无线传感器网络技术课程设计报告

A. 什么是无线传感器网络

无线传感器的无线传输功能，常见的无线传输网络有RFID、ZigBee、红外、蓝牙、GPRS、4G、2G、Wi-Fi、NB－IoT。
与传统有线网络相比，无线传感器网络技术具有很明显的优势特点，主要的要求有： 低能耗、低成本、通用性、网络拓扑、安全、实时性、以数据为中心等。

B. 无线传感器网络的组成（三个部分，详细介绍）

很详细，你可以到书店去买这类的书看即可。

以下是来自网络：http://www.sensorexpert.com.cn/Article/wuxianchanganqiwang_1.html。

无线传感器网络组成和特点
发表时间：2012-11-14 14:28:00
文章出处：传感器专家网
相关专题：传感器基础
无线传感器网络的构想最初是由美国军方提出的，美国国防部高级研究所计划署(DARPA)于1978年开始资助卡耐基-梅隆大学进行分布式传感器网络的研究，这被看成是无线传感器网络的雏形。从那以后，类似的项目在全美高校间广泛展开，着名的有UCBerkeley的SmartDuST项目，UCLA的WINS项目，以及多所机构联合攻关的SensIT计划，等等。在这些项目取得进展的同时，其应用也从军用转向民用。在森林火灾、洪水监测之类的环境应用中，在人体生理数据监测、药品管理之类的医疗应用中，在家庭环境的智能化应用以及商务应用中都已出现了它的身影。目下，无线传感器网络的商业化应用也已逐步兴起。美国Crossbow公司就利用SMArtDust项目的成果开发出了名为Mote的智能传感器节点，还有用于研究机构二次开发的MoteWorkTM开发平台。这些产品都很受使用者的欢迎。

无线传感器网络可以看成是由数据获取网络、数据分布网络和控制管理中心三部分组成的。其主要组成部分是集成有传感器、数据处理单元和通信模块的节点，各节点通过协议自组成一个分布式网络，再将采集来的数据通过优化后经无线电波传输给信息处理中心。

因为节点的数量巨大，而且还处在随时变化的环境中，这就使它有着不同于普通传感器网络的独特“个性”。首先是无中心和自组网特性。在无线传感器网络中，所有节点的地位都是平等的，没有预先指定的中心，各节点通过分布式算法来相互协调，在无人值守的情况下，节点就能自动组织起一个测量网络。而正因为没有中心，网络便不会因为单个节点的脱离而受到损害。

其次是网络拓扑的动态变化性。网络中的节点是处于不断变化的环境中，它的状态也在相应地发生变化，加之无线通信信道的不稳定性，网络拓扑因此也在不断地调整变化，而这种变化方式是无人能准确预测出来的。

第三是传输能力的有限性。无线传感器网络通过无线电波进行数据传输，虽然省去了布线的烦恼，但是相对于有线网络，低带宽则成为它的天生缺陷。同时，信号之间还存在相互干扰，信号自身也在不断地衰减，诸如此类。不过因为单个节点传输的数据量并不算大，这个缺点还是能忍受的。

第四是能量的限制。为了测量真实世界的具体值，各个节点会密集地分布于待测区域内，人工补充能量的方法已经不再适用。每个节点都要储备可供长期使用的能量，或者自己从外汲取能量(太阳能)。

第五是安全性的问题。无线信道、有限的能量，分布式控制都使得无线传感器网络更容易受到攻击。被动窃听、主动入侵、拒绝服务则是这些攻击的常见方式。因此，安全性在网络的设计中至关重要。

