传感器网络节点（共9篇）
传感器网络节点 篇1
1 系统总体结构
水声传感器网络是指将能耗很低、具有较短通信距离的水下传感器节点部署到指定海域中, 利用节点的自组织能力自动建立起网络[1]。传感器模块是直接将传感器置于水中;处理模块采用4片低功耗AD7264采集芯片进行8通道信号采集, 主控芯片用FPGA芯片来驱动4片AD7264;单片机作为外部控制更好地以状态方式控制FPGA系统, 单片机选用低功耗系列MSP430;无线通信模块通过MSP430对n RF24L01无线收发芯片的驱动, 实现无线指令及数据的传输;电源模块用电池直接供电;系统采集到的信号通过一个外置存储器存储起来。
2 系统重要部分的硬件设计
2.1 模/数转换
本设计采用AD7264芯片来实现模数转换。AD7264采样率高达1 MSPS, 5V单电池供电;跟踪和保持采集时间为400ns, 正常模式静态时功耗为105m W, 断电模式时为2.625m W[2]。
2.2 无线传输模块
无线传输模块是通过单片机控制射频芯片实现的。射频芯片选用无线收发芯片n RF24L01[3]。该芯片的五种工作模式中Power Down的工作电流最小仅900n A。因此为了降低整个系统的功耗, 当系统不需要时, 先将芯片置于Power Down模式。根据基于CMOS工艺的处理器的功耗公式:
选工作电压范围为:1.8~3.6V的单片机MSP430F1611芯片可以有效降低系统的功耗[4]。 (图1)
3 实验结果
为了验证本系统是否可以实现, 我们进行了小的实验。将传感器放置于水下, 与水上的节点相连, 在水中制造发声, 通过传感器、AD7264、无线收发模块采集传输数据, 在上位机上最终显示出水声波纹。如图2所示, 左边的图为上位机所显示采集到的水波。上面一条为通道0采集到的波形, 下面一条为通道1采集到的波形;右边的图为利用Matlab软件对采集到的数据仿真出的波形图。水声信号1是通道0采集到的, 水声信号2是通道1采集到的。
4 结束语
这里针对于水声传感器网络节点的两个问题进行了研究, 提出了节点低功耗的设计方法和将节点漂浮于水面的方法, 采用低功耗芯片设计外围电路, 实现了水声传感器网络节点的设计。经过实验, 通过上位机将结果以波形显示出, 并用Matlab对数据进行仿真证明了此系统的可行性。
摘要：此处主要研究的是水声传感器网络节点。要解决两个问题:其一, 功耗问题;其二, 无线电波在水中衰减比较大。在此从芯片选型、硬件电路设计到软件控制过程均要考虑低功耗问题。仅将传感器置于水下, 而节点则漂浮于水上, 两者通过特殊的线连接, 避免节点的无线电波受干扰, 导致数据传输的不准确。最后利用设计好的节点在水中做实验, 通过上位机显示出波形, 并用Matlab软件对数据进行仿真, 证实了此系统的可行性。
关键词：水声,传感器网络节点,低功耗
参考文献
[1]Akyildiz I.F, Pompili D, Melodia T.State of the art in protocol research for underwater acoustic sensor networks[C]//Proc of the 1st ACM Int Workshop on Underwater Networks.New York:ACM, 2006:7-16.
[2]周维龙.基于FPGA的智能变送器的设计与开发[D].湖南:湖南大学, 2010.
[3]Paradiso J A, Starner T.Energy scavenging for mobile and wireless electronics[J].Pervasive Computing.IEEE, 2005:19-26.
[4]曾勇, 杨涛, 冯月晖.基于n RF24L01的超低功耗无线传感器网络节点设计[J].电子技术应用, 2008 (7) :45-48.
传感器网络节点 篇2
无线传感器网络的研究离不开软硬件平台，无线传感器节点软硬件决定制约着研究的开展。
目前，实用化的无线传感器节点主要有Smart Dust、Mica、Telos系列节点，Mica系列节点在目前学术研究中的广泛应用。
Mica系列节点是加州大学伯克利分校研制的用于传感器网络研究的演示平台的试验节点。在这个演示平台上，软件和硬件是并行开发的。
图中描述了演示平台螺旋式上升的无线传感器节点软硬件发展历程，
由于该平台的硬件和软件都是公开的，所以其成为研究传感器网络的最主要的试验平台。Mica系列节点包括Wec、Renee、Mica、Mica2dot和Spec等，其中Mica和Micadot节点已经由Crossbow (1995年成立，专业从事无线传感器产业的公司)公司包装生产。
为了能够有效地利用传感器网络的资源，加州大学伯克利分校的研究人员通过比较、分析与实践，设计了面向传感器网络的TinyOS操作系统。
对于无线传感器节点软硬件，TinyOS是一个开放源代码的嵌入式操作系统，它的基本方法是定义一系列非常简单的组件模型，因此具有高度的模块化特征，使得能够快速实现各种应用。每个组件都完成一个特定的任务，整个操作系统基本上就是由一系列的组件模型组成。
传感器网络节点 篇3
关键词：智能农业;无线传感器节点;网络安全认证;椭圆曲线数字签名算法;优化
中图分类号： S126 文献标志码： A
文章编号：1002-1302（2015）04-0389-03
收稿日期：2015-01-07
基金项目：国家自然科学基金（编号：61272214）;辽宁省博士科研启动基金（编号：20121045）;辽宁省高等学校杰出青年学者成长计划（编号：LJQ2014066）。
作者简介：马少华（1988—），男，江苏大丰人，硕士研究生，从事物联网信息安全研究。E-mail：756918512@qq.com。
通信作者：张 兴，副教授，研究生导师，从事网络体系架构与协议、信息安全等研究。E-mail：zhang_xing@emails.bjut.edu.cn。
現代设施农业是适应市场化、集约化、国际化大生产的新型现代农业产业形态，是传统农业向现代高效农业转变过程的必然选择，设施农业发展状况在一定程度上反映了农业现代化水平[1-2]。大棚种植是设施农业中一个重要组成部分，具有利用适宜作物生长的环境温湿度和光合作用来控制植物生长的优点。由Eko节点构成的智能农业传感网能够收集对农作物影响非常大的土壤温湿度、光照等信息，通过无线多跳的ZigBee+4G方式传送到种植园主的手机上，方便其了解农作物生长的环境状况，以便采取有效措施促进生产。 目前，智能农业传感网已应用于国内外的种植园和果蔬大棚中，对农作物的生长管理、产品产量和质量提高具有显著效果，它的精度高、灵活性强、可靠性高、经济性好等优点使其在设施农业领域具有非常好的应用前景[3]。但是，如果智能农业传感网发给种植园主的是虚假信息或是被篡改的不真实信息，那么智能农业传感网非但不能对生产起促进作用，反而会耽误灌溉、施肥等有效时机，或使农作物的生长环境变得更糟。智能农业传感网的安全保障就变得至关重要。 通过分析可知，只要保证农业传感信息的来源可靠和在传输过程中不被篡改就足够了，而无需对这些信息进行保密。当前的问题是对称加密算法在信息加密方面非常有效，而在认证方面无法保证邻居之间对密钥的安全建立;非对称加密算法的开销非常大，不适合资源非常有限的无线传感器网络。ECC算法的实施有效解决了这一问题，但尚未见在Eko节点的IRIS平台上实施[4-5]。
为满足应用于大棚种植的无线传感器网络中节点认证的需求，本研究实现了在传感器IRIS平台上运行基于椭圆曲线加密体制的数字签名算法（ECDSA）;并加入7种优化算法，通过对它们测试、比较和分析，提出了一个适于大棚种植的节点认证方案，从而使签名和认证时间大大缩短，并确保该方案适用于资源有限的由Eko节点构成的智能农业传感网。
1 软硬件平台
1.1 硬件平台
现在得到应用的Eko节点为Crossbow公司产品，目前，该公司的WSN方面的产品已被MEMSIC公司收购。Eko传感器节点基于IRIS平台，其ROM空间为128 k字节，RAM空间为8 k字节;通信模块位于ISM免费频段2.4 GHz，并支持IEEE 802.15.4协议，数据的传输率为250 kb/s，最大可视传输距离超过了1 000 m（最大可视传输距离指无障碍情况下的通信，2008年，在北京北海两岸布置IRIS节点测试得到最大可视距离）;处理器芯片采用是低功耗的ATmega1281，其性能有利于进行数字签名中的大量复杂运算。
