传感器网络如何简化网络降低成本

‘壹’ 在wsn中如何使用计算来节省通信成本

借助ADI的传感器，信号处理技术，RF来进行计算减少通信成本
WSN由“节点”组成-数量从几个到数百个甚至几千个，其中，每个节点都连接到一个（有时是几个）传感器。
每一个这种传感器网络节点一般都包括几个部件：一个无线电收发器，一根内置天线或外部天线连接、一个微控制器、一个传感器接口电路和电源，一般为电池或嵌入式能量采集机制。

‘贰’ 无线传感器网络组网要素有哪些

无线传感器网络的实现需要自组织(Ad hoc)网络技术。尽管已有许多Ad hoc网络的协议和算法，但并不能够满足传感器网络的需求。具体来说，相对于一般意义上的自组织网络，传感器网络有以下一些特色，需要在体系结构的设计中特殊考虑[2]。(1)无线传感器网络中的节点数目高出Ad hoc网络节点数目几个数量级，这就对传感器网络的可扩展性提出了要求。由于传感器节点的数目多开销大，传感器网络通常不具备全球唯一的地址标识，这使得传感器网络的网络层和传输层相对于一般网络而言，有很大的简化。此外，由于传感器网络节点众多，因此，单个节点的价格对于整个传感器网络的成本而言非常重要。(2)自组织传感器网络最大的特点就是能量受限。传感器节点受环境的限制，通常由电量有限且不可更换的电池供电，所以在考虑传感器网络体系结构以及各层协议设计时，节能是设计的主要考虑目标之一。(3)由于传感器网络应用的环境的特殊性、无线信道不稳定以及能源受限的特点，传感器网络节点受损的概率远大于传统网络节点，因此自组织网络的健壮性保障是必须的以保证部分传感器网络的损坏不会影响到全局任务的进行。(4)传感器节点高密度部署，网络拓扑结构变化快，对于拓扑结构的维护也提出了挑战。 http://www.schneider-electric.cn/sites/china/cn/procts-services/automation-control/procts-offer/function-presentation.page?p_function_id=5007

‘叁’ 传感器网络的原理

传感器网络的每个节点除配备了一个或多个传感器之外，还装备了一个无线电收发器、一个很小的微控制器和一个能源（通常为电池）。单个传感器节点的尺寸大到一个鞋盒，小到一粒尘埃。传感器节点的成本也是不定的，从几百美元到几美分，这取决于传感器网络的规模以及单个传感器节点所需的复杂度。传感器节点尺寸与复杂度的限制决定了能量、存储、计算速度与频宽的受限。
在计算机科学领域，传感器网络是一个研究热点，每年都会召开很多的研讨会和国际会议。

‘肆’ 结合铁路实际案例给出基于物联网传感器技术的解决方案

●传感器技术：价格低廉、性能良好的传感器是物联网应用的基石，物联网的发展要求更准确、更智能、更高效以及兼容性更强的传感器技术。智能数据采集技术是传感器技术发展的一个新方向。信息的泛在化对传感器和传感装置提出了更高的要求。具体如，微型化：元器件的微小型化，要求节约资源与能源；智能化：具备自校准、自诊断、自学习、自决策、自适应和自组织等人工智能技术；低功耗与能量获取技术：供电方式为电池、阳光、风、温度、振动等多种方式。
●设备兼容技术：大部分情况下，企业会基于现有的工业系统建造工业物联网，如何实现工业物联网中所用的传感器能够与原有设备已应用的传感器相兼容是工业物联网推广所面临的问题之一。传感器的兼容主要指数据格式的兼容与通信协议的兼容，兼容关键是标准的统一。目前，工业现场总线网络中普遍采用的如Profibus、Mos协议，已经较好地解决了兼容性问题，大多数工业设备生产厂商基于这些协议开发了各类传感器、控制器等。近年来，随着工业无线传感器网络应用日渐普遍，当前工业无线的WirelessHART、ISA100．11a以及wIA—PA3大标准均兼容了IEEE802．15．4无线网络协议，并提供了隧道传输机制兼容现有的通信协议，丰富了工业物联网系统的组成与功能。
●网络技术：网络是构成工业物联网的核心之一，数据在系统不同的层次之间通过网络进行传输。网络分为有线网络与无线网络，有线网络一般应用于数据处理中心的集群服务器、工厂内部的局域网以及部分现场总线控制网络中，能提供高速率高带宽的数据传输通道。工业无线传感器网络则是一种新兴的利用无线技术进行传感器组网以及数据传输的技术，无线网络技术的应用可以使得工业传感器的布线成本大大降低，有利于传感器功能的扩展，因此吸引了国内外众多企业和科研机构的关注。
传统的有线网络技术较为成熟，在众多场合已得到了应用验证。然而，当无线网络技术应用于工业环境时，会面临如下问题：工业现场强电磁干扰、开放的无线环境让工业机器更容易受到攻击威胁、部分控制数据需要实时传输。相对于有线网络，工业无线传感器网络技术则正处在发展阶段，它解决了传统的无线网络技术应用于工业现场环境时的不足，提供了高可靠性、高实时性以及高安全性，主要技术包括：自适应跳频、确实性通信资源调度、无线路由、低开销高精度时间同步、网络分层数据加密、网络异常监视与报警以及设备入网鉴权等。
●信息处理技术：工业信息出现爆炸式增长，工业生产过程中产生的大量数据对于工业物联网来说是一个挑战，如何有效处理、分析、记录这些数据，提炼出对工业生产有指导性建议的结果，是工业物联网的核心所在，也是难点所在。
当前业界大数据处理技术有很多，如SAP的BW系统在一定程度上解决了大数据给企业生产运营带来的问题。数据融合和数据挖掘技术的发展也使海量信息处理变得更为智能、高效。工业物联网泛在感知的特点使得人也成为了被感知的对象，通过对环境数据的分析以及用户行为的建模，可以实现生产设计、制造、管理过程中的人一人、人一机和机一机之间的行为、环境和状态感知，更加真实地反映出工业生产过程中的细节变化，以便得出更准确的分析结果。
●安全技术：工业物联网安全主要涉及数据采集安全、网络传输安全等过程，信息安全对于企业运营起到关键作用，例如在冶金、煤炭、石油等行业采集数据需要长时问的连续运行，如何保证在数据采集以及传输过程中信息的准确无误是工业物联网应用于实际生产的前提。

