無線傳感器網絡1無線傳感器網絡簡介1.1無線傳感器網絡定義無線傳感器網絡就是由部署在監測區域內大量的廉價微型傳感器節點組成，通過無線通信方式形成的一個多跳的自組織的網絡系統，其目的是協作地感知、采集和處理網絡覆蓋區域中感知對象的信息，并發送給觀察者。傳感器、感知對象、觀測者構成WSN的三個要素.1.2無線傳感器網絡體系結構無線傳感器網絡1無線傳感器網絡簡介1傳感器網絡重點課件2

傳感器節點：處理能力，存儲能力和通信能力較弱，通過攜帶能量有限的電池供電。兼顧終端和路由器功能。

匯聚節點：處理能力，存儲能力和通信能力較強，連接傳感器網絡和INTERNET等外部網絡。

管理節點：用戶通過管理節點對傳感器網絡進行配置和管理，發布監測任務和收集監測數據。1.3傳感器網絡的特點大規模網絡：部署的區域和節點的密度

自組織網絡：節點一般隨機部署，位置和拓撲結構難以描述

動態性網絡：網絡拓撲結構的動態性

可靠的網絡：網絡維護幾乎不可能

應用相關的網絡：沒有統一的通信協議平臺

以數據為中心的網絡：互聯網以地址為中心

32無線傳感器網絡中的拓撲控制

2.1拓撲控制研究的主要內容傳感器網絡拓撲控制主要研究的問題是:在滿足網絡覆蓋度和連通度的前提下，通過功率控制和骨干網節點選擇，剔除節點之間不必要的通信鏈路，形成一個數據轉發的優化網絡結構。具體的講,傳感器網絡拓撲控制還可以按照研究方向進行分類,可以歸納出3個研究熱點,即節點功率控制、層次型拓撲控制以及網內節點協同啟發機制。節點功率控制機制調節網絡中每個節點的發射功率,目的是在保證全網連通性的情況下,均衡節點一跳距離的鄰居數目;層次型拓撲控制是選擇網絡中的一些節點成為骨干節點,構架起包轉發的骨干網絡,其他非骨干網節點接受骨干節點管轄;網內節點協同啟發機制是節點按照周邊通訊環境的變化,進行自主控制以及和鄰居節點進行交互的機制。2無線傳感器網絡中的拓撲控制42.2拓撲控制的研究現狀2.2.1功率控制方面

節點統一功率分配算法節點統一功率分配算法是一種比較簡單的功率控制算法,是在所有傳感器節點上使用一個保證網絡連通的最小發送功率。比如Narayanaswamy等人提出的COMPOW功率控制方案[4]。在COMPOW算法中,每個節點維護多張路由表,分別對應于不同的發射功率級別,節點間同級別的路由表交換控制消息。通過對比不同路由表中的表項,節點可以決定確保最多節點連通的最小的通用功率級別,然后統一用該功率發射。但這種功率分配方法的最大缺點是,如果節點的撒布不均勻,那么全網通用的通信功率可能會很大。

基于節點度的算法2.2拓撲控制的研究現狀5一個節點的度數是指所有距離該節點一跳的鄰居節點的數目。基于節點度的算法一般動態調節節點的發射功率,使得節點的度數處于一個合理的區間。本地平均算法LMN(LocalMeanAlgorithm)和本地鄰居平均算法LMA(LocalMeanOfNeighborsAlgorithm)[6]是兩種周期性動態調整節點發射功率的算法。它們之間的區別在于計算節點度的策略不同。在LMN算法中,節點定期檢測鄰居數量,并根據鄰居數量來調節發射功率;而在LMA算法中節點是將該節點鄰居的鄰居數求平均值作為自己的鄰居數。這類算法利用少量的局部信息達到了一定程度的優化效果,它們不需要很強的時鐘同步,但是算法中還存在一些明顯的不足,例如,需要進一步研究合理的鄰居判斷條件,對從鄰居節點得到的信息是否需要根據信號的強弱給予不同的權重一個節點的度數是指所有距離該節點一跳的6

