㈠ 无线传感器网络中的部署问题，200分！！追加！！
无线传感器网络是近几年发展起来的一种新兴技术,在条件恶劣和无人坚守的环境监测和事件跟踪中显示了很大的应用价值。节点部署是无线传感器网络工作的基础,对网络的运行情况和寿命有很大的影响。部署问题涉及覆盖、连接和节约能量消耗3个方面。该文重点讨论了网络部署中的覆盖问题,综述了现有的研究成果,总结了今后的热点研究方向,为以后的研究奠定了基础。
基于虚拟势场的有向传感器网络覆盖增强算法
摘 要: 首先从视频传感器节点方向性感知特性出发,设计了一种方向可调感知模型,并以此为基础对有向传感器网络覆盖增强问题进行分析与定义;其次,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA (potential field based coverage-enhancing algorithm).通过引入“质心”概念,将有向传感器网络覆盖增强问题转化为质心均匀分布问题,以质心点作圆周运动代替传感器节点传感方向的转动.质心在虚拟力作用下作扩散运动,以消除网络中感知重叠区和盲区,进而增强整个有向传感器网络覆盖.一系列仿真实验验证了该算法的有效性.
关键词: 有向传感器网络;有向感知模型;虚拟势场;覆盖增强
中图法分类号: TP393 文献标识码: A
覆盖作为传感器网络中的一个基本问题,反映了传感器网络所能提供的“感知”服务质量.优化传感器网络覆盖对于合理分配网络的空间资源,更好地完成环境感知、信息获取任务以及提高网络生存能力都具有重要的意义[1].目前,传感器网络的初期部署有两种策略:一种是大规模的随机部署;另一种是针对特定的用途进行计划部署.由于传感器网络通常工作在复杂的环境下,而且网络中传感器节点众多,因此大都采用随机部署方式.然而,这种大规模随机投放方式很难一次性地将数目众多的传感器节点放置在适合的位置,极容易造成传感器网络覆盖的不合理(比如,局部目标区域传感器节点分布过密或过疏),进而形成感知重叠区和盲区.因此,在传感器网络初始部署后,我们需要采用覆盖增强策略以获得理想的网络覆盖性能.
目前,国内外学者相继开展了相关覆盖增强问题的研究,并取得了一定的进展[25].从目前可获取的资料来看,绝大多数覆盖问题研究都是针对基于全向感知模型(omni-directional sensing model)的传感器网络展开的[6],
即网络中节点的感知范围是一个以节点为圆心、以其感知距离为半径的圆形区域.通常采用休眠冗余节点[2,7]、
重新调整节点分布[811]或添加新节点[11]等方法实现传感器网络覆盖增强.
实际上,有向感知模型(directional sensing model)也是传感器网络中的一种典型的感知模型[12],即节点的感知范围是一个以节点为圆心、半径为其感知距离的扇形区域.由基于有向感知模型的传感器节点所构成的网络称为有向传感器网络.视频传感器网络是有向传感器网络的一个典型实例.感知模型的差异造成了现有基于全向感知模型的覆盖研究成果不能直接应用于有向传感器网络,迫切需要设计出一系列新方法.
在早期的工作中[13],我们率先开展有向传感器网络中覆盖问题的研究,设计一种基本的有向感知模型,用以刻画视频传感器节点的方向性感知特性,并研究有向传感器网络覆盖完整性以及通信连通性问题.同时,考虑到有向传感器节点传感方向往往具有可调整特性(比如PTZ摄像头的推拉摇移功能),我们进一步提出一种基于图论和计算几何的集中式覆盖增强算法[14],调整方案一经确定,网络中所有有向传感器节点并发地进行传感方向的一次性调整,以此获得网络覆盖性能的增强.但由于未能充分考虑到有向传感器节点局部位置及传感方向信息,因而,该算法对有向传感器网络覆盖增强的能力相对有限.
本文将基本的有向感知模型扩展为方向可调感知模型,研究有向传感器网络覆盖增强问题.首先定义了方向可调感知模型,并分析随机部署策略对有向传感器网络覆盖率的影响.在此基础上,分析了有向传感器网络覆盖增强问题.本文通过引入“质心”概念,将待解决问题转化为质心均匀分布问题,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA(potential field based coverage-enhancing algorithm).质心在虚拟力作用下作扩散运动,逐步消除网络中感知重叠区和盲区,增强整个网络覆盖性能.最后,一系列仿真实验验证了PFCEA算法的有效性.
1 有向传感器网络覆盖增强问题
本节旨在分析和定义有向传感器网络覆盖增强问题.在此之前,我们对方向可调感知模型进行简要介绍.
1.1 方向可调感知模型
不同于目前已有的全向感知模型,方向可调感知模型的感知区域受“视角”的限制,并非一个完整的圆形区域.在某时刻t,有向传感器节点具有方向性感知特性;随着其传感方向的不断调整(即旋转),有向传感器节点有能力覆盖到其传感距离内的所有圆形区域.由此,通过简单的几何抽象,我们可以得到有向传感器节点的方向可调感知模型,如图1所示.
定义1. 方向可调感知模型可用一个四元组P,R, ,
表示.其中,P=(x,y)表示有向传感器节点的位置坐标;R表示节
点的最大传感范围,即传感半径;单位向量 = 为扇形感知区域的中轴线,即节点在某时刻t时的传感方向; 和 分别是单位向量 在X轴和Y轴方向上的投影分量;表示边界距离传感向量 的传感夹角,2代表传感区域视角,记作FOV.
特别地,当=时,传统的全向感知模型是方向可调感知模型的一个特例.
若点P1被有向传感器节点vi覆盖成立,记为viP1,当且仅当满足以下条件:
(1) ,其中, 代表点P1到该节点的欧氏距离;
(2) 与 间夹角取值属于[,].
判别点P1是否被有向传感器节点覆盖的一个简单方法是:如果 且 ,那么,点P1
被有向传感器节点覆盖;否则,覆盖不成立.另外,若区域A被有向传感节点覆盖,当且仅当区域A中任何一个点都被有向传感节点覆盖.除非特别说明,下文中出现的“节点”和“传感器节点”均满足上述方向可调感知模型.
