大型传感网络（精选7篇）
大型传感网络 篇1
1、前言
土木结构在使用过程中, 材料老化、载荷的长期效应、疲劳效应、突变效应、环境侵蚀等因素的耦合作用, 不可避免地导致结构的损伤累计和抗力衰减, 致使其抵御自然灾害如台风、地震、暴雨等的能力下降[1~2]。大型结构的振动测试通过测量结构在人或自然激励下的响应, 对信号进行分析, 间接得出结构的模态频率、振型、阻尼等动态特征参数, 为相关单位及时了解、判断结构的状态, 制定决策提供依据。
目前, 大型结构的振动测试, 传感器与服务器之间的信号多采用有线传输方式。现场传感器的安装、线缆布设与主体结构同步进行, 这里存在两个问题:一方面, 传感器信号线缆较长, 线缆布线位置有时很难到达, 支出费用是仪器本身的几倍甚至几十倍[3];另一方面, 传感器的信号线缆安装完成后, 面临成品保护问题。在建的深圳交易所营运中心大楼, 在主体结构完成后, 幕墙工程、装饰工程、智能化专业、消防专业、机电专业等工种, 交叉施工作业频繁, 多次发生已安装完成的传感器系统被损坏的案例, 导致部分监测点无法正常运营。
针对大型结构跨度大、监测范围广, 有线测试系统的现场布线难度大、成本高、成品保护困难等缺陷, 开发出基于无线传感器网络的振动测试系统, 成为众多研究者努力的方向。
2、基于无线传感器网络 (WSN) 的环境振动测试
2.1 基于无线传感器网络 (WSN) 的振动测试系统研究进展
无线传感器网络是现代传感器技术、微机电系统 (MEMS) 、通信技术、嵌入式技术和分布式信息处理技术等学科交叉、融合的一个研究领域[4], 传感器、信号采集模块、信号处理模块、无线通信模块集成一体, 通过自带电池供电, 与基站间通过无线通信方式传输信号, WSN的应用正逐渐向土木工程领域渗透。叶伟松、袁慎芳基于Crossbow推出的micaz硬件平台, 开发出了多条、多参数采集和网络抗毁性三方面的网络协议和应用程序, 并在实验平台上协同完成载荷定位和紧固连接松动实验[5]。李宏伟、欧进萍借助UC Berkekey研发的无线传感器节点MIC A的软硬件系统, 在实验室结构模型上进行测试, 验证了系统的可行性[6];丁华平, 冯兆祥等对基于新型树状结构的无线传感器网络进行了研究, 在实验室标准振动台上进行数据测试, 得出系统在桥梁结构健康监测中应用的可行性[7]。徐春红, 吉林等以Imote2为平台, 设计出用于桥梁结构健康监测的无线传感器节点, 并在实验室的三维桁架模型上进行结构的损伤识别实验, 达到损伤识别效果[8]。Giuseppe Anastasi等在意大利的一座古建筑上布置了无线传感网络节点, 监测结构关键构件的应变及结构的加速度振动, 为更好的保护建筑提供帮助[9]。Sukun Ki m, Shamim Pakzad等在美国的金门大桥上安装了64个无线传感器网络节点, 进行环境激励下的振动测试, 得出了结构的模态频率及振型, 与理论符合的很好[3]。Byung-wan Jo, Do-keum Kim等采用TIP710CM节点, 在一斜拉索大桥上进行振动测试, 给出了有线与无线的时程振动信号[10]。
国内外, 对无线传感器网络的研究, 测试场合多是在实验室内测试, 效果很好, 在工程应用现场, 环境极其复杂, 多工种交叉作业频繁, 现场施工电梯、大功率电焊机、气割机、风机、振动棒等在使用过程中, 产生高频信号, 节点与基站间的通信质量是否受这些因素影响, 干扰信号是否耦合进观测信号当中, 目前暂未看到有相关报道。现场振动测试得到的数据, 为设计者改进技术方案、提高设备的鲁棒性提供必要的数据资料, 同时, 也为以后的试验, 积累经验, 排除可能的干扰因素, 尽量避开干扰源, 采集到振动数据, 为进一步对数据进行时域分析、频域分析、模态分析, 提取结构特征参数, 准备数据条件。
2.2 无线传感器网络 (WSN) 系统结构
集成的基于WSN的振动测试系统结构如图1所示。使用的无线传感器网络节点, 由Stanford大学土木环境工程系Yang Wang和Kincho H.Law课题组开发、设计, 并经现场测试, 验证了系统的可行性[11]。无线节点集成了模数转换器、数据处理模块、数据存储模块以及无线发射模块。数据采集部分功能是对模拟信号进行采样、量化、编码、数据预处理、数据存储等, PCB实物图1、图2所示等。
无线通信模块采用的是24XStream TM OEM射频模块, 通过2.4GH扩频通信方式, 基站接收各个无线节点发射的信号。最终, 传感器信号传到远端服务器上显示、存储, 采用MATLAB、Labview等数据处理软件, 对信号进行进一步处理分析。
3、基于WSN的振动测试系统应用案例
3.1 工程背景
在建的深圳证券交易所营运中心大楼, 位于深圳市福田中心区, 地上塔楼在距地36m处设计了超长悬挑抬升裙楼, 形成了一个巨大的“漂浮平台”。抬升裙楼平面尺寸为98×162m, 东西向各悬挑36m, 南北向各悬挑22m;整个抬升裙楼包括3层主楼层、1层夹层以及可上人的屋顶花园, 裙楼高约24m。抬升裙楼采用巨型悬挑钢桁架结构, 由6类共14榀主桁架纵横交叉构成如图3所示。
深交所营运中心的结构健康监测, 围绕抬升裙楼展开, 包括结构施工及运营两个阶段, 在此期间, 以结构的动力特性及整体安全性为监测重点, 主要包括: (1) 结构动力特性监测; (2) 关键构件应力应变监测; (3) 结构变形监测。限于篇幅的限制, 只讨论抬升裙楼结构动力特性的振动测试。
3.2 振动测试实验方案及实施
现场施工环境复杂, 为得到比较纯净的振动信号, 选择无施工状态的晚上进行试验, 以环境激励方式作为激励源, 在抬升裙楼8楼进行测试。采用的压电式加速度传感器, 频响范围是0.2~700Hz, 最大量程30g;信号调理模块将传感器的电荷信号处理后, 转为无线节点所要求的0~5V的电压信号, 同时, 对信号进行抗混叠滤波、放大处理, 以减少噪声信号的干扰。信号调理模块的增益选用100倍, 高通、低通滤波器截止频率分别选用0.1Hz、25Hz。为得到比较精确的模态振型, 沿着裙楼TR3梁方向, 在结构刚性较大的地方选定9个测点, 如图4所示。实验分三组, 每组4路传感器同步测试, p1测点作为基准参考点, 固定不动, 其他三路传感器布置到其他测点, 第一组实验, 测点为p1-p2-p8-p9, 第二组实验, 测点为p1-p5-p7-p9, 第三组实验, 测点为p1-p3-p4-p6。抬升裙楼的竖向模态频率比较小, 采样频率设为50Hz即可满足要求, 数字化后的信号通过2.4GHz无线信道, 传到基站, 最终进入电脑进行显示、存储。 (如图4)
3.3 测试结果
按照实验方案布好测点后, 开始信号的采集, 在测试过程中, 遇到两种现象, 图5振动信号出现跳变现象, 图6的振动信号受到高频信号干扰。经多次试验, 发现出现跳变现象的传感器的线缆接头未旋紧, 存在松动现象, 经处理后, 跳变问题得到解决。受到高频干扰的一路信号, 给信号调理模块供电的电源来源于逆变器输出的220V电源, 正是在DC/AC的逆变过程中, 高频信号耦合进振动信号中。采用正负12V的直流蓄电池供电后, 问题得到解决。 (如图5图6)
