❶ 关于无线传感器网络的安全,你认为未来面临的攻击主要包 含哪些
根据网络层次的不同，可以将无线传感器网络容易受到的威胁分为四类：
1、物理层：主要的攻击方法为拥塞攻击和物理破坏。
2、链路层：主要的攻击方法为碰撞攻击、耗尽攻击和非公平竞争。
3、网络层：主要的攻击方法为丢弃和贪婪破坏、方向误导攻击、黑洞攻击和汇聚节点攻击。
4、传输层：主要的攻击方法为泛洪攻击和同步破坏攻击。
安全需求
由于WSN使用无线通信，其通信链路不像有线网络一样可以做到私密可控。所以在设计传感器网络时，更要充分考虑信息安全问题。
手机SIM卡等智能卡，利用公钥基础设施（Public Key Infrastructure，PKI）机制，基本满足了电信等行业对信息安全的需求。同样，亦可使用PKI来满足WSN在信息安全方面的需求。
1、数据机密性
数据机密性是重要的网络安全需求，要求所有敏感信息在存储和传输过程中都要保证其机密性，不得向任何非授权用户泄露信息的内容。
2、数据完整性
有了机密性保证，攻击者可能无法获取信息的真实内容，但接收者并不能保证其收到的数据是正确的，因为恶意的中间节点可以截获、篡改和干扰信息的传输过程。通过数据完整性鉴别，可以确保数据传输过程中没有任何改变。
3、数据新鲜性
数据新鲜性问题是强调每次接收的数据都是发送方最新发送的数据，以此杜绝接收重复的信息。保证数据新鲜性的主要目的是防止重放（Replay）攻击。
4、可用性
可用性要求传感器网络能够随时按预先设定的工作方式向系统的合法用户提供信息访问服务，但攻击者可以通过伪造和信号干扰等方式使传感器网络处于部分或全部瘫痪状态，破坏系统的可用性，如拒绝服务（Denial of Service，DoS）攻击。
5、鲁棒性
无线传感器网络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，因此，无线传感器网络对各种安全攻击应具有较强的适应性，即使某次攻击行为得逞，该性能也能保障其影响最小化。
6、访问控制
访问控制要求能够对访问无线传感器网络的用户身份进行确认，确保其合法性。
❷ 如何解决无线传感器网络存储信息安全问题
加密认正
❸ 无线多媒体传感器网络，目前存在哪些问题，并针对问题给出自己的一套解决方案，毕设内容啊!!!我不会
看一下zigbee技术，你就会有大概的思路，然后就可以在你的毕设里面灌水了。
❹ 物联网感知层面临的安全威胁有哪些如何应对这些安全威胁
感知层安全威胁
物联网感知层面临的安全威胁主要如下：
T1 物理攻击：攻击者实施物理破坏使物联网终端无法正常工作，或者盗窃终端设备并通过破解获取用户敏感信息。
T2 传感设备替换威胁：攻击者非法更换传感器设备，导致数据感知异常，破坏业务正常开展。
T3 假冒传感节点威胁：攻击者假冒终端节点加入感知网络，上报虚假感知信息，发布虚假指令或者从感知网络中合法终端节点骗取用户信息，影响业务正常开展。
T4 拦截、篡改、伪造、重放：攻击者对网络中传输的数据和信令进行拦截、篡改、伪造、重放，从而获取用户敏感信息或者导致信息传输错误，业务无法正常开展。
T5 耗尽攻击：攻击者向物联网终端泛洪发送垃圾信息，耗尽终端电量，使其无法继续工作。
T6 卡滥用威胁：攻击者将物联网终端的(U)SIM卡拔出并插入其他终端设备滥用（如打电话、发短信等），对网络运营商业务造成不利影响。
感知层由具有感知、识别、控制和执行等能力的多种设备组成，采集物品和周围环境的数据，完成对现实物理世界的认知和识别。感知层感知物理世界信息的两大关键技术是射频识别(Radio Frequency Identification，RFID)技术和无线传感器网络(Wireless Sensor Networ
k，WSN)技术。因此，探讨物联网感知层的数据信息安全，重点在于解决RFID系统和WSN系统的安全问题。
RFID技术是一种通过射频通信实现的非接触式自动识别技术。基于RFID技术的物联网感知层结构如图1所示：每个RFID系统作为一个独立的网络节点通过网关接入到网络层。因此，该系统架构下的信息安全依赖于在于单个RFID系统的信息安全。
❺ 无线传感器网络机械振动监测系统设计都可以采用哪些方案
一、无线传感器网络是工业自动化的新热点无线传感器网络的出现引起了全世界范围的广泛关注，被称为二十一世纪最具影响的技术技术之一；改变世界的10大新技术之一；全球未来的四大高技术产业之一。而无线传感器网络技术很快也将进入工业自动化和工业测控领域，大多数工业仪表和自动化产品产品都将很快嵌入无线传输功能，完成从有线到无线过渡；图一是一个典型的工业用无线传感器网络示意图，核心部分是低功耗的传感器节点（可以使用电池长期供电、太阳能电池供电，或风能、机械机械振动发电等），网络路由器（具有网状网络路由功能）和无线网关（将信息传输到工业以太网和控制中心，或者传输通过互联网联网）； 图一，典型的工业用无线传感器网络 图一，典型的工业用无线传感器网络由于市场巨大，许多在工业自动化领域的老牌劲旅，如GE、Honeywell等，都推出了各种工业无线传感器网络产品和系统，国内也有不少研究机构和大型公司公司在进行相关研究，但是，涉及无线传感器网络的技术都是高度保密的东西，我们这些普通的工程师们，很难了解其中的细节和有机会参与任何设计工作；那么，我们作为从事自动化和工业控制的普通工程师们，能否有机会自己动手，来设计适合自己应用需要的工业用无线传感器网络产品？