An Improved Virtual Force Relocation Coverage Enhancement Algorithm
-
摘要: 在移动无线传感网络(MWSN)的部署问题中最关键的是如何提供最大的区域覆盖范围。针对现有的覆盖控制算法存在覆盖率不理想、部署效率低、能耗过高的问题，该文提出了一种高效部署策略。第1阶段利用Voronoi图获得整个网络的覆盖孔，检测Voronoi多边形内的未覆盖区域，并提供虚拟力驱动传感器移动，同时采用动态调整策略改变移动步长，从而减少能量损耗；第2阶段提出一种检测机制，利用Delaunay三角网检测传感器之间的局部覆盖孔并进行修复。仿真结果表明，该算法在提高网络覆盖率的同时加快了收敛速度，为部署移动无线传感网络提供了新的解决思路。
-
关键词:
- 移动无线传感网 /
- 网络覆盖 /
- 虚拟力 /
- voronoi图 /
- delaunay三角
Abstract: The most critical issue in the deployment of Mobile Wireless Sensor Networks (MWSN) is how to provide maximum regional coverage.To solve the problem that the existing coverage control algorithm has unsatisfactory coverage, low deployment efficiency and high energy consumption, an efficient deployment strategy is proposed.The first stage uses the Voronoi diagram to obtain the coverage hole of the entire network, and detects the uncovered area in the Voronoi polygon, and provides virtual force to drive the sensor movement, and uses the dynamic adjustment strategy to change the moving step size, thereby reducing energy loss;The second stage proposes a detection mechanism that uses a Delaunay triangulation to detect local coverage holes between sensors and repair them.The simulation results show that the algorithm accelerates the convergence speed while improving the network coverage, and provides a new solution for deploying mobile wireless sensor networks. -
1. 引言
随着移动通信业务需求的迅速增长，对信息传输的频谱效率和能量聚集度提出了更高的要求，如何实现更加灵活、高效的通信已成为现阶段通信研究的热点问题[1-3]。近年来，围绕如何提高频谱效率和能量聚集度，一系列解决方案相继被提出。一方面，从提升信号能量聚集度的角度出发，一系列高灵活性、高能量聚集性的调制方法被提出，统一滤波多载波(Universal Filtered Multi-Carrier, UFMC)[4]、广义频分复用(Generalized Frequency Division Multiplexing, GFDM)[5]、基于椭圆球面波函数的多载波调制(Multi-Carrier Modulation based on Prolate Spheroidal Wave Functions, MCM-PSWFs)[6,7]等。其中，相比于UFMC,GFDM,MCM-PSWFs将具有完备正交性、时域奇偶对称性和最佳时频能量聚集性等优良基础特性的椭圆球面波函数(Prolate Spheroidal Wave Functions, PSWFs)[7-9]作为基础信号，具有信号波形设计灵活、高能量聚集性以及高系统频带利用率(Spectral Efficiency, SE)[7]的优势，非常符合下一代通信系统对能量聚集度的需求，具有巨大的应用潜力，极具有应用前景[6,7]。另一方面，从拓展信息映射维度、提高系统频带利用率角度出发，Nyquist传输(Faster Than Nyquist, FTN)[10]、时域波形复用技术(OVerlapped Time Domain Multiplexing, OVTDM)[11]、多载波索引调制(Multi-Carrier Modulation with Index Modulation, MCM-IM)[12-14]等高系统频带利用率的信号波形相继被提出。其中，相比于FTN,OVTDM,MCM-IM作为空间索引调制的拓展[12]，具有同时利用信号索引和多进制调制符号来进行信息映射，大幅提升系统频带利用率的优势[14]。
