專利名稱：一種有向傳感器網(wǎng)絡(luò)覆蓋控制方法
技術(shù)領(lǐng)域：
本發(fā)明是一種無線傳感器網(wǎng)絡(luò)路徑覆蓋增強(qiáng)方法，主要用于解決消除節(jié)點(diǎn)的感知 重疊區(qū)和感知盲區(qū)，實現(xiàn)網(wǎng)絡(luò)路徑高效覆蓋的問題，屬于無線傳感器網(wǎng)絡(luò)研究領(lǐng)域。
背景技術(shù)：
隨著無線通信及微電子技術(shù)的快速發(fā)展，無線傳感器網(wǎng)絡(luò)在工業(yè)、農(nóng)業(yè)、軍事等傳 統(tǒng)領(lǐng)域和以智能家居、醫(yī)療保健、城市交通為代表的新興領(lǐng)域展現(xiàn)出廣泛的應(yīng)用前景。以視 頻傳感器和圖像傳感器為代表的有向傳感器網(wǎng)絡(luò)是傳統(tǒng)傳感器網(wǎng)絡(luò)的一個有效擴(kuò)充，該類 傳感器具備數(shù)據(jù)、圖像和視頻等多媒體信息感知、采集、處理和傳輸能力。然而無論在通信 協(xié)議還是網(wǎng)絡(luò)服務(wù)質(zhì)量上，有向傳感器網(wǎng)絡(luò)都對傳統(tǒng)無線傳感網(wǎng)產(chǎn)生了巨大的沖擊，傳感 器網(wǎng)絡(luò)覆蓋就是一個典型問題。覆蓋反映了網(wǎng)絡(luò)對物理世界的感知范圍并直接影響著整個 網(wǎng)絡(luò)的服務(wù)質(zhì)量。因此，網(wǎng)絡(luò)覆蓋有著很重要的意義，對網(wǎng)絡(luò)性能有著直接的影響?？偟膩?看，無線傳感器網(wǎng)絡(luò)覆蓋主要分為三類對若干離散點(diǎn)目標(biāo)的傳感器點(diǎn)覆蓋；目標(biāo)穿越部 署傳感器節(jié)點(diǎn)的區(qū)域時，對穿越軌跡點(diǎn)的路徑跟蹤覆蓋以及對整個監(jiān)測場景的區(qū)域覆蓋。覆蓋控制作為傳感器部署中的基礎(chǔ)性問題，眾多國內(nèi)外研究學(xué)者相繼開展了傳感 器網(wǎng)絡(luò)中覆蓋控制方面的研究。絕大多數(shù)的研究都是針對全向感知模型展開的，對應(yīng)網(wǎng)絡(luò) 中節(jié)點(diǎn)的感知范圍是以節(jié)點(diǎn)為圓心、以其感知距離為半徑的圓形區(qū)域。實際上，滿足方向性 感知模型的有向傳感網(wǎng)絡(luò)也頗具實際應(yīng)用意義。路徑覆蓋是覆蓋控制研究中的一個熱點(diǎn)問 題，本發(fā)明相關(guān)研究是在有向感知模型的基礎(chǔ)上，將微粒群智能優(yōu)化算法引入到傳感器網(wǎng) 絡(luò)覆蓋增強(qiáng)中，針對有向傳感器網(wǎng)絡(luò)主感知方向調(diào)整的需要，設(shè)計微粒適應(yīng)值計算函數(shù)和 微粒群進(jìn)化策略，并在此基礎(chǔ)上，以網(wǎng)絡(luò)覆蓋率為優(yōu)化目標(biāo)，通過微粒群算法搜索全局最優(yōu) 分布，有效調(diào)整傳感器節(jié)點(diǎn)的主感知方向以消除網(wǎng)絡(luò)感知重疊區(qū)和感知盲區(qū)，最終實現(xiàn)有 向傳感器網(wǎng)絡(luò)覆蓋的增強(qiáng)。

發(fā)明內(nèi)容
