⑴ 無線感測器網路節點部署問題研究
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
陶 丹+, 馬華東, 劉 亮
(智能通信軟體與多媒體北京市重點實驗室(北京郵電大學),北京 100876)
A Virtual Potential Field Based Coverage-Enhancing Algorithm for Directional Sensor Networks
TAO Dan+, MA Hua-Dong, LIU Liang
(Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia (Beijing University of Posts and Telecommunications), Beijing 100876, China)
+ Corresponding author: Phn: +86-10-62282277, Fax: +86-10-62283523, E-mail: [email protected], http://www.bupt.e.cn
Tao D, Ma HD, Liu L. A virtual potential field based coverage-enhancing algorithm for directional sensor networks. Journal of Software, 2007,18(5):11521163. http://www.jos.org.cn/1000-9825/18/1152.htm
Abstract: Motivated by the directional sensing feature of video sensor, a direction adjustable sensing model is proposed first in this paper. Then, the coverage-enhancing problem in directional sensor networks is analyzed and defined. Moreover, a potential field based coverage-enhancing algorithm (PFCEA) is presented. By introcing the concept of 「centroid」, the pending problem is translated into the centroid points』 uniform distribution problem. Centroid points repel each other to eliminate the sensing overlapping regions and coverage holes, thus enhance the whole coverage performance of the directional sensor network. A set of simulation results are performed to demonstrate the effectiveness of the proposed algorithm.
Key words: directional sensor network; directional sensing model; virtual potential field; coverage enhancement
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
⑵ 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。
⑶ WSN的特點是什麼
WSN的特點是:
(1)組建方式自由。無線網路感測器的組建不受任何外界條件的限制,組建者無論在何時何地,都可以快速地組建起一個功能完善的無線網路感測器網路,組建成功之後的維護管理工作也完全在網路內部進行。
(2)網路拓撲結構的不確定性。從網路層次的方向來看,無線感測器的網路拓撲結構是變化不定的,例如構成網路拓撲結構的感測器節點可以隨時增加或者減少,網路拓撲結構圖可以隨時被分開或者合並。
(3)控制方式不集中。雖然無線感測器網路把基站和感測器的節點集中控制了起來,但是各個感測器節點之間的控制方式還是分散式的,路由和主機的功能由網路的終端實現各個主機獨立運行,互不幹涉,因此無線感測器網路的強度很高,很難被破壞。
(4)安全性不高。無線感測器網路採用無線方式傳遞信息,因此感測器節點在傳遞信息的過程中很容易被外界入侵,從而導致信息的泄露和無線感測器網路的損壞,大部分無線感測器網路的節點都是暴露在外的,這大大降低了無線感測器網路的安全性。
