无线传感网络节点（精选12篇）
无线传感网络节点 第1篇
关键词：无线传感器网络,节点,能耗
引言
无线传感器网络 (Wireless Sensor Network, WSN) 是当前国际上备受关注的、由多学科高度交叉的新兴前沿研究热点。无线传感器网络包括传感器节点 (node) 、汇聚节点 (Sink node) 、外部网络和用户界面。大量传感器节点随机部署在感知区域, 通过自组织方式构成网络, 传感器节点将采集到的数据沿着其他传感器节点逐跳进行传输, 经过多跳路由后到汇聚节点, 再由汇聚节点通过外部网络把数据传送到处理中心进行集中处理。
1 无线传感器网络节点概述
1.1 节点组成
无线传感器网络节点是一个微型嵌入式系统。节点硬件由传感器模块、微处理器模块、无线通信模块和电源模块组成, 其结构如图1所示。微处理器模块是节点的核心, 用来进行节点设备控制、任务调度等;无线通信模块用来完成节点间无线通信传输;传感器模块用于采集节点所处地域的温度、湿度等信息;电源模块用来为节点的正常工作、空闲、休眠等提供电能。
1.2 节点组成部分介绍
1.2.1 微处理器模块
处理器模块是无线传感器节点的核心, 应具有较高的集成度、尽可能低的能源消耗、尽量快的运行速度、尽可能多的I/O和扩展接口和尽可能低的成本。可作为Zigbee节点的微处理器有Atmega128L (Atmel公司) 、MSP430 (TI公司) 、PIC18F (Microchip公司) 、HCS08 (Motorola公司) 等。在选择处理器时应该首先考虑系统对处理能力的需要, 然后再考虑功耗问题。
1.2.2 通信技术
常用的无线通信技术有:802.1lb、802.15.4 (Zigbee) 、Bluetooth、UWB等, Zigbee是一种近距离、低复杂度、低功耗、低数据速率及低成本的双向无线通信技术, 同时支持地理定位功能, 非常适合应用在无线传感器网络中[1]。Bluetooth工作在2.4 G H z频段, 传输速率可达1 0 M b p s;缺点是传输距离只有1 0 m左右, 多用于家庭个人无线局域网。8 0 2.11b因为功耗高而应用不多。激光功耗比用电磁波低, 更安全, 但是只能直线传输, 易受大气状况影响。U W B具有发射信号功率谱密度低、系统复杂度低、安全性好、数据传输率高、能提供数厘米的定位精度等优点;缺点是传输距离只有1 0 m左右, 隔墙穿透力不好。
1.2.3 射频芯片
从性能、成本和功耗方面考虑, RFM公司的TR1000和Chipcon公司的CC1000是理想的选择。这2种芯片各有所长, TR1000功耗低一些, CC1000灵敏度高一些, 传输距离更远。还有一类无线芯片本身集成了处理器, 如CC2430是在CC2420的基础上集成了5 1内核的单片机[2];CC1010是在CC1000的基础上集成了51内核的单片机, 使得芯片的集成度进一步提高。常见的无线芯片还有Nordic公司的nRF905和nRF2401等系列芯片, 因为功耗较高, 接收灵敏度比较低, 开发难度较大, 在实际的无线传感器网络中应用较少。
1.2.4 电源模块
电源模块作为整个无线传感器节点的基础模块, 是节点正常顺利工作的保证。由于是无线网络, 所以无法采用普通的工业电能, 只能使用自己存储的能源或者是自然界的给予。自然界可利用的能量有太阳能、电磁能、振动能及核能等。因此, 采用什么能源, 采取什么样的供电方式显得尤为重要, 本模块中必须解决好能源消耗与网络运行可靠性的关系。
2 节点设计中的关键问题
2.1 降低能耗
2.1.1 休眠机制
因为节点长期处于无人值守的状况下, 有效的能耗策略必不可少。目前最常使用的策略是休眠机制, 即在节点空闲时, 使其处于休眠状态, 此时其能耗降到最低。但是休眠的节点在转回正常状态的时候, 往往会消耗大量的能量, 因此寻找合理的状态转换策略是确保休眠机制成功的关键。
2.1.2 数据融合
数据融合是另一项节能技术。多个邻近节点经常会采集同样的信息, 发送这些冗余信息就给系统增加了不必要的负担。因此, 通过本地计算和筛选, 确保发送出最有效的信息就是数据融合的任务。
2.1.3 减少不必要的功能, 突出专用性
在功能上, 无线传感器网络大都是为某一专用目的而设计的, 去掉不必要的功能, 可以节省能量, 延长节点的生存时间。因此, 在设计无线传感器网络时需要考虑:延长网络工作时间、减少不必要的功能, 突出专用性。
2.1.4 应用能提高传感器网络能量效率的协议
设计专门的提高传感器网络能量效率的协议, 这些协议涉及网络的各个层次, 如物理层可以采用超宽带无线通信技术, M A C层可以采用适合节点在休眠和工作状态间切换的接入协议, 网络层可以以节点能量作为路由度量等。L E A C H协议考虑到了传感器网络节点的能量问题, 该协议作为一种分层路由协议, 通过簇头节点与信息收集节点通信, 减少了其它节点的能量消耗。门限敏感能量有效协议 (TEEN) 通过设定两个门限值, 来减少传输节点所采集、传输的数据, 从而节省能量消耗。信道自适应能量管理 (CAEM) 协议是一种结合物理层和MAC层的跨层自适应能量管理协议。仿真表明该协议有效地减少了能量的消耗[3]。
2.2 计算和存储能力有限
传感器节点是一种微型嵌入式设备, 要求它价格低功耗小, 这些限制必然导致处理器能力比较弱, 存储器容量比较小。为了完成各种任务, 传感器节点需要完成检测数据的采集和转换、数据的管理和处理、应答汇聚节点的任务请求和节点控制等工作。如何利用有限的计算和存储资源完成诸多协同任务成为传感器网络设计的挑战。
2.3 抗干扰
传感器节点有些会设置在屋内, 也有许多会设置在户外, 由于会在各种环境下布建及设置节点, 所以节点必须具备现场环境的因应能力。现场环境可能极寒冷、极炎热、极干或极湿、或有大量沙尘, 或经常晃震 (设置在汽车内或桥梁上) , 这些都不能对节点的感测产生影响, 也不能对节点内的电路运作产生影响, 同时也不能对感测后的信息传递产生影响。因此节点设计, 不仅要考虑节点的机构 (外壳) 设计、内部电路的设计, 还要考虑通讯传递的设计, 在无线通讯的协议设计上就要格外用心[4]。
3 结束语
针对不同的应用, 目前国内外存在很多无线传感器网络节点。本文对节点的微处理器模块、通信技术、射频芯片和能量供应模块进行了分析。针对节点设计中的能耗问题, 着重讨论了降低能耗的方法。随着技术的发展, 相信无线传感器网络最终会广泛应用于人们生活的方方面面。
参考文献
[1]Akyildiz I F, Su weilian, Sankarasubramaniam Y, et a1.ErdalCayirci.Wireless sensor networks:a survey[J].Computer Networks, 2002, 38 (4) :393-422
[2]马永强等.基于ZigBee技术的射频芯片CC2430[J].新器件新技术.2006 (3) 45￣47
[3]无线传感器网络综述[OL]http://wenku.baidu.com/view/2e93a0eb6294dd88d0d26b45.html, 2010.5
无线传感网络节点 第2篇
无线传感器网络的研究离不开软硬件平台，无线传感器节点软硬件决定制约着研究的开展。
目前，实用化的无线传感器节点主要有Smart Dust、Mica、Telos系列节点，Mica系列节点在目前学术研究中的广泛应用。
Mica系列节点是加州大学伯克利分校研制的用于传感器网络研究的演示平台的试验节点。在这个演示平台上，软件和硬件是并行开发的。
图中描述了演示平台螺旋式上升的无线传感器节点软硬件发展历程，
由于该平台的硬件和软件都是公开的，所以其成为研究传感器网络的最主要的试验平台。Mica系列节点包括Wec、Renee、Mica、Mica2dot和Spec等，其中Mica和Micadot节点已经由Crossbow (1995年成立，专业从事无线传感器产业的公司)公司包装生产。
为了能够有效地利用传感器网络的资源，加州大学伯克利分校的研究人员通过比较、分析与实践，设计了面向传感器网络的TinyOS操作系统。
对于无线传感器节点软硬件，TinyOS是一个开放源代码的嵌入式操作系统，它的基本方法是定义一系列非常简单的组件模型，因此具有高度的模块化特征，使得能够快速实现各种应用。每个组件都完成一个特定的任务，整个操作系统基本上就是由一系列的组件模型组成。
无线传感网络节点 第3篇
关键词：无线传感器网络 移动锚节点 定位算法
0 引言
无线传感器网络（Wireless Sensor Network， WSN）是由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息， 并最终把这些信息发送给网络的所有者。
无线传感器网络所具有的众多类型的传感器，可探测包括地震、電磁、温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等周边环境中多种多样的现象。潜在的应用领域可以归纳为： 军事、航空、防爆、救灾、环境、医疗、保健、家居、工业、商业等领域。
传感器的准确定位既是监测目标位置信息的前提，也是实现网络拓扑管理、目标跟踪、目标轨迹预测等网络功能的基础。如何以较少的网络成本获得较多的锚节点位置信息，在网络成本与定位性能之间取得平衡是实际应用中值得研究的问题。目前比较实用的定位方式是利用一些带有GPS装置的移动锚节点按照有效规划的移动路径遍历整个监测区域，通过发送包含自身坐标的信标数据包来定位区域中的未知节点。该方法有效避免了无线传感器网络的资源浪费。对于该定位方式，移动锚节点的路径规划问题是需要解决的基本问题。
