一种基于检测信息融合的无线传感器网络确定性部署方法

摘要

本发明公开了一种基于检测信息融合的无线传感器网络确定性部署方法，利用传感器装置检测目标信号强度x，目标可以同时被多个传感器装置检测到；根据检测到的目标信号强度和目标特征参数表达式采用最优线性无偏估计方法，计算目标特征参数θ的估计值和参数估计误差然后，计算相邻传感器节点之间的最大间隔距离dmax；最后，根据dmax计算需要部署的传感器节点数量和具体的放置位置。本发明利用传感器节点之间的信息协作处理能力，以参数估计理论为基础，在给定检测概率条件下，可以大量减少用于检测的传感器节点数量，提高检测效率，降低无线传感器网络实施有效监测的成本，适用于工厂自动化设备状态监测与故障诊断和城市交通安全监控等领域。

权利要求

1.一种基于检测信息融合的无线传感器网络确定性部署方法，其特征在于：首先测定相邻传感器节点之间的最大间隔距离 ，再确定需要部署的传感器节点数量和具体的放置位置；其中，测定相邻传感器节点之间的最大间隔距离 的方法是： (1)在需要部署传感器的场所设置N个传感器，利用传感器装置检测目标信号强度， ，其中，k表示第k个传感器，N表示网络中传感器节点的数量，N为大于等于

2的整数；

(2)根据目标特征参数表达式 ， ，其中， 表示信号衰减

系数，K表示进行检测信息融合的传感器节点数量，dk表示目标与第k个传感器节点之间的间隔距离，nk表示第k个传感器节点检测时引入的噪声，利用最优线性无偏估计方法，计算目标特征参数 的估计值 和参数估计误差 ，其中， ，，σk表示测量噪声中的标准方差大小；

(3)利用最小检测概率 和参数估计误差的最大边界值A，根据公式 ，计算相邻传感器节点之间的最大间隔距离 ；

确定需要部署的传感器节点数量和具体的放置位置的方法是：

首先用平行直线将监测区域划分成条状区域，相邻两条平行直线之间的距离，将所有的平行直线旋转60°、90°、或120°，在监测区域内与原各平行直线分别交于点 ，则N为需要部署的传感器节点的数量，交点 就是传感器网络中节点的具体放置位置。

2.权利要求1所述无线传感器网络节点确定性部署方法在目标监测和设备故障检测与诊断中的应用，其特征在于：在待监测环境或待检测设备中，采用权利要求1所述方法确定传感器节点的具体放置位置，利用传感器检测目标信号强度x，同时计算目标特征参数的估计值 和参数估计误差 ，如果 ，当 时，则判断目标存在或者设备故障发生，反之，当 时，则判断目标不存在或者设备无故障发生，其中， 为事先设定的判断阈值。

说明书

一种基于检测信息融合的无线传感器网络确定性部署方法

技术领域

[0001] 本发明涉及一种无线传感器网络部署方法，具体涉及一种基于检测信息融合的无线传感器网络确定性部署方法，可以应用于战场环境监测、工厂自动化设备状态检测与诊断以及城市交通安全监控等领域。

背景技术

[0002] 利用无线传感器网络实施环境参数或者设备状态监测，在战场环境监控、工厂自动化设备检测与诊断等领域具有广泛的应用。网络中传感器节点如何部署，关系着监测的准确性和监测效率，同时也关系着实施监测所花费的代价和成本，因此，有效的部署方式和方法显得尤为重要。

[0003] 现有技术中，无线传感器网络节点部署包括随机部署方式和确定性部署方式，随机部署主要应用于工作人员无法接近或者存在危险的监测环境，比如原始森林和核辐射区域等，确定性部署主要适用于自动化工厂和船厂等便于工作人员接近和安装的场所。目前，确定性部署方式在无线传感器网络实际工程应用中占据了主导作用。

[0004] 无线传感器网络节点部署，一方面需要保证监测区域内的目标可以被监测到，另一方面需要尽量减少所部署的传感器节点数量，以降低网络监测成本。传统的无线传感器网络部署方法，通常从物理覆盖角度出发，以几何分析为手段，确定需要部署的传感器节点数量和具体的放置位置。该方法没有考虑传感器节点之间的信息协作处理能力，属于保守型方法，基于该方法计算需要部署的传感器节点数量较多，增加了网络监测的成本代价。此外，由于部署无线传感器网络的目的是实现监测区域内目标的实时监测，基于几何分析的部署方法，仅能确定传感器节点数量和具体的放置位置，无法应用于目标是否存在的分析和判断。

