㈠ 無線感測器應用感測器類型
無線感測器是當前信息領域中研究的熱點之一，可用於特殊環境實現信號的採集、處理和發送。無線感測器網路是一種全新的信息獲取和處理技術，在現實生活中得到了越來越廣泛的應用。接下來小編為大家介紹無線感測器應用及感測器類型。
無線感測器應用
1、軍事領域的應用
在軍事領域，由於WSN具有密集型、隨機分布的特點，使其非常適合應用於惡劣的戰場環境。利用WSN能夠實現監測敵軍區域內的兵力和裝備、實時監視戰場狀況、定位目標、監測核攻擊或者生物化學攻擊等。
2、輔助農業生產
WSN特別適用於以下方面的生產和科學研究。例如，大棚種植室內及土壤的溫度、濕度、光照監測、珍貴經濟作物生長規律分析與測量、葡萄優質育種和生產等，可為農村發展與農民增收帶來極大的幫助。採用WSN建設農業環境自動監測系統，用一套網路設備完成風、光、水、電、熱和農葯等的數據採集和環境控制，可有效提高農業集約化生產程度，提高農業生產種植的科學性。
3、生態監測與災害預警
WSN可以廣泛地應用於生態環境監測、塌基生物種群研究、氣象和地理研究、洪水、火災監測。環境監測為環境保護提供科學的決策依據，是生態保護的基礎。在野外地區或者不宜人工監測的區域布置WSN可以進行長期無人值守的不間斷監測，為生態環境的保護和研究提供實時的數據資料。
具體的應用包括：通過跟蹤珍稀鳥類等動物的棲息、覓食習慣進行瀕危種群的研究;在河流沿線區域布置感測器節點，隨時監測水位及水資源被污染的情況;在泥石流、滑坡等自然災害容易發生的地區布置節點，可提前發出災害預警，及時採取相應抗災措施;可在重點保護林區布置大量節點隨時監控內部火險情況，一旦發現火情，可立刻發出警報，並給出具體位置及當前火勢的大小;可將節點布置在發生地震、水災等災害的地區、邊遠山區或偏僻野外地區，用於臨時應急通信。
4、基礎設施狀態監測系統
WSN技術對於大型工程的安全施工以及建築物安全狀況的監測有積極的幫助作用。通過布置感測器節點，可以及時准確地觀察大樓、橋梁和其他建築物的狀況，及時發現險情，及時進行維修，避免造成嚴重後果。
5、工業領域的應用
在工業安全方面，感測器網路技術可用於危險的工作環境，例如在煤礦、石油鑽井、核電廠和組裝線布置感測器節點，可以隨時監測工作環境的安全狀況，為工作人員的安全提供保證。另外，感測器節點還可以代替部分工作人員到危險的環境中執行任務，不僅降低了危險程度，還提高了對險情的反應精度和速度。
6、在智能交通中保障安全暢通
智能交通系統團檔謹（ITS）是在傳統交通體系的基礎上發展起來的新型交通系統，它將信息、通信、控制和計算機技術以及其他現代通信技術綜合應用於交通領域，並將「人—車—路—環境」有機地結合在一起。在現有的交通設施中增加一種無線感測器網路技術，將能夠從根本上緩解困擾現代交通的安全、通暢、節能和環保等問題，同時還可以提高交通工作效率。因此，將無線感測器網路技術應用於智能交通系統已經成為近幾年的研究熱點。
7、在醫療系統大有作為
近年來，無線感測器網路在醫療系統和健康護理方面已有很多應用，例如，監測人體的各種生理數據，跟蹤和監控醫院中醫生和患者的行動，以及醫院的葯物管理等。如果在住院病人身蠢卜上安裝特殊用途的感測器節點，例如心率和血壓監測設備，醫生就可以隨時了解被監護病人的病情，在發現異常情況時能夠迅速搶救。
8、促進信息家電設備更加智能
無線感測器網路的逐漸普及，促進了信息家電、網路技術的快速發展，家庭網路的主要設備已由單一機向多種家電設備擴展，基於無線感測器網路的智能家居網路控制節點為家庭內、外部網路的連接及內部網路之間信息家電和設備的連接提供了一個基礎平台。
感測器類型
