基于改进PSO的视频传感器网络覆盖增强算法

感知覆盖反映了网络的感知服务质量，是进行其它研究的基础和先决条件。针对传统粒子群优化算法(PSO: Particle Swarm Optimization)，算法模型采用固定的参数，使得算法收敛速度较慢或无法收敛到最优解的问题，本文将改进的PSO算法应用于视频传感器网络感知覆盖中，通过改进PSO模型的惯性因子和学习因子，使得算法在初期具有较大的惯性，在节点局部范围内大幅度搜索，可以提高收敛速度；在末期惯性较小，以较小的步长在全局最优位置附近搜索，可以使算法最终收敛于全局最优，提高网络覆盖率。实验表明，本文算法收敛速度快，覆盖率明显提升。

无线传感器网络具有可快速部署、可自组织和隐蔽性强等特点，因此十分适合应用于环境监测、交通控制、战场侦察等方面。由于视频传感器可以提供直观的图像数据，近年来，随着视频传感器技术的发展和成本的降低，视频传感器网络得到了越来越多的应用。覆盖增强作为传感器网络中的一个基本问题，众多国内外学者开展了这方面的研究[1] [2] [3] [4]，大多数相关研究中，传感器节点都满足全向感知模型。然而，视频传感器只能感知有限角度范围内的区域，是一种方向受限的有向传感器，因此，现有的节点覆盖研究成果不能直接应用于无线视频传感器网络，于是，出现了针对无线视频传感器网络的覆盖研究。

文献[5]率先提出了有向感知模型的概念，并研究了有向传感器网络覆盖完整性及连通性问题。基于虚拟势场的方法[6] [7] [8]是研究较多的有向传感器网络覆盖增强方法，在有向感知模型的基础上引入虚拟势场，并利用质心受力将方向调节问题转化为质心均匀分布问题，通过消除网络中感知重叠区和盲区实现整个有向传感器网络覆盖的有效增强。但是，当节点所受的力达到平衡时，但节点方向不能再动， 节点不一定处于最优方向[9]，因而影响覆盖率。为了克服基于虚拟势场的依法的不足，Xu 等人[9] [10]提出利用PSO 方法解决视频传感器网络的优化覆盖问题。

但是由于所采用的PSO 算法本身的不足， 上述基于PSO 的方法存在容易陷入局部收敛、收敛速度慢等不足[11]。

本文为了克服上述基于PSO 方法的不足，提出了一种新的视频传感器网络覆盖增强算法，该算法对PSO 算法的惯性因子和学习因子进行改进，实验表明，本文算法比传统方法收敛速度更快，覆盖效果更好。

2. 基于PSO 算法的有向传感器网络覆盖增强 2.1. 视频传感器网络模型 本文采用与文献[9]相似的视频传感器节点模型，如图1 所示。视频传感器节点C 的位置为(), x y ， 视场角大小为2α ，θ 为主感知方向d 的方位角，节点的感知半径为R。视频传感器网络中的节点采用随机部署的方法确定各节点的位置和初始感知方向，节点的感知方向360˚可调。扇形ABC 所在的区域为当