1.2 软件平台
Eko节点使用的是无线传感器平台所特有的开源操作系统TinyOS，由nesC编程语言编写。TinyOS是一款基于事件驱动型的操作系统，其特点是能很有效地调度各种组件，从而高效地完成各项系统功能。
2 ECDSA及其优化算法
2.1 ECC简介
椭圆加密算法（ECC）的数学基础是利用椭圆曲线上的有理点构成Abel加法群上椭圆离散对数的计算困难性，是目前公钥加密体制中对1 bit所提供加密强度最高的加密算法。ECC仅需使用160 bits的密钥长度就可获得等同于RSA加密算法采用密钥长度为1 024 bits的安全强度[4-6]。本研究采用160 bit的椭圆加密算法算法。
2.2 数字签名原理
所谓数字签名，就是只有消息的发送方才能产生的别人无法伪造的一段数字串，这段数字串同时也是对信息的发送方发送信息真实性的一个有效证明。数字签名一般通信过程如图1所示。 （1）节点A通过自己的私钥和数字签名生成算法对消息M进行签名，得到签名S，并附在消息M上。（2）节点B收到来自节点A的消息后，通过节点A的公钥和数字签名认证算法对收到的消息进行认证，根据返回的签名有效值来判断消息的真伪。
2.3 ECDSA数字签名方案
ECDSA数字签名方案是ECC和DSA的结合。整个签名过程与DSA类似，所不同的是签名、认证中采用的算法是ECC，最后的签名S为（r，s）（图1）。ECDSA数字签名生成算法和签名认证算法如下。（1）数字签名生成算法：记P=（x，y）。节点A选取一随机整数k满足1≤k
2.4 ECDSA的7种优化算法
ECDSA可划分为ECC算法模块和数字签名模块。其中ECC模块由大整数运算和椭圆曲线类组成，数字签名模块由数字签名的产生和认证组成。本研究选取4种优化大整数运算的算法（巴雷特减法算法[7]、混合乘法算法[8]、混合平方算法[9]、曲线优化算法[8]）、2种优化椭圆曲线的算法（射影平面坐标系[8]、滑动窗口[8]）和1种优化签名认证的算法（夏米尔技巧优化算法[9]）。由于本研究侧重于对各优化算法在 IRIS 节点上的性能分析，各优化算法具体知识可详见参考文献[8-9]。
nlc202309051243
3 ECDSA及7种优化算法的实现
3.1 ECDSA的实现
本研究设定消息长度为52 b，为提高测试结果的准确性，每个程序测试10次，试验结果取10次测试结果的算术平均值。测试结果见表1，ECDSA所占用的ROM和RAM在IRIS节点的承受范围之内，初始化所需的时间也较短，但签名生成所需时间和签名认证所需时间较长，特别是签名认证所需时间超过了1 min。
表1 ECDSA在IRIS节点上的测试结果
节点类型
所需空间（byte） 所需时间（s）
ROM RAM 初始化 签名生成 签名认证
IRIS 16 860 817 0.000 1 31.954 4 64.225 5
3.2 优化算法的测试
本研究对上述7种优化算法通过开关的方式来测试其在IRIS节点上所耗的ROM/RAM空间、初始化所需时间、签名产生时间和认证所需时间。
3.2.1 主要程序代码
##NN
CFLAGS+=-DBARRETT_REDUCTION #巴雷特减法
CFLAGS+=-DHYBRID_MULT #混合乘法
CFLAGS+=-DHYBRID_SQR #混合平方法
CFLAGS+=-DCURVE_OPT #曲线优化算法
##ECC
CFLAGS+=-DPROJECTIVE #射影平面坐标系
CFLAGS+=-DSLIDING_WIN #滑动窗口优化算法
##ECDSA
CFLAGS+=-DSHAMIR_TRICK #夏米爾技巧
3.2.2 7种优化算法的测试结果分析 由图2-a中虚线可知，初始化时间值较大的有巴雷特减法算法、滑动窗口算法、夏米尔技巧优化算法，其他算法初始化时间几乎为零。这是因为巴雷特减法算法、滑动窗口算法、夏米尔技巧优化算法需要进行预运算。而由实线发现，滑动窗口算法对初始化时间影响最大，几乎降低了50%的时间。因此，滑动窗口算法对初始化时间影响最大。
由图2-b、图2-c可知，射影平面坐标系优化算法对减少签名的产生和认证所需时间影响最大。由图2-b、图2-c中虚线可知，射影平面坐标系优化算法对产生签名和签名认证的效率提高3倍以上;结果表明，关闭射影平面坐标系优化算法会降低产生签名和签名认证的效率8倍以上。虽然射影平面坐标系优化算法很有效，但也是消耗ROM空间最多的算法。
夏米尔技巧优化算法也是提高签名认证效率较好的算法。由图2-c中虚线可知，夏米尔技巧优化算法对签名认证效率提高了2倍，但所需的ROM、RAM空间分别增加了548、634 b;而实线可知，关闭夏米尔技巧优化算法后，签名认证效率降低160%，但减少了2 204 b的ROM空间，而RAM值几乎没有减少，是因为当关闭夏米尔技巧优化时，滑动窗口算法被用于签名认证。
由图2-b、图2-c和图3中虚线可知，滑动窗口算法对产生签名的效率和签名认证的效率提高了1.2倍，但RAM值剧增了2.5倍;由图2-b、图2-c和图3中实线可知，关闭滑动窗口算法对产生签名的效率和签名认证的效率降低了130%，但节省了632b的RAM空间。
由图2-b、图2-c虚线可知，混合乘法、混合平方法和曲线优化算法对提高产生签名和签名认证的效率不大。而从图2-b、图2-c实线发现，以上3种优化算法分别对产生签名的效率提高了1. 8、1.6、2.1倍;对签名认证的效率分别提高了1.8、1.5、2.0倍。这是因为在产生签名和签名认证的运算中最耗时的运算为求逆运算，只有在开启射影平面坐标优化算法取缔求逆运算的情况下，才会使产生签名和签名认证运算中最耗时的运算变为模乘运算，这样才会使以上3种优化算法的优化效果明显。
由上述分析可知， 从消耗RAM空间的角度看，滑动窗口算法>夏米尔技巧算法>巴雷特减法>混合乘法=混合平
方法=曲线优化算法=射影平面坐标法;从消耗ROM空间的角度看，射影平面坐标法>巴雷特减法≈ 混合平方法>混合乘法>曲线优化算法≈夏米尔技巧算法>滑动窗口算法;从签名效率角度看，射影平面坐标法>曲线优化算法>混合乘法>混合平方法>滑动窗口算法>夏米尔技巧算法>巴雷特减法（图3）。
4 适合大棚种植的ECDSA方案
由于IRIS节点中RAM资源稀少，根据上述分析，切实可行方案有如下2种：方案一为选用混合平方法、混合乘法、曲线优化算法和射影平面坐标法;方案二为选用混合平方法、混合乘法、曲线优化算法、射影平面坐标法和巴雷特减法。2个方案的测试结果见表2。其中，方案一中RAM值为817 b，时间复杂度为7.286 8 s;方案二RAM值为909 b，时间复杂度为7.2818 s。比较结果显示，方案一较方案二RAM值小 92 b，而时间复杂度大0.005 s。综合大棚种植的特点， 方案一
表2 各方案在IRIS节点上测试结果
类别
空间复杂度（byte） 时间复杂度（s）
ROM RAM 初始化时间 签名时间 认证时间
方案1 21 594 817 0 2.424 9 4.861 9
方案2 23 022 909 0.006 5 2.418 4 4.856 9
是更为可取的方案选项。因此，适合大棚种植的ECDSA方案为混合平方法+混合乘法+曲线优化算法+射影平面坐标法。
5 结论
本研究主要创新点有2个方面：（1）将基于ECC加密算法的数字签名算法（ECDSA）在IRIS节点上实现，并测试ECDSA消耗的ROM/RAM空间、初始化时间、产生签名时间和签名认证时间;（2）通过开/关的方式，测试7种ECDSA的优化算法的ROM/RAM空间、初始化时间、产生签名时间和签名认证时间，并从空间复杂度（ROM/RAM空间）和时间复杂度（初始化所耗时间、产生签名所耗时间、签名认证所耗时间）比较各优化算法。通过测试与比较分析，提出了适合应用于大棚种植监测的无线传感器节点认证方案。
参考文献：
[1]戴起伟，曹 静，凡 燕，等. 面向现代设施农业应用的物联网技术模式设计[J]. 江苏农业学报，2012，28（5）：1173-1180.
