㈠ 如何提高網路質量和用戶感知
「用戶感知」反應了終端用戶對業務和網路的體驗和感受，反應了當前業務和網路的質量和終端用戶之間的差異。「用戶感知」的評價主體是終端用戶，評價對象是業務和支撐業務的網路（包括無線網路）。分析「用戶感知」，就是為了尋找用戶感知低於用戶期望的原因解決好通話質量，掉話，接通率，小區切換等問題 ，就能提高用戶的感知度；具體；減少用戶的掉話率；在上網時讓用戶感覺快，語音通話時，清晰，無雜音；、無盲區和接入困難的問題。這需要核心網優化和語音優化做大量的工作。
這個問題細說很多：比如接入類的比如RACH 電平、RX_LEVEL MIN、重發次數等等,保持類的RLT /SACCH、呼叫重建定時器、N200 T200、切換相關的的定時器、釋放階段的T3109等,還有一些軟參比如呼叫保護定時器甚至網路結構中非無線介面的一些相關的定時器和參數和信道轉換類參數和定時器都可能有此效果,
2、你這樣理解好了,在無線或者傳輸鏈路以及其他介面或者鏈路質量不好的的情況下,接入和保持及釋放類相關的參數和定時器都可以通過適當提高參數和定時器設置、降低用戶感受來實現指標的提升。實際網路中這些參數的設置是實現兩者的平衡,具體值需要依靠實驗結果、用戶調查、和實際測試效果來決定的。
3、兩個常見的具體調整,早年一般為了掉話率提升都會把SACHH和RLT調到最高64...但是目前對這個參數的理解已經很完善,結合研究報告、用戶調查、和測試分析,基本確定了這兩個參數設置范圍,一般不允許調整了。
㈡ 感知無線是什麼
線電通信頻譜是一種寶貴的資源，目前的頻譜管理主要存在3個方面的矛盾情況：頻譜使用是動態的，但頻譜分配是固定的；頻譜是稀有資源，但頻譜利用率不高，且存在大量空閑；可分配頻譜很少，但無線通信業務量和新技術在快速發展，頻譜需要量也在快速增長。
導致這些矛盾的根本原因在於固定分配頻譜方案和獨占頻譜使用權（即業務接入權或頻譜准入權）原則，因此有必要改變目前的頻譜分配和頻譜准入的管理辦法，目前ITU和FCC等無線電法規部門都已開始討論和研究這個問題。但由於固定頻譜分配方案過去在頻譜規范管理方面曾發揮過很好的作用，同時存在巨大的經濟和政治背景，短期內改變這種狀況很困難。
因此，現階段最實際的辦法是通過改變業務接入權或頻譜准入權，以開放頻譜使用、提高頻譜使用效率和充分利用空閑頻譜。特別是如果能夠將已分配但大量空閑的頻譜資源加以合理利用，目前頻譜資源的緊張狀況將得到極大的改善；在軍事通信對抗環境，往往既定的通信傳輸頻段因被敵方干擾或傳播環境惡劣而無法通信，必須尋找可以利用的空閑頻譜進行通信。這樣，迫切需要一種技術來解決開放頻譜和提高頻譜利用效率問題。
目前已有一些提高頻譜利用效率的方法，但不能從根本上解決問題，另外開放頻譜必須保護已購買頻譜者的利益，同時不能對授權使用該頻譜的業務和系統產生嚴重的干擾，影響它們的正常通信。感知無線電（Cognitive Radio，CR）提供了一種按伺機的方式共享和利用頻譜的手段，它可以有效地解決這兩個問題。目前採用的是基於頻譜授權的靜態頻帶分配的原則。隨著無線通信技術的高速發展，頻譜資源貧乏的問題日益嚴重，然而絕大多數國家的頻譜資源利用率卻不容樂觀[1]。認知無線電技術正是基於這一問題提出的。認知無線電是一種用於提高無線電通信頻譜利用率的新的智能技術。具有認知功能的無線通信設備可以感知周圍的環境，再利用已經分配給授權用戶，但在某一特定的時刻和環境下並沒有被佔用的頻帶，即動態再利用「頻譜空穴」；並能夠根據輸入激勵的變化實時地調整其傳輸參數，在有限信號空間中以最優的方式有效地傳送信息，以實現無論何時何地都能保證通信的高可靠性和無線頻譜利用的高效性[2]。認知無線電的一個基本的認知周期要經歷三種基本過程：感知頻譜環境；信道識別；功率控制和頻譜管理。其中，認知無線電的首要任務是感知頻譜環境，即頻譜空穴的檢測和選擇。
2 頻譜環境的感知
感知頻譜環境是認知無線電首要的任務，它體現了認知無線電最顯著的特徵：能夠感知並分析特定區域的頻段，找出適合通信的頻譜空穴。目前，認知無線電可能最先使用的兩個頻段是超高頻電視頻段400MHz-800MHz和已分配較少的3GHz-10GHz頻段[3]。但不可否認的是，隨著認知無線電技術的發展，會有更多的已分配頻段供認知用戶使用。可見，認知無線電將會面對不同種類的用戶，也就要求不同的靈敏度和感知速度，因此頻譜環境的檢測方法也有所不同。目前研究較多的方法有：匹配濾波器法、能量檢測法、循環平穩特定檢測法等等。
3 極弱信號的檢測問題
在認知無線電網路中，極有可能出現接收機的位置距離原始發送機太遠，以至於它們從邊緣開始接受信號的情況。此時，頻譜環境的感知可歸類為極弱信號的檢測問題。我們不僅可以通過改進頻譜檢測法來提高弱信號的檢測概率，還可以引入「協同機制」來更好地改善極弱信號的接收問題。
我們建立一個簡單的模型來說明協同機制的原理，如圖3所示，接收機R距離授權發送機P很遠，只能從P用戶功率邊緣上接受信號，即接收極弱的信號。此時C1進行頻譜檢測後，極有可能誤認為該頻帶是頻譜空穴。為了防止對授權用戶P造成干擾，我們引入協同機制。假設存在認知用戶C2滿足條件：C2處於P發射的功率主瓣范圍內，並且C2與P 之間的距離相對於R 與P 更近。這時，由C2 作為C1 的中繼點來感知P的發射功率，則能比較准確地分辨出P是否在和R進行通信。C1將數據包發送給C2，由C2 來轉發，如果P 與R 正在通信，C2 就返回給C1一個信息，由C1決定是否等待或是尋找另外的頻譜空穴。這樣，C1 和C2就構建了協同的關系，使C1 更快更准確地感知頻譜環境。上述的模型是比較簡單的情況，只考慮了兩個認知用戶。當模型更復雜些，例如多用戶的感知網路時，就必須考慮怎樣建立協同機制的問題了。一些文獻給出了相關討論，提出在多用戶的感知網路中，兩兩綁定的協同機制是比較實用的，即每兩個認知用戶為一組，相互協同完成頻譜環境的感知[7]。該協同機制在很大程度上提高了感知頻譜環境的准確性與效率，並且實現起來也比較容易.