基于鄰近圖的算法在基于鄰近圖的算法中,所有節點以最大功率發射時形成的拓撲圖為圖G,定義為G=(V,E)的形式,V代表圖中頂點的集合,E代表圖中邊的集合,E中的元素可以表示為(u,v),其中u,v∈V,按照一定的規則Q,求出該圖的鄰近圖G’,最后G’中每個節點以自己所鄰接的最遠通信節點來確定發射功率2.2.2層次拓撲控制方面在層次型撲控制方面，提出了TopDisc成簇算法，以及LEACH和HEED等自組織成簇算法LEACH算法它是一種自適應分簇拓撲算法，它的執行過程是周期性的，每輪循環分為簇的建立階段和穩定的數據通信階段。在簇的建立階段，相鄰節點動態地形成簇，隨機產生簇頭;在數據通信階段，簇內節點把數據發送給簇頭，簇頭進行數據融合并把結果發送給匯聚節點。由于簇頭需要完成數據融合、與匯聚點通信等工作，所以能量消耗大。LEACH算法能夠保證各節點等概率地擔任簇頭，使得網絡中的節點相對均衡地消耗能量。基于鄰近圖的算法72.2.3網內節點協同啟發機制方面現已經提出STEM算法和ASCENT算法

STEM算法STEM算法是一種節點喚醒機制。該算法采用雙信道,即監聽信道和數據通訊信道。具體地講,STEM算法又分STEMB(STEM-BEACON)算法和STEM-T(STEM-TONE)算法。在STEM-B算法中,當一個節點想給另外一個節點發送數據時,它作為主動節點先發送一串喚醒包。目標節點在收到喚醒包后,發送應答信號并自動進入數據接收狀態。主動節點接收到應答信號后,進入數據發送階段。在STEM-T算法中,節點周期性地進入偵聽階段,探測是否有鄰居節點要發送數據;當一個節點想與某個鄰居節點進行通信時,它就發送一連串的喚醒包,發送喚醒包的時間長度必須大于偵聽的時間間隔,可以確保鄰居節點能夠收到喚醒包,緊接著節點就直接發送數據包。可見STEM-T比STEM-B更簡單實用。STEM算法適用于類似環境監測或者突發事件監測等應用,經實驗證明,節點的喚醒速度可以滿足應用的需要。但是在STEM算法中,節點的睡眠周期、部署密度以及網絡的傳輸延遲之間有著密切的關系,要針對具體的應用要求進行調整。2.2.3網內節點協同啟發機制方面83無線傳感器網絡的數據融合3.1數據融合的思想

