无线传感网数据传输（精选十篇）
无线传感网数据传输 篇1
压缩传感(Compressed Sensing,CS)理论利用不相关的观测矩阵能使一个信号向量变换成稀疏向量,根据重构算法通过线性投影(测量值),完成信号的高准确度恢复[1]。压缩传感已经广泛应用于各种数字信号和图像处理的领域中,也可以用于提高无线网络的性能。
有些研究已经将压缩传感应用于无线传感器网络中[2,3,4,5],文献[6]提出单跳传感器网络中有多个节点同时向Sink传输测量值结果。假定发生稀疏事件,即Sink接收到的测量数量远小于传感器的数量,那么每个测量数据都可以从少量具备压缩传感的观测中恢复过来[7]。
在本文中主要研究多跳无线传感器网络,并且采取了文献[8]中提到的方法,即发生稀疏事件。本文提出了一种基于压缩传感和泛洪的协议,它可以使Sink获得并精确重构稀疏数据,并且既没有通过任何重负载路由,也没有通过MAC协议,而是通过利用碰撞来实现。在单跳网络中,由于数据包发生碰撞,干扰/叠加的测量数据都可以通过文献[6,8]中提及的基于压缩传感的算法得到解决,但是它们在多跳的网络中就会构成重大问题,每个节点都要转发接收到的所有数据包,由于干扰测量的数量可能大幅地增加,从而导致基于压缩传感的算法由于稀疏的损失而表现不佳。
需要注意的是,本文的目标与传感器网络中现有的压缩传感数据恢复方案完全不同:如文献[6]所述,生成的事件本身被假设为稀疏事件,无论何时仅允许少数传感器发送重要的数据时,这种情况的发生会导致这些稀疏数据之间没有相关性。在这种情况下,如文献[9]所述,现有的基于压缩传感的技术将不再适用,因为没有数据相关性可以利用。
相反,本文的新颖性在于利用压缩传感技术,通过洪泛法和干扰的运用实现叠加稀疏数据的有效传输,并且没有利用传统避免冲突的MAC调度和路由。仿真结果表明,提出的基于压缩传感的协议实现了良好的Sink数据重建,同时与传统协议相比大大减少了开销和延迟。
1 网络模型
研究的多跳无线传感器网络模型具有N个节点和1 个Sink,如图1 所示。如果传感器Sn检测到一个事件,那么根据提出的协议将测量值转发到Sink上。考虑到单跳传感器网络[6],本文假设数字传输在x ∈{ - 1,1} 范围内,而且在整个网络中可能有多达K个事件同时发生,但是与节点的数量相比,即K ≪ N,这些事件被视为稀疏事件。
考虑到网络的特殊结构,每个节点只与其最亲密的邻居通信,距离为d,因此它可能会有2,3 或4 个邻居(取决于节点的位置)。例如,在图2 中一个由节点S1发送的数据包只会被节点S2和S6接收,而一个由节点S7发送的数据包将被节点S2,S6,S8和S12接收。为简单起见,本文假定节点轮流处于传输或接收模式中:如果在时间t时,一个在网格位置(i, j) 的节点处于传输模式,然后在时间t + 1 时,它将处于接收模式,而它的4个邻居分别在位置(i ± 1, j) 和(i, j ± 1) 上将处于传输模式。假定这些节点同步[6],信道被认为是加性高斯白噪声信道,而且在距离为d的邻居之间所有的链接都有相同的增益。也就是说,如果从每个邻近的节点获得的信道收益在接收的节点上是已知的,那么假设衰落和路径损耗效应不会影响协议。
2 提出的协议
为了利用数据聚合,本文考虑了一种基于简单泛洪过程的路由选择,在数据包接收之时,每个节点在本地传播该数据包,直到它到达Sink为止。然而,与单跳的情况不同,在这种多跳的设置中有些重大问题需要解决。如果每个节点仅仅转发接收到的所有数据包,那么叠加的数量将大幅增加,由于每个数据包的稀疏损失而造成较差的压缩传感恢复。此外,如果按照单跳的情况给每个源节点分配一个信号序列,那就不可能区分接收到的多个数据包是否是由于自我干扰造成的。
为了缓解这些问题,提出的协议设计如下:
增加信号序列的长度,以便每个序列同时在ID空间和时间空间编码,即每个测量值都与一个独特的序列an,l相关,返回数组的尺寸为M的向量,确定组成一对(源节点ID Sn,跳数l)。这里Sn表示最初发现这一测量值的传感器,l是它的时间戳参数,被定义为通过转发装载此测量值的数据包经过的跳数,从它的源节点开始计算直到它在网络中所在的当前位置。在本文中由1概率的Rademacher随机过程生成的伪随机信号序列得出an,l∈{ - 1,+1}M。因此,修复数据包的最大延迟或者L在跳数存在的时间,取决于网络的大小,返回数组的尺寸M有NL序列an,l,本文设置M < NL以减少开销消费。码分多址类型的调节可以用于允许叠加同步收到的信号。注意,这里提到的同步并不是严格的假设,所考虑的应用通常需要低数据率。序列an,l集合形成尺寸为M × NL的矩阵A,它的列q =(n - 1)L + l包含an,l。在实践中,这些序列可能由哈希函数生成,已知的种子在所有的节点上,因此可以假定为已知数,没有额外的开销。为了记数的方便,假设xALL表示长度为NL的稀疏向量,其中{xALL}(n - 1)L + l= xn,l,它对整个网络的所有数据测量值进行分组,用所有可能的跳数进行报告,即:
其中:L + 1 表示第一项存储源节点S1的数据,跳数为l = 0,1,2,⋯L,同样,L + 1 表示最后一项存储源节点SN的数据,跳数为l = 0,1,2,⋯,L。因此,每个节点Sk都会接收到长度为M的向量yk,假设有一个尚未确定的方程组,其中长度为NL的未知数向量应该只用M个非相关观测就能得到恢复。压缩传感的理论规定,xk可以被准确恢复,如果恢复情况M c K log(N K),其中c是一个常数,假设xk是稀疏的或在某些转换领域有个稀疏的表示[10]。
提出的算法运算如下:
(1)如果源节点Sj在传输模式中检测到一个新的事件,测量值在xj,0∈{-1,+1}范围内被l= 0 初始化,它传送M位的数据包Pj= xj,0aj,0,被它的所有邻居节点k ∈ N(Sj) 接收到。例如,假设S1和S3为图1 中的源节点,在时间t = 0 时,数据包P1= x1,0a1,0被S1的邻居节点S2和S6接收到,数据包P3= x3,0a3,0被S3的邻居节点S2,S4和S8接收到。
(2)在时间t时,如果传感器节点Sk处于接收模式,那么它接收到的信号yk就包含了所有从其邻居节点n ∈ N(Sk) 同时传输的数据。在节点Sk接收到的信号表达为:
其中:xj,l表示源节点Sj接收到的测量值,如果它实际上已经被节点Sn转发出去的话,那么它就包含在数据包pn中;返回数组的尺寸M的向量zk表示加性高斯白噪声。使用上面定义的矩阵A,式(1)可重新表述为:
其中xk是NL的向量,它的ith组件为:
在图1的示例中,注意Sj= Sn即源节点和传输节点一致,根据步骤(1)的描述,在Sink节点S2接收到的信号表示为y2= Ax2+ z2,其中x2=[x1,0,0,…,0,x3,0,0,…,0]T。
(3)Sink节点Sk应用压缩传感的原则对接收信号yk中包含的每个测量值进行解码。这个问题可以由l1- l2表述,优化为:
其中拉格朗日乘子 λ 在表述误差和解决方案的稀疏之间进行权衡。提出方案的主要计算工作量源自步骤(3),由迭代减低阈值算法进行解决,因为它对复杂性的要求很低[9]。
(4)对重构向量xk进行重整,以便每个组件都属于{-1,+1}范围内。
(5)在对节点Sk收到的测量数据进行解码后,它们各自的(源ID,时间戳)序列aj,l可以被识别。然后节点Sk将每个新解码的测量序列aj,l与之前接收到的测量序列作比较,这些信息储存在其本地表格中Q(Sk)={aq,l′由Sk,0 ≤ l′≤ l接收}。
如果序列aq,l′存在于Q(Sk),q = j,l′≤ l :任何从Sj获得的新数据都应该有一个较小的跳数l < l′,除非沿着最短路径传输的新数据包丢失了,这在此设置中很少发生。所以伴随着较高的概率,这个数据已经收到。因此,Sk将已经解码的数据从xj,laj,l数据集合中丢弃并将其转发出去。
如果序列aq,l′’存在于Q(Sk),q = j,l′> l:尽管两者共享相同的源节点Sj,但这是一个新的数据,因为它比存储的数据拥有更小的跳数。因此,Sk将转发解码的数据xj,laj,l。
在所有其他的情况下,Sk将转发xj,laj,l。例如,在图1 中,节点S2基于步骤(3)和步骤(4)从y2重建x1,0和x3,0。两个测量数值将被转发,因为它们都是最先被接收到的数据,但是本地的表格更新为Q(Sk)={a1,0, a3,0}。
(6)由于所有的数据xj,laj,l都将被转发,因此跳数增加到l + 1 。在Q(Sk) 中,l > L中所有解码的测量值以及序列都被丢弃。 Sk对将要转发的所有剩余数据进行叠加,并且转发该数据包。图2 中,在t = 1 时发送的所有偶数节点中,S2发送由节点S1,S3,S7接收到的数据包P2= x1,1a1,1+ x3,1a3,1。基于步骤(5),S1放弃了x1,1,S3放弃了x3,1。同样,S8发送由Sink接收到的数据包P8= x3,1a3,1。
(7)在持续时间Tout的会话期间,Sink对所有进来的数据包运行重建算法。如果接收到相同数据的多个版本,那么分集增益就可能实现。由第一个接收到的数据包计算测量值时间:如果第一次接收到xj,l,那么它的时间由T -(l + 1) 计算,其中T是Sink跳数的实际时间。考虑到步骤(5)的过程,Sink第一次不可能同时接收到一个给定测量的多个版本,这个测量数值具有不同的跳数。也就是说,如果Sink接收到Pk= xj,laj,l+ xj,maj,m,其中l < m,而且还有一个当地的表格Q(Sink)={aj,l},那么最可能得到l l′< m,即xj,m和xj,l相等,但它是通过网络中更长的路线接收到的。 xj,l被视为一个新的测量值,时间为T -(l + 1),而xj,m作为xj,l′’的复制品,提供多样性。
3 仿真结果
在49 个节点的网络中,一个常规的7 × 7 网格中,K源生成测量值。这些稀疏生成的事件发生在每个会话期间的随机时段,例如,它们可能会同时发生。每个会话在跳数超时Tout后结束,在此时对Sink收集到的测量值进行评估。每个链接的信噪比(SNR)固定为30 d Bs。每个仿真点平均超过300个会话。注意,为了专注于测量值的重建性能,这里只有一个测量值是由每个会话的源节点生成,而测量值的次数可以检索,如步骤(7)。因此,本文评估所有会话的平均重建误差[2，4],将一次会话定义为:
其中:x0为N维向量,包含所有N个传感器的原始测量值数据;x̂ 表示在一次会话结束时,在Sink收集到的测量值数据的重塑向量。
图3显示了本文协议的平均重建误差为K={2,…,10},序列长度M ={35,40},L ={6,7} 和Tout={25,30}。可以注意到,在这两种情况下,即使K的数值更大都可以实现良好的重建,因为这意味着数据叠加的数量更加稀疏。通过增加Tout和M,分别实现了更高的分集增益和重建精度。
在没有数据相关性可以利用时,如文献[2,4]中提及的基于压缩传感恢复算法为传统的转发协议,诸如AODV路由和MAC调度,可以保证没有冲突发生。因此,本文通过两种参考算法传统的基于MAC调度的简化AODV路由和传统的CDMA比较提出的协议。在传统的AODV协议中,在每一次会话期间,只有传输测量值的源节点向Sink继续进行路由发现,通过一个24 B的路由请求数据包洪泛其邻居节点来实现。洪泛还在继续,直到到达Sink为止,它选择了最短路径将20 B的路由回复数据包转发到源节点。在同一路径上的所有其他节点记住它们向Sink前进的路线。一旦路线固定,每个数据包就被转发到Sink上。
为简单起见,每个数据包都将由一个可以保证没有冲突产生的理想MAC调度器按照顺序进行转发。数据包格式基于IEEE 802.15.4 标准。由于两种参考算法在这个系统模型中都能实现接近于零的重建误差,而且考虑到第一种算法没有干扰,而第二种算法没有正交编码,因此仅在开销和延迟传输方面对性能进行比较。由于开销和数据(源节点ID和测量值)合并到提出的协议和传统的CDMA协议中,本文评估了用于重建的传输数据包所需的总数量。
对于本文的协议而言,用于重建的传输数据包所需的数量为(单位:B):
其中PProptotal为每个会话中传输的数据包总数,包括所有由于洪泛造成转发的数据包。同样对于传统的CDMA协议而言,可以得出:
其中:L = 6;PProptotal和PCDMAtotal都是通过仿真得出的平均值。图4 显示了本文的协议需要有与传统的AODV协议数量相当的数据包,当允许小的误差存在时(M=35),所需的数量甚至更少。与传统的CDMA相比,本文的协议增益上升到90%。
最后,本文对每种协议所需的平均传输延迟进行评估,在图5 中以跳数表示每个源测量值。如在提出的协议和传统的CDMA协议中,每个测量值在一次会话中的随机时间生成,而且所有的数据包在Tout期间都被Sink接收,最多需要花费Tout跳数来集合所有的测量值。
图5 显示了Tout除以源测量值的数量,给出了两种协议每个测量值延迟的实际平均值上限。如果允许最小的误差存在,那么提出协议的延迟上限等于传统的CDMA协议的延迟上限,同时可以通过略长的延迟实现接近于零的误差。相比传统的AODV协议的延迟,本文的协议延迟随着K的增长而迅速下降,降至75%。因此,提出的协议提供了接近于零的重建误差,同时与传统协议相比,实现了大开销和传输延迟的节约。
4 结论
本文提出了一种新颖的基于压缩传感的协议,可以进行不定期的同时传输,应用于多跳的无线传感器网络中,将稀疏测量值数据传送给Sink。相比传统的路由和MAC调度策略以及基于CDMA的协议,本文提出的协议实现了低重建误差,在开销和延迟方面实现了明显的节约。
参考文献
[1]PLAN Y,VERSHYNIN R.One-bit compressed sensing by linear programming[J].Communications on Pure&Applied Mathematics,2013,66(8):1275-1297.