[2]戴起伟，凡 燕，曹 静，等. 物联网技术与江苏智能农业产业发展[J]. 江苏农业科学，2011，39（5）：1-3.
[3]肖 婷，庄义庆，糜 林，等. 物联网传感技术在大棚草莓生产中的应用[J]. 江苏农业学报，2014，30（5）：1185-1187.
[4]张 兴，何泾沙，韦 潜. 无线传感器网络中节点移动场景下的密钥管理方法[J]. 东南大学学报：自然科学版，2011，41（2）：227-232.
[5]张 兴，何泾沙，韦 潜，等. 无线传感器网络中移动场景下的安全路由重构[J]. 北京工业大学学报，2012，38（9）：1377-1383.
[6]蔡 冰，叶 玲. 基于ECC数字签名的实现及优化[J]. 计算机工程，2009，35（19）：161-163.
[7]Menezes A J，van Oorschot P C，Vanstone S A. Handbook of Applied cryptography[M]. boca raton：crc press，1996：603-604.
[8]Gura N，Patel A，Wander A. Comparing elliptic curve cryptography and RSA on 8-bit CPUs[C]//Proceedings of the 2004 Workshop in Cryptographic Hardware and Embedded Systems.2004：119-132.
[9]Hankerson D，Menezes A，Vanstone S. Guide to elliptic curve cryptography[M]. Berlin：Springer，2004：75-152.
无线传感器网络的节点定位 篇4
无线传感器网络是由部署在监测区域内的大量廉价的微型传感器节点组成, 通过无线通信的方式实现各个节点间的通信。其目的就是为了采集用户所需信息, 实时掌控该区域的物理状况。无线传感器网络属于自组织网络的其中一种, WSN具有以下特点[3]:无中心和自组织性;动态变化的网络拓扑;受限的无线传输带宽;移动终端的能力有限;多跳路由;安全性能比较差;超大规模;无人值守;动态性强。针对WSN的以上特点, 我们在研究WSN网络定位的时候必须充分考虑WSN的硬件和软件两方面的综合因素。
2 WSN网络中的节点定位
由于传感器网络的节点的布置不确定性和以数据为中心的任务性, 使得WSN节点的定位成为了传感器网络中成网重要环节。用GPS来对传感器节点进行定位在实际运用中存在定位成本、节点复杂度和节点隐蔽性等问题。而依靠传感器节点自身进行定位已经是一个趋势, 传感器网络的自身定位可以分为基于测距定位和非测距定位。不管是何种定位过程, 都需要一定的已知节点对未知节点进行定位, 而已知节点称为锚节点。
2.1 非测距定位[3]
虽然基于测距的定位机制能够实现精确的定位, 但是往往对无线传感器网节点的硬件要求高。非测距定位机制降低了对节点硬件的要求, 但定位的误差也相应有所增加。目前的非测距定位机制主要分为两类:对未知节点和信标节点之间的距离进行估计, 然后利用三边测量法或极大似然估计法进行定位;通过邻居节点和信标节点确定包含未知节点的区域, 然后把这个区域的质心作为未知节点的坐标。距离无关的算法主要有质心算法、DV-Hop算法、Amorphous算法、APIT算法等。
2.1.1 质心算法。
质心是多边形的几何中心。质心算法的思想就是首先确定未知节点的包含域, 通过对包含域的质心求取来大概估算该未知节点处于该质心点。质心算法本身就是一种估计算法, 算法简单,
其精度不会太高, 主要取决于节点的密度和分布情况, 密度越大, 精度越高。分布越均匀, 精度越高。
2.1.2 DV-Hop算法
该算法的主要思想就是未知节点首先计算与锚节点的最小跳数, 然后估计平均跳数距离, 用最小跳数乘以平均每跳距离, 得到未知节点与锚节点间的估计距离, 在利用三边测量或最大似然估计计算未知节点的坐标。利用下式估算平均每跳的实际距离, [2]
然后, 锚节点将算出平均距离发送到每个节点, 未知节点只记录接收到的第一个每跳平均距离。由于平均距离的算法绝对化和节点位置考虑平面化, 当节点分布不均匀的时候将得不到很高的精度。
2.1.3 Amorphous算法
Amorphous算法与DV-Hop算法基本相似, 但是将节点通信半径作为平均跳数, 可以用以下公式来求取跳数距离[1]
其中r表示通信半径, n表示网络的连通度, 而跳数的求取可以用以下公式来进行,
其中nbrs (i) 表示未知节点i的邻居节点集合;ni表示节点i与锚节点之间的跳数;nj表示邻居节点j与这个锚节点之间的跳数。
2.1.4 APIT算法
APIT算法首先收集其邻居锚节点的信息, 然后从这些锚节点组成的集合众任意选取三个锚节点, 这三个锚节点组成一个三角形, 通过对三角形的域内鉴别确定未知节点是否在此三角形内, 如此反复, 通过对n个锚节点组成的Cn3个三角形鉴别, 可以得到一个包含未知节点的所有三角形的一个交集 (重叠域) 。可知未知节点就处于此域, 进而实现了节点的定位。
2.2 基于测距定位
基于测距的定位要求两个节点 (锚节点和未知节点) 之间具有相互测距的能力。其定位过程分两步:节点之间相互距离的获取;通过测得距离计算未知节点位置。基于测距定位的测距方式主要有以下几种:测量无线电信号强度 (RSSI) ;测量无线信号或声波 (超声波) 到达时间 (TOA) 、测量信号到达时间差 (TDOA) ;测量到达角度的定位 (AOA) ;灯塔测量法。
2.2.1 测量无线电信号强度
由于无线电信号在传播过程中随距离的增加有衰减的特性, 则我们可以利用这个特性由测得的信号强度来推算出信号的传输距离, 其信号传输可由公式 (5) 表示, [4]
其中P (d) 表示基站接收到用户节点的信号强度;P (d0) 表示基站接收到在参考节点d0发送的信号强度。n表示路径长度和路径损耗之间的比例因子。δ表示信号穿过障碍物的衰减因子, 取决于障碍物的材质。RSSI的定位精度主要取决于n和δ, 而这两个因子的数值是不确定的, 而且容易受外界物理环境的影响。
2.2.2 测量到达角度的定位
AOA定位严格来说不属于距离定位, 其主要思路是未知节点通过对信号能量的判别选择能量最大方向来确定角度。但是在信号能量判别上有面临信号的接收时的各向异性问题, 将使判别复杂度增加。MIMO技术的使用也可以使AOA的定位精度得到提高, 一般来说天线的数量越多, 精度就越高。通过AOA得到了未知节点和锚节点的接收角度, 则通过两个锚节点就能实现了未知节点的定位, 该未知节点位于两锚节点的角度延长线的交点。
2.2.3 灯塔测量法[2]
灯塔测量法如图1所示,
利用锚节点 (位置Z) 发送一个平行光束, 此光束宽为b, 以固定的角速度ω对周围空间进行扫描, 当未知节点接收到光束时开始计时, 当光束移开未知节点的时候计时结束, 假设时间为t1, 则可有下式成立,
灯塔算法的优点是光接收者可以很小, 所以使得“智能尘埃”等定位变得比较简单。但缺点在于只适用于视距定位。
2.2.4 测量信号到达时间差、测量无线信号或声波到达时间
