無線感測器網路的收斂速度

① 無線感測器網路的特點與應用

無線感測器網路是一種新型的感測器網路，其主要是由大量的感測器節點組成，利用無線網路組成一個自動配置的網路系統，並將感知和收集到的信息發給管理部門。目前無線感測器網路在軍事、生態環境、醫療和家居方面都有一定應用，未來無線感測器網路的發展前景將是不可估量的。

一、無線感測器網路的特點

(一)節點數量多

在監測區通常都會安置許多感測器節點，並通過分布式處理信息，這樣就能夠提高監測的准確性，有效獲取更加精確的信息，並降低對節點感測器的精度要求。此外，由於節點數量多，因此存在許多冗餘節點，這樣就能使系統的容錯能力較強，並且節點數量多還能夠覆蓋到更廣闊的監測區域，有效減少監測盲區。

(二)動態拓撲

無線感測器網路屬於動態網路，其節點並非固定的。當某個節電出現故障或是耗盡電池後，將會退出網路，此外，還可能由於需要而被轉移添加到其他的網路當中。

(三)自組織網路

無線感測器的節點位置並不能進行精確預先設定。節點之間的相互位置也無法預知，例如通過使用飛機播散節點或隨意放置在無人或危險的區域內。在這種情況下，就要求感測器節點自身能夠具有一定的組織能力，能夠自動進行相關管理和配置。

(四)多跳路由

無線感測網路中，節點之間的距離通常都在幾十到幾百米，因此節點只能與其相鄰的節點進行直接通信。如果需要與范圍外的節點進行通信，就需要經過中間節點進行路由。無線感測網路中的多跳路由並不是專門的路由設備，所有傳輸工作都是由普通的節點完成的。

(五)以數據為中心

無線感測網路中的節點均利用編號標識。由於節點是隨機分布的，因此節點的編號和位置之間並沒有聯系。用戶在查詢事件時，只需要將事件報告給網路，並不需要告知節點編號。因此這是一種以數據為中心進行查詢、傳輸的方式。

(六)電源能力局限性

通常都是用電池對節點進行供電，而每個節點的能源都是有限的，因此一旦電池的能量消耗完，就是造成節點無法再進行正常工作。

二、無線感測器網路的應用

(一)環境監測應用

無線感測器可以用於進行氣象研究、檢測洪水和火災等，在生態環境監測中具有明顯優勢。隨著我國市場經濟的不斷發展，生態環境污染問題也越來越嚴重。我國是一個幅員遼闊、資源豐富的農業大國，因此在進行農業生產時利用無線感測器進行對生產環境變化進行監測能夠為農業生產帶來許多好處，這對我國市場經濟的'不斷發展有著重要意義。

(二)醫療護理應用

無線感測器網路通過使用互聯網路將收集到的信息傳送到接受埠，例如一些病人身上會有一些用於監測心率、血壓等的感測器節點，這樣醫生就可以隨時了解病人的病情，一旦病人出現問題就能夠及時進行臨時處理和救治。在醫療領域內感測器已經有了一些成功案例，例如芬蘭的技術人員設計出了一種可以穿在身上的無線感測器系統，還有SSIM(Smart Sensors and Integrated Microsystems)等。

(三)智能家居建築應用

文物保護單位的一個重要工作就是要對具有意義的古老建築實行保護措施。利用無線感測器網路的節點對古老建築內的溫度是、濕度、關照等進行監測，這樣就能夠對建築物進行長期有效的監控。對於一些珍貴文物的保存，對保護地的位置、溫度和濕度等提前進行檢測，可以提高展覽品或文物的保存品質。例如，英國一個博物館基於無線感測器網路設計了一個警報系統，利用放在溫度底部的節點檢測燈光、振動等信息，以此來保障文物的安全[5]。

目前我國基礎建設處在高速發展期，建設單位對各種建設工程的安全施工監測越來越關注。利用無線感測器網路使建築能夠檢測到自身狀況並將檢測數據發送給管理部門，這樣管理部門就能夠及時掌握建築狀況並根據優先等級來處理建築修復工作。

另外，在傢具或家電匯中設置無線感測器節點，利用無線網路與互聯網路，將家居環境打造成一個更加舒適方便的空間，為人們提供更加人性化和智能化的生活環境。通過實時監測屋內溫度、濕度、光照等，對房間內的細微變化進行監測和感知，進而對空調、門窗等進行智能控制，這樣就能夠為人們提供一個更加舒適的生活環境。

(四)軍事應用

無線感測器網路具有低能耗、小體積、高抗毀等特性，且其具有高隱蔽性和高度的自組織能力，這為軍事偵察提供有效手段。美國在20世紀90年代就開始在軍事研究中應用無線感測器網路。無線感測器網路在惡劣的戰場內能夠實時監控區域內敵軍的裝備，並對戰場上的狀況進行監控，對攻擊目標進行定位並能夠檢測生化武器。

目前無線感測器網路在全球許多國家的軍事、研究、工業部門都得到了廣泛的關注，尤其受到美國國防部和軍事部門的重視，美國基於C4ISR又提出了C4KISR的計劃，對戰場情報的感知和信息綜合能力又提出新的要求，並開設了如NSOF系統等的一系列軍事無線感測器網路研究。

總之，隨著無線感測器網路的研究不斷深入和擴展，人們對無線感測器的認識也越來越清晰，然而目前無線感測器網路的在技術上還存在一定問題需要解決，例如存儲能力、傳輸能力、覆蓋率等。盡管無線感測器網路還有許多技術問題待解決使得現在無法廣泛推廣和運用，但相信其未來發展前景不可估量。

② 在智能公交中 使用Zigbee技術的無線感測器網路的傳輸速率是多少怎麼計算

按照IEEE802.15.4的規范，最大傳輸速率應該是250kbps；至於具體到智能公交這個應用場景，數據速率是要看操作流程了（包括發送什麼信息，發送周期等），250kbps是理論最大值。

③ 無線感測器網路的特點及關鍵技術

無線感測器網路的特點及關鍵技術

無線感測器網路被普遍認為是二十一世紀最重要的技術之一，是目前計算機網路、無線通信和微電子技術等領域的研究熱點。下面我為大家搜索整理了關於無線感測器網路的特點及關鍵技術，歡迎參考閱讀！

