無線感測網路設計實例

❶ 誰能提供一下STM32W108無線射頻無線感測器網路煩霧採集的程序源代碼與實例非常感謝

請參考這個實例：煙霧感測器中用到adc.c中的函數，有StStatushalStartAdcConversion (ADCUser id, ADCReferenceType reference, ADCChannelTypechannel, ADCRateType rate)，該函數是開啟AD轉換功能；其中ADCUserid在adc.h中定義，有三種，本實例中用到ADC_USER_APP；ADCReferenceTypereference為參考類型，adc.h中定義，本實例中用ADC_REF_INT，ADCChannelTypechannel為模擬輸入通道，在adc.h中定義，本實例中用到的是PA4作為模擬輸入的通道；ADCRateTyperate為AD轉換頻率，在adc.h中定義，本實例中用到的是ADC_CONVERSION_TIME_US_4096，4096us，12個有效位。
無線節點上電首先進行硬體初始化，然後等按鍵S2被按下，只要S2被按下，無線節點就周期性的進行AD轉換。
/*****************************************************************
文件名：MQ2.c
版本號：v1.0
創建日期：2012-4-1
硬體描述：煙霧感測器的數字輸出接STM32W晶元的PA3，模擬輸出接STM32W晶元的PA4
主要函數描述：MQSetStatus(int32u status):設置對應引腳；
MQGetStatus()：獲得對應埠值
MQGetDCData()：獲得煙霧感測器數字輸出的值
MQADCInit()：設置PA4為模擬輸入狀態
MQGetADCStart()：開啟AD轉換
*****************************************************************/
#includePLATFORM_HEADER
#includeBOARD_HEADER
#include"MQ2.h"
#include"hal/micro/micro-common.h"
#include"hal/micro/cortexm3/micro-common.h"
#include "hal/micro/adc.h"
#include"stdio.h"
#define LOW0//低電平
#define HIGH1//高電平

/**************************************************************************
功能描述：完成對特定埠的設置
輸入參數：status：埠參數，高電平或低電平
輸出參數：無
*************************************************************************/
voidMQSetStatus(int32u status)
{
halGpioConfig(MBUS,GPIOCFG_OUT);
if(MBUS/8 < 3)
{
if(status==HIGH) //設置為高電平
*((volatile int32u *)MBUS_SET) =BIT(MBUS&7);
else //設置為低電平
*((volatile int32u *)MBUS_CLR) =BIT(MBUS&7);
}
}

/**************************************************************************
功能描述：完成獲取對應埠的值
輸入參數：無
輸出參數：對應埠的值
*************************************************************************/
u8 MQGetStatus()
{
return (MBUS_INPUT_GPIO &(1<<MBUS_GPIO_PIN)) ? 1 : 0;
}

/**************************************************************************
功能描述：完成對煙霧感測器數字輸出的獲取
輸入參數：無
輸出參數：煙霧感測器數字輸出值
*************************************************************************/
u8MQGetDCData()
{
halGpioConfig(MBUS,GPIOCFG_IN);
if(MQGetStatus()==0)
{
halCommonDelayMicroseconds(500); //延時抗干擾
if(MQGetStatus()==0)
return 0;
else
return 1;
}
else
return 1;
}

/**************************************************************************
功能描述：設置PA4埠為模擬輸入輸出
輸入參數：無
輸出參數：無
*************************************************************************/
voidMQADCInit()
{
halGpioConfig(PORTA_PIN(4),GPIOCFG_ANALOG);
}

/**************************************************************************
功能描述：完成對給定數字的顯示
輸入參數：無
輸出參數：無
*************************************************************************/
voidMQGetADCStart()
{
halAdcCalibrate(ADC_USER_APP); //設置ADC校準
halStartAdcConversion(ADC_USER_APP,ADC_REF_INT,ADC_SOURCE_ADC4_VREF2,ADC_CONVERSION_TIME_US_4096 ); //開啟AD轉換，ADC4，轉換速率4096
}