1、振動感測器
每個節點的最高采樣率可設置為4KHz，每個通道均設有抗混疊低通濾波器。採集的數據既可以實時無線傳輸至計算機，也可以存儲在節點內置的2M數據存儲器內，保證了採集數據的准確性。有效室外通訊距離可達300m，節點功耗僅30mA，使用內置的可充電電池，可連續測量18小時。如果選擇帶有USB介面的節點，您既可以通過USB介面對節點充電，也可以快速地把存儲器內的數據下載到計算機裡面。
2、應變感測器
節點結構緊湊，體積小巧，由電源模塊、採集處理模塊、無線收發模塊組成，封裝在PPS塑料外殼內。節點每個通道內置有獨立的高精度120-1000Ω橋路電阻和放大調理電路，可以方便地由軟體自動切換選擇1/4橋，半橋，全橋測量方式，兼容各種類型的橋路感測器，比如應變，載荷，扭距，位移，加速度，壓力，溫度等。節點同時支持2線和3線輸入方式，橋路自動配平，也可以存儲在節點內置的2M數據存儲器。有效室外通訊距離可達300m。可連續測量十幾個小時。
3、扭矩感測器
節點結構緊湊，體積小巧，封裝在樹脂外殼內。節點每個通道內置有高精度120-1000Ω橋路電阻和放大調理電路。橋路自動配平。節點的空中傳輸速率可以達到250KBPS，有效實時數據傳輸率達到4KSPS，有效室內通訊距離可達100米。節點設計有專門的電源管理軟硬體，在實時不間斷傳輸情況下，節點功耗僅25mA，使用普通9V電池，可連續測量幾十個小時。對於長期監測應用，以5分鍾間隔發送一次扭矩值，數年不需要更換電池，大大提高了系統的免維護性。
㈡ 無線感測器網路中常用的網路模擬軟體平台有
無線感測器網路中常用的網路模擬軟體平台有OPNET、OMNET++、NS2、TOSSIM等。OPNET是一個強大的、面向對象的、離散事件驅動的通用網路模擬環境。作為一個全面的集成升差開發環境，在無線傳輸方面的建模能力涉及模擬研究的各階段，包括模型設計、模擬、數據搜集和數據分析，所有的無線特性與高層協議模型無縫連接。TinyOS是一種面向WSN的新型操作系統。TinyOS採用了輕量級線程技術、主動消息通信技術、組件化編程技術，它是一個基於事件驅動的深度嵌入式操作系統。TOSSIM是一種基於嵌入式TinyOS操作系統的WSN節點模擬環境的實現代表，源碼公開，主要應用於MICA系列的WSN節點。其模擬應用隨同TinyOS被編譯進事件驅動的模擬模擬器。者哪OMNET++是一種開源的基於組件的模塊化的開放網路模擬平台，近年來在科學和工業領域逐漸流行。作為離首笑碼散事件模擬器，其具備強大完善的圖形界面介面和可嵌入式模擬內核，運行於多個操作系統平台，可以簡便定義網路拓撲結構，具備編程、調試和跟蹤支持等功能，主要用於通信網路和分布式系統的模擬。
㈢ 無線感測網路的問題
涉及的內容是挺多的，
1.硬體方面的（目前處除了軍用，或其他一些特定應用外，我們國家很多感測器晶元用的還都是國外的，沒有過硬的技術啊）。
2.無線感測器網路協議研究。根據感測器網路自身的特點，結合應用，量身打造更合適的通信協議。
3.軟體方面的。目前有系統級別的Tiny OS，編程語言nesC，針對特定應用編寫輕量級程序。
4.無線感測器數據管理層面。可以研究網路數據流挖掘之類的。
哪個最有前景？1最有發展空間，但難度大。3是基礎，最容易上手，想有突破很難。2和4，自己想吧。
以上都是個人粗淺見解，做個參考。
㈣ 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
㈤ 物聯網應用技術學什麼課程
物聯網應用技術課程有物聯網應用軟體開發、物聯網硬體基礎、無線感測網應用技術等。
物聯網應用技術職業能力：