1.2 有向传感器网络覆盖增强问题的分析与定义
在研究本文内容之前,我们需要作以下必要假设:
A1. 有向传感器网络中所有节点同构,即所有节点的传感半径(R)、传感夹角()参数规格分别相同;
A2. 有向传感器网络中所有节点一经部署,则位置固定不变,但其传感方向可调;
A3. 有向传感器网络中各节点都了解自身位置及传感方向信息,且各节点对自身传感方向可控.
假设目标区域的面积为S,随机部署的传感器节点位置满足均匀分布模型,且目标区域内任意两个传感器节点不在同一位置.传感器节点的传感方向在[0,2]上也满足均匀分布模型.在不考虑传感器节点可能落入边界区域造成有效覆盖区域减小的情况下,由于每个传感器节点所监控的区域面积为R2,则每个传感器节点能监测整个目标区域的概率为R2/S.目标区域被N个传感器节点覆盖的初始概率p0的计算公式为(具体推导过程参见文献[14])
(1)
由公式(1)可知,当目标区域内网络覆盖率至少达到p0时,需要部署的节点规模计算公式为
(2)
当网络覆盖率分别为p0和p0+p时,所需部署的传感器节点数目分别为ln(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)lnS.因此,传感器节点数目差异N由公式(3)可得,
(3)
当目标区域面积S、节点传感半径R和传感夹角一定时,为一常数.此时,N与p0,p满足关系如图2所示(S=500500m2,R=60m,=45º).从图中我们可以看出,当p0一定时,N随着p的增加而增加;当p一定时,N随着p0的增加而增加,且增加率越来越大.因此,当需要将覆盖率增大p时,则需多部署N个节点(p0取值较大时(80%),p取值每增加1%,N就有数十、甚至数百的增加).如果采用一定的覆盖增强策略,无须多部署节点,就可以使网络覆盖率达到p0+p,大量节省了传感器网络部署成本.
设Si(t)表示节点vi在传感向量为 时所覆盖的区域面积.运算操作Si(t)Sj(t)代表节点vi和节点vj所能覆盖到的区域总面积.这样,当网络中节点传感向量取值为 时,有向传感器网络覆盖率可表
示如下:
(4)
因此,有向传感器网络覆盖增强问题归纳如下:
问题:求解一组 ,使得对于初始的 ,有 取值
接近最大.
Fig.2 The relation among p0, p and N
图2 p0,p和N三者之间的关系
2 基于虚拟势场的覆盖增强算法
2.1 传统虚拟势场方法
虚拟势场(virtual potential field)的概念最初应用于机器人的路径规划和障碍躲避.Howard等人[8]和Pori等人[9]先后将这一概念引入到传感器网络的覆盖增强问题中来.其基本思想是把网络中每个传感器节点看作一个虚拟的电荷,各节点受到其他节点的虚拟力作用,向目标区域中的其他区域扩散,最终达到平衡状态,即实现目标区域的充分覆盖状态.Zou等人[15]提出了一种虚拟力算法(virtual force algorithm,简称VFA),初始节点随机部署后自动完善网络覆盖性能,以均匀网络覆盖并保证网络覆盖范围最大化.在执行过程中,传感器节点并不移动,而是计算出随机部署的传感器节点虚拟移动轨迹.一旦传感器节点位置确定后,则对相应节点进行一次移动操作.Li等人[10]为解决传感器网络布局优化,在文献[15]的基础上提出了涉及目标的虚拟力算法(target involved virtual force algorithm,简称TIVFA),通过计算节点与目标、热点区域、障碍物和其他传感器之间的虚拟力,为各节点寻找受力平衡点,并将其作为该传感器节点的新位置.
上述利用虚拟势场方法优化传感器网络覆盖的研究成果都是基于全向感知模型展开的.假定传感器节点间存在两种虚拟力作用:一种是斥力,使传感器节点足够稀疏,避免节点过于密集而形成感知重叠区域;另一种是引力,使传感器节点保持一定的分布密度,避免节点过于分离而形成感知盲区[15].最终利用传感器节点的位置移动来实现传感器网络覆盖增强.
2.2 基于虚拟势场的有向传感器网络覆盖增强算法
在实际应用中,考虑到传感器网络部署成本,所有部署的传感器节点都具有移动能力是不现实的.另外,传感器节点位置的移动极易引起部分传感器节点的失效,进而造成整个传感器网络拓扑发生变化.这些无疑都会增加网络维护成本.因而,本文的研究工作基于传感器节点位置不变、传感方向可调的假设.上述假设使得直接利用虚拟势场方法解决有向传感器网络覆盖增强问题遇到了麻烦.在传统的虚拟势场方法中,传感器节点在势场力的作用下进行平动(如图3(a)所示),而基于本文的假设,传感器节点表现为其扇形感知区域在势场力的作用下以传感器节点为轴心进行旋转(如图3(b)所示).
为了简化扇形感知区域的转动模型,我们引入“质心(centroid)”的概念.质心是质点系中一个特定的点,它与物体的平衡、运动以及内力分布密切相关.传感器节点的位置不变,其传感方向的不断调整可近似地看作是扇形感知区域的质心点绕传感器节点作圆周运动.如图3(b)所示,一个均匀扇形感知区域的质心点位于其对称轴上且与圆心距离为2Rsin/3.每个传感器节点有且仅有一个质心点与其对应.我们用c表示传感器节点v所对应的质心点.本文将有向传感器网络覆盖增强问题转化为利用传统虚拟势场方法可解的质心点均匀分布问题,如图4所示.
Fig.3 Moving models of sensor node
图3 传感器节点的运动模型
Fig.4 The issue description of coverage enhancement in directional sensor networks
图4 有向传感器网络覆盖增强问题描述
2.2.1 受力分析
利用虚拟势场方法增强有向传感器网络覆盖,可以近似等价于质心点-质心点(c-c)之间虚拟力作用问题.我们假设质心点-质心点之间存在斥力,在斥力作用下,相邻质心点逐步扩散开来,在降低冗余覆盖的同时,逐渐实现整个监测区域的充分高效覆盖,最终增强有向传感器网络的覆盖性能.在虚拟势场作用下,质心点受来自相邻一个或多个质心点的斥力作用.下面给出质心点受力的计算方法.
