無線感測器網路技術課程設計報告

A. 什麼是無線感測器網路

無線感測器的無線傳輸功能，常見的無線傳輸網路有RFID、ZigBee、紅外、藍牙、GPRS、4G、2G、Wi-Fi、NB－IoT。
與傳統有線網路相比，無線感測器網路技術具有很明顯的優勢特點，主要的要求有： 低能耗、低成本、通用性、網路拓撲、安全、實時性、以數據為中心等。

B. 無線感測器網路的組成（三個部分，詳細介紹）

很詳細，你可以到書店去買這類的書看即可。

以下是來自網路：http://www.sensorexpert.com.cn/Article/wuxianchanganqiwang_1.html。

無線感測器網路組成和特點
發表時間：2012-11-14 14:28:00
文章出處：感測器專家網
相關專題：感測器基礎
無線感測器網路的構想最初是由美國軍方提出的，美國國防部高級研究所計劃署(DARPA)於1978年開始資助卡耐基-梅隆大學進行分布式感測器網路的研究，這被看成是無線感測器網路的雛形。從那以後，類似的項目在全美高校間廣泛展開，著名的有UCBerkeley的SmartDuST項目，UCLA的WINS項目，以及多所機構聯合攻關的SensIT計劃，等等。在這些項目取得進展的同時，其應用也從軍用轉向民用。在森林火災、洪水監測之類的環境應用中，在人體生理數據監測、葯品管理之類的醫療應用中，在家庭環境的智能化應用以及商務應用中都已出現了它的身影。目下，無線感測器網路的商業化應用也已逐步興起。美國Crossbow公司就利用SMArtDust項目的成果開發出了名為Mote的智能感測器節點，還有用於研究機構二次開發的MoteWorkTM開發平台。這些產品都很受使用者的歡迎。

無線感測器網路可以看成是由數據獲取網路、數據分布網路和控制管理中心三部分組成的。其主要組成部分是集成有感測器、數據處理單元和通信模塊的節點，各節點通過協議自組成一個分布式網路，再將採集來的數據通過優化後經無線電波傳輸給信息處理中心。

因為節點的數量巨大，而且還處在隨時變化的環境中，這就使它有著不同於普通感測器網路的獨特「個性」。首先是無中心和自組網特性。在無線感測器網路中，所有節點的地位都是平等的，沒有預先指定的中心，各節點通過分布式演算法來相互協調，在無人值守的情況下，節點就能自動組織起一個測量網路。而正因為沒有中心，網路便不會因為單個節點的脫離而受到損害。

其次是網路拓撲的動態變化性。網路中的節點是處於不斷變化的環境中，它的狀態也在相應地發生變化，加之無線通信信道的不穩定性，網路拓撲因此也在不斷地調整變化，而這種變化方式是無人能准確預測出來的。

第三是傳輸能力的有限性。無線感測器網路通過無線電波進行數據傳輸，雖然省去了布線的煩惱，但是相對於有線網路，低帶寬則成為它的天生缺陷。同時，信號之間還存在相互干擾，信號自身也在不斷地衰減，諸如此類。不過因為單個節點傳輸的數據量並不算大，這個缺點還是能忍受的。

第四是能量的限制。為了測量真實世界的具體值，各個節點會密集地分布於待測區域內，人工補充能量的方法已經不再適用。每個節點都要儲備可供長期使用的能量，或者自己從外汲取能量(太陽能)。

第五是安全性的問題。無線信道、有限的能量，分布式控制都使得無線感測器網路更容易受到攻擊。被動竊聽、主動入侵、拒絕服務則是這些攻擊的常見方式。因此，安全性在網路的設計中至關重要。

C. 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

D. 在設計感測器網路的物理層時，需要著重考慮哪些問題

1.傳輸介質
2.物理層幀結構
3.需要考慮編碼調制技術、通信速率和通信頻段等問題

E. 網路課程設計實驗報告

一.實驗目的： 網路構建方案設計與實現，充分利用實驗室設備進行組網實驗，使構建出來的網路能實現多種功能。

二.實驗設備 RSR20-04型路由器4台 S2628G-I型二層交換機2台 S5750-28GT-L型三層交換機2台 主機（WindowsXP系統）7台 三.實驗設計： 現有四個地理位置分離的網路區域，由四個路由器聯通（採用RIPV2路由協議）。

