A. 無線感測器在網路中的應用設計
下面是由整理的畢業設計論文《無線感測器在網路中的應用設計》，歡迎閱讀。
1引言
無線感測器網路(Wireless Sensor Networks，簡稱WSNs)是由部署在監測區域內大量的廉價微型感測器節點組成，通過無線通信形成一個多跳自組織網路系統，能夠實時監測、感知和採集網路分布區域內監視對象的各種信息，並加以處理，完成數據採集和監測任務。WSNs綜合了感測器、嵌入式計算、無線通訊、分布式信息處理等技術，具有快速構建、自配置、自調整拓撲、多跳路由、高密度、節點數可變、無統一地址、無線通信等特點，特別適用於大范圍、偏遠距離、危險環境等條件下的實時信息監測，可以廣泛應用於軍事、交通、環境監測和預報、衛生保健、空間探索等各個領域。
2節點的總體設計和器件選型
2.1節點的總體設計
WSNs微型節點應用數量比較大，更換和維護比較困難，要求其節點成本低廉和工作時間盡可能長;功能上要求WSNs中不應該存在專門的路由器節點，每個節點既是終端節點，又是路由器節點。節點間採用移動自組織網路聯系起來，並採用多跳的路由機制進行通信。因此，在單個節點上，一方面硬體必須低能耗，採用無線傳輸方式;另一方面軟體必須支持多跳的路由協議。基於這些基本思想，設計了以高蘆此空檔8位AVR單片機ATmega128L為核心，結合外圍感測器和2.4 GHz無線收發模塊CC2420的WSNs微型節點。這兩款器件的體積非常小，加上外圍電路，其整體體積也很小，非常適合用作WSNs節點的元件。
圖1給出WSNs微型節點結構。它由數據採集單元、數據處理單元、數據傳輸單元和電源管理單扒汪元4部分組成。數據採集單元負責監測區域內信息的採集和數據轉換，設計中包括了可燃性氣體感測器和濕度感測器;數據處理單元負責控制整個節點的處理操作、路由協議、同步定位、功耗管理、任務管理等;數據傳輸單元負責與其他節點進行無線通信，交換控制消息和收發採集數據;電源管理單元選通所用到的感測器，節點電源由幾節AA電池組成，實際工業應用中採用微型紐扣電池，以進一步減小體積。為了調試方便及可擴展性，可將數據採集單元獨立出來，做成兩塊能相互套接的可擴展主板。
2.2處理器選型
處理器的選型要求和指標是功耗低，保證長時間不更換電源也能順利工作，供給電壓小於5 V，有較快的處理速度和能力，由於節點是需要大量安置的，所以價格也要相對便宜。選用AVR單片機，考慮到電路中I/O的個數不多，功耗低、成本低、適合與無線器件介面配合等多方面因素，綜合對比後，選用Atmel公司的ATmega128L。該微型控制器擁有豐富的片上資源，包括4個定時器、4 KB SRAM、128KB Flash和4 KBEEPROM;擁有UART、SPI、I2C、JTAG介面，方便無線器件和感測器的接入;有6種電源節能模式，方便低功耗設計。
2.3無線通信器件選型 CC2420是一款符合ZigBee技術的高集成度工業用射頻收發器，其MAC層和PHY層協議符合802.15.4規范，工作於2.4 GHz頻段。該器件只需極少外部元件，即可確保短距離通信的有效性和可靠性。數據傳輸單元模塊支持數據傳輸率高達250 Kb/s，即可實現多點對多點的快速組網，系統體積小、成本低、功耗小，適於電池長期供電，具有硬體加密、安全可靠、組網靈活、抗毀性強等特點。
2.4感測器選型
由於WSNs是用於礦下安全監測，常要檢測礦下可燃氣體的濃度(預防瓦斯氣體濃度過高)和空氣濕度，所以要選擇測量氣體濃度和濕度的感測器。
2.4.1 HIH-4000系列測濕感測器
HIH-4000系列測濕感測器作為一個低成本、可軟焊的單個直插式組件(SIP)能提供儀表測量質量的相對濕度(RH)感測性能。RH感測器可用在二引線間有間距的配量中，它是一個熱固塑料型電容感測元件，其內部具有信號處理功能。感測器的多層結構對應用環境的不利因素，諸如潮濕、灰塵、污垢、油類和環境中常見的化學品具有最佳的抗力，因此可認定陪瞎它能適用礦下環境。
2.4.2 MR511熱線型半導體氣敏元件
MR511型氣敏元件利用氣體吸附在金屬氧化物半導體表面而產生熱傳導變化及電傳導變化的原理，由白金線圈電阻值變化測定氣體濃度。MR511由檢測元件和補償元件配對組成電橋的兩個臂，遇可燃性氣體時，檢測元件的電阻減小，橋路輸出電壓變化，該電壓變化隨氣體濃度的增大而成比例增大，補償元件具有溫度補償作用。MR511除具有靈敏度高、響應恢復時間短、穩定性好特點外，還具有功耗小，抗環境溫濕度干擾能力強的優點。WSNs的節能和井下惡劣溫濕環境要求MR5111可以滿足。
3 WSNs節點設計
3.1數據採集單元
考慮到無線感測器網路節點的節能和井下惡劣的溫濕環境，為了便於數據採集，系統設計採用HIH-4000-01型測濕度感測器和MR511熱線型半導體氣體感測器。圖2、圖3分別給出其電路設計圖。
3.2數據處理單元
ATmega128L的外圍電路設計簡單，設計時注意在數字電路的電源並人多隻電容濾波。ATmega128L的工作時鍾源可以選取外部晶振、外部RC振盪器、內部RC振盪器、外部時鍾源等方式。工作時鍾源的選擇通過ATmega128L的內部熔絲位來設計。熔絲位可以通過JTAG編程、ISP編程等方式設置。ATmega128L採用7.3728 MHz和32.768 kHz兩個外部晶振。前者用作工作時鍾，後者用作實時時鍾源。
3.3數據傳輸單元
3.3.1 CC2420外圍電路設計
圖4給出數據傳輸單元的外圍電路。CC2420隻需要極少的外圍元器件。其外圍電路包括晶振時鍾電路、射頻輸入/輸出匹配電路和微控制器介面電路3部分。
射頻輸入/輸出匹配電路主要用來匹配器件的輸入輸出阻抗，使其輸入輸出阻抗為50 Ω，同時為器件內部的PA及LNA提供直流偏置。射頻輸入/輸出是高阻抗，有差別。射頻端最適合的負載是115+j180 Ω。C61、C62、C71、C81、L61組成不平衡變壓器，L62和L81匹配射頻輸入輸出到50 Ω;L61和L62同時提供功率放大器和低雜訊放大器的直流偏置。內部的T/R開關是為了切換低雜訊放大器/功率放大器。R451偏置電阻是電流基準發生器的精密電阻。CC2420本振信號既可由外部有源晶體提供，也可由內部電路提供。若由內部電路提供時，需外加晶體振盪器和兩只負載電容，電容的大小取決於晶體的頻率及輸入容抗等參數。設計採用16 MHz晶振時，其電容值約為22 pF。C381和C391是外部晶體振盪器的負載電容。片上電壓調節器提供所有內部1.8 V電源的供應。C42是電壓調節器的負載電容，用於穩定調節器。為得到最佳性能必須使用電源去耦。在應用中使用大小合適的去耦電容和功率濾波器是非常重要的。CC2420可以通過4線SPI匯流排(SI、SO、SCLK、CSn)設置器件的工作模式，並實現讀，寫緩存數據，讀/寫狀態寄存器等。通過控制FIFO和FIFOP引腳介面的狀態可設置發射/接收緩存器。
3.3.2配置IEEE 802.15.4工作模式
CC2420為IEEE 802.15.4的數據幀格式提供硬體支持。其MAC層的幀格式為：頭幀+數據幀+校驗幀;PHY層的幀格式為：同步幀+PHY頭幀+MAC幀，幀頭序列的長度可通過設置寄存器改變，採用16位CRC校驗來提高數據傳輸的可靠性。發送或接收的數據幀被送入RAM中的128位元組緩存區進行相應的幀打包和拆包操作。表1給出CC2420的四線串列SPI介面引腳功能。它是設計單片機電路的依據，充分發揮這些功能是設計無線通信產品的前提。
3.3.3 CC2420與單片機介面電路設計
圖5給出CC2420與ATmega128L單片機的介面電路。CC2420通過簡單的四線(SI、SO、SCLK、CSn)與SPI兼容串列介面配置，這時CC2420是受控的。ATmega128L的SPI介面工作在主機模式，它是SPI數據傳輸的控制方;CC2420設為從機工作方式。當ATmega128L的SPI介面設為主機工作方式時，其硬體電路不會自動控制SS引腳。因此，在SH通信時，應在SPI介面初始化，它是由程序控制SS，將其拉為低電平，此後，當把數據寫入主機的SPI數據寄存器後，主機介面將自動啟動時鍾發生器，在硬體電路的控制下，移位傳送，通過MOSI將數據移出ATmega128L，並同時從CC2420由MISO移人數據，8位數據全部移出時，兩個寄存器就實現了一次數據交換。
4結語
通過對於無線感測器網路節點中感測器元件、數據處理模塊、數據傳輸模塊和電源的選擇，設計了一種以CC2420和ATmega128L為主體的硬體方案。利用該方案設計的CC2420和ATmega128L的外圍電路以及兩者之間的介面電路。此外，還對感測器與單片機的介面電路進行設計。通過實驗驗證，設計的硬體節點基本上達到了項目要求，經調試能通過感測器正確真實地採集數據，並實現兩個無線節點(兩個電路板。AA電池供電)在30 m左右的通信、傳輸數據、並反映到終端設備。
B. 無線感測器網路中的部署問題，200分！！追加！！
無線感測器網路是近幾年發展起來的一種新興技術,在條件惡劣和無人堅守的環境監測和事件跟蹤中顯示了很大的應用價值。節點部署是無線感測器網路工作的基礎,對網路的運行情況和壽命有很大的影響。部署問題涉及覆蓋、連接和節約能量消耗3個方面。該文重點討論了網路部署中的覆蓋問題,綜述了現有的研究成果,總結了今後的熱點研究方向,為以後的研究奠定了基礎。
基於虛擬勢場的有向感測器網路覆蓋增強演算法
摘 要: 首先從視頻感測器節點方向性感知特性出發,設計了一種方向可調感知模型,並以此為基礎對有向感測器網路覆蓋增強問題進行分析與定義;其次,提出了一種基於虛擬勢場的有向感測器網路覆蓋增強演算法PFCEA (potential field based coverage-enhancing algorithm).通過引入「質心」概念,將有向感測器網路覆蓋增強問題轉化為質心均勻分布問題,以質心點作圓周運動代替感測器節點感測方向的轉動.質心在虛擬力作用下作擴散運動,以消除網路中感知重疊區和盲區,進而增強整個有向感測器網路覆蓋.一系列模擬實驗驗證了該演算法的有效性.