5 感知無線電是一種無線電系統，它能夠自動地檢測周圍的環境情況，智能地調整系統的參數以適應環境的變化，在不對授權用戶造成干擾的條件下從空間、頻率、時間等多維地利用空閑頻譜資源進行通信。它區別於其他傳統無線電系統的主要特點是：對環境情況的感知能力、對環境變化的自適應性、系統功能模塊的可重構性、自主地工作和運行等。
感知無線電技術是無線電發展的一個新里程碑，其應用會帶來歷史性的變革。對於頻譜管制者而言，該技術可以大大提高可用頻譜數量，提高頻譜利用率，有效利用資源；對於頻譜持有者而言，利用該技術可以在不受干擾的前提下開發二級頻譜市場，在相同頻段上提供不同的服務；對設備廠商而言，該技術可以帶來更多的機會，具備感知無線電功能的設備將更具競爭力；對終端用戶而言，可以帶來更多帶寬，在感知無線電技術成熟後，用戶則可以享受到單個無線電終端接入多種無線網路的優勢；在軍事通信方面，根據感知無線電的特點可以「見縫插針」地利用空閑頻譜通信，提高通信的可靠性和對抗能力。因此，感知無線電技術必將是未來無線通信的一個重要發展方向，為無線電資源管理和無線接入市場帶來新的發展契機和動力。
6認知無線電技術的發展現狀
目前，CR主要出於初級階段，各項理論和技術處於研究和探索中，但它已得到了各界的關注，很多著名學者和機構投入到它的研究中。啟動了很多正對此的研究項目，最引人注目的是IEEE802.22工作組的工作，該工作組制定了利用空閑電視頻段進行寬頻無線接入的技術標准，這是第一個引入認知無線電概念的IEEE技術標准化活動。無線電知識描述語言也應運而生，驚奇CR的主要目標是提高頻譜利用率，研究預計，頻譜利用率將提高3% 到10%。它的長遠目標是與各項技術更好的結合，滿足日益增長的用戶對頻譜的需求，目前，認知無線電技術炙手可熱，應用前景一片大好。
綜上可知，認知無線電技術使無線通信設備具有發現頻譜空穴並合理利用空穴的能力，可以實現高效靈活的頻譜資源配置和工作狀態調整。認知無線電首要的任務是感知頻譜環境，本文對比分析了三種頻譜檢測的方法：匹配濾波器法、能量檢測法和循環平穩特性檢測法，針對其優缺點給出了各自適用的環境。另外，本文還介紹了「協同機制」用於改善極弱信號的接收問題。我們相信，隨著科
技發展和CR技術成熟，在不久的未來，認知無線電將有效地服務於人們的生活
㈢ 什麼是無線感測技術
早在上世紀70年代，就出現了將傳統感測器採用點對點傳輸、連接感測控制器而構成感測網路雛形，我們把它歸之為第一代感測器網路。隨著相關學科的不斷發展和進步，感測器網路同時還具有了獲取多種信息信號的綜合處理能力，並通過與感測控制的相聯，組成了有信息綜合和處理能力的感測器網路，這是第二代感測器網路。而從上世紀末開始，現場匯流排技術開始應用於感測器網路，人們用其組建智能化感測器網路，大量多功能感測器被運用，並使用無線技術連接，無線感測器網路逐漸形成。
無線感測器網路是新一代的感測器網路，具有非常上世紀70年代，其發展和應用，將會給人類的生活和生產的各個領域帶來深遠影響。
無線感測器網路可以看成是由數據獲取網路、數據頒布網路和控制管理中心三部分組成的。其主要組成部分是集成有感測器、處理單元和通信模塊的節點，各節點通過協議自組成一個分布式網路，再將採集來的數據通過優化後經無線電波傳輸給信息處理中心。
㈣ lte的空中介面協議中，哪一層主要負責無線資源的分配調度
RRC無線資源控制負責LTE空中介面的無線資源分配與控制，還承擔了NAS信令的處理和發送工作。由於RRC承擔了LTE 空中介面的無線資源管理工作，可以看成LTE空中介面的大腦，是LTE 空中介面最重要的組成部分。從RRC的功能看，LTE空中介面與WCDMA空中介面沒有什麼區別。
㈤ 無線網路優化的優化思路
建立在用戶感知度上的網路優化面對的必然是對用戶投訴問題的處理，一般有如下幾種情況： 信令建立過程
在手機收到經PCH(尋呼信道)發出的pagingrequest(尋呼請求)消息後，因SDCCH擁塞無法將pagingresponse(尋呼響應)消息發回而導致的呼損。
對策：可通過調整SDCCH與TCH的比例，增載入頻，調整BCC(基站色碼)等措施減少SDCCH的擁塞。
因手機退出服務造成不能分配佔用SDCCH而導致的呼損。
對策：對於盲區造成的脫網現象，可通過增加基站功率，增加天線高度來增加基站覆蓋；對於BCCH頻點受干擾造成的脫網現象，可通過改頻、調整網路參數、天線下傾角等參數來排除干擾。
鑒權過程
因MSC與HLR、BSC間的信令問題，或MSC、HLR、BSC、手機在處理時失敗等原因造成鑒權失敗而導致的呼損。
對策：由於在呼叫過程中鑒權並非必須的環節，且從安全形度考慮也不需要每次呼叫都鑒權，因此可以將經過多少次呼叫後鑒權一次的參數調大。
加密過程
因MSC、BSC或手機在加密處理時失敗導致呼損。
對策：目前對呼叫一般不做加密處理。
從手機占上SDCCH後進而分配TCH前
因無線原因(如RadioLinkFailure、硬體故障)使SDCCH掉話而導致的呼損。
對策：通過路測場強分析和實際撥打分析，對於無線原因造成的如信號差、存在干擾等問題，採取相應的措施解決；對於硬體故障，採用更換相應的單元模塊來解決。
話音信道分配過程
因無線分配TCH失敗(如TCH擁塞，或手機已被MSC分配至某一TCH上，因某種原因占不上TCH而導致鏈路中斷等原因)而導致的呼損。
對策：對於TCH擁塞問題，可採用均衡話務量，調整相關小區服務范圍的參數，啟用定向重試功能等措施減少TCH的擁塞；對於占不上TCH的情況，一般是硬體故障，可通過撥打測試或分析話務統計中的CALLHOLDINGTIME參數進行故障定位，如某載頻CALLHOLDINGTIME值小於10秒，則可斷定此載頻有故障。另外嚴重的同頻干擾（如其它基站的BCCH與TCH同頻）也會造成占不上TCH信道，可通過改頻等措施解決。 一般現象是較難占線、占線後很容易掉線等。這種情況首先應排除是否是TCH溢出的原因，如果TCH信道不足，則應增加信道板或通過增加微蜂窩或小區裂變的形式來解決。
排除以上原因後，一般可以考慮是否是有較強的干擾存在。可以是相鄰小區的同鄰頻干擾或其它無線信號干擾源，或是基站本身的時鍾同步不穩。這種問題較為隱蔽，需通過仔細分析層三信令和周圍基站信息才能得出結論。 掉話的原因幾乎涉及網路優化的所有方面內容，尤其是在路測時發生的掉話，需要仔細分析。在路測時，需要對發生掉話的地段做電平和切換參數等諸多方面的分析。如果電平足夠，多半是因為切換參數有問題或切入的小區無空閑信道。對話務較忙小區，可以讓周圍小區分擔部分話務量。採用在保證不存在盲區的情況下，調整相關小區服務范圍的參數，包括基站發射功率、天線參數（天線高度、方位角、俯仰角）、小區重選參數、切換參數及小區優先順序設置的調整，以達到縮小擁塞小區的范圍，並擴大周圍一些相對較為空閑小區的服務范圍。通過啟用DirectedRetry（定向重試）功能，緩解小區的擁塞狀況。上述措施仍不能滿足要求的話，可通過實施緊急擴容載頻的方法來解決。
