无线传感器网络试卷b

A. 什么是无线传感网络

无线传感器网络是一种分布式传感网络，它的末梢是可以感知和检查外部世界的传感器。WSN中的传感器通过无线方式通信手念，由大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，以协作地感知、采集、处理和传输网络覆耐纯盖地理区域内被感昌薯咐知对象的信息，并最终把这些信息发送给网络所有者的。因此网络设置灵活，设备位置可以随时更改，还可以跟互联网进行有线或无线方式的连接，通过无线通信方式形成的一个多跳自组织的网络。

无线传感器网络所具有的众多类型的传感器，可探测包括地震、电磁、温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等周边环境中多种多样的现象。潜在的应用领域可以归纳为: 军事、航空、防爆、救灾、环境、医疗、保健、家居、工业、商业等领域。

B. 无线传感器价格及其应用技术介绍

原来我们使用电脑的时候必须的要用到网线，后来有了智能的手机，可以连接无线就能上万，再后来笔记本电脑也可以使用这种无线的功能，那么这么方便的地方，它用的是什么，那就是无线传感器，那么这种无线的传感器除了这些地方粗拍，还可以在哪些地方使用呢?它的价钱估计很贵吧，其实，它的价钱到不是很贵，就让小编具体说说吧。

无线传感器的介绍：

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信厅或振动发电机提供电源，构成无线传感器网络节点，由随机分布的集成有传感器、数据处理单元和通信模块的微型节点，通过自组织的方式构成网络。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。监控中心也可以通过网关把控制、参数设置等信息无线传输给节点。数据调理采集处理模块把传感器输出的微弱信号经过放大，滤波等调理电路后，送到模数转换器，转变为数字信号，送到主处理器进行数字信号处理，计算出传感器的有效值，位移值等。

无线传感器的价格：

Arino无线传感器网络实践指南XBeezigbee无线模块

￥49.8

无线龙超声波传感器节点CC2530模块物联网智能家居沙盘开岩坦羡发板

￥500

CC2530开发套件开发板模块实验箱无线传感器armgprszigbee安卓

￥1730

SZ3391B无线二氧化碳、光照度、温度、湿度、大气气压传感器

￥1780

无线温湿度传感器采集器探头壁挂式管道式空旷传输距离达1500米

￥660

它的应用技术是什么?

低功耗设计折叠所有模块采用超低功耗设计，整个传感器节点具有非常低的电流消耗，使用两节普通干电池可以工作数年之久，使维护周期大大延长。从而也可以使用微型振动发电机，利用压电原理收集结构产生的微弱振动能量，转化为电量，为传感器提供电源，为了降低功耗，传感器选用超低功耗的产品，传感器在不采集的时候关断电源或置于睡眠模式。做到真正的免维护。

时间同步折叠BEETECH无线传感器，基于时间同步和固定路由表的TDMA发送协议，可实现“同时”睡眠,”同时”醒来，适合无线传感器工业自动化在线监测和检测。

其实我们现在的处于的社会就是一个无线的社会，这种无线传感器一般都应用在微电子技术上，但是随着发展，这种无线的传感器还可以把它植入到小动物的脑中，研究人员在猪或者猴子身上做过实验，并且取得了很好的效果，这种无线传感器缺点就是可靠性比较的不好，但是在规模上和密度上都是比较的大的，并且它的动态变化也是很快的。

土巴兔在线免费为大家提供“各家装修报价、1-4家本地装修公司、3套装修设计方案”，还有装修避坑攻略！点击此链接：【https://www.to8to.com/yezhu/zxbj-cszy.php?to8to_from=seo__m_jiare&wb】，就能免费领取哦~

C. 无线传感器知识大全，看完请收藏！

物联网是在现有互联网的基础上发展起来的，物联网除了融合网络、信息技术、RFID技术之外，还引入了无线传感器技术，使得物联网有了更深的发展，而且无线传感器技术还与嵌入式系统技术、现代网络以及无线通信技术进行结合，所以无线传感器本身也是一个炙手可热的研究领域。

传感器技术

    无线传感器网络结构介绍

    无线传感器网络系统通常包括汇聚节点(Sinknode)、传感器节点(Sensornode)与管理节点。

    大量传感器节点随机部署在监测区域附近或者内部，传感器节点检测的数据沿着其他的传感器节点逐条地进行传输，在传输的过程中检测数据可能会被多个节点进行处理，经过跳后路由到汇聚的节点，然后通过卫星或者互联网传输到达管理节点，而用户通过对节点的管理对传感器网络进行管理、发布监测数据和管理。

