基于农业环境无线传感器网络性能评估.docx

基于农业环境无线传感器网络性能评估.docx

《基于农业环境无线传感器网络性能评估.docx》由会员分享，可在线阅读，更多相关《基于农业环境无线传感器网络性能评估.docx（18页珍藏版）》请在冰点文库上搜索。

基于农业环境无线传感器网络性能评估

基于农业环境无线传感器网络性能评估

[摘要]随着无线传感器网络应用研究的不断深入，通过实际传感器节点建立网络进行网络测试越来越受到人们的重视。

综合大量无线传感器网络性能研究的技术文献和最新研究结果，提出对农业环境WSN网络性能参数。

[关键词]无线传感器网络性能测试部署

一、引言

近年来随着研究的深入与技术的成熟，以应用为背景，基于WSN的试验越来越多地涌现出来，WSN正处于从研究到应用的过渡阶段。

对WSN网络性能的分析与评价是网络节点与部署的前提，对WSN网络性能进行分析，评价，获得网络性能的总体情况，可以评估，鉴定和验收一个现有网络；对一个新的待建设网络，其方案的论证也极大地依赖于如何分析和评价网络的性能。

原文链接：

基于TinyOS无线传感器网络的农业环境监测系统设计

摘要：

针对传统农业环境监测系统的局限性，设计了一种基于无线传感器网络的农业环境监测系统，给出了农业环境监测系统的体系结构，重点设计了使用MSP4300和CC2420芯片的传感器节点硬件结构和基于TinyOS操作系统构架的软件流程，系统可以对目标监测区内的温度、湿度、光照度等农业环境信息进行实时监测、可靠传输。

解决了传统农业环境监测中存在的问题，为无线传感器网络应用于农业环境监测做出探索性研究。

关键词：

无线传感器网络；TinyOS；精准农业；环境监测

准确实时的信息供给是精准农业的必须前提，精准农业的实现首先在于认识农田内农作物生长环境和生长情况的差异，而这必须依赖于各种先进的传感器，如大气温度、大气湿度、风速、太阳辐射、作物生长情况、作物产量等各种类型传感器。

如何将这些传感器采集的信息及时准确地收集，为农业专家提供决策并制定农田变量作业处方的主要数据源和参数，一直是一个难题。

近年来，出现了许多采用无线公共网络和无线网络等无线通讯方式进行农、林、牧业的远程监测的研究。

这些无线通信技术的优势是传输速度快、信息量大、可远距离传输，但都存在功耗高、时延长、通信费用高等因素制约，使其很难广泛地应用到农业环境监测中。

原文链接：

无线传感器网络在农作物环境信息监测中的应用

摘要：

传感器已经被广泛的应用于工业、军事等方面。

由传感器节点构成的无线网络也已经成为现今研究的热门问题。

无线传感器网络在农业中尤其是在农作物信息检测中的运用是将智能化、自动化应用于农业中的最好的手段之一，而选择良好的协议标准也将会是解决问题的关键。

关键词：

协议；无线传感器网络；作物信息

1引言

随着网络的迅猛发展，对于网络的使用范围越来越宽广，而集传感器技术、微机电系统技术、无线通信技术、嵌入式计算机技术、分布式信息处理技术和无线通信技术于一体的无线传感器网络就成为当今研究的热点。

无线传感器网络是一个多学科交叉的综合性科学研究领域，对于其网络所分布的区域内的各种环境和检测对象的信息能够进行实吋的监控、感知和采集，并且将这些信息先进行处理，然后通过无线方式传输给监控主机或者需要使用这些信息的用户。

