硕 士 学 位 论 文

MASTER’S DISSERTATION

论文题目 有向传感器网络的覆盖控制

作者姓名 贺 欢

学科专业 控制理论与控制工程

指导教师 罗小元 教授

2015 年 5 月
中图分类号：TP13 学校代码：10216
UDC：007.5 密级：公开

工学硕士学位论文

有向传感器网络的覆盖控制

硕 士 研 究 生：贺 欢
导 师：罗小元 教授
申 请 学 位：工学硕士
学 科 专 业：控制理论与控制工程
所 在 单 位：电气工程学院
答 辩 日 期：2015 年 5 月
授予学位单位：燕山大学
A Dissertation in Control Theory and Control Engineering

COVERAGE CONTROL FOR

DIRECTIONAL SENSOR NETWORKS

by He Huan

Supervisor: Professor Luo Xiaoyuan

Yanshan University

May, 2015
 燕山大学硕士学位论文原创性声明

本人郑重声明：此处所提交的硕士学位论文《有向传感器网络的覆盖控制》，是
本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。
论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作
做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完
全由本人承担。

作者签字： 日期： 年 月 日

燕山大学硕士学位论文使用授权书

《有向传感器网络的覆盖控制》系本人在燕山大学攻读硕士学位期间在导师指
导下完成的硕士学位论文。本论文的研究成果归燕山大学所有，本论文的研究内容
不得以其它单位的名义发表。本人完全了解燕山大学关于保存、使用学位论文的规
定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和
借阅。本人授权燕山大学，可以采用影印、缩印或其它复制手段保存论文，可以公
布论文的全部或部分内容。

保密□，在 年解密后适用本授权书。
本学位论文属于
不保密□。
(请在以上相应方框内打“√”)

作者签名： 日期： 年 月 日

导师签名： 日期： 年 月 日
 摘 要

摘 要

随着无线通信技术、微机电系统技术以及嵌入式技术的发展，无线传感器网络
作为一个新兴科技受到越来越多的关注，被广泛应用在环境保护、医疗护理、智能
家居、军事监测等生活各个方面。本文主要对无线传感器网络的覆盖控制问题进行
研究，通过设计独特高效的控制策略，在保证网络连通性的情况下，更好地完成网
络覆盖。
首先，针对传统的全向传感器网络的全覆盖问题进行研究，提出了同时适用于
二维平面及三维空间的保证连通性的可移动传感器网络全覆盖控制策略。策略中选
取最高效覆盖拓扑，计算出所需节点最少数目，同时设计节点间、节点与目标区域
间以及节点与边界间的虚拟力，使给定节点移动到适当位置，从而完成全连通全覆
盖的最优结果。相比以往的覆盖增强策略，其优点在于更节省节点、更智能、覆盖
率为百分之百。
其次，由于传统的全向传感器网络不能准确地描述具有方向性的多媒体传感器
网络，针对更适用于多媒体传感器的有向传感器网络的覆盖增强问题展开研究，对
已有的分布式贪心（Dgreedy）覆盖增强算法进行了改进，提出一种基于改进传感器
方向查找策略的分布式贪心（IRA Dgreedy）算法。改进策略中令原覆盖增强算法中
的传感器查找最优方向时虚拟转动角度随覆盖率动态变化，同时设计了基于初始时
刻冗余覆盖面积的优先级策略。相比于传统 Dgreedy 算法，IRA Dgreedy 算法使查找
过程更精确，同时增大了目标区域覆盖率。
最后，由于有向传感器网络实际应用中不仅要求具有较高的覆盖率，而且要求
进一步做到全覆盖，因此针对有向传感器网络的全覆盖问题进行研究，提出了可移
动传感器的全覆盖控制策略，同时设计高效的流函数避障算法。策略中选取具有转
动速度的有向传感器模型，按照已有高效拓扑结构，设计合理的虚拟力及控制算法
使传感器节点到达预期位置，同时避免节点间以及节点和障碍物之间的碰撞。

关键词：全向传感器网络；有向传感器网络；覆盖控制；分布式贪心算法；势场函
数；流函数。

-I-
 燕山大学工学硕士学位论文

Abstract

With the development of wireless communication technology,

micro-electromechanical systems technology, embedded technology, Wireless Sensor
Networks ( WSNs ) have attracted more and more attention and become a hot issue. WSNs
have the advantages of distribution, low-cost and flexibility, and so on. They had been
widely applied in environmental protection, health care, intelligent building, battlefield
surveillance.
Firstly, the problem of an effective way to achieve the goal of full coverage control
with strong connectivity for two-dimensional traditional WSNs and three-dimensional
traditional WSNs is proposed in this paper. To achieve full coverage with the least sensors,
the most efficient 1-coverage topologys in two-dimensional WSNs and three-dimensional
WSNs are used. In order to make every sensor reach a proper point without collisions and
moving out of the target field to cover the area fully, virtual potential functions are
proposed to design the appropriate controller, Compared with the existing coverage
strategy, the proposed strategy needs far more less sensors and achieves full coverage
while preserving global connectivity much more effectively. It is shown that the proposed
algorithm is proved to be convergent through the Lyapunov stability theory, and some
simulations are used to verify the effictiveness of the proposed algorithm.
Secondly, because the traditional multi-directional sensor networks is not accurate
enough for the study of multi-media sensors，the problem of maximum directional area
coverage in Directional Sensor Networks ( DSNs ) is studied, which is more fit for
multi-media sensor networks. A developed approach，namely improved rotation angle
distributed greedy algorithm based the improved strategy of chosen direction searching is
proposed. In this approach，the priority setting stratgy is recomposed according to the
initial redundant coverage rate, the rotation angle of sensor while looking for optimal
direction is supposed to decrease with the increase of coverage rate. Compared with
previous Dgreedy algorithm，the improved Dgreedy algorithm gets higher accuracy and
coverage rate without extension of time. Finally，some simulations are used to illustrate

- II -
 Abstract

the effictiveness of the proposed algorithm.

At last, because full coverage is offen required in real application for DSNs except
for coverage development，the problem of full coverage in directional sensor networks is
studied furtherly, a novel coverage strategy with stream-based obstacle avoidance is
presented to coordinate the mobile sensors to achieve full coverage . In this strategy, the
number of sensors needed is calculated based on the 1-coverage network topology, a
potential-based sensor placement algorithm is developed, where a stream function is
applied to avoid collisions. It is shown that the proposed potential-based sensor placement
algorithm is convergent. Finally, some simulations are used to demonstrate the
effectiveness of the proposed algorithm.

Keywords: WSNs; DSNs; coverage control; Dgreedy algorithm; potential function;

stream function.

- III -
 目 录

目 录
摘 要 ................................................................................................................................... I
Abstract ................................................................................................................................II
第1章 绪 论 .................................................................................................................... 1
1.1 本课题的研究背景及意义....................................................................................... 1
1.2 国内外研究现状....................................................................................................... 2
1.2.1 全向传感器网络覆盖控制技术 ........................................................................ 2
1.2.2 有向传感器网络覆盖控制技术 ........................................................................ 5
1.3 论文研究内容及安排............................................................................................... 7
第 2 章 全向传感器网络保证连通性的全覆盖控制 ........................................................ 8
2.1 引言........................................................................................................................... 8
2.2 问题描述................................................................................................................... 8
2.3 二维无线传感器网络的全覆盖控制....................................................................... 9
2.3.1 二维区域全覆盖所需传感器个数计算 ............................................................ 9
2.3.2 二维全向传感器网络全覆盖控制算法 .......................................................... 10
2.4 三维全向传感器网络的全覆盖控制..................................................................... 14
2.4.1 三维区域全覆盖所需传感器个数计算 .......................................................... 14
2.4.2 三维全向传感器网络全覆盖控制算法 .......................................................... 15
2.5 仿真实验................................................................................................................. 16
2.5.1 二维平面覆盖控制算法仿真实验 .................................................................. 16
2.5.2 三维空间覆盖控制算法仿真实验 .................................................................. 18
2.6 本章小结................................................................................................................. 21
第 3 章 有向传感器网络分布式贪心覆盖增强控制 ...................................................... 22
3.1 引言......................................................................................................................... 22
3.2 问题描述................................................................................................................. 22
3.3 Dgreedy 算法 .......................................................................................................... 24
3.4 IRA Dgreedy 算法 ................................................................................................... 25
3.4.1 传感器方向查找改进策略 .............................................................................. 25
3.4.2 优先级改进策略 .............................................................................................. 27
3.5 仿真......................................................................................................................... 28
3.5.1 覆盖率比较 ...................................................................................................... 29
3.5.2 收敛速度比较 .................................................................................................. 30
3.6 本章小结................................................................................................................. 31

-V-
 燕山大学工学硕士学位论文
第 4 章 基于流函数避障的有向传感器网络的全覆盖控制 .......................................... 32
4.1 引言......................................................................................................................... 32
4.2 基础知识与问题描述............................................................................................. 32
4.2.1 有向传感器模型 .............................................................................................. 32
4.2.2 问题描述 .......................................................................................................... 33
4.3 传感器部署控制算法............................................................................................. 33
4.3.1 势场函数 .......................................................................................................... 33
4.3.2 控制器设计 ...................................................................................................... 36
4.4 传感器转动策略..................................................................................................... 40
4.5 仿真......................................................................................................................... 40
4.6 本章小结................................................................................................................. 44
结 论 ................................................................................................................................ 45
参考文献 ............................................................................................................................ 47
攻读硕士学位期间承担的科研任务与主要成果 ............................................................ 53
致 谢 ................................................................................................................................ 54
作者简介 ............................................................................................................................ 55

- VI -
 第1章 绪 论

第1章 绪 论

1.1 本课题的研究背景及意义

随着通信技术、传感器技术、半导体与微机电系统制造技术的迅猛提升，利用
众多的微传感器相互协作监测区域中的物理现象或环境指标(如：智能家居[1]、医疗
护理[2]、军事侦查[3]等)的无线传感器网络技术具有非常重要的研究价值[4-6]。无线传
感器网络由给定区域内的大量的的传感器以自组织和多跳的方式构成，通过协作地
感知、采集、处理、传输覆盖区域内被感知对象的信息，最终把这些信息发送给网
络管理者，具有低功耗、低成本、可靠性、自组织、分布式等优点[7-9]。无线传感器
网络的应用前景非常广泛，其发展及应用将会给人类的军事、航空、防爆、救灾、
环境、医疗、保健、家居、工业、商业等生活和生产的各个领域带来极其深远的影
响，吸引了世界上很多国家的关注。Intel、微软等 IT 业巨头陆续开展了无线传感器
网络的研究。美国波士顿(BostonUNIversity)创办了传感器中国测控网络，
《技术评论》
杂志将无线传感器网络列为第一项未来新兴技术[10]，
《商业周刊》预测无线传感器网
络将成为未来四大新技术之一[11]。我国也将它列入信息领域重要发展方向。在 2006
年我国发布的《国家中长期科学与技术发展规划纲要》中，为信息技术确定了三个
前沿方向中的两项就与传感器网络直接相关[12,13]。可见，无线传感器网络技术的广
泛应用及推广已然是一种必然趋势，它的发展将会使人类社会的生产生活各个方面
发生极大的变革。
近年来，随着无线多媒体传感器如视频、红外、超声波传感器在军事、工业、
生活等领域的应用越来越多，有向传感器网络作为一种新兴无线传感器网络逐渐被
人们熟知[14,15]。不同于传统的全向型传感器，有向传感器网络对环境数据的感知受
视域的限制，感知范围是一个以节点为圆心、其感知距离为半径的扇形区域[16]。由
此根据传感器感知范围的特点，无线传感器网络可以大体分成传统全向型无线传感
器网络和有向传感器网络进行研究。
无论是在全向传感器网络中，还是在有向传感器网络中，覆盖控制都是一个基
础的重要问题[17,18]。要实现对目标区域内各种环境和感知对象的监测，首先就要解
决传感器的分布问题，又由于传感器体积小，一般采用电池供电，而对于有成千上
万个传感器的应用网络来说，对电池的更换是非常困难的甚至是不可能的，然而无
-1-
 燕山大学工学硕士学位论文

线传感器网络的生存时间却要求长达数月或者数年，由于传感器通常随机部署，容
易造成覆盖漏洞和覆盖冗余致使能量浪费，那么，如何在不影响功能的前提下，尽
可能节约无线传感器网络的电池能量保证无线传感器网络在工作中合理有效使用传
感器能量即是覆盖控制问题，其反映了整个网络的节点能量控制、服务监测质量和
使用寿命，使网络空间资源和能量得到更好的分配，进而令信息的感知、获取和传
输更高效[19,20]。因此，对覆盖控制的研究具有深远的理论价值和极大的现实意义，
它成为无线传感器网络软硬件设计中的核心问题，也是当前国内外研究机构关注的
焦点，受到国内外人员分别从算法可行性和复杂性、网络连通性、覆盖能力、能量
有效性、网络动态性、网络可扩展性等多个方面对覆盖控制的广泛研究。

1.2 国内外研究现状

覆盖控制算法的应用提高了网络服务质量和能量使用效率，同时延长了网络寿
命，然而同时也会造成信息采集、传输、处理等代价增加，因此在进行无线传感器
网络覆盖控制问题研究时，应该从多个方面评价算法的有效性和可行性：覆盖高效
性、网络连通性、算法精确性、网络动态性。其中，覆盖高效性是衡量一个无线传
感器网络覆盖控制算法是否优劣的首要标准，网络连通性保证了信息的传输必须有
一条或足够多的路径，对无线传感器网络开展通信等各种服务提供了质量保障，而
算法精确性将优化覆盖控制算法的误差降到最小，网络动态性要求在特殊的实际应
用中充分考虑节点的运动性、被检测目标的运动性等网络动态特性，设计相应的覆
盖控制运动协议。
传感器模型大致可以分为传统全向型传感器以及多媒体有向型传感器，传统全
向型传感器的覆盖区域是一个以传感器节点为圆心的圆盘区域，而多媒体有向型传
感器的覆盖区域是以传感器节点为圆心的扇形区域，考虑到它们各自的覆盖特点，
针对不同类型的传感器组成的无线传感器网络就需要设计不同方法完成覆盖控制。

1.2.1 全向传感器网络覆盖控制技术

由传统全向型传感器组成的无线传感器网络的覆盖问题一直得到国内外学者的
广泛研究，并取得的一定的进展。一般来讲，其根据被覆盖目标特性可以分为目标
点覆盖、区域覆盖和栅栏覆盖，其中区域覆盖在三个领域中是目前研究最多的，即

