无线传感器网络实验

无线传感器网络实验（精选8篇）

无线传感器网络实验 篇1

实验报告

2015 5--2016 6 学年第 一 学期

开 课 单 位

海洋信息工程学院

适用年级、专业

课 程 名 称

无线传感器网络

主 讲 教 师

王晓莹

课 程 序 号

1510344

课 程 代 码

BS1620009X0

实 验 名 称

ns2 实验环境配置及应用

实 验 学 时学时

学

号

姓

名

一、

实验目的1)掌握虚拟机的安装方法。

2)熟悉 Ubuntu 系统的基本操作方法。

3)掌握 ns2 环境配置。

4)掌握 tcl 语言的基本语句及编程规则。

5)了解使用 ns2 进行网络仿真的过程。

二、

实验环境

1)系统：Windows 10 专业版 64 位 2)内存：8G 3)软件：VMware Workstation 12 Pro 三、实验内容

((一 一))安装虚拟机（简述安装步骤）

a)在 VMware 官网（https://#allinone 复制到根目录，解压到当前位置 tar xvfz ns-allinone-2.35.tar.gz

在根目录下打开 ns-allinone-2.35 文件夹，在里面找到 ns-2.35 打开找 linkstate文 件 夹，打 开 里 面 的 ls.h 文 件，将 第 137 行 的 void eraseAll(){ erase(baseMap::begin(), baseMap::end());} 改成 void eraseAll(){ this->erase(baseMap::begin(), baseMap::end());}

运行 cd./ns-allinone-2.35 运行./install #进行安装

d)设置环 境变量：

终端中输入 cd，返回根目录，然后

sudo gedit.bashrc 在文件末尾加入：

export PATH=“$PATH:/home/kevin/ns-allinone-2.35/bin:/home/kevin/ns-allinone-2.35/tcl8.5.10/unix:/home/kevin/ns-allinone-2.35/tk8.5.10/unix” export LD_LIBRARY_PATH=“$LD_LIBRARY_PATH:/home/kevin/ns-allinone-2.35ns-allinone-2.35/otcl-1.14:/home/kevin/ns-allinone-2.35/lib” export TCL_LIBRARY=“$TCL_LIBRARY:/home/kevin/ns-allinone-2.35/tcl8.5.10/library” 保存退出

e)验证 完成后在新终端窗口 输入 ns 出现%

测试：

ns./ns-allinone-2.35/ns-2.35/tcl/ex/simple.tcl

输入 exit 退出 ns2

((四 四))l tcl 语言基本使用（举例说明）

a)创建 test01.tcl 文件，编辑 test01.tcl 文件,在终端输入 touch test01.tcl #创建文件 gedit test01.tcl #编辑文件 b)在 test01.tcl 中输入“九九乘法表”TCL 语言

c)运行 test01.tcl，结果如图：

((五 五))网络仿真（可以选示例，也可以自己参考资料设计仿真）

((六 六))遇到的问题及解决方法

1.Ns2 验证：安装完成后在新终端窗口 输入 ns 不出现 %

使用 sudo apt-get install ns2 安装后新窗口输入 ns 出现 %

2.TCL 语言测试：找不到 tk.tcl

ns./ns-allinone-2.35/ns-2.35/tcl/ex/simple.tcl 提示找不到 tk.tcl，因为没安装 nam，输入命令 sudo apt-get install nam 安装成功，再验证就可以了。

四、

实验总结

无线传感器网络实验 篇2

无线传感器网络 (WSN, Wireless Sensor Networks) 是由部署在监测区域内大量传感器节点组成的Ad hoc网络, 具有广阔的应用前景[1,2,3]。它可以随时随地的获取监测区域信息, 已成为物联网重要支撑技术之一, 受到国内外的广泛关注[4,5]。

无线传感器网络是一门多学科交叉的课程, 融合了传感器技术、嵌入式技术、无线通信技术和分布式处理技术等, 其所涉及的内容十分广泛[6,7]。作为一门理论和实践相结合的课程, 单纯的课堂教学达不到教学目的, 需通过实验使学生掌握和理解无线传感器网络的原理等理论知识, 并能够具备进行无线传感器网络的应用、开发的能力。通过课堂教学和实验操作, 使学生既具备理论知识, 又具有解决实际工程问题的能力。为此, 对当前课程中存在的问题, 在实际教学过程中, 有针对性的对理论教学和实验教学进行了一些改革和探索, 取得了良好地教学效果。

1 课程存在问题

当前, 无线传感器网络教学过程中存在以下问题:

(1) 课堂教学主要采用传统的教学模式, 以教师的讲授、学生被动接受为主, 教与学之间信息单向流通。主要表现在:首先, 课题教学以教师为中心, 师生缺乏互动, 即使具有互动也是浅层次的, 未达到教与学相长的目的。采用“填鸭式”教学, 教师讲授过多, 学生主动发言太少, 课堂气氛沉闷。无线传感器网络作为一门综合性的专业课, 教授内容丰富, 原理抽象, 理论性较强, 基础要求较高, 教师通过语言、板书结合PPT, 使教师讲授时间过多, 课堂有效时间减少, 而传递课程信息量较大, 使学生疲于接受信息, 来不及对接受的信息进行思考, 导致信息传输简单化。其次, 新技术的使用较少, 课程形象性较差。无线传感器网络教学中的一些难点, 很难采用传统教学形式进行表现, 直观性、形象性欠佳, 如传感器节点的组网、路由等, 概念抽象, 学生难以理解, 产生畏难情绪, 不爱学习。教学过程中教师很难顾及到每个学生, 学生不理解的内容越多, 对课程的兴趣越低, 最终导致放弃课程。同时, 教师囿于自身知识和技能, 也不愿采用新技术, 如OMNET、System View等网络方面的软件在课堂上进行直观、形象的演示。

