㈠ 如何提高网络质量和用户感知
“用户感知”反应了终端用户对业务和网络的体验和感受，反应了当前业务和网络的质量和终端用户之间的差异。“用户感知”的评价主体是终端用户，评价对象是业务和支撑业务的网络（包括无线网络）。分析“用户感知”，就是为了寻找用户感知低于用户期望的原因解决好通话质量，掉话，接通率，小区切换等问题 ，就能提高用户的感知度；具体；减少用户的掉话率；在上网时让用户感觉快，语音通话时，清晰，无杂音；、无盲区和接入困难的问题。这需要核心网优化和语音优化做大量的工作。
这个问题细说很多：比如接入类的比如RACH 电平、RX_LEVEL MIN、重发次数等等,保持类的RLT /SACCH、呼叫重建定时器、N200 T200、切换相关的的定时器、释放阶段的T3109等,还有一些软参比如呼叫保护定时器甚至网络结构中非无线接口的一些相关的定时器和参数和信道转换类参数和定时器都可能有此效果,
2、你这样理解好了,在无线或者传输链路以及其他接口或者链路质量不好的的情况下,接入和保持及释放类相关的参数和定时器都可以通过适当提高参数和定时器设置、降低用户感受来实现指标的提升。实际网路中这些参数的设置是实现两者的平衡,具体值需要依靠实验结果、用户调查、和实际测试效果来决定的。
3、两个常见的具体调整,早年一般为了掉话率提升都会把SACHH和RLT调到最高64...但是目前对这个参数的理解已经很完善,结合研究报告、用户调查、和测试分析,基本确定了这两个参数设置范围,一般不允许调整了。
㈡ 感知无线是什么
线电通信频谱是一种宝贵的资源，目前的频谱管理主要存在3个方面的矛盾情况：频谱使用是动态的，但频谱分配是固定的；频谱是稀有资源，但频谱利用率不高，且存在大量空闲；可分配频谱很少，但无线通信业务量和新技术在快速发展，频谱需要量也在快速增长。
导致这些矛盾的根本原因在于固定分配频谱方案和独占频谱使用权（即业务接入权或频谱准入权）原则，因此有必要改变目前的频谱分配和频谱准入的管理办法，目前ITU和FCC等无线电法规部门都已开始讨论和研究这个问题。但由于固定频谱分配方案过去在频谱规范管理方面曾发挥过很好的作用，同时存在巨大的经济和政治背景，短期内改变这种状况很困难。
因此，现阶段最实际的办法是通过改变业务接入权或频谱准入权，以开放频谱使用、提高频谱使用效率和充分利用空闲频谱。特别是如果能够将已分配但大量空闲的频谱资源加以合理利用，目前频谱资源的紧张状况将得到极大的改善；在军事通信对抗环境，往往既定的通信传输频段因被敌方干扰或传播环境恶劣而无法通信，必须寻找可以利用的空闲频谱进行通信。这样，迫切需要一种技术来解决开放频谱和提高频谱利用效率问题。
目前已有一些提高频谱利用效率的方法，但不能从根本上解决问题，另外开放频谱必须保护已购买频谱者的利益，同时不能对授权使用该频谱的业务和系统产生严重的干扰，影响它们的正常通信。感知无线电（Cognitive Radio，CR）提供了一种按伺机的方式共享和利用频谱的手段，它可以有效地解决这两个问题。目前采用的是基于频谱授权的静态频带分配的原则。随着无线通信技术的高速发展，频谱资源贫乏的问题日益严重，然而绝大多数国家的频谱资源利用率却不容乐观[1]。认知无线电技术正是基于这一问题提出的。认知无线电是一种用于提高无线电通信频谱利用率的新的智能技术。具有认知功能的无线通信设备可以感知周围的环境，再利用已经分配给授权用户，但在某一特定的时刻和环境下并没有被占用的频带，即动态再利用“频谱空穴”；并能够根据输入激励的变化实时地调整其传输参数，在有限信号空间中以最优的方式有效地传送信息，以实现无论何时何地都能保证通信的高可靠性和无线频谱利用的高效性[2]。认知无线电的一个基本的认知周期要经历三种基本过程：感知频谱环境；信道识别；功率控制和频谱管理。其中，认知无线电的首要任务是感知频谱环境，即频谱空穴的检测和选择。
2 频谱环境的感知
感知频谱环境是认知无线电首要的任务，它体现了认知无线电最显着的特征：能够感知并分析特定区域的频段，找出适合通信的频谱空穴。目前，认知无线电可能最先使用的两个频段是超高频电视频段400MHz-800MHz和已分配较少的3GHz-10GHz频段[3]。但不可否认的是，随着认知无线电技术的发展，会有更多的已分配频段供认知用户使用。可见，认知无线电将会面对不同种类的用户，也就要求不同的灵敏度和感知速度，因此频谱环境的检测方法也有所不同。目前研究较多的方法有：匹配滤波器法、能量检测法、循环平稳特定检测法等等。
3 极弱信号的检测问题
在认知无线电网络中，极有可能出现接收机的位置距离原始发送机太远，以至于它们从边缘开始接受信号的情况。此时，频谱环境的感知可归类为极弱信号的检测问题。我们不仅可以通过改进频谱检测法来提高弱信号的检测概率，还可以引入“协同机制”来更好地改善极弱信号的接收问题。
我们建立一个简单的模型来说明协同机制的原理，如图3所示，接收机R距离授权发送机P很远，只能从P用户功率边缘上接受信号，即接收极弱的信号。此时C1进行频谱检测后，极有可能误认为该频带是频谱空穴。为了防止对授权用户P造成干扰，我们引入协同机制。假设存在认知用户C2满足条件：C2处于P发射的功率主瓣范围内，并且C2与P 之间的距离相对于R 与P 更近。这时，由C2 作为C1 的中继点来感知P的发射功率，则能比较准确地分辨出P是否在和R进行通信。C1将数据包发送给C2，由C2 来转发，如果P 与R 正在通信，C2 就返回给C1一个信息，由C1决定是否等待或是寻找另外的频谱空穴。这样，C1 和C2就构建了协同的关系，使C1 更快更准确地感知频谱环境。上述的模型是比较简单的情况，只考虑了两个认知用户。当模型更复杂些，例如多用户的感知网络时，就必须考虑怎样建立协同机制的问题了。一些文献给出了相关讨论，提出在多用户的感知网络中，两两绑定的协同机制是比较实用的，即每两个认知用户为一组，相互协同完成频谱环境的感知[7]。该协同机制在很大程度上提高了感知频谱环境的准确性与效率，并且实现起来也比较容易.