區域一由三台主機（PC0 PC1 PC4）、一台二層交換機、一台三層交換機組成，三台主機屬於不同VLAN，且PC0能與PC4通信，PC1不能與PC4通信（採用ACL訪問控制列表）。 區域二隻有一台主機PC6，它不能與區域四中的PC5進行通信（採用ACL訪問控制列表）。 區域三由一台主機PC3與一台三層交換機組成。 區域四由兩台主機（PC2 PC5）與一台二層交換機組成，兩台主機屬於不同VLAN，由最近的路由器實現VLAN間互聯（採用單臂路由）。 除限制條件外，實現所有設備之間的互聯。

F. 高分急求課程設計：基於網路感測的感測器測量系統

1、http://wwwD.suntrans.net/PdfArea/大壩堤圍險段監測系統技術方案--簡介.pdf
（去掉www後面的D）
2、httDp://219.135.215.37/lunwen/21-2005/46.pdf
（去掉httDp中間的D）

G. 碩士論文開題報告

隨著個人素質的提升，需要使用報告的情況越來越多，報告具有成文事後性的特點。寫起報告來就毫無頭緒？下面是我整理的碩士論文開題報告，僅供參考，歡迎大家閱讀。

課題名稱：基於信任管理的WSN安全數據融合演算法的研究

一、立論依據

課題來源、選題依據和背景情況、課題研究目的、理論意義和實際應用價值。

1、課題來源。

國家自然科學基金資助項目（60873199）。

2、選題依據。

無線感測器網路具有硬體資源（存儲能力、計算能力等）有限，電源容量有限，拓撲結構動態變化，節點眾多難於全面管理等特點，這些特點給理論研究人員和工程技術人員提出了大量具有挑戰性的研究課題，安全數據融合即為其一。雖然目前的研究已經取得了一些成果，但仍然不能滿足應用的需求。無線感測器網路是以數據為中心的網路，如何保證其數據融合的安全性還是一個有待解決的問題。基於此，提出了本課題的研究。

3、背景情況。

微電子技術、計算技術和無線通信等技術的進步，推動了低功耗多功能感測器的快速發展，使其在微小體積內能夠集成信息採集、數據處理和無線通信等多種功能。無線感測器網路就是由部署在監測區域內大量的廉價微型感測器節點組成，通過無線通信方式形成的一個多跳的自組織的網路系統，其目的是協作地感知、採集和處理網路覆蓋區域中感知對象的信息，並發送給數據處理中心或基站。感測器網路被廣泛的應用於軍事、環境監測和預報、健康護理、智能家居、建築物狀態監控、復雜機械監控、城市交通，以及機場、大型工業園區的安全監測等領域。

感測器網路由大量感測器節點組成，收集的信息量大，存在冗餘數據。感測器節點的計算能力、存儲能力、通信能量以及攜帶的能量都十分有限，數據融合就是針對冗餘數據進行網內處理，減少數據傳輸量，是減少能耗地重要技術之一。感測器網路中，將路由技術與數據融合技術結合是一個重要的問題。數據融合可以減少數據量，減輕數據匯聚過程中的網路擁塞，協助路由協議延長網路的生存時間。因而可以數據為中心的路由技術中應用數據融合技術。在戰場等非可信環境或對可靠性要求非常高的環境中，數據融合也帶來了風險。例如，敵人可以俘獲節點獲取節點中的所有信息，從而完全控制節點的行為，偽造和篡改數據。傳統網路中的安全技術需要大量的存儲空間和計算量，不適合能量、計算能力、存儲空間都十分有限的感測器網路。因此必須設計適合感測器網路具有較強安全性的數據融合技術。

4、課題研究目的。

通過對無線感測器網路安全數據融合技術的研究，消除感測器中存在的、大量冗餘數據，有效節省感測器節點能量消耗，延遲節點和網路的工作壽命，在有節點被捕獲成為惡意節點情況下，及時檢測惡意節點，消除惡意節點發送的惡意數據對數據融合的不良影響，保障了感測器網路數據融合過程的可靠性，維護感測器網路的正常工作。

5、理論意義。

無線感測器網路安全技術的研究涵蓋了非常多的研究領域，安全數據融合技術是其中一個重要研究課題。本文把信任管理機制加入到感測器網路安全數據融合過程中，研究設計一種感測器節點信任值的計算方法，有效識別節點狀態，實現可靠的數據融合。

