无线传感器网络的收敛速度

① 无线传感器网络的特点与应用

无线传感器网络是一种新型的传感器网络，其主要是由大量的传感器节点组成，利用无线网络组成一个自动配置的网络系统，并将感知和收集到的信息发给管理部门。目前无线传感器网络在军事、生态环境、医疗和家居方面都有一定应用，未来无线传感器网络的发展前景将是不可估量的。

一、无线传感器网络的特点

(一)节点数量多

在监测区通常都会安置许多传感器节点，并通过分布式处理信息，这样就能够提高监测的准确性，有效获取更加精确的信息，并降低对节点传感器的精度要求。此外，由于节点数量多，因此存在许多冗余节点，这样就能使系统的容错能力较强，并且节点数量多还能够覆盖到更广阔的监测区域，有效减少监测盲区。

(二)动态拓扑

无线传感器网络属于动态网络，其节点并非固定的。当某个节电出现故障或是耗尽电池后，将会退出网络，此外，还可能由于需要而被转移添加到其他的网络当中。

(三)自组织网络

无线传感器的节点位置并不能进行精确预先设定。节点之间的相互位置也无法预知，例如通过使用飞机播散节点或随意放置在无人或危险的区域内。在这种情况下，就要求传感器节点自身能够具有一定的组织能力，能够自动进行相关管理和配置。

(四)多跳路由

无线传感网络中，节点之间的距离通常都在几十到几百米，因此节点只能与其相邻的节点进行直接通信。如果需要与范围外的节点进行通信，就需要经过中间节点进行路由。无线传感网络中的多跳路由并不是专门的路由设备，所有传输工作都是由普通的节点完成的。

(五)以数据为中心

无线传感网络中的节点均利用编号标识。由于节点是随机分布的，因此节点的编号和位置之间并没有联系。用户在查询事件时，只需要将事件报告给网络，并不需要告知节点编号。因此这是一种以数据为中心进行查询、传输的方式。

(六)电源能力局限性

通常都是用电池对节点进行供电，而每个节点的能源都是有限的，因此一旦电池的能量消耗完，就是造成节点无法再进行正常工作。

二、无线传感器网络的应用

(一)环境监测应用

无线传感器可以用于进行气象研究、检测洪水和火灾等，在生态环境监测中具有明显优势。随着我国市场经济的不断发展，生态环境污染问题也越来越严重。我国是一个幅员辽阔、资源丰富的农业大国，因此在进行农业生产时利用无线传感器进行对生产环境变化进行监测能够为农业生产带来许多好处，这对我国市场经济的'不断发展有着重要意义。

(二)医疗护理应用

无线传感器网络通过使用互联网络将收集到的信息传送到接受端口，例如一些病人身上会有一些用于监测心率、血压等的传感器节点，这样医生就可以随时了解病人的病情，一旦病人出现问题就能够及时进行临时处理和救治。在医疗领域内传感器已经有了一些成功案例，例如芬兰的技术人员设计出了一种可以穿在身上的无线传感器系统，还有SSIM(Smart Sensors and Integrated Microsystems)等。

(三)智能家居建筑应用

文物保护单位的一个重要工作就是要对具有意义的古老建筑实行保护措施。利用无线传感器网络的节点对古老建筑内的温度是、湿度、关照等进行监测，这样就能够对建筑物进行长期有效的监控。对于一些珍贵文物的保存，对保护地的位置、温度和湿度等提前进行检测，可以提高展览品或文物的保存品质。例如，英国一个博物馆基于无线传感器网络设计了一个警报系统，利用放在温度底部的节点检测灯光、振动等信息，以此来保障文物的安全[5]。

目前我国基础建设处在高速发展期，建设单位对各种建设工程的安全施工监测越来越关注。利用无线传感器网络使建筑能够检测到自身状况并将检测数据发送给管理部门，这样管理部门就能够及时掌握建筑状况并根据优先等级来处理建筑修复工作。

另外，在家具或家电汇中设置无线传感器节点，利用无线网络与互联网络，将家居环境打造成一个更加舒适方便的空间，为人们提供更加人性化和智能化的生活环境。通过实时监测屋内温度、湿度、光照等，对房间内的细微变化进行监测和感知，进而对空调、门窗等进行智能控制，这样就能够为人们提供一个更加舒适的生活环境。

(四)军事应用

无线传感器网络具有低能耗、小体积、高抗毁等特性，且其具有高隐蔽性和高度的自组织能力，这为军事侦察提供有效手段。美国在20世纪90年代就开始在军事研究中应用无线传感器网络。无线传感器网络在恶劣的战场内能够实时监控区域内敌军的装备，并对战场上的状况进行监控，对攻击目标进行定位并能够检测生化武器。

目前无线传感器网络在全球许多国家的军事、研究、工业部门都得到了广泛的关注，尤其受到美国国防部和军事部门的重视，美国基于C4ISR又提出了C4KISR的计划，对战场情报的感知和信息综合能力又提出新的要求，并开设了如NSOF系统等的一系列军事无线传感器网络研究。

总之，随着无线传感器网络的研究不断深入和扩展，人们对无线传感器的认识也越来越清晰，然而目前无线传感器网络的在技术上还存在一定问题需要解决，例如存储能力、传输能力、覆盖率等。尽管无线传感器网络还有许多技术问题待解决使得现在无法广泛推广和运用，但相信其未来发展前景不可估量。

② 在智能公交中 使用Zigbee技术的无线传感器网络的传输速率是多少怎么计算

按照IEEE802.15.4的规范，最大传输速率应该是250kbps；至于具体到智能公交这个应用场景，数据速率是要看操作流程了（包括发送什么信息，发送周期等），250kbps是理论最大值。