‘伍’ 设计无线传感器网络的节点部署方案时必须考虑哪些问题

设计无线传感器网络节点需要遵循以下几个主要的原则。
（1）微型化与低成本
由于无线传感器网络节点数量大，只有实现节点的微型化与低成本才有可能大规模部署与应用。因此节点的微型化与低成本一直是研究人员追求的主要目标之一。对于目标跟踪与位置服务一类的应用来说，部署的无线传感器节点越密，定位精度就越高。对于医疗监控类的应用来说，微型节点容易被穿戴。实现节点的微型化与低成本需要考虑硬件与软件两个方面的因素，而关键是研制专用的片上系统（System on Chip，SoC）芯片。对于传统的个人计算机，内存2GB、硬盘100GB已经是常见的配置，而一个典型的无线传感器节点的内存只有4kB、程序存储空间只有10kB。正是因为传感器节点硬件配置的限制，所以节点的操作系统、应用软件结构的设计与软件编程都必须注意节约计算资源，不能够超出节点硬件可能支持的范围。
（2）低功耗
传感器节点在使用过程中受到电池能量的限制。在实际应用中，通常要求传感器节点数量很多，但是每个节点的体积很小，携带的电池能量十分有限。同时，由于无线传感器网络的节点数量多、成本低廉、部署区域的环境复杂，有些区域甚至人员不能到达，因此传感器节点通过更换电池来补充能源是不现实的。如何高效使用有限的电池能量，来最大化网络生命周期是无线传感器网络面临的最大的挑战。
传感器节点消耗能量的模块包括：传感器模块、处理器模块和无线通信模块。随着集成电路工艺的进步，处理器和传感器模块的功耗变得很低。图2-43给出了传感器节点各部分能量消耗情况。从图中可以看出，传感器节点能量的绝大部分消耗在无线通信模块。传感器节点发送信息消耗的电能比计算更大，传输1bit信号到相距100m的其他节点需要的能量相当于执行3000条计算指令消耗的能量。
图2-43传感器节点各部分能量消耗情况无线通信模块存在四种状态：发送、接收、空闲和休眠。无线通信模块在空闲状态一直监听无线信道的使用情况，检查是否有数据发送给自己，而在休眠状态则关闭通信模块。从图中可以看到，无线通信模块在发送状态的能量消耗最大；在空闲状态和接收状态的能量消耗接近，但略少于发送状态的能量消耗；在休眠状态的能量消耗最少。为让网络通信更有效率，必须减少不必要的转发和接收，不需要通信时尽快进入休眠状态，这是设计无线传感器网络协议时需要重点考虑的问题。
（3）灵活性与可扩展性
无线传感器网络节点的灵活性与可扩展性表现在适应不同的应用系统，或部署在不同的应用场景中。例如，传感器节点可以用于森林防火的无线传感器网络中，也可以用于天然气管道安全监控的无线传感器网络中；可以用于沙漠干旱环境下天然气管道安全监控，也可以用于沼泽地潮湿环境的安全监控；可以适应单一声音传感器精确位置测量的应用，也可以适应温度、湿度与声音等多种传感器的应用；节点可以按照不同的应用需求，将不同的功能模块自由配置到系统中，而不需重新设计新的传感器节点；节点的硬件设计必须考虑提供的外部接口，可以方便地在现有的节点上直接接入新的传感器。软件设计必须考虑到可裁剪，可以方便地扩充功能，可以通过网络自动更新应用软件。
（4）鲁棒性
普通的计算机或PDA、智能手机可以通过经常性的人机交互来保证系统的正常运行。而无线传感器节点与传统信息设备最大的区别是无人值守，一旦大量无线传感器节点被飞机抛洒或人工安置后，就需要独立运行。即使是用于医疗健康的可穿戴节点，也需要独立工作，使用者无法与其交互。对于普通的计算机，如果出现故障，人们可以通过重启来恢复系统的工作状态。而在无线传感器网络的设计中，如果一个节点崩溃，那么剩余的节点将按照自组网的思路，重新组成具有新拓扑的自组网。当剩余的节点不能够组成新的网络时，这个无线传感器网络就失效了。因此传感器节点的鲁棒性是实现无线传感器网络长时间工作重要的保证。更多http://www.big-bit.com/news/list-75.html

‘陆’ 无线传感器网络

无线传感器网络(wirelesssensornetwork，WSN)是综合了传感器技术、嵌入式计算机技术、分布式信息处理技术和无线通信技术，能够协作地实时监测、感知和采集网络分布区域内的各种环境或监测对象的信息，并对这些数据进行处理，获得详尽而准确的信息。传送到需要这些信息的用户。它是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成一个多跳的自组织的网络系统。传感器、感知对象和观察者构成了传感器网络的三要素。
无线传感器网络作为当今信息领域新的研究热点，涉及到许多学科交叉的研究领域，要解决的关键技术很多，比如：网络拓扑控制、网络协议、网络安全、时间同步、定位技术、数据融合、数据管理、无线通信技术等方面，同时还要考虑传感器的电源和节能等问题。
所谓部署问题，就是在一定的区域内，通过适当的策略布置传感器节点以满足某种特定的需求。优化节点数目和节点分布形式，高效利用有限的传感器网络资源，最大程度地降低网络能耗，均是节点部署时应注意的问题。
目前的研究主要集中在网络的覆盖问题、连通问题和能耗问题3个方面。
基于节点部署方式的覆盖：1)确定性覆盖2)自组织覆盖
基于网格的覆盖：1)方形网格2)菱形网格
被监测目标状态的覆盖：1)静态目标覆盖2)动态目标覆盖
连通问题可描述为在传感器节点能量有限，感知、通信和计算能力受限的情况下，采用一定的策略(通常设计有效的算法)在目标区域中部署传感器节点，使得网络中的各个活跃节点之间能够通过一跳或多跳方式进行通信。连通问题涉及到节点通信距离和通信范围的概念。连通问题分为两类：纯连通与路由连通。
覆盖中的节能对于覆盖问题，通常采用节点集轮换机制来调度节点的活跃／休眠时间。连通中的节能针对连通问题，也可采用节点集轮换机制与调整节点通信距离的方法。而文献中涉及最多的主要是从节约网络能量和平衡节点剩余能量的角度进行路由协议的研究。