1 国内外研究现状
无线传感器网络移动锚节点定位技术领域主要集中在两个方面，即移动锚节点的路径规划问题以及移动锚节点的定位算法。
2 移动锚节点路径问题
移动锚节点的定位算法中，移动锚节点发送包含其自身位置信息的信标数据包，在其移动过的路径上形成多个虚拟锚节点，未知节点利用通信范围内的虚拟锚节点的坐标信息进行定位。有不少研究人员在移动锚节点路径方面做了研究，也取得了相应的成绩。移动锚节点路径问题大致可分为两类：静态移动锚节点路径和动态移动锚节点路径。
2.1 静态移动锚节点路径
静态移动锚节点路径是指：移动锚节点按照预先规划好的路径在网络中移动，研究正六边形移动路径的移动锚节点定位算法中，假设监测区域是正方形，移动锚节点在监测区域中按照正六边形的移动路径移动，移动锚节点每隔周期广播包含自身坐标信息在内的信标数据包。信标数据包的广播位置形成了若干个相邻的正三角形。未知节点接收通信范围内的移动锚节点信标信息，当收到满足条件的信标信息后，未知节点用相应的定位算法计算自身位置。以上提到的算法相对于动态路径规划简单易于实现，但是它们无法根据节点分布状态而灵活地变化。
2.2 动态移动锚节点路径
动态移动锚节点路径，即根据网络中节点的分布情况和移动锚节点当前位置来确定移动锚节点下一个位置。移动锚节点根据接收到的网络信息自适应调节移动路径。动态路径是不规则的图形，它利用未知节点分布信息动态调整，并且使移动路径较短，从而弥补了静态路径的短处。
3 移动锚节点的定位算法
移动锚节点的定位算法分为两类：一类是静态锚节点与移动锚节点定位未知节点，另一类只是移动锚节点定位未知节点。
3.1 静态锚节点与移动锚节点定位未知节点
MBAL和APP定位算法是典型的静态锚节点与移动锚节点的定位算法，移动锚节点通过未知节点发送的定位请求消息周期性地选择下一个移动位置，并广播包含自身坐标。未知节点通过RSSI测距方法并接收到三个以上不共线的锚节点坐标来计算出自身位置。然后，变换为静态锚节点与移动锚节点定位未知节点。
3.2 移动锚节点定位未知节点
利用移动锚节点发射信号的强度、位置信息和贝耶斯估计方法进行未知节点的位置估计。
4 小结
可以发现，尽管也有使用移动锚节点辅助定位的算法研究，但是大部分的研究主要停留在静态移动锚节点的路径规划上，并且路径规划大多针对单个移动锚节点，这种路径规划存在虚拟锚节点共线，移动路径较长和定位时间较长等问题。能精确定位的算法比较少且大多数研究都是假设在理想环境下，即没有障碍物的环境下，忽略了实际应用中存在障碍物的情况。因此障碍物环境下无线传感器网络多移动锚节点定位算法研究，使移动锚节点能在绕开障碍物的前提下，完成对网络中未知节点的精确定位，达到定位精确度高、定位覆盖范围广且定位时间短三个基本要求。
参考文献：
无线传感器网络节点定位研究 第4篇
本文提出了一种基于RSSI测距技术的DV-Hop定位算法。该算法有效利用每跳的统计信息并结合RSSI测距技术,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围。实验表明了提出的方法在不同的节点比例和节点数的情况下,定位误差和定位范围等性能与传统的定位算法相比有明显的提高,是一种有效的方法。
1 基于DV-Hop节点定位
NiculescuD等人提出了DV-Hop算法,该算法依据WSNs中节点平均每跳距离和到锚节点间的跳数乘积估计未知节点到锚节点之间的距离,然后利用极大似然估计法计算未知节点的坐标。DV-Hop算法的定位过程由三个阶段构成。DV-Hop定位算法可以分为三个步骤。第一步每个锚节点依据记录的WSNs中所有锚节点的坐标值和相距跳数值,根据如下公式:
计算平均每跳距离。
第二步,锚节点依据第一步计算得到的每跳平均距离向WSNs做一次广播,其余未知节点记录所接收到的第一个每跳平均距离,然后转发给其邻居节点。并利用公式Distancei=HopsiHopsizei,把平均每跳距离与跳数相乘,从而估算出与锚节点之间的距离。
第三步,当未知节点获得与三个以上的锚节点的距离后,利用三边测量最大似然法,实现自身定位。
2 本文提出的自定位算法
算法首先锚节点发射无线信号,在其通信半径内的其余未知节点接收锚节点信号,根据接收到的信号强弱分析得到距锚节点的距离。根据信号衰减模型,距离锚节点的距离越远,信号的衰减越大,未知节点接收到的信号越弱。而距离锚节点越近的未知节点,其接收的信号越强。因此,信号强度与节点间的距离存在一种如下映射关系。
设R表示未知节点收到锚节点的信号强度为,依据一次线性模型,D軒=A+BR,计算该未知节点距锚节点的距离,记为D軒。系数A,B可由最小二乘法求得。
设有的N个观察值D1,,Dn,R的N个观察值R1,,Rn,得到理论曲线D軒=F(R),然后使偏差平方和为最小。
无线传感器节点随机部署在应用区域内,传感器节点一般而言是固定不动。无线传感器网络具有动态的网络拓扑结构且传感器节点的通信半径固定的。采用DV-Hop定位算法时,首先计算最小跳数和平均每跳距离,然后把乘积作为距锚节点距离的估算,最后依据估算值进行三边测量。然而,对于传感器节点间实际距离与估算距离之间存在计算误差,这也是DV-Hop算法主要的定位误差来源,同时统计得到的跳数信息并没有得到充分利用。本文针对以上问题对DV-Hop算法进行改进,基于RSSI测量技术,并有效利用统计得到的跳数信息,以便降低节点间实际距离与估算距离之间的计算误差,提高定位精度和扩大定位范围。然后根据公式(2)对于不同的锚节点求解Hop-Size的平均值:
其中,n表示锚节点数,Hop-Sizei可由公式(1)求得。最后,其余未知节点根据到信标节点的一跳距离和跳数信息求得通信距离,公式如下:
在第三步中,许多二维空间定位的模型主要依据锚节点信息进行估算。设(x,y)是源节点坐标,(xi,yi)表示第i个锚节点的坐标,di表示未知节点与第i个锚节点的距离,可由公式求得:
在DV-Hop算法中,预测物理通信距离是依据锚节点位置,采用三边测量推算估计得到最终定位信息的。在本文提出的改进型DV-Hop定位算法中,不再采用三边测量法最大似然法,而采用二维空间定位算法[6]。
基于此,本文采用一种最小平方的方法,建立一种对于启发节点高性能的预测机制[7]。
根据公式(3)和(4),可以得到如公式(5)所示关系。
其中,Ei=Xi2+Yi2,K=x2+y2。
设Zc=[x,y,K]T,则有公式(6)和(7)。
根据公式(5)可以得到如公式(8)所示关系。
依据最小平方法和公式(8),可以得到如公式(9)所示关系。
然后,对于未知节点的位置,(x,y)表示如公式(10)所示。
3 实验结果与分析
本文实验平台建立在MATLAB7.0上,对本文提出的方法进行仿真实验并进行分析。在仿真实验型中,假设一个二维WSNs中有N个节点,它们分布于一块L*L的正方形区域内,无障碍或干扰,其中锚节点坐标已知。假设节点的通信模型是以自身为中心的圆,通信半径用R表示;锚节点与未知节点的通信能力相同,通信半径均为R;节点具有对称的通信能力,发送和接收能力相同。图1给出了DV-Hop算法和本文提出的算法在不同锚节点数量的相对定位误差与锚节点数的关系。由图1可知,本文提出的改进型算法与原始的DV-Hop算法相比在定位上取得了较好的性能。定位误差随着锚节点的增加显著降低。在锚节点数比例相同的情况下,改进型DV-Hop算法在相同WSNs通信环境下定位误差明显低于原始的DV-Hop算法。
图2改表示的是本文提出的算法分别在传感器节点随机部署和统一部署两种情况下的定位误差的变化趋势。从图4可以看出,改进型DV-Hop算法能够有效地降低定位误差,扩大定位覆盖范围。例如,当传感器节点数为50时,定位覆盖范围已经达到了100%。通过锚节点,有效地利用统计得到的跳数信息以及采用RSSI测距技术,定位精度更高。表明采用该改进型DV-Hop定位算法后,WSNs可以应用在对定位精度和范围要求很高的场景中。另外当锚节点统一部署时,定位精度和范围明显高于随机部署,因此,为了保证高精度定位和大范围的定位,可以在构建WSNs之前,先对锚节点进行统一高效的部署。
4 结束语
本文提出了一种适用于无线传感网的基于RSSI的DV-Hop定位算法。该算法有效利用每跳的统计信息并结合RSSI测距技术,在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围。通过仿实际验,验证了在定位误差方面的有效性,表明该算法是一种高效且准确的定位算法。
参考文献
[1]Niculescu D,Nath B.Ad hoc positioning system(APS)using AOA[J].Proc 22nd Annual Joint Conf of the IEEE Computer andCommunications Societies(INFOCOM'2003),2003(3):1734-1743.
[2]李海涵,张丕状.水下传感器网络节点定位信号设计[J].传感器与微系统,2010(1).
[3]汪汤,黄刘生,肖明军,等.一种基于RSSI校验的无线传感器网络节点定位算法[J].小型微型计算机系统,2009,30(1).
[4]廖先林,张志伟,门云会,等.传感器网络定位扩散机制中梯度生成算法的研究[J].小型微型计算机系统,2002,8(10).