如图5所示,dij表示传感器节点vi与vj之间的欧氏距离.只有当dij小于传感器节点传感半径(R)的2倍时,它们的感知区域才存在重叠的可能,故它们之间才存在产生斥力的作用,该斥力作用于传感器节点相应的质心点ci和cj上.
定义2. 有向传感器网络中,欧氏距离不大于节点传感半径(R)2倍的一对节点互为邻居节点.节点vi的邻居节点集合记作i.即i={vj|Dis(vi,vj)2R,ij}.
我们定义质心点vj对质心点vi的斥力模型 ,见公式(5).
(5)
其中,Dij表示质心点ci和cj之间的欧氏距离;kR表示斥力系数(常数,本文取kR=1);ij为单位向量,指示斥力方向(由质心点cj指向ci).公式(5)表明,只有当传感器节点vi和vj互为邻居节点时(即有可能形成冗余覆盖时),其相应的质心点ci和cj之间才存在斥力作用.质心点所受斥力大小与ci和cj之间的欧氏距离成反比,而质心点所受斥力方向由ci和cj之间的相互位置关系所决定.
质心点ci所受合力是其受到相邻k个质心点排斥力的矢量和.公式(6)描述质心点ci所受合力模型 .
(6)
通过如图6所示的实例,我们分析质心点的受力情况.图中包括4个传感器节点:v1,v2,v3和v4,其相应的质心
点分别为c1,c2,c3和c4.以质心点c1为例,由于d122R,故 ,质心点c1仅受到来自质心点c3和c4的斥力,其所受合力 .传感器节点传感方向旋转导致质心点的运动轨迹并不是任意的,而是固定绕传感器节点作圆周运动.因此,质心点的运动仅仅受合力沿圆周切线方向分量 的影响.
Fig.6 The force on centroid
图6 质心点受力
2.2.2 控制规则(control law)
本文基于一个虚拟物理世界研究质心点运动问题,其中作用力、质心点等都是虚拟的.该虚拟物理世界的构建是建立在求解问题特征的基础上的.在此,我们定义控制规则,即规定质心点受力与运动之间的关系,以达到质心点的均匀分布.
质心点在 作用下运动,受到运动学和动力学的双重约束,具体表现如下:
(1) 运动学约束
在传统传感器网络中利用虚拟势场方法移动传感器节点的情况下,由于传感器节点向任意方向运动的概率是等同的,我们大都忽略其所受的运动学约束[8].而在转动模型中,质心点的运动不是任意方向的,受合力沿圆
周切线方向分量 的影响,只能绕其传感器节点作圆周运动.
质心点在运动过程中受到的虚拟力是变化的,但对传感器网络系统来说,传感器节点之间每时每刻都交换邻居节点位置及传感方向信息是不现实的.因此,我们设定邻居节点间每隔时间步长t交换一次位置及传感方向信息,根据交换信息计算当前时间步长质心点所受合力,得出转动方向及弧长.同时,问题求解的目的在于将节点的传感方向调整至一个合适的位置.在此,我们不考虑速度和加速度与转动弧长之间的关系.
(2) 动力学约束
动力学约束研究受力与运动之间的关系.本运动模型中的动力学约束主要包含两方面内容:
• 每个时间步长t内,质心点所受合力与转动方向及弧长之间的关系;
• 质心点运动的静止条件.
在传统传感器网络中利用虚拟势场方法移动传感器节点的情况下,在每个时间步长内,传感器节点的运动速度受限于最大运动速度vmax,而不是随传感器节点受力无止境地增加.通过此举保证微调方法的快速收敛.在本转动模型中,我们同样假设质心点每次固定以较小的转动角度进行转动,通过多次微调方法逐步趋向最优解,即在每个时间步长t内,质心点转动的方向沿所受合力在圆周切线方向分量,转动大小不是任意的,而是具有固定转动角度.采用上述方法的原因有两个:
• 运动过程中,质心点受力不断变化,且变化规律很难用简单的函数进行表示,加之上述运动学约束和问题特征等因素影响,我们很难得出一个简明而合理的质心点所受合力与转动弧长之间的关系.
• 运动过程中,质心点按固定角度进行转动,有利于简化计算过程,减少节点的计算负担.同时,我们通过分析仿真实验数据发现,该方法具有较为理想的收敛性(具体讨论参见第3.2节).
固定转动角度取值不同对PFCEA算法性能具有较大的影响,这在第3.3节中将加以详细的分析和说明.
当质心点所受合力沿圆周切线方向分量为0时,其到达理想位置转动停止.如图7所示,我们假定质心点在圆周上O点处合力切向分量为0.由于质心点按固定转动角度进行转动,因此,它
未必会刚好转动到O点处.当质心点处于图7中弧 或 时,会
因合力切向分量不为0而导致质心点围绕O点附近往复振动.因此,为避免出现振动现象,加速质心点达到稳定状态,我们需要进一步限定质心点运动的停止条件.
当质心点围绕O点附近往复振动时,其受合力的切向分量很
小.因此,我们设定受力门限,当 (本文取=10e6),即可认
定质心点已达到稳定状态,无须再运动.经过数个时间步长t后,当网络中所有质心点达到稳定状态时,整个传感器网络即达到稳定状态,此时对应的一组 ,该
组解通常为本文覆盖增强的较优解.
2.3 算法描述
基于上述分析,本文提出了基于虚拟势场的网络覆盖增强算法(PFCEA),该算法是一个分布式算法,在每个传感器节点上并发执行.PFCEA算法描述如下:
输入:节点vi及其邻居节点的位置和传感方向信息.
输出:节点vi最终的传感方向信息 .
