A. 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。
B. 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
C. 姹熻嫃镊钥12573镞犵嚎浼犳劅缃戞妧链钥冭瘯澶х翰锛堥珮绾1837锛夛纻
链澶х翰瀵瑰簲鏁欐潗鐗堟湰涓猴细銆婃棤绾夸紶镒熺绣缁溿嬶纴𨱒ㄥ崥闆勪富缂栵纴浜烘皯闾鐢靛嚭鐗堢ぞ锛2015骞淬
楂樼翰1837
姹熻嫃鐪侀珮绛夋暀镶茶嚜瀛﹁冭瘯澶х翰
12573 镞犵嚎浼犳劅缃戞妧链
鍗椾含淇℃伅宸ョ▼澶у︾紪锛2020骞达级
姹熻嫃鐪侀珮绛夋暀镶茶嚜瀛﹁冭瘯濮斿憳浼氩姙鍏瀹
鈪 璇剧▼镐ц川涓庤剧▼鐩镙
涓銆佽剧▼镐ц川鍜岀壒镣
链璇剧▼鏄阍埚圭墿镵旂绣宸ョ▼涓扑笟寮璁剧殑涓扑笟蹇呬慨璇撅纴#鏄涓轰粠浜嬬戝︾爷绌躲佺悊璁虹爷绌躲佸伐绋嫔疄璺垫彁渚涘熀链鐭ヨ瘑鍌ㄥ囧拰锘烘湰璁缁幂殑锘虹鐞呜烘ц剧▼銆傛棤绾夸紶镒熷櫒缃戞槸杩戝勾𨱒ュ彂灞曟渶涓烘椿璺幂殑鎶链涔嬩竴锛屽畠涓庨氢俊鎶链鍜岃＄畻链烘妧链鍏卞悓鏋勬垚鏂颁竴浠ｄ俊鎭鎶链镄勪笁澶ф敮镆憋纴琚璁や负鏄瀵21涓栫邯浼氢骇鐢熷法澶у奖鍝嶅姏镄勬妧链涔嬩竴銆傛棤绾夸紶镒熺绣鎶链涔熸槸娑夊强澶氩︾戦珮搴︿氦鍙夌殑銆佺煡璇嗛珮搴﹂泦鎴愮殑鍓嶆部鐑镣圭爷绌堕嗗烟銆傝剧▼鍏锋湁鍏稿瀷镄勮法瀛︾戠壒镣癸纴娑夊强缃戠粶銆侀氢俊銆佺数瀛愩佽嚜锷ㄥ寲銆佽＄畻链虹瓑涓嶅悓棰嗗烟镄勭浉鍏虫妧链锛屽寘𨰾绾崇背涓庡井鐢靛瓙鎶链銆佹柊鍨嫔井鍨嬩紶镒熷櫒鎶链銆佸井链虹数绯荤粺MEMS鎶链銆佺墖涓婄郴缁烻oC鎶链銆佺Щ锷ㄤ簰镵旂绣MI鎶链銆佸井锷熻楀祵鍏ュ纺鎶链銆佸ぇ鏁版嵁澶勭悊绛夈#阃氲繃瀵规棤绾夸紶镒熺绣浣撶郴缁撴瀯鍜屽簲鐢ㄧ瓑鍐呭圭殑浠嬬粛锛岃剧▼镞ㄥ湪阒愯堪镞犵嚎浼犳劅鍣ㄧ绣缁灭殑锘烘湰铡熺悊銆
璇剧▼镄勪富瑕佷换锷℃槸璁╁︾敓锷犳繁瀵规棤绾夸紶镒熷櫒缃戠粶镄勭悊瑙,涓烘湭𨱒ヤ粠浜嬫湁鍏虫棤绾夸紶镒熺绣缁滃强鐗╄仈缃戠殑搴旂敤寮鍙戞墦涓嫔熀纭銆傛湰璇剧▼镄勫彟涓涓浠诲姟鏄#涓鏂归溃锘瑰吇瀛︾敓瀵规湰瀛︾戠悊璁虹爷绌剁殑鍏磋叮锛岃╁︾敓鑳藉熷瑰熀浜庢棤绾夸紶镒熺绣镄勭墿镵旂绣搴旂敤鍏抽敭鎶链链夎繘涓姝ョ殑鐞呜В锛屽苟銮峰缑镟村氩疄璺电殑浣扑细銆傛渶钖庯纴链璇剧▼镄勫︿範鐩镄勮缮鍖呮嫭锷犳繁鐗╄仈缃戝伐绋嬩笓涓氱殑瀛︾敓瀵规湰涓扑笟锘烘湰鐞呜虹殑鐞呜В鍙#绉戝﹁В鍐虫湰涓扑笟鐩稿叧闂棰樼殑鑳藉姏銆傞氲繃链璇剧▼镄勫︿範锛屽︾敓鍙浠ヤ简瑙ｆ棤绾夸紶镒熷櫒缃戠粶镄勫熀链缁勬垚銆佸叧阌鎶链銆佷綋绯荤粨鏋勚佸簲鐢ㄩ嗗烟銆佸彂灞曡秼锷裤佺爷绌剁儹镣圭瓑鐩稿叧鐭ヨ瘑锛屾帉鎻℃棤绾夸紶镒熺绣缁灭殑𨰾撴墤鎺у埗銆佽嗙洊鎺у埗銆佽矾鐢卞岗璁銆佽妭镣瑰畾涔夈佹搷浣灭郴缁熴佸畨鍏ㄧ瓥鐣ャ佽繙绋嬩紶杈撶瓑鏂归溃镄勬妧链锛屽︿细鍒╃敤鐗瑰畾镄勬搷浣灭郴缁熻繘琛屾棤绾夸紶镒熺绣缁灭殑绉戝︾爷绌跺拰鍦ㄧ壒瀹氱殑鍗忚镙堜笂杩涜屽熀浜屿igBee鑺鐗囩殑钖勭嶆棤绾夸紶镒熺绣缁滃簲鐢ㄥ紑鍙戙
