㈠ 無線感測器的應用實例
橋梁健康檢測及監測橋梁結構健康監測(SHM)是一種基於感測器的主動防禦型方法，可以彌補目前安全性能十分重要的結構中，把感測器網路安置到橋梁、建築和飛機中，利用感測器進行SHM是一種可靠且不昂貴的做法，可以在第一時間檢測到缺陷的形成。這種網路可以提早向維修人員報告在關鍵結構中出現的缺陷，從而避免災難性事故。糧倉溫濕度監測無線感測器網路技術在糧庫糧倉溫度濕度監測領域應用最為普遍，這是由於糧庫糧倉溫度濕度的測點多，分布廣，使用縱橫交錯的信號線會降低防火安全系數，應用無線感測器網路技術具有低功耗，低成本，布線簡單，安裝方便，易於組網，便於管理維護等特點。混凝土澆灌溫度監測在混凝土施工過程中，將數字溫度感測器裝入導熱良好的金屬套管內，可保證感測器對混凝土溫度變化作出迅速的反應。每個溫度監測金屬管接入一個無線溫度節點，整個現場的無線溫度節點通過無線網路傳輸到施工監控中心，不需要在施工現場布放長電纜，安裝布放方便，能夠有效解決溫度測量點因為施工人員損壞電纜造成的成活率較低的問題.地震監測通過使用由大量互連的微型感測器節點組成的感測器網路，可以對不同環境進行不間斷的高精度數據搜集。採用低功耗的無線通信模塊和無線通信協議可以使感測器網路的生命期延續很長時間。保證了感測器網路的實用性。無線感測器網路相對於傳統的網路，其最明顯的特色可以用六個字來概括即：「自組織，自癒合」。這些特點使得無線感測器網路能夠適應復雜多變的環境，去監測人力難以到達的惡劣環境地區。BEETECH無線感測器網路節點體積小巧,不需現場拉線供電，非常方便在應急情況下進行靈活部署監測並預測地質災害的發生情況。建築物振動檢測建築物懸臂部分不會因為旁邊公路及地鐵交通所引發的振動而超過舒適度的要求；通過現場測量，收集數據以驗證由公路及地鐵交通所引發的振動與主樓懸臂振動之相互關系； 同時，通過模態分析得到主樓結構在小振幅脈動振動工況下前幾階振動模態的阻尼比，為將來進行結構的小振幅動力分析提供關鍵數據。本次應用採用高精度加速度感測器，捕捉大型結構微弱振動，同樣適用於風載，車輛等引起的脈動測量。
㈡ 無線感測器網路的宏觀系統架構圖
的溫度值。
無線溫度
無線溫度感測器將控制對象的溫度參數變成電信號,並對接收終端發送無線信號，對系統實行檢測、調節和控制。可直接安裝在一般工業熱電阻、熱電偶的接線盒內，與現場感測元件構成一體化結構。通常和無線中繼、接收終端、通信串口、電子計算機等配套使用，這樣不僅節省了補償導線和電纜，而且減少了信號傳遞失真和干擾，從而獲的了高精度的測量結果。
無線溫度感測器廣泛應用於化工、冶金、石油、電力、水處理、制葯、食品等自動化行業。例如：高壓電纜上的溫度採集；水下等惡劣環境的溫度
㈢ 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
㈣ 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。
㈤ 請問誰知道無線感測器網路有哪些用途，謝謝！
無線感測器網路的主要用途 ：
1.環境監測
隨著人們對於環境問題的關注程度越來越高，需要採集的環境數據也越來越多，無線感測器網路的出現為隨機性的研究數據獲取提供了便利，並且還可以避免傳統數據收集方式給環境帶來的侵入式破壞。比如，英特爾研究實驗室研究人員曾經將32個小型感測器連進互聯網，以讀出緬因州"大鴨島"上的氣候，用來評價一種海燕巢的條件。無線感測器網路還可以跟蹤候鳥和昆蟲的遷移，研究環境變化對農作物的影響，監測海洋、大氣和土壤的成分等。此外，它也可以應用在精細農業中，來監測農作物中的害蟲、土壤的酸鹼度和施肥狀況等。