1. t0; //初始化时间步长计数器
2. 计算节点vi相应质心点ci初始位置 ;
3. 计算节点vi邻居节点集合i,M表示邻居节点集合中元素数目;
4. While (1)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 计算质心点cj对ci的当前斥力 ,其中,vji;
4.3.2 ;
4.4 计算质心点ci当前所受合力 沿圆周切线分量 ;
4.5 确定质心点ci运动方向;
4.6 If ( ) Then
4.6.1 质心点ci沿 方向转动固定角度;
4.6.2 调整质心点ci至新位置 ;
4.6.3 计算节点vj指向当前质心点ci向量并单位化,得到节点vi最终的传感方向信息 ;
4.7 Sleep (t);
5. End.
3 算法仿真与性能分析
我们利用VC6.0自行开发了适用于传感器网络部署及覆盖研究的仿真软件Senetest2.0,并利用该软件进行了大量仿真实验,以验证PFCEA算法的有效性.实验中参数的取值见表1.为简化实验,假设目标区域中所有传感器节点同构,即所有节点的传感半径及传感夹角规格分别相同.
Table 1 Experimental parameters
表1 实验参数
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 实例研究
在本节中,我们通过一个具体实例说明PFCEA算法对有向传感器网络覆盖增强.在500500m2的目标区域内,我们部署传感半径R=60m、传感夹角=45º的传感器节点完成场景监测.若达到预期的网络覆盖率p=70%, 通过公式(1),我们可预先估算出所需部署的传感器节点数目,
.
针对上述实例,我们记录了PFCEA算法运行不同时间步长时有向传感器网络覆盖增强情况,如图8所示.
(a) Initial coverage, p0=65.74%
(a) 初始覆盖,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10个时间步长,p10=76.03%
(c) The 20th time step, p20=80.20%
(c) 第20个时间步长,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30个时间步长,p30=81.45%
Fig.8 Coverage enhancement using PFCEA algorithm
图8 PFCEA算法实现覆盖增强
直观看来,质心点在虚拟斥力作用下进行扩散运动,逐步消除网络中感知重叠区和盲区,最终实现有向传感器网络覆盖增强.此例中,网络传感器节点分别经过30个时间步长的调整,网络覆盖率由最初的65.74%提高到81.45%,网络覆盖增强达15.71个百分点.
图9显示了逐个时间步长调整所带来的网络覆盖增强.我们发现,随着时间步长的增加,网络覆盖率也不断增加,且近似满足指数关系.当时间步长达到30次以后,网络中绝大多数节点的传感方向出现振动现象,直观表现为网络覆盖率在81.20%附近在允许的范围振荡.此时,我们认定有向传感器网络覆盖性能近似增强至最优.
网络覆盖性能可以显着地降低网络部署成本.实例通过节点传感方向的自调整,在仅仅部署105个传感器节点的情况下,最终获得81.45%的网络覆盖率.若预期的网络覆盖率为81.45%,通过公式(1)的计算可知,我们至少需要部署148个传感器节点.由此可见,利用PFCEA算法实现网络覆盖增强的直接效果是可以节省近43个传感器节点,极大地降低了网络部署成本.
3.2 收敛性分析
为了讨论本文算法的收敛性,我们针对4种不同的网络节点规模进行多组实验.我们针对各网络节点规模随机生成10个拓扑结构,分别计算算法收敛次数,并取平均值,实验数据见表2.其他实验参数为R=60m,=45º, =5º.
Table 2 Experimental data for convergence analysis
表2 实验数据收敛性分析
(%)
(%)
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
分析上述实验数据,我们可以得出,PFCEA算法的收敛性即调整的次数,并不随传感器网络节点规模的变化而发生显着的改变,其取值一般维持在[20,30]范围内.由此可见,本文PFCEA算法具有较好的收敛性,可以在较短的时间步长内完成有向传感器网络的覆盖增强过程.
3.3 仿真分析
在本节中,我们通过一系列仿真实验来说明4个主要参数对本文PFCEA算法性能的影响.它们分别是:节点规模N、传感半径R、传感夹角和(质心点)转动角度.针对前3个参数,我们与以往研究的一种集中式覆盖增强算法[14]进行性能分析和比较.
A. 节点规模N、传感半径R以及传感角度
我们分别取不同节点规模进行仿真实验.从图10(a)变化曲线可以看出,当R和一定时,N取值较小导致网络初始覆盖率较小.此时,随着N的增大,p取值呈现持续上升趋势.当N=200时,网络覆盖率增强可达14.40个百分点.此后,p取值有所下降.这是由于当节点规模N增加导致网络初始覆盖率较高时(如60%),相邻多传感器节点间形成覆盖盲区的概率大为降低,无疑削弱了PFCEA算法的性能.另外,部分传感器节点落入边界区域,也会间接起到削弱PFCEA算法性能的作用.
另外,传感半径、传感角度对PFCEA算法性能的影响与此类似.当节点规模一定时,节点传感半径或传感角度取值越小,单个节点的覆盖区域越小,各相邻节点间形成感知重叠区域的可能性也就越小.此时,PFCEA算法对网络覆盖性能改善并不显着.随着传感半径或传感角度的增加,p不断增加.当R=70m且=45º时,网络覆盖率最高可提升15.91%.但随着传感半径或传感角度取值的不断增加,PFCEA算法带来的网络覆盖效果降低,如图10(b)、图10(c)所示.
