無線感測網路實驗指導書

❶ 大家有什麼好的無線感測器網路方面的書籍推薦下，希望裡面介紹節點定位技術的多些，在線等！

節點定位技術（5）數據融合技術幾乎熱點問題在這個方面上。你可以多上網看看有什麼不完善的地方。你完善了就能進行設計研究了。 他就是無數個感測

❷ 無線感測器的應用實例

橋梁健康檢測及監測橋梁結構健康監測(SHM)是一種基於感測器的主動防禦型方法，可以彌補目前安全性能十分重要的結構中，把感測器網路安置到橋梁、建築和飛機中，利用感測器進行SHM是一種可靠且不昂貴的做法，可以在第一時間檢測到缺陷的形成。這種網路可以提早向維修人員報告在關鍵結構中出現的缺陷，從而避免災難性事故。糧倉溫濕度監測無線感測器網路技術在糧庫糧倉溫度濕度監測領域應用最為普遍，這是由於糧庫糧倉溫度濕度的測點多，分布廣，使用縱橫交錯的信號線會降低防火安全系數，應用無線感測器網路技術具有低功耗，低成本，布線簡單，安裝方便，易於組網，便於管理維護等特點。混凝土澆灌溫度監測在混凝土施工過程中，將數字溫度感測器裝入導熱良好的金屬套管內，可保證感測器對混凝土溫度變化作出迅速的反應。每個溫度監測金屬管接入一個無線溫度節點，整個現場的無線溫度節點通過無線網路傳輸到施工監控中心，不需要在施工現場布放長電纜，安裝布放方便，能夠有效解決溫度測量點因為施工人員損壞電纜造成的成活率較低的問題.地震監測通過使用由大量互連的微型感測器節點組成的感測器網路，可以對不同環境進行不間斷的高精度數據搜集。採用低功耗的無線通信模塊和無線通信協議可以使感測器網路的生命期延續很長時間。保證了感測器網路的實用性。無線感測器網路相對於傳統的網路，其最明顯的特色可以用六個字來概括即：「自組織，自癒合」。這些特點使得無線感測器網路能夠適應復雜多變的環境，去監測人力難以到達的惡劣環境地區。BEETECH無線感測器網路節點體積小巧,不需現場拉線供電，非常方便在應急情況下進行靈活部署監測並預測地質災害的發生情況。建築物振動檢測建築物懸臂部分不會因為旁邊公路及地鐵交通所引發的振動而超過舒適度的要求；通過現場測量，收集數據以驗證由公路及地鐵交通所引發的振動與主樓懸臂振動之相互關系； 同時，通過模態分析得到主樓結構在小振幅脈動振動工況下前幾階振動模態的阻尼比，為將來進行結構的小振幅動力分析提供關鍵數據。本次應用採用高精度加速度感測器，捕捉大型結構微弱振動，同樣適用於風載，車輛等引起的脈動測量。

❸ 簡述如何利用互聯網進行無線感測網路的遠程傳輸

利用互聯網進行無線感測，網路的遠程傳輸有利於更快的傳輸

❹ 無線感測網路求助

全新物聯網安防系統
本系統通過物聯網及感測網路的深入運用，實現了特定區域的安全防範以及智能控制等功能，結合人機對話以及邏輯判斷技術使得系統更加靈活具有前瞻性。
系統採取獨立設計，根據用戶需求對系統的各項配置進行有針對性的組合，在滿足用戶需求的前提下，可有效避免系統的同一性（即任何2套系統之間都有較大區別），保證了系統的唯一性，並且預留用戶自我修改界面，可方便用戶自行對系統的各種狀態進行修改。
功能說明：
安全防範部分
安防部分分為三部分1.外圍周界檢測及防禦 2.過渡區檢測及防禦 3.核心區域檢測及緊急防禦。
1.外圍周界檢測及防禦
此部分主要對周界進行智能分析檢測，可對外圍徘徊進行語音警告，並對翻越人員進行有效防禦，採取智能檢測可有效避免誤檢和漏檢，通過軟體智能分析可有效區分人員動物或干擾。
2.過渡區檢測及防禦
過渡區位於外圍防禦區與核心區域之間，對於住宅用戶既院落部分，系統對於此部分採取跟蹤定位，當外圍區域被侵入後迅速定位侵入人員並啟動防禦措施對其進行防禦，同時可結合視頻設備對其進行抓拍，防禦手段可根據用戶要求進行有針對性的定製。
3.核心區域防禦
此區域為住宅的居住部分，包括門窗的檢測防禦，以及會客區的緊急防禦等功能，同時對房屋的主要出入口採取緩沖措施，即對出入口區域設定緩沖區，當緩沖區內存在多人的情況下系統需要多人全部身份驗證後才可允許進入，可有效避免跟隨以及人員內外結合進入的可能性。
緊急防禦功能，此功能只在有訪客到來以及核心區域被侵入的情況下才可啟動，在特殊情況下保護用戶的安全，同時避免了無侵入情況下的誤觸發的可能性。以上三個部分相互協同相互感知，彼此相互聯動，大大的加強了系統的穩定性及安全性。
並且系統還具備完善的燃氣泄露及消防報警功能系統在有燃氣設備的區域設置了燃氣檢測及處理功能，當系統發現某一區域燃氣濃度超標時，將第一時間通知用戶不要進入，同時系統自動根據現場條件進行處理，例如關閉燃氣總閥，打開通風設備以及切斷相應區域電源等一系列措施，確保用戶人身安全，當系統檢測已無危險時會自動解除相應狀態同時通知用戶危險已經解除，火災等突發情況處理同樣。
同時我們充分考慮到各種不確定因素，為系統設置了備用電源系統確保住宅供電失常情況下，系統可保持一定時間的正常使用，通訊暢通無阻，避免有不法分子企圖通過切斷電源來入侵系統。