采用MATLAB软件, 对采集到的振动信号进行标定、去均值、消除趋势项等预处理操作后, 转换为实际的结构振动加速度信号, 测点p1和p2的加速度时程图如图7所示。进一步, 对数据进行频域分析, 得出各测点振动信号的自功率谱, 测点p1和p2的自功率谱如图8所示。根据峰值检测法 (Peak Pi cking) , 找出各个测点自功率谱频谱图上相同峰值的频率[12~13], 并与设计院给出的理论计算值进行比较, 结果见表1所示, 相对误差最大值为11.90%, 最小值为0.76%, 较好的识别出了抬升裙楼的竖向模态频率。 (如图7图8表1)
注:现阶段重量主要为钢结构自重、混凝土楼板自重、隔墙重量, 理论值由设计院给出
表2是更早时测得的抬升裙楼竖向模态频率, 两次实验的时间间隔在1个月左右, 在此期间抬升裙楼的负载不断增加, 对比可知, 随着结构质量的增大, 模态频率逐渐下降。 (如表2)
4、结语
大型结构振动测试中, 针对有线采集系统面临的传输线缆长、现场布线施工难度大、成本高、成品保护困难等问题, 集成了基于WSN的大型结构振动测试系统, 系统不受现场施工空间的限制, 且安装方便、减少了不必要的人力消耗。以深圳证券交易所营运中心抬升裙楼的结构动力特性测试为背景, 进行现场试验。采用峰值检测法, 提取出抬升裙楼的竖向模态频率, 将试验结果与理论值进行比较, 相对误差最大值为11.90%最小值为0.76%, 说明该系统在大型结构的振动测试中, 是有效的, 尤其适用于大型结构的施工过程监测。为下一步进行结构的特征参数识别、结构损伤诊断, 奠定了基础。
大型传感网络 篇2
传感器网络最先应用到军事领域, 在战场检测上发挥了巨大的作用。经过近年来的发展, 传感器网络如今已经广泛的应用于民用领域, 如救灾、环境监测、工业、智能家居等。随着物联网的提出, 作为物联网技术的重要组成部分, 传感器网络得到了更为迅速的发展[1]。传感器网络综合了传感器技术、嵌入式计算技术、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、感知和采集各种环境或监测对象的信息, 并对其进行处理, 将信息传送至用户。传感节点作为组成传感器网络的重要组成部分, 是感知信息在网络中传送的起点, 需要唯一、无歧义地标识[2]。目前, 国家标准《信息技术传感器网络第501部分:标识:传感节点标识符编制规则》[2]于2014-12-05发布了, 并于2015-04-01起正式实施。然而, 目前还没有相应的传感器网络传感节点标识符注册管理, 影响了传感节点标识符大规模应用推广。
对标识符注册进行有效管理, 是标识符的后续应用的基础, 对推广传感节点标识符的大规模应用具有重要意义, 本文设计的传感器网络传感节点标识符注册管理包括标识符注册过程的管理和标识符注册内容的管理。
1 传感节点身份标识符注册管理
传感节点身份标识符的注册管理流程如图1所示, 首先, 需要对注册的传感节点的身份标识符进行标准符合性和唯一性验证, 然后, 将通过验证的身份标识符存入注册服务器的数据库中, 完成身份标识符的注册。传感节点身份标识符规范符合性和唯一性验证流程如图2所示, 第一步需要验证身份标识符的长度是否符合规范, 根据国家标准《信息技术传感器网络第501部分:标识:传感节点标识符编制规则》的规定, 传感节点身份标识符的结构如图2所示;第二步将身份标识符分割为管理机构代码、版本号、生产厂商代码、产品代码四部分, 分别用正则表达式去验证是否符合规范, 若符合规范则进入第三步, 若不符合则输出内容不符合规范, 验证失败;第三步判断生产厂商代码是否注册, 若成功则进入第四步, 若失败则输出生产厂商没有注册, 验证失败;第四步判断此标识符是否已经注册过, 若没有注册过, 则此步验证通过, 若没通过, 则输出此身份标识符已注册, 验证失败。
2 属性标识解析服务器的注册管理
属性标识解析服务器存储由传感节点生产厂商提供的节点身份属性和应用属性信息, 并提供解析服务。属性标识解析服务器注册的内容为属性标识解析服务器的IP地址和生产厂商代码。在属性标识解析服务器的注册管理中, 需要对注册的属性标识解析服务器的IP地址进行管理, 确保注册的内容符合规范, 如式2.1所示为匹配IP地址的正则表达式[4]。
在式2.1所示的正则表达式中“25[0-5]”用来匹配以25开头, 个位为0-5的三位字段, 表示的数字范围为250-255, “2[0-4]d”用来匹配以2开头, 十位为0到4, 各位为任何数字的三位字段, 表示的数字范围为200-249, 1d{2}用来匹配百位为1, 个位和十位为任何数字的三位字段, 表示的数字范围为100-199, [1-9]?d用来匹配十位为1-9, 个位为任何数字的两位字段, 表示的数字范围为0-99, 再向字符串后添加一个“.”就可以划分一个段, 将“ ( (?: (?:25[0-5]|2[0-4]d| ( (1d{2}) | ([1-9]?d) ) ) .) ”作为一个分组并重复三次, 然后添加 ( (?: (?:25[0-5]|2[0-4]d| ( (1d{2}) | ([1-9]?d) ) ) .) 就形成一个IP地址的正则表达式。
3 传感层标识解析服务器注册管理
传感层标识解析服务器注册的内容为传感层标识解析服务器的IP地址和传感节点身份标识符, 需要对注册的传感层标识解析服务器的IP地址和传感节点身份标识符进行管理, 确保注册的内容符合规范。注册的传感层标识符解析服务器的IP地址的管理参照第二节的属性标识解析服务器的注册管理, 传感节点的身份标识符的管理可以参考第一节的传感节点身份标识符注册的管理。
4 总结
本文利用VS2010开发环境和SQL Server数据库, 开发了传感器网络传感节点身份标识符注册管理系统, 通过测试, 本文设计的传感器网络传感节点标识符管理能够对标识符的注册过程和注册内容进行有效管理。
摘要：目前, 国家标准《传感节点标识符编制规则》正式实施。然而, 目前还没有相应的传感器网络传感节点标识符注册管理, 影响了传感节点标识符大规模应用推广。本文设计了传感网络传感节点标识符注册管理, 对标识符的注册过程和标识符注册内容进行管理, 对推广传感节点标识符的大规模应用具有重要意义。
关键词：传感器网络,标识符,注册管理
参考文献
[1]徐冬梅, 徐全平, 董挺.传感器网络标识技术及标准化[J].信息技术与标准化, 2012 (4) .
[2]钱志鸿, 王义君.面向物联网的无线传感器网络综述[J].电子与信息学报, 2013 (1) :215-227.
[3]GB/T30269.501-2014.信息技术传感器网络第501部分:标识:传感节点标识符编制规则[S].