③ 无线传感器网络的特点及关键技术

无线传感器网络的特点及关键技术

无线传感器网络被普遍认为是二十一世纪最重要的技术之一，是目前计算机网络、无线通信和微电子技术等领域的研究热点。下面我为大家搜索整理了关于无线传感器网络的特点及关键技术，欢迎参考阅读！

一、无线传感器网络的特点

与其他类型的无线网络相比，传感器网络有着鲜明的特征。其主要特点可以归纳如下：

（一）传感器节点能量有限。当前传感器通常由内置的电池提供能量，由于体积受限，因而其携带的能量非常有限。如何使传感器节点有限的能量得到高效的利用，延长网络生存周期，这是传感器网络面临的首要挑战。

（二）通信能力有限。无线通信消耗的能量与通信距离的关系为E=kdn。其中，参数n的取值为2≤n≤4，n的取值与许多因素有关。但是不管n具体的取值，n的取值范围一旦确定，就表明，无线通信的能耗是随着距离的增加而更加急剧地增加的。因此，在满足网络连通性的要求下，应尽量采用多跳通信，减少单跳通信的距离。通常，传感器节点的通信范围在100m内。

（三）计算、存储和有限。一方面为了满足部署的要求，传感器节点往往体积小；另一方面出于成本控制的目的`，节点的价格低廉。这些因素限制了节点的硬件资源，从而影响到它的计算、存储和通信能力。

（四）节点数量多，密度高，覆盖面积广。为了能够全面准确的监测目标，往往会将成千上万的传感器节点部署在地理面积很大的区域内，而且节点密度会比较大，甚至在一些小范围内采用密集部署的方式。这样的部署方式，可以让网络获得全面的数据，提高信息的可靠性和准确性。

（五）自组织。传感器网络部署的区域往往没有基础设施，需要依靠传感器节点协同工作，以自组织的方式进行网络的配置和管理。

（六）拓扑结构动态变化。传感器网络的拓扑结构通常是动态变化的，例如部分节点故障或电量耗尽退出网络，有新的节点被部署并加入网络，为节约能量节点在工作和休眠状态间进行切换，周围环境的改变造成了无线通信链路的变化，以及传感器节点的移动等都会导致传感器网络拓扑结构发生变化。

（七）感知数据量巨大。传感器网络节点部署范围大、数量多，且网络中的每个传感器通常都产生较大的流式数据并具有实时性，因此网络中往往存在数量巨大的实时数据流。受传感器节点计算、存储和带宽等资源的限制，需要有效的分布式数据流管理、查询、分析和挖掘方法来对这些数据流进行处理。

（八）以数据为中心。对于传感器网络的用户而言，他们感兴趣的是获取关于特定监测目标的真实可靠的数据。在使用传感器网络时，用户直接使用其关注的事件作为任务提交给网络，而不是去访问具有某个或某些地址标识的节点。传感器网络中的查询、感知、传输都是以数据为中心展开的。

（九）传感器节点容易失效。由于传感器网络应用环境的特殊性以及能量等资源受限的原因，传感器节点失效（如电池能量耗尽等）的概率远大于传统无线网络节点。因此，需要研究如何提高数据的生存能力、增强网络的健壮性和容错性以保证部分传感器节点的损坏不会影响到全局任务的完成。此外，对于部署在事故和自然灾害易发区域的无线传感器网络，还需要进一步研究当事故和灾害导致大部分传感器节点失效时如何最大限度地将网络中的数据保存下来，以提供给灾害救援和事故原因分析等使用。

二、关键技术

无线传感器网络作为当今信息领域的研究热点，设计多学科交叉的研究领域，有非常多的关键技术有待研究和发现，下面列举若干。

（一）网络拓扑控制。通过拓扑控制自动生成良好的拓扑结构，能够提高路由协议和MAC协议的效率，可为数据融合、时间同步和目标定位等多方面奠定基础，有利于节省能量，延长网络生存周期。所以拓扑控制是无线传感器网络研究的核心技术之一。目前，拓扑控制主要研究的问题是在满足网络连通度的前提下，通过功率控制或骨干网节点的选择，剔除节点之间不必要的通信链路，生成一个高效的数据转发网络拓扑结构。

（二）介质访问控制（MAC）协议。在无线传感器网络中，MAC协议决定无线信道的使用方式，在传感器节点之间分配有限的无线通信资源，用来构建传感器网络系统的底层基础结构。MAC协议处于传感器网络协议的底层部分，对传感器网络的性能有较大影响，是保证无线传感器网络高效通信的关键网络协议之一。传感器网络的强大功能是由众多节点协作实现的。多点通信在局部范围需要MAC协议协调其间的无线信道分配，在整个网络范围内需要路由协议选择通信路径。

在设计MAC协议时，需要着重考虑以下几个方面：

（1）节省能量。传感器网络的节点一般是以干电池、纽扣电池等提供能量，能量有限。

（2）可扩展性。无线传感器网络的拓扑结构具有动态性。所以MAC协议也应具有可扩展性，以适应这种动态变化的拓扑结构。

（3）网络效率。网络效率包括网络的公平性、实时性、网络吞吐量以及带宽利用率等。

（三）路由协议。传感器网络路由协议的主要任务是在传感器节点和Sink节点之间建立路由以可靠地传递数据。由于传感器网络与具体应用之间存在较高的相关性，要设计一种通用的、能满足各种应用需求的路由协议是困难的，因而人们研究并提出了许多路由方案。