-2-
 第1章 绪 论

要求无线传感器网络监测某个区域，在保证网络连通性的前提下使区域中的每个点
被覆盖，同时考虑节省能量以延长网络寿命。
在全向传感器网络区域覆盖中，根据传感器是否运动可分为静态无线传感器网
络和动态无线传感器网络。当传感器节点被放置在目标区域后其位置保持不变即为
静态无线传感器网络，文献[21-23]等对静态无线传感器网络进行了研究，主要采用
休眠策略使目标区域内传感器节点在不同时间工作，在保证监测质量的前提下使用
最少数量的传感器，当这部分传感器能量用尽时唤醒其余休眠中的传感器开始工作。
文献[23]设计了基于遗传策略的方法，其采用基础的遗传算法和健康改善函数解决了
传感器划分的 NP 完全问题，成功将传感器划分为不同的节点集，每个节点集都可以
独立完成区域覆盖任务，令节点集依次工作从而延长网络覆盖寿命。静态传感器网
络覆盖增强效率受限，同时无法适应多变的实际检测环境，因此移动无线传感器网
络开始受到人们关注，即传感器被放置在目标区域后可以移动到另一个位置，传感
器的移动方向一般由预设轨迹决定或者由设计控制器按照周边环境决定。文献[24-29]
等对移动传感器网络进行了研究。文献[24]设计的覆盖策略中一部分传感器可以移
动，首先静态传感器节点采用维诺图理论检测其所在的区域是否有覆盖漏洞，如果
有覆盖漏洞则将信息发送给移动传感器，移动传感器做出判断，当其移动后产生的
覆盖漏洞不大于接受信息中覆盖漏洞的时候即可接受任务，移动到接收信息中的覆
盖漏洞位置。文献[27]设计了基于虚拟势场函数的覆盖策略，初始时刻将传感器密集
部署在目标区域中较小的范围内，然后令传感器之间以及传感器与障碍物之间存在
排斥力，当排斥力最小使传感器达到稳定状态，此时目标区域覆盖率最大。文献[29]
研究了能量过低传感器的替换策略，每个传感器周期性检测其剩余能量，当少于给
定阈值时向它的一跳邻居传感器节发送邀请拓扑改变申请，邻居传感器将自身剩余
能量以及移动消耗能量信息反馈给该传感器，该传感器从中挑选自身能量最多且移
动距离最少的传感器作为自己的替换传感器。和静态无线传感器网络相比，动态无
线传感器网络具有灵活、适应性强的优点，因此本文主要研究动态无线传感器网络
的覆盖问题。
根据传感器初始时刻的部署方法，区域覆盖问题还可以分成确定性部署、随机
部署和稠密部署。将传感器放置在预定位置的部署方法即为确定性部署，其虽然不
适用于实际复杂环境，但是为最高覆盖效率几何部署结构的研究提供了依据。文献
[30-33]等对确定性部署方法进行了研究。文献[30]研究了适用于任何几何图形的目标
-3-
 燕山大学工学硕士学位论文

区域的确定性部署的全覆盖策略，同时得出了随机播撒节点数目与覆盖率之间的比
例关系，并证明在全覆盖的要求下随机播撒使用的传感器数目比确定性部署方法多
七倍。文献[31]针对传感器通信半径与感知半径的关系进行了确定性部署研究，原有
理论认为当传感器的通信半径大于等于感知半径的二倍时网络全覆盖就能保证全连
通的问题，文献[31]在此基础上得出了当传感器间限定的最小距离等于感知半径且通

信半径大于等于 2 + 3 倍的感知半径时全覆盖可以保证全连通。在复杂的实际环境

中随机部署成为主要的部署方法，比如火山区、难区、山区以及水下的无线传感器
网络部署。相比确定性部署，随机部署对应的覆盖策略会比较复杂。文献[21-23,34-36]
等对随即部署覆盖策略进行了研究。文献[35]提出了针对随即部署的虚拟力驱动节点
的覆盖算法，即设计传感器节点间存在吸引力与排斥力，当初始时刻传感器被随机
部署在目标区域后，前者使传感器间相互吸引以减少覆盖漏洞，而后者使传感器间
相互排斥以增加覆盖面积。由于传感器自身能量有限，要完成长时间的区域覆盖就
需要部署大量的传感器节点即稠密部署，其主要应用在森林农耕监测、楼宇监控等
地方。文献[22]提出了适用于稠密部署方法的传感器节点唤醒机制，即为达到使用最
少传感器完成全覆盖的目标，传感器根据邻居区域覆盖情况确定优先级并与邻居传
感器比较，优先级高的传感器进入休眠模式，从而平衡消耗能量与剩余能量，合理
分配资源以延长网络寿命。相比之下，确定性部署不容易实现，稠密部署需要大量
的传感器数目且适用于需要长时间监测的情况，因此本文主要针对一般监测情况采
用随机部署再控制增强覆盖进行策略设计。
以上算法主要针对二维平面内的区域覆盖，近年来三维空间区域覆盖问题也得
到关注，相比二维平面区域覆盖，三维空间区域覆盖需要考虑的问题更加复杂。文
献[37]提出了一种休眠机制：在三维区域中，当随机播撒的传感器节点的感知区域完
全被其他传感器覆盖时即可休眠。该文献设计了传感器节点替换方法和减少盲区方
法，有效提高了传感器能量利用率，延长网络寿命，然而未能做到区域全覆盖。文
献[38]提出了异构传感器网络全覆盖策略，此方法仿真实验表明，和随机播撒情况相
比覆盖率有显著提高，但仍然存在覆盖漏洞，并未达到准确全覆盖的最优目标。由
此看出，目前无线传感器网络在三维空间内的覆盖控制还存在一些问题，算法覆盖
率和精确度不够高，同时算法中使用大量传感器，节能性还不够好，因此仍需要在
这些方面做进一步的研究改进。

-4-
 第1章 绪 论

1.2.2 有向传感器网络覆盖控制技术

有向传感器网络作为一种新兴的信息感知和处理技术，其主要适用于无线多媒
体传感器如视频、红外、超声波传感器等。多媒体有向传感器不同于传统全向型传
感器，它们对环境数据的感知具有方向性，擅长对视频、图像和数据等多媒体信息
进行感知、采集、处理和传输，具有网络能力增强、处理任务复杂、感知媒体丰富
的特点，可以更好地适应实际应用中感知模型多样化的情况，因此有向传感器网络
越来越成为人们研究的热点[39]。在 IEEE 系列会议以及 ACM 传感器网络相关会议中，
国内外学者陆续发表了一系列科研成果。至今，IEEE Trans. on Computer, IEEE Trans.
on Wireless Communication、IEEE Trans. on Vehicular Technology、《电子学报》、
《软
件学报》等知名期刊都刊出了很多针对有向传感器网络覆盖策略的优秀文章。同时，
诸如宾夕法尼亚州立大学、南京邮电大学等国内外高校纷纷进行开展相关研究工作，
得到了不错的成果。
作为无线传感器网络的高级形式，区域覆盖仍是一个研究热点，而根据有向传
感器的感知特点，其区域覆盖问题主要分成转动有向传感器网络、移动有向传感器
网络。和传统全向型传感器相比，有向传感器增加了转动策略，即通过改变有向传
感器的感知方向提高覆盖率。
在转动有向传感器网络研究中，文献[39]设计了方向可调的有向感知模型，同时
定义质心的概念，通过虚拟势场力作用使质心均匀分布消除覆盖重叠和盲区，从而
增强整个网络覆盖。文献[40]中的有向传感器都安装了拍摄装置，其通过判断邻居有
向传感器的感知方向来转动自己的感知方向从而减少覆盖冗余。文献[41]根据目标区
域覆盖率要求计算需要传感器个数，然后将网络分成几个连通感知子图，并为每个
子图构建多层凸壳集，通过调整传感器感知方向减少每个凸壳集中邻居节点间的重
叠覆盖，最终增大覆盖面积。文献[42]研究了最大有向区域覆盖问题(MDAC 问题)，
即在给定目标区域中如何为每一个传感器在其若干个感知方向中选取一个方向使整
个传感器网络覆盖率最大的问题，文献[42]还针对 MDAC 问题提出了分布式贪心覆
盖增强(Dgreedy)算法，算法选取邻居传感器个数作为优先级，邻居传感器少的传感
器首先确定感知方向。文献[43]提出基于维诺图的 Dgreedy 覆盖增强算法。算法中初
始时刻有向传感器被随机播撒在目标区域中并且处于不工作状态，引入一个传统全
向型传感器作为辅助传感器沿着由传感器节点生成的维诺图边线移动，实时检测其

-5-
 燕山大学工学硕士学位论文

是否被工作的传感器覆盖，若不被覆盖则唤醒距离其所在边线最近的传感器开始工
作，并调整这个传感器的感知方向使其覆盖盲区最多。此算法相比随机播撒覆盖效
率大大提高，但同时引入辅助传感器也造成了一部分能量浪费。
转动有向传感器网络在覆盖优化方面具有节省能量的优点，但因为传感器位置
不能改变，覆盖增强存在局限性，相比之下，移动有向传感器网络在提高覆盖率上
有更大的优势。文献[43-46]等人研究了移动有向传感器网络覆盖问题。文献[43]为了
减少覆盖盲区和冗余提出了盲区引力算法，此分布式迭代算法使覆盖率显著提高了
18%~25%。文献[44]提出了基于虚拟力的有向传感器网络移动覆盖策略，通过四种来
自邻近传感器和未覆盖区域的虚拟力作用使有向传感器到达合适位置，减少了覆盖
漏洞，提高了覆盖效率。文献[45]引用维诺图概念将覆盖区域划分成多个维诺多边形，
判断传感器感知扇形区域的外接圆心或者内切圆心与维诺多边形顶点的距离是否都
小于外接圆半径或者内切圆半径，如果不小于则需要移动到新的位置从而增大覆盖。
这种基于维诺图的方法虽然应用性强，但分析发现其容易出现局部循环震荡的问题
造成覆盖效率低。在有向传感器网络覆盖问题研究中，移动策略大大提高了覆盖增
强效率，同时也更适用于复杂的动态网络环境，因此越来越成为人们的研究热点。
为了使视频录像传感器网络覆盖研究更精确，三维空间的有向传感器网络覆盖
研究也逐渐进行。[47-49]等文献研究了三维空间移动有向传感器网络覆盖问题。[47]
首先设计了三维空间的有向传感器模型，并基于 VFA 覆盖增强策略提出了 VPF 覆盖
增强算法，针对三维有向传感器模型设计了基于虚拟力的覆盖增强算法，给出质心
点概念并令其受到虚拟合力作用后进行再调整，但是调整参数与优化目标之间的关
系很难建立，最优化区域覆盖无法实现。[48]设计了包含倾斜角和偏向角的三维有向
传感器模型，提出了包含两个调整步骤的的三维感知覆盖增强策略，并在第二步调
整中使用粒子群算法优化偏向角。[49]设计了贪心迭代的三维覆盖增强算法，选取有
向传感器改变感知方向后增大覆盖面积作为优先级，面积增加越多优先级越高则首
先设定最优方向，如果覆盖面积增加相同则编号小的传感器先设定，同时考虑到会
有某个传感器的自身覆盖面积因其他传感器改变方向而减少的情况，给出循环次数
阈值来终止迭代循环。
由此可看出，目前二维平面、三维空间的传统全向型传感器网络高效率高精确
度的全覆盖控制问题亟待解决，同时多媒体有向型传感器网络的区域覆盖问题研究
有一定进展，但还不够成熟，如何将向传感器转动策略及移动策略更好的结合起来
-6-
 第1章 绪 论

以完成随机部署后的有向传感器网络全覆盖控制仍然是一个重要问题，本文将针对
以上这些问题进行研究。

1.3 论文研究内容及安排

本文主要对无线传感器网络的覆盖控制问题进行研究，分别针对传统全向型无
线传感器网络和多媒体有向传感器网络，在保证网络连通性的情况下，设计了覆盖
增强控制策略、全覆盖控制策略，使无线传感器网络覆盖质量进一步提高。论文内
容安排如下：
第一章，论述了有向传感器网络的覆盖控制的研究背景及意义，并分析了全向
传感器网络覆盖控制技术及有向传感器网络覆盖控制技术的国内外研究现状，同时
概述了论文研究内容及安排。
第二章，针对全向型传感器模型，研究了适用于二维平面及三维空间动态传感
器网络的保证全连通的全覆盖控制算法。其根据已有的最高效覆盖拓扑，计算出所
需节点最少数目，同时设计节点间、节点与目标区域间以及节点与边界间的虚拟力，
使给定节点移动到适当位置，从而完成全连通全覆盖的最优结果，理论分析证明了
算法的可行性。同时仿真实验对算法进行了验证，相比以往的覆盖增强算法，其优
点在于更节省节点、更智能、覆盖率为百分之百。
第三章，考虑到全向型传感器网络无法准确描述多媒体传感器网络的工作特点
的缺点，本文进一步针对新型有向扇形传感器模型进行研究，对已有的 Dgreedy 覆
盖增强算法进行了改进，提出了一种适用于转动传感器网络的改进 IRA Dgreedy 算
法，对传感器方向查找策略、优先级设定策略分别进行了改进。仿真结果表明，IRA
Dgreedy 算法相比于原 Dgreedy 算法使查找过程更精确，同时大大提高了目标区域覆
盖率。
第四章，由于第三章的覆盖增强策略无法达到全覆盖的目标，本章进一步研究
了有向传感器网络的全覆盖，引入移动传感器的概念，按照已有高效拓扑结构，设
计合理的虚拟力及控制策略使传感器节点到达预期位置，引用流函数设计避障策略
避免节点间以及节点和障碍物之间相撞，理论分析证明了所提算法的可行性。同时
仿真实验证明算法的有效性，即算法可以达到有向传感器网络全覆盖目标，同时使
传感器避障过程更平滑高效。

