無線感測器網路試卷b

A. 什麼是無線感測網路

無線感測器網路是一種分布式感測網路，它的末梢是可以感知和檢查外部世界的感測器。WSN中的感測器通過無線方式通信手念，由大量的靜止或移動的感測器以自組織和多跳的方式構成的無線網路，以協作地感知、採集、處理和傳輸網路覆耐純蓋地理區域內被感昌薯咐知對象的信息，並最終把這些信息發送給網路所有者的。因此網路設置靈活，設備位置可以隨時更改，還可以跟互聯網進行有線或無線方式的連接，通過無線通信方式形成的一個多跳自組織的網路。

無線感測器網路所具有的眾多類型的感測器，可探測包括地震、電磁、溫度、濕度、雜訊、光強度、壓力、土壤成分、移動物體的大小、速度和方向等周邊環境中多種多樣的現象。潛在的應用領域可以歸納為: 軍事、航空、防爆、救災、環境、醫療、保健、家居、工業、商業等領域。

B. 無線感測器價格及其應用技術介紹

原來我們使用電腦的時候必須的要用到網線，後來有了智能的手機，可以連接無線就能上萬，再後來筆記本電腦也可以使用這種無線的功能，那麼這么方便的地方，它用的是什麼，那就是無線感測器，那麼這種無線的感測器除了這些地方粗拍，還可以在哪些地方使用呢?它的價錢估計很貴吧，其實，它的價錢到不是很貴，就讓小編具體說說吧。

無線感測器的介紹：

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信廳或振動發電機提供電源，構成無線感測器網路節點，由隨機分布的集成有感測器、數據處理單元和通信模塊的微型節點，通過自組織的方式構成網路。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。監控中心也可以通過網關把控制、參數設置等信息無線傳輸給節點。數據調理採集處理模塊把感測器輸出的微弱信號經過放大，濾波等調理電路後，送到模數轉換器，轉變為數字信號，送到主處理器進行數字信號處理，計算出感測器的有效值，位移值等。

無線感測器的價格：

Arino無線感測器網路實踐指南XBeezigbee無線模塊

￥49.8

無線龍超聲波感測器節點CC2530模塊物聯網智能家居沙盤開岩坦羨發板

￥500

CC2530開發套件開發板模塊實驗箱無線感測器armgprszigbee安卓

￥1730

SZ3391B無線二氧化碳、光照度、溫度、濕度、大氣氣壓感測器

￥1780

無線溫濕度感測器採集器探頭壁掛式管道式空曠傳輸距離達1500米

￥660

它的應用技術是什麼?

低功耗設計折疊所有模塊採用超低功耗設計，整個感測器節點具有非常低的電流消耗，使用兩節普通干電池可以工作數年之久，使維護周期大大延長。從而也可以使用微型振動發電機，利用壓電原理收集結構產生的微弱振動能量，轉化為電量，為感測器提供電源，為了降低功耗，感測器選用超低功耗的產品，感測器在不採集的時候關斷電源或置於睡眠模式。做到真正的免維護。

時間同步折疊BEETECH無線感測器，基於時間同步和固定路由表的TDMA發送協議，可實現「同時」睡眠,」同時」醒來，適合無線感測器工業自動化在線監測和檢測。

其實我們現在的處於的社會就是一個無線的社會，這種無線感測器一般都應用在微電子技術上，但是隨著發展，這種無線的感測器還可以把它植入到小動物的腦中，研究人員在豬或者猴子身上做過實驗，並且取得了很好的效果，這種無線感測器缺點就是可靠性比較的不好，但是在規模上和密度上都是比較的大的，並且它的動態變化也是很快的。

土巴兔在線免費為大家提供「各家裝修報價、1-4家本地裝修公司、3套裝修設計方案」，還有裝修避坑攻略！點擊此鏈接：【https://www.to8to.com/yezhu/zxbj-cszy.php?to8to_from=seo__m_jiare&wb】，就能免費領取哦~

C. 無線感測器知識大全，看完請收藏！

物聯網是在現有互聯網的基礎上發展起來的，物聯網除了融合網路、信息技術、RFID技術之外，還引入了無線感測器技術，使得物聯網有了更深的發展，而且無線感測器技術還與嵌入式系統技術、現代網路以及無線通信技術進行結合，所以無線感測器本身也是一個炙手可熱的研究領域。

