① 無線感測網多跳路由節點能耗怎麼計算
(1)根據無線感測器網路中因節點有效傳輸半徑對路由選擇的制約，改進基於最小生成樹的分簇多跳路由演算法，改善因路由選擇對網路能耗的影響。該演算法利用Voronoi圖的泊松過程特性優化簇首節點數，並結合最小生成樹動態調整簇內外節點的路由發現實現網路能耗優化。模擬結果表明該演算法在開銷容忍的前提下，網路均衡負載，並與相同模擬條件下的基於LEACH的分層多跳路由演算法相比，更有效地延長了網路壽命，同時降低了計算時間復雜度。
(2)針對無線感測器網路中感測器節點投放分布對投放區域有效通信信號覆蓋的影響，改進了一種基於通信覆蓋的分布式投放概率覆蓋演算法。在保證投放精度的前提下，該演算法根據感測器節點在投放區域中位置的不確定性以及信號衰減特性，建立信號覆蓋模型，並通過信號覆蓋率計算出各節點預定投放位置，由感測器節點的自定位演算法獲取定位信息為前提，獲取節點的投放位置和投放數目。在改善區域通信覆蓋的同時，提高了節點分布效率，達到節省網路資源的目的。通過模擬比較了在不同定位投放方法下的各相關性數據，驗證了該演算法可實現高效投放的優越性能。
(3)在關於無線感測器網路應用方面，提出了在實現投放區域有效通信信號覆蓋的基礎上保證局部能量有效損耗的路由設計要求，由此提出了基於多跳路徑劃分子空間的分簇路由演算法。該路由演算法在獲得相應的節點拓撲分布的前提下實現了能量平均損耗，而節點拓撲的獲取則通過採用高斯分布的定位誤差模型與馬爾可夫鏈性質相結合，改進了以前演算法對於感測器節點拓撲結構的獲取。通過對整個演算法的模擬，得到的相關數據證明了演算法在實現網路硬體資源優化和能量有效損耗方面所具有的較好的性能。
(4)在對運動目標跟蹤定位的研究中，對於無法得知目標的運動狀態方程和觀測雜訊的概率密度分布的情況時，提出基於粒子濾波和曲線准線性優化的目標跟蹤演算法。演算法利用感測器節點的感知圓的幾何特性確定目標的運動區域的邊界限制，借鑒cost
reference粒子濾波演算法，估計出目標的運動軌跡，隨後通過曲線的線性近似簡化了目標運動軌跡的估計，同時也獲取了目標的速率的可控估計，模擬結果證明了所提演算法的高效性。根據實際應用中可能出現部分的感測器節點失效的情況，引入了節點的失效檢測，並以貝葉斯概率分布估計糾正失效節點對原目標狀態做的判斷，提高失效節點所在感知區域的容錯能力，改善了目標跟蹤定位的精度。
② 無線感測器網路
無線感測器網路(wirelesssensornetwork，WSN)是綜合了感測器技術、嵌入式計算機技術、分布式信息處理技術和無線通信技術，能夠協作地實時監測、感知和採集網路分布區域內的各種環境或監測對象的信息，並對這些數據進行處理，獲得詳盡而准確的信息。傳送到需要這些信息的用戶。它是由部署在監測區域內大量的廉價微型感測器節點組成，通過無線通信方式形成一個多跳的自組織的網路系統。感測器、感知對象和觀察者構成了感測器網路的三要素。
無線感測器網路作為當今信息領域新的研究熱點，涉及到許多學科交叉的研究領域，要解決的關鍵技術很多，比如：網路拓撲控制、網路協議、網路安全、時間同步、定位技術、數據融合、數據管理、無線通信技術等方面，同時還要考慮感測器的電源和節能等問題。
所謂部署問題，就是在一定的區域內，通過適當的策略布置感測器節點以滿足某種特定的需求。優化節點數目和節點分布形式，高效利用有限的感測器網路資源，最大程度地降低網路能耗，均是節點部署時應注意的問題。
目前的研究主要集中在網路的覆蓋問題、連通問題和能耗問題3個方面。
基於節點部署方式的覆蓋：1)確定性覆蓋2)自組織覆蓋
基於網格的覆蓋：1)方形網格2)菱形網格