技術(shù)問題本發(fā)明的目的是提供一種有向傳感器網(wǎng)絡(luò)覆蓋控制方法，來提高傳感 器網(wǎng)絡(luò)覆蓋增強(qiáng)問題。本發(fā)明提出的方法可以在Mtalab開發(fā)系統(tǒng)中構(gòu)建傳感器網(wǎng)絡(luò)的初 始部署并實現(xiàn)覆蓋增強(qiáng)的目標(biāo)。技術(shù)方案本發(fā)明的方法是一種策略性方法，覆蓋反映了網(wǎng)絡(luò)對物理世界的感知 范圍并直接影響著整個網(wǎng)絡(luò)的服務(wù)質(zhì)量。覆蓋控制是無線傳感器網(wǎng)絡(luò)應(yīng)用的一個基本問 題，即在保證一定的服務(wù)質(zhì)量條件下，如何達(dá)到網(wǎng)絡(luò)覆蓋范圍最大化，提供可靠的監(jiān)測和目 標(biāo)跟蹤服務(wù)。對網(wǎng)絡(luò)覆蓋的測量能夠使我們了解是否存在監(jiān)測和通信盲區(qū)，了解被監(jiān)測區(qū) 域的無線傳感器網(wǎng)絡(luò)的覆蓋情況，從而重新調(diào)整傳感器節(jié)點(diǎn)分布或者指導(dǎo)在將來添加傳感 器節(jié)點(diǎn)時可采取的改進(jìn)措施。以通過調(diào)整網(wǎng)絡(luò)覆蓋的密度，對被監(jiān)測區(qū)域中重要區(qū)域設(shè)置 熱點(diǎn)，部署更多的傳感器節(jié)點(diǎn)，保證測量數(shù)據(jù)的可靠性。本發(fā)明的一種有向傳感器網(wǎng)絡(luò)覆蓋控制方法在分析主感知方向可調(diào)模型的基礎(chǔ)
3上，實現(xiàn)一種基于微粒群優(yōu)化的有向傳感器網(wǎng)絡(luò)覆蓋增強(qiáng)算法，用于解決消除節(jié)點(diǎn)的感知 重疊區(qū)和感知盲區(qū)，實現(xiàn)網(wǎng)絡(luò)的高效覆蓋，具體包含步驟如下輸入監(jiān)測場景區(qū)域信息、網(wǎng)絡(luò)中有向傳感器節(jié)點(diǎn)的狀態(tài)信息以及微粒群初始信 息，具體包括場景區(qū)域大小、離散化因子取值、傳感器節(jié)點(diǎn)的個數(shù)、初始位置、感知半徑、主 感知方向、最大感知角度2(3、微粒群種群規(guī)模、迭代次數(shù)、角度單次調(diào)整范圍 wmin以及 相關(guān)參數(shù)取值；輸出各節(jié)點(diǎn)的最終主感知方向和最優(yōu)覆蓋度，步驟1).初始化無線傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的位置和主感知方向，設(shè)定微粒群 初始規(guī)模m，生成各個粒子初始角度a和單次調(diào)整角度值w，迭代次數(shù)，設(shè)置搜索空間與傳感 器節(jié)點(diǎn)數(shù)n相同，畫出初始部署圖并計算初始覆蓋度，步驟2).根據(jù)有向傳感器網(wǎng)絡(luò)覆蓋性能評價方法確定微粒群適應(yīng)值函數(shù)，即每個 微粒的覆蓋度計算函數(shù)，設(shè)定個體最優(yōu)覆蓋度等于初始覆蓋度，全局最優(yōu)覆蓋度等于初始 覆蓋度，步驟3).根據(jù)適應(yīng)值函數(shù)計算每次迭代中各微粒的適應(yīng)值，將各微粒的適應(yīng)值與 個體最優(yōu)覆蓋度比較，若大于個體最優(yōu)，更新個體當(dāng)前最優(yōu)；若個體當(dāng)前最優(yōu)大于全局最 優(yōu)，將其作為全局最優(yōu)，根據(jù)公式更新當(dāng)前角度和單次角度調(diào)整值，步驟4).若未達(dá)到最大迭代次數(shù)，則返回步驟3，步驟5).全局最優(yōu)值即為迭代后的覆蓋度，對應(yīng)的微粒向量為傳感器節(jié)點(diǎn)的主感 知方向，畫出優(yōu)化后的覆蓋效果圖。有益效果本發(fā)明方法提出了一種無線傳感器網(wǎng)絡(luò)部署的新方法，主要用于解決 傳感器網(wǎng)絡(luò)覆蓋增強(qiáng)的問題，通過使用本發(fā)明提出的方法可以消除傳感器節(jié)點(diǎn)的覆蓋冗余 和覆蓋盲區(qū)，實現(xiàn)了監(jiān)測區(qū)域的高效覆蓋。下面我們給出具體的說明微粒群算法具有適于解決連續(xù)空間多維函數(shù)優(yōu)化問題，能快速收斂至全局最優(yōu)解 的特點(diǎn)。本發(fā)明將微粒群智能優(yōu)化方法應(yīng)用到有向傳感器網(wǎng)絡(luò)的覆蓋優(yōu)化中，通過對初始 部署后節(jié)點(diǎn)的主感知方向進(jìn)行調(diào)整，能夠較大幅度地提高了網(wǎng)絡(luò)覆蓋效果，最終實現(xiàn)有向 傳感器網(wǎng)絡(luò)的角度優(yōu)化分布。