[2]HAYASHI K,NAGAHARA M,TANAKA T.A user′s guide to compressed sensing for communications systems[J].IEEE Transactions on Communications,2013,96(3):685-712.
[3]BLUMENSATH T.Compressed sensing with nonlinear observations and related nonlinear optimization problems[J].IEEE Transactions on Information Theory,2013,59(6):3466-3474.
[4]华涛,李来祥.基于多峰函数优化的无线传感网稀疏事件检测[J].计算机应用与软件,2015(1):114-117.
[5]赵秀兰,李克清.弱稀疏性下的无线传感器网络事件检测算法[J].计算机应用与软件,2014(3):104-107.
[6]朱翠涛,瞿毅.基于压缩感知的稀疏事件检测[J].中南民族大学学报(自然科学版),2011(1):80-83.
[7]刘洋,李一波.基于线性动态系统稀疏编码的异常事件检测[J].计算机科学,2014(10):300-305.
[8]陈分雄.无线传感网中事件监测的压缩感知与异常检测算法研究[D].武汉:中国地质大学,2013.
[9]欧庆波,宋荣方.无线传感网中基于压缩感知的高效数据传输方案[J].南京邮电大学学报(自然科学版),2012(2):44-51.
无线传感网数据传输 篇2
基于无线传感网的烟草仓库环境监测系统
解决方案
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
目录
1.目前国内烟草仓库环境监测系统现状分析....................................................................3 2.现有仓库环境监测技术现状分析......................................................................................3 3.基于无线传感网烟草仓库环境监测系统的应用...........................................................4 3.1．基于无线传感网烟草仓库环境监测系统简述.......................4 4.基于无线传感网烟草仓库环境监测系统的功能...........................................................5 5.基于无线传感网烟草仓库环境监测系统的优势...........................................................7 6.产品介绍....................................................................................................................................8 6.1物联网网关....................................................8 6.2无线路由单元..................................................9 6.3无线水浸检测器...............................................10 6.4无线温湿度检测器.............................................10 6.5无线烟感探测器...............................................11 6.6无线明火探测器...............................................11 6.7无线门磁传感器...............................................12
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
1.目前国内烟草仓库环境监测系统现状分析
目前国内大部分成烟和烟叶仓库还是沿用传统的仓储管理方式，缺乏自动监控设备，只是进行简单的入仓数量管理，以及常规的防霉变、防烟虫处理，对烟叶醇化机理没有足够的认识，使得精选优质烟叶往往在存储过程中品质下降，不能生产出高质量的卷烟成品，带来了不小的因库耗而造成的经济损失。
烟草行业对如何提高卷烟品质进行深入研究后，发现卷烟生产和销售过程中的仓储环境对卷烟品质影响很大，传统烟草仓库环境质量采用人工测量记录，管理人员对仓储环境缺乏有效的监测手段。因此，加强对烟草仓库环境质量监测，降低烟叶库耗，提高烟叶利用率，具有非常重要的实际意义。
2.现有仓库环境监测技术现状分析
目前室内仓库的环境监测系统分为无线监测系统和有线监测系统两种，大多数系统是基于有线监测设备建立起来的。有线监测系统存在的缺点有： 1）.有线监测点的布置需要大量走线，布置方式不灵活，只能在一个固定位置，不能根据需要移动；
2）.监测点数量由于通信布线成本限制而不能大量布置，造成监测力度不够，存在监测数据不能全面反映实际的环境质量的可能，甚至存在监测盲区； 3）.有线监测点线路检查和维护需要大量的人力物力，若多个仓库实现集中管理会极大的增加安装成本，不利于构建大型的远程控制系统。
基于无线传感网技术的仓库环境监测系统具有高扩展性、可靠性、安全灵活、维护简便等优点。
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
3.基于无线传感网烟草仓库环境监测系统的应用
3.1．基于无线传感网烟草仓库环境监测系统简述
基于无线传感网烟草仓库环境监测系统结构图，如图所示：
如图1 所示
如图2所示
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
如上图所示，烟草仓库环境监测系统有集控中心、物联网网关、路由单元、无线传感器（如温湿度、水浸等）部分组成，烟草仓库环境监测系统采用分级分布式结构，在各工业生产残酷、销售公司卷烟成品仓库、原料基地烟叶仓库分别设置仓库监控子站，通过分布在仓库内的传感器检测和实时数据采集装置将检测数据传送到上一级监控站的监控及数据服务器，根据操作人员的指令或自动设置仓库的空调和通风除湿设备进行远程控制。如图1、2所示，视频监控系统通过有线形式与集控中心进行通讯，仓库环境监测系统通过无线传感器（如：温湿度、水浸等）把环境中的数据信息，通过无线的形式传输给路由单元，路由单元通过数据转发给网关，网关通过以太网传输给集控中心，因此，集控中心通过烟草仓库监测系统能够对仓库内环境信息实时监测，通过视频监控系统对仓库内人员的流动、设备的情况及安全情况，进行实时监控。
烟草仓库环境监测系统24小时自动数据采集，系统可以列表、图形显示监控数据，可自行设置温湿度上下限，超限时数据红字报警，传感器蜂鸣，系统可将监控系统记录下来并保存后的任意时间段、任意种类（如温度或湿度）、任意操作记录以各种形式（word、Excel等）电子文档导出可供使用，并可通用任何打印机将报表或图形打印出来，历史数据安全存储备份。
4.基于无线传感网烟草仓库环境监测系统的功能
（1）保证烟叶的产品质量
在自然状态下，仓库的环境根据气候的变化不能持续满足存储要求，所以需要有效地控制仓库中的温度和湿度，给烟叶存放带来一个安全的环境。在实际生产中，烟叶仓库的人工监管存在许多难以避免的人为因素失误，并且对烟叶堆垛内部的温湿度测量更是难以保证数据的及时、准确和可靠。而烟叶仓库监测系统将温度、湿度传感器布置烟叶堆垛内部和残酷的适宜位置，可以实时测量残酷各处的温度和适度并及时传送给监控室，测量数据能实时显示在监控室的电脑屏幕上，保证监控人员能够全面了解烟叶仓库的情况。一旦某点温度、湿度超过预定设置，系统将迅速向监控人员报警，详细显示库房具体位置的异常温度、湿度变化，并指导烟叶翻垛及通风等生产操作，可以有效预防因温度、湿度变化引起的烟叶变质等各种事件发生。
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
（2）有助于研究烟叶自然醇化机理
烟叶仓库环境监测系统采集了烟叶的醇化过程中的第一手环境资料，它有助于合理地掌握自然醇化速度调控，也为研究醇规律和醇化预测模型提供大量信息，可以逐步建立库存烟叶醇化质量信息档案，并根据烟叶醇化质量提出合理的使用建议。
（3）提高生产效率和管理水平
烟草仓库实时监测管理系统跟人工监管相比具有不可比拟的优势，系统实时性好、可靠性高、操作简便，可有效地提高生产效率和管理水平。烟草仓库监测系统数据采样间隔时间短，监测数据既能定时传输夜可随时召唤，布置在烟叶堆垛内的定点监测比人工临时测量更稳定和更准确。烟草仓库实时监测管理系统可以实现自动化生产管理，是烟草行业信息化系统的重要组成部分。
（4）保障生命安全
烟草仓库环境监测系统将已有的气体传感监测装置、防火报警装置和视频防盗装置结合起来，实现监测环境温湿度、检测室内易燃气体、非法闯入报警等系统功能，形成一个全方位的仓库环境安全监测系统，可以有效保障生产安全。
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
5.基于无线传感网烟草仓库环境监测系统的优势
1.施工方便：无需接拉数据线，只需要有220V市电或直接使用电池供电，对于扩容和旧有系统改造非常方便。并且组网是自动生成的，不需要人为干预，安装上基本就可以工作。
2.可靠性高：嵌入式与专用低功耗器件、精简的射频电路以及组网的多路径冗余备份，使系统里的设备可以可靠稳定地运行
3.扩展与增容方便：增加新类型和新的节点只需要安装节点本身即可，无须改造数据线/装修/布局等。因为容量高，不需要增加新的网关设备，只增加节点即可
4.零运营成本:单网关的高容量、近乎于零的施工成本、平与增容方便：增加新类型和新的节点只需要安装节点稳的扩容能力，使得项目总体成本远低于传统方案。可以降低用户系统总造价，可以为工程和方案提供商提供更高的效益空间
5.实时监测：实时监测仓库内环境信息，一旦发生变化，集控中心会发出报警同时显示相对应的区域范围。
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
6.产品介绍
6.1物联网网关
产品介绍：
安装在仓库内，与安装在仓库内的无线路由单元和无线传感器通讯，将仓库内环境信息（如:温湿度、水浸等）通过以太网上传到集控中心。
产品特性： 20S快速组网
黑白名单节点认证管理
支持3G、GPRS、wifi、RJ45上行接口
支持双信道的无线、RJ45、RS485、RS232下行接口
内置系统管理WEB Server 双WDN业务信道
满足7*24小时全天候连续工作
金属外壳设计，高可靠性与安全性 性能参数：
频段：433～510MHz 速率：40kbps 传输距离：无遮挡 800米/1700米/2000米以上
严重遮挡：50米/160米/200米
组网容量：200～500点
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
6.2无线路由单元
产品介绍：
安装在仓库内，负责将仓库内的数据通过无线传输到仓库内的物联网网关上。同时负责将其它较远无法直接进行无线通讯的设备进行无线数据路由的职责，通过多跳将无线数据传输给物联网网关。
产品功能：
信号覆盖 数据转发 构建子网 多径备份 信道隔离 硬件接口：
2个天线接口:1个与上级汇聚网关通信，1个与下级传输单元通信 天线接口：标准SMA接口
4路RS232/RS485接口:可用于接入采集设备 1路RJ45接口
指示灯：具有“Power”、“组网”、“4个数据收发指示灯“共6个指示灯
拨码开关：用于设置RS232/RS485接口类型 复位按钮:复位按钮对系统进行恢复默认
性能参数：
电源：DC 12～24V 天线接头:SMA标准接头 安装方式:壁挂/其他
工作环境：工作温度-20℃～+70℃，工作湿度 5%～95%（无结露）
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
6.3无线水浸检测器
产品介绍：
能够实时在线监测安装位置（场所）是否浸水，并实时的将水浸状态通过物联网路由节点上传到监测系统平台中心，以达到监控告警的目的。应用范围：大量用于通讯基站、宾馆、饭店、精密机房、图书館、仓库以及其他在积水需要报警的场所。
产品特点：
成本低、高可靠性 易于安裝、操作方便 质量可靠，耐用性高 6.4无线温湿度检测器
产品介绍：
本系列产品可对要求范围内的温、湿度进行测量。采用进口SHT11传感器芯片，传感器性能可靠，使用寿命长，响应速度快，湿度测量的温度范围宽。本产品主要应用领域是针对配套供电环境不便的场合，如通讯机房、办公室、仓库、医院、档案馆、博物馆、制药厂、食品厂等地方进行温湿度监测，实现信号无线远传。
产品特点：
无线安装，简单方便，测量精度高 网络节点多，测量距离远，抗干扰能力强 低功耗，工作稳定性强，使用时间长
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
6.5无线烟感探测器
产品介绍：
是基于无线传感网技术设计可探测空气中烟雾的浓度并发告警音，同时还内置了温度感应器，能检测到空气中的温度，当空气温度高于65℃时提出告警声。除此之外，它还能与警报设备绑定，发出无线触发信号，启动警报器发出警报。
