第25卷 第5期 电子测量与仪器学报 Vol. 25 No. 5 2011年5月
JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT
· 389 ·
本文于2011年1月收到。
* 基金项目: 教育部高等学校博士学科点专项科研基金(编号: 20092302110013), 教育部新世纪优秀人才支持计划(编号: NCET-10-0062)资助项目。
DOI: 10.3724/SP.J.1187.2011.000389
无线传感器网络定位技术综述*
彭 宇 王 丹
(哈尔滨工业大学电气工程及自动化学院, 哈尔滨 150080)
摘 要: 首先介绍无线传感器网络定位技术的相关术语、评价标准等基本概念及定位算法的分类方法; 重点从基于测距和非测距两个方面介绍无线传感器网络的主要定位方法, 并研究和分析若干新型无线传感器网络定位方法, 主要包括基于移动锚节点的定位算法、三维定位算法和智能定位算法。从实用性、应用环境、硬件条件、供能及安全隐私等方面出发总结当前无线传感器网络定位技术存在问题并给出可行的解决方案后, 展望未来的研究前景与应用发展趋势。
关键词: 无线传感器网络；定位技术
中图分类号: TP393 文献标识码: A 国家标准学科分类代码: 510.5015
A review: wireless sensor networks localization
Peng Yu Wang Dan
(School of Electrical Engineering and Automation, Harbin Institute of Technology, Harbin 150080, China)
Abstract: This paper firstly introduce the basic conceptions including terminologies and standards, and the meth-ods to classify the algorithms of Wireless Sensor Networks (WSN) localization technology. Furthermore, the main lo-calization algorithms are introduced in two aspects which are range-based and range-free, then several new-style local-ization methods including localization schemes based on mobile beacons, three dimensional localization schemes and
intelligent localization algorithms are analyzed. After concluding the difficulties in WSN localization technology from practicability, application conditions, hardware, power supply and security and giving the possible solutions, we indi-cate the developing trend of localization in WSN.
Keywords: wireless sensor networks; localization
1 引 言
无线传感器网络作为一种全新的信息获取和处理技术在目标跟踪、入侵监测及一些定位相关领域有广泛的应用前景[1]。然而, 无论是在军事侦察或地理环境监测, 还是交通路况监测或医疗卫生中对病人的跟踪等应用场合, 很多获取的监测信息需要附带相应的位置信息, 否则, 这些数据就是不确切的, 甚至有时候会失去采集的意义, 因此网络中传感器节点自身位置信息的获取是大多数应用的基础。首先, 传感器节点必须明确自身位置才能详细说明“在什么位置发什么了什么事件”
, 从而实现对外部目标的定位和跟踪; 其次, 了解传感器节点的位置分布状况可以对提高网络的路由效率提供帮助, 从而实现网络的负载均衡以及网络拓扑的自动配置, 改善整个网络的覆盖质量。因此, 必须采取一定的机制或算法来实现无线传感器网络中各节点的定位[2]。
无线传感器网络定位最简单的方法是为每个节点装载全球卫星定位系统(GPS) 接收器, 用以确定节点位置。但是, 由于经济因素、节点能量制约和GPS 对于部署环境有一定要求等条件的限制, 导致方案的可行性较差。因此, 一般只有少量节点通过装载GPS 或通过预先部署在特定位置的方式获取自身坐标。另外, 无线传感器网络的节点定位涉及很多方
·390 ·电子测量与仪器学报第25卷
面的内容, 包括定位精度、网络规模、锚节点密度、网络的容错性和鲁棒性以及功耗等, 如何平衡各种关系对于无线传感器网络的定位问题非常具有挑战性[3]。可以说无线传感器网络节点自身定位问题在很大程度上决定着其应用前景。因此, 研究节点定位问题不仅必要, 而且具有很重要的现实意义[2]。
2 WSN定位技术基本概念
2.1定位方法的相关术语
1) 锚节点(anchors): 也称为信标节点、灯塔节点等, 可通过某种手段自主获取自身位置的节点;
2) 普通节点(normal nodes): 也称为未知节点或待定位节点, 预先不知道自身位置, 需使用锚节点的位置信息并运用一定的算法得到估计位置的节点;
3) 邻居节点(neighbor nodes): 传感器节点通信半径以内的其他节点;
4) 跳数(hop count): 两节点间的跳段总数;
5) 跳段距离(hop distance): 两节点之间的每一跳距离之和;
6) 连通度(connectivity): 一个节点拥有的邻居节点的数目;
7) 基础设施(infrastructure): 协助节点定位且已知自身位置的固定设备, 如卫星基站、GPS等。
2.2定位方法的性能评价标准
无线传感器网络定位性能的评价标准主要分为7种, 下面分别进行介绍。
1) 定位精度。定位技术首要的评价指标就是定位精确度, 其又分为绝对精度和相对精度。绝对精度是测量的坐标与真实坐标的偏差, 一般用长度计量单位表示。相对误差一般用误差值与节点无线射程的比例表示, 定位误差越小定位精确度越高。
2) 规模。不同的定位系统或算法也许可以在一栋楼房、一层建筑物或仅仅是一个房间内实现定位。另外, 给定一定数量的基础设施或一段时间, 一种技术可以定位多少目标也是一个重要的评价指标。
3) 锚节点密度。锚节点定位通常依赖人工部署或使用GPS实现。人工部署锚节点的方式不仅受网络部署环境的限制, 还严重制约了网络和应用的可扩展性。而使用GPS定位, 锚节点的费用会比普通节点高两个数量级, 这意味着即使仅有10%的节点是锚节点, 整个网络的价格也将增加10倍, 另外, 定位精度随锚节点密度的增加而提高的范围有限, 当到达一定程度后不会再提高[4]。因此, 锚节点密度也是评价定位系统和算法性能的重要指标之一。
4) 节点密度。节点密度通常以网络的平均连通度来表示, 许多定位算法的精度受节点密度的影响。在无线传感器网络中, 节点密度增大不仅意味着网络部署费用的增加, 而且会因为节点间的通信冲突问题带来有限带宽的阻塞。
5) 容错性和自适应性。定位系统和算法都需要比较理想的无线通信环境和可靠的网络节点设备。而真实环境往往比较复杂, 且会出现节点失效或节点硬件受精度限制而造成距离或角度测量误差过大等问题, 此时, 物理地维护或替换节点或使用其他高精度的测量手段常常是困难或不可行的。因此, 定位系统和算法必须有很强的容错性和自适应性, 能够通过自动调整或重构纠正错误, 对无线传感器网络进行故障管理[5], 减小各种误差的影响。