（四）定位技术。位置信息是传感器节点采集数据中不可或缺的一部分，没有位置信息的监测消息可能毫无意义。节点定位是确定传感器的每个节点的相对位置或绝对位置。节点定位分为集中定位方式和分布定位方式。定位机制也必须要满足自组织性，鲁棒性，能量高效和分布式计算等要求。

（五）数据融合。传感器网络为了有效的节省能量，可以在传感器节点收集数据的过程中，利用本地计算和存储能力将数据进行融合，取出冗余信息，从而达到节省能量的目的。

（六）安全技术。安全问题是无线传感器网络的重要问题。由于采用的是无线传输信道，网络存在偷听、恶意路由、消息篡改等安全问题。同时，网络的有限能量和有限处理、存储能力两个特点使安全问题的解决更加复杂化了。

;

④ 简述无线传感网发展历史的阶段划分和各阶段的技术特点

无线传感器
无线传感器的组成模块封装在一个外壳内，在工作时它将由电池或振动发电机提供电源，构成无线传感器网络节点。它可以采集设备的数字信号通过无线传感器网络传输到监控中心的无线网关，直接送入计算机，进行分析处理。如果需要，无线传感器也可以实时传输采集的整个时间历程信号。
发展历程
早在上世纪70年代，就出现了将传统传感器采用点对点传输、连接传感控制器而构成传感器网络雏形，我们把它归之为第一代传感器网络。随着相关学科的的不断发展和进步，传感器网络同时还具有了获取多种信息信号的综合处理能力，并通过与传感控制器的相联，组成了有信息综合和处理能力的传感器网络，这是第二代传感器网络。而从上世纪末开始，现场总线技术开始应用于传感器网络，人们用其组建智能化传感器网络，大量多功能传感器被运用，并使用无线技术连接CONTROLENGINEERING China版权所有，无线传感器网络逐渐形成。
无线传感器网络是新一代的传感器网络，具有非常广泛的应用前景，其发展和应用，将会给人类的生活和生产的各个领域带来深远影响。发达国家如美国，非常重视无线传感器网络的发展CONTROLENGINEERING China版权所有，IEEE正在努力推进无线传感器网络的应用和发展，波士顿大学(BostonUnversity)还于最近创办了传感器网络协会(Sensor Network Consortium)，期望能促进传感器联网技术开发。除了波士顿大学，该协会还包括BP、霍尼韦尔(Honeywell)、Inetco Systems、Invensys、L-3Communications、Millennial Net、Radianse、Sensicast Systems及Textron Systems。美国的《技术评论》杂志在论述未来新兴十大技术时，更是将无线传感器网络列为第一项未来新兴技术，《商业周刊》预测的未来四大新技术中，无线传感器网络也列入其中。可以预计，无线传感器网络的广泛是一种必然趋势，它的出现将会给人类社会带来极大的变革。
应用现状
虽然无线传感器网络的大规模商业应用CONTROLENGINEERING China版权所有，由于技术等方面的制约还有待时日，但是最近几年，随着计算成本的下降以及微处理器体积越来越小，已经为数不少的无线传感器网络开始投入使用。目前无线传感器网络的应用主要集中在以下领域：
1 环境的监测和保护
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控制工程网版权所有，来监测农作物中的害虫、土壤的酸碱度和施肥状况等。

⑤ 专题推荐 - 农业传感器与物联网专题

本专题我共整理了10篇文章，来自中国农业科学院农业质量标准与检测技术研究所、南京农业大学、英国林肯大学、华南农业大学、江南大学、国家农业智能装备工程技术研究中心、浙江大学、中国科学院、吉林农业大学、西北农林 科技 大学、国家信息农业工程技术中心等单位。

文章包含农产品质量安全纳米传感器、太阳能杀虫灯、分簇路由算法、农田物联网混合多跳路由算法、水产养殖溶解氧传感器研制、土壤养分近场遥测方法、农机远程智能管理平台、水肥浓度智能感知与精准配比、果园多机器人通信等内容，供大家阅读、参考。

专题--农业传感器与物联网

Topic--Agricultural Sensor and Internet of Things

[1]王培龙, 唐智勇. 农产品质量安全纳米传感应用研究分析与展望[J]. 智慧农业(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.

知网阅读

[2]杨星, 舒磊, 黄凯, 李凯亮, 霍志强, 王彦飞, 王心怡, 卢巧玲, 张亚成. 太阳能杀虫灯物联网故障诊断特征分析及潜在挑战[J]. 智慧农业(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： 太阳能杀虫灯物联网（SIL-IoTs）是一种基于农业场景与物联网技术的新型物理农业虫害防治工具，通过无线传输太阳能杀虫灯组件状态数据，用户可后台实时查看太阳能杀虫灯运行状态，具有杀虫计数、虫害区域定位、辅助农情监测等功能。但随着SIL-IoTs快速发展与广泛应用，故障诊断难和维护难等矛盾日益突出。基于此，本研究首先阐述了SIL-IoTs的结构和研究现状，分析了故障诊断的重要性，指出了故障诊断是保障其可靠性的主要手段。接着介绍了目前太阳能杀虫灯节点自身存在的故障及其在无线传感网络（WSNs）中的体现，并进一步对WSNs中的故障进行分类，包括基于行为、基于时间、基于组件以及基于影响区域的故障四类。随后讨论了统计方法、概率方法、层次路由方法、机器学习方法、拓扑控制方法和移动基站方法等目前主要使用的WSNs故障诊断方法。此外，还探讨了SIL-IoTs故障诊断策略，将故障诊断从行为上分为主动型诊断与被动型诊断策略，从监测类型上分为连续诊断、定期诊断、直接诊断与间接诊断策略，从设备上分为集中式、分布式与混合式策略。在以上故障诊断方法与策略的基础上，介绍了后台数据异常、部分节点通信异常、整个网络通信异常和未诊断出异常但实际存在异常四种故障现象下适用的WSNs故障诊断调试工具，如Sympathy、Clairvoyant、SNIF和Dustminer。最后，强调了SIL-IoTs的特性对故障诊断带来的潜在挑战，包括部署环境复杂、节点任务冲突、连续性区域节点无法传输数据和多种故障诊断失效等情形，并针对这些潜在挑战指出了合理的研究方向。由于SIL-IoTs为农业物联网中典型应用，因此本研究可扩展至其它农业物联网中，并为这些农业物联网的故障诊断提供参考。