产品特点：
内置Router温度感应器，具有温度感测功能 与CIE报警设备使用 内建无线开关警报器 紧凑尺寸 备用电池电源 被触发后，指示灯闪烁 6.6无线明火探测器
产品介绍：
无线明火传感器可探测到火焰中的紫外线，并予以警报。它不仅可以通过声音报警，它还装备有C(C/N——N/O)输出——可以满足专业人员的需要。另外，LED记忆能使您从一系列传感器中找到最初报警的传感器。区域调整装置使得预警区域角度更加宽阔，传感器和基座的快速分离使安装和维修变得简单轻松。
技术参数：
探测系统: 紫外线探测（探测波长185到260nm）
/ 12
基于无线传感网的烟草仓库环境监测系统解决方案
探测区域: 长度 33英尺(10米)2.75"(7厘米)面前的打火机火焰 电 源:（10-30）V DC（无正负极） 电 耗:静止时： <25mA 报警时: <75 mA(警铃开)<40 mA(警铃关) LED报警 ： LED(红色)：亮灯延迟10秒。 记忆LED(黄色)：记忆指示时灯亮，电源接通时闪烁。
报警声（蜂鸣声）: 报警：在延迟10秒内，每0.2秒间歇发声。 音量：80 dB或更高 3.3英尺(1米)(可选择无声设置) 容量： 30V/0.25A 环境温度:-10～+60℃（无凝结） 安装:室内安装（顶棚或墙壁安装） 重量:大约150克（5.25oz）6.7无线门磁传感器
产品介绍：
无线门磁传感器用来监控门的开关状态，当门不管何种原因被打开后，无线门磁传感器立即发射特定的无线电波，远距离向主机报警。无线门磁的无线报警信号在开阔地能传输100米，在一般住宅中能传输50米，和周围的环境密切相关。
产品参数：
外形尺寸：71x36x15.4毫米 发射功率：30毫瓦 工作电流：10毫安
工作电压：12V，A23报警器专用电池
理智部署无线传感网 篇3
宾夕法尼亚州的一家电力公司想在自己的服务区域积极参与智能电网,覆盖他们的160万个客户,但这家电力公司很快认识到,部署传感器和通信设备需要相当高的成本。其高级顾问John Ahr说: “我们需要从远程仪表及其他设备收集数据,并且将收集来的数据与客户共享,以便客户能够在电力使用方面作出更明智的决策。但是我们又希望能减少投资,最好能继续使用原有系统。”
后来,该电力公司不得不求助于西弗吉尼亚州的奥古斯塔公司,这家公司最擅长利用客户的现有技术,整合从不同传感器网络系统获得的数据,从而降低成本。以这家电力公司为例,奥古斯塔公司的EdgeFrontier中间件和网络设备是整个项目的核心,通过一个智能电力系统通信及控制网络,把变压器监测仪、电力线传感器、电路交换机、电力感测设备、信息技术系统和互联网连接起来。
John Ahr说: “经过改造后,不但客户拥有了更多的信息,更了解自己的使用习惯和用电情况了,我们也能直接从客户处收集断电信息,帮助系统做出更快速、更合理的响应。另外,我们收集的有关温度和负载容量的变压器设备数据也极其重要。”
WSN为企业
节省开支
这个电力公司的案例表明了无线传感器网络(WSN)正在发挥更大的价值。据英国剑桥IDTechEx公司发布的《2009年至2019年无线传感器网络》报告称,到2019年,无线传感器网络将成长为产值近17.5亿美元的市场。
WSN由空间分布式自主设备组成,利用相互协作的传感器来监测物理或环境情况,如不同地方的温度、声音、震动、压力、运动或污染物。传感器网络中的每个节点通常配备无线电收发器或其他无线通信设备、小型微控制器和能量来源(通常是电池)。传感器节点大小不一,大的如同鞋盒,小的如同尘埃。
即便在当前经济不景气的形势下,很多公司也发现没有办法缩减对WSN的投资。Millennial Net公司市场营销副总裁Mark O’Hearne说: “领先的企业觉得正好可以趁这次经济衰退,减少运营中的浪费现象,以便衰退期间节省开支。如今,很多公司面临成本和环境方面的压力,于是积极评估及控制能耗。WSN非常适合翻新现有的建筑物和工业环境,达到节能减排的目的,为了确保投资回报,制定绩效指标很重要。之所以用户通常选择部署无线网络,是由于它安装起来干扰较小、成本较低,而且切切实实能带来有用的数据信息。” 一些公司表示,投入WSN后会得到可观的投资回报,因为它们收集及分析的数据通常有助于节省能耗、资源、人力和设备等方面的费用。
无线传感器网络为监测行业开辟了新天地,它们让企业能够实现业务转型。与传统有线网络相比,WSN能将计算功能进一步分发至传感器。因而,它有可能在更接近数据源的地方,将过滤及更有效地管理数据的方案分发至传感器,同时保持连接性、可视性以及与企业IT系统紧密配合。
这里有一个例子,充分说明WSN为用户带来的管理优势。Dust Networks公司的一个用户以前采用人工方式收集来自图表记录器的数据,该图表记录器与一批冷藏箱中的传感器探头相连接,训练有素的技术人员定期巡视仓库车间,检查每个图表记录器上的纸张记录。要是技术人员发现冷藏箱的温度超过正常范围,就只好扔掉贮藏的生物标本,并将损失情况告知客户。
后来,该客户在其中四个生物标本储藏室中采用了Dust Networks公司的SmartMesh IA-510和WirelessHART WSN解决方案,实现了数据监测及收集的自动化。每个传感器节点通过安装在冷藏箱里面的探头来测量温度,并通过无线射频网状网将数据发送到与以太网相连接的基站。这个新系统让技术人员可以远程查看实时数据,并汇集以往的传感器数据,用于生成客户报告。采用WSN方案后,把因温度过高导致标本失效的损失降到了最低。
明智的公司以眼下这次经济衰退为契机,在流程管理基础设施方面进行重大投入。由于提高了效率,因而获得了可观的近期回报。随着企业形势好转,工厂设备利用率回到正常水平,从长远来看效益会日益明显。
智慧部署WSN
WSN有众多不同的应用领域。企业运用WSN的最主要目的之一是为了获得“运营信息”,将智能化低成本的传感器硬件、无线通信和互联网结合起来,共同管理公司运营。这些即时信息能够改善后勤、紧缩库存、诊断问题及采取补救措施。
不过在部署之前,企业CIO要问一下自己: “如何有效地收集及处理众多数据,根据这些数据下一步需要采取什么措施。”数据要发挥作用,就得触发响应装置。比如出现边界入侵事件时,摄像头会自动开启; 农田里的温度达到一定值后,喷水装置会关掉; 超市冷冻箱的温度变得太高后,里面的警报器会发出警报。更智能的是,冷冻箱每隔五分钟会向后台电脑发送温度数据,如果冷冻箱温度过高,电脑上的警报器就会发出警报。如果监测频率还需要更高,那么电脑每隔一分钟就收集所有最低和最高温度,存储数据,检测异常情况,然后把统计数据绘成图表,由此确定冷冻箱最节能的设置。现在,超市连锁店可通过MSN把数据上传到总部,用于全面的商店运营管理和比较。
功耗又是另外一个问题,这涉及到日常维护成本: 传感器隔多久需要更换、电池能用电多久等,功耗太高会影响WSN的推广。荷兰的GreenPeak公司提供的基于射频(RF)的传感器网络技术,设计时很注意低能耗(2.4 GHz),让传感器靠一节小小的手表电池就能使用,寿命甚至比传感器本身还长(长短取决于传感器类型和使用模式),或者靠能源采集设备,那样根本就不需要电池。这使得传感器几乎不需要维护,减少了WSN的运营成本。
基础设施和网络管理的成本是无线传感器网络面临的又一个问题。不过专业的无线技术公司在设备的稳定性、覆盖范围和能源管理方面做出了很多努力,这方面的情况在显著改善。
可定制化也是部署WSN时需考虑的问题。例如为环境监测而开发的某解决方案中,至少有四个传感器可连接到一个eKo节点(系统中的某管理节点)上。一旦针对客户具体的监测要求进行了定制,eKo节点就能组成无线传感器网络。带标准天线的基站可充当收集点,接收部署的eKo节点发过来的数据,然后,现场数据传送到即插即用的eKo网关。这种独立式、嵌入式的Web服务器设备基于Linux操作系统,网关预先装有eKoView,这种安全的Web界面可用于查看实时数据、运行报告及设置警报。
无线传感网数据传输 篇4
在无线传感网中, 采用规则拓扑结构能高效地实现节点的连通和采集信号的感知覆盖, 提升网络的运行效率和延长网络生命周期[1,2]。同时, 利用拓扑的预知性和对称性, 也能设计出高效的源路由策略[3], 规避了按需路由策略产生的动态路由发现开销, 以及表驱动路由策略的路由表维护开销, 相比随机游走路由策略也显著提升了传输效率。本文探讨面向Square Grid规则拓扑结构中向Sink汇聚传输的源路由策略, 包括随机等概率转发 (Random Equal Forwarding) 、线性转发 (Line Forwarding) 、源点齿形转发 (Source-Zigzag Forwarding) 、终点齿形转发 (Destination-Zigzag Forwarding) 、均衡转发 (Balance Forwarding) 这五种路由策略。从节点负载的角度分析和比较各策略所带来的传输性能和网络寿命, 探讨有效的评价路由策略的方法。
1 相关工作分析
最初人们提出了在规则拓扑结构中研究随机游走策略。文献[4]分析了在Square中应用随机游走策略一定程度上能够节省能耗和均衡负载。文献[5]提出用不同的信号传输半径 (d、1.414d和2d) 实现Square中4-邻节点、8-邻节点和12-邻节点这3种随机游走方案。实验结果表明4-邻节点和8-邻节点方案在能耗相当的情况下, 8-邻节点方案在时延和路径效率上有较好的优越性。
为改进随机游走路由策略传输效率较低问题, 文献[6]在拓扑结构的对称性基础上, 提出路由协议DSAP。该协议不需要路由表, 为每个节点分配一个向量标识符[9]。文献[7, 8]仿真结果表明, 在Square和Triangle中, 与区域内部传输相比, 边界路径传输具有较少的能耗。
文献[10]针对Triangle结构进行了立方体映射, 探讨了4种源路由方案Quadrant-based dimension order (QDOR) 路由、最短跳数优先 (MHF) 路由、树型路由 (TB) 和聚合流式路由 (FB) ) 的相对性能。仿真的结果表明树型路由能提供最佳的性能, MHF的性能次之, QDOR的性能排第3位, FB由于流量集中情况较为严重, 故性能最差。没有负载均衡的数据分配将使负载严重的节点能量很快耗尽[11]。
文献[12, 13]为改善负载均衡的问题, 提出了基于轮廓Contour的Optimal Spreading源路由研究方法。经过仿真实验, 验证了Optimal Spreading能均衡利用所有的最短路径并提升Qos。文献[14]分别针对一对一传输和多对一传输, 对比了对角线传输和直线传输两种源路由策略负载分布。理论分析与仿真实验表明, 传输范围内部节点比边缘节点的负载要大, 且直线传输比对角线传输负载均衡性更佳。
2 研究内容
2.1 研究方向
以上提出的多种源路由方式能显著的提升规则拓扑结构传感网的性能。但是在传感网数据采集应用过程中, 各节点产生的数据集中汇聚到汇点, 对汇点及其附近的节点造成很大的运行开销[15,16], 某些关键节点承担了较多的数据转发业务, 能量会很快耗尽, 而针对这种汇聚点的传输特性, 目前缺乏相关的源路由策略特性研究。本文对Square Grid规则拓扑结构中的多种典型源路由策略进行分析和比较, 面向负载均衡性指标, 探讨最优的路由方案。
2.2 Square Grid结构中的典型源路由策略
给定直角坐标系中的Square Gird型网络拓扑, 如图1所示, 其中左下角为黑色的汇点, 其它节点为源点, 横向上最大节点坐标为im, 纵向上最大节点坐标为jm。设一个采集周期内, 每个节点发送一个数据包, 其可能向下邻点转发 (概率记为pv) , 也可能向左邻点转发 (概率记为ph) , 对应的源路由策略有如下几种。
(1) 随机等概率转发REF (Random Equal Forwarding)
这是最简单的策略, 从数据包产生点以相同概率选择下邻点和左邻点作为中转节点, pv=ph=0.5。
(2) 直线转发LF (Line Forwarding)
从数据包产生点先一直向横轴或纵轴转发, 选择两个方向的概率相同, pv=ph=0.5, 到达轴后再向原点转发。来自A (i, j) 点的数据包可能经历的节点用斜纹标出。
(3) 源点齿形转发SZF (Source-Zigzag Forwarding)
从数据包产生点一直向左下方点转发, 选择下邻点和左邻点作为中转节点的概率相同, pv=ph=0.5, 遇到轴则笔直向原点转发。来自A (i, j) 点的数据包可能经历的节点用斜纹标出。如图1所示。
(4) 目的地对角转发DSF (Destination-Zigzag Forwarding)
从数据包产生点一直向汇点所在45°线水平或垂直传输, 到达此线后则向左下方点转发, 直到汇点, 选择下邻点和左邻点作为中转节点的概率相同, pv=ph=0.5。如图2所示, 来自A (i, j) 点的数据包可能经历的节点用斜纹标出。
(5) 均衡转发BF (Balanced Forwarding)
文献[8]中提出负载均衡转发方法, 将Square分为Expansion Region、Propagation Region和Contraction Region, 如图3所示。将到汇聚点Sink距离相同的节点分为一组, 定义第s组节点到汇点的跳数为Hop (s) =im+jm-s, 0≤s≤K-1 (K为距离Sink最远点所在组号) , 且s=im+jm-i-j。令nst表示第s组从边缘开始数起的第t个节点, 其向nst+1的转发概率为pst, 向ns+1t+1的转发概率为 (1-pst) , 则推算得:在Expansion Region有pst= (s+2-t) / (s+2) , 在Propagation Region有pst=1, 在Contraction Region有pst= (im+jm+1-s-t) / (im+jm-s) 。