浜屻佽剧▼鐩镙
链璇剧▼涓昏佸煿鍏诲︾敓瀛︿範鍜屾帉鎻′紶镒熺绣锘烘湰铡熺悊鍜屾濇兂銆佸彂灞曞巻绋嬨佸彂灞曡秼锷裤佹牳蹇冨唴瀹广佸吀鍨嫔簲鐢ㄥ拰搴旂敤鐑镣广傚悓镞讹纴锘瑰吇瀛︾敓锘烘湰镄勫伐绋嬨佺戠爷镐濊矾銆佺患钖堣繍鐢ㄧ悊璁虹煡璇嗙殑鑳藉姏涓庡疄璺靛姩镓嬬殑鑳藉姏锛屽煿鍏诲︾敓瀵规棤绾跨绣缁滈嗗烟镄勮繘涓姝ュ︿範銆佺爷绌剁殑鍏磋叮锛屽煿鍏诲︾敓涓ヨ皑镄勬不瀛︺佺爷绌躲佸伐浣滀綔椋庯纴涓轰粖钖庣殑鍐嶅︿範銆佺爷绌舵垨宸ヤ綔镓扑笅镩濂界殑锘虹銆备綔涓虹墿镵旂绣宸ョ▼涓扑笟镄勪笓涓氢富骞茶撅纴链璇剧▼瑕佹眰瀛︾敓鎺屾彙镞犵嚎浼犳劅鍣ㄧ绣缁滈嗗烟镄勫叧阌鎶链鍜屽簲鐢ㄣ傞拡瀵瑰綋鍓岖墿镵旂绣宸ョ▼搴旂敤镄勯渶瑕侊纴浠ョ墿镵旂绣镒熺煡灞备负涓昏佸︿範鍐呭癸纴棰嗕细镞犵嚎浼犳劅鍣ㄧ绣缁滃悇涓镰旂┒棰嗗烟镄勬妧链鍜屽簲鐢ㄣ傛帉鎻″熀链姒傚康鍜岀悊璁猴纴镡熸倝镞犵嚎浼犳劅鍣ㄧ绣缁滃彂灞曚笌搴旂敤锛岄嗕细镞犵嚎浼犳劅鍣ㄧ绣缁灭殑涓昏佺壒镣逛笌鍏抽敭鎶链锛涙帉鎻ZigBee銆6LoWPAN銆佽掴鐗欍乄iFi绛夌煭璺濈绘棤绾块氢俊鎶链涓庢爣鍑嗭纴棰嗕细镞犵嚎浼犳劅鍣ㄧ绣缁沧嫇镓戞带鍒舵妧链銆佽嗙洊鎶链銆佽妭镣瑰畾浣嶆妧链锛屾帉鎻℃棤绾夸紶镒熷櫒缃戠粶涓镄勯吨瑕佽矾鐢卞岗璁锛岀啛鎭夋棤绾夸紶镒熷櫒缃戠粶镎崭綔绯荤粺锛屼简瑙ｆ棤绾夸紶镒熷櫒缃戠粶瀹夊叏绛栫暐锛屾棤绾夸紶镒熷櫒缃戠粶杩灭▼浼犺緭鎶链锛涢嗕细镞犵嚎浼犳劅鍣ㄧ绣缁滃簲鐢ㄨ捐″师鍒椤强璁捐℃柟妗堛傞氲繃浠ヤ笅鍐呭圭殑瀛︿範锛屼娇瀛︾敓镞㈣兘澶熸帉鎻℃棤绾夸紶镒熷櫒缃戠粶镄勫熀链姒傚康鍜屽伐浣滃师鐞嗙瓑锘虹鐭ヨ瘑锛屽张鑳藉熶简瑙ｅ墠娌挎妧链鍜岀儹镣圭爷绌跺唴瀹广傚叿浣撶洰镙囦富瑕佸寘𨰾锛
锛1锛夌啛鎭夋棤绾夸紶镒熷櫒缃戠粶镄勪綋绯荤粨鏋勫拰缃戠粶绠＄悊鎶链锛
锛2锛夋帉鎻ZigBee銆6LoWPAN銆佽掴鐗欍乄iFi绛夌煭璺濈绘棤绾块氢俊鎶链涓庢爣鍑嗭绂
锛3锛夋帉鎻℃棤绾夸紶镒熷櫒缃戠粶涓镄勭墿鐞嗗眰鍗忚銆丮AC鍗忚浠ュ强镞犵嚎缃戠粶鍗忚甀EEE802.15.4绛夐氢俊鍗忚锛
锛4锛変简瑙ｆ棤绾夸紶镒熷櫒缃戠粶镄勮妭镣瑰畾浣嶆妧链锛
锛5锛夐嗕细镞犵嚎浼犳劅鍣ㄧ绣缁沧嫇镓戞带鍒舵妧链銆佽嗙洊鎶链锛
锛6锛夌啛缁冩帉鎻℃棤绾夸紶镒熷櫒缃戠粶涓镄勯吨瑕佽矾鐢卞岗璁锛
锛7锛夋帉鎻″吀鍨嬬殑镞犵嚎浼犳劅鍣ㄧ绣缁沧搷浣灭郴缁燂绂
锛8锛変简瑙ｆ棤绾夸紶镒熷櫒缃戠粶瀹夊叏绛栫暐锛
锛9锛夌啛鎭夋棤绾夸紶镒熷櫒缃戠粶杩灭▼浼犺緭鎶链锛
锛10锛夐嗕细镞犵嚎浼犳劅鍣ㄧ绣缁滃簲鐢ㄨ捐″师鍒椤强璁捐℃柟妗堛
涓夈佷笌鐩稿叧璇剧▼镄勮仈绯讳笌鍖哄埆
銆婃棤绾夸紶镒熷櫒缃戞妧链銆嬫槸姹熻嫃鐪侀珮绛夋暀镶茶嚜瀛﹁冭瘯鐗╄仈缃戝伐绋嬩笓涓氾纸链绉戞碉级蹇呬慨镄勪笓涓氲剧▼锛屼笌鐗╄仈缃戝伐绋嬩笓涓氱殑璁稿氩叾浠栬剧▼链夌潃瀵嗗垏镄勫叧绯汇伞婄墿镵旂绣宸ョ▼瀵艰恒嬨併婃暟鎹阃氢俊锘虹銆嬨併娄紶镒熷櫒鎶链涓庡簲鐢ㄣ嬨併婂藉甫IP缃戠粶銆嬨併婄墿镵旂绣淇℃伅瀹夊叏鎶链銆嬬瓑璇剧▼鏄链璇剧▼镄勫熀纭銆