知网阅读

[3]汪进鸿, 韩宇星. 用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法[J]. 智慧农业(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： 随着无线终端数量的快速增长和多媒体图像等高带宽传输业务需求的增加，农业物联网相关领域可预见地会出现无线频谱资源紧缺问题。针对基于传统物联网的作物表型信息采集系统中存在由于节点密集部署导致数据传输过程容易出现频谱竞争、数据拥堵的现象以及固定电池的网络由于能耗不均衡引起监测周期缩减等诸多问题，本研究建立了一个认知无线传感器网络（CRSN）作物表型信息采集模型，并针对模型提出一种引入边缘计算机制的动态频谱和能耗均衡（DSEB）的事件驱动分簇路由算法。算法包括：（1）动态频谱感知分簇，采用层次聚类算法结合频谱感知获取的可用信道、节点间的距离、剩余能量和邻居节点度为相似度对被监控区域内的节点进行聚类分簇并选取簇头，构建分簇拓扑的过程对各分簇大小的均衡性引入奖励和惩罚因子，提升网络各分簇平均频谱利用率；（2）融入边缘计算的事件触发数据路由，根据构建的分簇拓扑结构，将待检测各区域变化异常表型信息触发事件以簇内汇聚和簇间中继交替迭代方式转发至汇聚节点，簇内汇聚包括直传和簇内中继，簇间中继包括主网关节点和次网关节点-主网关节点两种情况；（3）基于频谱变化和通信服务质量（QoS）的自适应重新分簇：基于主用户行为变化引起的可用信道改变，或分簇效果不佳对通信服务质量产生的干扰，触发CRSN进行自适应重新分簇。此外，本研究还提出了一种新的能耗均衡策略去能量消耗中心化（假设sink为中心），即在网关或簇头节点选取计算式中引入与节点到sink的距离成正比的权重系数。算法仿真结果表明，与采用K-medoid分簇和能量感知的事件驱动分簇(ERP)路由方案相比，在CRSN节点数为定值的前提下，基于DSEB的分簇路由算法在网络生存期与能效等方面均具有一定的改进；在主用户节点数为定值时，所提算法比其它两种算法具有更高频谱利用率。

知网阅读

[4]顾浩, 王志强, 吴昊, 蒋永年, 郭亚. 基于荧光法的溶解氧传感器研制及试验[J]. 智慧农业(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：溶解氧含量的测量对水产养殖具有极其重要的意义，但目前中国市面上的溶解氧传感器存在价格昂贵、不能持续在线测量及更新部件维护困难等问题，难以在水产养殖物联网中大规模推广和发挥作用。本研究基于荧光淬灭原理，利用水中溶解氧浓度与荧光信号相位差的关系进行低成本、易维护溶解氧传感器的研发。首先利用自制备溶氧敏感膜，经激发光照射后产生红色荧光，该荧光寿命可由溶解氧浓度调节；然后利用光信号敏感器件设计光电转化电路实现光信号感知；再以STM32F103微处理器作为主控芯片，编写下位机程序实现激发光脉冲产生，利用相敏检波原理以及快速傅里叶变换（FFT）计算激发光与参照光的相位差，进而转化为溶解氧浓度，实现溶解氧的测量。荧光探测部分与系统主控部分采用分离式设计思想，利用屏蔽排线直接插拔连接，便于传感器探测头的拆卸、更换、维护以及实现远距离在线测量。经测试，本溶解氧传感器的测量范围是0~20 mg/L，响应延迟小于2 s，溶氧敏感膜使用寿命约1年，可以实时不间断地对溶解氧浓度进行测量。同时，本传感器具有测量方便、制作成本低、体积小等特点，为中国水产养殖低成本溶解氧传感器的研发与市场化奠定了良好的基础。

知网阅读

[5]矫雷子, 董大明, 赵贤德, 田宏武. 基于调制近红外反射光谱的土壤养分近场遥测方法研究[J]. 智慧农业(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： 土壤养分作为农业生产的重要指标，含量过少会降低农作物产量，过多则会造成环境污染。因此，快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分，但检测过程中土壤的取样及预处理过程繁琐、操作复杂、费时费力，不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱，提出了一种土壤养分主动式近场遥测方法，可有效避免土壤反射自然光的干扰。该方法使用波长范围1260~1610 nm的8通道窄带激光二极管作为近红外光源，通过测量8通道激光光束的土壤反射率，建立土壤养分中氮（N）关于土壤反射率的计量模型，实现了N的快速检测。在74组已知N含量的土壤样品中，选取54组作为训练集，20组作为预测集。基于一般线性模型，对训练集中土壤N含量与土壤反射率的定量化参数进行训练，筛选显着波段后的计量模型R2达到0.97。基于建立的计量模型，预测集中土壤N含量预测值与参考值的决定系数R2达到0.9，结果表明该方法具有土壤养分现场快速检测的能力。