-7-
 燕山大学工学硕士学位论文

第 2 章 全向传感器网络保证连通性的全覆盖控制

2.1 引言

全向传感器网络中，覆盖问题是一个基础问题，它反映了网络监测状况[9,10]。和
静态无线传感器网络相比，动态无线传感器网络由于它的灵活高效性被广泛研究。
至今已经有很多针对动态无线传感器网络的覆盖控制算法被提出。
文献[50]分别针对凸多边形和凹多边形目标区域提出移动传感器网络的集中式
控制策略，引用了维诺图概念和劳埃德理论设计算法令传感器移到更合适的位置上
从而提高覆盖率。文献[51]中，每个传感器可以自主检测到覆盖漏洞并向其移动以减
少漏洞。文[52]通过集中式控制策略降低覆盖误差函数值来解决的动态覆盖问题。文
献[53]中，用虚拟势场力的方法使传感器到达一个合适的位置以提高覆盖率。文[54]
提出了一个自适应覆盖控制策略，传感器通过估计一定面积内的覆盖率来自适应移
动，从而完成目标覆盖。文[55]设计了非线性动态系统控制下的传感器的覆盖控制算
法。文献[56]给出了一个分布式能量平衡的移动覆盖漏洞的控制方法，适用于目标区
域的扫描式覆盖。文献[38]提出了三维有向传感器网络覆盖控制策略，将目标区域用
格点法分成若干各子区域并规划传感器位置，同时在相同传感器之间与不同传感器
之间设计基于传感器距离的虚拟力使传感器到达规划位置以实现全覆盖，但实验证
明其最终仍存在覆盖漏洞。
由此看出，目前大部分覆盖控制算法仅提高了目标区域覆盖率，目标区域全覆
盖问题仍未得到完全解决，同时如何计算出完成目标区域全覆盖所需最少传感器个
数的问题也被忽略了，且适用于三维空间的全覆盖问题同样亟待解决。因此，本章
提出了同时适用于二维平面和三维空间的用最少传感器高效完成目标区域全覆盖的
控制算法，首先根据最高效一重覆盖拓扑计算所需传感器最少个数，然后设计来自
邻居传感器、目标区域中心点以及边界线的虚拟力驱动传感器到达各自合适的位置
上完成区域全覆盖。

2.2 问题描述

假设一个有向传感器网络由 n 个有向传感器 qi 组成，其中 i = 1,..., n ，感知半径是

R ，它们被随机部署在一个目标覆盖区域内，每一个传感器的位置可以用

-8-
 第 2 章 全向传感器网络保证连通性的全覆盖策略

qi = (qix , qiy )T ∈ 2
, i = 1,..., n 表示，定义 r = 2 R 作为传感器的通信半径，传感器 i 可以

与传感器 j 通信当且仅当它们之间的距离 qi − q j 小于等于 r ，当所有有向传感器之

间的距离都小于等于 r 时，有向传感器网络全连通。 Ni (t ) 是传感器 i 在时刻 t 的可通

信 的 邻 居 节 点 集 。 有 向 传 感 器 网 络 可 以 用 刚 性 图 G = (V , E , A) 表 示 ， 其 中

V = {1, 2,..., n} 表示顶点集， E ⊆ V × V 表示边集， A = [aij ] 表示邻接矩阵，邻接矩阵中

当传感器节点 i 与传感器节点 j 之间存在通信连接时 aij = 1 ，否则 aij = 0 。

本章算法致力于用 n 个可移动的传感器对目标区域进行全覆盖，给定动态系统
由公式(2-1)表示，其中 pi ∈ 2
和 ui ∈ 2
分别是速度控制向量和加速度控制向量。
qi = pi
 , i = 1, 2,.....n (2-1)
 p i = ui

2.3 二维无线传感器网络的全覆盖控制

2.3.1 二维区域全覆盖所需传感器个数计算

为了最大化节省传感器，需要选取覆盖效率最高的一重覆盖结构，文献[57]得出
当每三个相邻传感器的圆心点连线构成等边三角形时的覆盖效率最高，如图 2-1 所
示，其中 d 2 D = 3R ≤ r ，因此按照传感器连通条件可以看出，这种覆盖部署下传感

器网络是全连通的。
如图 2-1 所示，虚线框 Sarea 表示目标区域，六边形 ABCDEF 表示每个传感器的平
均覆盖面积，其大小可以由公式(2-2)计算得出，其中 S2 D 是每个传感器的覆盖面积，
f 2 D = 0.82741 是传感器平均覆盖面积和本身覆盖面积的比值。因此所需传感器个数为
Sarea 2 D S ABCDEF ，然而从图中可以看出，目标区域边界处的传感器的覆盖区域超出了

目标区域造成无效覆盖，因此这样计算出来的个数会偏少，为解决这个问题，设计
′ 2 D ，如图 2-1 中虚线框所示，虚拟目标区域比实际目标区域的长
了虚拟目标区域 S area
和宽都大 e2 D ， e2 D 可以由式(2-3)计算得出，所需传感器个数由式(2-4)计算得出。

-9-
 燕山大学工学硕士学位论文

qi

qie
qiγ

图 2-1 最高效一重覆盖结构
S ABCDEF = S2 D f 2 D (2-2)
e2 D = r − c2 D
d2 D 2 (2-3)
=r − r 2 − ( )
2
′ 2D
N 2 D = round ( S area / S ABCDEF )
(2-4)
= round ((l + 2 e2 D )( w + 2 e2 D ) / (π r 2 f 2 D ))

2.3.2 二维全向传感器网络全覆盖控制算法

在计算出所需传感器最少个数的基础上，为达到预期的最高效覆盖结构以完成
全覆盖的目标，设计势场函数与控制器使初始时刻随机分布的传感器到达各自合适
的位置上，保证传感器移动过程中不会相互碰撞，同时避免过多的目标区域外的无
效覆盖以降低能量浪费。
首先，设计引力函数 φα 使传感器向目标区域中心移动，从而减少覆盖盲区，同

时增大传感器之间连通性。基于传感器 i 与目标区域中心点间的相对距离设计见式
(2-5)，
2
q −q
φα = ie i (2-5)
2
其中，qie 为目标区域中心点位置， qie − qi 是它们之间的距离。由公式(2-5)中可以看

出势场函数会随着传感器接近它的预定位置逐渐趋于零，因此总的势场函数也将随
着所有的传感器靠近目标区域中心点逐渐趋于零。相应的吸引力 Fα 设计如下：
Fα = −∇φα = (qie − qi ) (2-6)
其次，为使传感器避免碰撞设计势场函数 φβ 如下：

- 10 -
 第 2 章 全向传感器网络保证连通性的全覆盖策略
 1
− q − q 0 ≤ qj − qi < dij
φβ ( qj − qi ) =  j i (2-7)
0 qj − qi ≥ dij

由公式(2-7)可以看出，当 q j − qi → dij ， φβ ( q j − qi ) 趋于零，其中 dij = d 2 D ，因

此传感器之间距离太大时势场斥力将它们分开从而避免碰撞，距离太小时势场引力
将它们靠近从而减少覆盖漏洞，直到达到一个合适的距离 dij 。 对应的势场力如下，
 1
 3 (q j − qi ) 0 ≤ q j − qi < dij
Fβ = −∇φβ =  q j − qi (2-8)

0 q j − qi ≥ dij

最后，为避免传感器覆盖区域过多出现在目标区域外以减少无效覆盖，如图 2-1
所示，当传感器与目标区域边界距离小于 c2D 时，在虚拟引导者 qiγ ( xi , yie ) 与传感器
qi ( xi , yi ) 之间设计势场函数 φγ ：
3
qiγ − qi
φγ = (2-9)
3
其中， qiγ − qi 表示传感器 i 与它的虚拟引导者之间的欧几里得距离。由公式(2-9)中

可以看出，势场函数值逐渐变小当且仅当传感器移向它的虚拟引导者，由此传感器
向边界反方向运动从而避免了目标区域外的无线覆盖。相应的吸引力为：
Fγ = −∇φγ = qiγ − qi (qiγ − qi ) (2-10)

在以上势场函数下，为使传感器到达合适位置同时避免碰撞，设计一个分布式
控制策略：
ui = uiα + uiβ + uiγ (2-11)
uiα 表示传感器与目标区域中心点之间的控制量，使传感器聚集； uiβ 表示传感器 i 与
邻居传感器 j 之间的控制量，使传感器之间避免碰撞；uiγ 表示传感器 i 与其虚拟引导
者之间的控制量，减少传感器目标区域外的无效覆盖。 uiβ 是由一个梯度项和一个速
度一致项组成的。不同于 uiβ ， uiα 和 uiγ 都是由一个梯度项、距离一致项、一个速度一
致项和一个加速度一致项组成的，使得目标跟踪更有效。uiα 、uiβ 和 uiγ 分别如下所示：
uiα = aiα (t )[−c1α ∇φα ( qi − qie ) − c2α ( qi − qie ) − c3α ( pi − pie ) + p ie ]
uiβ = −c1β  ∇φβ ( q − q
j∈Ni (t )
i j ) − c2β 
j∈Ni (t )
aij (t )( pi − p j ) (2-12)

uiγ = aiγ (t )[−c1γ ∇φγ ( qi − qil ) − c2γ ( qi − qil ) − c3γ ( pi − pil ) + p il ]

其中 c1α ， c2α ， c3α ， c1β ， c2β ， c1γ ， c2γ ， c3γ 是正常数。 qie 和 pie 分别是目标区域中心点

- 11 -
 燕山大学工学硕士学位论文

的位置和速度。当在 t 时刻传感器 i 可以和传感器 j 通信时， aij (t ) =1。

式(2-12)中 aiα (t ) ， aiγ (t ) 定义如(2-13)所示， uiα 和 uiγ 在切换函数的控制下切换控

制传感器。
 1 qix ≤ ( qix − qiex + c2 d )
 
  || qix ≥ ( qix + qiex − c2 d )
 
  || qiy ≤ ( qiy − qiey + c2 d )
aiγ (t ) = 
  || qiy ≥ ( qiy + qiey − c2 d ) (2-13)
 
 
 0
  else
 aiγ (t ) = 1
aiα (t ) = 
0
 1 aiγ (t ) = 0

由公式(2-13)可以看出，aiγ (t ) = 1 且 aiα (t ) = 0 当且仅当传感器和边界距离小于 C2 d

时， uiγ 作用；否则 aiγ (t ) = 0 且 aiα (t ) = 1 ， uiα 作用。

在以上设计的控制算法下可以得到以下结论。
定理 2-1. 一个运动学方程为(2-1)的传感器系统，在控制输入(2-11)的作用下，
当传感器与边界距离大于 C2 d 时，传感器将向目标区域中心点靠近使邻居传感器间距

离减小，传感器最终达到一个冗余覆盖相对少且自身覆盖效率最高的位置从而减少
覆盖漏洞，同时传感器之间无碰撞发生；当传感器与边界距离大于 C2 d 时，传感器将

向远离边界方向移动最终达到一个合适的位置从而减少目标区域外的无效覆盖，同
时传感器之间无碰撞发生。
证明：首先，当传感器与边界距离大于 C2 d ，则 aiα (t ) = 1, aiγ (t ) = 0 ， xiα 和 viα 分

别表示传感器同目标区域中心点之间的位置和速度误差，分别表示为：
 xiα = qi − qie
 (2-14)
viα = pi − pie
于是传感器系统(2-1)可以写成：

 xiα = viα

viα = uiα = −c1  ∇φβ ( xiα − x jα ) − c2  aij (t )(viα − v jα )
β β
(2-15)
 j∈Ni ( t ) j∈Ni ( t )
 − c1α ∇φα ( xiα ) − c2α xiα − c3α viα + p ie


- 12 -
 第 2 章 全向传感器网络保证连通性的全覆盖策略

定义利亚普诺夫函数如下：
1 n n
1 n 1 n
H =  (  φβ ( xiα − x jα ) +  (φα ( xiα )) +  (viα T vi ) +  ( xiα T xiα ) (2-16)
2 i =1 j∈Ni (t ) i =1 2 i =1 2 i =1

令 H 对 t 求导得到：
n n n n
H = viαT (  ∇φβ ( xiα − xjα ) + viα ∇φα ( xiα ) + viα ( pi − pie ) + c2α (viαT xiα )
T T

i=1 j∈Ni (t ) i=1 i=1 i=1

n
= (viαT (−  a (t)(vα − v α ) − cαvα ))
ij i j 3 i (2-17)
i=1 j∈Ni (t )

= −viαT ((c3α In + Ln (t)) ⊗ I2 )vα ≤ 0

T
其中 p i = uiα ， vα T = v1α T , v2α T , v3α T ......viα T  分别代表移动传感器网络的位置和速度误
差向量。由公式 (2-17) 可以得出 H ≤ 0 ，并且当且仅当每个传感器满足 v = 0 时， iα

H = 0 。这里 H = 0 表示 v1α = v2α = v3α = vnα = 0 。因此，所有传感器的速度将逐渐与

目标区域中心点的速度趋于一致。并且由于势场函数 φα 在 q j − qi = R 处无限大，传
感器之间的连通将不会断开。同时 φβ 在 q j − qi → 0 处无限大，在 q j − qi → dij 时趋

近于零，传感器之间避免碰撞且保持最佳距离。因此为了使每个传感器的总体势能
达到最小，它们将最终平滑向目标区域中心点聚集以减少覆盖漏洞，同时避免距离
太近造成覆盖冗余。
当传感器与边界区域距离小于 C2 d ，这时 aiα (t ) = 0, aiγ (t ) = 1 ， xiγ 和 viγ 分别表示

传感器同虚拟引导点之间的位置和速度误差，分别表示为：

 xiγ = qi − qil
 (2-18)
viγ = pi − pil
系统(2-1)可以写成：

 xiγ = viγ

viγ = uiγ = −c1  ∇φβ ( xiγ − x jγ ) − c2  aij (t )(viγ − v jγ )
β β
(2-19)
 j∈Ni ( t ) j∈Ni ( t )
 − c1γ ∇φγ ( xiγ ) − c2γ xiγ − c3γ viγ + p il

同理可证传感器将向远离边界方向移动最终达到一个合适的位置从而减少目标
区域外的无效覆盖，同时避免传感器之间相互碰撞。证明完毕。

- 13 -
 燕山大学工学硕士学位论文

2.4 三维全向传感器网络的全覆盖控制

由于有向传感器网络在水下探测、空间探测的越来越多的应用，三维空间内有
向传感器网络的覆盖控制问题越来越成为研究热点。因此，在提出的二维无线传感
器网络全覆盖策略的基础上，设计适用于三维无线传感器网络的全覆盖策略。由于
三维无线传感器网络最优一重覆盖拓扑和二维网络有很大不同，相应的所需传感器
最少个数以及切换控制策略需要重新设计。