6) 功耗。功耗是对无线传感器网络的设计和实现影响最大的因素之一。由于传感器节点的电池能量有限, 因此在保证定位精确度的前提下, 与功耗密切相关的定位所需的计算量、通信开销、存储开销、时间复杂性是一组关键性指标。
7) 代价。定位系统或算法的代价可从不同的方面来评价。时间代价包括一个系统的安装时间、配置时间、定位所需时间; 空间代价包括一个定位系统或算法所需的基础设施和网络节点的数量、硬件尺寸等; 资金代价则包括实现一种定位系统或算法的基础设施、节点设备的总费用。
上述7个性能指标不仅是评价无线传感器网络自身定位系统和算法的标准, 也是其设计和实现的优化目标。为了实现这些目标的优化, 有大量的研究工作需要完成。同时, 这些性能指标相互关联, 必须根据应用的具体需求做出权衡以设计合适的定位技术[6]。
3主要的WSN定位方法
WSN的定位方法较多[7], 可以根据数据采集和数据处理方式的不同来进行分类。在数据采集方式上, 不同的算法需要采集的信息有所侧重, 如距离、角度、时间或周围锚节点的信息, 其目的都是采集与定位相关的数据, 并使其成为定位计算的基础。在信
第5期无线传感器网络定位技术综述·391 ·
息处理方式上, 无论是自身处理还是上传至其他处理器处理, 其目的都是将数据转换为坐标, 完成定位功能。目前比较普遍的分类方法有3种:
1) 依据距离测量与否可划分为: 测距算法和非测距算法。其中测距法是对距离进行直接测量, 非测距法依靠网络连通度实现定位, 测距法的精度一般高于非测距法, 但测距法对节点本身硬件要求较高, 在某些特定场合, 如在一个规模较大且锚节点稀疏的网络中, 待定位节点无法与足够多的锚节点进行直接通信测距, 普通测距方法很难进行定位, 此时需要考虑用非测距的方式来估计节点之间的距离, 两种算法均有其自身的局限性;
2) 依据节点连通度和拓扑分类可划分为: 单跳算法和多跳算法。单跳算法较多跳算法来说更加的简便易行, 但是存在着可测量范围过小的问题, 多跳算法的应用更为广泛, 当测量范围较广导致两个节点无法直接通信的情况较多时, 需要多跳通信来解决;
3) 依据信息处理的实现方式可划分为: 分布式算法和集中式算法。以监测和控制为目的算法因为其数据要在数据中心汇总和处理, 大多使用集中式算法, 其精度较高, 但通信量较大。分布式算法是传感器节点在采集周围节点的信息后, 在其自身的后台执行定位算法, 该方法可以降低网络通信量, 但目前节点的能量、计算能力及存储能力有限, 复杂的算法难以在实际平台中实现。
普遍认为基于测距和非测距的算法分类更为清晰, 本文以其为分类原则介绍主要的WSN定位方法。此外, 由于目前非测距算法大多为理论研究, 且实用性较差, 因此, 本文将着重介绍基于测距的定位方法。
3.1基于测距的算法
基于测距的算法通常分为2个步骤, 首先利用某种测量方法测量距离(或角度), 接着利用测得的距离(或角度)计算未知节点坐标。下面分别进行介绍。
3.1.1 距离的测量方法
本节将详细说明3种主流的测量方法, 第一种是基于时间的方法, 包括基于信号传输时间的方法(time of arrival, TOA)和基于信号传输时间差的方法(time difference of arrival, TDOA); 第二种是基于信号角度的方法(angle of arrival, AOA); 第三种是基于信号接收信号强度的方法(received signal strength indicator, RSSI)方法。下面分别进行介绍[8]。
1) 基于时间的方法
a. 基于信号传输时间的方法
TOA技术通过测量信号的传播时间来计算距离, 该技术可分为单程测距和双程测距, 单程测距即信号只传输一次, 双程测距即信号到达后立即发回。前者需要两个通信节点之间具有严格的时间同步, 后者则不需要时间同步, 但是本地时钟的误差同样会造成很大的距离偏差。最典型的应用就是GPS定位系统。
优点: 测量方法简单且能取得较高的定位精度。
缺点: Ⅰ. 精确计时难。通常传感节点之间通信都采用无线电信号, 由于无线电的传输速度非常快, 而传感节点之间的距离又较小, 这使得计算发送节点和接收节点之间的信号传输时间非常困难。因此利用此技术定位的节点需要采用特殊硬件来产生用于发送和接收的慢速无线信号。Ⅱ. 高精度同步难。有些算法还需要接收节点和发送节点之间具有严格的时间同步, 时间同步的问题现在也是无线传感器网络中的一个研究热点并且没有完全解决, 这也限制了算法的实用性。Ⅲ. 易受噪声影响。在空间传输的信号会受到各种噪声的影响, 所以即使在不同的测量中得到了相同的信号传输时间也不能断定这两次测量中的发送节点和接收节点间的距离是相同的。
最早的TOA距离估计算法是在非时间同步网络中利用对称双程测距协议进行测量的[9]。之后, 单边测距方法在后续的研究中被提出, 如Harter开发的Active Bat定位系统[10], 它由一系列固定在网格中的节点组成。固定节点从移动节点中接收超声波, 并通过TOA算法计算到移动节点的距离, 在通信范围30 m左右的情况下, 其定位精度达到9 cm, 相对精度9.3%。但TOA只有在视距(line-of-sight, LOS)的情况下才比较精确, 在非视距(none line-of-sight, NLOS)情况下, 随着传播距离的增加测量误差也会相应增大。文献[11-12]综述了在视距和非视距情况下多种TOA距离估计方法所需要的复杂度, 先验知识和实验结果等。Hangoo Kang等人在多径环境下利用基于啁啾展频技术(chirp spread spectrum, CSS) 和对称双
·392 ·电子测量与仪器学报第25卷
边双向测距技术(symmetric double sided two-way ranging, SDS-TWR) 的TOA定位系统中提出了误差补偿算法, 取得了较好的定位效果[13-14], 在此基础上Andreas Lewandowski等人提出了一种加权的TOA算法[15], 该算法应用于工业环境下, 可提高系统容错性, 降低自身对测距系统的干扰, 在7 m×
24.5 m的范围内, 测距误差小于3 m。
b. 基于信号传输时间差的方法
TDOA测距技术广泛应用于无线传感器网络的定位方案中。通常在节点上安装超声波收发器和射频收发器, 测距时锚节点同时发送超声波和电磁波, 接收节点通过两种信号到达时间差来计算两点之间距离。
优点: 在LOS情况下能取得较高的定位精度。
缺点: Ⅰ. 硬件需求较高。传感节点上必须附加特殊的硬件声波或超声波收发器, 这会增加传感节点的成本; Ⅱ. 传输信号易受环境影响。声波或者超声波在空气中的传输特性和一般的无线电波不同, 空气的温度、湿度或风速都会对声波的传输速度产生较大的影响, 这就使得距离的估计可能出现一定的偏差, 使用超声波与RF到达时间差的测距范围为5～7 m, 实用性不强, 且超声波传播方向单一, 不适合面向多点传播; Ⅲ. 应用场合单一。测距的前提是发送节点和接收节点之间没有障碍物阻隔, 在有障碍物的情况下会出现声波的反射、折射和衍射, 此时得到的实际传输时间将变大, 在这种传输时间下估算出的距离也将出现较大的误差。
由MIT开发出的Cricket室内定位系统最早采用了RF信号与超声波信号组合的TDOA测距技术, 在2 m×2 m×2.5 m的范围内, 该系统定位精度在10 cm 以下, 现已成为Crossbow的商业化产品[16]。加利福尼亚大学洛杉矶分校的Medusa节点在AHLos[17]定位系统之间传输距离为3 m左右时, 测距精度能够达到厘米级别。加州大学伯克利分校开发的Calamari 定位系统均采用TDOA超声波测距[18], 在144 m2的区域部署49个节点, 平均定位误差达到0.78 m, 文献对于声波收发器的方向单一性问题, 给出了两种解决方法: 一是将多个传感器调整成向外发射的形状; 二是在节点的平面上使用金属圆锥来均匀地传播和收集声波能量[17,19]。结合TDOA测距机制和NTP协议时间同步原理[20-21], 一些学者提出了时间同步与节点测距混合算法, 结合基于到达时间差的测距机制和网络时间协议中的时钟同步机制, 通过逆推时间非同步情况下相互测距的意义, 不仅能实现时间同步, 还可以实现相对测距甚至绝对测距[23]。
