470 likes | 717 Views
无线传感器网络. Wireless Sensor Networks ( WSNs ). 1. 无线传感器网络概述. 无线传感器网络通常由大量具有感知、计算及无线通信能力的微小节点组成,其目的是监视环境而非通信。 传感器节点部署在要监视的区域中,采集指定的环境参数,并将数据发送到汇聚节点供分析。. 传感器节点的组成. 传感器节点一般由传感模块、处理模块、无线通信模块和能量供应模块组成。 传感器节点已经可以做得非常小,称为智能尘埃( smart dust )。. 传感器节点的特点. 廉价:每个节点的期望价格在一美元左右 体积小:火柴盒或硬币般大小
E N D
无线传感器网络 Wireless Sensor Networks(WSNs)
1. 无线传感器网络概述 • 无线传感器网络通常由大量具有感知、计算及无线通信能力的微小节点组成,其目的是监视环境而非通信。 • 传感器节点部署在要监视的区域中,采集指定的环境参数,并将数据发送到汇聚节点供分析。
传感器节点的组成 • 传感器节点一般由传感模块、处理模块、无线通信模块和能量供应模块组成。 • 传感器节点已经可以做得非常小,称为智能尘埃(smart dust)。
传感器节点的特点 • 廉价:每个节点的期望价格在一美元左右 • 体积小:火柴盒或硬币般大小 • 重量轻:小于100克 • 能量有限:两节五号电池或纽扣电池供电 • 无线通信能力:能够用无线电、红外线、蓝牙、超声波等通信,带宽低,干扰大 • 计算能力:几百兆赫兹的处理器 • 存储能力:几兆或几百兆的存储空间 • 感知能力:具有一个或几个传感器
传感器网络的特点 • 节点固定或只有较小的活动性 • 数量大,密度高 • 拓扑动态变化 • 节点同构,或只有少量特殊节点; • 分布式:没有预先指定的中心,所有节点通过分布式算法相互协调; • 自组织:传感器网络的部署和初始化等不需要外界干预; • 节点资源受限,特别是能量非常有限; • 以数据为中心的网络,节点具有数据处理的能力; • 与应用紧密耦合的网络
传感器网络与移动自组网的不同 • 节点规模: • 移动自组网:节点数量通常在几十或上百 • 传感器网络:节点数目往往高出好几个数量级 • 节点密度: • 移动自组网:小 • 传感器网络:大(冗余部署的结果) • 拓扑变化的原因: • 移动自组网:节点运动 • 传感器网络:节点休眠调度、环境干扰或节点故障引起 • 节点处理能力: • 移动自组网:较强 • 传感器网络:十分有限
传感器网络的应用 • 传感器网络在环境监视方面的优势: • 通过在物理环境中部署大量廉价的智能传感器节点,可以获得长时间、近距离、高分辨率的环境数据,这是传统监视设备无法得到的。 • 传感器节点的计算和存储能力允许节点执行数据过滤、数据压缩等操作,也可以执行一些应用特定的处理任务。 • 节点之间的通信能力允许节点之间协同完成更复杂的任务,如目标跟踪。 • 通过任务的重新分配可以改变传感器网络的用途。
无线传感器网络要解决的问题 • 网络的自组织、自配置(节点定位、时间同步、自动校准、拓扑控制等) • 通信协议(MAC、路由协议) • 分布式数据管理(数据采集、存储、查询、获取等) • 各种应用特定的数据融合处理 • 节省能耗应贯穿到所有的设计中。
2. 传感器网络关键技术 • 路由技术 • 拓扑管理 • 部署与覆盖 • 数据管理 • 安全技术
路由技术 面临的问题和挑战: (1)传感器网络的低能量特点使节能成为路由协议最重要的优化目标。 (2)传感器网络的规模更大,要求其路由协议必须具有更高的可扩展性。 (3)传感器网络拓扑变化性强,通常的Internet路由协议不能适应这种快速的拓扑变化。 (4)数据融合的特点使传感器网络的路由不同于一般网络。 (5)传感器网络中通信不对称,流量分布不均匀。