5 感知无线电是一种无线电系统，它能够自动地检测周围的环境情况，智能地调整系统的参数以适应环境的变化，在不对授权用户造成干扰的条件下从空间、频率、时间等多维地利用空闲频谱资源进行通信。它区别于其他传统无线电系统的主要特点是：对环境情况的感知能力、对环境变化的自适应性、系统功能模块的可重构性、自主地工作和运行等。
感知无线电技术是无线电发展的一个新里程碑，其应用会带来历史性的变革。对于频谱管制者而言，该技术可以大大提高可用频谱数量，提高频谱利用率，有效利用资源；对于频谱持有者而言，利用该技术可以在不受干扰的前提下开发二级频谱市场，在相同频段上提供不同的服务；对设备厂商而言，该技术可以带来更多的机会，具备感知无线电功能的设备将更具竞争力；对终端用户而言，可以带来更多带宽，在感知无线电技术成熟后，用户则可以享受到单个无线电终端接入多种无线网络的优势；在军事通信方面，根据感知无线电的特点可以“见缝插针”地利用空闲频谱通信，提高通信的可靠性和对抗能力。因此，感知无线电技术必将是未来无线通信的一个重要发展方向，为无线电资源管理和无线接入市场带来新的发展契机和动力。
6认知无线电技术的发展现状
目前，CR主要出于初级阶段，各项理论和技术处于研究和探索中，但它已得到了各界的关注，很多着名学者和机构投入到它的研究中。启动了很多正对此的研究项目，最引人注目的是IEEE802.22工作组的工作，该工作组制定了利用空闲电视频段进行宽带无线接入的技术标准，这是第一个引入认知无线电概念的IEEE技术标准化活动。无线电知识描述语言也应运而生，惊奇CR的主要目标是提高频谱利用率，研究预计，频谱利用率将提高3% 到10%。它的长远目标是与各项技术更好的结合，满足日益增长的用户对频谱的需求，目前，认知无线电技术炙手可热，应用前景一片大好。
综上可知，认知无线电技术使无线通信设备具有发现频谱空穴并合理利用空穴的能力，可以实现高效灵活的频谱资源配置和工作状态调整。认知无线电首要的任务是感知频谱环境，本文对比分析了三种频谱检测的方法：匹配滤波器法、能量检测法和循环平稳特性检测法，针对其优缺点给出了各自适用的环境。另外，本文还介绍了“协同机制”用于改善极弱信号的接收问题。我们相信，随着科
技发展和CR技术成熟，在不久的未来，认知无线电将有效地服务于人们的生活
㈢ 什么是无线传感技术
早在上世纪70年代，就出现了将传统传感器采用点对点传输、连接传感控制器而构成传感网络雏形，我们把它归之为第一代传感器网络。随着相关学科的不断发展和进步，传感器网络同时还具有了获取多种信息信号的综合处理能力，并通过与传感控制的相联，组成了有信息综合和处理能力的传感器网络，这是第二代传感器网络。而从上世纪末开始，现场总线技术开始应用于传感器网络，人们用其组建智能化传感器网络，大量多功能传感器被运用，并使用无线技术连接，无线传感器网络逐渐形成。
无线传感器网络是新一代的传感器网络，具有非常上世纪70年代，其发展和应用，将会给人类的生活和生产的各个领域带来深远影响。
无线传感器网络可以看成是由数据获取网络、数据颁布网络和控制管理中心三部分组成的。其主要组成部分是集成有传感器、处理单元和通信模块的节点，各节点通过协议自组成一个分布式网络，再将采集来的数据通过优化后经无线电波传输给信息处理中心。
㈣ lte的空中接口协议中，哪一层主要负责无线资源的分配调度
RRC无线资源控制负责LTE空中接口的无线资源分配与控制，还承担了NAS信令的处理和发送工作。由于RRC承担了LTE 空中接口的无线资源管理工作，可以看成LTE空中接口的大脑，是LTE 空中接口最重要的组成部分。从RRC的功能看，LTE空中接口与WCDMA空中接口没有什么区别。
㈤ 无线网络优化的优化思路
建立在用户感知度上的网络优化面对的必然是对用户投诉问题的处理，一般有如下几种情况： 信令建立过程
在手机收到经PCH(寻呼信道)发出的pagingrequest(寻呼请求)消息后，因SDCCH拥塞无法将pagingresponse(寻呼响应)消息发回而导致的呼损。
对策：可通过调整SDCCH与TCH的比例，增加载频，调整BCC(基站色码)等措施减少SDCCH的拥塞。
因手机退出服务造成不能分配占用SDCCH而导致的呼损。
对策：对于盲区造成的脱网现象，可通过增加基站功率，增加天线高度来增加基站覆盖；对于BCCH频点受干扰造成的脱网现象，可通过改频、调整网络参数、天线下倾角等参数来排除干扰。
鉴权过程
因MSC与HLR、BSC间的信令问题，或MSC、HLR、BSC、手机在处理时失败等原因造成鉴权失败而导致的呼损。
对策：由于在呼叫过程中鉴权并非必须的环节，且从安全角度考虑也不需要每次呼叫都鉴权，因此可以将经过多少次呼叫后鉴权一次的参数调大。
加密过程
因MSC、BSC或手机在加密处理时失败导致呼损。
对策：目前对呼叫一般不做加密处理。
从手机占上SDCCH后进而分配TCH前
因无线原因(如RadioLinkFailure、硬件故障)使SDCCH掉话而导致的呼损。
对策：通过路测场强分析和实际拨打分析，对于无线原因造成的如信号差、存在干扰等问题，采取相应的措施解决；对于硬件故障，采用更换相应的单元模块来解决。
话音信道分配过程
因无线分配TCH失败(如TCH拥塞，或手机已被MSC分配至某一TCH上，因某种原因占不上TCH而导致链路中断等原因)而导致的呼损。
对策：对于TCH拥塞问题，可采用均衡话务量，调整相关小区服务范围的参数，启用定向重试功能等措施减少TCH的拥塞；对于占不上TCH的情况，一般是硬件故障，可通过拨打测试或分析话务统计中的CALLHOLDINGTIME参数进行故障定位，如某载频CALLHOLDINGTIME值小于10秒，则可断定此载频有故障。另外严重的同频干扰（如其它基站的BCCH与TCH同频）也会造成占不上TCH信道，可通过改频等措施解决。 一般现象是较难占线、占线后很容易掉线等。这种情况首先应排除是否是TCH溢出的原因，如果TCH信道不足，则应增加信道板或通过增加微蜂窝或小区裂变的形式来解决。
排除以上原因后，一般可以考虑是否是有较强的干扰存在。可以是相邻小区的同邻频干扰或其它无线信号干扰源，或是基站本身的时钟同步不稳。这种问题较为隐蔽，需通过仔细分析层三信令和周围基站信息才能得出结论。 掉话的原因几乎涉及网络优化的所有方面内容，尤其是在路测时发生的掉话，需要仔细分析。在路测时，需要对发生掉话的地段做电平和切换参数等诸多方面的分析。如果电平足够，多半是因为切换参数有问题或切入的小区无空闲信道。对话务较忙小区，可以让周围小区分担部分话务量。采用在保证不存在盲区的情况下，调整相关小区服务范围的参数，包括基站发射功率、天线参数（天线高度、方位角、俯仰角）、小区重选参数、切换参数及小区优先级设置的调整，以达到缩小拥塞小区的范围，并扩大周围一些相对较为空闲小区的服务范围。通过启用DirectedRetry（定向重试）功能，缓解小区的拥塞状况。上述措施仍不能满足要求的话，可通过实施紧急扩容载频的方法来解决。