智能家居部分
傳統智能家居無法擺脫大量的遙控器以及面板式的操作，而本系統無需任何額外的操作即可享受系統帶來的高度智能化得家居享受。
1.燈光控制
在房屋各個功能區採取出入口控制以及區域定位技術，將採集數據反饋到處理單元，對數據統一分析處理並發送至控制單元，通過控制輸出對各個功能區燈光進行調節控制，模式改變等。同時設置本地控制開關與系統並聯使用，通過簡單的操作可以進行燈光場景的設置，方便用戶根據不同的使用要求進行不同的選擇。
在客廳部分，系統通過出入口計數來判斷區域人員數量，同時結合室內光線強度自動開啟燈具，並調節光亮度以達到舒適的光線，系統根據門禁系統反饋信號，調用訪客數據對客廳區域燈光模式進行選擇，可由用戶自行定製不同的會客以及休息等模式下，燈光開啟方式數量強弱等。
在餐廳區域，系統根據處理單元自帶系統時鍾，以及光線條件以及人員移動，來自動調節控制燈光模式數量等，同樣用戶可根據個人喜好輕松DIY各種控制模式，彰顯個人品味。
在主卧室設置光線感應器，可根據室內的光線來調節照明燈的亮度，以尋求最舒適的感受，同時結合人員定位當無人時自動延時關閉燈光，當用戶起夜時系統將自動為其開啟床頭燈，同時根據其移動軌跡開啟相應區域燈，避免影響他人休息。
同時燈光系統可與安防系統聯動，當家中無人時如有不法分子妄想偷竊財務，系統將自動開啟個別區域的燈光嚇止其企圖。
對於室外、裝飾、泛光等照明方式的控制，將根據用戶需求進行設計同時預留多種方案供用戶自行切換。本系統還可以提供其它各種智能控制功能，尤其是該系統靈活方便，可根據用戶的不同要求隨時方便的更改，而不必對現場線路進行任何改動
2.門窗控制系統
本系統具有完善的門窗及窗簾控制功能，對於門的控制系統根據門禁系統反饋信號，通過控制輸出單元直接控制電控鎖的開關。窗及窗簾的控制系統採取多種控制方式，例如卧室窗的控制，系統可根據室內空氣成分以及外部天氣自動開窗通風，也可根據人員位置開關，還可以根據感測信號用戶自選開關。卧室窗簾控制我們採取人性化控制，系統檢測用戶是否起床，外部光線條件，以及卧室區域是否有人等進行分析判斷決定其開啟或關閉，同時保留手動開關定時開關等功能供用戶自由搭配選擇使用。
3.居家電器控制
居家電器控制部分，系統實現了無操作自動服務，即所有電器設備只要與系統相連即可根據用戶預先設定的工作模式，系統根據人員移動自動開啟，以熱水器為例，當用戶設定好其工作模式後（水溫，水量等），當用戶回家或到預定時間後將自動運行至所需條件，同時也可遠程設定各種參數，當用戶使用時一切都已准備就緒，所有電器設備的控制我們根據用戶喜好進行設計，同時預留多種模式搭配供用戶自行切換使用

人機界面部分
人機界面系統是本系統實現，用戶與系統溝通的窗口。我們在設計時充分徵求用戶意見及喜好，為其量身定做適合其個人品味的人機窗口，方便用戶在系統使用過程中隨時根據自己的喜好及需求對系統進行修改，輕松便捷輕松點擊滑鼠即可完成各種功能的搭配。

❺ 無線感測器網路的組網

WSN按我的理解是分為了三部分，
1、硬體，這部分可做的東西不多，應為射頻模塊一般都是購買的，擴展板或者網關點可以自製；
2、軟體，包括協議棧（多層），無線感測操作系統（tinyos,contiki），還有一些應用程序；
3、模擬，利用NS2，OMNET+，matlab等軟體來模擬某一層的協議；

建議如下：
1、先去圖書館看看關於無線感測的書籍，還有802.15.4的資料，還有Zigbee的書籍；
2、購買一套Zigbee平台跑跑，現在大部分都是Ti的套件；
3、從你需要的題目內容一步步入手！

❻ ZigBee無線網路原理的內容簡介

《ZigBee無線網路原理》適合高等學校物聯網技術專業及相關專業的教學使用，在完成《ZigBee無線網路原理》學習後通常都能自己動手開發ZigBee相關項目，因此《ZigBee無線網路原理》可以用作現場技術人員及物聯網從業人員的培訓教材。ZigBee是一種基於IEEE802.1 5.4 標准、簡單易用、近距離、低速率、低功耗（長電池壽命）且極廉價的無線通信技術，是無線感測網和物聯網的首選技術之一。《ZigBee無線網路原理》通過實驗可直觀演示ZigBee組網、ZigBee數據傳輸、ZigBee網路拓撲等功能，使讀者更加容易掌握和理解。《ZigBee無線網路原理》的實驗均有源代碼，並通過了實際的驗證。

❼ 無線感測器網路體系結構包括哪些部分，各部分的

結構
感測器網路系統通常包括感測器節點EndDevice、匯聚節點Router和管理節點Coordinator。
大量感測器節點隨機部署在監測區域內部或附近，能夠通過自組織方式構成網路。感測器節點監測的數據沿著其他感測器節點逐跳地進行傳輸，在傳輸過程中監測數據可能被多個節點處理，經過多跳後路由到匯聚節點，最後通過互聯網或衛星到達管理節點。用戶通過管理節點對感測器網路進行配置和管理，發布監測任務以及收集監測數據。

感測器節點
處理能力、存儲能力和通信能力相對較弱，通過小容量電池供電。從網路功能上看，每個感測器節點除了進行本地信息收集和數據處理外，還要對其他節點轉發來的數據進行存儲、管理和融合，並與其他節點協作完成一些特定任務。

匯聚節點
匯聚節點的處理能力、存儲能力和通信能力相對較強，它是連接感測器網路與Internet 等外部網路的網關，實現兩種協議間的轉換，同時向感測器節點發布來自管理節點的監測任務，並把WSN收集到的數據轉發到外部網路上。匯聚節點既可以是一個具有增強功能的感測器節點，有足夠的能量供給和更多的、Flash和SRAM中的所有信息傳輸到計算機中，通過匯編軟體，可很方便地把獲取的信息轉換成匯編文件格式，從而分析出感測節點所存儲的程序代碼、路由協議及密鑰等機密信息，同時還可以修改程序代碼，並載入到感測節點中。

