本發(fā)明涉及邊界檢測(cè)方法，具體涉及一種無(wú)線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法。

背景技術(shù)：

近年來(lái)，無(wú)線傳感器網(wǎng)絡(luò)越來(lái)越多的應(yīng)用于特定區(qū)域的環(huán)境檢測(cè)，除了通常的環(huán)境檢測(cè)，傳感器節(jié)點(diǎn)還通過(guò)感知溫度、濃度、壓力等環(huán)境參數(shù)來(lái)檢測(cè)環(huán)境事件的發(fā)生，比如油污擴(kuò)散、森林火災(zāi)、化學(xué)品泄漏等。在許多情況下，事件的發(fā)生可以看作是區(qū)域環(huán)境變量的改變。因此，與對(duì)整個(gè)目標(biāo)區(qū)域進(jìn)行檢測(cè)相比，對(duì)事件的邊界檢測(cè)會(huì)更有效率，更能減少無(wú)線傳感器網(wǎng)絡(luò)的能量消耗。

事件邊界檢測(cè)就是對(duì)事件邊界節(jié)點(diǎn)的檢測(cè)，即識(shí)別出位于事件擴(kuò)散邊緣附近的傳感器節(jié)點(diǎn)。傳統(tǒng)的基于統(tǒng)計(jì)模型的邊界檢測(cè)方法是一種簡(jiǎn)單高效的方法，每個(gè)節(jié)點(diǎn)收集其一跳范圍內(nèi)鄰居節(jié)點(diǎn)的狀態(tài)信息，然后根據(jù)不同狀態(tài)信息的比例，通過(guò)設(shè)定某個(gè)閾值來(lái)判定該節(jié)點(diǎn)是否為邊界節(jié)點(diǎn)。但現(xiàn)有的檢測(cè)方法其閾值參數(shù)是根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn)來(lái)設(shè)定，需要較高的節(jié)點(diǎn)密度才能達(dá)到較高的檢測(cè)準(zhǔn)確率，對(duì)于能量受限的無(wú)線傳感器網(wǎng)絡(luò)來(lái)說(shuō)需要更高的網(wǎng)絡(luò)部署成本和能量開(kāi)銷(xiāo)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，能夠根據(jù)用戶設(shè)定的參數(shù)，自動(dòng)計(jì)算出邊界節(jié)點(diǎn)判定閾值，提高網(wǎng)絡(luò)在低密度節(jié)點(diǎn)下的檢測(cè)準(zhǔn)確率，從而降低網(wǎng)絡(luò)部署成本和能量開(kāi)銷(xiāo)。

為了達(dá)到上述目的，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

一種無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，其特征是，包含以下步驟：

S1、根據(jù)每個(gè)感染節(jié)點(diǎn)的鄰域內(nèi)所有鄰居節(jié)點(diǎn)的感知信息和節(jié)點(diǎn)狀態(tài)，獲得感染節(jié)點(diǎn)是邊界節(jié)點(diǎn)的概率；

S2、感染節(jié)點(diǎn)向所有鄰居節(jié)點(diǎn)廣播其是邊界節(jié)點(diǎn)的概率，并接收其鄰居感染節(jié)點(diǎn)的邊界節(jié)點(diǎn)概率廣播值；感染節(jié)點(diǎn)對(duì)接收到的邊界節(jié)點(diǎn)概率進(jìn)行排序；

S3、根據(jù)給定邊界寬度和節(jié)點(diǎn)密度獲得感染節(jié)點(diǎn)鄰域內(nèi)邊界節(jié)點(diǎn)的數(shù)量，結(jié)合步驟S2得到的感染節(jié)點(diǎn)的邊界節(jié)點(diǎn)概率排序結(jié)果，判定該感染節(jié)點(diǎn)是否為邊界節(jié)點(diǎn)。