‘柒’ 请问谁知道无线传感器网络有哪些用途，谢谢！

无线传感器网络的主要用途 ：

1.环境监测
随着人们对于环境问题的关注程度越来越高，需要采集的环境数据也越来越多，无线传感器网络的出现为随机性的研究数据获取提供了便利，并且还可以避免传统数据收集方式给环境带来的侵入式破坏。比如，英特尔研究实验室研究人员曾经将32个小型传感器连进互联网，以读出缅因州"大鸭岛"上的气候，用来评价一种海燕巢的条件。无线传感器网络还可以跟踪候鸟和昆虫的迁移，研究环境变化对农作物的影响，监测海洋、大气和土壤的成分等。此外，它也可以应用在精细农业中，来监测农作物中的害虫、土壤的酸碱度和施肥状况等。
2.医疗护理
罗彻斯特大学的科学家使用无线传感器创建了一个智能医疗房间，使用微尘来测量居住者的重要征兆(血压、脉搏和呼吸)、睡觉姿势以及每天24小时的活动状况。英特尔也推出了基于WSN的家庭护理技术。该技术是做为探讨应对老龄化社会的技术项目Center for Aging Services Technologies(CAST)的一个环节开发的。该系统通过在鞋、家具以家用电器等家中道具和设备中嵌入半导体传感器，帮助老龄人士、阿尔茨海默氏病患者以及残障人士的家庭生活。利用无线通信将各传感器联网可高效传递必要的信息从而方便接受护理。而且还可以减轻护理人员的负担。英特尔主管预防性健康保险研究的董事Eric Dishman称，"在开发家庭用护理技术方面，无线传感器网络是非常有前途的领域"。
3.军事领域
由于无线传感器网络具有密集型、随机分布的特点，使其非常适合应用于恶劣的战场环境中，使其非常适合应用于恶劣的战场环境中，包括侦察敌情、监控兵力、装备和物资，判断生物化学攻击等多方面用途。美国国防部远景计划研究局已投资几千万美元，帮助大学进行"智能尘埃"传感器技术的研发。哈伯研究公司总裁阿尔门丁格预测：智能尘埃式传感器及有关的技术销售将从2004年的1000万美元增加到2010年的几十亿美元。
目标跟踪
DARPA支持的Sensor IT项目探索如何将WSN技术应用于军事领域，实现所谓“超视距”战场监测。UCB的教授主持的Sensor Web是Sensor IT的一个子项目。原理性地验证了应用WSN进行战场目标跟踪的技术可行性，翼下携带WSN节点的无人机(UAV)飞到目标区域后抛下节点，最终随机布撤落在被监测区域，利用安装在节点上的地震波传感器可以探测到外部日标，如坦克、装甲车等，并根据信号的强弱估算距离，综合多个节点的观测数据，最终定位目标，并绘制出其移动的轨迹。虽然该演示系统在精度等方面还远达不到装备部队用于实战的要求，这种战场侦察模式尚未应用于实战，但随着美国国防部将其武器系统研制的主要技术目标从精确制导转向目标感知与定位，相信WSN提供的这种新颖的战场侦察模式会受到军方的关注。
4.其他用途
WSN还被应用于一些危险的工业环境如井矿、核电厂等，工作人员可以通过它来实施安全监测。也可以用在交通领域作为车辆监控的有力工具。此外和还可以在工业自动化生产线等诸多领域，英特尔正在对工厂中的一个无线网络进行测试，该网络由40台机器上的210个传感器组成，这样组成的监控系统将可以大大改善工厂的运作条件。它可以大幅降低检查设备的成本，同时由于可以提前发现问题，因此将能够缩短停机时间，提高效率，并延长设备的使用时间。尽管无线传感器技术仍处于初步应用阶段，但已经展示出了非凡的应用价值，相信随着相关技术的发展和推进，一定会得到更大的应用。

‘捌’ 无线传感器网络的优缺点

一、优点

(1) 数据机密性

数据机密性是重要的网络安全需求，要求所有敏感信息在存储和传输过程中都要保证其机密性，不得向任何非授权用户泄露信息的内容。

(2)数据完整性

有了机密性保证，攻击者可能无法获取信息的真实内容，但接收者并不能保证其收到的数据是正确的，因为恶意的中间节点可以截获、篡改和干扰信息的传输过程。通过数据完整性鉴别，可以确保数据传输过程中没有任何改变。

(3) 数据新鲜性

数据新鲜性问题是强调每次接收的数据都是发送方最新发送的数据，以此杜绝接收重复的信息。保证数据新鲜性的主要目的是防止重放(Replay)攻击。

二、缺点

根据网络层次的不同，无线传感器网络容易受到的威胁：

（1）物理层：主要的攻击方法为拥塞攻击和物理破坏。

（2）链路层：主要的攻击方法为碰撞攻击、耗尽攻击和非公平竞争。

（3）网络层：主要的攻击方法为丢弃和贪婪破坏、方向误导攻击、黑洞攻击和汇聚节点攻击。

（4）传输层：主要的攻击方法为泛洪攻击和同步破坏攻击。

(8)传感器网络如何简化网络降低成本扩展阅读：

一、相关特点

（1）组建方式自由。

无线网络传感器的组建不受任何外界条件的限制，组建者无论在何时何地，都可以快速地组建起一个功能完善的无线网络传感器网络，组建成功之后的维护管理工作也完全在网络内部进行。