關鍵詞: 有向感測器網路;有向感知模型;虛擬勢場;覆蓋增強
中圖法分類號: TP393 文獻標識碼: A
覆蓋作為感測器網路中的一個基本問題,反映了感測器網路所能提供的「感知」服務質量.優化感測器網路覆蓋對於合理分配網路的空間資源,更好地完成環境感知、信息獲取任務以及提高網路生存能力都具有重要的意義[1].目前,感測器網路的初期部署有兩種策略:一種是大規模的隨機部署;另一種是針對特定的用途進行計劃部署.由於感測器網路通常工作在復雜的環境下,而且網路中感測器節點眾多,因此大都採用隨機部署方式.然而,這種大規模隨機投放方式很難一次性地將數目眾多的感測器節點放置在適合的位置,極容易造成感測器網路覆蓋的不合理(比如,局部目標區域感測器節點分布過密或過疏),進而形成感知重疊區和盲區.因此,在感測器網路初始部署後,我們需要採用覆蓋增強策略以獲得理想的網路覆蓋性能.
目前,國內外學者相繼開展了相關覆蓋增強問題的研究,並取得了一定的進展[25].從目前可獲取的資料來看,絕大多數覆蓋問題研究都是針對基於全向感知模型(omni-directional sensing model)的感測器網路展開的[6],
即網路中節點的感知范圍是一個以節點為圓心、以其感知距離為半徑的圓形區域.通常採用休眠冗餘節點[2,7]、
重新調整節點分布[811]或添加新節點[11]等方法實現感測器網路覆蓋增強.
實際上,有向感知模型(directional sensing model)也是感測器網路中的一種典型的感知模型[12],即節點的感知范圍是一個以節點為圓心、半徑為其感知距離的扇形區域.由基於有向感知模型的感測器節點所構成的網路稱為有向感測器網路.視頻感測器網路是有向感測器網路的一個典型實例.感知模型的差異造成了現有基於全向感知模型的覆蓋研究成果不能直接應用於有向感測器網路,迫切需要設計出一系列新方法.
在早期的工作中[13],我們率先開展有向感測器網路中覆蓋問題的研究,設計一種基本的有向感知模型,用以刻畫視頻感測器節點的方向性感知特性,並研究有向感測器網路覆蓋完整性以及通信連通性問題.同時,考慮到有向感測器節點感測方嚮往往具有可調整特性(比如PTZ攝像頭的推拉搖移功能),我們進一步提出一種基於圖論和計算幾何的集中式覆蓋增強演算法[14],調整方案一經確定,網路中所有有向感測器節點並發地進行感測方向的一次性調整,以此獲得網路覆蓋性能的增強.但由於未能充分考慮到有向感測器節點局部位置及感測方向信息,因而,該演算法對有向感測器網路覆蓋增強的能力相對有限.
本文將基本的有向感知模型擴展為方向可調感知模型,研究有向感測器網路覆蓋增強問題.首先定義了方向可調感知模型,並分析隨機部署策略對有向感測器網路覆蓋率的影響.在此基礎上,分析了有向感測器網路覆蓋增強問題.本文通過引入「質心」概念,將待解決問題轉化為質心均勻分布問題,提出了一種基於虛擬勢場的有向感測器網路覆蓋增強演算法PFCEA(potential field based coverage-enhancing algorithm).質心在虛擬力作用下作擴散運動,逐步消除網路中感知重疊區和盲區,增強整個網路覆蓋性能.最後,一系列模擬實驗驗證了PFCEA演算法的有效性.
1 有向感測器網路覆蓋增強問題
本節旨在分析和定義有向感測器網路覆蓋增強問題.在此之前,我們對方向可調感知模型進行簡要介紹.
1.1 方向可調感知模型
不同於目前已有的全向感知模型,方向可調感知模型的感知區域受「視角」的限制,並非一個完整的圓形區域.在某時刻t,有向感測器節點具有方向性感知特性;隨著其感測方向的不斷調整(即旋轉),有向感測器節點有能力覆蓋到其感測距離內的所有圓形區域.由此,通過簡單的幾何抽象,我們可以得到有向感測器節點的方向可調感知模型,如圖1所示.
定義1. 方向可調感知模型可用一個四元組P,R, ,
表示.其中,P=(x,y)表示有向感測器節點的位置坐標;R表示節
點的最大感測范圍,即感測半徑;單位向量 = 為扇形感知區域的中軸線,即節點在某時刻t時的感測方向; 和 分別是單位向量 在X軸和Y軸方向上的投影分量;表示邊界距離感測向量 的感測夾角,2代表感測區域視角,記作FOV.
特別地,當=時,傳統的全向感知模型是方向可調感知模型的一個特例.
若點P1被有向感測器節點vi覆蓋成立,記為viP1,當且僅當滿足以下條件:
(1) ,其中, 代表點P1到該節點的歐氏距離;
(2) 與 間夾角取值屬於[,].
判別點P1是否被有向感測器節點覆蓋的一個簡單方法是:如果 且 ,那麼,點P1
被有向感測器節點覆蓋;否則,覆蓋不成立.另外,若區域A被有向感測節點覆蓋,當且僅當區域A中任何一個點都被有向感測節點覆蓋.除非特別說明,下文中出現的「節點」和「感測器節點」均滿足上述方向可調感知模型.
1.2 有向感測器網路覆蓋增強問題的分析與定義
在研究本文內容之前,我們需要作以下必要假設:
A1. 有向感測器網路中所有節點同構,即所有節點的感測半徑(R)、感測夾角()參數規格分別相同;
A2. 有向感測器網路中所有節點一經部署,則位置固定不變,但其感測方向可調;
A3. 有向感測器網路中各節點都了解自身位置及感測方向信息,且各節點對自身感測方向可控.
假設目標區域的面積為S,隨機部署的感測器節點位置滿足均勻分布模型,且目標區域內任意兩個感測器節點不在同一位置.感測器節點的感測方向在[0,2]上也滿足均勻分布模型.在不考慮感測器節點可能落入邊界區域造成有效覆蓋區域減小的情況下,由於每個感測器節點所監控的區域面積為R2,則每個感測器節點能監測整個目標區域的概率為R2/S.目標區域被N個感測器節點覆蓋的初始概率p0的計算公式為(具體推導過程參見文獻[14])
(1)
由公式(1)可知,當目標區域內網路覆蓋率至少達到p0時,需要部署的節點規模計算公式為
(2)
當網路覆蓋率分別為p0和p0+p時,所需部署的感測器節點數目分別為ln(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)lnS.因此,感測器節點數目差異N由公式(3)可得,
(3)
當目標區域面積S、節點感測半徑R和感測夾角一定時,為一常數.此時,N與p0,p滿足關系如圖2所示(S=500500m2,R=60m,=45º).從圖中我們可以看出,當p0一定時,N隨著p的增加而增加;當p一定時,N隨著p0的增加而增加,且增加率越來越大.因此,當需要將覆蓋率增大p時,則需多部署N個節點(p0取值較大時(80%),p取值每增加1%,N就有數十、甚至數百的增加).如果採用一定的覆蓋增強策略,無須多部署節點,就可以使網路覆蓋率達到p0+p,大量節省了感測器網路部署成本.