管理節點
管理節點用於動態地管理整個無線感測器網路。感測器網路的所有者通過管理節點訪問無線感測器網路的資源。
無線感測器測距
在無線感測器網路中，常用的測量節點間距離的方法主要有TOA（Time of Arrival），TDOA（Time Difference of Arrival）、超聲波、RSSI（Received Sig nalStrength Indicator）和TOF（Time of Light）等。

❽ STM32W108嵌入式無線感測器網路的圖書目錄

第1章嵌入式物聯網技術緒論1.1物聯網的組成1.2無線感測器網路1.2.1無線感測器網路結構1.2.2無線感測器網路特點1.3嵌入式物聯網控制技術1.3.1帶有可移動節點的大規模WSNs組網技術1.3.2智能移動體設計1.3.3嵌入式終端設計1.3.4無線感測器節點設計1.4基於ARM CortexM3核心ZigBee技術的優勢1.5思考與練習題第2章ARM CortexM3技術2.1概述2.2核心模塊2.2.1內部架構2.2.2寄存器2.3指令系統2.3.1指令列表2.3.2操作數2.3.3使用PC或SP的限制2.3.4第二操作數的構成2.3.5移位操作2.3.6地址對齊2.3.7相對於程序計數器PC的表達式2.3.8條件執行2.3.9指令寬度選擇2.3.10存儲器訪問指令2.3.11一般數據處理指令2.3.12乘法和除法指令2.3.13飽和指令2.3.14位域指令2.3.15跳轉和控制指令2.3.16其他指令2.4軟體編程介面2.5思考與練習題第3章STM32W108體系結構3.1STM32W108架構3.1.1片內結構3.1.2功能單元描述3.2封裝與引腳說明3.2.1封裝3.2.2引腳說明3.3思考與練習題第4章 STM32W108功能模塊設計4.1功能模塊概述4.2電源模塊4.2.1內部穩壓電源4.2.2外部穩壓電源4.2.3外部穩壓電源電路設計4.3復位模塊4.3.1復位原理4.3.2復位電路設計4.4時鍾管理模塊4.4.1時鍾模塊總體結構4.4.2時鍾功能模塊原理4.5系統定時器模塊4.5.1看門狗定時器4.5.2睡眠定時器4.6電源管理模塊4.6.1喚醒源4.6.2基本睡眠模式4.6.3深睡眠選項4.7思考與練習題第5章內部存儲器與無線射頻模塊5.1STM32W108內部存儲空間5.2Flash存儲器5.3RAM數據存儲器5.4STM32W108射頻模塊5.4.1接收模塊5.4.2發送模塊5.4.3集成MAC模塊5.4.4隨機數發生器5.5思考與練習題第6章STM32W108通用IO介面6.1通用IO功能描述6.1.1GPIO埠6.1.2配置6.1.3增強功能6.1.4復位6.1.5nBOOTMODE6.1.6GPIO模式6.1.7喚醒監控6.2通用IO配置寄存器6.2.1埠配置寄存器(低位)(GPIO_PxCFGL)6.2.2埠配置寄存器(高位)(GPIO_PxCFGH)6.2.3埠輸入數據寄存器(GPIO_PxIN)6.2.4埠輸出數據寄存器(GPIO_PxOUT)6.2.5埠輸出清除寄存器(GPIO_PxCLR)6.2.6埠輸出設置寄存器(GPIO_PxSET)6.2.7埠喚醒監控寄存器(GPIO_PxWAKE)6.2.8GPIO喚醒濾波寄存器(GPIO_WAKEFILT)6.2.9中斷選擇寄存器(GPIO_IRQxSEL)6.2.10GPIO中斷配置寄存器(GPIO_INTCFGx)6.2.11GPIO中斷標志寄存器(INT_GPIOFLAG)6.2.12GPIO調試配置寄存器(GPIO_DBGCFG)6.2.13GPIO調試狀態寄存器(GPIO_DBGSTAT)6.3應用實例解析6.3.1開發環境與硬體說明6.3.2軟體設計與規劃6.3.3LED控製程序設計6.3.4測試程序編寫6.3.5測試結果及分析6.4思考與練習題第7章STM32W108中斷機制7.1中斷控制7.1.1嵌套向量中斷控制器(NVIC)7.1.2事件管理器7.2中斷配置寄存器7.2.1頂級置位中斷配置寄存器(INT_CFGSET)7.2.2頂級清除中斷配置寄存器(INT_CFGCLR)7.2.3頂級置位中斷掛起寄存器(INT_PENDSET)7.2.4頂級清除掛起中斷標志寄存器(INT_PENDCLR)7.2.5頂級激活中斷寄存器(INT_ACTIVE)7.2.6頂級丟失中斷寄存器(INT_MISS)7.2.7輔助故障狀態寄存器(SCS_AFSR)7.3應用實例解析7.3.1開發環境與硬體說明7.3.2軟體設計與規劃7.3.3中斷處理程序設計7.3.4測試程序編寫7.3.5測試結果及分析7.4思考與練習題第8章STM32W108串列通信8.1串列通信控制模塊8.1.1功能描述8.1.2通信配置8.2UART8.2.1UART模塊8.2.2UART寄存器8.3UART通信應用實例8.3.1開發環境與硬體平台8.3.2軟體設計與規劃8.3.3測試程序編寫8.3.4測試結果及分析8.4SPI模塊8.4.1SPI主模式8.4.2SPI從模式8.4.3SPI寄存器8.5思考與練習題第9章STM32W108 AD轉換器9.1功能描述9.1.1配置9.1.2GPIO使用9.1.3參考電壓9.1.4偏置/增益校正9.1.5DMA9.1.6ADC輸入9.1.7模擬電壓輸入范圍9.1.8采樣時間9.1.9AD轉換9.1.10校準9.1.11注意事項9.1.12中斷9.2ADC寄存器9.2.1ADC配置寄存器(ADC_CFG)9.2.2ADC偏移寄存器(ADC_OFFSET)9.2.3ADC增益寄存器(ADC_GAIN)9.2.4ADC DMA配置寄存器(ADC_DMACFG)9.2.5ADC DMA狀態寄存器(ADC_DMASTAT)9.2.6ADC DMA起始地址寄存器(ADC_DMABEG)9.2.7ADC DMA緩沖區大小寄存器(ADC_DMASIZE)9.2.8ADC DMA當前地址寄存器(ADC_DMACUR)9.2.9ADC DMA計數寄存器(ADC_DMACNT)9.2.10ADC中斷標志寄存器(INT_ADCFLAG)9.2.11ADC中斷配置寄存器(INT_ADCCFG)9.3應用實例解析9.3.1開發環境與硬體說明9.3.2軟體設計與規劃9.3.3感測器數據採集程序設計9.3.4測試程序編寫9.3.5測試結果及分析9.4思考與練習題第10章802.15.4/ZigBee協議棧介面函數10.1802.15.4/ZigBee協議棧10.2STM32W108的802.15.4/ZigBee協議棧10.3協議棧介面10.4啟動協議棧實例解析10.4.1開發工具及協議棧安裝10.4.2工程創建10.4.3STM32W108協議棧實例解析10.5思考與練習題第11章STM32W108兩節點間通信11.1實例開發環境說明11.2軟體設計與規劃11.3程序設計與實現11.4測試結果及分析11.5思考與練習題第12章多節點間通信12.1實例任務規劃12.2實例開發環境12.3軟體設計與規劃12.4編程與實現12.5測試結果及分析12.6思考與練習題第13章多感測器環境參數監測實例13.1實例開發環境說明13.2硬體電路設計13.3軟體設計與規劃13.4感測器數據採集程序設計與實現13.4.1溫度感測器13.4.2溫濕度感測器13.4.3超聲波感測器13.4.4煙霧感測器13.4.5聲音感測器13.4.6光敏感測器13.5測試程序編寫13.6實例結果及分析13.7實例注意事項及說明13.8思考與練習題第14章μCOSII的移植及實時環境監測14.1開發環境說明14.2軟體設計與規劃14.3工程創建及文件添加14.4相關源文件更改14.5測試程序設計14.6實驗結果及分析14.7思考與練習題第15章無線感測器網路節點定位技術15.1RSSI與通信距離15.2距離計算經驗公式的確定15.3N次三邊質心加權定位法介紹15.4演算法設計15.4.1符號定義說明15.4.2數據包的接收保存及實時距離的計算15.4.3N次三邊質心加權法15.5定位演算法實現15.5.1軟體設計流程15.5.2經驗公式獲取程序設計15.5.3N次三邊質心加權定位程序設計15.6定位實驗及結果分析15.6.1經驗公式確定15.6.2N次三邊質心加權定位實驗15.7思考與練習題第16章節點自組織與移動智能體導航技術16.1開發環境與定位方法說明16.2系統設計16.2.1相關符號說明16.2.2總體設計16.2.3網路模型16.2.4無線自組網16.2.5移動節點定位16.2.6移動智能體導航分析16.2.7電子羅盤模塊工作原理16.2.8移植智能體導航設計16.3程序設計與實現16.3.1大規模自組網程序16.3.2移動智能體導航程序16.3.3主函數程序設計16.4調試與結果分析16.4.1無線自組織網路16.4.2移動智能體導航16.5思考與練習題