C. 无线传感器网络节点部署问题研究

无线传感器网络是近几年发展起来的一种新兴技术,在条件恶劣和无人坚守的环境监测和事件跟踪中显示了很大的应用价值。节点部署是无线传感器网络工作的基础,对网络的运行情况和寿命有很大的影响。部署问题涉及覆盖、连接和节约能量消耗3个方面。该文重点讨论了网络部署中的覆盖问题,综述了现有的研究成果,总结了今后的热点研究方向,为以后的研究奠定了基础。
基于虚拟势场的有向传感器网络覆盖增强算法
陶 丹+, 马华东, 刘 亮
(智能通信软件与多媒体北京市重点实验室(北京邮电大学),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: 首先从视频传感器节点方向性感知特性出发,设计了一种方向可调感知模型,并以此为基础对有向传感器网络覆盖增强问题进行分析与定义;其次,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA (potential field based coverage-enhancing algorithm).通过引入“质心”概念,将有向传感器网络覆盖增强问题转化为质心均匀分布问题,以质心点作圆周运动代替传感器节点传感方向的转动.质心在虚拟力作用下作扩散运动,以消除网络中感知重叠区和盲区,进而增强整个有向传感器网络覆盖.一系列仿真实验验证了该算法的有效性.
关键词: 有向传感器网络;有向感知模型;虚拟势场;覆盖增强
中图法分类号: TP393 文献标识码: A
覆盖作为传感器网络中的一个基本问题,反映了传感器网络所能提供的“感知”服务质量.优化传感器网络覆盖对于合理分配网络的空间资源,更好地完成环境感知、信息获取任务以及提高网络生存能力都具有重要的意义[1].目前,传感器网络的初期部署有两种策略:一种是大规模的随机部署;另一种是针对特定的用途进行计划部署.由于传感器网络通常工作在复杂的环境下,而且网络中传感器节点众多,因此大都采用随机部署方式.然而,这种大规模随机投放方式很难一次性地将数目众多的传感器节点放置在适合的位置,极容易造成传感器网络覆盖的不合理(比如,局部目标区域传感器节点分布过密或过疏),进而形成感知重叠区和盲区.因此,在传感器网络初始部署后,我们需要采用覆盖增强策略以获得理想的网络覆盖性能.
目前,国内外学者相继开展了相关覆盖增强问题的研究,并取得了一定的进展[25].从目前可获取的资料来看,绝大多数覆盖问题研究都是针对基于全向感知模型(omni-directional sensing model)的传感器网络展开的[6],
即网络中节点的感知范围是一个以节点为圆心、以其感知距离为半径的圆形区域.通常采用休眠冗余节点[2,7]、
重新调整节点分布[811]或添加新节点[11]等方法实现传感器网络覆盖增强.
实际上,有向感知模型(directional sensing model)也是传感器网络中的一种典型的感知模型[12],即节点的感知范围是一个以节点为圆心、半径为其感知距离的扇形区域.由基于有向感知模型的传感器节点所构成的网络称为有向传感器网络.视频传感器网络是有向传感器网络的一个典型实例.感知模型的差异造成了现有基于全向感知模型的覆盖研究成果不能直接应用于有向传感器网络,迫切需要设计出一系列新方法.
在早期的工作中[13],我们率先开展有向传感器网络中覆盖问题的研究,设计一种基本的有向感知模型,用以刻画视频传感器节点的方向性感知特性,并研究有向传感器网络覆盖完整性以及通信连通性问题.同时,考虑到有向传感器节点传感方向往往具有可调整特性(比如PTZ摄像头的推拉摇移功能),我们进一步提出一种基于图论和计算几何的集中式覆盖增强算法[14],调整方案一经确定,网络中所有有向传感器节点并发地进行传感方向的一次性调整,以此获得网络覆盖性能的增强.但由于未能充分考虑到有向传感器节点局部位置及传感方向信息,因而,该算法对有向传感器网络覆盖增强的能力相对有限.
本文将基本的有向感知模型扩展为方向可调感知模型,研究有向传感器网络覆盖增强问题.首先定义了方向可调感知模型,并分析随机部署策略对有向传感器网络覆盖率的影响.在此基础上,分析了有向传感器网络覆盖增强问题.本文通过引入“质心”概念,将待解决问题转化为质心均匀分布问题,提出了一种基于虚拟势场的有向传感器网络覆盖增强算法PFCEA(potential field based coverage-enhancing algorithm).质心在虚拟力作用下作扩散运动,逐步消除网络中感知重叠区和盲区,增强整个网络覆盖性能.最后,一系列仿真实验验证了PFCEA算法的有效性.
1 有向传感器网络覆盖增强问题
本节旨在分析和定义有向传感器网络覆盖增强问题.在此之前,我们对方向可调感知模型进行简要介绍.
1.1 方向可调感知模型
不同于目前已有的全向感知模型,方向可调感知模型的感知区域受“视角”的限制,并非一个完整的圆形区域.在某时刻t,有向传感器节点具有方向性感知特性;随着其传感方向的不断调整(即旋转),有向传感器节点有能力覆盖到其传感距离内的所有圆形区域.由此,通过简单的几何抽象,我们可以得到有向传感器节点的方向可调感知模型,如图1所示.
定义1. 方向可调感知模型可用一个四元组P,R, ,
表示.其中,P=(x,y)表示有向传感器节点的位置坐标;R表示节
点的最大传感范围,即传感半径;单位向量 = 为扇形感知区域的中轴线,即节点在某时刻t时的传感方向; 和 分别是单位向量 在X轴和Y轴方向上的投影分量;表示边界距离传感向量 的传感夹角,2代表传感区域视角,记作FOV.
特别地,当=时,传统的全向感知模型是方向可调感知模型的一个特例.
若点P1被有向传感器节点vi覆盖成立,记为viP1,当且仅当满足以下条件:
(1) ,其中, 代表点P1到该节点的欧氏距离;
(2) 与 间夹角取值属于[,].
判别点P1是否被有向传感器节点覆盖的一个简单方法是:如果 且 ,那么,点P1
被有向传感器节点覆盖;否则,覆盖不成立.另外,若区域A被有向传感节点覆盖,当且仅当区域A中任何一个点都被有向传感节点覆盖.除非特别说明,下文中出现的“节点”和“传感器节点”均满足上述方向可调感知模型.
1.2 有向传感器网络覆盖增强问题的分析与定义
在研究本文内容之前,我们需要作以下必要假设:
A1. 有向传感器网络中所有节点同构,即所有节点的传感半径(R)、传感夹角()参数规格分别相同;
A2. 有向传感器网络中所有节点一经部署,则位置固定不变,但其传感方向可调;
A3. 有向传感器网络中各节点都了解自身位置及传感方向信息,且各节点对自身传感方向可控.
假设目标区域的面积为S,随机部署的传感器节点位置满足均匀分布模型,且目标区域内任意两个传感器节点不在同一位置.传感器节点的传感方向在[0,2]上也满足均匀分布模型.在不考虑传感器节点可能落入边界区域造成有效覆盖区域减小的情况下,由于每个传感器节点所监控的区域面积为R2,则每个传感器节点能监测整个目标区域的概率为R2/S.目标区域被N个传感器节点覆盖的初始概率p0的计算公式为(具体推导过程参见文献[14])
(1)
由公式(1)可知,当目标区域内网络覆盖率至少达到p0时,需要部署的节点规模计算公式为
(2)
当网络覆盖率分别为p0和p0+p时,所需部署的传感器节点数目分别为ln(1p0)/,ln(1(p0+p))/.其中, =ln(SR2)lnS.因此,传感器节点数目差异N由公式(3)可得,
(3)
当目标区域面积S、节点传感半径R和传感夹角一定时,为一常数.此时,N与p0,p满足关系如图2所示(S=500500m2,R=60m,=45º).从图中我们可以看出,当p0一定时,N随着p的增加而增加;当p一定时,N随着p0的增加而增加,且增加率越来越大.因此,当需要将覆盖率增大p时,则需多部署N个节点(p0取值较大时(80%),p取值每增加1%,N就有数十、甚至数百的增加).如果采用一定的覆盖增强策略,无须多部署节点,就可以使网络覆盖率达到p0+p,大量节省了传感器网络部署成本.
设Si(t)表示节点vi在传感向量为 时所覆盖的区域面积.运算操作Si(t)Sj(t)代表节点vi和节点vj所能覆盖到的区域总面积.这样,当网络中节点传感向量取值为 时,有向传感器网络覆盖率可表
示如下:
(4)
因此,有向传感器网络覆盖增强问题归纳如下:
问题:求解一组 ,使得对于初始的 ,有 取值
接近最大.