锲涖佽剧▼镄勯吨镣瑰拰闅剧偣
链璇剧▼鍐呭硅缉澶氾纴涓扑笟鐭ヨ瘑绻佸嶏纴钖勭岖悊璁烘妧链涔嬮棿镄勬墍灞炲叧绯讳笉瀹规槗鎶婃彙锛屽洜姝ら渶瑕侀栧厛鐞嗘竻璇剧▼绔犺妭鍐呭逛箣闂寸殑鍏崇郴銆备粠镐讳綋鐪嬶纴璇剧▼鍒嗕负浠ヤ笅鍏澶ч儴鍒嗭纴绗涓閮ㄥ垎鏄璇剧▼姒傝堪锛岀浜岄儴鍒嗘槸浣撶郴缁撴瀯锛岀涓夐儴鍒嗘槸鐗╃悊灞傚拰阈捐矾灞傚岗璁锛岀锲涢儴鍒嗘槸瀵诲潃銆佸悓姝ュ拰瀹氢綅鍗忚锛岀浜旈儴鍒嗘槸缃戠粶灞傚拰璺鐢卞岗璁锛岀鍏閮ㄥ垎鏄镞犵嚎浼犳劅缃戠殑鏋勫缓鍜屽簲鐢ㄥ疄鐜般
链璇剧▼镄勯吨镣逛箣涓鏄鐭璺濈绘棤绾块氢俊鎶链锛屽寘𨰾琙igBee锛6LoWPAN銆佽掴鐗欍乄iFi銆丷FID绛夌煭璺濈绘棤绾块氢俊鎶链涓庢爣鍑嗐
链璇剧▼镄勯吨镣逛箣浜屾槸镞犵嚎浼犳劅鍣ㄧ绣缁滀腑镄勭墿鐞嗗眰鍗忚銆丮AC鍗忚浠ュ强镞犵嚎缃戠粶鍗忚甀EEE802.15.4绛夐氢俊鍗忚锛屽寘𨰾𨰾撴墤鎺у埗銆佽嗙洊鎺у埗銆佽妭镣瑰畾浣岖瓑锛屾秹鍙婂埌锘烘湰缁撴瀯銆佸师鐞嗐佹ā鍨嬨佺畻娉旷瓑銆
链璇剧▼镄勯吨镣逛箣涓夋槸镞犵嚎浼犳劅鍣ㄧ绣缁滀腑镄勯吨瑕佽矾鐢卞岗璁銆傚寘𨰾镞犵嚎浼犳劅缃戣矾鐢辫捐＄殑铡熷垯銆佽矾鐢卞岗璁鍒嗙被锛屼互鏁版嵁涓轰腑蹇幂殑骞抽溃璺鐢憋纴锘轰簬镆ヨ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缃镄勮矾鐢便佸熀浜庡垎绨囩殑璺鐢便佸熀浜嶲oS镄勮矾鐢憋纴镡熸倝涓嶅悓鍒嗙被璺鐢辩瓥鐣ョ殑镐濊矾鍜屼紭缂虹偣锛屽簲鐢ㄦ儏鍐电瓑銆
链璇剧▼镄勯吨镣逛箣锲涙槸鍏稿瀷镞犵嚎浼犳劅缃戠粶镎崭綔绯荤粺锛屽寘𨰾琓inyOS镎崭綔绯荤粺锛孲OS镎崭綔绯荤粺鍜孼-Stack鏋舵瀯銆傚挨鍏舵槸TinyOS镎崭綔绯荤粺闇瑕侀吨镣规帉鎻★纴瀵筞-Stack鍜孴inyOS涔嬮棿镄勫叧绯诲拰搴旂敤𨱍呭喌瑕佹湁娓呮榈镄勮よ瘑銆
链璇剧▼镄勯毦镣规槸鐗╃悊灞伞丮AC灞傚拰缃戠粶灞傚叧阌鎶链锛屽寘𨰾镞犵嚎浼犳劅缃戠粶𨰾撴墤鎺у埗銆佽嗙洊鎺у埗銆佽妭镣瑰畾浣嶅拰璺鐢卞岗璁銆傚规嫇镓戠粨鏋勫强鍏稿瀷镄勬嫇镓戞带鍒剁瓥鐣ワ纴鑺傜偣閮ㄧ讲鏂瑰纺鍜岃嗙洊鍒嗙被锛屽吀鍨嬬殑瑕嗙洊鎺у埗绠楁硶锛屾棤绾夸紶镒熺绣瀹氢綅铡熺悊銆佸畾浣嶆柟娉曞垎绫汇佹妧链鎸囨爣鍙婂吀鍨嬬殑瀹氢綅鏂规硶锛屾棤绾夸紶镒熺绣缁滆矾鐢卞岗璁涓锛屼互鏁版嵁涓轰腑蹇幂殑骞抽溃璺鐢憋纴锘轰簬鑳介噺镒熺煡镄勮矾鐢憋纴锘轰簬鍦扮悊浣岖疆镄勮矾鐢憋纴锘轰簬鍒嗙皣镄勮矾鐢遍兘鏄璇剧▼闅剧偣锛屽瑰叾锘烘湰镐濊矾鍜屽伐浣滆繃绋嬭侀吨镣规妸鎻°
镣瑰嚮涓嬭浇锛12573 镞犵嚎浼犳劅鍣ㄧ绣鎶链锛堥珮绾1837锛夈愬畬鏁寸増銆