對大多採用空分天線遠郊或近郊的基站，如果主、分集天線俯仰角不一致，也極易造成掉話。如果參數設置無誤，則可能是有些點信號質量較差。對這些信號質量較差而引起的掉話，應通過硬體調整的方式增加主用頻點來解決。 在日常DT測試中，經常發現有很多微小的區域內，話音質量相當差、干擾大，信號弱或不穩定以及頻繁切換和不斷接入。這些地方往往是很多小區的交疊區、高山或湖面附近、許多高樓之間等。同樣這種情況對全網的指標影響不明顯，小區的話務統計報告也反映不出。這種現象一方面是由於頻帶資源有限，基站分布相對集中，頻點復用度高，覆蓋要求嚴格，必然不可避免的會產生局部的頻率干擾。另一方面是由於在高層建築林立的市區，手機接收的信號往往是基站發射信號經由不同的反射路徑、散射路徑、繞射路徑的疊加，疊加的結果必然造成無線信號傳播中的各種衰落及陰影效應，稱之為多徑干擾。此外，無線網路參數設置不合理也會造成上述現象。
在測試中RXQUAL的值反映了話音質量的好壞，信號質量實際是指信號誤碼率， RXQUAL=3（誤碼率：0.8%至1.6%），RXQUAL=4（誤碼率：1.6%至3.2%），當網路採用跳頻技術時，由於跳頻增益的原因,RXQUAL=3時，通話質量尚可，當RXQUAL≥6時，基本無法通話。
根據上述情況，通過對這些小區進行細致的場強覆蓋測試和干擾測試，對場強覆蓋測試數據進行分析，統計出RXLEV/RXQUAL之間對照表，如果某個小區域RXQUAL為6和7的采樣統計數高而RXLEV大於－85dBm的采樣數較高，一般可以認為該區域存在干擾。並在Neighbor－List中可分析出同頻、鄰頻干擾頻點。 如果直達路徑信號（主信號）的接收電平與反射、散射等信號的接收電平差小於15dB，而且反射、散射等信號比主信號的時延超過4～5個GSM比特周期（1個比特周期=3.69μs），則可判斷此區域存在較強的多徑干擾。
多徑干擾造成的衰落與頻點及所在位置有關。多徑衰落可通過均衡器採用的糾錯演算法得以改善，但這種演算法只在信號衰落時間小於糾錯碼字在交織中分布佔用的時間時有效。
採用跳頻技術可以抑制多徑干擾，因為跳頻技術具有頻率分集和干擾分集的特性。頻率分集可以避免慢速移動的接收設備長時間處於陰影效應區，改善接收質量；而且可以充分利用均衡器的優點。干擾分集使所有的移動及基站接收設備所受干擾等級平均化。使產生干擾的幾率大為減小，從而降低干擾程度。
採用天線分集和智能天線陣，對信號的選擇性增強，也能降低多徑干擾。
適當調整天線方位角，也可減小多徑干擾。
若無線網路參數設置不合理，也會影響通話質量。如在DT測試中常常發現切換前話音質量較差，即RXQUAL較大（如5、6、7），而切換後，話音質量變得很好，RXQUAL很小（如0、1），而反方向行駛通過此區域時話音質量可能很好（RXQUAL為0、1），因為佔用的服務小區不同。對於這種情況，是由於基於話音質量切換的門限值設置不合理。減小RXQUAL的切換門限值，如原先從RXQUAL≥4時才切換，改為RXQUAL≥3時就切換，可以提高許多區域的通話質量。因此，根據測試情況，找出最佳的切換地點，設置最佳切換參數，通過調整切換門限參數控制切換次數,通過修改相鄰小區的切換關系提高通話質量。總之，根據場強測試可以優化系統參數。
值得一提的是，由於競爭的激烈及各運營商的越來越深化的要求，某些地方的運營商為完成任務，達到所謂的優化指標，隨意調整放大一些對網路統計指標有貢獻的參數，使網路看起來「質量很高」。然而，用戶感覺到的仍是網路質量不好，從而招致更多用戶的不滿，這是不符合網路優化的宗旨的。
總之，網路優化是一項長期、艱巨的任務，進行網路優化的方法很多，有待於進一步探討和完善。好在現在國內兩大運營商都已充分認識到了這一點，網路質量也得到了迅速的提高，同時網路的經濟效益也得到了充分發揮，既符合用戶的利益又滿足了運營商的要求，毫無疑問將是持續的雙贏局面。
無線網路優化的目的就是對投入運行的網路進行參數採集、數據分析，找出影響網路質量的原因，通過技術手段或參數調整使網路達到最佳運行狀態的方法，使網路資源獲得最佳效益，同時了解網路的增長趨勢，為擴容提供依據。
移動通信網路主要包括交換傳輸系統和無線基站系統兩部分，其中無線部分具有諸多不確定因素，它對無線網路的影響很大，其性能優劣常常成為決定移動通信網好壞的決定性因素。當然，無線網路規劃階段考慮不到的問題如無線電波傳播的不確定性（障礙物的阻礙等）、基礎設施（新商業區、街道、城區的重新安排）變化、取決於地點和時間的話務負荷（如運動場）、話務要求、用戶對服務質量的要求的增加，都涉及到網路優化工作。
當網路運營商發現網路中存在諸如覆蓋不好、話音質量差、掉話、網路擁塞、切換成功率、未開通某些新功能等問題時，也需要對網路進行優化。通過不斷的網路優化工作，使得呼叫建立時間減少、掉話次數減少、通話話音質量不斷改善、網路擁有較高可用性和可靠性，改善小區覆蓋、降低掉話率和擁塞率、提高接通率和切換率、減少用戶投訴。
一、網路優化過程
網路優化是一個長期的過程，它貫穿於網路發展的全過程。只有不斷提高網路的質量，才能獲得移動用戶的滿意，吸引和發展更多的用戶。 在日常網路優化過程中，可以通過OMC和路測發現問題，當然最通常的還是用戶的反映。在網路性能經常性的跟蹤檢查中發現話統指標達不到要求、網路質量明顯下降或來自的用戶反映、當用戶群改變或發生突發事件並對網路質量造成很大影響時、網路擴容時應對小區頻率規劃及容量進行核查等情形發生時，都要及時對網路做出優化。
進行網路優化的前提是做好數據的採集和分析工作，數據採集包括話統數據採集和路測數據採集兩部分。 優化中評判網路性能的主要指標項包括網路接入性能數據、信道可用率、掉話率、接通率、擁塞率、話務量和切換成功率以及話統報告圖表等，這些也是話統數據採集的重點。路測數據的採集主要通過路測設備，定性、定量、定位地測出網路無線下行的覆蓋切換、質量現狀等，通過對無線資源的地理化普查，確認網路現狀與規劃的差異，找出網路干擾、盲區地段，掉話和切換失敗地段。然後，對路測採集的數據進行分析，如測試路線的地理位置信息、測試路線區域內各個基站的位置及基站間的距離等、各頻點的場強分布、覆蓋情況、接收信號電平和質量、6個鄰小區狀況、切換情況及Layer3消息的解碼數據等，找出問題的所在從而解決方案。
網路優化的關鍵是進行網路分析與問題定位，網路問題主要從干擾、掉話、話務均衡和切換四個方面來進行分析。