數據融合主要思想是將獲得數據發送sink之前，對來自不同的傳感器節點數據在融合點上進行結合，刪除冗余數據，最小化信息傳輸量3.2數據融合的作用

節省能量獲得更準確的信息提高數據收集效率3.3數據融合模型

數據融合模型可分為跟蹤級融合結構模型與屬性級融合結構模型3無線傳感器網絡的數據融合9

跟蹤級融合模型可分為兩種，集中式與分布式.(1)集中式結構集中式結構的特點是匯聚節點發送有關數據的興趣或查詢，具有相關數據的多個源節點直接將數據發送給匯聚節點，最后由匯聚節點進行數據的融合。這種結構優點是信息損失較小。但由于無線傳感器網絡節點分布較為密集，多源對同一事件的數據表征存在近似的冗余信息，因此對冗余信息的傳輸將使網絡消耗更多的能量(2)分布式結構分布式結構中源節點發送的數據經中間節點轉發時，中間節點查看數據包的內容，進行相應的數據融合后再傳送到匯聚節點，由匯聚節點實現數據的綜合。該結構在一定程度上提高了網絡數據收集的整體效率，減少了傳輸的數據量，從而降低能耗，提高信道利用率。跟蹤級融合模型可分為兩種，集中式與分布式.10屬性數據融合結構可分為三類：決策層、特征層、數據層的屬性融合。(1)數據層屬性融合結構指基于原始的多個傳感器采集的數據，直接融合來自同類傳感器數據，然后實現特征提取和對來自融合數據的屬性判決。多數情況下僅依賴于傳感器型，不依賴于用戶需求。由于數據量大，冗余度高，因此融合計算量龐大，屬于最底層的融合。(2)特征層屬性融合結構指對各傳感器數據進行處理并抽取特征后再進行融合。其中特征抽取是將傳感器的數據表示為能反映事物屬性的特征向量。該層關鍵是抽取一致的、有用的信息，排除無用甚至矛盾的信息，進行融合的數據量、計算量均屬中等。(3)決策層屬性融舍結構指在特征層屬性融合基礎上，對監測對象進行分類判別，從而得出判決信息。通常各傳感器單獨做出決策后，再將決策信息傳送到決策中心(即融合中心)做出最終決策。該層進行融合的數據量、計算量均較小。屬性數據融合結構可分為三類：決策層、特征層、數113.4基于多Agent的數據融合模型

Agent是指在一定環境下具有自主性、持續性、社會性和代理性等特征的計算實體。它有自己的知識庫和推理機制，能主動對環境的作用做出反應。多Agent系統則是由一組Agent通過彼此的協商與協作組成一個整體在這種結構中，匯聚節點作為融合中心，數據的融合通過傳感器Agent與融合中心Agent，由傳感器節點與匯聚節點間的協商實現。若將匯聚節點最終獲得融合數據的過程視為系統任務分配與執行，則具體的協商策略是：融合中心將系統任務發送給能獨立完成該任務的傳感器，或能聯合完成該任務的傳感器組。各傳感器根據其自身的需要與相關的傳感器進行協商，這一過程持續到融合中心發出下一組任務時為止。把多Agent用于提高傳感器網絡數據融合度和實現數據同步及任務協同處理是非常有利的。3.4基于多Agent的數據融合模型12基于多Agent的數據融合模型基于多Agent的數據融合模型134無線傳感器網絡的一種數據管理底層協議(LDMP)以往的協議都基于一個基本假設:

基站感興趣的數據總是在網絡中穩定存在(而不因節點關閉而丟失或因節點移動而移動)。LDMP考慮在節點關閉或移動的情況下，如何保證該節點帶有的歷史數據仍保存在原地理位置附近．而不丟失或移動，從而在不改變原有通訊協議的情況下完成快速查詢，為以數據為中心的數據管理提供了底層的可靠支持。LDMP包括內容:網絡模型的基本假設,節點的數據結構數據管理,數據的丟失概率,數據備份的通訊量數據恢復的通訊量,數據管理對網絡穩定性的影響,數據管理的可擴展性,數據管理的能耗,應用和仿真實驗.LDMP的優點主要體現在三方面：簡單、節能、普適性好。4無線傳感器網絡的一種數據管理底層協議(LDMP)14傳感器網絡重點課件15無線傳感器網絡1無線傳感器網絡簡介1.1無線傳感器網絡定義無線傳感器網絡就是由部署在監測區域內大量的廉價微型傳感器節點組成，通過無線通信方式形成的一個多跳的自組織的網絡系統，其目的是協作地感知、采集和處理網絡覆蓋區域中感知對象的信息，并發送給觀察者。傳感器、感知對象、觀測者構成WSN的三個要素.1.2無線傳感器網絡體系結構無線傳感器網絡1無線傳感器網絡簡介16傳感器網絡重點課件17