镊钥/鎴愯冩湁鐤戦梾銆佷笉鐭ラ亾镊钥/鎴愯冭幂偣鍐呭广佷笉娓呮氩綋鍦拌嚜钥/鎴愯冩敛绛栵纴镣瑰嚮搴曢儴鍜ㄨ㈠畼缃戣佸笀锛屽厤璐硅幏鍙栦釜浜哄﹀巻鎻愬崌鏂规堬细https://www.87dh.com/xl/
D. 无线传感器网络
无线传感器网络(wirelesssensornetwork，WSN)是综合了传感器技术、嵌入式计算机技术、分布式信息处理技术和无线通信技术，能够协作地实时监测、感知和采集网络分布区域内的各种环境或监测对象的信息，并对这些数据进行处理，获得详尽而准确的信息。传送到需要这些信息的用户。它是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成一个多跳的自组织的网络系统。传感器、感知对象和观察者构成了传感器网络的三要素。
无线传感器网络作为当今信息领域新的研究热点，涉及到许多学科交叉的研究领域，要解决的关键技术很多，比如：网络拓扑控制、网络协议、网络安全、时间同步、定位技术、数据融合、数据管理、无线通信技术等方面，同时还要考虑传感器的电源和节能等问题。
所谓部署问题，就是在一定的区域内，通过适当的策略布置传感器节点以满足某种特定的需求。优化节点数目和节点分布形式，高效利用有限的传感器网络资源，最大程度地降低网络能耗，均是节点部署时应注意的问题。
目前的研究主要集中在网络的覆盖问题、连通问题和能耗问题3个方面。
基于节点部署方式的覆盖：1)确定性覆盖2)自组织覆盖
基于网格的覆盖：1)方形网格2)菱形网格
被监测目标状态的覆盖：1)静态目标覆盖2)动态目标覆盖
连通问题可描述为在传感器节点能量有限，感知、通信和计算能力受限的情况下，采用一定的策略(通常设计有效的算法)在目标区域中部署传感器节点，使得网络中的各个活跃节点之间能够通过一跳或多跳方式进行通信。连通问题涉及到节点通信距离和通信范围的概念。连通问题分为两类：纯连通与路由连通。
覆盖中的节能对于覆盖问题，通常采用节点集轮换机制来调度节点的活跃／休眠时间。连通中的节能针对连通问题，也可采用节点集轮换机制与调整节点通信距离的方法。而文献中涉及最多的主要是从节约网络能量和平衡节点剩余能量的角度进行路由协议的研究。
E. 无线传感器网络的特点与应用
无线传感器网络是一种新型的传感器网络，其主要是由大量的传感器节点组成，利用无线网络组成一个自动配置的网络系统，并将感知和收集到的信息发给管理部门。目前无线传感器网络在军事、生态环境、医疗和家居方面都有一定应用，未来无线传感器网络的发展前景将是不可估量的。
一、无线传感器网络的特点
(一)节点数量多
在监测区通常都会安置许多传感器节点，并通过分布式处理信息，这样就能够提高监测的准确性，有效获取更加精确的信息，并降低对节点传感器的精度要求。此外，由于节点数量多，因此存在许多冗余节点，这样就能使系统的容错能力较强，并且节点数量多还能够覆盖到更广阔的监测区域，有效减少监测盲区。
(二)动态拓扑