由于声波的传播速度比较慢, 相对于电波来说比较容易测量。所以使用声波来进行距离测算是一种比较简单直接的方法, 但是由于声波在传播过程中受到外界环境的影响比较大, 使用此方法来进行距离测算, 后期的结果修正将是决定精度的一个重要环节。而无线信号的测量需要锚节点和被测节点必须拥有精确的时间同步。TDOA可用测量两种不同信号的到达时间来求其差, 也可以是同一种信号的不同路径时间差。TDOA还可以运用于不同的锚节点对一个未知节点的定位。对于多个节点在TDOA中的运用需要各个锚节点保持精确的时间同步。TOA定位只需要收发节点的同步, 对带宽的消耗比较小, 适用于窄带系统的定位。而对于TDOA来说, 需要多个锚节点进行精确同步定位, 对带宽的消耗比较大, 但其精确度比较高, 适用于宽带系统的定位。
TDOA的使用中一般运用比较多的就是通过两个接收天线来进行信号的互相关处理, 主要是对信号频域的互相关处理, 可用下式描述。
互相关函数的获取也可用通过对信号频域的互相关密度函数进行傅立叶反变换得到, 频域是首选的互相关函数获取域, 因为频域的信号可以在进行反傅立叶变换前进行滤波。
3结论
通过对WSN网络的特点描述和网络结构分析, 主要研究了WSN中的节点的定位问题, 结合WSN网络的具体特点, 对算法类型进行了分类, 并对每个类型里面比较典型的算法进行了详细描述和分析。比较了定位算法中的优劣特征。通过本论文可以对WSN网络中的路由得到一个全面的了解。
摘要：该论文首先对无线传感器网络特点进行了简要的描述, 其中对其网络结构进行了简单分析。该论文重点是对无线传感器网络节点定位进行了分析研究, 综合叙述了几种有代表性的WSN定位技术。
关键词：定位,无线传感网络,节点,算法
参考文献
[1]T.Rappaport, J.Reed, B.Woerner, Position location using wireless communications on highways of the future, IEEE Communications Magazine 34 (10) (1996) 33-41.
[2]Guoqiang Mao, Baros_Fidan, Brian D.O.Anderson.Wireless sensor network localization techniques[J].Computer Networks 51 (2007) 2529-2553.
[3]孙利民等.无线传感器网络[M].北京:清华大学出版社, 2005.
无线传感器网络残余节点的研究 篇5
关键词：无线传感器网络,网络生存周期,残余节点
无线传感器网络(Wireless Sensor Networks,简称WSN)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的一个多跳的、自组织的网络系统,其目的是协作地感知、采集和处理网络覆盖区域中感知对象的信息,并发送给观察者。
节能是无线传感器网络设计中的一个重要的目标,而路由算法对无线传感器网络的能量消耗有着重要的影响,所以提高路由算法的有效性,减少网络中的能量消耗是非常必要的。LEACH协议是第一个基于聚簇的协议,它通过均衡网络的能量消耗,达到延长网络生命周期的目标。与一般的平面多跳路由协议和静态分层算法相比,LEACH协议可以将网络生存周期延长15%[1]。
截止目前,大部分无线传感器网络的设计和实现都只考虑延长整体网络的生命周期。但即使整个网络的生命周期结束,也将有一部分节点仍具有可使用价值。通过LEACH协议来研究残余节点的阈值及数量的选取方式对无线传感器网络生命周期的影响。
1 LEACH路由协议的分析和改进
LEACH协议在整个传感器网络的工作过程中划分为周期性的轮,每轮包括两个阶段:建立阶段和稳定阶段。
1.1 建立阶段
在建立阶段,随机产生簇头,非簇头节点加入最近的簇头,并不发送实际的监测数据。在启动阶段,节点产生一个0~1之间的随机数成为标志值,如果标志值小于阈值T(n),则发布自己成为簇头的公告消息。T(n)的计算等式如下:
式(1)中,p为期望的簇头节点在所有传感节点中的百分比,r是当前轮数,(r mod 1/p)是这一轮中当选过簇头节点的个数,G是在r-1轮中尚未成为簇头节点的节点集。T(n)实际上是在第r轮尚未成为簇头的节点成为簇头的平均概率[2]。
由于LEACH协议的簇头产生过程是随机的,故有可能存在某一节点的剩余能量己经很小但仍被选为簇头节点的情况,因此该节点能量可能很快就被耗尽。将节点的剩余能量引入阈值T(n)的计算,得到改进后的阈值T(n)为:
式(2)中,Eresi为传感节点的剩余能量,Einit为传感节点的初始能量,加入参数后,剩余能量低的节点成为簇头的几率会降低,因此避免了低能量的节点充当簇头节点,从而导致该节点迅速死亡。
1.2 稳定阶段
传感器网络处于该阶段的时间相对较长,该阶段主要是进行数据传送。LEACH协议假设所有的节点都采用单跳通信方式与簇头节点或者汇聚节点直接通信,实现起来方便简单。但是当WSN规模较大时,簇头与汇聚节点间距离较远,要进行远距离的数据传输,遵循多径衰落模型,这会导致能量的大幅度损耗,簇头节点可能很快成为盲节点,使得网络健壮性下降,盲节点的频繁出现会降低网络生存时间并导致路由协议的低效率[3]。因此在簇头节点与汇聚节点的通信中采用多跳通信方式[4],等式如下所示:
式(3)中,n为节点数,R为传播距离,Eelec为发送电路和接收电路消耗的能量,为信号放大器的放大倍数,k为数据包的宽度。
2 残余节点的引入和选取
文中残余节点定义为前次无线传感器网络的生命周期结束后,仍然具有可使用能量资源的传感器节点,该能量资源专指电池的能量。这是由于无线传感器网络的能量消耗不可能是绝对均衡的。
虽然无线传感器网络的传感器节点通常布置在环境复杂的区域,甚至有些区域人员不能到达,但是在某些应用,如森林防火监测、地震监测、制造业等方面,当无线传感器网络的生命周期结束后,也有第二次布置无线传感器网络的必要性和可能行。由于传感器节点的自组织特点,残余节点的二次使用也将具有可能性。
残余节点的选取分为两步进行,首先对原残余节点集合通过能量阈值进行筛选,选取高于阈值的节点;其次对筛选出来的节点进行第二轮的随机选取。
3 仿真实验
利用Matlab工具进行仿真实验。实验中使用的网络环境及参数设置如表1所示。实验的网络拓扑结构中,*为残余节点,○为新节点,×为Sink节点。
3.1 残余节点阈值的选择对无线传感器网络生命周期的影响
实验主要为了研究在相同的残余节点个数下,不同能量阈值对于传感网络生命周期的影响。在如图1所示的网络拓扑结构中,分别随机抽取残余能量大于等于初始能量0.10,0.15,0.20,0.25,0.30,0.35的节点各40个进行仿真实验。
结果分析:
实验结果曲线如图2所示,残余节点6种阈值的选取曲线基本重合,第一个节点的死亡轮数也相差无几。
仿真实验结果的统计数据如表2所示。第一个节点死亡的轮数在1700~1702轮之间,2000轮后存活的节点数在79~82个之间,产生这样仿真结果虽然与簇头选择的随机性有一定的关系,更表明了在残余节点的能量大于簇头节点一次消耗的能量很多倍之后,整个网络的生命周期与残余节点选取的能量阈值关系不大。