知网阅读

[6]朱登胜, 方慧, 胡韶明, 王文权, 周延锁, 王红艳, 刘飞, 何勇. 农机远程智能管理平台研发及其应用[J]. 智慧农业(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： 本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题，首先提出专业化远程管理平台设计时应具有五大原则：专业化、标准化、云平台、模块化以及开放性。基于这些原则，本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台。平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于WebGIS 的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下，平台部分关键技术的实现方法，包括采用低精度GNSS定位系统前提下的作业面积的计算方法、GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等，并提出了以地块为核心的管理平台建设思路；同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。

知网阅读

[7]金洲, 张俊卿, 郭红燕, 胡宜敏, 陈翔宇, 黄河, 王红艳. 水肥浓度智能感知与精准配比系统研制与试验[J]. 智慧农业(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： 为解决农场当地当时的复合肥料精准化配料问题，本研究将水肥一体化智能灌溉施肥系统作为研究对象，构建了水肥浓度智能感知与精准配比系统。首先提出现场在线水肥溶液智能感知模型的快速建立方法，利用数据分析算法从传感器实时监测的一系列浓度梯度的肥料溶液中挖掘出模型。其次基于上述模型设计水肥浓度智能感知与精准配比系统的框架结构，阐述系统工作原理；并通过三种水体模拟在线配肥验证了该系统原位指导水肥浓度配比的有效性，同时评价了水体电导率对水肥配比浓度的干扰。试验结果表明，正则化条件下二阶的多项式拟合曲线是表达溶液电导率与水肥浓度的变化关系最优的模型，相关系数R2均大于0.999，由此模型可得出用户关心的复合肥各指标浓度。三种水体模拟在线配肥结果表明，水体会干扰电导率导致无法准确反演水肥配比的浓度，相对偏差值超过了0.1。因此，本研究提出的在线水肥智能感知与精准配比系统实现了消除当地水体电导率对水肥配比准确性的干扰，通过模型计算实现复合肥精准化配比，并得出各指标浓度。该系统结构简单，配比精准，易与现有水肥一体机或者人工配肥系统结合使用，可广泛应用于设施农业栽培、果园栽培和大田经济作物栽培等环境下的精准智能施肥。

知网阅读

[8]孙浩然, 孙琳, 毕春光, 于合龙. 基于粒子群与模拟退火协同优化的农田物联网混合多跳路由算法[J]. 智慧农业(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： 农业无线传感器网络对农田土壤、环境和作物生长的多源异构信息的获取起关键作用。针对传感器在农田中非均匀分布且受到能量制约等问题，本研究提出了一种基于粒子群和模拟退火协同优化的农田物联网混合多跳路由算法（PSMR）。首先，通过节点剩余能量和节点度加权选择簇首，采用成簇结构实现异构网络高效动态组网。然后通过簇首间多跳数据结构解决簇首远距离传输能耗过高问题，利用粒子群与模拟退火协同优化方法提高算法收敛速度，实现sink节点加速采集簇首中的聚合数据。对算法的仿真试验结果表明，PSMR算法与基于能量有效负载均衡的多路径路由策略方法（EMR）相比，无线传感器网络生命周期提升了57%；与贪婪外围无状态路由算法（GPSR-A）相比，在相同的网络生命周期内，第1个死亡传感器节点推迟了两轮，剩余能量标准差减少了0.04 J，具有良好的网络能耗均衡性。本研究提出的PSMR算法通过簇首间多跳降低远端簇首额外能耗，提高了不同距离簇首的能耗均衡性能，为实现大规模农田复杂环境的长时间、高效、稳定地数据采集监测提供了技术基础，可提高农业物联网的资源利用效率。

知网阅读

[9]毛文菊, 刘恒, 王东飞, 杨福增, 刘志杰. 面向果园多机器人通信的AODV路由协议改进设计与测试[J]. 智慧农业(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： 针对多机器人在果园中作业时的通信需求，本研究基于Wi-Fi信号在桃园内接收强度预测模型，提出了一种引入优先节点和路径信号强度阈值的改进无线自组网按需平面距离向量路由协议（AODV-SP）。对AODV-SP报文进行设计，并利用NS2仿真软件对比了无线自组网按需平面距离向量路由协议（AODV）和AODV-SP在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能。仿真试验结果表明，本研究提出的AODV-SP路由协议在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能均优于AODV协议，其中节点的移动速度为5 m/s时，AODV-SP的路由发起频率和路由开销较AODV分别降低了3.65%和7.09%，节点的移动速度为8 m/s时，AODV-SP的分组投递率提高了0.59%，平均端到端时延降低了13.09%。为进一步验证AODV-SP协议的性能，在实验室环境中搭建了基于领航-跟随法的小型多机器人无线通信物理平台并将AODV-SP在此平台应用，并进行了静态丢包率和动态测试。测试结果表明，节点相距25 m时静态丢包率为0，距离100 m时丢包率为21.01%；动态行驶时能使机器人维持链状拓扑结构。本研究可为果园多机器人在实际环境中通信系统的搭建提供参考。

