传感器节点模块（精选7篇）
传感器节点模块 篇1
1 前言
无线传感器网络节点主要负责对周围信息的采集和处理,并发送自己采集的数据给相邻节点或将相邻节点发过来的数据转发给其他相邻节点。所以,信号发送模块在无线传感器网络中具有举足轻重的地位,它设计的好坏直接影响整个无线传感器网络的通信质量。提高信号发送模块的通信能力和降低功耗是传感器节点设计的重点。
2 无线传感器网络概述
2.1 无线传感器网络结构
传感器网络结构如图1所示,传感器网络系统通常包括传感器节点(sensor node)、汇聚节点(sink node)和管理节点。
2.2 传感器节点结构
传感器节点是一个微型的嵌入式系统,它的处理能力、存储能力和通信能力相对较弱,并通过携带能量有限的电池供电。它由传感器模块、处理器模块、无线通信模块和能量供应模块四个部分组成。如图2所示:
3 传感器节点信号发送模块设计
信号发送模块是一种把输入的基带信号调制成高频信号并把已调信号发射出去的电路,它实际上是一个发射机。由信源、调制器、载波振荡器、变频器、激励放大器、输出功率放大器和天线组成。
我们根据信号发送模块的原理,选用具有相同功能或者功能相近的高集成度的芯片。目前,市场上有很多可用于收/发的芯片,它们具有体积小、功耗小、使用方便等优点。比如Chipcon公司生产的CC1000、CC1100、CC2420等。在同类产品中,CC1000是最适合用于设计无线传感器节点信号发送模块的芯片。很多无线传感器网络节点都选用CC1000来开发。在本设计中,我们也选择CC1000。
CC1000体积微小、功能强大,选用很少的器件就能组成信号发送模块的电路。图3所示的电路是利用CC1000设计的无线传感器节点信号发送模块的电路。
CC1000集成了收/发功能,它是通过三串行接口(PDATA、PCLK和PALE)编程来控制发送和接收的,发送部分包括压控振荡器(VCO)、功率放大器(PA)、鉴相器(PD)、低通滤波器(LPF)、分频器等。其工作原理如图4所示:
在没有Ui(t)的情况下,把频率为ωo的输出信号Uo(t)输入到分频器(/N),经分频器变频得到一个频率为ωo/N的Up(t)信号,鉴相器把信号Up(t)和频率为ωr的参考信号Ur(t)进行相位比较,产生一个反映两信号相位差大小的误差电压Ud(t),Ud(t)经过低通滤波器的过滤得到控制电压Uc(t),Uc(t)调整Up(t)的频率向参考信号的频率靠拢,即
调制后Uo(t)的频率是Ur(t)的N倍。当输入Ui(t)时,Ui(t)影响Up(t)从而使Uo(t)的频率发生变化,Uo(t)经功率放大器放大后从天线发射出去。
上述电路中,C210、C211、C213、C214是滤波电容,用来消除电路中的干扰信号;L202是压控振荡器(VCO)电感,决定收发频率的中心频点;C206、L204和C205、L203是发送和接收电路的匹配电路,需要根据不同的PCB板材料调整这些值;C207要将发送信号耦合到天线上,所以它的值与发送信号的频率相关;C208、C209和L205组成的电路是一个简易的滤波器,主要目的是在信号耦合前做最后一次滤波,提高信号发射质量。
4 信号发送模块工作平台
上述的信号发送模块本身也是一个信号接收模块,它通过PCLK、PDATA、PALE三个端口控制收/发。也就是说,它需要一个外部的控制电路来控制收/发,否则不能正常工作。
为了使传感器节点信号发送模块能够正常工作,必须要有一个能对CC1000内部寄存器进行编程、控制信号发送模块收发模式的平台。目前市场上都把无线传感器节点的无线通信模块和处理器模块集成在一起,称为Mote节点。图5所示是专门为上述信号发送模块设计的Mote节点。
图中U2是CC1000,它与其他器件构成上述的信号发送模块。U1是ATmega128单片机,它是处理器模块的核心部件,它通过3个I/O端口对CC1000编程,控制CC1000的收/发,此外它还可以处理传感器节点收集的信息。
U3是AT45DB041B芯片。传感器节点信号发送模块不仅仅是传输本地节点收集的数据,还要对其他节点传送过来的数据进行转发。有时候本地节点要求发送数据,相邻的节点同时也要求转发数据,这样就会造成冲突。为了避免这种冲突,有必要设计一个存储电路。由于单片机内部的存储器存储能力有限,而且很大部分开销在处理运算上,所以要选择外部的存储电路。J2是一个50针的插口,用于Mote节点和传感器板之间的连接。U4是DS2401P芯片,它是一个包含48位随机数的芯片,用于标识节点在网络中的唯一ID;U5是LM4041,用于构成节点电压检测电路。Mote节点的具体电路请查看说明书大图。
5 结束语
本文设计的信号发送模块完全按照无线传感器节点的要求来设计,与市场接轨。用户可以根据不同的要求,通过接口电路连接不同的传感器板,使用方便,是一种实用的信号发送模块。但是该信号发送模块也有不足之处:由于它功耗小,信号强度不够大,导致它的通信距离较短,只有几百米的距离,而且它的抗干扰能力较弱、传输速率较低。进一步提高信号发送模块的传输速率,增强抗干扰能力是现阶段必须解决的问题。
参考文献
[1]孙利民.无线传感器网络[M].北京.清华大学出版社,2005,5
[2]王殊等.无线传感器网络的理论及应用[M].北京:北京航空航天大学出版社,2007,7.