上述的無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，其中，所述的步驟S1具體包含：

S11、收集每個(gè)感染節(jié)點(diǎn)S_i的鄰居節(jié)點(diǎn)的感知信息和節(jié)點(diǎn)狀態(tài)；

S12、計(jì)算感染節(jié)點(diǎn)S_i是邊界節(jié)點(diǎn)的概率H_i：

H_i＝-(p log p+q log q)，式中，p表示感染節(jié)點(diǎn)占鄰居節(jié)點(diǎn)總數(shù)的比例，q表示正常節(jié)點(diǎn)，p＝1-q。

上述的無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，其中：

所述的感知信息包含環(huán)境參數(shù)和GPS位置信息；

所述的節(jié)點(diǎn)狀態(tài)指感染或正常狀態(tài)。

上述的無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，其中，所述的步驟S2具體包含：

S21、感染節(jié)點(diǎn)S_i向鄰域內(nèi)所有鄰居節(jié)點(diǎn)廣播其是邊界節(jié)點(diǎn)的概率H_i，并接收其鄰居節(jié)點(diǎn)的邊界節(jié)點(diǎn)概率廣播值；

S22、感染節(jié)點(diǎn)S_i對(duì)接收到的邊界節(jié)點(diǎn)概率H_i進(jìn)行排序，得到序列其中，i表示感染節(jié)點(diǎn)S_i的序號(hào)，k表示排序索引，取值為1≤k≤ρ_i，ρ_i表示感染節(jié)點(diǎn)S_i鄰域內(nèi)的實(shí)際鄰居節(jié)點(diǎn)的數(shù)量。

上述的無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，其中，所述的步驟S3具體包含：

S31、給定邊界寬度r和節(jié)點(diǎn)密度ρ，根據(jù)公式m≈2rRρ/πR²＝2rρ/πR計(jì)算得到感染節(jié)點(diǎn)S_i鄰域內(nèi)邊界節(jié)點(diǎn)的數(shù)量m，式中，R為節(jié)點(diǎn)的通信半徑；

S32、定義H_im為閾值H_th，H_im表示序列中第m個(gè)H值，當(dāng)H_i≥H_th時(shí)，感染節(jié)點(diǎn)S_i聲明自己為邊界節(jié)點(diǎn)。

上述的無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，其特征在于，所述的步驟S3之后還包含：

S4、定義為邊界節(jié)點(diǎn)的感染節(jié)點(diǎn)S_i廣播信息至匯聚節(jié)點(diǎn)。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：

1、采用分布式檢測(cè)方法，每個(gè)節(jié)點(diǎn)只從其鄰居節(jié)點(diǎn)收集信息，為一跳傳輸，每一階段節(jié)點(diǎn)的通信復(fù)雜度僅為常數(shù)級(jí)別，因此，本方法具有較小的網(wǎng)絡(luò)通信開(kāi)銷(xiāo)；

2、本方法基于信息熵設(shè)定閾值判定邊界節(jié)點(diǎn)，在低節(jié)點(diǎn)密度情形下，本發(fā)明提出的方法的擬合精度高于現(xiàn)有方法，在取得相同邊界檢測(cè)效果下，本發(fā)明的方法能減少部署節(jié)點(diǎn)的數(shù)量。