一、無線感測器網路的特點

與其他類型的無線網路相比，感測器網路有著鮮明的特徵。其主要特點可以歸納如下：

（一）感測器節點能量有限。當前感測器通常由內置的電池提供能量，由於體積受限，因而其攜帶的能量非常有限。如何使感測器節點有限的能量得到高效的利用，延長網路生存周期，這是感測器網路面臨的首要挑戰。

（二）通信能力有限。無線通信消耗的能量與通信距離的關系為E=kdn。其中，參數n的取值為2≤n≤4，n的取值與許多因素有關。但是不管n具體的取值，n的取值范圍一旦確定，就表明，無線通信的能耗是隨著距離的增加而更加急劇地增加的。因此，在滿足網路連通性的要求下，應盡量採用多跳通信，減少單跳通信的距離。通常，感測器節點的通信范圍在100m內。

（三）計算、存儲和有限。一方面為了滿足部署的要求，感測器節點往往體積小；另一方面出於成本控制的目的`，節點的價格低廉。這些因素限制了節點的硬體資源，從而影響到它的計算、存儲和通信能力。

（四）節點數量多，密度高，覆蓋面積廣。為了能夠全面准確的監測目標，往往會將成千上萬的感測器節點部署在地理面積很大的區域內，而且節點密度會比較大，甚至在一些小范圍內採用密集部署的方式。這樣的部署方式，可以讓網路獲得全面的數據，提高信息的可靠性和准確性。

（五）自組織。感測器網路部署的區域往往沒有基礎設施，需要依靠感測器節點協同工作，以自組織的方式進行網路的配置和管理。

（六）拓撲結構動態變化。感測器網路的拓撲結構通常是動態變化的，例如部分節點故障或電量耗盡退出網路，有新的節點被部署並加入網路，為節約能量節點在工作和休眠狀態間進行切換，周圍環境的改變造成了無線通信鏈路的變化，以及感測器節點的移動等都會導致感測器網路拓撲結構發生變化。

（七）感知數據量巨大。感測器網路節點部署范圍大、數量多，且網路中的每個感測器通常都產生較大的流式數據並具有實時性，因此網路中往往存在數量巨大的實時數據流。受感測器節點計算、存儲和帶寬等資源的限制，需要有效的分布式數據流管理、查詢、分析和挖掘方法來對這些數據流進行處理。

（八）以數據為中心。對於感測器網路的用戶而言，他們感興趣的是獲取關於特定監測目標的真實可靠的數據。在使用感測器網路時，用戶直接使用其關注的事件作為任務提交給網路，而不是去訪問具有某個或某些地址標識的節點。感測器網路中的查詢、感知、傳輸都是以數據為中心展開的。

（九）感測器節點容易失效。由於感測器網路應用環境的特殊性以及能量等資源受限的原因，感測器節點失效（如電池能量耗盡等）的概率遠大於傳統無線網路節點。因此，需要研究如何提高數據的生存能力、增強網路的健壯性和容錯性以保證部分感測器節點的損壞不會影響到全局任務的完成。此外，對於部署在事故和自然災害易發區域的無線感測器網路，還需要進一步研究當事故和災害導致大部分感測器節點失效時如何最大限度地將網路中的數據保存下來，以提供給災害救援和事故原因分析等使用。

二、關鍵技術

無線感測器網路作為當今信息領域的研究熱點，設計多學科交叉的研究領域，有非常多的關鍵技術有待研究和發現，下面列舉若干。

（一）網路拓撲控制。通過拓撲控制自動生成良好的拓撲結構，能夠提高路由協議和MAC協議的效率，可為數據融合、時間同步和目標定位等多方面奠定基礎，有利於節省能量，延長網路生存周期。所以拓撲控制是無線感測器網路研究的核心技術之一。目前，拓撲控制主要研究的問題是在滿足網路連通度的前提下，通過功率控制或骨幹網節點的選擇，剔除節點之間不必要的通信鏈路，生成一個高效的數據轉發網路拓撲結構。

（二）介質訪問控制（MAC）協議。在無線感測器網路中，MAC協議決定無線信道的使用方式，在感測器節點之間分配有限的無線通信資源，用來構建感測器網路系統的底層基礎結構。MAC協議處於感測器網路協議的底層部分，對感測器網路的性能有較大影響，是保證無線感測器網路高效通信的關鍵網路協議之一。感測器網路的強大功能是由眾多節點協作實現的。多點通信在局部范圍需要MAC協議協調其間的無線信道分配，在整個網路范圍內需要路由協議選擇通信路徑。

在設計MAC協議時，需要著重考慮以下幾個方面：

（1）節省能量。感測器網路的節點一般是以干電池、紐扣電池等提供能量，能量有限。

（2）可擴展性。無線感測器網路的拓撲結構具有動態性。所以MAC協議也應具有可擴展性，以適應這種動態變化的拓撲結構。

（3）網路效率。網路效率包括網路的公平性、實時性、網路吞吐量以及帶寬利用率等。

（三）路由協議。感測器網路路由協議的主要任務是在感測器節點和Sink節點之間建立路由以可靠地傳遞數據。由於感測器網路與具體應用之間存在較高的相關性，要設計一種通用的、能滿足各種應用需求的路由協議是困難的，因而人們研究並提出了許多路由方案。

（四）定位技術。位置信息是感測器節點採集數據中不可或缺的一部分，沒有位置信息的監測消息可能毫無意義。節點定位是確定感測器的每個節點的相對位置或絕對位置。節點定位分為集中定位方式和分布定位方式。定位機制也必須要滿足自組織性，魯棒性，能量高效和分布式計算等要求。

（五）數據融合。感測器網路為了有效的節省能量，可以在感測器節點收集數據的過程中，利用本地計算和存儲能力將數據進行融合，取出冗餘信息，從而達到節省能量的目的。

（六）安全技術。安全問題是無線感測器網路的重要問題。由於採用的是無線傳輸信道，網路存在偷聽、惡意路由、消息篡改等安全問題。同時，網路的有限能量和有限處理、存儲能力兩個特點使安全問題的解決更加復雜化了。

;

