无线传感器的网络应用

无线传感器的网络应用（共12篇）

无线传感器的网络应用 篇1

摘要：无线传感器网络 (WSN) 是新兴的下一代传感器网络, 在国防安全和国民经济各方面均有着广阔的应用前景。本文介绍了无线传感器网络的组成和特点, 讨论了无线传感器网络在智能家居方面的现有应用, 最后提出无线传感器网络技术需要解决的问题。

关键词：无线传感器网络,智能家居

1 无线传感器网络研究背景以及发展现状

随着半导体技术、通信技术、计算机技术的快速发展, 90年代末, 美国首先出现无线传感器网络 (WSN) 。1996年, 美国UCLA大学的William J Kaiser教授向DARPA提交的“低能耗无线集成微型传感器”揭开了现代WSN网络的序幕。1998年, UCLA大学的Gregory J Pottie教授从网络研究的角度重新阐释了WSN的科学意义。在其后的10余年里, WSN网络技术得到学术界、工业界乃至政府的广泛关注, 成为在国防军事、环境监测和预报、健康护理、智能家居、建筑物结构监控、复杂机械监控、城市交通、空间探索、大型车间和仓库管理以及机场、大型工业园区的安全监测等众多领域中最有竞争力的应用技术之一。美国商业周刊将WSN网络列为21世纪最有影响的技术之一, 麻省理工学院 (MIT) 技术评论则将其列为改变世界的10大技术之一。WSN是由布置在监测区域内传感器节点以无线通信方式形成一个多跳的无线自组网 (Ad hoc) , 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。传感器、感知对象和观察者是WSN的三要素。将Ad hoc技术与传感器技术相结合, 人们可以通过WSN感知客观世界, 扩展现有网络功能和人类认识世界的能力。WSN技术现已经被广泛应用。图1为WSN基本结构。

WSN经历了从智能传感器、无线智能传感器到无线传感器的三个发展阶段。智能传感器将计算能力嵌入传感器中, 使传感器节点具有数据采集和信息处理能力。而无线智能传感器又增加了无线通信能力, WSN将交换网络技术引入到智能传感器中使其具备交换信息和协调控制功能。

无线传感网络结构由传感器节点、汇聚节点、现场数据收集处理决策部分及分散用户接收装置组成。节点间能够通过自组织方式构成网络。传感器节点获得的数据沿着相邻节点逐跳进行传输, 在传输过程中所得的数据可被多个节点处理, 经多跳路由到协调节点, 最后通过互联网或无线传输方式到达管理节点, 用户可以对传感器网络进行决策管理、发出命令以及获得信息。无线传感器网络在农业中的运用是推进农业生产走向智能化、自动化的最可行的方法之一。近年来国际上十分关注WSN在军事、环境、农业生产等领域的发展, 美国和欧洲相继启动了WSN研究计划。我国于1999年正式启动研究。国家自然科学基金委员会在2005年将网络传感器中基础理论和关键技术列入计划, 在一篇我国未来20年预见技术调查报告中, 信息领域157项技术课题中7项与传感器网络有直接关系, 2006年初发布的《国家长期科学与技术发展规划纲要》明确地提出了信息技术的三个前沿方向, 其中有两项与无线传感器网络直接相关。我国2010年远景规划和“十五”计划中, 将WSN列为重点发展产业之一。

2 无线传感器网络的智能家居网络

在智能家居无线网络中最基本的单元是无线传感器节点, 它的功能是负责传感和对信息预处理, 响应监控主机的指令发送数据。每一个传感器节点主要由4个系统组成:由微处理器或微控制器构成的计算子系统;用于无线通信的短距离无线收发电路, 即通信子系统;将节点与物理世界联系起来, 由一组传感器和激励装置构成的传感子系统;能量供应子系统, 包括电池和AC-DC转换器。节点在网络中可以充当数据采集者、数据中转站或类头节点的角色。除此之外根据具体应用的需要, 可能还会有定位系统、电源再生单元和移动单元等。其硬件结构如图2所示。

由于家居环境的特点, 智能家居网络的无线传感器节点必须具有低功耗的特点, 为了解决这个问题, 在无线传感器节点的无线收发电路部分采用了基于IEEE802.15.4技术的无线收发芯片。IEEE 802.15.4技术是专为低功耗的无线互联应用而设计的。而基于这种技术的无线芯片能够很好地解决低能耗问题。无线传感器网络的数据传输易出错, 由于家居内的干扰源较多, 搜寻的是可达设备后, 相应的1evel值在原来的基础之上加1, 作为当前的1evel值并保存。它所表达的实际物理意义是数据在传输过程中将会使设备多进行一次数据的转发。数据在网络中传送时, 通过路由算法, 保证数据经过最佳路径, 让数据安全、快速地从发送设备到达目的设备。

3 目前几种近距离居家无线技术分析

3.1 Wi-Fi技术

Wi-Fi (Wireless Fidelity, 无线高保真) 是一种无线通信协议, 正式名称是IEEE802.1lb, 与Bluetooth一样, 同属于短距离无线通信技术。Wi-Fi速率最高可达11Mb/s, 虽然在数据安全性方面比Bluetooth技术要差一些, 但在电波的覆盖范围方面却略胜一筹, 可达100m左右。

Wi-Fi是以太网的一种无线扩展, 理论上只要用户位于一个接入点四周的一定区域内, 就能以最高约11Mb/s的速度接入Web。但实际上, 如果有多个用户同时通过一个点接入, 带宽被多个用户分享, Wi-Fi的连接速度一般将只有几百kb/s。信号不受墙壁阻隔, 但在建筑物内的有效传输距离小于户外。

3.2 Bluetooth技术

Bluetooth技术是近几年出现的, 广受业界关注的近距无线连接技术。它是一种无线数据与语音通信的开放性全球规范, 它以低成本的短距离无线连接为基础, 可为固定的或移动的终端设备提供廉价的接入服务。

Bluetooth技术是一种无线数据与语音通信的开放性全球规范, 其实质内容是为固定设备或移动设备之间的通信环境建立通用的近距无线接口, 将通信技术与计算机技术进一步结合起来, 使各种设备在没有电线或电缆相互连接的情况下, 能在近距离范围内实现相互通信或操作。其传输频段为全球公众通用的2.4GH:ISM频段, 提供1Mb Ps的传输速率和10m的传输距离。

3.3 Ir DA技术

Ir DA是一种利用红外线进行点对点通信的技术, 是第一种实现无线个人局域网 (PAN) 的技术。目前它的软硬件技术都很成熟, 在小型移动设备, 如PDA、手机上广泛使用。

Ir DA的主要优点是无需申请频率的使用权, 因而红外通信成本低廉。并且还具有移动通信所需的体积小、功耗低、连接方便、简单易用的特点。此外, 红外线发射角度较小, 传输上安全性高。

Ir DA的不足在于它是一种视距传输, 两个相互通信的设备之间必须对准, 中间不能被其他物体阻隔, 因而该技术只能用于2台 (非多台) 设备之间的连接。而Bluetooth就没有此限制, 且不受墙壁的阻隔。Ir DA目前的研究方向是如何解决视距传输问题及提高数据传输率。

3.4 NFC技术

NFC是由Philips、NOKIA和Sony主推的一种类似于RFID (非接触式射频识别) 的短距离无线通信技术标准。和RFID不同, NFC采用了双向的识别和连接, 在20cm距离内工作于13.56MHz频率范围。

NFC最初仅仅是遥控识别和网络技术的合并, 但现在已发展成无线连接技术。它能快速自动地建立无线网络, 为蜂窝设备、Bluetooth设备、Wi-Fi设备提供一个/虚拟连接, 使电子设备可以在短距离范围进行通讯。NFC的短距离交互大大简化了整个认证识别过程, 使电子设备间互相访问更直接、更安全和更清楚, 不用再听到各种电子杂音。

NFC通过在单一设备上组合所有的身份识别应用和服务, 帮助解决记忆多个密码的麻烦, 同时也保证了数据的安全保护。有了NFC, 多个设备如数码相机、PDA、机顶盒、电脑、手机等之间的无线互连, 彼此交换数据或服务都将有可能实现。NFC被置入接入点之后, 只要将其中两个靠近就可以实现交流, 比配置Wi-Fi连结容易得多。

4 需要解决的问题

就目前的技术水平来说, 让无线传感器网正常运行并大量投入使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联系中, 信号可能被一些障碍物或其他电子信号干扰而受到影响, 怎么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, 需要使用数量庞大的微型传感器, 这样的话成本会制约其发展。

(3) 系统能量供应问题。目前主要的解决方案有:使用高能电池;降低传感功率;此外还有传感器网络的自我能量收集技术和电池无线充电技术。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术, 有多种形态和方式, 合理的无线传感器网络可以最大限度地利用资源。在这里面, 还包括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。无线传感器网络应用前景非常诱人。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。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, 希望通过本文能够引起测控领域对这一新兴技术的重视, 推动对这一具有国家战略意义的新技术的研究、应用和发展。

参考文献

[1]孙利民, 李建中, 陈渝, 等.无线传感网络[M].清华大学出版社2005.5 (第一版) .