无线传感网络技术论文 第5篇
[关键词]无线传感器网络
一、无线传感器网络的定义
无线传感器网络(WSN，Wireless Sensor Networks)是由大量具有通信和计算能力的微型传感器节点密集分布在监控区域内部或附近，协作地监控不同位置的物理或环境状况，且能够根据周围环境自主完成指定任务的智能测控网络系统。它综合了传感器、网络通信、嵌入式计算、无线传输、分布式信息处理等领域技术，能够通过大量微型传感器协作地监测、采集和处理网络覆盖的地理区域中感知对象的信息，并把信息发布给用户。
二、无线传感器网络的基本特征
与数字蜂窝移动通信系统(GSM)、蓝牙(Bluetooth)、无线局域网(WLAN)等无线通信网络不同，无线传感器网络是类似于传统Ad-hoe网络，没有基站设备支持，自组织、自管理的多跳网络。无线传感器网络是Ad-Hoe网络应用在传感器技术中的一种具有动态拓扑结构的组织网络。
1.自组织的网络：无线传感器网络通常具备自组织能力;
2.自管理的网络：无线传感器网络通常具备自管理能力;
3.网络规模大，分布密集：无线传感器网络中的节点数量多于传统Ad-hoc网络中的节点数量，并且分布密度大;
4.网络节点易出错：无线传感器网络中的节点较之传统Ad-hoe网络中的节点更容易出错;
5.单个节点能力较弱：无线传感器网络的节点的计算能力、存储能力十分有限，无法进行复杂的计算和数据存储;
6.节点间广播式通信：无线传感器网络节点主要采用广播方式通信，而传统Ad-hoe网络大都采用点对点通信;
7.以数据为中心的网络：与数据为中心的含义指无线传感器网络运行时，通常只关心整个任务的执行情况，用户在使用网络查询事件时，只关心是否获得了所需的数据，不关心数据是由哪个节点发来。
三、无线传感器网络的发展
，美国在先进国防研究项目局(DARPA)的一个研究项目中第一次提出无线自组织传感器网络的概念。
IEEE协会成立了IEEE802.15.4工作组，其目标是开发一种供廉价的固定、便携式或者移动设备使用的低复杂度，低成本，低速率与功耗的无线传输技术。IEEE推出了IEEE802.15.4的PHY物理层与MAC媒体接入控制层，其主要的特点就是低成本，易实现，可靠的近距离传输操作，而且可以在一个PAN(Personal area network，其范围为5-10米)里使用同一信道却有效避免冲突。在IEEE802.15.4里定义了两种网络节点：全功能节点与半功能节点。全功能节点可以与任何一个其它的节点进行通讯而半功能节点只能与全功能节点通讯。另外，超宽带无线通信(UWB[16])以其高速率、低功耗、抗多径、低成本等诸多优势，已成为室内短距离无线网络的首选方案，这为WSN网络的数据传输开辟了一种崭新的方案。
四、无线传感器网络的关键技术
无线传感器网络必须要在设计上体现以下要求：
第一，由于传感器节点的大规模和低成本特性，无线传感器网络通常不会进行节点的回收或充电，这使得能量消耗效率为系统的首要优化指标。大部分关键技术都是围绕着能量消耗问题这个性能指标来做优化的。同时，节点的大规模和随机部署的特性又要求网络拓扑结构为自组织的分布式结构。
第二，异构性是无线传感器网络的一个重要特性。无线传感器网络的异构性可以分成网络内的异构性(节点异构)和网络间的异构性两种。关键的异构因素包括节点系统差异，通信协议差异，数据管理差异和系统优化目标差异。一方面，异构互连能提供更灵活便捷的组网方式，同时，平滑的异构互连是产业化多样性的基础，系统的可扩展性也对异构性有要求。
无线传感器网络覆盖算法研究 第6篇
摘要：立足于无线传感器网络中的覆盖问题，分类总结近年来提出的覆盖算法，详细讨论了一些典型的无线传感器网络覆盖算法。
关键词：无线传感器网络覆盖
中图法分类：TP393
文献标识码：A
0引言
节点调度和密度控制是节约网络能量、延长网络生存时间的一种有效办法。本文立足于无线传感器网络中的覆盖问题，分类总结了近年来提出的覆盖算法，并详细讨论了一些典型的无线传感器网络覆盖算法。
1覆盖算法的分类
1.1确保完全覆盖的覆盖算法和不能确保完全覆盖的覆盖算法。假设部署在目标区域的传感节点组成的传感器网络能够完全覆盖目标区域。根据执行了算法之后处于活动状态的节点能否完全覆盖目标区域，把节点调度覆盖算法分为：确保完全覆盖的覆盖算法和不能确保完全覆盖的覆盖算法。前者适用于灾难救助、军事监测等对安全程度要求较高的应用领域，后者适用于环境感知、森林火灾监测等对安全程度要求较低的应用领域。前者又可分为1－覆盖和K－覆盖(K≥2)，属于K－覆盖的覆盖算法确保所有的监测目标或监测点同时都被K个不同的传感器节点所覆盖。
1.2集中式的覆盖算法和分布式的覆盖算法。根据算法实施策略来分，把覆盖算法分为：集中式的覆盖算法和分布式的覆盖算法。前者需要将整个网络的全局信息发送给一个处理节点，由处理节点单独执行完算法之后，将控制信息发送给网络中的每一个节点，因此仅适用于小型的传感器网络，不具备良好的扩展性。而后者通过利用局部信息，由邻近区域内节点之间的协作共同完成，可适用于大型的传感器网络。
1.3确保网络连通性的覆盖算法和不考虑网络连通性的覆盖算法。根据网络连通性来分，把覆盖算法分为：确保网络连通性的覆盖算法和不考虑网络连通性的覆盖算。文献已经证明，如果网络中的所有节点同构，且节点的感知模型为圆形区域感知模型，当通信半径大于或者等于2倍的传感半径时，完全覆盖目标区域的节点集构成的传感器网络一定是连通网络。然而，当通信半径小于2倍的传感半径时，不能保证网络的连通性。在不考虑通信半径与传感半径之间的关系时，确保网络连通性的覆盖算法能够保证在任意时刻，处于活动状态下的节点构成的网络是连通网络，因此收集到的传感数据能够发送到汇聚节点。
1.4依赖于节点位置信息的覆盖算法和不依赖于节点位置信息的覆盖算法。根据是否利用位置信息，把覆盖算法分为：依赖于节点位置信息的节点调度覆盖算法和不依赖于节点位置信息的覆盖算法。现有的定位技术由于硬件成本、能耗以及误差范围的限制，难以保证每个节点获得自身精确的物理位置，因此，倚赖于节点位置信息的覆盖算法可能会因为节点不能获取到准确的位置信息，导致难以达到预定的覆盖效果。
1.5基于轮次的覆盖算法和基于分组的覆盖算法。根据算法在网络生存时间内的执行次数来分，把覆盖算法分为：基于轮次的覆盖算法和基于分组的覆盖算法。基于轮次的覆盖算法要求传感器节点在每一轮的开始执行一次算法，按照某种竞争机制从所有节点中选择若干个节点作为活动节点，这种算法在传感器网络的生存时间内执行了多次。而基于分组的覆盖算法在传感器节点部署后仅执行一次，通过分组将所有传感器节点划分到若干个组内，在算法完成之后，依次调度每一组的传感器节点作为活动节点。
2典型的覆盖算法分析
2.1位置无关的覆盖算法算法属于不依赖于节点位置信息的分布式覆盖算法。该算法仅适用于圆形区域感知模型，且节点的传感半径与通信半径相等的情况。各个节点根据如下信息判断自身的传感任务是否可由邻居节点完成：1－Hop内的邻居节点，以及这些邻居节点的1－Hop邻居节点。当节点判断自身为冗佘节点，就可以关闭自身节点的传感单元进入休眠状态。
优点：①不依赖于节点的位置信息；②关闭冗余节点之后，不降低原有的覆盖率。
缺点：①只适用于圆形区域感知模型，不适用于不规则的节点感知模型：②只适用于节点的传感半径与通信半径相等的情况；③绝大部分的冗余节点都不能满足上述判断条件，因此不能进入休眠状态；④没有考虑网络的连通性。
2.2连通的随机调度覆盖算法算法属于一种不依赖于节点位置信息的基于分组的分布式覆盖算法。算法分4步完成。第1步，将所有的传感器节点分为K组，每个传感器节点随机取1到K中的某个值i，并将自身分配到第i组。第2步，每个节点获取到汇聚节点的最小跳数。汇聚节点首先向邻居节点广播包含了到汇聚节点最小跳数的消息，最小跳数的初始值为0。所有节点将记录到汇聚节点的最小跳数，同时忽略具有较大跳数的消息。然后将跳数值加1，并转发给邻居节点。通过这种方法，传感器网络中的所有节点能够记录下到汇聚节点的最小跳数。第3步，各个节点向邻居节点广播消息，其中包括自身的ID，到汇聚节点的最小跳数以及组号等信息。第四步，通过分配一些必要节点到某些组内，使每个节点能够在所属的分组内建立一条到汇聚节点的最短路径来构造连通网络。分组i内的各个节点(不妨假设为A，它的最小跳数为n)首先判断在自身邻近区域内的下游节点(下游节点是最小跳数为n-1的节点)是否有节点属于分组i，如果没有，则节点A从这些节点中任选一个，并将它同时划分到分组i，以确保节点A从第n跳到第n-1跳是连通的，依此类推，从而建立一条A到汇聚节点的最短路径。在执行完第4步之后，显然分组i构成的子网络是连通的。在算法完成之后，依次调度每一组的传感器节点作为活动节点。
优点：①不依赖于节点的位置信息；②适用于不规则感知模型：③确保了在任意时刻网络的连通性；(4)算法在节点的生命周期内仅执行了一次，节约了能量。
缺点：①各个分组内的节点分布不均匀，覆盖效果较差；②维持分组连通时额外加入到分组内的节点较多。
3总结
无线传感网络节点模糊信任演化模型 第7篇
随着现代通信技术的迅猛发展,随着现代通信技术的飞速发展,无线传感器网络(WSNs)已成为近年来的学术热点并广泛应用于自动控制、生物医疗、信息检索和人工智能等领域。WSNs由若干个可以感知外界的传感器节点组成。通过转发数据包的方式将传感器节点监测的数据从源节点开始以某条路径逐步传输,传输中数据可能被多个节点处理,接力转发汇聚到目的节点。现有的传感节点通过观察节点的行为和特征,评估每个节点的可信程度以决定是否转发数据包。因此,信任评估在数据包转发中扮演着重要的角色,它决定了转发的有效性、准确性,是得出最优转发机制的决定性因素之一。
对每个节点来讲,选择信任并转发数据包可以提高信誉但会产生能耗,选择不信任不转发会影响信誉导致收益降低。因此,节点力求在信任与不信任中寻求最优选择机制,此理念与演化博弈求解目标一致。同时,节点的信任评估基于主观信念,而“信任”概念本身就是模糊的,无法用一个准确的数字来刻画该节点是可信任或不可信任的,这种不确定性使节点选择信任机制上具有一定的模糊性。