1、物聯網應用技術職業能力需要具備對新知識、新技能的學習能力和創新創業能力；具備無線感測網節點電子原理圖和PCB圖的繪制能力。
2、物聯網應用技術職業能力需要具備無線感測網節電路板的焊接、檢測、裝配、調試和維修能力；具備無線感測網單片機程序的編程、下載和調試能力。
3、物聯網應用技術職業能力需要具備物聯網系統集成能力；具備物聯網應用系統軟體編程能力。
4、物聯網應用技術職業能力需要具備物聯網應用系統安裝調試、故障分析和排除能力；了解物聯網和無線感測網的基本概念和原理，了解物聯網應用系統的基本組成和工作原理。
㈥ 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。
㈦ 物聯網應用技術專業學什麼
物聯網應用技術專業學並且掌握射頻、嵌入式等。
物聯網應用技術的職業能力：
1、具備對新知識知悔、新技能的學習能力和創新創業能力。
2、具備無線感測網節點電子原理圖和PCB圖的繪制能力
3、具備無線感測網節電路板的焊接、檢測、裝配、調試和維修能力。
4、具備無線感測網單搭譽正片機程序的編程、下載和調試能力。
5、具備物聯網系統集成能力。
6、具備物聯網應用系統軟體編程能力。
7、具備物聯網應用系統安裝調試、故障分析和排除能力。
8、了解物聯網和無線感測網的基本概念和原理，了解物聯網應用系統的基本組成和工作原理。
㈧ 無線感測器網路故障的診斷技術
無線感測器網路故障的診斷技術
隨著社會的發展與不斷進步，無線感測器網路得到廣泛應用，但是由於無線感測器節點的能量具有制約性，導致無線感測器網路的運用環境比較脆弱，下面我為大家搜索整理了關於無線感測器網路故障的診斷技術，歡迎參考閱讀，希望對大家有所幫助!想了解更多相關信息請持續關注我們應屆畢業生培訓網!
無線感測器網路是由大量感測器節點組成的，因為感測器節點廉價和微型的特點，促使無線感測器網路對節點的利用率非常高，尤其是在無線感測網路的監測區域，在自組織方式的參與下，以互相協作的形式完成無線感測器的監測任務，所以其應用的前景也是非常廣闊的，但是感測器節點的工作能力是有限的，難免會發生系統故障。
1 無線感測器網路故障評價指標
無線感測器網路故障診斷的性能評價指標是以無線感測器的網路特點和網路應用為基礎制定的，其標准主要體現在診斷精度、特殊環境診斷精度、能效性以及診斷時間四個方面。
診斷精度。無線感測器故障診斷精度是診斷機制對故障最直接的評價方式，特別是在網路安全性較高的環境中，如果不能保障故障診斷的精確度則會導致感測器網路系統出現安全漏洞，同時意味著此故障診斷精度的失效，診斷精度主要是以一次過程為故障診斷的依據，分析被診斷的節點狀態與實際節點狀態的相符程度，診斷精度中故障誤報率和故障識別率為評價故障的兩個指標。
特殊環境診斷精度。無線感測器網路在特殊環境中的應用是有特定的診斷精度的，例如自然災害、人為破壞等特殊環境因素，由於故障的節點在網路中的分布不均勻，可能會出現故障區域節點的過分疏散或者是節點的過分密集等現象，普通的診斷精度是不適應的，所以只能採取特殊環境的診斷精度對故障進行評價。
能效性。受無線感測器網路能量供應方面的影響，能效性成為故障診斷評價機制中需要最先考慮的問題，能效性比較強的故障診斷機制可以促進網路使用壽命的延長，以便保障感測器網路監測、計算方面能量的持續供應，與能效性有直接關系的因素有數據通信、處理和採集三方面。
診斷時間。無線感測器網路投入使用後，如需進行故障診斷需要對感測器中節點與節點之間的關系進行協作性判斷，主要是因為節點呈現激活狀態的數量比較多，如果節點出現聯系性的故障一定會對無線感測器網路造成巨大的能耗壓力，所以節點故障診斷的時間不宜過長。
