传感器网络配置可以有效布置传感器网络节点,合理覆盖感知数据区域,延长感知区域传感器网络的运行周期,即能够准确地采集感知区域的数据信息,又能够充分管理传感器网络资源,具有十分广阔的应用前景。 目前学术界研究传感器配置的算法采用自配置方式和固定配置方式。固定配置方式不需要了解感知区域传感器节点的分布情况,直接根据感知区域地貌状况一次完成传感器节点的配置。国内没有发现相关的研究成果,国外近年开展这方面的研究,提出一些算法,具有代表性的是MAX_AVG_COV算法,采用贪心策略配置传感器网络,效果好于随机配置算法(RANDOM)。文献[4]对MAx AvG_COV算法加以改进,提出MAX_MrN_COV算法取得了明显的配置效果。但是这些配置算法都是由目标区域的感知需求寻优感知目标的绝对检测程度,并没有根据感知目标的要求以及当前被感知程度寻优感知目标的相对检测程度,也没有对配置算法的理论体系做较为完善的探讨。即使文献[2]提出不确定配置算法(NDSP算法),也是寻优感知目标的绝对检测程度。因此本文针对固定方式配置算法的理论体系做较为完善的探讨,对感知区域的个性化需求提出解决方案。 本文在网格描述的感知区域基础上建立传感器网络检测模型,采用不精确性概率检测方法采集感知区域目标数据。探讨信息感知的覆盖分布规律,给出感知区域的度量空间和目标函数以及配置算法具备最优解的上界条件。提出基于传感器网络全局感知区域和局部感知区域的多个配置算法,寻求在全局感知区域中用较少的传感器数量获得较佳的信息