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[25]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[811]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

11 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viP1,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

12 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(1p0)/,ln(1(p0+p))/其中, =ln(SR2)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=500500m2,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 *** 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

Fig2 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

21 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Poduri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 *** 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

22 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

Fig3 Moving models of sensor node

图3 传感器节点的运动模型

Fig4 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

221 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,ij}

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d122R,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

Fig6 The force on centroid

图6 质心点受力

222 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32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33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=10e6),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

23 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 t0; //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)

41 tt+1;

42 ;

43 For (j=0; j<M; j++)

431 计算质心点cj对ci的当前斥力 ,其中,vji;

432 ;

44 计算质心点ci当前所受合力 沿圆周切线分量 ;

45 确定质心点ci运动方向;

46 If ( ) Then

461 质心点ci沿 方向转动固定角度;

462 调整质心点ci至新位置 ;

463 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 ;

47 Sleep (t);

5 End

3 算法仿真与性能分析

我们利用VC60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Senetest20,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 500500m2

Area coverage p 0~1

Sensor number N 0~250

Sensing radius Rs 0~100m

Sensing offset angel  0º~90º

31 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500500m2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=6574%

(a) 初始覆盖,p0=6574% (b) The 10th time step, p10=7603%

(b) 第10个时间步长,p10=7603%

(c) The 20th time step, p20=8020%

(c) 第20个时间步长,p20=8020% (d) The 30th time step, p30=8145%

(d) 第30个时间步长,p30=8145%

Fig8 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6574%提高到8145%,网络覆盖增强达1571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8120%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著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8145%的网络覆盖率若预期的网络覆盖率为8145%,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

32 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 4128 5273 24

2 70 5274 6498 21

3 90 6076 7324 28

4 110 6558 7802 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著的改变,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

33 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1440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著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1591%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

无线传感器网络时间同步机制的意义和作用主要体现在如下两方面：

1、传感器节点通常需要彼此协作，去完成复杂的监测和感知任务数据融合是协作 *** 作的典型例子，不同的节点采集的数据最终融合形成了一个有意义的结果。

2、传感器网络的一些节能方案是利用时间同步来实现的。

传感器网络综合了传感器技术、嵌入式计算技术、现代网络及无线通信技术、分布式信息处理技术等，能够通过各类集成化的微型传感器协作地实时监测、感知和采集各种环境或监测对象的信息，通过嵌入式系统对信息进行处理，并通过随机自组织无线通信网络以多跳中继方式将所感知信息传送到用户终端。

扩展资料：

根据不同的依据，无线传感器网络的定位方法可以进行如下分类：

（1）根据是否依靠测量距离，分为基于测距的定位和不需要测距的定位；

（2）根据部署的场合不同，分为室内定位和室外定位；

（3）根据信息收集的方式，网络收集传感器数据称为被动定位，节点主动发出信息，用于定位称为主动定位无线传感器网络与应用。

科技发展的脚步越来越快，人类已经置身于信息时代。作为信息获取的一种重要、基本的技术——传感器技术，也得到了极大的发展。无线传感器网络是一种全新的信息获取和处理技术，传感器节点可以连续不断地进行数据采集、事件检测、事件标识、位置监测和节点控制，传感器节点的这些特性和无线连接方式使得无线传感器网络的应用前景非常广阔，随着无线传感器网络的深人研究和广泛应用，无线传感器网络将逐渐深入到人类生活的各个领域。传感器信息获取技术已经从过去的单一化渐渐向集成化、微型化和网络化方向发展，并将会带来一场信息革命。

关键词：信息时代、传感器技术、无线连接、信息革命

1引言

无线传感器网络(WSN, Wireless Sensor Net-work )综合了传感器技术、嵌入式计算技术、分布式信息处理技术和通信技术，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，并对这些信息进行处理，获得详尽而准确的信息，传送到需要这些信息的用户。

无线传感器网络被认为是21世纪最重要的技术之一，它将会对人类未来的生活方式产生深远影响。本文将先介绍无线传感器网络的概念和特点，再探讨WSN在人们生活中的一些应用模型以及在发展中所遇到的一些问题。