[3]李道华等.传感器电路分析与设计[M].武汉:武汉大学出版社,2004.
无线振动传感器节点设计 篇2
关键词：无线传感器网络,无线节点,振动检测
0 引言
无线传感器网络是由具有无线通信、数据采集和处理、协同合作等功能的无线传感器节点组成的网络。传感器节点是无线传感器网络中部署到监控区域内, 负责收集和转发信息、协作完成特定任务的主体, 作为一种微型化的嵌入式系统, 构成了无线传感器网络的基础支撑平台[1]。因此它对所使用的传感器节点有一些严格的限制条件。一般而言, 由于节点由电池供电, 能源受限, 所以优先使用低功耗微型器件, 只是在其功能不能满足要求的条件下才考虑传统的器件。
1 节点设计
本文预期设计一种新型振动传感器节点, 当节点部署后, 自组织网络建立无线路由, 能够实现振动信号的实时感知、数据采集、无线传输等功能。硬件选择以小体积、低功耗、高精度的微型器件为主, 满足无线传感器网络对节点硬件的要求。
1.1 节点硬件组成
本文自选ADXL330型三轴加速度传感器;数据采集设备和无线节点直接选用美国Crossbow公司的产品:MDA300CA型数据采集板, IRIS无线节点。以上设备通过接口电路连接, 组成具有信号感知、采集、无线发送功能的完整节点。
1.1.1 ADXL330加速度传感器
ADXL330是美国模拟器件公司 (ADI) 推出的MEMS三轴加速度传感器。该器件具有尺寸小、功耗低的特点, 自带信号调理电路, 在单片集成电路上实现三维模拟信号输出, 输出的模拟电压信号与加速度成正比。[2]
1.1.2 MDA300CA数据采集板
MDA300CA是在加州大学洛杉矶分校 (UCLA) 嵌入式网络传感器中心 (CENS) 开发的多功能数据采集板。由于具有微型螺钉连接方式使其更适合于自定义传感器类应用。MDA300CA提供了一个高精度的模拟信号获取手段, 可以与Crossbow所有无线模块通过51针接口相连。
1.1.3 IRIS无线节点
IRIS是美国Crossbow科技公司推出了一款超低功耗、更远距离传输的无线传感器网络Mote模块。IRIS用于低功耗无线传感器网络, 工作在2.4 GHz, 支持IEEE802.15.4协议。IRIS增加的几点新特性从整体上提高了Crossbow无线传感器网络产品的性能:
1) 超低功耗, 休眠电流减半, 更长电池寿命;
2) 相对MICA系列产品, 三倍作用距离, 双倍存储空间;
3) 基于IEEE802.15.4/ZigBee协议RF发送器, 工作在2.4-2.4835GHz, 全球兼容的ISM波段;
4) 即插即用, 可连接Crossbow所有传感器板、数据采集板、网关和软件。
1.2 硬件连接
本文节点组成:与外围电路集成的ADXL330传感器, MDA300CA数据采集板, IRIS无线节点。MDA300CA带有螺钉式数据接口, 与传感器PCB各引脚连接, 为其提供电源并接收模拟输出信号, 再通过51针接口与IRIS无线节点连接。
1.2.1 ADXL330-PCB与MDA300CA的连接
将ADXL330外围电路集成在PCB上, 共有5个引脚, 两个固定孔。其中, T1=Vcc (+2.0V~+3.6V) , T2=GND, T3=XOUT, T4=YOUT, T5=ZOUT, T6、T7为电路板固定孔。C1、C2为电源去耦电容。C3、C4、C5实现低通滤波功能。本文设计节点主要测量中低频信号, 选取C3=C4=C5=0.01μF限制带宽, 3d B带宽计算公式:
1.2.2 MDA300CA与IRIS的连接
MDA300CA数据采集板与IRIS无线节点, 都是美国Crossbow科技有限公司开发的基于WSN的硬件平台。两者直接通过51针接口相连, 能够互相兼容。节点工作时, 需要加载MDA300CA数据采集板的驱动才能实现功能。在安装Crossbow配套开发软件MoteWork后, MDA300CA的驱动在该安装目录下:CrossbowcygwinoptMoteWorkappsxmeshXMDA300。
2 节点数据采集
节点工作过程中, 传感器感知振动并输出模拟信号, 数据采集板MDA300CA将该信号进行模数转换, 由节点无线发送模块将数据包送入无线网络, 最终上传至用户端计算机并显示。
3 结论
本文提出了一种无线振动传感器节点的设计思路。通过设计外接接口电路, 将低功耗传感器与数据采集和无线发送模块集成, 构成具有振动信号感知、采集和无线发送功能的新型传感器节点, 经实验验证, 该节点功能实现良好。
参考文献
[1]王丽琴.无线传感器网络密钥管理方案研究.硕士学位论文.陕西:武警工程学院, 2010.