Fig.2 The relation among p0, p and N
图2 p0,p和N三者之间的关系
2 基于虚拟势场的覆盖增强算法
2.1 传统虚拟势场方法
虚拟势场(virtual potential field)的概念最初应用于机器人的路径规划和障碍躲避.Howard等人[8]和Pori等人[9]先后将这一概念引入到传感器网络的覆盖增强问题中来.其基本思想是把网络中每个传感器节点看作一个虚拟的电荷,各节点受到其他节点的虚拟力作用,向目标区域中的其他区域扩散,最终达到平衡状态,即实现目标区域的充分覆盖状态.Zou等人[15]提出了一种虚拟力算法(virtual force algorithm,简称VFA),初始节点随机部署后自动完善网络覆盖性能,以均匀网络覆盖并保证网络覆盖范围最大化.在执行过程中,传感器节点并不移动,而是计算出随机部署的传感器节点虚拟移动轨迹.一旦传感器节点位置确定后,则对相应节点进行一次移动操作.Li等人[10]为解决传感器网络布局优化,在文献[15]的基础上提出了涉及目标的虚拟力算法(target involved virtual force algorithm,简称TIVFA),通过计算节点与目标、热点区域、障碍物和其他传感器之间的虚拟力,为各节点寻找受力平衡点,并将其作为该传感器节点的新位置.
上述利用虚拟势场方法优化传感器网络覆盖的研究成果都是基于全向感知模型展开的.假定传感器节点间存在两种虚拟力作用:一种是斥力,使传感器节点足够稀疏,避免节点过于密集而形成感知重叠区域;另一种是引力,使传感器节点保持一定的分布密度,避免节点过于分离而形成感知盲区[15].最终利用传感器节点的位置移动来实现传感器网络覆盖增强.
2.2 基于虚拟势场的有向传感器网络覆盖增强算法
在实际应用中,考虑到传感器网络部署成本,所有部署的传感器节点都具有移动能力是不现实的.另外,传感器节点位置的移动极易引起部分传感器节点的失效,进而造成整个传感器网络拓扑发生变化.这些无疑都会增加网络维护成本.因而,本文的研究工作基于传感器节点位置不变、传感方向可调的假设.上述假设使得直接利用虚拟势场方法解决有向传感器网络覆盖增强问题遇到了麻烦.在传统的虚拟势场方法中,传感器节点在势场力的作用下进行平动(如图3(a)所示),而基于本文的假设,传感器节点表现为其扇形感知区域在势场力的作用下以传感器节点为轴心进行旋转(如图3(b)所示).
为了简化扇形感知区域的转动模型,我们引入“质心(centroid)”的概念.质心是质点系中一个特定的点,它与物体的平衡、运动以及内力分布密切相关.传感器节点的位置不变,其传感方向的不断调整可近似地看作是扇形感知区域的质心点绕传感器节点作圆周运动.如图3(b)所示,一个均匀扇形感知区域的质心点位于其对称轴上且与圆心距离为2Rsin/3.每个传感器节点有且仅有一个质心点与其对应.我们用c表示传感器节点v所对应的质心点.本文将有向传感器网络覆盖增强问题转化为利用传统虚拟势场方法可解的质心点均匀分布问题,如图4所示.

Fig.3 Moving models of sensor node
图3 传感器节点的运动模型

Fig.4 The issue description of coverage enhancement in directional sensor networks
图4 有向传感器网络覆盖增强问题描述
2.2.1 受力分析
利用虚拟势场方法增强有向传感器网络覆盖,可以近似等价于质心点-质心点(c-c)之间虚拟力作用问题.我们假设质心点-质心点之间存在斥力,在斥力作用下,相邻质心点逐步扩散开来,在降低冗余覆盖的同时,逐渐实现整个监测区域的充分高效覆盖,最终增强有向传感器网络的覆盖性能.在虚拟势场作用下,质心点受来自相邻一个或多个质心点的斥力作用.下面给出质心点受力的计算方法.
如图5所示,dij表示传感器节点vi与vj之间的欧氏距离.只有当dij小于传感器节点传感半径(R)的2倍时,它们的感知区域才存在重叠的可能,故它们之间才存在产生斥力的作用,该斥力作用于传感器节点相应的质心点ci和cj上.
定义2. 有向传感器网络中,欧氏距离不大于节点传感半径(R)2倍的一对节点互为邻居节点.节点vi的邻居节点集合记作i.即i={vj|Dis(vi,vj)2R,ij}.
我们定义质心点vj对质心点vi的斥力模型 ,见公式(5).
(5)
其中,Dij表示质心点ci和cj之间的欧氏距离;kR表示斥力系数(常数,本文取kR=1);ij为单位向量,指示斥力方向(由质心点cj指向ci).公式(5)表明,只有当传感器节点vi和vj互为邻居节点时(即有可能形成冗余覆盖时),其相应的质心点ci和cj之间才存在斥力作用.质心点所受斥力大小与ci和cj之间的欧氏距离成反比,而质心点所受斥力方向由ci和cj之间的相互位置关系所决定.
质心点ci所受合力是其受到相邻k个质心点排斥力的矢量和.公式(6)描述质心点ci所受合力模型 .
(6)
通过如图6所示的实例,我们分析质心点的受力情况.图中包括4个传感器节点:v1,v2,v3和v4,其相应的质心
点分别为c1,c2,c3和c4.以质心点c1为例,由于d122R,故 ,质心点c1仅受到来自质心点c3和c4的斥力,其所受合力 .传感器节点传感方向旋转导致质心点的运动轨迹并不是任意的,而是固定绕传感器节点作圆周运动.因此,质心点的运动仅仅受合力沿圆周切线方向分量 的影响.