干擾分析：GSM系統是干擾受限系統，干擾會使誤碼率增加，降低話音質量甚至發生掉話。一般規定誤碼率在3%左右，當誤碼率達8%~10%時話音質量就比較差了，如果誤碼率超出10%則話音質量不可容忍，無法聽清。因此，通常對載波干擾設置了一定的門限，規定同頻道載干比C/I≥9dB，鄰頻道載干比C/A≥-9dB（工程中另加3dB的餘量）。 通話干擾的定位手段包括話統數據、話音質量差引起的掉話率、干擾帶分布、用戶反映、路測 ( RxQual )及CQT呼叫質量撥打測試。
掉話分析：掉話問題的定位主要通過話統數據、用戶反映、路測 、無線場強測試、CQT呼叫質量撥打測試等方法，然後通過分析信號場強、信號干擾、參數設置（設置不當，切換參數、話務不均衡）等，找出掉話原因。
話務均衡分析： 話務均衡是指各小區載頻應得到充分利用，避免某些小區擁塞，而另一些小區基本無話務的現象。通過話務均衡可以減小擁塞率、提高接通率，減少由於話務不均引起的掉話，使通信質量進一步改善提高。話務均衡問題的定位手段包括話統數據、話務量、接通率、擁塞率、掉話率、切換成功率、路測和用戶反映。話務不均衡原因主要表現在：基站天線掛高、俯仰角、發射功率設置不合理，小區覆蓋范圍較大，導致該小區話務量較高，造成與其它基站話務量不均衡；由於地理原因，小區處於商業中心或繁華地段，手機用戶多而造成該小區相對其它小區話務量高：小區參數，如允許接入最小電平等設置不合理而導致話務量不均衡；小區優先順序參數設置未綜合考慮。
話務均衡方法1：改變定向天線的下傾角、掛高，調整相應小區參數如基站的發射功率等，改變覆蓋面的大小，以達到調節話務量的目的；對臨時話務量的增加，可通過臨時增載入頻或增大發射功率，改變信號覆蓋范圍。
話務均衡方法2：改變小區載頻數是話務量調節的常用方法之一。從話務量少的小區抽調載頻到話務量高的小區；採用OVERLAY/UNDERLAY層次小區結構或增設微蜂窩基站，降低每信道話務量。
話務均衡方法3：核查允許接入最小電平值ACCMIN，通過小區覆蓋范圍的變化間接調整話務量。注意此值調整過大可能造成盲區，過小可能造成通話質量下降；根據現場重選測試，調整小區重選參數CRO；調整切換偏移和滯後參數，改變切換邊界和切換帶來實現話務分流；啟用定向重試、負荷切換。
話務均衡方法4：雙頻網話務調整，在GSM900和GSM1800系統上採用分層小區結構；考慮小區所在層、優先順序、層間切換門限、層間切換磁滯等參數的設置，使GSM1800小區能成功吸收雙頻手機的用戶。
二、網路優化分析工具
為了有效解決網路優化問題，各廠家開發出網路優化輔助分析工具，可以作為話統分析和診斷分析的工具。
話統台統計結果是以數據表格的形式輸出的，記錄每個統計周期的計數點累計值，具有一定的缺陷：表格形式數據離散，數據變化趨勢不明顯；不提供每天平均指標的計算，手工計算平均指標花費大量工時；不能體現各種指標項間的相關關系，不便於數據分析。話統分析工具的作用就是將用戶從繁重的手工工作中解脫出來，對原始話統數據進行自動處理，以滿足用戶需要、以方便用戶分析的形式呈現出來。華為話統分析工具可以實現對異常值的過濾、異常問題的輔助診斷、日常統計項的直觀顯示、相關統計項的組合顯示及完善的報表等功能，是理想的網路優化輔助工具。
網路診斷分析工具可以及時發現網路中隱藏的問題，通過地理化顯示小區分布狀況、各小區覆蓋狀況、各小區服務質量和歷史數據的回放、網路利用率等，也可以查看小區屬性、覆蓋范圍、利用率等資料，通過動態回放歷史數據，掌握服務質量，將存在問題的小區直觀地顯示出來，以便進一步查看問題的詳細報告。診斷分析工具可對小區的覆蓋做出計算和評估，計算切換嘗試次數（信號質量、時間提前量）、切換嘗試次數、小區間切換成功率、切換時接收電平、接收質量、出小區、入小區切換比率、平均接收電平、接收質量等，分析出小區覆蓋水平。另外，也可對小區干擾進行計算和評估，包括TCH信道在各干擾帶中所佔比率、SDCCH佔用時無線鏈路斷的次數、TCH佔用時無線鏈路斷的次數、未定義鄰近小區平均信號強度、定義鄰近小區平均信號強度、接收電平與接收質量不匹配、上下行不平衡、掉話時的電平和質量等。
三、應用案例
應用案例一：內蒙伊克昭盟東勝市雙頻網網路優
網路背景：東勝市全網為華為GSM雙頻網。
優化項目：話務均衡。
通過普查測試、鄰區關系調整、話務均衡調整等優化操作，使得GSM1800有效合理分擔GSM900的話務，保證了話務均衡，圖1為優化前後網路指標對比圖。
應用案例二：福建漳州雲霄雙頻網路優
網路背景： 華為1800MHz與Nokia 900MHz設備共站址異種機型組建的雙頻網，市區1800MHz與900MHz共同覆蓋，形成多層網，平均站距為700m，達到密集連續覆蓋，建築物密集且無規則，無線環境復雜。
優化項目： 調整1800話務吸收、降低掉話率、優化切換指標。
網路優化後，網路質量大大提高，圖2為網路優化前後話務吸收情況，切換成功率達到平均97.5%，消除了乒乓效應。優化前忙時平均掉話率為0.60%，全天平均為0.62%。優化後忙時平均掉話率為0.33%，全天平均：0.37%。
㈥ 無線感測器網路的特點及關鍵技術
無線感測器網路的特點及關鍵技術
無線感測器網路被普遍認為是二十一世紀最重要的技術之一，是目前計算機網路、無線通信和微電子技術等領域的研究熱點。下面我為大家搜索整理了關於無線感測器網路的特點及關鍵技術，歡迎參考閱讀！
一、無線感測器網路的特點
與其他類型的無線網路相比，感測器網路有著鮮明的特徵。其主要特點可以歸納如下：
（一）感測器節點能量有限。當前感測器通常由內置的電池提供能量，由於體積受限，因而其攜帶的能量非常有限。如何使感測器節點有限的能量得到高效的利用，延長網路生存周期，這是感測器網路面臨的首要挑戰。
（二）通信能力有限。無線通信消耗的能量與通信距離的關系為E=kdn。其中，參數n的取值為2≤n≤4，n的取值與許多因素有關。但是不管n具體的取值，n的取值范圍一旦確定，就表明，無線通信的能耗是隨著距離的增加而更加急劇地增加的。因此，在滿足網路連通性的要求下，應盡量採用多跳通信，減少單跳通信的距離。通常，感測器節點的通信范圍在100m內。
（三）計算、存儲和有限。一方面為了滿足部署的要求，感測器節點往往體積小；另一方面出於成本控制的目的`，節點的價格低廉。這些因素限制了節點的硬體資源，從而影響到它的計算、存儲和通信能力。
（四）節點數量多，密度高，覆蓋面積廣。為了能夠全面准確的監測目標，往往會將成千上萬的感測器節點部署在地理面積很大的區域內，而且節點密度會比較大，甚至在一些小范圍內採用密集部署的方式。這樣的部署方式，可以讓網路獲得全面的數據，提高信息的可靠性和准確性。