④ 簡述無線感測網發展歷史的階段劃分和各階段的技術特點

無線感測器
無線感測器的組成模塊封裝在一個外殼內，在工作時它將由電池或振動發電機提供電源，構成無線感測器網路節點。它可以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，直接送入計算機，進行分析處理。如果需要，無線感測器也可以實時傳輸採集的整個時間歷程信號。
發展歷程
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器網路雛形，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，並通過與感測控制器的相聯，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CONTROLENGINEERING China版權所有，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，具有非常廣泛的應用前景，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。發達國家如美國，非常重視無線感測器網路的發展CONTROLENGINEERING China版權所有，IEEE正在努力推進無線感測器網路的應用和發展，波士頓大學(BostonUnversity)還於最近創辦了感測器網路協會(Sensor Network Consortium)，期望能促進感測器聯網技術開發。除了波士頓大學，該協會還包括BP、霍尼韋爾(Honeywell)、Inetco Systems、Invensys、L-3Communications、Millennial Net、Radianse、Sensicast Systems及Textron Systems。美國的《技術評論》雜志在論述未來新興十大技術時，更是將無線感測器網路列為第一項未來新興技術，《商業周刊》預測的未來四大新技術中，無線感測器網路也列入其中。可以預計，無線感測器網路的廣泛是一種必然趨勢，它的出現將會給人類社會帶來極大的變革。
應用現狀
雖然無線感測器網路的大規模商業應用CONTROLENGINEERING China版權所有，由於技術等方面的制約還有待時日，但是最近幾年，隨著計算成本的下降以及微處理器體積越來越小，已經為數不少的無線感測器網路開始投入使用。目前無線感測器網路的應用主要集中在以下領域：
1 環境的監測和保護
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控制工程網版權所有，來監測農作物中的害蟲、土壤的酸鹼度和施肥狀況等。

⑤ 專題推薦 - 農業感測器與物聯網專題

本專題我共整理了10篇文章，來自中國農業科學院農業質量標准與檢測技術研究所、南京農業大學、英國林肯大學、華南農業大學、江南大學、國家農業智能裝備工程技術研究中心、浙江大學、中國科學院、吉林農業大學、西北農林 科技 大學、國家信息農業工程技術中心等單位。

文章包含農產品質量安全納米感測器、太陽能殺蟲燈、分簇路由演算法、農田物聯網混合多跳路由演算法、水產養殖溶解氧感測器研製、土壤養分近場遙測方法、農機遠程智能管理平台、水肥濃度智能感知與精準配比、果園多機器人通信等內容，供大家閱讀、參考。

專題--農業感測器與物聯網

Topic--Agricultural Sensor and Internet of Things

[1]王培龍, 唐智勇. 農產品質量安全納米感測應用研究分析與展望[J]. 智慧農業(中英文), 2020, 2(2): 1-10.

WANG Peilong , TANG Zhiyong. Application analysis and prospect of nanosensor in the quality and safety of agricultural procts[J]. Smart Agriculture, 2020, 2(2): 1-10.

知網閱讀

[2]楊星, 舒磊, 黃凱, 李凱亮, 霍志強, 王彥飛, 王心怡, 盧巧玲, 張亞成. 太陽能殺蟲燈物聯網故障診斷特徵分析及潛在挑戰[J]. 智慧農業(中英文), 2020, 2(2): 11-27.

YANG Xing, SHU Lei, HUANG Kai, LI Kailiang, HUO Zhiqiang, WANG Yanfei, WANG Xinyi, LU Qiaoling, ZHANG Yacheng. Characteristics analysis and challenges for fault diagnosis in solar insecticidal lamps Internet of Things[J]. Smart Agriculture, 2020, 2(2): 11-27.

摘要： 太陽能殺蟲燈物聯網（SIL-IoTs）是一種基於農業場景與物聯網技術的新型物理農業蟲害防治工具，通過無線傳輸太陽能殺蟲燈組件狀態數據，用戶可後台實時查看太陽能殺蟲燈運行狀態，具有殺蟲計數、蟲害區域定位、輔助農情監測等功能。但隨著SIL-IoTs快速發展與廣泛應用，故障診斷難和維護難等矛盾日益突出。基於此，本研究首先闡述了SIL-IoTs的結構和研究現狀，分析了故障診斷的重要性，指出了故障診斷是保障其可靠性的主要手段。接著介紹了目前太陽能殺蟲燈節點自身存在的故障及其在無線感測網路（WSNs）中的體現，並進一步對WSNs中的故障進行分類，包括基於行為、基於時間、基於組件以及基於影響區域的故障四類。隨後討論了統計方法、概率方法、層次路由方法、機器學習方法、拓撲控制方法和移動基站方法等目前主要使用的WSNs故障診斷方法。此外，還探討了SIL-IoTs故障診斷策略，將故障診斷從行為上分為主動型診斷與被動型診斷策略，從監測類型上分為連續診斷、定期診斷、直接診斷與間接診斷策略，從設備上分為集中式、分布式與混合式策略。在以上故障診斷方法與策略的基礎上，介紹了後台數據異常、部分節點通信異常、整個網路通信異常和未診斷出異常但實際存在異常四種故障現象下適用的WSNs故障診斷調試工具，如Sympathy、Clairvoyant、SNIF和Dustminer。最後，強調了SIL-IoTs的特性對故障診斷帶來的潛在挑戰，包括部署環境復雜、節點任務沖突、連續性區域節點無法傳輸數據和多種故障診斷失效等情形，並針對這些潛在挑戰指出了合理的研究方向。由於SIL-IoTs為農業物聯網中典型應用，因此本研究可擴展至其它農業物聯網中，並為這些農業物聯網的故障診斷提供參考。

知網閱讀

[3]汪進鴻, 韓宇星. 用於作物表型信息邊緣計算採集的認知無線感測器網路分簇路由演算法[J]. 智慧農業(中英文), 2020, 2(2): 28-47.

WANG Jinhong, HAN Yuxing. Cognitive radio sensor networks clustering routing algorithm for crop phenotypic information edge computing collection[J]. Smart Agriculture, 2020, 2(2): 28-47.