传感器整体部署

    无线传感器网络特点介绍

    规模大

    为了能够获取精确信息，在监测区域通常部署大量传感器节点，一般情况下会达到上万个甚至更多，传感器网络的大规模性主要包括了两个方面的含义：一方面是传感器节点的部署非常密集，在面积狭小的空间内密集的部署了大量的传感器节点。另一方面，是传感器节点分布在区域很大的范围内，比如在原始的大森林中采用传感器网络进行森林防火的安全环境监测，这种在区域宽广的范围内需要部署大量的传感器节点。

    可靠性

    无线传感器节点非常适合部署在自然环境恶劣或者人类不宜居住的区域，这些节点可能工作在环境较恶劣的地方，遭受风吹、雨淋、日晒，还甚至遭到人或者动物的破坏，而这些传感器节点往往采用随机进行部署，部署的方式是利用飞机散播，或炮弹发射到指定的区域进行部署，所以这些节点要非常坚固，不容易被损坏，可靠性很强。

    自组织

    在传感器网络应用中，通常情况下传感器节点会被放置在没有基础结构的地方，其实传感器节点的相隔距离、精确位置不能预先确定。你可以想象，通过飞机散播或者炮弹发射大量传感器节点到面积广阔的森林、山谷之中，这样就必须要求传感器节点本身具有自组织的能力，能够进行自我管理和配置，通过清逗网络协议和拓扑控制机制自动形成转发监测数据的多跳无线网络系统。

    动态性

    传感器网络的拓扑结构有可能会因为下列因素而发生改变：①环境的变化可能会造成无线通信链路带宽产生变化，有时甚至会时断时通;②电力资源出现故障或耗尽导致的传感器节点故障或者失效;③传感器网络的感知对象、传感器与观察者这三要素都可能具有移动性;④有新节点加入，通常这种情况就必须要求传感器网络系统要能适应这种变化，具有动态系统可重构性。

    无线传感器网络有哪些安全问题

    安全路由

    一般在无线传感器网络中，大量的传感器节点都密集分布在一个区域内，信息传输可能要经过很多节点才能到达目的地，而且传感器网络具有多跳结构和动态性，因此，需要去每个节点都应具备路由功能，

    由于每个虚猜节点都是潜在的路由节点，因此更易受到攻击，这样就可能使网络不怎么安全，安全的路由算法会直接影响无线传感器的可用性和安全性，安全路由协议一般是采用认证和链路层差正型加密，身份认证、多路径路由、双向连接认证和认证广播等机制，非常有效的提高了网络抵御外部攻击的能力，从而增强路由的安全性。

