来说达到了如下的目标：（1）充分利用了非hotspots区域高达90%的剩余能量，从而可以依据目标的移动位置预先选择一些节点进行目标跟踪，因而大大提高了连续跟踪目标的能力，并使得目标跟踪的质量也得到很大提高。（2）策略采用节点状态监测与更新的方法，适时使监测较小的节点转为sleep状态以节省能量。同时，由于本文的预先选择策略使得目标处于高质量监测节点的概率增大，因而及时将低质量监测节点转为sleep既不影响监测质量，也可降低系统的能量消耗。

2 系统模型与问题定义

2.1 网络模型

为方便起见，作如下假设：

（1）同质的传感器网络，即所有传感器节点是同质的，具有相同的通信与处理能力，初始能量相等。

（2）与大多数研究相同，设传感器节点可以通过某种方法获得自己的位置坐标，节点vi的坐标用(xi，yi)表示。

（3）传感器节点采用周期性sleep与active轮换的方式工作以节省能量。设节点的工作周期时间长度为Γ，在时间Γ内，节点处于sleep的时间为τs，处于active的时间长度为τa，根据文献[10]的定义：节点的占空比定义如下：

2.2 能量消耗模型

本文的能量消耗模型与其他文献采用的模型是一样的[2-4]，发送l比特数据的能量消耗见公式（2），接收l比特数据的能量消耗见公式（3）。

2.3 问题描述

本文的目标是：在网络监测中，需要保证有足够多的监测节点连续地监测到目标，而且目标跟踪质量要尽量高。对于目标跟踪质量，提出如下的几个性能指标。

（1）连续跟踪的质量：连续跟踪质量指：设目标进入监测区域的总时间为T，目标被监测的质量超过一定阈值∂的时间为t，则定义连续跟踪质量。

（2）跟踪质量：为简单起见，定义跟踪质量为一段时间内跟踪到目标的节点个数，监测到目标的节点个数越多，则监测的质量越高。

3 高跟踪质量的预先节点选择策略

3.1 策略描述

本节详细给出本文策略的详细实现方法。如前面所述，本文策略的前面阶段与已有的研究是相同的，不相同的是提前对目标可能移动的区域进行预测，提前选择一些节点进行监测。因此，策略的形成分为如下几个阶段：

（1）工作簇的形成阶段：当目标进入监测区域后，由于节点周期性的sleep与active轮换，一旦目标被处于active的节点感知到，则所有感知到目标的节点将自己感知目标信号的强度信息，以及自己的剩余能量情况进行广播，类似于簇的形成过程，以下面的公式竞争簇头。

（2）预测区域节点加入簇的过程

簇头节点通过目标周围节点感知的信息，通过常用的三点定位法[7]确定目标的位置，然后将目标的位置，预测的目标移动方向，β与rx的值广播。所有收到广播值的节点计算自己是否落在节点的预测区域内，如果节点落到预测区域内，则向簇头节点发送请求加入簇的信息而加入簇。

（3）簇的稳定运行阶段

簇的稳定运行阶段比较简单，感知目标的节点将自己感知的信息发往簇头，簇头进行信息融合采用比如最短路由（shortest routing）策略发往Sink。

（4）簇头的轮换

簇头节点不断计算目标的位置，如果计算出的目标位置距离簇头的距离大于一定的阈值σ后，则簇头节点重新指定新的簇头，新的簇头节点重新广播簇半径rb，然后，旧的簇头广播自己不当簇头的信息，那些收到新簇头节点消息并且在簇半径rb的节点成新簇的簇内节点，那些只收到旧簇头撤销簇头消息的节点恢复正常的sleep与active轮换的工作方式。

（5）新的簇头重复第（2）到第（4）个阶段。

下面给出本文策略的算法描述。

3.2 策略的参数优化

设节点距离sink的距离为l，l=hr+x，则此节点承担的数据包个数为：

其中z为使l+zr刚好小于R的整数。

依据能量消耗公式（2）和公式（3），设节点承担一个数据包的能量消耗为ep，则可以得到距离Sink为l处远的节点，其转发数据的能量消耗为：

设距离Sink最近节点的距离为 y，其能量消耗最大，其他节点相对于能量消耗最大节点剩余的能量为：

那么现在要确定的是在剩余能量为E0时，能够支撑多大的预测区域。当β和rx确定时，其所圈定的圆弧面积为：

而预测区域仅是S1区域的一部分。设目标距离簇的边界距离为w，则预测区域的面积：

设w在(0,rb)间的圆上取值，因此，其平均取值可以计算得到为，因此：

设数据收集周期为Γ，因而在单位时间内，节点被选择后其能量消耗比未选择前增加的能量消耗速率为Δ，因而在时间周期Γ内，增加的能量消耗为：ΔΓ。整个预选择区域的增加的能量消耗为：npΔΓ。距离Sink为l处远的节点剩余的能量为，因而，将所有剩余的能量用于预测节点的选择，建立等式：

在上式中，只有β和rx是未知数，因而可以选择合适的β和rx，在不影响网络寿命的情况下，提高目标监测的质量。

4 实验结果

4.1 仿真参数设置

采用OMNET++4.0作为仿真工具，仿真的WSN覆盖区域为圆形，其半径R=500 m。用来监测的传感器节点数为500，节点的发送半径可以随时间变化，采用r=50，r=70，rb=0.6r。节点随机分布且所有节点初始能量都相同。能量仿真参数如表1所示。

如无特别说明，实验结果是20次实验结果的平均。

图1给出了当固定β=100°的情况下，距离Sink不同距离处rx的平均长度情况，可见在离Sink预测区域越来越大，意味着连续目标跟踪的能力增强，消耗了更多能量，但这些能量都是网络本身剩余的能量，因而不影响网络寿命。图2给出的是在rx固定的情况下，β的变化情况，从图2也可得到同样的规律，即随着远离Sink，由于剩余能量的增多，因而β越大，也就是目标跟踪能力增强。