[2]崔莉, 鞠海玲, 苗勇, 李天璞, 刘巍, 赵泽.无线传感器网络研究进展[J].计算机研究与发展, 2005, 42 (1) :163-174.

[3]钱春丽, 张兴敢.用于矿井环境监测的无线传感器网络[J].电子技术应用, 2006 (9) .

[4]郑君刚, 吴成东, 张家瑞, 等.基于蓝牙技术的个人局域网在智能家居中的应用[J].建筑智能化, 2004, (8) :25-29.

[5]郑增威, 吴朝晖, 金水祥.无线传感器网络及其应用[J].计算机科学, 2003, 30 (10) :138-140.

[6]于海斌.智能无线传感器网络系统[M].科学出版社, 2006.

[7]布莱克, 周金萍, 唐伶俐.无线通信技术[M].北京:科学出版社, 2004.

无线传感器的网络应用 篇2

题目 基于无线传感器网络的公园游客跟踪系统设计

报告人

指导老师

二○一六年十二月 基于无线传感器网络的公园游客跟踪系统设计

摘要：利用无线传感器网络对具有声音特性的公园游客进行跟踪的特点，研究了基于时延估[1][2][3]计的声源定位方法。选择广义互相关法作为时延估计算法，并改进球形插值法用于声源定位，从而减小了算法复杂度；设计了一个面向目标跟踪的声学无线传感器网络原型系统。利用所设计的原型系统能实现对移动的游客进行跟踪，而且跟踪精度较高。

关键词：声源定位； 目标跟踪； 时延估计； 无线传感网络

1． 课程设计任务

本文拟采用基于时延估计的声源定位方法，设计了一个游客定位与跟踪系统。把在公园三个角作为基站，同时也作为参考节点。首先利用广义互相关法，计算出目标到各个节点与参考节点之间的时延；然后根据时延，采用改进的球形插值法得出目标的方位；最后将该系统应用到一个移动的公园游客跟踪实验中。

1.1 课程设计题目

本课程设计关于游客跟踪，拟采取配备声音传感器的传感器网络，对声源进行定位及跟踪。由于声音传感器具有体积小、成本低的优点，配备了声音传感器的传感器网络可以对跟踪，尤其适合对处于电磁干扰区的低空或地面目标的定位[4]。并且目前，利用声音传感器网络进行目标的定位与跟踪是目前的一个研究热点。在每一个节点上配置一个声音传感器，一个节点对可以计算出声源的方位角，利用2个或多个节点对，根据三角法计算目标的位置；然后利用卡尔曼滤波估计声源的运动趋势，而选择合适的节点集合计算声源位置。但该方法计算声源方位角时，需假设声源符合远场条件[5]。

1.2 设计的要求

为满足对公园游客安全实施监控要求，防止游客（尤其是小孩子）丢失，所以设计一个基于无线传感器网络的公园游客跟踪系统。在每一个进园游客身上佩戴一个传感器，能够根据环境自主完成目标监测、发现、识别、定位与跟踪等任务。无线传感器网络(wireless sensor networks，WSN)是由大量具有感知、计算和无线通信能力的传感器节点通过自组织方式构成的网络。由于WSN具有随机布设、自组织和隐蔽性强等特点，目前能够广泛应用于军事、工业和商业等领域[6]。2． 关键技术及总体方案

2.1 无线传感器网络目标定位跟踪原理

基于无线传感器网络的目标跟踪通常包括侦测、定位和通知三个阶段。1）侦测阶段。在一个配备了声音传感器的无线传感器网络监测区域中，传感器节点对声音信息进行周期的采集。当游客进入某个区域时，某个传感器节点发现声音强度超过阈值，则唤醒其他节点处理突发事件，启动目标定位与跟踪任务。

2）定位阶段。目标附近的节点被唤醒。被唤醒的节点利用基于声音传感器阵列的声源定位技术对目标进行定位。

3）通知阶段。当计算出目标位置之后，需唤醒其他节点，使其加入到跟踪行李额。同时需把目标的位置信息发送到汇聚节点，汇聚节点对数据进行进一步的融合处理后将数据发送到指挥中心。就可以实时对游客的位置进行定位。

2.2 声源定位于跟踪方法研究

基于时延估计的声源定位方法因其定位精度相对较高、实时性较强而成为近年来的研究热点，而得到了广泛的应用[7]。该方法主要分为时延估计和目标定位两个主要步骤，如图1所示。

传感器节点接收声源信号估计各节点与参考节点之间的声源信号到达时间延迟利用时延数据进行声源定位

图1 基于时延估计的声源定位方法示意图

1）时延估计方法的研究

假设两个声音传感器接收信号的离散事件信号模型为：

（1）式中，为声源信号；和为互不相关的高斯白噪声；和、也互不相关；和为声波的衰减系数；和分别为声波从生源到声音传感器1和声音传感器2的传播时间，为两个声音传感器间的时延。时延估计算法主要包括基本互相关法、广义互相关法和最小均方差法（LMS）等[8]。

基本互相关法的主要特点是方法简单，但该方法嘉定信号与噪声及噪声与噪声之间均互不相关，这在某些情况下不一定能得到满足，而且时延估计的精度较低。广义互相关法在功率谱域对信号进行加权，突出相关的信号部分而抑制受噪声干扰的部分，以便使相关函数在时延处的峰值更为明显，从而在一定程度上提高了时延估计精度[9]。LMS法用一个通道的信号去逼近另一个，使系统的均方差达到最小，在收敛的情况下给出时延估计，它不需要输入信噪比等先验知识；但是LMS法是一个迭代学习过程，运算量要大于广义互相关法，其估计精度随滤波器长度增加而提高，及核算复杂度也随之迅速增长，不适合跟踪快速移动的声源和对实时性要求较高的场合。

本文考虑到传感器节点的性能，采用广义互相关法。两信号之间的广义互相关法（GCC）函数为：

（2）

式中，为广义互相关法加权函数；为接收信号、为互功率谱。

本文选择的互功率谱相位（CSP）加权函数为广义互相关加权函数。所加噪声是均值为0的高斯白噪声，采样频率为16KHz。

2.3 具体设计实施方案(基于时延估计的声源定位方法)由广义互相关法求得时延后，根据估计的时延值对生源进行定位。定位主要有目标函数空间搜索定位法和几何定位法。目标函数空间搜索法计算量较大，实时性差，容易出现局部极值点，不适合应用于传感器节点。几何定位法分为线性插值法和球形插值法。线性插值法对声音传感器的摆放位置没有严格的要求，但其计算量稍大。由于传感器节点是素及分布的，因此，本文利用球形插值法进行目标定位，并在球形插值法的基础上，对其进行改造，减少其运算量，降低算法复杂度[10]。球形插值法首先设定一个参考节点，求得其他节点相对参考节点的时延，然后根据时延和各节点的矢量位置得到一个误差方程组，求其最小二乘解[11]。

设系统由N+1个配备了声音传感器的节点组成，分别位于处。不失一般性，设参考节点位于坐标原点，其位置矢量处。不失一般性，设参考节点位于坐标原点，其位置矢量，声源位置矢量，各节点、声源到源点的距离分别为和，各节点与参考节点到声源的距离差用表示[12]。节点与声源的几何关系如图2所示。由图可知，节点与参考节点到声源S的距离差为[13]：

（3）可得：

（4）即：

（5）

Z声源sRs参考节点m0yRiRs+di节点mix

图2传感器节点-声源几何模型

由于是由延时估计得到的，所以存在一定的误差，因此（5）式不为0，应为[14]：（6）（7）其中：

（8）

为减少一般球形插值法的运算量，将（7）式改写为：

（9）其中：

（10）（11）当：

（12）

式（8）的均方差最小，即：

（13）

根据逆矩阵的定义，由式（10）可得：

（14）声源的位置为：

（15）

式(9)中ATA始终是一个4×4的矩阵，整个式子求解所需的乘法和加法的数量不大，运算复杂度仅为O(N)，而一般球形插值法的运算复杂度为O()。当节点数量较多时，改进的球形插值法的运算复杂度将显著小于球形插值法[15]。

3． 总结

目标定位与跟踪是无线传感器网络的重要应用之一。本文在每个游客身上配置一个声音传感器，分析了无线传感器网络的目标定位和跟踪原理，讨论了时延估计方法和声源定位方法。根据相关算法的性能，选择CSP广义互相关法作为时延估计算法，并改进了球形插值法用于声源定位。利用公园的三点确立连接点，搭建了目标跟踪原型系统，来对园区内的游客进行实时的定位和监控。实验结果表明，利用广义互相关法和改进的球形插值法进行目标跟踪的精度较高。