摘要： 隨著無線終端數量的快速增長和多媒體圖像等高帶寬傳輸業務需求的增加，農業物聯網相關領域可預見地會出現無線頻譜資源緊缺問題。針對基於傳統物聯網的作物表型信息採集系統中存在由於節點密集部署導致數據傳輸過程容易出現頻譜競爭、數據擁堵的現象以及固定電池的網路由於能耗不均衡引起監測周期縮減等諸多問題，本研究建立了一個認知無線感測器網路（CRSN）作物表型信息採集模型，並針對模型提出一種引入邊緣計算機制的動態頻譜和能耗均衡（DSEB）的事件驅動分簇路由演算法。演算法包括：（1）動態頻譜感知分簇，採用層次聚類演算法結合頻譜感知獲取的可用信道、節點間的距離、剩餘能量和鄰居節點度為相似度對被監控區域內的節點進行聚類分簇並選取簇頭，構建分簇拓撲的過程對各分簇大小的均衡性引入獎勵和懲罰因子，提升網路各分簇平均頻譜利用率；（2）融入邊緣計算的事件觸發數據路由，根據構建的分簇拓撲結構，將待檢測各區域變化異常表型信息觸發事件以簇內匯聚和簇間中繼交替迭代方式轉發至匯聚節點，簇內匯聚包括直傳和簇內中繼，簇間中繼包括主網關節點和次網關節點-主網關節點兩種情況；（3）基於頻譜變化和通信服務質量（QoS）的自適應重新分簇：基於主用戶行為變化引起的可用信道改變，或分簇效果不佳對通信服務質量產生的干擾，觸發CRSN進行自適應重新分簇。此外，本研究還提出了一種新的能耗均衡策略去能量消耗中心化（假設sink為中心），即在網關或簇頭節點選取計算式中引入與節點到sink的距離成正比的權重系數。演算法模擬結果表明，與採用K-medoid分簇和能量感知的事件驅動分簇(ERP)路由方案相比，在CRSN節點數為定值的前提下，基於DSEB的分簇路由演算法在網路生存期與能效等方面均具有一定的改進；在主用戶節點數為定值時，所提演算法比其它兩種演算法具有更高頻譜利用率。

知網閱讀

[4]顧浩, 王志強, 吳昊, 蔣永年, 郭亞. 基於熒光法的溶解氧感測器研製及試驗[J]. 智慧農業(中英文), 2020, 2(2): 48-58.

GU Hao, WANG Zhiqiang, WU Hao, JIANG Yongnian, GUO Ya. A fluorescence based dissolved oxygen sensor[J]. Smart Agriculture, 2020, 2(2): 48-58.

摘要：溶解氧含量的測量對水產養殖具有極其重要的意義，但目前中國市面上的溶解氧感測器存在價格昂貴、不能持續在線測量及更新部件維護困難等問題，難以在水產養殖物聯網中大規模推廣和發揮作用。本研究基於熒光淬滅原理，利用水中溶解氧濃度與熒光信號相位差的關系進行低成本、易維護溶解氧感測器的研發。首先利用自製備溶氧敏感膜，經激發光照射後產生紅色熒光，該熒光壽命可由溶解氧濃度調節；然後利用光信號敏感器件設計光電轉化電路實現光信號感知；再以STM32F103微處理器作為主控晶元，編寫下位機程序實現激發光脈沖產生，利用相敏檢波原理以及快速傅里葉變換（FFT）計算激發光與參照光的相位差，進而轉化為溶解氧濃度，實現溶解氧的測量。熒光探測部分與系統主控部分採用分離式設計思想，利用屏蔽排線直接插拔連接，便於感測器探測頭的拆卸、更換、維護以及實現遠距離在線測量。經測試，本溶解氧感測器的測量范圍是0~20 mg/L，響應延遲小於2 s，溶氧敏感膜使用壽命約1年，可以實時不間斷地對溶解氧濃度進行測量。同時，本感測器具有測量方便、製作成本低、體積小等特點，為中國水產養殖低成本溶解氧感測器的研發與市場化奠定了良好的基礎。

知網閱讀

[5]矯雷子, 董大明, 趙賢德, 田宏武. 基於調制近紅外反射光譜的土壤養分近場遙測方法研究[J]. 智慧農業(中英文), 2020, 2(2): 59-66.

JIAO Leizi, DONG Daming, ZHAO Xiande, TIAN Hongwu. Near-field telemetry detection of soil nutrient based on molated near-infrared reflectance spectrum[J]. Smart Agriculture, 2020, 2(2): 59-66.

摘要： 土壤養分作為農業生產的重要指標，含量過少會降低農作物產量，過多則會造成環境污染。因此，快速、准確檢測土壤養分對於精準施肥和提高作物產量具有重要意義。基於取樣和化學分析的傳統方法能夠全面准確地檢測土壤養分，但檢測過程中土壤的取樣及預處理過程繁瑣、操作復雜、費時費力，不能實現土壤養分的原位快速檢測。本研究基於調制近紅外光譜，提出了一種土壤養分主動式近場遙測方法，可有效避免土壤反射自然光的干擾。該方法使用波長范圍1260~1610 nm的8通道窄帶激光二極體作為近紅外光源，通過測量8通道激光光束的土壤反射率，建立土壤養分中氮（N）關於土壤反射率的計量模型，實現了N的快速檢測。在74組已知N含量的土壤樣品中，選取54組作為訓練集，20組作為預測集。基於一般線性模型，對訓練集中土壤N含量與土壤反射率的定量化參數進行訓練，篩選顯著波段後的計量模型R2達到0.97。基於建立的計量模型，預測集中土壤N含量預測值與參考值的決定系數R2達到0.9，結果表明該方法具有土壤養分現場快速檢測的能力。

知網閱讀

[6]朱登勝, 方慧, 胡韶明, 王文權, 周延鎖, 王紅艷, 劉飛, 何勇. 農機遠程智能管理平台研發及其應用[J]. 智慧農業(中英文), 2020, 2(2): 67-81.

ZHU Dengsheng, FANG Hui, HU Shaoming, WANG Wenquan, ZHOU Yansuo, WANG Hongyan, LIU Fei, HE Yong. Development and application of an intelligent remote management platform for agricultural machinery[J]. Smart Agriculture, 2020, 2(2): 67-81.