設Si(t)表示節點vi在感測向量為 時所覆蓋的區域面積.運算操作Si(t)Sj(t)代表節點vi和節點vj所能覆蓋到的區域總面積.這樣,當網路中節點感測向量取值為 時,有向感測器網路覆蓋率可表
示如下:
(4)
因此,有向感測器網路覆蓋增強問題歸納如下:
問題:求解一組 ,使得對於初始的 ,有 取值
接近最大.
Fig.2 The relation among p0, p and N
圖2 p0,p和N三者之間的關系
2 基於虛擬勢場的覆蓋增強演算法
2.1 傳統虛擬勢場方法
虛擬勢場(virtual potential field)的概念最初應用於機器人的路徑規劃和障礙躲避.Howard等人[8]和Pori等人[9]先後將這一概念引入到感測器網路的覆蓋增強問題中來.其基本思想是把網路中每個感測器節點看作一個虛擬的電荷,各節點受到其他節點的虛擬力作用,向目標區域中的其他區域擴散,最終達到平衡狀態,即實現目標區域的充分覆蓋狀態.Zou等人[15]提出了一種虛擬力演算法(virtual force algorithm,簡稱VFA),初始節點隨機部署後自動完善網路覆蓋性能,以均勻網路覆蓋並保證網路覆蓋范圍最大化.在執行過程中,感測器節點並不移動,而是計算出隨機部署的感測器節點虛擬移動軌跡.一旦感測器節點位置確定後,則對相應節點進行一次移動操作.Li等人[10]為解決感測器網路布局優化,在文獻[15]的基礎上提出了涉及目標的虛擬力演算法(target involved virtual force algorithm,簡稱TIVFA),通過計算節點與目標、熱點區域、障礙物和其他感測器之間的虛擬力,為各節點尋找受力平衡點,並將其作為該感測器節點的新位置.
上述利用虛擬勢場方法優化感測器網路覆蓋的研究成果都是基於全向感知模型展開的.假定感測器節點間存在兩種虛擬力作用:一種是斥力,使感測器節點足夠稀疏,避免節點過於密集而形成感知重疊區域;另一種是引力,使感測器節點保持一定的分布密度,避免節點過於分離而形成感知盲區[15].最終利用感測器節點的位置移動來實現感測器網路覆蓋增強.
2.2 基於虛擬勢場的有向感測器網路覆蓋增強演算法
在實際應用中,考慮到感測器網路部署成本,所有部署的感測器節點都具有移動能力是不現實的.另外,感測器節點位置的移動極易引起部分感測器節點的失效,進而造成整個感測器網路拓撲發生變化.這些無疑都會增加網路維護成本.因而,本文的研究工作基於感測器節點位置不變、感測方向可調的假設.上述假設使得直接利用虛擬勢場方法解決有向感測器網路覆蓋增強問題遇到了麻煩.在傳統的虛擬勢場方法中,感測器節點在勢場力的作用下進行平動(如圖3(a)所示),而基於本文的假設,感測器節點表現為其扇形感知區域在勢場力的作用下以感測器節點為軸心進行旋轉(如圖3(b)所示).
為了簡化扇形感知區域的轉動模型,我們引入「質心(centroid)」的概念.質心是質點系中一個特定的點,它與物體的平衡、運動以及內力分布密切相關.感測器節點的位置不變,其感測方向的不斷調整可近似地看作是扇形感知區域的質心點繞感測器節點作圓周運動.如圖3(b)所示,一個均勻扇形感知區域的質心點位於其對稱軸上且與圓心距離為2Rsin/3.每個感測器節點有且僅有一個質心點與其對應.我們用c表示感測器節點v所對應的質心點.本文將有向感測器網路覆蓋增強問題轉化為利用傳統虛擬勢場方法可解的質心點均勻分布問題,如圖4所示.
Fig.3 Moving models of sensor node
圖3 感測器節點的運動模型
Fig.4 The issue description of coverage enhancement in directional sensor networks
圖4 有向感測器網路覆蓋增強問題描述
2.2.1 受力分析
利用虛擬勢場方法增強有向感測器網路覆蓋,可以近似等價於質心點-質心點(c-c)之間虛擬力作用問題.我們假設質心點-質心點之間存在斥力,在斥力作用下,相鄰質心點逐步擴散開來,在降低冗餘覆蓋的同時,逐漸實現整個監測區域的充分高效覆蓋,最終增強有向感測器網路的覆蓋性能.在虛擬勢場作用下,質心點受來自相鄰一個或多個質心點的斥力作用.下面給出質心點受力的計算方法.
如圖5所示,dij表示感測器節點vi與vj之間的歐氏距離.只有當dij小於感測器節點感測半徑(R)的2倍時,它們的感知區域才存在重疊的可能,故它們之間才存在產生斥力的作用,該斥力作用於感測器節點相應的質心點ci和cj上.
定義2. 有向感測器網路中,歐氏距離不大於節點感測半徑(R)2倍的一對節點互為鄰居節點.節點vi的鄰居節點集合記作i.即i={vj|Dis(vi,vj)2R,ij}.
我們定義質心點vj對質心點vi的斥力模型 ,見公式(5).
(5)
其中,Dij表示質心點ci和cj之間的歐氏距離;kR表示斥力系數(常數,本文取kR=1);ij為單位向量,指示斥力方向(由質心點cj指向ci).公式(5)表明,只有當感測器節點vi和vj互為鄰居節點時(即有可能形成冗餘覆蓋時),其相應的質心點ci和cj之間才存在斥力作用.質心點所受斥力大小與ci和cj之間的歐氏距離成反比,而質心點所受斥力方向由ci和cj之間的相互位置關系所決定.
質心點ci所受合力是其受到相鄰k個質心點排斥力的矢量和.公式(6)描述質心點ci所受合力模型 .
(6)
通過如圖6所示的實例,我們分析質心點的受力情況.圖中包括4個感測器節點:v1,v2,v3和v4,其相應的質心
點分別為c1,c2,c3和c4.以質心點c1為例,由於d122R,故 ,質心點c1僅受到來自質心點c3和c4的斥力,其所受合力 .感測器節點感測方向旋轉導致質心點的運動軌跡並不是任意的,而是固定繞感測器節點作圓周運動.因此,質心點的運動僅僅受合力沿圓周切線方向分量 的影響.
Fig.6 The force on centroid
圖6 質心點受力
2.2.2 控制規則(control law)
本文基於一個虛擬物理世界研究質心點運動問題,其中作用力、質心點等都是虛擬的.該虛擬物理世界的構建是建立在求解問題特徵的基礎上的.在此,我們定義控制規則,即規定質心點受力與運動之間的關系,以達到質心點的均勻分布.
質心點在 作用下運動,受到運動學和動力學的雙重約束,具體表現如下:
(1) 運動學約束
在傳統感測器網路中利用虛擬勢場方法移動感測器節點的情況下,由於感測器節點向任意方向運動的概率是等同的,我們大都忽略其所受的運動學約束[8].而在轉動模型中,質心點的運動不是任意方向的,受合力沿圓
周切線方向分量 的影響,只能繞其感測器節點作圓周運動.
質心點在運動過程中受到的虛擬力是變化的,但對感測器網路系統來說,感測器節點之間每時每刻都交換鄰居節點位置及感測方向信息是不現實的.因此,我們設定鄰居節點間每隔時間步長t交換一次位置及感測方向信息,根據交換信息計算當前時間步長質心點所受合力,得出轉動方向及弧長.同時,問題求解的目的在於將節點的感測方向調整至一個合適的位置.在此,我們不考慮速度和加速度與轉動弧長之間的關系.
(2) 動力學約束
動力學約束研究受力與運動之間的關系.本運動模型中的動力學約束主要包含兩方面內容:
• 每個時間步長t內,質心點所受合力與轉動方向及弧長之間的關系;
• 質心點運動的靜止條件.