❷ 有誰能舉例說明物聯網中的無線感測器網路嗎

舉例1：軍事通信
在現代化戰場上，由於沒有基站等基礎設施可以利用，需要藉助無線感測器網路進行信息交換。無線感測器網路具有密集型、隨機分布等特點，非常適合應用在惡劣的戰場環境，能夠監測敵軍區域內的兵力、裝備等情況，能夠定位目標、監測核攻擊和生物化學攻擊等。無線感測器網路為未來的現代化戰爭設計了一個戰場指揮系統，該系統能夠集監視、偵查、定位、計算、智能、通信、控制和命令於一體，因而受到軍事發達國家的普遍重視。
舉例2：醫療監控
在醫療監控方面，無線感測器網路可以實現對人體生理數據的無線監控、對醫護人員和患者的追蹤、對葯品和醫療設備的監測等。美國英特爾公司目前正在研製家庭護理的無線感測器網路系統，作為美國「應對老齡化社會技術項目」的一項重要內容，無線感測器網路通過在鞋、傢具、家用電器等物體中嵌入半導體感測器，可以幫助老齡人士、阿爾茨海默氏病患者以及殘障人士接受護理，這樣可以減輕護理人員的負擔。

❸ 無線感測網路（本科畢業設計）

你給我留個郵箱，我直接發給你吧，是一些別人做過的專業文獻資料，你可以參考參考

❹ 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

❺ 試著設計一個用於煤礦工人井下定位的礦井地下無線感測器網路系統結構方案，並闡述設計的基本思路。

礦井環境監測中通常需要對礦井風速、礦塵、一氧化碳、溫度、濕度、氧氣、硫化氫和二氧化碳等參數進行檢測。現有的監控檢測系統需要在礦井內設通信線路，傳遞監測信息。生產過程中礦井結構在不停變化，加之有些坑道空間狹小，對通信線路的延伸和維護提出了很高的要求。一旦通信鏈路發生故障，整個監測系統就可能癱瘓。為解決上述問題，本文提出使用無線感測器網路來進行礦井環境的監測監控。使用無線感測器網路進行環境監控有三個顯著的優勢：(1)感測器節點體積小且整個網路只需要部署一次，因此部署感測器網路對監控環境的人為影響很小；(2)感測器網路節點數量大，分布密度高，每個節點可以檢測到局部環境詳細信息並匯總到基站，因此感測器網路具有採集數據全面，精度高的特點；(3)無線感測器節點本身具有一定的計算能力和存儲能力，可以根據物理環境的變化進行較為復雜的監控。感測器節點還具有無線通信的能力，可以在節點間進行協同監控[1]。節點的計算能力和無線通信能力使得感測器網路能夠重新編程和重新部署，對環境變化、感測器網路自身變化以及網路控制指令做出及時反應。即使礦井結構遭到破壞，仍能自動恢復組網，傳遞信息，為礦難救助等提供重要信息。無線感測器網路自身的這些特點特別適用於礦井環境監測。

❻ 無線感測器有哪些應用實例

隨著物聯網無線感測器技術不斷提高，越來越得到廣泛應用，主要用於石油化工，電力，工業製造，醫葯，農業，養殖，市政等領域，不僅提高了工作效率，還降低了生產成本。這里，小編結合用戶實際需求盤點了聯網無線感測器技術的十大典型應用實例。