对大多采用空分天线远郊或近郊的基站，如果主、分集天线俯仰角不一致，也极易造成掉话。如果参数设置无误，则可能是有些点信号质量较差。对这些信号质量较差而引起的掉话，应通过硬件调整的方式增加主用频点来解决。 在日常DT测试中，经常发现有很多微小的区域内，话音质量相当差、干扰大，信号弱或不稳定以及频繁切换和不断接入。这些地方往往是很多小区的交叠区、高山或湖面附近、许多高楼之间等。同样这种情况对全网的指标影响不明显，小区的话务统计报告也反映不出。这种现象一方面是由于频带资源有限，基站分布相对集中，频点复用度高，覆盖要求严格，必然不可避免的会产生局部的频率干扰。另一方面是由于在高层建筑林立的市区，手机接收的信号往往是基站发射信号经由不同的反射路径、散射路径、绕射路径的叠加，叠加的结果必然造成无线信号传播中的各种衰落及阴影效应，称之为多径干扰。此外，无线网络参数设置不合理也会造成上述现象。
在测试中RXQUAL的值反映了话音质量的好坏，信号质量实际是指信号误码率， RXQUAL=3（误码率：0.8%至1.6%），RXQUAL=4（误码率：1.6%至3.2%），当网络采用跳频技术时，由于跳频增益的原因,RXQUAL=3时，通话质量尚可，当RXQUAL≥6时，基本无法通话。
根据上述情况，通过对这些小区进行细致的场强覆盖测试和干扰测试，对场强覆盖测试数据进行分析，统计出RXLEV/RXQUAL之间对照表，如果某个小区域RXQUAL为6和7的采样统计数高而RXLEV大于－85dBm的采样数较高，一般可以认为该区域存在干扰。并在Neighbor－List中可分析出同频、邻频干扰频点。 如果直达路径信号（主信号）的接收电平与反射、散射等信号的接收电平差小于15dB，而且反射、散射等信号比主信号的时延超过4～5个GSM比特周期（1个比特周期=3.69μs），则可判断此区域存在较强的多径干扰。
多径干扰造成的衰落与频点及所在位置有关。多径衰落可通过均衡器采用的纠错算法得以改善，但这种算法只在信号衰落时间小于纠错码字在交织中分布占用的时间时有效。
采用跳频技术可以抑制多径干扰，因为跳频技术具有频率分集和干扰分集的特性。频率分集可以避免慢速移动的接收设备长时间处于阴影效应区，改善接收质量；而且可以充分利用均衡器的优点。干扰分集使所有的移动及基站接收设备所受干扰等级平均化。使产生干扰的几率大为减小，从而降低干扰程度。
采用天线分集和智能天线阵，对信号的选择性增强，也能降低多径干扰。
适当调整天线方位角，也可减小多径干扰。
若无线网络参数设置不合理，也会影响通话质量。如在DT测试中常常发现切换前话音质量较差，即RXQUAL较大（如5、6、7），而切换后，话音质量变得很好，RXQUAL很小（如0、1），而反方向行驶通过此区域时话音质量可能很好（RXQUAL为0、1），因为占用的服务小区不同。对于这种情况，是由于基于话音质量切换的门限值设置不合理。减小RXQUAL的切换门限值，如原先从RXQUAL≥4时才切换，改为RXQUAL≥3时就切换，可以提高许多区域的通话质量。因此，根据测试情况，找出最佳的切换地点，设置最佳切换参数，通过调整切换门限参数控制切换次数,通过修改相邻小区的切换关系提高通话质量。总之，根据场强测试可以优化系统参数。
值得一提的是，由于竞争的激烈及各运营商的越来越深化的要求，某些地方的运营商为完成任务，达到所谓的优化指标，随意调整放大一些对网络统计指标有贡献的参数，使网络看起来“质量很高”。然而，用户感觉到的仍是网络质量不好，从而招致更多用户的不满，这是不符合网络优化的宗旨的。
总之，网络优化是一项长期、艰巨的任务，进行网络优化的方法很多，有待于进一步探讨和完善。好在现在国内两大运营商都已充分认识到了这一点，网络质量也得到了迅速的提高，同时网络的经济效益也得到了充分发挥，既符合用户的利益又满足了运营商的要求，毫无疑问将是持续的双赢局面。
无线网络优化的目的就是对投入运行的网络进行参数采集、数据分析，找出影响网络质量的原因，通过技术手段或参数调整使网络达到最佳运行状态的方法，使网络资源获得最佳效益，同时了解网络的增长趋势，为扩容提供依据。
移动通信网络主要包括交换传输系统和无线基站系统两部分，其中无线部分具有诸多不确定因素，它对无线网络的影响很大，其性能优劣常常成为决定移动通信网好坏的决定性因素。当然，无线网络规划阶段考虑不到的问题如无线电波传播的不确定性（障碍物的阻碍等）、基础设施（新商业区、街道、城区的重新安排）变化、取决于地点和时间的话务负荷（如运动场）、话务要求、用户对服务质量的要求的增加，都涉及到网络优化工作。
当网络运营商发现网络中存在诸如覆盖不好、话音质量差、掉话、网络拥塞、切换成功率、未开通某些新功能等问题时，也需要对网络进行优化。通过不断的网络优化工作，使得呼叫建立时间减少、掉话次数减少、通话话音质量不断改善、网络拥有较高可用性和可靠性，改善小区覆盖、降低掉话率和拥塞率、提高接通率和切换率、减少用户投诉。
一、网络优化过程
网络优化是一个长期的过程，它贯穿于网络发展的全过程。只有不断提高网络的质量，才能获得移动用户的满意，吸引和发展更多的用户。 在日常网络优化过程中，可以通过OMC和路测发现问题，当然最通常的还是用户的反映。在网络性能经常性的跟踪检查中发现话统指标达不到要求、网络质量明显下降或来自的用户反映、当用户群改变或发生突发事件并对网络质量造成很大影响时、网络扩容时应对小区频率规划及容量进行核查等情形发生时，都要及时对网络做出优化。
进行网络优化的前提是做好数据的采集和分析工作，数据采集包括话统数据采集和路测数据采集两部分。 优化中评判网络性能的主要指标项包括网络接入性能数据、信道可用率、掉话率、接通率、拥塞率、话务量和切换成功率以及话统报告图表等，这些也是话统数据采集的重点。路测数据的采集主要通过路测设备，定性、定量、定位地测出网络无线下行的覆盖切换、质量现状等，通过对无线资源的地理化普查，确认网络现状与规划的差异，找出网络干扰、盲区地段，掉话和切换失败地段。然后，对路测采集的数据进行分析，如测试路线的地理位置信息、测试路线区域内各个基站的位置及基站间的距离等、各频点的场强分布、覆盖情况、接收信号电平和质量、6个邻小区状况、切换情况及Layer3消息的解码数据等，找出问题的所在从而解决方案。