（2）网络拓扑结构的不确定性。

从网络层次的方向来看，无线传感器的网络拓扑结构是变化不定的，例如构成网络拓扑结构的传感器节点可以随时增加或者减少，网络拓扑结构图可以随时被分开或者合并。

（3）控制方式不集中。

虽然无线传感器网络把基站和传感器的节点集中控制了起来，但是各个传感器节点之间的控制方式还是分散式的，路由和主机的功能由网络的终端实现各个主机独立运行，互不干涉，因此无线传感器网络的强度很高，很难被破坏。

（4）安全性不高。

无线传感器网络采用无线方式传递信息，因此传感器节点在传递信息的过程中很容易被外界入侵，从而导致信息的泄露和无线传感器网络的损坏，大部分无线传感器网络的节点都是暴露在外的，这大大降低了无线传感器网络的安全性。

二、组成结构

无线传感器网络主要由三大部分组成，包括节点、传感网络和用户这3部分。其中，节点一般是通过一定方式将节点覆盖在一定的范围，整个范围按照一定要求能够满足监测的范围。

传感网络是最主要的部分，它是将所有的节点信息通过固定的渠道进行收集，然后对这些节点信息进行一定的分析计算，将分析后的结果汇总到一个基站，最后通过卫星通信传输到指定的用户端，从而实现无线传感的要求。

‘玖’ 无线传感器网络安全目标是要解决网络的哪些问题

无线通信和低功耗嵌入式技术的飞速发展，孕育出无线传感器网络(Wireless Sensor Networks, WSN)，并以其低功耗、低成本、分布式和自组织的特点带来了信息感知的一场变革，无线传感器网络是由部署在监测区域内大量的廉价微型传感器节点，通过无线通信方式形成的一个多跳自组织网络。

信息安全
很显然，现有的传感节点具有很大的安全漏洞，攻击者通过此漏洞，可方便地获取传感节点中的机密信息、修改传感节点中的程序代码，如使得传感节点具有多个身份ID，从而以多个身份在传感器网络中进行通信，另外，攻击还可以通过获取存储在传感节点中的密钥、代码等信息进行，从而伪造或伪装成合法节点加入到传感网络中。一旦控制了传感器网络中的一部分节点后，攻击者就可以发动很多种攻击，如监听传感器网络中传输的信息，向传感器网络中发布假的路由信息或传送假的传感信息、进行拒绝服务攻击等。
对策：由于传感节点容易被物理操纵是传感器网络不可回避的安全问题，必须通过其它的技术方案来提高传感器网络的安全性能。如在通信前进行节点与节点的身份认证;设计新的密钥协商方案，使得即使有一小部分节点被操纵后，攻击者也不能或很难从获取的节点信息推导出其它节点的密钥信息等。另外，还可以通过对传感节点的合法性进行认证等措施来提高节点本身的安全性能。
根据无线传播和网络部署特点，攻击者很容易通过节点间的传输而获得敏感或者私有的信息，如：在使用WSN监控室内温度和灯光的场景中，部署在室外的无线接收器可以获取室内传感器发送过来的温度和灯光信息;同样攻击者通过监听室内和室外节点间信息的传输，也可以获知室内信息，从而非法获取出房屋主人的生活习惯等私密信息。[6]
对策：对传输信息加密可以解决窃听问题，但需要一个灵活、强健的密钥交换和管理方案，密钥管理方案必须容易部署而且适合传感节点资源有限的特点，另外，密钥管理方案还必须保证当部分节点被操纵后（这样，攻击者就可以获取存储在这个节点中的生成会话密钥的信息），不会破坏整个网络的安全性。由于传感节点的内存资源有限，使得在传感器网络中实现大多数节点间端到端安全不切实际。然而在传感器网络中可以实现跳-跳之间的信息的加密，这样传感节点只要与邻居节点共享密钥就可以了。在这种情况下，即使攻击者捕获了一个通信节点，也只是影响相邻节点间的安全。但当攻击者通过操纵节点发送虚假路由消息，就会影响整个网络的路由拓扑。解决这种问题的办法是具有鲁棒性的路由协议，另外一种方法是多路径路由，通过多个路径传输部分信息，并在目的地进行重组。
传感器网络是用于收集信息作为主要目的的，攻击者可以通过窃听、加入伪造的非法节点等方式获取这些敏感信息，如果攻击者知道怎样从多路信息中获取有限信息的相关算法，那么攻击者就可以通过大量获取的信息导出有效信息。一般传感器中的私有性问题，并不是通过传感器网络去获取不大可能收集到的信息，而是攻击者通过远程监听WSN，从而获得大量的信息，并根据特定算法分析出其中的私有性问题。因此攻击者并不需要物理接触传感节点，是一种低风险、的获得私有信息方式。远程监听还可以使单个攻击者同时获取多个节点的传输的信息。
对策：保证网络中的传感信息只有可信实体才可以访问是保证私有性问题的最好方法，这可通过数据加密和访问控制来实现;另外一种方法是限制网络所发送信息的粒度，因为信息越详细，越有可能泄露私有性，比如，一个簇节点可以通过对从相邻节点接收到的大量信息进行汇集处理，并只传送处理结果，从而达到数据化。
拒绝服务攻击（DoS）
专门的拓扑维护技术研究还比较少，但相关研究结果表明优化的拓扑维护能有效地节省能量并延长网络生命周期，同时保持网络的基本属性覆盖或连通。本节中，根据拓扑维护决策器所选维护策略

在无线传感器网络的研究中，能效问题一直是热点问题。当前的处理器以及无线传输装置依然存在向微型化发展的空间，但在无线网络中需要数量更多的传感器，种类也要求多样化，将它们进行链接，这样会导致耗电量的加大。如何提高网络性能，延长其使用寿命，将不准确性误差控制在最小将是下一步研究的问题。
采集与管理数据

在今后，无线传感器网络接收的数据量将会越来越大，但是当前的使用模式对于数量庞大的数据的管理和使用能力有限。如何进一步加快其时空数据处理和管理的能力，开发出新的模式将是非常有必要的。
无线通讯的标准问题