D. 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

E. 无线传感器网络技术与应用的目录

第1章无线传感器网络概述
1.1传感器网络的研究历史
1.1.1早期的军用传感器网络研究
1.1.2美军DARPA的分布式传感器网络研究计划
1.1.320世纪80年代和90年代的军用传感器网络
1.1.421世纪的传感器网络研究
1.2WSN基本概念
1.2.1什么是WSN
1.2.2WSN与MANET的异同
1.2.3WSN的通信体系结构
1.3WSN的主要技术
1.3.1系统体系结构
1.3.2网络与通信的控制
1.4影响WSN设计的因素
1.4.1容错
1.4.2扩展性
1.4.3价格
1.4.4硬件限制
1.4.5WSN拓扑
1.4.6WSN工作环境
1.4.7传输媒介
1.4.8功耗
参考文献
第2章无线传感器网络竞争类MAC协议
2.1传感器媒介访问控制协议（S-MAC）
2.1.1能量浪费原因分析
2.1.2S-MAC协议概述
2.1.3休眠的协调
2.1.4避免旁听与消息分片传输
2.1.5时延分析
2.1.6S-MAC协议实现
2.1.7S-MAC协议的性能
2.2超时MAC协议（T-MAC）
2.2.1T-MAC协议概述
2.2.2T-MAC基本协议
2.2.3分群与同步
2.2.4RTS操作与TA选择
2.2.5避免旁听
2.2.6不对称通信
2.2.7T-MAC的性能
2.3伯克利媒介访问控制协议（B-MAC）
2.3.1B-MAC协议的设计与实现
2.3.2寿命建模
2.3.3参数
2.3.4自适应控制
参考文献
第3章无线传感器网络分配类MAC协议
3.1流量自适应媒介访问协议（TRAMA）
3.1.1TRAMA协议概述
3.1.2TRAMA协议组成
3.1.3访问方式与相邻节点协议
3.1.4传输时间安排交换协议
3.1.5自适应选举算法
3.1.6TRAMA的性能
3.2分布式随机时隙安排协议（DRAND）
3.2.1TDMA时隙分配问题定义
3.2.2DRAND算法详述
3.2.3DRAND正确性
3.2.4DRAND复杂性分析
3.2.5DRAND的性能
3.3功率高效与时延意识媒介访问协议（PEDAMACS）
3.3.1PEDAMACS协议概述
3.3.2PEDAMACS分组格式
3.3.3本地拓扑建立阶段
3.3.4AP拓扑信息收集阶段
3.3.5传输时间安排阶段
3.3.6拓扑调整阶段
3.3.7传输时间安排算法
参考文献
第4章无线传感器网络混合类MAC协议
4.1斑马MAC协议（Z-MAC）
4.1.1时间同步协议（TPSN）
4.1.2Z-MAC协议概述
4.1.3相邻节点寻找与时隙分配
4.1.4本地成帧
4.1.5Z-MAC协议的传输控制
4.1.6发送规则
4.1.7直接竞争通知
4.1.8Z-MAC传输时间安排的接收
4.1.9本地时间同步
4.1.10Z-MAC协议的性能
4.1.11Z-MAC协议随机分析
4.2漏斗-MAC协议
4.2.1漏斗问题
4.2.2按需发送信标
4.2.3面向中心节点的传输时间安排
4.2.4定时与成帧
4.2.5Meta-传输时间安排的广播
4.2.6动态深度调整
4.2.7漏斗-MAC协议的测试床实验评估
参考文献
第5章无线传感器网络数据中心路由协议
5.1协商式传感器信息分发协议（SPIN）
5.1.1SPIN概述
5.1.2Meta-Data
5.1.3SPIN消息
5.1.4SPIN资源管理
5.1.5SPIN实现
5.1.6SPIN-1：3步握手协议
5.1.7SPIN-2：低能量门限的SPIN-1
5.1.8用于与SPIN比较的其他数据分发算法
5.1.9SPIN的性能评估
5.1.10SPIN小结
5.2定向扩散
5.2.1定向扩散的组成要素
5.2.2命名
5.2.3兴趣与梯度
5.2.4数据传播
5.2.5路径建立与路径裁剪的强化
5.2.6定向扩散的分析评估
5.2.7定向扩散的仿真评估
参考文献
第6章无线传感器网络分层路由协议
6.1低能量自适应分群分层（LEACH）
6.1.1LEACH协议体系结构
6.1.2群首选择算法
6.1.3分群算法
6.1.4稳定状态阶段
6.1.5LEACH-C：BS建立分群
6.1.6LEACH的分析与仿真
6.2两层数据分发协议（TTDD）
6.2.1两层数据分发
6.2.2栅格结构
6.2.3TTDD转发
6.2.4栅格维护
6.2.5TTDD开销分析
6.2.6TTDD的性能
6.2.7TTDD讨论
参考文献
第7章无线传感器网络地理位置路由协议
7.1定位技术
7.1.1距离测量与角度测量
7.1.2位置计算
7.1.3TPS网络模型
7.1.4TPS定位方案
7.1.5TPS技术性能分析
7.2贪婪地理路由算法
7.2.1概述
7.2.2基于DT的膨胀分析
7.2.3贪婪转发（GF）
7.2.4有界Voronoi贪婪转发（BVGF）
7.2.5网络膨胀分析总结