4． 主要参考文献

[1] YICK J, MUKHERJEE B, GHOSAL D.Wireless sensor network survey [J].Computer Networks, 2008, 52(12): 2292-2330.572 电 子 科 技 大 学 学 报 第 40 卷

[2] AKYILDIZ L F, SU W, SANKARASUBRAMANIAM Y, et al.Wireless sensor networks: a survey [J].Computer Networks, 2002, 38(4): 393-422.[3] SHENG X, YU H.Sequential acoustic energy based source localization using particle filter in a distributed sensor network[C]//IEEE International Conference on Acoustics , Speech , and Signal Processing.United States: IEEE Press, 2004: 961-972.[4] 李石坚, 廖备水, 吴健.面向目标跟踪的传感器网络设计、实现和布局优化[J].传感技术学报, 2007, 20(12):2622-2630.LI Shi-jian, LIAO Bei-shui, WU Jian.Sensor network designing、implementing and optimal deploying for target tracking[J].Chinese Journal of Sensors and Actuators, 2007, 20(12): 2622-2630.[5] CHEN W, HOU J C, SHA L.Dynamic clustering for acoustic target tracking in wireless sensor networks [J].IEEE Transactions on Mobile Computing, 2004, 3(3): 258-271.[6] ZHANG J, WALPOLA M, ROELANT D, et al.Self-organization of unattended wireless acoustic sensor networks for ground target tracking [J].Pervasive and Mobile Computing, 2009, 5(2): 148-164.[7] PRIYANTHA N B, CHAKRABORTY A, BALAKRISHNAN H.The cricket location-support system[C]//ACM International Conference on Mobile Computing and Networking.New York: ACM Press, 2000: 32-43.[8] KIM D H, LEE S H, PARK K S, et al.Development of an AOA location method using covariance estimation[C]// Proceedings of Communication Systems and Networks.Anaheim, CA USA: ACTA Press, 2007: 14-18.[9] 陈积明, 张艳平, 曹向辉, 等.基于声强的无线传感器网络目标跟踪方法研究[J].电子与信息学报, 2009, 31(11): 2791-2794.CHEN Ji-ming, ZHANG Yan-ping, CAO Xiang-hui, et al.Acoustic energy based scheme for target tracking in wireless sensor networks [J].Journal of Electronics and Information Technology, 2009, 31(11): 2791-2794.[10] 孙立民, 李建中, 陈渝, 等.无线传感器网络[M].北京:清华大学出版社, 2005.SUN Li-min, LI Jian-zhong, CHEN Yu, et al.Wireless sensor networks [M].Beijing: Tsinghua University Press, 2005.[11] OMOLOGO M, SVAIZER P.Acoustic source location in noisy and reverberant environment using CSP analysis[C]// International Conference on Acoustics, Speech, and Signal Processing.[S.l.]: IEEE, 1996: 921-924.[12] 王宏禹，邱天爽.自适应噪声抵消和时间延迟估计[M].大连: 大连理工大学出版社, 1999.WANG H Y, QIU T S.Adaptive noise offset and time delay estimation [M].Dalian : Dalian University of Technology Press, 1999.[13] YOUN D H, N.A, CARTER G C.On using the LMS algorithm for time delay estimation [J].IEEE Transactions on Acoustics, Speech and Signal Processing, 1992, 30(5): 798-801.[14] 陈宗海.系统仿真技术及其应用[M].合肥： 中国科技大学出版社, 2010: 24-28.CHEN Zong-hai.System simulation technology and application [M].Hefei: University of Science and Technology of China Press, 2010: 24-28.[15] SCHAU H C, ROBINSON A Z.Passive source localization employing intersecting spherical surfaces from time-of-arrival differences [J].IEEE Transactions on Acoustics, Speech and Signal Processing, 1987, 35(8): 1223-1225.Design of park visitor tracking system based on

无线传感器的网络应用 篇3

【关键词】无线传感网络；智能电网；通信

引言

无线传感器网络（Wireless Sensor Networks，WSN）将传统的传感器信息获取技术从独立的单一化模式向集成化、微型化、网络化、智能化的方向发展，成为近年来IT 领域重要的研究热点。无线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通信技术，能够协作地感知和采集网络分布区域内监测对象的信息，并传送给观测者。作为沟通客观物理世界和主观感知世界的载体与桥梁，无线传感器网络提供了一种与以往不同的信息获取和处理技术，是信息感知和采集的一场革命。无线传感器网络凭借其自身的技术特点， 可以被广泛地应用于国防军事、环境监测、城市管理、医疗卫生、工业控制、反恐抗灾等诸多领域。在电力系统自动化领域，已有研究把无线传感器网络应用于远程抄表、负荷预测、变电站自动化、配电网继电保护、配电线路故障定位、输电线路实时监测与预警等方面。这些应用有效地监测了电力系统运行状态，提高了电力系统的运行效率，使得无线传感器网络成为电能生产、传输、分配、消费环节的有益补充。

当前，关于智能电网的文献层出不穷，多集中在智能电网概念、发展历程、体系结构等方面，关于具体实现技术的研究报道很少。要实现智能电网的开放、互动的目标，必须具备一个可靠、高效的通信网络。智能电网的功能覆盖电能传输的各个环节，数据在发电、输电、配电和用户等不同主体及各类应用系统之间的传递必须依靠通信载体。常见的通信载体包括铜芯线、光纤、电力线通信、无线通信等，它们在不同的应用环境下具有各自的优势。

本文将针对智能电网不同应用领域的具体情况，探讨WSN在智能电网中的具体应用，旨在为建设智能电网的通信网络提供一种新的思路。

一、WSN的网络简述

WSN通常是指由一组带有嵌入式处理器、传感器以及无线收发装置的节点以自组织的方式构成的无线网络，通过节点间的协同工作来采集和处理网络覆盖区域中的目标信息。

在这种架构中，传感器节点部署在一个目标区域内部或附近，能够通过自组织方式构成网络。传感器节点测得的信息通过多跳的方式传送到汇聚节点，通过汇聚点连入Internet 或卫星，最后接入任务管理节点。传感器节点是一个具有测量能力、处理能力、存储能力、通信能力的嵌入式系统，兼顾传统网络节点终端和路由的双重功能，不仅进行信息的收集与处理，还要对其他节点转发来的数据进行存储、管理和融合。汇聚节点是拥有较强通信能力、计算能力和丰富资源的系统，它连接传感器网络与Internet 等外部网络，实现两种通信协议之间的转换，负责将管理节点的监控任务下发，并将收集到的数据转发至外部网络，它可以是一个增强功能的传感器节点，也可以是一个没有监测功能的专用网关设备。任务管理节点具有人机界面，可以进行干预、遥控和管理。

二、WSN在输电线路监测中的应用

输电线路监测系统主要采集输电线路的运行环境数据和线路铁塔的运行环境数据等，包括线路温度、湿度、污秽、覆冰、风偏、山火、雷击，铁塔环境温度、应力状况等，并在多信息集成和融合条件下实现线路故障监测及管理，为数字化线路奠定基础。国家电力建设研究所目前已将Crossbow公司开发的无线传感器网络节点部署在高压输电线上，传感器网络网关固定在高压输电塔上，用于监测大跨据输电线路的应力、温度和震动等参数。此外，带有视频采集功能的无线传感器网络节点可以采集现场图像，用于进行灾害预警，实现全网可视化。

三、WSN在设备状态检修中的应用

造成电力行业资产运行维护和管理水平偏低的主要原因之一是设备检修模式滞后。目前，设备检修普遍采用的是一种定期检修策略，多年的生产实践证明，这一策略存在着严重缺陷，如检修不足和检修过剩。因此，设备检修要积极向状态检修过渡，提高资产运行维护和管理水平。IBM 全球企业咨询服务部制定的智能电网白皮书认为，电力行业提高资产运维和管理水平的关键技术是设计一个远程资产监视和控制(remote asset monitoring andcontrol)系统。远程资产监视和控制系统通过传感装置检测到电力设备状态数据，根据检测数据对设备状态进行评估，判断可能出现的故障(比如，通过对变压器油温、油色谱的监测，判断是否出现绝缘裂化)，并提示运行维护人员设备可能存在的不安全因素，依据设备状态，帮助运行维护人员优化设备检修和设备更换时机，减少维修成本和停电时间。

四、WSN 在电力系统故障定位中的应用

自愈是智能电网的主要特征之一，当故障发生时，在没有或少量人工干预下，能够快速隔离故障、自我恢复，避免大面积停电的发生。及时发现故障点并清除故障是构建自愈型智能电网的重要前提。芬兰Helsinki大学电力系统与高压工程实验室的Mikael M. Nordman 博士提出利用在开关站或二级变电站的分支线路上布置能够检测相电流的传感器节点，将传感器节点采集到的相电流信息通过多跳路由的方式发送给网络控制中心，网络控制中心通过比较各节点之间的相电流信息确定故障的位置。该方法能在单相接地后故障信号较弱的情况下有效地定位故障。该定位方法的精度取决于节点的布置密度，节点布置得越多，节点间距离越短，精度越高。

结论

本文对无线传感器网络在智能电网中的应用进行了研究，并分析了需要解决的主要技术问题。从无线传感器网络在电力系统中的研究现状看，已经取得了一定的研究成果，但还没有在大规模实际应用中检验。本文就WSN在智能电网中的一些实际应用业务进行了初步探讨。相信随着智能电网建设的推进，WSN 将具有更加广阔的应用舞台。针对实际应用情况，WSN中诸如拓扑控制、能量管理、路由算法、网络安全等关键技术问题，将随着智能电网建设的深入而逐步得到解决。

参考文献：

[1]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,2005:1-5．

[2]王殊,阎毓杰,胡富平,等.无线传感器网络的理论及应用[M].北京:北京航空航大大学出版社,2007.