在傳統感測器網路中利用虛擬勢場方法移動感測器節點的情況下,在每個時間步長內,感測器節點的運動速度受限於最大運動速度vmax,而不是隨感測器節點受力無止境地增加.通過此舉保證微調方法的快速收斂.在本轉動模型中,我們同樣假設質心點每次固定以較小的轉動角度進行轉動,通過多次微調方法逐步趨向最優解,即在每個時間步長t內,質心點轉動的方向沿所受合力在圓周切線方向分量,轉動大小不是任意的,而是具有固定轉動角度.採用上述方法的原因有兩個:
• 運動過程中,質心點受力不斷變化,且變化規律很難用簡單的函數進行表示,加之上述運動學約束和問題特徵等因素影響,我們很難得出一個簡明而合理的質心點所受合力與轉動弧長之間的關系.
• 運動過程中,質心點按固定角度進行轉動,有利於簡化計算過程,減少節點的計算負擔.同時,我們通過分析模擬實驗數據發現,該方法具有較為理想的收斂性(具體討論參見第3.2節).
固定轉動角度取值不同對PFCEA演算法性能具有較大的影響,這在第3.3節中將加以詳細的分析和說明.
當質心點所受合力沿圓周切線方向分量為0時,其到達理想位置轉動停止.如圖7所示,我們假定質心點在圓周上O點處合力切向分量為0.由於質心點按固定轉動角度進行轉動,因此,它
未必會剛好轉動到O點處.當質心點處於圖7中弧 或 時,會
因合力切向分量不為0而導致質心點圍繞O點附近往復振動.因此,為避免出現振動現象,加速質心點達到穩定狀態,我們需要進一步限定質心點運動的停止條件.
當質心點圍繞O點附近往復振動時,其受合力的切向分量很
小.因此,我們設定受力門限,當 (本文取=10e6),即可認
定質心點已達到穩定狀態,無須再運動.經過數個時間步長t後,當網路中所有質心點達到穩定狀態時,整個感測器網路即達到穩定狀態,此時對應的一組 ,該
組解通常為本文覆蓋增強的較優解.
2.3 演算法描述
基於上述分析,本文提出了基於虛擬勢場的網路覆蓋增強演算法(PFCEA),該演算法是一個分布式演算法,在每個感測器節點上並發執行.PFCEA演算法描述如下:
輸入:節點vi及其鄰居節點的位置和感測方向信息.
輸出:節點vi最終的感測方向信息 .
1. t0; //初始化時間步長計數器
2. 計算節點vi相應質心點ci初始位置 ;
3. 計算節點vi鄰居節點集合i,M表示鄰居節點集合中元素數目;
4. While (1)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 計算質心點cj對ci的當前斥力 ,其中,vji;
4.3.2 ;
4.4 計算質心點ci當前所受合力 沿圓周切線分量 ;
4.5 確定質心點ci運動方向;
4.6 If ( ) Then
4.6.1 質心點ci沿 方向轉動固定角度;
4.6.2 調整質心點ci至新位置 ;
4.6.3 計算節點vj指向當前質心點ci向量並單位化,得到節點vi最終的感測方向信息 ;
4.7 Sleep (t);
5. End.
3 演算法模擬與性能分析
我們利用VC6.0自行開發了適用於感測器網路部署及覆蓋研究的模擬軟體Senetest2.0,並利用該軟體進行了大量模擬實驗,以驗證PFCEA演算法的有效性.實驗中參數的取值見表1.為簡化實驗,假設目標區域中所有感測器節點同構,即所有節點的感測半徑及感測夾角規格分別相同.
Table 1 Experimental parameters
表1 實驗參數
Parameter Variation
Target area S 500500m2
Area coverage p 0~1
Sensor number N 0~250
Sensing radius Rs 0~100m
Sensing offset angel 0º~90º
3.1 實例研究
在本節中,我們通過一個具體實例說明PFCEA演算法對有向感測器網路覆蓋增強.在500500m2的目標區域內,我們部署感測半徑R=60m、感測夾角=45º的感測器節點完成場景監測.若達到預期的網路覆蓋率p=70%, 通過公式(1),我們可預先估算出所需部署的感測器節點數目,
.
針對上述實例,我們記錄了PFCEA演算法運行不同時間步長時有向感測器網路覆蓋增強情況,如圖8所示.
(a) Initial coverage, p0=65.74%
(a) 初始覆蓋,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10個時間步長,p10=76.03%
(c) The 20th time step, p20=80.20%
(c) 第20個時間步長,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30個時間步長,p30=81.45%
Fig.8 Coverage enhancement using PFCEA algorithm
圖8 PFCEA演算法實現覆蓋增強
直觀看來,質心點在虛擬斥力作用下進行擴散運動,逐步消除網路中感知重疊區和盲區,最終實現有向感測器網路覆蓋增強.此例中,網路感測器節點分別經過30個時間步長的調整,網路覆蓋率由最初的65.74%提高到81.45%,網路覆蓋增強達15.71個百分點.
圖9顯示了逐個時間步長調整所帶來的網路覆蓋增強.我們發現,隨著時間步長的增加,網路覆蓋率也不斷增加,且近似滿足指數關系.當時間步長達到30次以後,網路中絕大多數節點的感測方向出現振動現象,直觀表現為網路覆蓋率在81.20%附近在允許的范圍振盪.此時,我們認定有向感測器網路覆蓋性能近似增強至最優.
網路覆蓋性能可以顯著地降低網路部署成本.實例通過節點感測方向的自調整,在僅僅部署105個感測器節點的情況下,最終獲得81.45%的網路覆蓋率.若預期的網路覆蓋率為81.45%,通過公式(1)的計算可知,我們至少需要部署148個感測器節點.由此可見,利用PFCEA演算法實現網路覆蓋增強的直接效果是可以節省近43個感測器節點,極大地降低了網路部署成本.
3.2 收斂性分析
為了討論本文演算法的收斂性,我們針對4種不同的網路節點規模進行多組實驗.我們針對各網路節點規模隨機生成10個拓撲結構,分別計算演算法收斂次數,並取平均值,實驗數據見表2.其他實驗參數為R=60m,=45º, =5º.
Table 2 Experimental data for convergence analysis
表2 實驗數據收斂性分析
(%)
(%)
1 50 41.28 52.73 24
2 70 52.74 64.98 21
3 90 60.76 73.24 28
4 110 65.58 78.02 27
分析上述實驗數據,我們可以得出,PFCEA演算法的收斂性即調整的次數,並不隨感測器網路節點規模的變化而發生顯著的改變,其取值一般維持在[20,30]范圍內.由此可見,本文PFCEA演算法具有較好的收斂性,可以在較短的時間步長內完成有向感測器網路的覆蓋增強過程.
3.3 模擬分析
在本節中,我們通過一系列模擬實驗來說明4個主要參數對本文PFCEA演算法性能的影響.它們分別是:節點規模N、感測半徑R、感測夾角和(質心點)轉動角度.針對前3個參數,我們與以往研究的一種集中式覆蓋增強演算法[14]進行性能分析和比較.
A. 節點規模N、感測半徑R以及感測角度
我們分別取不同節點規模進行模擬實驗.從圖10(a)變化曲線可以看出,當R和一定時,N取值較小導致網路初始覆蓋率較小.此時,隨著N的增大,p取值呈現持續上升趨勢.當N=200時,網路覆蓋率增強可達14.40個百分點.此後,p取值有所下降.這是由於當節點規模N增加導致網路初始覆蓋率較高時(如60%),相鄰多感測器節點間形成覆蓋盲區的概率大為降低,無疑削弱了PFCEA演算法的性能.另外,部分感測器節點落入邊界區域,也會間接起到削弱PFCEA演算法性能的作用.
另外,感測半徑、感測角度對PFCEA演算法性能的影響與此類似.當節點規模一定時,節點感測半徑或感測角度取值越小,單個節點的覆蓋區域越小,各相鄰節點間形成感知重疊區域的可能性也就越小.此時,PFCEA演算法對網路覆蓋性能改善並不顯著.隨著感測半徑或感測角度的增加,p不斷增加.當R=70m且=45º時,網路覆蓋率最高可提升15.91%.但隨著感測半徑或感測角度取值的不斷增加,PFCEA演算法帶來的網路覆蓋效果降低,如圖10(b)、圖10(c)所示.