2.3 各路由策略的转发指数
采用转发指数分析作为负载的评价指标, 其定义为某坐标节点接收来自它四周相邻节点发出的数据包数量。各节点可能从上邻点和右邻点收到包, 向下邻点和左邻点转发包, 考虑具体的路径, 对各路由策略分析得到节点转发指数如下。
(1) REF
参照图4所示, 对i≥1, j≥1的节点A (i, j) , 令其到左下方某点 (i', j') 的跳数为h, 纵向的距离为q=j-j', 则向 (i', j') 转发的概率为 (1+x) h展开式中的xq项的系数与各项系数总和之比, 即Chq/2h。按这种方法计算得到各节点的转发指数为:
其中, 负载瓶颈点位于 (1, 0) , 该节点负载为
(2) LF
对i≥1, j≥1的节点A (i, j) , 向左和向下的传输概率均为0.5, 且距离原点为i+j, 当轴上节点开始转发数据包时, 则只沿轴向原点传输, 概率为1。按这种方法计算得到各节点的转发指数为:
其中, 负载瓶颈点位于 (1, 0) , 该节点负载为 (im-1) (1+jm/2) +jm/2+1。
(3) SZF
参照图1所示, 对i≥1, j≥1的节点A (i, j) , 向左下方节点转发概率为1, 当轴上节点开始转发数据包时, 轴上节点沿轴转发概率为1。按这种方法计算得到各节点的转发指数为:
其中, 负载瓶颈点位于 (1, 0) , 该节点负载为jm/2+ (jm+1) × (2×im-jm) /2。
(4) DZF
参照图2所示, 对i≥1, j≥1的节点A (i, j) , 根据从原点45°线位置向左或者向下传输, 直到到达45°线上, 此过程经过的节点转发概率为1, 到达45°线后, 向左下方节点传输, 转发概率为1。按这种方法计算得到各节点的转发指数为:
其中, 负载瓶颈点位于 (1, 0) , 该节点负载为 (0.5×im×jm+im) 。
(5) BF
参照图3所示, 当i≥1, j≥1的任意节点A (i, j) 到汇聚点Sink距离相同时, 则这些节点具有相同的负载。按照这个特点, 结合在Expansion Region有pts= (s+2-t) / (s+2) , 在Propagation Region有pts=1, 在Contraction Region有pts=im+jm+1-s-t) / (im+jm-s) , 三种转发概率, 计算得到各节点的转发指数为:
其中, 负载瓶颈点位于 (1, 0) 或者 (0, 1) , 该节点负载为0.5× (im+1) × (jm+1) -0.5。
2.4 转发指数分析
分析以上5组路由策略的数据传输路径, 各路由策略所有的数据包传输均通过轴上 (1, 0) 或者 (0, 1) 节点向Sink节点转发, 则 (1, 0) 或者 (0, 1) 成为路由中数据包转发量最大的节点, 即负载瓶颈点。通过对路由瓶颈点的负载转发指数计算, 发现BF路由策略的负载瓶颈点转发指数FBF (1, 0) 小于其他4种路由策略的瓶颈点。通过以上瓶颈节点负载转发指数的分析, 得出在数据转发集中的汇聚节点上BF路由策略比其他4种路由策略的负载转发压力更小。
通过Mathematica软件绘制转发指数三维图形, 则可以直观的观察到路由节点负载分布情况, 从而进一步分析各路由策略的负载性能。
在Mathematica中取长度为11个节点宽度为5个节点的Square Grid作为 (i, j) 平面坐标, 各节点转发指数作为z轴坐标, 得到如图5所示5种路由策略负载的分布三维图形。
比较 (a) - (e) , 发现汇聚点附近节点的负载比较高, 这主要是因为汇聚节点附近的节点有着更高的概率转发数据。但是BF路由策略较其他4种汇聚点附近节点负载分布更均衡, 证实了BF路由策略在Square Grid结构中的确能够平衡节点的负载, 最后验证了本文提出的节点转发指数能够有效地评价Square Grid结构网络节点的负载性能。
3 结语
本文提出了基于Square Grid规则拓扑结构来分析典型源路由策略的方法, 研究在此规则结构中计算各路由策略的节点负载转发指数, 从而得到路由策略的负载性能分布来指导探讨路由策略的负载性能优劣。研究结果验证了在Square Grid规则拓扑结构中Balanced Forwarding策略优于其他路由策略的负载均衡, 说明本文提出的分析方法可以准确评价路由策略平衡负载能力和各节点负载分布状况。进一步的研究将一方面研究以节点转发指数作为指标优化路由策略, 保证网络节点负载较为均衡。另一方面可以针对Square Grid结构中路由策略的平均时延进行分析, 结合平均时延与转发指数分析源路由策略, 提高分析路由策略负载性能的可靠性。
摘要：无线传感网中的汇聚传输模式使得靠近汇聚点的节点承担了较多的数据转发业务, 导致这些节点能量很快耗尽, 造成网络节点负载分布不均衡。针对这种汇聚传输问题, 结合规则拓扑结构的对称性和预知性, 提出基于Square Grid规则拓扑结构中分析典型源路由策略, 设计一种计算路由节点负载分布的转发指数, 并依据该转发指数分析各路由策略负载性能的方法。通过Mathematica绘制各路由节点负载分布图并对比各路由策略的转发指数, 实验结果验证了Balancing Forwarding路由策略的节点具有较均衡的负载分布。该方法能有效地应用于评价路由策略的优劣。
无线传感网数据传输 篇5
关键词：无线传感网；自动抄表系统；网络协议
引言
随着供水、供电、供气部门对“一户一表”工程改造的推进以及对自动化的要求，远程自动抄表系统已成为水、电、气自动化管理和智能化控制不可缺少的组成部分。在电力系统的信息化过程中，户表数据的自动抄送具有十分重要的意义，也是行业单位迫切想要解决的问题，因为电表数据抄送的准确性、及时性，直接影响电力系统的信息化水平、甚至管理决策、经济效益。
传统的手工抄表费时、费力，准确性和及时性得不到可靠的保障，这导致了相关营销和企业管理类软件不能获得足够详细和准确的原始数据；一般人工抄表都按月抄表，对于用户计量来说是可行的，但对于相关供应部门进行更深层次的分析和管理决策却不够，行业的实际需求催生着自动抄表系统的技术和应用的不断发展。
当前市场上存在的自动抄表系统主要是基于无线通信和电力载波通信两种方式，其中无线通信具有施工简单，组网灵活，成本低等优势。针对无线抄表市场对超低功耗、超远距离的无线技术的需求，上海华龙信息技术开发中心推出了TrackRFID远程抄表系统，该系统采用了业内领先的无线技术，在超低功耗、超远距离、抗干扰等方面有着独特的优势。尤其是在抗干扰方面，TrackRFID采用一些先进的处理机制，比如跳频传输、数据交织、纠错编码、载波侦听和干扰检测等等，使其具有极强的抗干扰能力。系统组网方式基于自组网路由协议.具有灵活可靠，施工简单，造价低廉等优点。
TrackRFID远程抄表系统工作在自由频段，目前主要支持433M和2.4G两个频段。系统对一梯多户住宅来讲在每个楼层安装一个采集终端TrackNode，每个采集终端可通过485接口直接联接多户居民的电表。一般情况，一个采集终端可以连接多个电表，在安装时，为获取每块电表的ID号，在无线通信模块内有专门的查询电表ID的程序。该终端可直接实时录取每块电表的用量信息，并通过楼宇内无线自组织网络直接传送到安装在物业管理中心的系统集中器内。集中器可实现无人值班，连续实时运行，对该小区所有住户的电表进行自动抄表、自动存储。在系统集中器TrackCenter内配有有线和无线调制解调器，通过市内电话网与供电公司的营业收费及管理部门直接建立通信联系。电力公司通过市内电话网络可随时收集各用户水、电、燃气用量信息，自动结帐，打印和查询。下面我们将从系统结构、组网协议和硬件结构等几个方面对该系统做逐一的介绍。
系统结构
根据实际施工环境不同，TrackRFID远程无线抄表系统由系统集中器TrackCenter、局部信息集中器T rackCollect、信息中继器TraekRepeater、抄表终端采集器TrackNode等一系列可选产品组成，系统组成如图1所示。
抄表终端采集器
抄表终端采集器(TrackNode)，是采集和传输各电表的读数以及监控电表运行状态的设备，一般安装在电表箱或者电表内。该模块由无线数据收发、信号采集和控制三个部分组成。其中无线数据收发部分采用高集成度的专用短距离、低功耗的无线数传芯片CC1020，与控制单元连接简洁(直接串口连接)，性能稳定可靠的优点，已经得到大量应用。控制单元采用低功耗高速单片机MSP430，具有控制功能强，低功耗的优点，使控制单元简单高效，可靠性高。TrackNode通过485接口和数据采集终端相连，可以同时采集一个或多个电表和水表信息，然后通过多跳网将采集的信息传递给TrackCollect。TrackNode除了具有信息采集的能力外，还具有中继转发功能。根据需要，TrackNode采用3～6V电池或直接电表供电。
局部信息集中器
为了提高并行传输能力和缩短传输时间，我们根据情况将小区划分为若干个簇，局部信息集中器(TrackCollect)收集其管辖的簇中所有TrackNode上传过来的电表数据，最终汇总后上传给TrackCenter。TrackConect具有手持和固定两种产品类型，具有较大的存储空间一般放置在楼顶，根据情况采用电池或电源供电。其中手持设备增加了良好的人机交互功能。
系统集中器
系统集中器(TrackCenter)通常安装在小区物业管理中心内。其基本功能有定时呼叫和接收采集终端的数据；向采集终端发送冻结命令，以保证数据的同时性；接受总控站的命令，并向总控站发送有关数据，存储每个用户每小时的电量、月累计电量及每个用户日、月最大平均功率和出现的时间等。TrackCenter一般管辖一个小区，收集其管辖的所有的TmckCollect的电表数据，然后通过串口或者网口上传给相关的设备，该设备通过无线公网链路如GPRS／CDMA传送给电力中心部门。TrackCenter具有较高的传输功率，供电不限制。
总控站
安装在供电分公司用电管理部门及煤气公司、自来水公司的营业所，由一台或多台微机、打印机和调制解调器组成。分别接收和存储各用户的电、气、水数据，进行统计、分析、汇总、计费和报表、帐单打印等工作。物业管理中心如需要查询有关用户的水、电、气数据，也可利用调制解调器接收并显示有关数据，但不能更改数据。
信息中继器
信息中继器(TrackRepeater)，其作用主要是解决无线信号的覆盖问题，功能类似于GSM直放站，通过TrackRepeater可以转发信息，从而有效的扩展了TrackNode和TrackCenter之间的距离。
硬件平台
基本的无线数传模块TrackNode采用MSP430和CC1020组合的硬件平台，如图2所示。Chipcon公司的CC1020芯片使用GFSK的编码调制方式，目前支持9.6Kbps／19,2Kbps两种数据速率，输出功率达到10dBm，视距传输距离可以达到1Km。MSP430是TI公司的超低功耗处理器芯片，支持快速休眠，具有节省系统能量等优点。出于存储空间需要，TrackCollect采用ARM7和CC1020构建。出于成本和其他应用的需要，射频芯片可以被譬如CC1100所替代，其结构根据具体应用需求灵活替换。
网络协议
目前，我们不仅基于MSP430，ARM7和CC1020／CC2240自主开发了TrackNode和TrackCollect／TrackCenter等硬件平台，而且自主
设计和实现了一套用于自动抄表的自组网协议栈TrackRFID，在此基础上构建了TrackRFID远程无线抄表试验系统，网络结构采用两层混合自组网结构，图3所示。
目前，该系统主要支持两种应用：集抄和单抄。“集抄”是指TrackCenter定期需要将所属电表信息通过轮询或者同一命令全部收集上来，譬如：每月一次抄表计费或者用电统计分析。而“单抄”是指TrackCenter需要查询和读写特定的电表数据，譬如：实时电表预充值服务和节点故障报警功能。每个TraekCenter可以管辖多个TrackCollect簇，最多可以管理至少上千个TrackNode，如图2所示。簇可以是按照位置划分，譬如同一栋楼节点划为同一个簇。根据我们的经验，一般三跳以内即可到达簇首节点Trackcollect，TrackConect负责收集簇内所有TrackNode采集到的数据并传递给TrackCenter。TrackCollet一般安装在大楼顶部，每个TmckCollcet可以收集簇内节点的信息，然后再将信息发送给TrackCenter，图3所示。
从简单实用的角度出发，我们设计了一套TrackRFID协议栈。首先，该系统节点之间利用无线数据链路层的广播信道功能，一个节点发送广播消息，接收到广播消息的一组节点通过比较各自接收到的消息的本地时刻，实现它们之间时间同步。在多址接入问题上，我们通过一种周期性时隙slot调度和CSMA相结合的多址接入算法来解决节点数据发送的数据冲突避免问题。其中，簇首节点TrackCollect之间自组织网络路由算法是该协议栈的核心，我们通过广播泛洪进行拓扑发现，在此过程中建立了基于树的网络拓扑结构，从而为基于树的路由策略奠定了基础。出于快速单点查询的要求，簇内TraekCollect与TrackNode之间的最大跳数不超过3，这样我们采用简单的广播泛洪方式进行簇内信息传递。除此之外，我们采用一套对于电表和收集中心完全透明的寻址方式，电表地址作为数据包源地址；物理链路传输上我们采用跳频技术增强通信抗干扰性能。目前，在规定时间内，对于上百个节点的网络，该协议栈基本能保证数据包正确收集率100％。
结语
无线传感网数据传输 篇6