(2) 实验教学内容单一性。主要表现在:实验内容陈旧, 多为验证性实验, 采用实验配套软件, 对教师课堂讲授内容进行证明, 实验教师一般给出系统实现的思路或框图, 对具体实现过程和内部的运行原理缺乏详细介绍, 学生处于被动地位, 对实验内容不能很好的理解和掌握, 实验积极性不高, 实验效果不佳。其次, 开放性实验较少, 学生感觉缺乏挑战性。限于实验课时数和人数的限制, 实施教学未采用通用的软件平台, 如Visual C#, 安排开放性实验, 发挥学生积极性, 独立对课堂内容进行实验, 造成学生实践能力欠佳, 并导致一方面实验资源的闲置浪费, 另一方面不能及时更新实验教学内容, 使实验内容进一步落后。

(3) 课程考核程序化。无线传感器网络是一门实践性较强的课程, 然而课程的考核仍采用传统的考核方式, 主要对学生课堂理论内容进行考试, 考核重点有限, 使历年理论考试内容基本一致, 试题库陈旧, 缺乏对学生工程实践能力的考核, 使理论与实践相脱离, 进一步加剧学生对实验课程的轻视。

(4) 理论教学与实验教学相分离。当前, 高校中采取由不同教师担任理论和实验教学, 导致理论教学教师对实验设备、实验内容缺乏了解, 实验教师对理论授课进度、深度掌握不准, 从而使理论教学与实验教学相脱节。

2 解决方法

为解决课程中存在的问题, 笔者对无线传感器网络课程教学进行探索与尝试, 课程整体设计如图1所示。在理论教学方面, 课堂授课“以讲授专业知识为主, 以课堂演示为辅”, 让学生对于课程内容具有直观认识, 培养学生的学习兴趣, 加深对概念和原理的理解。针对课程中的重点和难点, 结合使用现代化的多媒体和计算机软件, 如OMNET、System View等, 以直观形象方式的进行展示。通过采用丰富的教学形式, 扩大课堂教学的信息量, 提高课堂授课效果, 也增强了课堂的生动性和形象性。利用网络资源, 在课堂授课过程中将最新的研究成果、研究热点和应用穿插进行讲授, 进一步激发学生学习兴趣, 并及时更新和丰富理论考核试题库, 给学生一定的学习压力, 促进其学习主动性。在实验教学方面, 为帮助学生进一步掌握基本原理和基本方法, 将实验教学分为:验证实验、仿真实验和设计实验三个层次。通过验证实验, 加强了学生对基础理论的消化和吸收, 培养了学生专业基本技能和技术能力, 同时通过对实验结果进行讨论和分析, 进一步加强学生的感性认识, 达到更好的巩固课程原理。通过仿真实验, 使学生建立无线传感器网络子系统的概念, 锻炼了动手能力, 重点关注实验结果的讨论, 提高学生分析问题的能力。设计实验是由教师提供设计题目和设计要求, 由学生独立或者分组反复进行方案设计, 软件编程, 实验测试, 直到其所设计的实验满足设计要求, 并由教师进行验收, 学生撰写实验设计报告。整个实验过程采用项目式方式, 由学生独立完成, 加强了学生实验动手能力, 充分发挥学生的智慧, 培养创新意识、创新能力和团队合作精神, 进一步提高其自身综合素质。

3 结语

无线传感器网络课程理论性和实践性较强, 通过在课堂教学中引入演示教学, 将抽象概念变得形象生动, 易于理解, 丰富了教学手段, 提高了教学效果, 激发了学生的学习兴趣和热情, 也提高教师对科研工具的应用能力;在实验教学中引入设计实验, 通过教师的引导, 充分发挥学生的主观能动性和动手实践能力, 不仅巩固了所学到的知识, 也提高了知识应用能力和科研能力。学生反映良好, 教学效果明显。

摘要：无线传感器网络 (WSN) 是本科课程体系中重要的专业课程之一。本文总结了WSN课程特点, 在此基础上提出了该课程存在的问题, 并给出了相应的解决方法。在实际教学过程中, 通过改进教学方式, 提高了本科生对课程理论的理解和实践能力, 教学反应良好。

关键词：无线传感器,教学改革,课堂教学,实验教学

参考文献

[1]李小龙, 黄廷磊.“无线传感器网络”研究生课程的教学改革与研究[J].教育改革, 2011 (11) .

[2]诸燕平.基于OMNet++的无线传感器网络仿真实验教学研究[J].中国现代教育装备, 2011 (1) .

[3]赵迎新, 徐平平, 夏桂斌, 等.基于无线传感器网络的教学实验平台设计[J].电气电子教学学报, 2008, 30 (5) .

[4]陶为戈, 陈兴瑞, 贾中宁, 等.一种ZigBee无线传感器网络教学实验平台的构建[J].2012, 31 (12) .

[5]石建国, 马云辉, 张华斌, 等.ZigBee无线传感器网络教学实验平台开发[J].物联网技术, 2013 (6) .

[6]胡四泉, 王志良.“无线传感器网络”课程实验教学探讨[J].2010 (31) .

无线传感器网络覆盖算法研究 篇3

摘要：立足于无线传感器网络中的覆盖问题，分类总结近年来提出的覆盖算法，详细讨论了一些典型的无线传感器网络覆盖算法。

关键词：无线传感器网络覆盖

中图法分类：TP393

文献标识码：A

0引言

节点调度和密度控制是节约网络能量、延长网络生存时间的一种有效办法。本文立足于无线传感器网络中的覆盖问题，分类总结了近年来提出的覆盖算法，并详细讨论了一些典型的无线传感器网络覆盖算法。

1覆盖算法的分类

1.1确保完全覆盖的覆盖算法和不能确保完全覆盖的覆盖算法。假设部署在目标区域的传感节点组成的传感器网络能够完全覆盖目标区域。根据执行了算法之后处于活动状态的节点能否完全覆盖目标区域，把节点调度覆盖算法分为：确保完全覆盖的覆盖算法和不能确保完全覆盖的覆盖算法。前者适用于灾难救助、军事监测等对安全程度要求较高的应用领域，后者适用于环境感知、森林火灾监测等对安全程度要求较低的应用领域。前者又可分为1－覆盖和K－覆盖(K≥2)，属于K－覆盖的覆盖算法确保所有的监测目标或监测点同时都被K个不同的传感器节点所覆盖。

1.2集中式的覆盖算法和分布式的覆盖算法。根据算法实施策略来分，把覆盖算法分为：集中式的覆盖算法和分布式的覆盖算法。前者需要将整个网络的全局信息发送给一个处理节点，由处理节点单独执行完算法之后，将控制信息发送给网络中的每一个节点，因此仅适用于小型的传感器网络，不具备良好的扩展性。而后者通过利用局部信息，由邻近区域内节点之间的协作共同完成，可适用于大型的传感器网络。

1.3确保网络连通性的覆盖算法和不考虑网络连通性的覆盖算法。根据网络连通性来分，把覆盖算法分为：确保网络连通性的覆盖算法和不考虑网络连通性的覆盖算。文献已经证明，如果网络中的所有节点同构，且节点的感知模型为圆形区域感知模型，当通信半径大于或者等于2倍的传感半径时，完全覆盖目标区域的节点集构成的传感器网络一定是连通网络。然而，当通信半径小于2倍的传感半径时，不能保证网络的连通性。在不考虑通信半径与传感半径之间的关系时，确保网络连通性的覆盖算法能够保证在任意时刻，处于活动状态下的节点构成的网络是连通网络，因此收集到的传感数据能够发送到汇聚节点。

1.4依赖于节点位置信息的覆盖算法和不依赖于节点位置信息的覆盖算法。根据是否利用位置信息，把覆盖算法分为：依赖于节点位置信息的节点调度覆盖算法和不依赖于节点位置信息的覆盖算法。现有的定位技术由于硬件成本、能耗以及误差范围的限制，难以保证每个节点获得自身精确的物理位置，因此，倚赖于节点位置信息的覆盖算法可能会因为节点不能获取到准确的位置信息，导致难以达到预定的覆盖效果。

1.5基于轮次的覆盖算法和基于分组的覆盖算法。根据算法在网络生存时间内的执行次数来分，把覆盖算法分为：基于轮次的覆盖算法和基于分组的覆盖算法。基于轮次的覆盖算法要求传感器节点在每一轮的开始执行一次算法，按照某种竞争机制从所有节点中选择若干个节点作为活动节点，这种算法在传感器网络的生存时间内执行了多次。而基于分组的覆盖算法在传感器节点部署后仅执行一次，通过分组将所有传感器节点划分到若干个组内，在算法完成之后，依次调度每一组的传感器节点作为活动节点。

2典型的覆盖算法分析

2.1位置无关的覆盖算法算法属于不依赖于节点位置信息的分布式覆盖算法。该算法仅适用于圆形区域感知模型，且节点的传感半径与通信半径相等的情况。各个节点根据如下信息判断自身的传感任务是否可由邻居节点完成：1－Hop内的邻居节点，以及这些邻居节点的1－Hop邻居节点。当节点判断自身为冗佘节点，就可以关闭自身节点的传感单元进入休眠状态。

优点：①不依赖于节点的位置信息；②关闭冗余节点之后，不降低原有的覆盖率。

缺点：①只适用于圆形区域感知模型，不适用于不规则的节点感知模型：②只适用于节点的传感半径与通信半径相等的情况；③绝大部分的冗余节点都不能满足上述判断条件，因此不能进入休眠状态；④没有考虑网络的连通性。

2.2连通的随机调度覆盖算法算法属于一种不依赖于节点位置信息的基于分组的分布式覆盖算法。算法分4步完成。第1步，将所有的传感器节点分为K组，每个传感器节点随机取1到K中的某个值i，并将自身分配到第i组。第2步，每个节点获取到汇聚节点的最小跳数。汇聚节点首先向邻居节点广播包含了到汇聚节点最小跳数的消息，最小跳数的初始值为0。所有节点将记录到汇聚节点的最小跳数，同时忽略具有较大跳数的消息。然后将跳数值加1，并转发给邻居节点。通过这种方法，传感器网络中的所有节点能够记录下到汇聚节点的最小跳数。第3步，各个节点向邻居节点广播消息，其中包括自身的ID，到汇聚节点的最小跳数以及组号等信息。第四步，通过分配一些必要节点到某些组内，使每个节点能够在所属的分组内建立一条到汇聚节点的最短路径来构造连通网络。分组i内的各个节点(不妨假设为A，它的最小跳数为n)首先判断在自身邻近区域内的下游节点(下游节点是最小跳数为n-1的节点)是否有节点属于分组i，如果没有，则节点A从这些节点中任选一个，并将它同时划分到分组i，以确保节点A从第n跳到第n-1跳是连通的，依此类推，从而建立一条A到汇聚节点的最短路径。在执行完第4步之后，显然分组i构成的子网络是连通的。在算法完成之后，依次调度每一组的传感器节点作为活动节点。

优点：①不依赖于节点的位置信息；②适用于不规则感知模型：③确保了在任意时刻网络的连通性；(4)算法在节点的生命周期内仅执行了一次，节约了能量。

缺点：①各个分组内的节点分布不均匀，覆盖效果较差；②维持分组连通时额外加入到分组内的节点较多。

3总结

无线传感器网络多目标跟踪的介绍 篇4

无线传感器网络目标跟踪一直作为研究的热点，之前的研究多是单目标的跟踪，通过传感器网络的多个或全部节点协作跟踪同一个目标。

Mechitov K 等利用二元检测 ( binary-detect 协作跟踪的思想，通过目标是否处于传感器侦测距离之内或者之外，根据多个传感器的协作确定目标的位置，这种方法需要节点间的时钟同步，并要求节点知道自身的位置信息； Zhao F 等利用信息驱动 ( information-driven 协作跟踪的思想，利用传感器节点侦测到信息和接收的其他节点的侦测信息判断目标可能的运动轨迹，唤醒合适的传感器节点在下一时刻参与跟踪活动，由于有合适的预测机制，可有效的减少节点间的通讯，从而节省节点有限的能量资源和通讯资源； Zhang W S 等在解决无线传感器网络单目标跟踪时提出了传送树 ( convei tree 跟踪算法，这种算法是一种分布式算法，而之前的大多数跟踪算法为集中式的传送树是一种由移动目标附近的节点组成的动态树型结构，并且会随着目标的移动动态地添加或者删除一些节点，保证对目标进行高效跟踪的同时减少节点间的通信开销。

当前的目标跟踪算法主要是针对不同环境下的单目标跟踪，如何以较低的能量代价高效地融合有效的信息，增大丈量精度和延长网络生存期，并解决多目标跟踪，成为目前研究无线传感器网络目标跟踪的热点。研究无线传感器网络多目标跟踪时需要考虑能量有限；跟踪算法的分布式以延长网络寿命；传感器的量测可能是多个目标的合成量测，这些给传统的多目标跟踪算法带来了挑战。

Jaewon Shin 采用分布式的多尺度框架，用转移矩阵的思想，优化解决多目标识别的计算量问题，该算法通过局部节点信息更新给出全局的目标信息，该算法框架在解决无线传感器网络多目标跟踪时有一定的可行性； Lei Chen 等也提出了采用分布式数据关联的算法解决无线传感器网络多目标跟踪； Mauric Chu 采用贝叶斯估计的方法，解决多目标跟踪的数据关联问题，并采用分布式的算法实现了无线传感器网络多目标跟踪，

无线传感器网络多目标跟踪

线传感器网络跟踪是传感器网络的主要用途之一，也是一个难点和关键问题，同时具有很多商业和军事应用的基本要素，如交通监控、机构平安和战场状况获取等。利用无线传感器网络中的节点协同跟踪，无线传感器网络技术应用的一个很重要的方面。

最早的无线传感器网络系统跟踪实验是美国 DA RPA Defens Advanc Research Project Agenci SensIT 项目中一些跟踪方法实现。现在许多跟踪应用方案依然处于研究阶段。由于传感器节点存在很多硬件资源的限制，还经常遭受外界环境的影响，无线链路易受到干扰，网络拓扑结构动态变化，而传感器网络的活动目标跟踪应用具有很强的实时性要求，因此，许多传统的跟踪算法并不适用于传感器网络。活动目标跟踪在雷达领域研究多年，效果很多经典的活动目标跟踪是单传感器跟踪系统，发展了如最近邻法 ( NN 集合论描述法、广义相关法、经典分配法、多假设法、概率数据关联 ( PDA 法、联合数据互联 ( JPDA 法、交互多模型 ( IMM 法等数据互联算法。

无线传感器网络实验 篇5

无线传感器网络促进智能交通的发展

智能交通系统(ITS)应用在城市交通中主要体现在微观的交通信息采集、交通控制和诱导等方面，通过提高对交通信息的有效使用和管理来提高交通系统的效率，主要是由信息采集输入、策略控制、输出执行、各子系统间数据传输与通信等子系统组成。信息采集子系统通过传感器采集车辆和路面信息，策略控制子系统根据设定的目标(如通行量最大、或平均候车时间最短等)运用计算方法(例如模糊控制、遗传算法等)计算出最佳方案，并输出控制信号给执行子系统(一般是交通信号控制器)，以引导和控制车辆的通行，达到预设的目标。

无线传感器网络是一种融合短程无线通讯技术、微电子传感器、嵌入式系统的新技术，逐渐被用于智能交通系统等需要数据采集与检测的相关领域。基于IEEE 802.15.4规范的ZigBee技术，具备以下良好特性：①功耗低，2节普通5号电池可支持一个节点工作6~24个月；②组网能力强，网络最多可达个节点，并支持树状、星状、网状等多种组网方式；③传输距离远，两节点室外传输距离可达几百米，在增加发射功率后可达几千米；④可靠性高，具备多级安全模式；⑤成本低，开放的简化ZigBee协议栈，工作在2.4GHz免执照的ISM频段。

无线传感器网络具备优良特性，可以为智能交通系统的信息采集提供一种有效手段，可以监测路口各个方向上的车辆，根据监测结果，改进简化、改进信号控制算法，提高交通效率。无线传感器网络可以应用于执行子系统中的控制子系统和引导子系统等方面。例如可以应用该技术改进信号控制器，实现智能公交系统的公交优先功能。

用于ITS的无线传感器网络构建

在无线传感器网络结构中，安装道路两旁的汇聚节点组成一个自组织的多跳网状Mesh基础网络构架，交通信息采集专用的传感器终端节点与每个临近的汇聚节点组成星型网络进行通讯，最终的数据将被汇聚到网关节点上，

网关节点可以作为一个模块安装在交叉路口的交通信号控制器内，通过信号控制器的专有网络，将所采集到的数据发送到交管中心作进一步处理。

在无线传感器网络部署中，汇聚节点可以安装在路边立柱、横杠等交通设施上，网关节点可以集成再交叉路口的交通信号控制器内，专用传感器终端节点可以填埋在路面下或者安装在路边，道路上的运动车辆也可以安装传感器节点动态加入传感器网络

采用无线传感器网络进行交通信息采集

在交通信息采集中，终端节点可采用非接触式地磁传感器来定时收集和感知区域内车辆的速度、车距等信息。当车辆进入传感器的监控范围后，终端节点通过磁力传感器来采集车辆的行驶速度等重要信息，并将信息传送给下一个定时醒来的节点。当下一个节点感应到该车辆时，结合车辆在两个传感器节点间的行驶时间估计，就可估算出车辆的平均速度。多个终端节点将各自采集并初步处理后的信息通过汇聚节点汇聚到网关节点，进行数据融合，获得道路车流量与车辆行使速度等信息，从而为路口交通信号控制提供精确的输入信息。通过给终端节点安装温湿度、光照度、气体检测等多种传感器，还可以进行路面状况、能见度、车辆尾气污染等检测。

无线传感器网络在ITS中的应用

实现智能公交系统中的公交优先功能需要对现有交通信号控制器进行改造。通过添加传感器等辅助设备，交通信号控制器可以估算出公交车辆到达交叉路口的时间(旅行时间)，计算出公交车辆在路口是否需要给予优先(可选择乘客数量作为优先权重)，然后选择合适的优先控制策略，通过调整绿信比来优先放行公交车辆。交通信号控制器的改造包括：

◆车载无线通讯终端节点；

◆交叉路口交通信号控制器上集成无线网关；

◆用于公交车辆定位的终端节点；

◆通过构建基于ZigBee的无线传感器网络可以实现上述功能。

无线传感器网络实验 篇6

摘 要： 针对流量动态变化的无线传感器网络，提出了具有平均时延约束的自适应休眠机制。在休眠阶段，节点采取自适应地周期性休眠和苏醒来节省能量且保证平均传输延迟。在苏醒周期的节点没有数据发送或者收到目的地址为其他节点的RTS/CTS帧后进入休眠周期。通过建立马尔科夫链模型分析可得到该机制中平均时延约束下休眠周期的优化值。

关键词： 无线传感器网络；休眠；时延约束；能量效率；马尔科夫链 0 引言

在无线传感器网络中可调度节点使其轮流工作，以尽可能多地关闭冗余节点的无线通信模块来减少不必要的能量消耗，从而达到延长网络生存时间的目的[1]。由于空闲侦听和信道争用冲突是无线传感器网络中不必要能量消耗的主要来源，因而减少空闲侦听使节点转入休眠状态是目前研究较多的提高能量效率的方法[2]。在无线传感器网络使用过程中，网络用户对监测区域内感兴趣的目标随查询任务而动态地增加或减少，从而使网络流量随之动态地变化[3]。S-MAC[4]协议采用周期性侦听和睡眠机制并提供良好的可扩展性，但无法根据网络环境的动态流量进行调整来提高能量效率。在文献[5]中基于S-MAC提出自适应退避算法，按照负荷的变化做动态增量或减量调整退避指数的最小值。上述算法可根据负载变动来调整网络参数以降低节点的能耗，但未考虑数据包传输时延问题。文献[6]中提出的节点最佳休眠时间可通过对二维马尔可夫链模型分析得出。文献[7]中分析了采用聚合的DCF机制的平均时延和各退避阶的平均时延，而后将时延约束转化为对平均时延的限制，通过保证给定比例的帧来满足时延约束。针对在无线传感器网络流量动态变化的监测环境中出现的问题，在上述研究工作的基础上，本文提出了具有平均时延约束的自适应休眠机制ADC(Adaptive Sleeping Method for Average Delay Constraint)，并对其改进的S-MAC协议进行二维马尔可夫链模型分析，从而得到休眠阶段的休眠周期来保证分组传输过程中的平均端到端时延，并提高能量效率。1 机制描述

在该机制中，将时间划分为连续的帧后，帧内分为活动阶段和休眠阶段，其中活动阶段可包括传输、等待和退避等过程[8]。在活动阶段开始后，节点通过CSMA/CA(载波侦听多点接入/冲突避免)方式发送同步消息和数据。节点在MTslot时间内一直空闲且无数据需发送，则结束活动阶段，转入休眠阶段，以降低节点的能量消耗。休眠阶段可划分为若干个休眠和苏醒周期，其中休眠周期Tsleep和苏醒周期Twake皆设为系统时隙Tslot的整数倍。在休眠周期内节点关闭无线通信模块并缓存采集到的数据。处于苏醒周期内节点需监听信道是否有数据要发给自身。苏醒周期结束时，节点若有数据要接收或发送将立即进入退避过程来发送该数据，否则进入下一个休眠周期。若在次休眠和苏醒周期结束后，节点仍未收到上层发来需要发送的数据包或目的节点为自身的CTS帧，则结束休眠阶段，转入活动阶段的等待过程。离散马尔科夫链模型分析

为建立离散马尔科夫链模型来简化分析该休眠机制，暂不考虑其同步情形。由于接收状态时节点能量消耗与等待和退避状态的能量消耗近似，可假设接收数据在节点处于等待过程中完成，则不单独考虑接收状态。

对节点在任何一个时隙中可能存在的各个状态可用离散Markov链进行描述。退避过程可用随机过程B(t)表示，与回退计数器的计数值相对应。可用随机过程J(t)表示节点在t时刻所处的退避级数(0，1，…，m)，其中m为最大退避级数。设定在退避过程中每个分组发送失败的概率p为独立且恒定的，则可用随机过程{J(t)，B(t)}表示节点的退避过程。每个状态的概率用PB(i，k)(0≤i≤m，0≤k≤Wi-1)表示，则可用Markov链表示该退避过程，其中i为退避级数，k为退避计数器的值，Wi为退避次数为i时的退避窗口。

进入等待状态的节点，若有数据要发送，则从等待状态转移到退避状态。设定平均报文到达时间间隔服从参数为?姿的泊松分布，则在一个时隙中节点从等待状态转移到退避状态的概率为。若无数据发送，将进入下一个时隙。若经过M个时隙后节点仍然没有数据要发送，则将进入到休眠状态。

节点在休眠状态时，将进行周期性休眠和苏醒。节点在休眠周期和苏醒周期内都不改变自身状态。若在一个休眠和苏醒周期结束时有数据要发送，则将由休眠状态转移到退避状态，且在一个休眠和苏醒周期的转移概率为，其中Tsleep为休眠周期时间，Twake为苏醒周期时间。若没有数据发送，则进入休眠状态的下一个休眠和苏醒周期。若经过N次休眠和苏醒周期后，仍然没有数据发送，则将进入等待状态。由于只有当一个休眠和苏醒周期结束时才可会改变自身状态，可将处于某个休眠或苏醒周期结束时的时隙分别表示该休眠或苏醒周期以简化分析。由于休眠过程中进入下一个休眠和苏醒周期的概率?琢是独立且恒定的，因此节点的休眠过程也可用Markov链表示。

进入传输状态的节点直到数据传输结束后才能改变自身状态，而在传输状态时信源产生的数据要等传输结束后节点才能进入退避状态准备发送。在传输结束时，若有数据要发送，则由传输状态转移到每一个退避级数为0的退避状态的概率为，其中K为传输过程所需的平均时隙。因而在传输结束时没有数据需发送，则由传输状态转移到等待状态的概率。

节点从等待状态可以转移到退避状态，从每一个等待状态转移到每一个退避级数为0的退避状态的概率均为。节点传输状态结束后将转移到等待或退避状态，其转移概率分别为及。等待过程结束后节点转移到休眠状态的转移概率为。可知在设定条件下，级联后节点从一种状态转移到另外一种状态的概率是独立且恒定的，则上述过程可级联后为一个Markov链[8]，其模型。

对节点在任何时隙内可能存在的各个状态用离散Markov链进行描述后，可通过该Markov 链模型求得在稳态时节点停留在不同状态的概率。由图2中休眠过程可知，第i个休眠和监听周期结束时节点所处状态的概率PS(i)可用下式表示：

用PI(i)，0≤i≤N表示节点在任意一个时隙处于在第i个空闲状态的概率：

在退避过程，用PB(i，k)，0≤i≤m，0≤k≤Wi-1表示节点在任意一个时隙处于在第i次退避并且其退避计数器为k的状态的概率，可用下式表示：

传输过程中节点在任意一个时隙处于第i个传输状态的概率PT(i)可表示为：

PT(K-1)=(1-pm+1)PB(0，0)

PT(i)=(1-pm+1)PB(0，0)(7)

其中完成数据包正确发送所需的时隙数：

在平稳状态时Markov链需满足下式：

可得节点处于退避级数为0且退避计时器为0的状态的概率：

由于不论退避级数为多少，只要退避计时器为0，则传感器节点开始传输数据，因此该节点在任意时隙的发送概率可表示为：

在节点传输数据时，若相邻n-1个节点中至少有一个节点也发送数据则发生碰撞，而且当目的节点处于休眠时发送数据也失败，因此该节点在任意时隙发送失败的概率为：

由式(11)和式(12)构成非线性方程组，可得?子和p[6]。

至少有一个节点发送数据的概率为：

在系统不空闲的条件下，有一个节点发送数据成功的概率为：

采用RTS/CTS机制时，Ts和Tc分别为数据成功发送和数据发送时分组碰撞所耗费的时间，可用下式表示：

由于计算平均时延时超出重传次数而被丢弃的帧不予考虑，则在退避过程或等待过程中数据帧到达发送节点的缓冲器队首至目的节点成功接收的平均时延DelayB为一次成功发送需要的平均时隙数和时隙的平均长度的乘积[5]，可表示为：

其中1-pm+1为包没有被丢弃的概率，为没有被丢弃的帧到达第i阶的概率，为第i阶的平均退避时隙数为信道空闲的时间。

在传输过程或休眠过程中，节点要发送数据都需转移到退避过程才能将数据发送出去，因此信源在节点处于传输过程或休眠过程中产生而转移到退避过程引起的平均时延分别可用下式表示：

其中一个休眠和苏醒周期的时隙数。

数据帧到达发送节点的缓冲器队首至目的节点成功接收的平均时延可用下式表示：

在苏醒周期时节点需完整接收到发送节点向其发送的RTS帧，则Twake可设定为2(RTS/R)+2·SIFS+DIFS。对于平均时延约束为Delayaverage的业务，则需满足Delay

线性无线传感器网络探究 篇7

无线传感器网络具有网络部署简易、恶劣环境的适应性、长寿命以及高可靠性,且具有较高的性价比[1]。在实际应用中,无线传感器网络常常用于大型建筑、设施、环境等监控,以获取相关数据。例如桥梁监测、道路监测、石油管道检测、河流监测等[2,3,4]。实际应用中,监测对象的拓扑结构常常具有明显的线性结构,线性无线传感器网络对于这些应用具有很高的切合度,线性无线传感器网络的研究具有很高的实际意义。

1 线性无线传感器网络

线性无线传感器网络是无线传感器网络中的一种,线性无线传感器网络除具备无线传感器网络的一般特性以外,还具有线性的拓扑结构。而当前的无线传感器网络应用中,监测对象大多也具有明显的线性拓扑结构,从而使得线性无线传感器网络在实际应用中具有很高的切合度。

线性无线传感器网络是由大量具有感知能力的传感节点组成,节点间通过自组织形成具有通信能力的网络,从而能够感知外界环境,并将信息传递至汇聚节点。

1.1 线性无线传感器网络的节点

线性无线传感器网络中的传感节点,根据在网络中工作任务的不同可以分为三类[5]。

⑴基础节点(Basic Sensor Node,BSN):网络中数量最多的节点,主要负责感知环境,获取相关信息,是网络所需信息的直接来源。

⑵中继节点(Data Relay Node,DRN):中继节点在线性无线传感器网络中具有重要的地位,线性无线传感器网络是多跳网络,中继节点接收其他节点的数据并进行转发,使得信息能够顺利传递。

⑶汇聚节点(Sink Node,SN):汇聚节点较为特殊,为中心处理节点,接收和处理其他普通节点的数据,同时也向普通节点发送命令信息。

在实际应用中,为了方便网络的布置,也是为了生产的方便,传感节点的设计常常同时具有基础节点和中继节点的功能,同时,节点功能的多重化也增强了网络的抵抗力,一旦节点因为能耗或其他外界因素失效,其他节点能够迅速替代,而不需要等待特定功能节点。

1.2 线性无线传感器网络的分类

线性无线传感器网络大致可以根据其线性拓扑结构特性分类两大类:一类是具有严格的物理结构的线性特性,在有关文献中也被称为稀疏型线性传感器网络。如图1所示,途中传感节点在物理结构上呈现严格线性特性;另一类是在物理结构并不是明显的线性拓扑特性,但研究信息的传输可以发现,同样具有线性特性,称为逻辑线性拓扑结构,在有关文献中也被称为密集型线性传感器网络[6]。如图2所示,工作节点物理位置并不具有严格线性特性,但数据的传递方向仍显示出线性特性。

1.3 线性无线传感器网络的研究意义

融合了传感器、微电机以及网络三大技术的无线传感器网络是一种全新的信息获取技术[7],线性无线传感器作为无线传感器网络中的一种,因其自身的特点,在实际生活中,得到了广泛应用。

无线传感器网络的最早是由美国提出的应用于战场的通信网络,所以要求无线传感器网络具有自组织网络能力,在没有基站的情况下也能够进行通信。同时,网络形成之前,传感节点的位置不确定,传感节点的布置采用飞行器空投、火箭弹弹射等方式进行随意布撒,随后通过传感节点自身的自组织,形成具有通信功能的网络。

而在当前的民用生产生活中,应用的场所具有很强的确定性,监控对象明确。目前较为广泛的无线传感器网络大多是大型基础设施、河流、矿山等主体的相关数据监测。

如果将一般的无线传感器网络布网思想用于以上场景,不一定能起到非常大的优化作用,反而会造成一些不必要的浪费,而线性无线传感器网络却能够得心应手。

1.3.1 实际应用切合度高

在当前的无线传感器实际应用范围来看,大多是对大型建筑设施,例如摩天大楼、桥梁、立交桥等;道路及轨道交通、矿井、以及河流等进行监控。这些应用方面线性无线传感器网络由于其本身的线性拓扑结构,能够很好满足布网需要,而一般形式的无线传感器网络相比较却没有那么适合。

1.3.2 布网简易、性价比高

通过前面线性无线传感器的结构,了解到线性无线传感器网络结构简单,线性无线传感器网络布网简易,所有传感节点呈链状的线性结构,沿着监测对象布设即可。而一般模式的无线传感器网络源于军事应用需要,传感节点的布置采用泛撒的方式,传感节点之间需要耗费大量时间与能量进行感知形成通信网络,而最终的结果仍是形成线性拓扑结构的网络。

1.3.3 兼容性高

一般无线传感器网络的拓扑结构多为星型结构,而传感器网络具有事件驱动型的特性,从网络中数据传输的路径来看,同样可以将一般的星型无线传感器网络分解成多条线性无线传感器网络的聚合,从而用线性无线传感器网络来完成一般星型无线传感器网络的任务。

从图3中可以看到,一般的星型无线传感器网络中,传感节点信息由3号和4号基础节点通过2号节点发送给汇聚节点1号,根据数据传输的路径,可以将网络分解成2条线性结构的网络。

2 线性无线传感器网络的研究

在当前的无线传感器网络研究中,大多基于理论优化,而无线传感器网络的研究在实际应用中,却常常具有一些特定的限制条件。例如,在线性无线传感器网络优化中,能量优化是一个非常重要的方面,为了使得网络整体能耗平均,有文章计算出在传输过程中的一个优化距离,并仿真会有明显提高,而在实际应用中,例如在路灯监控应用中,路灯的设置距离是一个固定值,也不可能按照优化距离的大小来进行布置,同样,如果传感节点按照路灯的位置布设时,又无法满足理论优化的条件。所以在线性无线传感器网络的研究中,需要与实际应用紧密结合。

线性无线传感器网络一些特有的属性,也决定了在线性无线传感器网络应用中的一些研究方向。

2.1 能量有限

对于无线传感器网络来说,能量起着至关重要的作用[8],传感器网络在设计之初就确定了传感节点采用电池等不可再生能源供能,同时传感器网络的寿命一般最低要求为三到六个月,使得能耗一直是传感器网络优化中的一个重要方面。同时,线性无线传感器网络因其网络结构单一,数据的传输具有单向性,越靠近sink节点的传感节点因为传输转发消息频率远高于其他节点,会形成线性无线传感器网络的能量空洞效应[9],造成网络失效时网络中其他节点却仍具有较高能量。所以,线性无线传感器网络的能耗优化是一个重要的研究方向。

2.2 网络时延

线性无线传感器网络结构呈线性,sink节点常常位于网络的一端,网络中的其他节点与sink节点的距离各不相同,随着网络容量的增大,传感节点数量的增多,这种情况会更加明显。当前线性无线传感器网络的应用大多是重要设施的监测,如果网络的延迟过高,在监测到异常情况后,信息的传递时间过长,会造成网络应用的失效。所以,如何减小线性无线传感器网络的延迟也是研究的一个重要方面。

2.3 数据融合问题

线性无线传感器网络在实际的监测应用中,大多数情况下网络监测到的数据都处于正常情况,而线性无线传感器网络由于其结构的线性特性,使得节点传递信息的跳数各不相同,会造成时延何能耗问题,数据融合的引入会在很大程度上减轻以上问题对网络的影响,但是,无线传感节点的运算和储存能力有限,简洁高效的数据融合研究,对于线性无线传感器网络同样具有重要意义。

2.4 保密问题

随着线性无线传感器网络的广泛应用,保密问题不得不给予一定关注。例如线性无线传感器网络应用于电子围栏以及国防的电子国界时,保密性就显得尤为重要。而当前考虑到能耗的限制以及传感节点的运算能力有限,保密要求较少,但线性无线传感器网络信息传输的保密性研究对于线性传感网以后更广泛的应用是有很大作用的。

3 小结

线性无线传感器网络作为无线传感器网络中的一种,由于其结构简单,实际应用切合度高,在当前得到了一定的应用,而针对无线传感器网络的研究却仍然较少,线性无线传感器网络相比较一般星型拓扑结构的无线传感器网络在网络布置、成本等具有较强的优势,对于线性无线传感器网络的研究是很有意义。当前线性无线传感器网络的研究仍然存在一些难题,这些问题的解决一定能够促进无线传感器网络在生产生活中更广泛的应用,从而给我们的生活带来更多便捷。

摘要：介绍了无线传感器网络中一种实用性很强的线性无线传感器网络,分析了线性无线传感器网络相比较一般无线传感器网络的优势以及研究中的一些难题,并从实际应用的角度分析了线性无线传感器网络的研究方向。

关键词：线性无线传感器网络,优势,研究方向

参考文献

[1]I.F.Akyildiz,w.Su,Y.Sankarasubramaniam,and E.Cayirci.Wireless sensor networks:a survey[J].Computer Networks,2002,4(38):393-422.

[2]I.Stoianov,L.Nachman,S.Madden,T.Tokmouline,and M.Csail.PIPENET:A Wireless Sensor Network for Pipeline Monitoring[C].London:Imperial Coll,2007:264-273.

[3]O.Changsoo,H.Thadakamalla,U.Raghavan,S.Kumara,K.Sang Gook,Z.Xiang,and S.Bukkapatnam.Optimal Transmission Power in Self-sustainable Sensor Networks for Pipeline Monitoring[C].University Park:Pennsylvania State Univ,2007:591-596.