标准的不统一会给无线传感器网络的发展带来障碍，在接下来的发展中，要开发出无线通讯标准。

‘拾’ 无线传感器网络中的部署问题，200分！！追加！！

无线传感器网络是近几年发展起来的一种新兴技术,在条件恶劣和无人坚守的环境监测和事件跟踪中显示了很大的应用价值。节点部署是无线传感器网络工作的基础,对网络的运行情况和寿命有很大的影响。部署问题涉及覆盖、连接和节约能量消耗3个方面。该文重点讨论了网络部署中的覆盖问题,综述了现有的研究成果,总结了今后的热点研究方向,为以后的研究奠定了基础。
基于虚拟势场的有向传感器网络覆盖增强算法
摘 要: 首先从视频传感器节点方向性感知特性出发,设计了一种方向可调感知模型,并以此为基础对有向传感器网络覆盖增强问题进行分析与定义;其次,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA (potential field based coverage-enhancing algorithm).通过引入“质心”概念,将有向传感器网络覆盖增强问题转化为质心均匀分布问题,以质心点作圆周运动代替传感器节点传感方向的转动.质心在虚拟力作用下作扩散运动,以消除网络中感知重叠区和盲区,进而增强整个有向传感器网络覆盖.一系列仿真实验验证了该算法的有效性.
关键词: 有向传感器网络;有向感知模型;虚拟势场;覆盖增强
中图法分类号: TP393 文献标识码: A
覆盖作为传感器网络中的一个基本问题,反映了传感器网络所能提供的“感知”服务质量.优化传感器网络覆盖对于合理分配网络的空间资源,更好地完成环境感知、信息获取任务以及提高网络生存能力都具有重要的意义[1].目前,传感器网络的初期部署有两种策略:一种是大规模的随机部署;另一种是针对特定的用途进行计划部署.由于传感器网络通常工作在复杂的环境下,而且网络中传感器节点众多,因此大都采用随机部署方式.然而,这种大规模随机投放方式很难一次性地将数目众多的传感器节点放置在适合的位置,极容易造成传感器网络覆盖的不合理(比如,局部目标区域传感器节点分布过密或过疏),进而形成感知重叠区和盲区.因此,在传感器网络初始部署后,我们需要采用覆盖增强策略以获得理想的网络覆盖性能.
目前,国内外学者相继开展了相关覆盖增强问题的研究,并取得了一定的进展[25].从目前可获取的资料来看,绝大多数覆盖问题研究都是针对基于全向感知模型(omni-directional sensing model)的传感器网络展开的[6],
即网络中节点的感知范围是一个以节点为圆心、以其感知距离为半径的圆形区域.通常采用休眠冗余节点[2,7]、
重新调整节点分布[811]或添加新节点[11]等方法实现传感器网络覆盖增强.
实际上,有向感知模型(directional sensing model)也是传感器网络中的一种典型的感知模型[12],即节点的感知范围是一个以节点为圆心、半径为其感知距离的扇形区域.由基于有向感知模型的传感器节点所构成的网络称为有向传感器网络.视频传感器网络是有向传感器网络的一个典型实例.感知模型的差异造成了现有基于全向感知模型的覆盖研究成果不能直接应用于有向传感器网络,迫切需要设计出一系列新方法.
在早期的工作中[13],我们率先开展有向传感器网络中覆盖问题的研究,设计一种基本的有向感知模型,用以刻画视频传感器节点的方向性感知特性,并研究有向传感器网络覆盖完整性以及通信连通性问题.同时,考虑到有向传感器节点传感方向往往具有可调整特性(比如PTZ摄像头的推拉摇移功能),我们进一步提出一种基于图论和计算几何的集中式覆盖增强算法[14],调整方案一经确定,网络中所有有向传感器节点并发地进行传感方向的一次性调整,以此获得网络覆盖性能的增强.但由于未能充分考虑到有向传感器节点局部位置及传感方向信息,因而,该算法对有向传感器网络覆盖增强的能力相对有限.
本文将基本的有向感知模型扩展为方向可调感知模型,研究有向传感器网络覆盖增强问题.首先定义了方向可调感知模型,并分析随机部署策略对有向传感器网络覆盖率的影响.在此基础上,分析了有向传感器网络覆盖增强问题.本文通过引入“质心”概念,将待解决问题转化为质心均匀分布问题,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA(potential field based coverage-enhancing algorithm).质心在虚拟力作用下作扩散运动,逐步消除网络中感知重叠区和盲区,增强整个网络覆盖性能.最后,一系列仿真实验验证了PFCEA算法的有效性.
1 有向传感器网络覆盖增强问题
本节旨在分析和定义有向传感器网络覆盖增强问题.在此之前,我们对方向可调感知模型进行简要介绍.
1.1 方向可调感知模型
不同于目前已有的全向感知模型,方向可调感知模型的感知区域受“视角”的限制,并非一个完整的圆形区域.在某时刻t,有向传感器节点具有方向性感知特性;随着其传感方向的不断调整(即旋转),有向传感器节点有能力覆盖到其传感距离内的所有圆形区域.由此,通过简单的几何抽象,我们可以得到有向传感器节点的方向可调感知模型,如图1所示.
定义1. 方向可调感知模型可用一个四元组P,R, ,
表示.其中,P=(x,y)表示有向传感器节点的位置坐标;R表示节
点的最大传感范围,即传感半径;单位向量 = 为扇形感知区域的中轴线,即节点在某时刻t时的传感方向; 和 分别是单位向量 在X轴和Y轴方向上的投影分量;表示边界距离传感向量 的传感夹角,2代表传感区域视角,记作FOV.
特别地,当=时,传统的全向感知模型是方向可调感知模型的一个特例.
若点P1被有向传感器节点vi覆盖成立,记为viP1,当且仅当满足以下条件:
(1) ,其中, 代表点P1到该节点的欧氏距离;
(2) 与 间夹角取值属于[,].
判别点P1是否被有向传感器节点覆盖的一个简单方法是:如果 且 ,那么,点P1
被有向传感器节点覆盖;否则,覆盖不成立.另外,若区域A被有向传感节点覆盖,当且仅当区域A中任何一个点都被有向传感节点覆盖.除非特别说明,下文中出现的“节点”和“传感器节点”均满足上述方向可调感知模型.
1.2 有向传感器网络覆盖增强问题的分析与定义
在研究本文内容之前,我们需要作以下必要假设:
A1. 有向传感器网络中所有节点同构,即所有节点的传感半径(R)、传感夹角()参数规格分别相同;
A2. 有向传感器网络中所有节点一经部署,则位置固定不变,但其传感方向可调;
A3. 有向传感器网络中各节点都了解自身位置及传感方向信息,且各节点对自身传感方向可控.
假设目标区域的面积为S,随机部署的传感器节点位置满足均匀分布模型,且目标区域内任意两个传感器节点不在同一位置.传感器节点的传感方向在[0,2]上也满足均匀分布模型.在不考虑传感器节点可能落入边界区域造成有效覆盖区域减小的情况下,由于每个传感器节点所监控的区域面积为R2,则每个传感器节点能监测整个目标区域的概率为R2/S.目标区域被N个传感器节点覆盖的初始概率p0的计算公式为(具体推导过程参见文献[14])
(1)
由公式(1)可知,当目标区域内网络覆盖率至少达到p0时,需要部署的节点规模计算公式为
(2)
当网络覆盖率分别为p0和p0+p时,所需部署的传感器节点数目分别为ln(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)lnS.因此,传感器节点数目差异N由公式(3)可得,
(3)
当目标区域面积S、节点传感半径R和传感夹角一定时,为一常数.此时,N与p0,p满足关系如图2所示(S=500500m2,R=60m,=45º).从图中我们可以看出,当p0一定时,N随着p的增加而增加;当p一定时,N随着p0的增加而增加,且增加率越来越大.因此,当需要将覆盖率增大p时,则需多部署N个节点(p0取值较大时(80%),p取值每增加1%,N就有数十、甚至数百的增加).如果采用一定的覆盖增强策略,无须多部署节点,就可以使网络覆盖率达到p0+p,大量节省了传感器网络部署成本.
设Si(t)表示节点vi在传感向量为 时所覆盖的区域面积.运算操作Si(t)Sj(t)代表节点vi和节点vj所能覆盖到的区域总面积.这样,当网络中节点传感向量取值为 时,有向传感器网络覆盖率可表
示如下:
(4)
因此,有向传感器网络覆盖增强问题归纳如下:
问题:求解一组 ,使得对于初始的 ,有 取值
接近最大.