传统的节点信任模型对于节点信任选择策略给出了不同的优化方法。文献[1]在节点信任度计算方法中引入了激励机制;文献[2]在节点信任演化模型中引入了反思机制;Crosby、Ganeriwal提出了基于古典概型、贝叶斯理论等概率理论的信任评估模型[3,4];文献[5]描述了一种以数据为中心的信任评估机制(DTSN)。Yannis等人提出一种基于分布式信任管理系统的安全路由解决方案,它允许在一系列攻击下进行快速检测,并考虑了节能性[6]。Sakthidevi等人提出了一种基于模糊信任感知的路由框架,通过使用模糊化方法描述路由的节能性和信任的可靠性[7]。虽然上述模型在某种程度上优化了节点信任选择策略,但上述模型未考虑信任的主观模糊性。
本文在文献[1]的基础上结合模糊理论,对节点信任程度进行量化定义,提高了信任值分类的精确度。以节点信任策略选择的演化过程为基础,推导出节点信任演化过程中的复制动态方程以及在某种条件下演化稳定策略存在的定理,为传感器节点信任管理机制的应用提供理论基础。
1 演化博弈与模糊理论
1.1 演化博弈论概述
演化博弈重点研究博弈理论的推导过程以及动态演化的推导过程。作为博弈论理论的新分支,演化博弈允许参与者具有不完全信息。因此,在重复动态博弈行为中,参与人可以根据自己的利益不断修改自己的策略,最终在某一时刻下,整体结果达到稳定状态,此状态下即使某些个体发生突变,也不影响整体。博弈论研究了个体间竞争现象的数学理论和方法,预测它们的行为并优化策略,其中演化博弈强调的是一种动态均衡。基于演化博弈的动态理念,Taylor P等人提出了一种目前应用较广泛的复制动态模型[8],它描述了独立个体与群体的博弈过程,较好地呈现了群体在演化过程中的策略调整某些行为的变化趋势。
1.2 演化博弈与模糊理论的结合
无线传感网络中的节点信任度与传感器的行为密切相关,节点间通过判断节点信任度进行行为决策。各节点利用复制动态方程与群体进行博弈,通过不断重复模拟交互过程,动态调整自己的信任选择,以达到稳定状态。在Cantor的经典集合论中,任何事物均需要明确其内涵及外延。而在无线传感网络中,不能简单地以二值逻辑将信任值分类。并且,某一区间内的信任值可以同时属于多个信任度子集并且对于每个信任度子集的隶属度不一。这一问题就可以用模糊理论中提出的隶属函数来描述。从本质上来讲,信任度隶属函数会因为每个人对于信任概念的认知差异而不尽相同,无法找到一个统一的模式来准确地定义模糊集合,只能保证以最大程度优化信任选择结果而不能保证完美。显然,若存在完美适应问题的隶属函数,那么模糊理论的“模糊性”也不复存在了。本文对模糊控制原理进行改造转换,如图1所示,根据模糊控制算法的几个步骤对信任影响因素进行模糊控制。
2 基于模糊理论的演化博弈信任模型
2.1 模型描述
我们知道信任博弈的建立有三个特性:传感器节点行为具有有限理性、博弈的非零和性和重复性、传感器节点策略决策时具有模仿性。因此节点信任的建立将在不断地学习和变更策略中寻找最优策略,这也意味着最终得出的结果不是一次选择完成的,会在不断地调节中趋于稳定。为体现1.2节所描述的信任度主观模糊性,结合演化博弈与模糊集相关知识对模型做如下定义:
定义1影响任意节点的信任度的信任因素都是通过数次交互得出来的精确值描述的。其中,可信度计算方法如下。
首先,定义变量。T表示节点的信任度集合;UT={t|t∈0,1]}为其论域;Tn表示模糊子集T={T1,T2,T3}={Distrust,Medium,Trust};μTn(t)为模糊子集隶属函数,也可表示为Tn(t)。μTn(t)的取值范围为闭区间[0,1];μTn(t)的大小对应信任值t对于模糊子集Tn的隶属度,μTn(t)从0变化到1,对应隶属度从低到高。
其次,假设节点有m个信任因素(如转发成功率,算法复杂度,丢弃篡改数据包行为统计,容错能力等)Fi(i=1,2,…,m);ni表示第i个信任因素可分为n个模糊等级(如high,medium,low等);Li,n表示第i个信任因素的第n个等级对应的模糊子集;γi表示第i类信任因子;μLi,ni(γi)表示第i个信任因素的第n个等级对应模糊子集的隶属函数。根据成坚在文献[9]中提出的TEFL模型,罗列出每一个模糊等级可能对应的模糊子集,排列组合后,依据模糊规则重新将数据进分类。每个模糊子集的分类规则可根据信任因素的权重进行人为定义,例如,当半数以上的模糊因素的模糊等级对应的模糊子集为n,则经推理规则分类后的模糊子集为T3。Q条模糊推理规则如下:
Rule 1 if F1is L1,1and F2is L2,1and…and Fmis Lm,1,then T is T1;
Rule 2 if F1is L1,2and F2is L2,1and…and Fmis Lm,1,then T is T1;
……
Rule Q if F1is L1,n1 and F2is L2,n2 and…and Fmis Lm,n,then T is T3;
最后,子集测度并运用模糊推论法对信任因子实际值进行推论,模糊输出信任度值集合,利用高度法或重心法对模糊集合进行解模糊化,将推论所得模糊值转换为明确的可信度T*:
定义2无线传感网络节点信任博弈模型为(N,S,U)。其中,N表示无线传感网络全部节点组成的参与者集合;S={S1,S2}={不转发,转发}表示参与者策略集合,S由节点信任度T决定,二者之间关系如表1所示。值得注意的是,信任度为Medium时节点可以选择S1或S2策略,具体根据定义1中的可信度计算方法自行定义选择方式(不一定均分);U表示两个参与者经过一次博弈所得收益形成的支付矩阵。为叙述方便,记ET为节点选择S2策略并成功转发数据包带来的收益,当节点选择S1策略时收益为0;EC为节点因交互节点选择S2策略并成功转发数据包带来的收益,当交互节点选择S1策略时收益为0;C为节点自己发送数据包或转发数据包而产生的开销;W为节点选择S1或交互节点选择S1策略产生的损失;R为节点因选择转发得到的奖励。
假设所有节点数据包转发成功的概率相同。任意两个具有有限理性的节点进行交互时,可以根据信任度选择转发或不转发。由于信任因素不同会导致每个节点的信任度不同,因此每次选择的策略也会不同,形成的收益也会不同,下面以A、B节点的交互为例讨论不同情况:
(1)A、B节点信任度都为Distrust或节点信任度为Medium的节点选择S1策略,如表2中的情况1、2、5、6。此时,两个节点皆选择不转发数据包,此时两个节点收益均为-2W。
(2)A、B节点信任度都为Trust或节点信任度为Medium的节点选择S2策略,如表2中的情况11、12、15、16。此时,两个节点皆选择转发数据包,得到了转发数据包带来的收益ET以及奖励R,又因为交互节点选择转发而得到了收益EC,另外,在自己发送或转发数据包时产生开销2C,此时,两个节点收益均为ET+EC+R-2C。
(3)A、B节点因为信任度不同,一个选择S1策略而另一个选择S2策略,如表2中的情况3、4、7、8、9、10、13、14。此时,选择S2策略的节点因转发对方数据包而得到收益ET及奖励R。同时,因转发交互节点的数据包产生成本C,并且因交互节点选择S1数据包无法送达而产生的损失为W。因此,节点的总收益为ET+R-C-W。选择S1策略的节点因交互节点选择S2策略而帮助自已转发数据包得到了收益EC,同时自己发送数据包产生成本C,并且节点选择S1导致数据包无法送达而产生损失W。此时,节点的总收益为EC-C-W。
一次博弈的收益矩阵如表3所示。
2.2 演化动力学分析
对于前面推出的微分方程,其均衡点须具有一定的稳定性以及对微小扰动的抗干扰性,此时才能成为一个演化稳定状态x*,即须满足条件F'(x*)<0。
本模型中,无线传感网络节点的信任度分为Distrust、Medium、Trust,对应可选择的策略为S1(不转发)和S2(转发)。因此,设种群在h时刻的混合策略为x(h)={x1(h),x2(h)}。x(Distrust)表示在h时刻信任度为Distrust的节点的数量,x(Medium S1)表示在h时刻信任度为Medium的节点选择S1的数量,x(Medium S2)表示在h时刻信任度为Medium的节点选择S2的数量,x(Trust)表示在h时刻信任度为Trust的节点的数量。则,选择S1策略的传感器节点比例为:
选择S2策略的传感器节点比例为:
并有:
得出节点选择S1策略的收益为:
选择S2策略的收益为:
由式(4)-式(6)得到整个无线传感网络的平均收益为:
因此,由文献[10]给出的复制动态动力学方程可以得到节点模糊信任演化的复制动态动力学方程:
令F(x)=0,解出该模型的2个演化稳定状态,分别为:
定理1若ET+R-C+W<0,则无线传感器网络信任博弈的演化稳定策略为x1*=0。
定理2若ET+R-C+W>0,则无线传感器网络信任博弈的演化稳定策略为x2*=1。
证明:
易得:
当ET+R-C+W<0时,F'(0)<0,F'(1)>0,可得x1*=0是博弈模型的演化稳定状态。
当ET+R-C+W>0时,F'(0)>0,F'(1)<0,可得x2*=1是博弈模型的演化稳定状态。
定理1表明唯一的纳什均衡是双方均选择不转发策略,无论参与交互的A节点选择不转发或转发策略,B节点选择不转发的收益总是大于转发的收益。当条件符合定理1时,无论演化过程如何,参与博弈的传感器节点比例最终都会稳定在不转发策略,不信任策略都为节点达到稳定状态时的最终选择。
定理2表明唯一的纳什均衡是双方均选择转发策略,无论参与交互的A节点选择什么策略,B节点选择转发的收益总是大于不转发的收益。当条件符合定理2时,无论演化过程如何,参与博弈的传感器节点比例最终都会稳定在转发策略,信任策略都为节点达到稳定状态时的最终选择,转发策略成为无线传感网络信任博弈的严格占优策略。
由定理1、定理2可知,为了保证无线传感器网络的稳定性和安全性并尽量使节点选择转发策略,需最大化满足定理2的条件。设计中加入的激励机制,当交互中逐步增大满足定理2条件的比例时,选择不转发策略的节点比例将逐渐降低,最终达到稳态。定理1意味着节点在交互中会选择不转发策略的比例会远大于选择转发策略的比例,这会导致无线传感网络处于不稳定状态,操作时应尽量避免。
3 实验仿真及结果分析