2无线传感器网络

21无线传感器网络简介

无线传感器网络（Wireless Sensor Network，WSN）是由许多个功能相同或不同的无线传感器节点通过自组织方式形成的无线网络。每个传感器节点由数据采集模块(传感器、A/D转换器)、数据处理和控制模块(微处理器、存储器)、通信模块(无线收发器)以及供电模块(电池、DC/DC能量转换器)等组成。节点在网络中可以充当数据采集者、数据中转站或簇头节点(cluster-head node)的角色。作为数据采集者，数据采集模块收集周围环境的数据(如温度和湿度)，通过通信路由协议直接或间接将数据传输给远方基站(base station)或汇节点(sink node);作为数据中转站，节点除了完成采集任务外，还要接收邻居节点的数据，并将其转发到距离基站最近的邻居节点或者直接转发到基站或汇节点，簇头节点负责收集该类内所有节点采集的数据，经数据融合后，发送到基站或汇节点。这些传感器节点可以任意地部署在监测区域内，彼此通过无线通信形成一个多跳的、自组织的网络来完成信息采集、数据传输和信息处理。无线传感器网络通过节点的数据采集和传输，可以在任何时间、任何地点获取对象的信息，对环境的变化具有很强的鲁棒性，因此它具有广泛的应用前景，可以应用于军事情报侦察、工业生产过程控制、环境监测和保护以及现代化交通管理等领域。

22无线传感器网络的节点结构及网络体系结构

网络体系结构是网络的协议分层以及网络协议的集合，是对网络及其部件所应完成功能的定义和描述，对无线传感器网络来说，其网络体系结构不同于传统的计算机网络和通信网络。网络体系结构由分层的网络通信协议、传感器网络管理以及应用支撑技术三部分组成。

221 传感器网络节点结构

传感器网络节点的基本组成包括如下4个基本单元：传感单元(由传感器和模数转换功能模块组成)、处理单元(包括CPU、存储器、嵌入式 *** 作系统等)、通信单元(由无线通信模块组成)以及电源。此外，可以选择的其他功能单元包括：定位系统、移动系统以及电源自供电系统等。

222 传感器网络的体系结构

网络体系结构是网络的协议分层以及网络协议的集合，是对网络及其部件所应完成功能的定义和描述，对无线传感器网络来说，其网络体系结构不同于传统的计算机网络和通信网络。网络体系结构由分层的网络通信协议、传感器网络管理以及应用支撑技术三部分组成。分层的网络通信协议结构类似于TCP／IP协议体系结构；传感器网络管理技术主要是对传感器节点自身的管理以及用户对传感器网络的管理；在分层协议和网络管理技术的基础上，支持了传感器网络的应用支撑技术。

23无线传感器网络的物理组成

无线传感器网络的传感器节点个数通常很多,它们不仅体积小、成本低,另外还要求传感器节点功耗非常低,以满足用电池即可维持长时间的工作状态。因此这些特点决定了对传感器节点的设计需要在尽可能简单的情况下满足应用需求。无线传感器节点是由硬件层与软件层的配合完成任务。

231 无线传感器硬件层

硬件层一般都包括以下四个单元:供电单元、数据采集单元(包括传感器和A/D模数转换器件)、数据处理单元(包括存储器和微控制器)、无线通信单元。微控 制器作为传感器节点运“心脏”,在上面运行着嵌入式系统软件,从而对另外三个单元的工作进行控制。在硬件的选取上,尽量采用低功耗器件,还可以考虑在无数 据采集和无数据通信的时候命令微控制器进入“睡眠”状态并可切断无线通信单元的部分电源,从而降低功耗。

232 无线传感器软件层

无线传感器网络的软件层包括三个层次:硬件抽象层、系统服务层和应用层。硬件抽象层用来实现对硬件平台(供电、数据采集、数据处理和无线通信单元)的抽象,为上层屏蔽底层硬件细节,简化系统平台移植。系统服务层包括通信服务、传感服务、能耗管理服务、实时内核等四部分,在这个层次中除了实现 *** 作系统如任务调度、信号量等内核服务外,还将完成各种路由、安全算法的实现,并支持各类通信传输协议。应用层是由用户根据具体应用的需要定义,利用系统服务层提供的接口,能方便的设计出上层软件。

软件层用来控制硬件层,是整个传感器的“大脑”,除了最基本的数据采集和发送之外,根据应用的场合,还需要实现关于网络拓扑、自组织、路由选择、能耗节 约、错误处理、可靠性保证等一系列的算法与设计。对于一些简单的应用可以使用单一循环逻辑的软件来完成。而一些复杂性较高的应用场景就有必要使用针对无线传感器网络特点的嵌入式 *** 作系统。。