Fig.2 The relation among p0, p and N
图2 p0,p和N三者之间的关系
2 基于虚拟势场的覆盖增强算法
2.1 传统虚拟势场方法
虚拟势场(virtual potential field)的概念最初应用于机器人的路径规划和障碍躲避.Howard等人[8]和Pori等人[9]先后将这一概念引入到传感器网络的覆盖增强问题中来.其基本思想是把网络中每个传感器节点看作一个虚拟的电荷,各节点受到其他节点的虚拟力作用,向目标区域中的其他区域扩散,最终达到平衡状态,即实现目标区域的充分覆盖状态.Zou等人[15]提出了一种虚拟力算法(virtual force algorithm,简称VFA),初始节点随机部署后自动完善网络覆盖性能,以均匀网络覆盖并保证网络覆盖范围最大化.在执行过程中,传感器节点并不移动,而是计算出随机部署的传感器节点虚拟移动轨迹.一旦传感器节点位置确定后,则对相应节点进行一次移动操作.Li等人[10]为解决传感器网络布局优化,在文献[15]的基础上提出了涉及目标的虚拟力算法(target involved virtual force algorithm,简称TIVFA),通过计算节点与目标、热点区域、障碍物和其他传感器之间的虚拟力,为各节点寻找受力平衡点,并将其作为该传感器节点的新位置.
上述利用虚拟势场方法优化传感器网络覆盖的研究成果都是基于全向感知模型展开的.假定传感器节点间存在两种虚拟力作用:一种是斥力,使传感器节点足够稀疏,避免节点过于密集而形成感知重叠区域;另一种是引力,使传感器节点保持一定的分布密度,避免节点过于分离而形成感知盲区[15].最终利用传感器节点的位置移动来实现传感器网络覆盖增强.
2.2 基于虚拟势场的有向传感器网络覆盖增强算法
在实际应用中,考虑到传感器网络部署成本,所有部署的传感器节点都具有移动能力是不现实的.另外,传感器节点位置的移动极易引起部分传感器节点的失效,进而造成整个传感器网络拓扑发生变化.这些无疑都会增加网络维护成本.因而,本文的研究工作基于传感器节点位置不变、传感方向可调的假设.上述假设使得直接利用虚拟势场方法解决有向传感器网络覆盖增强问题遇到了麻烦.在传统的虚拟势场方法中,传感器节点在势场力的作用下进行平动(如图3(a)所示),而基于本文的假设,传感器节点表现为其扇形感知区域在势场力的作用下以传感器节点为轴心进行旋转(如图3(b)所示).
为了简化扇形感知区域的转动模型,我们引入“质心(centroid)”的概念.质心是质点系中一个特定的点,它与物体的平衡、运动以及内力分布密切相关.传感器节点的位置不变,其传感方向的不断调整可近似地看作是扇形感知区域的质心点绕传感器节点作圆周运动.如图3(b)所示,一个均匀扇形感知区域的质心点位于其对称轴上且与圆心距离为2Rsin/3.每个传感器节点有且仅有一个质心点与其对应.我们用c表示传感器节点v所对应的质心点.本文将有向传感器网络覆盖增强问题转化为利用传统虚拟势场方法可解的质心点均匀分布问题,如图4所示.