无线传感器网络综述 篇3
随着通信技术、嵌入式计算技术和传感器技术的飞速发展和日益成熟,具有感知能力、计算能力和通信能力的微型传感器开始在世界范围内出现,由这些微型无线传感器构成的无线传感器网络引起了人们的极大关注。这种无线传感器网络综合了传感器技术[1]、嵌入式计算技术、分布式信息处理技术和通信技术,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,并对这些信息进行处理,获得详尽而准确的信息,传送到需要这些信息的用户。例如,传感器网络可以向正在准备进行登陆作战的部队指挥官报告敌方岸滩的详实特征信息,如丛林地带的地面坚硬度、干湿度等,为制定作战方案提供可靠的信息。传感器网络可以使人们在任何时间、地点和任何环境条件下获取大量详实而可靠的信息。因此,这种网络系统可以被广泛地应用于国防军事、国家安全、环境监测、交通管理、医疗卫生、制造业、反恐抗灾等领域。传感器网络是信息感知和采集的一场革命。
无线传感器网络的研究起步于20世纪90年代末期,从2000年起,国际上开始出现一些有关传感器网络研究结果的报道,但是,这些研究成果处于起步阶段,距离实际需求还相差甚远。我国在传感器网络方面的研究工作还很少,目前,哈尔滨工业大学、清华大学等已经开始了该领域的研究工作,无线传感器网络的研究任重而道远。
1 无线传感器网络的基本概念及特点
1.1 基本概念
图一所示为一个典型的无线传感器网络的系统结构[3],包括分布式传感器节点[4](群)、接收发送器、互联网和用户界面等。其中,传感器网络节点[5]的基本组成包括如下4个基本单元:传感单元(由传感器和模数转换功能模块组成)、处理单元(包括CPU、存储器、嵌人式操作系统等)、通信单元(由无线通信模块组成)以及电源。
传感器网络节点为一个微型化的嵌人式系统构成了无线传感器网络的基础层支持平台。目前国内外已经出现了许多种网络节点的设计,它们在实现原理上是相似的,只是分别采用了不同的微处理器或者不同的通信或协议方式。
1.2 无线传感器网络的特点
(1)硬件资源有限[3]。节点由于受价格、体积和功耗的限制,其计算能力、程序空间和内存空间比普通的计算机功能要弱很多。
(2)电源容量有限。网络节点由电池供电,电池的容量一般不是很大。
(3)无中心。无线传感器网络中没有严格的控制中心,所有节点地位平等,是一个对等式网络。
(4)自组织。网络的布设和展开无需依赖于任何预设的网络设施。
(5)多跳路由。网络中节点通信距离有限,一般在几十到几百米范围内,节点只能与它的邻居直接通信。
(6)动态拓扑。无线传感器网络是一个动态的网络,节点可以随处移动。
(7)节点数量众多,分布密集。为了对一个区域执行监测任务,往往有成千上万传感器节点。
2 无线传感器的研究现状
2.1 军事领域的研究进展情况
美国陆军2001年提出了“灵巧传感器网络通信”计划[7],被批准为2001财政年度的一项科学技术研究计划,并在2001~2005财政年度期间实施。
美国陆军近期又确立了“无人值守地面传感器群”项目,其主要目标是使基层部队指挥员具有在他们所希望部署传感器的任何地方灵活地部署传感器的能力。
美国海军最近开展的网状传感器系统CEC(cooperative engagement capability)是一项革命性的技术,CEC是一个无线网络,其感知数据是原始的雷达数据。
2.2 民用领域的研究进展情况
1995年,美国交通部提出了“国家智能交通系统项目规划”,预计到2025年全面投入使用。该计划试图把先进的信息技术、数据通信技术、传感器技术、控制技术及计算机处理技术有效地集成运用于整个地面交通管理,建立一个在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。
2002年10月24日,美国英特尔公司发布了“基于微型传感器网络的新型计算发展规划”。今后,英特尔将致力于微型传感器网络在预防医学、环境监测、森林灭火乃至海底板块调查、行星探查等领域的应用。实现该计划需要3个阶段,即物理阶段、实现阶段和应用阶段。
2.3 学术界的研究进展
学术界的研究主要集中在传感器网络技术和通信协议的研究上,也开展了一些感知数据查询处理技术的研究,取得了一些初步研究结果。目前的研究工作还处于起步阶段,大量的问题还没有涉及到,未来的研究工作任重而道远。下面,我们介绍一下目前的主要研究进展.
2.3.1 传感器网络技术的研究
加州大学伯克利分校提出了应用网络连通性重构传感器位置的方法、传感器网络上的数据分布式存储的地理Hash表方法、确定传感器网络中节点位置的分布式算法等。
加州大学洛杉矶分校开发了一个无线传感器网络和一个无线传感器网络模拟环境,用于考察传感器网络各方面的问题。
斯坦福大学提出了在传感器网络中事件跟踪和传感器资源管理的对偶空间方法以及由无线网连接的传感器和控制器构成的闭环控制系统的框架。
2.3.2 传感器网络通信协议的研究
人们首先对已有的因特网和Ad Hoc无线网络的通信协议进行了研究,发现这些协议不适用于传感器网络。其原因如下:(1)传感器网络中的传感器节点数量远大于Ad Hoc网络中的节点数;(2)感知节点出现故障的频率要大于Ad Hoc网络;(3)感知节点要比因特网和Ad Hoc网络中的节点简单。
2.3.3 感知数据查询处理技术的研究
康奈尔大学在感知数据查询处理技术方面开展的研究工作较多。他们研制了一个测试感知数据查询技术性能的COUGAR系统,提出了在传感器网络上计算聚集函数的容错和可扩展算法。
哈尔滨工业大学和黑龙江大学在传感器数据管理系统方面开展了研究工作,提出了以数据为中心的传感器网络的数据模型、一系列的能源有效的感知数据操作算法和感知数据查询处理技术,并研制了一个传感器网络数据管理系统。
3 目前研究热点
在通信协议方面,包括物理层协议[8](研究传感器网络采用的传输媒体、频段选择及调制方式);数据链路层协议;网络层协议(主要指路由协议;平面路由协议等)。在传感器网络管理方面,主要的研究热点是能量管理,数据传送所带来的能耗最大,研究休眠、唤醒,以及采用发送功率低的RF等。控制节点对能量的使用,在各层上都可使用,如操作系统、物理层、链路层、路由协议等内容。另外,还有安全管理的内容,包括传统的无线电电磁干扰方式和对路由机制进行攻击;侵入节点发送误警数据,侵入节点致使网络的某些节点和某些网段互发大量的无用数据,使能量很快耗尽;传感器网络分立,形成监测黑洞,无法完成正常监测工作。在研究中,可以探索采用扩频通信、传感器节点接入认证、鉴权、数据水印和数据加密等技术提高网络的安全性。
4 存在的问题
就目前的技术程度来说,让无线传感器网正常运行并大批投入应用还面临着许多问题:
(1)网络内通信问题。无线传感器网络内正常通信接洽中,信号可能被一些障碍物或其他电子信号干扰而受到影响,怎样安全有效地进行通信是个有待研究的问题。
(2)成本问题。在一个无线传感器网络里面,需要应用数量宏大的微型传感器,这样的话成本会制约其发展。
(3)系统能量供给问题。目前重要的解决方案有:应用高能电池;降低传感功率;此外还有传感器网络的自我能量收集技巧和电池无线充电技巧。其中后两者备受关注。
(4)高效的无线传感器网络结构。无线传感器网络的网络结构是组织无线传感器的成网技巧,有多种形态和方法,合理的无线传感器网络可以最大限度的利用资源。在这里面,还包含网络安全协议问题和大规模传感器网络中的节点移动性管理等诸多问题有待解决。
总之,无线传感器网络利用远景非常诱人。无线传感器网络(WSN)被认为是影响人类未来生活的重要技巧之一,这一新兴技巧为人们供给了一种全新的获取信息、处理信息的道路。由于WSN本身的特点,使得它与现有的传统网络技巧之间存在较大的差别,给人们提出了很多新的要求。由于WSN对国家和社会意义重大,国内外对于WSN的研究正热烈开展,盼望能够引起测控领域对这一新兴技术的器重,推动对这一具有国家战略意义的新技术的研究、利用和发展。
参考文献
[1]PrtraJC,PalRN.A functional link artificialneu-ral network for adaptive channele qualization[J].SignalProcessing.1995.
[2]Pasquale Arpaia,Pasquale Daponte,DomcaicoGrmiald,ieta.ANN-Based Error Reduction for Exper-mi entally Modeled Sensors[J].IEEETrans.onInstru-mentationandMeasurement.2002.
[3]徐丽娜.神经网络控制[M].哈尔滨:哈尔滨工业大学出版社,1999.
[4]张华忠.无线传感器网络展望[J].国际学术动态,2005,(4):22-23.
[5]刘华峰,金士尧.三维无线传感器网络综述[J].计算机应用,2007,12(27):1-5.
[6]夏少波,许娥.无线传感器网络WSN探究[J].通信技术,2010,8(43):18-20.
[7]周雅琴,谭定忠.无线传感器网络应用及研究现状[J].传感器世界,2009(05):35-40.