路由技术 研究现状: • 平面路由协议 • 对候选路径的能耗做出估计,并根据一定的策略选择最佳路由 • 从网络的应用模式出发,进行以数据为中心的路由 • 定向扩散(directed diffusion) • SPIN(Sensor Protocol for Information via Negotiation) • 分级路由协议 LEACH、DCHS、PEGAGIS、DAEA、HEED、CEFL、ACMW、 ACE、EECS、LSCP、TEEN、APTEEN、ECMR等
拓扑管理 拓扑管理:包括拓扑的发现和控制,使生成的网络拓扑满足一定的性质,以延长网络生命周期,降低网络干扰,提高吞吐率。 • 研究进展 • 功率控制: COMPOW、LINT/LILT、LMN/LMA、CBTC、LMST、RNG、DRNG 和DLSS等; • 层次拓扑控制:TopDisc、GAF、LEACH、HEED等 • 现有研究存在的问题 • 用于建模无线传感器网络的模型过于理想化。 • 节点的分布假设过于理想化。 • 安放无线传感器的区域假设过于理想化。
部署与覆盖 根据被监测的区域或目标的分布情况,对节点部署进行规划,保证网络完全覆盖或以较大概率覆盖被监测区域。 • 部署方式 • 确定部署:需要对网络的物理环境有预先的了解,而且每个部署位置都必须可达,通常适用于工业控制、智能家居等应用中; • 随机部署:通常用于战场等危险或恶劣的环境。 • 覆盖对象 (a)区域覆盖、(b)点覆盖、(c)栅栏覆盖
数据管理 数据管理是确定传感器网络可用性和有效性的关键技术。 • 研究进展 • 数据存储和索引 :基于地理散列表的方法、DIMENSIONS、DIFS、DIM等 • 数据融合 :目前研究集中在聚集算法,包括网络层聚集算法和应用层聚集算法等,这些一般与路由技术(定向扩散、LEACH、TEEN等)紧密结合; • 数据查询处理与优化 :目前研究集中在连续查询和近似查询的优化处理技术。 • 典型系统 • 加州大学伯克利分校TinyDB • 康奈尔大学COUGAR系统
安全技术 无线传感器网络的广泛应用,尤其在军事和商业等领域,需要解决安全问题。 • 安全问题 主要存在选择转发、Hello洪泛、女巫攻击、告知收到欺骗、DoS、污水池、蠕虫洞、篡改或重发路由信息等 • 研究进展 • 密钥管理、身份认证和数据加密 • 安全路由协议:对网络入侵具有抵抗力的路由协议INSENS • 安全聚集 • 对抗攻击 • 入侵检测
3. 最近的所做研究 • 分簇算法 • 基于移动Agent的数据管理
分簇算法 • LEACH • EECS • EEUC
LEACH算法 每个节点产生一个0~1之间的随机数,如果这个数小于阈值T(n),则该节点向周围节点广播它是簇头的消息。在每一轮循环中,如果节点已经当选过簇头,则将T(n)设置为0,这样节点就不会再次当选为簇首。对于未当选为簇首的节点,则以T(n)的概率当选;随着当选过簇首的数目增加,剩余节点当选簇首的阈值T(n)随之增大,节点当选簇首的概率增大。当只剩下一个节点未当选时, T(n)=1。非簇头节点选择与自己距离最近的簇头加入。
其中,P是网络中簇头节点所占总节点数目的百分比(例如P=0.05)。r为当前的轮数,比如当前是第20轮,则r=20。rmod(1/p)代表这一轮循环中当选过簇头的节点数。G是这一轮循环中没有充当过簇头节点的节点集合。其中,P是网络中簇头节点所占总节点数目的百分比(例如P=0.05)。r为当前的轮数,比如当前是第20轮,则r=20。rmod(1/p)代表这一轮循环中当选过簇头的节点数。G是这一轮循环中没有充当过簇头节点的节点集合。
P值决定了每轮产生的簇头数量,在实际应用中,最佳P值的确定是十分困难的,这与网络规模和节点密度有关.另外,T(n)没有考虑能量因素,这种算法必须基于两个前提假设才能达到每个节点平均耗费能量的预期目标:(1)每个节点初始能量均等;(2)每个节点担任簇头期间耗费的能量均等.然而,由于每个簇的大小以及簇头到基站的距离不一样,前提假设(2)不符合现实.
