滨州无线位移传感器公司

什么是无线传感器网络

无线传感器网络作为计算、通信和传感器三项技术相结合的产物,是一种全新的信息获取和处理技术。由于近来微型制造的技术、通讯技术及电池技术的改进,促使微小的传感器可具有感应、无线通讯及处理信息的能力。此类传感器不但能够感应及侦测环境的目标物及改变,并且可处理收集到的数据,并将处理过后的资料以无线传输的方式送到数据收集中心或基地台。这些微型传感器通常由传感部件、数据处理部件和通信部件组成,随机分布的集成有传感器、数据处理单元和通信模块的微小节点通过自组织的方式构成网络。借助于节点中内置的形式多样的传感器测量所在周边环境中的热、红外、声纳、雷达和地震波信号,从而探测包括温度、湿度、噪声、光强度、压力、土壤成分、移动物体的大小、速度和方向等众多我们感兴趣的物质现象。在通信方式上,虽然可以采用有线、无线、红外和光等多种形式,但一般认为短距离的无线低功率通信技术较适合传感器网络使用,一般称作无线传感器网络。
无线传感器网络的应用
无线传感器网络节点的微处理能力和无线通信能力使无线传感器网络有广阔的应用前景,以下分为五大类加以描


述其应用及潜力:
a、军事应用
b、生物环境监测
c、健康应用
d、家庭应用
e、工业控制和监测
无线传感器网络体系结构


无线传感器网络体系结构由三个主要部分组成:传感节点,终端节点( Sink)和观察对象。传感节点散布在观察区域内采集与观察对象相关的数据,并将协同处理后的数据传送到Sink。Sink可以通过Internet或通信卫星实现传感器网络与任务管理节点通信。

网络的自动配置和自动康复和维持系统能量有效性


无线传感器网络被布置在无人值守的环境中时，更换能源几乎不可能，为了节约能源，发射功率要尽可能小，传输距离要短，节点间通信需要中间节点作为中继。在地震救灾或者是无人*行器中，网络的自动配置和自动康复功能显得异常重要，而大规模的多跳无线传感器网络系统的可测量性（scalability）也是一个关键问题。实现可测量性的一种方法是“分而治之（divide and conquer）”，或者说是分层控制（hierarchical），即用某种簇标准将网络节点分成簇组（clusters），在每个簇中选出一个作为簇头（leader），它在比较高的层次上代表本簇；同样的机制也应用到簇头中，使之形成一个层次，这个层次中，每个级别应用当地控制（local control）去实现某个全局目标。大多数无线网络中的分类思想认为网络与地理位置无关，分类的标准是簇里的节点数量和簇间的逻辑直径（相对于地理直径而言）。但是，当簇头（cluster leader）和簇内其它节点间的链路很长，相邻簇间地理位置交迭很大，且不同的簇间路由消息载荷（routing traffic load）不平衡时，一个非簇头（non-leader）节点和它的簇头节点之间通过它们之间仅有的长链路通信将要消耗更多的能量，并且相邻簇间的并行通信冲突频发，簇间能量消耗不平衡，由此带来的结果是网络的寿命和通信质量与有效性都大幅减小。因此，为了节约能量和改善通信质量和有效性，在设计簇算法时，簇的地理半径应该考虑。文献[10]提出，在传感器节点内用一种简单的细胞聚类结构去构成路由协议，这样可以维持一种可测量的能量有效的系统，其关键的问题是使这种细胞簇结构具有自动康复性。作者针对大规模多跳传感器网络的自动配置和自动康复提出了一种分布式算法，这种算法可以**网络节点在二维空间里自动配置成细胞簇结构，其细胞单元有紧凑的地理半径，细胞单元之间的交叠也很小。这种结构在各种扰动下是自动康复的，比如节点加入、离开、死亡、移动、被敌方捕获等。文献[11]给出了一种针对簇的分布式算法LEACH，它是通过全局上重复簇操作来处理扰动的，但这种算法既不能**系统中簇的定位也不能**簇的数量。文献[12]给出了另外一种簇算法，它仅考虑了簇的逻辑半径，而不考虑地理半径，当簇间存在比较大的交迭时，这种方法会降低无线传输的有效性。另外，它的康复不在本地处理，而是依赖于消息在整个系统中的多次循环。文献[13]中给
出了一种基于访问的簇算法，这种算法注重簇的稳定性，不考虑簇的大小，要求每个节点都有**定位系统（GPS）的支持。

