傳感器網(wǎng)絡(luò)重點(diǎn)課件

無(wú)線傳感器網(wǎng)絡(luò)1無(wú)線傳感器網(wǎng)絡(luò)簡(jiǎn)介1.1無(wú)線傳感器網(wǎng)絡(luò)定義無(wú)線傳感器網(wǎng)絡(luò)就是由部署在監(jiān)測(cè)區(qū)域內(nèi)大量的廉價(jià)微型傳感器節(jié)點(diǎn)組成，通過無(wú)線通信方式形成的一個(gè)多跳的自組織的網(wǎng)絡(luò)系統(tǒng)，其目的是協(xié)作地感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中感知對(duì)象的信息，并發(fā)送給觀察者。傳感器、感知對(duì)象、觀測(cè)者構(gòu)成WSN的三個(gè)要素.1.2無(wú)線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)無(wú)線傳感器網(wǎng)絡(luò)1無(wú)線傳感器網(wǎng)絡(luò)簡(jiǎn)介1傳感器網(wǎng)絡(luò)重點(diǎn)課件2

傳感器節(jié)點(diǎn)：處理能力，存儲(chǔ)能力和通信能力較弱，通過攜帶能量有限的電池供電。兼顧終端和路由器功能。

匯聚節(jié)點(diǎn)：處理能力，存儲(chǔ)能力和通信能力較強(qiáng)，連接傳感器網(wǎng)絡(luò)和INTERNET等外部網(wǎng)絡(luò)。

管理節(jié)點(diǎn)：用戶通過管理節(jié)點(diǎn)對(duì)傳感器網(wǎng)絡(luò)進(jìn)行配置和管理，發(fā)布監(jiān)測(cè)任務(wù)和收集監(jiān)測(cè)數(shù)據(jù)。1.3傳感器網(wǎng)絡(luò)的特點(diǎn)大規(guī)模網(wǎng)絡(luò)：部署的區(qū)域和節(jié)點(diǎn)的密度

自組織網(wǎng)絡(luò)：節(jié)點(diǎn)一般隨機(jī)部署，位置和拓?fù)浣Y(jié)構(gòu)難以描述

動(dòng)態(tài)性網(wǎng)絡(luò)：網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)性

可靠的網(wǎng)絡(luò)：網(wǎng)絡(luò)維護(hù)幾乎不可能

應(yīng)用相關(guān)的網(wǎng)絡(luò)：沒有統(tǒng)一的通信協(xié)議平臺(tái)

以數(shù)據(jù)為中心的網(wǎng)絡(luò)：互聯(lián)網(wǎng)以地址為中心

32無(wú)線傳感器網(wǎng)絡(luò)中的拓?fù)淇刂?/p>

2.1拓?fù)淇刂蒲芯康闹饕獌?nèi)容傳感器網(wǎng)絡(luò)拓?fù)淇刂浦饕芯康膯栴}是:在滿足網(wǎng)絡(luò)覆蓋度和連通度的前提下，通過功率控制和骨干網(wǎng)節(jié)點(diǎn)選擇，剔除節(jié)點(diǎn)之間不必要的通信鏈路，形成一個(gè)數(shù)據(jù)轉(zhuǎn)發(fā)的優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)。具體的講,傳感器網(wǎng)絡(luò)拓?fù)淇刂七€可以按照研究方向進(jìn)行分類,可以歸納出3個(gè)研究熱點(diǎn),即節(jié)點(diǎn)功率控制、層次型拓?fù)淇刂埔约熬W(wǎng)內(nèi)節(jié)點(diǎn)協(xié)同啟發(fā)機(jī)制。節(jié)點(diǎn)功率控制機(jī)制調(diào)節(jié)網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的發(fā)射功率,目的是在保證全網(wǎng)連通性的情況下,均衡節(jié)點(diǎn)一跳距離的鄰居數(shù)目;層次型拓?fù)淇刂剖沁x擇網(wǎng)絡(luò)中的一些節(jié)點(diǎn)成為骨干節(jié)點(diǎn),構(gòu)架起包轉(zhuǎn)發(fā)的骨干網(wǎng)絡(luò),其他非骨干網(wǎng)節(jié)點(diǎn)接受骨干節(jié)點(diǎn)管轄;網(wǎng)內(nèi)節(jié)點(diǎn)協(xié)同啟發(fā)機(jī)制是節(jié)點(diǎn)按照周邊通訊環(huán)境的變化,進(jìn)行自主控制以及和鄰居節(jié)點(diǎn)進(jìn)行交互的機(jī)制。2無(wú)線傳感器網(wǎng)絡(luò)中的拓?fù)淇刂?2.2拓?fù)淇刂频难芯楷F(xiàn)狀2.2.1功率控制方面