感測器技術

    無線感測器網路結構介紹

    無線感測器網路系統通常包括匯聚節點(Sinknode)、感測器節點(Sensornode)與管理節點。

    大量感測器節點隨機部署在監測區域附近或者內部，感測器節點檢測的數據沿著其他的感測器節點逐條地進行傳輸，在傳輸的過程中檢測數據可能會被多個節點進行處理，經過跳後路由到匯聚的節點，然後通過衛星或者互聯網傳輸到達管理節點，而用戶通過對節點的管理對感測器網路進行管理、發布監測數據和管理。

感測器整體部署

    無線感測器網路特點介紹

    規模大

    為了能夠獲取精確信息，在監測區域通常部署大量感測器節點，一般情況下會達到上萬個甚至更多，感測器網路的大規模性主要包括了兩個方面的含義：一方面是感測器節點的部署非常密集，在面積狹小的空間內密集的部署了大量的感測器節點。另一方面，是感測器節點分布在區域很大的范圍內，比如在原始的大森林中採用感測器網路進行森林防火的安全環境監測，這種在區域寬廣的范圍內需要部署大量的感測器節點。

    可靠性

    無線感測器節點非常適合部署在自然環境惡劣或者人類不宜居住的區域，這些節點可能工作在環境較惡劣的地方，遭受風吹、雨淋、日曬，還甚至遭到人或者動物的破壞，而這些感測器節點往往採用隨機進行部署，部署的方式是利用飛機散播，或炮彈發射到指定的區域進行部署，所以這些節點要非常堅固，不容易被損壞，可靠性很強。

    自組織

    在感測器網路應用中，通常情況下感測器節點會被放置在沒有基礎結構的地方，其實感測器節點的相隔距離、精確位置不能預先確定。你可以想像，通過飛機散播或者炮彈發射大量感測器節點到面積廣闊的森林、山谷之中，這樣就必須要求感測器節點本身具有自組織的能力，能夠進行自我管理和配置，通過清逗網路協議和拓撲控制機制自動形成轉發監測數據的多跳無線網路系統。

    動態性

    感測器網路的拓撲結構有可能會因為下列因素而發生改變：①環境的變化可能會造成無線通信鏈路帶寬產生變化，有時甚至會時斷時通;②電力資源出現故障或耗盡導致的感測器節點故障或者失效;③感測器網路的感知對象、感測器與觀察者這三要素都可能具有移動性;④有新節點加入，通常這種情況就必須要求感測器網路系統要能適應這種變化，具有動態系統可重構性。

    無線感測器網路有哪些安全問題

    安全路由

    一般在無線感測器網路中，大量的感測器節點都密集分布在一個區域內，信息傳輸可能要經過很多節點才能到達目的地，而且感測器網路具有多跳結構和動態性，因此，需要去每個節點都應具備路由功能，

    由於每個虛猜節點都是潛在的路由節點，因此更易受到攻擊，這樣就可能使網路不怎麼安全，安全的路由演算法會直接影響無線感測器的可用性和安全性，安全路由協議一般是採用認證和鏈路層差正型加密，身份認證、多路徑路由、雙向連接認證和認證廣播等機制，非常有效的提高了網路抵禦外部攻擊的能力，從而增強路由的安全性。