3.2 残余节点的数量对无线传感器网络生命周期的影响
实验主要为了研究残余节点的数量对无线传感网络生命周期的影响。在如图3所示的拓扑结构中,随机抽取残余能量大于等于初始能量0.35的节点各0,20,40,60个进行仿真实验。
结果分析:
图4显示了不同残余节点数量的LEACH协议中存活节点个数随轮数变化的曲线。可以看出随着残余节点数量的增多,第一个节点死亡的轮数被延长,整体网络的生命周期也随之延长。
仿真实验结果的统计数据如表3所示。4种残余节点数量第一个节点死亡的轮数分别为1360轮、1603轮、1701轮和1805轮,2000轮后存活的节点数分别为62个、77个、86个、96个。与无残余节点的LEACH协议相比较,死亡轮数分别提高了17.8%、25.1%、32.7%,存活率提高了24.2%、38.7%、54.8%。可以看出随着残余节点数量的增加,无线传感器网络整体的生命周期被延长。
为了进一步研究残余节点的数量对无线传感器网络生命周期的影响,在0到67个残余节点之间每次增加1个残余节点进行实验,绘制出如图5所示的趋势图。由图5所示结果可以看出,在相邻几个节点之间,网络生命周期有轻微波动,这是因为簇头选择的随机性造成的,但是随着有效残余节点个数的增加,网络生命周期也以线性方式增长。
4 结语
在Matlab平台上就残余节点对无线传感器网络整体生命周期的影响做了2方面的仿真和分析。仿真结果表明残余节点的使用延长了网络的生命周期。并且得出如下结论,在有效能量阈值之上,残余节点的能量阈值的选择对网络生命周期影响不大,而残余节点的个数对于网络生命周期的延长有着重要的贡献。
参考文献
[1]王波,蒋卫,孙燚.改进PEGASIS的分层链树路由协议.计算机系统应用,2009,5(12):98-102.
[2]W.Heinzelman,A.Chandrakasan,H.Balakrishnan.Energy-effi-cient communication protocol for wireless sensor networks.Proceedings of the 33rd Annual Hawaii International Confer-ence on System Sciences,Hawaii,USA,2000:4-7.
[3]熊黎.无线传感网络中高能效的信息传播协议研究.武汉理工大学学报,2005,27(5):97-101.
传感器网络节点 篇6
无线传感器网络的节点自定位就是根据少数已知未知的节点,按照某些定位机制确定自身的位置。只有在传感器节点自身定位之后,才能确定传感器节点检测到的事件发生的具体位置,这需要检测到该事件的多个传感器几点之间互相协作,并利用它们自身的未知信息,使用特定的机制确定发生的位置。因此,在传感器网络中,传感器节点自身的定位是提供监测事件未知信息的前提。
1 节点自定位算法分析
1.1 节点自定位算法的分类
根据定位机制可以将现有的无线传感器网络节点自定位算法分为两类[2]:Range-Based和Range-Free,前者需要通过测距或者角度信息;后者无需距离和角度信息,仅根据网络连通性等信息实现节点的定位。
距离无关的定位机制(Range-Free)[3]无需实际测量节点间的绝对距离或方位就能够计算未知节点的位置,因而降低了对节点硬件的要求,且定位性能受环境因素影响较小,适合应用于大规模的传感器网络,其中质心算法、DV-Hop算法[5]、Amorphous[6]算法和APIT算法是4种目前倍受关注的分布式的Range-Free定位机制。
基于距离的定位机制(Range-Based)需要根据节点间距离或角度的测量结果进行定位计算。常用的测距技术有Trilateration算法[4]和循环三边组合测量法(ACT)[6]。
1.2 几种节点自定位算法
该文主要研究基于距离的定位机制中的Trilateration算法和ACT算法,并且对ACT算法进行改进降低算法的复杂度,提高算法的定位精度。
1)Trilateration算法
Trilateration算法称为三边测量法,三个信标节点的坐标已知,分别为:(x1,y1),(x2,y2),(x3,y3)。三个信标节点到未知节点的距离分别为d1,d2,d3。按照如下关系式:
可计算出未知节点坐标为:
2)ACT算法
Trilateration算法三个信标节点的位置对于定位的误差影响很大,比如当三个信标节点成等边三角形分布时,定位的误差最小,当三个信标节点共线时,定位误差最大。
在这里我引入一个新的定义,角度权重函数:
W(a)min{Ad,Bd,Cd}
Ad,Bd,Cd分别为三角形ABC三个角的弧度值。
因为任意的三个信标节点可以确定一个顶点,所以N个信标节点根据排列组合可确定出CN3个权重多边形。
所以根据上面的分析ACT算法的步骤如下:
第一步:确定权重多边形的顶点坐标:每个信标节点广播自身的ID以及位置信息(Xi,Yi)(i=1,…,N),邻居节点均能收到这些信息并利用TDOA[3]技术估计它到信标节点的距离ri(i=1,…,N),根据信标节点中任意三个坐标值的组合及距离值计算权重多边形的顶点坐标。例如:(Xa,Ya)(Xb,Yb)(Xc,Yc),ra,rb,rc使用SSL算法计算权重多边形的顶点坐标(IXj,IYj)(j=1,…,N):
[LXj,IYj]T=(MTM-1)MTL
其中:
第二步:确定权重多边形顶点的权重值:
根据已知条件利用三角函数余弦定理计算出权重多边形三个角的弧度值Ad,Bd,Cd,再利用权重函数计算权重。
第三步:重复步骤1和2计算权重多边形其它的CN3-1个顶点坐标以及对应的权重值。
第四步:归一化权重
第五步:确定未知节点的坐标:
第六步:重复步骤1到5计算其它未知节点的坐标值。
3)改进的ACT算法
ACT算法有着良好的定位精度,但是缺点是显而易见的就是算法的复杂度偏高,因此需要对ACT算法进行简化,在之前我们分析过当三个节点成等边三角形分布时定位误差最小,共线时定位误差最大,因此我们得到了如下的启发:N个信标节点中我们没有必要选取所有可能的组合来进行定位运算,因为由于误差的累加定位误差可能越累计越大,所以我们通过某种方法选取信标节点分布较好(接近于等边三角形)的前m种组合,这样但可以大大的简化算法的复杂性同时也提高了定位的精度。从第3节的仿真结果中我们可以看到,总存在一个m使得定位的误差最小,同时也大幅度的降低了计算的复杂性,节省了开销。
对ACT算法改进如下:
第一步:采用不同的权重函数。
第二步:不对CN3种组合进行三边测量,改为取前m个权重值最大的进行三边测量。
改进的ACT算法实现步骤如下:
第一步:对于任意的三角形首先计算出三个顶点的正切值:
tan A=(K2-K3)/(1+K2K3)
tan B=(K1-K3)/(1+K1K3)
tan C=(K2-K1)/(1+K2K1)
其中K为三个顶点对应三条边的斜率
权重函数为:
W(a)=min{tan A,tan B,tan C}
第二步:利用上面的方法计算每个三角形的权重值:
W(aj)=tanaj(j=1,…,CN3)
第三步:对于所有的三角形按照权重值进行排序,取权重值最大的前m个。
W(ak)=tanak(k=1,…,CN3)