附圖說(shuō)明

圖1為本發(fā)明的實(shí)施例中的感知區(qū)域與事件區(qū)域分布圖；

圖2為本發(fā)明的實(shí)施例中的邊界檢測(cè)模型圖；

圖3為使用本發(fā)明方法獲得的節(jié)點(diǎn)擬合度的仿真曲線；

圖4為使用本發(fā)明方法獲得的節(jié)點(diǎn)誤檢率的仿真曲線。

具體實(shí)施方式

以下結(jié)合附圖，通過(guò)詳細(xì)說(shuō)明一個(gè)較佳的具體實(shí)施例，對(duì)本發(fā)明做進(jìn)一步闡述。

本發(fā)明提供一種無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，首先，建立邊界檢測(cè)的統(tǒng)計(jì)模型。然后，基于該邊界模型，設(shè)計(jì)基于信息熵的分布式邊界節(jié)點(diǎn)檢測(cè)方法。該方法設(shè)計(jì)的目的是讓每個(gè)節(jié)點(diǎn)通過(guò)鄰居節(jié)點(diǎn)的信息來(lái)判斷自己是否為邊界節(jié)點(diǎn)。不失一般性，我們假設(shè)事件邊界相對(duì)于每個(gè)節(jié)點(diǎn)來(lái)說(shuō)為一條直線。因?yàn)?，通常情況下，事件區(qū)域會(huì)遠(yuǎn)遠(yuǎn)大于單個(gè)節(jié)點(diǎn)的鄰域。節(jié)點(diǎn)的鄰域指的是某個(gè)節(jié)點(diǎn)所能通信覆蓋的范圍。

基于上述假設(shè)，如果節(jié)點(diǎn)恰好位于事件邊界上，那么其鄰域內(nèi)的鄰居節(jié)點(diǎn)在統(tǒng)計(jì)上應(yīng)該有一半感染節(jié)點(diǎn)和一半正常節(jié)點(diǎn)。相應(yīng)的，如果一個(gè)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)感染狀態(tài)和正常狀態(tài)的比例為1:1，那么該節(jié)點(diǎn)就以極大的概率被認(rèn)為是邊界節(jié)點(diǎn)。理想情況下，邊界節(jié)點(diǎn)剛好是位于事件邊界的節(jié)點(diǎn)，然后事件邊界就定義為邊界節(jié)點(diǎn)的集合。但是，由于無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)密度的限制，往往恰好位于事件邊界的節(jié)點(diǎn)數(shù)目非常少，不利于對(duì)事件區(qū)域進(jìn)行估計(jì)。

基于上述問(wèn)題，本發(fā)明設(shè)置邊界寬度，將事件真實(shí)邊界附近的節(jié)點(diǎn)納入邊界節(jié)點(diǎn)的集合。本實(shí)施例中，如圖1所示，r為邊界寬度，r即兩個(gè)圓形之間的距離，外圓為事件的真實(shí)邊界，當(dāng)感染節(jié)點(diǎn)S_i位于r內(nèi)時(shí)，S_i就是邊界節(jié)點(diǎn)。ρ為網(wǎng)絡(luò)節(jié)點(diǎn)密度，表示平均每個(gè)節(jié)點(diǎn)鄰域內(nèi)所期望的鄰居節(jié)點(diǎn)數(shù)量。ρ_i表示實(shí)際的節(jié)點(diǎn)S_i領(lǐng)域內(nèi)鄰居節(jié)點(diǎn)的數(shù)量。定義為感染節(jié)點(diǎn)S_i的鄰居節(jié)點(diǎn)的集合。給定邊界寬度r和網(wǎng)絡(luò)節(jié)點(diǎn)密度ρ，考慮節(jié)點(diǎn)的均勻分布，定義m為感染節(jié)點(diǎn)S_i鄰域內(nèi)邊界節(jié)點(diǎn)的數(shù)量，R為節(jié)點(diǎn)的通信半徑，鄰域指的是一個(gè)節(jié)點(diǎn)在通信半徑內(nèi)所覆蓋的區(qū)域。

用幾何概率估計(jì)m的取值：

m≈2rRρ/πR²＝2rρ/πR (1)

判定某個(gè)節(jié)點(diǎn)是否屬于這個(gè)邊界節(jié)點(diǎn)集合，需要一個(gè)合適的比例來(lái)衡量節(jié)點(diǎn)與事件邊界的接近程度。為了量化這個(gè)問(wèn)題，定義H(p)為節(jié)點(diǎn)是邊界節(jié)點(diǎn)的概率，熵的計(jì)算公式為：

其中，p_i為鄰居節(jié)點(diǎn)中i狀態(tài)的節(jié)點(diǎn)占鄰居節(jié)點(diǎn)總數(shù)的比例，i的取值為{0，1}。i＝0表示節(jié)點(diǎn)狀態(tài)正常，i＝1表示節(jié)點(diǎn)狀態(tài)為感染。

p_i＝k_i/(ρ_i-1) (3)