(3)怎麼理解無線感測網路的拓撲控制擴展閱讀
無線感測技術在應用,不僅僅可以有大型組織進行工作和科研進行使用。對於個人來說,由於技術的不斷發展,無線感測技術的成本也越來越低,越來越多的人可以將無線感測技術用於個體身上。
對於個人來說,無線感測技術的主要使用目的是用來進行定位,定位技術對於感測技術來說是應用較廣的方面,在車輛上安裝無線感測裝置,可以通過無線感測技術,將車輛所在位置信息進行傳輸,然後再由中轉站將信息進行處理發送,這樣在接收站能夠明確了解汽車所處位置信息。對於汽車進行導航具有重要的意義。
此外,還可以對一些隨身攜帶的物品採用無線感測技術,對一些老年人或者兒童進行實時定位,避免一些弱勢人員出現意外事故。
⑷ 無線感測器網路的理論及應用的目錄
第1篇總論
第1章無線感測器網路概述
1.1無線感測器網路介紹1
1.1.1無線感測器網路的概念1
1.1.2無線感測器網路的特徵2
1.1.3無線感測器網路的應用4
1.2無線感測器網路的體系結構7
1.2.1無線感測器網路的系統架構7
1.2.2感測器節點的結構7
1.2.3無線感測器網路的體系結構概述8
1.3無線感測器網路的研究進展10
1.3.1無線感測器網路的發展歷程10
1.3.2無線感測器網路的關鍵技術14
1.3.3無線感測器網路所面臨的挑戰14
參考文獻16
第2篇無線感測器網路的通信協議
第2章無線感測器網路的物理層
2.1無線感測器網路物理層概述19
2.1.1無線感測器網路物理層的研究內容19
2.1.2無線感測器網路物理層的研究現狀20
2.1.3無線感測器網路物理層的主要技術挑戰22
2.2無線感測器網路的調制與編碼方法22
2.2.1Mary調制機制22
2.2.2差分脈沖位置調制機制23
2.2.3自適應編碼位置調制機制24
2.3超寬頻技術在無線感測器網路中的應用25
2.3.1超寬頻技術概述25
2.3.2超寬頻技術的基本原理26
2.3.3超寬頻技術的研究現狀29
2.3.4基於超寬頻技術的無線感測器網路31
參考文獻35
第3章無線感測器網路的數據鏈路層
3.1無線感測器網路數據鏈路層概述37
3.1.1無線感測器網路數據鏈路層的研究內容37
3.1.2無線感測器網路數據鏈路層的研究現狀38
3.1.3無線感測器網路數據鏈路層的主要技術挑戰39
3.2無線感測器網路的MAC協議40
3.2.1基於競爭機制的MAC協議40
3.2.2基於時分復用的MAC協議47
3.2.3其他類型的MAC協議54
參考文獻58
第4章IEEE802.15.4標准
4.1IEEE802.15.4標准概述60
4.2IEEE802.15.4的物理層60
4.2.1物理層概述60
4.2.2物理層服務規范61
4.2.3物理層幀結構65
4.3IEEE802.15.4的MAC子層65
4.3.1MAC層概述65
4.3.2MAC層的服務規范66
4.3.3MAC幀結構69
4.3.4MAC層的功能描述70
4.4基於IEEE802.15.4標準的無線感測器網路70
4.4.1組網類型70
4.4.2數據傳輸機制71
參考文獻72
第5章無線感測器網路的網路層
5.1無線感測器網路網路層概述73
5.1.1網路層的研究內容73
5.1.2網路層的研究現狀74
5.1.3網路層的主要技術挑戰75
5.2無線感測器網路的路由協議75
5.2.1以數據為中心的平面路由75
5.2.2網路分層路由77
5.2.3基於查詢的路由79
5.2.4地理位置路由81
5.2.5能量感知路由84
5.2.6基於QoS的路由87
5.2.7路由協議的優化88
5.3無線感測器網路中的數據包轉發策略90
5.3.1包轉發策略的研究背景90
5.3.2基於價格機制的包轉發博弈模型91
5.3.3自發合作的包轉發博弈模型93
參考文獻94
第6章無線感測器網路的傳輸層
6.1無線感測器網路傳輸層概述97
6.1.1無線感測器網路傳輸層的研究內容97
6.1.2無線感測器網路傳輸層的研究現狀98
6.1.3無線感測器網路傳輸層的主要技術挑戰99
6.2無線感測器網路的傳輸協議99
6.2.1PSFQ傳輸協議99
6.2.2ESRT傳輸協議101
6.3無線感測器網路與其他網路的互聯103
6.3.1無線感測器網路與Internet互聯103
6.3.2無線感測器網路接入到網格105
參考文獻109
第7章ZigBee協議規范
7.1ZigBee概述111
7.1.1ZigBee與IEEE802.15.4111
7.1.2ZigBee協議框架112
7.1.3ZigBee的技術特點113
7.2網路層規范113
7.2.1網路層概述113
7.2.2服務規范114
7.2.3幀結構與命令幀115
7.2.4功能描述116
7.3應用層規范117
7.3.1應用層概述117
7.3.2ZigBee應用支持子層117
7.3.3ZigBee應用層框架結構118