第四步:对于前m个权重值的进行归一化处理:
第五步:根据三边测量法计算m个顶点的坐标:
其中
第八步:确定未知节点的位置:
2 实验仿真和结果分析
2.1 仿真环境
该文选用MATLAB版本为R2007a,运行硬件平台为Inter(R)1.73GHz CPU,1.00GB RAM,120GB 7200RPM Hard disk的PC机进行仿真。
2.2 仿真对象
1)无线传感器网络节点自定位Trilateration算法。
2)无线传感器网络节点自定位ACT算法。
3)无线传感器网络节点自定位改进的ACT算法。
2.3 仿真结果
试验中选取100m*100m的仿真环境,加入20%的高斯噪声,通信半径R=10m,信标节点和未知节点的比例为1:10,即10个信标节点,100个未知节点,均为随机分布。如图1所示,蓝色星形为未知节点,黑色钻石型为信标节点。
1)Trilateration算法仿真结果
2)ACT算法仿真结果
图3为ACT算法进行定位后实际位置(星形)和估计位置(绿点)。
3)改进的ACT算法仿真结果
图4为改进ACT算法进行定位后实际位置(星形)和估计位置(红点)。
2.4 仿真结果分析
1)经验值m的选取
经过100次仿真总存在一个m值使得定位精度最大,如图5所示我们可以看出m取38时定位精度最高,因此我们可以根据经验来选取m(不同的环境可能存在不同的m值)。
2)三种方法的定位精度比较
如图6所示,绿色为Trilateration算法定位精度,红色为ACT算法的定位精度,蓝色为改进的ACT算法的定位精度。在相同的条件下对三种方法进行100次循环运算,Trilateration算法的平均定位精度为35.67%,ACT算法的平均定位精度为25.11%,改进的ACT算法的平均定位精度为21.45%。通过实验数据可以看出Trilateration算法的定位精度最差,改进的ACT算法的定位精度最好。
3)算法复杂度比较
本实验仿真N取100,m若取38则,ACT算法的乘除运算次数约为6720次,三角函数运算为360次,改进的ACT算法的乘除运算为2524次,没有三角函数运算,因此从算法复杂度来说Trilateration算法最简单,ACT算法最为复杂,改进的ACT算法大大简化了ACT算法的复杂性。
3 结束语
该文针对目前无线传感器网络的节点自定位算法中基于测距的Trilateration算法,ACT算法进行详细研究,可以看出两种算法各有特点。主要对ACT算法进行改进,不但大幅度降低了ACT算法的运算复杂度,而且提高了ACT算法的定位精度。
参考文献
[1]S Tilak,N.B Abu-Ghazaleh,W Heinzelman,A taxonomy of wireless micro-sensor network models.Mobile Computing and Communi-cations Review,2002,1-8.
[2]e T,Huang C,Blum B M.Range-free localization schemes for large scale sensor networks.In:Proc9th Annual Int'l Conf on Mobile Computing and Networking(MobiCom),San Diego,CA.,2003:81-95.
[3]孙利民,李建中,陈渝,等.无线传感器网络[M].北京:清华大学出版社,2005:3-5.
[4]K Langendoen,N Rejiers.Distributed localization in wireless sensor networks:Auqnatitative comparison[J].Computer Networks,2003,43(4):499-518.
[5]NiruPama Bulusu,John Heidemann,Deborah Estrin.CPS-less low cost outdoor localization for very small devices[J]IEEE Wireless Com-munications,2000,7(5):27-34
无线传感器网络节点机的研制 篇7
无线传感器网络集成了传感器技术、计算机技术和通信技术,在军事、环境、健康、家庭、商业等许多方面有着巨大的潜在应用前景[1]。传感器节点是组成无线传感器网络的基本单位,是构成无线传感器网络的基础平台。从网络功能上看,每个传感器节点兼顾传统网络节点的终端和路由器双重功能,除了进行本地信息的收集和数据处理外,还要对其他节点转发来的数据进行存储、管理和融合等处理,同时与其他节点协作完成一些特定任务。目前传感器节点的软硬件技术是传感器网络研究的重点。
1 传感器节点结构
传感器节点由传感器模块、处理器模块、无线通信模块和能量供应模块4部分组成,如图1所示[2]。
传感器模块负责监测区域内信息的采集和数据交换;处理器模块负责控制整个传感器节点的操作,存储和处理本身采集的数据以及其他节点发来的数据;无线通信模块负责与其他传感器节点进行无线通信,交换控制信息和收发采集数据;能量供应模块为传感器节点提供运行所需的能量。
本文设计的节点机以高档8位AVR单片机ATmega128L为核心,结合外围传感器和2.4 GHz无线收发芯片CC2420。ATmega128L控制传感器采集环境参数,无线收发芯片CC2420将数据发送给相邻节点,数据经无线传感器网络节点的多级转发最终送回主机, 实现对环境的监测。
2 节点机的硬件设计
2.1 无线通信模块
CC2420是Chipcon公司推出的兼容2.4 GHz IEEE 802.15.4标准的无线收发芯片。使用CMOS 工艺生产,工作电压低、能耗低、体积小,具有输出强度和收发频率可编程等特点。该芯片只需晶体振荡器及负载电容、输入/输出匹配元件和电源去耦电容等少量外部元件即可正常工作,最大收发速率为250 kbit/s。无线通信模块的设计如图2所示。
CC2420使用SFD、FIFO、FIFOP 和CCA这4个引脚表示收发数据的状态。CC2420收到物理帧的SFD字段后,会在SFD引脚输出高电平,直到接收完该帧。如果启用了地址辨识,在地址辨识失败后,SFD引脚立即转为输出低电平。FIFO和FIFOP引脚标识接收FIFO缓冲区的状态。如果接收FIFO缓冲区有数据,FIFO引脚输出高电平;如果接收FIFO缓冲区为空,FIFO引脚输出低电平。FIFOP 引脚在接收FIFO缓冲区的数据超过某个临界值时或者在CC2420接收到一个完整的帧以后输出高电平。临界值可以通过CC2420的寄存器设置。CCA引脚在信道有信号时输出高电平,它只在接收状态下有效。在CC2420进入接收状态至少8个符号(symbol)周期后,才会在CCA引脚输出有效的信道状态信息。
CC2420内部使用1.8 V工作电压,功耗低,适合于电池供电;外部数字I/O接口使用3.3 V电压。CC2420片内集成了一个直流稳压器,能够把3.3 V电压转换成1.8 V电压。
2.2 微处理器电路