其中，k_i是鄰居節(jié)點(diǎn)中i狀態(tài)的節(jié)點(diǎn)數(shù)量，ρ_i是鄰居節(jié)點(diǎn)的總數(shù)。在邊界檢測(cè)模型的假設(shè)下，p_i共有兩種情況，我們稱為p和q＝1-p。這里，p表示感染節(jié)點(diǎn)占鄰居節(jié)點(diǎn)總數(shù)的比例，q則是正常節(jié)點(diǎn)占鄰居節(jié)點(diǎn)總數(shù)的比例。因此，可以簡(jiǎn)化為：

H＝-(p log p+q log q) (4)

根據(jù)以上模型及相關(guān)參數(shù)的介紹，下面說(shuō)明本方法的具體步驟：

S1：每個(gè)處于感染狀態(tài)節(jié)點(diǎn)稱為感染節(jié)點(diǎn)S_i，收集其鄰居節(jié)點(diǎn)的感知信息和節(jié)點(diǎn)狀態(tài)，然后計(jì)算H_i，本實(shí)施例中，感知信息包括環(huán)境參數(shù)例如溫度、GPS位置信息，節(jié)點(diǎn)狀態(tài)指的是受感染或正常狀態(tài)：

H_i＝-(p log p+q log q) (5)

其中，

p＝1-q (7)

S2：感染節(jié)點(diǎn)S_i廣播在步驟S1中計(jì)算的H_i值，并接收其鄰居節(jié)點(diǎn)的廣播值。然后，感染節(jié)點(diǎn)S_i根據(jù)接收的鄰居節(jié)點(diǎn)H進(jìn)行排序，得到序列其中，i表示節(jié)點(diǎn)S_i的序號(hào)，k表示排序索引，取值為1≤k≤ρ_i。例如，表示節(jié)點(diǎn)S_i在其鄰域內(nèi)具有最大的H值。

S3：對(duì)于給定r和ρ，根據(jù)上文提到的計(jì)算式m≈2rRρ/πR²＝2rρ/πR計(jì)算m值。定義H_im為閾值H_th。當(dāng)H_i≥H_th時(shí)，感染節(jié)點(diǎn)S_i聲明自己為邊界節(jié)點(diǎn)，并廣播信息至匯聚節(jié)點(diǎn)；此處H_im為步驟S2排序后中得到的是第m個(gè)H值，將這個(gè)值定義為H_th，即熵閾值。

下面將結(jié)合一個(gè)較佳的實(shí)施例，進(jìn)一步說(shuō)明本發(fā)明：

本發(fā)明適用于無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行環(huán)境監(jiān)測(cè)，比如森林火災(zāi)監(jiān)控、場(chǎng)地溫度監(jiān)控、海上無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行海面溢油檢測(cè)等。

本實(shí)施例中本發(fā)明方法的實(shí)現(xiàn)通過(guò)如下系統(tǒng)完成：部署相同硬件配置的傳感器節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)狀態(tài)良好，并且同步。每個(gè)傳感器節(jié)點(diǎn)都配有能夠準(zhǔn)確定位的GPS模塊。一個(gè)優(yōu)選的網(wǎng)絡(luò)拓?fù)浞桨甘亲銐驍?shù)量的傳感器隨機(jī)分布在二維的感知區(qū)域內(nèi)，自組織形成一個(gè)無(wú)線傳感器網(wǎng)絡(luò)，節(jié)點(diǎn)周期性的采集環(huán)境數(shù)據(jù)并通過(guò)多跳的方式傳遞給匯聚節(jié)點(diǎn)。