圖1是有向傳感器節(jié)點(diǎn)的感知模型圖。圖2是本發(fā)明方法的流程示意圖。
具體實施例方式一、體系結(jié)構(gòu)有向感知模型作為傳感器網(wǎng)絡(luò)的一種典型感知模型，對應(yīng)節(jié)點(diǎn)的感知范圍是一個 以節(jié)點(diǎn)為圓心、半徑為其感知距離的扇形區(qū)域。不同于全向感知模型，有向感知模型的感知 區(qū)域受“視角”限制，并非一個完整的圓形區(qū)域，一種全新的有向感知模型_方向可調(diào)感知 模型，傳感器節(jié)點(diǎn)的感知能力具有方向性，感知區(qū)域僅為一個扇形，且隨主傳感方向的調(diào)整 節(jié)點(diǎn)有能力覆蓋到其傳感半徑內(nèi)的整個圓形區(qū)域。本發(fā)明中的全新的有向感知模型如圖1。傳感器的有向感知區(qū)域為圖1中扇形0AB所覆蓋的區(qū)域，該區(qū)域可以繞方向傳感
4節(jié)點(diǎn)所在位置0點(diǎn)任意旋轉(zhuǎn)。設(shè)感知半徑為R，傳感方向f代表了傳感器的主感知方向，其 是通過圓心0指向扇形0AB區(qū)域質(zhì)心位置的單位向量。在隨機(jī)布撒的傳感網(wǎng)絡(luò)中該方向的 初始值往往也服從隨機(jī)分布，一般設(shè)主感知方向在W，2ji]內(nèi)服從均勻分布。23代表感知 區(qū)域視角(F0V)，通過調(diào)整向量的方向角可以實現(xiàn)半徑R以內(nèi)圓形區(qū)域的完全覆蓋。本發(fā)明中，判斷某點(diǎn)被覆蓋的條件是任意時刻，若以下兩個條件同時滿足，則認(rèn) 為該點(diǎn)被傳感節(jié)點(diǎn)覆蓋。(1)該點(diǎn)到圓心的距離小于等于傳感器半徑；(2)該點(diǎn)到圓心的距離與傳感器主感知方向的點(diǎn)乘小于等于該點(diǎn)到圓心距離與感 知區(qū)域視角的一半的余弦乘積；二、方法流程在無線傳感器網(wǎng)絡(luò)初始部署后，有向傳感器網(wǎng)絡(luò)的覆蓋增強(qiáng)問題轉(zhuǎn)化為初始布撒 的傳感器節(jié)點(diǎn)主感知方向調(diào)整問題。傳感器節(jié)點(diǎn)主感知方向的調(diào)整受相鄰節(jié)點(diǎn)感知方向的 相互制約，因而主感知方向的調(diào)整是一個NP-Hard問題。已有的增強(qiáng)方法直接求解時間復(fù) 雜度較高，和傳感器網(wǎng)絡(luò)能量受限和計算能力不足相矛盾。微粒群優(yōu)化策略作為一種群進(jìn) 化智能計算方法，具有速度快、求解質(zhì)量高、魯棒性好等優(yōu)點(diǎn)，能夠很好地搜索到全局最優(yōu)。 本發(fā)明將微粒群智能優(yōu)化算法引入到傳感器網(wǎng)絡(luò)覆蓋增強(qiáng)中，針對有向傳感器網(wǎng)絡(luò)主感知 方向調(diào)整的需要，設(shè)計微粒適應(yīng)值計算函數(shù)和種群進(jìn)化策略，在此基礎(chǔ)上，以網(wǎng)絡(luò)有效覆蓋 率為優(yōu)化目標(biāo)，通過微粒群算法搜索全局最優(yōu)分布，調(diào)整傳感器節(jié)點(diǎn)的主感知方向以消除 網(wǎng)絡(luò)感知重疊區(qū)和感知盲區(qū)，能夠最終實現(xiàn)有向傳感器網(wǎng)絡(luò)覆蓋增強(qiáng)。