❾ 無線感測器網路節點部署問題研究

無線感測器網路是近幾年發展起來的一種新興技術,在條件惡劣和無人堅守的環境監測和事件跟蹤中顯示了很大的應用價值。節點部署是無線感測器網路工作的基礎,對網路的運行情況和壽命有很大的影響。部署問題涉及覆蓋、連接和節約能量消耗3個方面。該文重點討論了網路部署中的覆蓋問題,綜述了現有的研究成果,總結了今後的熱點研究方向,為以後的研究奠定了基礎。
基於虛擬勢場的有向感測器網路覆蓋增強演算法
陶 丹+, 馬華東, 劉 亮
(智能通信軟體與多媒體北京市重點實驗室(北京郵電大學),北京 100876)
A Virtual Potential Field Based Coverage-Enhancing Algorithm for Directional Sensor Networks
TAO Dan+, MA Hua-Dong, LIU Liang
(Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia (Beijing University of Posts and Telecommunications), Beijing 100876, China)
+ Corresponding author: Phn: +86-10-62282277, Fax: +86-10-62283523, E-mail: [email protected], http://www.bupt.e.cn
Tao D, Ma HD, Liu L. A virtual potential field based coverage-enhancing algorithm for directional sensor networks. Journal of Software, 2007,18(5):11521163. http://www.jos.org.cn/1000-9825/18/1152.htm
Abstract: Motivated by the directional sensing feature of video sensor, a direction adjustable sensing model is proposed first in this paper. Then, the coverage-enhancing problem in directional sensor networks is analyzed and defined. Moreover, a potential field based coverage-enhancing algorithm (PFCEA) is presented. By introcing the concept of 「centroid」, the pending problem is translated into the centroid points』 uniform distribution problem. Centroid points repel each other to eliminate the sensing overlapping regions and coverage holes, thus enhance the whole coverage performance of the directional sensor network. A set of simulation results are performed to demonstrate the effectiveness of the proposed algorithm.
Key words: directional sensor network; directional sensing model; virtual potential field; coverage enhancement
摘 要: 首先從視頻感測器節點方向性感知特性出發,設計了一種方向可調感知模型,並以此為基礎對有向感測器網路覆蓋增強問題進行分析與定義;其次,提出了一種基於虛擬勢場的有向感測器網路覆蓋增強演算法PFCEA (potential field based coverage-enhancing algorithm).通過引入「質心」概念,將有向感測器網路覆蓋增強問題轉化為質心均勻分布問題,以質心點作圓周運動代替感測器節點感測方向的轉動.質心在虛擬力作用下作擴散運動,以消除網路中感知重疊區和盲區,進而增強整個有向感測器網路覆蓋.一系列模擬實驗驗證了該演算法的有效性.
關鍵詞: 有向感測器網路;有向感知模型;虛擬勢場;覆蓋增強
中圖法分類號: TP393 文獻標識碼: A
覆蓋作為感測器網路中的一個基本問題,反映了感測器網路所能提供的「感知」服務質量.優化感測器網路覆蓋對於合理分配網路的空間資源,更好地完成環境感知、信息獲取任務以及提高網路生存能力都具有重要的意義[1].目前,感測器網路的初期部署有兩種策略:一種是大規模的隨機部署;另一種是針對特定的用途進行計劃部署.由於感測器網路通常工作在復雜的環境下,而且網路中感測器節點眾多,因此大都採用隨機部署方式.然而,這種大規模隨機投放方式很難一次性地將數目眾多的感測器節點放置在適合的位置,極容易造成感測器網路覆蓋的不合理(比如,局部目標區域感測器節點分布過密或過疏),進而形成感知重疊區和盲區.因此,在感測器網路初始部署後,我們需要採用覆蓋增強策略以獲得理想的網路覆蓋性能.
目前,國內外學者相繼開展了相關覆蓋增強問題的研究,並取得了一定的進展[25].從目前可獲取的資料來看,絕大多數覆蓋問題研究都是針對基於全向感知模型(omni-directional sensing model)的感測器網路展開的[6],