傳感器節點：處理能力，存儲能力和通信能力較弱，通過攜帶能量有限的電池供電。兼顧終端和路由器功能。

匯聚節點：處理能力，存儲能力和通信能力較強，連接傳感器網絡和INTERNET等外部網絡。

管理節點：用戶通過管理節點對傳感器網絡進行配置和管理，發布監測任務和收集監測數據。1.3傳感器網絡的特點大規模網絡：部署的區域和節點的密度

自組織網絡：節點一般隨機部署，位置和拓撲結構難以描述

動態性網絡：網絡拓撲結構的動態性

可靠的網絡：網絡維護幾乎不可能

應用相關的網絡：沒有統一的通信協議平臺

以數據為中心的網絡：互聯網以地址為中心

182無線傳感器網絡中的拓撲控制

2.1拓撲控制研究的主要內容傳感器網絡拓撲控制主要研究的問題是:在滿足網絡覆蓋度和連通度的前提下，通過功率控制和骨干網節點選擇，剔除節點之間不必要的通信鏈路，形成一個數據轉發的優化網絡結構。具體的講,傳感器網絡拓撲控制還可以按照研究方向進行分類,可以歸納出3個研究熱點,即節點功率控制、層次型拓撲控制以及網內節點協同啟發機制。節點功率控制機制調節網絡中每個節點的發射功率,目的是在保證全網連通性的情況下,均衡節點一跳距離的鄰居數目;層次型拓撲控制是選擇網絡中的一些節點成為骨干節點,構架起包轉發的骨干網絡,其他非骨干網節點接受骨干節點管轄;網內節點協同啟發機制是節點按照周邊通訊環境的變化,進行自主控制以及和鄰居節點進行交互的機制。2無線傳感器網絡中的拓撲控制192.2拓撲控制的研究現狀2.2.1功率控制方面

節點統一功率分配算法節點統一功率分配算法是一種比較簡單的功率控制算法,是在所有傳感器節點上使用一個保證網絡連通的最小發送功率。比如Narayanaswamy等人提出的COMPOW功率控制方案[4]。在COMPOW算法中,每個節點維護多張路由表,分別對應于不同的發射功率級別,節點間同級別的路由表交換控制消息。通過對比不同路由表中的表項,節點可以決定確保最多節點連通的最小的通用功率級別,然后統一用該功率發射。但這種功率分配方法的最大缺點是,如果節點的撒布不均勻,那么全網通用的通信功率可能會很大。

基于節點度的算法2.2拓撲控制的研究現狀20一個節點的度數是指所有距離該節點一跳的鄰居節點的數目。基于節點度的算法一般動態調節節點的發射功率,使得節點的度數處于一個合理的區間。本地平均算法LMN(LocalMeanAlgorithm)和本地鄰居平均算法LMA(LocalMeanOfNeighborsAlgorithm)[6]是兩種周期性動態調整節點發射功率的算法。它們之間的區別在于計算節點度的策略不同。在LMN算法中,節點定期檢測鄰居數量,并根據鄰居數量來調節發射功率;而在LMA算法中節點是將該節點鄰居的鄰居數求平均值作為自己的鄰居數。這類算法利用少量的局部信息達到了一定程度的優化效果,它們不需要很強的時鐘同步,但是算法中還存在一些明顯的不足,例如,需要進一步研究合理的鄰居判斷條件,對從鄰居節點得到的信息是否需要根據信號的強弱給予不同的權重一個節點的度數是指所有距離該節點一跳的21

基于鄰近圖的算法在基于鄰近圖的算法中,所有節點以最大功率發射時形成的拓撲圖為圖G,定義為G=(V,E)的形式,V代表圖中頂點的集合,E代表圖中邊的集合,E中的元素可以表示為(u,v),其中u,v∈V,按照一定的規則Q,求出該圖的鄰近圖G’,最后G’中每個節點以自己所鄰接的最遠通信節點來確定發射功率2.2.2層次拓撲控制方面在層次型撲控制方面，提出了TopDisc成簇算法，以及LEACH和HEED等自組織成簇算法LEACH算法它是一種自適應分簇拓撲算法，它的執行過程是周期性的，每輪循環分為簇的建立階段和穩定的數據通信階段。在簇的建立階段，相鄰節點動態地形成簇，隨機產生簇頭;在數據通信階段，簇內節點把數據發送給簇頭，簇頭進行數據融合并把結果發送給匯聚節點。由于簇頭需要完成數據融合、與匯聚點通信等工作，所以能量消耗大。LEACH算法能夠保證各節點等概率地擔任簇頭，使得網絡中的節點相對均衡地消耗能量。基于鄰近圖的算法222.2.3網內節點協同啟發機制方面現已經提出STEM算法和ASCENT算法