7.3.4ZigBee設備協定(profile)119
7.3.5ZigBee目標設備(ZDO)119
7.4ZigBee系統的開發119
7.4.1開發條件和注意事項119
7.4.2軟體開發120
7.4.3硬體開發121
7.5基於ZigBee規范的無線感測器網路122
7.5.1無線感測器的構建122
7.5.2無線感測器網路的構建123
7.5.3基於ZigBee的無線感測器網路與RFID技術的融合124
參考文獻124
第3篇無線感測器網路的核心支撐技術
第8章無線感測器網路的拓撲控制
8.1無線感測器網路的拓撲控制技術概述125
8.1.1無線感測器網路拓撲控制的研究內容125
8.1.2無線感測器網路拓撲控制的研究現狀126
8.1.3無線感測器網路拓撲控制的主要技術挑戰126
8.2無線感測器網路的拓撲控制演算法127
8.2.1功率控制演算法127
8.2.2層次拓撲結構控制演算法129
8.3無線感測器網路的密度控制135
8.3.1連通支配集構造演算法135
8.3.2基於概率覆蓋模型的無線感測器網路密度控制演算法138
參考文獻140
第9章無線感測器網路的節點定位
9.1無線感測器網路的節點定位技術概述142
9.1.1無線感測器網路節點定位的研究內容142
9.1.2無線感測器網路節點定位的研究現狀143
9.1.3無線感測器網路節點定位的主要技術挑戰146
9.2無線感測器網路的定位機制147
9.2.1基於測距的定位演算法147
9.2.2非基於測距的定位演算法151
9.3一種基於測距的協作定位策略159
9.3.1剛性圖理論簡介159
9.3.2基於剛性圖的協作定位理論160
9.3.3LCB定位演算法161
9.4節點位置估計更新策略162
9.4.1動態網路問題162
9.4.2更新策略163
參考文獻164
第10章無線感測器網路的時間同步
10.1無線感測器網路的時間同步概述167
10.1.1無線感測器網路時間同步的研究內容167
10.1.2無線感測器網路時間同步的研究現狀168
10.1.3無線感測器網路時間同步的主要技術挑戰169
10.2無線感測器網路的時間同步機制170
參考文獻180
第11章無線感測器網路的網內信息處理
11.1無線感測器網路的網內信息處理概述182
11.1.1無線感測器網路網內信息處理的研究內容182
11.1.2無線感測器網路網內信息處理的研究現狀183
11.1.3無線感測器網路網內信息處理的主要技術挑戰184
11.2無線感測器網路的數據融合技術184
11.2.1與路由相結合的數據融合184
11.2.2基於反向組播樹的數據融合186
11.2.3基於性能的數據融合187
11.2.4基於移動代理的數據融合189
11.3無線感測器網路的數據壓縮技術191
11.3.1基於排序編碼的數據壓縮演算法191
11.3.2分布式數據壓縮演算法192
11.3.3基於數據相關性的壓縮演算法194
11.3.4管道數據壓縮演算法194
11.4無線感測器網路的協作信號信息處理技術195
11.4.1網元層的CSIP技術195
11.4.2網路層的CSIP技術196
11.4.3應用層的CSIP技術196
11.4.4CSIP技術展望197
參考文獻198
第12章無線感測器網路的安全技術
12.1無線感測器網路的安全問題概述201
12.1.1無線感測器網路安全技術的研究內容201
12.1.2無線感測器網路安全技術的研究現狀202
12.1.3無線感測器網路安全技術的主要技術挑戰205
12.2無線感測器網路的安全問題分析205
12.2.1無線感測器網路物理層的安全策略206
12.2.2無線感測器網路鏈路層的安全策略207
12.2.3無線感測器網路網路層的安全策略207
12.2.4無線感測器網路傳輸層和應用層的安全策略209
12.3無線感測器網路的密鑰管理和入侵檢測技術209
12.3.1無線感測器網路的密鑰管理209
12.3.2無線感測器網路的入侵檢測技術211
參考文獻214
第4篇無線感測器網路的自組織管理技術
第13章無線感測器網路的節點管理
13.1無線感測器網路的節點管理概述216
13.1.1無線感測器網路節點管理的研究內容216
13.1.2無線感測器網路節點管理的研究現狀217
13.1.3無線感測器網路節點管理的主要技術挑戰218
13.2無線感測器網路的節點休眠/喚醒機制218
13.2.1PEAS演算法218
13.2.2基於網格的調度演算法219
13.2.3基於局部圓周覆蓋的節點休眠機制220
13.2.4基於隨機休眠調度的節能機制221
13.3無線感測器網路的節點功率管理222
13.3.1動態功率管理和動態電壓調節222
13.3.2基於節點度的演算法224
13.3.3基於鄰近圖的演算法224
13.3.4基於二分法的功率控制224
13.3.5網路負載自適應功率管理演算法226