[0005] 部署无线传感器网络节点，另外一种方法是从信息覆盖角度出发。不同于物理覆盖，信息覆盖主要从协作信息处理角度出发，通过融合不同传感器节点的检测信息，提高传感器节点的感知范围，从而减少用于监测的传感器节点数量，降低网络监测成本。基于信息覆盖的无线传感器网络节点部署，涉及到传感器感知方式、参数估计和数据融合等多个方面，目前提出的方法主要针对森林火灾监测和核污染区域监测等需要采用随机部署方式的应用领域而言，对于自动化设备监测和船厂集装箱监测等可以进行确定性部署的应用领域，如何确定需要部署的传感器节点数量和传感器节点的具体放置位置，尤其如何确定传感器节点之间的间隔距离，目前仍然缺乏有效方法。

发明内容

[0006] 本发明的发明目的是提供一种无线传感器网络确定性部署方法，充分利用传感器节点之间协作信息处理能力，减少达到给定检测概率所需要部署的传感器节点数量，从而降低利用无线传感器网络实施监控的成本。本发明的另一个目的是将上述方法用于目标监测和设备故障检测与诊断。

[0007] 为达到上述发明目的，本发明采用的技术方案是：一种基于检测信息融合的无线传感器网络确定性部署方法，首先测定相邻传感器节点之间的最大间隔距离dmax，再确定需要部署的传感器节点数量和具体的放置位置；其中，测定相邻传感器节点之间的最大间隔距离dmax的方法是：

[0008] (1)在需要部署传感器的场所设置N个传感器，利用传感器装置检测目标信号强度xk，k＝1，2，L，N，其中，k表示第k个传感器，N表示网络中传感器节点的数量，N为大于等于2的整数；

[0009] 一般来说，传感器的部署需要按照正方形或者三角形形状进行部署，为保证目标能够被检测到，需要保证传感器节点之间的间隔距离，部署的传感器节点数量与需要监测的区域的大小相关联，本领域技术人员可据此选择N的大小；

[0010] (2)根据目标特征参数表达式 k＝1，2，L，K，其中，α表示信号衰减系数，K表示进行检测信息融合的传感器节点数量，dk表示目标与第k个传感器节点之间的间隔距离，nk表示第k个传感器节点检测时引入的噪声，利用最优线性无偏估计方法(Best Linear Unbiased Estimator，BLUE)，计算目标特征参数θ的估计值 和参数估计误差其中， σk表示测量噪声中的标准方差大小；

[0011] 现以α＝2和K＝2的情形进行具体说明。α＝2，表明目标信号强度衰减与距离的平方成反比，K＝2，表明利用三个传感器节点的检测信息来估计目标特征参数θ，此时，目标特征参数估计值 参数估计误差其中，x1为第1个传感器接收到目标的信号强度，n1为第1个
传感器接收到的噪声信号强度，d1为第1传感器与目标之间的间隔距离，σ1为第1个传感器接收到的噪声信号的标准方差，x2为第2个传感器接收到目标的信号强度，n2为第2个传感器接收到的噪声信号强度，d2为第2传感器与目标之间的间隔距离，σ2为第2个传感器接收到的噪声信号的标准方差。

[0012] (3)利用最小检测概率E和参数估计误差的最大边界值A，根据公式计算相邻传感器节点之间的最大间隔距离dmax；

[0013] 现以α＝2和K＝2，参数估计误差满足高斯分布和噪声满足高斯同分布进行说明。由于噪声ni，i＝1，2，L，N满足高斯同分布，可以假设噪声ni的均值E{ni}＝0，i＝1，2，L，N，ni的方差 由于参数估计误差满足高斯分布，根据参数估计表达式 通过计算，可以进一步得到 的均值
的方差 根据公式
同时令 可以得到 当A＝
σ时，通过计算可以得到： 当ε＝95％时，可以进一步得到：
通过查正态分布表可以得到： 该约束条件
对监测区域内的任意一点均需要满足，结合具体的部署方式，比如三角形部署，可以由此表达式计算和确定两个传感器节点之间的最大间隔距离dmax。

[0014] 确定需要部署的传感器节点数量和具体的放置位置的方法是：

[0015] 首先用平行直线将监测区域划分成条状区域，相邻两条平行直线之间的距离将所有的平行直线旋转60°、90°、或120°，在监测区域内与原各平行直线分别交于点s1，s2，L，sN，则N为需要部署的传感器节点的数量，交点s1，s2，L，sN就是传感器网络中节点的具体放置位置。