统功耗问题


无线传感器网络应用于特殊场合时，电源不可更换，因此功耗问题显得至关重要。


在系统的功耗模型中，我们较关心的是：


（1） 微控制器的操作模式（休眠模式、操作模式、，潜在的减慢时钟速率等），无线前端的工作模式（休眠、空闲、接收、发射等）；
（2）在每种模式中，每个功能块的功耗量，及它与哪些参数有关；
（3）在发射功率受限的情况下，发射功率和系统功耗的映射关系；
（4）从一种操作模式转换到另外一种操作模式(假设可以直接转换)的转换时间及其功耗；
（5）无线调制解调器的接收灵敏度和较大输出功率；
（6）附加的品质因数（如发射前端的温漂和频稳度、接收信号场强指示(RSSI)信号的标准等）。


基于以上考虑，文献[14]提出了一种自组织低功耗网络的协议i-Beans，并具体说明了此网络的功耗。比如，用一个220mAh的小纽扣电池供电，网络的平均消耗电流是100µ;A，取样率是每秒1次，则电池可以持续80天；如果抽样率是每两分钟一次，平均消耗电流降到1.92µ;A，则电池寿命可以延长到13.1年。


为了克服远程无线传感器网络面临的电池工作时间短的问题，美国Millennial Net公司已经将其i-Bean无线技术与来自新兴公司Ferro Solutions的“能量获得（energy harvesting）”技术结合在一起，双方较近展示了一个靠感应振荡能量转换器工作的i-Bean无线发射机。这种转换器能由在50mg至100mg力作用下的28Hz至30Hz振荡产生1.2mV至3.6mV的电压，并允许在30m距离上以115Kb/s速率发送数据（无电池）。该公司还与其他公司合作开发太阳能电池板来给无线传感器供电。


在能量优化研究方面，西安交通大学的黄进宏等在文献[15]中提出了一种基于能量优化的无线传感网络自适应组织结构和协议ALEP。与传统的无线微传感器网络协议相比，ALEP更加充分地考虑到实际应用。它将一种高效能量控制算法引入组网协议，提高了网络的能量利用率，**延长了无线网络的生命周期，增强了网络的健壮性。通过对ALEP协议进行OPNET仿真，结果显示该协议与传统模式的无线微传感器网络协议相比，在传送相同的数据量的条件下有更高效的能量特性和信息传输特性。

大规模传感器网络中的节点移动性管理


这个问题实质上就是没有无线基础设施的无线传感器网络中的节点查询问题。较简单的资源查询方式是全局泛洪法，但是对于资源有限的无线传感器网络不适用，因此在设计工作中应该尽量避免使用全局泛洪法。扩展环搜索法（expanding ring search）用增加生存时间（Time-To-Live， TTL）的方式重复泛洪，这种方式和由此派生出来的方式也不适合无线传感器网络。在改善泛洪法的效率方面，文献[6]中提出的方案是通过减少查询每个节点时出现的多余消息去减少泛洪法固有的冗余，在没有出现明显的冗余情况下，这种方案对提高效率没有太多贡献。在ad hoc网络中，查询节点是通过基于簇（clusters）和界标（landmarks）的层次表来实现的，这种方式需要在节点之间设置复杂的协调机制，当节点移动时或者簇头（cluster-head）或界标失败时，层次表需要重新配置。而且，通常簇头会成为一个瓶颈，所以我们通常避免这种分层次的协调表，也避免使用簇头。


GLS[7]中提出的技术是基于一种所有节点都已知的网络网格图。节点使用位置服务器保存它们的位置，并用一种基于ID号的算法去更新它们的位置，当节点寻找*ID号的节点位置时，也用这种算法去服务器寻找目标节点的位置。对于知道网络的网格图和它们自己的位置并且知道目标节点的ID号的节点，这种方法是一个好方法。


文献[8]中介绍了一种针对大规模移动传感器网络的查询方法，这种方法借用了小世界（small worlds）的概念，利用节点的移动性去提高查询效率，并引入了关联（contacts）的概念。其工作原理是首先在相邻节点间建立关联，当它们移动时，再关联新的相邻节点，这样提高了查询的效率。与传统的路由查询方式不同，这种设计基本目标不是去优化路由或者响应延时，而是去减少通信的系统开销，这一点在能量受限的环境中非常重要，特别是对于传感器数量众多的网络中的一次性查询(通信的生存时间很短)。文中给出的协议是可升级的（scalable）、自动配置的，非常适应节点的移动性要求。仿真结果显示它比边缘泛洪法提高效率60-70％，比泛洪法提高效率80-90％，比扩展环搜索法则有更大的改善。


针对无线传感器网络中的分布式定位，文献[9]比较了三种定位算法：ad hoc、鲁棒定位、N跳多向法（N-hop multilateration）。具体选择哪种算法要取决于某些网络参数，比如差错分布和连通性等。

-/gjjici/-