随着社会经济的发展与科学技术的进步,无线传感器网络(WSN)技术应用于配电网通信引起了社会的广泛关注。2010年美国国家标准技术委员会制定的智能电网协作标准将WSN中的ZigBee协议列为推荐的通信标准之一[1]。
近几年,国内外研究状况为:文献[2]提出了一种新颖的基于WSN技术的输电线路监测系统,用于提高输电线路的可观测性和稳定性;文献[3]提出了一种基于WSN的配电线路故障定位方案;文献[4]提出了一种新型变电站自动化通信网络;文献[5]提出将WSN应用于电力监控系统中,更好地实现电量监控和配电网继电保护;文献[6]提出了一种基于WSN技术的系统级特性故障检测方法,更好地改进了当代配电设备的使用效率。以上研究主要集中在电力系统设备和监控等应用点层面上。
WSN中的媒体访问控制(MAC)协议无法兼顾所有网络特性,因此需要在多个性能指标之间做出选择和折中。基于分类数据优先级和信道竞争的MAC层协议的研究状况为:文献[7]提出了经典的S-MAC协议;文献[8]在S-MAC协议的基础上,提出了T-MAC协议;文献[9]提出了自适应睡眠的S-MAC协议;文献[10]提出了应用于载波侦听与监测的B-MAC协议;文献[11]在前人的基础上提出了可以减少前导冲突率的Wise-MAC协议;文献[12]通过选择发送的数据,提出了多种类别的数据具有QoS支持的Q-MAC协议;文献[13]提出了一种可减少数据传输延时的QoS-MAC协议;文献[14]提出了一种基于优先级的介质访问控制协议,即PQ-MAC路由协议;文献[15]针对配电网通信对数据实时性的不同需求,提出了一种多优先级数据的MAC层QoS算法。
文献[7-11]采用了休眠和唤醒机制,但同步休眠会增加通信数据的传输延时,若传输数据对其实时性要求较高,则不利于通信数据的有效传输;文献[12-15]采用了基于多优先级数据信道访问机制的QoS算法,但因无法解决信道访问中的随机延时问题,均未能给出保证性的QoS算法。 文献[16-17]从WSN数据传输性能满足智能配电网数据通信的QoS层面上,对配电网数据通信进行了实时性数据和非实时性数据的不同通信要求的划分,但其二级划分不完全符合中国电力配电自动化数据通信要求。
现有的研究方法都无法满足智能配用电网通信中特定数据在相邻节点间时,对实时性和可靠性的保证性要求。在此基础上,本文针对配电网数据通信的需求将配电自动化的通信数据分为3种优先级数据(遥信、遥控、遥测),研究了一种在IEEE802.15.4标准MAC层协议中引入QoS支持的信道访问机制QoS-MAC。通过建立3个优先级别的通信数据队列模型、传输延时模型、有效吞吐率模型和节点的无线信道冲撞率模型,衡量WSN在配电网中的数据传输性能。
1 配电网通信数据优先级分类
中国电力工业通信规范[18,19,20,21]将配电自动化的通信数据分为遥信、遥控、遥测三类,并对遥信、遥控数据提出明确的实时性和可靠性指标,对遥测数据提出可靠性指标,如表1所示。
综合分析可知,根据遥信、遥控、遥测三类数据的实时性指标要求,可将其分为高、中、低3种优先级数据,并采用差异化的数据传输策略。
2 改进的配电网WSN的QoS-MAC模型
2.1 配电网通信数据的传输特点
为使WSN节点数据通信的信道竞争机制满足配电网中遥信、遥控、遥测三类数据差异化的QoS传输需求,在IEEE 802.15.4标准MAC层协议中引入QoS支持的信道访问机制QoS-MAC。
在配电网的WSN通信节点中设置高、中、低优先级数据缓冲队列,分别存放对应的遥信、遥控、遥测三类差异化要求的数据。同时采用载波侦听多点接入/冲突避免(CSMA/CA)机制,为高优先级的通信数据设置最多的退避次数和最短的退避时间,为中优先级的通信数据设置较多的退避次数和较短的退避时间,为低优先级的通信数据设置较少的退避次数和较长的退避时间。因此,高优先级缓冲队列中的数据总是最先发送,当高优先级数据的缓冲队列为空时,发送中优先级数据缓冲队列中的数据;当中优先级数据缓冲队列为空时,才最后发送低优先级缓冲队列中的数据。
在配电网中遥信、遥控、遥测三类数据中,遥信数据总是优先发送,遥控数据次之,遥测数据最后发送。
2.2 基于配电网通信的QoS-MAC模型
构建一个由1个协调器节点和N个网络节点组成的星形网络,将此网络作为配电网WSN中通信数据的建模对象,并设网络中的每个节点的信道使用情况都受其他节点状态的影响。
2.2.1 节点内缓冲队列状态的马尔可夫链模型
马尔可夫过程的一步链模型是随着事件的发展,当前时刻的状态变化只与前一时刻的状态有关,而与过去其他任意状态都无关的一类随机过程模型。节点内缓冲队列状态随着时间的发展而随机变化的过程即可用马尔可夫一步链模型描述。
文献[16-17]中针对两类不同实时性通信数据的有效传输,建立了节点中缓冲队列的二维马尔可夫链模型。在此基础上,针对配电网数据通信的需求,在WSN节点中建立3 个缓冲队列,分别存放高、中、低优先级数据,构建缓冲队列的三维马尔可夫链模型,如图1所示。
图1中(k0,k1,k2)表示当节点的高、中、低优先级数据缓冲队列中分别有k0,k1,k2个数据包时的一个状态。节点内3个缓冲队列的状态为(k0,k1,k2)时的概率是。3个缓冲队列的长度分别为m0,m1,m2;高、中、低3 个优先级的数据产生率分别为λ0,λ1,λ2;发送率分别为μ0,μ1,μ2。在较高优先级的缓冲队列中有数据包时,优先发送较高优先级缓冲队列的数据。即当k0>0时,k1,k2状态不变;当k0=0,k1>0时,k2状态不变;当k0=0,k1=0时,k2状态变化。
根据马尔可夫一步链的无后效性,由图1可推算出每个节点的27种不同状态时的条件概率,其表达式见附录A。公式需满足的约束条件为:k0=1,2,…,m0;k1=1,2,…,m1;k2=1,2,…,m2。
图1中的节点可分为p0,p1,p2,p3共4 种状态,其表达式为:
式中:p0为当节点缓冲队列有高优先级数据发送时的概率;p1为当节点缓冲队列中无高优先级数据发送,但有中优先级数据发送的概率;p2为当节点缓冲队列中仅有低优先级数据发送的概率;p3为无数据发送的概率。
当配电网WSN中的节点数为N时,假设n0,n1,n2个节点分别有高、中、低优先级数据发送,其他n3个节点无数据发送,则其概率记为,表达式由式(2)给出:
2.2.2 QoS-MAC机制中节点的信道访问冲突模型
若当前信道是空闲状态,则在前一个时间单位内信道是空闲状态下的条件概率为pi|i,同理在前一个时间单位内信道是繁忙状态下的条件概率为pi|b。由于上述无线信道的2种不同状态,则当前信道是空闲的概率可表示为:
式中:,其中为每个数据包的平均发送时间。
在此基础上,发送高、中、低3个优先级数据的节点分别可检测到当前信道是空闲的概率pi,0,pi,1,pi,2可表示为:
式中:pi|i,0,pi|i,1,pi|i,2分别对应于发送高、中、低优先级数据的节点时,信道在前后2个连续时刻都是空闲的概率。
其他所有发送高、中、低优先级数据的节点都没有进行信道检测的概率pi|i,x(x=0,1,2)的表达式为:
式中:Q0,Q1,Q2分别为有发送高、中、低3个优先级数据节点的概率;τ0,τ1,τ2分别为发送高、中、低优先级缓冲队列中数据的节点进行信道检测的概率;bm,0,bm,1,bm,2分别为高、中、低优先级缓冲队列中的数据包第m次的平均退避时间;Ttx,0,Ttx,1,Ttx,2分别为高、中、低优先级缓冲队列中的数据包平均传输时间。
0≤m≤K0,高优先级缓冲队列检测空闲信道评估(CCA)信道的时间是1,则高优先级缓冲队列中的数据包经过n次退避后可获得物理信道的总消耗时间是。若高优先级缓冲队列中的数据包可以在第n次退避后获得信道,则此时检测到信道的次数是n+1,其概率是(1-pi,0)npi,0。若高优先级缓冲队列中的数据包在达到最大退避次数K0时仍然无法获取物理信道,则此时的退避时间是,概率是
在MAC层协议中,每个数据包在传输与退避过程中消耗的总时间构成了发送每个数据包的平均时间。因此,高、中、低优先级数据包发送的平均时间为:
并且数据包的发送率μ和数据包发送的平均时间Ts是倒数关系,即μ=1/Ts。
2.3 基于配电网通信的WSN性能分析
在配电网通信WSN建设中网络性能研究越来越受到人们的重视,本文从网络的有效吞吐率、传输延时、信道利用率3个方面来反映网络系统的本质属性。为能实时、高效地分析基于配电网数据通信的改进型WSN的性能,从提升QoS方面需要建立以下3种模型:①3种优先级数据的传输延时模型;②3种优先级数据的网络有效吞吐率模型;③发送3种优先级数据的节点无线信道冲突率模型。
2.3.1 WSN数据的传输延时模型
数据传输延时是衡量网络性能的参数之一,即可以反映配电网通信WSN的数据通信实时性的性能指标。WSN中数据的传输延时主要包括当前数据包的服务时间、队列等待时间和优先级等待时间。由附录A式(A1)、式(10)至式(12)可推算出传输延时计算模型。
1)高优先级数据传输延时计算模型
高优先级数据传输延时包括高优先级数据包传输时间和高优先级数据队列等待时间,即
2)中优先级数据传输延时计算模型
中优先级数据的传输延时包括节点内高优先级数据包传输时间、中优先级数据包传输时间、中优先级数据队列等待时间和在传输过程中新产生的高优先级数据传输时间,可由式(14)表示:
即
3)低优先级数据传输延时计算模型
低优先级数据传输延时包括节点内高优先级数据队列传输时间,中优先级数据队列等待时间、数据包传输时间,低优先级数据队列等待时间、数据包传输时间,以及在传输过程中新产生的高、中优先级数据的传输时间,可由式(16)表示:
2.3.2 WSN有效吞吐率模型
有效吞吐率是衡量网络性能的参数之一,即可以反映配电网通信WSN的数据通信容量的性能指标。吞吐率在性能测试中是指单位时间内在网络上传输的数据量。而网络有效吞吐率是指在数据通信中,有效的数据传输吞吐量与数据产生量的一种比值。
由式(2)、式(4)、式(10)至式(12)可推算出,高、中、低优先级数据的网络有效吞吐率计算模型G0,G1,G2分别为:
式中:L0,L1,L2分别为高、中、低优先级缓冲队列中每个数据包的字节长度。
2.3.3 WSN的节点无线信道冲突率模型
网络节点信道冲撞率也是衡量网络性能的参数之一,可以反映配电网通信WSN的数据通信能力的性能指标。在CSMA/CA机制中,由于不同的节点在同一时刻抢占相同的信道,从而发生节点间的相互冲撞并且无法在一定退避次数内获得物理信道,导致丢包率增大的比率用无线信道冲撞率表示。
由式(4)可推算出发送高、中、低优先级数据节点的信道冲撞率计算模型F0,F1,F2分别为:
2.4 WSN数据通信的可靠性
WSN节点Oi到邻接节点Oj的可靠性是用来描述完成规定数据传输质量的量度。配电数据通信可靠性可定义为WSN节点在规定时间区间内的可用率以及在占有信道条件下数据传输的正确率。
数据传输误码率可通过统计数据计算获得,即WSN节点Oi到邻接节点Oj规定数据传输的正确率a和出错率b统计值为常数时,其误码率为:
配电网数据通信的可靠性为:
式中:x=0,1,2,分别表示高、中、低3种不同优先级;Rx为数据的可靠性;Gx为数据的网络有效吞吐率;Fx为数据的无线信道冲撞率。
若节点处于稳定状态,发生的出错率很低,则b→0,rij→0。配电网数据通信的可靠性可简化为:
3 仿真实验分析
基于上述建立的QoS-MAC模型,对配电网改进型的WSN进行仿真实验。该WSN采用由1个协调器节点与10个网络节点组成的星形网络拓扑结构。在以上机制中,发送高优先级数据的固定退避时间为20symbols(320μs),最大退避次数设为15次,发送中、低优先级数据的退避时间指数均为BE=[2,5],最大退避次数设置为5次。设在配电网数据通信中,每个数据包的长度为128B,节点占用信道的传输时间为313symbols(5 008μs)。高、中、低优先级数据缓冲队列的长度均为5个数据包,即640B。
为准确快捷地测试出WSN性能,此仿真测试中,无线传感器网络采用IEEE 802.15.4标准物理层中定义的网络带宽,即250kbit/s。当数据产生率在0.6~23kbit/s范围内变化时,10个网络节点的总通信负荷也在其定义的网络带宽范围之内。因此,对高优先级数据设置8kbit/s和16kbit/s共2种不同的产生率。在不同高优先级数据产生率的情况下,中优先级数据产生率从0.6kbit/s增加到23kbit/s,低优先级数据产生率也从0.6kbit/s增加到23kbit/s。使用MATLAB分别在2种不同的数据设置下,对WSN性能模型进行仿真。
3.1 数据传输延时测试分析
图2是对3种优先级数据的传输延时模型进行仿真实验的测试结果。由图2可知,随着中、低优先级数据产生率逐渐增大,高优先级数据仍然可以保持很低的数据传输延时,中优先级数据可以保持较低的数据传输延时。
由此说明,此QoS-MAC模型可保证遥信数据通信基本不受遥控和遥测数据的影响,遥控数据通信也可不受遥测数据的影响。图中遥信数据最大的传输延时仅可达到10 ms,遥控数据最大的传输延时也只达到20 ms,遥测数据最大的传输延时可达60ms。即3种数据的传输延时均可以满足配电网数据通信实时性的要求,并且保证了较高优先级数据的通信延时可以不受较低优先级数据通信延时的影响。
3.2 网络有效吞吐率测试分析
图3是对3种优先级数据的网络有效吞吐率模型进行仿真实验的测试结果。图中随着中、低优先级数据产生率的逐步增加,高优先级数据的网络有效吞吐率几乎不受其他优先级数据产生率的影响,仍然能保持一个较大的数值,中优先级数据的网络有效吞吐率影响相对较小,与此同时,低优先级数据的网络有效吞吐率明显下降。