具體方法流程如下1.初始化設(shè)置場景監(jiān)測區(qū)域中初始布撒的傳感器節(jié)點(diǎn)數(shù)目、節(jié)點(diǎn)的初始主感知方向向量； 所引入的微粒群種群規(guī)模，微粒群的搜索空間即對應(yīng)為場景中的傳感器節(jié)點(diǎn)數(shù)。2.定義微粒的適應(yīng)值函數(shù)各微粒的適應(yīng)值函數(shù)值對應(yīng)傳感器節(jié)點(diǎn)主感知方向下的網(wǎng)絡(luò)有效覆蓋率；3.尋找個體最優(yōu)覆蓋度和全局最優(yōu)覆蓋度對微粒進(jìn)行迭代進(jìn)化為搜尋全局最優(yōu)解。在此方法流程中所用到的定義如下(1)區(qū)域覆蓋度 n = | | |/| | Q |監(jiān)測區(qū)域離散后對應(yīng)的離散點(diǎn)的集合為Q，所有至少被一個傳感器節(jié)點(diǎn)覆蓋的區(qū) 域離散點(diǎn)集合為Qa。(2) ^[C^C,,>r1{C C2,---Cn)監(jiān)測區(qū)域中初始布撒的傳感器節(jié)點(diǎn)數(shù)目為n，第i個傳感器節(jié)點(diǎn)的主感知方 向向量為$，則覆蓋增強(qiáng)可視為一個最優(yōu)化問題，即求解一組(&之，…之)'，使得對所有 @，( 2，…二)有下式成立^[CvC2,---Cn)>r1(C],C2,---Cn)(3)微粒適應(yīng)值函數(shù) fi = n (an，ai2, ... , ain)
(4)全局最優(yōu)值 pg = max{f1,f2,... , fj在此方法流程中所用到的計算公式如下(Dffij (t+1) = 3 (t) Xw^. (t) (pbest_airaiJ (t)) +C2 (gbest_airaiJ (t))(2) aiJ (t+1) = aiJ (t) +WiJ (t+1)(3) B(t\ = B -(Hi")" K ‘"max MaxDT其中，公式(1)和公式(2)為角度調(diào)整計算公式，Pbest.a^.為微粒i的第j維經(jīng) 歷的局部最佳角度；gbest_au對應(yīng)為全局最佳角度；C” C2為加速因子，分別用于調(diào)節(jié)微粒 向局部最優(yōu)和全局最優(yōu)的進(jìn)化步長；au(t)代表第t代種群中的第i個微粒的第j維，即傳 感器j的主感知方向；進(jìn)化過程中為保證迭代進(jìn)化的穩(wěn)定，對于每次調(diào)整的角度大小應(yīng) 限制于一定范圍內(nèi)，當(dāng)《"超出該范圍時，則調(diào)整為《_或wmin邛(t) G (0,1)為慣性因子， 隨迭代次數(shù)增加應(yīng)逐步減少，從而使得算法在初期能快速到達(dá)全局最優(yōu)解附近，后期則能 穩(wěn)定收斂至全局最優(yōu)解，0 (t)的取值如上式(3)所示。其中，為慣性因子的最大值， 3 fflin為慣性因子的最小值，t為當(dāng)前迭代次數(shù)，MaxDT為最大迭代次數(shù)?；谝陨戏治?，本發(fā)明提出了微粒群優(yōu)化的有向傳感器網(wǎng)絡(luò)覆蓋增強(qiáng)算法，算法 描述如下輸入監(jiān)測場景區(qū)域信息、網(wǎng)絡(luò)中有向傳感器節(jié)點(diǎn)的狀態(tài)信息以及微粒群初始信 息，具體包括場景區(qū)域大小、離散化Ax、Ay取值、傳感器節(jié)點(diǎn)的位置、感知半徑、主感知方 向、最大感知角度23、微粒群種群規(guī)模、角度單次調(diào)整范圍 Wmin以及相關(guān)參數(shù)取值等；輸出各節(jié)點(diǎn)的最終主感知方向；1.