（五）自組織。感測器網路部署的區域往往沒有基礎設施，需要依靠感測器節點協同工作，以自組織的方式進行網路的配置和管理。
（六）拓撲結構動態變化。感測器網路的拓撲結構通常是動態變化的，例如部分節點故障或電量耗盡退出網路，有新的節點被部署並加入網路，為節約能量節點在工作和休眠狀態間進行切換，周圍環境的改變造成了無線通信鏈路的變化，以及感測器節點的移動等都會導致感測器網路拓撲結構發生變化。
（七）感知數據量巨大。感測器網路節點部署范圍大、數量多，且網路中的每個感測器通常都產生較大的流式數據並具有實時性，因此網路中往往存在數量巨大的實時數據流。受感測器節點計算、存儲和帶寬等資源的限制，需要有效的分布式數據流管理、查詢、分析和挖掘方法來對這些數據流進行處理。
（八）以數據為中心。對於感測器網路的用戶而言，他們感興趣的是獲取關於特定監測目標的真實可靠的數據。在使用感測器網路時，用戶直接使用其關注的事件作為任務提交給網路，而不是去訪問具有某個或某些地址標識的節點。感測器網路中的查詢、感知、傳輸都是以數據為中心展開的。
（九）感測器節點容易失效。由於感測器網路應用環境的特殊性以及能量等資源受限的原因，感測器節點失效（如電池能量耗盡等）的概率遠大於傳統無線網路節點。因此，需要研究如何提高數據的生存能力、增強網路的健壯性和容錯性以保證部分感測器節點的損壞不會影響到全局任務的完成。此外，對於部署在事故和自然災害易發區域的無線感測器網路，還需要進一步研究當事故和災害導致大部分感測器節點失效時如何最大限度地將網路中的數據保存下來，以提供給災害救援和事故原因分析等使用。
二、關鍵技術
無線感測器網路作為當今信息領域的研究熱點，設計多學科交叉的研究領域，有非常多的關鍵技術有待研究和發現，下面列舉若干。
（一）網路拓撲控制。通過拓撲控制自動生成良好的拓撲結構，能夠提高路由協議和MAC協議的效率，可為數據融合、時間同步和目標定位等多方面奠定基礎，有利於節省能量，延長網路生存周期。所以拓撲控制是無線感測器網路研究的核心技術之一。目前，拓撲控制主要研究的問題是在滿足網路連通度的前提下，通過功率控制或骨幹網節點的選擇，剔除節點之間不必要的通信鏈路，生成一個高效的數據轉發網路拓撲結構。
（二）介質訪問控制（MAC）協議。在無線感測器網路中，MAC協議決定無線信道的使用方式，在感測器節點之間分配有限的無線通信資源，用來構建感測器網路系統的底層基礎結構。MAC協議處於感測器網路協議的底層部分，對感測器網路的性能有較大影響，是保證無線感測器網路高效通信的關鍵網路協議之一。感測器網路的強大功能是由眾多節點協作實現的。多點通信在局部范圍需要MAC協議協調其間的無線信道分配，在整個網路范圍內需要路由協議選擇通信路徑。
在設計MAC協議時，需要著重考慮以下幾個方面：
（1）節省能量。感測器網路的節點一般是以干電池、紐扣電池等提供能量，能量有限。
（2）可擴展性。無線感測器網路的拓撲結構具有動態性。所以MAC協議也應具有可擴展性，以適應這種動態變化的拓撲結構。
（3）網路效率。網路效率包括網路的公平性、實時性、網路吞吐量以及帶寬利用率等。
（三）路由協議。感測器網路路由協議的主要任務是在感測器節點和Sink節點之間建立路由以可靠地傳遞數據。由於感測器網路與具體應用之間存在較高的相關性，要設計一種通用的、能滿足各種應用需求的路由協議是困難的，因而人們研究並提出了許多路由方案。
（四）定位技術。位置信息是感測器節點採集數據中不可或缺的一部分，沒有位置信息的監測消息可能毫無意義。節點定位是確定感測器的每個節點的相對位置或絕對位置。節點定位分為集中定位方式和分布定位方式。定位機制也必須要滿足自組織性，魯棒性，能量高效和分布式計算等要求。
（五）數據融合。感測器網路為了有效的節省能量，可以在感測器節點收集數據的過程中，利用本地計算和存儲能力將數據進行融合，取出冗餘信息，從而達到節省能量的目的。
（六）安全技術。安全問題是無線感測器網路的重要問題。由於採用的是無線傳輸信道，網路存在偷聽、惡意路由、消息篡改等安全問題。同時，網路的有限能量和有限處理、存儲能力兩個特點使安全問題的解決更加復雜化了。
;㈦ 無線感測器網路中的部署問題，200分！！追加！！
無線感測器網路是近幾年發展起來的一種新興技術,在條件惡劣和無人堅守的環境監測和事件跟蹤中顯示了很大的應用價值。節點部署是無線感測器網路工作的基礎,對網路的運行情況和壽命有很大的影響。部署問題涉及覆蓋、連接和節約能量消耗3個方面。該文重點討論了網路部署中的覆蓋問題,綜述了現有的研究成果,總結了今後的熱點研究方向,為以後的研究奠定了基礎。
基於虛擬勢場的有向感測器網路覆蓋增強演算法
摘 要: 首先從視頻感測器節點方向性感知特性出發,設計了一種方向可調感知模型,並以此為基礎對有向感測器網路覆蓋增強問題進行分析與定義;其次,提出了一種基於虛擬勢場的有向感測器網路覆蓋增強演算法PFCEA (potential field based coverage-enhancing algorithm).通過引入「質心」概念,將有向感測器網路覆蓋增強問題轉化為質心均勻分布問題,以質心點作圓周運動代替感測器節點感測方向的轉動.質心在虛擬力作用下作擴散運動,以消除網路中感知重疊區和盲區,進而增強整個有向感測器網路覆蓋.一系列模擬實驗驗證了該演算法的有效性.
關鍵詞: 有向感測器網路;有向感知模型;虛擬勢場;覆蓋增強
中圖法分類號: TP393 文獻標識碼: A
覆蓋作為感測器網路中的一個基本問題,反映了感測器網路所能提供的「感知」服務質量.優化感測器網路覆蓋對於合理分配網路的空間資源,更好地完成環境感知、信息獲取任務以及提高網路生存能力都具有重要的意義[1].目前,感測器網路的初期部署有兩種策略:一種是大規模的隨機部署;另一種是針對特定的用途進行計劃部署.由於感測器網路通常工作在復雜的環境下,而且網路中感測器節點眾多,因此大都採用隨機部署方式.然而,這種大規模隨機投放方式很難一次性地將數目眾多的感測器節點放置在適合的位置,極容易造成感測器網路覆蓋的不合理(比如,局部目標區域感測器節點分布過密或過疏),進而形成感知重疊區和盲區.因此,在感測器網路初始部署後,我們需要採用覆蓋增強策略以獲得理想的網路覆蓋性能.
目前,國內外學者相繼開展了相關覆蓋增強問題的研究,並取得了一定的進展[25].從目前可獲取的資料來看,絕大多數覆蓋問題研究都是針對基於全向感知模型(omni-directional sensing model)的感測器網路展開的[6],
即網路中節點的感知范圍是一個以節點為圓心、以其感知距離為半徑的圓形區域.通常採用休眠冗餘節點[2,7]、
重新調整節點分布[811]或添加新節點[11]等方法實現感測器網路覆蓋增強.