2 無線感測器網路故障診斷分類
無線感測器網路故障主要來源於感測器的節點，主要表現在四個模塊上，分別為能量電池供應模塊、無線網路通信模塊、感測處理模塊和感測器模塊，基於無線感測器網路的運行和使用，其組成元件、部件會出現各種各樣的問題，如干擾通信、線路老化、電能耗損以及接線松動等等，引發無線感測器網路發生故障。
2.1 節點級別的故障
節點級別的故障主要是發生在感測器網路的節點處，大部分故障主要是感測器的節點本身出現了問題，其又可分為節點軟故障和節點硬故障，軟故障是指節點在不影響無線感測器網路運行的前提下發生故障，只有對數據進行傳送和測量時，可瞬間影響通信的故障;硬故障是指對節點本身以及對感測器網路造成的直接損害，例如節點本身損壞、電源布置不合理或電源能量不足都會造成無線感測器網路故障。
2.2 網路級別的故障
網路級別的故障是指無線感測器的節點本身是正常的，但是在節點與節點之間的傳輸、協作方面上出現制約性問題，導致網路連接異常、通信受阻、信息丟失、IP偏差、非法入侵等等，此故障的出現是直接作用於網路的，其故障的表現極其明顯，而且故障出現的速度非常快，影響范圍比較廣，屬於無線網路感測器網路中相對較為敏感的故障。
2.3 功能級別的故障
無線感測器網路功能級別的故障對於整體網路都是存在影響的，如出現功能級別的故障會造成網路中匯集點不能正常接收和收集網路中運行的全部信息，引起功能級別故障的原因主要有感測器節點的重啟、死亡和失效，鏈接線路故障以及路由裝置故障等。
2.4 數據級別的故障
數據級別的故障是指感測器節點表現正常，但是傳達了錯誤的數據信息，致使網路形成錯誤的數據感知，數據級別故障的隱蔽性比較強，只有經過精細的檢測才可發現感測器節點傳遞了錯誤的感知數據，因為即使節點感知數據傳遞錯誤，但是其本身的表現形式是沒有任何問題的，因此無形中降低了無限感測器網路的運行性能，而且會錯誤的引導網路管理員檢查維修。
3 無線感測器網路故障診斷技術
無線感測器網路故障診斷主要是針對其投入使用的期間，通過對網路傳遞的信息進行分析，判斷無線感測器網路是否發生故障，根據故障發生的狀態檢測導致故障發生的基本根源，無線感測器網路故障的診斷是一項復雜而又系統的工程項目，基於其所處的環境以及自身運行的特點決定了故障診斷的難度，為降低診斷的難度，一般情況在進行故障診斷時需要以感測器各個節點日常的測量數據為主，以節點數據傳輸的附加信息為輔，促進故障診斷的效率。
無線感測器網路故障診斷的指標為感測器高質量的服務和能量的有效保護，而故障診斷策略的衡量指標主要有錯誤警報率和檢測率，其中錯誤報警率反饋的是無效警報在診斷報告總警報中的占據比例，錯誤報警率較低即可說明此次診斷結果具有較高的可信度;檢測率反饋的是被檢測出的故障在網路總故障中占據的比例，與錯誤報告率相反，檢測率越高則說明診斷策略的有效性比較高。目前對無線感測器網路故障診斷技術的`研究主要以感測器的故障、場景類型為中心，對感測器節點的功能、讀數故障進行探討，分析無線感測器網路故障的診斷技術。
3.1 感測器節點讀數故障的診斷技術
節點讀數故障的診斷技術主要是針對無線感測器網路中錯誤的測量數據，錯誤數據產生的情況主要有外界環境干擾導致網路受到安全攻擊、節點部件的損壞等等，針對節點讀數故障提出以下診斷技術。 (1)WMFDS診斷技術。此技術主要是對感測器節點與節點之間的數據進行空間相關性的測量，越臨近的節點其測量結果的相似性越大，所以只能通過正常讀數的空間關系，根據此理論提出WMFDS診斷方法，主要是對兩節點之間的故障率、分布密度進行分析，判斷節點是否出現問題，此方法還可對相鄰的節點進行加權處理，但是此方法只可以用於具有空間相關性的節點讀數上。