基于时间的定位方法的定位精度虽高, 但从上面的例子中可以看出其测距距离较短, 且附加的硬件将增加节点的体积和功耗, 不适于实际应用。
2) 基于信号到达角度的方法
AOA测距技术依靠在节点上安装天线阵列来获得角度信息。由于大部分节点的天线都是全向的, 无法区分信号来自于哪个方向。因此该技术需要特殊的硬件设备如天线阵列或有向天线等来支持。
优点: 能够取得不错的精度。
缺点: 传感节点最耗能的部分就是通信模块, 所以装有天线阵列的节点的耗能、尺寸以及价格都要超过普通的传感节点, 与无线传感器网络低成本和低能耗的特性相违背, 所以实用性较差。
关于AOA定位的文献比较少, 文献[24]最早提出在室内采集方向信息, 并以此实现定位的方法, 它的硬件部分包括微控制器、RF接收器、5个排成“V”型的超声波接收器, 其测量误差精度为5°。随后, 一些学者提出了在只有部分节点有定位能力的情况下确定所有节点的方向和位置信息的算法[25]。
3) 基于接收信号强度的方法
RSSI是在已知发射功率的前提下, 接收节点测量接收功率, 计算传播损耗, 并使用信号传播模型将损耗转化为距离。
优点: 低成本。每个无线传感节点都具有通信模块, 获取RSSI值十分容易, 无需额外硬件。
缺点: 1) 锚节点数量需求多。由于RSSI值在实际应用中的规律性较差, 使得利用RSSI信息进行定位的算法在定位精度以及实用性上存在缺陷。所以为了达到较高的定位精度, 利用RSSI信息进行定位的算法通常需要较多数量的锚节点。2) 多路径反射、非视线问题等因素都会影响距离测量的精度。
早期的RSSI距离测量方法有Hightower等人设计的室内定位SpotON tags系统, 通过RSSI方法来估计两点间的距离, 通过节点间的相互位置来进行定位, 在边长3 m的立方体内, 其定位精度在1 m以内[25]。目前, 基于RSSI值的距离测量方法可以分为2种, 一种是需要预先测试环境信息的方法, 即在实
第5期无线传感器网络定位技术综述·393 ·
验开始前, 对定位的区域进行大量的RSSI值测试, 将不同点得到的RSSI值保存到数据库中, 建成场强图或拟合曲线, 在实际测试时查询和调用[26-29]。另外一种是无需预先测试环境信息的方法, 直接在定位区域进行节点布置和定位, 如双曲线模型法, 迭代的分布式算法, 结合露珠洪泛思想[30]引入RSSI机制的HCRL(hop-count-ratio based localiza-tion)算法[31-32]等。
总体来说, 需要预先测试环境参数的方法在实际定位中计算量小, 这类方法只需要简单的查表或根据拟合曲线进行计算, 其缺点是实验前需要做大量的准备工作, 而且一旦环境改变则预先建立的模型将不再适用。无需预先测试环境参数的方法需要定位引擎的计算操作, 往往具有复杂的计算过程, 但适应性较强。
以上几种测距方法各有利弊, 以2009年发表的基于测距法的文献来看, 研究RSSI方法的大约占了以上几种方法总数的52%, TOA方法25%, TDOA方法13%和AOA方法10%, 其比例图如图1所示, 从实用性的角度来看, 基于RSSI的定位方法更简便易行, 因此, 基于RSSI测距方法的研究占基于测距算法研究总数的一半以上。
图1 各类方法研究比例图
Fig. 1 Proportion of the methods
3.1.2 节点坐标计算方法
无线传感器节点定位过程中, 当未知节点获得与邻近参考节点之间的距离或相对角度信息后, 通常使用以下原理计算自己的位置[33]。
1) 三边测量法是一种基于几何计算的定位方法, 如图2所示, 已知3个节点A, B,C的坐标以及3点到未知节点的距离就可以估算出该未知点D的坐标, 同理也可以将这个结果推广到三维的情况。
2) 三角测量法也是一种基于几何计算的定位方法, 如图3所示, 已知3个节点A, B, C的坐标和未知节点D与已知节点A, B, C的角度, 每次计算2个锚节点和未知节点组成的圆的圆心位置如已知点A, C 与D的圆心位置O, 由此能够确定3个圆心的坐标和半径。最后利用三边测量法, 根据求得的圆心坐标就能求出未知节点D的位置。
图2 三边测量法原理示意图
Fig. 2 Trilateration-based positioning
图3 三角测量法原理示意图
Fig. 3 Triangulation-based positioning
3) 极大似然估计法。如图4所示, 已知n个点的坐标和它们到未知节点的距离, 列出坐标与距离的n个方程式, 从第1个方程开始, 每个方程均减去最后一个方程, 得到n?1个方程组成的线性方程组, 最后用最小二乘估计法可以得到未知节点的坐标。
图4 极大似然估计法原理示意图Fig. 4 Maximum likelihood estimation algorithm
4) 极小极大定位算法, 在无线传感器网络定位中也被广泛使用。如图5所示, 计算未知节点与锚节点的距离, 接着锚节点根据与未知节点的距离d, 以自身为中心, 画以2d为边长的正方形, 所有锚节点做出的正方形中重叠的部分的质心就是未知节点的
·394 ·电子测量与仪器学报第25卷
坐标。针对极小极大定位算法对锚节点密度依赖过高的问题, 有学者利用锚节点位置信息提出了分步求精定位算法, 该算法在只利用适量的锚节点的情况下可达到较高定位精度[34]。
图5 极小极大定位算法原理示意图
Fig. 5 Min-Max localization algorithm
文献[35]在12 m×19.5 m的范围内对上述三边测量法、极大似然估计法和极小极大法方法的计算量和精度进行了测试。实验表明, 极大似然估计法的计算量最大, 锚节点小于10个时, 极小极大法的计算量最小, 在锚节点较少情况下, 三边法和极小极大法的精确度较高, 而当锚节点超过6个时, 极大似然估计法精确度更高。因此, 在计算坐标时要根据实际情况合理选择坐标计算方法。另外, 针对现存的定位算法都是假设信标节点不存在误差, 与真实情况不符的情况, 文献[36]提出信标优化选择定位算法(OBS), 即通过减小定位过程中的误差传递来提高定位精度。
3.2基于非测距的算法
基于非测距的算法与测距法的区别在于前者不直接对距离进行测量, 而是使用网络的连通度来估计节点距锚节点的距离或坐标, 由于方法的不确定性, 基于非测距的方法众多[37-45]。下面按时间顺序, 介绍部分典型非测距定位算法。
Bulusu等人提出了一个单跳, 低功耗的算法, 它利用锚节点的连通性来确定坐标。未知节点的坐标通过计算无线电范围内所有节点的质心获得。节点将自己定位在与它们表现相近节点的质心处, 该算法虽然简单, 但误差较大, 需要的锚节点密度较高。约90%节点的定位精度在锚节点分布间距的1/3以内[46]。
He等人提出了APIT算法, 目标节点任选3个相邻锚节点, 测试未知节点是否位于它们所组成的三角形中。使用不同锚节点组合重复测试直到穷尽所有组合或达到所需定位精度。最后计算包含目标节点的所有三角形的交集质心, 并以这一点作为目标节点位置, 该算法需要较高的锚节点密度, 其定位精度为40%[38]。
Niculescu等人提出了DV-Hop定位算法, 它从网络中收集相邻节点信息, 计算不相邻节点之间最短路径。DV-Hop算法使用已知位置节点的坐标来估测一个跳跃距离, 并使用最短路径的跳跃距离估计未知节点和锚节点的距离, 该算法仅适用于各向同性的密集网络, 当锚节点密度为10%时, 定位误差为33%[39]。
Radhika等人提出的Amorphous Positioning算法, 使用离线的跳跃距离估测, 同DV-Hop算法一样, 通过一个相邻节点的信息交换来提高定位的估测值, 需要预知网络连通度, 当网络连通度为15时, 定位精度20%[43]。