摘要： 本研究針對農機管理實時數據少、農機實時作業監管困難、服務信息不對稱等問題，首先提出專業化遠程管理平台設計時應具有五大原則：專業化、標准化、雲平台、模塊化以及開放性。基於這些原則，本研究設計了基於大田作業智能感測技術、物聯網技術、定位技術、遙感技術和地理信息系統的可定製化的通用農機遠程智能管理平台。平台分別為各級政府管理部門、農機合作社、農機手、農戶設計並實現了基於WebGIS 的農機信息庫及農機位置服務、農機作業實時監測與管理、農田基礎信息管理、田間作物基本信息管理、農機調度管理、農機補貼管理、農機作業訂單管理等多個實用模塊。研究著重分析了在當前的技術背景下，平台部分關鍵技術的實現方法，包括採用低精度GNSS定位系統前提下的作業面積的計算方法、GNSS定位數據處理過程中的數據問題分析、農機調度演算法、作業感測器信息的集成等，並提出了以地塊為核心的管理平台建設思路；同時提出農機作業管理平台將逐步從簡單作業管理轉向大田農機綜合管理。本平台對同類型管理平台的研發具有一定的參考與借鑒作用。

知網閱讀

[7]金洲, 張俊卿, 郭紅燕, 胡宜敏, 陳翔宇, 黃河, 王紅艷. 水肥濃度智能感知與精準配比系統研製與試驗[J]. 智慧農業(中英文), 2020, 2(2): 82-93.

JIN Zhou, ZHANG Junqing, GUO Hongyan, HU Yimin, CHEN Xiangyu, HUANG He, WANG Hongyan. Development and testing of intelligent sensing and precision proportioning system of water and fertilizer concentration[J]. Smart Agriculture, 2020, 2(2): 82-93.

摘要： 為解決農場當地當時的復合肥料精準化配料問題，本研究將水肥一體化智能灌溉施肥系統作為研究對象，構建了水肥濃度智能感知與精準配比系統。首先提出現場在線水肥溶液智能感知模型的快速建立方法，利用數據分析演算法從感測器實時監測的一系列濃度梯度的肥料溶液中挖掘出模型。其次基於上述模型設計水肥濃度智能感知與精準配比系統的框架結構，闡述系統工作原理；並通過三種水體模擬在線配肥驗證了該系統原位指導水肥濃度配比的有效性，同時評價了水體電導率對水肥配比濃度的干擾。試驗結果表明，正則化條件下二階的多項式擬合曲線是表達溶液電導率與水肥濃度的變化關系最優的模型，相關系數R2均大於0.999，由此模型可得出用戶關心的復合肥各指標濃度。三種水體模擬在線配肥結果表明，水體會干擾電導率導致無法准確反演水肥配比的濃度，相對偏差值超過了0.1。因此，本研究提出的在線水肥智能感知與精準配比系統實現了消除當地水體電導率對水肥配比准確性的干擾，通過模型計算實現復合肥精準化配比，並得出各指標濃度。該系統結構簡單，配比精準，易與現有水肥一體機或者人工配肥系統結合使用，可廣泛應用於設施農業栽培、果園栽培和大田經濟作物栽培等環境下的精準智能施肥。

知網閱讀

[8]孫浩然, 孫琳, 畢春光, 於合龍. 基於粒子群與模擬退火協同優化的農田物聯網混合多跳路由演算法[J]. 智慧農業(中英文), 2020, 2(3): 98-107.

SUN Haoran, SUN Lin, BI Chunguang, YU Helong. Hybrid multi-hop routing algorithm for farmland IoT based on particle swarm and simulated annealing collaborative optimization method[J]. Smart Agriculture, 2020, 2(3): 98-107.

摘要： 農業無線感測器網路對農田土壤、環境和作物生長的多源異構信息的獲取起關鍵作用。針對感測器在農田中非均勻分布且受到能量制約等問題，本研究提出了一種基於粒子群和模擬退火協同優化的農田物聯網混合多跳路由演算法（PSMR）。首先，通過節點剩餘能量和節點度加權選擇簇首，採用成簇結構實現異構網路高效動態組網。然後通過簇首間多跳數據結構解決簇首遠距離傳輸能耗過高問題，利用粒子群與模擬退火協同優化方法提高演算法收斂速度，實現sink節點加速採集簇首中的聚合數據。對演算法的模擬試驗結果表明，PSMR演算法與基於能量有效負載均衡的多路徑路由策略方法（EMR）相比，無線感測器網路生命周期提升了57%；與貪婪外圍無狀態路由演算法（GPSR-A）相比，在相同的網路生命周期內，第1個死亡感測器節點推遲了兩輪，剩餘能量標准差減少了0.04 J，具有良好的網路能耗均衡性。本研究提出的PSMR演算法通過簇首間多跳降低遠端簇首額外能耗，提高了不同距離簇首的能耗均衡性能，為實現大規模農田復雜環境的長時間、高效、穩定地數據採集監測提供了技術基礎，可提高農業物聯網的資源利用效率。

知網閱讀

[9]毛文菊, 劉恆, 王東飛, 楊福增, 劉志傑. 面向果園多機器人通信的AODV路由協議改進設計與測試[J]. 智慧農業(中英文), 2021, 3(1): 96-108.

MAO Wenju, LIU Heng, WANG Dongfei, YANG Fuzeng, LIU Zhijie. Improved AODV routing protocol for multi-robot communication in orchard[J]. Smart Agriculture, 2021, 3(1): 96-108.

摘要： 針對多機器人在果園中作業時的通信需求，本研究基於Wi-Fi信號在桃園內接收強度預測模型，提出了一種引入優先節點和路徑信號強度閾值的改進無線自組網按需平面距離向量路由協議（AODV-SP）。對AODV-SP報文進行設計，並利用NS2模擬軟體對比了無線自組網按需平面距離向量路由協議（AODV）和AODV-SP在發起頻率、路由開銷、平均端到端時延及分組投遞率4個方面的性能。模擬試驗結果表明，本研究提出的AODV-SP路由協議在發起頻率、路由開銷、平均端到端時延及分組投遞率4個方面的性能均優於AODV協議，其中節點的移動速度為5 m/s時，AODV-SP的路由發起頻率和路由開銷較AODV分別降低了3.65%和7.09%，節點的移動速度為8 m/s時，AODV-SP的分組投遞率提高了0.59%，平均端到端時延降低了13.09%。為進一步驗證AODV-SP協議的性能，在實驗室環境中搭建了基於領航-跟隨法的小型多機器人無線通信物理平台並將AODV-SP在此平台應用，並進行了靜態丟包率和動態測試。測試結果表明，節點相距25 m時靜態丟包率為0，距離100 m時丟包率為21.01%；動態行駛時能使機器人維持鏈狀拓撲結構。本研究可為果園多機器人在實際環境中通信系統的搭建提供參考。

知網閱讀

[10]黃凱, 舒磊, 李凱亮, 楊星, 朱艷, 汪小旵, 蘇勤. 太陽能殺蟲燈物聯網節點的防盜防破壞設計及展望[J]. 智慧農業(中英文), 2021, 3(1): 129-143.