7.2.6基于概率通信模型的扩充
7.3位置辅助泛洪协议（LAF）
7.3.1LAF协议概述
7.3.2采用LAF分发信息
7.3.3LAF中的资源管理
7.3.4栅格维护开销
7.3.5数据分发规程的完备性
7.3.6LAF节能分析
7.3.7位置估计中的误差
7.3.8LAF的性能
参考文献
第8章无线传感器网络端到端可靠传输协议
8.1事件到中心节点的可靠传输协议（ESRT）
8.1.1问题定义
8.1.2评估环境
8.1.3特性区域
8.1.4ESRT协议描述
8.1.5拥塞检测
8.1.6ESRT协议对并发事件的处理
8.1.7ESRT协议的性能分析
8.1.8ESRT协议的仿真结果
8.1.9?的正确选择
8.2基于多电台虚拟中心节点的过载流量管理（SIPHON）
8.2.1拥塞检测与预防（CODA）
8.2.2虚拟中心节点寻找与可见度范围控制
8.2.3SIPHON拥塞检测
8.2.4改变流量的传输路径
8.2.5次网络中的拥塞
8.2.6虚拟中心节点开销分析
参考文献
第9章无线传感器网络逐跳可靠传输协议
9.1合成拥塞控制技术（FUSION）
9.1.1拥塞崩溃的症状
9.1.2逐跳流量控制
9.1.3速率限制
9.1.4MAC层优先级化
9.1.5应用自适应
9.2慢分发、快提取可靠传输协议（PSFQ）
9.2.1PSFQ协议概述
9.2.2PSFQ分发操作
9.2.3PSFQ提取操作
9.2.4PSFQ报告操作
9.2.5单个分组消息的交付
9.2.6PSFQ的性能
9.3下行数据可靠交付可扩展体系结构（GARUDA）
9.3.1面临的挑战
9.3.2可靠性语义
9.3.3GARUDA的基本原理
9.3.4单个分组或第一个分组的交付
9.3.5即时构建GARUDA核
9.3.6两阶段丢失恢复
9.3.7其他可靠性语义的支持
9.3.8GARUDA的性能
参考文献
第10章无线传感器网络数据融合技术
10.1树状结构累积
10.1.1分布式生成树算法
10.1.2E-Span树
10.2不受应用约束的自适应数据累积（AIDA）
10.2.1AIDA协议概述
10.2.2AIDA体系结构
10.2.3AIDA控制单元中的累积方案
10.2.4AIDA累积功能单元
10.2.5AIDA分组格式
10.2.6AIDA分组头开销分析
10.2.7AIDA节省分析
10.2.8AIDA的性能
10.3无结构累积法与半结构累积法
10.3.1数据意识任意组播（DAA）
10.3.2ToD上的动态转发
10.3.3性能分析
10.3.4ToD和DAA的性能
参考文献
第11章无线传感器网络安全
11.1WSN安全概述
11.1.1WSN安全威胁模型
11.1.2WSN安全面临的障碍
11.1.3WSN安全要求
11.1.4WSN安全解决方案的评估
11.2WSN中的安全攻击
11.2.1物理层安全攻击
11.2.2链路层安全攻击
11.2.3对WSN网络层（路由）的攻击
11.2.4对传输层的攻击
11.3SPINS安全解决方案
11.3.1符号
11.3.2SNEP
11.3.3μTESLA
11.3.4μTESLA详细描述
11.3.5SPINS实现
11.3.6SPINS性能评估
11.4LEAP+安全解决方案
11.4.1假设条件
11.4.2LEAP+概述
11.4.3单独密钥的建立
11.4.4成对密钥的建立
11.4.5分群密钥的建立
11.4.6全网密钥的建立
11.4.7本地广播认证
11.4.8LEAP+安全分析
11.4.9LEAP+性能评估
参考文献
第12章无线传感器网络中间件技术
12.1WSN中间件面临的挑战
12.2WSN中间件的功能要求
12.3ZebraNet系统中的中间件系统（Impala）
12.3.1ZebraNet系统简介
12.3.2ZebraNet中间件体系结构
12.3.3应用适配器
12.3.4应用更新器
12.3.5周期性操作调度
12.3.6事件处理模型
12.3.7Impala网络接口
12.3.8Impala评估
12.4传感器信息网络化体系结构（SINA）
12.4.1SINA的功能组成
12.4.2信息抽象
12.4.3传感器查询与任务分配语言（SQTL）
12.4.4传感器执行环境（SEE）
12.4.5信息收集方法
12.4.6应用举例
参考文献
第13章无线传感器网络应用及编程
13.1传感器网络的应用
13.1.1军事应用
13.1.2环境应用
13.1.3医疗卫生应用
13.1.4家庭应用
13.1.5其他商业应用
13.2WSN应用设计原理
13.2.1设计方面
13.2.2确定WSN操作坊式
13.3WSN网络编程
13.3.1编程抽象
13.3.2现有若干编程模型简介
13.4分层编程与ATaG编程架构
13.4.1WSN的分层编程
13.4.2抽象任务图编程架构（ATaG）
13.4.3采用ATaG的应用开发方法
13.4.4一个ATaG应用例子
参考文献
……