一、EMS能源數據無線監控
針對美的集團的一個總廠，下面有7個分廠（總裝一分廠、總裝二分廠、總裝三分廠、輕商分廠、注塑分廠、電子分廠、部裝分廠）的監控和信息分析。
1、實現對各分廠的各線體現場電能表、各種流量計量表（如壓縮空氣流量、石油氣流量、氧氣流量、氮氣流量等）的實時數據採集及監控
2、實現各分廠的各線體的用電量、用壓縮空氣量、用石油氣量、用氮氣量、用氧氣量等的計算、統計、分析
3、實現統計報表功能、實時數據和狀態顯示功能、歷史和實時曲線功能、遠程式控制制功能、管理功能、冗餘功能
4、要求系統具有良好的開放性，可以與其它信息系統等進行數據交換
二、地下管溝水位監測
為了確保上海迪斯尼樂園整個園區後期的安全運營，需要對供排水管道網路進行科學周到的監控管理。
1、一共有六個點需要監測地下管溝的水位。
2、當水位超標時，將信號上傳至電腦或手機上。
三、電廠管網壓力、流量、溫度無線監控
廣東羅定電廠管網壓力、流量、溫度無線監測主要監測管網的壓力、流量、溫度，以及閥門開度等等參數，並在需要時對閥門進行開、關操作。該系統由監控中心、通信網路、測控終端等組成。
各個管網監測點的數據採集終端可監視和採集溫度、壓力、流量等等參數，同時具備遠程式控制制功能，可進行管網閥門的開關調度及顯示。數據存入資料庫供控制中心及有關部門分析和決策取用，並能保存至少兩年以上，提高工作效率。

❼ 無線感測器的應用實例

橋梁健康檢測及監測橋梁結構健康監測(SHM)是一種基於感測器的主動防禦型方法，可以彌補目前安全性能十分重要的結構中，把感測器網路安置到橋梁、建築和飛機中，利用感測器進行SHM是一種可靠且不昂貴的做法，可以在第一時間檢測到缺陷的形成。這種網路可以提早向維修人員報告在關鍵結構中出現的缺陷，從而避免災難性事故。糧倉溫濕度監測無線感測器網路技術在糧庫糧倉溫度濕度監測領域應用最為普遍，這是由於糧庫糧倉溫度濕度的測點多，分布廣，使用縱橫交錯的信號線會降低防火安全系數，應用無線感測器網路技術具有低功耗，低成本，布線簡單，安裝方便，易於組網，便於管理維護等特點。混凝土澆灌溫度監測在混凝土施工過程中，將數字溫度感測器裝入導熱良好的金屬套管內，可保證感測器對混凝土溫度變化作出迅速的反應。每個溫度監測金屬管接入一個無線溫度節點，整個現場的無線溫度節點通過無線網路傳輸到施工監控中心，不需要在施工現場布放長電纜，安裝布放方便，能夠有效解決溫度測量點因為施工人員損壞電纜造成的成活率較低的問題.地震監測通過使用由大量互連的微型感測器節點組成的感測器網路，可以對不同環境進行不間斷的高精度數據搜集。採用低功耗的無線通信模塊和無線通信協議可以使感測器網路的生命期延續很長時間。保證了感測器網路的實用性。無線感測器網路相對於傳統的網路，其最明顯的特色可以用六個字來概括即：「自組織，自癒合」。這些特點使得無線感測器網路能夠適應復雜多變的環境，去監測人力難以到達的惡劣環境地區。BEETECH無線感測器網路節點體積小巧,不需現場拉線供電，非常方便在應急情況下進行靈活部署監測並預測地質災害的發生情況。建築物振動檢測建築物懸臂部分不會因為旁邊公路及地鐵交通所引發的振動而超過舒適度的要求；通過現場測量，收集數據以驗證由公路及地鐵交通所引發的振動與主樓懸臂振動之相互關系； 同時，通過模態分析得到主樓結構在小振幅脈動振動工況下前幾階振動模態的阻尼比，為將來進行結構的小振幅動力分析提供關鍵數據。本次應用採用高精度加速度感測器，捕捉大型結構微弱振動，同樣適用於風載，車輛等引起的脈動測量。