Fig.3 Moving models of sensor node
图3 传感器节点的运动模型

Fig.4 The issue description of coverage enhancement in directional sensor networks
图4 有向传感器网络覆盖增强问题描述
2.2.1 受力分析
利用虚拟势场方法增强有向传感器网络覆盖,可以近似等价于质心点-质心点(c-c)之间虚拟力作用问题.我们假设质心点-质心点之间存在斥力,在斥力作用下,相邻质心点逐步扩散开来,在降低冗余覆盖的同时,逐渐实现整个监测区域的充分高效覆盖,最终增强有向传感器网络的覆盖性能.在虚拟势场作用下,质心点受来自相邻一个或多个质心点的斥力作用.下面给出质心点受力的计算方法.
如图5所示,dij表示传感器节点vi与vj之间的欧氏距离.只有当dij小于传感器节点传感半径(R)的2倍时,它们的感知区域才存在重叠的可能,故它们之间才存在产生斥力的作用,该斥力作用于传感器节点相应的质心点ci和cj上.
定义2. 有向传感器网络中,欧氏距离不大于节点传感半径(R)2倍的一对节点互为邻居节点.节点vi的邻居节点集合记作i.即i={vj|Dis(vi,vj)2R,ij}.
我们定义质心点vj对质心点vi的斥力模型 ,见公式(5).
(5)
其中,Dij表示质心点ci和cj之间的欧氏距离;kR表示斥力系数(常数,本文取kR=1);ij为单位向量,指示斥力方向(由质心点cj指向ci).公式(5)表明,只有当传感器节点vi和vj互为邻居节点时(即有可能形成冗余覆盖时),其相应的质心点ci和cj之间才存在斥力作用.质心点所受斥力大小与ci和cj之间的欧氏距离成反比,而质心点所受斥力方向由ci和cj之间的相互位置关系所决定.
质心点ci所受合力是其受到相邻k个质心点排斥力的矢量和.公式(6)描述质心点ci所受合力模型 .
(6)
通过如图6所示的实例,我们分析质心点的受力情况.图中包括4个传感器节点:v1,v2,v3和v4,其相应的质心
点分别为c1,c2,c3和c4.以质心点c1为例,由于d122R,故 ,质心点c1仅受到来自质心点c3和c4的斥力,其所受合力 .传感器节点传感方向旋转导致质心点的运动轨迹并不是任意的,而是固定绕传感器节点作圆周运动.因此,质心点的运动仅仅受合力沿圆周切线方向分量 的影响.

Fig.6 The force on centroid
图6 质心点受力
2.2.2 控制规则(control law)
本文基于一个虚拟物理世界研究质心点运动问题,其中作用力、质心点等都是虚拟的.该虚拟物理世界的构建是建立在求解问题特征的基础上的.在此,我们定义控制规则,即规定质心点受力与运动之间的关系,以达到质心点的均匀分布.
质心点在 作用下运动,受到运动学和动力学的双重约束,具体表现如下:
(1) 运动学约束
在传统传感器网络中利用虚拟势场方法移动传感器节点的情况下,由于传感器节点向任意方向运动的概率是等同的,我们大都忽略其所受的运动学约束[8].而在转动模型中,质心点的运动不是任意方向的,受合力沿圆
周切线方向分量 的影响,只能绕其传感器节点作圆周运动.
质心点在运动过程中受到的虚拟力是变化的,但对传感器网络系统来说,传感器节点之间每时每刻都交换邻居节点位置及传感方向信息是不现实的.因此,我们设定邻居节点间每隔时间步长t交换一次位置及传感方向信息,根据交换信息计算当前时间步长质心点所受合力,得出转动方向及弧长.同时,问题求解的目的在于将节点的传感方向调整至一个合适的位置.在此,我们不考虑速度和加速度与转动弧长之间的关系.
(2) 动力学约束
动力学约束研究受力与运动之间的关系.本运动模型中的动力学约束主要包含两方面内容:
• 每个时间步长t内,质心点所受合力与转动方向及弧长之间的关系;
• 质心点运动的静止条件.
在传统传感器网络中利用虚拟势场方法移动传感器节点的情况下,在每个时间步长内,传感器节点的运动速度受限于最大运动速度vmax,而不是随传感器节点受力无止境地增加.通过此举保证微调方法的快速收敛.在本转动模型中,我们同样假设质心点每次固定以较小的转动角度进行转动,通过多次微调方法逐步趋向最优解,即在每个时间步长t内,质心点转动的方向沿所受合力在圆周切线方向分量,转动大小不是任意的,而是具有固定转动角度.采用上述方法的原因有两个:
• 运动过程中,质心点受力不断变化,且变化规律很难用简单的函数进行表示,加之上述运动学约束和问题特征等因素影响,我们很难得出一个简明而合理的质心点所受合力与转动弧长之间的关系.
• 运动过程中,质心点按固定角度进行转动,有利于简化计算过程,减少节点的计算负担.同时,我们通过分析仿真实验数据发现,该方法具有较为理想的收敛性(具体讨论参见第3.2节).
固定转动角度取值不同对PFCEA算法性能具有较大的影响,这在第3.3节中将加以详细的分析和说明.
当质心点所受合力沿圆周切线方向分量为0时,其到达理想位置转动停止.如图7所示,我们假定质心点在圆周上O点处合力切向分量为0.由于质心点按固定转动角度进行转动,因此,它
未必会刚好转动到O点处.当质心点处于图7中弧 或 时,会
因合力切向分量不为0而导致质心点围绕O点附近往复振动.因此,为避免出现振动现象,加速质心点达到稳定状态,我们需要进一步限定质心点运动的停止条件.
当质心点围绕O点附近往复振动时,其受合力的切向分量很
小.因此,我们设定受力门限,当 (本文取=10e6),即可认
定质心点已达到稳定状态,无须再运动.经过数个时间步长t后,当网络中所有质心点达到稳定状态时,整个传感器网络即达到稳定状态,此时对应的一组 ,该
组解通常为本文覆盖增强的较优解.
2.3 算法描述
基于上述分析,本文提出了基于虚拟势场的网络覆盖增强算法(PFCEA),该算法是一个分布式算法,在每个传感器节点上并发执行.PFCEA算法描述如下:
输入:节点vi及其邻居节点的位置和传感方向信息.
输出:节点vi最终的传感方向信息 .
1. t0; //初始化时间步长计数器
2. 计算节点vi相应质心点ci初始位置 ;
3. 计算节点vi邻居节点集合i,M表示邻居节点集合中元素数目;
4. While (1)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 计算质心点cj对ci的当前斥力 ,其中,vji;
4.3.2 ;
4.4 计算质心点ci当前所受合力 沿圆周切线分量 ;
4.5 确定质心点ci运动方向;
4.6 If ( ) Then
4.6.1 质心点ci沿 方向转动固定角度;
4.6.2 调整质心点ci至新位置 ;
4.6.3 计算节点vj指向当前质心点ci向量并单位化,得到节点vi最终的传感方向信息 ;
4.7 Sleep (t);
5. End.
3 算法仿真与性能分析
我们利用VC6.0自行开发了适用于传感器网络部署及覆盖研究的仿真软件Senetest2.0,并利用该软件进行了大量仿真实验,以验证PFCEA算法的有效性.实验中参数的取值见表1.为简化实验,假设目标区域中所有传感器节点同构,即所有节点的传感半径及传感夹角规格分别相同.
Table 1 Experimental parameters
表1 实验参数
Parameter Variation
Target area S 500500m2
Area coverage p 0~1
Sensor number N 0~250
Sensing radius Rs 0~100m
Sensing offset angel  0º~90º
3.1 实例研究
在本节中,我们通过一个具体实例说明PFCEA算法对有向传感器网络覆盖增强.在500500m2的目标区域内,我们部署传感半径R=60m、传感夹角=45º的传感器节点完成场景监测.若达到预期的网络覆盖率p=70%, 通过公式(1),我们可预先估算出所需部署的传感器节点数目,
.
针对上述实例,我们记录了PFCEA算法运行不同时间步长时有向传感器网络覆盖增强情况,如图8所示.