无线传感器网络属于动态网络，其节点并非固定的。当某个节电出现故障或是耗尽电池后，将会退出网络，此外，还可能由于需要而被转移添加到其他的网络当中。
(三)自组织网络
无线传感器的节点位置并不能进行精确预先设定。节点之间的相互位置也无法预知，例如通过使用飞机播散节点或随意放置在无人或危险的区域内。在这种情况下，就要求传感器节点自身能够具有一定的组织能力，能够自动进行相关管理和配置。
(四)多跳路由
无线传感网络中，节点之间的距离通常都在几十到几百米，因此节点只能与其相邻的节点进行直接通信。如果需要与范围外的节点进行通信，就需要经过中间节点进行路由。无线传感网络中的多跳路由并不是专门的路由设备，所有传输工作都是由普通的节点完成的。
(五)以数据为中心
无线传感网络中的节点均利用编号标识。由于节点是随机分布的，因此节点的编号和位置之间并没有联系。用户在查询事件时，只需要将事件报告给网络，并不需要告知节点编号。因此这是一种以数据为中心进行查询、传输的方式。
(六)电源能力局限性
通常都是用电池对节点进行供电，而每个节点的能源都是有限的，因此一旦电池的能量消耗完，就是造成节点无法再进行正常工作。
二、无线传感器网络的应用
(一)环境监测应用
无线传感器可以用于进行气象研究、检测洪水和火灾等，在生态环境监测中具有明显优势。随着我国市场经济的不断发展，生态环境污染问题也越来越严重。我国是一个幅员辽阔、资源丰富的农业大国，因此在进行农业生产时利用无线传感器进行对生产环境变化进行监测能够为农业生产带来许多好处，这对我国市场经济的'不断发展有着重要意义。
(二)医疗护理应用
无线传感器网络通过使用互联网络将收集到的信息传送到接受端口，例如一些病人身上会有一些用于监测心率、血压等的传感器节点，这样医生就可以随时了解病人的病情，一旦病人出现问题就能够及时进行临时处理和救治。在医疗领域内传感器已经有了一些成功案例，例如芬兰的技术人员设计出了一种可以穿在身上的无线传感器系统，还有SSIM(Smart Sensors and Integrated Microsystems)等。
(三)智能家居建筑应用
文物保护单位的一个重要工作就是要对具有意义的古老建筑实行保护措施。利用无线传感器网络的节点对古老建筑内的温度是、湿度、关照等进行监测，这样就能够对建筑物进行长期有效的监控。对于一些珍贵文物的保存，对保护地的位置、温度和湿度等提前进行检测，可以提高展览品或文物的保存品质。例如，英国一个博物馆基于无线传感器网络设计了一个警报系统，利用放在温度底部的节点检测灯光、振动等信息，以此来保障文物的安全[5]。
目前我国基础建设处在高速发展期，建设单位对各种建设工程的安全施工监测越来越关注。利用无线传感器网络使建筑能够检测到自身状况并将检测数据发送给管理部门，这样管理部门就能够及时掌握建筑状况并根据优先等级来处理建筑修复工作。