2.4.1 三维区域全覆盖所需传感器个数计算

文献[58]研究了三维无线传感器网络的全覆盖拓扑结构，并得出结论正八面体晶
格结构所需传感器个数是最少的，如图 2-2 所示。

图 2-2 三维无线传感器网络最高效的一重覆盖拓扑

图 2-2 中，和传感器 i 距离相同的 8 个传感器位置连线构成一个正方体，而传感

器 i 即是这个正方体的中心，正方体的边长 d3 D 和三维空间中传感器感知半径 r3 D 之间
的关系满足 d3 D = 4r3 D 5 。目标区域用 Varea 3 D 表示，每个传感器所在的正八面体晶格
用 Vcell 表示，并可以由公式(2-20)计算得出，其中 V3D 表示每个传感器覆盖区域体积，
f3 D = 0.68329 是每个正八面体晶格占传感器整个覆盖区域的体积比[19]。对照二维传
′ 3 D ，其长、宽、高的长度都比真
感器网络，这里同样需要定义一个虚拟目标区域 Varea
实目标区域大 e3D 。 e3D 可以由公式(2-21)计算得出。
Vcell = V3 D f 3 D (2-20)

- 14 -
 第 2 章 全向传感器网络保证连通性的全覆盖策略
e3 D = r3 D − c3 D
d3 D 2 (2-21)
= r3 D 2 − ( )
2
于是所需传感器个数可由公式(2-22)计算得到。
′ 3 D / Vcell )
N 3 D = round (Varea
(2-22)
= round ((l + 2 e3 D )( w + 2 e3 D )(h + 2 e3 D ) / (4π r 3 / 3 f 2 D ))

2.4.2 三维全向传感器网络全覆盖控制算法

本节采用与前一节二维无线传感器网络控制相同的方法在三维空间内设计类似
的运动模型和控制器，其中每一个传感器的位置、速度、加速度可以分别用
qi = (qix , qiy , qiz )T ∈ 2
、 pi = ( pix , piy , piz )T ∈ 2
、 ui = (uix , uiy , uiz )T ∈ 2
表示，其中
i = 1,..., n ，同时设计适用于三维空间最高效一重覆盖拓扑的控制切换系数 aiα (t ) 、
aiγ (t ) ，如见式(2-23)。
 1 qix ≤ ( qix − qiex + c3d )
 
  || qix ≥ ( qix + qiex − c3d )
 
  || qiy ≤ ( qiy − qiey + c3d )
 
aiγ (t ) =  || qiy ≥ ( qiy + qiey − c3d )


 | qiz ≤ ( qiz − qiez + c3d ) (2-23)

  || qiz ≥ ( qiz + qiez − c3d )
 
 
 0 else

 0 aiγ (t ) = 1
aiα (t ) = 
 1 aiγ (t ) = 0

由公式(2-23)看出，当传感器距离边界的距离小于 C2d 时， aiγ (t ) = 1 且 aiα (t ) = 0 ，

此时控制输入中的 uiγ 起作用， uiα 无效；当传感器距离边界的距离大于 C2d 时，
aiγ (t ) = 0 且 aiα (t ) = 1 ，此时控制输入中的 uiα 起作用， uiγ uiα 无效。

类似二维平面的控制方法，可以得出三维空间的算法结论。
定理 2-2. 三维空间内，一个运动学方程为(2-1)的传感器系统，在控制输入(4-11)
的作用下，当传感器与边界距离大于 C2d 时，传感器将向目标区域中心点靠近使邻居

传感器间距离减小，传感器最终达到一个冗余覆盖较少且自身覆盖效率最高的合适
的位置从而减少覆盖漏洞，同时传感器之间无碰撞发生；当传感器与边界距离大于

- 15 -
 燕山大学工学硕士学位论文

C2d 时，传感器将向远离边界方向移动最终达到一个合适的位置从而减少目标区域外

的无效覆盖，同时传感器之间无碰撞发生。

2.5 仿真实验

本部分分别针对提出覆盖控制算法在二维无线传感器网络和三维无线传感器网
络中的有效性进行仿真实验。

2.5.1 二维平面覆盖控制算法仿真实验

在二维无线传感器网络中，仿真由三部分组成。第一部分中，设定传感器网络
面积为 S = 70 × 70m 2 ，传感器感知半径为 R = 10m ，图 2-3 是传感器网络初始时刻的
随机覆盖情况，其中虚线框代表目标区域，星点代表传感器位置，圆盘代表传感器
覆盖区域。图 2-4 是提出算法控制下的最终覆盖效果，对比两图后可以发现，传感器
初始时刻随机分布在目标区域内，存在较多覆盖冗余及覆盖漏洞，传感器覆盖效率
低，目标区域覆盖率低。而在本文提出算法控制下，传感器受到来自彼此之间的排
斥或吸引作用、目标区域中心点吸引作用以及目标区域边界排斥作用，最终达到一
个平衡状态，减少了覆盖冗余及覆盖漏洞，并避免过多无效覆盖，提高了传感器覆
盖效率，节省能量，有效地完成了目标区域的全覆盖任务，同时保持传感器全连通。
以上仿真实验还不能保证提出算法的普遍适用性，因此需要针对不同传感器感知半
径、不同目标区域面积进行仿真，于是在第二部分的仿真中，给定目标区域面积
S = 70 × 70m 2 ，针对不同感知半径 R = 20m,30m, 40m 对提出算法进行仿真，观察图
2-5 仿真结果发现，在不同感知半径的条件下，提出算法皆能有效实现目标区域的全
覆盖要求，同时实现全覆盖的时间因初始时刻传感器位置不同而不同。在第三部分
中 ， 给 定 传 感 器 感 知 半 径 R = 10m ， 针 对 不 同 目 标 区 域 面 积
S = 40 × 40m 2 , 70 × 70m 2 ,100 × 100m 2 对提出算法进行仿真，观察图 2-6 仿真结果发现，
在不同目标区域面积的条件下，提出算法同样可以有效实现目标区域的全覆盖要求。

- 16 -
 第 2 章 全向传感器网络保证连通性的全覆盖策略

170

160

150

140

Y(m) 130

120

110

100

90

80
80 90 100 110 120 130 140 150 160 170
X(m)

图 2-3 二维平面目标区域中初始时刻传感器随机分布覆盖情况

170

160

150

140
Y(m)

130

120

110

100

90
80 90 100 110 120 130 140 150 160 170
X(m)

图 2-4 二维平面目标区域中控制算法下的覆盖情况

- 17 -
 燕山大学工学硕士学位论文

0.95
R=30m
0.9 R=40m
Coverage Rate(% ) R=50m
0.85

0.8

0.75

0.7

0.65

0 5 10 15 20 25 30
Number of Loops

图 2-5 二维平面中不同感知半径下的控制算法覆盖情况

0.95 S=40*40 m*m

S=70*70 m*m
S=100*100 m*m
0.9
Coverage Rate(%)

0.85

0.8

0.75

0.7
0 5 10 15 20 25 30 35 40
Number of Loops

图 2-6 二维平面中不同目标区域下的控制算法覆盖情况

2.5.2 三维空间覆盖控制算法仿真实验

在三维无线传感器网络中，仿真同样由三部分组成。第一部分中，设定传

- 18 -
 第 2 章 全向传感器网络保证连通性的全覆盖策略

感器网络空间体积为 V = 40 × 40 × 40m3 ，传感器感知半径为 R = 10m ，图 2-7 是传感

器网络初始时刻的随机覆盖情况，其中立方体代表目标空间，球体代表传感器覆盖
空间区域。图 2-8 是提出算法控制下的最终覆盖效果。对比两图后可以发现，由于初
始时刻传感器随机分布在目标空间内，会存在较多覆盖冗余及覆盖漏洞，传感器覆
盖效率低，目标区域覆盖率低。而在本文提出算法控制下，传感器最终达到一个平
衡状态，有效地完成了三维空间的全覆盖任务，同时避免过多目标空间外的无效覆
盖，提高了传感器覆盖效率，节省能量，并保持传感器全连通。同样的，由于以上
实验无法保证提出算法在不同传感器感知半径、不同目标区域面积下普遍适用，需
在 第 二 部 分 仿 真 中 ， 给 定 目 标 区 域 体 积 V = 40 × 40 × 40m3 ， 针 对 不 同 感 知 半 径
R = 8m,10m,12m 对提出算法进行仿真，观察图 2-9 仿真结果发现，在不同感知半径
的条件下，提出算法皆能有效实现三维空间中目标区域的全覆盖要求。在第三部分
仿 真 中 ， 给 定 传 感 器 感 知 半 径 R = 10m ， 针 对 不 同 目 标 区 域 体 积
V = 30 × 30 × 30m3 , 40 × 40 × 40m3 ,50 × 50 × 50m3 对提出算法进行仿真，观察图 2-10 仿
真结果发现，在不同目标区域体积的条件下，提出算法同样可以有效实现三维空间
内目标区域的全覆盖要求。第二部分与第三部分的仿真证明了提出算法在三维空间
的普遍适用性。

130

120
Z(m)

110

100

90

140

120 130
120
110
100 100
90
Y(m) X(m)

图 2-7 三维空间目标区域中初始时刻传感器随机分布覆盖情况

- 19 -
 燕山大学工学硕士学位论文

130

120

Z(m)
110

100

90

140
120 130
120
110
100 100
90
Y(m) X(m)

图 2-8 三维空间目标区域中传感器网络中算法控制下覆盖结果

0.98 R=8m
R=10m
0.96 R=12m

0.94
Cov erage Rate(% )

0.92

0.9

0.88

0.86

0.84

0.82
0 2 4 6 8 10 12 14 16 18 20
Number of Loops

图 2-9 三维空间中不同感知半径下的算法覆盖效率

- 20 -
 第 2 章 全向传感器网络保证连通性的全覆盖策略

0.95 S=20*20*20 m*m*m

S=30*30*30 m*m*m
S=40*40*40 m*m*m
0.9

Coverage Rate(% )
0.85

0.8

0.75

0.7

0.65
0 5 10 15
Number of Loops

图 2-10 三维空间中不同目标区域体积下的算法覆盖效率

2.6 本章小结

本章提出了一个同时适用于二维无线传感器网络和三维无线传感器网络的保证
高度连通的全覆盖控制算法。考虑选取最少的传感器个数以节省能量，分别采用了
二维和三维无线传感器网络中最有效的一重覆盖拓扑结构确定计算出所需传感器个
数。为了让每个传感器到达合适的位置实现目标区域的全覆盖，同时避免传感器移
出目标区域和互相碰撞，定义虚拟势场函数设计控制算法，采用切换控制策略避免
局部最小化现象，并证明定理可行性。

- 21 -
 燕山大学工学硕士学位论文

第 3 章 有向传感器网络分布式贪心覆盖增强控制

3.1 引言

随着具有有向感知特点的多媒体传感器的广泛应用，有向传感器网络应运而生，
相比之下，有向传感器网络可以更加准确地描述多媒体传感器网络的工作状态。作
为无线传感器网络的高级形式，有向传感器网络相比全向传感器网络具有网络能力
增强、处理任务复杂、感知媒体丰富的优越性，可以更好地适应实际传感器网络监
测环境对感知模型多样化的需求。
在有向传感器网络的研究中，覆盖问题仍然是一个基础问题。由于有向传感器
的感知特性，适用于全向传感器网络的覆盖增强算法无法直接应用[59]。在有向传感
器覆盖增强算法研究中，Ma 等[39]率先提出有向传感器节点的感知模型，如图 3-1 所
示；Cheng[42]等人首先提出了最大有向区域覆盖问题(MDAC 问题)，并且证明其是
NP 完全的，提出了一种分布式贪心覆盖增强算法（Dgreedy 算法），令传感器按照
给定优先级顺序依次找到单独覆盖率最大的方向并调整，即通过局部选择覆盖区域
最大的方向，来达到 MDAC 问题的一个次优解。文献[60]提出了一种通过计算几何
求解该算法中区域计算问题的 GIA Dgreedy 算法。文献[61]选取节点可能感知圆形区
域上冗余覆盖面积作为优先级，冗余面积少的优先级高，并提出优先级实时更新的
策略，称作 LOF 算法，该算法能提高网络覆盖率。
在对原 Dgreedy 算法的改进中，大部分从提高最终覆盖率的角度针对优先级设
定策略进行改进，对传感器方向查找策略精确度不高的问题研究很少，然而它也直
接造成最终覆盖率不够高，本文主要对此进行研究，同时为避免算法因精确度提高
后复杂度增加造成收敛速度降低，对优先级策略进行相应修改，提出一种基于改进
传感器方向查找策略的分布式贪心算法，称为 IRA Dgreedy(improved rotation angle
distributed greedy)算法。仿真结果表明此算法可以获得更高的覆盖率。

3.2 问题描述

不同于传统的全向传感器，有向传感器节点覆盖区域为一定大小的扇形区域[39]，

可以用四元组 ( I s , R, α , I s j ) 来表示，其中 0 ≤ α ≤ π 。如图 3-1 所示， I s 是传感器节点

位置坐标， R 是传感器感知半径， α 是感知夹角， I s j 是感知方向。

- 22 -
 第 3 章 有向传感器网络分布式贪心覆盖增强改进算法

给定一个有多个可选方向的有向传感器，每个方向可以派生出一个虚拟节点
[42]
，用 Sij 表示，其中 1 ≤ i ≤ N 表示第 i 个传感器，1 ≤ j ≤ P 表示传感器的第 j 个方向，

N 、 P 分别是传感器总个数、每个传感器方向总个数。虚拟节点是一种特殊的传感
器，其感应区域即为原始传感器相应方向的扇形区域。原 Dgreedy 算法要求传感
器的相邻虚拟节点覆盖区域不可重叠，如图 3-2 所示，传感器 S1 有四个虚拟节点，
依次是 S11 、S12 、S13 、S14 。如果两传感器虚拟节点间有重叠，则称其互为感应邻居，
距离小于 2R 。如图 3-2 中 S1 、 S2 即互为感应邻居。

Is j

α
Is (a, b) α

( I s , R, α , I s j )

图 3-1 有向传感器模型

某个虚拟节点被激活意味着原始传感器工作在该虚拟节点相应的方向。所有
传感器被激活的虚拟节点集合可以表示为 V = {Sij 1 ≤ i ≤ N ,1 ≤ j ≤ P} 。
在虚拟节点 Sij 整个覆盖区域内，只可能被 Sij 覆盖的区域所占的比例称作单独
覆盖率，用 fij 表示，即第 i 个传感器第 j 个方向派生的虚拟节点的单独覆盖率。为

方便计算，本文使用网格法，将被覆盖区域分成 m × n 的网格，单独覆盖率即虚拟
节点 Sij 的覆盖网格中，只可能被 Sij 单独覆盖的网格所占的比例，如图 3-2 所示，
f14 = f12 = 0.24 ， f11 = f13 = 0.91 ， f12 = f13 = f 21 = f 24 = 1 。