2.醫療護理
羅徹斯特大學的科學家使用無線感測器創建了一個智能醫療房間，使用微塵來測量居住者的重要徵兆(血壓、脈搏和呼吸)、睡覺姿勢以及每天24小時的活動狀況。英特爾也推出了基於WSN的家庭護理技術。該技術是做為探討應對老齡化社會的技術項目Center for Aging Services Technologies(CAST)的一個環節開發的。該系統通過在鞋、傢具以家用電器等家中道具和設備中嵌入半導體感測器，幫助老齡人士、阿爾茨海默氏病患者以及殘障人士的家庭生活。利用無線通信將各感測器聯網可高效傳遞必要的信息從而方便接受護理。而且還可以減輕護理人員的負擔。英特爾主管預防性健康保險研究的董事Eric Dishman稱，"在開發家庭用護理技術方面，無線感測器網路是非常有前途的領域"。
3.軍事領域
由於無線感測器網路具有密集型、隨機分布的特點，使其非常適合應用於惡劣的戰場環境中，使其非常適合應用於惡劣的戰場環境中，包括偵察敵情、監控兵力、裝備和物資，判斷生物化學攻擊等多方面用途。美國國防部遠景計劃研究局已投資幾千萬美元，幫助大學進行"智能塵埃"感測器技術的研發。哈伯研究公司總裁阿爾門丁格預測：智能塵埃式感測器及有關的技術銷售將從2004年的1000萬美元增加到2010年的幾十億美元。
目標跟蹤
DARPA支持的Sensor IT項目探索如何將WSN技術應用於軍事領域，實現所謂「超視距」戰場監測。UCB的教授主持的Sensor Web是Sensor IT的一個子項目。原理性地驗證了應用WSN進行戰場目標跟蹤的技術可行性，翼下攜帶WSN節點的無人機(UAV)飛到目標區域後拋下節點，最終隨機布撤落在被監測區域，利用安裝在節點上的地震波感測器可以探測到外部日標，如坦克、裝甲車等，並根據信號的強弱估算距離，綜合多個節點的觀測數據，最終定位目標，並繪制出其移動的軌跡。雖然該演示系統在精度等方面還遠達不到裝備部隊用於實戰的要求，這種戰場偵察模式尚未應用於實戰，但隨著美國國防部將其武器系統研製的主要技術目標從精確制導轉向目標感知與定位，相信WSN提供的這種新穎的戰場偵察模式會受到軍方的關注。
4.其他用途
WSN還被應用於一些危險的工業環境如井礦、核電廠等，工作人員可以通過它來實施安全監測。也可以用在交通領域作為車輛監控的有力工具。此外和還可以在工業自動化生產線等諸多領域，英特爾正在對工廠中的一個無線網路進行測試，該網路由40台機器上的210個感測器組成，這樣組成的監控系統將可以大大改善工廠的運作條件。它可以大幅降低檢查設備的成本，同時由於可以提前發現問題，因此將能夠縮短停機時間，提高效率，並延長設備的使用時間。盡管無線感測器技術仍處於初步應用階段，但已經展示出了非凡的應用價值，相信隨著相關技術的發展和推進，一定會得到更大的應用。
㈥ 有誰能舉例說明物聯網中的無線感測器網路嗎
舉例1：軍事通信
在現代化戰場上，由於沒有基站等基礎設施可以利用，需要藉助無線感測器網路進行信息交換。無線感測器網路具有密集型、隨機分布等特點，非常適合應用在惡劣的戰場環境，能夠監測敵軍區域內的兵力、裝備等情況，能夠定位目標、監測核攻擊和生物化學攻擊等。無線感測器網路為未來的現代化戰爭設計了一個戰場指揮系統，該系統能夠集監視、偵查、定位、計算、智能、通信、控制和命令於一體，因而受到軍事發達國家的普遍重視。