適用于海上無(wú)線傳感器網(wǎng)絡(luò)時(shí)，該網(wǎng)絡(luò)系統(tǒng)由傳感器節(jié)點(diǎn)、匯聚節(jié)點(diǎn)、網(wǎng)關(guān)節(jié)點(diǎn)、Inmarsat船站衛(wèi)星接入設(shè)備、Internet網(wǎng)絡(luò)接入設(shè)備以及系統(tǒng)服務(wù)器組成。將傳感器節(jié)點(diǎn)通過(guò)直升機(jī)隨機(jī)拋灑的方式覆蓋在監(jiān)測(cè)區(qū)域，節(jié)點(diǎn)遇海水后自動(dòng)打開(kāi)，其他節(jié)點(diǎn)被相繼喚醒后，通過(guò)ZigBee協(xié)議自組織成一個(gè)無(wú)線傳感器網(wǎng)絡(luò)。傳感器節(jié)點(diǎn)周期性地采集數(shù)據(jù)并與周?chē)墓?jié)點(diǎn)進(jìn)行數(shù)據(jù)交換，將數(shù)據(jù)及時(shí)地通過(guò)自適應(yīng)的路由，多跳中繼后將重要數(shù)據(jù)傳輸給網(wǎng)關(guān)節(jié)點(diǎn)；網(wǎng)關(guān)節(jié)點(diǎn)將所匯聚的重要信息通過(guò)串口發(fā)送至上位機(jī)及通過(guò)船站Inmarsat衛(wèi)星接入互聯(lián)網(wǎng)，并通過(guò)互聯(lián)網(wǎng)連入系統(tǒng)服務(wù)器。

具體的，節(jié)點(diǎn)通常分為傳感器節(jié)點(diǎn)和匯聚節(jié)點(diǎn)，網(wǎng)關(guān)節(jié)點(diǎn)三種,傳感器節(jié)點(diǎn)通常負(fù)責(zé)動(dòng)態(tài)信息包括地理位置信息、環(huán)境物理量的感知、采集，靜態(tài)信息如傳感器節(jié)點(diǎn)編號(hào)等數(shù)據(jù)進(jìn)行處理。匯聚節(jié)點(diǎn)一般要比普通傳感器節(jié)點(diǎn)在數(shù)據(jù)處理、通信能力等方面要強(qiáng)許多。匯聚節(jié)點(diǎn)可以沒(méi)有傳感器模塊,只有無(wú)線通信模塊,也可以是由一個(gè)具有增強(qiáng)功能的傳感器節(jié)點(diǎn)，配置在救生艇或浮標(biāo)等承載能力略強(qiáng)的設(shè)備上，從而可以具有較強(qiáng)的計(jì)算與通信能力，它將把所匯聚的信息及其自身感知的信息發(fā)送給網(wǎng)關(guān)節(jié)點(diǎn)；網(wǎng)關(guān)節(jié)點(diǎn)可配置于船舶上，具有最強(qiáng)的計(jì)算與通信能力，也可通過(guò)無(wú)線或衛(wèi)星等方式接入互聯(lián)網(wǎng)，以在更大范圍內(nèi)共享搜救信息。

本發(fā)明提供一種適用于上述傳感器網(wǎng)絡(luò)的一種無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法，具體檢測(cè)的是處于環(huán)境事件邊界的傳感器節(jié)點(diǎn)。當(dāng)有環(huán)境事件在感知區(qū)域發(fā)生時(shí)，周?chē)h(huán)境變量會(huì)發(fā)生變化，可以看作是該事件源向周?chē)l(fā)送了一定強(qiáng)度的信號(hào)。通常情況下，距離事件源越遠(yuǎn)的地方，環(huán)境參數(shù)變化量小，也就是說(shuō)接收到事件源信號(hào)的強(qiáng)度就越弱。首先設(shè)定事件閾值，比如溫度設(shè)置為50攝氏度，超過(guò)此溫度代表異常事件的發(fā)生。因此，定義事件區(qū)域?yàn)槠洵h(huán)境參數(shù)大于設(shè)定閾值的區(qū)域，事件區(qū)域通常具有擴(kuò)散的特點(diǎn)，環(huán)境參數(shù)等于閾值的定義為事件邊界。如果一個(gè)傳感器節(jié)點(diǎn)距離事件邊界很近，那么稱該節(jié)點(diǎn)為邊界節(jié)點(diǎn)。利用無(wú)線傳感器網(wǎng)絡(luò)對(duì)事件進(jìn)行邊界檢測(cè)，就是對(duì)邊界節(jié)點(diǎn)的檢測(cè)。