被監測目標狀態的覆蓋：1)靜態目標覆蓋2)動態目標覆蓋
連通問題可描述為在感測器節點能量有限，感知、通信和計算能力受限的情況下，採用一定的策略(通常設計有效的演算法)在目標區域中部署感測器節點，使得網路中的各個活躍節點之間能夠通過一跳或多跳方式進行通信。連通問題涉及到節點通信距離和通信范圍的概念。連通問題分為兩類：純連通與路由連通。
覆蓋中的節能對於覆蓋問題，通常採用節點集輪換機制來調度節點的活躍／休眠時間。連通中的節能針對連通問題，也可採用節點集輪換機制與調整節點通信距離的方法。而文獻中涉及最多的主要是從節約網路能量和平衡節點剩餘能量的角度進行路由協議的研究。
③ 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。
④ 無線感測器網路中的部署問題，200分！！追加！！
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
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
⑤ 無線感測網路求助
全新物聯網安防系統
本系統通過物聯網及感測網路的深入運用，實現了特定區域的安全防範以及智能控制等功能，結合人機對話以及邏輯判斷技術使得系統更加靈活具有前瞻性。
系統採取獨立設計，根據用戶需求對系統的各項配置進行有針對性的組合，在滿足用戶需求的前提下，可有效避免系統的同一性（即任何2套系統之間都有較大區別），保證了系統的唯一性，並且預留用戶自我修改界面，可方便用戶自行對系統的各種狀態進行修改。
功能說明：
安全防範部分
安防部分分為三部分1.外圍周界檢測及防禦 2.過渡區檢測及防禦 3.核心區域檢測及緊急防禦。
1.外圍周界檢測及防禦
此部分主要對周界進行智能分析檢測，可對外圍徘徊進行語音警告，並對翻越人員進行有效防禦，採取智能檢測可有效避免誤檢和漏檢，通過軟體智能分析可有效區分人員動物或干擾。
2.過渡區檢測及防禦
過渡區位於外圍防禦區與核心區域之間，對於住宅用戶既院落部分，系統對於此部分採取跟蹤定位，當外圍區域被侵入後迅速定位侵入人員並啟動防禦措施對其進行防禦，同時可結合視頻設備對其進行抓拍，防禦手段可根據用戶要求進行有針對性的定製。
3.核心區域防禦
此區域為住宅的居住部分，包括門窗的檢測防禦，以及會客區的緊急防禦等功能，同時對房屋的主要出入口採取緩沖措施，即對出入口區域設定緩沖區，當緩沖區內存在多人的情況下系統需要多人全部身份驗證後才可允許進入，可有效避免跟隨以及人員內外結合進入的可能性。
緊急防禦功能，此功能只在有訪客到來以及核心區域被侵入的情況下才可啟動，在特殊情況下保護用戶的安全，同時避免了無侵入情況下的誤觸發的可能性。以上三個部分相互協同相互感知，彼此相互聯動，大大的加強了系統的穩定性及安全性。
並且系統還具備完善的燃氣泄露及消防報警功能系統在有燃氣設備的區域設置了燃氣檢測及處理功能，當系統發現某一區域燃氣濃度超標時，將第一時間通知用戶不要進入，同時系統自動根據現場條件進行處理，例如關閉燃氣總閥，打開通風設備以及切斷相應區域電源等一系列措施，確保用戶人身安全，當系統檢測已無危險時會自動解除相應狀態同時通知用戶危險已經解除，火災等突發情況處理同樣。
同時我們充分考慮到各種不確定因素，為系統設置了備用電源系統確保住宅供電失常情況下，系統可保持一定時間的正常使用，通訊暢通無阻，避免有不法分子企圖通過切斷電源來入侵系統。
智能家居部分
傳統智能家居無法擺脫大量的遙控器以及面板式的操作，而本系統無需任何額外的操作即可享受系統帶來的高度智能化得家居享受。
1.燈光控制