參考文獻227
第14章無線感測器網路的資源與任務管理
14.1無線感測器網路的資源與任務管理概述229
14.1.1無線感測器網路資源與任務管理的研究內容229
14.1.2無線感測器網路資源與任務管理的研究現狀230
14.1.3無線感測器網路資源與任務管理的主要技術挑戰230
14.2無線感測器網路的資源管理技術231
14.2.1自組織資源分配方式231
14.2.2計算資源分配232
14.2.3帶寬資源分配235
14.3無線感測器網路的任務管理技術237
14.3.1任務分配237
14.3.2任務調度239
14.3.3負載均衡243
參考文獻245
第15章無線感測器網路的數據管理
15.1無線感測器網路的數據管理概述248
15.1.1無線感測器網路數據管理的研究內容248
15.1.2無線感測器網路數據管理的研究現狀249
15.1.3無線感測器網路數據管理的主要技術挑戰249
15.2無線感測器網路的數據管理系統250
15.2.1TinyDB系統250
15.2.2Cougar系統251
15.2.3Dimensions系統252
15.3無線感測器網路數據管理的基本方法253
15.3.1數據模式253
15.3.2數據存儲254
15.3.3數據索引255
15.3.4數據查詢257
參考文獻260
第16章無線感測器網路的部署、初始化和維護管理
16.1無線感測器網路的部署、初始化和維護管理概述261
16.1.1無線感測器網路部署、初始化和維護管理的研究內容261
16.1.2無線感測器網路部署、初始化和維護管理的研究現狀262
16.1.3無線感測器網路部署、初始化和維護管理的主要技術挑戰263
16.2無線感測器網路的部署技術264
16.2.1採用確定放置的部署技術264
16.2.2採用隨機拋撒且節點不具移動能力的部署技術265
16.2.3採用隨機拋撒且節點具有移動能力的部署技術265
16.3無線感測器網路的初始化技術266
16.3.1UDG模型266
16.3.2基於MIS的初始化演算法266
16.3.3基於MDS的初始化演算法268
16.4無線感測器網路的維護管理技術270
16.4.1覆蓋與連接維護技術270
16.4.2性能監測技術271
參考文獻272
第5篇無線感測器網路的開發與應用
第17章無線感測器網路的模擬技術
17.1無線感測器網路的模擬技術概述275
17.1.1網路模擬概述275
17.1.2無線感測器網路模擬研究概述275
17.2常用網路模擬軟體276
17.2.1OPNET簡介276
17.2.2NS279
17.2.3TOSSIM280
17.3OMNeT++模擬軟體281
17.3.1OMNeT++概述281
17.3.2NED語言282
17.3.3簡單模塊/復合模塊287
17.3.4消息290
17.3.5類庫291
17.4模擬示例296
參考文獻303
第18章無線感測器網路的硬體開發
18.1無線感測器網路的硬體開發概述304
18.1.1硬體系統的設計特點與要求304
18.1.2硬體系統的設計內容304
18.1.3硬體系統設計的主要挑戰305
18.2感測器節點的開發305
18.2.1數據處理模塊設計305
18.2.2換能器模塊設計307
18.2.3無線通信模塊設計307
18.2.4電源模塊設計309
18.2.5外圍模塊設計309
18.3感測器節點原型的開發實例Mica310
18.3.1Mica系列節點簡介310
18.3.2Mica系列處理器/射頻板設計分析313
18.3.3Mica系列感測板設計分析315
18.3.4編程調試介面板介紹317
參考文獻318
第19章無線感測器網路的操作系統
19.1無線感測器網路操作系統概述320
19.1.1無線感測器網路操作系統的設計要求320
19.1.2幾種典型的無線感測器網路操作系統介紹321
19.1.3無線感測器網路操作系統設計的主要技術挑戰321
19.2TinyOS操作系統322
19.2.1TinyOS的設計思路322
19.2.2TinyOS的組件模型322
19.2.3TinyOS的通信模型324
19.3基於TinyOS的應用程序運行過程解析324
19.3.1Blink程序的配件分析325
19.3.2BlinkM模塊分析327
19.3.3ncc編譯nesC程序的過程329
19.3.4Blink程序的運行跟蹤解析329
19.3.5TinyOS的任務調度機制的實現338
19.3.6TinyOS的事件驅動機制的實現342
19.4TinyOS的使用346
19.4.1TinyOS的安裝346
19.4.2創建應用程序348
19.4.3使用TOSSIM模擬調試應用程序348
19.4.4使用TinyViz進行可視化調試349
19.4.5將應用程序導入節點運行350
參考文獻351
第20章無線感測器網路的軟體開發