[0016] 一般可采用顺时针旋转，当旋转60°或120°时，为正三角形部署，当旋转90°时，为正方形部署。

[0017] 上述无线传感器网络节点确定性部署方法在目标监测和设备故障检测与诊断中的应用，在待监测环境或待检测设备中，采用上述方法确定传感器节点的具体放置位置，利用传感器检测目标信号强度x，同时计算目标特征参数θ的估计值 和参数估计误差 如果 当 时，则判断目标存在或者设备故障发生，反之，当 时，则判断目标不存在或者设备无故障发生，其中，θ0为事先设定的判断阈值。

[0018] 由于上述技术方案运用，本发明与现有技术相比具有下列优点：

[0019] 1.本发明由于利用了传感器节点之间协作信息处理能力，拓展了传感器节点的感知范围，在协作信息处理基础上计算得到传感器节点之间的间隔距离，可以大量地减少用于监测的传感器节点的数量，从而降低网络监测的成本。

[0020] 2.由于采用了最优线性无偏估计方法(Best Linear Unbiased Estimator，BLUE)，估算目标特征参数，因此对满足线性条件的监测系统，可以得到最优估计值，检测准确度更高，检测效率也更高。

[0021] 3.本发明由于采用检测信息融合方式进行网络节点部署，在计算和确定传感器节点的具体放置位置后，本发明可以直接利用目标特征参数估计结果实现对监测区域内目标是否存在的判断和自动识别，达到无线传感器网络实时监测的目的。

附图说明

[0022] 图1是实施例一中等边三角形部署方式示意图；

[0023] 图2是实施例一中等边三角形部署方式的三种情形；

[0024] 图3是实施例一中等边三角形部署方式的几何分析示意图；

[0025] 图4是实施例一中检测概率Pt与进行检测融合的传感器节点数量n之间的变化关系；

[0026] 图5是实施例一中等边三角形部署方式中Case 2时的检测概率分布；

[0027] 图6是实施例二中正方形部署方式示意图；

[0028] 图7是实施例二中正方形部署方式的三种情形；

[0029] 图8是实施例二中正方形部署方式的几何分析示意图；

[0030] 图9是实施例二中检测概率Ps与进行检测融合的传感器节点数量n之间的变化关系；

[0031] 图10是实施例儿中正方形部署方式中Case 2时的检测概率分布。

具体实施方式

[0032] 下面结合附图及实施例对本发明作进一步描述：

[0033] 实施例一：等边三角形部署方式

[0034] 在无线传感器网络确定性部署策略中，等边三角形部署方式是常用的部署方式。所谓等边三角形部署方式，是指传感器节点以等边三角形方式进行排列，如图1所示。图
1中，三个圆的圆心位置即为传感器节点的部署位置，传感器节点的感知范围是以传感器节点为中心半径为r的圆，如果不考虑传感器节点之间协作信息处理能力(即物理覆盖)，当目标与至少一个传感器节点之间的距离d不大于r时，目标才能被检测到，反之不能被检测到。图1中圆形区域为单个传感器节点的感知范围，圆形之间的黑色区域为通过传感器节点之间协作信息处理可以感知到的区域。采用等边三角形部署方式，通常存在三种情形，如图2所示。Case1表示传感器节点的感知范围存在交集情形，Case2表示传感器节点的感知范围刚好相切情形，Case3表示传感器节点的感知范围不存在交集情形。随着传感器节点之间的间隔距离变大，需要采用协作信息处理检测目标的区域变大，如图2中横线区域部分。

[0035] 本实施例首先利用传感器装置检测目标信号强度x，然后通过最优线性无偏估计方法计算目标特征参数 和参数估计误差 再根据参数估计误差和事先给定的最小检测概率计算传感器节点之间的最大间隔距离dmax，最后根据dmax确定需要部署的传感器节点数量和具体的放置位置。对等边三角形部署方式而言，具体实施过程如下：

[0036] 首先假设t时刻第k个传感器节点检测到目标信号强度为xk(t)，k＝1，2，L，K，其中K表示进行检测信息融合的传感器节点数量，为方便起见，令时刻t＝0。