知网阅读

[10]黄凯, 舒磊, 李凯亮, 杨星, 朱艳, 汪小旵, 苏勤. 太阳能杀虫灯物联网节点的防盗防破坏设计及展望[J]. 智慧农业(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： 太阳能杀虫灯在有效控制虫害的同时，可减少农药施药量。随着其部署数量的增加，被盗被破坏的报道也越来越多，严重影响了虫害防治效果并造成了较大的经济损失。为有效地解决太阳能杀虫灯物联网节点被盗被破坏问题，本研究以太阳能杀虫灯物联网为应用场景，对太阳能杀虫灯硬件进行改造设计以获取更多的传感信息；提出了太阳能杀虫灯辅助设备——无人机杀虫灯，用以被盗被破坏出现后的部署、追踪和巡检等应急应用。通过上述硬件层面的改造设计和增加辅助设备，可以获取更为全面的信息以判断太阳能杀虫灯物联网节点被盗被破坏情况。但考虑到被盗被破坏发生时间短，仅改造硬件层面还不足以实现快速准确判断。因此，本研究进一步从内部硬件、软件算法和外形结构设计三个层面，探讨了设备防盗防破坏的优化设计、设备防盗防破坏判断规则的建立、设备被盗被破坏的快速准确判断、设备被盗被破坏的应急措施、设备被盗被破坏的预测与防控，以及优化计算以降低网络数据传输负荷六个关键研究问题，并对设备防盗防破坏技术在太阳能杀虫灯物联网场景中的应用进行了展望。

知网阅读

微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。

入群方法： 加我微信 331760296 ， 备注： 姓名、单位、研究方向 ，我拉您进群，机构营销广告人员勿扰。

信息发布

科研团队介绍及招聘信息、学术会议及相关活动 的宣传推广

⑥ 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。

(6)无线传感器网络的收敛速度扩展阅读：

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。

⑦ 有关无线传感器网络中时间同步机制有哪些方法和策略

1  时间同步技术的重要性 
传感器节点的时钟并不完美，会在时间上发生漂移，所以观察到的时间对于网络中的节点来说是不同的。但很多网络协议的应用，都需要一个共同的时间以使得网路中的节点全部或部分在瞬间是同步的。 
第一，传感器节点需要彼此之间并行操作和协作去完成复杂的传感任务。如果在收集信息过程中，传感器节点缺乏统一的时间戳（即没有同步），估计将是不准确的。 
第二，许多节能方案是利用时间同步来实现的。例如，传感器可以在适当的时候休眠（通过关闭传感器和收发器进入节能模式），在需要的时候再唤醒。在应用这种节能模式的时候，节点应该在同等的时间休眠和唤醒，也就是说当数据到来时，节点的接收器可以接收，这个需要传感器节点间精确的定时。 
2  时间同步技术所关注的主要性能参数 
时间同步技术的根本目的是为网络中节点的本地时钟提供共同的时间戳。对无线传感器
网络WSN（Wireless Sensor Networks）[1]
的时间同步应主要应考虑以下几个方面的问题： 
(1)能量效率。同步的时间越长，消耗的能量越多，效率就越低。设计WSN的时间同步算法需以考虑传感器节点有效的能量资源为前提。 
(2) 可扩展性和健壮性。时间同步机制应该支持网络中节点的数目或者密度的有效扩展，并保障一旦有节点失效时，余下网络有效且功能健全。 
(3)精确度。针对不同的应用和目的，精确度的需求有所不用。 
(4)同步期限。节点需要保持时间同步的时间长度可以是瞬时的，也可以和网络的寿命一样长。 
(5)有效同步范围。可以给网络内所有节点提供时间，也可以给局部区域的节点提供时间。 
(6)成本和尺寸。同步可能需要特定的硬件，另外，体积的大小也影响同步机制的实现。 (7)最大误差。一组传感器节点之间的最大时间差，或相对外部标准时间的最大差。 3  现有主要时间同步方法研究 
时间同步技术是研究WSN的重要问题，许多具体应用都需要传感器节点本地时钟的同步，要求各种程度的同步精度。WSN具有自组织性、多跳性、动态拓扑性和资源受限性，尤其是节点的能量资源、计算能力、通信带宽、存储容量有限等特点，使时间同步方案有其特
殊的需求，也使得传统的时间同步算法不适合于这些网络[2]
。因此越来越多的研究集中在设
计适合WSN的时间同步算法[3]
。针对WSN，目前已经从不同角度提出了许多新的时间同步算法[4]
。 
3.1  成对(pair-wise)同步的双向同步模式 
代表算法是传感器网络时间同步协议TPSN（Timing-Sync Protocol for Sensor 
Networks）[5~6]
。目的是提供WSN整个网络范围内节点间的时间同步。 
该算法分两步：分级和同步。第一步的目的是建立分级的拓扑网络，每个节点有个级别。只有一个节点与外界通信获取外界时间，将其定为零级，叫做根节点，作为整个网络系统的时间源。在第二步，每个i级节点与i-1（上一级）级节点同步，最终所有的节点都与根节点同步，从而达到整个网络的时间同步。详细的时间同步过程如图 1 所示。 
 

