无线传感器网络中的节点协作算法研究

由于受传感器节点存储能量、通信带宽等因素的制约,传统高功耗网络协议无法直接应用在无线传感器网络中.本文根据无线传感器网络的特点,以信息引导技术为研究方法,以最小化能耗为目标,提出了基于信息有效性函数的传感器节点信息协作算法,并通过理论及仿真计算验证该算法的有效性.     

无线传感器网络中的扩展编码协作方法

为了在达到高码率的同时降低译码复杂度,提出了一种新的基于无线传感器网络的扩展空时编码协作方法,其构造原理是对OAC编码中的每一个参数插入Alamouti编码。通过实验仿真了该方法与原有方法之间的性能对比,以及不同协作节点数与系统性能之间的关系。仿真结果表明,在协作节点为4时,所提出的编码方法相比OAC编码和Toeplitz编码,其误符号率下降幅度为62%~90%,在协作节点数为8时,其误符号率下降幅度为42%~71%,并且随着协作节点数的增加系统性能得到提升。     

无线传感器网络智能信息处理研究

由大量微小传感器节点组成的无线传感器网络主要用于从目标对象收集信息,但由于节点资源受限,给无线传感器网络的信息处理带来了严峻挑战,为此,必须采取简单、高效的处理策略.本文综述了无线传感器网路环境下智能信息处理的最新研究进展,包括网内聚合、数据压缩和分布式存储和查询等方法,对各种算法的优缺点进行评述,并指出了其关键问题.孙优贤(1940-),男,教授,博士生导师,中国工程院院土,研究方向为复杂系统理论、分布控制系统以及企业综合自动化等.     

无线传感器网络节点的协作式定位

无线传感器网络是当前的一个热门研究领域,本文分析了传感器网络节点的协作式定位方法,即充分利用网络内所有的节点来进行定位,有利于节省节点能量,延长系统寿命。大量的仿真实验显示:协作式定位方法能有效的对传感器网络节点进行定位。     

水下无线传感器网络协作式节点定位方法

针对无线传感器网络信标节点受水下条件限制不能布置很多的问题,利用非信标节点参与定位是提高定位精度的一种途径.协作式定位算法就是通过测量所有相邻节点间的信号传输往返时延来计算距离,利用信标节点和未知节点间的距离确定自身初始区域,并利用相邻2个未知节点间的距离来缩小这个区域,用迭代方式提高节点的定位精度.该算法无须额外的硬件支持,仿真结果显示:即使只有很少的信标节点,算法的定位精度也可以超过传统的只用信标节点的定位方式.     

异构无线传感器网络中基于选择分集的节点协作策略*

为提高无线传感器网络在大量节点参与协作情形下的能量效率,提出一种带有反馈信道的虚拟协作簇间传输方案。此方案利用选择分集算法,在一定的服务质量要求下,能获得较大的选择分集增益,从而进一步降低了单位比特能耗。仿真结果表明,此方案能在很大程度上节省单位比特能耗,延长网络生命周期摘要内容。     

无线传感器网络节点的低功耗设计

无线传感器网络(WSNs)能够协作地实时监测、感知和采集各种环境对象的信息,并将信息传递给系统用户主机进行分析处理。节点具有感知和路由的功能,在实际的应用中,功耗是影响节点工作寿命的关键因素。设计分析了WSNs系统功率消耗的构成,并从硬件和软件方面提出和总结了WSNs的低功耗设计方法,设计了一种低功耗的WSNs节点,并进行了测试,结果证明:该方法适合WSNs节点的应用,具有易使用、低功耗特点。     

低功耗无线传感器网络节点的设计

在对无线传感器(WSNS)网络体系结构、传感器节点的特点、功能分析的基础上,给出了无线传感器网络节点的软硬件低功耗设计与实现方案.传感器节点以低功耗嵌入式处理器MSP430F1611为核心,TinyOS为嵌入式实时操作系统,配以基于IEEE 802.15.4的MAC层协议的无线传输模块作为网络数据出口以及CC2420无线收发器,可以实现高速的数据采集和可靠的数据传送,能够较好地达到低功耗和实时性的要求.测试结果证明:该平台适合节点的应用,具有易使用、低功耗特点.     

移动无线传感器协作网络的中断概率性能研究

随着物联网技术的发展,移动无线传感器协作网络成为了研究热点。但是由于信道的开放性,移动无线传感器协作网络的性能研究较为复杂。在N-Nakagami信道下,建立了移动无线传感器协作网络模型,设计了两种发射天线选择(Transmit Antenna Selection,TAS)方案,研究了移动无线传感器协作网络的中断概率(Outage Probability,OP)性能。移动无线传感器协作网络采用放大转发策略,针对最佳TAS方案和次最佳TAS方案,分别推导了系统中断概率的闭合表达式。然后,通过不同条件的Monte-Carlo仿真,验证了系统的中断概率性能。仿真结果表明理论值很好的拟合了Monte-Carlo仿真值,其正确性得到了验证;增加发射天线数可以很好的改善系统的中断概率性能。     

无线传感器网络节点的硬件设计

采用自行设计的8位RISC结构低功耗MCU作为节点控制核心,使用门控时钟、两相时钟流水和休眠唤醒机制实现MCU的低功耗操作,利用0.18 μm CMOS工艺实现该MCU;设计并实现了无线传感器网络节点硬件平台,在该平台上移植TinyOS操作系统,实现了多跳路由结构的无线传感器网络.     