来开发我们自己需要的无线工业自动化项目？无线SoC技术的发展，将使我们的梦想，将变为现实，目前应该是一个明显的转折点和交汇点。回答的肯定的：我们完全可能自己动手，设计适合自己应用特点的工业用无线传感器网络；二、选择合适的微控制器和开发平台二、选择合适的微控制器和开发平台工业环境中的射频通信条件较为恶劣，厂房中遍布的各种大型器械、金属管道等对信号的反射、散射造成的多径效应，以及马达、器械运转时产生的电磁噪声，都会干扰无线信号的正确接收，同时，工业环境强烈的电磁干扰，也对使用在工业无线传感器网络的核心微处理器提出了新的挑战。我们自己动手设计在这样环境中运行的工业网络系统，首先需要选择合适的微处理器和高频电路；图二是一个典型的工业无线传感器网络节点硬件结构示意图 图二工业无线传感器网络节点示意图 图二工业无线传感器网络节点示意图目前TI公司和FREESCALE公司推出的3套最新无线单片机解决方案：MC13224,CC2530,MSP430F5437+CC2520，都是很好的SoC微控制器解决方案，（见表一）这些方案的特点是，高度集成化设计，微处理器和无线收发部分在同一芯片内部，需要电路板面积小于2平方厘米，外围只小于很少零件，就有很强抗干扰能力。工业无线传感器网络的网关，路由器和传感器节点，都可以使用同一微处理器来设计； 主要参数 MC13224 无线单片机 CC2530 无线单片机 CC2520 +MSP430F5437 MCU结构 单芯片，ARM7内核，32位MCU 单芯片8051内核 8位MCU 两片16位MCU 无线高频前端 IEEE802.15.4 IEEE802.15.4 IEEE802.15.4 无线网络协议 ZIGBEEpro 开源和免费 ZIGBEEpro 开源和免费 ZIGBEEpro 开源和免费 无线连接链路 >100DBM >100DBM >100DBM 内置闪存 128K 256K 256K 低功耗时电池寿命 10年 5年 5年 芯片大量采购价格 每片4美元 每片3美元 每套7美元 软件开发平台 IAREWARM IAREW8051 IAREW430 硬件开发系统 ARMRF-MC13224PK C51RF-CC2530PK MSPRF-430F5437 在线仿真器 ARM WXL-CC2530 TI430 网络测试工具 网络分析仪 网络分析仪 网络分析仪 主要参数MC13224无线单片机CC2530无线单片机CC2520+MSP430F5437MCU结构单芯片，ARM7内核，32位MCU单芯片8051内核8位MCU两片16位MCU无线高频前端IEEE802.15.4IEEE802.15.4IEEE802.15.4无线网络协议ZIGBEEpro开源和免费ZIGBEEpro开源和免费ZIGBEEpro开源和免费无线连接链路>100DBM>100DBM>100DBM内置闪存128K256K256K低功耗时电池寿命10年5年5年芯片大量采购价格每片4美元每片3美元每套7美元软件开发平台IAREWARMIAREW8051IAREW430硬件开发系统ARMRF-MC13224PKC51RF-CC2530PKMSPRF-430F5437在线仿真器ARMWXL-CC2530TI430网络测试工具网络分析仪网络分析仪网络分析仪采用上述方案，在保证系统可靠性的前提下，最大的特点是经济和方便，因为无线单片机芯片价格很低，甚至已经低于许多类型普通单片机，设计者可以放手进行设计和调试，不必担心芯片损坏等；另外目前国内嵌入式设计的知识已经相当普及，设计工业用无线传感器网络网关，路由器，节点和设计我们熟悉的普通单片机系统，核心技术没有什么不同，而且，的IAR编译，调试系统是目前世界是最强大的商业化嵌入式C语言软件设计工具，配合成都无线龙通讯提供的无线单片机开发平台，样板工程设计，JTAG在线仿真器，你可以精确的将故障定位到每一行指令，将无线组网和通讯，实现慢动作式的重放，并随时捕获空中无线数据包装；整个无线通讯软件硬件设计的的过程，在这些高级调试开发工具的帮助下，完全透明化，可控制化，使你像开发你的其它单片机系统一样，快捷容易的完成设计任务；三、ZIGBEEpro符合工业无线网络设计要求三、ZIGBEEpro符合工业无线网络设计要求与面向家庭的无线网络技术（ZIGBEE2004到ZIGBEE2006属于这类面向家庭的技术）不同，面向工业自动化应用的无线网络技术需要满足以下五个方面需求，■高可靠性：大部分的工业控制应用要求数据的可靠传输率要超过95%。为了实现在工业现场使用无线通信来实现高可靠传输面临以下挑战，ZIGBEEpro协议栈采用2.4GHz物理层都基于DSSS（DirectSequenceSpreadSpectrum，直接序列扩频）技术（包括数据的调制，激活和休眠射频收发器,信道能量检测,信道接收数据包的链路质量指示,空闲信道评估,收发数据等）具有很强抗干扰能力，而且MAC层和应用层(APS部分)有应答重传功能，另外MAC层的CSMA机制使节点发送之前先监听信道，也可以起到避开干扰的作用；网络层采用了网状网的组网方式，从源节点到达目的节点可以有多条路径，路径的冗余加强了网络的健壮性，如果原先的路径出现了问题，比如受到干扰，或者其中一个中间节点出现故障，ZIGBEEPRO可以进行路由修复，另选一条合适的路径来保持通信。同时，ZIGBEEPRO最新增加的频率捷变(frequencyagility)，也大大加强其作为工业网络使用的可靠性，ZigBeepro网络受到外界干扰，比如各种工业现场的无线干扰，无法正常工作时，整个ZIGBEEPRO网络可以自动动态的切换到全部16个频道的一个干净工作信道上（实现FHSS跳频功能）。和其它目前采用DSSS+FHSS的工业无线网络协议比较，ZIGBEEPRO可靠性和抗干扰性更胜一筹；采用表一的无线单片机，都可以支持ZIGBEEPRO的无线网络协议栈；■严格实时性：对于工业闭环控制应用，数据传输延迟应低于1.5倍的传感器采样时间。ZIGBEEPRO网络针对工业通信对时延敏感的应用做了优化，通信时延和从休眠状态激活的时延都非常短。设备设备搜索时延典型值为毫秒级别，休眠激活时延典型值是15ms，活动设备信道接入时延为15ms，加上ZIGBEEPRO新的路由算法，大大提高了网络路由效率；在通过多跳接力的方式进行传输的延迟大幅度降低，完全能够保证端到端通信实时性。■低能耗：用于对工业全流程进行泛在感知的无线传感器网络节点由于成本的限制和安装条件限制，通常不采用外接电源的方式，而是靠自身携带的电池供电。由于表一中列出的新型无线单片机和ZIGBEEPRO无线前端的一系列革命性的新设计，，节点的电池寿命应达到3至10年。能够实现使用最少的能源的工业用无线传感器网络；■安全性：随着工业控制系统网络化进程的推进，网络安全和数据安全问题日益突出，一些安全漏洞将给工业控制应用造成巨大的损失。无线通信由于信道的开放特征更容易受到攻击，其安全保障机制将更加复杂；为了工业网络应用设计了高安全模式(HighSecurityMode)，就是当节点加入网路时，信托中心(TrustCenter,TC)会先配一把万能金钥(MasterKey)给新加入的节点，然后，新加入的节点再用这把万能金钥透过SKKE的流程，与网路中的任何节点建立连结金钥(LinkKey)，最后再利用连结金钥加密后产生一把网路共用的网路金钥，网路金钥(NWKKey)放在应用层有效载荷中传送给对方，然后再通过网路传输加密资料。ZIGBEEPro的安全设计，完全能够实现工业无线网络对安全通讯的主要要求；而且，如表一所示的新的16位，32位无线单片机具有强大的数据处理能力，已经完全具有能力实现复杂的安全算法的能力，对应工业无线传感器网络提出的挑战。■兼容性：为了保护用户的原有投资，基于工业无线传感器网络要具有与工厂原有的有线控制系统互连和互操作的能力。采用ZIGBEEPRO设计的无线网关，能够实现和目前工业以太网，CAN总线，各种工业控制总线的无缝连接，和互联网的IP通讯。ZIGBEE也是全球无线传感器网络的重要标准，是具有很好兼容性的工业无线传感器网络网络协议软件；综上所述，以传感和控制为目标的ZIGBEEPRO无线网络，具有加强版商业级和工业的协议栈，完全可以满足上述五个方面的要求，使用ZIGBEEPRO协议栈，完全可以设计出图二所示结构那样，满足自己特别应用要求的工业无线传感器网络项目和产品；四，有线到无线，我们笑迎新的技术挑战四，有线到无线，我们笑迎新的技术挑战通过上面的简单介绍，我们看到任何工程师，都有机会来进入这个全新的技术领域，入门并不难，精通也办得到；这是因为我们生活在互联网时代，也是因为国内在这个领域已经有像深圳无线龙科技这样的一批先行者，他们出版了相关中文书籍（北航出版《无线单片机丛书》十本，最新一册是《ZIGBEE2007PRO入门与实战》），提供相关C51RF,MSPRF，ARMRF系列低价格无线单片机开发工具，同时，对ZIGBEEPRO这样的协议栈的应用提供相关技术支持，提供高频模块等服务，这样，就使我们入门进行设计开发时，更加方便容易，另外，TI，Freescale公司，提供了廉价的无线单片机芯片，高性能的免费无线网络协议栈；这些，都为我们投入这个全线的技术领域——相对复杂的工业自动传感器网络和无线工业自动控制领域，打开了方便之门；本文重点介绍的是工业无线传感器网络部分的实现，其实，在已经实现工业无线传感器网络和节点间双向通讯的前提下，实现对工业设备的无线控制控制，包括继电器，I/O,开关控制，电机控制，都已经是很容易实现的，水到渠成的事情，只需要在软件和硬件上进行一些小的扩展就可以了；从有线到无线，从传统有线工业自动化系统，到新的工业无线传感器网络系统，我们面对全新的挑战，让我们现在就出发，在这些设计开发的挑战中，去完成我们技术更新和升华；
❻ 设计无线传感器网络的节点部署方案时必须考虑哪些问题
设计无线传感器网络节点需要遵循以下几个主要的原则。
（1）微型化与低成本
由于无线传感器网络节点数量大，只有实现节点的微型化与低成本才有可能大规模部署与应用。因此节点的微型化与低成本一直是研究人员追求的主要目标之一。对于目标跟踪与位置服务一类的应用来说，部署的无线传感器节点越密，定位精度就越高。对于医疗监控类的应用来说，微型节点容易被穿戴。实现节点的微型化与低成本需要考虑硬件与软件两个方面的因素，而关键是研制专用的片上系统（System on Chip，SoC）芯片。对于传统的个人计算机，内存2GB、硬盘100GB已经是常见的配置，而一个典型的无线传感器节点的内存只有4kB、程序存储空间只有10kB。正是因为传感器节点硬件配置的限制，所以节点的操作系统、应用软件结构的设计与软件编程都必须注意节约计算资源，不能够超出节点硬件可能支持的范围。
（2）低功耗
传感器节点在使用过程中受到电池能量的限制。在实际应用中，通常要求传感器节点数量很多，但是每个节点的体积很小，携带的电池能量十分有限。同时，由于无线传感器网络的节点数量多、成本低廉、部署区域的环境复杂，有些区域甚至人员不能到达，因此传感器节点通过更换电池来补充能源是不现实的。如何高效使用有限的电池能量，来最大化网络生命周期是无线传感器网络面临的最大的挑战。
传感器节点消耗能量的模块包括：传感器模块、处理器模块和无线通信模块。随着集成电路工艺的进步，处理器和传感器模块的功耗变得很低。图2-43给出了传感器节点各部分能量消耗情况。从图中可以看出，传感器节点能量的绝大部分消耗在无线通信模块。传感器节点发送信息消耗的电能比计算更大，传输1bit信号到相距100m的其他节点需要的能量相当于执行3000条计算指令消耗的能量。
图2-43传感器节点各部分能量消耗情况无线通信模块存在四种状态：发送、接收、空闲和休眠。无线通信模块在空闲状态一直监听无线信道的使用情况，检查是否有数据发送给自己，而在休眠状态则关闭通信模块。从图中可以看到，无线通信模块在发送状态的能量消耗最大；在空闲状态和接收状态的能量消耗接近，但略少于发送状态的能量消耗；在休眠状态的能量消耗最少。为让网络通信更有效率，必须减少不必要的转发和接收，不需要通信时尽快进入休眠状态，这是设计无线传感器网络协议时需要重点考虑的问题。
（3）灵活性与可扩展性
无线传感器网络节点的灵活性与可扩展性表现在适应不同的应用系统，或部署在不同的应用场景中。例如，传感器节点可以用于森林防火的无线传感器网络中，也可以用于天然气管道安全监控的无线传感器网络中；可以用于沙漠干旱环境下天然气管道安全监控，也可以用于沼泽地潮湿环境的安全监控；可以适应单一声音传感器精确位置测量的应用，也可以适应温度、湿度与声音等多种传感器的应用；节点可以按照不同的应用需求，将不同的功能模块自由配置到系统中，而不需重新设计新的传感器节点；节点的硬件设计必须考虑提供的外部接口，可以方便地在现有的节点上直接接入新的传感器。软件设计必须考虑到可裁剪，可以方便地扩充功能，可以通过网络自动更新应用软件。
（4）鲁棒性
普通的计算机或PDA、智能手机可以通过经常性的人机交互来保证系统的正常运行。而无线传感器节点与传统信息设备最大的区别是无人值守，一旦大量无线传感器节点被飞机抛洒或人工安置后，就需要独立运行。即使是用于医疗健康的可穿戴节点，也需要独立工作，使用者无法与其交互。对于普通的计算机，如果出现故障，人们可以通过重启来恢复系统的工作状态。而在无线传感器网络的设计中，如果一个节点崩溃，那么剩余的节点将按照自组网的思路，重新组成具有新拓扑的自组网。当剩余的节点不能够组成新的网络时，这个无线传感器网络就失效了。因此传感器节点的鲁棒性是实现无线传感器网络长时间工作重要的保证。更多http://www.big-bit.com/news/list-75.html
❼ 无线传感器网络安全目标是要解决网络的哪些问题
无线通信和低功耗嵌入式技术的飞速发展，孕育出无线传感器网络(Wireless Sensor Networks, WSN)，并以其低功耗、低成本、分布式和自组织的特点带来了信息感知的一场变革，无线传感器网络是由部署在监测区域内大量的廉价微型传感器节点，通过无线通信方式形成的一个多跳自组织网络。
信息安全
很显然，现有的传感节点具有很大的安全漏洞，攻击者通过此漏洞，可方便地获取传感节点中的机密信息、修改传感节点中的程序代码，如使得传感节点具有多个身份ID，从而以多个身份在传感器网络中进行通信，另外，攻击还可以通过获取存储在传感节点中的密钥、代码等信息进行，从而伪造或伪装成合法节点加入到传感网络中。一旦控制了传感器网络中的一部分节点后，攻击者就可以发动很多种攻击，如监听传感器网络中传输的信息，向传感器网络中发布假的路由信息或传送假的传感信息、进行拒绝服务攻击等。
对策：由于传感节点容易被物理操纵是传感器网络不可回避的安全问题，必须通过其它的技术方案来提高传感器网络的安全性能。如在通信前进行节点与节点的身份认证;设计新的密钥协商方案，使得即使有一小部分节点被操纵后，攻击者也不能或很难从获取的节点信息推导出其它节点的密钥信息等。另外，还可以通过对传感节点的合法性进行认证等措施来提高节点本身的安全性能。
根据无线传播和网络部署特点，攻击者很容易通过节点间的传输而获得敏感或者私有的信息，如：在使用WSN监控室内温度和灯光的场景中，部署在室外的无线接收器可以获取室内传感器发送过来的温度和灯光信息;同样攻击者通过监听室内和室外节点间信息的传输，也可以获知室内信息，从而非法获取出房屋主人的生活习惯等私密信息。[6]
对策：对传输信息加密可以解决窃听问题，但需要一个灵活、强健的密钥交换和管理方案，密钥管理方案必须容易部署而且适合传感节点资源有限的特点，另外，密钥管理方案还必须保证当部分节点被操纵后（这样，攻击者就可以获取存储在这个节点中的生成会话密钥的信息），不会破坏整个网络的安全性。由于传感节点的内存资源有限，使得在传感器网络中实现大多数节点间端到端安全不切实际。然而在传感器网络中可以实现跳-跳之间的信息的加密，这样传感节点只要与邻居节点共享密钥就可以了。在这种情况下，即使攻击者捕获了一个通信节点，也只是影响相邻节点间的安全。但当攻击者通过操纵节点发送虚假路由消息，就会影响整个网络的路由拓扑。解决这种问题的办法是具有鲁棒性的路由协议，另外一种方法是多路径路由，通过多个路径传输部分信息，并在目的地进行重组。
传感器网络是用于收集信息作为主要目的的，攻击者可以通过窃听、加入伪造的非法节点等方式获取这些敏感信息，如果攻击者知道怎样从多路信息中获取有限信息的相关算法，那么攻击者就可以通过大量获取的信息导出有效信息。一般传感器中的私有性问题，并不是通过传感器网络去获取不大可能收集到的信息，而是攻击者通过远程监听WSN，从而获得大量的信息，并根据特定算法分析出其中的私有性问题。因此攻击者并不需要物理接触传感节点，是一种低风险、的获得私有信息方式。远程监听还可以使单个攻击者同时获取多个节点的传输的信息。
对策：保证网络中的传感信息只有可信实体才可以访问是保证私有性问题的最好方法，这可通过数据加密和访问控制来实现;另外一种方法是限制网络所发送信息的粒度，因为信息越详细，越有可能泄露私有性，比如，一个簇节点可以通过对从相邻节点接收到的大量信息进行汇集处理，并只传送处理结果，从而达到数据化。
拒绝服务攻击（DoS）
专门的拓扑维护技术研究还比较少，但相关研究结果表明优化的拓扑维护能有效地节省能量并延长网络生命周期，同时保持网络的基本属性覆盖或连通。本节中，根据拓扑维护决策器所选维护策略
在无线传感器网络的研究中，能效问题一直是热点问题。当前的处理器以及无线传输装置依然存在向微型化发展的空间，但在无线网络中需要数量更多的传感器，种类也要求多样化，将它们进行链接，这样会导致耗电量的加大。如何提高网络性能，延长其使用寿命，将不准确性误差控制在最小将是下一步研究的问题。
采集与管理数据
在今后，无线传感器网络接收的数据量将会越来越大，但是当前的使用模式对于数量庞大的数据的管理和使用能力有限。如何进一步加快其时空数据处理和管理的能力，开发出新的模式将是非常有必要的。
无线通讯的标准问题
标准的不统一会给无线传感器网络的发展带来障碍，在接下来的发展中，要开发出无线通讯标准。
❽ 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[25].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[811]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.
1.1 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viP1,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.
1.2 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(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)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=500500m2,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.运算操作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.
Fig.2 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
2.1 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Pori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操作.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.
2.2 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.
Fig.3 Moving models of sensor node
图3 传感器节点的运动模型
Fig.4 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
2.2.1 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,ij}.
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d122R,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.
Fig.6 The force on centroid
图6 质心点受力
2.2.2 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3.2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3.3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=10e6),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.
2.3 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. t0; //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)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 计算质心点cj对ci的当前斥力 ,其中,vji;
4.3.2 ;
4.4 计算质心点ci当前所受合力 沿圆周切线分量 ;
4.5 确定质心点ci运动方向;
4.6 If ( ) Then
4.6.1 质心点ci沿 方向转动固定角度;
4.6.2 调整质心点ci至新位置 ;
4.6.3 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 ;
4.7 Sleep (t);
5. End.
3 算法仿真与性能分析
我们利用VC6.0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Senetest2.0,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 500500m2
Area coverage p 0~1
Sensor number N 0~250
Sensing radius Rs 0~100m
Sensing offset angel 0º~90º
3.1 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500500m2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=65.74%
(a) 初始覆盖,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10个时间步长,p10=76.03%
(c) The 20th time step, p20=80.20%
(c) 第20个时间步长,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30个时间步长,p30=81.45%
Fig.8 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65.74%提高到81.45%,网络覆盖增强达15.71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81.20%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着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81.45%的网络覆盖率.若预期的网络覆盖率为81.45%,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.
3.2 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 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着的改变,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.
3.3 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14.40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着.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15.91%.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