[4]M.Li and Y.Liu.Underground coal mine monitoring with wireless sensor networks[J].ACM Trans.Sen.Netw.2010,5:1-29.

[5]王殊,阎毓杰,胡富平,屈晓旭.无线传感网络的理论及应用[M].北京:北京航空航天大学出版社,2007.42-80.

[6]Imad Jawhar and Nader Mohame.A Hierarchical and Topological Classification of Linear Sensor Networks[C].Prague:IEEE press,2009.70-74.

[7]任丰原,黄海宁,林闯,等.无线传感器网络[J].软件学报,2003,14(7):1282-1291.

[8]Qingchun Ren,Qilian Liang.An energy-efficient MAC protocol for wireless sensor networks[C].Arlington,TX,USA:Dept.of Electr.Eng.,Texas Univ,2002.1567-1576.

无线传感器网络实验 篇8

关键词 无线传感网络 节点定位 定位算法 物联网

中图分类号：TN929.5 文献标识码：A

0引言

无线传感器网络（Wireless Sensor Networks，简称WSN）是伴随无线通信、电子与传感技术发展起来的新兴技术，它是对传统的传感器技术、信息处理技术和网络通信技术的融合，已成为国内外各行业的研究重点，也是跨学科的研究热点。

在 WSN 的实际应用过程中，确定节点的位置十分重要，定位技术是 WSN的主要技术指标之一。在研究节点的定位时，需要考虑的因素较多：比如基础设施、网络的连通性、节点密度、锚节点密度、测距误差、通信开销和计算开销等。因此，从节点定位的方法到算法的研究再到节点定位的实现并不是一件容易的事情，需要不断的尝试和探索。

1影响节点定位的因素

影响节点定位的因素很多，如网络的连通性、节点密度、锚节点密度、测距误差、基础设施、通信开销和计算开销等。

网络的连通性与网络的连通度对于定位算法是一个很重要的影响因素。网络的连通性定义为如果节点之间可以直接互相通信，就称这对节点是连通的。联通度是形成网的连通概率的多少，定位系统达到的覆盖率能有多大。锚节点也称为信标节点、灯塔节点等，可通过某种手段自主获取自身位置的节点，它是无线传感网络节点定位的核心要素，锚节点的密度越大说明已经节点位置的节点就多，为了降低开始部署时的锚节点密度，可以考虑将已定位的未知节点升级为锚节点。预先不知道自身位置的是未知节点或待定位节点，需使用锚节点的位置信息并运用一定的算法得到估计位置的节点。基础设施是协助节点定位且已知自身位置的固定设备，如卫星基站、GPS等。测距技术是任何定位技术的核心。跳数是定位系统出现不稳定的一个很重要的原因。

2节点定位的方法

目前WSN的定位方法较多，根据传感器接收信息的方式和节点处理数据方式采取不同的定位方法。传感器接收和采集信息受距离、角度、时间和周围锚节点信息的影响，这些数据也是定位算法的计算基础。无论采用什么样的数据处理方式，其目的都是将数据转换为坐标，完成定位功能。

目前节点定位的方法主要分为三类：一是根据是否测量距离分为距离相关方法和距离无关方法。两种方法各有优缺点，在实际应用过程中经常混合使用。二是根据网络的拓扑结构和连通性分为单跳方法和多跳方法，单跳方法实现简单，但只使用于测量距离小的场合。多跳方法应用广泛，使用于传感网络结构复杂的情况。三是根据数据的处理方式可分为：集中式方法和分布式方法。集中式处理方法可以使数据在数据中心汇总，集中处理，但通信量较大。但传感器采集的信息是基于周围的节点时，分布式方法在自身的后台执行定位算法，降低了网络通信量，但是分布式算法实现复杂，在很多平台上很难开展。基于众多学者的研究，普遍认为基于距离相关和距离无关的方法更加实用。

3节点定位算法

3.1 基于距离的算法

基于距离相关的算法需要测定锚节点与未知节点之间的距离或是角度信息，再根据三边测量法、三角测量法或最大似然估计法来确定未知节点的位置。根据测量技术可以分为：基于RSSI的算法，该算法对硬件要求相对较低，功耗低，但误差大，不适用；基于 TOA/TDOA和基于AOA的算法对硬件要求较高，功耗大，误差小，适用性强。

基于距离无关的算法不需要确定节点之间的距离长度，对硬件的要求相对就较低，从而更适合用于无线传感器网。常见的有质心、DV-Hop、APIT、Amorphous、凸规划等5种定位算法。但是基于距离无关的算法多处于理论研究阶段，适应范围有一定的局限性，在實际应用过程中主要考虑基于距离相关的算法。

3.2节点定位新算法

（1）基于移动锚节点的定位算法：利用移动锚节点自身的可定位性和可移动性定位无线传感网络中的局部节点，但在设计时需要科学规划移动锚节点的路径和合理的定位机制。

（2）立体三维定位算法：从传统的二位平面结构提升到三维空间，但获取更准确的锚节点需要寻求更精确的广播周期和消息生存周期，缩减定位时间需要改进锚节点的选择和过滤机制等。

（3）智能定位算法：随着低功耗技术、微处理器技术、FPGA技术的发展，智能定位算法将在未来的定位系统中得到广泛的应用。

4小结

无线传感器节点的自身定位具有重要的意义，决定着无线传感器网络的发展。目前，节点定位技术面临着诸多问题，无论是定位方法和定位算法上都有许多需要改进的地方。随着技术的发展协作定位技术、跨层设计、移动跟踪等方法将成为研究热点。

基金项目：广东科技学院课题《无线传感技术在智能物流中的应用研究》，立项编号：GKY-2012KYYB-4

参考文献

[1] 王福豹，史龙，任丰原.无线传感器网络中的自身定位系统和算法[J].软件学报， 2005.16（5）： 857-868.

[2] 杜存功，丁恩杰，苗曙光.无线传感器网络改进型节点定位算法的研究[J].传感器与微系统.2010.29（1）.

[3] 李哲涛，李仁发，魏叶华.无线传感器网络中时间同步与测距协同算法[J].计算机研究与发展，2010.47（4）.