无线传感网络覆盖优化策略 篇4
无线网络规划主要是指以网络建设为基础的整座竞卖, 主要是对无线传感的覆盖目标展开设计, 同时为该目的所进行的基站位置和配置的设计。这一过程主要有覆盖目标、容量目标、成本目标等多方面的内容。一些系统采用了无线传感技术, 较之于GSM技术, 优势明显, 特别是在容量方面, 如果配上相同频率的资源, 前者容量往往是后面的好几倍。
2 无线传感无线网络覆盖优化的必要性分析
2.1 网络负载变化异常
无线传感属于一个干扰受到较大局限的系统, 干扰水平的增大将会对系统容量造成直接的影响, 也对系统提供的服务质量造成了一定的影响。通过我们研究, 发现如果要保持系统性能稳定, 负载要保持在60%-70%之间。如果负载高于这个值时, 用户就会受到较大的干扰, 服务质量会有大幅度的下降;小区覆盖范围就会有所减少, 并最终出现覆盖的盲点。所以, 如何进行合理的布置, 选择合适的参数, 使得所有的用户需求得到满足, 是当前无线传感无线规划迫切要解决的问题。
2.2 软切换
软切换是无线传感系统独有的, 软切换技术可以使小区边缘用户的服务质量有保证。过高的软切换会给系统带来较大的浪费, 使能享受到该用户的数量有所下降。
2.3 导频
导频对无线传感系统是极其重要的。移动台在使用导频时会区分基站, 而在判断导频过程当中, 由于相同导频的相位和导频的使用距离存在一定关系, 相同导频所对应的使用距离和相邻导频间的距离若出现偏差, 将直接影响到移动台对导频型号的判定, 甚至无法判定导频到底是来自相同基站还会不同基站;如果在搜索导频是频率范围的设置不恰当, 一方面可能使移动台无法判定导频到底是来自相同基站还是不同基站, 另一方面一些位于偏远地段的移动台 (如小区边沿的移动台) 很可能无法接收到一些导频信号。
3 无线传感网络覆盖的优化策略
3.1 前向链路干扰
如果有前向链路干扰, 各指标的显示结果为:前向FER高 (大于6%) , Ec/lo低 (小于-11d B) , Tx正常 (小于+16d Bm) , Rx较好 (大于-96d Bm) 。出现这一情况的主要原因有:
⑴邻集列表丢失。若PN不仅在候选集中存在, 而且还发送PSMM消息, 移动台往往就无法开展软切换工作。此时, 该PN将对前向链路形成一定的阻碍, 从而导致目前激活PN的前向FER和Ec/Io都会有一定的下降, 并出现掉话现象。因为传播时延未被搜索到, 移动台无法将这个强导频向服务基站报告, 所以无法进行软切换。而此时, 该导频属于干扰源。我们对此问题的解决措施是:1) 将该PN放入激活扇区的邻集列表内;2) 若该PN已经在邻集列表内, 就要扩大搜索框, 提升其优先级。
⑵突发强PN干扰。在软切换发生期间, 往往会出现这种情况。如果移动台在BTSA的某扇区覆盖区中行进, PN1常常会被地形和建筑物阻挡。这时移动台就会查找到一个很好的导频PN2, 同时发出请求把它添加到激活集里。同时, PN1突然从原来的阻挡中出现, PN2的信号将会受到PNl的巨大功率所阻挡。然而, 在该PN加到激活集前, 前向FER和Ec/Io的性能会出现下降并出现掉话现象, 具体如图1所示。
根据这一情况, 我们主要采用的解决方案是引入软切换, 从而使突发强PN干扰小区逐步消除, 具体可以用以下几种措施:
1) 增大导频功率, 使突发PN可以进行软切换。
2) 调整天线方向角、导频功率等, 把信号反射至原来的阻挡区域, 从而达到覆盖的目的。
3.2 导频信号功率不足
在实际施工中, 因为导频信号功率不足而造成覆盖时, 各指标往往会是:前向FER高 (大于6%) ;Ec/Io低 (小于-11d B) ;TX较高 (大于+16d B) 。然而, 在此情形下, 几乎无法接收到导频信号表明已经不存在系统丢失了, Rx的值不稳定。出现这一现象的主要原因是:⑴切换失败;⑵捕获失败:移动台在捕获多径导频信号时, 没有接收到较强的信号。这一问题主要是由于在捕获导频过程中, 搜索范围过小而前向干扰又较大造成的;为了解决信号覆盖问题, 我们采取的主要措施如下:1) 我们知道, 服务基站的发射功率的大小, 一定层度上决定了接收范围的大小, 以每步长增加2d B的方式设置最核心的服务基站的发射功率是常用的措施之一。缺点就是如果小区的面积相对较小, 那么以每步长2d B进行设置, 服务基站的发射功率增幅较小, 并不一定能满足要求;2) 为了增加接收端能够收到的信号, 除了增加发射功率外, 还可以增大天线增益和调节天线的方向角, 但是改变天线的方向角后, 其他地区信号必然收到影响。
参考文献
[1]肖青青.无线传感网络覆盖技术的应用与研究[D].武汉理工大学, 2010.
[2]周利民, 杨科华, 周攀.基于鱼群算法的无线传感网络覆盖优化策略[J].计算机应用研究, 2010 (06) .
大型传感网络 篇5
无线传感器网络是由大量具有感知、通信与计算能力的微小传感器节点分布在无人值守的监控区域而构成的, 是一种能够根据环境自主完成指定测控任务的智能化网络系统。利用先进无线网络技术推进移动传感器网络的信息共享、管理和服务, 可以有效解决广域分布、异构信息源的互连互通和互操作问题, 满足企业、政府和军队等部门对信息共享的需求。
在无线传感器网络中, 多个传感器协作完成具体的测控感知任务, 其应用体系结构的基础是通信网络, 核心则是系统的协同运行机制。文献[1-3]分别就上述问题进行了广泛的讨论, 其研究成果和设计理念将有助于展开广泛的通信协同平行式设计, 并允许在协作传感器节点之间进一步拓展感知信息的互操作能力。具体来说, 协同运行机制层面的研究, 不能脱离协同感知应用的通信网络层支持, 本文将通过研究聚类系数等协同应用网络特征参数, 建立适应性的协同分析模型, 从而更好地应用协同机制, 最充分地发挥网络的性能。
1 无线传感器网络的协同问题
无线传感器网络协同的基本内容包括以下几个方面:
(1) 协同资源的使用。偏重于无线传感器网络的性能, 主要指充分利用传感器节点的能量以延长网络的存活时间, 充分利用通信使无线传感器网络解决更多、更复杂的问题。
(2) 协同任务的分配和执行。与无线传感器网络的功能相关, 指如何进行任务的描述、分解、分配、调度与执行, 包括冲突的检测与消除。
(3) 协同信息及信号处理。与环境相关, 指如何进行数据融合以便更好地描述无线传感器网络所处的环境和所面临的任务, 从而给任务的分配与执行提供基本数据。
2 模型的概念和应用背景
在Watts和Strogatz关于小世界网络, 以及Barabfisi和Albert等学者关于无标度网络的开创性工作之后, 人们对存在于不同领域大量实际网络的拓扑特征进行了广泛的实证性研究。在此基础上, 从不同的角度出发提出了复杂网络各种各样的网络拓扑结构模型, 包括规则网络、随机图、小世界网络、无标度网络、等级网络和局域世界演化网络模型。这里, 我们参考文献[5-7], 首先针对无线传感器网络协同应用的复杂性特征, 从平均路径长度、聚类系数和度分布等概念入手进行研究。
无线传感器网络协同感知网络的表示:一个协同感知应用网络可抽象为一个由点集V和边集E组成的图G= (V, E) 。协同传感器节点数记为N=|V|, 边数记为M=|E|。E中每条边都有V中一对协同节点与之相对应。
平均路径长度:网络中两个协同节点i和j之间的距离dij定义为连接这两个节点的最短路径上的边数。任意两个节点之间的距离的最大值称为网络直径, 记为D, 即D=maxdij。网络的平均路径长度L也可称为网络的特征路径长度, 定义为任意两个协同节点之间的距离的平均值, 即
聚类系数:假设网络中的一个协同节点i有ki条边将它和其它节点相连, 这ki个节点就称为i的邻居节点。显然, 在这ki个节点之间最多可能有ki (ki-1) /2条边。而这ki个节点之间实际存在的边数Ei和总的可能的边数之比就定义为节点i的聚类系数Ci, 即Ci=2Ei/[ki (ki-1) ]。整个网络的聚类系数C就是所有协同节点i的聚类系数Ci的平均值。显然, 0≤C≤1。C=0当且仅当所有的节点均为非协同的孤立节点, 即没有任何连接边;C=1当且仅当网络是全局耦合的完全协同网络, 即网络中任意两个节点都直接相连。对于完全随机的含有N个协同节点的情况, 当N很大时, C=O (N-1) , 实际大规模的传感器网络是具有明显的聚类效应的, 根据其协同程度的差异, 聚类系数虽然小于1, 但引入协同机制后将远大于O (N-1) 。