Savvides等人介绍了一种N-Hop multilateration 算法, 使用卡尔曼滤波技术循环求精, 该算法避免了传感器网络中多跳传输引起的误差积累并提高了精度, 节点通信距离为15 m, 当锚节点密度为20%, 测距误差为1 cm时, 定位误差为3 cm[42]。
Capkun等人提出了self-positioning algorithm (SPA), 该算法首先根据通信范围在各个节点建立局部坐标系, 通过节点间的信息交换与协调, 建立全局坐标系统, 网络中的节点可以在与它相隔N跳的节点建立的坐标系中计算自己的位置[44]。
综上可知, 非测距算法多为理论研究, 其定位精度普遍较低并且与网络的连通度及节点的密集程度密切相关, 因此, 其适用范围有一定的局限性, 在进行无线传感器网络定位技术研究过程中应更多地考虑基于测距的定位算法。
4新型WSN定位研究分析
除了传统的定位方法, 新型的无线传感器网络定位算法也逐渐出现, 如利用移动锚节点来定位未知节点、在三维空间内定位未知节点、以及采用智能定位算法来提高定位精度等, 下面分别介绍。
4.1基于移动锚节点的定位算法
利用移动锚节点定位可以避免网络中多跳和远距离传输产生的定位误差累计, 并且可以减少锚节
第5期无线传感器网络定位技术综述·395 ·
点的数量, 进而降低网络的成本。如MBAL(mobile beacon assisted localization scheme)定位方法, 锚节点在移动过程中随时更新自身的坐标, 并广播位置信息。未知节点测量与移动节点处于不同位置时的距离, 当得到3个或3个以上的位置信息时, 就可以利用三边测量法确定自己的位置, 进而升级为锚节点[47]。此外, 移动锚节点用于定位所有未知节点所移动的路径越长则功耗越大, 因此对移动锚节点的活动路径进行合理规划可以减小功耗。
文献[48]提出了一种基于加权最小二乘法的移动锚节点定位距离估计算法, 作者首先建立一个移动模型, 锚节点沿着线性轨迹移动, 使用加权最小二乘法来减小距离估计误差, 并在Cramér-Rao bound(CRB) 的基础上分析了距离估计的最小误差边界, 该算法在距离估计和位置估计方面都有较好的性能。
利用移动锚节点自身的可定位性和可移动性可定位网络局部相关节点, 但移动锚节点的路径规划算法和采取的定位机制需要深入考虑。2009年发表的关于WSN定位的文章中, 约25%是关于移动节点定位的。
4.2三维定位方法
随着传感器网络的空间定位需求不断提升, 三维空间场景下的定位也成为了一个新的研究方向。
目前的三维定位算法包括基于划分空间为球壳并取球壳交集定位的思想, 提出的对传感器节点进行三维定位的非距离定位算法APIS(approximate point in sphere) 。在此基础上针对目前三维定位算法的不足, 提出的基于球面坐标的动态定位机制, 该机制将定位问题抽象为多元线性方程组求解问题, 最终利用克莱姆法则解决多解、无解问题[49-50]。文献[50]建立了WSN空间定位模型并结合无线信道对数距离路径衰减模型, 为解决不适定型问题提出了Tikhonov正则化方法, 并结合偏差远离方便的得到了较优的正则化参数, 在3.5 m×6 m×3 m的区域内定位精度可控制在2 m。
三维定位方法可扩展WSN的应用场合, 目前三维定位在许多方面还有待完善, 如获取更准确的锚节点需要寻求更精确的广播周期和消息生存周期, 缩减定位时间需要改进锚节点的选择和过滤机制等。4.3智能定位算法
随着电子技术的发展和芯片计算能力的提高, 传感器网络节点本身的性能也有提升, 复杂算法也可以在网络中实现。因此, 智能定位算法也纷纷被提出。
对于无线传感器网络的户外三维定位, 将锚节点固定在直升机上通过GPS实时感知自身位置, 采用基于RSSI的测距方法, 利用粒子滤波定位技术实现定位, 该方法不需要任何关于未知节点的先验知识, 非常适合应用于户外定位[54-55]。
神经网络对于解决无线传感器网络的定位问题是一个切实可行的办法, 将3种神经网络: 多层感知神经网络, 径向基函数神经网络和递归神经网络与卡尔曼滤波的2个变形进行比较, 可以根据不同情况下的定位需求灵活选择定位方法。使用神经网络和网格传感器训练的灵活的模型, 可以提高定位精度, 且不需要额外的硬件支持。网络训练每隔一段时间进行一次更新来最小化误差, 并且通过增加网格节点密度来提高定位精度[50,55]。
对于节点定位中的非视距问题, 常规的办法是采用机器学习中的支持向量回归(support vector re-gression, SVR) 方法进行定位以降低误差, 但其定位精度仍然受到一定的非视距误差影响, 为了降低这种影响, 研究人员提出了基于直推式回归的定位算法[56]。利用锚节点的坐标和TOA信息并借用核函数直接推导出未知节点的位置, 进一步提高定位精度。
虽然智能定位算法已经成为一个新的研究方向, 但由于WSN网络本身属于低能耗的网络, 单个节点的计算能力还比较低, 目前智能定位算法不普遍适用于实际的WSN定位系统, 但随着低功耗技术、微处理器技术、FPGA技术的发展, 智能定位算法将在未来的定位系统中得到广泛的应用。
5研究前景与应用分析
截至目前, 无线传感器网络定位研究已广泛开展并取得了许多研究成果, 但仍存在着一些没有被解决或被发现的问题, 目前最为关键的问题仍然是WSN节点的能耗问题, 一切的定位算法应该在精度和能量消耗上选取一个较为折衷的效果。下面将对目前存在的问题及相应可能的解决方案进行介绍。
·396 ·电子测量与仪器学报第25卷
1) 实用性差。大部分基于非测距的定位算法只是停留在理论研究阶段, 且大都是在仿真环境下进行的, 需要假设很多不确定因素, 而这些因素在实际应用中往往不能满足, 则这些算法就失去了实际的意义。因此定位算法的设计应该更多的从实际应用上考虑, 结合实际应用情况设计实用的定位算法。
2) 应用环境单一。多数的算法都是针对特定的应用场景进行设计的, 也就是说, 每个算法都只能解决特殊的问题或应用于特定的场景, 一旦环境发生变动, 算法或系统的测量误差将增大甚至不再适用。因此, 探索更具通用性的定位算法或定位系统, 将其应用于更为复杂多变的环境中是一项新的挑战。
3) 受硬件限制。在实际定位中, 一些算法由于受到传感器节点硬件成本和性能的限制, 如某些算法需要在定位节点上增加GPS, 超声波收发器, 有向天线阵列等设备, 增加了节点硬件成本, 阻碍了其在实际定位系统中的应用。因此, 算法设计应多考虑WSN节点的实际情况, 如只在部分节点上增加额外硬件, 或根据实际节点资源受限情况采用其他定位算法等。
4) 能量受限。测量精度、容错性和能量消耗等问题也是目前无线传感器网络研究的热点, 更是定位技术研究的热点。通常情况下, 高测量精度和低能量消耗不可兼得, 往往需要在测量精度和能量消耗上进行有效的折衷。因此, 可以在提高储能设备的容量, 或利用可能的外界环境资源为节点提供能量方向进行研究, 另外, 提出高效、节能、符合实际情况的无线传感器网络定位算法将具有现实的意义。
5) 安全和隐私问题。在大范围部署的无线传感器网络中, 安全和隐私的问题也是一个主要的研究方向。一方面, 一些应用需要节点位置信息, 另一方面, 向一些不需要知道位置的节点透露位置信息则会使网络面临安全问题。此外, 鉴于无线传感器网络的性质, 集中式算法在后台处理定位程序也使得节点的位置信息通过层层传递被过多的节点所知晓, 因此分布式算法相对于集中式算法可以减少信息传递次数, 增强网络安全性, 另外, 在网络通信中使用信息加密也可以提高网络安全性。就2009年发表的定位相关文章来说, 每4篇发表的文章中就有1篇提出的是分布式算法。
未来的无线传感器网络定位在解决上述问题之后将广泛应用于各类领域, 包括安全定位、变化的环境、三维空间等。
6结论
结合近年来无线传感器网络定位技术的发展状况, 对无线传感器网络定位的基本概念、评价标准以及国内外研究现状进行了概述, 重点对基于测距和基于非测距的无线传感器网络定位算法进行了分析, 并列举了一些新型WSN定位的算法, 总结了目前无线传感器网络定位领域研究存在的问题和一些可以研究的内容和方向。希望本文能够为无线传感器网络定位相关领域的研究者提供一些参考和借鉴。