即網路中節點的感知范圍是一個以節點為圓心、以其感知距離為半徑的圓形區域.通常採用休眠冗餘節點[2,7]、
重新調整節點分布[811]或添加新節點[11]等方法實現感測器網路覆蓋增強.
實際上,有向感知模型(directional sensing model)也是感測器網路中的一種典型的感知模型[12],即節點的感知范圍是一個以節點為圓心、半徑為其感知距離的扇形區域.由基於有向感知模型的感測器節點所構成的網路稱為有向感測器網路.視頻感測器網路是有向感測器網路的一個典型實例.感知模型的差異造成了現有基於全向感知模型的覆蓋研究成果不能直接應用於有向感測器網路,迫切需要設計出一系列新方法.
在早期的工作中[13],我們率先開展有向感測器網路中覆蓋問題的研究,設計一種基本的有向感知模型,用以刻畫視頻感測器節點的方向性感知特性,並研究有向感測器網路覆蓋完整性以及通信連通性問題.同時,考慮到有向感測器節點感測方嚮往往具有可調整特性(比如PTZ攝像頭的推拉搖移功能),我們進一步提出一種基於圖論和計算幾何的集中式覆蓋增強演算法[14],調整方案一經確定,網路中所有有向感測器節點並發地進行感測方向的一次性調整,以此獲得網路覆蓋性能的增強.但由於未能充分考慮到有向感測器節點局部位置及感測方向信息,因而,該演算法對有向感測器網路覆蓋增強的能力相對有限.
本文將基本的有向感知模型擴展為方向可調感知模型,研究有向感測器網路覆蓋增強問題.首先定義了方向可調感知模型,並分析隨機部署策略對有向感測器網路覆蓋率的影響.在此基礎上,分析了有向感測器網路覆蓋增強問題.本文通過引入「質心」概念,將待解決問題轉化為質心均勻分布問題,提出了一種基於虛擬勢場的有向感測器網路覆蓋增強演算法PFCEA(potential field based coverage-enhancing algorithm).質心在虛擬力作用下作擴散運動,逐步消除網路中感知重疊區和盲區,增強整個網路覆蓋性能.最後,一系列模擬實驗驗證了PFCEA演算法的有效性.
1 有向感測器網路覆蓋增強問題
本節旨在分析和定義有向感測器網路覆蓋增強問題.在此之前,我們對方向可調感知模型進行簡要介紹.
1.1 方向可調感知模型
不同於目前已有的全向感知模型,方向可調感知模型的感知區域受「視角」的限制,並非一個完整的圓形區域.在某時刻t,有向感測器節點具有方向性感知特性;隨著其感測方向的不斷調整(即旋轉),有向感測器節點有能力覆蓋到其感測距離內的所有圓形區域.由此,通過簡單的幾何抽象,我們可以得到有向感測器節點的方向可調感知模型,如圖1所示.
定義1. 方向可調感知模型可用一個四元組P,R, ,
表示.其中,P=(x,y)表示有向感測器節點的位置坐標;R表示節
點的最大感測范圍,即感測半徑;單位向量 = 為扇形感知區域的中軸線,即節點在某時刻t時的感測方向; 和 分別是單位向量 在X軸和Y軸方向上的投影分量;表示邊界距離感測向量 的感測夾角,2代表感測區域視角,記作FOV.
特別地,當=時,傳統的全向感知模型是方向可調感知模型的一個特例.
若點P1被有向感測器節點vi覆蓋成立,記為viP1,當且僅當滿足以下條件:
(1) ,其中, 代表點P1到該節點的歐氏距離;
(2) 與 間夾角取值屬於[,].
判別點P1是否被有向感測器節點覆蓋的一個簡單方法是:如果 且 ,那麼,點P1
被有向感測器節點覆蓋;否則,覆蓋不成立.另外,若區域A被有向感測節點覆蓋,當且僅當區域A中任何一個點都被有向感測節點覆蓋.除非特別說明,下文中出現的「節點」和「感測器節點」均滿足上述方向可調感知模型.
1.2 有向感測器網路覆蓋增強問題的分析與定義
在研究本文內容之前,我們需要作以下必要假設:
A1. 有向感測器網路中所有節點同構,即所有節點的感測半徑(R)、感測夾角()參數規格分別相同;
A2. 有向感測器網路中所有節點一經部署,則位置固定不變,但其感測方向可調;
A3. 有向感測器網路中各節點都了解自身位置及感測方向信息,且各節點對自身感測方向可控.
假設目標區域的面積為S,隨機部署的感測器節點位置滿足均勻分布模型,且目標區域內任意兩個感測器節點不在同一位置.感測器節點的感測方向在[0,2]上也滿足均勻分布模型.在不考慮感測器節點可能落入邊界區域造成有效覆蓋區域減小的情況下,由於每個感測器節點所監控的區域面積為R2,則每個感測器節點能監測整個目標區域的概率為R2/S.目標區域被N個感測器節點覆蓋的初始概率p0的計算公式為(具體推導過程參見文獻[14])
(1)
由公式(1)可知,當目標區域內網路覆蓋率至少達到p0時,需要部署的節點規模計算公式為
(2)
當網路覆蓋率分別為p0和p0+p時,所需部署的感測器節點數目分別為ln(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)lnS.因此,感測器節點數目差異N由公式(3)可得,
(3)
當目標區域面積S、節點感測半徑R和感測夾角一定時,為一常數.此時,N與p0,p滿足關系如圖2所示(S=500500m2,R=60m,=45º).從圖中我們可以看出,當p0一定時,N隨著p的增加而增加;當p一定時,N隨著p0的增加而增加,且增加率越來越大.因此,當需要將覆蓋率增大p時,則需多部署N個節點(p0取值較大時(80%),p取值每增加1%,N就有數十、甚至數百的增加).如果採用一定的覆蓋增強策略,無須多部署節點,就可以使網路覆蓋率達到p0+p,大量節省了感測器網路部署成本.
設Si(t)表示節點vi在感測向量為 時所覆蓋的區域面積.運算操作Si(t)Sj(t)代表節點vi和節點vj所能覆蓋到的區域總面積.這樣,當網路中節點感測向量取值為 時,有向感測器網路覆蓋率可表
示如下:
(4)
因此,有向感測器網路覆蓋增強問題歸納如下:
問題:求解一組 ,使得對於初始的 ,有 取值
接近最大.