節(jié)點(diǎn)統(tǒng)一功率分配算法節(jié)點(diǎn)統(tǒng)一功率分配算法是一種比較簡(jiǎn)單的功率控制算法,是在所有傳感器節(jié)點(diǎn)上使用一個(gè)保證網(wǎng)絡(luò)連通的最小發(fā)送功率。比如Narayanaswamy等人提出的COMPOW功率控制方案[4]。在COMPOW算法中,每個(gè)節(jié)點(diǎn)維護(hù)多張路由表,分別對(duì)應(yīng)于不同的發(fā)射功率級(jí)別,節(jié)點(diǎn)間同級(jí)別的路由表交換控制消息。通過對(duì)比不同路由表中的表項(xiàng),節(jié)點(diǎn)可以決定確保最多節(jié)點(diǎn)連通的最小的通用功率級(jí)別,然后統(tǒng)一用該功率發(fā)射。但這種功率分配方法的最大缺點(diǎn)是,如果節(jié)點(diǎn)的撒布不均勻,那么全網(wǎng)通用的通信功率可能會(huì)很大。

基于節(jié)點(diǎn)度的算法2.2拓?fù)淇刂频难芯楷F(xiàn)狀5一個(gè)節(jié)點(diǎn)的度數(shù)是指所有距離該節(jié)點(diǎn)一跳的鄰居節(jié)點(diǎn)的數(shù)目?；诠?jié)點(diǎn)度的算法一般動(dòng)態(tài)調(diào)節(jié)節(jié)點(diǎn)的發(fā)射功率,使得節(jié)點(diǎn)的度數(shù)處于一個(gè)合理的區(qū)間。本地平均算法LMN(LocalMeanAlgorithm)和本地鄰居平均算法LMA(LocalMeanOfNeighborsAlgorithm)[6]是兩種周期性動(dòng)態(tài)調(diào)整節(jié)點(diǎn)發(fā)射功率的算法。它們之間的區(qū)別在于計(jì)算節(jié)點(diǎn)度的策略不同。在LMN算法中,節(jié)點(diǎn)定期檢測(cè)鄰居數(shù)量,并根據(jù)鄰居數(shù)量來(lái)調(diào)節(jié)發(fā)射功率;而在LMA算法中節(jié)點(diǎn)是將該節(jié)點(diǎn)鄰居的鄰居數(shù)求平均值作為自己的鄰居數(shù)。這類算法利用少量的局部信息達(dá)到了一定程度的優(yōu)化效果,它們不需要很強(qiáng)的時(shí)鐘同步,但是算法中還存在一些明顯的不足,例如,需要進(jìn)一步研究合理的鄰居判斷條件,對(duì)從鄰居節(jié)點(diǎn)得到的信息是否需要根據(jù)信號(hào)的強(qiáng)弱給予不同的權(quán)重一個(gè)節(jié)點(diǎn)的度數(shù)是指所有距離該節(jié)點(diǎn)一跳的6

基于鄰近圖的算法在基于鄰近圖的算法中,所有節(jié)點(diǎn)以最大功率發(fā)射時(shí)形成的拓?fù)鋱D為圖G,定義為G=(V,E)的形式,V代表圖中頂點(diǎn)的集合,E代表圖中邊的集合,E中的元素可以表示為(u,v),其中u,v∈V,按照一定的規(guī)則Q,求出該圖的鄰近圖G’,最后G’中每個(gè)節(jié)點(diǎn)以自己所鄰接的最遠(yuǎn)通信節(jié)點(diǎn)來(lái)確定發(fā)射功率2.2.2層次拓?fù)淇刂品矫嬖趯哟涡蛽淇刂品矫妫岢隽薚opDisc成簇算法，以及LEACH和HEED等自組織成簇算法LEACH算法它是一種自適應(yīng)分簇拓?fù)渌惴ǎ膱?zhí)行過程是周期性的，每輪循環(huán)分為簇的建立階段和穩(wěn)定的數(shù)據(jù)通信階段。在簇的建立階段，相鄰節(jié)點(diǎn)動(dòng)態(tài)地形成簇，隨機(jī)產(chǎn)生簇頭;在數(shù)據(jù)通信階段，簇內(nèi)節(jié)點(diǎn)把數(shù)據(jù)發(fā)送給簇頭，簇頭進(jìn)行數(shù)據(jù)融合并把結(jié)果發(fā)送給匯聚節(jié)點(diǎn)。由于簇頭需要完成數(shù)據(jù)融合、與匯聚點(diǎn)通信等工作，所以能量消耗大。LEACH算法能夠保證各節(jié)點(diǎn)等概率地?fù)?dān)任簇頭，使得網(wǎng)絡(luò)中的節(jié)點(diǎn)相對(duì)均衡地消耗能量?；卩徑鼒D的算法72.2.3網(wǎng)內(nèi)節(jié)點(diǎn)協(xié)同啟發(fā)機(jī)制方面現(xiàn)已經(jīng)提出STEM算法和ASCENT算法