实验基于Matlab 7.0平台。首先分析模糊信任值计算模型,通过设置不同信任影响因素系数确定节点信任度,将节点信任度结果带入演化博弈模型,接着设置ET、R、C、W的数值,模拟博弈过程,最后通过改变R值,模拟激励机制对于整个博弈过程产生了什么影响。
3.1 模糊信任值计算模型分析
为评估节点模糊信任度模型下对恶意节点的本地可信度t的影响,设置监测区域为100×100 m2,节点数目100个,交互半径为10 m随机撒在区域内。设恶意节点率为20%,丢包等恶意行为发生概率为0.70~0.99,本地信任值的更新周期为5 s。从图2中可以分析出,当恶意节点进行信任补偿时,可信度渐增;当网络攻击行为发生时,可信度骤降;恶意节点欺骗行为对节点的可信度有轻微影响,基本维持在0.1~0.2,说明该模型具有不错的容错性。可见,模糊化有效地提升了节点信任度准确性,同时也降低了恶意攻击所带来的影响。
假设节点有2个信任因素,每个信任因素可分为3个模糊等级(high,medium,low)。如图3所示,第i个信任因素的第n个等级对应模糊子集的隶属函数为:
通过模糊蕴含关系与信任因子实际值推理合成可信度模糊输出,再利用式(1)得出节点可信度T*,如图3所示。可以看出经模糊处理后的信任度较之前的更为精准,曲线更为平滑。由此得出的信任度数据在接下来的演化稳定策略验证试验中会更可靠。
3.2 演化稳定策略数值验证
为满足定理1、定理2的条件,分别设定(1):ET=3、R=3、C=10、W=3;(2):ET=3、R=6、C=10、W=3。实验结果如图4所示。
图中a曲线的参数设定符合定理1。设置节点初始选择转发策略的比例为0.99,从图中看出约经过43次博弈后,曲线a稳定在x1*=0,选择转发的节点比例达到稳定。曲线b的参数设定符合定理2。设置节点初始选择转发策略的比例为0.01,从途中看出约经过48次博弈,曲线b稳定在x2*=1,选择转发的节点比例达到稳定。由此得出x1*=0、x2*=1为此模型的演化稳定策略。
3.3 激励机制的效果
为了说明激励机制在促进传感器节点选择动作Trust上所起的作用,分别设定(1):ET=3、R=18、C=10、W=3;(2):ET=3、R=6、C=10、W=3。实验结果如图5所示。在图5中,c、d两条曲线的参数设定均符合定理2,当R=18时,需要经过38次交互达到稳定;当R=12时,需要经过43次交互达到稳定。可以分析出,在其他参数相同时,随着R的增大,达到x2*=1的速率就越快。实验结果反映出激励机制促进无线传感器网络节点选择信任策略(选择转发),从而保障博弈过程中的效用。
4 结语
信任评估是无线传感网络中研究的重要方向之一,本文提出了一种基于模糊理论的无线传感网络节点信任演化模型。通过改进演化博弈的传统的信任评估方式,利用模糊计算实现了对信任值的模糊分类。在此基础上,施行奖励机制,提高了模型演化中的收敛速率,使得模型更具有实际意义。引入模糊信任度计算可以提高信任分类及决策方案精确度,有利于提高无线传感网络节点互信度,使无线传感网络节点稳定交互。给出的动态方程为寻找稳定策略做了先决条件,在不同参数下,通过模拟节点博弈过程得出节点信任演化的规律,从而为网络的管理与设计奠定了基础。
参考文献
[1]沈士根,马绚,蒋华,等.基于演化博弈论的WSNs信任决策模型与动力学分析[J].控制与决策,2012,27(8):1133-1138.
[2]李紫川,沈士根,曹奇英.基于反思机制的WSNs节点信任演化模型[J].计算机应用研究,2014,31(5):1528-1531.
[3]Crosby G V,Pissinou N,Gadze J.A framework for trust-based cluster head election in wireless sensor networks[C]//Proceedings of IEEEWorkshop on Dependability and Security in Sensor Networks and Systems,2006:13-22.
[4]Ganeriwal S,Balzano L K,Srivastava M B.Reputation-based framework for high integrity sensor networks[J].ACM Transactions on Sensor Networks,2004,4(3):66-77.
[5]Yu J,Buyya R.A taxonomy of workflow management systems for grid computing[J].Journal of Grid Computing,2005,3(3-4):171-200.
[6]Stelios Y,Papayanoulas N,Trakadas P,et al.A distributed energy-aware trust management system for secure routing in wireless sensor networks[J].LNICST,2009,13(1):85-92.
[7]Sakthidevi I,Srievidhyajanani E.Secured fuzzy based routing framework for dynamic wireless sensor networks[C]//Proceedings of IEEE International Conference on Circuit,Power and Computing Technologies,2013:1041-1046.
[8]Taylor P D,Jonker L B.Evolutionary stable strategies and game dynamics[J].Mathematical biosciences,1978,40(1):145-156.
[9]成坚,王宏新,鲍传美,等.无线传感器网络中基于模糊逻辑的信任评估模型[J].测控技术,2012,31(4):13-16.
无线传感器网络节点定位技术综述 第8篇
无线传感器网络(WSN, Wireless Sensor Network)是由部署在监测区域内大量微型传感器节点相互协作构成的一个多跳自组织网络,其目的是协作的感知、采集和处理网络覆盖区域内被监测对象的信息,如温度、湿度、压力、移动物体的速度等,并发送给观察者[1]。WSN具有传感器节点数量大、分布广、网络动态性强、感知数据流大、单个节点成本低廉等特点。WSN技术的出现使人们获得了一种可以持续实时监测环境的新途径,是一种“无处不在”的传感技术,可以广泛应用在环境检测、医疗健康、反恐防灾等场合。
在WSN中,位置信息对传感器网络的监测活动至关重要,确定事件发生的位置或获取消息的节点位置是传感器网络基本的功能之一,对传感器网络的有效性起着关键作用。定位信息除了用于报告事件发生的地点之外,还可用于其他用途。例如,目标实时跟踪实时监视目标行动路线,预测目标前进的轨迹;协助路由直接利用节点位置信息建立数据传递的地理路由协议,可以避免信息在整个网络中的扩散,并可实现定向信息查询;网络管理利用传感器节点传回的位置信息构建网络拓扑结构,并实时统计网络覆盖情况,对节点密度低的区域及时采取必要措施;定点、定时传播用户可在指定时间将信息传递至特定区域。总之,了解节点的位置信息,可使WSN工作的目的性更强,效率更高。
从1992年AT & T[2] Laboratories Cambridge开发出室内定位系统Active Badge至今,研究者一直致力于这一领域的研究。微软研制的RADAR2[3]系统,是基于IEEE802.11无线局域网标准,可以在楼层内实现节点的定位。加利福尼亚大学构建的AHLos(Ad-Hoc Localization System)[4]系统中,未定位节点根据周围已知位置节点的分布情况,利用迭代算法进行定位。麻省理工大学开发的Cricket系统[5]可以对位于大楼内的移动或静止节点进行定位。在试验环境较为理想的条件下,上述系统能够正常工作并为节点获得定位。但是实际应用中难以避免节点测量存在误差、实际环境(如地形、温度湿度等)对测量值影响的不确定性等问题,导致节点的定位效果大受影响,目前,学术界对无线传感器网络应用于实际环境的研究尚不完善,需提出更健壮、高效的算法,促进无线传感器网络的进一步普及。
1 节点定位的基本原理
无线传感器网络中包含大量传感器节点,通常节点的放置采用随机撒布放置方式,如果依靠人工标定来确定每个节点的位置,其工作量巨大,难以完成。另一种可直接获得节点位置的方法是为每个节点配备全球定位系统(GPS),但由于节点数目众多,考虑到价格、体积、功耗等因素的限制,通常不采取这种方案。一种较合理的方法是为部分节点事先标定好准确位置或为它们配备定位系统(如GPS),这些节点通常称为锚节点。目前节点定位的研究热点集中于如何利用这些锚节点提供的位置信息与节点间的协作,来计算非锚节点的位置。
无线传感器网络定位问题的一般前提假设是:
(1) 网络具有较高的密度;
(2) 网络内每一个节点具有全网唯一的ID;
(3) 在没有特别说明的情况下,所有节点具有相同的最大通信距离;
(4) 在定位过程中,假设节点相对位置不变。
2 节点定位的方法
2.1 无线信号测量方法
节点定位的计算通常需要一些表征几何特征的原始数据,这些信息可以通过对无线信号的某些特征进行测量来获取。以下介绍几种常用的无线信号测量方法。
测量信号到达时间(TOA. Time of Arrival)[6]已知信号的传播速度,根据传播时间来计算距离,得到的结果精度高,但要求节点保持精确时间同步,对节点硬件和功耗提出了较高要求。
测量不同信号到达时间差(TDOA. Time Difference of Arrival)[7]由两节点同时发送信号,待定位节点根据两信号的到达时间差来计算距离。这种技术对硬件的要求较高,但是测距误差小。使用TDOA方法发送信号易受干扰,不适合于大规模的传感器网络。
测量接收信号到达角(AOA. Angle of Arrival)[8]通过天线阵列或多个超声波接收器感知发射节点信号的到达方向,由此获得接收节点和发射节点之间的相对方位或角度。这种技术对接收硬件要求较高。