(2)FIND診斷技術。此技術利用無線感測器節點在監控區域具有可持續性監測的特點，感知網路的突然事件，此節點的數據讀取可反饋事件發生點到節點相對應的距離，感測器節點的信號強度與距離是呈現相反關系的，即相對距離越大，節點信號強度越弱，節點信號的強弱變化被稱為單調變化特性，所以節點的單調特性是反饋節點出現讀數故障的判斷標准，比如故障節點會表現出與相對距離單調特性相反的現象。
(3)CSN診斷技術。此診斷技術是有一定局限性的，主要是以移動設備為檢測對象，利用加速器得出節點的地震運動，故障節點的讀數會存在閾值，此閾值與實際歷史差距比較大，通過計算機分析節點比例，如出現較高閾值則說明此節點出現了一定的問題。
3.2 感測器節點網路故障的診斷技術
感測器節點網路故障主要表現在鏈路受環境因素的影響導致網路可靠性降低等現象，針對感測器節點網路故障提出的診斷技術主要有以下三種：
(1)網路軟體調試法。在感測器的節點中採取調試代理，利用軟體的調試命令，對節點處的網路狀態進行分析，收集節點網路數據，確定節點網路故障的來源。
(2)特定模型推斷法。特定模型推斷法主要包括兩種，分布式和集中式的方法。分布式的診斷技術是針對網路中的所有節點，利用從局部到整體的決策方法，分布式診斷技術的代表方法有LD2和TinyD2，最終通過節點網路的整合，得出診斷報告;集中式的診斷技術是在網路節點處植入小型探測器，以便對經過節點的應用數據進行分類、分組，但是探測器對得到信息的分析能力是非常有限的，所以需要感知系統的參與，以此為基礎進行節點網路故障的細化診斷。
(3)無聲故障診斷技術。此診斷技術在三種技術中是具有一定特殊性的，其可對無經驗故障進行有效診斷，例如AD診斷技術，即是比較典型的代表，通過對節點各類型診斷信息之間相關性圖表的變化，發現網路中存在的隱藏故障，即無聲故障，此技術可提高故障診斷的准確率，同時降低了故障出現的頻率。
綜上所述，利用無線感測器故障診斷技術診斷無線感測器網路中出現的問題，並對其進行及時有效的處理，一方面可以提高無線感測器網路的運用效率，另一方面提高了無線感測器網路的使用率，所以無線感測器網路的正常運行在一定程度上促進我國經濟效益和社會效益的發展和提高。
綜上所述，無線感測器網路在世界范圍內的關注度是比較高的，其滲透多項科學技術，例如無線通信技術、感測器技術以及信息處理技術等等，無線感測器的研究不論是在經濟效益上還是在社會效益上，都是具有極其重要的意義的，無線感測器有效的網路故障診斷技術一方面可以提高無線感測器的利用效率，另一方面對能源節約具有一定的實際價值。
;㈨ 什麼是無線感測網路
無線感測器網路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手念，由大量的靜止或移動的感測器以自組織和多跳的方式構成的無線網路，以協作地感知、採集、處理和傳輸網路覆耐純蓋地理區域內被感昌薯咐知對象的信息，並最終把這些信息發送給網路所有者的。因此網路設置靈活，設備位置可以隨時更改，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的網路。
無線感測器網路所具有的眾多類型的感測器，可探測包括地震、電磁、溫度、濕度、雜訊、光強度、壓力、土壤成分、移動物體的大小、速度和方向等周邊環境中多種多樣的現象。潛在的應用領域可以歸納為: 軍事、航空、防爆、救災、環境、醫療、保健、家居、工業、商業等領域。
㈩ Zigbee無線感測網路的模擬軟體有哪些
IAR集成環境，TI燒寫軟體，串口助手