STEM算法STEM算法是一種節(jié)點(diǎn)喚醒機(jī)制。該算法采用雙信道,即監(jiān)聽信道和數(shù)據(jù)通訊信道。具體地講,STEM算法又分STEMB(STEM-BEACON)算法和STEM-T(STEM-TONE)算法。在STEM-B算法中,當(dāng)一個(gè)節(jié)點(diǎn)想給另外一個(gè)節(jié)點(diǎn)發(fā)送數(shù)據(jù)時(shí),它作為主動(dòng)節(jié)點(diǎn)先發(fā)送一串喚醒包。目標(biāo)節(jié)點(diǎn)在收到喚醒包后,發(fā)送應(yīng)答信號(hào)并自動(dòng)進(jìn)入數(shù)據(jù)接收狀態(tài)。主動(dòng)節(jié)點(diǎn)接收到應(yīng)答信號(hào)后,進(jìn)入數(shù)據(jù)發(fā)送階段。在STEM-T算法中,節(jié)點(diǎn)周期性地進(jìn)入偵聽階段,探測(cè)是否有鄰居節(jié)點(diǎn)要發(fā)送數(shù)據(jù);當(dāng)一個(gè)節(jié)點(diǎn)想與某個(gè)鄰居節(jié)點(diǎn)進(jìn)行通信時(shí),它就發(fā)送一連串的喚醒包,發(fā)送喚醒包的時(shí)間長(zhǎng)度必須大于偵聽的時(shí)間間隔,可以確保鄰居節(jié)點(diǎn)能夠收到喚醒包,緊接著節(jié)點(diǎn)就直接發(fā)送數(shù)據(jù)包。可見STEM-T比STEM-B更簡(jiǎn)單實(shí)用。STEM算法適用于類似環(huán)境監(jiān)測(cè)或者突發(fā)事件監(jiān)測(cè)等應(yīng)用,經(jīng)實(shí)驗(yàn)證明,節(jié)點(diǎn)的喚醒速度可以滿足應(yīng)用的需要。但是在STEM算法中,節(jié)點(diǎn)的睡眠周期、部署密度以及網(wǎng)絡(luò)的傳輸延遲之間有著密切的關(guān)系,要針對(duì)具體的應(yīng)用要求進(jìn)行調(diào)整。2.2.3網(wǎng)內(nèi)節(jié)點(diǎn)協(xié)同啟發(fā)機(jī)制方面83無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合3.1數(shù)據(jù)融合的思想

數(shù)據(jù)融合主要思想是將獲得數(shù)據(jù)發(fā)送sink之前，對(duì)來(lái)自不同的傳感器節(jié)點(diǎn)數(shù)據(jù)在融合點(diǎn)上進(jìn)行結(jié)合，刪除冗余數(shù)據(jù)，最小化信息傳輸量3.2數(shù)據(jù)融合的作用

節(jié)省能量獲得更準(zhǔn)確的信息提高數(shù)據(jù)收集效率3.3數(shù)據(jù)融合模型

數(shù)據(jù)融合模型可分為跟蹤級(jí)融合結(jié)構(gòu)模型與屬性級(jí)融合結(jié)構(gòu)模型3無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合9