度与度分布:协同节点i的度hi定义为与该节点连接的其它节点的数目。有向协同情况下, 还要定义节点的出度 (outdegree) 和入度 (in degree) 。出度是指从该节点指向其它节点的边的数目。入度是指从其它节点指向该节点的边的数目。
无标度性质:考虑一个概率分布函数f (x) , 如果对任意给定常数a, 存在b使得f (x) 满足如下无标度条件:即f (ax) =b (x) , 则若假定f (1) f′ (1) =0, 必有f (x) =f (1) x-r, r=-f (1) /f′ (1) 。
3 基于无线传感器节点特征的适应度协同应用网络模型
文献[4-7]对无标度模型的网络应用作了深入研究, 由于实际网络常常具有一些非幂律特征, 如指数截断、小变量饱和等。因此, 在无标度模型的基础上, 需要做各种各样的扩展, 其中一些重要的扩展模型都是通过修改模型中的优先连接方式而获得的, 如考虑初始吸引度和非线性优先连接概率等。协同感知应用系统中, 协同节点的度及其增长速度并非只与该节点的存在时间有关, 例如, 多传感器网络中的某些融合处理节点, 如果具有较强的计算能力, 就可以较为容易地把一次随机协同任务受理通过管理报文记录为一个持续的协同处理资源节点, 从而在下一阶段获得大量的协同连接和信息交互应用。那么, 对于诸如协同节点的处理能力、网络预分配的通信带宽、可感知的信息源范围或区域等相关参数, 都是与协同节点的内在性质相关的, 在协同感知应用网络分析过程中有效地利用这些特征, 将加强我们对协同系统的把握。因此, 参考Bianconi和Barabfisi在文献[7]中的思路, 把上述协同特征和性质归纳称为协同节点的适应度 (fitness) , 并据此提出适应度模型 (fitness model) , 相应构造算法如下:
(1) 协同节点增长:从一个具有m0个协同节点的感知应用网络开始, 每次引入一个新的节点并且连到m个已经存在的节点上, 这里m≤m0。每个节点的适应度按分布p (η) 选取。
(2) 基于协同特征的优先连接:一个新节点与一个已经存在的协同节点i相连接的概率Qi, 与节点i的度hi、节点j的度hj和适应度ηi之间满足如下关系:Qi=ηiki/jΣηikj。
在基于节点协同特征的适应度模型中, 优先连接概率与节点的度和适应度之积成正比, 而不是仅与节点的度成正比。这样, 在适应度模型中, 如果一个新加入的协同节点具有通信带宽、处理能力、多信息源等方面较高的适应度特征, 那么该节点就有可能在随后的网络协同演化过程中获取更多的边, 体现出充分利用协同网络主动性的优势。
4 结束语
面向移动传感器的无线网络协同感知应用, 本文基于动态网络的有效性、稳定性需求, 构造了基于无线传感器节点特征的适应度协同应用网络模型, 为进一步研究无线传感器网络协同应用提供了一种有效设计方法。
参考文献
[1]Wang X F, Chen G.Pinning control of scale-free dynamical net-works.Physica A, 2002 (310) :521-531.
[2]Li X, Wang X F.Pinning control of scale-free Chen's networks.The Second Asia-Pacific Workshopon Chaos Control and Synchroniza-tion at Shanghai, 2003.
[3]Li X, Wang X F.Feedback control of scale-free coupled Henon maps.Proceeding of the Eighth International Conference on Control, Automation, Robotics and Vision (ICARCV) at Kunming, China, 2004:574-578.
无线传感器网络中的网络管理 篇6
无线传感器网络(WSN)综合了微电子技术、无线通信技术、网络技术、嵌入式计算技术、分布式计算技术等一系列先进技术,提供了分布式计算环境下远程监测和控制的手段,在环境监控、公共安全、医疗卫生、通信和军事等诸多领域有广泛的应用,也越来越受到研究和工程人员的关注,是下一代信息化浪潮的核心。
WSN网络管理是一个新的研究领域。WSN的早期研究认为传感器节点是一次使用的,并且非常便宜,可以进行大批量高密度部署,但技术的发展还达不到这种理想的程度,传感器节点资源有限,价格不菲,需要高效地使用。与此同时,人们期望WSN能够同时支持多种应用,而不是针对每种应用都部署一个新的WSN。因此,就需要展开WSN网络管理研究,保障WSN能够可靠、有序和高效的运行。初步研究已经揭示出众多有挑战的内容,WSN的性能与其内在的很多因素有关,如流量分布、拓扑结构、通信和路由协议等。同时,这些因素之间相互作用的机理仍不明确。部署环境对WSN也有重要影响,如温度、湿度、电磁干扰等。总之,由于WSN自身特点,使得其管理系统研究很重要,且与计算机网络管理系统将有根本区别。
1 WSN网络管理概述
1.1 WSN网络管理的必要性
任何一个网络都需要管理,才能保证其可靠高效的运行,WSN由于其自身特点,网络管理显得尤为重要。WSN是应用型网络,应用需求的多样性,决定了WSN从结构到功能的巨大差异。每个应用都需要处理WSN的特有问题,通常这些问题的解决需要紧密结合应用逻辑,从而会产生完全不同的解决方案。如事件驱动的网络,需要着重考虑消息传递的可靠性,而对于网络流量方面就不必关心太多;而对于周期性的连续数据采集网络,首先要考虑的应该是网络是否能够承受相应流量,必要的话,信息融合、压缩,甚至丢包都是需要考虑的。所以,应用逻辑的差异,导致WSN在路由选择、能量管理、带宽使用以及功能分配等一系列设计问题上有完全不同的方案。由于WSN节点能量有限,无线通信不稳定、带宽窄,WSN比计算机网络更容易出现故障,应用需要投入更多精力处理应用逻辑无关的故障管理、能量管理、带宽管理等问题。另一方面,传感器节点价格还不够低廉,人们也希望,同一网络能够支持多种应用。为解决上述这些问题,就需要单独考虑WSN网络管理,将WSN网络管理功能从应用逻辑中剥离,形成公共支撑功能,辅助上层应用设计。此外,随着WSN应用日益广泛,部署了大量的WSN,WSN协作完成任务的需求也逐渐显现,也需要WSN网络管理来支持WSN协作。因此,无论是WSN网络维护还是支持应用开发,都需要研究WSN网络管理。
1.2 WSN网络管理的研究内容和面临挑战
由于WSN自身特点,应用需要考虑大量应用逻辑之外的功能,将这些功能分离,作为WSN网络管理的内容,能够有效地支持WSN应用的设计和实现。WSN网络管理的目标是定义和实现一组功能,完成对各种WSN网络元素和服务的配置、操作、管理和维护,通过提供这些功能提升WSN网络的使用效率。通过分析WSN的特点,WSN网络管理需要实现以下网络管理功能,并遵循相应设计原则。
(1) WSN网络管理功能