Fig.2 The relation among p0, p and N
圖2 p0,p和N三者之間的關系
2 基於虛擬勢場的覆蓋增強演算法
2.1 傳統虛擬勢場方法
虛擬勢場(virtual potential field)的概念最初應用於機器人的路徑規劃和障礙躲避.Howard等人[8]和Pori等人[9]先後將這一概念引入到感測器網路的覆蓋增強問題中來.其基本思想是把網路中每個感測器節點看作一個虛擬的電荷,各節點受到其他節點的虛擬力作用,向目標區域中的其他區域擴散,最終達到平衡狀態,即實現目標區域的充分覆蓋狀態.Zou等人[15]提出了一種虛擬力演算法(virtual force algorithm,簡稱VFA),初始節點隨機部署後自動完善網路覆蓋性能,以均勻網路覆蓋並保證網路覆蓋范圍最大化.在執行過程中,感測器節點並不移動,而是計算出隨機部署的感測器節點虛擬移動軌跡.一旦感測器節點位置確定後,則對相應節點進行一次移動操作.Li等人[10]為解決感測器網路布局優化,在文獻[15]的基礎上提出了涉及目標的虛擬力演算法(target involved virtual force algorithm,簡稱TIVFA),通過計算節點與目標、熱點區域、障礙物和其他感測器之間的虛擬力,為各節點尋找受力平衡點,並將其作為該感測器節點的新位置.
上述利用虛擬勢場方法優化感測器網路覆蓋的研究成果都是基於全向感知模型展開的.假定感測器節點間存在兩種虛擬力作用:一種是斥力,使感測器節點足夠稀疏,避免節點過於密集而形成感知重疊區域;另一種是引力,使感測器節點保持一定的分布密度,避免節點過於分離而形成感知盲區[15].最終利用感測器節點的位置移動來實現感測器網路覆蓋增強.
2.2 基於虛擬勢場的有向感測器網路覆蓋增強演算法
在實際應用中,考慮到感測器網路部署成本,所有部署的感測器節點都具有移動能力是不現實的.另外,感測器節點位置的移動極易引起部分感測器節點的失效,進而造成整個感測器網路拓撲發生變化.這些無疑都會增加網路維護成本.因而,本文的研究工作基於感測器節點位置不變、感測方向可調的假設.上述假設使得直接利用虛擬勢場方法解決有向感測器網路覆蓋增強問題遇到了麻煩.在傳統的虛擬勢場方法中,感測器節點在勢場力的作用下進行平動(如圖3(a)所示),而基於本文的假設,感測器節點表現為其扇形感知區域在勢場力的作用下以感測器節點為軸心進行旋轉(如圖3(b)所示).
為了簡化扇形感知區域的轉動模型,我們引入「質心(centroid)」的概念.質心是質點系中一個特定的點,它與物體的平衡、運動以及內力分布密切相關.感測器節點的位置不變,其感測方向的不斷調整可近似地看作是扇形感知區域的質心點繞感測器節點作圓周運動.如圖3(b)所示,一個均勻扇形感知區域的質心點位於其對稱軸上且與圓心距離為2Rsin/3.每個感測器節點有且僅有一個質心點與其對應.我們用c表示感測器節點v所對應的質心點.本文將有向感測器網路覆蓋增強問題轉化為利用傳統虛擬勢場方法可解的質心點均勻分布問題,如圖4所示.

Fig.3 Moving models of sensor node
圖3 感測器節點的運動模型

Fig.4 The issue description of coverage enhancement in directional sensor networks
圖4 有向感測器網路覆蓋增強問題描述
2.2.1 受力分析
利用虛擬勢場方法增強有向感測器網路覆蓋,可以近似等價於質心點-質心點(c-c)之間虛擬力作用問題.我們假設質心點-質心點之間存在斥力,在斥力作用下,相鄰質心點逐步擴散開來,在降低冗餘覆蓋的同時,逐漸實現整個監測區域的充分高效覆蓋,最終增強有向感測器網路的覆蓋性能.在虛擬勢場作用下,質心點受來自相鄰一個或多個質心點的斥力作用.下面給出質心點受力的計算方法.
如圖5所示,dij表示感測器節點vi與vj之間的歐氏距離.只有當dij小於感測器節點感測半徑(R)的2倍時,它們的感知區域才存在重疊的可能,故它們之間才存在產生斥力的作用,該斥力作用於感測器節點相應的質心點ci和cj上.
定義2. 有向感測器網路中,歐氏距離不大於節點感測半徑(R)2倍的一對節點互為鄰居節點.節點vi的鄰居節點集合記作i.即i={vj|Dis(vi,vj)2R,ij}.
我們定義質心點vj對質心點vi的斥力模型 ,見公式(5).
(5)
其中,Dij表示質心點ci和cj之間的歐氏距離;kR表示斥力系數(常數,本文取kR=1);ij為單位向量,指示斥力方向(由質心點cj指向ci).公式(5)表明,只有當感測器節點vi和vj互為鄰居節點時(即有可能形成冗餘覆蓋時),其相應的質心點ci和cj之間才存在斥力作用.質心點所受斥力大小與ci和cj之間的歐氏距離成反比,而質心點所受斥力方向由ci和cj之間的相互位置關系所決定.
質心點ci所受合力是其受到相鄰k個質心點排斥力的矢量和.公式(6)描述質心點ci所受合力模型 .
(6)
通過如圖6所示的實例,我們分析質心點的受力情況.圖中包括4個感測器節點:v1,v2,v3和v4,其相應的質心
點分別為c1,c2,c3和c4.以質心點c1為例,由於d122R,故 ,質心點c1僅受到來自質心點c3和c4的斥力,其所受合力 .感測器節點感測方向旋轉導致質心點的運動軌跡並不是任意的,而是固定繞感測器節點作圓周運動.因此,質心點的運動僅僅受合力沿圓周切線方向分量 的影響.