STEM算法STEM算法是一種節點喚醒機制。該算法采用雙信道,即監聽信道和數據通訊信道。具體地講,STEM算法又分STEMB(STEM-BEACON)算法和STEM-T(STEM-TONE)算法。在STEM-B算法中,當一個節點想給另外一個節點發送數據時,它作為主動節點先發送一串喚醒包。目標節點在收到喚醒包后,發送應答信號并自動進入數據接收狀態。主動節點接收到應答信號后,進入數據發送階段。在STEM-T算法中,節點周期性地進入偵聽階段,探測是否有鄰居節點要發送數據;當一個節點想與某個鄰居節點進行通信時,它就發送一連串的喚醒包,發送喚醒包的時間長度必須大于偵聽的時間間隔,可以確保鄰居節點能夠收到喚醒包,緊接著節點就直接發送數據包。可見STEM-T比STEM-B更簡單實用。STEM算法適用于類似環境監測或者突發事件監測等應用,經實驗證明,節點的喚醒速度可以滿足應用的需要。但是在STEM算法中,節點的睡眠周期、部署密度以及網絡的傳輸延遲之間有著密切的關系,要針對具體的應用要求進行調整。2.2.3網內節點協同啟發機制方面233無線傳感器網絡的數據融合3.1數據融合的思想

數據融合主要思想是將獲得數據發送sink之前，對來自不同的傳感器節點數據在融合點上進行結合，刪除冗余數據，最小化信息傳輸量3.2數據融合的作用

節省能量獲得更準確的信息提高數據收集效率3.3數據融合模型

數據融合模型可分為跟蹤級融合結構模型與屬性級融合結構模型3無線傳感器網絡的數據融合24

跟蹤級融合模型可分為兩種，集中式與分布式.(1)集中式結構集中式結構的特點是匯聚節點發送有關數據的興趣或查詢，具有相關數據的多個源節點直接將數據發送給匯聚節點，最后由匯聚節點進行數據的融合。這種結構優點是信息損失較小。但由于無線傳感器網絡節點分布較為密集，多源對同一事件的數據表征存在近似的冗余信息，因此對冗余信息的傳輸將使網絡消耗更多的能量(2)分布式結構分布式結構中源節點發送的數據經中間節點轉發時，中間節點查看數據包的內容，進行相應的數據融合后再傳送到匯聚節點，由匯聚節點實現數據的綜合。該結構在一定程度上提高了網絡數據收集的整體效率，減少了傳輸的數據量，從而降低能耗，提高信道利用率。跟蹤級融合模型可分為兩種，集中式與分布式.25屬性數據融合結構可分為三類：決策層、特征層、數據層的屬性融合。(1)數據層屬性融合結構指基于原始的多個傳感器采集的數據，直接融合來自同類傳感器數據，然后實現特征提取和對來自融合數據的屬性判決。多數情況下僅依賴于傳感器型，不依賴于用戶需求。由于數據量大，冗余度高，因此融合計算量龐大，屬于最底層的融合。(2)特征層屬性融合結構指對各傳感器數據進行處理并抽取特征后再進行融合。其中特征抽取是將傳感器的數據表示為能反映事物屬性的特征向量。該層關鍵是抽取一致的、有用的信息，排除無用甚至矛盾的信息，進行融合的數據量、計算量均屬中等。(3)決策層屬性融舍結構指在特征層屬性融合基礎上，對監測對象進行分類判別，從而得出判決信息。通常各傳感器單獨做出