Fig.6 The force on centroid
图6 质心点受力
2.2.2 控制规则(control law)
本文基于一个虚拟物理世界研究质心点运动问题,其中作用力、质心点等都是虚拟的.该虚拟物理世界的构建是建立在求解问题特征的基础上的.在此,我们定义控制规则,即规定质心点受力与运动之间的关系,以达到质心点的均匀分布.
质心点在 作用下运动,受到运动学和动力学的双重约束,具体表现如下:
(1) 运动学约束
在传统传感器网络中利用虚拟势场方法移动传感器节点的情况下,由于传感器节点向任意方向运动的概率是等同的,我们大都忽略其所受的运动学约束[8].而在转动模型中,质心点的运动不是任意方向的,受合力沿圆
周切线方向分量 的影响,只能绕其传感器节点作圆周运动.
质心点在运动过程中受到的虚拟力是变化的,但对传感器网络系统来说,传感器节点之间每时每刻都交换邻居节点位置及传感方向信息是不现实的.因此,我们设定邻居节点间每隔时间步长t交换一次位置及传感方向信息,根据交换信息计算当前时间步长质心点所受合力,得出转动方向及弧长.同时,问题求解的目的在于将节点的传感方向调整至一个合适的位置.在此,我们不考虑速度和加速度与转动弧长之间的关系.
(2) 动力学约束
动力学约束研究受力与运动之间的关系.本运动模型中的动力学约束主要包含两方面内容:
• 每个时间步长t内,质心点所受合力与转动方向及弧长之间的关系;
• 质心点运动的静止条件.
在传统传感器网络中利用虚拟势场方法移动传感器节点的情况下,在每个时间步长内,传感器节点的运动速度受限于最大运动速度vmax,而不是随传感器节点受力无止境地增加.通过此举保证微调方法的快速收敛.在本转动模型中,我们同样假设质心点每次固定以较小的转动角度进行转动,通过多次微调方法逐步趋向最优解,即在每个时间步长t内,质心点转动的方向沿所受合力在圆周切线方向分量,转动大小不是任意的,而是具有固定转动角度.采用上述方法的原因有两个:
• 运动过程中,质心点受力不断变化,且变化规律很难用简单的函数进行表示,加之上述运动学约束和问题特征等因素影响,我们很难得出一个简明而合理的质心点所受合力与转动弧长之间的关系.
• 运动过程中,质心点按固定角度进行转动,有利于简化计算过程,减少节点的计算负担.同时,我们通过分析仿真实验数据发现,该方法具有较为理想的收敛性(具体讨论参见第3.2节).
固定转动角度取值不同对PFCEA算法性能具有较大的影响,这在第3.3节中将加以详细的分析和说明.
当质心点所受合力沿圆周切线方向分量为0时,其到达理想位置转动停止.如图7所示,我们假定质心点在圆周上O点处合力切向分量为0.由于质心点按固定转动角度进行转动,因此,它
未必会刚好转动到O点处.当质心点处于图7中弧 或 时,会
因合力切向分量不为0而导致质心点围绕O点附近往复振动.因此,为避免出现振动现象,加速质心点达到稳定状态,我们需要进一步限定质心点运动的停止条件.
当质心点围绕O点附近往复振动时,其受合力的切向分量很
小.因此,我们设定受力门限,当 (本文取=10e6),即可认
定质心点已达到稳定状态,无须再运动.经过数个时间步长t后,当网络中所有质心点达到稳定状态时,整个传感器网络即达到稳定状态,此时对应的一组 ,该
组解通常为本文覆盖增强的较优解.
2.3 算法描述
基于上述分析,本文提出了基于虚拟势场的网络覆盖增强算法(PFCEA),该算法是一个分布式算法,在每个传感器节点上并发执行.PFCEA算法描述如下:
输入:节点vi及其邻居节点的位置和传感方向信息.
输出:节点vi最终的传感方向信息 .
1. t0; //初始化时间步长计数器
2. 计算节点vi相应质心点ci初始位置 ;
3. 计算节点vi邻居节点集合i,M表示邻居节点集合中元素数目;
4. While (1)
4.1 tt+1;
4.2 ;
4.3 For (j=0; j<M; j++)
4.3.1 计算质心点cj对ci的当前斥力 ,其中,vji;
4.3.2 ;
4.4 计算质心点ci当前所受合力 沿圆周切线分量 ;
4.5 确定质心点ci运动方向;
4.6 If ( ) Then
4.6.1 质心点ci沿 方向转动固定角度;
4.6.2 调整质心点ci至新位置 ;
4.6.3 计算节点vj指向当前质心点ci向量并单位化,得到节点vi最终的传感方向信息 ;
4.7 Sleep (t);
5. End.
3 算法仿真与性能分析
我们利用VC6.0自行开发了适用于传感器网络部署及覆盖研究的仿真软件Senetest2.0,并利用该软件进行了大量仿真实验,以验证PFCEA算法的有效性.实验中参数的取值见表1.为简化实验,假设目标区域中所有传感器节点同构,即所有节点的传感半径及传感夹角规格分别相同.
Table 1 Experimental parameters
表1 实验参数
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 实例研究
在本节中,我们通过一个具体实例说明PFCEA算法对有向传感器网络覆盖增强.在500500m2的目标区域内,我们部署传感半径R=60m、传感夹角=45º的传感器节点完成场景监测.若达到预期的网络覆盖率p=70%, 通过公式(1),我们可预先估算出所需部署的传感器节点数目,
.
针对上述实例,我们记录了PFCEA算法运行不同时间步长时有向传感器网络覆盖增强情况,如图8所示.