图1  TPSN 同步过程 
 
设R为上层节点，S为下层节点，传播时间为d，两节点的时间偏差为θ。同步过程由节点R广播开始同步信息，节点S接收到信息以后，就开始准备时间同步过程。在T1时刻，节点S发送同步信息包，包含信息(T1)，节点R在T2接收到同步信息，并记录下接收时间T2，这里满足关系：21TTd 
节点R在T3时刻发送回复信息包，包含信息(T1,T2,T3)。在T4时刻S接收到同步信息包，满足关系：43TTd 
最后，节点S利用上述2个时间表达式可计算出的值：(21)(43)2
TTTT 
TPSN由于采用了在MAC层给同步包标记时间戳的方式，降低了发送端的不确定性，消除了访问时间带来的时间同步误差，使得同步效果更加有效。并且，TPSN算法对任意节点的同步误差取决于它距离根节点的跳数，而与网络中节点总数无关，使TPSN同步精度不会随节点数目增加而降级，从而使TPSN具有较好的扩展性。TPSN算法的缺点是一旦根节点失效，就要重新选择根节点，并重新进行分级和同步阶段的处理，增加了计算和能量开销，并随着跳数的增加，同步误差呈线性增长，准确性较低。另外，TPSN算法没有对时钟的频差进行估计，这使得它需要频繁同步，完成一次同步能量消耗较大。 
3.2  接收方-接收方（Receiver-Receiver）模式 
代表算法是参考广播时间同步协议RBS（Reference Broadcast Synchronization）[7]
。RBS是典型的基于接收方-接收方的同步算法，是Elson等人以“第三节点”实现同步的思想而提出的。该算法中，利用无线数据链路层的广播信道特性，基本思想为：节点(作为发
送者)通过物理层广播周期性地向其邻居节点（作为接收者）发送信标消息[10]
，邻居节点记录下广播信标达到的时间，并把这个时间作为参考点与时钟的读数相比较。为了计算时钟偏移，要交换对等邻居节点间的时间戳，确定它们之间的时间偏移量，然后其中一个根据接收
到的时间差值来修改其本地的时间，从而实现时间同步[11]
。 
假如该算法在网络中有n个接收节点m个参考广播包，则任意一个节点接收到m个参考包后，会拿这些参考包到达的时间与其它n-1个接收节点接收到的参考包到达的时间进行比较，然后进行信息交换。图2为RBS算法的关键路径示意图。 
网络接口卡
关键路径
接收者1
发送者
接收者2
 
图2  RBS算法的关键路径示意图 
 
其计算公式如下： 
,,1
1,:[,]()m
jkikkinjnoffsetijTTm
 其中n表示接收者的数量，m表示参考包的数量，,rbT表示接收节点r接收到参考包b时的时钟。 

此算法并不是同步发送者和接收者，而是使接收者彼此同步，有效避免了发送访问时间对同步的影响，将发送方延迟的不确定性从关键路径中排除，误差的来源主要是传输时间和接收时间的不确定性，从而获得了比利用节点间双向信息交换实现同步的方法更高的精确度。这种方法的最大弊端是信息的交换次数太多，发送节点和接收节点之间、接收节点彼此之间，都要经过消息交换后才能达到同步。计算复杂度较高，网络流量开销和能耗太大，不适合能量供应有限的场合。 
3.3  发送方-接收方(Sender-Receiver)模式 
基于发送方-接收方机制的时间同步算法的基本原理是：发送节点发送包含本地时间戳的时间同步消息，接收节点记录本地接收时间，并将其与同步消息中的时间戳进行比较，调整本地时钟。基于这种方法提出的时间同步算法有以下两种。 
3.3.1  FTSP 算法[8]
 
泛洪时间同步协议FTSP（Flooding Time Synchronization Protocol）由Vanderbilt大学Branislav Kusy等提出，目标是实现整个网络的时间同步且误差控制在微秒级。该算法用单个广播消息实现发送节点与接收节点之间的时间同步。 
其特点为：(1)通过对收发过程的分析，把时延细分为发送中断处理时延、编码时延、传播时延、解码时延、字节对齐时延、接收中断处理时延，进一步降低时延的不确定度；(2)通过发射多个信令包，使得接收节点可以利用最小方差线性拟合技术估算自己和发送节点的频率差和初相位差；(3)设计一套根节点选举机制，针对节点失效、新节点加入、拓扑变化
等情况进行优化，适合于恶劣环境[12]
。 
FTSP算法对时钟漂移进行了线性回归分析。此算法考虑到在特定时间范围内节点时钟晶振频率是稳定的，因此节点间时钟偏移量与时间成线性关系，通过发送节点周期性广播时间同步消息，接收节点取得多个数据对，构造最佳拟合直线，通过回归直线，在误差允许的时间间隔内，节点可直接通过它来计算某一时间节点间的时钟偏移量而不必发送时间同步消息进行计算，从而减少了消息的发送次数并降低了系统能量开销。 
FTSP结合TPSN和RBS的优点，不仅排除了发送方延迟的影响，而且对报文传输中接收方的不确定延迟（如中断处理时间、字节对齐时间、硬件编解码时间等）做了有效的估计。多跳的FTSP协议采用层次结构，根节点为同步源，可以适应大量传感器节点，对网络拓扑结构的变化和根节点的失效有健壮性，精确度较好。该算法通过采用MAC层时间戳和线性回归偏差补偿弥补相关的错误源，通过对一个数据包打多个时戳，进而取平均和滤除抖动较大的时戳，大大降低了中断和解码时间的影响。FTSP 采用洪泛的方式向远方节点传递时间基准节点的时间信息，洪泛的时间信息可由中转节点生成，因此误差累积不可避免。另外，FTSP的功耗和带宽的开销巨大。 
3.3.2  DMTS 算法[9]
 