在房屋各個功能區採取出入口控制以及區域定位技術，將採集數據反饋到處理單元，對數據統一分析處理並發送至控制單元，通過控制輸出對各個功能區燈光進行調節控制，模式改變等。同時設置本地控制開關與系統並聯使用，通過簡單的操作可以進行燈光場景的設置，方便用戶根據不同的使用要求進行不同的選擇。
在客廳部分，系統通過出入口計數來判斷區域人員數量，同時結合室內光線強度自動開啟燈具，並調節光亮度以達到舒適的光線，系統根據門禁系統反饋信號，調用訪客數據對客廳區域燈光模式進行選擇，可由用戶自行定製不同的會客以及休息等模式下，燈光開啟方式數量強弱等。
在餐廳區域，系統根據處理單元自帶系統時鍾，以及光線條件以及人員移動，來自動調節控制燈光模式數量等，同樣用戶可根據個人喜好輕松DIY各種控制模式，彰顯個人品味。
在主卧室設置光線感應器，可根據室內的光線來調節照明燈的亮度，以尋求最舒適的感受，同時結合人員定位當無人時自動延時關閉燈光，當用戶起夜時系統將自動為其開啟床頭燈，同時根據其移動軌跡開啟相應區域燈，避免影響他人休息。
同時燈光系統可與安防系統聯動，當家中無人時如有不法分子妄想偷竊財務，系統將自動開啟個別區域的燈光嚇止其企圖。
對於室外、裝飾、泛光等照明方式的控制，將根據用戶需求進行設計同時預留多種方案供用戶自行切換。本系統還可以提供其它各種智能控制功能，尤其是該系統靈活方便，可根據用戶的不同要求隨時方便的更改，而不必對現場線路進行任何改動
2.門窗控制系統
本系統具有完善的門窗及窗簾控制功能，對於門的控制系統根據門禁系統反饋信號，通過控制輸出單元直接控制電控鎖的開關。窗及窗簾的控制系統採取多種控制方式，例如卧室窗的控制，系統可根據室內空氣成分以及外部天氣自動開窗通風，也可根據人員位置開關，還可以根據感測信號用戶自選開關。卧室窗簾控制我們採取人性化控制，系統檢測用戶是否起床，外部光線條件，以及卧室區域是否有人等進行分析判斷決定其開啟或關閉，同時保留手動開關定時開關等功能供用戶自由搭配選擇使用。
3.居家電器控制
居家電器控制部分，系統實現了無操作自動服務，即所有電器設備只要與系統相連即可根據用戶預先設定的工作模式，系統根據人員移動自動開啟，以熱水器為例，當用戶設定好其工作模式後（水溫，水量等），當用戶回家或到預定時間後將自動運行至所需條件，同時也可遠程設定各種參數，當用戶使用時一切都已准備就緒，所有電器設備的控制我們根據用戶喜好進行設計，同時預留多種模式搭配供用戶自行切換使用
人機界面部分
人機界面系統是本系統實現，用戶與系統溝通的窗口。我們在設計時充分徵求用戶意見及喜好，為其量身定做適合其個人品味的人機窗口，方便用戶在系統使用過程中隨時根據自己的喜好及需求對系統進行修改，輕松便捷輕松點擊滑鼠即可完成各種功能的搭配。
⑥ 節電有哪些方法和措施
分享幾個生活中節電得方法：
1.用節能燈替代普通白熾燈可節電70%-80%，而且節能燈的壽命是普通白熾燈的6倍以上。
2.電器不使用時應切斷電源，避免遙控開關、持續數字顯示、喚醒等功能電路待機耗能，這約占家庭用電量的10%，如同晝夜常開一盞15瓦到30瓦燈。
3.如果每天使用熱水器，不要經常切斷電源;如果3—5天或更長時間才使用一次，則用後斷電是更為節能的做法。
4.食物應先冷卻降溫再放入冰箱;冰箱內不要塞滿食物，儲藏量以八分滿為宜;減少冰箱門開關次數及時間，每開一次冰箱門，壓縮機需多運轉十分鍾才能恢復低溫狀態;冰箱內的溫度調節檔應適中，不宜設成強冷。
5.家用電熱飲水機長時間保溫耗電較多,用傳統的真空瓶膽保溫瓶省電、保溫效果好。
6.去除電水壺中電熱管上的水垢，可提高加熱效率，不僅省電而且能延長水壺的使用壽命。
7.把洗好的米放在鍋里浸30分鍾，再用溫水或熱水煮，能省電30%。