S12 S11
S1
S13 S14
S22 S21
S2
S23 S24

图 3-2 方向不可重叠有向传感器示例

有向传感器网络应用中，初始时刻节点被随即播撒在目标区域，给定目标区
域面积 S 以及传感器个数、规格，求 V 的一个子集 Z ，令每个传感器工作在单独
覆盖率最大的方向上，从而使得目标区域的覆盖率 φ 最大，这个问题即最大有向
- 23 -
 燕山大学工学硕士学位论文

区域覆盖问题( MDAC 问题)。文献 [42]提出 MDAC 问题是 NP 完全的，并给出了

具体证明过程。

3.3 Dgreedy 算法

Dgreedy 算法首先按邻居节点个数为每个传感器分配优先级，邻居最少的传感
器优先级最高，令其首先找到单独覆盖率最大的方向并进行调整，当所有传感器
都被确定方向时算法停止。在对原 Dgreedy 算法的改进中，大多针对优先级设定
策略，即通过找到更好的优先级顺序来最大化减少覆盖冗余，从而增大覆盖。然
而在传感器查找调整方向的过程中，同样存在精确度不高的问题，本文着重对此
进行研究。
在查找每一个传感器调整方向的过程中，原 Dgreedy 算法采用方向不可重叠的
有向传感器模型 [62]，即每个传感器都有一定数目的可调方向，并且每个方向上的
覆盖区域都不与其他方向上的重叠。采用这种模型，传感器每次虚拟转动一定的
角度 2α ，依次检测每个方向上的单独覆盖率，最终选取单独覆盖率最大的方向。
如图 3-2 中，将传感器依次虚拟转动到四个方向上，计算并比较四个方向的单独
覆盖率。
然而实际中有向传感器大多可以转动到任意方向，这样只检测其中的几个方
向显然不够准确，很有可能会遗漏单独覆盖率更大的方向，从而减少覆盖增加率，
因此本文改用方向可重叠的有向传感器模型[62]，如图 3-3 所示，传感器可以转动
到任意方向，并且每个方向的覆盖区域允许和其他方向的覆盖区域有重叠。采用
这种模型，在最优方向查找过程中，传感器可以虚拟转动任意角度检测任意方向
的单独覆盖率大小，从而使检测更精确，避免检测遗漏。

图 3-3 方向可重叠有向传感器示例

还需要考虑的是，假如为了使检测更精确而选用较小的虚拟转动角度，检测
复杂度便会增加，导致算法进行时间过长，覆盖增强效率降低。这就要求同时考

- 24 -
 第 3 章 有向传感器网络分布式贪心覆盖增强改进算法

虑检测精度和复杂度这两个因素，合理调整虚拟转动角度，以实现对调整方向既
准确又快速的查找。

3.4 IRA Dgreedy 算法

为了解决传感器方向查找策略中存在精确度低的问题，本文提出基于改进的
调整方向查找策略的 IRA Dgreedy 算法。通过对传感器调整方向查找策略以及优
先级分配策略的改进，提高覆盖率的同时保证算法收敛速度。

3.4.1 传感器方向查找改进策略

IRA Dgreedy 算法方向查找策略中，选用可重叠的有向感知模型，令查找转动

角度大小随目标区域覆盖率变化，使传感器调整方向的查找过程更精确，同时避
免算法进行时间过长。
引理 3-1[46]. 在分布式有向传感器网络中，向目标区域随机均匀播撒一定数目
为 N 的同构传感器，给定参数后可以得到最终覆盖率估计值 φ t ， 见式 (3-1) ，在目
标区域覆盖率与传感器感知半径 R 、感知夹角 α 、目标区域面积 S 以及传感器个数 N
之间建立关系，利用一个统一的概率模型预先估算出目标区域覆盖率。具体来看，
当任意传感器被随机播撒在目标区域后，可以得到的目标区域覆盖率为 α R 2 S ，
相应的盲区率为 (1 − α R 2 S ) ， 那么当随机播撒 N 个传感器节点时，区域的盲区率
则是 (1 − α R 2 S ) N ， 进而得到相应的目标区域覆盖率。
N
 α R2 
φ t = 1 − 1 −  (3-1)
 S 

引理 3-1 给出了目标区域覆盖率 φ 的估计值，然而其是在理想状态下得到的，

实际覆盖中由于播撒环境恶劣等因素，传感器之间会存在较多的覆盖冗余和盲区，
使得初始覆盖率 φ 0 往往低于估计值 φ t ， 此时运用覆盖增强算法对传感器方向进行
调整，区域覆盖率将会增大并逐渐趋于甚至超过估计值，这里覆盖率的变化反应
了整个目标区域的覆盖情况，可以作为反馈信息指导算法对覆盖增强算法进行相
应调整，从而使覆盖增强算法得到优化。由此，本文令原 Dgreedy 算法中传感器
查找调整方向时的虚拟转动角度随着覆盖率变化，以提高算法精度。
具体来讲，当覆盖率随着算法的进行不断增大时，整个目标区域的覆盖情况
越来越趋于最优，此时若传感器查找调整方向使用的查找转动角度仍和原来一样

- 25 -
 燕山大学工学硕士学位论文

大，即仍然选用较低的检测精度，则会出现最佳方向被遗漏而无法增大覆盖的现
象，因此，要想使覆盖率继续增大，必须提高检测精度，即使用较小的虚拟转动
角度。于是， IRA 算法在虚拟转动角度和区域覆盖率之间建立关系，见式(3-2)，令
前者随着后者的增大而减小。
 φt + φ 0
θ max = 2α , φ ≤ 2

 φt + φ 0
θ = k (φ t − φ ), φt ≥ φ ≥ (3-2)
 2
θ min φ ≥ φt


θ max
k= (3-3)
(φ t − φ 0)
θ min ≤ k (φ t − φ ) (3-4)

按照改进的转动角度算法公式，首先由公式 (3-2)、 (3-3)、 (3-4)依次算出覆盖

率估计值 φ t 、转动角度随覆盖率变化正比例系数 k 的值以及最终转动角度 θ min 的取
值范围，并根据实际应用需求选取合适的 θ min 。在算法开始查找调整方向前，传感
器根据获得的覆盖信息按照公式 (3-2) 更新转动角度 θ ，以满足不同覆盖情况下的
查找精度需求，进一步提高最终覆盖率。
公式 (3-2)中，把整个覆盖增强调整过程分成三个阶段。阶段一：当覆盖率增
加 量 低 于 覆 盖 率 初 始 值 φ 0 与 估 计 值 φt 差 值 的 一 半 时 ， 即 覆 盖 率 低 于
φ 0 + (φ t − φ 0) 2 = (φ t + φ 0) 2 时 ， 令 θ 取 得 最 大 值 θ max = 2α ，此时检测过程与原

Dgreedy 算法相同，检测方向之间不存在重叠区域，检测精度较低。阶段二：当覆
盖率增加量高于覆盖率初始值 φ 0 与估计值 φ t 差值的一半 (φ t − φ 0) 2 且覆盖率未达
到估计值 φt 时，即覆盖率满足 (φ t + φ 0) 2 ≤ φ ≤ φ t 时，令 θ 随着 (φ t − φ ) 的减小呈线性
减小 ， 系数 k ≥ 0 可以根据初始时刻覆盖率 φ 0 由公式 (3-3)计算得到。阶段三：当覆
盖率超过估计值 φ t 时，令 θ = θ min ，这里给出推论 1。
推论 3-1. 按照改进的虚拟转动角度算法式，转动角度会随着目标区域覆盖率
的增大而减小，并且最终转动角度满足 θ min ≤ α 。
证明：由公式 (3-2)、(3-3)可以得到公式(3-5)，

- 26 -
 第 3 章 有向传感器网络分布式贪心覆盖增强改进算法
θ max
θ min ≤ k (φt − φ ) ≤ × (φ t − φ )
(φ t − φ 0)
θ max φt + φ 0
≤ × (φ t − )
(φ t − φ 0) 2 (3-5)
θmax
≤
2
≤α
由公式 (3-5)可以得出，随着改进后算法的进行，转动角度逐渐变小且 θ min ≤ α ，
应用中可以在此范围内为 θ min 选取合适的值。证毕。

3.4.2 优先级改进策略

按照改进后的方向查找策略，算法在查找传感器调整方向过程中，选用虚拟
转动角度逐渐减小，可使查找过程精确度增加从而增大最终覆盖率。然而其虽比
直接选用小角度查找缩短了用时，但随着查找更精确，查找复杂度难免有一定增
加，为进一步避免因此造成算法收敛速度降低，对优先级设定策略进行相应改进。
以往的优先级选取策略都是从增大最终覆盖率的角度出发，例如文献 [61]选取
节点可能感知圆形区域上冗余覆盖面积作为优先级，然而这些改进都是通过找到
更好的优先级顺序来最大化减少覆盖冗余以增大覆盖，并不能提高收敛速度。
为保证收敛速度，本文选取初始时刻冗余覆盖面积作为优先级分配给节点，
冗余覆盖面积越大，优先级越高。首先调整冗余覆盖面积较多的节点到其单独覆
盖率更大的方向，可以增大更多的覆盖面积，同时减少更多的冗余覆盖面积，此
时邻居节点也因为与被调整节点的冗余覆盖面积减少，使所处方向的单独覆盖面
积增大，甚至成为所有方向中的最大值，从而减少调整角度甚至避免调整，如此
使得整个区域的覆盖率增加速度大大提高，保证算法收敛速度。仿真验证提出优
先级策略的有效性。
IRA Dgreedy 算法见表 3-1。初始时刻被随机播撒在目标区域中的有向传感器
根据自身的冗余覆盖面积确定优先级，和邻居有向传感器的优先级进行比较，优
先级大的首先确定方向，直到整个网络的所有传感器都确定方向算法结束。过程
中，有向传感器实时更新自身优先级，并将含有优先级大小和自身感知方向的信
息发送给邻居传感器，传感器之间通过信息传递确定下一步动作。

- 27 -
 燕山大学工学硕士学位论文

表 3-1 IRA Dgreedy 算法

IRA Dgreedy 算法：

1. 传感器 Si 与感应邻居通信获取覆盖信息；

2. 计算优先级 priority ( Si ) 并与感应邻居交换信息，( priority ( Si ) 数值由初始时刻传感器冗余覆

盖面积得到，数值越大优先级越高)；

3. if 传感器 Si 在邻居传感器中优先级最高；

4. Si 查找使单独覆盖率最大的方向确定。即依次将 Si 虚拟转动一定的角度(由公式(1)

计算得到)，计算并比较每个方向上单独覆盖率大小，最终选取最大值对应的方向 ；
5. Si 广播包含工作方向以及覆盖率 φ 的覆盖消息给优先级较低的感应邻居；

6. return

7. end if

8. while Si 收到优先级较高的感应邻居的覆盖信息并且未被处理；

9. do Si 更新邻居区域的覆盖信息，优先级以及所需虚拟转动角度；

10. if Si 收到了所有优先级较高的邻居的覆盖信息；
11. Si 找到单独覆盖率最大的方向进行方向调整，并更新覆盖率 φ ，同时广播

包含工作方向以及覆盖率 φ 的覆盖消息给优先级较低的感应邻居；

12. return

13. end if

14. end while

3.5 仿真

按照提出的 IRA 算法步骤在 matlab 中进行了仿真实验，实验参数见表 3-2。

表 3-2 实验参数

参数名称 数值

目标区域面积 S (平方米) 100 × 100 ~ 300 × 300

感知半径 R (米) 10

传感器数目 N (个) 0 ~ 200

感知夹角 α (度) 45

- 28 -
 第 3 章 有向传感器网络分布式贪心覆盖增强改进算法

3.5.1 覆盖率比较

为验证本文提出算法在提高目标区域覆盖率方面的优越性和普遍适用性，仿
真得到随机播撒、原 Dgreedy 算法、 LOF 算法以及本文提出的 IRA Dgreedy 算法
覆盖率随目标区域面积、传感器数目变化的曲线并进行比较。每种算法运行 100
次，取覆盖率平均值。
首先，考察不同传感器个数下的覆盖率情况。实验中，传感器感知偏角
α = π 4 ， 感 知 半 径 R = 10m ， 目 标 区 域 覆 盖 面 积 S = 100m 2 ， 传 感 器 个 数 取
N = 0 ~ 200 个。仿真结果如图 3-4 所示，可以看出原 Dgreedy 算法、 LOF 算法由
于采用了不可重叠模型，造成最优方向查找遗漏，算法提高覆盖率较低，而本文
提出的 IRA 算法下，有向传感器通过改进的方向查找策略，选用可重叠的有向感
知模型，令查找转动角度大小随目标区域覆盖率变化，使调整方向的查找过程更精
确，从而找到更优的感知方向，提高自身的覆盖效率，因此目标区域最终的覆盖
率最高。比如，当传感器节点个数是 120 个的时候，节点被随即播撒进去的初始
覆盖率是 54.6%，原 Dgreedy 算法调整后的覆盖率是 62.9%，而本文的 IRA Dgreedy
算法调整后的覆盖率是 70.1%，因此可以看出本文提出的 IRA Dgreedy 算法可以得
到的目标区域覆盖率更高。

90

80 IRA
LOF
70 Dgreedy
Random
60
覆覆覆（ % ）

50

40

30

20

10

0
0 50 100 150 200
传传传传传

图 3-4 覆盖率随传感器个数变化曲线

其次，考察不同面积目标区域下的覆盖率情况。实验中，感知偏角 α = π 4 ，

- 29 -
 燕山大学工学硕士学位论文

感知半径取 R = 10m ，传感器个数取 N = 200 ，目标区域覆盖面积 S = 0 ~ 100m 2 。

仿真结果如图 3-5 所示，可以看出随着传感器个数的增加，原 Dgreedy 算法、LOF
算法、IRA Dgreedy 算法及随机情况下得到的最终覆盖率逐渐增加，而本文的 IRA
Dgreedy 算法得到的覆盖率是最高的，说明本文 IRA Dgreedy 算法的高效性。
以上仿真结果验证了算法在提高目标区域覆盖率方面的优越性和普遍适用性。