Fig.6 The force on centroid
圖6 質心點受力
2.2.2 控制規則(control law)
本文基於一個虛擬物理世界研究質心點運動問題,其中作用力、質心點等都是虛擬的.該虛擬物理世界的構建是建立在求解問題特徵的基礎上的.在此,我們定義控制規則,即規定質心點受力與運動之間的關系,以達到質心點的均勻分布.
質心點在 作用下運動,受到運動學和動力學的雙重約束,具體表現如下:
(1) 運動學約束
在傳統感測器網路中利用虛擬勢場方法移動感測器節點的情況下,由於感測器節點向任意方向運動的概率是等同的,我們大都忽略其所受的運動學約束[8].而在轉動模型中,質心點的運動不是任意方向的,受合力沿圓
周切線方向分量 的影響,只能繞其感測器節點作圓周運動.
質心點在運動過程中受到的虛擬力是變化的,但對感測器網路系統來說,感測器節點之間每時每刻都交換鄰居節點位置及感測方向信息是不現實的.因此,我們設定鄰居節點間每隔時間步長t交換一次位置及感測方向信息,根據交換信息計算當前時間步長質心點所受合力,得出轉動方向及弧長.同時,問題求解的目的在於將節點的感測方向調整至一個合適的位置.在此,我們不考慮速度和加速度與轉動弧長之間的關系.
(2) 動力學約束
動力學約束研究受力與運動之間的關系.本運動模型中的動力學約束主要包含兩方面內容:
• 每個時間步長t內,質心點所受合力與轉動方向及弧長之間的關系;
• 質心點運動的靜止條件.
在傳統感測器網路中利用虛擬勢場方法移動感測器節點的情況下,在每個時間步長內,感測器節點的運動速度受限於最大運動速度vmax,而不是隨感測器節點受力無止境地增加.通過此舉保證微調方法的快速收斂.在本轉動模型中,我們同樣假設質心點每次固定以較小的轉動角度進行轉動,通過多次微調方法逐步趨向最優解,即在每個時間步長t內,質心點轉動的方向沿所受合力在圓周切線方向分量,轉動大小不是任意的,而是具有固定轉動角度.採用上述方法的原因有兩個:
• 運動過程中,質心點受力不斷變化,且變化規律很難用簡單的函數進行表示,加之上述運動學約束和問題特徵等因素影響,我們很難得出一個簡明而合理的質心點所受合力與轉動弧長之間的關系.
• 運動過程中,質心點按固定角度進行轉動,有利於簡化計算過程,減少節點的計算負擔.同時,我們通過分析模擬實驗數據發現,該方法具有較為理想的收斂性(具體討論參見第3.2節).
固定轉動角度取值不同對PFCEA演算法性能具有較大的影響,這在第3.3節中將加以詳細的分析和說明.
當質心點所受合力沿圓周切線方向分量為0時,其到達理想位置轉動停止.如圖7所示,我們假定質心點在圓周上O點處合力切向分量為0.由於質心點按固定轉動角度進行轉動,因此,它
未必會剛好轉動到O點處.當質心點處於圖7中弧 或 時,會
因合力切向分量不為0而導致質心點圍繞O點附近往復振動.因此,為避免出現振動現象,加速質心點達到穩定狀態,我們需要進一步限定質心點運動的停止條件.
當質心點圍繞O點附近往復振動時,其受合力的切向分量很
小.因此,我們設定受力門限,當 (本文取=10e6),即可認
定質心點已達到穩定狀態,無須再運動.經過數個時間步長t後,當網路中所有質心點達到穩定狀態時,整個感測器網路即達到穩定狀態,此時對應的一組 ,該
組解通常為本文覆蓋增強的較優解.
2.3 演算法描述
基於上述分析,本文提出了基於虛擬勢場的網路覆蓋增強演算法(PFCEA),該演算法是一個分布式演算法,在每個感測器節點上並發執行.PFCEA演算法描述如下:
輸入:節點vi及其鄰居節點的位置和感測方向信息.
輸出:節點vi最終的感測方向信息 .
1. t0; //初始化時間步長計數器
2. 計算節點vi相應質心點ci初始位置 ;
3. 計算節點vi鄰居節點集合i,M表示鄰居節點集合中元素數目;
4. While (1)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 計算質心點cj對ci的當前斥力 ,其中,vji;
4.3.2 ;
4.4 計算質心點ci當前所受合力 沿圓周切線分量 ;
4.5 確定質心點ci運動方向;
4.6 If ( ) Then
4.6.1 質心點ci沿 方向轉動固定角度;
4.6.2 調整質心點ci至新位置 ;
4.6.3 計算節點vj指向當前質心點ci向量並單位化,得到節點vi最終的感測方向信息 ;
4.7 Sleep (t);
5. End.
3 演算法模擬與性能分析
我們利用VC6.0自行開發了適用於感測器網路部署及覆蓋研究的模擬軟體Senetest2.0,並利用該軟體進行了大量模擬實驗,以驗證PFCEA演算法的有效性.實驗中參數的取值見表1.為簡化實驗,假設目標區域中所有感測器節點同構,即所有節點的感測半徑及感測夾角規格分別相同.
Table 1 Experimental parameters
表1 實驗參數
Parameter Variation
Target area S 500500m2
Area coverage p 0~1
Sensor number N 0~250
Sensing radius Rs 0~100m
Sensing offset angel  0º~90º
3.1 實例研究
在本節中,我們通過一個具體實例說明PFCEA演算法對有向感測器網路覆蓋增強.在500500m2的目標區域內,我們部署感測半徑R=60m、感測夾角=45º的感測器節點完成場景監測.若達到預期的網路覆蓋率p=70%, 通過公式(1),我們可預先估算出所需部署的感測器節點數目,
.
針對上述實例,我們記錄了PFCEA演算法運行不同時間步長時有向感測器網路覆蓋增強情況,如圖8所示.