延迟测量时间同步DMTS (delay measurement time synchronization) 算法的同步机制是基于发送方-接收方的同步机制。DMTS 算法的实现策略是牺牲部分时间同步精度换取较低的计算复杂度和能耗，是一种能量消耗轻的时间同步算法。 
DMTS算法的基本原理为：选择一个节点作为时间主节点广播同步时间，所有接收节点通过精确地测量从发送节点到接收节点的单向时间广播消息的延迟并结合发送节点时间戳，计算出时间调整值，接收节点设置它的时间为接收到消息携带的时间加上广播消息的传输延迟，调整自己的逻辑时钟值以和基准点达成同步，这样所有得到广播消息的节点都与主节点进行时间同步。发送节点和接收节点的时间延迟dt可由21()dtnttt得出。其中，nt为发送前导码和起始字符所需的时间，n为发送的信息位个数，t为发送一位所需时间；1t为接收节点在消息到达时的本地时间；2t为接收节点在调整自己的时钟之前的那一时刻记录的本地时间，21()tt是接收处理延迟。 

DMTS 算法的优点是结合链路层打时间戳和时延估计等技术，消除了发送时延和访问时延的影响，算法简单，通信开销小。但DMTS算法没有估计时钟的频率偏差，时钟保持同步的时间较短，没有对位偏移产生的时间延迟进行估计，也没有消除时钟计时精度对同步精度的影响，因此其同步精度比FTSP略有下降，不适用于定位等要求高精度同步的应用。 
基于发送方-接收方单向同步机制的算法在上述三类方法中需要发送的时间同步消息数目最少。发送节点只要发送一次同步消息，因而具有较低的网络流量开销和复杂度，减少了系统能耗。 
4  结论 
文章介绍了WSN时间同步算法的类型以及各自具有代表性的算法，分析了各算法的设计原理和优缺点。这些协议解决了WSN中时间同步所遇到的主要问题，但对于大型网络，已有的方法或多或少存在着一些问题：扩展性差、稳定性不高、收敛速度变慢、网络通信冲突、能耗增大。今后的研究热点将集中在节能和时间同步的安全性方面。这将对算法的容错性、有效范围和可扩展性提出更高的要求。 

⑧ 无线传感器网络支持哪些通讯方式，包括哪些设备，可应用在哪些环境

无线传感器网络支持GPRS，433MHZ，2.4GHZ，WI-FI等无线传输方式。像深圳-信立无线传感器，智能网关，智能环境监测装置，智能测控装置，智能转换器都属于无线传感器网络设备，主要应用在各种管网管道管沟、气象、农业大棚、养殖场、仓储馆藏、冷藏冰柜、实验室、机房、生产车间等环境的温度实时采集、无线传输、现场或远程监测和预警。

⑨ 为什么无线传感器节点性能提升十分缓慢,没有像摩尔定律的速度发展

WSN（wirelesssensornetworks）是无线传感器网络，是由大量的具有感知能力的传感器节点，通过自组织方式构成的无线网络。传感器监控不同位置的物理或环境状况（比如温度、声音、振动、压力、运动或污染物）。无线传感器网络的发展最初起源于战场监测等军事应用。而现今无线传感器网络被应用于很多民用领域，如环境与生态监测、健康监护、家居自动化以及交通控制等。
一个典型的无线传感器网络的系统架构包括分布式无线传感器节点（群）、接收发送器汇聚节点、互联网或通信卫星和任务管理节点等，如下图所示。大量传感器节点随机部署在监测区域内部或附近，能够通过自组织方式构成网络。传感器节点监测的数据沿着其他传感器节点逐跳地进行传输，在传输过程中监测数据可能被多个节点处理，经过多跳后路由到汇聚节点，最后通过互联网或卫星到达管理节点。用户通过管理节点对传感器网络进行配置和管理，发布监测任务以及收集监测数据。

无线传感器网络中主要包含两类节点：

传感器节点：具有感知和通信功能的节点，在传感器网络中负责监控目标区域并获取数据，以及完成与其他传感器节点的通信，能够对数据进行简单的处理。

Sink节点：又称为基站节点，负责汇总由传感器节点发送过来的数据，并作进一步数据融合以及其他操作，最终把处理好的数据上传至互联网
汇聚节点
汇聚节点的处理能力、存储能力和通信能力相对较强，它是连接传感器网络与Intemet等外

部网络的网关，实现两种协议间的转换，同时向传感器节点发布来自管理节点的监测任务，并把WSN收集到的数据转发到外部网络上。汇聚节点既可以是一个具有增强功能的传感器节点，有足够的能量供给和更多的、Flash和SRAM中的所有信息传输到计算机中，通过汇编软件，可很方便地把获取的信息转换成汇编文件格式，从而分析出传感节点所存储的程序代码、路由协议及密钥等机密信息，同时还可以修改程序代码，并加载到传感节点中。
管理节点

管理节点用于动态地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。

无线传感器网络的拓扑结构

三种常见拓扑结构

星型拓扑：具有组网简单、成本低；但网络覆盖范围小，一旦sink节点发生故障，所有与sink节点连接的传感器节点与网络中心的通信都将中断。星形拓扑结构组网时，电池的使用寿命较长。

网状拓扑：具有组网可靠性高、覆盖范围大的优点，但电池使用寿命短、管理复杂
树状拓扑：具有星形和网状拓扑的一些特点，既保证了网络覆盖范围大，同时又不至于电池使用寿命过短，更加灵活、高效。
无线传感器网络的特点

1.自组织性；2.以数据为中心；3.应用相关性；4.动态性；5.网络规模大；6.可靠性

无线传感器网络（WSN）被认为是影响人类未来生活的重要技术之一，这一新兴技术为人们提供了一种全新的获取信息、处理信息的途径。由于WSN本身的特点，使得它与现有的传统网络技术之间存在较大的区别，给人们提出了很多新的挑战。

⑩ 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