参考文献:
[1]邱岩, 赵冲冲, 戴桂兰. 无线传感器网络节点定位技
术研究[J]. 计算机科学, 2008, 35(5): 47-50.
QIU Y, ZHAO CH CH, DAI G L, et al. Research on lo-
calization technology for wireless sensor networks[J].
Computer Science, 2008, 35(5): 47-50.
[2]马玉秋. 基于无线传感器网络的定位技术研究及实
现[D]. 北京: 北京邮电大学, 2006: 23-24.
MA Y Q. Research and implementation of positioning
technology based on wireless sensor network[D]. Bei-
jing:Beijing University of Posts and Telecommunications
& Technology, 2006: 23-24.
[3]彭保. 无线传感器网络移动节点定位及安全定位技术
研究[D]. 哈尔滨: 哈尔滨工业大学, 2009: 4-7.
PENG B. Study of moving node localization and secure
localization technology in wireless sensor networks[D].
Harbin: Harbin Institute of Technology & Technology,
2009: 4-7.
[4]BULUSU N, HEIDEMANN J, ESTRIN D. Self-configur-
ing localization systems: Design and experimental
evaluation[J]. ACM Transaction on Embedded Comput-
ing System, 2004, 3(1): 24-60.
[5]彭宇, 宋佳, 彭喜元. 无线传感器网络故障管理架构
设计方法概述[J]. 电子测量与仪器学报, 2009, 23(11):
1-10.
PENG Y, SONG J, PENG X Y. Survey of fault manage-
ment framework in wireless sensor networks[J]. Journal
of Electronic Measurement and Instrument. 2009, 23(11):
1-10.
第5期无线传感器网络定位技术综述·397 ·
[6]王福豹, 史龙, 任丰原. 无线传感器网络中的自身定
位系统和算法[J]. 软件学报, 2005, 16 (05): 857-868.
WANG F B, SHI L, REN F Y. Self-localization system
and algorithms for wireless sensor networks[J]. Journal
of software, 2005, 16 (5): 857-868.
[7]MERT B, LIU M, SHEN W M, et al. Localization in
cooperative wireless sensor networks: A review[C]. Pro-
ceedings of the 2009 13th International Conference on
Computer Supported Cooperative Work in Design, 2009:
438-443.
[8]杨冕, 秦前清. 对传感器网络定位技术现状的研究[J].
微机发展, 2005, 15(3): 26-28.
YANG M, QIN Q Q. Research on current localization
technology of sensor networks[J]. Microcomputer De-
velopment, 2005, 15(3): 26-28.
[9]SAHINOGLU Z, GEZICI S. Ranging in the IEEE
802.15.4a standard[C]. Wireless and Microwave Tech-
nology Conference, 2006: 1-5.
[10]HARTER A. A distributed location system for the active
office[J]. IEEE Network, 8(1), 1994: 62-70.
[11]AHN S, HUR H, CHOI W S. One-way ranging tech-
nique for CSS-based indoor localization[C]. IEEE Inter-
national Conference on Industrial Informatics, 2008: 1513-1518.
[12]GüVENC I, CHONG C C. A survey on TOA based
wireless localization and NLOS mitigation techniques[J].
IEEE Communications Surveys & Tutorials, 2009, 11(3):
107-123.
[13]ZAFER S, SINAN G. Ranging in the IEEE 802.15.4a
Standard[C]. Wireless and Microwave Technology Con-
ference, 2006: 1-5.
[14]KANG H, SEO G, LEE W J. Error compensation for
css-based localization system[C]. Proceedings of the World Congress on Engineering and Computer Science
2009, 2.
[15]ANDREAS L, CHRISTIAN W. A comprehensive ap-
proach for optimizing ToA-localization in harsh indus-
trial environments[C]. Position Location and Navigation
Symposium (PLANS), 2010 IEEE/ION, 2010: 516-525 [16]PRIYANTHA N B. The cricket indoor location sys-
tem[D]. USA: Massachusetts Institute of Technology, 2005.
[17]SAVVIDES A, HAN C C, SRIVASTAVA M B. Dy-
namic fine-grained localization in Ad-Hoc networks of
sensors[C]. Proceedings of Mobile Computing and Networking (MOBICOM’01), 2001: 166-179.
[18]WHITEHOUSE K, KARLOF C, WOO A, et al. The ef-
fects of ranging noise on multi-hop localization: an em-
pirical study [C]. The Fourth International Conference
on Information Processing in Sensor Networks (IPSN
05), 2005: 73-80.