EECS分簇算法 如前所述,LEACH算法中节点根据自身通信代价最小原则选择加入哪个簇,不能保证簇的负载平衡,没有考虑距基站较远的簇头能量耗费过快等问题.针对这一点EECS(energy efficient clustering scheme)提出一个新的通信代价公式来决定节点加入哪个簇
df_max=EX(max{d(Pj,CHi)}); dg_max=max{d(CHi,BS)}; dg_min=min{d(CHi,BS)}.
cost(j,i)是节点Pj加入簇头CHi的代价d(Pj,CHi)是节点到簇头的距离,式中f子函数保证最小化节点与簇头之间的通信代价;d(CHi,BS)是簇头i到基站的距离,式中g子函数保证最小化簇头i到基站的通信代价;权值w的设置则是根据具体应用,在成员节点能量与簇头能量耗费之间的折衷,目标是最大化网络生命周期.节点Pj选择最小cost(j,i)的簇头i加入,从而保证每个簇头负载均衡.
EECU分簇算法 它的核心是一个用于组织网络拓扑的能量高效的非均匀分簇算法,其中候选簇首通过使用非均匀的竞争范围来构造大小不等的簇.靠近汇聚点的簇的规模小于远离汇聚点的簇,因此靠近汇聚点的簇首可以为簇间的数据转发预留能量
簇产生过程 依概率在网络中选出部分节点成为候选簇首,参与竞选.普通节点成为候选簇首的概率为T,它是一个预先设置的阈值.未参与竞选的节点进入睡眠状态,直到簇首竞选过程结束.令Si为任意的一个候选簇首.Si根据自身到汇聚点的距离信息计算它的竞争区域,区域的半径记作Rc。 在竞选过程中,若候选簇首Si宣布其竞选获胜,则在Si的竞争半径Rc内的所有候选簇首均不能成为最终簇首,需要退出竞选过程.
基于移动Agent的数据管理 集中式数据管理方式并不适用于无线传感器网络,其主要原因是无线传感器网络的数据种类差异大,且随时随地都可能产生无限连续的数据流,因此让大量的传感器节点持续地向基站传送原始数据再进行处理,即“数据移动到计算”的方式,不仅消耗了大量节点的传输能量,增加了无线传输的碰撞延迟,而且将使基站成为数据处理的瓶颈。 移动Agent技术的WSN数据管理模型采用数据本地存储的方式,让每个传感器节点把自身的特征数据和感知数据存储在自身节点上,使数据传输的开销降低到最小,再使用移动数据查询代理在合理的节点上采集数据,便可以灵活有效地满足查询的需要。该模型使用移动数据查询代理(MDQA)来处理用户的数据查询请求。
基于移动Agent的数据管理 查询请求描述包括查询数据类型的定义、查询的区域信息、查询始末时间和数据返回周期或条件。MDQA移动到某传感器节点后,如果决定采集本地数据,就把数据放入数据栈中。 数据处理模块将根据数据栈中的数据进行必要的数据分析和处理。 代理行为决策模块将根据数据处理结果、时间触发或条件触发来决定下一步的行为,移动模块和控制模块提供了行为的执行方式。 图17 MDQA的结构
基于移动Agent的数据管理 在该架构中,基站和传感器节点都加载MDQA 的运行环境。数据管理中心模块驻留在基站上,它通过解析用户提交的逻辑请求,生成相应的MDQA并将其发送到传感器网络中。MDQA在网络中使用前述的方法采集和处理存储在传感器节点的数据,并根据查询请求和当前状态决定迁移的路线。 一旦采集的数据满足请求条件,MDQA就返回到基站,最后由中心模块将数据提供给用户并记录入数据库。数据管理中心模块提供了良好的用户交互接口,并根据不同的服务请求类型生成适合该服务的MDQA。 图18 基于移动Agent的数据管理模型体系架构
4、我自己所做的研究 • 基于非均匀分簇的不等级环模型 • 遗传算法与无线传感器网络