ISO的开放系统互联框架定义的系统管理包含5个功能域:故障管理、配置管理、安全管理、性能管理和计费管理。WSN的网络管理,目前还没有权威的解决方案,其网络管理包含ISO定义的功能域,并且由于WSN自身的特点,需要加强和补充相应的功能域。传感器节点通常采用电池供电,能量管理就很重要,同时,WSN还需要保证足够的网络连通性和传感覆盖。因此,性能管理部分需要补充能量管理、传感覆盖管理以及连通性管理的相关内容。由于WSN网络通常部署在恶劣环境中,人员难以到达,使得WSN需要具备很强的自治能力和在线编程能力,因此,配置管理部分需要提供相关功能,支持WSN的自组织、自配置,支持在线编程,并且由于WSN动态性强,其拓扑管理较计算机网络更有意义。由于无线通信不稳定,部署环境恶劣,WSN网络更易于发生故障,故障对于WSN是经常出现的,这与其它网络中故障是偶然事件有根本区别,因此,及时检测故障,判断原因并恢复网络是故障管理的重要内容。此外,WSN中的故障往往不会导致系统崩溃,通常只是性能降低,故障管理的设计需要充分考虑这一情况。安全管理方面,由于WSN无线自组织、资源有限的特点,安全管理难以实施,需要设计符合WSN特点的安全方案。计费管理通常单独考虑,不作为网络管理系统实现的一部分。总之,WSN的网络管理将以能量管理、拓扑管理、覆盖管理、自组织、在线编程、故障检测和恢复、安全管理等为主要内容,到达节约能量、有效利用带宽、延长WSN生命期的目的,从而使用户高效的使用网络。
(2) WSN网络管理设计原则
WSN网络管理系统需要遵循以下设计原则:
• 能量有效 能量消耗是设计的一个重要指标。
• 故障容忍 WSN出现故障是经常性的,如丢包、节点死亡、失去联接和节点能量耗尽。设计需要充分考虑各种故障和其恢复处理。
• 最小化存储 由于节点存储资源有限,系统的设计应尽可能少的在节点存储数据。
• 分布式检测和管理 分布式处理能够减少通信量,节约能量,同时使节点具备较强的自治能力,适合于动态性强的WSN网络环境。
• 轻量级 不需要太多内存,低能耗,可工作在节点上,节能且不干扰正常传感器工作。轻量级也有助于延长网络生命期。
• 网络自治 设计需要支持网络动态变化,支持重新配置网络。如网络拓扑改变、节点能量级变化、传感覆盖和通信覆盖变化下的网络自动配置和自动组织。
• 建立开放的管理信息模型,支持扩展 WSN设备多种多样,管理信息模型应该能够通过扩展,支持各种已存在的和还未出现的各种WSN设备。
• 扩展性强 系统应能适应不同的网络规模,规模的增长不会引起性能急剧恶化。
• 适应已有的协议、算法 WSN的研究,协议和算法方面已经出现了很多成果,WSN网络管理的设计应能支持协议和算法的灵活选择,以充分利用现有成果。其次,应用的多样性,对协议和算法也有完全不同的需求,网络管理只有灵活支持各种协议和算法,才能适用于各种应用。
2 WSN网络管理分析
WSN网络管理是一个研究较少的领域,正受到越来越多研究人员的关注。目前相关的研究主要着重于WSN某一方面功能的管理,如能量管理[3,4,12,13]、流量管理[10]、故障管理[2,6]、拓扑管理、资源管理[5,14]、安全管理和QOS管理等。并且这些功能的管理往往都结合具体的应用设计实现,各有特色但难以作为通用的网络管理框架适应各种情况下的管理需求。对于通用管理框架的研究较少,本文总结了这方面的研究成果,并对各个管理框架做了比较分析。
2.1 MANNA[7]
MANNA管理框架使用SNMP的管理思路,通过建立WSN信息模型,将网络中需要管理的内容映射到信息模型中,由代理进行信息的更新和维护。MANNA中的传感器网络,节点包括传感节点、sink节点、网关节点,节点中也可以包含主动节点。拓扑为,传感节点连接sink节点,sink节点连接网关节点、网关节点联接观察者,观察者是WSN外的应用或者是用户。MANNA定义了一组基本的管理功能,如环境监控、覆盖管理、拓扑发现、网络同步等,每个功能实现WSN某一方面的管理,由这些基础的管理功能组合成管理服务,管理服务提供更高层面的综合管理能力。网络信息模型包含静态和动态两类信息,静态信息描述了网络以及服务的配置。动态信息包括传感覆盖图、通信覆盖图、网络拓扑、节点能量等,这类信息必须周期性更新,需要结合能耗选择更新频率。信息模型包含两类对象,支持对象和管理对象。支持对象用于支持管理功能的实现,实际系统中不存在对等的物理实体;而管理对象是实际系统中可被管理内容的抽象,如:网络、节点、模块、被监测的物理量等。通过将管理者和代理部署到网络节点中,代理执行管理者的管理命令,维护MIB信息,完成系统的管理功能。MANNA对网络的具体结构没有限制,是一个通用的WSN管理框架。
2.2 BOSS[17]
BOSS是基于服务发现的管理框架,使用UPnP协议。由于Upnp协议需要比较强的计算能力和较多能量,所以BOSS通过实现位于网关的UPnP代理来完成管理功能,该代理作为WSN和UPnP网络的桥接器。系统包括三个组成部分:UPnP控制点、UPnP代理(BOSS)、传感器节点,见图1所示。控制点是个功能强大的设备,如PC、PDA或笔记本,有足够的资源运行UPnP协议,使用BOSS提供的服务管理WSN。传感器节点是资源受限的非UPnP设备。控制点和BOSS使用UPnP通信。传感器节点和BOSS之间使用传感器网络专有的协议通信。BOSS的功能包括:一是作为传感器节点和控制点之间的UPnP翻译。二是收集传感器节点管理信息,提供管理功能。网关保存管理信息,执行管理过程,因此网关承担大量管理需要的计算负载,而不是传感器节点。BOSS框架中,控制点可以指定关心的事件,随后,BOSS将汇报这些事件。BOSS提供的网络管理服务包括基本网络信息、定位、同步和能量管理。BOSS可以提供的基本信息包括:节点设备描述、节点的编号和网络拓扑。定位服务给出了网络中每一个节点的位置信息。同步服务执行网络节点之间的时钟同步。例如,当节点加入网络时,节点向BOSS发送一个消息,BOSS再通知控制点。控制点随后将该节点与网络中的其它节点同步。能量管理服务使得管理者能够检查节点电量,并改变节点操作模式以进行能量管理。BOSS通过在WSN之上建立服务层,为进行多个WSN的综合管理提供了支持。
2.3 MARWIS[9]
MARWIS是一个两层WSN的管理框架,见图2所示,包括传感器节点(SN)层和网状网(Mesh)节点层(MN)。SN层节点分成多个子网(SSN),每个SSN由同构的传感器节点组成,不同的SSN可能分别由异构的传感器节点组成。不同的SSN之间无法直接通信,每个SSN都需要连接在一个MN上,所有的MN构成网状网,SSN之间的通信通过MN节点完成。管理站连接在MN上,执行整个网络的管理功能;MN节点负责管理所连接的SSN;每个传感器节点上运行代理,负责执行管理相关的功能。MARWIS是两层管理框架的一个实现,并且限制了WSN网络的结构,不适合作为通用的WSN网络管理框架。
2.4 H-WSNMS[8]
H-WSNMS描述的管理框架(见图3所示),包含客户层、代理层和网关层。框架的核心是虚拟命令集(VCS),位于代理层,代理层由一组代理构成,每个代理都实现一些虚拟命令。网关层由很多网关构成,每个网关都连接一个WSN,不同的WSN可能同构,也可能异构,每个网关实现一组命令服务,这些命令服务与连接的WSN密切相关。虚拟命令集中的命令,由网关提供的命令服务完成,可能是一个命令服务完成,也可能是一系列命令服务组合完成,完成虚拟命令的网关命令服务可能来自一个网关,也可能来自不同网关。VCS中的虚拟命令组合形成管理组件,管理组件位于客户层,不同的应用需要不同的管理组件。H-WSNMS框架通过使用VCS将应用与WSN细节隔离,同时VCS中的虚拟命令可以重用,又增加了应用设计的灵活性。但该框架建立在WSN的网关命令服务之上,没有深入到WSN的内部,与BOSS类似,是基于服务的管理框架,更适合做多WSN的综合管理。
2.5 finger2[16]
finger2是基于策略的管理框架,通过在每个传感器节点上运行finger2策略管理中间件实现,框架由事件驱动,finger2的结构见图4所示,包括四个组件:权限管理、契约管理、策略和模块。模块是与传感器节点密切相关的功能实现,不同的传感器节点实现的模块也不相同。事件分为传感器节点内部事件和外部事件两类,外部事件通过权限管理组件认证后由契约管理组件处理。事件触发执行动作时,也先由权限管理组件检查权限,通过后再由虚拟机调用模块功能实现。finger2定义了两种策略类型,见图5所示,分别表达了权限策略和契约策略,应用可以使用这两种策略类型定义自己的策略。策略定义了系统的运行逻辑,finger2提供的众多应用支撑功能中,策略管理功能非常重要,该功能提供的策略动态增删、激活和禁止决定了系统能够支持动态管理,其中的Install功能实现了策略的动态增加。Install首先查找本地策略,如果找到则激活,如果没有找到,则在WSN范围内查找、装载和激活,WSN范围内的查找可以简单实现为从网关下载。finger2从WSN的运行逻辑上考虑,而不是按照功能设计管理框架,使得该框架即支持WSN网络管理,也支持WSN应用设计,非常灵活,但同时也增加了实现的复杂性。
2.6 PFMA[11]
PFMA是基于策略和反馈的管理框架(见图6所示),强调了WSN是应用型网络,将WSN管理分为网络管理和传感系统管理两部分。传感系统管理包括传感资源、计算资源和存储资源的管理,对节点的控制主要是上述资源的分配。网络管理为传感系统管理提供服务,包括拓扑维护、网络监控和可靠传输。网络自组织是网络管理的重点,包括MAC协议、成簇算法、拓扑控制和路由协议等。网络管理检测和恢复故障,监控网络性能,如带宽和时延。传感系统管理和网络管理由管理策略结合在一起,传感系统管理根据应用需求生成网络管理策略,并传递给网络管理,网络管理根据策略执行配置、性能、故障和网络状态的管理,同时,网络状态反馈到传感系统管理中,指导后续策略的产生。管理策略被解释成一组网络操作,指导一系列传感器节点的动作,这些动作由部署在节点上的代理完成。PFMA的传感系统管理,与MANNA的WSN管理类似,都是考虑到WSN的特点后提出的。PFMA没有具体描述各种WSN结构下管理功能的可能分布,是倾向于集中式管理的框架。
2.7 基于SOA的异构WSN管理框架[15]
面向服务的管理框架分为服务管理层(SML)和资源管理层(RML),包含四类实体,网关、Sink节点、传感节点和注册服务(见图7所示)。网关没有资源限制,部署管理应用,并与其它网络连接。网关与注册服务交互,通过调用Sink节点或其它网关的服务执行管理操作。Sink节点维护下级节点的管理信息,向订阅者发送下级节点产生的事件。Sink节点资源多于传感节点,但仍是有限的,可执行略复杂的任务。Sink节点将服务发布到注册服务,并且记录下级节点提供的服务。传感节点实现服务,并由Sink节点记录,由于资源受限,传感节点无法使用复杂的SOAP,其与Sink节点的交互使用简化的专用协议。注册服务是一个逻辑实体,可以部署在网关上,也可以单独部署在一台服务器上,网关和Sink节点都可以在注册服务上发布服务。SML负责管理业务的执行,管理业务由一个或多个管理服务实现,管理服务由一组管理功能实现。管理业务的流程由Web Services Business Process Execution Language (WS-BPEL)定义。管理服务分为任务管理服务、移动管理服务和能量管理服务三类。RML主要强调WSN软硬件资源的管理。基于SOA的框架更适合多WSN综合管理。
2.8 6LoWPAN-SNMP[1]
SNMP是事实上的网络管理标准,IPv6是下一代互联网协议,6LoWPAN是IPv6应用于WSN的一种解决方案,6LoWPAN-SNMP是一个将IPv6和SNMP应用到WSN的网络管理协议。采用该协议的WSN网络管理系统与SNMP网络管理系统在管理逻辑和概念上相同,并且使用了SNMPv3中定义的转发代理。WSN通过网关与管理者连接,管理者位于WSN之外,转发代理部署在网关上,6LoWPAN-SNMP代理部署在每个传感器节点上。管理者使用SNMP协议执行管理操作,转发代理将SNMP协议翻译为6LoWPAN-SNMP协议,发送给传感器节点的6LoWPAN-SNMP代理执行。该协议根据WSN的特点,对SNMP协议做了修改,为了减少通信量,对SNMP协议报文做了重新编码,此外更重要的是修改了部分SNMP协议操作的语义。一是GetRequest操作,由于SNMP通过周期性轮询各节点,获得管理信息,这对于WSN是巨大的能量和带宽消耗,修改为由转发代理监控该请求,如确定为周期性请求,则由转发代理设置被请求节点,使其按照指定的周期发送信息给转发代理,再由转发代理将其应答给管理者。修改后,转发代理虽然收到周期性的请求,却只需要发送一次给被请求节点,同时,转发代理监控请求的到达周期,并根据周期变化重新设置被请求节点的上报周期,如果一段时间内没有收到预计的请求,则停止被请求节点的上报动作。二是使用WSN的广播特性,进一步减少轮询需要传送请求的次数。由于管理者通常同时轮询多个传感器节点,转发代理可以广播该请求,使得多个传感器节点都应答该请求,避免了逐个节点的请求发送。由6LoWPAN-SNMP管理框架可见,处于核心管理地位的转发代理实现上会比较复杂。
3 WSN网络管理比较
WSN应用日益广泛,WSN网络管理也越来越重要,但目前与WSN网络管理相关的研究主要集中在某个具体的功能上,并且与具体应用结合紧密,对于通用WSN网络管理框架的研究较少,本文总结了通用WSN网络管理框架方面的研究成果。
MANNA采用了SNMP的管理思路,是集中式管理,并引入了WSN管理维度进行WSN相关功能的管理。MANNA没有充分考虑WSN的特点,管理带来的能量和带宽消耗对于WSN的影响不能忽视。MANNA没有限制WSN的网络结构,是通用的WSN网络管理框架。BOSS采用了服务封装的管理思路,将WSN提供的功能封装成服务,由位于网关的BOSS代理向外提供,WSN网络管理通过调用服务实现。BOSS的服务发现基于UPnP协议的支持,与SOA的服务发现基于系统架构的支持不同。BOSS框架没有涉及WSN内部细节,更适合做异构WSN的综合管理。MARWIS是个两层WSN的管理框架,Mesh节点是中间管理者,管理一个同构WSN。MARWIS限制了WSN网络结构,与应用结合紧密,不是通用的管理框架。H-WSNMS也是基于服务封装的管理思路,网关提供命令服务执行WSN的具体操作。网关的命令服务经过不同组合形成新的虚拟命令集VCS,虚拟命令再组合形成应用相关的管理功能。H-WSNMS通过使用VCS,将应用和WSN解耦,能方便的支持应用的开发。但H-WSNMS对于WSN特点考虑不足,适合做异构WSN的综合管理。finger2是基于策略的管理思路,从WSN运行的角度而不是传统的功能划分考虑,将WSN模型化为事件触发的,依据策略指导动作的网络。因此,管理和应用都统一为策略定义。finger2框架十分灵活,节点自治能力强,但节点运行finger2中间件需要较多的资源支持。PFMA是基于策略的管理框架,并将传感系统管理和网络管理区分开来,网络管理做为传感系统管理的支持层。PFMA的传感系统管理层按照应用需求制定策略,并由网络管理层执行,同时反馈网络状态给传感系统管理层,做为后续策略制定的依据。PFMA较少考虑WSN的细节,适合做异构WSN的综合管理。面向服务的管理框架将SOA引入到WSN网络管理的设计中,Sink节点做为中间管理者,承担了传感器节点服务发布和传感器节点管理的工作。由于SOA比较复杂,Sink节点还负责将SOA协议翻译和简化,然后再与传感器节点交互。基于SOA的框架着重点在服务以及服务的使用,而网络管理需要处理更多的细节,SOA对于WSN网络管理的适用程度还需要深入研究。6LoWPAN-SNMP是SNMP在WSN网络管理上的应用,并且通过使用6LoPWAN,支持IPv6。6LoWPAN-SNMP考虑了WSN自身的特点,对SNMP做了修改,并使用转发代理完成协议转换。
这些管理框架中,finger2是分布式管理,MARWIS是层次式管理,其它是集中式管理。BOSS、H-WSNMS和基于SOA的管理框架是基于服务的,不同在于BOSS是即插即用服务,H-WSNMS是服务组合,而基于SOA的框架是服务发现的概念。MANNA和6LoWPAN-SNMP继承了SNMP的管理思路,同时也继承了SNMP控制能力弱的不足。BOSS、MARWIS、H-WSNMS、PFMA以及基于SOA的框架更多的从概念和逻辑上研究了WSN的网络管理框架,是侧重应用角度的分析,更适合用于多个异构WSN的综合管理,而对于某个具体WSN的管理还需要使用能够深入WSN内部细节的管理方案。WSN网络管理本身也可以看做WSN的一个应用,finger2的基于策略的框架,将管理和应用统一了起来。部署策略,由事件触发产生动作,从而完成既定功能,是finger2的设计思路。finger2框架下的节点自治能力强,十分灵活。
现有研究要么是应用密切相关的管理,要么是功能确定的管理,对于通用WSN网络管理框架的研究很少,并且存在很多不足,一是对于WSN特点支持不充分,二是对WSN特有的管理功能支持不足。如要符合WSN的特点,就需要在框架设计时充分考虑WSN网络管理的设计原则,这些原则包括:能量有效、故障容忍、最小化存储、分布式检测和管理、轻量级、网络自治、建立开放的信息模型、扩展性强、适应已有的协议和算法。由于WSN的特点,管理框架需要提供众多传统管理不需要的管理功能,如能量管理、传感覆盖管理、网络连通性管理、节点自治、在线编程、拓扑管理等。建立通用的WSN网络管理框架,还需要做更多的深入研究。
4 结 语
WSN网络管理是一个新的研究领域,随着WSN应用越来越广泛,将会受到越来越多研究人员的关注。WSN网络管理面临最关键的问题是需要建立通用网络管理框架,以支持各种类型的传感器应用。WSN自身的特点决定了WSN管理系统将与传统的计算机网络管理系统有根本区别。但到目前为止,有关WSN通用管理框架的研究还较少,也没有可投入生产使用的框架出现。现有对于WSN管理的相关研究有两个特点,一是着重研究WSN某一方面功能的管理,二是与具体的应用相结合。WSN通用管理框架研究方面,集中式较多,分布式较少,而分布式管理更符合WSN的特点。目前的研究对于WSN特点考虑不足,深入的研究需要遵循WSN网络管理的设计原则,并实现必要的WSN网络管理功能。
大型传感网络 篇7
近几年, 无线传感器网络在军事和工业领域得到广泛应用。为了延长传感器在跟踪期间的寿命必须有效利用传感器。在能量和带宽等物理资源受限的无线传感器网络, 每个时刻选择一个传感器子集是尤为重要的。
在一个集中式传感器网络中, 仅有一个CFC, 需要一个传感器子集被选择。尽管这是选择传感器最优的方法, 但是这个方法由于计算和通信的约束并不总是可行的。因此在本文中我们使用分散式传感器网络, 它没有任何的CFC, 每个FC只与邻近的FC通信。
目前都假定FCs是固定不变的, 位置和FCs的数量是可以变化的, 然而这并不总是可行的, 因此, 本文的传感器网络中FCs其位置和数量是固定不变的, 由于FCs和传感器是固定的, 传感器和FC关系是永远固定的, 只有选择激活哪个传感器是随时间变化的。
一般来说, 传感器管理决策都是基于估计追踪器的性能。文献提出了条件后验克拉美-罗下界 (CPCRLB) 。本文运用分散式无线传感器网络的CPCRLB实现传感器选择, 有效实现了目标跟踪中的传感器选择。
1 问题描述
1.1网络模型
监测区域有一些FCs, 每个FC仅与它的邻近FC邻居通信 (如果FCs在另一个FC的通信范围内, 则FCs为FC的邻居) , 还有大量的传感器被部署, 传感器位置是固定和已知的。但是由于物理条件的限制, 在任何时刻每个FC仅能最多有nf个传感器被选择。如图1所示给出了其体系结构和示例场景。
1.1.1观测模型
我们用一个各项同性的信号强度衰减模型, 传感器l接受到的RSS量测为:
2 基于CPCRLB的分散跟踪
集中式体系结构中, 所有的传感器被连接通信到一个CFC来融合所有的量测和更新跟踪, 然而, 它具有繁重的通信和计算。这种结构在一个大的监测区域是不可用的。
分散式体系结构中有多个FCs没有CFC。每个FC从它通信范围内的一个或多个传感器得到量测, 并且用这些量测来更新轨迹。此外, 当一个FC从它的邻里得到额外的信息时跟踪也更新。在分散式跟踪中最大的挑战是决定FCs间如何通信以至于融合能够容易得到接近最佳结果。
在每个FC依CPCRLB准则选择传感器, 设目标状态Xk是维数为nx的不可观的一阶Markov过程, 其离散时间动态方程为:
其中:fk:Rnx×Rnu→Rnx并且uk是维数为nu的i.i.d噪声过程。传感器 (1≤l≤N) 量测方程为:
其中:g k:Rn x×Rnv→Rn z, Vk是Nv维i.i.d量测噪声, 量测Zk的维数为Nz, 设Vk独立Uk于和初始状态X0。
CPCRLB给出了在已知过去所有量测值z (1:k) 的条件下, 当获得新的量测z (k+1) 时, 估计目标状态x (k+1) 的均方误差 (MSE) 下界, 即:
其中:L (x (k+1) |z (1:k) ) 表示目标状态估计值的条件Fisher信息矩阵 (FIM) , 并且量测z (1:k) 是实际获得的真实量测而不是随机向量。
在分散式结构中全局FIM用下面递归循环来计算:
在分散无线传感器网络跟踪中, 每个FC依据传感器选择准则CPCRLB选择传感器子集进行目标跟踪, 每一个时刻它仅与其通信范围内的观测节点和邻里FC通信, 不同的时刻选择不同的传感器子集以实现最优目标跟踪。FCs仅与其邻里通信。
3 传感器选择实现步骤
在第一个FC上仅仅选择一个传感器使性能最佳
在第二个FC上选择一个传感器使性能最佳
继续在剩余的每一个FC上各选择一个传感器使性能最佳
按照上述方法在所有的FCs在每一个时刻继续依次选择传感器值到最大的限制传感器数选够为止。
在每一步, 一个完整的计算被完成为了决定哪一个传感器应该被选择。
4 仿真结果
所传感器网络包括N=144个传感器节点和F=9个FCs, 探测区域240m×240m。FCs的通信半径是100m, 每个FC被激活的最大传感器节点数nf=2。在RSS模型中, 目标信号衰减指数α=2, 目标辐射的信号能量在d0=1m处ϕ=300。假定所有传感器节点的量测噪声有相同的方差σv2=0.1。初始化各个参数。目标运动过程噪声参数q=1, 采样周期T=1s。
目标状态先验分布为高斯分布, 均值为x (0) =[30, 30, 10, 10]T, 协方差矩阵为diag{20, 20, 5, 5}, 状态方程为:
器选择方法在每个FC实现的传感器选择。图3是每个FC实现目标跟踪的位置均方根误差 (RMSE) , 用了本文介绍的CPCRLB, 并和最近邻方法对比, 表明在分散式无线传感器网络中实现目标跟踪的有效性, 也说明传感器选择方法CPCRLB优于最近邻方法。
5 总结
在本文中传感器选择应用在在分散式传感器网络结构中。与集中的传感器网络相比, 通信和计算量没那么繁重, 能最大程度优化跟踪性能和延长传感器寿命, 在每个FC选择一个传感器子集。因为在分散传感器网络中没有CFC, 仅有FCs, 考虑到在传感器网络中仅有FCs邻里, 我们运用了一种传感器选择算法, 仿真表明了该算法在分散传感器网络中有效性。
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年第7期:1282-1291.
[2]马丁E里根斯Ⅱ等.情报指挥控制系统与仿真技术, 1997年第6期.
[3]Howard, M., Payton, D., and Estkowski, R.Coalitions for distributed sensor fusion.In Proceedings of the Fifth International Conference on Information Fusion, vol.1, Annapolis, MD, July2002, 636—642.
[4].L.Zuo, R.Niu, and P.K.Varshney, “Conditional Posterior Cramer-Rao Lower Bounds for Nonlinear Sequential Bayesian Estimation, ”IEEE Tran.On Sig.Pro., vol.59, no.1, 2011.