[19]SERMENT L N, PAREDIS C, KHOSLA P. A beacon
system for the localization of distributed robotic teams[C]. The International Conference on Field and
Service Robotics, 1999.
[20]MILLS D. Network time protocol (Version 3) specifica-
tion, implementation and analysis[R]. Technical Report,
University of Delaware, 1992.
[21]SAMI M L, JAMES M C. Time synchronization in
wireless sensor networks: A survey[C]. IEEE South-
eastCon 2010 (SoutheastCon), 2010: 242-245.
[22]李哲涛, 李仁发, 魏叶华. 无线传感器网络中时间同
步与测距协同算法[J]. 计算机研究与发展, 2010, 47(4):
638-644.
LI ZH T, LI R F, WEI Y H. Coordinated algorithm for
time synchronization and distance measurement in wire-
less sensor networks[J]. Journal of Computer Research
and Development, 2010, 47(4): 638-644.
[23]PRIYANTHA N B, MIU A K L. The cricket compass for
context-aware mobile applications[C]. 7th ACM Conf.
Mobile Computing and Networking, 2001: 1-14.
[24]NICULESCU D, NATH B. Ad Hoc positioning system
(APS) using AOA[C]. Twenty-Second Annual Joint Conference of the IEEE Computer and Communications,
IEEE Societies, 2003: 1734-1743.
[25]HIGHTOWER J, BORIELLO G, WANT R. SpotON: An
indoor 3D location sensing technology based on RF sig-
nal strength[R]. University of Washington CSE Report,
2000.
[26]顾凌华. 适用于大范围定位的双层无线传感器网络设
计与实现研究[D]. 北京: 清华大学, 2006: 21-25.
GU L H. Research on design and realization of two-layer
wireless sensor networks for large scale localization[D].
Beijing: Tsinghua University & Technology, 2006: 21-
25.
[27]BAHL P, PADMANABHAN V. RADAR: An in-building
RF-based user location and tracking system[C]. Proc. of
INFOCOM, 2000: 775-784.
[28]李同松. 基于ZigBee技术的室内定位系统研究与实
现[D]. 大连: 大连理工大学, 2008: 25-40.
LI T S. The research and realization of indoor localiza-
tion system based on zigbee technology[D]. Dalian: Da-
lian University of Technology, 2008: 25-40.
[29]姚光乐. 基于无线网络的定位系统的设计与实现[D].
成都: 成都理工大学, 2009: 38-42.
YAO G L. Design and implementation of location sys-
tem based on wireless networks[D]. Chengdu: Chengdu
University of Technology & Technology master disserta-
tion, 2009: 38-42.
·398 ·电子测量与仪器学报第25卷
[30]王晟. 无线传感器网络节点定位与覆盖控制理论及技
术研究[D]. 武汉: 武汉理工大学, 2006: 40-42.
WANG S. Research on theories and technologies of nodes localization and coverage control for wireless sensor network[D]. Wuhan: Wuhan University of Tech-
nology & Technology, 2006: 40-42.
[31]NISHI Y, OHTSUKI T. A distributed localization with
unknown attenuation coef?cient in wireless sensor net-
works[C]. 14th Asia-Pacific Conference on Communica-
tions, 2008.
[32]杜存功, 丁恩杰, 苗曙光. 无线传感器网络改进型节
点定位算法的研究[J]. 传感器与微系统. 2010, 29(1): 52-54.
DU C G, DING E J, MIAO SH G. Research on improved
node localization algorithm for wireless sensor net-
works[J]. Transducer and Microsystem Technologies, 2010, 29(1): 52-54.
[33]孙利民, 李建中, 陈渝, 等. 无线传感器网络[M]. 北
京: 清华大学出版社, 2005: 7-8, 135-140.
SUN L M, LI J ZH, CHEN Y, et al. Wireless sensor net-
works[M]. Beijing: Qtinghua Publisher, 2005: 7-8, 135-
140.
[34]许磊, 石为人. 一种无线传感器网络分步求精节点定
位算法[J]. 仪器仪表学报, 2008, 29(2): 314-319.
XU L, SHI W R. Stepwise refinement localization algo-
rithm for wireless sensor network[J]. Chinese Journal of
Scientific Instrument, 2008, 29(2): 314-319.
[35]GOLDONI E, SAVIOLI A, RISI M, et al. Experimental
analysis of RSSI-based indoor localization with IEEE 802.15.4[C]. 2010 European Wireless Conference, 2010:
71-77.
[36]肖硕, 魏学业, 王钰. 基于信标优化选择的无线传感
网络定位方法研究[J]. 电子测量与仪器学报, 2009, 23(3): 65-68.
XIAO S, WEI X Y, WANG Y. Study of localization algo-
rithm in wireless sensor networks based on optimal bea-
con selection[J]. Journal of Electronic Measurement and
Instrument, 2009, 23(3): 65-68.
[37]DOHERTY L, PISTER K S J, GHAOUI L E. Convex
position estimation in wireless sensor networks[C]. Proc.
of the IEEE INFOCOM 2001,3, Anchorage: IEEE Computer and Communications Societies, 2001: 1655-
1663.
[38]HE T, HUANG C, BLUM B M, et al. Range-free local-
ization schemes for large scale sensor networks [C]. Mo-
biCom 2003, 2003: 81-95.
[39]NICULESCU D, NATH B. DV based positioning in ad
hoc networks[J]. Journal of Telecommunication Systems,
2003, 22(1/4): 267?280.
[40]BEUTEl J. Geolocation in a picoradio environment[D].
Berkeley: UC Berkeley, 1999.
[41]SAVARESE C, RABAY J, LANGENDOEN K. Robust
positioning algorithms for distributed ad-hoc wireless
sensor networks[C]. Proc. of the USENIX Technical Annual Conf., Monterey: USENIX Press, 2002: 317-
327.
[42]SAVVIDES A, PARK H, SRIVASTAVA M B. The n-hop
multilateration primitive for node localization prob-
lems[J]. Mobile Networks and Applications, 2003, 8:
443-451.
[43]AGPAL R N, SHROBE H, BACHRACH J. Organizing a
global coordinate system from Local Information on an
Ad Hoc sensor network[C]. Proc. of Int. Workshop on
Information Processing in Sensor Networks, 2003. [44]CAPKUN S, HAMDI M, HUBAUX J P. GPS-Free posi-
tioning in mobile ad-hoc networks[J]. Cluster Computing,
2002, 5(2): 157-167.
[45]SHANG Y, RUML W, ZHANG Y, et al. Localization
from mere connectivity[C]. Proc. of the 4th ACM Int’l
Symp. On Mobile Ad Hoc Networking & Computing.
Annapolis: ACM Press, 2003: 201-212.
[46]BULUSU N, HEIDEMANN J, ESTRIN D. GPS-less
low cost outdoor localization for very small devices[J].
IEEE Personal Communications Magazine, 2000, 7(5):
28-34.
[47]KYUNGHWI K, WONJUN L. MBAL: a mobile beacon
assisted localization scheme for wireless sensor net-
works [C]. Proceedings of 16th International Conference,
2007: 57-62.
[48]EUNCHAN K, KIM K. Distance estimation with
weighted least squares for mobile beacon-based localiza-
tion in wireless sensor networks[J]. IEEE Signal Proc-
essing Letters, 2010, 17(6): 559-562.