D. 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

E. 無線感測器網路技術與應用的目錄

第1章無線感測器網路概述
1.1感測器網路的研究歷史
1.1.1早期的軍用感測器網路研究
1.1.2美軍DARPA的分布式感測器網路研究計劃
1.1.320世紀80年代和90年代的軍用感測器網路
1.1.421世紀的感測器網路研究
1.2WSN基本概念
1.2.1什麼是WSN
1.2.2WSN與MANET的異同
1.2.3WSN的通信體系結構
1.3WSN的主要技術
1.3.1系統體系結構
1.3.2網路與通信的控制
1.4影響WSN設計的因素
1.4.1容錯
1.4.2擴展性
1.4.3價格
1.4.4硬體限制
1.4.5WSN拓撲
1.4.6WSN工作環境
1.4.7傳輸媒介
1.4.8功耗
參考文獻
第2章無線感測器網路競爭類MAC協議
2.1感測器媒介訪問控制協議（S-MAC）
2.1.1能量浪費原因分析
2.1.2S-MAC協議概述
2.1.3休眠的協調
2.1.4避免旁聽與消息分片傳輸
2.1.5時延分析
2.1.6S-MAC協議實現
2.1.7S-MAC協議的性能
2.2超時MAC協議（T-MAC）
2.2.1T-MAC協議概述
2.2.2T-MAC基本協議
2.2.3分群與同步
2.2.4RTS操作與TA選擇
2.2.5避免旁聽
2.2.6不對稱通信
2.2.7T-MAC的性能
2.3伯克利媒介訪問控制協議（B-MAC）
2.3.1B-MAC協議的設計與實現
2.3.2壽命建模
2.3.3參數
2.3.4自適應控制
參考文獻
第3章無線感測器網路分配類MAC協議
3.1流量自適應媒介訪問協議（TRAMA）
3.1.1TRAMA協議概述
3.1.2TRAMA協議組成
3.1.3訪問方式與相鄰節點協議
3.1.4傳輸時間安排交換協議
3.1.5自適應選舉演算法
3.1.6TRAMA的性能
3.2分布式隨機時隙安排協議（DRAND）
3.2.1TDMA時隙分配問題定義
3.2.2DRAND演算法詳述
3.2.3DRAND正確性
3.2.4DRAND復雜性分析
3.2.5DRAND的性能
3.3功率高效與時延意識媒介訪問協議（PEDAMACS）
3.3.1PEDAMACS協議概述
3.3.2PEDAMACS分組格式
3.3.3本地拓撲建立階段
3.3.4AP拓撲信息收集階段
3.3.5傳輸時間安排階段
3.3.6拓撲調整階段
3.3.7傳輸時間安排演算法
參考文獻
第4章無線感測器網路混合類MAC協議
4.1斑馬MAC協議（Z-MAC）
4.1.1時間同步協議（TPSN）
4.1.2Z-MAC協議概述
4.1.3相鄰節點尋找與時隙分配
4.1.4本地成幀
4.1.5Z-MAC協議的傳輸控制
4.1.6發送規則
4.1.7直接競爭通知
4.1.8Z-MAC傳輸時間安排的接收
4.1.9本地時間同步
4.1.10Z-MAC協議的性能
4.1.11Z-MAC協議隨機分析
4.2漏斗-MAC協議
4.2.1漏斗問題
4.2.2按需發送信標
4.2.3面向中心節點的傳輸時間安排
4.2.4定時與成幀
4.2.5Meta-傳輸時間安排的廣播
4.2.6動態深度調整
4.2.7漏斗-MAC協議的測試床實驗評估
參考文獻
第5章無線感測器網路數據中心路由協議
5.1協商式感測器信息分發協議（SPIN）
5.1.1SPIN概述
5.1.2Meta-Data
5.1.3SPIN消息
5.1.4SPIN資源管理
5.1.5SPIN實現
5.1.6SPIN-1：3步握手協議
5.1.7SPIN-2：低能量門限的SPIN-1
5.1.8用於與SPIN比較的其他數據分發演算法
5.1.9SPIN的性能評估
5.1.10SPIN小結
5.2定向擴散
5.2.1定向擴散的組成要素
5.2.2命名
5.2.3興趣與梯度
5.2.4數據傳播
5.2.5路徑建立與路徑裁剪的強化
5.2.6定向擴散的分析評估
5.2.7定向擴散的模擬評估
參考文獻
第6章無線感測器網路分層路由協議
6.1低能量自適應分群分層（LEACH）
6.1.1LEACH協議體系結構
6.1.2群首選擇演算法
6.1.3分群演算法
6.1.4穩定狀態階段
6.1.5LEACH-C：BS建立分群
6.1.6LEACH的分析與模擬
6.2兩層數據分發協議（TTDD）
6.2.1兩層數據分發
6.2.2柵格結構
6.2.3TTDD轉發
6.2.4柵格維護
6.2.5TTDD開銷分析
6.2.6TTDD的性能
6.2.7TTDD討論
參考文獻
第7章無線感測器網路地理位置路由協議
7.1定位技術
7.1.1距離測量與角度測量
7.1.2位置計算
7.1.3TPS網路模型
7.1.4TPS定位方案
7.1.5TPS技術性能分析
7.2貪婪地理路由演算法
7.2.1概述
7.2.2基於DT的膨脹分析
7.2.3貪婪轉發（GF）
7.2.4有界Voronoi貪婪轉發（BVGF）
