[论文解读] How Many Randomly Distributed Wireless Sensors Are Enough To Make a 1-Dimensional Network Connected With a Given Probability?

Vitaliy Kurlin, Lyudmila Mihaylova+1 more|arXiv (Cornell University)|Oct 4, 2007

Energy Efficient Wireless Sensor Networks参考文献 8被引用 4

一句话总结

本文提出了一种方法，用于计算在一维无线传感器网络中，当传感器沿直线随机部署且传感器间距分布任意时，网络连通性的精确概率。通过将传感器部署建模为点过程并利用更新理论，作者推导出网络连通性的闭式表达式，从而能够精确确定实现目标连通概率所需的最少传感器数量。

ABSTRACT

Abstract—An important problem in wireless sensor networks is to find the minimal number of randomly deployed sensors to make a network connected with a given probability. In practice sensors are usually deployed one by one along a trajectory of a vehicle, so it is natural to assume that arbitrary distributions of distances between successive sensors in a segment are given. The paper describes a powerful method for explicitly computing the probability of connectivity of 1-dimensional networks.

研究动机与目标

• 确定在一维设置下，为确保以给定概率实现网络连通，所需随机部署的最少传感器数量。
• 将传感器部署建模为具有任意传感器间距分布的一般点过程，突破均匀或泊松分布假设的限制。
• 开发一种数学上严谨的方法，用于计算一维传感器网络的精确连通概率。
• 为网络设计人员提供一种实用工具，以评估在传感器间距非无记忆或非均匀分布的真实部署场景下的连通性。

提出的方法

• 作者将传感器部署过程建模为更新过程，其中传感器间距服从一般概率分布。
• 他们利用更新理论分析由此产生的点过程在直线段上的覆盖和连通特性。
• 关键组成部分是推导连续传感器之间最大间隙的分布，该分布决定了网络连通性。
• 论文将连通概率表述为最大传感器间距的互补累积分布函数。
• 该方法能够利用基于更新结构推导出的积分方程，显式计算连通概率。
• 该方法适用于任意传感器间距分布，使其适用于传感器间距非泊松或非指数分布的实际部署场景。

实验结果

研究问题

• RQ1 当传感器以任意传感器间距分布部署时，一维无线传感器网络保持连通的精确概率是多少？
• RQ2 在一般部署模型下，为在一维网络中实现指定的连通概率，需要多少传感器？
• RQ3 传感器间距分布的选择如何影响实现保证连通所需的最少传感器数量？
• RQ4 是否可以推导出连通概率的闭式或可计算表达式，而无需假设传感器间距服从泊松或指数分布？

主要发现

• 本文推导出一维传感器网络连通概率的显式、可计算表达式，其基础是最大传感器间距的分布。
• 该方法能够对任意传感器间距分布精确计算连通概率，不仅限于无记忆或指数分布情况。
• 利用所推导的解析框架，可以精确确定实现给定连通概率所需的最少传感器数量。
• 该方法揭示连通性主要受传感器间距分布尾部行为的影响，特别是最大间隙。
• 与基于仿真或近似的方法相比，该框架提供了显著的分析精度提升。
• 结果表明，非指数分布的传感器间距可能导致与泊松或均匀模型相比显著不同的传感器数量需求。