(c) The effect of sensing offset angle , other parameters meet N=100, R=40m, =5º
(c) 传感角度的影响,其他实验参数满足:N=100,R=40m,=5º
㈡ 在无线传感器网络中，如何根据接收信号的强度来判断发送者的距离有具体的计算公式么
基于RSSI的定位
RSSI测量，一般利用信号传播的经验模型与理论模型。
对于经验模型，在实际定位前，先选取若干测试点，记录在这些点各基站收到的信号强度，建立各个点上的位置和信号强度关系的离线数据库(x，y，ss1，ss2，ss3)。在实际定位时，根据测得的信号强度(ss1′，ss2′，ss3′)和数据库中记录的信号强度进行比较，信号强度均方差最小的那个点的坐标作为节点的坐标。
对于理论模型，常采用无线电传播路径损耗模型进行分析。常用的传播路径损耗模型有：自由空间传播模型、对数距离路径损耗模型、哈它模型、对数一常态分布模型等。自由空间无线电传播路径损耗模型为：
式中，d为距信源的距离，单位为km；f为频率，单位为MHz；k为路径衰减因子。其他的模型模拟现实环境，但与现实环境还是有一定的差距。比如对数一常态分布模型，其路径损耗的计算公式为：
式中，Xσ是平均值为O的高斯分布随机变数，其标准差范围为4～10；k的范围在2～5之间。取d=1，代入式(1)可得，LOSS，即PL(d0)的值。此时各未知节点接收锚节点信号时的信号强度为：
RSSI=发射功率+天线增益一路径损耗(PL(d))
2．2 基于RSSI的三角形质心定位算法的数学模型
不论哪种模型，计算出的接收信号强度总与实际情况下有误差，因为实际环境的复杂性，换算出的锚节点到未知节点的距离d总是大于实际两节点间的距离。如图1所示，锚节点A，B，C，未知节点D，根据RSSI模型计算出的节点A和D的距离为rA；节点B和D的距离为rB；节点C和D的距离为rC。分别以A，B，C为圆心；rA，rB，rC为半径画圆，可得交叠区域。这里的三角形质心定位算法的基本思想是：计算三圆交叠区域的3个特征点的坐标，以这三个点为三角形的顶点，未知点即为三角形质心，如图2所示，特征点为E，F，G，特征点E点的计算方法为：
同理，可计算出F，G，此时未知点的坐标为由仿真得，在图2中，实际点为D；三角形质心算法出的估计点为M；三边测量法算出的估计点为N。可知，三角形质心算法的准确度更高。
3 基于RSSI的三角形质心算法过程
3．1 步骤
(1)锚节点周期性向周围广播信息，信息中包括自身节点ID及坐标。普通节点收到该信息后，对同一锚节点的RSSI取均值。
(2)当普通节点收集到一定数量的锚节点信息时，不再接收新信息。普通节点根据RSSI从强到弱对锚节点排序，并建立RSSI值与节点到锚节点距离的映射。建立3个集合。
锚节点集合：
(3)选取RSSI值大的前几个锚节点进行自身定位计算。
在B_set：中优先选择RSSI值大的信标节点组合成下面的锚节点集合，这是提高定位精度的关键。
对锚节点集合，依次根据(3)式算出3个交点的坐标，最后由质心算法，得出未知节点坐标。
(4)对求出的未知节点坐标集合取平均，得未知节点坐标。
3．2 误差定义
定义定位误差为ER，假设得到的未知节点的坐标为(xm，ym)，其真实位置为(x，y)，则定位误差ER为：
4 仿 真
利用Matlab仿真工具模拟三角形质心算法，考察该算法的性能。假设在100 m×100 m的正方形区域内，36个锚节点均匀分布，未知节点70个，分别用三边测量法和三角形质心定位算法进行仿真，仿真结果如图3所示。由图3可知，三角形质心算法比三边测量法，定位精度更高，当测距误差变大时，用三角形质心算法得出的平均定位误差比用三边测量法得出的小得多。
5 结 语
在此提出了将RSSI方法和三角形质心定位算法相结合的方法，通过仿真实验，将该算法和三边测量算法相比较，证明了该算法的优越性。下一步将研究在锚节点数量不同时的平均定位误差。
㈢ 无线传感器在网络中的应用设计
下面是由整理的毕业设计论文《无线传感器在网络中的应用设计》，欢迎阅读。
1引言
无线传感器网络(Wireless Sensor Networks，简称WSNs)是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信形成一个多跳自组织网络系统，能够实时监测、感知和采集网络分布区域内监视对象的各种信息，并加以处理，完成数据采集和监测任务。WSNs综合了传感器、嵌入式计算、无线通讯、分布式信息处理等技术，具有快速构建、自配置、自调整拓扑、多跳路由、高密度、节点数可变、无统一地址、无线通信等特点，特别适用于大范围、偏远距离、危险环境等条件下的实时信息监测，可以广泛应用于军事、交通、环境监测和预报、卫生保健、空间探索等各个领域。
2节点的总体设计和器件选型
2.1节点的总体设计
WSNs微型节点应用数量比较大，更换和维护比较困难，要求其节点成本低廉和工作时间尽可能长;功能上要求WSNs中不应该存在专门的路由器节点，每个节点既是终端节点，又是路由器节点。节点间采用移动自组织网络联系起来，并采用多跳的路由机制进行通信。因此，在单个节点上，一方面硬件必须低能耗，采用无线传输方式;另一方面软件必须支持多跳的路由协议。基于这些基本思想，设计了以高芦此空档8位AVR单片机ATmega128L为核心，结合外围传感器和2.4 GHz无线收发模块CC2420的WSNs微型节点。这两款器件的体积非常小，加上外围电路，其整体体积也很小，非常适合用作WSNs节点的元件。
图1给出WSNs微型节点结构。它由数据采集单元、数据处理单元、数据传输单元和电源管理单扒汪元4部分组成。数据采集单元负责监测区域内信息的采集和数据转换，设计中包括了可燃性气体传感器和湿度传感器;数据处理单元负责控制整个节点的处理操作、路由协议、同步定位、功耗管理、任务管理等;数据传输单元负责与其他节点进行无线通信，交换控制消息和收发采集数据;电源管理单元选通所用到的传感器，节点电源由几节AA电池组成，实际工业应用中采用微型纽扣电池，以进一步减小体积。为了调试方便及可扩展性，可将数据采集单元独立出来，做成两块能相互套接的可扩展主板。