舉例2：醫療監控
在醫療監控方面，無線感測器網路可以實現對人體生理數據的無線監控、對醫護人員和患者的追蹤、對葯品和醫療設備的監測等。美國英特爾公司目前正在研製家庭護理的無線感測器網路系統，作為美國「應對老齡化社會技術項目」的一項重要內容，無線感測器網路通過在鞋、傢具、家用電器等物體中嵌入半導體感測器，可以幫助老齡人士、阿爾茨海默氏病患者以及殘障人士接受護理，這樣可以減輕護理人員的負擔。
㈦ 關於無線感測器網路的安全,你認為未來面臨的攻擊主要包 含哪些
根據網路層次的不同，可以將無線感測器網路容易受到的威脅分為四類：
1、物理層：主要的攻擊方法為擁塞攻擊和物理破壞。
2、鏈路層：主要的攻擊方法為碰撞攻擊、耗盡攻擊和非公平競爭。
3、網路層：主要的攻擊方法為丟棄和貪婪破壞、方向誤導攻擊、黑洞攻擊和匯聚節點攻擊。
4、傳輸層：主要的攻擊方法為泛洪攻擊和同步破壞攻擊。
安全需求
由於WSN使用無線通信，其通信鏈路不像有線網路一樣可以做到私密可控。所以在設計感測器網路時，更要充分考慮信息安全問題。
手機SIM卡等智能卡，利用公鑰基礎設施（Public Key Infrastructure，PKI）機制，基本滿足了電信等行業對信息安全的需求。同樣，亦可使用PKI來滿足WSN在信息安全方面的需求。
1、數據機密性
數據機密性是重要的網路安全需求，要求所有敏感信息在存儲和傳輸過程中都要保證其機密性，不得向任何非授權用戶泄露信息的內容。
2、數據完整性
有了機密性保證，攻擊者可能無法獲取信息的真實內容，但接收者並不能保證其收到的數據是正確的，因為惡意的中間節點可以截獲、篡改和干擾信息的傳輸過程。通過數據完整性鑒別，可以確保數據傳輸過程中沒有任何改變。
3、數據新鮮性
數據新鮮性問題是強調每次接收的數據都是發送方最新發送的數據，以此杜絕接收重復的信息。保證數據新鮮性的主要目的是防止重放（Replay）攻擊。
4、可用性
可用性要求感測器網路能夠隨時按預先設定的工作方式向系統的合法用戶提供信息訪問服務，但攻擊者可以通過偽造和信號干擾等方式使感測器網路處於部分或全部癱瘓狀態，破壞系統的可用性，如拒絕服務（Denial of Service，DoS）攻擊。
5、魯棒性
無線感測器網路具有很強的動態性和不確定性，包括網路拓撲的變化、節點的消失或加入、面臨各種威脅等，因此，無線感測器網路對各種安全攻擊應具有較強的適應性，即使某次攻擊行為得逞，該性能也能保障其影響最小化。
6、訪問控制
訪問控制要求能夠對訪問無線感測器網路的用戶身份進行確認，確保其合法性。
㈧ 無線感測器網路的優缺點
一、優點
(1) 數據機密性
數據機密性是重要的網路安全需求，要求所有敏感信息在存儲和傳輸過程中都要保證其機密性，不得向任何非授權用戶泄露信息的內容。
(2)數據完整性
有了機密性保證，攻擊者可能無法獲取信息的真實內容，但接收者並不能保證其收到的數據是正確的，因為惡意的中間節點可以截獲、篡改和干擾信息的傳輸過程。通過數據完整性鑒別，可以確保數據傳輸過程中沒有任何改變。
(3) 數據新鮮性
數據新鮮性問題是強調每次接收的數據都是發送方最新發送的數據，以此杜絕接收重復的信息。保證數據新鮮性的主要目的是防止重放(Replay)攻擊。
二、缺點
