《传感器网络重点课件.ppt》由会员分享，可在线阅读，更多相关《传感器网络重点课件.ppt（15页珍藏版）》请在三一办公上搜索。
1、无线传感器网络,1 无线传感器网络简介 1.1 无线传感器网络定义 无线传感器网络就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。传感器、感知对象、观测者构成WSN的三个要素.1.2 无线传感器网络体系结构,传感器节点：处理能力，存储能力和通信能力较弱，通过携带能量有限的电池供电。兼顾终端和路由器功能。 汇聚节点：处理能力，存储能力和通信能力较强，连接传感器网络和INTERNET等外部网络。 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，发布监测任务和收集监
2、测数据。 1.3 传感器网络的特点 大规模网络：部署的区域和节点的密度 自组织网络：节点一般随机部署，位置和拓扑结构难以描述 动态性网络：网络拓扑结构的动态性 可靠的网络：网络维护几乎不可能 应用相关的网络：没有统一的通信协议平台 以数据为中心的网络：互联网以地址为中心,2 无线传感器网络中的拓扑控制 2.1 拓扑控制研究的主要内容 传感 器 网 络拓扑控制主要研究的问题是:在满足网络覆盖度和连通度的前提下，通过功率控制和骨干网节点选择，剔除节点之间不必要的通信链路，形成一个数据转发的优化网络结构。具体的讲, 传感器网络拓扑控制还可以按照研究方向进行分类,可以归纳出3个研究热点,即节点功率控制
3、、层次型拓扑控制以及网内节点协同启发机制。节点功率控制机制调节网络中每个节点的发射功率,目的是在保证全网连通性的情况下,均衡节点一跳距离的邻居数目;层次型拓扑控制是选择网络中的一些节点成为骨干节点,构架起包转发的骨干网络,其他非骨干网节点接受骨干节点管辖;网内节点协同启发机制是节点按照周边通讯环境的变化,进行自主控制以及和邻居节点进行交互的机制。,2.2 拓扑控制的研究现状2.2.1 功率控制方面 节点统一功率分配算法 节点统一功率分配算法是一种比较简单的功率控制算法,是在所有传感器节点上使用一个保证网络连通的最小发送功率。比如Narayanaswamy等人提出的COMPOW功率控制方案4。在
4、COMPOW算法中,每个节点维护多张路由表,分别对应于不同的发射功率级别,节点间同级别的路由表交换控制消息。通过对比不同路由表中的表项,节点可以决定确保最多节点连通的最小的通用功率级别,然后统一用该功率发射。但这种功率分配方法的最大缺点是,如果节点的撒布不均匀,那么全网通用的通信功率可能会很大。 基于节点度的算法,一个节点的度数是指所有距离该节点一跳的邻居节点的 数目。基于节点度的算法一般动态调节节点的发射功率,使 得节点的度数处于一个合理的区间。本地平均算法LMN (Local Mean Algorithm)和本地邻居平均算法LMA(Local Mean Of Neighbors Algor
5、ithm)6是两种周期性动态调整节 点发射功率的算法。它们之间的区别在于计算节点度的策略 不同。在LMN算法中,节点定期检测邻居数量,并根据邻居 数量来调节发射功率;而在LMA算法中节点是将该节点邻 居的邻居数求平均值作为自己的邻居数。 这类算法利用少量的局部信息达到了一定程度的优化效果,它们不需要很强的时钟同步,但是算法中还存在一些明显的不足,例如,需要进一步研究合理的邻居判断条件,对从邻居节点得到的信息是否需要根据信号的强弱给予不同的权重,基于邻近图的算法 在基于邻近图的算法中,所有节点以最大功率发射时形成的拓扑图为图G,定义为G=(V,E)的形式,V代表图中顶点的集合,E代表图中边的集合
6、,E中的元素可以表示为(u,v),其中u,vV,按照一定的规则Q,求出该图的邻近图G,最后G中每个节点以自己所邻接的最远通信节点来确定发射功率2.2.2 层次拓扑控制方面在层次型扑控制方面，提出了TopDisc成簇算法，以及LEACH和HEED等自组织成簇算法 LEACH算法它是一种自适应分簇拓扑算法，它的执行过程是周期性的，每轮循环分为簇的建立阶段和稳定的数据通信阶段。在簇的建立阶段，相邻节点动态地形成簇，随机产生簇头;在数据通信阶段，簇内节点把数据发送给簇头，簇头进行数据融合并把结果发送给汇聚节点。由于簇头需要完成数据融合、与汇聚点通信等工作，所以能量消耗大。LEACH算法能够保证各节点等