(c) The effect of sensing offset angle , other parameters meet N=100, R=40m, =5º
(c) 感測角度的影響,其他實驗參數滿足:N=100,R=40m,=5º
C. 奼熻嫃鑷鑰12573鏃犵嚎浼犳劅緗戞妧鏈鑰冭瘯澶х翰錛堥珮綰1837錛夛紵
鏈澶х翰瀵瑰簲鏁欐潗鐗堟湰涓猴細銆婃棤綰誇紶鎰熺綉緇溿嬶紝鏉ㄥ崥闆勪富緙栵紝浜烘皯閭鐢靛嚭鐗堢ぞ錛2015騫淬
楂樼翰1837
奼熻嫃鐪侀珮絳夋暀鑲茶嚜瀛﹁冭瘯澶х翰
12573 鏃犵嚎浼犳劅緗戞妧鏈
鍗椾含淇℃伅宸ョ▼澶у︾紪錛2020騫達級
奼熻嫃鐪侀珮絳夋暀鑲茶嚜瀛﹁冭瘯濮斿憳浼氬姙鍏瀹
鈪 璇劇▼鎬ц川涓庤劇▼鐩鏍
涓銆佽劇▼鎬ц川鍜岀壒鐐
鏈璇劇▼鏄閽堝圭墿鑱旂綉宸ョ▼涓撲笟寮璁劇殑涓撲笟蹇呬慨璇撅紝#鏄涓轟粠浜嬬戝︾爺絀躲佺悊璁虹爺絀躲佸伐紼嬪疄璺墊彁渚涘熀鏈鐭ヨ瘑鍌ㄥ囧拰鍩烘湰璁緇冪殑鍩虹鐞嗚烘ц劇▼銆傛棤綰誇紶鎰熷櫒緗戞槸榪戝勾鏉ュ彂灞曟渶涓烘椿璺冪殑鎶鏈涔嬩竴錛屽畠涓庨氫俊鎶鏈鍜岃＄畻鏈烘妧鏈鍏卞悓鏋勬垚鏂頒竴浠ｄ俊鎮鎶鏈鐨勪笁澶ф敮鏌憋紝琚璁や負鏄瀵21涓栫邯浼氫駭鐢熷法澶у獎鍝嶅姏鐨勬妧鏈涔嬩竴銆傛棤綰誇紶鎰熺綉鎶鏈涔熸槸娑夊強澶氬︾戦珮搴︿氦鍙夌殑銆佺煡璇嗛珮搴﹂泦鎴愮殑鍓嶆部鐑鐐圭爺絀墮嗗煙銆傝劇▼鍏鋒湁鍏稿瀷鐨勮法瀛︾戠壒鐐癸紝娑夊強緗戠粶銆侀氫俊銆佺數瀛愩佽嚜鍔ㄥ寲銆佽＄畻鏈虹瓑涓嶅悓棰嗗煙鐨勭浉鍏蟲妧鏈錛屽寘鎷綰崇背涓庡井鐢靛瓙鎶鏈銆佹柊鍨嬪井鍨嬩紶鎰熷櫒鎶鏈銆佸井鏈虹數緋葷粺MEMS鎶鏈銆佺墖涓婄郴緇烻oC鎶鏈銆佺Щ鍔ㄤ簰鑱旂綉MI鎶鏈銆佸井鍔熻楀祵鍏ュ紡鎶鏈銆佸ぇ鏁版嵁澶勭悊絳夈#閫氳繃瀵規棤綰誇紶鎰熺綉浣撶郴緇撴瀯鍜屽簲鐢ㄧ瓑鍐呭圭殑浠嬬粛錛岃劇▼鏃ㄥ湪闃愯堪鏃犵嚎浼犳劅鍣ㄧ綉緇滅殑鍩烘湰鍘熺悊銆
璇劇▼鐨勪富瑕佷換鍔℃槸璁╁︾敓鍔犳繁瀵規棤綰誇紶鎰熷櫒緗戠粶鐨勭悊瑙,涓烘湭鏉ヤ粠浜嬫湁鍏蟲棤綰誇紶鎰熺綉緇滃強鐗╄仈緗戠殑搴旂敤寮鍙戞墦涓嬪熀紜銆傛湰璇劇▼鐨勫彟涓涓浠誨姟鏄#涓鏂歸潰鍩瑰吇瀛︾敓瀵規湰瀛︾戠悊璁虹爺絀剁殑鍏磋叮錛岃╁︾敓鑳藉熷瑰熀浜庢棤綰誇紶鎰熺綉鐨勭墿鑱旂綉搴旂敤鍏抽敭鎶鏈鏈夎繘涓姝ョ殑鐞嗚В錛屽苟鑾峰緱鏇村氬疄璺電殑浣撲細銆傛渶鍚庯紝鏈璇劇▼鐨勫︿範鐩鐨勮繕鍖呮嫭鍔犳繁鐗╄仈緗戝伐紼嬩笓涓氱殑瀛︾敓瀵規湰涓撲笟鍩烘湰鐞嗚虹殑鐞嗚В鍙#縐戝﹁В鍐蟲湰涓撲笟鐩稿叧闂棰樼殑鑳藉姏銆傞氳繃鏈璇劇▼鐨勫︿範錛屽︾敓鍙浠ヤ簡瑙ｆ棤綰誇紶鎰熷櫒緗戠粶鐨勫熀鏈緇勬垚銆佸叧閿鎶鏈銆佷綋緋葷粨鏋勩佸簲鐢ㄩ嗗煙銆佸彂灞曡秼鍔褲佺爺絀剁儹鐐圭瓑鐩稿叧鐭ヨ瘑錛屾帉鎻℃棤綰誇紶鎰熺綉緇滅殑鎷撴墤鎺у埗銆佽嗙洊鎺у埗銆佽礬鐢卞崗璁銆佽妭鐐瑰畾涔夈佹搷浣滅郴緇熴佸畨鍏ㄧ瓥鐣ャ佽繙紼嬩紶杈撶瓑鏂歸潰鐨勬妧鏈錛屽︿細鍒╃敤鐗瑰畾鐨勬搷浣滅郴緇熻繘琛屾棤綰誇紶鎰熺綉緇滅殑縐戝︾爺絀跺拰鍦ㄧ壒瀹氱殑鍗忚鏍堜笂榪涜屽熀浜嶼igBee鑺鐗囩殑鍚勭嶆棤綰誇紶鎰熺綉緇滃簲鐢ㄥ紑鍙戙
浜屻佽劇▼鐩鏍
鏈璇劇▼涓昏佸煿鍏誨︾敓瀛︿範鍜屾帉鎻′紶鎰熺綉鍩烘湰鍘熺悊鍜屾濇兂銆佸彂灞曞巻紼嬨佸彂灞曡秼鍔褲佹牳蹇冨唴瀹廣佸吀鍨嬪簲鐢ㄥ拰搴旂敤鐑鐐廣傚悓鏃訛紝鍩瑰吇瀛︾敓鍩烘湰鐨勫伐紼嬨佺戠爺鎬濊礬銆佺患鍚堣繍鐢ㄧ悊璁虹煡璇嗙殑鑳藉姏涓庡疄璺靛姩鎵嬬殑鑳藉姏錛屽煿鍏誨︾敓瀵規棤綰跨綉緇滈嗗煙鐨勮繘涓姝ュ︿範銆佺爺絀剁殑鍏磋叮錛屽煿鍏誨︾敓涓ヨ皚鐨勬不瀛︺佺爺絀躲佸伐浣滀綔椋庯紝涓轟粖鍚庣殑鍐嶅︿範銆佺爺絀舵垨宸ヤ綔鎵撲笅鑹濂界殑鍩虹銆備綔涓虹墿鑱旂綉宸ョ▼涓撲笟鐨勪笓涓氫富騫茶撅紝鏈璇劇▼瑕佹眰瀛︾敓鎺屾彙鏃犵嚎浼犳劅鍣ㄧ綉緇滈嗗煙鐨勫叧閿鎶鏈鍜屽簲鐢ㄣ傞拡瀵瑰綋鍓嶇墿鑱旂綉宸ョ▼搴旂敤鐨勯渶瑕侊紝浠ョ墿鑱旂綉鎰熺煡灞備負涓昏佸︿範鍐呭癸紝棰嗕細鏃犵嚎浼犳劅鍣ㄧ綉緇滃悇涓鐮旂┒棰嗗煙鐨勬妧鏈鍜屽簲鐢ㄣ傛帉鎻″熀鏈姒傚康鍜岀悊璁猴紝鐔熸倝鏃犵嚎浼犳劅鍣ㄧ綉緇滃彂灞曚笌搴旂敤錛岄嗕細鏃犵嚎浼犳劅鍣ㄧ綉緇滅殑涓昏佺壒鐐逛笌鍏抽敭鎶鏈錛涙帉鎻ZigBee銆6LoWPAN銆佽摑鐗欍乄iFi絳夌煭璺濈繪棤綰塊氫俊鎶鏈涓庢爣鍑嗭紝棰嗕細鏃犵嚎浼犳劅鍣ㄧ綉緇滄嫇鎵戞帶鍒舵妧鏈銆佽嗙洊鎶鏈銆佽妭鐐瑰畾浣嶆妧鏈錛屾帉鎻℃棤綰誇紶鎰熷櫒緗戠粶涓鐨勯噸瑕佽礬鐢卞崗璁錛岀啛鎮夋棤綰誇紶鎰熷櫒緗戠粶鎿嶄綔緋葷粺錛屼簡瑙ｆ棤綰誇紶鎰熷櫒緗戠粶瀹夊叏絳栫暐錛屾棤綰誇紶鎰熷櫒緗戠粶榪滅▼浼犺緭鎶鏈錛涢嗕細鏃犵嚎浼犳劅鍣ㄧ綉緇滃簲鐢ㄨ捐″師鍒欏強璁捐℃柟妗堛傞氳繃浠ヤ笅鍐呭圭殑瀛︿範錛屼嬌瀛︾敓鏃㈣兘澶熸帉鎻℃棤綰誇紶鎰熷櫒緗戠粶鐨勫熀鏈姒傚康鍜屽伐浣滃師鐞嗙瓑鍩虹鐭ヨ瘑錛屽張鑳藉熶簡瑙ｅ墠娌挎妧鏈鍜岀儹鐐圭爺絀跺唴瀹廣傚叿浣撶洰鏍囦富瑕佸寘鎷錛
錛1錛夌啛鎮夋棤綰誇紶鎰熷櫒緗戠粶鐨勪綋緋葷粨鏋勫拰緗戠粶綆＄悊鎶鏈錛
錛2錛夋帉鎻ZigBee銆6LoWPAN銆佽摑鐗欍乄iFi絳夌煭璺濈繪棤綰塊氫俊鎶鏈涓庢爣鍑嗭紱
錛3錛夋帉鎻℃棤綰誇紶鎰熷櫒緗戠粶涓鐨勭墿鐞嗗眰鍗忚銆丮AC鍗忚浠ュ強鏃犵嚎緗戠粶鍗忚甀EEE802.15.4絳夐氫俊鍗忚錛
錛4錛変簡瑙ｆ棤綰誇紶鎰熷櫒緗戠粶鐨勮妭鐐瑰畾浣嶆妧鏈錛
錛5錛夐嗕細鏃犵嚎浼犳劅鍣ㄧ綉緇滄嫇鎵戞帶鍒舵妧鏈銆佽嗙洊鎶鏈錛
錛6錛夌啛緇冩帉鎻℃棤綰誇紶鎰熷櫒緗戠粶涓鐨勯噸瑕佽礬鐢卞崗璁錛
錛7錛夋帉鎻″吀鍨嬬殑鏃犵嚎浼犳劅鍣ㄧ綉緇滄搷浣滅郴緇燂紱
錛8錛変簡瑙ｆ棤綰誇紶鎰熷櫒緗戠粶瀹夊叏絳栫暐錛
錛9錛夌啛鎮夋棤綰誇紶鎰熷櫒緗戠粶榪滅▼浼犺緭鎶鏈錛
錛10錛夐嗕細鏃犵嚎浼犳劅鍣ㄧ綉緇滃簲鐢ㄨ捐″師鍒欏強璁捐℃柟妗堛
涓夈佷笌鐩稿叧璇劇▼鐨勮仈緋諱笌鍖哄埆
銆婃棤綰誇紶鎰熷櫒緗戞妧鏈銆嬫槸奼熻嫃鐪侀珮絳夋暀鑲茶嚜瀛﹁冭瘯鐗╄仈緗戝伐紼嬩笓涓氾紙鏈縐戞碉級蹇呬慨鐨勪笓涓氳劇▼錛屼笌鐗╄仈緗戝伐紼嬩笓涓氱殑璁稿氬叾浠栬劇▼鏈夌潃瀵嗗垏鐨勫叧緋匯傘婄墿鑱旂綉宸ョ▼瀵艱恆嬨併婃暟鎹閫氫俊鍩虹銆嬨併婁紶鎰熷櫒鎶鏈涓庡簲鐢ㄣ嬨併婂藉甫IP緗戠粶銆嬨併婄墿鑱旂綉淇℃伅瀹夊叏鎶鏈銆嬬瓑璇劇▼鏄鏈璇劇▼鐨勫熀紜銆