24 无线传感器网络主要特点 1．自组织网络

在无线传感器网络应用中，通常情况下传感器节点被放置在没有基础设备的地方。传感器节点的位置不能预先精确设定。节点之间的相互邻居关系也不能预先知道，如通过飞机撒播大量传感器节点在面积广大的原始森林中，或随意放置到人不可到达或危险的区域。这样就要求传感器节点具有自组织的能力，能够自动进行配置和管理，通过拓扑控制机制和网络协议自动形成转发监测数据的多跳无线网络系统。在无线传感器网络使用过程中，部分传感器节点由于能量耗尽或环境因素造成失效，也有一些传感器节点为了弥补失效节点、增加监测精度而补充到网络中，这样在无线传感器网络中的节点个数就动态的增加或减少，从而使网络的拓扑结构随之动态变化。无线传感器网络的自组织性要能够适应这种网络拓扑结构的动态变化。

2．多跳路由

网络中节点通信距离有限，一般在几十到几百米范围内，节点只能与它的邻居直接通信。如果希望与其射频覆盖范围之外的节点进行通信，则需要通过中间节点进行路由。拟定网络的多跳路由使用网关和路由器来实现，而无线传感器网络中的多跳路由是由普通网络节点完成的，没有专门的路由设备。这样每个节点既可以是信息的发起者，也可以是信息的转发者。

3．动态网络拓扑

无线传感器网络是一个动态的网络，节点可以随处移动；一个节点可能会因为电池能量耗尽或其他故障，退出网络运行；一个节点也可能由于工作的需要而被添加到网络中。在某些特殊的应用中，无线传感器网络是移动的，传感器节点可能会因能量消耗完或其他故障而终止工作，这些因素都会使网络拓扑发生变化。

4以数据为中心的网络

传感器网络是一个任务型的网络，脱离传感器网络谈论传感器节点没有任何意义。传感器网络中的节点采用编号标识，节点编号是否需要全网唯一取决于网络通信协议的设计。由于传感器节点随机部署，构成的传感器与节点编号之间的关系是完全动态的，表现为节点编号与节点位置没有必然联系。用户使用传感器网络查询事件时，直接将所关心的事件通告给网络，而不是通告给某个确定编号的节点。网络在获得指定事件的信息后汇报给用户。这种以数据本身作为查询或者传输线索的思想更接近于自然语言交流的习惯。所以通常说传感器是一个以数据为中心的网络。

25 无线传感器网络的发展现状

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器网络雏形，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，并通过与传感控制器的相联，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。

近年来,无线通信技术和微电子技术的不断进步,大大地推动了无线传感器网络的迅猛发展。无线传感器网络是任意部署在一定地理范围内的大量体积微小的传感器节点所组成的自组织网络。这些微小的节点具有数据采集，信号处理和无线通信等功能，彼此通过无线通信，相互协调形成一个智能的传感网络。无线传感器网络通过节点的数据采集和传输，可以在任何时间，任何地点获取对象的信息，对环境的变化具有很强的鲁棒性。因此，通过合理的节点部署和网络设计，无线传感器网络能够在危险，恶劣的环境中执行任务，比如敌方军事报侦察。但是，由于节点本身设计制造成本低，体积微小的特点，单个节点只能携带有限的能量，进行简单的局部信号处理及短距离的无线通信。因此，如何设计高效的分布式信号处理算法以降低网络中能量和带宽的消耗已成为当前无线传感器网络研究的热点问题之一。

3 无线传感器网络的关键技术

无线传感器网络作为当今信息领域新的研究热点，有非常多的关键技术有待发现和研究。而功耗和安全问题对于无线传感器网络来说，是两个最重要的性能指标，所以WSN的关键技术必然以降低网络功耗和确保网络安全为主线。下面介绍网络拓扑控制、数据融合等部分关键技术。