(a) Initial coverage, p0=65.74%
(a) 初始覆盖,p0=65.74% (b) The 10th time step, p10=76.03%
(b) 第10个时间步长,p10=76.03%

(c) The 20th time step, p20=80.20%
(c) 第20个时间步长,p20=80.20% (d) The 30th time step, p30=81.45%
(d) 第30个时间步长,p30=81.45%
Fig.8 Coverage enhancement using PFCEA algorithm
图8 PFCEA算法实现覆盖增强
直观看来,质心点在虚拟斥力作用下进行扩散运动,逐步消除网络中感知重叠区和盲区,最终实现有向传感器网络覆盖增强.此例中,网络传感器节点分别经过30个时间步长的调整,网络覆盖率由最初的65.74%提高到81.45%,网络覆盖增强达15.71个百分点.
图9显示了逐个时间步长调整所带来的网络覆盖增强.我们发现,随着时间步长的增加,网络覆盖率也不断增加,且近似满足指数关系.当时间步长达到30次以后,网络中绝大多数节点的传感方向出现振动现象,直观表现为网络覆盖率在81.20%附近在允许的范围振荡.此时,我们认定有向传感器网络覆盖性能近似增强至最优.
网络覆盖性能可以显着地降低网络部署成本.实例通过节点传感方向的自调整,在仅仅部署105个传感器节点的情况下,最终获得81.45%的网络覆盖率.若预期的网络覆盖率为81.45%,通过公式(1)的计算可知,我们至少需要部署148个传感器节点.由此可见,利用PFCEA算法实现网络覆盖增强的直接效果是可以节省近43个传感器节点,极大地降低了网络部署成本.
3.2 收敛性分析
为了讨论本文算法的收敛性,我们针对4种不同的网络节点规模进行多组实验.我们针对各网络节点规模随机生成10个拓扑结构,分别计算算法收敛次数,并取平均值,实验数据见表2.其他实验参数为R=60m,=45º, =5º.
Table 2 Experimental data for convergence analysis
表2 实验数据收敛性分析

(%)
(%)

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
分析上述实验数据,我们可以得出,PFCEA算法的收敛性即调整的次数,并不随传感器网络节点规模的变化而发生显着的改变,其取值一般维持在[20,30]范围内.由此可见,本文PFCEA算法具有较好的收敛性,可以在较短的时间步长内完成有向传感器网络的覆盖增强过程.
3.3 仿真分析
在本节中,我们通过一系列仿真实验来说明4个主要参数对本文PFCEA算法性能的影响.它们分别是:节点规模N、传感半径R、传感夹角和(质心点)转动角度.针对前3个参数,我们与以往研究的一种集中式覆盖增强算法[14]进行性能分析和比较.
A. 节点规模N、传感半径R以及传感角度
我们分别取不同节点规模进行仿真实验.从图10(a)变化曲线可以看出,当R和一定时,N取值较小导致网络初始覆盖率较小.此时,随着N的增大,p取值呈现持续上升趋势.当N=200时,网络覆盖率增强可达14.40个百分点.此后,p取值有所下降.这是由于当节点规模N增加导致网络初始覆盖率较高时(如60%),相邻多传感器节点间形成覆盖盲区的概率大为降低,无疑削弱了PFCEA算法的性能.另外,部分传感器节点落入边界区域,也会间接起到削弱PFCEA算法性能的作用.
另外,传感半径、传感角度对PFCEA算法性能的影响与此类似.当节点规模一定时,节点传感半径或传感角度取值越小,单个节点的覆盖区域越小,各相邻节点间形成感知重叠区域的可能性也就越小.此时,PFCEA算法对网络覆盖性能改善并不显着.随着传感半径或传感角度的增加,p不断增加.当R=70m且=45º时,网络覆盖率最高可提升15.91%.但随着传感半径或传感角度取值的不断增加,PFCEA算法带来的网络覆盖效果降低,如图10(b)、图10(c)所示.