为进一步提升MCM-PSWFs的系统频带利用率，鉴于MCM-PSWFs,MCM-IM的上述优势，文献[15]将IM引入MCM-PSWFs，提出了基于信号分组优化的PSWFs多载波调制方法(Multi-Carrier Modulation based on PSWFs with Signal Grouping Optimization, MCM-PSWFs-SGO)。本方法首先对PSWFs信号进行分组优化，再利用信号索引、脉冲幅度调制2个维度进行信息映射，具有高能量聚集度、高频谱效率的优势。尽管如此，由于部分未被激活的子载波没有用来传递信息，MCM-PSWFs-SGO仍有部分频谱资源可进一步被利用，这在一定程度上限制了其系统频带利用率的提升。在解决基于正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)的索引调制[15]存在的频谱资源未被充分利用的问题中，清华大学的Mao等人[16]提出了双模辅助的OFDM索引调制技术(Dual-Mode index modulation aided OFDM, DM-OFDM)，其主要思想是采用两个互不重叠的星座图进行比特信息映射的方式，使得全部子载波均被利用，有效解决了频谱资源未被充分利用的问题，实现了系统频带利用率的进一步提升。这为解决MCM-PSWFs-SGO的频谱资源得到进一步利用问题提供了很好的思路。
围绕如何提高MCM-PSWFs-SGO的系统频带利用率，本文将DM-IM[16]引入MCM-PSWFs-SGO，提出双模PSWFs多载波索引调制方法(Multi-Carrier index Modulation based on PSWFs with Dual-Mode, DM-MCM-PSWFs)，利用双星座图进行比特信息映射，有效增加了调制符号组合数，进一步提高了系统频带利用率。采用第2星座图对剩余子载波进行额外的信息加载，实现了频谱资源的进一步利用，同时提高了调制符号间的最小欧氏距离(Minimum Euclidean Distance, MED)。理论与仿真分析表明，相比于MCM-PSWFs-SGO，所提方法在具有相同功率谱与峰均功率比的前提下，以增加计算复杂度为代价，具有更优的系统频带利用率与误码性能。
2. DM-MCM-PSWFs调制解调与检测方法
MCM-PSWFs-SGO系统频带利用率提升受限的原因在于，采取单星座图对激活子载波进行信息加载，其余未被激活子载波则未被利用，频谱效率尚有提升空间。因此，如何利用未被激活的PSWFs信号传输额外的调制符号，是进一步提升MCM-PSWFs-SGO系统频带利用率的关键。
2.1 DM-MCM-PSWFs调制方法
图1(a)给出了DM-MCM-PSWFs发射端原理框图，图1(b)为接收端框图。该方法引入双星座图映射，通过2个星座图分别产生调制符号，对全部子载波进行信息加载，利用I/Q两个支路进行分别传输，且采用相同的信号索引结构[15]。
考虑到PSWFs信号分组数、每组信号路数、调制星座图进制数以及激活信号路数等参数直接决定系统整体性能，需要依据可用时频资源大小、系统整体性能需求，进行整体的设计和选择[15]。为便于分析，假设可用时宽为
T(s) 、带宽为B(Hz) ，信号分组数g 、每组信号路数为n 、每组激活的信号路数为k ，两种星座图的调制阶数相同，且均为M 。在发射端，首先进行PSWFs信号的分组、选择过程，该过程与文献[15]中处理过程相同。将输入2m(bit)待传信息比特平均分为g组，每组包含
p′=2m/g=pI+pQ(bit) 信息，其中pI=pQ=p,pI= pα,I,1+pα,I,2 ,pQ=pα,Q,1+pα,Q,2 ,α∈[1,g] ，pα,I/Q,1 为I/Q支路信号索引部分携带信息量，pα,I/Q,2 为两个星座图产生的调制符号携带的信息量，如图1(a)所示；而后，进行双星座图设计与比特信息映射，生成调制符号，并产生DM-MCM-PSWFs调制信号。(1)星座图设计与比特信息映射：与MCM-PSWFs-SGO不同，DM-MCM-PSWFs将原有的单一星座图调制方法变更为双星座图调制，由额外的星座图对原本未被利用的子载波进行信息加载，如图2所示。为保证接收端能够顺利解调和检测出信号索引比特所携带的信息，需对选取的两个星座图有所区分，因此，选择的两个星座图必须满足互不重叠的关系。
下面对所提方法具体调制流程进行说明。首先，依据每组PSWFs信号路数
n 、激活PSWFs信号路数k ，设计DM-MCM-PSWFs信号索引方案[15]。则I/Q支路信号索引与由两个星座图分别产生的调制符号携带的信息量为pα,I,1=pα,Q,1=⌊log2Ckn⌋(bit),pα,I,2=pα,Q,2=pα,I,A,2+pα,I,B,2=pα,Q,A,2+pα,Q,B,2=(n−k)log2M+klog2M(bit) (1) 其中，
pα,I/Q,A,2,pα,I/Q,B,2 分别表示由第1/2星座图所生成调制符号携带的信息量。从而，信号索引部分依据