8.煮同量的米飯，700瓦的電飯煲比500瓦的電飯煲更省電省時。
⑦ 有關無線感測器網路中時間同步機制有哪些方法和策略
1 時間同步技術的重要性
感測器節點的時鍾並不完美，會在時間上發生漂移，所以觀察到的時間對於網路中的節點來說是不同的。但很多網路協議的應用，都需要一個共同的時間以使得網路中的節點全部或部分在瞬間是同步的。
第一，感測器節點需要彼此之間並行操作和協作去完成復雜的感測任務。如果在收集信息過程中，感測器節點缺乏統一的時間戳（即沒有同步），估計將是不準確的。
第二，許多節能方案是利用時間同步來實現的。例如，感測器可以在適當的時候休眠（通過關閉感測器和收發器進入節能模式），在需要的時候再喚醒。在應用這種節能模式的時候，節點應該在同等的時間休眠和喚醒，也就是說當數據到來時，節點的接收器可以接收，這個需要感測器節點間精確的定時。
2 時間同步技術所關注的主要性能參數
時間同步技術的根本目的是為網路中節點的本地時鍾提供共同的時間戳。對無線感測器
網路WSN（Wireless Sensor Networks）[1]
的時間同步應主要應考慮以下幾個方面的問題：
(1)能量效率。同步的時間越長，消耗的能量越多，效率就越低。設計WSN的時間同步演算法需以考慮感測器節點有效的能量資源為前提。
(2) 可擴展性和健壯性。時間同步機制應該支持網路中節點的數目或者密度的有效擴展，並保障一旦有節點失效時，餘下網路有效且功能健全。
(3)精確度。針對不同的應用和目的，精確度的需求有所不用。
(4)同步期限。節點需要保持時間同步的時間長度可以是瞬時的，也可以和網路的壽命一樣長。
(5)有效同步范圍。可以給網路內所有節點提供時間，也可以給局部區域的節點提供時間。
(6)成本和尺寸。同步可能需要特定的硬體，另外，體積的大小也影響同步機制的實現。 (7)最大誤差。一組感測器節點之間的最大時間差，或相對外部標准時間的最大差。 3 現有主要時間同步方法研究
時間同步技術是研究WSN的重要問題，許多具體應用都需要感測器節點本地時鍾的同步，要求各種程度的同步精度。WSN具有自組織性、多跳性、動態拓撲性和資源受限性，尤其是節點的能量資源、計算能力、通信帶寬、存儲容量有限等特點，使時間同步方案有其特
殊的需求，也使得傳統的時間同步演算法不適合於這些網路[2]
。因此越來越多的研究集中在設
計適合WSN的時間同步演算法[3]
。針對WSN，目前已經從不同角度提出了許多新的時間同步演算法[4]
。
3.1 成對(pair-wise)同步的雙向同步模式
代表演算法是感測器網路時間同步協議TPSN（Timing-Sync Protocol for Sensor
Networks）[5~6]
。目的是提供WSN整個網路范圍內節點間的時間同步。
該演算法分兩步：分級和同步。第一步的目的是建立分級的拓撲網路，每個節點有個級別。只有一個節點與外界通信獲取外界時間，將其定為零級，叫做根節點，作為整個網路系統的時間源。在第二步，每個i級節點與i-1（上一級）級節點同步，最終所有的節點都與根節點同步，從而達到整個網路的時間同步。詳細的時間同步過程如圖 1 所示。
圖1 TPSN 同步過程
設R為上層節點，S為下層節點，傳播時間為d，兩節點的時間偏差為θ。同步過程由節點R廣播開始同步信息，節點S接收到信息以後，就開始准備時間同步過程。在T1時刻，節點S發送同步信息包，包含信息(T1)，節點R在T2接收到同步信息，並記錄下接收時間T2，這里滿足關系：21TTd
節點R在T3時刻發送回復信息包，包含信息(T1,T2,T3)。在T4時刻S接收到同步信息包，滿足關系：43TTd
最後，節點S利用上述2個時間表達式可計算出的值：(21)(43)2