6、實際應用價值。

對於工作在敵方環境中的無線感測器網路，感測器節點容易被地方捕獲成為惡意節點，節點內存儲的密鑰等加密暴露，導致傳統的基於加密和認證的無線感測器網路安全措施失效，在這種情況下，本研究可以可以及時識別惡意節點，保證感測器網路數據融合的可靠性，有效減少網路負載，延長網路工作壽命。

二、文獻綜述

國內外研究現狀、發展動態；所閱文獻的查閱范圍及手段。

1、國內外研究現狀、發展動態。

感測器網路與眾不同的特點導致感測器網路與傳統網路有極大不同。感測器網路的安全數據匯聚是要解決加密傳輸和數據匯聚的協調問題，實現數據的安全處理和傳輸。傳統有線網路和無線網路的安全技術並不適用於感測器網路，這吸引了眾多研究人員研究適合感測器網路的安全技術，並且提出了許多適合感測器網路的安全技術。安全數據融合演算法是WSN安全性研究的重要方面，一直以來受到研究人員的重視，並取得了一定的研究成果。目前已有的研究成果如下：

（1）PerrigA等人提出了一種有效的WSN數據加密方法和廣播認證方法，為WSN安全性研究作出了基礎性工作。

（2）CAMH等人提出了一種基於模式碼的能量有效安全數據融合演算法，演算法用簇頭節點通過自定義的模式碼的選取來組織感測器節的發送冗餘數據實現數據融合，並且使用同態加密體重保證了數據在傳輸過程中的機密性。改方法對於每類數據類型需要保存和維護一個查找表，一旦查找表信息暴露，該安全方案將會失效。

（3）PrzydatekB等人提出的基於數據統計規律的數據融合演算法，演算法使用高效的`抽樣和迭代的證明來保證有多個惡意節點發送錯誤數據的情況下，保證基站能夠判定查詢結果的准確性。但是該方法對於每種聚集函數都需要一個復雜的演算法，為證明數據准確性，聚集節點需向基站發送大量參數，能量消耗太大。

（4）MahimkarA等人研究在WSN中使用橢圓曲線密碼實現數據加密和安全數據融合。但是在感測器節的十分有限的情況下，使用公鑰密碼體系使節點能量消耗更加迅速，縮短網路的壽命。

WSN的信任管理是在WSN管理的基礎上提出的，主要研究對節點進行信任值評估，藉助信任值增強WSN的安全性。傳統的基於密碼體系的安全機制，主要用來抵抗外部攻擊。假如節點被捕獲，節點存儲的密鑰信息將泄漏，使密碼體系失效。WSN信任管理作為密碼體系的補充可以有效的抵抗這種內部攻擊。將信任管理同WSN的安全構架相結合，可以全面提高WSN各項基礎支撐技術的安全性和可靠性。

近年來，WSN信任管理受到了越來越多的關注，取得了一定的研究成果。

（1）Ganeriwal等人提出的RFSN是一個較為完整的WSN信任管理系統，該模型使用直接信息和堅決信息來更新節點的信譽，節點根據得到的信譽信息來選擇是否和其他節點合作。可以建立僅由可信節點組成的網路環境。

（2）Garth等人中將信任管理用於簇頭選舉，採取冗餘策略和挑戰應答手段，盡可能的保證選舉出的簇頭節點為可信節點。

（3）Krasniewski提出了TIBFIT演算法將信任用於WSN容錯系統，把信任度作為一個參數融入到數據融合的過程中，提高對感知事件判斷的准確率，其提出的信任度計算方法比較的簡單。

無線感測器網路需要採取一定的措施來保證網路中數據傳輸的安全性。就目前的研究來看，對無線感測器網路安全數據融合技術和信任管理機制都取得了一些研究成果，但是如何使用信任管理機制保證安全的數據融合的研究並不多見，許多問題還有待於進一步深入研究。