HUANG Kai, SHU Lei, LI Kailiang, YANG Xing, ZHU Yan, WANG Xiaochan, SU Qin. Design and prospect for anti-theft and anti-destruction of nodes in Solar Insecticidal Lamps Internet of Things[J]. Smart Agriculture, 2021, 3(1): 129-143.

摘要： 太陽能殺蟲燈在有效控制蟲害的同時，可減少農葯施葯量。隨著其部署數量的增加，被盜被破壞的報道也越來越多，嚴重影響了蟲害防治效果並造成了較大的經濟損失。為有效地解決太陽能殺蟲燈物聯網節點被盜被破壞問題，本研究以太陽能殺蟲燈物聯網為應用場景，對太陽能殺蟲燈硬體進行改造設計以獲取更多的感測信息；提出了太陽能殺蟲燈輔助設備——無人機殺蟲燈，用以被盜被破壞出現後的部署、追蹤和巡檢等應急應用。通過上述硬體層面的改造設計和增加輔助設備，可以獲取更為全面的信息以判斷太陽能殺蟲燈物聯網節點被盜被破壞情況。但考慮到被盜被破壞發生時間短，僅改造硬體層面還不足以實現快速准確判斷。因此，本研究進一步從內部硬體、軟體演算法和外形結構設計三個層面，探討了設備防盜防破壞的優化設計、設備防盜防破壞判斷規則的建立、設備被盜被破壞的快速准確判斷、設備被盜被破壞的應急措施、設備被盜被破壞的預測與防控，以及優化計算以降低網路數據傳輸負荷六個關鍵研究問題，並對設備防盜防破壞技術在太陽能殺蟲燈物聯網場景中的應用進行了展望。

知網閱讀

微信交流服務群

為方便農業科學領域讀者、作者和審稿專家學術交流，促進智慧農業發展，為更好地服務廣大讀者、作者和審稿人，編輯部建立了微信交流服務群，有關專業領域內的問題討論、投稿相關的問題均可在群里咨詢。

入群方法： 加我微信 331760296 ， 備註： 姓名、單位、研究方向 ，我拉您進群，機構營銷廣告人員勿擾。

信息發布

科研團隊介紹及招聘信息、學術會議及相關活動 的宣傳推廣

⑥ 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。

(6)無線感測器網路的收斂速度擴展閱讀：

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。

⑦ 有關無線感測器網路中時間同步機制有哪些方法和策略

1  時間同步技術的重要性 
感測器節點的時鍾並不完美，會在時間上發生漂移，所以觀察到的時間對於網路中的節點來說是不同的。但很多網路協議的應用，都需要一個共同的時間以使得網路中的節點全部或部分在瞬間是同步的。 
第一，感測器節點需要彼此之間並行操作和協作去完成復雜的感測任務。如果在收集信息過程中，感測器節點缺乏統一的時間戳（即沒有同步），估計將是不準確的。 
第二，許多節能方案是利用時間同步來實現的。例如，感測器可以在適當的時候休眠（通過關閉感測器和收發器進入節能模式），在需要的時候再喚醒。在應用這種節能模式的時候，節點應該在同等的時間休眠和喚醒，也就是說當數據到來時，節點的接收器可以接收，這個需要感測器節點間精確的定時。 
2  時間同步技術所關注的主要性能參數 
時間同步技術的根本目的是為網路中節點的本地時鍾提供共同的時間戳。對無線感測器
網路WSN（Wireless Sensor Networks）[1]
的時間同步應主要應考慮以下幾個方面的問題： 
(1)能量效率。同步的時間越長，消耗的能量越多，效率就越低。設計WSN的時間同步演算法需以考慮感測器節點有效的能量資源為前提。 
(2) 可擴展性和健壯性。時間同步機制應該支持網路中節點的數目或者密度的有效擴展，並保障一旦有節點失效時，餘下網路有效且功能健全。 
(3)精確度。針對不同的應用和目的，精確度的需求有所不用。 
(4)同步期限。節點需要保持時間同步的時間長度可以是瞬時的，也可以和網路的壽命一樣長。 
(5)有效同步范圍。可以給網路內所有節點提供時間，也可以給局部區域的節點提供時間。 
(6)成本和尺寸。同步可能需要特定的硬體，另外，體積的大小也影響同步機制的實現。 (7)最大誤差。一組感測器節點之間的最大時間差，或相對外部標准時間的最大差。 3  現有主要時間同步方法研究 
時間同步技術是研究WSN的重要問題，許多具體應用都需要感測器節點本地時鍾的同步，要求各種程度的同步精度。WSN具有自組織性、多跳性、動態拓撲性和資源受限性，尤其是節點的能量資源、計算能力、通信帶寬、存儲容量有限等特點，使時間同步方案有其特
殊的需求，也使得傳統的時間同步演算法不適合於這些網路[2]
。因此越來越多的研究集中在設
計適合WSN的時間同步演算法[3]
。針對WSN，目前已經從不同角度提出了許多新的時間同步演算法[4]
。 
3.1  成對(pair-wise)同步的雙向同步模式 
代表演算法是感測器網路時間同步協議TPSN（Timing-Sync Protocol for Sensor 
Networks）[5~6]
。目的是提供WSN整個網路范圍內節點間的時間同步。 
該演算法分兩步：分級和同步。第一步的目的是建立分級的拓撲網路，每個節點有個級別。只有一個節點與外界通信獲取外界時間，將其定為零級，叫做根節點，作為整個網路系統的時間源。在第二步，每個i級節點與i-1（上一級）級節點同步，最終所有的節點都與根節點同步，從而達到整個網路的時間同步。詳細的時間同步過程如圖 1 所示。 
 