[2]孟维国.三轴加速度计ADXL330的特点及其应用[J].国外电子元器件, 2007, 2:47-50.
水声传感器网络节点的设计 篇3
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.
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.
传感器节点模块 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
传感器节点模块 篇7
Zig Bee技术是为低速数据传输、低功耗、低成本应用而产生的一种新型的无线通信技术,在应用简单、功耗低、有自组网能力、网络容量大、可靠性高、使用成本低等方面有很大优势。Zig Bee能弥补IEEE 802.11、蓝牙和超宽带等短距离无线通信技术在组网能力和节能方面的不足,适合组建节能型的大规模无线传感器网络。
虽然Zig Bee网络的能耗低于普通的无线网络,但是众多场合下Zig Bee网络的节点没有固定基础设施支持,大都采用电池供电,而Zig Bee网络的生命周期一般都至少是几个月。Zig Bee应用的特殊性使得Zig Bee对节点的能耗控制严格要求。
1 Zig Bee现有的节能方法
为了实现低能耗,Zig Bee引入了多种降低功耗的方法:一是Zig Bee基于IEEE802.15.4协议,采用DSSS(直接序列扩谱)技术;二是采用间接数据传输,大部分时间里,节点将关闭其收发设备处于睡眠状态;三是Zig Bee的传输速率低,传输数据量很小,因而信号的收发实际时间很短;四是采用了AODV(按需距离矢量路由)和Cluster-Tree相结合的路由算法来降低能耗等等。
现在很多机构和个人对Zig Bee的节能机制及Zig Bee节点的能量有效性进行研究。部分研究者从硬件层面来考虑节能方法,采用低功耗电路设计方法和高效的电源管理方法,降低传感节点的功耗。为了延长节点寿命,考虑从节点周围的环境中获取能量为节点使用,如采用光电池。除电源外,节点还包括处理器、传感器和无线通信模块。其中针对处理器的节能有一些较为成熟的节能方法,如通过切换处理器工作状态而节能的动态功率管理(DPM)技术[1],通过对处理器的工作电压和工作频率动态调整而节能的动态电压调节(DVS)技术[2]。也有研究者从网络层面来考虑节能方法。目前研究较多的节能技术包括:节点休眠/唤醒调度机制,功率管理算法、报文驱动的节能机制和时间驱动的节能机制,数据融合技术,改进路由算法和组网方式等等。
在大部分Zig Bee网络的应用中,事件发生的偶然性很强,监测节点没有必要时刻保持在高速的工作状态。节点一般处于睡眠状态,必要时加以唤醒,将显著地降低节点的能耗,是一种有效的节能方案。休眠唤醒的方法通常有定时唤醒和射频唤醒两种。定时唤醒无需对节点硬件进行改动,只需利用软件预先设定节点的工作状态时刻表,但定时唤醒在延长无线网络寿命的同时降低了系统的实时性,不能达到最佳的节能效果。而射频唤醒对网络的实时性损害很小,能更大程度地降低节点的功耗,延长无线传感器网络的寿命。尤其在一些实时性要求比较高的特殊区域,可以采用定时唤醒与射频唤醒相结合的工作方式,在对硬件进行改进的同时,在软件的编写中使用定时时刻表[3]。
2 低功耗节点设计
2.1 硬件电路
无线网络节点一般由传感器、处理器、无线通信和能量供应四大模块组成。本系统增加了一个射频唤醒模块,其作用是给微处理器模块一个中断使其从睡眠状态唤醒到工作状态。
本文选择西安华凡科技有限公司的HFZ-CC2430CC2431ZDK开发套件,以CC2430芯片作为Zig Bee无线传感器网络的核心元件。CC2430集成了符合IEEE802.15.4标准的2.4 GHz的RF无线电收发机、1个8位增强型51内核MCU、128 KB可编程闪存和8 KB的RAM,带有2个强大的支持几组协议的USART,以及1个符合IEEE 802.15.4规范的MAC计时器[4]。CC2430在接收和发射模式下,电流损耗分别低于27 m A或25 m A;在休眠模式时仅0.9μA的流耗,同时具有从休眠模式转换到主动模式时间超短的特性。