2.2处理器选型
处理器的选型要求和指标是功耗低，保证长时间不更换电源也能顺利工作，供给电压小于5 V，有较快的处理速度和能力，由于节点是需要大量安置的，所以价格也要相对便宜。选用AVR单片机，考虑到电路中I/O的个数不多，功耗低、成本低、适合与无线器件接口配合等多方面因素，综合对比后，选用Atmel公司的ATmega128L。该微型控制器拥有丰富的片上资源，包括4个定时器、4 KB SRAM、128KB Flash和4 KBEEPROM;拥有UART、SPI、I2C、JTAG接口，方便无线器件和传感器的接入;有6种电源节能模式，方便低功耗设计。
2.3无线通信器件选型 CC2420是一款符合ZigBee技术的高集成度工业用射频收发器，其MAC层和PHY层协议符合802.15.4规范，工作于2.4 GHz频段。该器件只需极少外部元件，即可确保短距离通信的有效性和可靠性。数据传输单元模块支持数据传输率高达250 Kb/s，即可实现多点对多点的快速组网，系统体积小、成本低、功耗小，适于电池长期供电，具有硬件加密、安全可靠、组网灵活、抗毁性强等特点。
2.4传感器选型
由于WSNs是用于矿下安全监测，常要检测矿下可燃气体的浓度(预防瓦斯气体浓度过高)和空气湿度，所以要选择测量气体浓度和湿度的传感器。
2.4.1 HIH-4000系列测湿传感器
HIH-4000系列测湿传感器作为一个低成本、可软焊的单个直插式组件(SIP)能提供仪表测量质量的相对湿度(RH)传感性能。RH传感器可用在二引线间有间距的配量中，它是一个热固塑料型电容传感元件，其内部具有信号处理功能。传感器的多层结构对应用环境的不利因素，诸如潮湿、灰尘、污垢、油类和环境中常见的化学品具有最佳的抗力，因此可认定陪瞎它能适用矿下环境。
2.4.2 MR511热线型半导体气敏元件
MR511型气敏元件利用气体吸附在金属氧化物半导体表面而产生热传导变化及电传导变化的原理，由白金线圈电阻值变化测定气体浓度。MR511由检测元件和补偿元件配对组成电桥的两个臂，遇可燃性气体时，检测元件的电阻减小，桥路输出电压变化，该电压变化随气体浓度的增大而成比例增大，补偿元件具有温度补偿作用。MR511除具有灵敏度高、响应恢复时间短、稳定性好特点外，还具有功耗小，抗环境温湿度干扰能力强的优点。WSNs的节能和井下恶劣温湿环境要求MR5111可以满足。
3 WSNs节点设计
3.1数据采集单元
考虑到无线传感器网络节点的节能和井下恶劣的温湿环境，为了便于数据采集，系统设计采用HIH-4000-01型测湿度传感器和MR511热线型半导体气体传感器。图2、图3分别给出其电路设计图。
3.2数据处理单元
ATmega128L的外围电路设计简单，设计时注意在数字电路的电源并人多只电容滤波。ATmega128L的工作时钟源可以选取外部晶振、外部RC振荡器、内部RC振荡器、外部时钟源等方式。工作时钟源的选择通过ATmega128L的内部熔丝位来设计。熔丝位可以通过JTAG编程、ISP编程等方式设置。ATmega128L采用7.3728 MHz和32.768 kHz两个外部晶振。前者用作工作时钟，后者用作实时时钟源。
3.3数据传输单元
3.3.1 CC2420外围电路设计
图4给出数据传输单元的外围电路。CC2420只需要极少的外围元器件。其外围电路包括晶振时钟电路、射频输入/输出匹配电路和微控制器接口电路3部分。
射频输入/输出匹配电路主要用来匹配器件的输入输出阻抗，使其输入输出阻抗为50 Ω，同时为器件内部的PA及LNA提供直流偏置。射频输入/输出是高阻抗，有差别。射频端最适合的负载是115+j180 Ω。C61、C62、C71、C81、L61组成不平衡变压器，L62和L81匹配射频输入输出到50 Ω;L61和L62同时提供功率放大器和低噪声放大器的直流偏置。内部的T/R开关是为了切换低噪声放大器/功率放大器。R451偏置电阻是电流基准发生器的精密电阻。CC2420本振信号既可由外部有源晶体提供，也可由内部电路提供。若由内部电路提供时，需外加晶体振荡器和两只负载电容，电容的大小取决于晶体的频率及输入容抗等参数。设计采用16 MHz晶振时，其电容值约为22 pF。C381和C391是外部晶体振荡器的负载电容。片上电压调节器提供所有内部1.8 V电源的供应。C42是电压调节器的负载电容，用于稳定调节器。为得到最佳性能必须使用电源去耦。在应用中使用大小合适的去耦电容和功率滤波器是非常重要的。CC2420可以通过4线SPI总线(SI、SO、SCLK、CSn)设置器件的工作模式，并实现读，写缓存数据，读/写状态寄存器等。通过控制FIFO和FIFOP引脚接口的状态可设置发射/接收缓存器。
3.3.2配置IEEE 802.15.4工作模式
CC2420为IEEE 802.15.4的数据帧格式提供硬件支持。其MAC层的帧格式为：头帧+数据帧+校验帧;PHY层的帧格式为：同步帧+PHY头帧+MAC帧，帧头序列的长度可通过设置寄存器改变，采用16位CRC校验来提高数据传输的可靠性。发送或接收的数据帧被送入RAM中的128字节缓存区进行相应的帧打包和拆包操作。表1给出CC2420的四线串行SPI接口引脚功能。它是设计单片机电路的依据，充分发挥这些功能是设计无线通信产品的前提。
3.3.3 CC2420与单片机接口电路设计
图5给出CC2420与ATmega128L单片机的接口电路。CC2420通过简单的四线(SI、SO、SCLK、CSn)与SPI兼容串行接口配置，这时CC2420是受控的。ATmega128L的SPI接口工作在主机模式，它是SPI数据传输的控制方;CC2420设为从机工作方式。当ATmega128L的SPI接口设为主机工作方式时，其硬件电路不会自动控制SS引脚。因此，在SH通信时，应在SPI接口初始化，它是由程序控制SS，将其拉为低电平，此后，当把数据写入主机的SPI数据寄存器后，主机接口将自动启动时钟发生器，在硬件电路的控制下，移位传送，通过MOSI将数据移出ATmega128L，并同时从CC2420由MISO移人数据，8位数据全部移出时，两个寄存器就实现了一次数据交换。