❽ 設計無線感測器網路的節點部署方案時必須考慮哪些問題

設計無線感測器網路節點需要遵循以下幾個主要的原則。
（1）微型化與低成本
由於無線感測器網路節點數量大，只有實現節點的微型化與低成本才有可能大規模部署與應用。因此節點的微型化與低成本一直是研究人員追求的主要目標之一。對於目標跟蹤與位置服務一類的應用來說，部署的無線感測器節點越密，定位精度就越高。對於醫療監控類的應用來說，微型節點容易被穿戴。實現節點的微型化與低成本需要考慮硬體與軟體兩個方面的因素，而關鍵是研製專用的片上系統（System on Chip，SoC）晶元。對於傳統的個人計算機，內存2GB、硬碟100GB已經是常見的配置，而一個典型的無線感測器節點的內存只有4kB、程序存儲空間只有10kB。正是因為感測器節點硬體配置的限制，所以節點的操作系統、應用軟體結構的設計與軟體編程都必須注意節約計算資源，不能夠超出節點硬體可能支持的范圍。
（2）低功耗
感測器節點在使用過程中受到電池能量的限制。在實際應用中，通常要求感測器節點數量很多，但是每個節點的體積很小，攜帶的電池能量十分有限。同時，由於無線感測器網路的節點數量多、成本低廉、部署區域的環境復雜，有些區域甚至人員不能到達，因此感測器節點通過更換電池來補充能源是不現實的。如何高效使用有限的電池能量，來最大化網路生命周期是無線感測器網路面臨的最大的挑戰。
感測器節點消耗能量的模塊包括：感測器模塊、處理器模塊和無線通信模塊。隨著集成電路工藝的進步，處理器和感測器模塊的功耗變得很低。圖2-43給出了感測器節點各部分能量消耗情況。從圖中可以看出，感測器節點能量的絕大部分消耗在無線通信模塊。感測器節點發送信息消耗的電能比計算更大，傳輸1bit信號到相距100m的其他節點需要的能量相當於執行3000條計算指令消耗的能量。
圖2-43感測器節點各部分能量消耗情況無線通信模塊存在四種狀態：發送、接收、空閑和休眠。無線通信模塊在空閑狀態一直監聽無線信道的使用情況，檢查是否有數據發送給自己，而在休眠狀態則關閉通信模塊。從圖中可以看到，無線通信模塊在發送狀態的能量消耗最大；在空閑狀態和接收狀態的能量消耗接近，但略少於發送狀態的能量消耗；在休眠狀態的能量消耗最少。為讓網路通信更有效率，必須減少不必要的轉發和接收，不需要通信時盡快進入休眠狀態，這是設計無線感測器網路協議時需要重點考慮的問題。
（3）靈活性與可擴展性
無線感測器網路節點的靈活性與可擴展性表現在適應不同的應用系統，或部署在不同的應用場景中。例如，感測器節點可以用於森林防火的無線感測器網路中，也可以用於天然氣管道安全監控的無線感測器網路中；可以用於沙漠乾旱環境下天然氣管道安全監控，也可以用於沼澤地潮濕環境的安全監控；可以適應單一聲音感測器精確位置測量的應用，也可以適應溫度、濕度與聲音等多種感測器的應用；節點可以按照不同的應用需求，將不同的功能模塊自由配置到系統中，而不需重新設計新的感測器節點；節點的硬體設計必須考慮提供的外部介面，可以方便地在現有的節點上直接接入新的感測器。軟體設計必須考慮到可裁剪，可以方便地擴充功能，可以通過網路自動更新應用軟體。
（4）魯棒性
普通的計算機或PDA、智能手機可以通過經常性的人機交互來保證系統的正常運行。而無線感測器節點與傳統信息設備最大的區別是無人值守，一旦大量無線感測器節點被飛機拋灑或人工安置後，就需要獨立運行。即使是用於醫療健康的可穿戴節點，也需要獨立工作，使用者無法與其交互。對於普通的計算機，如果出現故障，人們可以通過重啟來恢復系統的工作狀態。而在無線感測器網路的設計中，如果一個節點崩潰，那麼剩餘的節點將按照自組網的思路，重新組成具有新拓撲的自組網。當剩餘的節點不能夠組成新的網路時，這個無線感測器網路就失效了。因此感測器節點的魯棒性是實現無線感測器網路長時間工作重要的保證。更多http://www.big-bit.com/news/list-75.html

❾ 設計出一個無線感測器網路系統

用GPS啊。