2、所閱文獻的查閱范圍及手段。

充分利用校內圖書館資源、網路資源以及一些位於科技前沿的期刊學報。從對文獻的學習中掌握足夠的理論依據，獲得啟發以用於研究。

三、研究內容

1、研究構想與思路。

在本項目前期工作基礎上建立WSN三級簇結構模型，節點分為普通節點，數據融合節點（免疫節點），簇頭節點。在常規加密演算法的基礎上完成節點身份認證，通過消息認證碼或數字水印技術保證感測器節點傳送數據的真實性。上級節點保存下級節點的信任值，信任度的計算建立在傳送數據的統計分析之上。節點加入網路後先初始化為一定的信任值，每輪數據發送時，接收節點收集數據後，量化數據的分布規律，主要包括單個節點歷史數據分布規律和節點間數據差異的分析，確定數據分布模型（如正態分布、beta分布等），建立計算模型以確定節點間的信任值。信任值確定後，數據融合節點將普通節點按照不同的信任度進行分類，選取可信節點傳送的數據按查詢命令進行數據融合，將結果傳送到簇頭。簇頭同樣計算融合節點的信任度，保證數據融合節點的可靠性，計算最終數據查詢結果，使用Josang信任模型給出結果的評價。各數據融合節點之間保持通信，通過對比數據的一致性確保簇頭節點的可靠。

2、主要研究內容。

（1）設計有效的節點信任值計算方法，網路工作一段時間後，所有正常節點具有較高信任度，異常節點具有較低信任度，可初步判定為惡意節點。

（2）當融合節點或簇頭節點發生異常時能及時發現異常，並上報基站。

（3）過濾異常數據和惡意數據，盡量減少因節點被捕獲而對感知數據結果造成的影響。

（4）計算最終數據融合結果並且對最終數據融合結果做出評價來反映該結果的的可靠程度，供基站參考。

（5）進行演算法的能量分析。

3、擬解決的關鍵技術。

（1）建立WSN一個簇內數據傳送的三層簇結構模型，節點密集部署。

（2）模擬工作過程中節點被捕獲成為惡意節點，惡意節點可能發送和真實數據差別較大的數據，也能發送和真實數據差別不大但會影響融合結果的數據。

（3）計算並更新感測器節點的信任值，分析信任值的有效性。

（4）記錄各節點傳送數據值，並與實際值進行比較，分析融合數據的准確性。測試當有較多節點被捕獲時演算法的工作效果。

4、擬採取的研究方法。

查閱國內外大量有關無線感測器網路數據融合技術和信任管理技術方面的文獻，分析當前無線感測器網路安全領域的發展現狀與未來。借鑒在該領域已經取得的研究成果和經驗，系統而深入的研究在無線感測器網路數據融合中使用信任管理機制的主要問題。通過對已有的安全數據融合技術進行總結和分析，結合無線感測器網路自身的特點，設計出一種基於信任管理的無線感測器網路安全數據融合演算法。

5、技術路線。

本課題嘗試使用信任管理機制來保障在無線感測器網路中實現安全的數據融合，在現有的對無線感測器網路安全數據融合技術的研究基礎上，與信任管理技術相結合，期望能夠對感測器網路安全數據融合提出有效的解決方案。針對課題中的技術難點，通過查閱資料、向導師請教以及與項目組同學討論的形式來解決。

6、實施方案。

（1）在Windows平台下使用omnet++進行模擬實驗。

（2）建立無線感測器網路一個簇內數據傳送的三層結構模型，節點密集部署。

（3）模擬無線感測器網路受到攻擊時時的數據發送，根據數據統計規律計算和更新節點信任值。

（4）把節點按信任值分類，檢測識別惡意節點。

（5）根據節點信任值選擇有效數據完成數據融合。

7、可行性分析。

（1）理論知識積累：通過廣泛閱讀無線感測器網路數據融合技術方面的文獻形成了一定量的理論知識儲備，為課題的研究奠定基礎。

（2）技術積累：熟悉OMNeT++網路模擬軟體，具有一定的C++編程能力。

（3）技術合作：研究過程中遇到難以解決的問題時，可以向指導老師請教解決問題的基本思路。對項目相關課題有疑問時，可以向項目組同學請教。對實驗平台的建立及使用有疑問時，可以和項目組同學共同討論解決。

H. 無線感測器網路的課程設計----智能電網

無線感測器網路主要用於智能電網中的數據採集，尤其是在農村地區，GPRS等無線信號覆蓋較差、電力線載波通信不方便的地方，小區變電站、家庭智能電網終端上使用，可以考慮與其它無線、有線的結合使用。

I. 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。

J. 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。