90

80
IRA
LOF
70
Dgreedy
Random
60
覆覆覆（ % ）

50

40

30

20

10

0
100 150 200 250 300
工工工工（m*m）

图 3-5 覆盖率随目标区域面积变化曲线

3.5.2 收敛速度比较

接下来，为进一步验证本文提出算法在提高收敛速度方面的优越性进行仿真。
考察相同情况下，原 Dgreedy 算法、 LOF 算法以及本文提出的 IRA Dgreedy 算法
结束所用时间。实验中，传感器感知偏角 α = π 4 ，感知半径 R = 10m ，目标区域
覆盖面积 S = 100m 2 ，传感器个数取 N = 200 个。仿真结果如图 3-6 所示，可以看出，
本文提出的 IRA 算法下，通过改进的优先级策略可以首先选出能够提高覆盖率最
多的有向传感器进行方向择优并确定，从而可以使目标区域覆盖率提高更快，因
此与其他算法相比，本文提出 IRA Dgreedy 算法收敛速度最高，用时最短。

- 30 -
 第 3 章 有向传感器网络分布式贪心覆盖增强改进算法

1.8 Dgreedy
LOF
1.6 IRA
1.4

1.2
时时（ s）

0.8

0.6

0.4

0.2

0
0 2 4 6 8 10
实实实传

图 3-6 算法结束时间曲线

3.6 本章小结

在有向传感器网络中，可以通过调整节点的感知方向来增强目标区域的覆盖
率 ， 最 大 化 目 标 区 域 的 覆 盖 率 是 覆 盖 增 强 问 题 的 目 标 ． 已 有 研 究 提 出 了一 种
Dgreedy 覆盖增强算法并对其进行改进，然而大部分改进只针对优先级策略，本章
主要在传感器调整方向的查找策略方面进行改进，并从提高收敛速度的角度改进
优先级策略，提出了一种新的有向传感器网络覆盖增强的 IRA Dgreedy 算法，该
算法选用可重叠的有向感知模型，令查找转动角度大小随目标区域覆盖率变化，
使传感器调整方向的查找过程更精确，并选用传感器初始冗余度作为优先级，提
高算法收敛速度，进一步优化了原 Dgreedy 算法。

- 31 -
 燕山大学工学硕士学位论文

第 4 章 基于流函数避障的有向传感器网络的全覆盖控制

4.1 引言

目前，现有的有向传感器网络覆盖控制算法大都致力于提高覆盖效率而忽略了
使用最少传感器完成全覆盖的问题，因此本章主要研究初始时刻传感器随机分布的
有向传感器网络全覆盖控制问题。考虑到大部分覆盖增强算法是针对静态的有向传
感器网络，然而随着科技的发展静态有向传感器网络算法局限性越来越凸显，尤其
在动态目标追踪[63]、节点失效[64]、检测环境复杂[65]的情况下。动态传感器网络以它
更高效、能力更强的优点被广泛应用并得到越来越多的关注[66]。因此本章采用将传
感器转动和移动方法结合起来依次提高网络覆盖效率，提出了一个混合全覆盖策略。
同时为避免传感器与障碍物之间碰撞引入流函数进行避障控制，并设计控制切换方
法避免了局部最小化问题，比现有的避障方法[67]获得更平滑快速的避障效果。

4.2 基础知识与问题描述

4.2.1 有向传感器模型

一般来讲，有两种有向传感器模型，如图 4-1 所示，图 4-1(a)中是模型 A，它

的感知区域是拥有固定的方向的扇形，其可以用 Si1 (qi , R, ε , β ) 表示；图 4-1(b)中是

模型 B，它的感知区域是可以绕圆心以一定速度转动的扇形，其可以用
Si 2 (qi , R, ε , β , w) 表示。和 A 相比， B 所需的传感器个数少，所以本文选用模型 B

以节省节点。
gi
w
A B

X
qi

(a) (b)

图 4-1 有向传感器模型

- 32 -
 第 4 章 移动有向传感器网络的全覆盖控制算法

4.2.2 问题描述

由 n 个有向传感器组成的有向传感器网络中，传感器由公式(4-1)表示，其中
pi ∈ 2
和 ui ∈ 2
分别是速度控制向量、加速度的控制向量。
qi = pi
 , i = 1, 2,.....n (4-1)

 i
p = ui

采用有向传感器模型 B 设计最有效的一重覆盖模型，首先给出 k 重覆盖的概

念。
定义 4-1[68]：某点被传感器 Si 覆盖当且仅当其距离传感器圆心距离小于等于感

知半径 R ，某点被 k 重覆盖当且仅当其被 k 个传感器同时覆盖。

一般认为，一重覆盖拓扑是最节能的覆盖结构，文献[57]证明了图 4-2 中的拓
扑是最高效的一重覆盖结构，其中任意三个相邻的传感器的圆心连线构成一个等
边三角形。采用这种最高效的一重覆盖结构，当 B 型有向传感器被放置在预设位
置后，传感器按照一定的角速度转动，使目标区域在一定时间内完成全覆盖任务。

1 2 3

4 5 3 6 7

8 9 10

图 4-2 最高效一重覆盖拓扑

4.3 传感器部署控制算法

4.3.1 势场函数

首先，设计引力函数 φε 使传感器到达预定位置，基于传感器 i 与其预定目标间

的相对距离设计见式(4-2)，
2
q −q
φε = ie i (4-2)
2
其中 qie 是 qi 的预定位置， qie − qi 是它们之间的距离。由公式(4-2)可以看出势场函

- 33 -
 燕山大学工学硕士学位论文

数会随着传感器接近它的预定位置逐渐趋于零，因此总的势场函数也将随着所有的
传感器到达各自的预定位置逐渐趋于零。相应的吸引力 Fε 如下：
Fε = −∇φε = (qie − qi ) (4-3)
其次， φλ 为使传感器避免碰撞设计势场函数如下：
 1
− q − q 0 ≤ qj − qi < dij
φλ ( qj − qi ) =  j i (4-4)
0 qj − qi ≥ dij

公式 (4-4) 中当 q j − qi → dij ， φλ ( q j − qi ) 趋于零，其中 dij = d 2 D ，因此传感器

之间距离太小时势场斥力将它们分开从而避免碰撞，距离太大时势场引力将它们
靠近从而减少覆盖漏洞，直到达到一个合适的距离 dij 。 对应的势场力如下，
 1
 3 (q j − qi ) 0 ≤ q j − qi < dij
Fλ = −∇φλ =  q j − qi (4-5)

0 q j − qi ≥ dij

现有的基于人工势场函数避免碰撞的方法被广泛应用，然而它存在的不足是
容易引起局部最小化令传感器无法到达预定位置，同时避障过程传感器轨迹不够
平滑造成能量浪费。为解决这个问题，本文设计控制切换策略避免局部最小化，
同时根据流体力学的流函数上可以自动避开障碍物的点设计势场函数，文献 [69]
中基于流函数的避障设计采用的是水平方向的流函数，这样仍会产生多余的轨迹
偏移，因此本文设计了朝向目标区域的流函数，流函数与流线的定义如下：
定义 2 (流函数)[70]:在二维空间内，流函数ψ 描述了流水线以及稳定流水中的
微粒轨迹。流函数满足：
∂ 2ψ ∂ 2ψ
+ =0 (4-6)
∂x∂y ∂y∂x
定义 3 (流线) [70]:流函数满足ψ = C ( C ∈ R )的点连线即流线，其上每个点的速
度分量满足公式(4-7)，
∂ψ ∂ψ
a=− ,b = (4-7)
∂y ∂x

设计一个绕过圆柱形障碍物的流函数需要将均匀流和偶极子流叠加，均匀流
的流速是个恒值 V∞ ，和水平方向成 δ1 角的均匀流函数为(4-8)，其中 c2 ∈ R 。如图

4-3 所示，
ψ u = − xV∞ sin δ1 + yV∞ cos δ1 + c2 (4-8)

- 34 -
 第 4 章 移动有向传感器网络的全覆盖控制算法

∞
V
δ1

图 4-3 均匀流函数

偶极子流是由具有相同流速的涡流与源叠加构成的，位于 ( xo , yo ) 的偶极子的
流函数见式(4-9)，其中 δ 2 是其方向同 x 轴的夹角， m ∈ R 体现了偶极子的流速，如

图 4-4 所示。
 m cos δ 2 ( y − yo ) − sin δ 2 ( x − xo )
ψ d = − 2π σ2
 (4-9)
σ 2 = (q − q ) 2
 i o

( xo , yo )
−m

δ2

图 4-4 偶极子流

因此绕过障碍物的流函数为：
ψ i = ψ u +ψ d
m sin δ m cos δ
= (−V∞ sin δ + ) x + (−V∞ cos δ + )y (4-10)
2πσ 2
2πσ 2
m cos δ m sin δ
+ yo − xo + c2
2πσ 2
2πσ 2
其中 qo ( xo , yo ) 是障碍物的位置坐标，其中 δ 是向量 ( xit − xi 0 , yit − yi 0 ) 与 x 轴的夹角，
( xi 0 , yi 0 ) 是全体传感器初始位置的中心，( xit , yit ) 是全体传感器目标位置的中心，c2
可以由公式 (4-11)计算得出，因为偶极子函数满足ψ d ( xo , yo ) = 0 ，为了保证均匀流

函 数 和 偶 极 子 函 数 具 有 相 同 的 流 速 从 而 叠 加 在 一 起 ， 需 要 令 均 匀 流 函 数在 点
- 35 -
 燕山大学工学硕士学位论文

( xo , yo ) 具有和偶极子相同的强度，即：
ψ u ( xo , yo ) = 0 (4-11)

如图 4-5 所示， AB 是障碍物的边界，当传感器 i 进入障碍物的流场，传感器

所在的流线 ψ i ( xi , yi ) = Ci 可以用公式 (4-12)计算得出，其中 Ci 是流场的强度。假设
qie > qi 0 ，从对应流线上选取 qil ( xil , yil ) 作为虚拟引导者，令 qil 的 y 坐标比 qi 的 y 大，
因此 qil 可由公式 (4-13)计算得出，其中 k ∈ (0,1) 是常数， e y 代表 y 轴方向的单位长
度，虚拟引导者的速度用 pil = (ail , bil ) 表示，等于所在的流场的速度。

qil ( xil , yil ) qo ( xo , yo )

B
qi ( xi , yi )
A

=C
i
)
,y
(x
ψi δ

图 4-5 障碍物周围流线

m sin α m cos α
Ci = (−V∞ sin α + ) xi + (−V∞ cos α + ) yi
2πσ 2
2πσ 2
(4-12)
m cos α m sin α
+ yo − xo + c2
2πσ 2
2πσ 2
 yil = yi + k ⋅ ey
 (4-13)
ψ c ( xil , yil ) = Ci

传感器 i 与它的虚拟引导者之间的引力势场函数如下：
2
1 1 1
φσ =  −  (4-14)
2  R − qil − qi R 

相应的引力 Fσ 如下:
1
Fσ = ( qil − qi ) (4-15)
R ( R − qil − qi )3

4.3.2 控制器设计

在以上势场函数下，为使传感器到达目标位置同时避免碰撞，设计一个分布
式控制策略：
- 36 -
 第 4 章 移动有向传感器网络的全覆盖控制算法
ui = uiε + uiλ + uiσ (4-16)
uiε 表示传感器与其目标点之间的控制量，使传感器到达目标位置； uiλ 表示传感
器 i 与邻居传感器 j 之间的控制量，使传感器之间避免碰撞； uiσ 表示传感器 i 与其
虚拟引导者之间的控制量，使传感器跟踪引导者以避免碰撞障碍物。 uiλ 是由一个
梯度项和一个速度一致项组成的。不同于 uiλ ， uiε 和 uiσ 都是由一个梯度项、一个速
度一致项和一个加速度一致项组成的，使得目标跟踪更有效。 uiε 、 uiλ 和 uiσ 分别如

下所示：
uiε = aiε (t )[−c1ε ∇φε ( qi − qie ) − c2ε ( qi − qie ) − c3ε ( pi − pie ) + p ie ]
uiλ = −c1λ  ∇φλ ( q − q
j∈Ni (t )
i j ) − c2λ 
j∈Ni (t )
aij (t )( pi − p j ) (4-17)

uiσ = aiσ (t )[−c1σ ∇φσ ( qi − qil ) − c2σ ( qi − qil ) − c3σ ( pi − pil ) + p il ]

其中 c1ε ， c2ε ， c3ε ， c1λ ， c2λ ， c1σ ， c2σ ， c3σ 是正常数。 qie 和 pie 分别是目标点的位置
和速度。当在 t 时刻传感器 i 可以和传感器 j 通信时， aij (t ) =1。
式(4-17)中 aiε (t ) ， aiσ (t ) 定义如(4-18)所示， uiε 和 uiσ 在切换函数的控制下切换

控制传感器。
aiε (t ) = aiσ 1 (t ) aiσ 2 (t )
 (4-18)
 1 qoi − qi ≤ R
 iε 1
a (t ) = 
 0 qoi − qi > R

a (t ) = 1 D ≤ ro
 ε 2 
D > ro
i
 0
0 aiσ (t ) = 1
aiε (t ) =  (4-19)
1 aiσ (t ) = 0
D = ( qoi − qi + Ro ) sin θ (4-20)
(qoi − qi ) (qie − qi )
cos θ = (4-21)
qoi − qi qie − qi

在公式 (4-19)中， aiε (t ) 是 aiσ (t ) 的相反数。在公式 (4-20)中， qoi 是被传感器 i 感


知到的障碍物边界点， D 是 qo 和线 qi qie 之间的欧几里得距离。

- 37 -
 燕山大学工学硕士学位论文

qie ( xie , yie )

B
qo ( xo , yo )

D
θ qoi ( xoi , yoi )
qi ( xi , yi )

A
图 4-6 传感器避障过程

在以上设计的控制器算法下，可以得到以下结论。
定理 4-1. 给出动态系统 (4-1)，在控制输入(4-16)下，假设传感器之间连通：
（1）当不存在规则障碍物 qo ( xo , yo ) 时，传感器将最终顺利到达目标位置，且避免