實際上,有向感知模型(directional sensing model)也是感測器網路中的一種典型的感知模型[12],即節點的感知范圍是一個以節點為圓心、半徑為其感知距離的扇形區域.由基於有向感知模型的感測器節點所構成的網路稱為有向感測器網路.視頻感測器網路是有向感測器網路的一個典型實例.感知模型的差異造成了現有基於全向感知模型的覆蓋研究成果不能直接應用於有向感測器網路,迫切需要設計出一系列新方法.
在早期的工作中[13],我們率先開展有向感測器網路中覆蓋問題的研究,設計一種基本的有向感知模型,用以刻畫視頻感測器節點的方向性感知特性,並研究有向感測器網路覆蓋完整性以及通信連通性問題.同時,考慮到有向感測器節點感測方嚮往往具有可調整特性(比如PTZ攝像頭的推拉搖移功能),我們進一步提出一種基於圖論和計算幾何的集中式覆蓋增強演算法[14],調整方案一經確定,網路中所有有向感測器節點並發地進行感測方向的一次性調整,以此獲得網路覆蓋性能的增強.但由於未能充分考慮到有向感測器節點局部位置及感測方向信息,因而,該演算法對有向感測器網路覆蓋增強的能力相對有限.
本文將基本的有向感知模型擴展為方向可調感知模型,研究有向感測器網路覆蓋增強問題.首先定義了方向可調感知模型,並分析隨機部署策略對有向感測器網路覆蓋率的影響.在此基礎上,分析了有向感測器網路覆蓋增強問題.本文通過引入「質心」概念,將待解決問題轉化為質心均勻分布問題,提出了一種基於虛擬勢場的有向感測器網路覆蓋增強演算法PFCEA(potential field based coverage-enhancing algorithm).質心在虛擬力作用下作擴散運動,逐步消除網路中感知重疊區和盲區,增強整個網路覆蓋性能.最後,一系列模擬實驗驗證了PFCEA演算法的有效性.
1 有向感測器網路覆蓋增強問題
本節旨在分析和定義有向感測器網路覆蓋增強問題.在此之前,我們對方向可調感知模型進行簡要介紹.
1.1 方向可調感知模型
不同於目前已有的全向感知模型,方向可調感知模型的感知區域受「視角」的限制,並非一個完整的圓形區域.在某時刻t,有向感測器節點具有方向性感知特性;隨著其感測方向的不斷調整(即旋轉),有向感測器節點有能力覆蓋到其感測距離內的所有圓形區域.由此,通過簡單的幾何抽象,我們可以得到有向感測器節點的方向可調感知模型,如圖1所示.
定義1. 方向可調感知模型可用一個四元組P,R, ,
表示.其中,P=(x,y)表示有向感測器節點的位置坐標;R表示節
點的最大感測范圍,即感測半徑;單位向量 = 為扇形感知區域的中軸線,即節點在某時刻t時的感測方向; 和 分別是單位向量 在X軸和Y軸方向上的投影分量;表示邊界距離感測向量 的感測夾角,2代表感測區域視角,記作FOV.
特別地,當=時,傳統的全向感知模型是方向可調感知模型的一個特例.
若點P1被有向感測器節點vi覆蓋成立,記為viP1,當且僅當滿足以下條件:
(1) ,其中, 代表點P1到該節點的歐氏距離;
(2) 與 間夾角取值屬於[,].
判別點P1是否被有向感測器節點覆蓋的一個簡單方法是:如果 且 ,那麼,點P1
被有向感測器節點覆蓋;否則,覆蓋不成立.另外,若區域A被有向感測節點覆蓋,當且僅當區域A中任何一個點都被有向感測節點覆蓋.除非特別說明,下文中出現的「節點」和「感測器節點」均滿足上述方向可調感知模型.
1.2 有向感測器網路覆蓋增強問題的分析與定義
在研究本文內容之前,我們需要作以下必要假設:
A1. 有向感測器網路中所有節點同構,即所有節點的感測半徑(R)、感測夾角()參數規格分別相同;
A2. 有向感測器網路中所有節點一經部署,則位置固定不變,但其感測方向可調;
A3. 有向感測器網路中各節點都了解自身位置及感測方向信息,且各節點對自身感測方向可控.
假設目標區域的面積為S,隨機部署的感測器節點位置滿足均勻分布模型,且目標區域內任意兩個感測器節點不在同一位置.感測器節點的感測方向在[0,2]上也滿足均勻分布模型.在不考慮感測器節點可能落入邊界區域造成有效覆蓋區域減小的情況下,由於每個感測器節點所監控的區域面積為R2,則每個感測器節點能監測整個目標區域的概率為R2/S.目標區域被N個感測器節點覆蓋的初始概率p0的計算公式為(具體推導過程參見文獻[14])
(1)
由公式(1)可知,當目標區域內網路覆蓋率至少達到p0時,需要部署的節點規模計算公式為
(2)
當網路覆蓋率分別為p0和p0+p時,所需部署的感測器節點數目分別為ln(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)lnS.因此,感測器節點數目差異N由公式(3)可得,
(3)
當目標區域面積S、節點感測半徑R和感測夾角一定時,為一常數.此時,N與p0,p滿足關系如圖2所示(S=500500m2,R=60m,=45º).從圖中我們可以看出,當p0一定時,N隨著p的增加而增加;當p一定時,N隨著p0的增加而增加,且增加率越來越大.因此,當需要將覆蓋率增大p時,則需多部署N個節點(p0取值較大時(80%),p取值每增加1%,N就有數十、甚至數百的增加).如果採用一定的覆蓋增強策略,無須多部署節點,就可以使網路覆蓋率達到p0+p,大量節省了感測器網路部署成本.
設Si(t)表示節點vi在感測向量為 時所覆蓋的區域面積.運算操作Si(t)Sj(t)代表節點vi和節點vj所能覆蓋到的區域總面積.這樣,當網路中節點感測向量取值為 時,有向感測器網路覆蓋率可表
示如下:
(4)
因此,有向感測器網路覆蓋增強問題歸納如下:
問題:求解一組 ,使得對於初始的 ,有 取值
接近最大.
Fig.2 The relation among p0, p and N
圖2 p0,p和N三者之間的關系
2 基於虛擬勢場的覆蓋增強演算法
2.1 傳統虛擬勢場方法
虛擬勢場(virtual potential field)的概念最初應用於機器人的路徑規劃和障礙躲避.Howard等人[8]和Pori等人[9]先後將這一概念引入到感測器網路的覆蓋增強問題中來.其基本思想是把網路中每個感測器節點看作一個虛擬的電荷,各節點受到其他節點的虛擬力作用,向目標區域中的其他區域擴散,最終達到平衡狀態,即實現目標區域的充分覆蓋狀態.Zou等人[15]提出了一種虛擬力演算法(virtual force algorithm,簡稱VFA),初始節點隨機部署後自動完善網路覆蓋性能,以均勻網路覆蓋並保證網路覆蓋范圍最大化.在執行過程中,感測器節點並不移動,而是計算出隨機部署的感測器節點虛擬移動軌跡.一旦感測器節點位置確定後,則對相應節點進行一次移動操作.Li等人[10]為解決感測器網路布局優化,在文獻[15]的基礎上提出了涉及目標的虛擬力演算法(target involved virtual force algorithm,簡稱TIVFA),通過計算節點與目標、熱點區域、障礙物和其他感測器之間的虛擬力,為各節點尋找受力平衡點,並將其作為該感測器節點的新位置.