初始化無線傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的位置和角度，設(shè)定微粒群初始規(guī)模m， 生成各個粒子初始角度％和角度單次調(diào)整值Wi，搜索空間與傳感器節(jié)點(diǎn)數(shù)n相同，畫出初 始部署圖并計算初始覆蓋度。2.根據(jù)有向傳感器網(wǎng)絡(luò)覆蓋性能評價方法計算各微粒的適應(yīng)值f”3.對第t代中的各微粒，根據(jù)公式更新個體當(dāng)前最優(yōu)？1、全局最優(yōu)pg、當(dāng)前角度 ai(t)和單次角度調(diào)整值Wi(t)。4.若未達(dá)到最大迭代次數(shù)，則返回步驟2。5.全局最優(yōu)值即為優(yōu)化后的覆蓋度，對應(yīng)的微粒向量為傳感器節(jié)點(diǎn)的主感知方 向，畫出優(yōu)化后的覆蓋效果圖。為了方便描述，我們假定有如下應(yīng)用實例開發(fā)一個無線傳感器網(wǎng)絡(luò)的覆蓋控制 應(yīng)用，應(yīng)用的基本需求是在消除覆蓋盲區(qū)和覆蓋冗余，并提高網(wǎng)絡(luò)的高效覆蓋。(1)開發(fā)人員根據(jù)需求創(chuàng)建實現(xiàn)無線傳感器網(wǎng)絡(luò)路徑的高效覆蓋(總體設(shè)計)；(2)開發(fā)人員將路徑的高效覆蓋策略歸納和分解生成功能具體的數(shù)學(xué)模型，以微 粒群算法優(yōu)化表示(詳細(xì)設(shè)計)；(3)開發(fā)人員將為微粒群算法生成更加具體的適應(yīng)值函數(shù)，并根據(jù)適應(yīng)值選取每 次迭代的最優(yōu)覆蓋度；(4)開發(fā)人員選擇適應(yīng)值函數(shù)時結(jié)合覆蓋度的計算，每個微粒的覆蓋度與傳感器 節(jié)點(diǎn)的覆蓋度相對應(yīng)；(5)根據(jù)相應(yīng)的微粒群算法需求，每次優(yōu)化都會更新微粒的角度和速度，以便進(jìn)入
6下一次優(yōu)化。每次迭代選取局部最優(yōu)覆蓋度，最終選取全局最有覆蓋度；具體步驟如下輸入監(jiān)測場景區(qū)域信息、網(wǎng)絡(luò)中有向傳感器節(jié)點(diǎn)的狀態(tài)信息以及微粒群初始信 息，具體包括場景區(qū)域大小、離散化Ax、Ay取值、傳感器節(jié)點(diǎn)的位置、感知半徑、主感知方 向、最大感知角度23、微粒群種群規(guī)模、角度單次調(diào)整范圍 Wmin以及相關(guān)參數(shù)取值等；輸出各節(jié)點(diǎn)的最終主感知方向；步驟1).初始化無線傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的位置和角度，設(shè)定微粒群初始規(guī) 模m，生成各個粒子初始角度a和角度單次調(diào)整值w，搜索空間與傳感器節(jié)點(diǎn)數(shù)n相同，畫出 初始部署圖并計算初始覆蓋度。步驟2).根據(jù)有向傳感器網(wǎng)絡(luò)覆蓋性能評價方法計算各微粒的適應(yīng)值f。步驟3).對每次迭代中的各微粒，根據(jù)公式更新個體當(dāng)前最優(yōu)p、全局最優(yōu)pg、當(dāng) 前角度a(t)和單次角度調(diào)整值w(t)。步驟4).若未達(dá)到最大迭代次數(shù)，則返回步驟2。步驟5).全局最優(yōu)值即為優(yōu)化后的覆蓋度，對應(yīng)的微粒向量為傳感器節(jié)點(diǎn)的主感 知方向，畫出優(yōu)化后的覆蓋效果圖。
權(quán)利要求