跟蹤級(jí)融合模型可分為兩種，集中式與分布式.(1)集中式結(jié)構(gòu)集中式結(jié)構(gòu)的特點(diǎn)是匯聚節(jié)點(diǎn)發(fā)送有關(guān)數(shù)據(jù)的興趣或查詢，具有相關(guān)數(shù)據(jù)的多個(gè)源節(jié)點(diǎn)直接將數(shù)據(jù)發(fā)送給匯聚節(jié)點(diǎn)，最后由匯聚節(jié)點(diǎn)進(jìn)行數(shù)據(jù)的融合。這種結(jié)構(gòu)優(yōu)點(diǎn)是信息損失較小。但由于無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)分布較為密集，多源對(duì)同一事件的數(shù)據(jù)表征存在近似的冗余信息，因此對(duì)冗余信息的傳輸將使網(wǎng)絡(luò)消耗更多的能量(2)分布式結(jié)構(gòu)分布式結(jié)構(gòu)中源節(jié)點(diǎn)發(fā)送的數(shù)據(jù)經(jīng)中間節(jié)點(diǎn)轉(zhuǎn)發(fā)時(shí)，中間節(jié)點(diǎn)查看數(shù)據(jù)包的內(nèi)容，進(jìn)行相應(yīng)的數(shù)據(jù)融合后再傳送到匯聚節(jié)點(diǎn)，由匯聚節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)的綜合。該結(jié)構(gòu)在一定程度上提高了網(wǎng)絡(luò)數(shù)據(jù)收集的整體效率，減少了傳輸?shù)臄?shù)據(jù)量，從而降低能耗，提高信道利用率。跟蹤級(jí)融合模型可分為兩種，集中式與分布式.10屬性數(shù)據(jù)融合結(jié)構(gòu)可分為三類：決策層、特征層、數(shù)據(jù)層的屬性融合。(1)數(shù)據(jù)層屬性融合結(jié)構(gòu)指基于原始的多個(gè)傳感器采集的數(shù)據(jù)，直接融合來(lái)自同類傳感器數(shù)據(jù)，然后實(shí)現(xiàn)特征提取和對(duì)來(lái)自融合數(shù)據(jù)的屬性判決。多數(shù)情況下僅依賴于傳感器型，不依賴于用戶需求。由于數(shù)據(jù)量大，冗余度高，因此融合計(jì)算量龐大，屬于最底層的融合。(2)特征層屬性融合結(jié)構(gòu)指對(duì)各傳感器數(shù)據(jù)進(jìn)行處理并抽取特征后再進(jìn)行融合。其中特征抽取是將傳感器的數(shù)據(jù)表示為能反映事物屬性的特征向量。該層關(guān)鍵是抽取一致的、有用的信息，排除無(wú)用甚至矛盾的信息，進(jìn)行融合的數(shù)據(jù)量、計(jì)算量均屬中等。(3)決策層屬性融舍結(jié)構(gòu)指在特征層屬性融合基礎(chǔ)上，對(duì)監(jiān)測(cè)對(duì)象進(jìn)行分類判別，從而得出判決信息。通常各傳感器單獨(dú)做出決策后，再將決策信息傳送到?jīng)Q策中心(即融合中心)做出最終決策。該層進(jìn)行融合的數(shù)據(jù)量、計(jì)算量均較小。屬性數(shù)據(jù)融合結(jié)構(gòu)可分為三類：決策層、特征層、數(shù)113.4基于多Agent的數(shù)據(jù)融合模型

Agent是指在一定環(huán)境下具有自主性、持續(xù)性、社會(huì)性和代理性等特征的計(jì)算實(shí)體。它有自己的知識(shí)庫(kù)和推理機(jī)制，能主動(dòng)對(duì)環(huán)境的作用做出反應(yīng)。多Agent系統(tǒng)則是由一組Agent通過彼此的協(xié)商與協(xié)作組成一個(gè)整體在這種結(jié)構(gòu)中，匯聚節(jié)點(diǎn)作為融合中心，數(shù)據(jù)的融合通過傳感器Agent與融合中心Agent，由傳感器節(jié)點(diǎn)與匯聚節(jié)點(diǎn)間的協(xié)商實(shí)現(xiàn)。若將匯聚節(jié)點(diǎn)最終獲得融合數(shù)據(jù)的過程視為系統(tǒng)任務(wù)分配與執(zhí)行，則具體的協(xié)商策略是：融合中心將系統(tǒng)任務(wù)發(fā)送給能獨(dú)立完成該任務(wù)的傳感器，或能聯(lián)合完成該任務(wù)的傳感器組。各傳感器根據(jù)其自身的需要與相關(guān)的傳感器進(jìn)行協(xié)商，這一過程持續(xù)到融合中心發(fā)出下一組任務(wù)時(shí)為止。把多Agent用于提高傳感器網(wǎng)絡(luò)數(shù)據(jù)融合度和實(shí)現(xiàn)數(shù)據(jù)同步及任務(wù)協(xié)同處理是非常有利的。3.4基于多Agent的數(shù)據(jù)融合模型12基于多Agent的數(shù)據(jù)融合模型基于多Agent的數(shù)據(jù)融合模型134無(wú)線傳感器網(wǎng)絡(luò)的一種數(shù)據(jù)管理底層協(xié)議(LDMP)以往的協(xié)議都基于一個(gè)基本假設(shè):

基站感興趣的數(shù)據(jù)總是在網(wǎng)絡(luò)中穩(wěn)定存在(而不因節(jié)點(diǎn)關(guān)閉而丟失或因節(jié)點(diǎn)移動(dòng)而移動(dòng))。LDMP考慮在節(jié)點(diǎn)關(guān)閉或移動(dòng)的情況下，如何保證該節(jié)點(diǎn)帶有的歷史數(shù)據(jù)仍保存在原地理位置附近．而不丟失或移動(dòng)，從而在不改變?cè)型ㄓ崊f(xié)議的