节点机微处理器的选择应满足外形尽量小、集成度尽量高、功耗低而且支持睡眠模式、运行速度尽量快、有足够的外部通用IO端口和通信接口、成本尽量低、有安全保证等要求。本文中的微处理器电路采用Atmel公司的ATmega128L微控制器,它采用低功耗CMOS 工艺生产,基于RISC结构,具有片内128 kB的Flash、4 kB的SRAM和4 kB的EEPROM,有8个10位A/D转换通道、2个8位和2个16位硬件定时/计数器、8个PWM通道,具有可编程看门狗定时器和片上振荡器、片上模拟比较器、JTAG、UART、SPI、I2C 总线等接口[3]。ATmega128L除了正常操作模式外,还具有6种不同等级的低能耗操作模式,因此适合于低能耗的应用场合。其接口电路见图3。ATmega128L 工作时钟源的选择通过其内部熔丝位来设计,熔丝位可通过JTAG 编程方式设置。本设计中ATmega128L采用两个外部晶振:8 MHz晶振作为ATmega128L的工作时钟;32.768 kHz晶振作为实时时钟源。
处理器通过SPI接口与CC2420交换数据、发送命令等。SPI接口由SCn、SI、SO和SCLK这4个引脚构成。处理器通过SPI接口访问CC2420内部寄存器和存储区。在访问过程中,CC2420是SPI接口的从设备,接收来自处理器的时钟信号和片选信号,并在处理器控制下执行输入输出操作。
2.3 存储电路
由于无线传感器节点的通信模块传输能力有限,加上节点工作的占空比非常小,很多数据不能实时转发出去,所以需要有一个可管理的存储器存储这些数据,暂存自己采集的或需要转发的其他节点采集来的数据。本设计选用512 kB串行Flash AT45DB041存储数据。与普通的数据存储器相比, 该芯片具有功耗低、体积小、串行接口、外部电路简单等特点, 适合传感器节点使用。数据存储电路如图4所示。
2.4 传感器模块
本文研制的节点机采用以下2种传感器:
a)光强度传感器TSL2550D:内含2枚光电探测器可以产生2路信号,根据2路信号的强弱判断周围光线的强度,可以直接将光强度转换成数字量; 分辨率为12位。
b)温度传感器MLX90601:具有红外测温度模块;可以模拟线性输出,可以PWM输出;具有SPI可编程接口;可以精确到±0.2 ℃。传感器模块采用一个完整、通用的标准接口,如图5所示,可以实现模块堆叠,按照不同的应用需求进行不同的扩展。
2.5 电源及外部接口
节点机电源由2节1.5 V碱性电池组成,未来可采用微型纽扣电池,以减小体积。节点外部接口包括JTAG接口、RS-232接口、传感器接口、SMA天线座接口等。节点使用JTAG下载程序; 使用RS-232接口与PC机连接; 可根据不同需求经传感器接口挂接不同的传感器模块。
3 节点机的软件设计
传感器网络系统通常包括传感器节点、汇聚节点和管理节点。大量传感器节点随机部署在监测区域,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步地进行传输,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Internet到达管理节点。
图6为路由请求报文处理流程,图7为路由回复报文处理流程。
4 试验与结论
以11个节点机组成一个传感器网络,每个距离5m~20 m,其中一个节点机为汇聚节点与服务器相连。进行了自动组网试验,即同时打开多个节点检查能否实现通信;以及通过加入新节点、关闭个别节点、改变节点机位置等试验,检查当网络拓扑改变时节点能否自动改变路由、保持网络通信正常。
实验表明:本文研制的节点机在试验中能在各节点间实现多跳通信,并能由LED指示接收信息、接收失败或应答接收等通信过程。节点机发送、侦听时的工作电流约15 mA,睡眠时为5 mA,掉电节能模式时为110 μA。另外, 串行接口能与PC机之间进行通信。建立这样一个平台后,便可以依照研究目的的不同, 更改传感器模块及应用程序, 为无线传感器网络在工业生产中进一步的应用打下良好的基础。
参考文献
[1]任丰原,黄海宁,林闯.无线传感器网络[J].软件学报,2003,14(7):1282-1291.
[2]孙利民,李建中,陈渝,等.无线传感器网络[M].北京:清华大学出版社,2005.
传感器网络节点 篇8
一、无线传感器网络的作用
节点定位问题是传感器网络应用的基础。节点定位技术是无线传感网络的一个主要支撑技术, 无线传感器网络在计算机软硬件所组成计算世界与实际物理世界之间建立了更为密切的联系, 极大地提高了信息的真实程度。网络层, 可以设计基于节点位置信息的路由算法, 提高路由效率, 减少路由发现等开销, 实现网络的负载均衡;在应用层, 系统可以智能地根据节点位置, 选择一些特定的节点来完成任务, 提高系统的存活时间, 降低整个系统的能耗。
二、基于无线传感器网络自身定位系统的分类
(一) 绝对定位与相对定位。绝对定位与物理定位类似, 定位结果是一个坐标位置。而相对定位通常是以传感区域某点为参考, 建立整个网络的相对坐标系统。 (二) 物理定位与符号定位。经纬度就是物理位置;而某个节点在某街道的某门牌的建筑物内就是符号位置。 (三) 集中式计算与分布式计算定位。集中式计算是指把所需信息传送到某个中心节点, 并在那里进行节点定位计算的方式;分布式计算是指依赖节点间的信息交换和协调, 由节点自行计算的定位方式。 (四) 移动信标与固定信标定位。移动信标节点是一类装备了GPS或其它定位装置的可移动节点, 它在移动的过程中周期性发布自己的位置信息。
三、测距定位算法
3.1测距/测角技术
(一) 接收信号强度 (RSSI) :根据接收到的RSSI值计算出信号的传播损耗, 然后利用信号传播模型将其转化为距离信息, 该技术主要使用RF信号。商业无线芯片本身具有RSSI获取功能, 无需额外硬件;故其是一种低功率、低成本的测距技术。 (二) 信号传播时间 (TOA) :已知信号的传播速度根据信号两点间的传播时间来计算传输距离, 需要精确的时间同步, 因此需要昂贵的、高能耗的电子设备来确保时间同步, 如GPS定位系统。 (三) 信号传播时间差 (TDOA) :根据两种信号在两点间的到达时间差及信号传播速度计算出两点间的距离, 不需要时间同步。
3.2定位计算方法
3.2.1三边测距法和多边测距法
在二维空间中, 知道一点到三点或三点以上的距离就可以确定该点的坐标。三边测距法的原理就是求解三个已知半径和圆心坐标的圆的交点, 可表示为: (x-xi) 2+ (yyi) 2=r2i, i=1, 2, 3 (1) 。设锚节点坐标分别为 (x1, y1) , (x2, y2) , …, (xk, yk) , 未知节点S的坐标为 (x, y) , S到锚节点的测量距离为Si;根据最小二乘法原理:
设目标函数:F=min∑ (d Si-Si) 2式中:d Si= (x-xi) 2+ (yyi) 2采用优化的方法使估计位置与实际位置间的差最小, 从而估计出节点S的坐标。
3.2.2三角测距法
三角测距法也称AOA定位法, 如图1 (c) 所示, 设参考节点A和B的坐标分别为 (x1, y1) , (x2, y2) , 待定位节点S的坐标为 (x, y) , 节点S到参考节点A和B的角度分别为θ1和θ2, 则有如下关系式:tanθi=x-xiy-yi, i=1, 2 (2通过上述非线性方程组可得未知节点S的坐标 (x, y) 。