pα,I,1,pα,Q,1(bit) ，从第α 子块对应的n 个PSWFs信号中选择k 个加载第2星座图产生的调制符号，同时由剩余的n–k个PSWFs信号加载第1星座图产生的调制符号。其中，PSWFs信号索引可以表示为II,α={iI,α,1,iI,α,2,⋯,iI,α,n}IQ,α={iQ,α,1,iQ,α,2,⋯,iQ,α,n}} (2) 其中，
II/Q,α,γ 表示第α 个子块，编号为γ∈[1,n] 的PSWFs信号由第1/2星座图进行调制符号映射。若II/Q,α,γ=0 ，则代表该位置的子载波传输由第1星座图产生的调制符号；若II/Q,α,γ=1 ，则代表该位置的子载波传输由第2星座图产生的调制符号。鉴于I/Q支路采用相同的信号索引结构，故以I支路为例，表1给出了n=4,k=2时DM-MCM-PSWFs的映射方案。表 1 n=4,k=2时DM-MCM-PSWFs的一种映射方案比特信号 信号索引 子载波映射 [0,0] {0,0,1,1} {sAI(1),sAI(2),sBI(1),sBI(2)} [0,1] {0,1,0,1} {sAI(1),sBI(1),sAI(2),sBI(2)} [1,0] {1,0,0,1} {sBI(1),sAI(1),sAI(2),sBI(2)} [1,1] {0,1,1,0} {sAI(1),sBI(1),sBI(2),sAI(2)} (2)调制信号产生：在调制信号产生部分，I/Q支路信息序列
pα,I,2 ,pα,Q,2 (bit)经双星座图调制产生的调制符号可表示为Sα,I={sAI(λ),sBI(β)},Sα,Q={sAQ(λ),sBQ(β)} (3) 其中，
λ=1,2,⋯,n−k 且β=1,2,⋯,k ，sAI(λ),sBI(β), sAQ(λ),sBQ(β) 分别由所选择的两个星座图定义。图3给出了双星座图的调制符号加载流程，其中，sα,I,A,sα,I,B,sα,Q,A,sα,Q,B 分别表示I/Q支路内两个星座图生成调制符号的集合。进而，子块调制符号产生第
α 个子块的调制符号Xα∈Cn×1 ，如图3所示，即Xα=[xI,α(1)+ixQ,α(1),⋯,xI,α(n)+ixQ,α(n)]T (4) 其中，
xI/Q,α(γ)∈S ,γ∈[1,n] 。最后，产生全部g 个子块、ng 支路PSWFs信号对应的调制符号X= [(X1)T,(X2)T,⋯,(Xg)T]T ；并采用基于奇偶对称性的调制信号产生方法[9]，生成DM-MCM-PSWFs调制信息，即s(t)=gn−1∑i=0x(i+1)φi(t) (5) 其中，
φi(t) 为第i 阶PSWFs信号。2.2 DM-MCM-PSWFs调制信号的解调与检测方法
图1(b)给出了调制信号的解调与检测的原理框图。与MCM-PSWFs-SGO不同，DM-MCM-PSWFs采取基于极大似然 (Maximum Likelihood, ML)[15]的信号索引检测方法，对所有可能的信号索引方案进行遍历，以最小化接收信号与样本信号之间的欧氏距离，恢复出信号索引方式，即
{ˆII/Q,α,ki,ˆsI/Q,α,ki,DI/Q,α,ki}=argminII/Q,α,ki,sI/Q,α,kin∑γ=1|Re{[y]υ,υ}−sI/Q,α(υ)|2 (6) 其中，
DI/Q,α,ki 为{ˆII/Q,α,ki,ˆsI/Q,α,ki} 的欧氏距离，y∈Cng×1 为接收端不同PSWFs信号对应的调制符号。进而，根据恢复出的信号索引方案，在对应的子载波映射位置上分别进行两个星座图的解调，最后恢复出接收端调制信号所携带的全部比特信息。值得注意的是，由于所提方法需要进行额外星座图的解调与检测处理，其调制信号解调与检测的计算复杂度将高于MCM-PSWFs-SGO，该部分问题将于第3节详细讨论。
3. 系统性能分析
本节从系统频带利用率、系统误码性能、信号索引检测复杂度、调制信号功率谱与峰均功率比(Peak-to-Average Power Ratio, PAPR)4个方面，对比分析了双模PSWFs多载波索引调制方法与基于信号分组优化的PSWFs多载波调制的性能差异。此外，鉴于索引调制方法具有最优参数选择的特点，为更加全面地分析所提方法系统性能，本节还对比分析了所提方法与基于PSWFs的正交多载波调制(Multi-Carrier Orthogonal Modulation based on PSWFs, MCOM-PSWFs)[6,7]间的性能差异。
3.1 系统频带利用率分析
假设采用的PSWFs信号时间带宽积为
c=B/F(Hz⋅s) ，根据PSWFs分组优化方法[15]，当传输码元周期个数为Q 时，不同调制方法的系统频带利用率可统一表示为η=QmeQT(B+F) (7) 其中，
T 为单个码元周期调制信号时宽，me 为单个码元周期调制符号携带信息量，对于不同的调制方法，me 分别为me,1=2g(⌊log2Ckn⌋+(n−k)log2M+klog2M)me,2=2g(⌊log2Ckn⌋+klog2M)me,3=(c−l)log2M} (8) 式中，
me,1 ,me,2 ,me,3 分别代表所提方法、MCM-PSWFs-SGO和MCOM-PSWFs单个码元周期调制符号携带信息量。(1)与基于PSWFs的正交多载波调制(MCOM-PSWFs)相比：结合式(7)和式(8)可知，所提方法的系统频带利用率由