31网络拓扑控制

对于自组织的传感器网络而言，网络拓扑控制具有特别重要的意义。通过拓扑控制自动生成的良好的网络拓扑结构，能够提高路由协议和MAC协议的效率，可为数据融合、目标定位等很多方面奠定基础，有利于节省节点的能量来延长网络的生存期。所以，拓扑控制是WSN研究的核心技术之一。WSN拓扑控制目前主要研究的问题是在满足网络覆盖度和连通度的前提下，通过功率控制和骨干网节点选择，剔除节点之间不必要的无线通信链路，生成一个高效的数据转发的网络拓扑结构。拓扑控制分为节点功率控制和层次型拓扑结构控制两个方面。功率控制机制调节网络中每个节点的发射功率，在满足网络连通度的前提下，减少节点的发送功率，均衡节点单跳可达的邻居数目；目前已经提出了以邻居节点度为参考依据的算法，以及利用邻近图思想生成拓扑结构的DRNG和DLSS算法。层次型的拓扑控制利用分簇机制，让一些节点作为簇头，由簇头形成一个处理并转发数据的骨干网，其他非骨干网节点可以暂时关闭通信模块，进入休眠状态以节省能量。

32 数据融合

在无线传感器网络中，节点传感器采集数据并将它发送到网络终端。但是在数据的采集和传输过程中，总要对采集的数据进行处理，因此存在如何对采集的数据进行处理、融合的问题。

如果完全在本地节点上处理采集的数据而只发送处理后的结果，可以降低传输数据的功耗，但增加了本地节点处理器的功耗；如果传输原始采集的数据，可以降低节点处理器的功耗但增加了节点传输数据的功耗。因此，如何对采集的数据进行处理与融合对降低节点能耗起到相当大的作用。通常网络中的传感器数量很多，传感器采集的数据具有一定的冗余度，因此将多个节点采集的数据相互结合起来进行处理可以降低整个网络数据的传输量，有效降低系统功耗，问题是如何寻找本地节点处理与节点联合处理的平衡点。

33 定位技术

位置信息是传感器节点采集数据中不可缺少的部分，没有位置信息的监测消息通常毫无意义。为了提供有效位置信息，随机部署的传感器节点必须能够在布置后确定自身位置。由于传感器节点存在资源有限、随机部署、通信易受环境干扰甚至节点失效等特点，定位机制必须满足自组织性、健壮性、能量高效、分布式计算等要求。现有的WSN定位算法根据定位机制的不同，可以分为基于测距的方法与不基于测距的方法两类。基于测距的定位机制利用到达时间延迟、信号到达时差和接收信号强度来估计距离或来波方向，然后使用三边测量法或最大似然估计等计算未知节点的位置。而不基于测距的定位机制无需距离或角度信息，或者不用直接测量这些信息，仅根据网络的连通性等信息实现节点的定位。距离无关的定位机制的定位性受环境因素的影响小，虽然定位误差相应有所增加，但定位精度能够满足多数传感器网络应用的需求，是目前大家重点关注的定位机制。

34 无线通信技术

传感器网络需要低功耗短距离的无线通信技术。IEEE802154标准是针对低速无线个人域网络的无线通信标准，把低功耗、低成本作为设计的主要目标。由于IEEE802154标准的网络特征与无线传感器网络存在很多相似之处，故很多研究机构把它作为无线传感器网络的无线通信平台。另外，超宽带无线通信以其高速率、低功耗、抗多径、低成本等诸多优势，已成为室内短距离无线网络的首选方案，这为WSN的数据传输开辟了一种崭新的方案。

35 时间同步

传感器网络中由于节能策略,节点在大部分时间是休眠的,所以要求解决通信同步问题,即通信节点双方需要在通信时同时唤醒。另外,传感器网络是一个分布式网络,所有节点在通信上地位对等,没有优先级可言。所以要让整个网络能够工作在有效状态,往往需要做到全网或者一定范围内所有节点的同步,而不是通信双方的简单同步。

4 无线传感器网络的应用

虽然无线传感器网络的大规模商业应用，由于技术等方面的制约还有待时日，但是最近几年，随着计算成本的下降以及微处理器体积越来越小，已经为数不少的无线传感器网络开始投入使用。目前无线传感器网络的应用主要集中在以下领域：

41 环境的监测和保护

随着人们对于环境问题的关注程度越来越高，需要采集的环境数据也越来越多，无线传感器网络的出现为随机性研究数据的获取提供了便利，并且还可以避免传统数据收集方式给环境带来的侵入式破坏。比如，英特尔研究实验室研究人员曾经将32个小型传感器连进互联网，以测出缅因州"大鸭岛"上气候的变化情况，用来评价一种海燕巢的条件。无线传感器网络还可以跟踪候鸟和昆虫的迁移，研究环境变化对农作物的影响，监测海洋、大气和土壤的成分等。