由图3可知,遥信数据几乎不受遥控、遥测数据的影响,仍然能保持0.8以上较高的网络有效吞吐率,可以确保完成遥信数据的传送。遥控数据受遥测数据的影响较大,当遥测数据产生率较小时,遥控数据也具有较高的网络有效吞吐率,可以完成遥控数据的正常传输。当遥测数据较大时,遥控数据的网络有效吞吐率明显下降。遥测数据最高的网络有效吞吐率也可达0.9,最低的网络有效吞吐率可低至0.3。综上可知,当遥控、遥测数据的产生率在一定范围内时,大量的遥信、遥控、遥测数据仍然能完成数据传输。但当网络的负担较大时,较高优先级数据传输几乎不受影响,而大量较低优先级数据将不能完成正常传输。
3.3 信道冲撞率测试分析
图4是对3种优先级数据的无线信道冲撞率模型进行仿真实验的测试结果。图4中随着中、低优先级数据产生率逐渐增加,高优先级数据的无线信道冲撞率几乎不受影响,中优先级数据的无线信道冲撞率相应增加,而低优先级数据的无线信道冲撞率明显增加。
由图4可知,遥信数据几乎不受遥控、遥测数据的影响,能保持较低的信道冲撞率,最高也仅为0.2,保证了遥信数据传输的信道通畅。遥控数据受遥测数据影响相对较大,随着遥测数据产生率的增加,遥控数据的信道冲撞率可逐渐增大至0.6。但当遥测数据的产生率在一定范围内,遥控数据也具有较低的信道冲撞率,保证了遥控数据的正常传输。而遥测数据的信道冲撞率受其他数据影响较大。综上可知,在无线信道竞争中,相对于较低优先级数据传输的节点,具有较高优先级数据传输的节点可优先抢占信道。
3.4可靠性测试分析
由图3、图4与式(21)可知,当中、低优先级数据产生率均在0.6~15kbit/s范围内变化时,高、中、低优先级数据的可靠性均能满足表1中的数据通信要求。即当遥控、遥测数据产生率均在0.6~15kbit/s范围内变化时,遥信、遥控、遥测3种通信数据均满足配电网数据通信的可靠性要求。
4结语
根据中国配电网数据通信的需求,从WSN数据传输性能满足智能配电网数据通信的QoS层面上进行了一些研究工作。
1)将配电网通信数据分为3 种优先级,针对3种优先级数据的传输需求,本文研究了一种在IEEE 802.15.4标准MAC层协议中引入QoS支持的信道访问机制QoS-MAC模型。
2)通过马尔可夫链,建立了每个节点的3种优先级数据的缓冲队列状态模型。
3)本文建立了节点内缓冲队列状态的马尔可夫链模型的网络性能指标分析模型,并在不同的数据环境下,对其网络数据传输实时性进行测试分析。
4)本文建立了节点间的数据传输可靠性评估计算模型,并在不同的测试数据环境下,对网络数据传输可靠性进行分析。
测试结果表明,较高优先级缓冲队列中的通信数据有较低的无线信道冲撞率、数据传输延迟和较高的网络有效吞吐率;当数据产生率在一定范围内,三类数据传输均有良好的可靠性。
本文在引入QoS-MAC的信道访问机制中,满足了配电网数据传输中具有较高优先级需求的数据的节点在无线信道竞争中可优先抢占信道,实现了为有不同优先级别要求的配电网通信数据提供有差别的QoS功能支持。
无线传感网概述 篇7
无线传感器网络简称无线传感网 (Wireless Sensor Network, WSN) 是当前在国际上备受关注的、多学科高度交叉的、应用广泛的前沿热点研究领域[1]。无线传感网技术被认为是21世纪最重要的技术之一, 将对人类的生活方式产生巨大的影响。2008年, 美国《福布斯》指出未来的无线传感网要比现在的Internet大得多, 无线传感网正由高科技概念逐步走向大规模应用, 它的发展和广泛应用将对人们的社会生活和产业变革带来极大的影响, 并产生巨大的推动力[2]。
作为一种全新的信息获取和处理方式, 传感网受到了国内外学术界和工业界的高度重视。1998年, 美国国防部提出“智能尘埃”的概念, 最先开始了无线传感网技术的研究, 主要应用于军事领域。2009年1月, IBM首席执行官彭明盛首次提出“智慧地球”的概念, 2009年2月, 奥巴马签署生效的《美国恢复和再投资法案》提出要在智能电网投资110亿美元、卫生医疗投资190亿美元、教育信息技术投资6.5亿美元, 这些投资都与无线传感网技术相关, 是奥巴马政府推动经济复苏和塑造国家竞争力的重点[2]。2009年惠普公司的“地球中枢系统” (Central Nervous System for the Earth, Ec NSE) 旨在创建新的信息生态系统所需技术的数学和物理基础, 预计将在全球范围内安装一万亿个微型传感器。
我国无线传感器网络及其应用研究几乎与发达国家同步启动, 首次正式出现于1999年中国科学院《知识创新工程试点领域方向研究》的“信息与自动化领域研究报告”中。初步具备了一定的技术、产业和应用基础, 呈现出良好的发展态势。我国2010年远景规划和“十五”计划中都将无线传感网列为重点发展的产业之一。在这些项目的支持下, 许多高校和科研机构纷纷开展有关无线传感网的理论研究和应用实践[3,4,5], 取得了一系列的研究成果。
1 无线传感网
一个典型的无线传感网的体系结构如图1-1所示, 包括传感器节点、汇聚节点 (即sink节点) 、通信网络和数据中心。传感器节点随机或有规律地部署在观测区域, 以多跳自组织的方式组成网络。sink节点负责对传感器节点发来的数据分类汇总, 通过通信网络将数据传至监控中心[1]。
2 无线传感网的应用
随着微电子技术的发展, 微处理器的体积不断缩小, 价格日益下降, 使得无线传感网的广泛应用成为可能。目前, 在土遗址保护监测[6,7,8,9]、环境监测[10]、城市交通[11]、目标跟踪[12]、智能家居[13]、军事侦察[14]、野生动植物保护[15]等多个领域有着广泛的应用。
(1) 土遗址保护监测
土遗址材质源于夯土, 经过千百年环境侵蚀, 其中的很大部分面临垮塌毁灭的危险。研究表明, 自然环境是造成土遗址基体受损的主要原因, 对土遗址状态影响巨大。无线传感网监测系统能够协作采集网络区域内环境或监测对象的多样信息并进行综合处理, 实现动态监测, 可以及时发现由于自然环境及外力导致的形变、下沉等隐患, 这些细微的变形、裂缝可能导致土遗址的坍塌、毁灭, 通过调节环境及人为干涉进行预防性保护。
(2) 军事侦察
军事应用是无线传感网最早应用的领域。无线传感网具备随机部署、自组织、无需人工干预的特点, 非常适合监视作战区域, 能够对敌方兵力、武器、作战环境进行实时监控, 同时能实现目标定位与追踪, 为战略决策提供准确有效的依据。
(3) 环境监测
环境监测系统是无线传感网的典型应用场合。随着人类对环境日益关注, 环境监测人员需要实时获得大量监测区域数据, 进行有效的分析和预测。由于监测区域环境的复杂, 可能出现极其恶劣、有毒或有害的情况, 现场采样会损害监测人员的健康, 另外通过现场采样-实验室分析的方式存在较大的数据分析延迟问题, 不能对环境情况进行实时分析和预测。无线传感网技术的应用实现了对环境信息的实时采集、监测、处理和分析预测, 同时提高环境监测效率与安全性。无线传感网的应用使得在野外恶劣环境中随机、实时获取数据成为可能[16]。
(4) 野生动植物保护
近年, 由于环境的恶化, 人类的乱捕滥猎以及人类活动范围的不断扩大, 野生动植物生境受到愈来愈严重的威胁。据世界《红皮书》统计, 20世纪有110个种和亚种的哺乳动物以及139种和亚种的鸟类在地球上消失了。近年来, 全世界每天有75个物种灭绝, 每小时有3个物种灭绝。由此推算, 在未来50年中, 地球陆地上四分之一的动物和植物将遭到灭顶之灾。各种野生动植物的生存正在面临着各种各样的威胁, 针对野生动植物保护展开野生动植物行为规律的研究越来越迫切。无线传感网在大范围野生动植物监测中极具优势, 研究者可以在不干扰动植物正常生活的情况下, 长期、实时、协作的采集监测区域环境和野生动植物活动信息。
(5) 智能家居
智能家居是指在小区内部宽带网络己经普及的基础上利用小区内部的网络环境搭建的以家庭为单位的控制系统, 其目的是为住户提供以住宅为平台, 兼备网络通信、信息家电、设备自动化, 集系统、服务、管理于一体的高效、舒适、安全、便利的居住环境。具体实现为在家具家电中嵌入传感器芯片, 使它们与网络互连, 通过一定媒介构成与外界的通讯通道, 利用语音与远程遥控技术监测控制家庭范围中家具与电器的状态。
(6) 其它应用
无线传感网还可以应用于其它一些领域, 包括智能电网、农业灌溉自动化控制、药品管理、远程医疗、预警监测和紧急救援等。2004年, 文献[17]研究运用无线传感网技术监测厄瓜多尔中部的Tangurahua火山, 通过对振动传感器采集到的数据进行分析判断火山的活动情况。文献[18]研究了运用无线传感网技术实现洪水预警。
3 国内外研究现状
目前, 针对无线传感网的研究已进入面向应用的整体解决方案阶段, 侧重于对节点群体行为的研究, 如跨层协同设计、能量管理与优化调度、服务质量保障、网内信息处理等[2]。具有代表性的计划有美国的“智慧地球”、日本的“u-Japan”、韩国的“IT839”和中国的“感知中国”。
(1) 国外研究现状
2003年, 美国科学基金委员会制定了无线传感器网络研究计划, 领域涉及智能感知有毒化学物品、生物攻击等的传感器节点、分布式环境下传感器网络的特性等问题。2005年, 对系统和网络技术的研究计划中, 主要探讨下一代高可靠性、高安全性的可扩展网络, 以及可编程的无线网络和传感器系统的网络特征, 资助金额高达4000万美金。2007年美国国家自然科学基金会 (NSF) 资助的City Sense项目, 监控城市的天气和环境污染, 目标是打造世界上第一个能够在整个城市范围内实时传送传感器数据的无线网络。除此之外, 美国能源部、交通部、国家航空航天局也相继启动了相关项目的研究工作。在美国, 几乎各大著名院校都有相关的研究小组, 专门从事无线传感器网络的相关技术研究。哈佛大学[19]、麻省理工学院[20]、加州大学伯克利分校[21]、康奈尔大学[22]等在无线传感器网络研究领域的成绩较为突出。英国、加拿大、意大利、日本和德国等国家的科研组织也相继展开了对无线传感器网络内容的研究。欧洲联盟的France Telecom、Philips、Ericsson、Siemens等公司, 日本的欧姆龙、NEC、OKI等公司也对无线传感器网络进行了深入讨论。
(2) 国内研究现状
我国非常重视无线传感网的研究和发展, 国内的许多科研机构, 如中科院计算所[23]、清华大学[24]、哈尔滨工业大学[25]、北京大学[26]、国防科技大学[27,28]、浙江大学[29]、复旦大学[30]、北京航空航天大学[31]、北京邮电大学[32]等, 从2002年开始在传感器数据管理系统、时间同步和定位方面展开了深入的研究工作。西北大学在此方面也开展了一系列工作, 对嵌入式无线传感器网络节点、无线传感器中的定位等技术进行了探讨。与此同时, 大量的企业也逐步开始关注无线传感器网络技术的发展, 推出了多种针对于无线传感器网络的解决方案。
最近几年主要的项目有2008年工信部资助的多个企业、高校和研究所共同参与的“新一代宽带无线移动通信网”重大专项, 目标是研制具有海量通信能力的新一代宽带蜂窝移动通信系统、近距离无线互连系统与传感器网络, 加大科技成果的商业应用。2010年科技部资助的国家重点基础研究发展计划项目 (即973项目) , 以无线传感网关键核心技术及重点产品的研发和产业化为重点, 开展重点领域的应用示范和推广, 以促进传感网在环境监测、智能家居、工业控制等领域的应用[2]。2010年, 正式获准立项由我国参与主导提出的传感器网络协同信息处理国际标准, 在同一年, 全球首颗二维码解码芯片由我国企业研制出, 研发的光纤传感器具有国际领先水平。2011年众多高校和研究所承担的国家863计划“三网融合演进技术与系统研究”, 以自主创新为核心, 引领和支撑三网融合发展、推动国家信息化、培育战略性新兴产业。2012年打造的京杭运河无锡段的“智能航道”, 使无锡段畅通度提高了80%, 事故率降低11%, 船舶最大吨位从500吨提高到1000吨。
4 结束语
无线传感网技术综述 篇8
关键词：传感网,Mesh,ZigBee,WSN
无线传感网 (即Wireless Sensor Networks, 简称WSN) 是指由一组随机分布的集成有传感器、数据处理单元和通信模块的传感器以自组织方式构成的无线网络, 用于实时监测网络覆盖区域的各类监测对象的信息。WSN综合了传感器技术、无线通信技术、嵌入式系统技术、分布式信息处理等技术, 是一项集成了多学科的技术领域, 已成为构建无线物联网的重要技术。
1 硬件结构
无线传感网由几个到几百个甚至上千个节点构成, 每个节点都连接一个或多个传感器。每个传感器网络节点具有典型的几个部分:一个无线收发器与天线 (内部天线或连接到外部的天线) 、微处理器、电子传感器和能量源, 能量源通常是接口电路的电池。传感器节点有相应的制约因素, 如能源、内存、运算速度和通信带宽资源的规模和成本的限制。无线传感网的拓扑结构可以是一个简单的星型网络, 也可以是先进的多跳无线网状的网络。
无线传感网由若干数量的传感器节点组成, 传感器节点之间通过射频 (RF) 无线通信技术实现互联, 构成传感网。传感器节点具有如下特性:
(1) 传感器节点同时作为信息源、收发器和路由器。传感器节点的主要任务是采集所在区域的数据信息, 并且将数据汇集到基站点。传感器节点由传感器模块、射频收发模块、微处理器、电源模块构成, 集传感、信号调理、信号处理、通信和控制功能为一体。传感器模块作为节点的信息源, 可采集血糖量、含氧量、酸碱值、加速度、速度、压力、光、声、湿度、温度等各种物理量, 是无线传感网获取监测数据的嗅觉器官;传感器节点既是信息源发送器, 又是接收器, 射频收发模块负责无线数据收发, 由于无线传感网可能出于恶劣的应用环境中, 要求射频收发模块具备低功耗、高稳定性的特点, 并可工作于多种无线通信频率;微处理器是传感器节点的大脑, 提供输入输出、数模转换功能及I2C、SPI、UART等各种接口, 负责协调和处理传感器模块、射频收发模块的数据, 实现对传感数据的采集、加工、处理, 通过射频收发模块收发传感数据;传感器节点同时作为无线传感网的路由器, 除了发送本节点信息源数据, 还接收和转发相邻节点的数据, 根据无线传感网的环境状况, 传感器节点能自动选取数据发送对象和传输路径, 即是某个节点失效, 仍不影响传感数据的传输。