无线传感器网络在环境监测中的应用

介绍了无线传感器网络的应用背景和国内外研究现状。对无线传感器网络的节点硬件结构进行了设计,提出了网络构建方案。详细探讨了相关的几项关键技术——路由技术、多传感器数据融合技术、射频技术、超低功耗技术。展望了无线传感器网络广阔的应用前景。     

一种无线传感网络信息处理的层次型智能方法

针对减少无线传感器网络信息获取和处理代价这一关键性问题，提出了将信息处理和粗糙集技术融为一体的新的研究思路，并设计了一种层次型智能信息处理方法。在无线传感器网络实时森林火灾监测的实际应用中，该方法通过从3个层次进行智能数据分析，使传感器节点仅自动获取和传送有用的最小数据集信息，从而有效地使用节点受限资源。     

无线传感器网络

集成了传感器、微机电系统和网络三大技术而形成的传感器网络是一种全新的信息获取和处理技术.在简要介绍传感器网络体系结构的基础上,分析和展望了一些有价值的应用领域.结合已有研究,总结并详细阐述了包括低功耗路由技术和介质访问控制方法等在内的热点研究问题.最后,针对应用需求,提出了几点研究设想.     

无线传感器网络网内数据处理节点的优化选取

能量是无线传感器网络至关重要的资源,数据传输占据着能耗的主体,当前,大多数研究围绕最小化传输能耗而展开.网内数据处理是选择数据传输的某一中继节点作为处理节点,利用该节点所具备的计算能力对原始数据进行处理,再将处理结果返回给接收节点,从而达到降低传输能耗的目的.网内数据处理节点的最优选取,可以最小化数据查询的传输能耗.通过建立数学模型来描述传输能耗与处理节点选取策略的定量关系,提出一种不需要全局网络拓扑信息的低能耗的处理节点选取策略(energy efficient selection strategy,简称EESS).与现有方法相比,该策略使用较少的控制开销并能显著降低数据的传输能耗.模拟实验结果表明,EESS在低密度的网络结构以及长距离的查询操作下具有良好的性能,更有利于延长无线传感器网络的寿命.     

无线传感器网络

随着传感器、计算机和通信技术的发展,由于其广泛的应用前景,集成了这三种技术的无线传感器网络引起广大研究人员的关注。该文简单地介绍了无线传感器网络的体系结构和特点,并着重从设计传感器网络的基本原则出发,分析了无线传感器网络研究的一些关键问题。最后,文章探讨了无线传感器网络的应用前景,并给出了结论。     

无线传感器网络中传感器节点的布置

在无线传感器网络中，传感器节点收集本地数据，通常通过其它节点将数据转发给基站，因而离基站越近的节点，消耗的能量越多．如果采用通常的方法，即均匀布置传感器节点，则基站附近的节点将很快消耗完能量，基站也就无法收集数据．本文通过研究无线传感器网络中的能量消耗，得到了一个布置传感器节点的密度函数，按此函数布置传感器节点可以有效地延长系统的生命期．理论分析和模拟结果表明，本文的布置方案将系统生命期提高到均匀布置方案的3R/2t倍，这里t为传感器节点的通信距离，R为传感器节点的分布区域半径．     

无线传感器网络中基于协同压缩方法的MAC协议

基于无线信号的广播本质,利用传统MAC协议所忽略的串音(overhearing)数据,提出一种方法以在媒介访问控制层去除数据的空间相关性.根据串音所接收到的数据,事件监测节点间协同地对自身的数据进行压缩后再发送,从而在链路层减少冗余信息的传输.首先针对节点间的协同数据压缩问题进行量化,建立线性规划模型;进而提出一种近似最优的、更低时间复杂度(O(N2))的启发式节点筛选算法.在此基础上,设计一种能量有效的、基于协同压缩方法的MAC协议(CCP-MAC),可分布式地控制节点实现该节点筛选算法,相应节点可从筛选出的被压缩节点子集中接收串音数据,融合冗余数据以后再进行发送.实验结果表明,CCP-MAC利用串音数据协调节点进行数据压缩,可在很大程度上节约能量,延长网络的生命周期.     

交流电力功率智能传感器中信号处理的相关性分析

基于相关性分析,提出了一种适合于交流电力智能传感器的功率测试方法,并将其与传统的定义法进行了分析、比较,指出在不增加任何额外硬件开销和计算量的情况下,相关性分析法能有效抑制采集信号中干扰的影响,从而简化系统、降低成本、提高实时性等测试性能.试验表明,相对于定义法,相关性分析法可减少约2倍用于分析的采样点数,干扰幅值的要求从小于信号幅值的3%可放宽到信号幅值的12%.