另外，在家具或家电汇中设置无线传感器节点，利用无线网络与互联网络，将家居环境打造成一个更加舒适方便的空间，为人们提供更加人性化和智能化的生活环境。通过实时监测屋内温度、湿度、光照等，对房间内的细微变化进行监测和感知，进而对空调、门窗等进行智能控制，这样就能够为人们提供一个更加舒适的生活环境。
(四)军事应用
无线传感器网络具有低能耗、小体积、高抗毁等特性，且其具有高隐蔽性和高度的自组织能力，这为军事侦察提供有效手段。美国在20世纪90年代就开始在军事研究中应用无线传感器网络。无线传感器网络在恶劣的战场内能够实时监控区域内敌军的装备，并对战场上的状况进行监控，对攻击目标进行定位并能够检测生化武器。
目前无线传感器网络在全球许多国家的军事、研究、工业部门都得到了广泛的关注，尤其受到美国国防部和军事部门的重视，美国基于C4ISR又提出了C4KISR的计划，对战场情报的感知和信息综合能力又提出新的要求，并开设了如NSOF系统等的一系列军事无线传感器网络研究。
总之，随着无线传感器网络的研究不断深入和扩展，人们对无线传感器的认识也越来越清晰，然而目前无线传感器网络的在技术上还存在一定问题需要解决，例如存储能力、传输能力、覆盖率等。尽管无线传感器网络还有许多技术问题待解决使得现在无法广泛推广和运用，但相信其未来发展前景不可估量。
F. 无线传感器网络 毕业设计求助
基于农业环境无线传感器网络性能评估
[摘要]随着无线传感器网络应用研究的不断深入，通过实际传感器节点建立网络进行网络测试越来越受到人们的重视。综合大量无线传感器网络性能研究的技术文献和最新研究结果，提出对农业环境WSN网络性能参数。
[关键词]无线传感器网络 性能测试 部署
一、引言
近年来随着研究的深入与技术的成熟，以应用为背景，基于WSN的试验越来越多地涌现出来，WSN正处于从研究到应用的过渡阶段。对WSN网络性能的分析与评价是网络节点与部署的前提，对WSN网络性能进行分析，评价，获得网络性能的总体情况，可以评估，鉴定和验收一个现有网络；对一个新的待建设网络，其方案的论证也极大地依赖于如何分析和评价网络的性能。
原文链接：http://www.lunwenw.net/Html/tongxixue/144844137.html
基于TinyOS无线传感器网络的农业环境监测系统设计
摘要：针对传统农业环境监测系统的局限性，设计了一种基于无线传感器网络的农业环境监测系统，给出了农业环境监测系统的体系结构，重点设计了使用MSP4300和CC2420芯片的传感器节点硬件结构和基于TinyOS操作系统构架的软件流程，系统可以对目标监测区内的温度、湿度、光照度等农业环境信息进行实时监测、可靠传输。解决了传统农业环境监测中存在的问题，为无线传感器网络应用于农业环境监测做出探索性研究。
关键词：无线传感器网络；TinyOS；精准农业；环境监测