c−l,M,n,k 共同决定，通过合理的参数选择，能够保证me,1>me,3 ，当MCOM-PSWFs采用8QAM,n=6,k=3 时，SE提升了8.4%，BER则提升了0.47 dB，如表2所示。表 2 不同多载波调制方法系统频带利用率调制方法 g n k SE(bit/s/Hz) Eb/N0(dB) ρ(%) DM-MCM-PSWFs 15 6 3 3.09 11.98 / MCM-PSWFs-SGO-2PAM 9 10 7 2.41 11.05 28.2 MCM-PSWFs-SGO-4PAM 23 4 1 1.90 13.46 62.6 23 4 2 2.85 14.95 8.4 MCOM-PSWFs-8QAM 1 92 92 2.85 12.45 8.4 (2)与基于信号分组优化的椭圆球面波多载波调制解调与检测方法(MCM-PSWFs-SGO)相比：MCM-PSWFs-SGO与所提方法的系统频带利用率均由
c−l,M,n,k 共同决定，当M 相同时，根据式(7)，所提方法的系统频带利用率将大于MCM-PSWFs-SGO。当MCM-PSWFs-SGO的调制阶数M 为所提方法的两倍时，二者的系统频带利用率关系将分为以下3种情况：第1种，当k<n/2 时，所提方法的系统频带利用率仍高于MCM-PSWFs-SGO；第2种，当k=n/2 时，二者拥有相同的系统频带利用率；第3种，当k>n/2 时，所提方法的系统频带利用率将低于MCM-PSWFs-SGO。值得一提的是，在后两种情况中，尽管所提方法的系统频带利用率并不高于MCM-PSWFs-SGO，但其在误码性能方面始终保持显著优势，这一性能将在下一小节详细阐述。表2给出了带宽为
B=1.44MHz ，频率间隔为F=15kHz ，BER=10−5 时不同参数条件下，3种调制方法的系统频带利用率对比。其中，l=4 ，ρ 表示相比于另外两种调制方法，所提方法对系统频带利用率的提升。3.2 系统误码性能分析
鉴于MED能够反映调制方法的误码性能，本节选用MED对不同调制方法的系统误码性能进行分析。图4给出了未进行信道编码情况下的不同调制方法系统误码性能。其中，DM-MCM-PSWFs采用如图3所示的星座图；并且，为保证MCOM-PSWFs与所提方法的系统频带利用率相同，MCOM-PSWFs采用QAM来产生调制符号，QAM的进制数为
(ξ+log2M)(ξ−1+log2M) 。其中，ξ 为ξ≥1 的正整数。当每比特信息对应的能量为Eb 时，不同调制方法的MED可表示为d21=244(log22M1)2−1⋅2⌊log2CknMn1⌋Ebnd22=124(log2M2)2−1⋅2⌊log2CknMk2⌋Ebkd23=12log2M3⋅Eb2(ξ+log2M)2+2(ξ−1+log2M)2−1} (9) 其中，
d21 ,d22 ,d23 分别为所提方法、MCM-PSWFs-SGO和MCOM-PSWFs的MED，M1 ,M2 ,M3 分别为所提方法、MCM-PSWFs-SGO和MCOM-PSWFs的调制阶数。(1)与基于PSWFs的正交多载波调制(MCOM-PSWFs)相比：由式(9)可知，所提方法与MCOM-PSWFs的MED比值为
d21d23=4⌊log2CknMn1⌋4(log22M1)2−1⋅[2(ξ+log2M)2+2(ξ−1+log2M)2−1]log2Mn3 (10) 为保证MCOM-PSWFs与所提方法的系统频带利用率相同，MCOM-PSWFs采取8QAM星座图，此时取
M3=8,M1=2 。由于4⌊log2Ckn⌋+4n>3n ，故式(10)结果大于1。这表明所提方法在信号的MED高于MCOM-PSWFs。值得注意的是，由于DM-MCM-PSWFs中信号索引部分的存在，其在小信噪比下易产生信号索引方案检测错误的现象，所以此时影响系统误码性能的主导因素是信号索引方案检测性能，在此情况下，即使后续调制符号解调未发生错误，但由于映射位置已经发生改变，所恢复的比特信息也可能产生错误；在大信噪比情况下，能够保证信号索引检测结果的准确性，此时影响系统误码性能的主导因素是调制符号的MED，因此，在系统频带利用率相同的情况下，所提方法误码性能在大信噪比下要优于MCOM-PSWFs。当所提方法与MCOM-PSWFs的系统频带利用率均为2.85 bit/s/Hz时，BER提升约为0.23 dB，如图4(a)所示。(2)与基于信号分组优化的椭圆球面波多载波调制(MCM-PSWFs-SGO)相比：由式(9)可知，所提方法与MCM-PSWFs-SGO的MED比值为
d21d22=4(log2M2)2−14(log22M1)2−1⋅2⌊log2CknMn1⌋⌊log2CknMk2⌋⋅kn (11) 同样，为保证MCM-PSWFs-SGO与所提方法的系统频带利用率相同，MCM-PSWFs-SGO选取4PAM为星座图，则式(11)可以化简为
d21d22=2k⌊log2Ckn⌋+2knn⌊log2Ckn⌋+2kn (12) 由式(12)可知，当