(2) 自主管理能耗, 能实现低功耗。通常传感器网络节点采用电池供电, 要求电池能长时间续航, 因此, 如何降低节点能耗对无线传感网而言至关重要。在现行的大部分无线传感网应用中, 节点采集数据的频率都较低, 通常是几分钟甚至几十分钟采集一次传感数据, 通过自主管理能耗, 当无数据通信时, 传感器节点能自动进入休眠状态, 降低功耗;当传感器节点数据处于收发状态时, 能通过路由策略选择有利于降低能耗的最佳传输路径。
(3) 低成本。无线传感网可能需要大量的传感器节点, 因此, 传感器节点的生产成本是需要考虑的重要问题。
2 网络路由协议
无线传感网主要有Mesh、Zig Bee两种常见的路由协议, 它们在技术特性上各有优势。
(1) Mesh路由协议。Mesh路由协议是一种网状对等协议, 任意两节点均可通讯、转发数据。同时, 每节点均带有低功耗、部署方便、自配置、可自愈等特性。
(2) Zig Bee协议。Zig Bee是唯一的无线通信协议技术标准, 能够满足远程监测、控制和传感器网络应用的独特需求。Zig Bee的能耗低, 可应用于集传感器 (动, 光, 温度和湿度等) 和发射、接收为一体的大型传感器网络。在基于Zig Bee协议的网络中, 2节AA型电池可供节点运行长达2年时间, 网络容量最高可扩展到65, 000个节点, Zig Bee网络具有网络配置简单、网络可靠性高、可自愈强、数据传输容错能力强等优点。
3 结语
无线传感网技术是跨多学科的技术领域, 需要微处理器技术、软件技术、网络技术、电池工业等多方面共同努力, 无线传感网技术的进步提高需要依赖多学科的共同努力。无线传感网技术已广泛应用于工农业生产等诸多领域, 随着构建物联网、实现智慧地球的前沿技术应用的驱动下, 无线传感网技术将具有更广阔的发展空间。
参考文献
[1]吴小娜, 王漫.无线传感器网络操作系统TinyOS综述[J].计算机与现代化, 2011 (2)
[2]杨福宝.基于Zigbee的数据传输系统的研究设计[J].制造业自动化, 2011 (1)
[3]俞仁来, 谭明皓.基于ZigBee的无线传感器网络路由分析[J], 2011 (1)
[4]施茂祺.基于ZigBee协议的传输系统设计[J].制造业自动化, 2011 (2)
[5]李磊, 秦国军等.基于传输距离估计的无线传感网节点定位方法[J].2009 (1)
[6]王洁, 石红丽等.基于射频识别的无线传感网节点设计研究[J].2011 (3)
[7]罗清岳.透析WSN无线传感网络[N].电子资讯时报, 2007 (7)
[8]罗江英.无线Mesh网负载均衡技术[J].软件导刊, 2011 (5)
无线传感网安全性分析 篇9
由于WSN中的传感器数量众多, 受成本制约, 计算能力、存储空间和能量储备都非常有限。此外, 传感器通常被部署在不易控制、无人看守或者是恶劣环境中。因此, 极易受到攻击。WSN的安全问题主要有以下几个特点。WSN具有大量而密集的节点分布特征, 且网络规模可大可小;缺少固定的基础设施, 没有中心管理点;网络拓扑结构在分布完成之间是未知的。即使在节点分布完成之后, 受外界环境影响的被动移动、内部驱动的自发移动以及固定节点的失效, 网络拓扑也会频繁变化。这就造成网络上存储了大量的过时路由信息以及攻击检测的难度增加。
一般分布于恶劣环境、无人区域或敌方阵地, 无人参与值守。这种开放性分布特征是的传感器节点失效率很高。很难甚至无法给予物理接触上的维护, 节点可能产生永久性的失效。另外, 节点在这种环境中容易遭到攻击, 特别是军事应用中的节点更易遭受针对性的攻击。
单个传感器节点资源受限。在电源能量方面, 大部分传感器网络节点不能更换电池或补充能量, 一旦受到攻击将能量耗尽就意味着该节点的“死亡”;在计算能力方面, 由于使用嵌入式处理器, 处理能力较低, 无法进行快速的高复杂度的计算, 这对依赖加解密算法的安全架构提出了挑战;在存储空间方面, 传感器节点只有非常小的存储容量和代码存放空间;在通信能力方面, 为了提高传感器节点的工作持久性, 节约能量开销, 一般采用低速和低功耗的通信技术, 这使得节点的通信范围和带宽都非常有限, 且面临着干扰、丢包、碰撞、延迟等不可靠通信问题。
传输介质的不可靠性和广播性。WSN中的无线传输介质易受外界环境影响, 网络链路产生差错和发生故障的概率增大, 节点附近容易产生信道冲突, 而且恶意节点也可以方便地窃听重要信息。
潜在攻击的不对称性。由于单个节点各方面的能力相对较低, 攻击者很容易使用常见设备发动点对点的不对称攻击。比如处理速度上的不对称, 电源能量的不对称等, 使得单个节点难以防御而产生较大的失效率。
网络无基础架构。WSN中没有专用的传输设备, 它们的功能需由各个节点配合实现, 使得一些有线网中成熟的安全架构无法有效部署, 需要结合WSN自身的特点做改进。
2 无线传感网的安全威胁
WSN资源有限, 并且网络运行在恶劣的环境中, 因此很容易受到攻击者的干扰和破坏。WSN的主要安全威胁有以下几类。
2.1 截取
攻击者通过匹配的接收设备和设计好的天线就能够很容易地接收到WSN中的信息。所截获的信息除了会泄露用户隐私, 还会被攻击者用于流量分析。
2.2 阻塞攻击 (Jamming)
攻击者通过在节点数为N的传感网中随机布置远远小于N的K个攻击节点, 达到干扰正常节点通信所使用的无线电频率的目的, 使整个网络处于瘫痪状态。对这种攻击可以使用直接序列扩频频 (Direct Sequence Spread Spectrum, DSSS) 和跳频 (Frequency-Hopping Spread Spectrum, FHSS) 通信的方法来防止。
2.3 消息注入攻击
攻击者通过在传感网中布置一个恶意节点, 并利用这个节点阻止真实数据的传送, 甚至向网络注入伪造的数据或恶意代码。这种行为会耗尽节点的有限资源, 恶意代码的传播也会破坏整个网络。
2.4 怠慢和贪婪攻击 (Neglect and Greed)
指攻击者处于路由转发路径上, 随机地对收到的数据包进行自由处理。如果攻击者少转发或不转发数据包, 却向发送节点发送收包确认, 这就是一个“怠慢”攻击。如果攻击者把恶意节点产生的数据包设定为很高的优先级, 使得这些恶意数据包在传感网中始终被优先转发, 这就是一个“贪婪”攻击。
2.5 非公平竞争攻击
该攻击是一种弱的Do S攻击, 指在网络中的某些恶意节点总是占用链路信道。由于无线信道是单一访问的共享信道, 采取竞争方式进行信道的分配。攻击者可以采用一些设置, 如较短的等待时间进行重传重试、预留较长的信道占用时间等, 企图不公平地占用信道, 从而造成信道的堵塞
2.6 方向误导攻击 (Misdirection)
恶意节点将收到的数据包转发给错误的目标, 导致网络的路由混乱。或者将所有的数据包都转发给同一个正常节点, 势必引起该节点通信阻塞和能量耗尽。
2.7 资源耗尽攻击 (Exhaustion)
攻击者主要利用了数据链路层的错包重传机制的漏洞而实施的攻击行为。当两个节点进行通信时, 接收节点通常要验证发送节点传送的信息是否出错, 如果出错则会发送重传请求信号。攻击者可以在截获的传输消息中引进一个字节的冲突, 不停地向接收节点发送这种含有冲突的信息, 导致接收节点因检测到错误而不停地要求重传, 耗尽接收节点的带宽和能量。
2.8 黑洞攻击 (Black Holes)
又称排水洞攻击, 由于WSN的路由机制是基于距离向量, 这种方式将判断出的最短路径作为优先传递数据包的路径。恶意节点可以通过发送“0”距离公告将其周围的数据包吸引过来, 导致这些数据包不能到达其本来的目标节点。
2.9 虫洞攻击 (Wormholes)
指攻击者在网络的某一位置通过一个低延迟的连接接收消息, 并在另一个位置重放它们, 最简单的一种情况是, 攻击者在网络中一个恶意节点处接收到数据包, 然后与网络中另外一个恶意节点建立直接通道, 并把数据包直接发给该节点, 而跳过按正常传递信息方法中间需要经过的其他节点。
2.1 0 泛洪攻击 (Flooding)
指攻击者不断地要求与邻近节点建立新的连接, 从而消耗尽邻近节点用来建立连接的资源, 使得其它合法的对邻近节点的请求不得不被忽略。
2.1 1 呼叫洪攻击 (Hello Flood)
很多网络协议要求传感器节点通过广播呼叫数据包 (Hello) 告知他的邻居们, 而接收到该数据包的节点就会认为自己在发送者正常的无线电范围内, 发送者是自己的邻居。而一个具有强大发射功率的攻击者可以使WSN中每个节点都相信攻击者是自己的邻居。攻击者利用该特性可以开展其它的攻击, 导致网络流量的混乱。
2.1 2 女巫攻击 (Sybil)
在WSN中, 恶意的传感器节点可以声称自己具有多个身份, 甚至随意产生多个假身份。这样, WSN采用的分布式存储、分散性、多路经路由、拓扑结构维护等容错方案的效果就会大大降低。
2.1 3 同步失效攻击 (Desynchronization)
在两个节点进行通信时, 通常通过某种机制保持步调一致, 攻击者通过伪造两个节点的一端或两端的信息, 破坏这种步调一致性, 从而达到攻击的目的。例如, 攻击者监听并向双方持续发送带有错误序列号的数据包, 使得双方误以为发生了丢包事件而不断要求对方重传, 最终因能量耗尽而失效。抵抗这种攻击可以采用认证的手段确保通信双方身份的真实性。
3 无线传感网的安全目标
3.1 保密性
在WSN的很多具体应用中, 节点之间传递的是高度敏感的数据或控制信息。无线通信的广播很容易被攻击者所截获。这样整个网络的安全将无法得到保障。保密性指攻击者在截获了节点之间的通信信号的情况下仍然无法获知其携带的消息内容。通信的保密性可以依靠使用双方共享的会话密钥来加密传递的消息。该密钥只能被通信双方所知, 在感知节点之间的会话密钥建立后, 就可以通过多跳 (Multi-hop) 的方式在节点和基站之间建立安全的信道。解决存储保密性主要依靠加密数据的访问控制。
3.2 完整性
恶劣的通信环境给节点之间的正常通信带来了困难, 也给攻击者实施数据丢失和损坏攻击提供了方便。攻击者可能会对传输过程的数据包执行插入、删除、篡改等操作。完整性要求保证接收方收到的消息和发送方发出的消息是完全一致的。由于资源有限的感知节点无法支持高计算量的数字签名算法, 所以通常使用计算代价较低的消息认证码MAC来进行数据的完整性检验。
3.3 真实性
WSN的真实性需求主要体现在身份认证这个方面。是指消息的接收节点在收到其它节点发送过来的消息时, 不论这条消息是点对点传送的还是广播传送的, 都能够确认消息源节点身份的合法性。WSN通常使用基于私钥密码体制的认证方法, 即判断消息的发送方是否拥有共享的私钥来进行身份的认证。
3.4 新鲜性
是指发送方传给接收方的数据是在最近时间内生成的最新数据。WSN的节点会向附近的基站和簇头发送大量的采集信息, 为了防止攻击者将之前截获的信息重放, 就必须保证每条消息都是新鲜的, 即保证消息的时效性。另外, 为了保证通信的安全, 通信双方的共享密钥都需要进行定期或不定期的更新, 而共享密钥的传输对新鲜性较为敏感, 所以新鲜性还体现在密钥建立的过程中, 即保证通信双方所掌握的共享密钥是最新的。
3.5 可用性
攻击者可以通过复制、伪造和信号干扰等方式使传感网处于部分或全部瘫痪的状态。最典型的就是采用黑洞、虫洞、泛洪等Do S攻击的方式。可用性就保证了WSN所提供的各种服务能被授权用户使用, 并能有效防止非法攻击者企图中断服务的恶意攻击。另外, 传感网为保证安全所额外消耗的计算量和通信量也会增加能量的消耗和网络的载荷, 从而削弱整个网络的可用性。因此, 设计一套节能和高效的安全方案也是十分必要。
3.6 可扩展性
由于WSN中节点数量庞大、分布广泛, 受恶劣环境、恶意攻击、任务变化、节点的增减等多方面因素的影响, 网络拓扑结构随时会发生变化。可扩展性就表现在当以上情况发生时, 路由组网协议必须能够及时应对, 使整个传感网络仍然保持良好的工作状态。
3.7 鲁棒性
即健壮性。WSN的分布特点使它具有很强的动态性和不确定性, 包括网络拓扑的变化、节点的消失或加入、面临各种威胁等。这要求传感节点能够灵活地加入或去除, 能随着应用背景的变化而灵活的扩展。此外, WSN应对各种恶意攻击具有较强的适应性, 即使某次攻击行为得逞, 鲁棒性也能将攻击行为所产生的影响最小化。增强WSN鲁棒性的常用的方法是部署大量的节点。同时, 设计的网络协议也应具有识别故障节点的能力, 并能根据更新的拓扑结构做出相应调节。
3.8 自组织性
WSN是由各个组成节点通过自组织 (Ad Hoc) 方式形成的网络。这种组网方式的优点在于不需要固定设备支持, 各节点自行组网。这突破了传统无线蜂窝网络的地理局限性, 能够更加快速、便捷、高效地部署。但是, 由于在网络配置完成之前通常无法假定节点的位置信息和网络拓扑结构, 无法确定某个节点的邻近节点集, 这对网络的安全解决方案也提出了自组织性的要求。
4 结语
同射频识别技术一样, 无线传感网也是物联网必须具备的关键技术。由于其自身的特点, 安全性一直制约着无线传感网在物联网领域的进一步应用和发展。笔者通过对无线传感网 (WSN) 在安全性上的分析, 指出了无线传感网面临的安全问题和威胁, 在现有的网络安全技术的基础上, 如何保证无线传感网的安全, 是物联网发展过程中必须解决的问题。
参考文献
[1]卿斯汉.安全协议[M].北京:清华大学出版社, 2005.