上述利用虛擬勢場方法優化感測器網路覆蓋的研究成果都是基於全向感知模型展開的.假定感測器節點間存在兩種虛擬力作用:一種是斥力,使感測器節點足夠稀疏,避免節點過於密集而形成感知重疊區域;另一種是引力,使感測器節點保持一定的分布密度,避免節點過於分離而形成感知盲區[15].最終利用感測器節點的位置移動來實現感測器網路覆蓋增強.
2.2 基於虛擬勢場的有向感測器網路覆蓋增強演算法
在實際應用中,考慮到感測器網路部署成本,所有部署的感測器節點都具有移動能力是不現實的.另外,感測器節點位置的移動極易引起部分感測器節點的失效,進而造成整個感測器網路拓撲發生變化.這些無疑都會增加網路維護成本.因而,本文的研究工作基於感測器節點位置不變、感測方向可調的假設.上述假設使得直接利用虛擬勢場方法解決有向感測器網路覆蓋增強問題遇到了麻煩.在傳統的虛擬勢場方法中,感測器節點在勢場力的作用下進行平動(如圖3(a)所示),而基於本文的假設,感測器節點表現為其扇形感知區域在勢場力的作用下以感測器節點為軸心進行旋轉(如圖3(b)所示).
為了簡化扇形感知區域的轉動模型,我們引入「質心(centroid)」的概念.質心是質點系中一個特定的點,它與物體的平衡、運動以及內力分布密切相關.感測器節點的位置不變,其感測方向的不斷調整可近似地看作是扇形感知區域的質心點繞感測器節點作圓周運動.如圖3(b)所示,一個均勻扇形感知區域的質心點位於其對稱軸上且與圓心距離為2Rsin/3.每個感測器節點有且僅有一個質心點與其對應.我們用c表示感測器節點v所對應的質心點.本文將有向感測器網路覆蓋增強問題轉化為利用傳統虛擬勢場方法可解的質心點均勻分布問題,如圖4所示.
Fig.3 Moving models of sensor node
圖3 感測器節點的運動模型
Fig.4 The issue description of coverage enhancement in directional sensor networks
圖4 有向感測器網路覆蓋增強問題描述
2.2.1 受力分析
利用虛擬勢場方法增強有向感測器網路覆蓋,可以近似等價於質心點-質心點(c-c)之間虛擬力作用問題.我們假設質心點-質心點之間存在斥力,在斥力作用下,相鄰質心點逐步擴散開來,在降低冗餘覆蓋的同時,逐漸實現整個監測區域的充分高效覆蓋,最終增強有向感測器網路的覆蓋性能.在虛擬勢場作用下,質心點受來自相鄰一個或多個質心點的斥力作用.下面給出質心點受力的計算方法.
如圖5所示,dij表示感測器節點vi與vj之間的歐氏距離.只有當dij小於感測器節點感測半徑(R)的2倍時,它們的感知區域才存在重疊的可能,故它們之間才存在產生斥力的作用,該斥力作用於感測器節點相應的質心點ci和cj上.
定義2. 有向感測器網路中,歐氏距離不大於節點感測半徑(R)2倍的一對節點互為鄰居節點.節點vi的鄰居節點集合記作i.即i={vj|Dis(vi,vj)2R,ij}.
我們定義質心點vj對質心點vi的斥力模型 ,見公式(5).
(5)
其中,Dij表示質心點ci和cj之間的歐氏距離;kR表示斥力系數(常數,本文取kR=1);ij為單位向量,指示斥力方向(由質心點cj指向ci).公式(5)表明,只有當感測器節點vi和vj互為鄰居節點時(即有可能形成冗餘覆蓋時),其相應的質心點ci和cj之間才存在斥力作用.質心點所受斥力大小與ci和cj之間的歐氏距離成反比,而質心點所受斥力方向由ci和cj之間的相互位置關系所決定.
質心點ci所受合力是其受到相鄰k個質心點排斥力的矢量和.公式(6)描述質心點ci所受合力模型 .
(6)
通過如圖6所示的實例,我們分析質心點的受力情況.圖中包括4個感測器節點:v1,v2,v3和v4,其相應的質心
點分別為c1,c2,c3和c4.以質心點c1為例,由於d122R,故 ,質心點c1僅受到來自質心點c3和c4的斥力,其所受合力 .感測器節點感測方向旋轉導致質心點的運動軌跡並不是任意的,而是固定繞感測器節點作圓周運動.因此,質心點的運動僅僅受合力沿圓周切線方向分量 的影響.
Fig.6 The force on centroid
圖6 質心點受力
2.2.2 控制規則(control law)
本文基於一個虛擬物理世界研究質心點運動問題,其中作用力、質心點等都是虛擬的.該虛擬物理世界的構建是建立在求解問題特徵的基礎上的.在此,我們定義控制規則,即規定質心點受力與運動之間的關系,以達到質心點的均勻分布.
質心點在 作用下運動,受到運動學和動力學的雙重約束,具體表現如下:
(1) 運動學約束
在傳統感測器網路中利用虛擬勢場方法移動感測器節點的情況下,由於感測器節點向任意方向運動的概率是等同的,我們大都忽略其所受的運動學約束[8].而在轉動模型中,質心點的運動不是任意方向的,受合力沿圓
周切線方向分量 的影響,只能繞其感測器節點作圓周運動.
質心點在運動過程中受到的虛擬力是變化的,但對感測器網路系統來說,感測器節點之間每時每刻都交換鄰居節點位置及感測方向信息是不現實的.因此,我們設定鄰居節點間每隔時間步長t交換一次位置及感測方向信息,根據交換信息計算當前時間步長質心點所受合力,得出轉動方向及弧長.同時,問題求解的目的在於將節點的感測方向調整至一個合適的位置.在此,我們不考慮速度和加速度與轉動弧長之間的關系.
(2) 動力學約束
動力學約束研究受力與運動之間的關系.本運動模型中的動力學約束主要包含兩方面內容:
• 每個時間步長t內,質心點所受合力與轉動方向及弧長之間的關系;
• 質心點運動的靜止條件.
在傳統感測器網路中利用虛擬勢場方法移動感測器節點的情況下,在每個時間步長內,感測器節點的運動速度受限於最大運動速度vmax,而不是隨感測器節點受力無止境地增加.通過此舉保證微調方法的快速收斂.在本轉動模型中,我們同樣假設質心點每次固定以較小的轉動角度進行轉動,通過多次微調方法逐步趨向最優解,即在每個時間步長t內,質心點轉動的方向沿所受合力在圓周切線方向分量,轉動大小不是任意的,而是具有固定轉動角度.採用上述方法的原因有兩個:
• 運動過程中,質心點受力不斷變化,且變化規律很難用簡單的函數進行表示,加之上述運動學約束和問題特徵等因素影響,我們很難得出一個簡明而合理的質心點所受合力與轉動弧長之間的關系.
• 運動過程中,質心點按固定角度進行轉動,有利於簡化計算過程,減少節點的計算負擔.同時,我們通過分析模擬實驗數據發現,該方法具有較為理想的收斂性(具體討論參見第3.2節).