[49]吕良彬, 曹阳, 高洵. 基于球壳交集的传感器网络三
维定位算法[J]. 北京邮电大学学报, 2006, 29: 48-51.
LU L B, CAO Y, GAO X. Three dimensional localiza-
tion schemes based on sphere intersections in wireless
sensor network[J]. Journal of Beijing University of Posts
and Telecommunications, 2006, 29: 48-51.
[50]戴桂兰, 赵冲冲, 邱岩. 一种基于球面坐标的无线传
感器网络三维定位机制[J]. 电子学报, 2008, 36(7): 1297-1303.
DAI G L, ZHAO C C, QIU Y. A localization scheme
based on sphere for wireless sensor network in 3D[J].
Acta Electronica Sinica, 2008, 36(7): 1297-1303.
[51]王雷, 秦念庆, 杜晓通, 等. 基于正则化方法的空间定
位算法[J]. 仪器仪表学报, 2010, 31(4): 770-775.
第5期无线传感器网络定位技术综述·399 ·
WANG L, QIN N Q, DU X T, et al. WSN 3D localiza-
tion algorithm based on Tikhonov regularization method[J]. Chinese Journal of Scientific Instrument,
2010, 31(4): 770-775.
[52]CABALLERO F, MERINO L, GIL P,et al. A particle
filtering method for wireless sensor network localization
with an aerial robot beacon[C]. 2008 IEEE International
Conference on Robotics and Automation Pasadena, 2008:
596-601.
[53]CABALLERO F L, MERINO P G, et al. A probabilistic
framework for entire WSN localization using a mobile
robot[J]. Robotics and Autonomous Systems, 2008:
798-806.
[54]SHAREEF A, ZHU Y F, MUSAVI M. Localization using
neural networks in wireless sensor networks[C]. Mobil-
ware’08, 2008.
[55]SHAIFU R, MOHAMMAD R, YOUNGIL P, et al. Lo-
calization of wireless sensor network using artificial
neural network[C]. ISCIT 2009, 2009: 639-642.
[56]曾凡仔, 田玉昆, 李朝庭. 基于直推式回归的定位方
法[C]. 第二届中国传感器网络学术会议, 2008.
[57]ZENG F Z, TIAN Y K, LI CH T. A localization method
based on transductive regression[C]. 2nd CWSN, 2008. 作者简介:
彭宇:男, 1996年于哈尔滨工业大
学获得学士学位, 1998年于哈尔滨工业
大学获得硕士学位, 2004年于哈尔滨工
业大学获得博士学位, 现为哈尔滨工业
大学教授, 博士生导师, 主要研究方向为
现代测试技术、测试信息处理和无线传感
器网络技术。
E-mail: pony911@https://www.doczj.com/doc/958533462.html,
Peng Yu: received the BS and MS from Harbin Institute Technology, in 1996 and 1998 respectively. He received PhD in 2004. Now, he is working in Harbin Institute of Technology as professor and doctoral supervisor. His research interests include modern test technology, test information processing and WSN.
王丹:1987年出生, 2009年于哈
尔滨工业大学获得学士学位, 现在哈尔
滨工业大学攻读硕士学位, 主要研究方
向为无线传感器网络。
E-mail: wd8700@https://www.doczj.com/doc/958533462.html,
Wang Dan: born in 1987. She re-
ceived the BS from Harbin Institute of
Technology in 2009. Now she is MS can-didate in Harbin Institute of Technology, her research interest is WSN.
彭 宇
王 丹
南京航空航天大学 硕士学位论文 基于无线传感器网络的环境监测系统设计与实现 姓名：耿长剑 申请学位级别：硕士 专业：电路与系统 指导教师：王成华 20090101
南京航空航天大学硕士学位论文 摘要 无线传感器网络（Wireless Sensor Network，WSN）是一种集成了计算机技术、通信技术、传感器技术的新型智能监控网络，已成为当前无线通信领域研究的热点。 随着生活水平的提高，环境问题开始得到人们的重视。传统的环境监测系统由于传感器成本高，部署比较困难，并且维护成本高，因此很难应用。本文以环境温度和湿度监控为应用背景，实现了一种基于无线传感器网络的监测系统。 本系统将传感器节点部署在监测区域内，通过自组网的方式构成传感器网络，每个节点采集的数据经过多跳的方式路由到汇聚节点，汇聚节点将数据经过初步处理后存储到数据中心，远程用户可以通过网络访问采集的数据。基于CC2430无线单片机设计了无线传感器网络传感器节点，主要完成了温湿度传感器SHT10的软硬件设计和部分无线通讯程序的设计。以PXA270为处理器的汇聚节点，完成了嵌入式Linux系统的构建，将Linux2.6内核剪裁移植到平台上，并且实现了JFFS2根文件系统。为了方便调试和数据的传输，还开发了网络设备驱动程序。 测试表明，各个节点能够正确的采集温度和湿度信息，并且通信良好，信号稳定。本系统易于部署，降低了开发和维护成本，并且可以通过无线通信方式获取数据或进行远程控制，使用和维护方便。 关键词：无线传感器网络，环境监测，温湿度传感器，嵌入式Linux，设备驱动
Abstract Wireless Sensor Network, a new intelligent control and monitoring network combining sensor technology with computer and communication technology, has become a hot spot in the field of wireless communication. With the improvement of living standards, people pay more attention to environmental issues. Because of the high maintenance cost and complexity of dispose, traditional environmental monitoring system is restricted in several applications. In order to surveil the temperature and humidity of the environment, a new surveillance system based on WSN is implemented in this thesis. Sensor nodes are placed in the surveillance area casually and they construct ad hoc network automatieally. Sensor nodes send the collection data to the sink node via multi-hop routing, which is determined by a specific routing protocol. Then sink node reveives data and sends it to the remoted database server, remote users can access