下面做一些更為詳細(xì)的定義和符號(hào)說(shuō)明：

定義1：∑表示感知區(qū)域，這里定義的感知區(qū)域∑，不僅指的是被無(wú)線傳感器網(wǎng)絡(luò)覆蓋的地理上的區(qū)域，也指示在感知區(qū)域內(nèi)傳感器節(jié)點(diǎn)的集合。另外，提到的其他表示區(qū)域的概念有具有類似性質(zhì)。ω表示事件區(qū)域，具有∑相同的性質(zhì)，是感知區(qū)域∑的子區(qū)域，相應(yīng)的是非事件區(qū)域。因此，有如果某個(gè)節(jié)點(diǎn)S_i∈ω，表示該節(jié)點(diǎn)是一個(gè)感染節(jié)點(diǎn)。相反的，如果某個(gè)節(jié)點(diǎn)則表示該節(jié)點(diǎn)是正常節(jié)點(diǎn)。

定義2：感染節(jié)點(diǎn)S_i的位置信息表示為S_i(xi,yi)，理想情況下，邊界節(jié)點(diǎn)剛好是位于事件邊界的節(jié)點(diǎn)，然后事件邊界就定義為邊界節(jié)點(diǎn)的集合，用表示。但是，由于無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)密度的限制，往往恰好位于事件邊界的節(jié)點(diǎn)數(shù)目非常少，不利于對(duì)事件區(qū)域進(jìn)行估計(jì)。

定義3：考慮到定義2中提到的問(wèn)題，我們引入了邊界寬度r的概念。邊界寬度r∈[0,R]，這里R表示節(jié)點(diǎn)的通信半徑。在本發(fā)明中，我們定義邊界節(jié)點(diǎn)集合其中||S_i,B||表示節(jié)點(diǎn)S_i到事件邊界的距離。

不考慮節(jié)點(diǎn)的故障情況，當(dāng)節(jié)點(diǎn)感知的環(huán)境數(shù)據(jù)大于設(shè)定的閾值Th時(shí)，該節(jié)點(diǎn)稱為感染節(jié)點(diǎn)，否則稱為正常節(jié)點(diǎn)。感知區(qū)域及事件區(qū)域如圖1所示。邊界節(jié)點(diǎn)檢測(cè)的過(guò)程如下：

第一階段，傳感器感知環(huán)境數(shù)據(jù)，比對(duì)閾值Th，找出每個(gè)處于感染狀態(tài)的感染節(jié)點(diǎn)S_i，收集其鄰居節(jié)點(diǎn)的感知信息和節(jié)點(diǎn)狀態(tài)，然后計(jì)算H_i：

在第二階段，感染節(jié)點(diǎn)S_i廣播在第一階段計(jì)算的H_i值，并接收其鄰居節(jié)點(diǎn)的廣播值。然后，感染節(jié)點(diǎn)S_i根據(jù)接收的鄰居節(jié)點(diǎn)H進(jìn)行排序，得到序列其中，i表示節(jié)點(diǎn)S_i的序號(hào)，k表示排序索引，取值為1≤k≤ρ_i。

第三階段，對(duì)于給定r和ρ，根據(jù)公式m≈2rRρ/πR²＝2rρ/πR計(jì)算m值。定義H_im為閾值H_th。當(dāng)H_i≥H_th時(shí)，感染節(jié)點(diǎn)S_i聲明自己為邊界節(jié)點(diǎn)，并廣播信息至匯聚節(jié)點(diǎn)。

第四階段，設(shè)置系統(tǒng)刷新時(shí)間，清空節(jié)點(diǎn)狀態(tài)，重復(fù)第一至第三步驟。

詳細(xì)流程偽代碼如下表所示，可以容易地以任何一種編程語(yǔ)言實(shí)現(xiàn)：

下面通過(guò)對(duì)本發(fā)明所建立的模型和發(fā)明的邊界檢測(cè)方法進(jìn)行仿真分析，進(jìn)一步介紹本發(fā)明的實(shí)施方式在應(yīng)用中的優(yōu)勢(shì)。該分析可采用仿真平臺(tái)進(jìn)行。