TTTT
TPSN由於採用了在MAC層給同步包標記時間戳的方式，降低了發送端的不確定性，消除了訪問時間帶來的時間同步誤差，使得同步效果更加有效。並且，TPSN演算法對任意節點的同步誤差取決於它距離根節點的跳數，而與網路中節點總數無關，使TPSN同步精度不會隨節點數目增加而降級，從而使TPSN具有較好的擴展性。TPSN演算法的缺點是一旦根節點失效，就要重新選擇根節點，並重新進行分級和同步階段的處理，增加了計算和能量開銷，並隨著跳數的增加，同步誤差呈線性增長，准確性較低。另外，TPSN演算法沒有對時鍾的頻差進行估計，這使得它需要頻繁同步，完成一次同步能量消耗較大。
3.2 接收方-接收方（Receiver-Receiver）模式
代表演算法是參考廣播時間同步協議RBS（Reference Broadcast Synchronization）[7]
。RBS是典型的基於接收方-接收方的同步演算法，是Elson等人以「第三節點」實現同步的思想而提出的。該演算法中，利用無線數據鏈路層的廣播信道特性，基本思想為：節點(作為發
送者)通過物理層廣播周期性地向其鄰居節點（作為接收者）發送信標消息[10]
，鄰居節點記錄下廣播信標達到的時間，並把這個時間作為參考點與時鍾的讀數相比較。為了計算時鍾偏移，要交換對等鄰居節點間的時間戳，確定它們之間的時間偏移量，然後其中一個根據接收
到的時間差值來修改其本地的時間，從而實現時間同步[11]
。
假如該演算法在網路中有n個接收節點m個參考廣播包，則任意一個節點接收到m個參考包後，會拿這些參考包到達的時間與其它n-1個接收節點接收到的參考包到達的時間進行比較，然後進行信息交換。圖2為RBS演算法的關鍵路徑示意圖。
網路介面卡
關鍵路徑
接收者1
發送者
接收者2
圖2 RBS演算法的關鍵路徑示意圖
其計算公式如下：
,,1
1,:[,]()m
jkikkinjnoffsetijTTm
其中n表示接收者的數量，m表示參考包的數量，,rbT表示接收節點r接收到參考包b時的時鍾。
此演算法並不是同步發送者和接收者，而是使接收者彼此同步，有效避免了發送訪問時間對同步的影響，將發送方延遲的不確定性從關鍵路徑中排除，誤差的來源主要是傳輸時間和接收時間的不確定性，從而獲得了比利用節點間雙向信息交換實現同步的方法更高的精確度。這種方法的最大弊端是信息的交換次數太多，發送節點和接收節點之間、接收節點彼此之間，都要經過消息交換後才能達到同步。計算復雜度較高，網路流量開銷和能耗太大，不適合能量供應有限的場合。
3.3 發送方-接收方(Sender-Receiver)模式
基於發送方-接收方機制的時間同步演算法的基本原理是：發送節點發送包含本地時間戳的時間同步消息，接收節點記錄本地接收時間，並將其與同步消息中的時間戳進行比較，調整本地時鍾。基於這種方法提出的時間同步演算法有以下兩種。
3.3.1 FTSP 演算法[8]
泛洪時間同步協議FTSP（Flooding Time Synchronization Protocol）由Vanderbilt大學Branislav Kusy等提出，目標是實現整個網路的時間同步且誤差控制在微秒級。該演算法用單個廣播消息實現發送節點與接收節點之間的時間同步。
其特點為：(1)通過對收發過程的分析，把時延細分為發送中斷處理時延、編碼時延、傳播時延、解碼時延、位元組對齊時延、接收中斷處理時延，進一步降低時延的不確定度；(2)通過發射多個信令包，使得接收節點可以利用最小方差線性擬合技術估算自己和發送節點的頻率差和初相位差；(3)設計一套根節點選舉機制，針對節點失效、新節點加入、拓撲變化
等情況進行優化，適合於惡劣環境[12]