正是因为这种广泛的用途，使得无线传感器网络在众多领域如农业、军事、智能家居、森林保护等方面有着实际的用途和研究价值。

原文链接：

传感器是工业测控领域的核心和市场主导，传感器与802.15.4WPAN设备的组合，可以为实现网络级的数据收集、处理和分析，并指导和完成用户对工业现场过程的控制。

无线传感器应用包括苛刻环境下的检测，诸如涉及危险的火和化学物质的现场、监测和维护汽车引擎的工作等等。

在这些应用上，一个802.15.4WPAN网络可以极大的降低新传感器网络的安装成本并简化对现有网络的扩展。

   基于802．15．4标准的传感器的实现原理是以802．15．4传输模块代替传统的串行通信模块，将采集的数据以无线方式发送出去，并接收中继器或主节点对其的控制。

其主要包括无线通信模块、微控制器模块、传感器模块及接口、电源管理模块以及外部存储器等。

802．15．4无线通信模块负责数据的无线收发，主要包括射频和基带两部分，前者提供数据通信的空中接口，后者主要提供链路的物理信道和数据分组。

微控制器负责链路管理与控制，执行基带通信协议和相关的处理过程，包括建立链接、频率选择、链路类型支持、媒体接入控制、功率模式和安全算法等。

经过调理的传感器模拟信号，由802．15．4无线通信模块通过无线信道发送到主控节点，再进行特征提取、信息融合等高层决策处理。

图3是典型的基于802.15.4的传感器系统逻辑框图。

图5是一个基于802.15.4标准的心跳监视器。

采用802.15.4/ZigBee模式，网络环境采用保证时间空档，网络信标每960msor61.44s发生一次；传感器正在进行两个处理：

心跳次数记录和传送心跳速率和其它信息（一共8个字节）：

瞬间和平均心跳、体温和电池电压。

    ZigBeeTM定义了基于IEEE802.15.4的网络、安全性和应用框架。

IEEE802.15.4/ZigBeeTM网络层支持三种网络拓朴结构：

星形、网格及簇形树。

星形网络最为常见并提供了超长的电池寿命。

网格，或对等网络通过提供多条网络信道实现了高可靠性和可量测性。

簇形树网络（见图6）混合星形和网格两种拓朴结构，将二者结合起来，实现了长寿命节点的高可靠性。

结论：

    IEEE802.15.4面向以传感器为主要市场对象的低成本廉价便携式设备，实现了在无需要申请的国际频带上的低速且经济高效的无线个人区域网络，并获得了极低的安装复杂度和长达数年的电池寿命。

正如IEEE802.15第四任务组主席PatKinney所言“很多新型应用将会以该标准为基础，有可能包括控制灯光或警报的运动传感器、可按意愿移动的墙壁开关、能在室外工作的读表设备、互动玩具的游戏控制器、汽车轮胎压力监控器、建筑物自动化系统无源红外线传感器、零售业仓库的资产及存货跟踪设备等。

”IEEE802.15.4标准由于其灵活、安全、低成本、小功耗的话音和数据通信势必会在未来传感器、测控以至生产生活的各个领域中得到广泛应用。

最佳答案

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）

AVirtualPotentialFieldBasedCoverage-EnhancingAlgorithmforDirectionalSensorNetworks

TAODan+,MAHua-Dong,LIULiang

（BeijingKeyLaboratoryofIntelligentTelecommunicationsSoftwareandMultimedia（BeijingUniversityofPostsandTelecommunications）,Beijing100876,China）

+Correspondingauthor:

Phn:

+86-10-62282277,Fax:

+86-10-62283523,E-mail:

tdfxy@,

1163.TaoD,MaHD,LiuL.Avirtualpotentialfieldbasedcoverage-enhancingalgorithmfordirectionalsensornetworks.JournalofSoftware,2007,18（5）:

1152

Abstract:

Motivatedbythedirectionalsensingfeatureofvideosensor,adirectionadjustablesensingmodelisproposedfirstinthispaper.Then,thecoverage-enhancingproblemindirectionalsensornetworksisanalyzedanddefined.Moreover,apotentialfieldbasedcoverage-enhancingalgorithm（PFCEA）ispresented.Byintroducingtheconceptof“centroid”,thependingproblemistranslatedintothecentroidpoints’uniformdistributionproblem.Centroidpointsrepeleachothertoeliminatethesensingoverlappingregionsandcoverageholes,thusenhancethewholecoverageperformanceofthedirectionalsensornetwork.Asetofsimulationresultsareperformedtodemonstratetheeffectivenessoftheproposedalgorithm.

Keywords:

directionalsensornetwork;directionalsensingmodel;virtualpotentialfield;coverageenhancement

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（potentialfieldbasedcoverage-enhancingalgorithm）.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.

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-directionalsensingmodel）的传感器网络展开的[6],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

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]、

11]或添加新节点[11]等方法实现传感器网络覆盖增强.重新调整节点分布[8

实际上,有向感知模型（directionalsensingmodel）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（potentialfieldbasedcoverage-enhancingalgorithm）.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.

P,R,,定义1.方向可调感知模型可用一个四元组

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

代表传感区域视角,记作FOV.表示边界距离传感向量的传感夹角,2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;

时,传统的全向感知模型是方向可调感知模型的一个特例.=特别地,当

P1,当且仅当满足以下条件:

若点P1被有向传感器节点vi覆盖成立,记为vi

（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:

）参数规格分别相同;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（

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.

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]）R2,则每个传感器节点能监测整个目标区域的概率为]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

（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）

N由公式（3）可得,lnS.因此,传感器节点数目差异R2）=ln（S.其中,p））/（p0+,ln（1p0）/p时,所需部署的传感器节点数目分别为ln（1当网络覆盖率分别为p0和p0+

（3）

p,大量节省了传感器网络部署成本.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取值每增加1%,80%）,N个节点（p0取值较大时（p时,则需多部署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一定时,p的增加而增加;当N随着=45º）.从图中我们可以看出,当p0一定时,500m2,R=60m,p满足关系如图2所示（S=500N与p0,为一常数.此时,一定时,当目标区域面积S、节点传感半径R和传感夹角

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）

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.2NpandTherelationamongp0,

图2N三者之间的关系p和p0,

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（virtualpotentialfield）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Poduri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（virtualforcealgorithm,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（targetinvolvedvirtualforcealgorithm,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）.

.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./3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

Fig.3Movingmodelsofsensornode

图3传感器节点的运动模型

Fig.4Theissuedescriptionofcoverageenhancementindirectionalsensornetworks

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.

j}.2R,ii={vj|Dis（vi,vj）i.即定义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

我们定义质心点vj对质心点vi的斥力模型,见公式（5）.

（5）

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.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）;

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

切线方向分量的影响.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