4结语
通过对于无线传感器网络节点中传感器元件、数据处理模块、数据传输模块和电源的选择，设计了一种以CC2420和ATmega128L为主体的硬件方案。利用该方案设计的CC2420和ATmega128L的外围电路以及两者之间的接口电路。此外，还对传感器与单片机的接口电路进行设计。通过实验验证，设计的硬件节点基本上达到了项目要求，经调试能通过传感器正确真实地采集数据，并实现两个无线节点(两个电路板。AA电池供电)在30 m左右的通信、传输数据、并反映到终端设备。
㈣ 无线传感器有哪些应用实例
随着物联网无线传感器技术不断提高，越来越得到广泛应用，主要用于石油化工，电力，工业制造，医药，农业，养殖，市政等领域，不仅提高了工作效率，还降低了生产成本。这里，小编结合用户实际需求盘点了联网无线传感器技术的十大典型应用实例。
一、EMS能源数据无线监控
针对美的集团的一个总厂，下面有7个分厂（总装一分厂、总装二分厂、总装三分厂、轻商分厂、注塑分厂、电子分厂、部装分厂）的监控和信息分析。
1、实现对各分厂的各线体现场电能表、各种流量计量表（如压缩空气流量、石油气流量、氧气流量、氮气流量等）的实时数据采集及监控
2、实现各分厂的各线体的用电量、用压缩空气量、用石油气量、用氮气量、用氧气量等的计算、统计、分析
3、实现统计报表功能、实时数据和状态显示功能、历史和实时曲线功能、远程控制功能、管理功能、冗余功能
4、要求系统具有良好的开放性，可以与其它信息系统等进行数据交换
二、地下管沟水位监测
为了确保上海迪斯尼乐园整个园区后期的安全运营，需要对供排水管道网络进行科学周到的监控管理。
1、一共有六个点需要监测地下管沟的水位。
2、当水位超标时，将信号上传至电脑或手机上。
三、电厂管网压力、流量、温度无线监控
广东罗定电厂管网压力、流量、温度无线监测主要监测管网的压力、流量、温度，以及阀门开度等等参数，并在需要时对阀门进行开、关操作。该系统由监控中心、通信网路、测控终端等组成。
各个管网监测点的数据采集终端可监视和采集温度、压力、流量等等参数，同时具备远程控制功能，可进行管网阀门的开关调度及显示。数据存入数据库供控制中心及有关部门分析和决策取用，并能保存至少两年以上，提高工作效率。
㈤ 请简要描述在无线传感网络组网实验中进行zigbee参数配置时需注意哪些问题
Zigbee：全新无线网络数据通信技术 Zigbee技术是随着工业自动化对于无线通信和数据传输的需求而产生的，Zigbee网络省电、可靠、成本低、容量大、安全，可广泛应用于各种自动控制领域。 Zigbee的由来： 在蓝牙技术的使用过程中，人们发现蓝牙技术尽管有许多优点，但仍存在许多缺陷。对工业，家庭自动化控制和遥测遥控领域而言，蓝牙技术显得太复杂，功耗大，距离近，组网规模太小等，......而工业自动化对无线通信的需求越来越强烈。正因此，经过人们长期努力，Zigbee协议在2003年中通过后，于2004正式问世了。 Zigbee是什么： Zigbee是一个由可多到65000个无线数传模块组成的一个无线数传网络平台，十分类似现有的移动通信的CDMA网或GSM网，每一个Zigbee网络数传模块类似移动网络的一个基站，在整个网络范围内，它们之间可以进行相互通信；每个网络节点间的距离可以从标准的75米，到扩展后的几百米，甚至几公里；另外整个Zigbee网络还可以与现有的其它的各种网络连接。例如，你可以通过互联网在北京监控云南某地的一个Zigbee控制网络。 不同的是，Zigbee网络主要是为自动化控制数据传输而建立，而移动通信网主要是为语音通信而建立；每个移动基站价值一般都在百万元人民币以上，而每个Zigbee"基站"却不到1000元人民币;每个Zigbee 网络节点不仅本身可以与监控对对象，例如传感器连接直接进行数据采集和监控，它还可以自动中转别的网络节点传过来的数据资料; 除此之外，每一个Zigbee网络节点（FFD）还可在自己信号覆盖的范围内，和多个不承担网络信息中转任务的孤立的子节点（RFD）无线连接。 每个Zigbee网络节点（FFD和RFD）可以可支持多到31个的传感器和受控设备，每一个传感器和受控设备终可以有8种不同的接口方式。可以采集和传输数字量和模拟量。 Zigbee技术的应用领域： Zigbee技术的目标就是针对工业，家庭自动化，遥测遥控，汽车自动化、农业自动化和医疗护理等，例如灯光自动化控制，传感器的无线数据采集和监控，油田，电力，矿山和物流管理等应用领域。另外它还可以对局部区域内移动目标例如城市中的车辆进行定位。（成都西谷曙光数字技术公司的专利技术）。 通常，符合如下条件之一的应用，就可以考虑采用Zigbee技术做无线传输： 1． 需要数据采集或监控的网点多； 2． 要求传输的数据量不大，而要求设备成本低； 3． 要求数据传输可性高，安全性高； 4． 设备体积很小，不便放置较大的充电电池或者电源模块； 5． 电池供电； 6． 地形复杂，监测点多，需要较大的网络覆盖； 7． 现有移动网络的覆盖盲区； 8． 使用现存移动网络进行低数据量传输的遥测遥控系统。 9． 使用GPS效果差，或成本太高的局部区域移动目标的定位应用。 Zigbee 技术的特点： 省电：两节五号电池支持长达6个月到2年左右的使用时间 可靠：采用了碰撞避免机制，同时为需要固定带宽的通信业务预留了专用时隙，避免了发送数据时的竞争和冲突；节点模块之间具有自动动态组网的功能，信息在整个Zigbee网络中通过自动路由的方式进行传输，从而保证了信息传输的可靠性。 时延短：针对时延敏感的应用做了优化，通信时延和从休眠状态激活的时延都非常短。 网络容量大：可支持达65000个节点。 安全：ZigBee提供了数据完整性检查和鉴权功能，加密算法采用通用的AES-128。 高保密性：64位出厂编号和支持AES-128加密 Zigbee的发展前景： Zigbee技术和RFID 技术在2004年就被列为当今世界发展最快，市场前景最广阔的十大最新技术中的两个。关于这方面的报道，你只需在网络，或GOOGLE搜索栏中键入"Zigbee"，你就会看到大量的有关报道。