鍥涖佽劇▼鐨勯噸鐐瑰拰闅劇偣
鏈璇劇▼鍐呭硅緝澶氾紝涓撲笟鐭ヨ瘑綣佸嶏紝鍚勭嶇悊璁烘妧鏈涔嬮棿鐨勬墍灞炲叧緋諱笉瀹規槗鎶婃彙錛屽洜姝ら渶瑕侀栧厛鐞嗘竻璇劇▼絝犺妭鍐呭逛箣闂寸殑鍏崇郴銆備粠鎬諱綋鐪嬶紝璇劇▼鍒嗕負浠ヤ笅鍏澶ч儴鍒嗭紝絎涓閮ㄥ垎鏄璇劇▼姒傝堪錛岀浜岄儴鍒嗘槸浣撶郴緇撴瀯錛岀涓夐儴鍒嗘槸鐗╃悊灞傚拰閾捐礬灞傚崗璁錛岀鍥涢儴鍒嗘槸瀵誨潃銆佸悓姝ュ拰瀹氫綅鍗忚錛岀浜旈儴鍒嗘槸緗戠粶灞傚拰璺鐢卞崗璁錛岀鍏閮ㄥ垎鏄鏃犵嚎浼犳劅緗戠殑鏋勫緩鍜屽簲鐢ㄥ疄鐜般
鏈璇劇▼鐨勯噸鐐逛箣涓鏄鐭璺濈繪棤綰塊氫俊鎶鏈錛屽寘鎷琙igBee錛6LoWPAN銆佽摑鐗欍乄iFi銆丷FID絳夌煭璺濈繪棤綰塊氫俊鎶鏈涓庢爣鍑嗐
鏈璇劇▼鐨勯噸鐐逛箣浜屾槸鏃犵嚎浼犳劅鍣ㄧ綉緇滀腑鐨勭墿鐞嗗眰鍗忚銆丮AC鍗忚浠ュ強鏃犵嚎緗戠粶鍗忚甀EEE802.15.4絳夐氫俊鍗忚錛屽寘鎷鎷撴墤鎺у埗銆佽嗙洊鎺у埗銆佽妭鐐瑰畾浣嶇瓑錛屾秹鍙婂埌鍩烘湰緇撴瀯銆佸師鐞嗐佹ā鍨嬨佺畻娉曠瓑銆
鏈璇劇▼鐨勯噸鐐逛箣涓夋槸鏃犵嚎浼犳劅鍣ㄧ綉緇滀腑鐨勯噸瑕佽礬鐢卞崗璁銆傚寘鎷鏃犵嚎浼犳劅緗戣礬鐢辮捐＄殑鍘熷垯銆佽礬鐢卞崗璁鍒嗙被錛屼互鏁版嵁涓轟腑蹇冪殑騫抽潰璺鐢憋紝鍩轟簬鏌ヨ㈢殑璺鐢便佸熀浜庤兘閲忔劅鐭ョ殑璺鐢便佸熀浜庡湴鐞嗕綅緗鐨勮礬鐢便佸熀浜庡垎綈囩殑璺鐢便佸熀浜嶲oS鐨勮礬鐢憋紝鐔熸倝涓嶅悓鍒嗙被璺鐢辯瓥鐣ョ殑鎬濊礬鍜屼紭緙虹偣錛屽簲鐢ㄦ儏鍐電瓑銆
鏈璇劇▼鐨勯噸鐐逛箣鍥涙槸鍏稿瀷鏃犵嚎浼犳劅緗戠粶鎿嶄綔緋葷粺錛屽寘鎷琓inyOS鎿嶄綔緋葷粺錛孲OS鎿嶄綔緋葷粺鍜孼-Stack鏋舵瀯銆傚挨鍏舵槸TinyOS鎿嶄綔緋葷粺闇瑕侀噸鐐規帉鎻★紝瀵筞-Stack鍜孴inyOS涔嬮棿鐨勫叧緋誨拰搴旂敤鎯呭喌瑕佹湁娓呮櫚鐨勮よ瘑銆
鏈璇劇▼鐨勯毦鐐規槸鐗╃悊灞傘丮AC灞傚拰緗戠粶灞傚叧閿鎶鏈錛屽寘鎷鏃犵嚎浼犳劅緗戠粶鎷撴墤鎺у埗銆佽嗙洊鎺у埗銆佽妭鐐瑰畾浣嶅拰璺鐢卞崗璁銆傚規嫇鎵戠粨鏋勫強鍏稿瀷鐨勬嫇鎵戞帶鍒剁瓥鐣ワ紝鑺傜偣閮ㄧ講鏂瑰紡鍜岃嗙洊鍒嗙被錛屽吀鍨嬬殑瑕嗙洊鎺у埗綆楁硶錛屾棤綰誇紶鎰熺綉瀹氫綅鍘熺悊銆佸畾浣嶆柟娉曞垎綾匯佹妧鏈鎸囨爣鍙婂吀鍨嬬殑瀹氫綅鏂規硶錛屾棤綰誇紶鎰熺綉緇滆礬鐢卞崗璁涓錛屼互鏁版嵁涓轟腑蹇冪殑騫抽潰璺鐢憋紝鍩轟簬鑳介噺鎰熺煡鐨勮礬鐢憋紝鍩轟簬鍦扮悊浣嶇疆鐨勮礬鐢憋紝鍩轟簬鍒嗙皣鐨勮礬鐢遍兘鏄璇劇▼闅劇偣錛屽瑰叾鍩烘湰鎬濊礬鍜屽伐浣滆繃紼嬭侀噸鐐規妸鎻°
鐐瑰嚮涓嬭澆錛12573 鏃犵嚎浼犳劅鍣ㄧ綉鎶鏈錛堥珮綰1837錛夈愬畬鏁寸増銆
鑷鑰/鎴愯冩湁鐤戦棶銆佷笉鐭ラ亾鑷鑰/鎴愯冭冪偣鍐呭廣佷笉娓呮氬綋鍦拌嚜鑰/鎴愯冩斂絳栵紝鐐瑰嚮搴曢儴鍜ㄨ㈠畼緗戣佸笀錛屽厤璐硅幏鍙栦釜浜哄﹀巻鎻愬崌鏂規堬細https://www.87dh.com/xl/
D. 無線感測器網路
無線感測器網路(wirelesssensornetwork，WSN)是綜合了感測器技術、嵌入式計算機技術、分布式信息處理技術和無線通信技術，能夠協作地實時監測、感知和採集網路分布區域內的各種環境或監測對象的信息，並對這些數據進行處理，獲得詳盡而准確的信息。傳送到需要這些信息的用戶。它是由部署在監測區域內大量的廉價微型感測器節點組成，通過無線通信方式形成一個多跳的自組織的網路系統。感測器、感知對象和觀察者構成了感測器網路的三要素。
無線感測器網路作為當今信息領域新的研究熱點，涉及到許多學科交叉的研究領域，要解決的關鍵技術很多，比如：網路拓撲控制、網路協議、網路安全、時間同步、定位技術、數據融合、數據管理、無線通信技術等方面，同時還要考慮感測器的電源和節能等問題。
所謂部署問題，就是在一定的區域內，通過適當的策略布置感測器節點以滿足某種特定的需求。優化節點數目和節點分布形式，高效利用有限的感測器網路資源，最大程度地降低網路能耗，均是節點部署時應注意的問題。
目前的研究主要集中在網路的覆蓋問題、連通問題和能耗問題3個方面。
基於節點部署方式的覆蓋：1)確定性覆蓋2)自組織覆蓋
基於網格的覆蓋：1)方形網格2)菱形網格
被監測目標狀態的覆蓋：1)靜態目標覆蓋2)動態目標覆蓋
連通問題可描述為在感測器節點能量有限，感知、通信和計算能力受限的情況下，採用一定的策略(通常設計有效的演算法)在目標區域中部署感測器節點，使得網路中的各個活躍節點之間能夠通過一跳或多跳方式進行通信。連通問題涉及到節點通信距離和通信范圍的概念。連通問題分為兩類：純連通與路由連通。
覆蓋中的節能對於覆蓋問題，通常採用節點集輪換機制來調度節點的活躍／休眠時間。連通中的節能針對連通問題，也可採用節點集輪換機制與調整節點通信距離的方法。而文獻中涉及最多的主要是從節約網路能量和平衡節點剩餘能量的角度進行路由協議的研究。
E. 無線感測器網路的特點與應用
無線感測器網路是一種新型的感測器網路，其主要是由大量的感測器節點組成，利用無線網路組成一個自動配置的網路系統，並將感知和收集到的信息發給管理部門。目前無線感測器網路在軍事、生態環境、醫療和家居方面都有一定應用，未來無線感測器網路的發展前景將是不可估量的。
一、無線感測器網路的特點
(一)節點數量多
在監測區通常都會安置許多感測器節點，並通過分布式處理信息，這樣就能夠提高監測的准確性，有效獲取更加精確的信息，並降低對節點感測器的精度要求。此外，由於節點數量多，因此存在許多冗餘節點，這樣就能使系統的容錯能力較強，並且節點數量多還能夠覆蓋到更廣闊的監測區域，有效減少監測盲區。
(二)動態拓撲
無線感測器網路屬於動態網路，其節點並非固定的。當某個節電出現故障或是耗盡電池後，將會退出網路，此外，還可能由於需要而被轉移添加到其他的網路當中。
(三)自組織網路
無線感測器的節點位置並不能進行精確預先設定。節點之間的相互位置也無法預知，例如通過使用飛機播散節點或隨意放置在無人或危險的區域內。在這種情況下，就要求感測器節點自身能夠具有一定的組織能力，能夠自動進行相關管理和配置。
(四)多跳路由