准确实时的信息供给是精准农业的必须前提，精准农业的实现首先在于认识农田内农作物生长环境和生长情况的差异，而这必须依赖于各种先进的传感器，如大气温度、大气湿度、风速、太阳辐射、作物生长情况、作物产量等各种类型传感器。如何将这些传感器采集的信息及时准确地收集，为农业专家提供决策并制定农田变量作业处方的主要数据源和参数，一直是一个难题。近年来，出现了许多采用无线公共网络和无线网络等无线通讯方式进行农、林、牧业的远程监测的研究。这些无线通信技术的优势是传输速度快、信息量大、可远距离传输，但都存在功耗高、时延长、通信费用高等因素制约，使其很难广泛地应用到农业环境监测中。
原文链接：http://www.lunwenw.net/Html/tongxixue/144720547.html
无线传感器网络在农作物环境信息监测中的应用
摘 要：传感器已经被广泛的应用于工业、军事等方面。由传感器节点构成的无线网络也已经成为现今研究的热门问题。无线传感器网络在农业中尤其是在农作物信息检测中的运用是将智能化、自动化应用于农业中的最好的手段之一，而选择良好的协议标准也将会是解决问题的关键。
关键词：协议；无线传感器网络；作物信息
1 引言
随着网络的迅猛发展，对于网络的使用范围越来越宽广，而集传感器技术、微机电系统技术、无线通信技术、嵌入式计算机技术、分布式信息处理技术和无线通信技术于一体的无线传感器网络就成为当今研究的热点。无线传感器网络是一个多学科交叉的综合性科学研究领域，对于其网络所分布的区域内的各种环境和检测对象的信息能够进行实吋的监控、感知和采集，并且将这些信息先进行处理，然后通过无线方式传输给监控主机或者需要使用这些信息的用户。正是因为这种广泛的用途，使得无线传感器网络在众多领域如农业、军事、智能家居、森林保护等方面有着实际的用途和研究价值。
原文链接：http://www.lunwenw.net/Html/tongxixue/144546725.html
G. 什么是无线传感技术
早在上世纪70年代，就出现了将传统传感器采用点对点传输、连接传感控制器而构成传感网络雏形，我们把它归之为第一代传感器网络。随着相关学科的不断发展和进步，传感器网络同时还具有了获取多种信息信号的综合处理能力，并通过与传感控制的相联，组成了有信息综合和处理能力的传感器网络，这是第二代传感器网络。而从上世纪末开始，现场总线技术开始应用于传感器网络，人们用其组建智能化传感器网络，大量多功能传感器被运用，并使用无线技术连接，无线传感器网络逐渐形成。
无线传感器网络是新一代的传感器网络，具有非常上世纪70年代，其发展和应用，将会给人类的生活和生产的各个领域带来深远影响。
无线传感器网络可以看成是由数据获取网络、数据颁布网络和控制管理中心三部分组成的。其主要组成部分是集成有传感器、处理单元和通信模块的节点，各节点通过协议自组成一个分布式网络，再将采集来的数据通过优化后经无线电波传输给信息处理中心。
H. 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。