仿真參數(shù)設(shè)置如下：傳感器節(jié)點(diǎn)均分分布在200m*200m的區(qū)域內(nèi)，節(jié)點(diǎn)通信半徑R設(shè)為10m。假設(shè)事件區(qū)域是以事件源為中心以50m為半徑的圓形區(qū)域內(nèi)，其中，事件源的坐標(biāo)為(100m,100m)，設(shè)置邊界寬度r＝R/2。本實(shí)驗(yàn)取100次獨(dú)立實(shí)驗(yàn)結(jié)果。仿真結(jié)果和LFEBD算法作比較，LFEBD算法也是基于鄰居節(jié)點(diǎn)信息的邊界節(jié)點(diǎn)檢測(cè)方法，同樣假設(shè)能夠精確獲取節(jié)點(diǎn)的位置信息。本次仿真從以下兩個(gè)方面進(jìn)行對(duì)比：

(1)擬合度DF(degree of fitting)作為檢測(cè)準(zhǔn)確度的性能評(píng)價(jià)指標(biāo)，定義如下：

其中，A(<r)表示位于邊界寬度r內(nèi)的節(jié)點(diǎn)集合，也就是真正的邊界節(jié)點(diǎn)的集合。A(d)則表示LEBD算法檢測(cè)出的邊界節(jié)點(diǎn)的集合。

(2)誤檢率FAR(False alarm rate)用來(lái)衡量檢測(cè)方法的可靠程度，定義如下：

其中，A(>r)用來(lái)表示距離事件邊界超過(guò)邊界寬度r的節(jié)點(diǎn)集合。性能較好邊界檢測(cè)方法擁有較高的擬合度和較低的誤檢率。

圖3展示了本發(fā)明提出的方法與LFEBD方法在擬合度DF性能評(píng)價(jià)指標(biāo)的比較。仿真結(jié)果表明，與LFEBD相比，本研究提出的方法在網(wǎng)絡(luò)節(jié)點(diǎn)密度為20到40之間有較高的擬合度。另外，隨著網(wǎng)絡(luò)節(jié)點(diǎn)密度的增加，兩種方法的擬合精度提高，并在節(jié)點(diǎn)密度大于40時(shí)趨于平穩(wěn)。

圖4展示了本發(fā)明提出的方法與LFEBD方法在誤檢率FAR性能評(píng)價(jià)指標(biāo)的比較。仿真結(jié)果表明，隨著節(jié)點(diǎn)密度的增加，兩種方法的誤檢率逐漸下降，本發(fā)明的方法在低節(jié)點(diǎn)密度下的誤檢率比LFEBD的低，比如在節(jié)點(diǎn)密度為10到30之間本文提出的算法要優(yōu)于LFEBD。但是當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)密度大于40時(shí)，LFEBD的誤檢率低于本文提出的LEBD算法。綜合這兩種性能指標(biāo)的仿真結(jié)果來(lái)看，本文提出的一種無(wú)線傳感器網(wǎng)絡(luò)事件邊界檢測(cè)方法在低節(jié)點(diǎn)密度下的表現(xiàn)優(yōu)于LFEBD方法，擬合精度隨節(jié)點(diǎn)密度的增加能更早的到達(dá)飽和狀態(tài)。

盡管本發(fā)明的內(nèi)容已經(jīng)通過(guò)上述優(yōu)選實(shí)施例作了詳細(xì)介紹，但應(yīng)當(dāng)認(rèn)識(shí)到上述的描述不應(yīng)被認(rèn)為是對(duì)本發(fā)明的限制。在本領(lǐng)域技術(shù)人員閱讀了上述內(nèi)容后，對(duì)于本發(fā)明的多種修改和替代都將是顯而易見(jiàn)的。因此，本發(fā)明的保護(hù)范圍應(yīng)由所附的權(quán)利要求來(lái)限定。