無線感測網路中，節點之間的距離通常都在幾十到幾百米，因此節點只能與其相鄰的節點進行直接通信。如果需要與范圍外的節點進行通信，就需要經過中間節點進行路由。無線感測網路中的多跳路由並不是專門的路由設備，所有傳輸工作都是由普通的節點完成的。
(五)以數據為中心
無線感測網路中的節點均利用編號標識。由於節點是隨機分布的，因此節點的編號和位置之間並沒有聯系。用戶在查詢事件時，只需要將事件報告給網路，並不需要告知節點編號。因此這是一種以數據為中心進行查詢、傳輸的方式。
(六)電源能力局限性
通常都是用電池對節點進行供電，而每個節點的能源都是有限的，因此一旦電池的能量消耗完，就是造成節點無法再進行正常工作。
二、無線感測器網路的應用
(一)環境監測應用
無線感測器可以用於進行氣象研究、檢測洪水和火災等，在生態環境監測中具有明顯優勢。隨著我國市場經濟的不斷發展，生態環境污染問題也越來越嚴重。我國是一個幅員遼闊、資源豐富的農業大國，因此在進行農業生產時利用無線感測器進行對生產環境變化進行監測能夠為農業生產帶來許多好處，這對我國市場經濟的'不斷發展有著重要意義。
(二)醫療護理應用
無線感測器網路通過使用互聯網路將收集到的信息傳送到接受埠，例如一些病人身上會有一些用於監測心率、血壓等的感測器節點，這樣醫生就可以隨時了解病人的病情，一旦病人出現問題就能夠及時進行臨時處理和救治。在醫療領域內感測器已經有了一些成功案例，例如芬蘭的技術人員設計出了一種可以穿在身上的無線感測器系統，還有SSIM(Smart Sensors and Integrated Microsystems)等。
(三)智能家居建築應用
文物保護單位的一個重要工作就是要對具有意義的古老建築實行保護措施。利用無線感測器網路的節點對古老建築內的溫度是、濕度、關照等進行監測，這樣就能夠對建築物進行長期有效的監控。對於一些珍貴文物的保存，對保護地的位置、溫度和濕度等提前進行檢測，可以提高展覽品或文物的保存品質。例如，英國一個博物館基於無線感測器網路設計了一個警報系統，利用放在溫度底部的節點檢測燈光、振動等信息，以此來保障文物的安全[5]。
目前我國基礎建設處在高速發展期，建設單位對各種建設工程的安全施工監測越來越關注。利用無線感測器網路使建築能夠檢測到自身狀況並將檢測數據發送給管理部門，這樣管理部門就能夠及時掌握建築狀況並根據優先等級來處理建築修復工作。
另外，在傢具或家電匯中設置無線感測器節點，利用無線網路與互聯網路，將家居環境打造成一個更加舒適方便的空間，為人們提供更加人性化和智能化的生活環境。通過實時監測屋內溫度、濕度、光照等，對房間內的細微變化進行監測和感知，進而對空調、門窗等進行智能控制，這樣就能夠為人們提供一個更加舒適的生活環境。
(四)軍事應用
無線感測器網路具有低能耗、小體積、高抗毀等特性，且其具有高隱蔽性和高度的自組織能力，這為軍事偵察提供有效手段。美國在20世紀90年代就開始在軍事研究中應用無線感測器網路。無線感測器網路在惡劣的戰場內能夠實時監控區域內敵軍的裝備，並對戰場上的狀況進行監控，對攻擊目標進行定位並能夠檢測生化武器。
目前無線感測器網路在全球許多國家的軍事、研究、工業部門都得到了廣泛的關注，尤其受到美國國防部和軍事部門的重視，美國基於C4ISR又提出了C4KISR的計劃，對戰場情報的感知和信息綜合能力又提出新的要求，並開設了如NSOF系統等的一系列軍事無線感測器網路研究。
總之，隨著無線感測器網路的研究不斷深入和擴展，人們對無線感測器的認識也越來越清晰，然而目前無線感測器網路的在技術上還存在一定問題需要解決，例如存儲能力、傳輸能力、覆蓋率等。盡管無線感測器網路還有許多技術問題待解決使得現在無法廣泛推廣和運用，但相信其未來發展前景不可估量。
F. 無線感測器網路 畢業設計求助
基於農業環境無線感測器網路性能評估
[摘要]隨著無線感測器網路應用研究的不斷深入，通過實際感測器節點建立網路進行網路測試越來越受到人們的重視。綜合大量無線感測器網路性能研究的技術文獻和最新研究結果，提出對農業環境WSN網路性能參數。
[關鍵詞]無線感測器網路 性能測試 部署
一、引言
近年來隨著研究的深入與技術的成熟，以應用為背景，基於WSN的試驗越來越多地涌現出來，WSN正處於從研究到應用的過渡階段。對WSN網路性能的分析與評價是網路節點與部署的前提，對WSN網路性能進行分析，評價，獲得網路性能的總體情況，可以評估，鑒定和驗收一個現有網路；對一個新的待建設網路，其方案的論證也極大地依賴於如何分析和評價網路的性能。
原文鏈接：http://www.lunwenw.net/Html/tongxixue/144844137.html
基於TinyOS無線感測器網路的農業環境監測系統設計
摘要：針對傳統農業環境監測系統的局限性，設計了一種基於無線感測器網路的農業環境監測系統，給出了農業環境監測系統的體系結構，重點設計了使用MSP4300和CC2420晶元的感測器節點硬體結構和基於TinyOS操作系統構架的軟體流程，系統可以對目標監測區內的溫度、濕度、光照度等農業環境信息進行實時監測、可靠傳輸。解決了傳統農業環境監測中存在的問題，為無線感測器網路應用於農業環境監測做出探索性研究。
關鍵詞：無線感測器網路；TinyOS；精準農業；環境監測
准確實時的信息供給是精準農業的必須前提，精準農業的實現首先在於認識農田內農作物生長環境和生長情況的差異，而這必須依賴於各種先進的感測器，如大氣溫度、大氣濕度、風速、太陽輻射、作物生長情況、作物產量等各種類型感測器。如何將這些感測器採集的信息及時准確地收集，為農業專家提供決策並制定農田變數作業處方的主要數據源和參數，一直是一個難題。近年來，出現了許多採用無線公共網路和無線網路等無線通訊方式進行農、林、牧業的遠程監測的研究。這些無線通信技術的優勢是傳輸速度快、信息量大、可遠距離傳輸，但都存在功耗高、時延長、通信費用高等因素制約，使其很難廣泛地應用到農業環境監測中。