圖1  TPSN 同步過程 
 
設R為上層節點，S為下層節點，傳播時間為d，兩節點的時間偏差為θ。同步過程由節點R廣播開始同步信息，節點S接收到信息以後，就開始准備時間同步過程。在T1時刻，節點S發送同步信息包，包含信息(T1)，節點R在T2接收到同步信息，並記錄下接收時間T2，這里滿足關系：21TTd 
節點R在T3時刻發送回復信息包，包含信息(T1,T2,T3)。在T4時刻S接收到同步信息包，滿足關系：43TTd 
最後，節點S利用上述2個時間表達式可計算出的值：(21)(43)2
TTTT 
TPSN由於採用了在MAC層給同步包標記時間戳的方式，降低了發送端的不確定性，消除了訪問時間帶來的時間同步誤差，使得同步效果更加有效。並且，TPSN演算法對任意節點的同步誤差取決於它距離根節點的跳數，而與網路中節點總數無關，使TPSN同步精度不會隨節點數目增加而降級，從而使TPSN具有較好的擴展性。TPSN演算法的缺點是一旦根節點失效，就要重新選擇根節點，並重新進行分級和同步階段的處理，增加了計算和能量開銷，並隨著跳數的增加，同步誤差呈線性增長，准確性較低。另外，TPSN演算法沒有對時鍾的頻差進行估計，這使得它需要頻繁同步，完成一次同步能量消耗較大。 
3.2  接收方-接收方（Receiver-Receiver）模式 
代表演算法是參考廣播時間同步協議RBS（Reference Broadcast Synchronization）[7]
。RBS是典型的基於接收方-接收方的同步演算法，是Elson等人以「第三節點」實現同步的思想而提出的。該演算法中，利用無線數據鏈路層的廣播信道特性，基本思想為：節點(作為發
送者)通過物理層廣播周期性地向其鄰居節點（作為接收者）發送信標消息[10]
，鄰居節點記錄下廣播信標達到的時間，並把這個時間作為參考點與時鍾的讀數相比較。為了計算時鍾偏移，要交換對等鄰居節點間的時間戳，確定它們之間的時間偏移量，然後其中一個根據接收
到的時間差值來修改其本地的時間，從而實現時間同步[11]
。 
假如該演算法在網路中有n個接收節點m個參考廣播包，則任意一個節點接收到m個參考包後，會拿這些參考包到達的時間與其它n-1個接收節點接收到的參考包到達的時間進行比較，然後進行信息交換。圖2為RBS演算法的關鍵路徑示意圖。 
網路介面卡
關鍵路徑
接收者1
發送者
接收者2
 
圖2  RBS演算法的關鍵路徑示意圖 
 
其計算公式如下： 
,,1
1,:[,]()m
jkikkinjnoffsetijTTm
 其中n表示接收者的數量，m表示參考包的數量，,rbT表示接收節點r接收到參考包b時的時鍾。 

此演算法並不是同步發送者和接收者，而是使接收者彼此同步，有效避免了發送訪問時間對同步的影響，將發送方延遲的不確定性從關鍵路徑中排除，誤差的來源主要是傳輸時間和接收時間的不確定性，從而獲得了比利用節點間雙向信息交換實現同步的方法更高的精確度。這種方法的最大弊端是信息的交換次數太多，發送節點和接收節點之間、接收節點彼此之間，都要經過消息交換後才能達到同步。計算復雜度較高，網路流量開銷和能耗太大，不適合能量供應有限的場合。 
3.3  發送方-接收方(Sender-Receiver)模式 
基於發送方-接收方機制的時間同步演算法的基本原理是：發送節點發送包含本地時間戳的時間同步消息，接收節點記錄本地接收時間，並將其與同步消息中的時間戳進行比較，調整本地時鍾。基於這種方法提出的時間同步演算法有以下兩種。 
3.3.1  FTSP 演算法[8]
 
泛洪時間同步協議FTSP（Flooding Time Synchronization Protocol）由Vanderbilt大學Branislav Kusy等提出，目標是實現整個網路的時間同步且誤差控制在微秒級。該演算法用單個廣播消息實現發送節點與接收節點之間的時間同步。 
其特點為：(1)通過對收發過程的分析，把時延細分為發送中斷處理時延、編碼時延、傳播時延、解碼時延、位元組對齊時延、接收中斷處理時延，進一步降低時延的不確定度；(2)通過發射多個信令包，使得接收節點可以利用最小方差線性擬合技術估算自己和發送節點的頻率差和初相位差；(3)設計一套根節點選舉機制，針對節點失效、新節點加入、拓撲變化
等情況進行優化，適合於惡劣環境[12]
。 
FTSP演算法對時鍾漂移進行了線性回歸分析。此演算法考慮到在特定時間范圍內節點時鍾晶振頻率是穩定的，因此節點間時鍾偏移量與時間成線性關系，通過發送節點周期性廣播時間同步消息，接收節點取得多個數據對，構造最佳擬合直線，通過回歸直線，在誤差允許的時間間隔內，節點可直接通過它來計算某一時間節點間的時鍾偏移量而不必發送時間同步消息進行計算，從而減少了消息的發送次數並降低了系統能量開銷。 
FTSP結合TPSN和RBS的優點，不僅排除了發送方延遲的影響，而且對報文傳輸中接收方的不確定延遲（如中斷處理時間、位元組對齊時間、硬體編解碼時間等）做了有效的估計。多跳的FTSP協議採用層次結構，根節點為同步源，可以適應大量感測器節點，對網路拓撲結構的變化和根節點的失效有健壯性，精確度較好。該演算法通過採用MAC層時間戳和線性回歸偏差補償彌補相關的錯誤源，通過對一個數據包打多個時戳，進而取平均和濾除抖動較大的時戳，大大降低了中斷和解碼時間的影響。FTSP 採用洪泛的方式向遠方節點傳遞時間基準節點的時間信息，洪泛的時間信息可由中轉節點生成，因此誤差累積不可避免。另外，FTSP的功耗和帶寬的開銷巨大。 
3.3.2  DMTS 演算法[9]
 