42 医疗护理

无线传感器网络在医疗研究、护理领域也可以大展身手。罗彻斯特大学的科学家使用无线传感器创建了一个智能医疗房间，使用微尘来测量居住者的重要征兆（血压、脉搏和呼吸）、睡觉姿势以及每天24小时的活动状况。英特尔公司也推出了无线传感器网络的家庭护理技术，该技术是作为探讨应对老龄化社会的技术项目Center for Aging Services Technologies（CAST）的一个环节开发的。该系统通过在鞋、家具以家用电器等家中道具和设备中嵌入半导体传感器，帮助老龄人士、阿尔茨海默氏病患者以及残障人士的家庭生活。利用无线通信将各传感器联网可高效传递必要的信息从而方便接受护理，而且还可以减轻护理人员的负担。英特尔主管预防性健康保险研究的董事EricDishman称，"在开发家庭用护理技术方面，无线传感器网络是非常有前途的领域"。

43 军事领域

由于无线传感器网络具有密集型、随机分布的特点，使其非常适合应用于恶劣的战场环境中，使其非常适合应用于恶劣的战场环境中，包括侦察敌情、监控兵力、装备和物资，判断生物化学攻击等多方面用途。美国国防部远景计划研究局已投资几千万美元，帮助大学进行"智能尘埃"传感器技术的研发。哈伯研究公司总裁阿尔门丁格预测：智能尘埃式传感器及有关的技术销售将从2004年的1000万美元增加到2010年的几十亿美元。

44 建筑结构监测

无线传感器网络用于监测建筑物的健康状况，不仅成本低廉，而且能解决传统监测布线复杂、线路老化、易受损坏等问题。斯坦福大学提出了基于无线传感器网络的建筑物监测系统，采用基于分簇结构的两层网络系统，传感器节点由EVK915模块和ADXL210加速度传感器构成，分簇首节点由Proxim Rangel LAN2无线调制器和EVK915连接而成。南加州大学的一种监测建筑物的无线传感器网络系统NETSHM，该系统除了监测建筑物的健康状况外，并且能够定位出建筑物受损伤的位置。

45 自然灾害的预防

在一些容易发生泥石流、滑坡等自然灾害的地方，使用无线传感网络及时、长期地对这些地方的地形变化、各种环境因素的监测，采集相关数据并进行适当的分析，当灾难将要发生时，我们就可以提前发出预警报告以做好准备或采取相应措施防止它们进一步的发生。

46 企业、家庭监控

在企业、家庭布设无线传感网络，可以实时地监控人员的流动和环境的变化，有利于企业、家庭采取有效的安全防护措施和灾难应变措施。此外，国内还出现了大量的其他领域的应用，比如无线传感网络在地下无人采煤安全监测系统的应用，无线传感网络在温室网络信息采集分析系统中的应用。

5存在的问题

51 面临的技术难题

就目前无线传感器网络的技术水平来说，无线传感器网络正常运行并大量投入使用还面临着许多问题：

（1）网络内通信问题

无线传感器网络内正常通信联系中，信号可能被一些障碍物或其他电子信号干扰而受到影响，怎么安全有效的进行通信是个有待研究的问题。

（2）成本问题

在一个无线传感器网络里面，需要使用数量庞大的微型传感器，这样的话成本会制约其发展。

（3）系统能量供应问题

目前主要的解决方案有：使用高能电池；降低传感功率；此外还有传感器网络的自我能量收集技术和电池无线充电技术，其中后两者备受关注。

（4）高效的无线传感器网络结构

无线传感器网络的网络结构是组织无线传感器的成网技术，有多种形态和方式，合理的无线传感器网络可以最大限度的利用资源。在这里面，还包括网络安全协议问题和大规模传感器网络中的节点移动性管理等诸多问题有待解决。

52 安全问题

传感器网络多用于军事、商业领域，安全性是其重要的研究内容。由于传感器网络中节点随机部署、网络拓扑的动态性以及信道的不稳定性，使传统的安全机制无法适用。因此需要设计新型的网络安全机制，可借鉴扩频通信、接入认证／鉴权、数据水印、数据加密等技术。目前，保证网络安全性的方法也不少。