总之，今后若干年，都将是Zigbee技术飞速发展的时期。 Zigbee技术在我国的应用情况： 尽管，国内不少人已经开始关注Zigbee这们新技术，而且也有不少单位开始涉足Zigbee技术的开发工作，然而，由于Zigbee 本身是一种新的系统集成技术，应用软件的开发必须和网络传输，射频技术和底层软硬件控制技术结合在一起。因而深入理解这个来自国外的新技术，再组织一个在这几个方面都有丰富经验的配套的队伍，本身就不是一件容易的事情，因而，到目前为止，国内目前除了成都西谷曙光数字技术有限公司，真正将Zigbee技术开发成产品，并成功地用于解决几个领域的实际生产问题而外，尚未见到其它报道。 Zigbee 和现有移动网（GPRS，CDMA-1X）的比较： 1． 无网络使用费：使用移动网需要长期支付网络使用费，而且是按节点终端的数量计算的，而Zigbee没有这笔费用； 2． 设备投入低：使用移动网需要购买移动终端设备，每个终端的价格在人民币1000元上下，而使用Zigbee 网络，不仅Zigbee网络节点模块（相当于基站）费用每只人民币不到1000元，而且，主要使用的网络子节点（相当于手机）的价格还要低得多； 3． 通信更可靠：由于现有移动网主要是为手机通信而设计的，尽管CDMA-1X和GPRS可以进行数据通信，但实践发现，不仅通信数率比设计速率低很多，而且数据通信的可靠信也存在一定的问题。而Zigbee网络则是专门为控制数据的传输而设计的，因而控制数据的传输具有相当的保证。 4． 高度的灵活性和低成本：首先，通过使用覆盖距离不同，功能不同的Zigbee网络节点，以及其它非Zigbee系统的低成本的无线收发模块，建立起一个Zigbee局部自动化控制网，（这个网络可以是星型，树状，网状及其共同组成的复合网结构）再通过互联网或移动网与远端的计算机相连，从而实现低成本，高效率的工业自动化遥测遥控； 5． 比起现有的移动网来，尽管Zigbee仅仅只是一个局域网，覆盖区域有限，但它却可以与现有的移动网，互联网和其它通信网络相连接，将许多Zigbee局域网相互连成为一个整体。有效的解决移动网的盲区覆盖问题：我们知道，现有移动网络在许多地方存在盲区，特别是铁路，公路，油田，矿山等野外，更是如此。而增加一个移动基站或直放站的费用是相当可观的，此时使用Zigbee网络进行盲区覆盖不仅经济有效，而且往往是现在唯一可行手段。 Zigbee与现有数传电台的比较： 1． 可靠性高：由于Zigbee模块的集成度远比一般数传电台高，分离元器件少，因而可靠性更高； 2． 使用方便安全：因为集成度高，比起一般数传电台来，Zigbee收法模块体积可以做得很小，而且功耗低，例如成都西谷公司远距离传输模块（2-5公里），最大发射电流比一个CDMA手机还要小许多，因而很容易集成或直接安放在到设备之中，不仅使用方便，而且在户外使用时，不容易受到破坏； 3． 抗干扰力强，保密性好，误码率低：Zigbee收发模块使用的是2.4G 直序扩频技术，比起一般FSK， ASK和跳频的数传电台来，具有更好的抗干扰能力，和更远的传输距离； 4． 免费频段：Zigbee使用的是免费频段，而许多数传电台所使用的频段不仅需要申请，而且每年都需要向国家无委会交纳相当的频率使用费。 5． 价格低： Zigbee数传模块的价格只有具有类似功能的数传电台的几分之一；(2.4G，250kps，3-5公里距离DSSS 数传模块每只不到1000元人民币) 怎样利用Zigbee尽快产生效益： 为了让大家能更快更好的将Zigbee技术用于解决不同应用领域的实际问题，而不需要深入了解Zigbee网络本身是如何来工作的，从而大大缩短你系统集成的时间，迅速给你带来实际经济效益。 成都西谷曙光数字技术有限公司专门向用户提供Zigbee无线网络平台的演示/应用套件，和具体应用开发培训。 这个套件包括： 1). 5个标准的演示/应用模块（其中一个用作为与计算机相连的网关节点）； 2). 电池，天线等附件； 3). Zigbee网络功能演示软件； 4). 每个模块提供两个USART接口； 5). 一个标准的串口通信协议，用于将应用模块与你的计算机和传感器相连。如果我们的标准串口协议不能满足你具体应用的需要，原则上，我们可以根据你的具体要求加以修改。 利用这个套件，你可以完全按照有线网络连接来编制你的应用程序；将实际上的无线网络，当作一个一般的有线网络来加以利用。 这个套件，具有如下演示功能： 1． 演示Zigbee网络本身所具有的自动动态组网功能； 2． 演示网络中数据传输自动路由，以及数据如何在网络中传输的功能； 3． 显示网络无线链路连接状况，以及每个网络节点实际数据传输统计的功能，； 4． 演示整个网络的多种数据采集功能； 5． 演示控制中心对远端网络节点的控制功能； 6． 更重要的是，它除了具有如上的演示功能外，它还可用于实际网络布置中检查无线链路连接状况，对现场网络节点的具体布置效果进行评估和调整。这个套件中的每个模块提供两个USART接口，供用户直接编写自己的应用程序和它用。这样，用户可根据自己实际应用的需要，确定所需的网络节点数量和远端的具体设置后，就可以编写具体应用程序软件。当你的软件开发工作完成后，就可以直接使用我们提供的标准模块进行现场安装设置后，就可以工作了。
㈥ 什么是无线传感网络
无线传感器孝丛旦网络是一种分布式传感网络，它的末梢是可以感知和检查外部世界的传感器。WSN中的传感器通过无线方式通信，由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络所有者的。郑码因此网络设置灵活，设备位置可以随时更改，还可以跟互联网进行有线或无线方式的连接，通过无线通信方式形成的一个多跳自组织的网络。
无线传感器网络所具有的众多类型的传感器，可探测包括地震、电磁、温度、湿度、巧扰噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等周边环境中多种多样的现象。潜在的应用领域可以归纳为: 军事、航空、防爆、救灾、环境、医疗、保健、家居、工业、商业等领域。