k=n/2 时，二者拥有相同的MED；当k>n/2 时，所提方法的系统MED将大于MCM-PSWFs-SGO。然而，由于MCM-PSWFs-SGO中置0点的存在，其信号索引检测性能要差于所提方法，这意味着，当所提方法与MCM-PSWFs-SGO系统频带利用率相同时，所提方法具有更优的误码性能。更进一步，当二者选取相同的PAM调制符号时，所提方法在频带利用率相同时的误码性能要始终优于MCM-PSWFs-SGO。在n=4,k=2 与n=8,k=4 时，二者具有相同系统频带利用率，所提方法的误码性能相比于MCM-PSWFs-SGO分别提升约2.71 dB, 2.55 dB，如图4(a)、图4(c)所示。此外，鉴于索引调制方法的系统性能与参数条件的选择密切相关，因此，在参数优选的情况下，所提方法能够实现系统频带利用率与误码性能的双重提升。如当
n=7,k=3 时，所提方法相对于MCM-PSWFs-SGO，SE提高了0.27 bit/s/Hz，BER提高了2.40 dB；相对于MCOM-PSWFs，SE提高了0.37 bit/s/Hz，BER提高了0.35 dB，如图4(b)所示。当n=9,k=4 时，所提方法相对于MCM-PSWFs-SGO，SE提高了0.20 bit/s/Hz，BER提高了2.26 dB；相对于MCOM-PSWFs，SE提高了0.24 bit/s/Hz，BER提高了0.22 dB，如图4(d)所示。3.3 系统信号索引检测复杂度分析
由于MCOM-PSWFs不存在索引部分，因此DM-MCM-PSWFs与MCM-PSWFs-SGO的算法复杂度均高于MCOM-PSWFs。现对比所提方法与MCM-PSWFs-SGO的信号索引检测复杂度。表3给出了带宽为
B=1.44MHz ，频率间隔为F=15kHz 时不同参数条件下，所提方法与MCM-PSWFs-SGO两种调制方法的信号索引检测乘法复杂度[15]，其中，l=4 。表 3 信号索引检测乘法运算量调制方式 运算量 n k 乘法次数(B=1.44 MHz) DM-MCM-PSWFs-ML O(ng2⌊Ckn⌋) 4 1/2/3 368 MCM-PSWFs-SGO-ML O(2kg2⌊Ckn⌋) 4 1 184 4 2 368 4 3 552 MCM-PSWFs-SGO-OS O(gnlog2n) 4 2 16 当激活子载波数
k<n/2 时，MCM-PSWFs-SGO的基于ML的信号索引检测的乘法复杂度要低于所提方法；当k=n/2 时，二者的乘法复杂度相等；k>n/2 时，MCM-PSWFs-SGO的基于ML的信号索引检测的乘法复杂度要高于所提方法，如表3所示。但在针对MCM-PSWFs-SGO的信号索引检测方法中，基于顺序统计量(Order Statistic, OS)[17]的检测方法作为一种ML的替代检测方法，在大幅度降低系统运算复杂度的情况下能够达到和ML相同的检测性能。因此，结合前两节关于3种调制方法频带利用率与误码性能的分析可知，所提方法是以较高的计算复杂度换取了系统频带利用率与误码性能的双重提升。3.4 调制信号功率谱与峰均功率比分析
图5给出了DM-MCM-PSWFs与MCM-PSWFs-SGO的调制信号功率谱和峰均功率比。其中，F=15 kHz, c=12Hz·s, l=3, n=8, k=4。仿真分析表明，DM-MCM-PSWFs具有与MCM-PSWFs-SGO相同的调制信号功率谱和峰均功率比，并且拥有同样高能量聚集度的优势。
4. 结束语
本文提出双模PSWFs多载波索引调制方法，采用两个互不重叠的星座图进行比特信息映射，使得全部子载波均得到利用，完成了对MCM-PSWFs-SGO中频谱资源的进一步利用，实现了系统频带利用率和大信噪比下的误码性能的双重提升。虽然仍存在较高的计算复杂度，但这是当前硬件条件和计算能力可以承受的。相比于基于信号分组优化的PSWFs多载波调制、基于PSWFs的正交多载波调制，本文具有更优的系统整体性能，有望为下一代通信系统提供更加灵活、高效的调制方法，实现更高频谱效率与能量聚集度的信息传输。
值得注意的是，本方法仍有进一步提升的空间，由于所提方法并未对MCM-PSWFs-SGO中的分组优化方法与信号索引方案进行改变，每个子块的PSWFs信号仍然被分成了功能不同的两个部分，这也限制了能够采用的信号索引方案的数量。因此，如何引入多星座图进行比特信息映射，进一步提升所提方法的频谱效率，将是下一步研究所关注的重点。此外，由于本方法在低信噪比下的误码性能仍有提升的空间，因此，如何对信号索引检测进行优化，进一步提升系统整体误码性能，也是下一步工作重点。
-
表 1 基于Voronoi图的虚拟力重定位算法
Randomly deploy N sensors in the monitoring area; Repeat Construct Voronoi polygons based on the position of the
sensors;For each i(1≤i≤N) For each j(1≤j≤vertex(i))// vertex: the number of
Voronoi polygon vertices;If dist(i,j)<Rs //case 1: Voronoi polygon vertices are
all covered;Calculate the force of the centroid on the sensor and
the position of the sensor;Else //case 2: Voronoi polygon vertices are not all