。
FTSP演算法對時鍾漂移進行了線性回歸分析。此演算法考慮到在特定時間范圍內節點時鍾晶振頻率是穩定的，因此節點間時鍾偏移量與時間成線性關系，通過發送節點周期性廣播時間同步消息，接收節點取得多個數據對，構造最佳擬合直線，通過回歸直線，在誤差允許的時間間隔內，節點可直接通過它來計算某一時間節點間的時鍾偏移量而不必發送時間同步消息進行計算，從而減少了消息的發送次數並降低了系統能量開銷。
FTSP結合TPSN和RBS的優點，不僅排除了發送方延遲的影響，而且對報文傳輸中接收方的不確定延遲（如中斷處理時間、位元組對齊時間、硬體編解碼時間等）做了有效的估計。多跳的FTSP協議採用層次結構，根節點為同步源，可以適應大量感測器節點，對網路拓撲結構的變化和根節點的失效有健壯性，精確度較好。該演算法通過採用MAC層時間戳和線性回歸偏差補償彌補相關的錯誤源，通過對一個數據包打多個時戳，進而取平均和濾除抖動較大的時戳，大大降低了中斷和解碼時間的影響。FTSP 採用洪泛的方式向遠方節點傳遞時間基準節點的時間信息，洪泛的時間信息可由中轉節點生成，因此誤差累積不可避免。另外，FTSP的功耗和帶寬的開銷巨大。
3.3.2 DMTS 演算法[9]
延遲測量時間同步DMTS (delay measurement time synchronization) 演算法的同步機制是基於發送方-接收方的同步機制。DMTS 演算法的實現策略是犧牲部分時間同步精度換取較低的計算復雜度和能耗，是一種能量消耗輕的時間同步演算法。
DMTS演算法的基本原理為：選擇一個節點作為時間主節點廣播同步時間，所有接收節點通過精確地測量從發送節點到接收節點的單向時間廣播消息的延遲並結合發送節點時間戳，計算出時間調整值，接收節點設置它的時間為接收到消息攜帶的時間加上廣播消息的傳輸延遲，調整自己的邏輯時鍾值以和基準點達成同步，這樣所有得到廣播消息的節點都與主節點進行時間同步。發送節點和接收節點的時間延遲dt可由21()dtnttt得出。其中，nt為發送前導碼和起始字元所需的時間，n為發送的信息位個數，t為發送一位所需時間；1t為接收節點在消息到達時的本地時間；2t為接收節點在調整自己的時鍾之前的那一時刻記錄的本地時間，21()tt是接收處理延遲。
DMTS 演算法的優點是結合鏈路層打時間戳和時延估計等技術，消除了發送時延和訪問時延的影響，演算法簡單，通信開銷小。但DMTS演算法沒有估計時鍾的頻率偏差，時鍾保持同步的時間較短，沒有對位偏移產生的時間延遲進行估計，也沒有消除時鍾計時精度對同步精度的影響，因此其同步精度比FTSP略有下降，不適用於定位等要求高精度同步的應用。
基於發送方-接收方單向同步機制的演算法在上述三類方法中需要發送的時間同步消息數目最少。發送節點只要發送一次同步消息，因而具有較低的網路流量開銷和復雜度，減少了系統能耗。
4 結論
文章介紹了WSN時間同步演算法的類型以及各自具有代表性的演算法，分析了各演算法的設計原理和優缺點。這些協議解決了WSN中時間同步所遇到的主要問題，但對於大型網路，已有的方法或多或少存在著一些問題：擴展性差、穩定性不高、收斂速度變慢、網路通信沖突、能耗增大。今後的研究熱點將集中在節能和時間同步的安全性方面。這將對演算法的容錯性、有效范圍和可擴展性提出更高的要求。
⑧ 感測器網路的電源節能方法有哪些
感測器裡面的網路電源這個節能的方法就是說在使用的時候一定要先將它打開之後才能夠節能。
⑨ 物聯網建築能耗監測系統的無線感測網技術的能耗監測設計