网络优化的关键是进行网络分析与问题定位，网络问题主要从干扰、掉话、话务均衡和切换四个方面来进行分析。
干扰分析：GSM系统是干扰受限系统，干扰会使误码率增加，降低话音质量甚至发生掉话。一般规定误码率在3%左右，当误码率达8%~10%时话音质量就比较差了，如果误码率超出10%则话音质量不可容忍，无法听清。因此，通常对载波干扰设置了一定的门限，规定同频道载干比C/I≥9dB，邻频道载干比C/A≥-9dB（工程中另加3dB的余量）。 通话干扰的定位手段包括话统数据、话音质量差引起的掉话率、干扰带分布、用户反映、路测 ( RxQual )及CQT呼叫质量拨打测试。
掉话分析：掉话问题的定位主要通过话统数据、用户反映、路测 、无线场强测试、CQT呼叫质量拨打测试等方法，然后通过分析信号场强、信号干扰、参数设置（设置不当，切换参数、话务不均衡）等，找出掉话原因。
话务均衡分析： 话务均衡是指各小区载频应得到充分利用，避免某些小区拥塞，而另一些小区基本无话务的现象。通过话务均衡可以减小拥塞率、提高接通率，减少由于话务不均引起的掉话，使通信质量进一步改善提高。话务均衡问题的定位手段包括话统数据、话务量、接通率、拥塞率、掉话率、切换成功率、路测和用户反映。话务不均衡原因主要表现在：基站天线挂高、俯仰角、发射功率设置不合理，小区覆盖范围较大，导致该小区话务量较高，造成与其它基站话务量不均衡；由于地理原因，小区处于商业中心或繁华地段，手机用户多而造成该小区相对其它小区话务量高：小区参数，如允许接入最小电平等设置不合理而导致话务量不均衡；小区优先级参数设置未综合考虑。
话务均衡方法1：改变定向天线的下倾角、挂高，调整相应小区参数如基站的发射功率等，改变覆盖面的大小，以达到调节话务量的目的；对临时话务量的增加，可通过临时增加载频或增大发射功率，改变信号覆盖范围。
话务均衡方法2：改变小区载频数是话务量调节的常用方法之一。从话务量少的小区抽调载频到话务量高的小区；采用OVERLAY/UNDERLAY层次小区结构或增设微蜂窝基站，降低每信道话务量。
话务均衡方法3：核查允许接入最小电平值ACCMIN，通过小区覆盖范围的变化间接调整话务量。注意此值调整过大可能造成盲区，过小可能造成通话质量下降；根据现场重选测试，调整小区重选参数CRO；调整切换偏移和滞后参数，改变切换边界和切换带来实现话务分流；启用定向重试、负荷切换。
话务均衡方法4：双频网话务调整，在GSM900和GSM1800系统上采用分层小区结构；考虑小区所在层、优先级、层间切换门限、层间切换磁滞等参数的设置，使GSM1800小区能成功吸收双频手机的用户。
二、网络优化分析工具
为了有效解决网络优化问题，各厂家开发出网络优化辅助分析工具，可以作为话统分析和诊断分析的工具。
话统台统计结果是以数据表格的形式输出的，记录每个统计周期的计数点累计值，具有一定的缺陷：表格形式数据离散，数据变化趋势不明显；不提供每天平均指标的计算，手工计算平均指标花费大量工时；不能体现各种指标项间的相关关系，不便于数据分析。话统分析工具的作用就是将用户从繁重的手工工作中解脱出来，对原始话统数据进行自动处理，以满足用户需要、以方便用户分析的形式呈现出来。华为话统分析工具可以实现对异常值的过滤、异常问题的辅助诊断、日常统计项的直观显示、相关统计项的组合显示及完善的报表等功能，是理想的网络优化辅助工具。
网络诊断分析工具可以及时发现网络中隐藏的问题，通过地理化显示小区分布状况、各小区覆盖状况、各小区服务质量和历史数据的回放、网络利用率等，也可以查看小区属性、覆盖范围、利用率等资料，通过动态回放历史数据，掌握服务质量，将存在问题的小区直观地显示出来，以便进一步查看问题的详细报告。诊断分析工具可对小区的覆盖做出计算和评估，计算切换尝试次数（信号质量、时间提前量）、切换尝试次数、小区间切换成功率、切换时接收电平、接收质量、出小区、入小区切换比率、平均接收电平、接收质量等，分析出小区覆盖水平。另外，也可对小区干扰进行计算和评估，包括TCH信道在各干扰带中所占比率、SDCCH占用时无线链路断的次数、TCH占用时无线链路断的次数、未定义邻近小区平均信号强度、定义邻近小区平均信号强度、接收电平与接收质量不匹配、上下行不平衡、掉话时的电平和质量等。
三、应用案例
应用案例一：内蒙伊克昭盟东胜市双频网网络优
网络背景：东胜市全网为华为GSM双频网。
优化项目：话务均衡。
通过普查测试、邻区关系调整、话务均衡调整等优化操作，使得GSM1800有效合理分担GSM900的话务，保证了话务均衡，图1为优化前后网络指标对比图。
应用案例二：福建漳州云霄双频网络优
网络背景： 华为1800MHz与Nokia 900MHz设备共站址异种机型组建的双频网，市区1800MHz与900MHz共同覆盖，形成多层网，平均站距为700m，达到密集连续覆盖，建筑物密集且无规则，无线环境复杂。
优化项目： 调整1800话务吸收、降低掉话率、优化切换指标。
网络优化后，网络质量大大提高，图2为网络优化前后话务吸收情况，切换成功率达到平均97.5%，消除了乒乓效应。优化前忙时平均掉话率为0.60%，全天平均为0.62%。优化后忙时平均掉话率为0.33%，全天平均：0.37%。
㈥ 无线传感器网络的特点及关键技术
无线传感器网络的特点及关键技术
无线传感器网络被普遍认为是二十一世纪最重要的技术之一，是目前计算机网络、无线通信和微电子技术等领域的研究热点。下面我为大家搜索整理了关于无线传感器网络的特点及关键技术，欢迎参考阅读！
一、无线传感器网络的特点
与其他类型的无线网络相比，传感器网络有着鲜明的特征。其主要特点可以归纳如下：
（一）传感器节点能量有限。当前传感器通常由内置的电池提供能量，由于体积受限，因而其携带的能量非常有限。如何使传感器节点有限的能量得到高效的利用，延长网络生存周期，这是传感器网络面临的首要挑战。
（二）通信能力有限。无线通信消耗的能量与通信距离的关系为E=kdn。其中，参数n的取值为2≤n≤4，n的取值与许多因素有关。但是不管n具体的取值，n的取值范围一旦确定，就表明，无线通信的能耗是随着距离的增加而更加急剧地增加的。因此，在满足网络连通性的要求下，应尽量采用多跳通信，减少单跳通信的距离。通常，传感器节点的通信范围在100m内。
（三）计算、存储和有限。一方面为了满足部署的要求，传感器节点往往体积小；另一方面出于成本控制的目的`，节点的价格低廉。这些因素限制了节点的硬件资源，从而影响到它的计算、存储和通信能力。