一種有向傳感器網(wǎng)絡(luò)覆蓋控制方法，其特征在于該方法在分析主感知方向可調(diào)模型的基礎(chǔ)上，實現(xiàn)一種基于微粒群優(yōu)化的有向傳感器網(wǎng)絡(luò)覆蓋增強(qiáng)算法，用于解決消除節(jié)點(diǎn)的感知重疊區(qū)和感知盲區(qū)，實現(xiàn)網(wǎng)絡(luò)的高效覆蓋，具體包含步驟如下輸入監(jiān)測場景區(qū)域信息、網(wǎng)絡(luò)中有向傳感器節(jié)點(diǎn)的狀態(tài)信息以及微粒群初始信息，具體包括場景區(qū)域大小、離散化因子取值、傳感器節(jié)點(diǎn)的個數(shù)、初始位置、感知半徑、主感知方向、最大感知角度微粒群種群規(guī)模、迭代次數(shù)、角度單次調(diào)整范圍wmax～wmin以及相關(guān)參數(shù)取值；輸出各節(jié)點(diǎn)的最終主感知方向和最優(yōu)覆蓋度，步驟1).初始化無線傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的位置和主感知方向，設(shè)定微粒群初始規(guī)模m，生成各個粒子初始角度a和單次調(diào)整角度值w，迭代次數(shù)，設(shè)置搜索空間與傳感器節(jié)點(diǎn)數(shù)n相同，畫出初始部署圖并計算初始覆蓋度，步驟2).根據(jù)有向傳感器網(wǎng)絡(luò)覆蓋性能評價方法確定微粒群適應(yīng)值函數(shù)，即每個微粒的覆蓋度計算函數(shù)，設(shè)定個體最優(yōu)覆蓋度等于初始覆蓋度，全局最優(yōu)覆蓋度等于初始覆蓋度，步驟3).根據(jù)適應(yīng)值函數(shù)計算每次迭代中各微粒的適應(yīng)值，將各微粒的適應(yīng)值與個體最優(yōu)覆蓋度比較，若大于個體最優(yōu)，更新個體當(dāng)前最優(yōu)；若個體當(dāng)前最優(yōu)大于全局最優(yōu)，將其作為全局最優(yōu)，根據(jù)公式更新當(dāng)前角度和單次角度調(diào)整值，步驟4).若未達(dá)到最大迭代次數(shù)，則返回步驟3，步驟5).全局最優(yōu)值即為迭代后的覆蓋度，對應(yīng)的微粒向量為傳感器節(jié)點(diǎn)的主感知方向，畫出優(yōu)化后的覆蓋效果圖。FSA00000137719200011.tif
全文摘要
一種有向傳感器網(wǎng)絡(luò)覆蓋控制方法是一種無線傳感器網(wǎng)絡(luò)的覆蓋增強(qiáng)解決方案。主要用于解決消除節(jié)點(diǎn)的感知重疊區(qū)和感知盲區(qū)，實現(xiàn)網(wǎng)絡(luò)的高效覆蓋的問題，屬于無線傳感器網(wǎng)絡(luò)基礎(chǔ)設(shè)施領(lǐng)域。它具有如下特征本發(fā)明在分析主感知方向可調(diào)模型的基礎(chǔ)上，實現(xiàn)一種基于微粒群優(yōu)化的有向傳感器網(wǎng)絡(luò)覆蓋增強(qiáng)算法。該算法針對節(jié)點(diǎn)主感知方向調(diào)整設(shè)計微粒適應(yīng)值函數(shù)和種群進(jìn)化策略，在此基礎(chǔ)上以區(qū)域覆蓋率為優(yōu)化目標(biāo)，通過微粒群搜索有效調(diào)整傳感器節(jié)點(diǎn)的主感知方向從而達(dá)到有向傳感器網(wǎng)絡(luò)的覆蓋增強(qiáng)。本發(fā)明可以用來消除節(jié)點(diǎn)的感知重疊區(qū)和感知盲區(qū)，實現(xiàn)監(jiān)測區(qū)域的高效覆蓋。
文檔編號H04W24/00GK101902752SQ201010179628
公開日2010年12月1日 申請日期2010年5月21日 優(yōu)先權(quán)日2010年5月21日
發(fā)明者葉寧, 孫力娟, 杜鵬玲, 沙超, 王汝傳, 肖甫, 蔣凌云, 郭劍, 黃小桑, 黃海平 申請人:南京郵電大學(xué)