20.1無線感測器網路軟體開發概述353
20.1.1無線感測器網路軟體開發的特點與設計要求353
20.1.2無線感測器網路軟體開發的內容354
20.1.3無線感測器網路軟體開發的主要技術挑戰355
20.2nesC編程語言355
20.2.1nesC語言介紹355
20.2.2nesC的語法規范356
20.2.3nesC應用程序開發364
20.3無線感測器網路的應用軟體開發367
20.3.1無線感測器網路的編程模式367
20.3.2無線感測器網路的中間件設計370
20.3.3無線感測器網路的服務發現372
參考文獻373
第21章無線感測器網路應用於環境監測
21.1環境監測應用概述375
21.1.1環境監測應用的場景描述375
21.1.2環境監測應用中無線感測器網路的體系架構375
21.2關鍵技術377
21.2.1節點部署377
21.2.2能量管理377
21.2.3通信機制378
21.2.4任務的分配與控制379
21.2.5數據采樣與收集379
21.3無線感測器網路用於環境監測的實例380
21.3.1公路交通監測380
21.3.2建築物健康狀況監測384
21.3.3「狼群計劃」385
參考文獻387
第22章無線感測器網路應用於目標追蹤
22.1目標追蹤應用概述388
22.1.1目標追蹤應用的場景描述388
22.1.2目標追蹤應用的特點與技術挑戰388
22.1.3目標追蹤應用中的無線感測器網路系統架構389
22.2無線感測器網路用於目標追蹤的關鍵技術390
22.2.1追蹤步驟390
22.2.2追蹤演算法392
22.2.3面向目標追蹤的網路布局優化400
22.3基於無線感測器網路的車輛追蹤系統實例402
22.3.1系統架構402
22.3.2關鍵問題403
22.3.3關鍵技術404
參考文獻407
附錄英漢縮略語對照表410
⑸ 什麼是無線感測器網路
本教程操作環境:windows10系統、Dell G3電腦。
什麼是無線感測器網路無線感測器網路(Wireless Sensor Networks, WSN)是一種分布式感測網路,它的末梢是可以感知和檢查外部世界的感測器。WSN中的感測器通過無線方式通信,因此網路設置靈活,設備位置可李戚以隨時更改,還可以跟互聯網進行有線或無線方式的連接。通過無線通信方式形成的一個多跳自組織網路。
基本信息
無線感測器網路是一項通過無線通信技術把數以萬計的感測器節點以自由式進行組織與結合進而形成的網路形式。
構成感測器節點的單元分別為:數據採集單元、數據傳輸單元、數據處理單元以及能量供應單元。
其中數據採集單元通常都是採集監測區域內的信息並加以轉換,比如光強度跟大氣壓力與濕度等;數據傳輸單元則主要以無線通信和交流信息以及緩扒發送接收那些採集進來的數據信息為主;數據處理單元通常處理的是全部節點的路由協議和管理任務以及定位裝置等;能量供應單元為縮減感測器節點占據的面積,會選擇微型電池的構成形式。
無線感測器網路當中的節點分為兩種,一個是匯聚節點,一個是感測器節點。
匯聚節點主要指的是網關能夠在感測器節點當中將錯誤的報告數據剔除,並與相關的報告相結合將數據加以融合,對發生的事件進行判斷。
匯聚節點與用戶節點連接可藉助廣域網路或者衛星直接通信,並對收集到的數據進行處理。
相較於傳統式的網路和其他感測器相比,無線感測器網路有以下特點:
(1)組建方式自由。無線網路感測器的組建不受任何外界條件的限制,組建者無論在何時何地,都可以快速地組建起一個功能完善的無線網路感測器網路,組建成功之後的維護管理工作也完全在網路內部進行。
(2)網路拓撲結構的不確定性。從網路層次的方向來看,無線感測器的網路拓撲結構是變化不定的,哪哪陵例如構成網路拓撲結構的感測器節點可以隨時增加或者減少,網路拓撲結構圖可以隨時被分開或者合並。
(3)控制方式不集中。雖然無線感測器網路把基站和感測器的節點集中控制了起來,但是各個感測器節點之間的控制方式還是分散式的,路由和主機的功能由網路的終端實現各個主機獨立運行,互不幹涉,因此無線感測器網路的強度很高,很難被破壞。
(4)安全性不高。無線感測器網路採用無線方式傳遞信息,因此感測器節點在傳遞信息的過程中很容易被外界入侵,從而導致信息的泄露和無線感測器網路的損壞,大部分無線感測器網路的節點都是暴露在外的,這大大降低了無線感測器網路的安全性。
組成結構:
無線感測器網路主要由三大部分組成,包括節點、感測網路和用戶這3部分。其中,節點一般是通過一定方式將節點覆蓋在一定的范圍,整個范圍按照一定要求能夠滿足監測的范圍;感測網路是最主要的部分,它是將所有的節點信息通過固定的渠道進行收集,然後對這些節點信息進行一定的分析計算,將分析後的結果匯總到一個基站,最後通過衛星通信傳輸到指定的用戶端,從而實現無線感測的要求。
⑹ 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。