相互碰撞；
（2）当存在规则障碍物 qo ( xo , yo ) 时，传感器将最终顺利避开障碍物置，且避免相

互碰撞。
证明：首先，当无障碍物时， aiε (t ) = 1, aiσ (t ) = 0 ， xiε 和 viε 分别表示传感器 i 同

其目标点之间的位置和速度误差，分别表示为：
 xiε = qi − qie
 (4-22)
viε = pi − pie
于是传感器系统(4-16)可以写成：

 xiε = viε

viε = uiε = −c1  ∇φλ ( xiε − x jε ) − c2  aij (t )(viε − v jε ) (4-23)
λ λ

 j∈Ni ( t ) j∈Ni ( t )
 − c1ε ∇φε ( xiε ) − c2ε xiε − c3ε viε

定义利亚普诺夫函数：
1 n n
1 n
L=   λ iε jε 
(
2 i =1 j∈Ni (t )
φ ( x − x ) +
i =1
(φε ( xiε )) +
2

i =1
(viε T vi )
(4-24)
1 n
+  ( xiε T xiε )
2 i =1

令 L 对 t 求导得到：
- 38 -
 第 4 章 移动有向传感器网络的全覆盖控制算法
n n n
L = viε T (  ∇φλ ( xiε − xjε ) + viε T ∇φε ( xiε ) + viε T ( pi − pie )
i =1 j∈Ni (t ) i =1 i =1
n
+ c2ε (viε T xiε )
i =1 (4-25)
n
= (viε T (−  a (t)(v ε − v ε ) − cε vε ))
ij i j 3 i
i=1 j∈Ni (t )

= −viε T ((c3ε In + Ln (t)) ⊗ I2 )vε ≤ 0

T
其中 p i = uiε ， vε T = v1ε T , v2ε T , v3ε T ......viε T  。所以 L ≤ 0 ，并且当且仅当每个传感器满
足 viε = 0 ， L = 0 。这里 L = 0 表示 v1ε = v2ε = v3ε = vnε = 0 。因此，所有传感器的速度
将逐渐目标点的速度趋于一致。并且由于势场函数 φε 在 q j − qi = R 处无限大，传
感器之间的连通将不会断开。同时 φλ 在 q j − qi → 0 处无限大，在 q j − qi → dij 时

趋近于零，传感器之间避免碰撞且保持最佳协作距离。因此为了使每个传感器的
总体势能达到最小，它们将最终平滑地到达各自的目标点，同时不会相互碰撞。
接下来，针对有障碍物存在的情况进行可行性分析。假设 n 个传感器向着各
自的目标点运动，过程中遇到障碍物 qo ，这时 aiε (t ) = 0, aiσ (t ) = 1 ，传感器 i 的位置

和速度给出如下，
 xiσ = qi − qil
 (4-26)
viσ = pi − pil
系统(4-16)可以写成：
 xiσ = viσ

viσ = uiσ = −c1  ∇φλ ( xiσ − x jσ )
λ

 j∈Ni ( t )

 − c2λ  aij (t )(viσ − v jσ ) (4-27)
 j∈Ni ( t )

 − c1 ∇φσ ( xiσ ) − c2σ xiσ − c3σ viσ + p il

σ

同理可证当存在障碍物时，传感器可以成功地跟随对应流线上的虚拟引导者
避免与障碍物碰撞。证毕。

- 39 -
 燕山大学工学硕士学位论文

4.4 传感器转动策略

gj

图 4-7 相邻传感器的覆盖情况

当有向传感器到达预定位置后，需要设计合适的转动策略使传感器转动以监
测目标区域。
为了避免相邻传感器之间的重复覆盖，传感器的初始方向需要设置，如图 4-7
所示，相邻传感器初始方向差 η = β i − β j 在 (−2π, 2π) 这个范围内。假设传感器到达

预期位置后逆时针转动，当且仅当相邻传感器同时覆盖区域 MN 时才会出现冗余
覆 盖 ， 而 此 时 传 感 器 i 、 j 的 感 知 方 向 角 分 别 满 足 β i = (5π / 6 − α , 7π / 6 + α ) 、
β j = (0 , π / 6 + α ) ∪ (11π / 6 − α , 2π) ，两者做差可以得到夹角范围见式(4-28)，即只

要相邻传感器间夹角不在这个范围时，冗余覆盖就可以避免，据此设置有向传感
器的初始方向。
( 2π / 3 − 2α , 7π / 6 + α ) ∪ ( −7π / 6 − α , −2π / 3 + 2α ) (4-28)

4.5 仿真

为验证提出算法的有效性进行仿真实验。仿真可以分成三个部分：第一部分，
为验证算法在传感器部署控制中的平滑高效性，对传感器部署控制算法进行仿真；
第二部分，为验证算法中转动策略可以保证邻居传感器无覆盖冗余，对转动策略
进行仿真；第三部分，为验证算法可以达到全覆盖目标，对算法最终覆盖率进行
仿真。实验中用到的主要参数见表 4-1。

- 40 -
 第 4 章 移动有向传感器网络的全覆盖控制算法

表 4-1 实验参数

参数 数值

A(m) {( x, y ) / x ∈ [90,142], y ∈ [95,135]}

R (m) 10
N (传感器个数) 10
ε (o) π /6
T
qo ( m ) [59, 59]

ro ( m ) 10

140
1' 2' 3'
传目目目
120
4' 5' 6' 7'

100 8' 9' 10'

80
Y(m)

60

40

20
8 5
3 9
0 4 1 10
2 7 6
初初目目
-20
-20 0 20 40 60 80 100 120 140 160
X(m)

图 4-8 本文算法控制传感器移动轨迹。星点表示传感器，圆表示障碍物，矩形表示目标区域。

第一部分的仿真实验。图 4-8 为传感器向目标点移动对目标区域形成全覆盖的运

动轨迹，其中右上角矩形表示目标区域，矩形内星点表示目标点，图中圆形表示障
碍物，观察可以发现传感器初始时刻随机分布在一定位置，在本文算法的控制下，
传感器由于受到目标点吸引作用从而向着目标点运动，过程中遇到障碍物时，在基
于流函数避障控制算法下跟随流函数上虚拟引导者运动，又由于具有朝向目标点方
向的流函数上虚拟引导者具有距离障碍物较近的特点，因此传感器能够成功选择较
- 41 -
 燕山大学工学硕士学位论文

平滑路径避开障碍物，避免偏离原轨迹较多造成的能量浪费，同时因为算法采用了
趋近目标过程与避障过程切换控制策略，避免了局部最小化问题，使传感器能够顺
利到达各自预期目标点，仿真结果证明了算法有效性。相同情况下，文献[69]中的避
障算法仿真结果如图 4-9 所示，由于其采用水平方向的流函数设计避障策略，移动传
感器避障过程中轨迹偏移较多，与图 4-8 比较可以看出，本文提出算法下传感器绕过
障碍物过程更平滑高效，从而减少了不必要的能量浪费。
第二部分仿真实验。图 4-10 是任意单位时间内有向传感器以一定的速度转动检
测情况，黑色扇形表示单位时间结束时传感器最终覆盖区域，而包含黑色扇形在内
的较大的灰色扇形表示整个单位时间内传感器覆盖到的区域，观察可以看出在本文
算法控制下，相邻传感器的感知方向角差值被严格限定，从而避免它们同时覆盖彼
此间临界区域，即任意时刻相邻传感器之间不存冗余覆盖，从而提高了每个有向传
感器的覆盖效率，减少了能量浪费。

140
1' 2' 3'
传目目目
120
4' 5' 6' 7'

100 8' 9' 10'

80
Y(m)

60

40

20
8
5 9
3
0 4 1 10

2 7 6 初初目目
-20
-20 0 20 40 60 80 100 120 140 160
X(m)

图 4-9 [69]中算法控制传感器移动轨迹。

第三部分的仿真实验。图 4-11 是在不同传感器转动速度下，本文提出算法与

随机情况下传感器单位时间内覆盖效率比较，可以看出，由于随机分布的有向传
感器所在的圆盘之间存在较多的冗余及漏洞，又由于相邻传感器初始时刻感知方
向随机，在转动感知过程中很容易覆盖相同区域，因此造成目标区域覆盖率低，
而本文算法控制下，令传感器按照最高效覆盖拓扑结构进行分布，保证传感器所
- 42 -
 第 4 章 移动有向传感器网络的全覆盖控制算法

在圆盘之间冗余及漏洞最小，同时限定相邻传感器初始时刻感知方向，使其不同
时覆盖相同区域，进一步避免了覆盖冗余及漏洞，从而大大提高了目标区域覆盖
率。图 4-11 中，随机情况下传感器单位时间内最高覆盖效率为 58% ，而本文提出
算法的传感器单位时间内最高覆盖效率为 100% ，可见本文提出算法大大提高了覆
盖效率，并且当传感器转动速度满足 w ≥ 5π 3 时可以实现目标区域全覆盖。

140

135

130

125

120
Y(m)

115

110

105

100

95

90
80 90 100 110 120 130 140 150
X(m)

图 4-10 任意单位时间的覆盖情况(虚线框代表目标区域)

1
the random case
0.9
the proposed algorithm
0.8
Coverage Rate（%）

0.7

0.6

0.5

0.4

0.3

0.2

0.1
0 1 2 3 4 5 6 7
Rotation Rate of Sensors （ rad/s ）

图 4-11 不同传感器转速下的覆盖

- 43 -
 燕山大学工学硕士学位论文

4.6 本章小结

本章提出一个高效的有向传感器一重覆盖控制算法。考虑到覆盖效率要求，
采用最高效的一重覆盖拓扑结构，同时设计传感器初始时刻方向设置策略。为了
避免传感器碰撞障碍物，引入流函数概念设计势场函数避障策略，使避障过程更
加平滑高效，同时采用控制切换策略避免局部最小化问题。理论分析证明算法可
行性。

- 44 -
 结 论

结 论

本文针对全向传感器和有向传感器组成的两种不同类型传感器网络的覆盖问题
进行了研究。在不同应用要求下，设计了覆盖增强策略以及全覆盖策略。本文的主
要贡献如下：
(1)针对全向传感器网络，提出了一个同时适用于二维无线传感器网络和三维无
线传感器网络的保证高度连通的全覆盖控制算法。考虑选取最少的传感器个数以节
省能量，分别采用了二维和三维无线传感器网络中最有效的一重覆盖拓扑结构确定
计算出所需传感器个数。为了让每个传感器到达合适的位置实现目标区域的全覆盖，
同时避免传感器移出目标区域和互相碰撞，定义虚拟势场函数设计控制算法，并通
过理论分析证明算法可行性。
(2)针对有向传感器网络， 为解决 MDAC 问题，本文针对已有的 Dgreedy 算法，
在传感器调整方向的查找策略方面进行改进，并从提高收敛速度的角度改进优先级
策略，提出了一种新的有向传感器网络覆盖增强的 IRA Dgreedy 算法。该算法选用
可重叠的有向感知模型，令查找转动角度大小随目标区域覆盖率变化，使传感器调
整方向的查找过程更精确，并选用传感器初始冗余度作为优先级，提高算法收敛速
度，进一步优化了原 Dgreedy 算法。
(3)为进一步提高有向传感器网络的覆盖情况达到全覆盖，提出一个高效的有向
传感器一重覆盖控制算法。考虑到覆盖效率要求，采用最高效的一重覆盖拓扑结构，
同时设计传感器初始时刻方向设置策略。为了避免传感器碰撞障碍物，引入流函数
概念设计势场函数避障策略，使避障过程更加平滑高效，同时采用切换控制策略避
免局部最小化问题，并根据理论分析证明了算法可行性。本文虽然对有向传感器网
络的覆盖问题做出了一定研究，然而这样一个广泛的研究方向仍然还存在很多有待
研究和探讨的问题：
(1)本文针对有向传感器网络设计的覆盖覆盖控制算法主要集中在二维平面区
域，然而在实际监测环境中，特别是水下监控、空间探测等情况下，有向传感器网
络需要监控的不仅仅是平面区域，而是整个三维空间，所以三维空间中的有向传感
器网络覆盖控制问题仍需要进一步研究。
(2)本文中关于移动传感器网络中的运动控制部分采用的都是理想的线性模型，

- 45 -
 燕山大学工学硕士学位论文

然而实际应用中还会出现非线性的情况，因此还需要继续针对非线性模型下的运动
控制算法进行研究。

- 46 -
 参考文献

参考文献

[1] 万磊, 张勇, 李剑. 基于 ZigBee 无线传感器网络的智能家居设计[J]. 电子科技, 2012, 25(2):

116-119.

[2] 袁慧颖, 翁盛鑫, 罗晶, 魏冰. 基于 Zigbee 的无线护理监护系统设计与应用[J]. 中国医疗设

备, 2013, 28(5): 40-69.

[3] Incel O D, Ghosh A, Krishnamachari B, et al. Fast Data Collection in Tree-Based Wireless Sensor

Networks[J]. IEEE Transactions on Mobile Computing, 2012, 11(1): 86-99.

[4] 及歆荣, 侯翠琴, 侯义斌. 无线传感器网络下线性支持向量机分布式协同训练方法研究[J].

电子与信息学报, 2015, 37(3): 708-714.

[5] 姚英彪, 姜男澜, 无线传感器网络定位的分布式求精算法[J]. 通信学报, 2015, 36(1): 12-21

[6] 李 丰 , 霍 玮 , 冯 晓 兵 . 面 向 无 线 传 感 器 网 络 应 用 的 自 适 应 调 试 方 法 [J]. 计 算 机 学 报 ,

2011, 34(7): 1195-1213.

[7] Liu X, Gong X, Zheng Y. Reliable Cooperative Communications Based on Random Network

Coding in Multi-Hop Relay WSNs[J]. IEEE Sensors Journal, 2014, 14(8):2514-2523.

[8] Wu G, Du Z, Hu Y, et al. A dynamic trust model exploiting the time slice in WSNs[J]. Soft

Comput, 2014, 18(9):1829-1840.

[9] Kakitani M, Brante G, Souza R D et al. Energy efficiency of some non-cooperative, cooperative

and hybrid communication schemes in multi-relay WSNs[J]. Wireless Networks, 2013,

19(7):1769-1781.

[10] 张学, 陆桑璐, 陈贵海, 等. 无线传感器网络的拓扑控制[J]. 软件学报, 2007, 18(4): 943-952.

[11] Hof R D. The Future of Technology[J]. Business Week, 2003, 8(1): 1-50.

[12] 国家中长期发展和规划纲要[EB/OL]. http://www.gov.cn/jrzg/2006-02/09/content_l83787.html

[13] 王乐菲. 基于虚拟 MIMO 的低能耗无线传感器网络的研究[D]. 济南：山东大学, 2010: 1-9

[14] 陶丹, 马华东. 有向传感器网络覆盖控制算法[J]. 软件学报, 2011, 22(10): 2317-2334.

[15] 李靖 , 王汝传 , 黄海平 , 孙力娟 . 有向传感器网络覆盖控制策略 [J]. 通信学报 , 2011, 32(8):

118-127.