表1 仿真参数

图1 网络不同区域rx的变化情况

图2 β的变化情况

4.2 仿真结果与分析

在本文的实验中，性能对比的参照实验是类似于文献[11]动态簇的目标跟踪策略。在这样的策略中，如果目标出现后，在目标附近动态形成簇，在本文中这种策略称为基本版（baseline version）的策略，其存在的不足是当目标移动到新的地方时，簇的形成与建立跟不上目标的移动，因而影响监测的质量。而本文的策略是在其基础上提前在目标可能移去的区域选择一些节点进行监测，以提高目标监测质量。下面给出这两种策略的性能实验结果。

图3的实验结果是目标在网络任意位置出现后，以不同速度移动时，不同策略选择监测节点个数的情况。在实验中，设置簇头节点在当目标距离簇头节点30 m时就轮换一次。从图3的实验可以看出，当目标的移动速度较慢时，不同的策略选择的节点个数差不多，但是，随着目标移动速度加快，本文策略选择的节点个数增大。

图3 不同策略下选择的节点个数

图4给出的是同时监测到目标的节点个数的对比情况（同时，是单位时间内监测到目标的节点个数）。在目标移动速度较小时，目标完全被节点覆盖，因而不同策略同时监测到节点的个数相差不大。而目标移动速度较大时，目标往往移出簇，因而以往研究下会存在监测的盲区，导致同时监测到目标的节点个数降低。而本文的策略还是维持在一个较高的水平，因而跟踪质量得到提高。

图4 监测目标的节点个数

图5给出的是不同策略下监测目标错失率的对比情况（是指目标没有被监测到的时间与总时间的比值）。很显然，如果目标移动速度越快，选择节点的速度远跟不上目标移动速度的话，那么目标错失率就高。反之，目标移动速度低，则目标错失率低。图5给出了不同策略的错失率的对比，从实验结果可以看出，本文的策略虽然在目标移动速度增大时，错失率也上升，但是还是远远小于以往策略，说明本文的策略具有较好的性能。

图5 错失监测目标的概率

图6给出的是不同策略下的网络寿命情况。从总体上来说不同策略的网络寿命相近。但是，还是有此细小的差别：当目标移动速度增大时，以往的策略由于有目标错失，因而有部分时间与节点没有感知到目标。因而目标移动速度增大时，其数据量反而减少，因而其网络寿命向上增长。而本文策略不同，目标错失率较小，同时由于目标移动快时，预测区域变化较快，节点的选择动态变化大，能量消耗反而多，因而网络寿命反而有所下降。

图6 网络寿命的对比

5 结论

目标跟踪中的节点选择仍然是一个值得研究的重要课题[12]。很少有研究考虑到节点这种sleep与active状态轮换工作而对目标跟踪造成错失的影响。本文研究了这一问题。提出了预先在目标移动的区域选择一部分节点，从而能够较好地提高网络监测的质量，同时，在网络寿命方面与以往的研究性能基本相同。达到这样效果的重要原因是：本文创新性地依据网络节点的能量消耗情况，对节点能量有剩余的区域预测区域较大，而在能量消耗紧张的区域预测区域较小，或者甚至没有。从而既有效利用了网络能量，又提高了网络的监测质量。对于设计高跟踪质量的网络具有较好的指导作用。

[1]Wei W，Ting H，Bisdikian C，et al.Impact of in-network aggregation on target tracking quality under network delays[J].IEEE Journal on Selected Areas in Communications，2013，31（4）：808-818.

[2]Youngwon Kim A，Seong-Moo Y，Changhyuk A，et al.Doppler effect on target tracking in wireless sensor networks[J].Computer Communications，2013，36（7）：834-848.

[3]Anfeng L，Xin J，Guohua C，et al.Deployment guidelines for achieving maximal lifetime and avoiding energy holes in sensor network[J].Information Sciences，2013，230（5）：197-226.

[4]Anfeng L，Zhongming Z，Chao Z，et al.Secure and energy efficient disjoint multi-path routing for WSNs[J].IEEE Transactions on Vehicular Technology，2012，61（7）：3255-3265.

[5]Zhou F，Trajcevski G，Ghica O，et al.Deflection aware tracking principals selection in active wireless sensor networks[J].IEEE Transactions on Vehicular Technology，2012，61（7）：3240-3254.

[6]林晓辉，于洁琼，陈彬.基于博弈论的无线传感器网络能耗均衡[J].广西大学学报：自然科学版，2012，37（6）：1150-1157.

[7]Benazir F，Govindarasu M.Energy minimization by exploiting data redundancy in real-time wireless sensor networks[J].Ad Hoc Networks，2013，11（6）：1715-1731.

[8]赵明，陈志刚，葛志辉，等.QS-Sift：一种基于服务质量和空间相关性的无线传感器网络MAC协议[J].小型微型计算机系统，2006，27（11）：2007-2011.

[9]周贤伟，林亮，覃伯平.一种无线传感器网络分簇规模约束算法[J].传感技术学报，2007，20（4）：908-911.

[10]胡倩，陈新.分簇无线传感器网络中密度感知的自适应占空比机制的研究[J].传感技术学报，2013，26（1）：105-109.

[11]邓克波，刘中.基于无线传感器网络动态簇的目标跟踪[J].兵工学报，2008，29（10）：1197-1202.

[12]任倩倩，李建中，王宇.无线传感器网络具有跟踪质量保证的节点选择算法[J].计算机学报，2012，35（10）：2007-2015.