（四）节点数量多，密度高，覆盖面积广。为了能够全面准确的监测目标，往往会将成千上万的传感器节点部署在地理面积很大的区域内，而且节点密度会比较大，甚至在一些小范围内采用密集部署的方式。这样的部署方式，可以让网络获得全面的数据，提高信息的可靠性和准确性。
（五）自组织。传感器网络部署的区域往往没有基础设施，需要依靠传感器节点协同工作，以自组织的方式进行网络的配置和管理。
（六）拓扑结构动态变化。传感器网络的拓扑结构通常是动态变化的，例如部分节点故障或电量耗尽退出网络，有新的节点被部署并加入网络，为节约能量节点在工作和休眠状态间进行切换，周围环境的改变造成了无线通信链路的变化，以及传感器节点的移动等都会导致传感器网络拓扑结构发生变化。
（七）感知数据量巨大。传感器网络节点部署范围大、数量多，且网络中的每个传感器通常都产生较大的流式数据并具有实时性，因此网络中往往存在数量巨大的实时数据流。受传感器节点计算、存储和带宽等资源的限制，需要有效的分布式数据流管理、查询、分析和挖掘方法来对这些数据流进行处理。
（八）以数据为中心。对于传感器网络的用户而言，他们感兴趣的是获取关于特定监测目标的真实可靠的数据。在使用传感器网络时，用户直接使用其关注的事件作为任务提交给网络，而不是去访问具有某个或某些地址标识的节点。传感器网络中的查询、感知、传输都是以数据为中心展开的。
（九）传感器节点容易失效。由于传感器网络应用环境的特殊性以及能量等资源受限的原因，传感器节点失效（如电池能量耗尽等）的概率远大于传统无线网络节点。因此，需要研究如何提高数据的生存能力、增强网络的健壮性和容错性以保证部分传感器节点的损坏不会影响到全局任务的完成。此外，对于部署在事故和自然灾害易发区域的无线传感器网络，还需要进一步研究当事故和灾害导致大部分传感器节点失效时如何最大限度地将网络中的数据保存下来，以提供给灾害救援和事故原因分析等使用。
二、关键技术
无线传感器网络作为当今信息领域的研究热点，设计多学科交叉的研究领域，有非常多的关键技术有待研究和发现，下面列举若干。
（一）网络拓扑控制。通过拓扑控制自动生成良好的拓扑结构，能够提高路由协议和MAC协议的效率，可为数据融合、时间同步和目标定位等多方面奠定基础，有利于节省能量，延长网络生存周期。所以拓扑控制是无线传感器网络研究的核心技术之一。目前，拓扑控制主要研究的问题是在满足网络连通度的前提下，通过功率控制或骨干网节点的选择，剔除节点之间不必要的通信链路，生成一个高效的数据转发网络拓扑结构。
（二）介质访问控制（MAC）协议。在无线传感器网络中，MAC协议决定无线信道的使用方式，在传感器节点之间分配有限的无线通信资源，用来构建传感器网络系统的底层基础结构。MAC协议处于传感器网络协议的底层部分，对传感器网络的性能有较大影响，是保证无线传感器网络高效通信的关键网络协议之一。传感器网络的强大功能是由众多节点协作实现的。多点通信在局部范围需要MAC协议协调其间的无线信道分配，在整个网络范围内需要路由协议选择通信路径。
在设计MAC协议时，需要着重考虑以下几个方面：
（1）节省能量。传感器网络的节点一般是以干电池、纽扣电池等提供能量，能量有限。
（2）可扩展性。无线传感器网络的拓扑结构具有动态性。所以MAC协议也应具有可扩展性，以适应这种动态变化的拓扑结构。
（3）网络效率。网络效率包括网络的公平性、实时性、网络吞吐量以及带宽利用率等。
（三）路由协议。传感器网络路由协议的主要任务是在传感器节点和Sink节点之间建立路由以可靠地传递数据。由于传感器网络与具体应用之间存在较高的相关性，要设计一种通用的、能满足各种应用需求的路由协议是困难的，因而人们研究并提出了许多路由方案。
（四）定位技术。位置信息是传感器节点采集数据中不可或缺的一部分，没有位置信息的监测消息可能毫无意义。节点定位是确定传感器的每个节点的相对位置或绝对位置。节点定位分为集中定位方式和分布定位方式。定位机制也必须要满足自组织性，鲁棒性，能量高效和分布式计算等要求。
（五）数据融合。传感器网络为了有效的节省能量，可以在传感器节点收集数据的过程中，利用本地计算和存储能力将数据进行融合，取出冗余信息，从而达到节省能量的目的。
（六）安全技术。安全问题是无线传感器网络的重要问题。由于采用的是无线传输信道，网络存在偷听、恶意路由、消息篡改等安全问题。同时，网络的有限能量和有限处理、存储能力两个特点使安全问题的解决更加复杂化了。
;㈦ 无线传感器网络中的部署问题，200分！！追加！！
无线传感器网络是近几年发展起来的一种新兴技术,在条件恶劣和无人坚守的环境监测和事件跟踪中显示了很大的应用价值。节点部署是无线传感器网络工作的基础,对网络的运行情况和寿命有很大的影响。部署问题涉及覆盖、连接和节约能量消耗3个方面。该文重点讨论了网络部署中的覆盖问题,综述了现有的研究成果,总结了今后的热点研究方向,为以后的研究奠定了基础。
基于虚拟势场的有向传感器网络覆盖增强算法
摘 要: 首先从视频传感器节点方向性感知特性出发,设计了一种方向可调感知模型,并以此为基础对有向传感器网络覆盖增强问题进行分析与定义;其次,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA (potential field based coverage-enhancing algorithm).通过引入“质心”概念,将有向传感器网络覆盖增强问题转化为质心均匀分布问题,以质心点作圆周运动代替传感器节点传感方向的转动.质心在虚拟力作用下作扩散运动,以消除网络中感知重叠区和盲区,进而增强整个有向传感器网络覆盖.一系列仿真实验验证了该算法的有效性.
关键词: 有向传感器网络;有向感知模型;虚拟势场;覆盖增强
中图法分类号: TP393 文献标识码: A
覆盖作为传感器网络中的一个基本问题,反映了传感器网络所能提供的“感知”服务质量.优化传感器网络覆盖对于合理分配网络的空间资源,更好地完成环境感知、信息获取任务以及提高网络生存能力都具有重要的意义[1].目前,传感器网络的初期部署有两种策略:一种是大规模的随机部署;另一种是针对特定的用途进行计划部署.由于传感器网络通常工作在复杂的环境下,而且网络中传感器节点众多,因此大都采用随机部署方式.然而,这种大规模随机投放方式很难一次性地将数目众多的传感器节点放置在适合的位置,极容易造成传感器网络覆盖的不合理(比如,局部目标区域传感器节点分布过密或过疏),进而形成感知重叠区和盲区.因此,在传感器网络初始部署后,我们需要采用覆盖增强策略以获得理想的网络覆盖性能.
目前,国内外学者相继开展了相关覆盖增强问题的研究,并取得了一定的进展[25].从目前可获取的资料来看,绝大多数覆盖问题研究都是针对基于全向感知模型(omni-directional sensing model)的传感器网络展开的[6],
即网络中节点的感知范围是一个以节点为圆心、以其感知距离为半径的圆形区域.通常采用休眠冗余节点[2,7]、
重新调整节点分布[811]或添加新节点[11]等方法实现传感器网络覆盖增强.
实际上,有向感知模型(directional sensing model)也是传感器网络中的一种典型的感知模型[12],即节点的感知范围是一个以节点为圆心、半径为其感知距离的扇形区域.由基于有向感知模型的传感器节点所构成的网络称为有向传感器网络.视频传感器网络是有向传感器网络的一个典型实例.感知模型的差异造成了现有基于全向感知模型的覆盖研究成果不能直接应用于有向传感器网络,迫切需要设计出一系列新方法.
在早期的工作中[13],我们率先开展有向传感器网络中覆盖问题的研究,设计一种基本的有向感知模型,用以刻画视频传感器节点的方向性感知特性,并研究有向传感器网络覆盖完整性以及通信连通性问题.同时,考虑到有向传感器节点传感方向往往具有可调整特性(比如PTZ摄像头的推拉摇移功能),我们进一步提出一种基于图论和计算几何的集中式覆盖增强算法[14],调整方案一经确定,网络中所有有向传感器节点并发地进行传感方向的一次性调整,以此获得网络覆盖性能的增强.但由于未能充分考虑到有向传感器节点局部位置及传感方向信息,因而,该算法对有向传感器网络覆盖增强的能力相对有限.
本文将基本的有向感知模型扩展为方向可调感知模型,研究有向传感器网络覆盖增强问题.首先定义了方向可调感知模型,并分析随机部署策略对有向传感器网络覆盖率的影响.在此基础上,分析了有向传感器网络覆盖增强问题.本文通过引入“质心”概念,将待解决问题转化为质心均匀分布问题,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA(potential field based coverage-enhancing algorithm).质心在虚拟力作用下作扩散运动,逐步消除网络中感知重叠区和盲区,增强整个网络覆盖性能.最后,一系列仿真实验验证了PFCEA算法的有效性.
1 有向传感器网络覆盖增强问题
本节旨在分析和定义有向传感器网络覆盖增强问题.在此之前,我们对方向可调感知模型进行简要介绍.
1.1 方向可调感知模型
不同于目前已有的全向感知模型,方向可调感知模型的感知区域受“视角”的限制,并非一个完整的圆形区域.在某时刻t,有向传感器节点具有方向性感知特性;随着其传感方向的不断调整(即旋转),有向传感器节点有能力覆盖到其传感距离内的所有圆形区域.由此,通过简单的几何抽象,我们可以得到有向传感器节点的方向可调感知模型,如图1所示.
定义1. 方向可调感知模型可用一个四元组P,R, ,
表示.其中,P=(x,y)表示有向传感器节点的位置坐标;R表示节
点的最大传感范围,即传感半径;单位向量 = 为扇形感知区域的中轴线,即节点在某时刻t时的传感方向; 和 分别是单位向量 在X轴和Y轴方向上的投影分量;表示边界距离传感向量 的传感夹角,2代表传感区域视角,记作FOV.
特别地,当=时,传统的全向感知模型是方向可调感知模型的一个特例.
若点P1被有向传感器节点vi覆盖成立,记为viP1,当且仅当满足以下条件:
(1) ,其中, 代表点P1到该节点的欧氏距离;
(2) 与 间夹角取值属于[,].
判别点P1是否被有向传感器节点覆盖的一个简单方法是:如果 且 ,那么,点P1
被有向传感器节点覆盖;否则,覆盖不成立.另外,若区域A被有向传感节点覆盖,当且仅当区域A中任何一个点都被有向传感节点覆盖.除非特别说明,下文中出现的“节点”和“传感器节点”均满足上述方向可调感知模型.
1.2 有向传感器网络覆盖增强问题的分析与定义
在研究本文内容之前,我们需要作以下必要假设:
A1. 有向传感器网络中所有节点同构,即所有节点的传感半径(R)、传感夹角()参数规格分别相同;
A2. 有向传感器网络中所有节点一经部署,则位置固定不变,但其传感方向可调;
A3. 有向传感器网络中各节点都了解自身位置及传感方向信息,且各节点对自身传感方向可控.
假设目标区域的面积为S,随机部署的传感器节点位置满足均匀分布模型,且目标区域内任意两个传感器节点不在同一位置.传感器节点的传感方向在[0,2]上也满足均匀分布模型.在不考虑传感器节点可能落入边界区域造成有效覆盖区域减小的情况下,由于每个传感器节点所监控的区域面积为R2,则每个传感器节点能监测整个目标区域的概率为R2/S.目标区域被N个传感器节点覆盖的初始概率p0的计算公式为(具体推导过程参见文献[14])
(1)
由公式(1)可知,当目标区域内网络覆盖率至少达到p0时,需要部署的节点规模计算公式为
(2)
当网络覆盖率分别为p0和p0+p时,所需部署的传感器节点数目分别为ln(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)lnS.因此,传感器节点数目差异N由公式(3)可得,
(3)
当目标区域面积S、节点传感半径R和传感夹角一定时,为一常数.此时,N与p0,p满足关系如图2所示(S=500500m2,R=60m,=45º).从图中我们可以看出,当p0一定时,N随着p的增加而增加;当p一定时,N随着p0的增加而增加,且增加率越来越大.因此,当需要将覆盖率增大p时,则需多部署N个节点(p0取值较大时(80%),p取值每增加1%,N就有数十、甚至数百的增加).如果采用一定的覆盖增强策略,无须多部署节点,就可以使网络覆盖率达到p0+p,大量节省了传感器网络部署成本.
设Si(t)表示节点vi在传感向量为 时所覆盖的区域面积.运算操作Si(t)Sj(t)代表节点vi和节点vj所能覆盖到的区域总面积.这样,当网络中节点传感向量取值为 时,有向传感器网络覆盖率可表
示如下:
(4)
因此,有向传感器网络覆盖增强问题归纳如下:
问题:求解一组 ,使得对于初始的 ,有 取值
接近最大.
Fig.2 The relation among p0, p and N
图2 p0,p和N三者之间的关系
2 基于虚拟势场的覆盖增强算法
2.1 传统虚拟势场方法
虚拟势场(virtual potential field)的概念最初应用于机器人的路径规划和障碍躲避.Howard等人[8]和Pori等人[9]先后将这一概念引入到传感器网络的覆盖增强问题中来.其基本思想是把网络中每个传感器节点看作一个虚拟的电荷,各节点受到其他节点的虚拟力作用,向目标区域中的其他区域扩散,最终达到平衡状态,即实现目标区域的充分覆盖状态.Zou等人[15]提出了一种虚拟力算法(virtual force algorithm,简称VFA),初始节点随机部署后自动完善网络覆盖性能,以均匀网络覆盖并保证网络覆盖范围最大化.在执行过程中,传感器节点并不移动,而是计算出随机部署的传感器节点虚拟移动轨迹.一旦传感器节点位置确定后,则对相应节点进行一次移动操作.Li等人[10]为解决传感器网络布局优化,在文献[15]的基础上提出了涉及目标的虚拟力算法(target involved virtual force algorithm,简称TIVFA),通过计算节点与目标、热点区域、障碍物和其他传感器之间的虚拟力,为各节点寻找受力平衡点,并将其作为该传感器节点的新位置.
上述利用虚拟势场方法优化传感器网络覆盖的研究成果都是基于全向感知模型展开的.假定传感器节点间存在两种虚拟力作用:一种是斥力,使传感器节点足够稀疏,避免节点过于密集而形成感知重叠区域;另一种是引力,使传感器节点保持一定的分布密度,避免节点过于分离而形成感知盲区[15].最终利用传感器节点的位置移动来实现传感器网络覆盖增强.
2.2 基于虚拟势场的有向传感器网络覆盖增强算法
在实际应用中,考虑到传感器网络部署成本,所有部署的传感器节点都具有移动能力是不现实的.另外,传感器节点位置的移动极易引起部分传感器节点的失效,进而造成整个传感器网络拓扑发生变化.这些无疑都会增加网络维护成本.因而,本文的研究工作基于传感器节点位置不变、传感方向可调的假设.上述假设使得直接利用虚拟势场方法解决有向传感器网络覆盖增强问题遇到了麻烦.在传统的虚拟势场方法中,传感器节点在势场力的作用下进行平动(如图3(a)所示),而基于本文的假设,传感器节点表现为其扇形感知区域在势场力的作用下以传感器节点为轴心进行旋转(如图3(b)所示).
为了简化扇形感知区域的转动模型,我们引入“质心(centroid)”的概念.质心是质点系中一个特定的点,它与物体的平衡、运动以及内力分布密切相关.传感器节点的位置不变,其传感方向的不断调整可近似地看作是扇形感知区域的质心点绕传感器节点作圆周运动.如图3(b)所示,一个均匀扇形感知区域的质心点位于其对称轴上且与圆心距离为2Rsin/3.每个传感器节点有且仅有一个质心点与其对应.我们用c表示传感器节点v所对应的质心点.本文将有向传感器网络覆盖增强问题转化为利用传统虚拟势场方法可解的质心点均匀分布问题,如图4所示.
Fig.3 Moving models of sensor node
图3 传感器节点的运动模型
Fig.4 The issue description of coverage enhancement in directional sensor networks
图4 有向传感器网络覆盖增强问题描述
2.2.1 受力分析
利用虚拟势场方法增强有向传感器网络覆盖,可以近似等价于质心点-质心点(c-c)之间虚拟力作用问题.我们假设质心点-质心点之间存在斥力,在斥力作用下,相邻质心点逐步扩散开来,在降低冗余覆盖的同时,逐渐实现整个监测区域的充分高效覆盖,最终增强有向传感器网络的覆盖性能.在虚拟势场作用下,质心点受来自相邻一个或多个质心点的斥力作用.下面给出质心点受力的计算方法.
如图5所示,dij表示传感器节点vi与vj之间的欧氏距离.只有当dij小于传感器节点传感半径(R)的2倍时,它们的感知区域才存在重叠的可能,故它们之间才存在产生斥力的作用,该斥力作用于传感器节点相应的质心点ci和cj上.
定义2. 有向传感器网络中,欧氏距离不大于节点传感半径(R)2倍的一对节点互为邻居节点.节点vi的邻居节点集合记作i.即i={vj|Dis(vi,vj)2R,ij}.
我们定义质心点vj对质心点vi的斥力模型 ,见公式(5).
(5)
其中,Dij表示质心点ci和cj之间的欧氏距离;kR表示斥力系数(常数,本文取kR=1);ij为单位向量,指示斥力方向(由质心点cj指向ci).公式(5)表明,只有当传感器节点vi和vj互为邻居节点时(即有可能形成冗余覆盖时),其相应的质心点ci和cj之间才存在斥力作用.质心点所受斥力大小与ci和cj之间的欧氏距离成反比,而质心点所受斥力方向由ci和cj之间的相互位置关系所决定.
质心点ci所受合力是其受到相邻k个质心点排斥力的矢量和.公式(6)描述质心点ci所受合力模型 .
(6)
通过如图6所示的实例,我们分析质心点的受力情况.图中包括4个传感器节点:v1,v2,v3和v4,其相应的质心
点分别为c1,c2,c3和c4.以质心点c1为例,由于d122R,故 ,质心点c1仅受到来自质心点c3和c4的斥力,其所受合力 .传感器节点传感方向旋转导致质心点的运动轨迹并不是任意的,而是固定绕传感器节点作圆周运动.因此,质心点的运动仅仅受合力沿圆周切线方向分量 的影响.
Fig.6 The force on centroid
图6 质心点受力
2.2.2 控制规则(control law)
本文基于一个虚拟物理世界研究质心点运动问题,其中作用力、质心点等都是虚拟的.该虚拟物理世界的构建是建立在求解问题特征的基础上的.在此,我们定义控制规则,即规定质心点受力与运动之间的关系,以达到质心点的均匀分布.
质心点在 作用下运动,受到运动学和动力学的双重约束,具体表现如下:
(1) 运动学约束
在传统传感器网络中利用虚拟势场方法移动传感器节点的情况下,由于传感器节点向任意方向运动的概率是等同的,我们大都忽略其所受的运动学约束[8].而在转动模型中,质心点的运动不是任意方向的,受合力沿圆
周切线方向分量 的影响,只能绕其传感器节点作圆周运动.
质心点在运动过程中受到的虚拟力是变化的,但对传感器网络系统来说,传感器节点之间每时每刻都交换邻居节点位置及传感方向信息是不现实的.因此,我们设定邻居节点间每隔时间步长t交换一次位置及传感方向信息,根据交换信息计算当前时间步长质心点所受合力,得出转动方向及弧长.同时,问题求解的目的在于将节点的传感方向调整至一个合适的位置.在此,我们不考虑速度和加速度与转动弧长之间的关系.
(2) 动力学约束
动力学约束研究受力与运动之间的关系.本运动模型中的动力学约束主要包含两方面内容:
• 每个时间步长t内,质心点所受合力与转动方向及弧长之间的关系;
• 质心点运动的静止条件.
在传统传感器网络中利用虚拟势场方法移动传感器节点的情况下,在每个时间步长内,传感器节点的运动速度受限于最大运动速度vmax,而不是随传感器节点受力无止境地增加.通过此举保证微调方法的快速收敛.在本转动模型中,我们同样假设质心点每次固定以较小的转动角度进行转动,通过多次微调方法逐步趋向最优解,即在每个时间步长t内,质心点转动的方向沿所受合力在圆周切线方向分量,转动大小不是任意的,而是具有固定转动角度.采用上述方法的原因有两个:
• 运动过程中,质心点受力不断变化,且变化规律很难用简单的函数进行表示,加之上述运动学约束和问题特征等因素影响,我们很难得出一个简明而合理的质心点所受合力与转动弧长之间的关系.
• 运动过程中,质心点按固定角度进行转动,有利于简化计算过程,减少节点的计算负担.同时,我们通过分析仿真实验数据发现,该方法具有较为理想的收敛性(具体讨论参见第3.2节).
固定转动角度取值不同对PFCEA算法性能具有较大的影响,这在第3.3节中将加以详细的分析和说明.
当质心点所受合力沿圆周切线方向分量为0时,其到达理想位置转动停止.如图7所示,我们假定质心点在圆周上O点处合力切向分量为0.由于质心点按固定转动角度进行转动,因此,它
未必会刚好转动到O点处.当质心点处于图7中弧 或 时,会
因合力切向分量不为0而导致质心点围绕O点附近往复振动.因此,为避免出现振动现象,加速质心点达到稳定状态,我们需要进一步限定质心点运动的停止条件.
当质心点围绕O点附近往复振动时,其受合力的切向分量很
小.因此,我们设定受力门限,当 (本文取=10e6),即可认
定质心点已达到稳定状态,无须再运动.经过数个时间步长t后,当网络中所有质心点达到稳定状态时,整个传感器网络即达到稳定状态,此时对应的一组 ,该
组解通常为本文覆盖增强的较优解.
2.3 算法描述
基于上述分析,本文提出了基于虚拟势场的网络覆盖增强算法(PFCEA),该算法是一个分布式算法,在每个传感器节点上并发执行.PFCEA算法描述如下:
输入:节点vi及其邻居节点的位置和传感方向信息.
输出:节点vi最终的传感方向信息 .
1. t0; //初始化时间步长计数器
2. 计算节点vi相应质心点ci初始位置 ;
3. 计算节点vi邻居节点集合i,M表示邻居节点集合中元素数目;
4. While (1)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 计算质心点cj对ci的当前斥力 ,其中,vji;
4.3.2 ;
4.4 计算质心点ci当前所受合力 沿圆周切线分量 ;
4.5 确定质心点ci运动方向;
4.6 If ( ) Then
4.6.1 质心点ci沿 方向转动固定角度;
4.6.2 调整质心点ci至新位置 ;
4.6.3 计算节点vj指向当前质心点ci向量并单位化,得到节点vi最终的传感方向信息 ;
4.7 Sleep (t);
5. End.
3 算法仿真与性能分析
我们利用VC6.0自行开发了适用于传感器网络部署及覆盖研究的仿真软件Senetest2.0,并利用该软件进行了大量仿真实验,以验证PFCEA算法的有效性.实验中参数的取值见表1.为简化实验,假设目标区域中所有传感器节点同构,即所有节点的传感半径及传感夹角规格分别相同.
Table 1 Experimental parameters
表1 实验参数
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 实例研究
在本节中,我们通过一个具体实例说明PFCEA算法对有向传感器网络覆盖增强.在500500m2的目标区域内,我们部署传感半径R=60m、传感夹角=45º的传感器节点完成场景监测.若达到预期的网络覆盖率p=70%, 通过公式(1),我们可预先估算出所需部署的传感器节点数目,
.
针对上述实例,我们记录了PFCEA算法运行不同时间步长时有向传感器网络覆盖增强情况,如图8所示.
(a) Initial coverage, p0=65.74%
(a) 初始覆盖,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10个时间步长,p10=76.03%
(c) The 20th time step, p20=80.20%
(c) 第20个时间步长,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30个时间步长,p30=81.45%
Fig.8 Coverage enhancement using PFCEA algorithm
图8 PFCEA算法实现覆盖增强
直观看来,质心点在虚拟斥力作用下进行扩散运动,逐步消除网络中感知重叠区和盲区,最终实现有向传感器网络覆盖增强.此例中,网络传感器节点分别经过30个时间步长的调整,网络覆盖率由最初的65.74%提高到81.45%,网络覆盖增强达15.71个百分点.
图9显示了逐个时间步长调整所带来的网络覆盖增强.我们发现,随着时间步长的增加,网络覆盖率也不断增加,且近似满足指数关系.当时间步长达到30次以后,网络中绝大多数节点的传感方向出现振动现象,直观表现为网络覆盖率在81.20%附近在允许的范围振荡.此时,我们认定有向传感器网络覆盖性能近似增强至最优.
网络覆盖性能可以显着地降低网络部署成本.实例通过节点传感方向的自调整,在仅仅部署105个传感器节点的情况下,最终获得81.45%的网络覆盖率.若预期的网络覆盖率为81.45%,通过公式(1)的计算可知,我们至少需要部署148个传感器节点.由此可见,利用PFCEA算法实现网络覆盖增强的直接效果是可以节省近43个传感器节点,极大地降低了网络部署成本.
3.2 收敛性分析
为了讨论本文算法的收敛性,我们针对4种不同的网络节点规模进行多组实验.我们针对各网络节点规模随机生成10个拓扑结构,分别计算算法收敛次数,并取平均值,实验数据见表2.其他实验参数为R=60m,=45º, =5º.
Table 2 Experimental data for convergence analysis
表2 实验数据收敛性分析
(%)
(%)
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
分析上述实验数据,我们可以得出,PFCEA算法的收敛性即调整的次数,并不随传感器网络节点规模的变化而发生显着的改变,其取值一般维持在[20,30]范围内.由此可见,本文PFCEA算法具有较好的收敛性,可以在较短的时间步长内完成有向传感器网络的覆盖增强过程.
3.3 仿真分析
在本节中,我们通过一系列仿真实验来说明4个主要参数对本文PFCEA算法性能的影响.它们分别是:节点规模N、传感半径R、传感夹角和(质心点)转动角度.针对前3个参数,我们与以往研究的一种集中式覆盖增强算法[14]进行性能分析和比较.
A. 节点规模N、传感半径R以及传感角度
我们分别取不同节点规模进行仿真实验.从图10(a)变化曲线可以看出,当R和一定时,N取值较小导致网络初始覆盖率较小.此时,随着N的增大,p取值呈现持续上升趋势.当N=200时,网络覆盖率增强可达14.40个百分点.此后,p取值有所下降.这是由于当节点规模N增加导致网络初始覆盖率较高时(如60%),相邻多传感器节点间形成覆盖盲区的概率大为降低,无疑削弱了PFCEA算法的性能.另外,部分传感器节点落入边界区域,也会间接起到削弱PFCEA算法性能的作用.
另外,传感半径、传感角度对PFCEA算法性能的影响与此类似.当节点规模一定时,节点传感半径或传感角度取值越小,单个节点的覆盖区域越小,各相邻节点间形成感知重叠区域的可能性也就越小.此时,PFCEA算法对网络覆盖性能改善并不显着.随着传感半径或传感角度的增加,p不断增加.当R=70m且=45º时,网络覆盖率最高可提升15.91%.但随着传感半径或传感角度取值的不断增加,PFCEA算法带来的网络覆盖效果降低,如图10(b)、图10(c)所示.
(c) The effect of sensing offset angle , other parameters meet N=100, R=40m, =5º
(c) 传感角度的影响,其他实验参数满足:N=100,R=40m,=5º