[16] Guvensan M A, Yavuz A G. Hybrid Movemen Strategy in Self-Orienting Directional Sensor

Networks [J]. Ad Hoc Networks, 2013, 11(3):1075-1090.

- 47 -
 燕山大学工学硕士学位论文

[17] 杜晓玉 , 孙力娟 , 郭剑 , 韩崇 . 异构无线传感器网络覆盖优化算法 [J]. 电子与信息学报 ,

2014, 36(3): 696-702.

[18] 胡照鹏 , 张长森 . 基于矩形分区覆盖的节点确定部署策略 [J]. 传感技术学报 , 2013, 26(3):

411-414.

[19] 罗卿, 林亚平, 王雷, 尹波. 传感器网络中基于数据融合的栅栏覆盖控制研究[J]. 电子与信

息学报, 2012, 34(4): 825-831.

[20] 赵春江, 吴华瑞, 刘强, 朱丽. 基于 Voronoi 的无线传感器网络覆盖控制优化策略[J]. 通信学

报, 2013, 34(9): 115-122.

[21] Wang B, Fu C, Lim H B. Layered Diffusion-based Coverage Control in Wireless Sensor

Networks[C]//32nd IEEE Conference on Computer Networks, 2007: 504-511.

[22] Zhang H, Hou J. Maintaining Sensing Coverage and Connectivity in Large Sensor Networks[J],

Ad Hoc and Sensor Wireless Networks, 2005, 1(1): 89 -124.

[23] Chen C, Chuang C, Lin T, et al. A coverage-guaranteed algorithm to improve network lifetime of

wireless sensor networks[J], Procedia Engineering, 2010, 5(1): 192-195.

[24] Wang G, Cao G, LaPorta T. A bidding protocol for deploying mobile sensors[C]// 11th IEEE

International Conference on Network Protocols, 2003: 315-324.

[25] Heo N; Varshney P K. An intelligent deployment and clustering algorithm for a distributed

mobile sensor network Systems[C]//IEEE International Conference on Man and Cybernetics, 2003,

5:4576-4581.

[26] Maxim A, Batalin, Gaurav S S. Coverage, exploration, and deployment by a mobile robot

and communication network[C]//the 2nd international conference on Information

processing in sensor networks, Springer-Verlag, 2003, 376-391.

[27] Howard A, Matari C M J, Sukhatme V S. Mobile Sensor Network Deployment using Potential

Fields: A Distributed, Scalable Solution to the Area Coverage Problem[C]//the 6th International

Symposium on Distributed Autonomous Robotics Systems (DARS02), 2002: 299-308.

[28] Wang G, Cao G, La P. Movement-assisted sensor deployment[C]//the 23th AnnualJoint Conference

of the IEEE Computer and Communications Societies, 2004, 4: 2469-2479.

[29] Ganeriwal S, Kansal A, Srivastava M B. Self aware actuation for fault repair in sensor

networks[C]// ICRA’04 IEEE International Conference on Robotics and Automation, 2004, 5:

5244-5249.

- 48 -
 参考文献

[30] Zaidi S A R, Hafeez M, Khayam S A, et al. On minimum cost coverage in wireless sensor

networks[C]//the 43rd Annual Conference on Information Sciences and Systems, 2009: 213-218.

[31] Khasteh S H, Shouraki S B, Hajiabdorahim N, et al. A new approach for integrated coverage and

connectivity in wireless sensor networks[J]. Computer Communications, 2012, 36(1) : 113 -120.

[32] Akshay N, Kumar MP, Harish B, et al. An efficient approach for sensor deployments in wireless

sensor network[C]//2010 International Conference on Emerging Trends in Robotics and

Communication Technologies (INTERACT), 2010: 350-355.

[33] Wang Y, Hu C, Tseng Y. Efficient deployment algorithms for ensuring coverage and

connectivity of wireless sensor networks[C]//First International Conference on Wireless Internet,

2005: 114-121.

[34] Gallais A, Carle J, Simplot-Ryl D, et al. Localized Sensor Area Coverage With Low

Communication Overhead[C]//IEEE Transactions on Mobile Computing, 2009:10-337.

[35] Singaram M, Shadrach S F D, Kumar N S, et al. Energy Efficient Self-Scheduling Algorithm For

Wireless Sensor Networks[J]. International Journal Of Scientific and Technology Research, 2014,

3(1):388-385.

[36] He X, Ke Y, Gui X . The Area Coverage Algorithm to Maintain Connectivity for WSN[C]//Ninth

IEEE International Conference on Computer and Information Technology, 2009, 2: 81-86.

[37] Watfa M K, Commuri S. A Coverage Algorithm in 3D Wireless Sensor Networks[C]//the 1st

International Symposium on Wireless Pervasive Computing, 2006.

[38] Hou J, Wang J Z. The Research of Enhancing the Coverage Rate on 3D Wireless Sensor

Network[C]//7th International Conference on Computer Science & Education (ICCSE), 2012:

1281-1284.

[39] Ma H, Liu Y. Mobile Ad-hoc and Sensor Networks[M]. Springer Berlin Heidelberg, 2005,3794:

721-731.

[40] Kandoth C, Chellapan S. Angular Mobility Assisted Coverage in Directional Sensor Networks

[C]//International Conference on Network-Based Information Systems, 2009: 376 - 379.

[41] Tao D, Ma H, Liu L．Coverage-enhancing algorithm for directional sensor networks[C]//the

3rd IEEE Interna tional Conference on Mobile Ad Hoc and Sensor Systems, Piscat away, 2006:

256-267.

[42] Cheng W, Li S, Liao X, et al ． Maximal coverage scheduling in randomly deployed

- 49 -
 燕山大学工学硕士学位论文

directional sensor networks[C]//International Conference on Parallel Processing Workshops,

Washingto DC, IEEE Computer Society, 2007: 68-72.

[43] Guvensan M A, Yavuz A G. A New Coverage Improvement Algorithm Based on Motility

Capability of Directional Sensor Nodes［J］, Ad-hoc, Mobile, and Wireless Networks, 2011,

6811(1): 206-219.

[44] Liang C; Chung C; Li C. A Virtual Force based Movement Scheme for Area Coverage in

Directional Sensor Networks[C]//Tenth International Conference on Intelligent Information

Hiding and Multimedia Signal Processing (IIH-MSP), 2014: 718 - 722.

[45] Liang C, He M, Tsai C H. Movement Assisted Sensor Deployment in Directional Sensor

Networks[C]// Sixth International Conference on Mobile Ad-hoc and Sensor Networks (MSN),

2010: 226-230.

[46] 陶丹 , 马华东 , 刘亮 , 基于虚拟势场的有向传感器网络覆盖增强算法 [J]. 软件学报 , 2007,

18(5): 1152-1163.

[47] Ma H, Zhang X, Ming A, A coverage-enhancing method for 3D directional sensor

networks[C]//IEEE International Conference on Computer Communications (INFOCOM̉ 09), Rio

de Janerio, Brazil, 2009:2791-2795.

[48] Xiao F, Wang R, Sun L, et al. Coverage-enhancing algorithm for wireless multi-media sensor

networks based on three-dimensional perception[J], Acta Electronica Sinica, 2012, 40(1):

165-172.

[49] Ji P, Jiang J, Wu C, et al. A Coverage-Enhance Scheduling Algorithm for 3D Directional Sensor

Networks[C]//25th Chinese Control and Decision Conference (CCDC), 2013: 2888 - 2892.

[50] Cortés J, Martinez S, Karatas T, et al. Coverage control for mobile sensing networks[J]. IEEE

Trans. on Robotics and Automation, 2004, 20(2): 243-255.

[51] Wang G, Cao G, Berman P, et al. Bidding protocols for deploying mobile sensors[J]. IEEE

Transactions onMobile Computing, 2007, 6(5):563-576.

[52] Hussein I, Stipanovi D M. Effective coverage control for mobile sensor networks with guaranteed

collision avoidance[J]. IEEE Transactions on Control Systems Technology, 2007,15(4): 642-657.

[53] Liu H, Chai Z, Du J, et al. Sensor Redeployment Algorithm Based on Combined Virtual Forces in

Three Dimensional Space[J]. Acta Automatica Sinica, 2011, 37(6): 713-723.

[54] Song C, Feng G, Fan Y, et al. Decentralized adaptive awareness coverage control for multi-agent

- 50 -
 参考文献

networks[J]. Automatica, 2011, 47(12): 2749-2756.

[55] Stipanovic D, Tomlin C, Valicka C. Collision free coverage control with multiple agents[J].

Lecture Notes in Control and Information Sciences, 2012, 422(1):259-272.

[56] Chang C Y, Lin C Y, Chang C T, et al. An energy-balanced swept-coverage mechanism for mobile

WSNs[J]. Wireless Netw, 2013, 19(2): 871-889.

[57] Zhang H, Jennifer C H. Maintaining Sensing Coverage and Connectivity in Large Sensor

Networks[J]. Ad Hoc & Sensor Wireless Networks, 2005, 1(1)：89-124.

[58] Li J, Wan Q, Tang M, et al. A Three-Dimensional Space Coverage Algorithm in Wireless Sensor

networks[J]. Signal Processing, and Systems Lecture Notes in Electrical Engineering, 2013,

246(24): 29-39.

[59] Tao D, Tang S, Zhang H, et al. Strong Barrier Coverage in Directional Sensor Networks [J].

Computer Communications, 2012, 35(8): 895-905.

[60] Lu K, Feng Y, Mao R, et al. A Greedy Iterative Algorithm of Coverage Enhancing Problem in

Directional Sensor Networks [J]. Acta Electronica Sinica, 2012, 40(4): 688-694.

[61] Liang C, Tsai C, He M. On Area Coverage Problems in Directional Sensor

Networks[C]//International Conference on Information Networking (ICOIN), 2011, 1: 182-187.

[62] Jiang Y, Wang W, Chen W, et. al. Coverage Optimization of Occlusion-Free Surveillance for Video

Sensor Networks[J]. Journal of Software, 2012, 23(2): 310-322.

[63] Faisal K, Abolfazl M, Arif Islam, et. al. Dynamic Target Wireless Network Selection Technique

Using Fuzzy Linguistic Variables[J]. IEEE Journals and Magazines.2013, 10(1):1-16.

[64] Ravindra N D, Sarwade N P. Sensor Node Failure Detection Based on Round Trip Delay and

Paths in WSNs[J]. IEEE Sensors Journal, 2014, 14(2):455-464.

[65] Smith S L, Schwager M, Rus D. Persistent robotic tasks: Monitoring and sweeping in changing

environments[J]. IEEE Transactions on Robotics, 2012, 28(2): 410-426.

[66] Guvensan M A, Yavuz A G. Hybrid movement strategy in self-orienting directional sensor

networks[J]. Ad Hoc Networks. 2013, 11(3): 1075-1090.

[67] Olfati S R. Flocking for Multi-agent Dynamic Systems: Algorithms and Theory[J]. IEEE

Transactions on Automatic Control, 2006, 51(3): 401-420.

[68] Ammari H M, Das S K. On the design of k-covered wireless sensor networks: self-versus

triggered sensor scheduling[C]//IEEE International Symposium on a World of Wireless. Mobile

- 51 -
 燕山大学工学硕士学位论文

and Multimedia Networks and Workshops, 2009: 1-9.

[69] Wang Q, Chen J, Fang H, et al. Flocking control for multi-agent systems with stream-based

obstacle avoidance[J]. Transactions of the Institute of Measurement and Control, 2013, 24(4):

655–665.

[70] Okiishi M Y. Munson B, Young D. Fundamentals of Fluid Mechanics[M]. John Wiley & Sons.

2006.

- 52 -
 攻读硕士学位期间承担的科研任务与主要成果

攻读硕士学位期间承担的科研任务与主要成果

(一)参与的科研项目

[1] 面向区域无线监控的多自主体移动刚性组网与优化控制, 国家自然科学基金资助项目. 课题

编号: 61375105.

[2] 复杂动态环境下多移动自主体编队协调控制 , 国家自然科学基金资助项目 . 课题编号 :

61074065.

(二)发表的学术论文

[1] 罗小元，贺欢，李绍宝，关新平. 有向传感器网络分布式贪心覆盖增强改进算法[C]. 中国过

程控制会议. (已录用)

- 53 -
 燕山大学工学硕士学位论文

致 谢

行文至此，论文已接近尾声，在燕山大学的 7 年求学生涯也将告一段落。在这
美丽的燕园，我收获很多，成长很多。在此，我要向曾经关心、帮助过我的人们表
示衷心的感谢：
首先，要感谢我的导师罗小元教授。无论学习还是生活中，罗老师都给了我无
微不至的关怀，我的每一点成长都倾注了罗老师的心血。迷茫时，罗老师向一盏指
路明灯，指引着前进的方向；科研工作低谷时，罗老师的耐心教导与适时适当的鼓
励，让我重拾信心、突破瓶颈；面临抉择时，罗老师精心的讲解与深入的剖析，让
我认清形势，找准目标。他那谦虚谨慎的治学态度，正直善良的为人精神，将会成
我影响我一生的精神财富。
同时感谢，燕山大学电气工程学院的无私培养和“网络控制与信息处理研究中
心”提供的良好科研环境。感谢华长春教授、刘志新教授、唐英干教授和李峰磊老
师科研期间的无私帮助和悉心指导；感谢李绍宝、闫敬、朱亚琨、王金然、刘丹、
邵士凯、闫彦霖、张丽丽、李娜、林正鹏、糜伟、杨帆、武康康、李旭、袁园、杨
帆、李晓磊、王慧彬、贾雪伟、张晓红、冯柳、管玲、李昊、贾瑶、李建金、王建
格、牛志超、黄瑞民等师兄弟姐妹们的帮助。他们在学术讨论时提出的建议扩展了
我的思路，完善了我的研究，使我顺利完成学业。
最后，我要深深地感谢我的父母，是他们用辛勤的汗水滋润着我的成长，使我
从嗷嗷待哺的婴儿长大成人；是他们用爱与包容，让我从一次次错误中吸取教训勇
往直前；更是他们在背后的不断支持，才让我在求学的道路上不断前行！

- 54 -
 作者简介

作者简介

贺欢，女，1989 年 12 月出生，籍贯河北省石家庄市正定县。
2008 年 9 月考入燕山大学里仁学院自动化专业，2012 年 7 月
本科毕业获得工学学士学位。
2012 年 9 月-2015 年 5 月，在燕山大学电气工程学院控制理论
与控制工程专业攻读硕士学位。

研究方向：主要从事无线传感器网络控制方面的研究工作。

- 55 -