测量节点的信号强度(RSSI. Received Signal Strength Indicator)[9]利用信号在传递过程中的衰减特性进行距离估计。已知发射节点的发射信号强度,接收节点根据收到的信号强度,计算出信号的传播损耗,基于理论和经验的信号衰减模型将传输损耗转化为距离。该方法符合低功率、低成本的要求,但信号强度易受环境的影响。
测量节点是否在发射信号的接收范围内[10]使用已知发射功率的信号,或者使用定向天线改变发射信号方向来检测接收节点是否在信号覆盖区域内,通过覆盖区域的重叠面积计算来确定节点的位置范围。
2.2 节点定位的计算方法
获得了检测量后,利于如下方法得到节点的定位。
三边(多边)计算法:已知平面上(空间上)三(多)点的位置A,B,C,以及D点到A,B,C的距离,利用几何方法可求出D点的坐标。
三角(多角)计算法:已知平面上(空间上)三(多)点的位置A,B,C,以及D点为角顶点,角边的端点为A,B,C的角度,可求出D点的坐标。
极大似然估计法:已知很多节点D的相邻节点坐标以及它们到节点D的距离或方位,使用最小均方差估计方法得到节点D的坐标。
利用范围重叠计算:
(1) 重叠区域质心算法[11,12]:定位算法首先确定包含未知节点的区域,计算这个区域的质心,并将其作为未知节点的位置。
(2) 凸规划算法[13]:将节点的定位问题转化为凸约束优化问题,然后使用半定规划和线性规划方法得到一个全局优化的解决方案。
(3) 跳数距离估算法[14]:计算节点之间的跳数,利用估算或者直接使用节点的通信半径得到平均每跳,再结合跳数估算距离。
(4) 变覆盖范围定位算法[10]:利用移动的锚节点周期性广播其当前位置,未知节点根据这些信息计算其位置(包括ID,位置,时间戳),该算法的理论基础是圆的任意两条不同弦的垂直平分线的交点即为圆的中心。或者通过锚节点的发送功率和定向天线的方向来产生多个覆盖区域。
(5) 模板匹配算法[3]:通过比较数据库中训练模板与接收信号模板实现定位,该方法被称为“指纹识别”,该方法中使用随机概率的方法对信号强度进行建模。
2.3 定位算法的分类
根据不同分类原则,可以将无线传感器网络中的定位算法做如下划分:
(1)集中式计算与分布式计算
集中式计算是指将需要的信息传送到某个中心节点进行定位计算。典型的集中式算法有凸规划[13],质心定位算法[11],MDS-MAP算法[10],APIT算法[12]等。
分布式计算是指依赖节点间的信息交换和协调,由节点自行计算的定位方式,典型的算法有Bounding Box1[15],DV-Hop[14],Robust Position1[16]等。
(2)基于测距技术的定位和无需测距技术的定位
基于测距技术通过得到节点间的距离或角度信息,使用三边测量、三角测量、极大似然估计等方法计算节点位置。无需测距定位,不需要距离和角度信息,仅根据网络连通范围等信息实现定位。典型的基于测距定位有AHLos,不需要测距的算法有质心定位算法,MDS-MAP算法,APIT算法等。
(3)绝对定位与相对定位
绝对定位的定位结果是一个标准的坐标位置,如经纬度。目前大部分WSN系统采用这种表示方式。相对定位通常以网络中部分节点为参考,建立整个网络的相对坐标系统。典型的相对定位算法有SPA[11](self-position algorithm)。而MDS-MAP定位算法可以根据网络配置的不同分别实现两种定位。
(4)细粒度定位(fine-grained)和粗粒度(coarse-grained)定位
根据接收信号强弱、时间、方向和信号模式匹配等完成定位的称为“细”,根据节点接近度进行定位的称为“粗”。高精度的定位技术往往要求较高的器件水平和能耗,在有些场合下,为了满足传感器网络节点的低成本、低能耗的要求,需要根据任务和需求选择适度“粗”的算法。细粒度的典型算法有质心算法、Active Badge[2]、凸规划等。粗粒度的典型算法有跳数距离估算法等。
(5)循环求精和一次计算
大部分定位算法都采用一次计算得到节点的位置。循环求精是在起始阶段得到节点位置的粗略估计,在循环阶段每个节点向其邻居节点广播它的位置估计,并根据从邻居节点接收的位置信息和节点间的测距结果重新计算自身位置,直至两次计算得到的位置估值之差小于一定的域值。典型的循环求精算法有Cooperative ranging[17]和Two-Phase Positioning[16]。
3 性能方法的评价标准
目前,文献中对WSN定位算法评价标准的研究尚不完善,以下介绍几种常用的评价标准。
(1)定位精度:
一般用误差值与节点的无线电测距射程的比例表示,例如定位精度为20%表示误差是射程范围的20%。
(2)锚节点的密度:
因为锚节点通常依赖人工部署或安装GPS等定位设备,使用成本较高。锚节点的使用数量是限制WSN规模、影响WSN成本的重要指标之一。
(3)功耗:
由于传感器节点的能量有限,控制功耗是WSN的一项重要工作。因此定位算法所需要的计算复杂度、时间复杂度、通信开销、存储开销等成为影响功耗的重要因素。
(4)规模:
不同的定位系统或算法所能定位目标的数量是一个重要的评价指标。节点数量增加带来了网络通信干扰、结构复杂度和通信复杂度的增加。规模的扩大对算法的适应性提出了考验。
(5)容错性和适应性:
实际应用场合存在着多种不确定性,例如多径传播、通信盲点,节点能量耗尽、损坏等。这要求定位系统和算法有较强的容错性和适应能力,能自动调整,减小不确定因素带来的错误和误差。
4 节点定位技术的发展方向
为了适应目前的器件水平,无线但感器网络还需要更低能耗、更高效的节点定位技术。目前,有关该领域的研究主要集中在以下方向:
(1) 低成本、高能效、高精度的距离或角度测量技术。
(2) 为尽量延长网络生存周期的低复杂度、低开销、低能耗的节点定位算法。
(3) 适用于大规模或超大规模无线传感器网络的低成本节点定位技术。
另外,已提出的节点定位算法研究成果大部分是基于静态网络的,对移动节点定位技术研究相对较少,适用于网络拓扑结构处于动态变化时的节点的定位技术还有待研究。
无线传感器网络的节点功耗研究 第9篇
无线传感器网络中, 节点能量由电池提供, 受到节点体积的限制, 电池容量一般不是很大[1]。由于传感器节点个数多, 成本低, 分布区域广, 而且环境复杂, 维护人员难以接近等原因, 传感器节点能量受限且通常无法补充, 因此, 网络生命周期完全依赖于传感器节点的功耗。为了节省传感器节点的功耗, 需要建立有效的数学模型。近年来, 人们一直致力于寻求最优策略, 以最大限度地提高移动节点和网络的寿命[2,3]。无线传感器网络是一种能量受限型网络, 一旦节点的能量耗尽将会直接影响整个网络功能的实现。
2 传感器节点硬件分析
以一个简单的传感器节点结构和元件构成为例进行说明。无线传感器网络由大量的传感器节点组成, 各节点协同工作, 共同完成监测任务。由于传感器网络拓扑结构动态变化, 节点在网络中的位置不固定, 因此, 不同的算法适用于不同情况下网络节点间的通信。
传感器节点结构如图1所示。节点主要由感知模块、处理模块、通信模块及能量供应模块组成。感知模块主要由传感器和模/数 (A/D) 转化器组成, 传感器用来感知和采集外部信息;A/D转化器负责将采集到的模拟信号转化为数字信号, 然后传递给数据处理模块。处理模块包括微控制器和存储器, 其中, 微控制器主要负责数据处理及协调节点各部件的工作, 因其灵活性、低成本和低功耗, 被广泛应用在嵌入式系统中;存储器用来存储节点自身监测到的数据、节点间的通信数据以及各种程序代码;通信模块负责发送和接收数据, 实现节点间的数据交换。能量供应模块负责提供节点正常工作时所需要的能量, 一般采用电池供电, 另外, 还配有能量管理模块, 来实现节点能量使用的最大化。
3 系统的数学模型
本文中, 为了节省节点功耗, 我们提出了一个数学分配模型来分析源节点和sink节点间通信时的数据分配情况, 并讨论了几种情况来模拟节点的数据发送。
传感器节点的能量分配可以理解为一个队列问题。假设一个传感器节点需要向N个不同的方向 (节点) 提供能量。不同的sink节点需要来自多个传感器节点的信号, 这些传感器节点服从参数为μ的泊松分布, 供电时间的分配服从参数为λ的泊松分布。信号的接收策略也可以遵循队列问题。为找到最优的系统解决方案, 我们假设一个队列中有n个节点。如果在任何时候都有个n不同的sink在队列中, 则
(t+Δt) 时刻, 有n个sink节点接收到信号的概率为:
代入公式 (2) , 得
当n=N, 则
代入公式 (2) , 得
Δt→0分别代入公式 (1) 、 (2) 、 (3) 、 (4) 进行化简, 得到3个稳定的系统状态方程。
通过这3个方程可得到下面的递推关系:
这样, 我们得到
该模型表明, 从一个传感器节点到N个不同sink节点的能量分配。
4 功耗计算的模型
本节将对不同的策略进行讨论, 以期找到功率分布模型的最大概率。
(1) : (N+1) P不是整数。令 (N+1) p=i+k, 其中, i为整数, k为分数, 即0<k<1, 因此:
(N+1) p的整数部分i就是特征值。
(2) : (N+1) p是整数。
经证明在这种情况下, 特征值是i。
5 仿真结果
我们对本文所提出的系统模型的网络生命周期进行了仿真, 仿真结果如图2所示。
6 结论
本文主要讨论了传感器网络的寿命问题。我们提出了一个功率分配的数学模型, 并对所有可能的情况进行了分析, 提出了传感器网络中节点部署的优化解决方案。所提出的方法的新颖之处在于, 基站可以位于任何位置而不存在缺陷。为了最大化网络生命周期, 我们对几种情况进行了分析, 并通过数学推导和模拟仿真进行了验证。这种分配模式意味着该系统的最大功率消耗取决于源节点和sink节点的数量, 以及它们连通的次数。一般来说, 如果某个节点和几个节点进行数据通信, 功率消耗会增加。如图2所示, 随着传感器节点数量的增加, 系统的寿命逐渐减小, 这与实际情况是一致的。
参考文献
[1]赵静, 潘斌, 王进, 等.无线传感器网络能耗分析与策略研究[J].通信技术, 2010, 43:88-89.