(a) Initial coverage, p0=65.74%
(a) 初始覆盖,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10个时间步长,p10=76.03%

(c) The 20th time step, p20=80.20%
(c) 第20个时间步长,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30个时间步长,p30=81.45%
Fig.8 Coverage enhancement using PFCEA algorithm
图8 PFCEA算法实现覆盖增强
直观看来,质心点在虚拟斥力作用下进行扩散运动,逐步消除网络中感知重叠区和盲区,最终实现有向传感器网络覆盖增强.此例中,网络传感器节点分别经过30个时间步长的调整,网络覆盖率由最初的65.74%提高到81.45%,网络覆盖增强达15.71个百分点.
图9显示了逐个时间步长调整所带来的网络覆盖增强.我们发现,随着时间步长的增加,网络覆盖率也不断增加,且近似满足指数关系.当时间步长达到30次以后,网络中绝大多数节点的传感方向出现振动现象,直观表现为网络覆盖率在81.20%附近在允许的范围振荡.此时,我们认定有向传感器网络覆盖性能近似增强至最优.
网络覆盖性能可以显着地降低网络部署成本.实例通过节点传感方向的自调整,在仅仅部署105个传感器节点的情况下,最终获得81.45%的网络覆盖率.若预期的网络覆盖率为81.45%,通过公式(1)的计算可知,我们至少需要部署148个传感器节点.由此可见,利用PFCEA算法实现网络覆盖增强的直接效果是可以节省近43个传感器节点,极大地降低了网络部署成本.
3.2 收敛性分析
为了讨论本文算法的收敛性,我们针对4种不同的网络节点规模进行多组实验.我们针对各网络节点规模随机生成10个拓扑结构,分别计算算法收敛次数,并取平均值,实验数据见表2.其他实验参数为R=60m,=45º, =5º.
Table 2 Experimental data for convergence analysis
表2 实验数据收敛性分析

(%)
(%)

1 50 41.28 52.73 24
2 70 52.74 64.98 21
3 90 60.76 73.24 28
4 110 65.58 78.02 27
分析上述实验数据,我们可以得出,PFCEA算法的收敛性即调整的次数,并不随传感器网络节点规模的变化而发生显着的改变,其取值一般维持在[20,30]范围内.由此可见,本文PFCEA算法具有较好的收敛性,可以在较短的时间步长内完成有向传感器网络的覆盖增强过程.
3.3 仿真分析
在本节中,我们通过一系列仿真实验来说明4个主要参数对本文PFCEA算法性能的影响.它们分别是:节点规模N、传感半径R、传感夹角和(质心点)转动角度.针对前3个参数,我们与以往研究的一种集中式覆盖增强算法[14]进行性能分析和比较.
A. 节点规模N、传感半径R以及传感角度
我们分别取不同节点规模进行仿真实验.从图10(a)变化曲线可以看出,当R和一定时,N取值较小导致网络初始覆盖率较小.此时,随着N的增大,p取值呈现持续上升趋势.当N=200时,网络覆盖率增强可达14.40个百分点.此后,p取值有所下降.这是由于当节点规模N增加导致网络初始覆盖率较高时(如60%),相邻多传感器节点间形成覆盖盲区的概率大为降低,无疑削弱了PFCEA算法的性能.另外,部分传感器节点落入边界区域,也会间接起到削弱PFCEA算法性能的作用.
另外,传感半径、传感角度对PFCEA算法性能的影响与此类似.当节点规模一定时,节点传感半径或传感角度取值越小,单个节点的覆盖区域越小,各相邻节点间形成感知重叠区域的可能性也就越小.此时,PFCEA算法对网络覆盖性能改善并不显着.随着传感半径或传感角度的增加,p不断增加.当R=70m且=45º时,网络覆盖率最高可提升15.91%.但随着传感半径或传感角度取值的不断增加,PFCEA算法带来的网络覆盖效果降低,如图10(b)、图10(c)所示.

(c) The effect of sensing offset angle , other parameters meet N=100, R=40m, =5º
(c) 传感角度的影响,其他实验参数满足:N=100,R=40m,=5º