固定轉動角度取值不同對PFCEA演算法性能具有較大的影響,這在第3.3節中將加以詳細的分析和說明.
當質心點所受合力沿圓周切線方向分量為0時,其到達理想位置轉動停止.如圖7所示,我們假定質心點在圓周上O點處合力切向分量為0.由於質心點按固定轉動角度進行轉動,因此,它
未必會剛好轉動到O點處.當質心點處於圖7中弧 或 時,會
因合力切向分量不為0而導致質心點圍繞O點附近往復振動.因此,為避免出現振動現象,加速質心點達到穩定狀態,我們需要進一步限定質心點運動的停止條件.
當質心點圍繞O點附近往復振動時,其受合力的切向分量很
小.因此,我們設定受力門限,當 (本文取=10e6),即可認
定質心點已達到穩定狀態,無須再運動.經過數個時間步長t後,當網路中所有質心點達到穩定狀態時,整個感測器網路即達到穩定狀態,此時對應的一組 ,該
組解通常為本文覆蓋增強的較優解.
2.3 演算法描述
基於上述分析,本文提出了基於虛擬勢場的網路覆蓋增強演算法(PFCEA),該演算法是一個分布式演算法,在每個感測器節點上並發執行.PFCEA演算法描述如下:
輸入:節點vi及其鄰居節點的位置和感測方向信息.
輸出:節點vi最終的感測方向信息 .
1. t0; //初始化時間步長計數器
2. 計算節點vi相應質心點ci初始位置 ;
3. 計算節點vi鄰居節點集合i,M表示鄰居節點集合中元素數目;
4. While (1)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 計算質心點cj對ci的當前斥力 ,其中,vji;
4.3.2 ;
4.4 計算質心點ci當前所受合力 沿圓周切線分量 ;
4.5 確定質心點ci運動方向;
4.6 If ( ) Then
4.6.1 質心點ci沿 方向轉動固定角度;
4.6.2 調整質心點ci至新位置 ;
4.6.3 計算節點vj指向當前質心點ci向量並單位化,得到節點vi最終的感測方向信息 ;
4.7 Sleep (t);
5. End.
3 演算法模擬與性能分析
我們利用VC6.0自行開發了適用於感測器網路部署及覆蓋研究的模擬軟體Senetest2.0,並利用該軟體進行了大量模擬實驗,以驗證PFCEA演算法的有效性.實驗中參數的取值見表1.為簡化實驗,假設目標區域中所有感測器節點同構,即所有節點的感測半徑及感測夾角規格分別相同.
Table 1 Experimental parameters
表1 實驗參數
Parameter Variation
Target area S 500500m2
Area coverage p 0~1
Sensor number N 0~250
Sensing radius Rs 0~100m
Sensing offset angel 0º~90º
3.1 實例研究
在本節中,我們通過一個具體實例說明PFCEA演算法對有向感測器網路覆蓋增強.在500500m2的目標區域內,我們部署感測半徑R=60m、感測夾角=45º的感測器節點完成場景監測.若達到預期的網路覆蓋率p=70%, 通過公式(1),我們可預先估算出所需部署的感測器節點數目,
.
針對上述實例,我們記錄了PFCEA演算法運行不同時間步長時有向感測器網路覆蓋增強情況,如圖8所示.
(a) Initial coverage, p0=65.74%
(a) 初始覆蓋,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10個時間步長,p10=76.03%
(c) The 20th time step, p20=80.20%
(c) 第20個時間步長,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30個時間步長,p30=81.45%
Fig.8 Coverage enhancement using PFCEA algorithm
圖8 PFCEA演算法實現覆蓋增強
直觀看來,質心點在虛擬斥力作用下進行擴散運動,逐步消除網路中感知重疊區和盲區,最終實現有向感測器網路覆蓋增強.此例中,網路感測器節點分別經過30個時間步長的調整,網路覆蓋率由最初的65.74%提高到81.45%,網路覆蓋增強達15.71個百分點.
圖9顯示了逐個時間步長調整所帶來的網路覆蓋增強.我們發現,隨著時間步長的增加,網路覆蓋率也不斷增加,且近似滿足指數關系.當時間步長達到30次以後,網路中絕大多數節點的感測方向出現振動現象,直觀表現為網路覆蓋率在81.20%附近在允許的范圍振盪.此時,我們認定有向感測器網路覆蓋性能近似增強至最優.
網路覆蓋性能可以顯著地降低網路部署成本.實例通過節點感測方向的自調整,在僅僅部署105個感測器節點的情況下,最終獲得81.45%的網路覆蓋率.若預期的網路覆蓋率為81.45%,通過公式(1)的計算可知,我們至少需要部署148個感測器節點.由此可見,利用PFCEA演算法實現網路覆蓋增強的直接效果是可以節省近43個感測器節點,極大地降低了網路部署成本.
3.2 收斂性分析
為了討論本文演算法的收斂性,我們針對4種不同的網路節點規模進行多組實驗.我們針對各網路節點規模隨機生成10個拓撲結構,分別計算演算法收斂次數,並取平均值,實驗數據見表2.其他實驗參數為R=60m,=45º, =5º.
Table 2 Experimental data for convergence analysis
表2 實驗數據收斂性分析
(%)
(%)
1 50 41.28 52.73 24
2 70 52.74 64.98 21
3 90 60.76 73.24 28
4 110 65.58 78.02 27
分析上述實驗數據,我們可以得出,PFCEA演算法的收斂性即調整的次數,並不隨感測器網路節點規模的變化而發生顯著的改變,其取值一般維持在[20,30]范圍內.由此可見,本文PFCEA演算法具有較好的收斂性,可以在較短的時間步長內完成有向感測器網路的覆蓋增強過程.
3.3 模擬分析
在本節中,我們通過一系列模擬實驗來說明4個主要參數對本文PFCEA演算法性能的影響.它們分別是:節點規模N、感測半徑R、感測夾角和(質心點)轉動角度.針對前3個參數,我們與以往研究的一種集中式覆蓋增強演算法[14]進行性能分析和比較.
A. 節點規模N、感測半徑R以及感測角度
我們分別取不同節點規模進行模擬實驗.從圖10(a)變化曲線可以看出,當R和一定時,N取值較小導致網路初始覆蓋率較小.此時,隨著N的增大,p取值呈現持續上升趨勢.當N=200時,網路覆蓋率增強可達14.40個百分點.此後,p取值有所下降.這是由於當節點規模N增加導致網路初始覆蓋率較高時(如60%),相鄰多感測器節點間形成覆蓋盲區的概率大為降低,無疑削弱了PFCEA演算法的性能.另外,部分感測器節點落入邊界區域,也會間接起到削弱PFCEA演算法性能的作用.
另外,感測半徑、感測角度對PFCEA演算法性能的影響與此類似.當節點規模一定時,節點感測半徑或感測角度取值越小,單個節點的覆蓋區域越小,各相鄰節點間形成感知重疊區域的可能性也就越小.此時,PFCEA演算法對網路覆蓋性能改善並不顯著.隨著感測半徑或感測角度的增加,p不斷增加.當R=70m且=45º時,網路覆蓋率最高可提升15.91%.但隨著感測半徑或感測角度取值的不斷增加,PFCEA演算法帶來的網路覆蓋效果降低,如圖10(b)、圖10(c)所示.
(c) The effect of sensing offset angle , other parameters meet N=100, R=40m, =5º
(c) 感測角度的影響,其他實驗參數滿足:N=100,R=40m,=5º