[2]Brown T X, Gabow H N, Zhang Q.Maximum Flow-Life Curve Fora Wireless Ad Hoc Network[J].ACM MobiHoc, Long Beach, CA, 2001:128-136.
无线温度传感器网络节点设计研究 第10篇
无线传感器网络广泛应用在智能农业、环境监测、医疗健康中,例如将无线温度传感器节点撒布在温室大棚、森林、病房中,及时获取相应区域温度变化,在有效实时防控灾害方面具有重大意义。因此本文依据无线传感网络节点设计方法,设计了无线温度传感器网络节点。
1无线温度传感节点模块设计
1.1温度采集模块
本文依据设计需要,温度测量精度要求为0.5 °C,因此本文选用DS18B20温度传感器[2]模块,模块的硬件电路图如图2所示
DS18B20温度模块特性
DS18B20的主要特征:1全数字温度转换及输出。2先进的单总线数据通信。3最高12位分辨率,精度可达土0.5摄氏度。412位分辨率时的最大工作周期为750毫秒。
DS18B20引脚功能:GND-电压地,DQ-单数据总线、VDD-电源电压
1.2无线收发模块设计
根据应用需要,无线模块[3,4]传输距离为500m左右,本文因此选用n RF905芯片,它是单片射频收发器。芯片工作电DC1.9~3.6V,工作在433/868/915MHz三个ISM频段,频段之间收发模式切换时<650us。引脚示意图如图3所示。
数据传输接口由SCK、MISO、MOSI以及CSN组成。
模式控制接口:控制低功耗的PWR_UP、控制正常工作TX_EN、选择发送还是接受方式的TRX_CE,在n RF905无线收发模块应用中应该注意的问题是频率配置寄存器内容,频率配置寄存器包括10个二进制位,如表1所示,
频率计算公式如下:
fRF=(422.4 + (CH_NO/10))*(1 + HFREQ_PLL) 其中fRF是射频信号频率,单位为MHZ,HFREQ_PLL是设置通道频差参数,当HFREQ_PLL =0时,通道频差100k Hz,当HFREQ_PLL =1时,通道频差200k Hz,CH_NO设置工作频率参数,由9位二进制位组成。
1.3无线温度传感网络节点
由于温室大棚、育婴室及孵化室24小时实时监控每一个节点位置的温度,节点需要低功耗微处理器,通过对比其他微处理器选用MSP430F123微处理器,使用电池盒为供电电源,图4所示为节点实物图。
2无线温度传感节点通讯
根据应用要求本文所设计的节点并不需要严格定位,只需要动态监视固定范围内的温度变化,为了降低成本及简化开发复杂程度,对普通节点编码,即对每一个节点编号,汇聚节点不停地接受普通节点发出的信号并解码,判断节点号,如图5所示,然后汇聚节点将温度信息无线发送给客户端,客户端可以根据需要将相关信息发送到移送终端。同时也可以通过客户端将命令信号发送给将汇聚节点,汇聚节点将命令发送到普通节点。汇聚节点与单一普通节点通信过程中是通过握手信号实现的,即汇聚节点与单一普通节点通信时首先检测是否是命令信号还是数据包信号,如果是数据包继续发送,如果是命令信号停止发送数据包,配置节点。
3上位机程序开发
客户端上位机程序是在Visual Studio 2005环境下开发的, 选用的画图控件是Tee Chart Pro[5]。在开发上位机绘图软件时需要安装该控件,并进行相应的设置。
在上位机温度监控界面开发过程中,主要是对汇聚节点发送的温度数据接收,然后把接收的数据通过控件中的Add XY函数显示在监控界面中,监控界面如图6所示。在监控界面中可以设置监控区域,并以不同的曲线代表不同的监测区域。如图6所示是检测区域1和区域2的温度变化曲线。
4结论
本文通过对无线温度传感网路节点模块的设计,实现温度的无线收发。设计汇聚节点与普通节点之间的无线通讯方式, 并开发上位机程序,最终能够实时监控不同区域的温度值,监测温度精度为0.5°。通过试验验证,本文研究的无线传感网络节点监控系统能够应用在监测半径为500m的区域内。
摘要：该文依据无线传感器网络技术的设计理念,设计了一种基于DS18B20温度传感器和n RF905射频模块的无线温度传感网络节点,提出了一种节点编码方式,并通过汇聚节点将信息传输到客户端,客户端可以无线监测不同区域内温度变化情况。
关键词：节点,温度传感器,无线传感器网络,无线模块,温度监测
参考文献
[1]王汝传,孙力娟.无线传感器网络技术及其应用[M].北京:人民邮电出版社,2011:292-338.
[2]颜丽娜,张铁民.基于DS18B20测温系统的设计[J].科技信息,2010(11):496-497.
[3]孙英达,徐文琴,丁立新.n RF905无线收发芯片的应用[J].机械制造与自动化,2009(6):115-117.
[4]赵建华,韩玉杰.基于n RF905的温室无线数据传输系统[J].机电产品开发与创新,2009(6):141-143.
基于无线传感网络技术的智能农业 第11篇
关键词：智能农业；监控系统；无线传感网络
中图分类号：TP277 文献标识码：A 文章编号：1674-7712 （2014） 16-0000-01
一、背景分析
传统的农业需要花费大量的劳动力进入到田间地头劳作，浇水施肥，耕地等等。不能更合理化的利用有限的资源创造更大的财富，很多时候反而浪费了资源。智能农业产品通过实时采集温室内温度、土壤温度、CO2浓度、湿度信号以及光照、叶面湿度、露点温度等一系列环境参数，自动开启或者关闭指定设备。可以根据用户的需求，随时进行处理，为农业综合生态信息的自动监测、对环境进行自动控制和智能化的管理提供了科学依据。方便人们对农田里的作物进行科学化管理，在第一时间了解它们的需求，极大的提高了资源利用率。传感技术为传统农业带来了革新与飞跃发展，成为了未来新型农业发展的必然趋势。
二、智能农业监控平台功能需求
为了方便管理人员对传感器传输过来的数据进行实时的监控，分析。具体功能：
（1）实现对农田里温度、湿度、光照、主要生长营养素等的数据采集。
（2）实现对传感器传来的数据进行实时采集、监测、查看。
（3）对超过设定阀值的异常数据进行报警，并能将数据发送到手机，方便远程管理。
（4）对所有采集的数据进行存储，生成曲线图，方便管理和分析。
（5）可以随意调用查看历史数据，并进行分析，根据分析结果实现自动灌溉。
三、无线网络的组成及其实现的核心技术
传感器网络系统通常包括传感器节点、网关/汇聚节点Router和管理节点。
（一）网关节点。负责对各节点传感器数据的采集、处理以及和外网通信，作为数据采集的传感器节点响应相应的网关请求，搜集周围信息，如温度、湿度，光照等；同时还要兼具有路由功能，依据一定的路由协议直接或者通过作为多跳中转的节点中传输到sink节点，再借助临时建立的sink链路把整个区域内所监控的數据传输到远程中心。
（二）传感器节点。采集的监测数据沿着其他传感器节点逐跳地进行传输，在传输的过程中监测数据被多个节点处理，经过多跳后路由到汇聚节点，最后通过互联网到达管理节点。传感器节点之间通信采用的是基于Zigbee技术的CC2530芯片实现。ZigBee是基于IEEE802.15.4标准的一种短距离的无线通信技术，具有低功耗、低速率、低成本、低复杂度等一系列特点。Zigbee遵循开放系统互连参考模型，协议栈包括物理层、媒质访问控制层、网络层和应用层，支持自组织网络技术。CC2530是TI公司生产的一款基于具有SOC，支持IEEE802.15.4、ZigBee、ZigBee PRO和ZigBeeRF4CE标准，具有较高的无线接收灵敏度以及抗干扰性能，其传输的距离大于75m，最高传输速率可达250Kbps。
（三）管理节点。用于动态的管理整个无线传感器网络。传感器网络的所有者通过管理节点访问无线传感器网络的资源。
（四）监控系统软件。采用模块化设计，VC++6.0软件编写，采用数据库方式实现数据存储以及读取，并相应的对参数进行控制。系统可分为登陆模块、通信模块、数据显示模块、数据库修改及管理及查询模块、专家决策系统和控制模块（主要用于控制自动灌溉等技术的实现）。
四、参数设置
农业中检测的参数主要有土壤温度、土壤湿度、光照度、CO2、土壤水分、土壤养分以及各种被控对象的开关量等。不同情况下不同，具体如下所示：
（一）温、湿度节点：用于温、湿度监测，温度传感器选用DS18B20，测温范围为-55℃～+125℃，分辨力最高达±0.0625℃，精度±0.5℃，响应时间<1s。湿度传感器的选择频率输出湿度模块HF3226（用湿敏电容HS1101制造），宽量程：10～95%RH，体积小，性能稳定，工作温度范围–40～80℃，精度±5%RH，比例线性的频率输出。
（二）光照度、CO2节点：传感器采用PD-LL，精度：±2%，测量范围0-20000lux。CO2传感器选择TGS4160（固态电化学型气体敏感元件），测量范围：0～5000ppm；加热器电流：250mA；加热器电压：5.0±0.2VDC；加热器功耗：1.25W；温度：-10～+50℃。
（三）土壤温度、养分、水分节点：土壤水分传感器选择AQUA-TEL，测量各种土壤的单位体积含水量，测量范围：0-100%，误差<3%，重复性误差<1%；土壤养分测定包括土壤有机质、pH值、氮、磷、钾pH值以及交换性钙、镁的检测，可采用离子、生物传感器。
五、结束语
无线传感器网络技术融合了传感器技术、计算机技术和网络通信技术。各传感器分工合作，自主组网，网络拓扑动态变化。具有随机部署、分布式结构、自组织、智能型、成本低、环境适应性强等等特点。将无线传感网络技术应用于农业经过近几年的研究已经接近成熟，并且将在以后的飞速发展下为世界带来更多好处。如果对传感器节点加以修改，按照自己的需求重新配置，可将其应用于更多方面，如环境监测、医疗事业、工业自动化等领域。
参考文献：
[1]李慧，刘毅.温室控制技术的发展方向[J].林业机械与木工设备，2004（05）：78-80.