延遲測量時間同步DMTS (delay measurement time synchronization) 演算法的同步機制是基於發送方-接收方的同步機制。DMTS 演算法的實現策略是犧牲部分時間同步精度換取較低的計算復雜度和能耗，是一種能量消耗輕的時間同步演算法。 
DMTS演算法的基本原理為：選擇一個節點作為時間主節點廣播同步時間，所有接收節點通過精確地測量從發送節點到接收節點的單向時間廣播消息的延遲並結合發送節點時間戳，計算出時間調整值，接收節點設置它的時間為接收到消息攜帶的時間加上廣播消息的傳輸延遲，調整自己的邏輯時鍾值以和基準點達成同步，這樣所有得到廣播消息的節點都與主節點進行時間同步。發送節點和接收節點的時間延遲dt可由21()dtnttt得出。其中，nt為發送前導碼和起始字元所需的時間，n為發送的信息位個數，t為發送一位所需時間；1t為接收節點在消息到達時的本地時間；2t為接收節點在調整自己的時鍾之前的那一時刻記錄的本地時間，21()tt是接收處理延遲。 

DMTS 演算法的優點是結合鏈路層打時間戳和時延估計等技術，消除了發送時延和訪問時延的影響，演算法簡單，通信開銷小。但DMTS演算法沒有估計時鍾的頻率偏差，時鍾保持同步的時間較短，沒有對位偏移產生的時間延遲進行估計，也沒有消除時鍾計時精度對同步精度的影響，因此其同步精度比FTSP略有下降，不適用於定位等要求高精度同步的應用。 
基於發送方-接收方單向同步機制的演算法在上述三類方法中需要發送的時間同步消息數目最少。發送節點只要發送一次同步消息，因而具有較低的網路流量開銷和復雜度，減少了系統能耗。 
4  結論 
文章介紹了WSN時間同步演算法的類型以及各自具有代表性的演算法，分析了各演算法的設計原理和優缺點。這些協議解決了WSN中時間同步所遇到的主要問題，但對於大型網路，已有的方法或多或少存在著一些問題：擴展性差、穩定性不高、收斂速度變慢、網路通信沖突、能耗增大。今後的研究熱點將集中在節能和時間同步的安全性方面。這將對演算法的容錯性、有效范圍和可擴展性提出更高的要求。 

⑧ 無線感測器網路支持哪些通訊方式，包括哪些設備，可應用在哪些環境

無線感測器網路支持GPRS，433MHZ，2.4GHZ，WI-FI等無線傳輸方式。像深圳-信立無線感測器，智能網關，智能環境監測裝置，智能測控裝置，智能轉換器都屬於無線感測器網路設備，主要應用在各種管網管道管溝、氣象、農業大棚、養殖場、倉儲館藏、冷藏冰櫃、實驗室、機房、生產車間等環境的溫度實時採集、無線傳輸、現場或遠程監測和預警。

⑨ 為什麼無線感測器節點性能提升十分緩慢,沒有像摩爾定律的速度發展

WSN（wirelesssensornetworks）是無線感測器網路，是由大量的具有感知能力的感測器節點，通過自組織方式構成的無線網路。感測器監控不同位置的物理或環境狀況（比如溫度、聲音、振動、壓力、運動或污染物）。無線感測器網路的發展最初起源於戰場監測等軍事應用。而現今無線感測器網路被應用於很多民用領域，如環境與生態監測、健康監護、家居自動化以及交通控制等。
一個典型的無線感測器網路的系統架構包括分布式無線感測器節點（群）、接收發送器匯聚節點、互聯網或通信衛星和任務管理節點等，如下圖所示。大量感測器節點隨機部署在監測區域內部或附近，能夠通過自組織方式構成網路。感測器節點監測的數據沿著其他感測器節點逐跳地進行傳輸，在傳輸過程中監測數據可能被多個節點處理，經過多跳後路由到匯聚節點，最後通過互聯網或衛星到達管理節點。用戶通過管理節點對感測器網路進行配置和管理，發布監測任務以及收集監測數據。

無線感測器網路中主要包含兩類節點：

感測器節點：具有感知和通信功能的節點，在感測器網路中負責監控目標區域並獲取數據，以及完成與其他感測器節點的通信，能夠對數據進行簡單的處理。

Sink節點：又稱為基站節點，負責匯總由感測器節點發送過來的數據，並作進一步數據融合以及其他操作，最終把處理好的數據上傳至互聯網
匯聚節點
匯聚節點的處理能力、存儲能力和通信能力相對較強，它是連接感測器網路與Intemet等外

部網路的網關，實現兩種協議間的轉換，同時向感測器節點發布來自管理節點的監測任務，並把WSN收集到的數據轉發到外部網路上。匯聚節點既可以是一個具有增強功能的感測器節點，有足夠的能量供給和更多的、Flash和SRAM中的所有信息傳輸到計算機中，通過匯編軟體，可很方便地把獲取的信息轉換成匯編文件格式，從而分析出感測節點所存儲的程序代碼、路由協議及密鑰等機密信息，同時還可以修改程序代碼，並載入到感測節點中。
管理節點

管理節點用於動態地管理整個無線感測器網路：感測器網路的所有者通過管理節點訪問無線感測器網路的資源。

無線感測器網路的拓撲結構

三種常見拓撲結構

星型拓撲：具有組網簡單、成本低；但網路覆蓋范圍小，一旦sink節點發生故障，所有與sink節點連接的感測器節點與網路中心的通信都將中斷。星形拓撲結構組網時，電池的使用壽命較長。

網狀拓撲：具有組網可靠性高、覆蓋范圍大的優點，但電池使用壽命短、管理復雜
樹狀拓撲：具有星形和網狀拓撲的一些特點，既保證了網路覆蓋范圍大，同時又不至於電池使用壽命過短，更加靈活、高效。
無線感測器網路的特點

1.自組織性；2.以數據為中心；3.應用相關性；4.動態性；5.網路規模大；6.可靠性

無線感測器網路（WSN）被認為是影響人類未來生活的重要技術之一，這一新興技術為人們提供了一種全新的獲取信息、處理信息的途徑。由於WSN本身的特點，使得它與現有的傳統網路技術之間存在較大的區別，給人們提出了很多新的挑戰。

⑩ 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[25].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[811]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viP1,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(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)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=500500m2,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,ij}.
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d122R,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=10e6),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. t0; //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 tt+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,vji;
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 500500m2
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500500m2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