(c) The effect of sensing offset angle , other parameters meet N=100, R=40m, =5º
(c) 传感角度的影响,其他实验参数满足:N=100,R=40m,=5º

D. 在设计传感器网络的物理层时，需要着重考虑哪些问题

1.传输介质
2.物理层帧结构
3.需要考虑编码调制技术、通信速率和通信频段等问题

E. 网络课程设计实验报告

一.实验目的： 网络构建方案设计与实现，充分利用实验室设备进行组网实验，使构建出来的网络能实现多种功能。

二.实验设备 RSR20-04型路由器4台 S2628G-I型二层交换机2台 S5750-28GT-L型三层交换机2台 主机（WindowsXP系统）7台 三.实验设计： 现有四个地理位置分离的网络区域，由四个路由器联通（采用RIPV2路由协议）。

区域一由三台主机（PC0 PC1 PC4）、一台二层交换机、一台三层交换机组成，三台主机属于不同VLAN，且PC0能与PC4通信，PC1不能与PC4通信（采用ACL访问控制列表）。 区域二只有一台主机PC6，它不能与区域四中的PC5进行通信（采用ACL访问控制列表）。 区域三由一台主机PC3与一台三层交换机组成。 区域四由两台主机（PC2 PC5）与一台二层交换机组成，两台主机属于不同VLAN，由最近的路由器实现VLAN间互联（采用单臂路由）。 除限制条件外，实现所有设备之间的互联。

F. 高分急求课程设计：基于网络感测的传感器测量系统

1、http://wwwD.suntrans.net/PdfArea/大坝堤围险段监测系统技术方案--简介.pdf
（去掉www后面的D）
2、httDp://219.135.215.37/lunwen/21-2005/46.pdf
（去掉httDp中间的D）

G. 硕士论文开题报告

随着个人素质的提升，需要使用报告的情况越来越多，报告具有成文事后性的特点。写起报告来就毫无头绪？下面是我整理的硕士论文开题报告，仅供参考，欢迎大家阅读。

课题名称：基于信任管理的WSN安全数据融合算法的研究

一、立论依据

课题来源、选题依据和背景情况、课题研究目的、理论意义和实际应用价值。

1、课题来源。

国家自然科学基金资助项目（60873199）。

2、选题依据。

无线传感器网络具有硬件资源（存储能力、计算能力等）有限，电源容量有限，拓扑结构动态变化，节点众多难于全面管理等特点，这些特点给理论研究人员和工程技术人员提出了大量具有挑战性的研究课题，安全数据融合即为其一。虽然目前的研究已经取得了一些成果，但仍然不能满足应用的需求。无线传感器网络是以数据为中心的网络，如何保证其数据融合的安全性还是一个有待解决的问题。基于此，提出了本课题的研究。

3、背景情况。

微电子技术、计算技术和无线通信等技术的进步，推动了低功耗多功能传感器的快速发展，使其在微小体积内能够集成信息采集、数据处理和无线通信等多种功能。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，并发送给数据处理中心或基站。传感器网络被广泛的应用于军事、环境监测和预报、健康护理、智能家居、建筑物状态监控、复杂机械监控、城市交通，以及机场、大型工业园区的安全监测等领域。

传感器网络由大量传感器节点组成，收集的信息量大，存在冗余数据。传感器节点的计算能力、存储能力、通信能量以及携带的能量都十分有限，数据融合就是针对冗余数据进行网内处理，减少数据传输量，是减少能耗地重要技术之一。传感器网络中，将路由技术与数据融合技术结合是一个重要的问题。数据融合可以减少数据量，减轻数据汇聚过程中的网络拥塞，协助路由协议延长网络的生存时间。因而可以数据为中心的路由技术中应用数据融合技术。在战场等非可信环境或对可靠性要求非常高的环境中，数据融合也带来了风险。例如，敌人可以俘获节点获取节点中的所有信息，从而完全控制节点的行为，伪造和篡改数据。传统网络中的安全技术需要大量的存储空间和计算量，不适合能量、计算能力、存储空间都十分有限的传感器网络。因此必须设计适合传感器网络具有较强安全性的数据融合技术。

4、课题研究目的。

通过对无线传感器网络安全数据融合技术的研究，消除传感器中存在的、大量冗余数据，有效节省传感器节点能量消耗，延迟节点和网络的工作寿命，在有节点被捕获成为恶意节点情况下，及时检测恶意节点，消除恶意节点发送的恶意数据对数据融合的不良影响，保障了传感器网络数据融合过程的可靠性，维护传感器网络的正常工作。

5、理论意义。

无线传感器网络安全技术的研究涵盖了非常多的研究领域，安全数据融合技术是其中一个重要研究课题。本文把信任管理机制加入到传感器网络安全数据融合过程中，研究设计一种传感器节点信任值的计算方法，有效识别节点状态，实现可靠的数据融合。

6、实际应用价值。

对于工作在敌方环境中的无线传感器网络，传感器节点容易被地方捕获成为恶意节点，节点内存储的密钥等加密暴露，导致传统的基于加密和认证的无线传感器网络安全措施失效，在这种情况下，本研究可以可以及时识别恶意节点，保证传感器网络数据融合的可靠性，有效减少网络负载，延长网络工作寿命。

二、文献综述

国内外研究现状、发展动态；所阅文献的查阅范围及手段。

1、国内外研究现状、发展动态。

传感器网络与众不同的特点导致传感器网络与传统网络有极大不同。传感器网络的安全数据汇聚是要解决加密传输和数据汇聚的协调问题，实现数据的安全处理和传输。传统有线网络和无线网络的安全技术并不适用于传感器网络，这吸引了众多研究人员研究适合传感器网络的安全技术，并且提出了许多适合传感器网络的安全技术。安全数据融合算法是WSN安全性研究的重要方面，一直以来受到研究人员的重视，并取得了一定的研究成果。目前已有的研究成果如下：