[2]陆志平，秦会斌，王春芳.基于多传感器数据融合的智能火灾预警系统[J].杭州电子科技大学学报，2006（05）：123-125.
[3]于海斌，曾鹏.智能无线传感器网络系统[M].北京：科学出版社.2006.
无线传感网络节点 第12篇
信息的获取是信息技术产业链和应用环节的第一步,没有它就没有信息的传输、处理和应用,就没有信息化。当计算机的运算速度突飞猛进,数据处理和计算能力迅速提高,传输数据也变得轻而易举时,信息的采集和获取手段与这些技术的发展不协调。随着无线通信技术和电子器件技术的快速发展,低成本、低功耗、多功能的无线传感器的开发和广泛应用成为可能,在这样的背景下,传感器技术、微电子技术、网络技术和无线传感器网络技术得到迅速发展。无线传感器网络是由大量体积小、成本低,具有无线通信、传感、数据处理的传感器节点组成[1,2]。节点通过内置的各种类型传感器收集外部环境中的温度、湿度、压力和声音等信息,以无线短距离、低功耗、多跳的通信方式,将采集到的数据传输到数据处理中心。
本研究根据无线传感器网络的特点,基于TinyOS操作系统,对无线传感器网络平台的硬件和软件实现给出详细的解决方案。
1 TinyOS简介
TinyOS是美国加州大学伯克利分校专门针对无线传感器网络设计的开源操作系统,它是一个基于事件的系统。其设计的主要目标是代码量小、耗能少、并发性高、鲁棒性好,可以适应不同的应用。完整的系统由一个调度器和一些组件组成,应用程序与组件一起编译成系统。TinyOS的组件层次结构就如同一个网络协议栈,底层的组件负责接收和发送最原始的数据位,而高层的组件对这些数据进行编码、解码,更高层的组件则负责打包、路由和传输数据。TinyOS运行在每个传感器网络节点上,是上层应用和协议运行的前提。TinyOS提供了一系列可重用的组件,一个应用程序可以通过连接配置文件将各种组件连接起来,以完成它所需要的功能。基于TinyOS的开发者可以选择所需要的组件,组件库包括网络协议、分布式服务、传感器驱动和数据采集工具,这些组件都可以作为进一步开发的基础。
2 系统的硬件实现
无线传感器网络中的节点大致可以分为2类:①传感器节点,它的作用是采集周边环境数据,以进行相应的存储及处理,并通过短距离无线通信把消息发送到网关节点,同时,每个节点都是一个路由器,具有自组网的能力;②汇聚节点,它的作用是充当网关,连接传感器网络和其它外部网络。本研究主要介绍的是传感器节点的硬件平台,下面是该平台的硬件实现。
一个传感器节点一般包括传感器模块、处理控制器模块、无线通信模块和电源模块。其中,传感器模块负责对感知对象的信息采集和数据转换;处理器模块负责控制整个传感器节点的操作,存储与处理自身采集的数据以及其他节点发来的数据,并控制整个传感器节点的运行;无线通信模块负责与其他传感器节点通信,交互控制信息和收发数据业务;电源模块为传感器节点提供运行所需的能量。无线传感器节点的一般结构,如图1所示。
2.1 微控制器
处理器模块是无线传感器节点的计算核心,所有的设备控制、任务调度、通信协议和数据存储程序都在这个模块的支持下完成,所以处理器的选择在传感器节点设计中至关重要,如图2所示。本系统中,传感器节点的处理控制器模块采用的是TI公司的MSP430F1611单片机[3]。TI公司的MSP430系列单片机是一种超低功耗的16位混合信号控制器,能够在低电压下以超低功耗状态工作,其控制器具有强大的处理能力和丰富的片内外设,最近几年在国内得到了很广泛的应用。MSP430系列单片机最显著的特点就是它的超低功耗,在1.8～3.6 V电压、1 MHz的时钟条件下运行。活动模式时耗电电流仅为280 μA,在等待模式时耗电电流仅为1.6 μA,关闭模式下仅为0.1 μA,并且具有5种省电模式以及很短的唤醒时间(6 μs内就可从等待状态唤醒)。而且MSP430F1611带有“60 KB+256 B”的FLASH,10 KB RAM,可以方便高效地进行在线仿真和编程。MSP430F1611还具有多个快速的12位A/D和D/A接口,2个通用串行同步/异步收发接口和丰富的I/O口,其外围设备得到了简化。
2.2 射频模块
射频模块是节点中重要的组成部分,主要完成传感器节点之间、节点与传感器网络网关之间的数据交换功能,射频芯片选用Chipcon公司的无线收发芯片CC2420,如图3所示。CC2420是Chipcon公司推出的一款符合IEEE 802.15.4规范的2.4 GHz射频收发器,它基于Chipcon公司的SmartRF03技术,以0.18 μm CMOS工艺制成,只需极少外部元器件,性能稳定且功耗极低。CC2420采用IEEE 802.15.4规范要求的直接序列扩频方式,数据速率达250 Kbps。
CC2420使用SPI串行可编程接口协议与微控制器进行通讯。SPI接口由CSn、SI、SO和SCLK 4个引脚构成。处理器通过SPI接口访问CC2420内部寄存器和存储区。系统使用SFD、FIFI、FIFOP和CCA 4个脚表示收发数据的状态。
2.3 主机通信接口
一般传感节点将所采集的数据传送给汇聚节点后,汇聚节点通过RS232接口将数据传输给计算机,因此汇聚节点需要有主机接口。计算机进行串行通信的高电平为-3～-15 V,低电平为3～15 V,而从MSP430F1611单片机输出信号的高电平为3 V,低电平为0 V,要实现MSP430F1611单片机与计算机通信必须进行电平转换。这里笔者采用MAXIM公司生产的收发两用接口MAX3232,它可以进行TTL电平与标准RS-232电平之间的转换。
3 系统的软件实现
节点的软件平台由传感器节点软件和汇聚节点软件组成[4],它基于TinyOS-2.0操作系统开发,由nesC语言编程实现。为了保证软件可靠性并简化软件开发,一个软件程序可以同时运行于汇聚节点和一般传感器节点。传感器节点在开机后首先进行硬件自检,如果自检失败,硬件故障提示并自动关机;如果自检通过,再进行工作模式判断,使之工作于汇聚节点工作模式或工作于一般节点工作模式[5,6]。本研究主要介绍传感器节点的软件实现。
传感器节点端软件的作用是实现定时采集感知对象的数据,根据TinyOS中特定的路由协议,发往汇聚节点。软件流程如图4所示。
为了实现低功耗运行,传感器节点在活动状态和休眠状态之间轮换工作。软件控制传感器节点大部分时间处于休眠状态,每隔一段时间唤醒一次,并实时采集感知对象的数据,周期性的将采集到的数据发送给汇聚节点,与其他节点交换路由信息后,又进入休眠状态。传感器节点活动时间到即进入休眠状态,微控制器进入低功耗状态,关闭射频收发器、传感模块,只保留微控制器内部定时器和中断。
传感器网络采用广播通信方式。为了在两个节点之间建立点对点的通信关系,每个节点有一个事先分配的ID。当节点接收到一个数据包时,先取出该数据包包头的ID号与自己的ID号比较,如果一致则接收,否则就丢弃。
4 实验结果
在设计的节点样机中,本研究选用1个汇聚节点,2个传感器节点,进行组网实验。网络中的各个节点把数据传输到汇聚节点,汇聚节点通过串行口把数据传送到个人计算机。运行于个人计算机上面的后台系统对接收到的数据进行处理分析,并实现拓扑显示。实验结果表明节点工作正常,网络能自动形成拓扑结构,以实现自动组网。节点实物如图5所示。
样机测试结果表明,在室外宽敞环境中,有效的传输距离为50 m。与TI公司的CC2420DBK相比,通信距离相差很大,其原因在于射频匹配电路和天线。由于射频电路设计以及布线对通信性能会产生很大的影响,因此,射频电路还需要改进。
在3 V电源供电条件下,不计传感器功耗,样机正常工作时的发送电流消耗小于20 mA,接收电流消耗小于22 mA,待机状态下的电流消耗小于10 mA,休眠状态时的电流消耗小于500 μA,均低于同类产品,实现了低功耗设计目标。实验通过测量串联在供电线路的10 Ω电阻的两端电压,实际电流消耗则为电压差与电阻之比。在LED灯闪烁下节点发送、接收、待机状态下的示波器测量结果如图6～图8所示,其中变化较大的曲线即为电阻两端的电压差值。
5 结束语
无线传感器网络具有许多传感器网络所不可比拟的优势,随着计算机成本下降和微处理器体积缩小,无线传感器网络越来越受到人们的重视,将成为今后传感器网络发展的趋势。本研究基于TinyOS操作系统,构建了一个无线传感器网络平台,该平台实现了从周围环境中采集温湿度以及光照强度数据,并传回到终端主机进行数据处理,它具有低功耗,软件开发容易等优点,并具有广泛的应用前景。
摘要：针对无线传感器网络节点能量有限的缺点,详细介绍了无线传感器网络节点的软硬件实现,设计了以TIMSP430F1611单片机为基础的低功耗硬件平台,并基于TinyOS实现了将外界环境中采集到的温、湿度及光照数据传送至网关节点以进行处理的软件平台。组网测试结果表明,该网络能正确组网,并且满足无线传感器网络低功耗的要求,具有一定的应用价值。
关键词：无线传感器网络,TinyOS,低功耗
参考文献
[1]AKYILDIZIF S,SANKARASUBRAMANIAM Y.Wirelesssensor network:a survey[J].Computer Networks,2002,38(4):392-422.
[2]孙利民,李建中.无线传感器网络[M].北京:清华大学出版社,2005.
[3]周桦,张凤登.无线传感器网络硬件平台的选型与搭建[J].微计算机信息,2007(25):163-164.
[4]李露曦,鄢楚平.基于TinyOS的无线传感器网络平台的实现[J].微计算机信息,2008,24(8):195-197.
[5]张任,王坚峰,严海.基于ZigBee的无线传感器网络节点设计[J].机电工程,2008,25(8):18-20.