根據網路層次的不同，無線感測器網路容易受到的威脅：
（1）物理層：主要的攻擊方法為擁塞攻擊和物理破壞。
（2）鏈路層：主要的攻擊方法為碰撞攻擊、耗盡攻擊和非公平競爭。
（3）網路層：主要的攻擊方法為丟棄和貪婪破壞、方向誤導攻擊、黑洞攻擊和匯聚節點攻擊。
（4）傳輸層：主要的攻擊方法為泛洪攻擊和同步破壞攻擊。
(8)惡劣環境下無線感測網路擴展閱讀：
一、相關特點
（1）組建方式自由。
無線網路感測器的組建不受任何外界條件的限制，組建者無論在何時何地，都可以快速地組建起一個功能完善的無線網路感測器網路，組建成功之後的維護管理工作也完全在網路內部進行。
（2）網路拓撲結構的不確定性。
從網路層次的方向來看，無線感測器的網路拓撲結構是變化不定的，例如構成網路拓撲結構的感測器節點可以隨時增加或者減少，網路拓撲結構圖可以隨時被分開或者合並。
（3）控制方式不集中。
雖然無線感測器網路把基站和感測器的節點集中控制了起來，但是各個感測器節點之間的控制方式還是分散式的，路由和主機的功能由網路的終端實現各個主機獨立運行，互不幹涉，因此無線感測器網路的強度很高，很難被破壞。
（4）安全性不高。
無線感測器網路採用無線方式傳遞信息，因此感測器節點在傳遞信息的過程中很容易被外界入侵，從而導致信息的泄露和無線感測器網路的損壞，大部分無線感測器網路的節點都是暴露在外的，這大大降低了無線感測器網路的安全性。
二、組成結構
無線感測器網路主要由三大部分組成，包括節點、感測網路和用戶這3部分。其中，節點一般是通過一定方式將節點覆蓋在一定的范圍，整個范圍按照一定要求能夠滿足監測的范圍。
感測網路是最主要的部分，它是將所有的節點信息通過固定的渠道進行收集，然後對這些節點信息進行一定的分析計算，將分析後的結果匯總到一個基站，最後通過衛星通信傳輸到指定的用戶端，從而實現無線感測的要求。
㈨ 物聯網無線感測器網路具有哪些特點
主要特點
大規模
為了獲取精確信息，在監測區域通常部署大量感測器節點，可能達到成千上萬，甚至更多。感測器網路的大規模性包括兩方面的含義：一方面是感測器節點分布在很大的地理區域內，如在原始大森林採用感測器網路進行森林防火和環境監測，需要部署大量的感測器節點；另一方面，感測器節點部署很密集，在面積較小的空間內，密集部署了大量的感測器節點。
感測器網路的大規模性具有如下優點：通過不同空間視角獲得的信息具有更大的信噪比；通過分布式處理大量的採集信息能夠提高監測的精確度，降低對單個節點感測器的精度要求；大量冗餘節點的存在，使得系統具有很強的容錯性能；大量節點能夠增大覆蓋的監測區域，減少洞穴或者盲區。
自組織
在感測器網路應用中，通常情況下感測器節點被放置在沒有基礎結構的地方，感測器節點的位置不能預先精確設定，節點之間的相互鄰居關系預先也不知道，如通過飛機播撒大量感測器節點到面積廣闊的原始森林中，或隨意放置到人不可到達或危險的區域。這樣就要求感測器節點具有自組織的能力，能夠自動進行配置和管理，通過拓撲控制機制和網路協議自動形成轉發監測數據的多跳無線網路系統。
在感測器網路使用過程中，部分感測器節點由於能量耗盡或環境因素造成失效，也有一些節點為了彌補失效節點、增加監測精度而補充到網路中，這樣在感測器網路中的節點個數就動態地增加或減少，從而使網路的拓撲結構隨之動態地變化。感測器網路的自組織性要能夠適應這種網路拓撲結構的動態變化。
動態性