（1）PerrigA等人提出了一种有效的WSN数据加密方法和广播认证方法，为WSN安全性研究作出了基础性工作。

（2）CAMH等人提出了一种基于模式码的能量有效安全数据融合算法，算法用簇头节点通过自定义的模式码的选取来组织传感器节的发送冗余数据实现数据融合，并且使用同态加密体重保证了数据在传输过程中的机密性。改方法对于每类数据类型需要保存和维护一个查找表，一旦查找表信息暴露，该安全方案将会失效。

（3）PrzydatekB等人提出的基于数据统计规律的数据融合算法，算法使用高效的`抽样和迭代的证明来保证有多个恶意节点发送错误数据的情况下，保证基站能够判定查询结果的准确性。但是该方法对于每种聚集函数都需要一个复杂的算法，为证明数据准确性，聚集节点需向基站发送大量参数，能量消耗太大。

（4）MahimkarA等人研究在WSN中使用椭圆曲线密码实现数据加密和安全数据融合。但是在传感器节的十分有限的情况下，使用公钥密码体系使节点能量消耗更加迅速，缩短网络的寿命。

WSN的信任管理是在WSN管理的基础上提出的，主要研究对节点进行信任值评估，借助信任值增强WSN的安全性。传统的基于密码体系的安全机制，主要用来抵抗外部攻击。假如节点被捕获，节点存储的密钥信息将泄漏，使密码体系失效。WSN信任管理作为密码体系的补充可以有效的抵抗这种内部攻击。将信任管理同WSN的安全构架相结合，可以全面提高WSN各项基础支撑技术的安全性和可靠性。

近年来，WSN信任管理受到了越来越多的关注，取得了一定的研究成果。

（1）Ganeriwal等人提出的RFSN是一个较为完整的WSN信任管理系统，该模型使用直接信息和坚决信息来更新节点的信誉，节点根据得到的信誉信息来选择是否和其他节点合作。可以建立仅由可信节点组成的网络环境。

（2）Garth等人中将信任管理用于簇头选举，采取冗余策略和挑战应答手段，尽可能的保证选举出的簇头节点为可信节点。

（3）Krasniewski提出了TIBFIT算法将信任用于WSN容错系统，把信任度作为一个参数融入到数据融合的过程中，提高对感知事件判断的准确率，其提出的信任度计算方法比较的简单。

无线传感器网络需要采取一定的措施来保证网络中数据传输的安全性。就目前的研究来看，对无线传感器网络安全数据融合技术和信任管理机制都取得了一些研究成果，但是如何使用信任管理机制保证安全的数据融合的研究并不多见，许多问题还有待于进一步深入研究。

2、所阅文献的查阅范围及手段。

充分利用校内图书馆资源、网络资源以及一些位于科技前沿的期刊学报。从对文献的学习中掌握足够的理论依据，获得启发以用于研究。

三、研究内容

1、研究构想与思路。

在本项目前期工作基础上建立WSN三级簇结构模型，节点分为普通节点，数据融合节点（免疫节点），簇头节点。在常规加密算法的基础上完成节点身份认证，通过消息认证码或数字水印技术保证传感器节点传送数据的真实性。上级节点保存下级节点的信任值，信任度的计算建立在传送数据的统计分析之上。节点加入网络后先初始化为一定的信任值，每轮数据发送时，接收节点收集数据后，量化数据的分布规律，主要包括单个节点历史数据分布规律和节点间数据差异的分析，确定数据分布模型（如正态分布、beta分布等），建立计算模型以确定节点间的信任值。信任值确定后，数据融合节点将普通节点按照不同的信任度进行分类，选取可信节点传送的数据按查询命令进行数据融合，将结果传送到簇头。簇头同样计算融合节点的信任度，保证数据融合节点的可靠性，计算最终数据查询结果，使用Josang信任模型给出结果的评价。各数据融合节点之间保持通信，通过对比数据的一致性确保簇头节点的可靠。

2、主要研究内容。

（1）设计有效的节点信任值计算方法，网络工作一段时间后，所有正常节点具有较高信任度，异常节点具有较低信任度，可初步判定为恶意节点。

（2）当融合节点或簇头节点发生异常时能及时发现异常，并上报基站。

（3）过滤异常数据和恶意数据，尽量减少因节点被捕获而对感知数据结果造成的影响。

（4）计算最终数据融合结果并且对最终数据融合结果做出评价来反映该结果的的可靠程度，供基站参考。

（5）进行算法的能量分析。

3、拟解决的关键技术。

（1）建立WSN一个簇内数据传送的三层簇结构模型，节点密集部署。

（2）模拟工作过程中节点被捕获成为恶意节点，恶意节点可能发送和真实数据差别较大的数据，也能发送和真实数据差别不大但会影响融合结果的数据。

（3）计算并更新传感器节点的信任值，分析信任值的有效性。

（4）记录各节点传送数据值，并与实际值进行比较，分析融合数据的准确性。测试当有较多节点被捕获时算法的工作效果。

4、拟采取的研究方法。

查阅国内外大量有关无线传感器网络数据融合技术和信任管理技术方面的文献，分析当前无线传感器网络安全领域的发展现状与未来。借鉴在该领域已经取得的研究成果和经验，系统而深入的研究在无线传感器网络数据融合中使用信任管理机制的主要问题。通过对已有的安全数据融合技术进行总结和分析，结合无线传感器网络自身的特点，设计出一种基于信任管理的无线传感器网络安全数据融合算法。

5、技术路线。

本课题尝试使用信任管理机制来保障在无线传感器网络中实现安全的数据融合，在现有的对无线传感器网络安全数据融合技术的研究基础上，与信任管理技术相结合，期望能够对传感器网络安全数据融合提出有效的解决方案。针对课题中的技术难点，通过查阅资料、向导师请教以及与项目组同学讨论的形式来解决。