covered;Calculate Funcov and the position of the sensor at the
next moment;// Funcov:the force of the uncovered grid
point on the sensor;End for End for Sensor location update; End for Until termination criterion is met 
下载: 导出CSV
表 2 基于Delaunay三角的局部覆盖空洞修复算法
Construct a Delaunay triangulation based on the position of the
sensors;For each j(1≤j≤TRI(i))// TRI: the number of Delaunay
trianglesCalculate empty circle center coordinates and radius; If there is a gap between the sensors: Calculate the force of the centroid of the empty circle on
the sensor and the position of the sensor circle on the
sensor;If fitness(x(t))≥fitness(x(t−1)) Sensor location update; Break; Else Sensor position unchanged; End if End if End for
下载: 导出CSV
-
YUE Yinggao and HE Ping. A comprehensive survey on the reliability of mobile wireless sensor networks: Taxonomy, challenges, and future directions[J]. Information Fusion, 2018, 44: 188–204. doi: 10.1016/j.inffus.2018.03.005 ETANCELIN J M, FABBRI A, GUINAND F, et al. DACYCLEM: A decentralized algorithm for maximizing coverage and lifetime in a mobile wireless sensor network[J]. Ad Hoc Networks, 2019, 87: 174–187. doi: 10.1016/j.adhoc.2018.12.008 HACIOGLU G, KAND V F A, and SESLI E. Multi objective clustering for wireless sensor networks[J]. Expert Systems with Applications, 2016, 59: 86–100. doi: 10.1016/j.eswa.2016.04.016 ALIA O M and Al-AJOURI A. Maximizing wireless sensor network coverage with minimum cost using harmony search algorithm[J]. IEEE Sensors Journal, 2017, 17(3): 882–896. doi: 10.1109/jsen.2016.2633409 ABO-ZAHHAD M, SABOR N, SASAKI S, et al. A centralized immune-Voronoi deployment algorithm for coverage maximization and energy conservation in mobile wireless sensor networks[J]. Information Fusion, 2016, 30: 36–51. doi: 10.1016/j.inffus.2015.11.005 XU Ying, DING Ou, QU Rong, et al. Hybrid multi-objective evolutionary algorithms based on decomposition for wireless sensor network coverage optimization[J]. Applied Soft Computing, 2018, 68: 268–282. doi: 10.1016/j.asoc.2018.03.053 ROUT M and ROY R. Dynamic deployment of randomly deployed mobile sensor nodes in the presence of obstacles[J]. Ad Hoc Networks, 2016, 46: 12–22. doi: 10.1016/j.adhoc.2016.03.004 MAHBOUBI H and AGHDAM A G. Distributed