建築節能運行和改造需建立在獲取照明、消防、空調等建築用能信息的基礎之上，在接收到數據進行分析之前，各類用能數據的傳輸是一個關鍵問題。現階段主要採用綜合布線進行傳輸，此方式在建築內布設大量線纜，存在施工復雜、代價高、影響建築內部美觀等缺點，這是有線傳輸方式固有缺陷所決定的，而採用無線傳輸方式則能有效克服。相較於CDMA、GPRS、WLAN等傳統的無線傳輸方式，作為物聯網基礎組成的WSN(wireless sensor network，無線感測網)技術更適合於建築用能信息傳輸的應用 。
WSN技術是一種全新的無線網路通訊技術，也是物聯網的主要技術之一。它由末端節點設備、路由設備和網關設備組成，末端節點設備負責信息採集和自動控制，路由設備負責組網和通訊，網關設備負責與管理中心或外網連接。無線感測網具有自組網、自路由、自恢復的功能和低功耗、低帶寬、低成本的特點，能夠實現多業務平台的雙向數據傳輸，非常適合於自動控制和遠程監控領域。 建築能耗監測平台的組網總體結構圖，在系統的數據採集端採用WSN技術進行組網。整個WSN網路由若干個終端採集器以及一個匯聚採集器構成。通常將WSN的終端採集器稱為採集節點，將匯聚採集器成為匯聚節點。採集節點負責數據的採集和傳送，以及根據匯聚節點的控制命令設置相應的工作模式等;匯聚節點是網路的中心，起到協調器和網關節點的作用，匯聚節點負責整個區域網路的維護與數據的匯集，再將數據通過Internet/GSM/CDMA上傳到上級數據中心或中轉站。系統最大特點就是基於WSN技術進行信息採集，利用WSN節點與電表等與用能設備連接，通過無線自組網方式自動採集分散在各處的電、水、氣、冷熱量等實時數據，使用戶隨時監測現場耗能設備的運行數據，為今後實施節能反饋控制系統的研發提供基礎，以達到優化能源供應、提高能源管理水平、提高能源利用效益、減少能源損耗、節約能源成本的目的。
基於WSN技術的建築能耗監測系統屬於WSN與節能的交叉領域，以WSN和計算機信息處理為技術核心，建設先進、功能強大的信息採集處理平台。該系統適用於各種既有和新建建築，系統組網方便，不佔空間，無需綜合布線施工，項目實施快速方便。
在各種無線感測網技術中，ZigBee的自組網能力以及高容量特性使其非常適合建築能耗監測系統的應用，在節點分散、數量眾多、低速率傳輸的能耗監測採集端建設中，有明顯的優勢，是當前最適合建築能耗監測系統數據傳輸的技術。
除了組網方便、安全、可靠，ZigBee還有低傳輸速率、低功耗、高容量、低成本等特點。ZigBee非常適合有大量終端設備的網路，如能耗監測、樓宇自動化等場合。 1）內網組網靈活，可隨時增加或減少感測節點；
2）無需綜合布線，減少工程量與布線成本、提高安裝速度；
3）與多種通信主幹網融合，方便用戶實現遠程監控；
4）WSN端機體積小、功耗低，價格低；
5）根據WSN協議自動組成通訊內部網路；
6）系統易於維護，任意節點的故障不會影響系統工作；
7）具有本地數據存儲功能，確保數據完整性；
8）減少建立建築能耗及環境監測系統所帶來的施工量以及綜合布線對環境的影響，減少投資和工期，特別適用於既有建築和設施。 如果用戶已有電表、水表等，且帶有485口，則可直接接入採集器，如已有儀表不支持485口，則需要改造和更換設備。每戶的總表最後統一為帶485口的多功能表，外接帶無線感測模塊的採集器，可以每15分鍾上送一次電量、電壓、電流、功率因素等數據。數據採集頻率可根據具體需要靈活設置，數據採集頻率可在15分鍾/次到1小時/次之間調整。
設備改造原則：在一定投資成本和不改動已有配電線路前提下，以最大程度地獲得能耗公示需求數據為目標，在既有配電支路上無拆換、無干擾方式安裝。
⑩ 如何關閉無線網卡的節能模式
計算機-計算機管理-設備管理器-網卡-右鍵屬性-電源管理-取消勾選 語序計算機關閉此設備以節約能源