射频唤醒模块由接收电路和发射电路两部分组成。由于Zig Bee节点之间的距离较近(几十米),选用低频唤醒的方式比较适合。选用Atmel公司的具有超低功耗、序列头侦测功能的ATA5276和ATA5283,其中ATA5276用于发射125KHz电磁波,ATA5283用于接收125KHz电磁波。ATA5276待机电流小于50μA。ATA5283在接收数据前处于待机侦听模式时电流仅为1u A,接收数据的过程中功耗为2u A。射频唤醒模块的低频信号与CC2430的高频信号采用不同的天线。本文采用单极天线电感加载方式来接收125KHz电磁波。
2.2 工作方式
CC2430的五种工作模式和对应的工作电流如下:发送(24.7m A)、接收(27m A)、空闲(190u A)、掉电(0.9 u A)和关闭(0.6u A)。本系统采用数据采集节点在数据采集间隔期进入掉电工作模式,唤醒之后系统进入正常工作模式(发送/接收)。
节点在初始状态下处于睡眠状态,其射频唤醒模块A-TA5283则处于待机侦听模式,可以接收电磁波。ATA5283接收到一个完整的序列头后会在N_WAKEUP脚给出一个低电平去唤醒CC2430。CC2430通过读取ATA5283的N_DATA脚可以获得ASK解调输出的串行数据。当CC2430判断数据已接收完,给出一个高电平到ATA5283的RESET脚,它就会回到待机侦听模式。如果需要唤醒周围的其他节点进行数据的转发操作,CC2430就通过一个单线双向接口控制A-TA5276配合天线线圈发射125k Hz低频载波传送数据和能量,来唤醒周围节点协助工作。节点在处理完事件后,会判断是否继续停留在全速工作状态,如果不需要就再次进入睡眠状态等待下一次被唤醒。
2.3 系统测试
在50平方米的房间里随机放置了一个协调节点,六个采集节点。每个采集节点用两节1600m Ah的电池供电。测试时采集节点的工作状态分三种情况:一是始终处于工作状态;二是采用定时唤醒机制,设定状态切换周期为4秒(3795ms休眠,5ms过渡,200ms侦听);三是采用射频唤醒机制。假定每天有20个随机事件发生,每个事件持续1分钟,则6个节点一天内消耗的总能量分别为8463.5m Ah.V、536.4m Ah.V、42.3m Ah.V。经过比较,射频唤醒机制下能耗最低,是定时唤醒机制下的7.9%,是始终处于工作状态下的
0.5%。
3 结论
本文在分析现有节能机制的基础上着重研究射频唤醒机制,设计低功耗节点,有效控制节点的唤醒时间,降低的节点的能量消耗,对于Zig Bee无线传感器网络技术的推广有一定的实际意义。S
摘要：本文在分析现有ZigBee传感器网络节能机制的基础上着重研究了休眠调度机制。从单个节点的设计入手,通过射频唤醒模块来控制节点工作状态,使节点适时地进行睡眠/唤醒工作状态之间的切换。最终实现节点的低功耗,达到整个ZigBee网络节能的目的。
关键词：ZigBee,节能,休眠,射频唤醒
参考文献
[1]Sinha and A.Chandrakasan.Operating System and Algorithmic Techniques for Energy Scalable Wireless Sensor Networks[R].Proc.of the Second International Conference on Mobile Data Management,Jan,2001.
[2]Pering T,Burd T,Brodersen R.Dynamic Voltage Scaling and the Design of a Low-power Microprocessor System[C]//Proceeding of Power Driven Microarchitecture Workshop at ISCA98,Barcelona,Spain,1998.
[3]吴鹏程.无线传感器网络射频唤醒机制研究[D].重庆大学,2008.