deployment algorithms for coverage improvement in a network of wireless mobile sensors: Relocation by virtual force[J]. IEEE Transactions on Control of Network Systems, 2017, 4(4): 736–748. doi: 10.1109/TCNS.2016.2547579 HABIBI J, MAHBOUBI H, and AGHDAM A G. A gradient-based coverage optimization strategy for mobile sensor networks[J]. IEEE Transactions on Control of Network Systems, 2017, 4(3): 477–488. doi: 10.1109/TCNS.2016.2515370 LEE H J, KIM Y H, HAN Y H, et al. Centroid-Based movement assisted sensor deployment schemes in wireless sensor networks[C]. The 70th Vehicular Technology Conference Fall, Anchorage, USA, 2009. doi: 10.1109/VETECF.2009.5379087. FANG Wei, SONG Xinhong, WU Xiaojun, et al. Novel efficient deployment schemes for sensor coverage in mobile wireless sensor networks[J]. Information Fusion, 2018, 41: 25–36. doi: 10.1016/j.inffus.2017.08.001 BARTOLINI N, BONGIOVANNI G, PORTA T L, et al. Voronoi-based deployment of mobile sensors in the face of adversaries[C]. 2014 IEEE International Conference on Communications, Sydney, Australia, 2014: 532–537. doi: 10.1109/ICC.2014.6883373. QIU Chenxi and SHEN Haiying. A delaunay-based coordinate-free mechanism for full coverage in wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems, 2014, 25(4): 828–839. doi: 10.1109/TPDS.2013.134 LI Wei and ZHANG Wei. Coverage hole and boundary nodes detection in wireless sensor networks[J]. Journal of Network and Computer Applications, 2015, 48: 35–43. doi: 10.1016/j.jnca.2014.10.011 JOSHITHA K L and JAYASHRI S. A novel redundant hole identification and healing algorithm for a homogeneous distributed Wireless Sensor Network[J]. Wireless Personal Communications, 2019, 104(4): 1261–1282. doi: 10.1007/s11277-018-6079-5 SO-IN C, NGUYEN T G, and NGUYEN N G. An efficient coverage hole-healing algorithm for area-coverage improvements in mobile sensor networks[J]. Peer-to-Peer Networking and Applications, 2019, 12(3): 541–552. doi: 10.1007/s12083-018-0675-8 期刊类型引用(2)
1. 董鹏鹏，曹瑞，张光明，丁卓航. 载波频偏和相关信道对二维索引调制的影响. 信息技术与信息化. 2024(04): 138-141+145 . 
百度学术2. 王红星 ，张力凡 ，陆发平 ，康家方 ，刘传辉 ，张磊 . 基于优化多重索引的椭圆球面波函数多载波索引调制解调方法. 电子与信息学报. 2022(12): 4185-4193 . 
本站查看其他类型引用(0)
-
下载:
百度学术
计量
- 文章访问数: 2721
- HTML全文浏览量: 899
- PDF下载量: 65
- 被引次数: 2
下载:
