Ⅰ 为什么在WSN中需要时间同步请举出至少三个例子。
因为WSN在物理上的分散性，加上其他因素的影响使得本地时钟与全局时钟存在失步。时间同步不仅是无线传感器网络各种应用正常运行的必要条件，并且还直接决定了其他服务的质量。一、在以广播的方式向很多接收者发送参考报文的时候二、在一个目标跟踪系统中,可能存在下面的潜在时 间同步要求:通过波束阵列确定声源位置进行目标监测,波束阵列需 要使用公共基准时间.如果用分布式无线传感器节点实现波 束阵列,就需要局部节点间的瞬时时间同步,允许的最大误 差为100s.通过目标相邻位置的连续检测,估计目标的运动 速率和方向.这种时间同步机制要求的时间同步长度和地理 范围都要比波束阵列大,精度相应有所降三、在战场通信、抢险救灾和公共集会等突发性、临时性场合。保持节点之间时间上的同步在无线传感器网络中非常重要，它是保证无线传感网络中其他通信协议的前提因为WSN在物理上的分散性，加上其他因素的影响使得本地时钟与全局时钟存在失步。时间同步不仅是无线传感器网络各种应用正常运行的必要条件，并且还直接决定了其他服务的质量。
Ⅱ 以下哪些是无线传感网的关键技术
网络拓扑控制、网络安全技术。无线传感网的关键技术包括有网络拓扑控制、网络安全技术、时间同步技术和定位技术，此类技术对于无线传感网的正常运作起到重要作用，如减少能量消耗、优化网络性能等。
Ⅲ 无线传感器网络的理论及应用的目录
第1篇总论
第1章无线传感器网络概述
1.1无线传感器网络介绍1
1.1.1无线传感器网络的概念1
1.1.2无线传感器网络的特征2
1.1.3无线传感器网络的应用4
1.2无线传感器网络的体系结构7
1.2.1无线传感器网络的系统架构7
1.2.2传感器节点的结构7
1.2.3无线传感器网络的体系结构概述8
1.3无线传感器网络的研究进展10
1.3.1无线传感器网络的发展历程10
1.3.2无线传感器网络的关键技术14
1.3.3无线传感器网络所面临的挑战14
参考文献16
第2篇无线传感器网络的通信协议
第2章无线传感器网络的物理层
2.1无线传感器网络物理层概述19
2.1.1无线传感器网络物理层的研究内容19
2.1.2无线传感器网络物理层的研究现状20
2.1.3无线传感器网络物理层的主要技术挑战22
2.2无线传感器网络的调制与编码方法22
2.2.1Mary调制机制22
2.2.2差分脉冲位置调制机制23
2.2.3自适应编码位置调制机制24
2.3超宽带技术在无线传感器网络中的应用25
2.3.1超宽带技术概述25
2.3.2超宽带技术的基本原理26
2.3.3超宽带技术的研究现状29
2.3.4基于超宽带技术的无线传感器网络31
参考文献35
第3章无线传感器网络的数据链路层
3.1无线传感器网络数据链路层概述37
3.1.1无线传感器网络数据链路层的研究内容37
3.1.2无线传感器网络数据链路层的研究现状38
3.1.3无线传感器网络数据链路层的主要技术挑战39
3.2无线传感器网络的MAC协议40
3.2.1基于竞争机制的MAC协议40
3.2.2基于时分复用的MAC协议47
3.2.3其他类型的MAC协议54
参考文献58
第4章IEEE802.15.4标准
4.1IEEE802.15.4标准概述60
4.2IEEE802.15.4的物理层60
4.2.1物理层概述60
4.2.2物理层服务规范61
4.2.3物理层帧结构65
4.3IEEE802.15.4的MAC子层65
4.3.1MAC层概述65
4.3.2MAC层的服务规范66
4.3.3MAC帧结构69
4.3.4MAC层的功能描述70
4.4基于IEEE802.15.4标准的无线传感器网络70
4.4.1组网类型70
4.4.2数据传输机制71
参考文献72
第5章无线传感器网络的网络层
5.1无线传感器网络网络层概述73
5.1.1网络层的研究内容73
5.1.2网络层的研究现状74
5.1.3网络层的主要技术挑战75
5.2无线传感器网络的路由协议75
5.2.1以数据为中心的平面路由75
5.2.2网络分层路由77
5.2.3基于查询的路由79
5.2.4地理位置路由81
5.2.5能量感知路由84
5.2.6基于QoS的路由87
5.2.7路由协议的优化88
5.3无线传感器网络中的数据包转发策略90
5.3.1包转发策略的研究背景90
5.3.2基于价格机制的包转发博弈模型91
5.3.3自发合作的包转发博弈模型93
参考文献94
第6章无线传感器网络的传输层
6.1无线传感器网络传输层概述97
6.1.1无线传感器网络传输层的研究内容97
6.1.2无线传感器网络传输层的研究现状98
6.1.3无线传感器网络传输层的主要技术挑战99
6.2无线传感器网络的传输协议99
6.2.1PSFQ传输协议99
6.2.2ESRT传输协议101
6.3无线传感器网络与其他网络的互联103
6.3.1无线传感器网络与Internet互联103
6.3.2无线传感器网络接入到网格105
参考文献109
第7章ZigBee协议规范
7.1ZigBee概述111
7.1.1ZigBee与IEEE802.15.4111
7.1.2ZigBee协议框架112
7.1.3ZigBee的技术特点113
7.2网络层规范113
7.2.1网络层概述113
7.2.2服务规范114
7.2.3帧结构与命令帧115
7.2.4功能描述116
7.3应用层规范117
7.3.1应用层概述117
7.3.2ZigBee应用支持子层117
7.3.3ZigBee应用层框架结构118
7.3.4ZigBee设备协定（profile）119
7.3.5ZigBee目标设备（ZDO）119
7.4ZigBee系统的开发119
7.4.1开发条件和注意事项119
7.4.2软件开发120
7.4.3硬件开发121
7.5基于ZigBee规范的无线传感器网络122
7.5.1无线传感器的构建122
7.5.2无线传感器网络的构建123
7.5.3基于ZigBee的无线传感器网络与RFID技术的融合124
参考文献124
第3篇无线传感器网络的核心支撑技术
第8章无线传感器网络的拓扑控制
8.1无线传感器网络的拓扑控制技术概述125
8.1.1无线传感器网络拓扑控制的研究内容125
8.1.2无线传感器网络拓扑控制的研究现状126
8.1.3无线传感器网络拓扑控制的主要技术挑战126
8.2无线传感器网络的拓扑控制算法127
8.2.1功率控制算法127
8.2.2层次拓扑结构控制算法129
8.3无线传感器网络的密度控制135
8.3.1连通支配集构造算法135
8.3.2基于概率覆盖模型的无线传感器网络密度控制算法138
参考文献140
第9章无线传感器网络的节点定位
9.1无线传感器网络的节点定位技术概述142
9.1.1无线传感器网络节点定位的研究内容142
9.1.2无线传感器网络节点定位的研究现状143
9.1.3无线传感器网络节点定位的主要技术挑战146
9.2无线传感器网络的定位机制147
9.2.1基于测距的定位算法147
9.2.2非基于测距的定位算法151
9.3一种基于测距的协作定位策略159
9.3.1刚性图理论简介159
9.3.2基于刚性图的协作定位理论160
9.3.3LCB定位算法161
9.4节点位置估计更新策略162
9.4.1动态网络问题162
9.4.2更新策略163
参考文献164
第10章无线传感器网络的时间同步
10.1无线传感器网络的时间同步概述167
10.1.1无线传感器网络时间同步的研究内容167
10.1.2无线传感器网络时间同步的研究现状168
10.1.3无线传感器网络时间同步的主要技术挑战169
10.2无线传感器网络的时间同步机制170
参考文献180
第11章无线传感器网络的网内信息处理
11.1无线传感器网络的网内信息处理概述182
11.1.1无线传感器网络网内信息处理的研究内容182
11.1.2无线传感器网络网内信息处理的研究现状183
11.1.3无线传感器网络网内信息处理的主要技术挑战184
11.2无线传感器网络的数据融合技术184
11.2.1与路由相结合的数据融合184
11.2.2基于反向组播树的数据融合186
11.2.3基于性能的数据融合187
11.2.4基于移动代理的数据融合189
11.3无线传感器网络的数据压缩技术191
11.3.1基于排序编码的数据压缩算法191
11.3.2分布式数据压缩算法192
11.3.3基于数据相关性的压缩算法194
11.3.4管道数据压缩算法194
11.4无线传感器网络的协作信号信息处理技术195
11.4.1网元层的CSIP技术195
11.4.2网络层的CSIP技术196
11.4.3应用层的CSIP技术196
11.4.4CSIP技术展望197
参考文献198
第12章无线传感器网络的安全技术
12.1无线传感器网络的安全问题概述201
12.1.1无线传感器网络安全技术的研究内容201
12.1.2无线传感器网络安全技术的研究现状202
12.1.3无线传感器网络安全技术的主要技术挑战205
12.2无线传感器网络的安全问题分析205
12.2.1无线传感器网络物理层的安全策略206
12.2.2无线传感器网络链路层的安全策略207
12.2.3无线传感器网络网络层的安全策略207
12.2.4无线传感器网络传输层和应用层的安全策略209
12.3无线传感器网络的密钥管理和入侵检测技术209
12.3.1无线传感器网络的密钥管理209
12.3.2无线传感器网络的入侵检测技术211
参考文献214
第4篇无线传感器网络的自组织管理技术
第13章无线传感器网络的节点管理
13.1无线传感器网络的节点管理概述216
13.1.1无线传感器网络节点管理的研究内容216
13.1.2无线传感器网络节点管理的研究现状217
13.1.3无线传感器网络节点管理的主要技术挑战218
13.2无线传感器网络的节点休眠/唤醒机制218
13.2.1PEAS算法218
13.2.2基于网格的调度算法219
13.2.3基于局部圆周覆盖的节点休眠机制220
13.2.4基于随机休眠调度的节能机制221
13.3无线传感器网络的节点功率管理222
13.3.1动态功率管理和动态电压调节222
13.3.2基于节点度的算法224
13.3.3基于邻近图的算法224
13.3.4基于二分法的功率控制224
13.3.5网络负载自适应功率管理算法226
参考文献227
第14章无线传感器网络的资源与任务管理
14.1无线传感器网络的资源与任务管理概述229
14.1.1无线传感器网络资源与任务管理的研究内容229
14.1.2无线传感器网络资源与任务管理的研究现状230
14.1.3无线传感器网络资源与任务管理的主要技术挑战230
14.2无线传感器网络的资源管理技术231
14.2.1自组织资源分配方式231
14.2.2计算资源分配232
14.2.3带宽资源分配235
14.3无线传感器网络的任务管理技术237
14.3.1任务分配237
14.3.2任务调度239
14.3.3负载均衡243
参考文献245
第15章无线传感器网络的数据管理
15.1无线传感器网络的数据管理概述248
15.1.1无线传感器网络数据管理的研究内容248
15.1.2无线传感器网络数据管理的研究现状249
15.1.3无线传感器网络数据管理的主要技术挑战249
15.2无线传感器网络的数据管理系统250
15.2.1TinyDB系统250
15.2.2Cougar系统251
15.2.3Dimensions系统252
15.3无线传感器网络数据管理的基本方法253
15.3.1数据模式253
15.3.2数据存储254
15.3.3数据索引255
15.3.4数据查询257
参考文献260
第16章无线传感器网络的部署、初始化和维护管理
16.1无线传感器网络的部署、初始化和维护管理概述261
16.1.1无线传感器网络部署、初始化和维护管理的研究内容261
16.1.2无线传感器网络部署、初始化和维护管理的研究现状262
16.1.3无线传感器网络部署、初始化和维护管理的主要技术挑战263
16.2无线传感器网络的部署技术264
16.2.1采用确定放置的部署技术264
16.2.2采用随机抛撒且节点不具移动能力的部署技术265
16.2.3采用随机抛撒且节点具有移动能力的部署技术265
16.3无线传感器网络的初始化技术266
16.3.1UDG模型266
16.3.2基于MIS的初始化算法266
16.3.3基于MDS的初始化算法268
16.4无线传感器网络的维护管理技术270
16.4.1覆盖与连接维护技术270
16.4.2性能监测技术271
参考文献272
第5篇无线传感器网络的开发与应用
第17章无线传感器网络的仿真技术
17.1无线传感器网络的仿真技术概述275
17.1.1网络仿真概述275
17.1.2无线传感器网络仿真研究概述275
17.2常用网络仿真软件276
17.2.1OPNET简介276
17.2.2NS279
17.2.3TOSSIM280
17.3OMNeT++仿真软件281
17.3.1OMNeT++概述281
17.3.2NED语言282
17.3.3简单模块/复合模块287
17.3.4消息290
17.3.5类库291
17.4仿真示例296
参考文献303
第18章无线传感器网络的硬件开发
18.1无线传感器网络的硬件开发概述304
18.1.1硬件系统的设计特点与要求304
18.1.2硬件系统的设计内容304
18.1.3硬件系统设计的主要挑战305
18.2传感器节点的开发305
18.2.1数据处理模块设计305
18.2.2换能器模块设计307
18.2.3无线通信模块设计307
18.2.4电源模块设计309
18.2.5外围模块设计309
18.3传感器节点原型的开发实例Mica310
18.3.1Mica系列节点简介310
18.3.2Mica系列处理器/射频板设计分析313
18.3.3Mica系列传感板设计分析315
18.3.4编程调试接口板介绍317
参考文献318
第19章无线传感器网络的操作系统
19.1无线传感器网络操作系统概述320
19.1.1无线传感器网络操作系统的设计要求320
19.1.2几种典型的无线传感器网络操作系统介绍321
19.1.3无线传感器网络操作系统设计的主要技术挑战321
19.2TinyOS操作系统322
19.2.1TinyOS的设计思路322
19.2.2TinyOS的组件模型322
19.2.3TinyOS的通信模型324
19.3基于TinyOS的应用程序运行过程解析324
19.3.1Blink程序的配件分析325
19.3.2BlinkM模块分析327
19.3.3ncc编译nesC程序的过程329
19.3.4Blink程序的运行跟踪解析329
19.3.5TinyOS的任务调度机制的实现338
19.3.6TinyOS的事件驱动机制的实现342
19.4TinyOS的使用346
19.4.1TinyOS的安装346
19.4.2创建应用程序348
19.4.3使用TOSSIM仿真调试应用程序348
19.4.4使用TinyViz进行可视化调试349
19.4.5将应用程序导入节点运行350
参考文献351
第20章无线传感器网络的软件开发
20.1无线传感器网络软件开发概述353
20.1.1无线传感器网络软件开发的特点与设计要求353
20.1.2无线传感器网络软件开发的内容354
20.1.3无线传感器网络软件开发的主要技术挑战355
20.2nesC编程语言355
20.2.1nesC语言介绍355
20.2.2nesC的语法规范356
20.2.3nesC应用程序开发364
20.3无线传感器网络的应用软件开发367
20.3.1无线传感器网络的编程模式367
20.3.2无线传感器网络的中间件设计370
20.3.3无线传感器网络的服务发现372
参考文献373
第21章无线传感器网络应用于环境监测
21.1环境监测应用概述375
21.1.1环境监测应用的场景描述375
21.1.2环境监测应用中无线传感器网络的体系架构375
21.2关键技术377
21.2.1节点部署377
21.2.2能量管理377
21.2.3通信机制378
21.2.4任务的分配与控制379
21.2.5数据采样与收集379
21.3无线传感器网络用于环境监测的实例380
21.3.1公路交通监测380
21.3.2建筑物健康状况监测384
21.3.3“狼群计划”385
参考文献387
第22章无线传感器网络应用于目标追踪
22.1目标追踪应用概述388
22.1.1目标追踪应用的场景描述388
22.1.2目标追踪应用的特点与技术挑战388
22.1.3目标追踪应用中的无线传感器网络系统架构389
22.2无线传感器网络用于目标追踪的关键技术390
22.2.1追踪步骤390
22.2.2追踪算法392
22.2.3面向目标追踪的网络布局优化400
22.3基于无线传感器网络的车辆追踪系统实例402
22.3.1系统架构402
22.3.2关键问题403
22.3.3关键技术404
参考文献407
附录英汉缩略语对照表410
Ⅳ 传感器网络中常见的时间同步机制有哪些它们有什么特点
一、传感器网络中常见的时间同步机制有：
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操作的典型例子，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。
二、特点：
1、传感节点体积小，成本低，计算能力有限。
2、传感节点数量大、易失效，具有自适应性。
3、通信半径小，带宽很低。
4、电源能量是网络寿命的关键。
5、数据管理与处理是传感器网络的核心技术。
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。从而真正实现“无处不在的计算”理念。
Ⅳ 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
Ⅵ 什么是无线传感技术
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。
无线传感器网络是新一代的传感器网络，具有非常上世纪70年代，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。
无线传感器网络可以看成是由数据获取网络、数据颁布网络和控制管理中心三部分组成的。其主要组成部分是集成有传感器、处理单元和通信模块的节点，各节点通过协议自组成一个分布式网络，再将采集来的数据通过优化后经无线电波传输给信息处理中心。
Ⅶ 什么是工业物联网
工业物联网是将具有感知、监控能力的各类采集或控制传感或控制器以及泛在技术、移动通信、智能分析等技术不断融入到工业生产过程各个环节，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终实现将传统工业提升到智能化的新阶段。从应用形式上，工业物联网的应用具有实时性、自动化、嵌入式(软件)、安全性、和信息互通互联性等特点。
工业物联网的关键技术
工业物联网技术的研究是一个跨学科的工程，它涉及自动化、通信、计算机以及管理科学等领域。工业物联网的广泛应用需要解决众多关键技术问题(见下图)
●传感器技术：价格低廉、性能良好的传感器是工业物联网应用的基石，工业物联网的发展要求更准确、更智能、更高效以及兼容性更强的传感器技术。智能数据采集技术是传感器技术发展的一个新方向。信息的泛在化对工业传感器和传感装置提出了更高的要求。具体如，微型化：元器件的微小型化，要求节约资源与能源；智能化：具备自校准、自诊断、自学习、自决策、自适应和自组织等人工智能技术；低功耗与能量获取技术：供电方式为电池、阳光、风、温度、振动等多种方式。
●设备兼容技术：大部分情况下，企业会基于现有的工业系统建造工业物联网，如何实现工业物联网中所用的传感器能够与原有设备已应用的传感器相兼容是工业物联网推广所面临的问题之一。传感器的兼容主要指数据格式的兼容与通信协议的兼容，兼容关键是标准的统一。目前，工业现场总线网络中普遍采用的如Profibus、Mos协议，已经较好地解决了兼容性问题，大多数工业设备生产厂商基于这些协议开发了各类传感器、控制器等。近年来，随着工业无线传感器网络应用日渐普遍，当前工业无线的WirelessHART、ISA100．11a以及wIA—PA3大标准均兼容了IEEE802．15．4无线网络协议，并提供了隧道传输机制兼容现有的通信协议，丰富了工业物联网系统的组成与功能。
●网络技术：网络是构成工业物联网的核心之一，数据在系统不同的层次之间通过网络进行传输。网络分为有线网络与无线网络，有线网络一般应用于数据处理中心的集群服务器、工厂内部的局域网以及部分现场总线控制网络中，能提供高速率高带宽的数据传输通道。工业无线传感器网络则是一种新兴的利用无线技术进行传感器组网以及数据传输的技术，无线网络技术的应用可以使得工业传感器的布线成本大大降低，有利于传感器功能的扩展，因此吸引了国内外众多企业和科研机构的关注。
传统的有线网络技术较为成熟，在众多场合已得到了应用验证。然而，当无线网络技术应用于工业环境时，会面临如下问题：工业现场强电磁干扰、开放的无线环境让工业机器更容易受到攻击威胁、部分控制数据需要实时传输。相对于有线网络，工业无线传感器网络技术则正处在发展阶段，它解决了传统的无线网络技术应用于工业现场环境时的不足，提供了高可靠性、高实时性以及高安全性，主要技术包括：自适应跳频、确实性通信资源调度、无线路由、低开销高精度时间同步、网络分层数据加密、网络异常监视与报警以及设备入网鉴权等。
●信息处理技术：工业信息出现爆炸式增长，工业生产过程中产生的大量数据对于工业物联网来说是一个挑战，如何有效处理、分析、记录这些数据，提炼出对工业生产有指导性建议的结果，是工业物联网的核心所在，也是难点所在。
当前业界大数据处理技术有很多，如SAP的BW系统在一定程度上解决了大数据给企业生产运营带来的问题。数据融合和数据挖掘技术的发展也使海量信息处理变得更为智能、高效。工业物联网泛在感知的特点使得人也成为了被感知的对象，通过对环境数据的分析以及用户行为的建模，可以实现生产设计、制造、管理过程中的人一人、人一机和机一机之间的行为、环境和状态感知，更加真实地反映出工业生产过程中的细节变化，以便得出更准确的分析结果。
●安全技术：工业物联网安全主要涉及数据采集安全、网络传输安全等过程，信息安全对于企业运营起到关键作用，例如在冶金、煤炭、石油等行业采集数据需要长时问的连续运行，如何保证在数据采集以及传输过程中信息的准确无误是工业物联网应用于实际生产的前提。
工业物联网的应用
●制造业供应链管理：企业利用物联网技术，能及时掌握原材料采购、库存、销售等信息，通过大数据分析还能预测原材料的价格趋向、供求关系等，有助于完善和优化供应链管理体系，提高供应链效率，降低成本。空中客车通过在供应链体系中应用传感网络技术，构建了全球制造业中规模最大、效率最高的供应链体系。
●生产过程工艺优化：工业物联网的泛在感知特性提高了生产线过程检测、实时参数采集、材料消耗监测的能力和水平，通过对数据的分析处理可以实现智能监控、智能控制、智能诊断、智能决策、智能维护，提高生产力，降低能源消耗。钢铁企业应用各种传感器和通信网络，在生产过程中实现了对加工产品的宽度、厚度、温度实时监控，提高了产品质量，优化了生产流程。
●生产设备监控管理：利用传感技术对生产设备进行健康监控，可以及时跟踪生产过程中各个工业机器设备的使用情况，通过网络把数据汇聚到设备生产商的数据分析中心进行处理，能有效地进行机器故障诊断、预测，快速、精确地定位故障原因，提高维护效率，降低维护成本。GEOil&Gas集团在全球建立了13个面向不同产品的i-Center(综合服务中心)，通过传感器和网络对设备进行了在线监测和实时监控，并提供了设备维护和故障诊断的解决方案。
●环保监测及能源管理：工业物联网与环保设备的融合可以实现对工业生产过程中产生的各种污染源及污染治理环节关键指标的实时监控。在化工、轻工、火电厂等企业布署传感器网络，不仅可以实时监测企业排污数据，而且可以通过智能化的数据报警及时发现排污异常并停止相应的生产过程，防止突发性环境污染事故发生。电信运营商已开始推广基于物联网的污染治理实时监测解决方案。
●工业安全生产管理：“安全生产”是现代化工业中的重中之重。工业物联网技术通过把传感器安装到矿山设备、油气管道、矿工设备等危险作业环境中，可以实时监测作业人员、设备机器以及周边环境等方面的安全状态信息，全方位获取生产环境中的安全要素，将现有的网络监管平台提升为系统、开放、多元的综合网络监管平台，有效保障了工业生产安全。
参考文献
1.0 1.1 李士宁,罗国佳.工业物联网技术及应用概述.电信网技术.2014,3