[2]Wood A, Stankovic J.Denial of Service in Sensor Networks[J].IEEE Computer Mag, 2002, 35 (10) :54-62.
[3]杨庚, 陈伟, 曹晓梅.无线传感器网络安全[M].北京:科学出版社, 2010.
锚节点静止的无线传感网定位算法 篇10
无线传感网技术已经应用到很多方面,例如,战场指挥、医疗急救、环境监测等。很多无线传感网应用都是以已知节点的位置信息为基础。由于无线传感网自身的限制,节点定位还面临着很多挑战。
目前已经存在很多技术和方法解决节点定位问题。在无线传感网中存在两种节点类型: 定位节点( 需要进行定位的节点)和锚节点( 已知自己位置的节点) 。根据是否需要测距分为测距和免测距定位。测距定位算法主要是通过利用到达时间、角度或者信号能量强度计算出节点距离,从而实现定位[1,2,3]。免测距定位算法只是利用节点之间的通信状态进行定位。以上定位方法只适用于节点静止的无线传感网。然而,在很多无线传感网应用中节点是移动的。静态定位方法只有通过实时重复计算才能得到节点的位置信息,并不能充分利用节点的移动性。为了利用节点的移动性增加定位精度,L. Hu等将蒙特卡洛思想引入到节点定位中,提出了MCL定位算法[4]。通过利用已经定位的定位节点的位置信息提高定位节点的定位精度,但是增加了无线网络的传输负担[5]。MCB算法通过建立信标盒子,缩小定位节点采样空间[6]。通过构建节点运动模型,进行运动预测、位置滤波提高了MCL定位精度[7,8]。利用传播范围的交点可以缩小MCB新标盒子的采样空间,提高MCB算法的采样成功率[9]。通过引入遗传算法,提高了MCB算法的定位精度[10]。在以上的定位算法中,锚节点是移动的,所以不能利用前一时刻一跳锚节点的位置信息。
对无线传感网进行分析,发现许多无线传感网存在如下特性: 锚节点固定,而未知节点移动,如机器人足球比赛、车联网定位等。针对锚节点静止这一特征,以MCB算法为基础,本文提出了SAMCB定位算法。由于锚节点静止,SAMCB( Static Anchors Monte Carlo localization Boxed) 定位算法利用前一时刻一跳锚节点位置信息优化了MCB算法。SAMCB定位算法相对于MCB定位算法主要有以下两个方面优点: 1) 可以利用前一时刻锚节点信息缩小定位节点的采样空间,提高采样效率,从而减少系统重复采样的次数、定位计算时间,以及系统的能源消耗;2) 利用前一时刻一跳锚节点信息排除不可能的样本点。由于利用了前一时刻一跳锚节点增加过滤条件,所以能比MCB算法过滤掉更多的不可能样本,从而提高了算法定位精度,达到比MCB更精确的定位效果。
1 MCB 算法
MCB定位算法是一种粒子过滤的定位算法。节点的位置信息是通过一个N个样本的集合进行表示p( St| O0,…,t) ≈{ sit,wit} i = 1,…,N,其中p( St| O0,…,t) 代表在时刻t节点位置的样本集合,O0,…,t代表前t时刻节点接收到的锚节点信息,sit代表系统在时刻t节点位置的第i个样本,wit代表样本sit的权重。
MCB定位算法主要包括三个阶段: 预测阶段、过滤阶段以及坐标计算阶段。在预测阶段,首先定位节点根据接收到一跳锚节点信息,建立锚节点信标盒子,如图1所示。
节点在t时刻的锚节点信标盒子为以锚节点lt为中心的虚边正方形。然后根据前一时刻样本st - 1和节点最大移动速度vmax,建立样本信标盒子,如图2所示。最后在锚节点信标盒子和样本信标盒子的重合部分内( 图2中以st - 1为中心,2vmax为边长的正方形) 预测当前时刻的节点样本st。图2中只显示了一个样本,其他样本类似。
在过滤阶段,当前时刻的节点样本预测完成后,定位节点根据信号的最大传播距离和一跳锚节点位置按照式( 1) 过滤掉不可能的样本点。
其中,l为定位节点在当前时刻t接收到的一跳锚节点信息,r为信号传播距离。当p( sit) = 1时,保留该样本,否则过滤掉。重复预测和过滤过程,直到样本个数满足期望值。在坐标计算阶段,节点根据当前时刻的样本集合计算出节点位置坐标。
2 SAMCB 算法
在锚节点静止的无线传感网中,前一时刻的一跳锚节点信息是可以利用的。由于MCB算法只利用了当前时刻的一跳锚节点信息建立信标盒子,所以并没有充分利用前一时刻锚节点的信息。根据节点和锚节点不同时刻的关系改变,可分为三种情况: 1) 进入关系,即节点前一时刻不在锚节点的一跳通信范围内,而当前时刻是锚节点的一跳邻居; 2) 离开关系,即节点前一时刻是锚节点的一跳邻居,当前时刻不在锚节点的一跳范围之内; 3) 不改变,节点前一时刻和当前时刻都在或都不在通信范围之内。
本文是在情况2下,利用前一时刻一跳锚节点位置信息改进了MCB定位算法。其改进的方法包括两方面。一方面根据前一时刻一跳锚节点和节点最大的移动速度建立锚节点信标盒子,缩小锚节点信标盒子,从而在一定程度上缩小了样本的采样空间以及减少了采样次数; 另一方面利用前一时刻一跳锚节点位置信息、信号传播距离以及最大移动速度,排除更多不可能的样本,从而提高了定位精度。
2. 1 利用前一时刻一跳锚节点建立信标盒子
SAMCB算法是利用当前时刻和前一时刻的一跳锚节点建立信标盒子。如果节点和锚节点的关系为进入或者不改变,则SAMCB算法建立锚节点信标盒子的过程和MCB算法相同。如果为离开关系,则SAMCB算法同时利用利用前一时刻的锚节点和节点的最大移动速度建立信标盒子,如图3所示。阴影部分即为SAMCB的锚节点信标盒子,从而缩小了MCB算法的锚节点信标盒子,其中v为节点的最大移动速度。
2. 2 利用前一时刻一跳锚节点过滤节点样本
SAMCB过滤节点样本和建立信标盒子相同,即只有当节点和锚节点的关系为离开时,才和MCB定位算法不同,增加节点样本的过滤条件为式( 2) 。增加过滤条件会过滤掉更多的样本点,从而比MCB算法定位更精确。因为节点前一时刻在锚节点的一跳通信范围内,而当前时刻不在,那么节点一定位于锚节点一跳范围之外,但是不会超过一跳范围加上节点最大移动速度的距离。SAMCB根据前一时刻的锚节点信息把不可能节点样本过滤掉。
其中vmax为节点的最大移动速度,lit - 1为节点前一时刻接收到的锚节点信息。
2. 3 SAMCB 的执行过程
SAMCB定位算法和MCB定位算法执行过程大致相同。SAMCB定位算法也分为三个阶段: 样本预测阶段、样本过滤阶段以及节点坐标计算阶段。
设St - 1= { sit - 1,wit - 1} i = 1,2,…,N为t - 1时刻的样本空间。ljt= ( xjt,yjt) 代表定位节点接收到锚节点ljt的坐标。Lt={ l1t,…,ljt} 为t时刻定位节点接收到的锚节点集合。
在样本预测阶段首先,定位节点根据前一时刻锚节点信息Lt - 1和当前时刻接收到的锚节点信息Lt,按照3. 1节的方法建立锚节点信标盒子。然后,定位节点利用前一时刻的样本集合St - 1和最大节点移动速度vmax生成样本信标盒子。最后在锚节点信标盒子和样本信标盒子的重合部分随机选择点作为当前时刻的节点样本sit。
在样本过滤阶段利用前一时刻和当前时刻的锚节点信息,即Lt - 1和Lt。按照3. 2节的方法过滤掉不可能的节点样本。当样本个数小于期望值N时,重复执行样本预测阶段和样本过滤阶段,直到样本个数等于N或者达到采样次数的最大值。
在节点坐标计算阶段在SAMCB的样本预测和样本过滤阶段执行完成之后,按照式( 3) 根据样本集合计算出节点位置坐标:
其中,rrange为分布区域的边长,即当节点样本个数N为0时,节点预测位置为网络分布区域的中心位置。
2. 4 算法复杂度的分析
在MCB算法中,定位节点需要保存前一时刻和当前时刻的样本信息以及当前时刻一跳邻居锚节点的信息。由于SAMCB算法需要用到前一时刻锚节点信息,所以该算法增加了锚节点信息的存储空间。定位节点增加的空间比例为:
其中c为一跳邻居锚节点的个数,N为节点样本个数。综合考虑粒子偏移和执行时间,N一般取值50。由于成本的限制,在现实情况中一跳锚节点的个数较低,c一般不会超过5,所以SAMCB算法存储空间增加比例不会超过5% 。
根据影响因素的不同,MCB算法和SAMCB算法的时间复杂度分为三个方面,即建立信标盒子、产生样本、定位计算。MCB算法的时间复杂度可以表示为:
其中O( c) 为建立信标盒子的时间复杂度,其跟一跳锚节点个数成正比,O( N/pMCB) 为产生样本需要的时间,O( 1) 为定位计算消耗的时间。由于SAMCB算法在建立信标盒子时,增加了前一时刻锚节点,所以SAMCB的时间复杂度增加了O( c) 。SAMCB算法的时间复杂度为:
但由于O( N/pMCB) 一般远大于O( c) ,所以SAMCB算法和MCB算法的时间复杂度的比较是O( N / pMCB) 和O( N/pSAMCB) 的比较,即产生样本所需要的重复次数比较。样本采样的重复次数跟采样成功率成反比。SAMCB算法缩小了样本的采样空间,从而影响了采样成功率pSAMCB。在本文中,由于节点的分布是随机的,所以采样空间对采样成功率的影响是不确定的。于是本文通过多次实验统计出SAMCB和MCB算法的具体重复采样次数,从而实现算法的时间复杂度比较。
3 模拟实验分析
为了验证本算法的性能,本文是利用模拟器MCL-SIMULATOR( www. cs. virginia. edu / mcl / ) 进行了模拟实验,节点随机地分布在500 m×500 m的正方形区域内,节点总数为320,锚节点的默认个数为64,锚节点的位置为随机分布,锚节点以及未知节点的通信半径为r = 50 m,vmax默认为0. 4r,期望样本数目为N= 50,模拟实验时间为tc = 30,定位节点个数为m = 32,重复执行次数为n = 10。定位的平均误差如下:
其中rsitj表示定位节点j在i次执行第t时刻的实际位置,sitj表示算法估计的定位节点位置。
本文是MCB的改进算法,因此本实验选择MCB算法与SAMCB算法进行比较。由于衡量算法的时间复杂度需要统计样本的采样次数,所以本文实验统计比较了两种算法的采样次数和定位精度。采样次数和定位精度主要受节点的最大移动速度和锚节点密度的影响。
3. 1 定位节点的最大移动速度
根据节点的最大移动速度建立节点样本盒子,节点的移动速度对定位精度有两方面的影响: 1) 随着速度的增加,定位节点会接收到更多的锚节点信息,从而增加节点的定位精度; 2) 随着速度的增加,定位节点的样本信标盒子也增加,那么定位精度就会下降。随着最大移动速度的变化,两种算法的定位精度比较如图4所示。当速度较低时,SAMCB在利用前一时刻锚节点建立的信标盒子较小,所以提高较为明显。随着最大移动速度的变化,两种算法的采样次数比较如图5所示。SAMCB利用前一时刻的锚节点建立锚节点信标盒子,缩小了采样空间,从而降低了采样次数。由图4、图5可知,无论节点以何种速度移动,SAMCB算法的定位精度和采样次数都优于MCB算法。在性能提高最大的情况下,SAMCB算法的定位精度比MCB算法的定位精度提高6% ,采样次数减少10% 。在性能提高最小的情况下,SAMCB算法的定位精度提高1% ,采样次数减少3% 。
3. 2 锚节点密度
随着锚节点密度的增加,节点的定位精度也会增加。因为当锚节点的密度增加时,节点接收到锚节点信息也会增多,建立的锚节点信标盒子也会更小。SAMCB算法利用了前一时刻的锚节点信息缩小了MCB算法的锚节点信标盒子,并增加了节点样本的过滤条件,所以在相同锚节点密度的情况下,SAMCB算法定位精度更高。随着锚节点密度的变化,SAMCB算法与MCB算法定位精度的比较如图6所示。随着锚节点密度的增加,SAMCB算法的采样次数会超过MCB算法。由于SAMCB算法只是缩小了MCB算法的信标盒子,但并不一定减少采样次数,而且SAMCB算法增加了过滤条件,所以当锚节点密度超过一定值后,SAMCB算法的采样次数会超过MCB定位算法。随着锚节点密度的变化,SAMCB算法与MCB算法采样次数的比较,如图7所示。由图6、图7可知,当锚节点密度较大时,SAMCB算法的采样次数要多5% 。虽然采样次数超过MCB算法,但定位精度优于MCB算法6% 。当锚节点密度较低时,SAMCB算法的采样次数要比MCB少10% 左右,定位精度提高4% 左右。由于现实应用和成本限制,锚节点的密度一般较低,所以SAMCB适合现实应用中的性能提高。
4 结 语