（1）借助特殊的无线传感器终端。采用PTD(Personal Trust Device)作为传感器网络的终端，在网络中设立认证服务器来提供传感器需要的服务，而在PTD和服务器之间建立认证和加密体系，只有在服务器注册过的PTD终端才能获得服务，未注册的则不能，从而保证系统安全。通常，这种系统用在家庭环境中

（2）采用安全罩(Secure Overlay)。采用一种称为SCANv2(Secure Content Addressable Network Version 2)安全内容网络寻址的安全罩，来实现无线传感器网络的安全。SCANv2其实是在盖在实际网络层上的一个虚拟结构，通过采用Hash函数，把实际网络中的节点映射到这个罩空间之上，某一区域或某种功能的节点在罩空间的某一个共同的特定位置。用户在从网络中获取服务时，需要通过相应的安全认证进入罩空间，再进一步通过加密解密过程从这个映射空间进入实际网络中获得所需服务。

6 结束语

无线传感器网络是一种新的信息获取和处理技术，在特殊领域，它有着传统技术不可比拟的优势，人们对它的研究尚处于起步阶段。无线传感器网络有着十分广泛的应用前景，它不仅在工业、农业、军事、环境、医疗等传统领域有具有巨大的运用价值，在未来还将在许多新兴领域体现其优越性，如家用、保健、交通等领域。我们可以大胆的预见，将来无线传感器网络将无处不在，将完全融入我们的生活。比如微型传感器网络最终可能将家用电器、个人电脑和其他日常用品同互联网相连，实现远距离跟踪，家庭采用无线传感器网络负责安全调控、节电等，其应用可以涉及到人类日常生活和社会生产活动的所有领域。对这些网络的进一步研究，将满足中国未来高技术民用和军事发展的需要，不仅具有重要的社会和经济意义，也具有十分重要的战略意义。

但是，我们还应该清楚的认识到，无线传感器网络才刚刚开始发展，它的技术、应用都还还远谈不上成熟，国内企业应该抓住商机，加大投入力度，推动整个行业的发展。

摘录于网络

无线传感器

无线传感器的组成模块封装在一个外壳内，在工作时它将由电池或振动发电机提供电源，构成无线传感器网络节点。它可以采集设备的数字信号通过无线传感器网络传输到监控中心的无线网关，直接送入计算机，进行分析处理。如果需要，无线传感器也可以实时传输采集的整个时间历程信号。

发展历程

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器网络雏形，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，并通过与传感控制器的相联，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CONTROLENGINEERING China版权所有，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，具有非常广泛的应用前景，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。发达国家如美国，非常重视无线传感器网络的发展CONTROLENGINEERING China版权所有，IEEE正在努力推进无线传感器网络的应用和发展，波士顿大学(BostonUnversity)还于最近创办了传感器网络协会(Sensor Network Consortium)，期望能促进传感器联网技术开发。除了波士顿大学，该协会还包括BP、霍尼韦尔(Honeywell)、Inetco Systems、Invensys、L-3Communications、Millennial Net、Radianse、Sensicast Systems及Textron Systems。美国的《技术评论》杂志在论述未来新兴十大技术时，更是将无线传感器网络列为第一项未来新兴技术，《商业周刊》预测的未来四大新技术中，无线传感器网络也列入其中。可以预计，无线传感器网络的广泛是一种必然趋势，它的出现将会给人类社会带来极大的变革。

应用现状

虽然无线传感器网络的大规模商业应用CONTROLENGINEERING China版权所有，由于技术等方面的制约还有待时日，但是最近几年，随着计算成本的下降以及微处理器体积越来越小，已经为数不少的无线传感器网络开始投入使用。目前无线传感器网络的应用主要集中在以下领域：

1 环境的监测和保护

随着人们对于环境问题的关注程度越来越高，需要采集的环境数据也越来越多，无线传感器网络的出现为随机性的研究数据获取提供了便利，并且还可以避免传统数据收集方式给环境带来的侵入式破坏。比如，英特尔研究实验室研究人员曾经将32个小型传感器连进互联网，以读出缅因州"大鸭岛"上的气候，用来评价一种海燕巢的条件。无线传感器网络还可以跟踪候鸟和昆虫的迁移，研究环境变化对农作物的影响，监测海洋、大气和土壤的成分等。此外，它也可以应用在精细农业中控制工程网版权所有，来监测农作物中的害虫、土壤的酸碱度和施肥状况等。