7.2.5網路膨脹分析總結
7.2.6基於概率通信模型的擴充
7.3位置輔助泛洪協議（LAF）
7.3.1LAF協議概述
7.3.2採用LAF分發信息
7.3.3LAF中的資源管理
7.3.4柵格維護開銷
7.3.5數據分發規程的完備性
7.3.6LAF節能分析
7.3.7位置估計中的誤差
7.3.8LAF的性能
參考文獻
第8章無線感測器網路端到端可靠傳輸協議
8.1事件到中心節點的可靠傳輸協議（ESRT）
8.1.1問題定義
8.1.2評估環境
8.1.3特性區域
8.1.4ESRT協議描述
8.1.5擁塞檢測
8.1.6ESRT協議對並發事件的處理
8.1.7ESRT協議的性能分析
8.1.8ESRT協議的模擬結果
8.1.9?的正確選擇
8.2基於多電台虛擬中心節點的過載流量管理（SIPHON）
8.2.1擁塞檢測與預防（CODA）
8.2.2虛擬中心節點尋找與可見度范圍控制
8.2.3SIPHON擁塞檢測
8.2.4改變流量的傳輸路徑
8.2.5次網路中的擁塞
8.2.6虛擬中心節點開銷分析
參考文獻
第9章無線感測器網路逐跳可靠傳輸協議
9.1合成擁塞控制技術（FUSION）
9.1.1擁塞崩潰的症狀
9.1.2逐跳流量控制
9.1.3速率限制
9.1.4MAC層優先順序化
9.1.5應用自適應
9.2慢分發、快提取可靠傳輸協議（PSFQ）
9.2.1PSFQ協議概述
9.2.2PSFQ分發操作
9.2.3PSFQ提取操作
9.2.4PSFQ報告操作
9.2.5單個分組消息的交付
9.2.6PSFQ的性能
9.3下行數據可靠交付可擴展體系結構（GARUDA）
9.3.1面臨的挑戰
9.3.2可靠性語義
9.3.3GARUDA的基本原理
9.3.4單個分組或第一個分組的交付
9.3.5即時構建GARUDA核
9.3.6兩階段丟失恢復
9.3.7其他可靠性語義的支持
9.3.8GARUDA的性能
參考文獻
第10章無線感測器網路數據融合技術
10.1樹狀結構累積
10.1.1分布式生成樹演算法
10.1.2E-Span樹
10.2不受應用約束的自適應數據累積（AIDA）
10.2.1AIDA協議概述
10.2.2AIDA體系結構
10.2.3AIDA控制單元中的累積方案
10.2.4AIDA累積功能單元
10.2.5AIDA分組格式
10.2.6AIDA分組頭開銷分析
10.2.7AIDA節省分析
10.2.8AIDA的性能
10.3無結構累積法與半結構累積法
10.3.1數據意識任意組播（DAA）
10.3.2ToD上的動態轉發
10.3.3性能分析
10.3.4ToD和DAA的性能
參考文獻
第11章無線感測器網路安全
11.1WSN安全概述
11.1.1WSN安全威脅模型
11.1.2WSN安全面臨的障礙
11.1.3WSN安全要求
11.1.4WSN安全解決方案的評估
11.2WSN中的安全攻擊
11.2.1物理層安全攻擊
11.2.2鏈路層安全攻擊
11.2.3對WSN網路層（路由）的攻擊
11.2.4對傳輸層的攻擊
11.3SPINS安全解決方案
11.3.1符號
11.3.2SNEP
11.3.3μTESLA
11.3.4μTESLA詳細描述
11.3.5SPINS實現
11.3.6SPINS性能評估
11.4LEAP+安全解決方案
11.4.1假設條件
11.4.2LEAP+概述
11.4.3單獨密鑰的建立
11.4.4成對密鑰的建立
11.4.5分群密鑰的建立
11.4.6全網密鑰的建立
11.4.7本地廣播認證
11.4.8LEAP+安全分析
11.4.9LEAP+性能評估
參考文獻
第12章無線感測器網路中間件技術
12.1WSN中間件面臨的挑戰
12.2WSN中間件的功能要求
12.3ZebraNet系統中的中間件系統（Impala）
12.3.1ZebraNet系統簡介
12.3.2ZebraNet中間件體系結構
12.3.3應用適配器
12.3.4應用更新器
12.3.5周期性操作調度
12.3.6事件處理模型
12.3.7Impala網路介面
12.3.8Impala評估
12.4感測器信息網路化體系結構（SINA）
12.4.1SINA的功能組成
12.4.2信息抽象
12.4.3感測器查詢與任務分配語言（SQTL）
12.4.4感測器執行環境（SEE）
12.4.5信息收集方法
12.4.6應用舉例
參考文獻
第13章無線感測器網路應用及編程
13.1感測器網路的應用
13.1.1軍事應用
13.1.2環境應用
13.1.3醫療衛生應用
13.1.4家庭應用
13.1.5其他商業應用
13.2WSN應用設計原理
13.2.1設計方面
13.2.2確定WSN操作坊式
13.3WSN網路編程
13.3.1編程抽象
13.3.2現有若干編程模型簡介
13.4分層編程與ATaG編程架構
13.4.1WSN的分層編程
13.4.2抽象任務圖編程架構（ATaG）
13.4.3採用ATaG的應用開發方法
13.4.4一個ATaG應用例子
參考文獻
……