[3]苗世洪,谌小莉,刘沛,等.基于无线传感器网络的配电线路故障定位方案[J].电力系统自动化,2008,32(20):61-66.

无线传感器网络的发展与应用 篇4

关键词：无线传感器网络,路由协议,无线自组网,服务质量

近年来, 随着人们在无线通信技术、微机电技术、微传感器技术方面取得的巨大进步, 一种集成了感知、计算、通信能力, 具有低成本、低功耗、多功能、体积小、和短距离无线通信等特点的传感器节点, 以及由该种节点构建网络的技术得到了越来越多的关注。这种传感器节点集成了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术等功能, 由这种节点组成的网络可以协同工作, 实时或长期监测被监测区域内的各种对象数据, 并对这些数据进行分布式预处理后传递给最终用户, 从而为用户提供直观的观察效果。节点间通信一般采取低功耗、低速率的无线通信手段。这种网络被称为无线传感器网络 (Wireless Sensor Networks, WSN) 。

1 应用

无线传感器网络一般采取随机部署、自组织工作的方式, 随机分布的网络节点根据一定的算法自动建立连接, 把感知节点得到的数据传递回用户。无线传感器网络一般由传感器节点、汇聚节点、网关或卫星通信、用户节点组成。其中传感器节点分布在被监测区域, 感知环境的变化并产生感知数据, 将所产生的数据以多跳的方式传递到汇聚节点, 汇聚节点通过网关或卫星通信和用户连接, 最终把数据传递到用户节点。用户可以通过用户节点规划网络行为, 下达数据采集指令, 指令通过网关到达汇聚节点后, 通过必要的通信手段 (洪泛或基于地理位置的查询) 把指令发送给网络内的传感器节点。

无线传感器网络节点上集成的传感器可以有效测量所在周边环境的地震波、温度、光强、磁场、加速度、红外、声纳、雷达、视频等各种信号, 从而探测包括温湿度、噪声、压力、部件的机械应力、土壤成分、移动物体速度、大小、加速度、方向等与应用相关的物理现象。传感器节点即可以进行连续的测量, 也可以监视突发事件的发生, 进行事件检测或确认。正是无线传感器网络这种成本低、易部署、无人值守、组网灵活、传感器种类众多的特点, 使得该种网络具有广阔的应用前景:

1.1 军事应用

无线传感器网络快速部署、自组织、抗摧毁性的特点使它非适合应用于军事领域。无线传感器网络本身可以作为C4ISRT (Command, Control, Communications, Computing, intelligenee, Surveillance, Renaissance and Targeting) 的一部分, 也可以作为单独的网络部署在战场环境中。无线传感器网络可以在战场上完成诸如部队态势监控、战场监测、战场侦察、破坏效能评估、目标定位、核生化武器的监视预警等高度危险性的工作。

1.2 环境监视

对环境的监测是一个长期而艰苦的过程, 为了取得对某一地区环境的变化对周边的影响, 需要经年累月的长期观察, 同时, 需要监测的地区一般人迹罕至, 工作条件异常艰苦闭。由于无线传感器网络可以以无人值守的方式长期工作, 因此可以作为对环境变化进行长期有效观察的有效手段。无线传感器网络可以应用于洪水防治、森林火灾监控、生物物种变化、精细农业等各种领域。美国加州大学洛杉矶分校CENs项目组针对无线传感器网络对环境监控方面的应用提出了若干解决方案, 有地形生态观察系统、水生物观察系统、污染监控及管理系统等。

1.3 医疗救护

无线传感器网络在医疗研究、护理领域也具有广泛应用。利用无线传感器网络可以提供诸如药物控制、诊断辅助、医院内医生护士的跟踪定位、病人状态监控等服务。法国Grenoble医学院的科研人员利用无线传感器网络设计了一个称为“智能健康小屋”的系统, 可以监控老年人的心跳、血压等健康参数并传递给医生。而爱尔兰和英国的一个联合研究小组研究了如何利用无线传感器网络组成一个可穿戴的身体监控系统, 为病人提供全天候的医疗服务。

1.4 家居安全

在家庭网方面, 无线传感器网络可以作为家庭网的组成部分, 实现家居环境的智能化、自动化, 传感器节点可以集成在VCR、真空吸尘器、冰箱、电视机等家用电器中。在智能社区方面, 可以利用无线传感器网络实现能源的自动化管理, 达到节能的目的, 同时可以利用无线传感器网络加强社区的安全建设, 使人们的居住环境更加友好安全。

1.5 其他用途

NASA的JPL实验室正在研制的Sensor Webs将利用航天器布撒的传感器网络节点实现对星球表面长时间的监测, 为将来的火星探测进行技术准备, 目前已在佛罗里达宇航中心周围的环境监测项目中进行测试和完善。另外, 无线传感器网络可以用来对一些危险的区域, 比如地下矿井、核沾染区、有毒废料等人员不能随意出入的区域实行自动化长期监测, 以保证人民生活财产的安全。此外, 随着在2008年北京奥运会, 无线传感器网络在城市化管理, 比如道路车流的监控, 停车场的管理, 奥运场馆人员的疏导, 城市防暴反恐等领域也发挥了重大作用。

2 发展与现状

无线传感器网络是21世纪最重要的技术之一, 被美国Technology Review认为是未来将要改变世界面貌的十大新兴技术中的第一位, 而在《商业周刊》预测的未来四大高新技术中, 无线传感器网络也得以和效用计算、塑料电子学、仿生人体器官并列。科学家预言无线传感器网络将引发新的信息革命, 因此, 无线传感器网络的广泛应用是一种必然趋势, 它的出现将会给人类社会带来极大的变革。

无线传感器网络起步于1973年美国国防部DARPA开展的关于无线网络的研究-PRNet项目, PRNet奠定了利用无线共享信道构建分布式通信网络的雏形。随后在1978年, DARPA资助的一个关于分布式传感器网络的研究小组正式发起了无线传感器网络的研究。上世纪90年代在DARPA的资助下, 美国多家研究机构开展了无线传感器网络的研究计划, 比较著名的有加州大学洛杉矶分校的WINS项目, 加州大学伯克利分校的Pico Radio项目, 麻省理工学院的u AMPS项目等。进入21世纪后, 随着反恐和非对称战争的需要, 美国军方为了加强情报侦察和信息收集的能力, 对无线传感器网络异常重视, 在C4ISR的基础上提出了C4ISR计划, 强调战场情报的感知能力、信息的综合能力和信息的利用能力, 并开展了一系列具有军方背景的研究计划, 如美国陆军的“灵巧传感器网络通信”项目、“无人值守地面传感器群”项目、“战场环境侦察与监视系统”项目以及美国海军的“传感器组网系统”项目、“网状传感器系统”项目等。随着研究的深入, 无线传感器网络也逐渐拓展到民用领域。2003年, 美国国家自然基金会投资3400多万美元资助美国加州大学洛杉矶分校的CENS计划, 该计划由美国加州大学洛杉矶分校牵头, 美国南加州大学、加州理工学院、加州大学河滨分校等多所大学合作, 计算机、电子工程、生物工程、环境工程等多领域专家共同参与, 研究无线传感器网络在环境保护、灾害监测与预警、城市监控等领域的应用;美国Sandia国家实验室与美国能源部于2002年5月合作研究的反恐系统, 该系统能够尽早发现以地铁、车站等场所为目标的生化武器袭击, 并及时采取防范对策美国交通部提出的“国家智能交通系统项目规划”, 该规划项目旨在将无线传感器技术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。与此同时, 无线传感器网络也引起了跨国企业巨头的关注, 如2002年10月, 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”, 此规划致力于开发集成度很高的超微型传感器 (也称智能灰尘 (smartdust) ) , 并将超微型传感器应用到预防医学、环境监测、森林灭火乃至海底板块调查、行星探查等领域。除美国外, 欧盟2002年开始实施为期3年的EYES (自组织和协作有效能量的传感器网络) 计划。2004年3月, 日本总务省成立“泛在传感器网络 (Ubiquitous Sensor Network) ”调查研究会。

我国也非常重视无线传感器网络的发展, 国家自然科学基金委员会已经审批了无线传感器网络相关的重点课题和面上课题, 在国家发展改革委员会的下一代互连网示范工程中, 也部署了无线传感器网络相关的课题。在国家大力扶持下, 哈尔滨工业大学、北京交通大学、中科院、北京邮电大学、华中科技大学等高校和研究机构对无线传感器网络各领域展开了研究, 相信在几年之内, 国内在这一领域会产生一个质的飞跃, 这对于我国真正在这一新技术领域迎头赶上, 把握这一技术潮流进而提高科研以及实际竞争力都具有重要的意义。

3 存在的问题

就目前的技术水平来说, 让无线传感器网正常运行并大量投入使用还面临着许多问题:

3.1 网络内通信问题

无线传感器网络内正常通信联系中, 信号可能被一些障碍物或其他电子信号干扰而受到影响, 怎么安全有效的进行通信是个有待研究的问题。

3.2 成本问题

在一个无线传感器网络里面IIAnews.com, 需要使用数量庞大的微型传感器, 这样的话成本会制约其发展。

3.3 系统能量供应问题

目前主要的解决方案有:使用高能电池;降低传感功率;此外还有传感器网络的自我能量收集技术和电池无线充电技术。其中后两者备受关注。

3.4 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术, 有多种形态和方式, 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, 还包括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。

4 结语

无线传感器网络有着十分广泛的应用前景, 它不仅在工业、农业、军事、环境、医疗等传统领域有具有巨大的运用价值, 在未来还将在许多新兴领域体现其优越性, 如家用、保健、交通等领域。我们可以大胆的预见, 将来无线传感器网络将无处不在, 将完全融入我们的生活。比如微型传感器网最终可能将家用电器、个人电脑和其他日常用品同互联网相连, 实现远距离跟踪, 家庭采用无线传感器网络负责安全调控、节电等 (物联网) 。无线传感器网络将是未来的一个无孔不入的十分庞大的网络, 其应用可以涉及到人类日常生活和社会生产活动的所有领域。但是, 我们还应该清楚的认识到, 无线传感器网络才刚刚开始发展, 它的技术、应用都还还远谈不上成熟, 国内的研究机构以及国内企业应该抓住机遇, 加大投入力度, 推动整个行业的发展。

参考文献

[1]Gyula Simon, Miklos Maroti, Akos Ledeczi, et al., "Sensor Network-Based Countersniper System", in Proc.of Sensys04, 2004.

[2]N.Noury, et al."Monitoring behavior in home using a smart fall sensor", Iee-EMBS Special Topic Conference on Microtechnologies in Medicine and VBiology, October, 2000.

无线传感器网络实验感想 篇5

本次实验我们进行的是无线传感器网络综合实验。在实验中，我们小组成员学习了无线传输的基本原理，合作完成实验系统的安装、调试与数据分析，在这一过程中我受益良多。

无线传感器网络系统是基于ZigBee技术。ZigBee技术是一种近距离、低复杂度、低功耗、低速率、低成本的双向无线通讯技术。主要用于距离短、功耗低且传输速率不高的各种电子设备之间进行数据传输以及典型的有周期性数据、间歇性数据和低反应时间数据传输的应用。

现在无线传感网络技术广泛用于很多方面，如农业物联网、工业自动化以及智能家居等。无线传感的使用使传感器和自动化技术得到了空前的发展，并给人们的生活带来了很大的便利。

我们平时的实验课更多注重对理论的验证，但是没有创新性和自主研发性，虽然这次的实验我们大部分也是照着实验说明书进行连接、烧录程序、演示等，但是此次的实验增加了我对电子设计的浓厚兴趣。只要有兴趣，我相信化兴趣为动力，我肯定能更加努力加强电子专业的学习，努力提高专业素养。

当然实验中还有注重团队的协作，我们分工明确，合作愉快，因此更快、更好地完成了实验。现在的项目工程，凭一己之力几乎不可能完成，所以企业也十分注重员工的团队意识，我们想要进入好的企业，对这块不能等闲视之，必须加以重视。

无线传感器系统的建设及应用要点 篇6

一、无线传感器的构成

无线传感器网络系统的基本架构包括三部分，第一部分是无线收发芯片，其职责是将数字信息转换为高频无线信号传送出去和将接收到的高频无线信号恢复成数字信息。就无线传感器收发芯片而言，为了一个无线传感器的网络节点和路由器功能的实现，可以采用多芯片的方案。

第二部分是运行于单片机或者无线单片机的内部嵌入式软件，也称软件协议栈。网络堆栈主要有两个职责，第一网络堆栈具有自组织、自恢复的能力，可以处理节点间的联捷通讯因质量和环境因素干扰无法正常进行通信的现象；第二个职能是具有很强的算法能力，可以确保信息数据准确搞笑的通过网络拓扑在节点之间传输，确保信息的实时性的要求。

第三部分为应用软件，这部分主要是各种开发用的软件代码，通过计算机语言进行编写、开发，调用软件协议栈的功能。

二、无线传感器系统的特点

无线传感器网络通常具有以下特点：①自组织性：无线传感器网络系统的节点可以进行自动组网，节点相互之间可以进行通讯工作。②路由多跳性：通信具体、节能和功率控制等因素有时候会对节点进行限制，使节点无法正常进行通信，这时就需要通过其他节点来完成信息数据的传输，所以网络数据的传输路由具有多跳性。③网络拓扑动态性：无线传感器在一些特殊的应用中是移动的，节点会因能量或故障等一些因素停止工作，这时的网络拓扑就会发生变化。④节点有限性：主要受到技术的要求和有限的能量，导致了节点资源的有限性。

三、传感器系统建设要点

（一）网络拓扑管理

对于无线传感器系统来说，网络结构是自组织的，建设的目的是在满足网络的连通度和覆盖度的情况下，选择路由路径，建立一个能够高效转发数据的拓扑结构。网络拓扑结构有层次型拓扑结构和节点功率控制这两种形式，层次型拓扑结构利用分簇机制控制，节点功率控制则是通过控制节点完成总的网络拓扑管理。

（二）网络协议

对于传感器的网络协议来说，主要功能是对信息传递的路径进行控制，目前的建设重点主要是MAC层和网络层。在设计MAC协议时，首先要考虑到MAC层的可拓展性以及能不能节省能量，通过MAC层的合理设计，达到控制节点的工作模式和通信过程的要求，从而降低系统的损耗，延长节点使用的时间。

（三）网络安全建设

传感器系统的网络安全建设，主要的控制方法有两种：维护路由器的安全和完善安全协议的建设。首先，找出节点和真实值之间的关系，然后在真实值的基础上生成路由，能够保证路由器建设的质量。其次，在设计合理的安全协议时，可以先假设基站的工作条件正常，在这种情况下满足合适的存储容量和计算速度，基站的功率能够达到加密的功率需求，在这个基础上设计出的安全协议才能满足传感器运行的需要。

（四）定位技术

定位技术指的是针对传感器上的每一个节点进行准确的定位设计，一般采用的方法是分布定位和集中定位，常用的定位技术是以距离为中心的定位和与距离无关的定位。以距离为中心的定位对于硬件的要求高，精度也比较好，与距离无关的定位受到环境的影响比较大，所以应该根据传感器的具体要求进行选择和设计。

（五）数据融合

传感器的内容和计算能力通常是有限的，在这种情况下，在收集数据的时候要进行有效的数据融合，删除无用的信息，节省容量。对于数据融合，可以在多个层次中进行，首先在应用层应该利用分布式的数据库技术，对于数据进行实时筛选，其次在网络层运用路由协议与数据融合相结合的方法，最后对于MAC层来说，可以减少头部开销。

（六）时间的同步设计

在传感器的运用过程中，例如基于TDMA的MAC协议的监测和运行，基本的要求是节点之间的问题保持同步。首先，节点通过自己记录时间，然后反馈到第三方进行校正，所以，时间精度的大小主要的影响因素是这段校正时间的长度。

四、无线传感器网络应用现状

传感器网络的应用与具体的应用环境密切相关，因此针对不同的应用领域，存在性能不同的无线传感器网络系统。

（一）在军事领域方面的应用

在军事领域方面的应用，可以利用无线传感器网络对敌我区域进行实时监控，监控敌军兵力、装备等，对战场情况有个全面的把握，监测导弹轨迹，定位目标进行攻击等。

（二）在环境监测方面的应用

无线传感器网络在环境检测方面的应用，能够做到传统的系统无法完成的任务。对动植物的活动、生长环境进行检测，使其更好地进行生长发育；对生化和农业的监测，可以掌控其进度；还可以提前对森林火灾和洪水等灾难进行检测。

（三）对建筑结构方面的监测

无线传感器网络可以实时监控建筑物的情况，一旦发现建筑物的健康出现问题，可以及时解决，弥补了传统监控线路易老化、损坏和布线复杂的弊端，而且成本还很低廉。

（四）在医疗卫生方面的应用

无线传感器在医疗方面的应用，主要是让人随身佩戴相应的传感器节点，可通过人体的提问、肌肉收缩、体内电流的相关数据，对人体的健康状况进行非常直观的监测。目前有针对老年人设计的，监测老年人的身体状况的无线传感器的网络系统，可以除了对老年人的健康状况进行检测外，还可以做到在其发病时准确报告其地理位置和身体情况的功能。

（五）在智能交通方面的应用

无线传感器在交通监测方面的应用，将节点布置在主要街道附近，对声音、视频、温度等因素进行实时的监控，还可在车上放置相应的GPS全球定位设备的节点。在整个交通检测系统中，要将重点放在数据的安全传输。整合。网络的安全上面。

结束语

无线传感器网络系统虽然现在还没有在国内实现真正的普及开来，但是很多公司一直投入相当多的精力去研究，相信随着人们生活水平的不断提高、通信技术、网络技术的快速发展和通行成本的不断降低，在不久的将来可以实现无线传感器网络系统的登门入户。

参考文献

[1]武斌.无线传感器网络覆盖控制策略研究[D].西安电子科技大学.2011.

[2]邢二庆.无线传感器网络数据融合算法的研究[D].沈阳航空工业学院.2010.

[3]胡玲.无线传感器网络网络信息融合与目标跟踪的研究[D].华东理工大学.2012.

[4]李霖.传感器应用中的常见干扰分析及对策[J]. 信息与电脑（理论版）.2011（04）

无线传感器网络的实现 篇7

1 无线传感器网络

如图1所示为无线传感器网络的系统结构。

无线传感器网络系统通常由三大部分组成，分别是传感器节点、汇聚节点和任务管理节点。数量巨大的传感器节点能够通过自组织方式形成网络，并且随机地部署在监测区域附近。监测到的数据沿着其它传感器节点逐跳式地传输，在传输过程中，传感器节点监测的数据可能被多个节点处理，经过多跳传输以后，到达汇聚节点，再通过互联网或卫星到达任务管理节点。用户通过管理节点，对传感器网络进行配置、管理、发布监测任务，以及收集监测数据。

与目前常见的移动通信网、无线局域网、蓝牙网络等无线网络相比，无线传感器网络具有以下特点：

动态拓扑，无线传感器网络是一个动态网络，节点可以随处移动;无中心，无线传感器网络中没有控制中心，所有的节点地位都相同;节点稠密分布，协作感知;节点具有一定的数据融合能力;有限的计算能力、存储空间、能耗和能量供应;自组织，不需要依赖其他预设的网络设施，网络自动的布设和展开;多跳路由，节点通信的距离总是在百米范围，而且是与和它相邻的节点直接通信。如果希望与其射频覆盖范围之外的节点进行通信，则需要通过中间节点进行传递。

2 TinyOS

2.1 TinyOS概述

TinyOS是一个开源的嵌入式操作系统，它是由加州大学的伯利克分校开发出来的，主要应用于无线传感器网络方面。它是基于一种组件的架构方式，使得能够快速实现各种应用。

TinyOS的程序采用的是模块化设计，所以它的程序核心往往都很小，一般来说核心代码和数据大概在400 Bytes左右，能够突破传感器存储资源少的限制，这能够让TinyOS很有效的运行在无线传感器网络上并去执行相应的管理工作等。

TinyOS本身提供了一系列的组件，可以很简单方便的编制程序，用来获取和处理传感器的数据并通过无线电来传输信息。可以把TinyOS看成是一个可以与传感器进行交互的API接口，它们之间可以进行各种通讯。TinyOS在构建无线传感器网络时，它会有一个基地控制台，主要是用来控制各个传感器子节点，并聚集和处理它们所采集到的信息。TinyOS只要在控制台发出管理信息，然后由各个节点通过无线网络互相传递，最后达到协同一致的目的，比较方便。

2.2 TinyOS的特点

TinyOS提供一系列可重用的组件，一个应用程序可以通过连接配置文件(A Wiring Specification)将各种组件连接起来，以完成它所需要的功能。

TinyOS是一个专为无线嵌入式传感器网络设计的开放源代码的操作系统。它具有基于组件的特性，在传感器网络天生就有内存严格限制的条件下，这可以用最小代码快速来创新和实现。TinyOS的组件库包括了网络协议，分布式服务，传感器驱动和数据获取工具———所有这些都可以像这样的使用或者进一步精练到用户自己的应用中。TinyOS的事件驱动执行模式使得更细密的功耗管理，然而仍允许可变化的调度，这些是无线通讯不可预期特性和物质世界接口的必须。

3 nesC

3.1 nesC概述

nesC是对C的扩展，它基于体现TinyOS的结构化概念和执行模型而设计。TinyOS是为传感器网络节点而设计的一个事件驱动的操作系统，传感器网络节点拥有非常有限的资源。

3.2 主要特性

由于传感器网络的自身特点，面向其的开发语言也有其相应的特点。主动消息是并行计算机中的概念。在发送消息的同时传送处理这个消息的相应处理函数ID和处理数据，接收方得到消息后可立即进行处理，从而减少通信量。整个系统的运行是因为事件驱动而运行的，没有事件发生时，微处理器进入睡眠状态，从而可以达到节能的目的。组件就是对软硬件进行功能抽象。整个系统是由组件构成的，通过组件提高软件重用度和兼容性，程序员只关心组件的功能和自己的业务逻辑，而不必关心组件的具体实现，从而提高编程效率。

3.3 使用环境

nesc主要用在Tinyos中，tinyos也是由nesc编写完成的。TinyOS操作系统就是为用户提供一个良好的用户接口。基于以上分析，研发人员在无线传感器节点处理能力和存储能力有限情况下设计一种新型的嵌入式系统TinyOS，具有更强的网络处理和资源收集能力，满足无线传感器网络的要求。为满足无线传感器网络的要求，研究人员在TinyOS中引入4种技术：轻线程、主动消息、事件驱动和组件化编程。轻线程主要是针对节点并发操作可能比较频繁，且线程比较短，传统的进程/线程调度无法满足(使用传统调度算法会产生大量能量用在无效的进程互换过程中)的问题提出的。

4 结束语

本文简要介绍了TinyOS操作系统和nesC语言的特点，以及如何在TinyOS中开发应用程序，对基于TinyOS开发应用程序具有一定的参考价值。

参考文献

[1]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, 2005:319-390.

无线传感器的网络应用 篇8

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.

无线传感器网络优化的应用与研究 篇9

随着现代科学技术的不断发展和经济的不断进步,人们对于现代信息技术的运用已经达到了家家户户的普及程度,无线的传感技术在现今社会已经有了很大的提升和改变,无线传感网络技术是这些年来开始渐渐兴起的一种新型的网络技术模式。国内外学者在这个方面已经做出了很大方面的研究,对今天我们使用无线传感提供了大量的技术支撑,但是作为一项现在并不成熟的技术,它依然存在很多技术难题待解决,传感器节点的消耗、热点问题等都是现在一些急需解答的难题,越晚解决越浪费更多的网络资源。

1无线传感器网络简要分析

1.1无线传感器网络节点的工作原理

在一个固定的单基站无线传感器多跳网络中,会有很多个传感器节点,这些传感器节点能够实现众多的信息的传递和通信,每时每刻不停的传播接收到的每一个数据点。但是,这样传输数据的传感器节点不是存在于每一个地方的,这需要一定技术支撑下网络节点的覆盖率,一般来说,网络节点的覆盖率越光,能够传输的节点就越多,换一句话说就是,能够在这个地方传输的数据就更多。这是需要很大的技术支撑,毕竟网络的覆盖很难依靠个人的力量来实现的。这其中有一种比较特殊的传感器节点,就是那些靠近与基站的传感器节点,因为他们有更加多的工作量,这样就直接导致了他们需要消耗更加多的能量,这是由于它们不仅仅需要传输自己的数据,还要作为中继节点来传输其他传感器节点的数据。

1.2现代生活中的无线传感器网络的运用

上文已经有所提及,无线传感器网络在现在生活中的应用和普及。总体而言,无线传感器网络的运用领域是比较广泛的,军事、航空、救灾、环境、医疗、保健、家居、工业、商业等领域它都可以有所涉及,但是现阶段运用地比较成熟的领域主要有:环境监测、医疗护理、军事领域以及目标跟踪等小范围的运用,进一步的普及和发展还有待技术的成熟和优化。在环境方面,它可以以一个定点跟踪动物,研究动物的迁徙或者其他动物学的各种研究;它可以对环境进行必要的监测,对农业的发展很大的作用;在医疗护理方面,主要是通过无线传感器网络实现对人体各种活动的监测和记录,通过血压、体温等方面的观察鉴定人体的健康状况。

1.3无线传感网络的优点简析

作为一项新兴的科学技术,无线传感器网络拥有很多现在计算机领域没有的优点。规模广,无线传感器网络主要是通过在监测区域部署大量的传感器节点来实现节点的大范围覆盖以达到信息提取的广度和宽度的大范围提升,可以达到成千上万。这就是所谓的无线传感器网络的大规模;自组织,这说的是无线传感器网络能够实现自动配置和管理,这是一种相当智能化的工程设施,传感器节点的位置和他们之间相邻的位置是没法预先估测的,是直接通过其自动的配置和管理的;可靠性,无线传感器网络能够适应各种各样恶劣的环境,对于那些需要在恶劣环境中作业的项目来说,无线传感器网络就是拯救他们的福星;以数据为中心,这是指无线传感器网络一定需要进行一定的数据来作为其运行的基础,目前互联网技术已经能够为其提供足量的数据库,但是确实这是其一个很明显需要依赖互联网的地方。

2无线传感器网络优化的有关理论

2.1移动基站无线传感器网络优化研究

移动基站无线传感器的网络优化主要的方面就是对比现有的基站移动过程中事件驱动无线传感器网络启发式算法,从而进行了新的事件驱动无线传感器网络启发式算法,传统的关于事件驱动无线传感器网络启发式算法中的主要问题就是广泛的研究了基站和节点之间的距离,但是并没有其他方面的研究或者只是一笔带过,但是笔者认为其他因素中依然还存在着影响事件驱动无线传感器网络启发式算法,不可能仅仅是基站和节点之间的距离决定的。在研究中,笔者把移动协助数据收集模式(简称MADG)与传统的算法相结合,构成了一种新的事件驱动无线传感器网络启发式算法,经过宽泛的和多次的实验,我们得出这样的结论:该算法能够大幅度的增加网络寿命,同时还可以做到减少丢包的作用。

2.2无线传感器网络优化的定位算法

在无线传感器网络中,定位技术是一项重要的支撑性技术,它能够决定着整个网络系统的运行状况。一般使用计算机技术进行定位求解,但是计算机技术的定位求解是各种各样的,每一种技术都有它的优缺点,不能逐一而论。本文所进行的研究是通过粒子群优化定位算法来了解无线传感器网络的定位。这是一种基于种群的启发式智能进化计算技术,最开始的时候是用来研究鸟类的飞行和迁徙的,受这种思想的启发,我们把种群理解成为粒子群,在这种群体智能模型建造中,能够帮助我们更好的解释这一项定位算法。为了更好地进行无线传感器网络优化的定位算发,本文引进了WSN定位的技术特征,对PSO算法(种群的启发式智能进化计算技术算法)做出了科学合理的改进,在算法精度和性能之间进行了平衡。

2.3无线传感器网络的嵌入式操作系统的运用

嵌入式操作系统在现今的使用已经相当广泛,这各个领域皆有其身影的出现,它可以完成硬件,软件的系统分配;对系统进行资源调度;控制,协调并发活动。嵌入式操作系统的核心就是嵌入式微处理器,它具有很强大的实时任务的支持操作,能够实现多个任务的同时操作,并且中间响应的时间也控制的很短;另一个特点就是它的储存保护功能,这也是一项嵌入式操作系统的强大之处,它能够通过强大的储存区保护实现软件模板之间的正常运行;同时它还具有相对较小的功耗,这其实已经很难得了,现在有的嵌入式操作系统的功耗甚至只有m W级或者μW级。不仅仅是在无线传感器网络方面有用,在其他领域也有不可或缺的地位,例如在工业上的使用,能够在电力系统,数控机床等方面实现人工智能控制;在交通管理上,它所具有的移动终端的定位能够实现良好的导航作用;另一个方面就是在家庭智能管理中,它能够实现远程范围内的对家庭电力设施的控制和操作,这会大大的丰富人们的生活的趣味性和便捷性。对于无线传感器网络的运用,主要体现在了扩展内存和操作系统方面的,能够实现多种传感器网络同时运行并且中间切换所花费的时间很少,这对于无线传感器网络管理具有很大的帮助。

3结语

总而言之,无线传感器网络优化是现阶段在大量进行研究的范畴,众多知识和技术精英在进行着紧锣密鼓的实验和操作,试图在无线传感器网络优化中有一点小小的进步,目前已经有了大量的文献对无线传感器网络进行了描述和解释。本文对无线传感器网络的工作原理进行了简要的描述,现在众多领域中的涉及状况做了明显的说明,以及无线传感器网络所具有的特点也有相关的描述。同时针对无线传感器网络的优化,以两个层面的技术来进行了仔细的说明。

摘要：现代社会是一个大信息量的网络社会,无线传感在这些年已经得到了广泛的支持和运用,无线传感器网络实现了通讯技术和计算机技术三者的有机统一,是现代信息科学技术革命上的一次重大的进步,是值得被众人所称道的。它主要通过计算机基站中的节点相互之间传输数据来实现数据之间的共享和传播,但是每一个节点都是有它固定的能量的,一旦它的能量消耗尽了,它就会停止工作,造成计算机故障。本文主要是对类似这样的问题做一个简要的分析,并提出一些相应的无线传感器网络优化的措施建议,寄希望能对以后的研究有所帮助,能有一定的现实意义。

关键词：无线传感,网络优化,应用研究

参考文献

[1]石高涛,廖明宏.传感器网络中具有负载平衡的移动协助数据收集模式[J].软件学报,2007(9):2236-2242.

无线传感器网络的节点定位 篇10

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.

无线传感器的网络应用 篇11

关键词:无线传感网络;楼宇能耗监测

中图分类号:TP212.9文献标识码:A文章编号:1000-8136(2010)02-0149-01

对楼宇的各项能耗指标进行计量、分析及综合比较能够实时定量地把握建筑物能源消耗的变化,可以发现节能潜力并找到用能不合理的薄弱环节,因此,能源计量是建筑节能的关键所在。对重点建筑能耗进行实时监测和节能监管,通过对能源的审计和诊断,找出真正浪费能源的根源,为建筑节能工作产生重大的推动作用。

1 无线传感网络

无线传感器网络,简称WSN,由一组传感器节点以自组织的方式构成的无线网络,其目的是协作的感知、采集和处理网络覆盖区域中感知对象的信息,并将信息发送给观察者,集信息采集、信息传输、信息处理于一体的综合智能信息系统,具有低成本、低功耗、低数据速率、自组织网络等特点。IEEE 802.15.4协议标准主要用于低速无线个人区域网及无线传感器网络应用,是ZigBee的物理层和MAC层的主要支撑技术。该标准由于采用了简单的物理层和MAC层协议而使得其具有低功耗、低成本等特征。

2 楼宇能耗监测系统

本文主要根据楼宇能耗监测系统本身监测点大量且分布较紧密的特点建立基于无线传感网的网络系统平台。楼宇内在待测的每个房间内根据要求安装传感器节点,并将节点上的执行机构控制线与电源开关及空调的控制机构相连,楼宇内节点部署分布见图1。

无线传感器网络由无线传感器节点、网络协调器和中央控制点组成。大量传感器节点部署在待监测楼宇的每个房间内,能够通过自组织方式形成网络。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,经过多跳后路由到网络协调器,最后到达中央控制点。在这个过程中,传感器节点既充当感知节点,又充当转发数据的路由器,用户通过中央控制点(在远程客户端或本地监控中心)对无线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。

3 结束语

利用无线传感网络实现的智能楼宇能耗监测系统在屋内安装上传感器节点可以在人们忘记或没能及时关上室内的电脑、电灯等办公室用电产品,或者室内的空调设定温度太高/低等,可以及时切断电源、控制室内温湿度,避免这些不必要的能源浪费。

Building Energy Consumption Monitoring System Based on Wireless Sensor Networks

Guo Chenxia

Abstract: In this paper,wireless sensor networks and wireless sensor networks based on the Intelligent Building of the overall energy consumption monitoring system architecture.

无线传感器的网络应用 篇12

无线传感器网络 (Wireless Sensor Networks, WSN) 作为物联网技术的重要组成部分, 集成了传感器、微机电系统和网络三大技术于一体, 能够通过各类集成化的传感器协作地实时监测、感知和采集各种环境或监测对象的信息, 这些信息通过无线方式被发送, 并以自组多跳的网络方式传送到用户终端, 从而实现物理世界、计算世界以及人类社会三元世界的连通[1]。无线传感器网络不需要事先架设通信基础设施, 具有组网灵活、抗毁性强、体积小、功耗低等特点, 在医疗领域发挥着不可替代的作用[2]。远程医疗监护、伤残救助、药物摄入监测、医疗资产管理等都离不开无线传感器网络。

1 无线传感器网络的体系结构

典型的无线传感器网络系统由传感器节点 (sensor node) 、汇聚节点 (sink node) 、互联网和任务管理节点等组成, 如图1所示。多个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跳的进行传输, 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[3]。

传感器节点通常是一个微型的嵌入式系统, 由传感器模块、处理器模块、无线通信模块和电源模块四部分组成。传感器模块负责监测区域内信息的采集和数据转换;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;电源模块为传感器节点提供运行所需能量。

汇聚节点的处理能力、存储能力和通信能力相对比较强, 它连接传感器网络与Internet等外部网络, 实现两种协议之间的通信协议转换, 同时发布管理节点的监测任务, 并把收集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内存与计算资源, 也可以是没有监测功能仅带有无线通信接口的特殊网关设备。

任务管理节点由各种面向应用的软件系统构成, 用户通过与应用程序的对话, 控制和监测传感器网络完成所需任务。

2 医疗领域无线传感器网络体系结构

医疗领域无线传感器网络体系结构如图2所示, 包括三个层次, 分别是感知层、中间层和应用层[4]。第一层是感知层, 它由佩戴在人体身上的传感器节点、植入人体的传感器节点、甚至是安装在医疗用具 (例如医疗设备、医用耗材、药品等) 上的传感器节点组成。第二层即中间层, 是具有完全功能设计的移动个人服务器或头节点, 进一步还包括汇聚节点或基站。它负责和外部网络进行通信, 并临时存储从第一层收集上来的数据。它以低能耗的方式管理各个传感器节点或设备, 接收和分析感知数据以及执行规定的用户程序。基站可以是资源相对丰富的移动电话, 能够上网的PDA或其他手持设备。佩戴在被测物体的网络节点个数不多时, 图2所示架构中头节点部分与汇聚节点/基站部分是合二为一的, 只有在第一层网络节点较多的情况下会存在多个头节点, 此时就需要一个汇聚节点或基站来负责收集由这些头节点发送的信息, 并作为路由器与外部网络进行连接。第三层即应用层, 是包括提供各种应用服务的远程服务器的外部网络, 通常由专门的服务器记录着从基站发送的数据, 医务人员通过与Internet连接的计算机查看服务器中病人电子医疗记录。应用层向用户提供的服务包括数据记录、趋势分析、病人生命体征报警等。

3 无线传感器网络在医疗领域的应用

3.1 医疗监护

目前, 医院所使用的监护方法, 大多使用固定的医疗监护仪, 连接设备将传感器探头连接在病人与监护设备之间进行信号的传递。复杂的设备, 众多的连线, 会造成病人心理上的压力和紧张情绪, 可能会影响病人身体状况, 使得诊断所得到的数据与真实情况有一定差距, 给病人和医护人员都带来不便, 可能会影响对病情的正确诊断。无线传感器网络在医疗监护领域的应用使得这一矛盾得以解决。它利用高频率的无线多通道数据传输方式, 传递医疗传感器与监护控制仪器之间的信息, 减少监护设备与医疗传感器之间的连线, 使得被监护人能够拥有较多的自由活动空间, 在获得较准确的测量指标的同时, 免除病人在家庭与医院之间奔波的劳苦。同时, 在医院病房内建立无线监测网络, 很多项测试可以在病床上完成, 能够极大地方便病人就诊, 并加强医院的现代化信息管理和工作效率。可以说, 医疗监护是WSN在医疗领域最广泛的应用[5,6]。

WSN在医疗监护的典型应用是[7]:由监护基站设备和无线专用传感器节点构成一个微型监护网络。不同的传感器节点被用来测量人体生理指标, 比如心电、心率、心音、血氧、血压等。所获得的数据通过无线通信的方式被传输到医疗监护基站上 (相当于汇聚节点) , 医疗监护基站通常是PDA、微控制器电路板或者手机等。由该基站装置将数据传输至所连接的PC或者其他网络设备上, 通过Internet网络可以将数据传输至远程医疗监护中心, 由专业医疗人员对数据进行统计观察, 提供必要的咨询服务, 实现远程医疗。

3.2 运动状态探测

这类应用主要是监测老年人或者病人在家中的运动状态, 对异常运动状态 (比如摔倒所导致的意外伤亡事件) 进行预警。此外, 这类应用除了能够对人体坠落监测, 还能够对人体运动过程中姿势进行监测, 并且能够根据情况给病人长期的指导性训练, 这对帮助病人的康复理疗具有重要意义。

无线传感器网络在这个领域的典型应用[8,9]主要是在病人身上佩戴装有三坐标加速度计 (3-axes accelerometer) 的传感器, 它能够探测到病人的运动状态, 比如走路、跑步、休息或者是发生危险例如意外摔倒。基站是一个Mote[3], Mote相当于无线传感器汇聚节点, 可以收集信息并通过无线网络转播到个人电脑以便做后续数据处理。在个人电脑上, 病人的运动状态被实时的显示出来, 一旦发生危险, 监护人就能快速采取行动, 及时救助摔倒的病人。还有研究者通过探测人体姿势推算出人体运动状态[10,11], 例如Hip Guard[10]项目监测病人在髋关节手术后8~12周的恢复情况, 设计了一个无线传感器网络:传感器节点被集成在一条裤子上, 供病人穿戴。节点位置分别是:腰部、大腿部、小腿骨部和脚部。中控单元采集和处理传感器节点的数据, 当动过手术的髋关节部位位置移动或者做过手术的大腿负荷超过医生限制范围时候, 那条集成无线传感器网络的裤子就会通过声音或者震动报警, 提醒病人注意身体姿势。

3.3 感官丧失辅助

帮助感官丧失或者有缺陷的病人恢复知觉或者指导他们行为活动是无线传感器网络在医疗领域中的另一大应用热点。这类应用主要工作原理是将植入的传感器节点检测到的信息转化、反馈给人体, 以弥补病人某些器官功能的缺陷。

最典型的应用是近年来国内外热门研究项目:视觉假体。该类项目开发了一种人工视网膜以帮助盲人恢复部分视觉功能[12]。其方法是将包含微型传感器的传感器阵列芯片植入患者眼中成为视觉假体。体外的图像捕捉器捕获视觉信息并压缩编码之后, 通过无线射频发送到视觉假体使其产生刺激电流脉冲, 并通过微电极刺激视觉神经细胞, 使人产生视幻觉。另外, 研究者Wu等[13]为了帮助行动不便的老年人走路就将传感器嵌入到拐杖、步行器、轮椅等传统辅助工具中, 使之变成“智能拐杖”, 它能够感知病人运动情况, 比如:走、跑、停等动作, 以及周围环境, 比如路边平坦, 路面颠簸等。根据上述探测到的信息, 给予病人治疗训练和康复性方案。

3.4 药物摄入监测

基于无线传感器网络的药物摄入监测系统是为了帮助患者正确控制服药量, 减少忘记服药、药量过重或误食等状况发生, 还可以降低医务人员药物错配几率。典型的应用是Moh等[14]设计的药物摄入监测系统, 该系统由药物监测子系统、病人监测子系统和基站子系统组成。在药物监测子系统中, 药瓶上粘贴高频RFID标签以识别药物种类, 药物摄取量由嵌入药瓶的重量传感器计算获得。在另一端, 病人身上佩戴超高频RFID标签, 能与药瓶上的标签通讯, 形成病人监测子系统, 该子系统能够提醒病人服用正确的药物。最后, 基站子系统负责将数据传输至个人电脑, 在个人电脑上用户可以观测药物服用量和服用时间等信息。与此类似的研究还有i Cabli NET项目[15]和i Package项目[16]。

3.5 医疗资产管理

现今, 综合性医院医疗设备资产种类繁多, 管理复杂。要做到合理、充分利用医疗设备, 以及在全院范围内调配急救移动医疗设备, 就必须对医疗设备进行身份识别、实时定位、档案管理。

基于这种需求, Kim等[17]研发了一套基于无线传感器网络的医疗资产追踪系统, 它由移动节点、固定节点、网关、服务器组成。将可移动的传感器节点连接在被检测的医疗设备上, 通过串口提取设备身份信息;固定节点负责探测移动节点的位置并且在必要的时候对其监听和通讯, 移动节点的位置是根据固定节点三角测量法确定;网关负责将各个节点的数据传送给应用层的服务器, 应用层服务器作为数据库储存和处理数据并向用户提供应用程序接口, 管理人员可以通过以太网联接到服务器监控医疗资产。从文献检索情况看, 近年来, 利用无线传感器网络技术对医疗资产管理的应用比较少, 类似的应用还有文献18、19。相比于将WSN技术应用于医疗资产管理, RFID技术在资产管理领域应用更为普遍[20,21]。

RFID具有WSN所缺乏的物品标志能力, 但RFID不能对物品状态进行监测。如何使得RFID标签或者阅读器也具有多跳通信的能力以扩展RFID的工作范围;如何使得WSN网络具有RFID的标志能力, 并将WSN对物体状态与环境信息的监测能力赋予RFID系统, 是RFID与WSN技术在物联网下的协作方式的研究重点。

4 讨论与展望