四、基于测距的定位技术
4.1基于RSSI的定位
在基于接收信号强度指示的RSSI定位技术中, 已知发射节点的发射信号强度, 接收节点根据接收信号的强度, 计算出传播损耗, 利用理论的或经验的信号传播模型将传播损耗转化为距离, 然后再计算出节点的位置, 该技术主要使用RF信号。
4.2基于TOA的定位
在基于到达时间的TOA定位技术中, 已知信号的传播速度, 根据信号的传播时间来计算节点间的距离, 然后利用已有的算法计算出节点的位置。
4.3基于TDOA的定位
在基于到达时间差的TDOA定位技术中, 发射节点同时发射两种不同传播速度的信号, 接收节点根据两种信号到达的时间差以及这两种信号的传播速度计算它和发射节点之间的距离, 再根据已有的基本定位算法定位节点。
4.4基于AOA的定位
在基于到达角度的AOA定位技术中, 接收节点通过天线阵列或多个超声波接收器探测发射节点信号的到达方向, 计算它和发射节点之间的相对方位, 再通过三角测量法计算出节点的位置。
五、结束语
总之, 无线传感器网络节点技术, 作为新兴的科技技术的代表, 要掌握其技术要点, 在应用的同时也要注重对技术的创新, 使其得到更广泛的应用。
参考文献
[1]丰皇.无线传感器网络节点定位技术综述.信息技术.2013年3月, 第2期, 66-68
传感器网络节点 篇9
在无线传感器网络中,由于环境外界因素的条件,不能频繁对传感器网络节点进行电池更换,而网络的寿命由最短生命的电池决定,所以无线传感器网络的设计要考虑到整个系统的寿命。无线传感器网络节点的能耗受节点分布均匀性的直接影响,所以对其均匀性研究十分有意义。
1 节点分布均匀性分析
分析节点均匀性,要先了解节点的分布特点。两种节点的分布图如图1,图2所示。
基本模型:
(1)采用近似偏差均匀性准则;
(2)采取最大最小空穴半径的方法。
定义1:设x1,x2,…,xm,为m维空间Cm=[0,1]的n个不同点,任一向量X=(x1,x2,…,xm)∈Cm,记V(x)=x1,x2,…,xm为矩形[0,x]的体积,nx为x1,x2,…,xn中落入[0,x]中的点数,称为{x1,x2,…,xm}在Cm中的偏差(discrepancy):
(1)理想布点
定义2:标准半径Rst(n,m)单位空间Cm=[0,l]中n个点x1,x2,…,xn,若这n个点在Cm中布点最均匀,每个点的体积V=l/n,换算为球半径Rst(n,m),有:
理想布点只需满足此条件的布点方式即可。其中,Rst(n,m)称为标准半径。在无线传感器网络中,m=3表示三维空间,节点个数n。公式可简化成:
(2)均匀性量度的准则
定义3:密集性偏差Dd和稀疏性偏差Ds定义如下:
其中,Dd,Ds分别是估量布点最密处和最稀处偏离理想布点的程度,Ds,Dd越大布点越均匀。
定义4:自偏差D定义如下:
自偏差越大,布点就越均匀。无线传感器网络若考虑在地面布置节点,则C3简化为C2。
2 数学描述
影响无线传感器网络的生命周期和覆盖范围的关键因素是无线传感器网络节点的均匀性,假设一个无线传感器网络,其节点分布是随机的,其基本的网络拓扑结构如图3所示。
设单位维空间C3=[0,l],n个节点N1,N2...Nn分布在图1所示的(0,0,0)到(x,y,z)内,对节点分布归一分析,得空间任意节点坐标为:
设节点i,j的f和g距离为:
若节点i,j间有中心f,mf(xi,xj)为f中心。若节点i,j间存在g中心,mg(xi,xj)为g中心。设任一节点k为xk,xk到mf(xi,xj)的距离符合:
如果不等式(9),(10)成立,则半径为r=f(xi,xj)2,中心为mf(xi,xj)的空穴存在。同理,xk到mg(xi,xj)的距离符合:
如果不等式(11),(12)成立,则半径为r=g(xi,xj)2,中心为mg(xi,xj)的空穴存在。
由文献[3]可知:D越大,节点整体分布越均匀;Ds越大,节点最稀处分布越均匀;Dd越大,节点最密处分布越均匀。节点随机分布下的均匀性模型由式(1)~式(12)简要分析,并用式(1)~式(12)来量化分析节点的能耗以及网络的生命周期。
3 模拟实验
设一个无线传感器网络有240个节点,节点属于1个簇,基站在中心位置,网格边长10 m。根据文献[1-2],可知:
式中:Pt(i,B)为其他节点向基站发送信息的功率;di B为其他节点向基站发送信息的速率;fi B为其他节点到基站的距离;β为距离相关参数;α为距离无关参数。
公式中定量d=50 n J/b,β=0.001 3 p J/b/m4,m=4和fi B=10 Kb/s。当为均匀分布时,Rst可计算得:
节点均匀分布时,如图4所示。由图4可计算无线传感器网络均匀性参数得Dd=59.386,Ds=0.000 626 7,D=0.037 2。
设每个格内都有节点存在能满足空间的覆盖,因此从图4可以获得最优的参数:
由每个节点能耗得到图5。
节点随机分布时,如图6所示。
由每个节点能耗得到图7。
将均匀和非均匀分布对比,得出参数见表1。
由表1可得:均匀分布条件下无线传感器网络的能耗要小于非均匀分布。
4 结论
在图6中,区域2和3中的节点密度要大于图4中的相同区域,尽管每个节点的平均能量在相同覆盖条件下完全一致,但是图6中的总能量要大大高于区域2中的相同部分节点;相反,图6中区域1和4中的无线传感器节点密度要比图4中的稀疏得多,节点总的能耗也相对少得多。因此,图6中区域1和4在相同节点能耗条件下覆盖控制不能满足要求,有效覆盖差。分析表1可以得到如下结论:无线传感器网络节点分布越均匀,相同覆盖条件下网络能耗越少。
参考文献
[1] MEGUERDICHIAN S， KOUSHANFAR F， QU G， et al. Exposure in wireless Ad-Hoc sensor networks [C]// Proceedings of the 7th Annual International Conference on Mobile Computing and Networking. Rome： ACM Press， 2001： 139-150.
[2] 孙利民，李建中，陈渝，等.无线传感器网络[M].北京：清华大学出版社，2005.
[3] AKYILDIZ I F， SU W， SANKARASUBRAMANIAM Y， et al. Wireless sensor networks： a survey [J]. Computer Networks， 2002， 38（4）： 393-422.
[4] CU11AR D， ESTRIN D， STRVASTAVA M. Overview of sensor network [J]. Computer Networks， 2004， 37（8）： 41-49.
[5] 李成法，陈贵海，叶慰，等.一种基于非均匀分簇的无线传感器网络路由协议[J].计算机学报，2007，30（1）：27-36.
[6] 方开泰.均匀设计-数论方法在试验设计中的应用[J].应用数学学报，1980（4）：56-57.
[7] 周珏嘉，慕春棣.无线传感器网络中的节点密度控制策略[J].清华大学学报，2007，47（1）：139-142.