(a) Initial coverage, p0=65.74%
(a) 初始覆蓋,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10個時間步長,p10=76.03%

(c) The 20th time step, p20=80.20%
(c) 第20個時間步長,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30個時間步長,p30=81.45%
Fig.8 Coverage enhancement using PFCEA algorithm
圖8 PFCEA演算法實現覆蓋增強
直觀看來,質心點在虛擬斥力作用下進行擴散運動,逐步消除網路中感知重疊區和盲區,最終實現有向感測器網路覆蓋增強.此例中,網路感測器節點分別經過30個時間步長的調整,網路覆蓋率由最初的65.74%提高到81.45%,網路覆蓋增強達15.71個百分點.
圖9顯示了逐個時間步長調整所帶來的網路覆蓋增強.我們發現,隨著時間步長的增加,網路覆蓋率也不斷增加,且近似滿足指數關系.當時間步長達到30次以後,網路中絕大多數節點的感測方向出現振動現象,直觀表現為網路覆蓋率在81.20%附近在允許的范圍振盪.此時,我們認定有向感測器網路覆蓋性能近似增強至最優.
網路覆蓋性能可以顯著地降低網路部署成本.實例通過節點感測方向的自調整,在僅僅部署105個感測器節點的情況下,最終獲得81.45%的網路覆蓋率.若預期的網路覆蓋率為81.45%,通過公式(1)的計算可知,我們至少需要部署148個感測器節點.由此可見,利用PFCEA演算法實現網路覆蓋增強的直接效果是可以節省近43個感測器節點,極大地降低了網路部署成本.
3.2 收斂性分析
為了討論本文演算法的收斂性,我們針對4種不同的網路節點規模進行多組實驗.我們針對各網路節點規模隨機生成10個拓撲結構,分別計算演算法收斂次數,並取平均值,實驗數據見表2.其他實驗參數為R=60m,=45º, =5º.
Table 2 Experimental data for convergence analysis
表2 實驗數據收斂性分析

(%)
(%)

1 50 41.28 52.73 24
2 70 52.74 64.98 21
3 90 60.76 73.24 28
4 110 65.58 78.02 27
分析上述實驗數據,我們可以得出,PFCEA演算法的收斂性即調整的次數,並不隨感測器網路節點規模的變化而發生顯著的改變,其取值一般維持在[20,30]范圍內.由此可見,本文PFCEA演算法具有較好的收斂性,可以在較短的時間步長內完成有向感測器網路的覆蓋增強過程.
3.3 模擬分析
在本節中,我們通過一系列模擬實驗來說明4個主要參數對本文PFCEA演算法性能的影響.它們分別是:節點規模N、感測半徑R、感測夾角和(質心點)轉動角度.針對前3個參數,我們與以往研究的一種集中式覆蓋增強演算法[14]進行性能分析和比較.
A. 節點規模N、感測半徑R以及感測角度
我們分別取不同節點規模進行模擬實驗.從圖10(a)變化曲線可以看出,當R和一定時,N取值較小導致網路初始覆蓋率較小.此時,隨著N的增大,p取值呈現持續上升趨勢.當N=200時,網路覆蓋率增強可達14.40個百分點.此後,p取值有所下降.這是由於當節點規模N增加導致網路初始覆蓋率較高時(如60%),相鄰多感測器節點間形成覆蓋盲區的概率大為降低,無疑削弱了PFCEA演算法的性能.另外,部分感測器節點落入邊界區域,也會間接起到削弱PFCEA演算法性能的作用.
另外,感測半徑、感測角度對PFCEA演算法性能的影響與此類似.當節點規模一定時,節點感測半徑或感測角度取值越小,單個節點的覆蓋區域越小,各相鄰節點間形成感知重疊區域的可能性也就越小.此時,PFCEA演算法對網路覆蓋性能改善並不顯著.隨著感測半徑或感測角度的增加,p不斷增加.當R=70m且=45º時,網路覆蓋率最高可提升15.91%.但隨著感測半徑或感測角度取值的不斷增加,PFCEA演算法帶來的網路覆蓋效果降低,如圖10(b)、圖10(c)所示.

(c) The effect of sensing offset angle , other parameters meet N=100, R=40m, =5º
(c) 感測角度的影響,其他實驗參數滿足:N=100,R=40m,=5º

❿ 大學生創新創業實驗設備

產品創新點
● 實驗箱採用純模塊化設計，單個感測器節點分為節點底板、射頻模塊和感測器模塊三部分，各模塊均採用可插拔方式，擴展性強，易維修維護升級。
● 實驗箱標配WiFi、Zigbee、433MHz、藍牙等主流區域網無線通信模塊。
● 感測器種類豐富涵蓋了電容式感測器、電阻式感測器、光敏感測器、氣敏感測器等十餘種不同種類的感測器。
● 實驗箱搭配高效能Cortex-A9開發板搭載Android操作系統，可獨立Android App軟體開發平台使用，大大增加了實驗箱的實用性。
● 在一個實驗箱內完整的體現了物聯網的三層結構-感知層、網路層和應用層。從硬體應用到軟體設計，一步步引導學生了解整個物聯網體系結構。針對不同專業的學生設計了不同的實驗題目，包含內容豐富多彩。
● 完整詳盡的實驗指導書，並提供硬體設備原理圖，應用程序源碼供學生學習和二次開發。
● 實驗箱緊密圍繞教育部物聯網工程專業培訓計劃教學大綱進行設計，可以滿足<單片機原理與技術>、<感測器原理及應用>、、<物聯網通信技術>等物聯網工程專業的專業課程實驗開設。 飛瑞敖IOT-L02-05型物聯網綜合實驗箱可滿足物聯網工程專業<單片機原理與技術>、<感測器原理與應用>、<Zigbee無線感測網原理與應用>以及<物聯網通信技術>等專業課程的實驗開設。