[0037] 假设信号衰减模型表达式为 k＝1，2，L，N，其中，α表示信号衰减系数，N表示传感器节点数量，dk表示目标与第k个传感器节点之间的间隔距离，nk表示测量噪声，θ表示目标特征参数，可以判断目标是否存在。为方便起见，假设α＝2，表示信2
号随距离平方成反比，测量噪声nk为标准正态分布，均值为μ＝0，方差为σ ＝1。

[0038] 当进行检测信息融合的传感器节点数量K＝2时，利用最优线性无偏估计方法，计算目标特征参数θ的估计值 和参数估计误差 可以得到如下结果：

[0039]

[0040]

[0041] 由于 因此上述结果可以进一步转化为：

[0042]

[0043]

[0044] 为使得目标特征参数θ的估计值 具有可信度，必须使 的估计误差 满足一定的条件。由(4)可以计算得到 的均值 和方差 结果如下：

[0045]

[0046]

[0047] 对于监测区域内任意一点，均需要满足最小检测概率条件，即参数估计误差 小于或等于某个给定常数A的概率大于或等于某个事先给定的常数ε，数学表达式如下：

[0048]

[0049] 其中，ε表示最小检测概率，A表示参数估计误差 允许的最大边界值。假设 满足均值为 和方差为 的高斯分布，令 由(7)可以得到：

[0050]

[0051] 化简后得到：

[0052]

[0053] 当A＝σ时，通过计算可以得到： 当ε＝95％时，可以进一步得到： 通过查正态分布表可以得到：
该约束条件对监测区域内的任意一点均需要满足，对等边三角形部署
方式，可以通过计算确定两个传感器节点之间的最大间隔距离dmax，计算过程如下：

[0054] 如图3所示，A，B，C为传感器节点的部署位置，以A，B，C为顶点的三角形为等边三角形，假设等边三角形的边长为d，即传感器节点之间的间隔距离。对于等边三角形ABC内部任意一点D，均需要满足该点的检测概率不小于事先的给定值。当K＝2时，采用两个传感器节点的检测信息进行融合，由于参数估计误差与目标与检测传感器节点间的距离成反比，为提高检查准确度，需要利用距离目标最近的两个传感器节点检测信息进行融合。不失一般性，如图3所示，利用B和C两点的检测信息进行融合，由以上的分析可知，△ABC内部任意一点，均要满足如下条件：

[0055]

[0056] 当ε＝95％时，通过查正态分布函数表可以得到：

[0057]

[0058] 利用最优化方法，可以知道，当 时， 取得最小值，此时，传感器节点间的间隔距离d取得最大值dmax＝3.03，当两个传感器节点间的间隔距离大于3.03时，则无法保证监测区域内任意点均能准确被检测到。此时，三个感知半径为1，以等边三角形方式部署的传感器节点，如果不采用检测信息融合，可以监测的区域面积大小约为S＝9.42，而采用两个传感器检测信息融合方式，可以监测的区域面积大小约为S＝
11.75，监测区域大小大约提高了24.7％，由此可见，利用基于检测信息融合方式进行传感器网络节点部署，可以有效地提高检测区域，对于给定的监测区域，可以有效地减少需要部署的传感器节点数量，从而降低网络监测成本。

[0059] 当K＝3时，采用三个传感器节点的检测信息进行融合，利用与K＝2相似的分析，通过计算可以得到传感器节点之间的最大间隔距离dmax＝3.26，采用三个传感器检测信息融合方式，可以监测的区域面积大小约为S＝12.46，监测区域大小大约提高了32.3％。在等边三角形部署方式中，当K＝2时，监测区域大小大约提高了24.7％，当K＝3时，监测区域大小大约提高了32.3％，比较两种情形，可以发现：通过增加检测信息融合的传感器节点的数量，可以增加监测区域大小，对于给定监测区域，可以减少达到给定检测概率需要部署的传感器节点数量，从而降低监测的成本。

[0060] 增加进行检测信息融合的传感器节点数量，可以提高检测概率，但两者之间并非成线性关系，如图4所示。由于进行检测信息融合，首先需要传感器节点之间交换数据信息，需要花费通信代价，实际工程中，选择2～4个传感器节点的检测信息进行融合是比较好的选择。

[0061] 在等边三角形部署方式中，监测区域中不同位置的检测概率也不同，图5表示等边三角形部署方式中Case2时的检测概率分布情况，从中可以看到，等边三角形的中心位置是检测概率最小的位置。