7、概率地担任簇头，使得网络中的节点相对均衡地消耗能量。,2.2.3 网内节点协同启发机制方面现已经提出STEM算法和ASCENT算法 STEM算法 STEM算法是一种节点唤醒机制。该算法采用双信道,即监听信道和数据通讯信道。具体地讲,STEM算法又分STEMB(STEM-BEACON)算法和STEM-T(STEM-TONE)算法。在STEM-B算法中,当一个节点想给另外一个节点发送数据时,它作为主动节点先发送一串唤醒包。目标节点在收到唤醒包后,发送应答信号并自动进入数据接收状态。主动节点接收到应答信号后,进入数据发送阶段。在STEM-T算法中,节点周期性地进入侦听阶段,探测是否有邻居节点要发送数
8、据;当一个节点想与某个邻居节点进行通信时,它就发送一连串的唤醒包,发送唤醒包的时间长度必须大于侦听的时间间隔,可以确保邻居节点能够收到唤醒包,紧接着节点就直接发送数据包。可见STEM-T比STEM-B更简单实用。STEM算法适用于类似环境监测或者突发事件监测等应用,经实验证明,节点的唤醒速度可以满足应用的需要。但是在STEM算法中,节点的睡眠周期、部署密度以及网络的传输延迟之间有着密切的关系,要针对具体的应用要求进行调整。,3 无线传感器网络的数据融合3.1 数据融合的思想 数据融合主要思想是将获得数据发送sink之前，对来自不同的传感器节点数据在融合点上进行结合，删除冗余数据，最小化信息传输
9、量3.2 数据融合的作用 节省能量 获得更准确的信息 提高数据收集效率3.3 数据融合模型 数据融合模型可分为跟踪级融合结构模型与属性级融合结构模型,跟踪级融合模型可分为两种，集中式与分布式. (1)集中式结构 集中式结构的特点是汇聚节点发送有关数据的兴趣或查询，具有相关数据的多个源节点直接将数据发送给汇聚节点，最后由汇聚节点进行数据的融合。这种结构优点是信息损失较小。但由于无线传感器网络节点分布较为密集，多源对同一事件的数据表征存在近似的冗余信息，因此对冗余信息的传输将使网络消耗更多的能量 (2)分布式结构 分布式结构中源节点发送的数据经中间节点转发时，中间节点查看数据包的内容，进行相应的数
10、据融合后再传送到汇聚节点，由汇聚节点实现数据的综合。该结构在一定程度上提高了网络数据收集的整体效率，减少了传输的数据量，从而降低能耗，提高信道利用率。,属性数据融合结构可分为三类：决策层、特征层、数据层的属性融合。 (1)数据层属性融合结构 指基于原始的多个传感器采集的数据，直接融合来自同类传感器数据，然后实现特征提取和对来自融合数据的属性判决。多数情况下仅依赖于传感器型，不依赖于用户需求。由于数据量大，冗余度高，因此融合计算量庞大，属于最底层的融合。(2)特征层属性融合结构 指对各传感器数据进行处理并抽取特征后再进行融合。其中特征抽取是将传感器的数据表示为能反映事物属性的特征向量。该层关键是
11、抽取一致的、有用的信息，排除无用甚至矛盾的信息，进行融合的数据量、计算量均属中等。 (3)决策层属性融舍结构 指在特征层属性融合基础上，对监测对象进行分类判别，从而得出判决信息。通常各传感器单独做出决策后，再将决策信息传送到决策中心(即融合中心)做出最终决策。该层进行融合的数据量、计算量均较小。,3.4 基于多Agent的数据融合模型 Agent是指在一定环境下具有自主性、持续性、社会性和代理性等特征的计算实体。它有自己的知识库和推理机制，能主动对环境的作用做出反应。多Agent系统则是由一组Agent通过彼此的协商与协作组成一个整体 在这种结构中，汇聚节点作为融合中心，数据的融合通过传感器A
12、gent与融合中心Agent，由传感器节点与汇聚节点间的协商实现。若将汇聚节点最终获得融合数据的过程视为系统任务分配与执行，则具体的协商策略是：融合中心将系统任务发送给能独立完成该任务的传感器，或能联合完成该任务的传感器组。各传感器根据其自身的需要与相关的传感器进行协商，这一过程持续到融合中心发出下一组任务时为止。把多Agent用于提高传感器网络数据融合度和实现数据同步及任务协同处理是非常有利的。,基于多Agent的数据融合模型,4 无线传感器网络的一种数据管理底层协议(LDMP) 以往的协议都基于一个基本假设: 基站感兴趣的数据总是在网络中稳定存在(而不因节点关闭而丢失或因节点移动而移动)。LDMP考虑在节点关闭或移动的情况下，如何保证该节点带有的历史数据仍保存在原地理位置附近而不丢失或移动，从而在不改变原有通讯协议的情况下完成快速查询，为以数据为中心的数据管理提供了底层的可靠支持。 LDMP包括内容:网络模型的基本假设,节点的数据结构数据管理,数据的丢失概率,数据备份的通讯量数据恢复的通讯量,数据管理对网络稳定性的影响,数据管理的可扩展性,数据管理的能耗,应用和仿真实验. LDMP的优点主要体现在三方面：简单、节能、普适性好。,