原文鏈接：http://www.lunwenw.net/Html/tongxixue/144720547.html
無線感測器網路在農作物環境信息監測中的應用
摘 要：感測器已經被廣泛的應用於工業、軍事等方面。由感測器節點構成的無線網路也已經成為現今研究的熱門問題。無線感測器網路在農業中尤其是在農作物信息檢測中的運用是將智能化、自動化應用於農業中的最好的手段之一，而選擇良好的協議標准也將會是解決問題的關鍵。
關鍵詞：協議；無線感測器網路；作物信息
1 引言
隨著網路的迅猛發展，對於網路的使用范圍越來越寬廣，而集感測器技術、微機電系統技術、無線通信技術、嵌入式計算機技術、分布式信息處理技術和無線通信技術於一體的無線感測器網路就成為當今研究的熱點。無線感測器網路是一個多學科交叉的綜合性科學研究領域，對於其網路所分布的區域內的各種環境和檢測對象的信息能夠進行實吋的監控、感知和採集，並且將這些信息先進行處理，然後通過無線方式傳輸給監控主機或者需要使用這些信息的用戶。正是因為這種廣泛的用途，使得無線感測器網路在眾多領域如農業、軍事、智能家居、森林保護等方面有著實際的用途和研究價值。
原文鏈接：http://www.lunwenw.net/Html/tongxixue/144546725.html
G. 什麼是無線感測技術
早在上世紀70年代，就出現了將傳統感測器採用點對點傳輸、連接感測控制器而構成感測網路雛形，我們把它歸之為第一代感測器網路。隨著相關學科的不斷發展和進步，感測器網路同時還具有了獲取多種信息信號的綜合處理能力，並通過與感測控制的相聯，組成了有信息綜合和處理能力的感測器網路，這是第二代感測器網路。而從上世紀末開始，現場匯流排技術開始應用於感測器網路，人們用其組建智能化感測器網路，大量多功能感測器被運用，並使用無線技術連接，無線感測器網路逐漸形成。
無線感測器網路是新一代的感測器網路，具有非常上世紀70年代，其發展和應用，將會給人類的生活和生產的各個領域帶來深遠影響。
無線感測器網路可以看成是由數據獲取網路、數據頒布網路和控制管理中心三部分組成的。其主要組成部分是集成有感測器、處理單元和通信模塊的節點，各節點通過協議自組成一個分布式網路，再將採集來的數據通過優化後經無線電波傳輸給信息處理中心。
H. 在無線感測器網路中，如何根據接收信號的強度來判斷發送者的距離有具體的計算公式么
基於RSSI的定位
RSSI測量，一般利用信號傳播的經驗模型與理論模型。
對於經驗模型，在實際定位前，先選取若干測試點，記錄在這些點各基站收到的信號強度，建立各個點上的位置和信號強度關系的離線資料庫(x，y，ss1，ss2，ss3)。在實際定位時，根據測得的信號強度(ss1′，ss2′，ss3′)和資料庫中記錄的信號強度進行比較，信號強度均方差最小的那個點的坐標作為節點的坐標。
對於理論模型，常採用無線電傳播路徑損耗模型進行分析。常用的傳播路徑損耗模型有：自由空間傳播模型、對數距離路徑損耗模型、哈它模型、對數一常態分布模型等。自由空間無線電傳播路徑損耗模型為：
式中，d為距信源的距離，單位為km；f為頻率，單位為MHz；k為路徑衰減因子。其他的模型模擬現實環境，但與現實環境還是有一定的差距。比如對數一常態分布模型，其路徑損耗的計算公式為：
式中，Xσ是平均值為O的高斯分布隨機變數，其標准差范圍為4～10；k的范圍在2～5之間。取d=1，代入式(1)可得，LOSS，即PL(d0)的值。此時各未知節點接收錨節點信號時的信號強度為：
RSSI=發射功率+天線增益一路徑損耗(PL(d))
2．2 基於RSSI的三角形質心定位演算法的數學模型
不論哪種模型，計算出的接收信號強度總與實際情況下有誤差，因為實際環境的復雜性，換算出的錨節點到未知節點的距離d總是大於實際兩節點間的距離。如圖1所示，錨節點A，B，C，未知節點D，根據RSSI模型計算出的節點A和D的距離為rA；節點B和D的距離為rB；節點C和D的距離為rC。分別以A，B，C為圓心；rA，rB，rC為半徑畫圓，可得交疊區域。這里的三角形質心定位演算法的基本思想是：計算三圓交疊區域的3個特徵點的坐標，以這三個點為三角形的頂點，未知點即為三角形質心，如圖2所示，特徵點為E，F，G，特徵點E點的計算方法為：
同理，可計算出F，G，此時未知點的坐標為由模擬得，在圖2中，實際點為D；三角形質心演算法出的估計點為M；三邊測量法算出的估計點為N。可知，三角形質心演算法的准確度更高。
3 基於RSSI的三角形質心演算法過程
3．1 步驟
(1)錨節點周期性向周圍廣播信息，信息中包括自身節點ID及坐標。普通節點收到該信息後，對同一錨節點的RSSI取均值。
(2)當普通節點收集到一定數量的錨節點信息時，不再接收新信息。普通節點根據RSSI從強到弱對錨節點排序，並建立RSSI值與節點到錨節點距離的映射。建立3個集合。
錨節點集合：
(3)選取RSSI值大的前幾個錨節點進行自身定位計算。
在B_set：中優先選擇RSSI值大的信標節點組合成下面的錨節點集合，這是提高定位精度的關鍵。
對錨節點集合，依次根據(3)式算出3個交點的坐標，最後由質心演算法，得出未知節點坐標。
(4)對求出的未知節點坐標集合取平均，得未知節點坐標。
3．2 誤差定義
定義定位誤差為ER，假設得到的未知節點的坐標為(xm，ym)，其真實位置為(x，y)，則定位誤差ER為：
4 仿 真
利用Matlab模擬工具模擬三角形質心演算法，考察該演算法的性能。假設在100 m×100 m的正方形區域內，36個錨節點均勻分布，未知節點70個，分別用三邊測量法和三角形質心定位演算法進行模擬，模擬結果如圖3所示。由圖3可知，三角形質心演算法比三邊測量法，定位精度更高，當測距誤差變大時，用三角形質心演算法得出的平均定位誤差比用三邊測量法得出的小得多。
5 結 語
在此提出了將RSSI方法和三角形質心定位演算法相結合的方法，通過模擬實驗，將該演算法和三邊測量演算法相比較，證明了該演算法的優越性。下一步將研究在錨節點數量不同時的平均定位誤差。