[0062] 实施例二：正方形部署方式

[0063] 与等边三角形部署方式相似，正方形部署方式要求传感器节点以正方形方式进行排列，如图6所示。正方形部署方式同样存在三种情形，如图7所示。Case1表示传感器节点的感知范围存在交集情形，Case2表示传感器节点的感知范围刚好相切情形，Case3表示传感器节点的感知范围不存在交集情形。随着传感器节点之间的间隔距离变大，需要采用协作信息处理检测目标的区域变大，如图7中横线区域部分。

[0064] 当进行检测信息融合的传感器节点数量K＝2时，利用最优线性无偏估计方法，计算目标特征参数θ的估计值 和参数估计误差 可以得到如下结果：

[0065]

[0066]

[0067] 由于 因此上述结果可以进一步转化为：

[0068]

[0069]

[0070] 为使得目标特征参数θ的估计值 具有可信度，必须使 的估计误差 满足一定的条件。由(4)可以计算得到 的均值 和方差 结果如下：

[0071]

[0072]

[0073] 对于监测区域内任意一点，均需要满足最小检测概率条件，即参数估计误差 小于或等于某个给定常数A的概率大于或等于某个事先给定的常数ε，数学表达式如下：

[0074]

[0075] 其中，ε表示最小检测概率，A表示参数估计误差 允许的最大边界值。假设 满足均值为 和方差为 的高斯分布，令 由(7)可以得到：

[0076]

[0077] 化简后得到：

[0078]

[0079] 当A＝σ时，通过计算可以得到： 当ε＝95％时，可以进一步得到： 通过查正态分布表可以得到：
该约束条件对监测区域内的任意一点均需要满足，对正方形部署方
式，可以通过计算确定两个传感器节点之间的最大间隔距离dmax，计算过程如下：

[0080] 如图8所示，A，B，C，D为传感器节点的部署位置，以A，B，C，D为顶点构成正方形，假设正方形的边长为d，即传感器节点之间的间隔距离。对于正方形ABCD内部任意一点E，均需要满足该点的检测概率不小于事先的给定值。当K＝2时，采用两个传感器节点的检测信息进行融合，由于参数估计误差与目标与检测传感器节点间的距离成反比，为提高检查准确度，需要利用距离目标最近的两个传感器节点检测信息进行融合。不失一般性，如图8所示，利用C和D两点的检测信息进行融合，由以上的分析可知，△OCD内部任意一点，均要满足如下条件：

[0081]

[0082] 当ε＝95％时，通过查正态分布函数表可以得到：

[0083]

[0084] 利用最优化方法，可以知道，当 时， 取得最小值，此时，传感器节点间的间隔距离d取得最大值dmax＝2.20，当两个传感器节点间的间隔距离大于
2.20时，则无法保证监测区域内任意点均能准确被检测到。此时，三个感知半径为1，以等边三角形方式部署的传感器节点，如果不采用检测信息融合，四个传感器节点可以监测的区域面积大小约为S＝12.56，而采用两个传感器检测信息融合方式，可以监测的区域面积大小约为S＝17.40，监测区域大小大约提高了38.5％，由此可见，利用基于检测信息融合方式进行传感器网络节点部署，可以有效地提高检测区域，对于给定的监测区域，可以有效地减少需要部署的传感器节点数量，从而降低网络监测成本。

[0085] 当K＝3时，采用三个传感器节点的检测信息进行融合，利用与K＝2相似的分析，通过计算可以得到传感器节点之间的最大间隔距离dmax＝2.4，采用三个传感器检测信息融合方式，可以监测的区域面积大小约为S＝12.56，监测区域大小大约提高了45.8％。在正方形部署方式中，当K＝2时，监测区域大小大约提高了38.5％，当K＝3时，监测区域大小大约提高了45.8％，比较两种情形，可以发现：通过增加检测信息融合的传感器节点的数量，可以增加监测区域大小，对于给定监测区域，可以减少达到给定检测概率需要部署的传感器节点数量，从而降低监测的成本。

[0086] 增加进行检测信息融合的传感器节点数量，可以提高检测概率，但两者之间并非成线性关系，如图9所示。由于进行检测信息融合，首先需要传感器节点之间交换数据信息，需要花费通信代价，实际工程中，选择2～4个传感器节点的检测信息进行融合是比较好的选择。

[0087] 在正方形部署方式中，监测区域中不同位置的检测概率也不同，图10表示正方形部署方式中Case 2时的检测概率分布情况，从中可以看到，正方形的中心位置是检测概率最小的位置。