感測器網路的拓撲結構可能因為下列因素而改變：①環境因素或電能耗盡造成的感測器節點故障或失效；②環境條件變化可能造成無線通信鏈路帶寬變化，甚至時斷時通；③感測器網路的感測器、感知對象和觀察者這三要素都可能具有移動性；④新節點的加入。這就要求感測器網路系統要能夠適應這種變化，具有動態的系統可重構性。
可靠性
WSN特別適合部署在惡劣環境或人類不宜到達的區域，節點可能工作在露天環境中，遭受日曬、風吹、雨淋，甚至遭到人或動物的破壞。感測器節點往往採用隨機部署，如通過飛機撒播或發射炮彈到指定區域進行部署。這些都要求感測器節點非常堅固，不易損壞，適應各種惡劣環境條件。
㈩ 無線感測器應用，科技讓生活五彩斑斕
現代科技飛速發展，科技更新換代帶來的信息更是強大的，而無線感測器能夠採集設備的數字信號通過無線感測器網路傳輸到監控中心的無線網關，然後直接送入計算機，最後進行分析處理。無線感測器網路是現在常見的，能夠收集到具有感測器節點組成的無線感測器網路的各類信息。無線感測器的應用廣泛且應用實例頗多，下面介紹一下無線網路感測器的應用實例。
橋梁健康檢測及監測
橋梁結構健康監測(SHM)是一種基於感測器的主動防禦型方法，可以彌補目前安全性能十分重要的結構中，把感測器網路安置到橋梁、建築和飛機中，利用感測器進行SHM是一種可靠且不昂貴的做法，可以在第一時間檢測到缺陷的形成。這種網路可以提早向維修人員報告在關鍵結構中出現的缺陷，從而避免災難性事故。
糧倉溫濕度監測
無線感測器網路技術在糧庫糧倉溫度濕度監測領域應用最為普遍，這是由於糧庫糧倉溫度濕度的測點多，分布廣，使用縱橫交錯的信號線會降低防火安全系數，應用無線感測器網路技術具有低功耗，低成本，布線簡單，安裝方便，易於組網，便於管理維護等特點。
混凝土澆灌溫度監測
在混凝土施工過程中，將數字溫度感測器裝入導熱良好的金屬套管內，可保證感測器對混凝土溫度變化作出迅速的反應。每個溫度監測金屬管接入一個無線溫度節點，整個現場的無線溫度節點通過無線網路傳輸到施工監控中心，不需要在施工現場布放長電纜，安裝布放方便，能夠有效解決溫度測量點因為施工人員損壞電纜造成的成活率較低的問題.
地震監測
通過使用由大量互連的微型感測器節點組成的感測器網路，可以對不同環境進行不間斷的高精度數據搜集。採用低功耗的無線通信模塊和無線通信協議可以使感測器網路的生命期延續很長時間。保證了感測器網路的實用性。
無線感測器網路相對於傳統的網路，其最明顯的特色可以用六個字來概括即：「自組織，自癒合」。這些特點使得無線感測器網路能夠適應復雜多變的環境，去監測人力難以到達的惡劣環境地區。BEETECH無線感測器網路節點體積小巧,不需現場拉線供電，非常方便在應急情況下進行靈活部署監測並預測地質災害的發生情況。
建築物振動檢測
建築物懸臂部分不會因為旁邊公路及地鐵交通所引發的振動而超過舒適度的要求;通過現場測量，收集數據以驗證由公路及地鐵交通所引發的振動與主樓懸臂振動之相互關系;同時，通過模態分析得到主樓結構在小振幅脈動振動工況下前幾階振動模態的阻尼比，為將來進行結構的小振幅動力分析提供關鍵數據
無線感測器的應用實例頗多，而且無線感測器的應用范圍廣泛，在現代的城市建設等重要領域都發揮著至關重要的作用。無線感測器的應用，我們也能看出來現在科技的進步對人們現代化的生活是有深刻的影響的，科技能夠讓人們的生活更加便利，更加能夠了解信息的更新。以上就是小兔介紹的無線網路的應用，希望能夠對您有所幫助。