6、实施方案。

（1）在Windows平台下使用omnet++进行仿真实验。

（2）建立无线传感器网络一个簇内数据传送的三层结构模型，节点密集部署。

（3）模拟无线传感器网络受到攻击时时的数据发送，根据数据统计规律计算和更新节点信任值。

（4）把节点按信任值分类，检测识别恶意节点。

（5）根据节点信任值选择有效数据完成数据融合。

7、可行性分析。

（1）理论知识积累：通过广泛阅读无线传感器网络数据融合技术方面的文献形成了一定量的理论知识储备，为课题的研究奠定基础。

（2）技术积累：熟悉OMNeT++网络仿真软件，具有一定的C++编程能力。

（3）技术合作：研究过程中遇到难以解决的问题时，可以向指导老师请教解决问题的基本思路。对项目相关课题有疑问时，可以向项目组同学请教。对实验平台的建立及使用有疑问时，可以和项目组同学共同讨论解决。

H. 无线传感器网络的课程设计----智能电网

无线传感器网络主要用于智能电网中的数据采集，尤其是在农村地区，GPRS等无线信号覆盖较差、电力线载波通信不方便的地方，小区变电站、家庭智能电网终端上使用，可以考虑与其它无线、有线的结合使用。

I. 无线传感器网络体系结构包括哪些部分，各部分的

结构
传感器网络系统通常包括传感器节点EndDevice、汇聚节点Router和管理节点Coordinator。
大量传感器节点随机部署在监测区域内部或附近，能够通过自组织方式构成网络。传感器节点监测的数据沿着其他传感器节点逐跳地进行传输，在传输过程中监测数据可能被多个节点处理，经过多跳后路由到汇聚节点，最后通过互联网或卫星到达管理节点。用户通过管理节点对传感器网络进行配置和管理，发布监测任务以及收集监测数据。

传感器节点
处理能力、存储能力和通信能力相对较弱，通过小容量电池供电。从网络功能上看，每个传感器节点除了进行本地信息收集和数据处理外，还要对其他节点转发来的数据进行存储、管理和融合，并与其他节点协作完成一些特定任务。

汇聚节点
汇聚节点的处理能力、存储能力和通信能力相对较强，它是连接传感器网络与Internet 等外部网络的网关，实现两种协议间的转换，同时向传感器节点发布来自管理节点的监测任务，并把WSN收集到的数据转发到外部网络上。汇聚节点既可以是一个具有增强功能的传感器节点，有足够的能量供给和更多的、Flash和SRAM中的所有信息传输到计算机中，通过汇编软件，可很方便地把获取的信息转换成汇编文件格式，从而分析出传感节点所存储的程序代码、路由协议及密钥等机密信息，同时还可以修改程序代码，并加载到传感节点中。

管理节点
管理节点用于动态地管理整个无线传感器网络。传感器网络的所有者通过管理节点访问无线传感器网络的资源。
无线传感器测距
在无线传感器网络中，常用的测量节点间距离的方法主要有TOA（Time of Arrival），TDOA（Time Difference of Arrival）、超声波、RSSI（Received Sig nalStrength Indicator）和TOF（Time of Light）等。

J. 无线传感器的应用实例

桥梁健康检测及监测桥梁结构健康监测(SHM)是一种基于传感器的主动防御型方法，可以弥补目前安全性能十分重要的结构中，把传感器网络安置到桥梁、建筑和飞机中，利用传感器进行SHM是一种可靠且不昂贵的做法，可以在第一时间检测到缺陷的形成。这种网络可以提早向维修人员报告在关键结构中出现的缺陷，从而避免灾难性事故。粮仓温湿度监测无线传感器网络技术在粮库粮仓温度湿度监测领域应用最为普遍，这是由于粮库粮仓温度湿度的测点多，分布广，使用纵横交错的信号线会降低防火安全系数，应用无线传感器网络技术具有低功耗，低成本，布线简单，安装方便，易于组网，便于管理维护等特点。混凝土浇灌温度监测在混凝土施工过程中，将数字温度传感器装入导热良好的金属套管内，可保证传感器对混凝土温度变化作出迅速的反应。每个温度监测金属管接入一个无线温度节点，整个现场的无线温度节点通过无线网络传输到施工监控中心，不需要在施工现场布放长电缆，安装布放方便，能够有效解决温度测量点因为施工人员损坏电缆造成的成活率较低的问题.地震监测通过使用由大量互连的微型传感器节点组成的传感器网络，可以对不同环境进行不间断的高精度数据搜集。采用低功耗的无线通信模块和无线通信协议可以使传感器网络的生命期延续很长时间。保证了传感器网络的实用性。无线传感器网络相对于传统的网络，其最明显的特色可以用六个字来概括即：“自组织，自愈合”。这些特点使得无线传感器网络能够适应复杂多变的环境，去监测人力难以到达的恶劣环境地区。BEETECH无线传感器网络节点体积小巧,不需现场拉线供电，非常方便在应急情况下进行灵活部署监测并预测地质灾害的发生情况。建筑物振动检测建筑物悬臂部分不会因为旁边公路及地铁交通所引发的振动而超过舒适度的要求；通过现场测量，收集数据以验证由公路及地铁交通所引发的振动与主楼悬臂振动之相互关系； 同时，通过模态分析得到主楼结构在小振幅脉动振动工况下前几阶振动模态的阻尼比，为将来进行结构的小振幅动力分析提供关键数据。本次应用采用高精度加速度传感器，捕捉大型结构微弱振动，同样适用于风载，车辆等引起的脉动测量。