共查询到19条相似文献,搜索用时 62 毫秒
1.
无线传感器网络是集成了嵌入系统、无线通信、分布计算、检测技术,由大量无线微型传感器节点组成的新型网络。无线传感器网络节点是构成无线传感器网络的基础。分析了无线传感网络节点的信号处理过程,对比研究了基于微处理器和基于现代信号处理在系统可编程的两种无线传感网络节点的实现模型。采用现代可编程实现的无线传感网络节点模型体积小、功耗低、速度快。基于微处理器的节点具有极大的灵活性。 相似文献
2.
3.
无线传感器节点的软件架构直接影响整个网络的运行效率和寿命,以分模块、层次化、虚拟多任务为指导思想设计的节点软件平台,完全达到了传感器网络的能效性、自组织、稳定性等要求,实验者可以在该软件平台上添加试验代码,进行MAC协议、路由、安全算法等网络试验;节点硬件选高档8位AVR单片机ATmega128L为CPU,结合外围传感器和2.4GHz无线收发模块CC2420,在该硬件平台基础上设计了节点的软件架构,为加速WSN的商业化应用提出了一种新的、简洁高效的技术模式。 相似文献
4.
5.
无线传感器网络中传感器节点的布置 总被引:9,自引:1,他引:9
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. 相似文献
6.
7.
8.
9.
无线传感器网络节点的低功耗设计 总被引:6,自引:0,他引:6
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。 相似文献
10.
低功耗无线传感器网络节点的设计 总被引:5,自引:1,他引:5
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. 相似文献
11.
12.
从性价比和体积方面来考虑无线传感器网络节点中放大器(AD623)和微处理器(MC9S08QG8)的选择,有效地实现了电池供电和低成本的批量生产。同时从软硬件方面来实现节点的信号处理,从而得到采样数据准确性较好的数据采集系统。 相似文献
13.
节点位置信息是许多无线传感器网络应用的基础,节点自定位技术在无线传感器网络中具有重要地位。目前已经出现了各种节点定位算法,其中的KPS算法不需要锚节点和复杂的测距技术,具有一定的优越性,但当网络部署在非理想的环境中时,存在定位精度较低的问题。该文针对这一问题,提出了利用运动学定位方法对KPS算法中的参考节点位置进行修正,从而提高节点定位精度。仿真结果表明,改进算法能够明显提高非理想环境中的节点定位精度。 相似文献
14.
15.
研究基于Zigbee技术的无线传感器网络中未知节点的定位问题。针对传统的Two-phase positioning循环求精定位算法复杂,且在RSSI节点测距阶段存在某些点的测距误差较大,导致定位精度大大下降。为了解决测距误差大的节点对定位精度的影响,提高定位精度,首先采用RSSI测距法测出未知节点和锚节点距离,用最小二乘法粗略定位,其次通过距离关系算出每个粗略定位点的权值,引入权值阀,舍去在权值阀外的点,最后在求精阶段采用三角形加权重心算法。此方法可以最大限度的减少测量误差大的节点对定位精度的影响。经实验证明,改进算法也存在一定的误差,但比传统的算法更加精确,提高了定位精度。 相似文献
16.
17.
在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。 相似文献
18.