data through Internet. The wireless sensor network node is designed based on a wireless mcu CC2430, in which we mainly design the temperature and humidity sensors’ hardware and software as well as part of the wireless communications program. Sink node's processors is PXA270, in which we construct the sink node embedded Linux System. Port the Linux2.6 core to the platform, then implement the JFFS2 root file system. In order to facilitate debugging and data transmission, the thesis also develops the network device driver. Testing showed that each node can collect the right temperature and humidity information, and the communication is stable and good. The system is easy to deploy so the development and maintenance costs is reduced, it can be obtained data through wireless communication. It's easy to use and maintain. Key Words: Wireless Sensor Network, Environment Monitoring, Temperature and Humidity Sensor, Embedded Linux, Device Drivers
无线传感器网络面临的安全隐患及安全定位机制 随着通信技术的发展，安全问题显得越来越重要。在现实生活中，有线网络已经深入到千家万户：互联网、有线电视网络、有线电话网络等与人们生活的联系越来越紧密，已经成为必不可少的一部分，有线网络的安全问题已经能够得到有效的解决。在日常生活中，人们可以放心的使用这些网络，利用它来更好的生活和学习。然而随着无线通信技术的不断发展，无线网络在日常生活中已占据重要的地位，如无线LAN技术、3G技术、4G技术等，同时也有许多新兴的无线网络技术如无线传感器网络， Ad-hoc 等有待进一步发展。随着人们对无线通信的依赖越来越强烈，无线通信的安全问题也面临着重要的考验。本章首先介绍普通网络安全定位研究方法，随后介绍无线传感器网络存在的安全隐患以及常见的网络攻击模型，分析比较这些攻击模型对定位的影响，最后介绍已有的一些安全定位算法，为后续章节的相关研究工作打下基础。 3.1 安全定位研究方法 不同的定位算法会面临着不同的安全方面的问题，安全定位的研究方法可以 采用图 3-1 所示的流程来进行。
图3-1安全定位方法研究流程图 Figure 3-1 Flowchart of security positi oning research method 在研究中首先要找出针对不同定位算法的攻击模型，分析这些攻击对定位精 度所造成的影响，然后从两方面入手来解决这个安全问题或隐患：一方面改进定 位算法使得该定位算法不易受到来自外界的攻击，另一方面可以设计进行攻击检 测判断及剔除掉受到攻击的节点的安全定位算法或者把已有的安全算法进行改进使之能够应用于无线传感器网络定位，还可以从理论上建立安全定位算法的数学模型，分析各种参数对系统性能的影响，最后根据这个数学模型对算法进行仿真，并把仿真结果作为反馈信息，对安全定位算法进一步优化和改进，直到达到最优为止。 3.2安全隐患 由于无线传感器网络随机部署、网络拓扑易变、自组织成网络和无线链路等特点，使其面临着更为严峻的安全隐患。在传感器网络不同的定位算法中具有不同的定位思想，所面临的安全问题也不尽相同。攻击者会利用定位技术的弱点设计不同的攻击手段，因此了解各定位系统自身存在的安全隐患和常见的攻击模型对安全定位至
无线传感器网络的特点 大规模网络 为了获取精确信息，在监测区域通常部署大量传感器节点，传感器节点数量可能达到成千上万，甚至更多。传感器网络的大规模性包括两方面的含义：一方面是传感器节点分布在很大的地理区域内，如在原始大森林采用传感器网络进行森林防火和环境监测，需要部署大量的传感器节点；另一方面，传感器节点部署很密集，在一个面积不是很大的空间内，密集部署了大量的传感器节点。 传感器网络的大规模性具有如下优点：通过不同空间视角获得的信息具有更大的信噪比；通过分布式处理大量的采集信息能够提高监测的精确度，降低对单个节点传感器的精度要求；大量冗余节点的存在，使得系统具有很强的容错性能；大量节点能够增大覆盖的监测区域，减少洞穴或者盲区。 自组织网络在 传感器网络应用中，通常情况下传感器节点被放置在没有基础结构的地方。传感器节点的位置不能预先精确设定，节点之间的相互邻居关系预先也不知道，如通过飞机播撒大量传感器节点到面积广阔的原始森林中，或随意放置到人不可到达或危险的区域。这样就要求传感器节点具有自组织的能力，能够自动进行配置和管理，通过拓扑控制机制和网络协议自动形成转发监测数据的多跳无线网络系统。在传
感器网络使用过程中，部分传感器节点由于能量耗尽或环境因素造成失效，也有一些节点为了弥补失效节点、增加监测精度而补充到网络中，这样在传感器网络中的节点个数就动态地增加或减少，
从而使网络的拓扑结构随之动态地变化。传感器网络的自组织性要能够适应这种网络拓扑结构的动态变化。动态性网络传感器网络的拓扑结构可能因为下列因素而改变：①环境因素或电能耗尽造成的传感器节点出现故障或失效；②环境条件变化可能造成无线通信链路带宽变化，甚至时断时通；③传感器网络的传感器、感知对象和观察者这三要素都可能具有移动性；④新节点的加入。这就要求传感器网络系统要能够适应这种变化，具有动态的系统可重构性。 可靠的网络 传感器网络特别适合部署在恶劣环境或人类不宜到达的区域，传感器节点可能工作在露天环境中，遭受太阳的暴晒或风吹雨淋，甚至遭到无关人员或动物的破坏。传感器节点往往采用随机部署，如通过飞机撒播或发射炮弹到指定区域进行部署。这些都要求传感器节点非常坚固，不易损坏，适应各种恶劣环境条件。由于监测区域环境的限制以及传感器节点数目巨大，不可能人工“照顾每个传感器节点，网络的维护十分困难甚至不可维护。传感器网络的通信保密性和安全性也十分重要，要防止监测数据被盗取和获取伪造的监测信息。因此，传感器网络的软硬件必须具有鲁棒性和容错性。
基于无线传感器网络的桥梁安全检测系统 摘要 根据桥梁监测无线传感器网络技术的桥梁安全监测系统，以实现方案的安全参数的需要；对整个系统的结构和工作原理的节点集、分簇和关键技术，虽然近年来在无线传感器网络中，已经证明了其潜在的提供连续结构响应数据进行定量评估结构健康，许多重要的问题，包括网络寿命可靠性和稳定性、损伤检测技术，例如拥塞控制进行了讨论。 关键词：桥梁安全监测；无线传感器网络的总体结构；关键技术 1 阻断 随着交通运输业的不断发展，桥梁安全问题受到越来越多人的关注。对于桥梁的建设与运行规律，而特设的桥梁检测的工作情况，起到一定作用，但是一座桥的信息通常是一个孤立的片面性，这是由于主观和客观因素，一些桥梁安全参数复杂多变[1]。某些问题使用传统的监测方法难以发现桥梁存在的安全风险。因此长期实时监测，预报和评估桥梁的安全局势，目前在中国乃至全世界是一个亟待解决的重要问题。 桥梁安全监测系统的设计方案，即通过长期实时桥跨的压力、变形等参数及测试，分析结构的动力特性参数和结构的评价科关键控制安全性和可靠性，以及问题的发现并及时维修，从而确保了桥的安全和长期耐久性。 近年来，桥梁安全监测技术已成为一个多学科的应用，它是在结构工程的传感器技术、计算机技术、网络通讯技术以及道路交通等基础上引入现代科技手段，已成为这一领域中科学和技术研究的重点。 无线传感器网络技术，在桥梁的安全监测系统方案的实现上，具有一定的参考价值。 无线传感器网络（WSN）是一种新兴的网络科学技术是大量的传感器节点，通过自组织无线通信，信息的相互传输，对一个具体的完成特定功能的智能功能的协调的专用网络。它是传感器技术的一个结合，通过集成的嵌入式微传感器实时监控各类计算机技术、网络和无线通信技术、布式信息处理技术、传感以及无线发送收集到的环境或各种信息监测和多跳网络传输到用户终端[2]。在军事、工业和农业，环境监测，健康，智能交通，安全，以及空间探索等领域无线传感器网络具有广泛应用前景和巨大的价值。 一个典型的无线传感器网络，通常包括传感器节点，网关和服务器，如图1
1.简述无线网络介质访问控制方法CSMA/CA的工作原理 CSMA/CA机制: 当某个站点（源站点）有数据帧要发送时，检测信道。若信道空闲，且在DIFS时间内一直空闲，则发送这个数据帧。发送结束后，源站点等待接收ACK确认帧。如果目的站点接收到正确的数据帧，还需要等待SIFS时间，然后向源站点发送ACK确认帧。若源站点在规定的时间内接收到ACK确认帧，则说明没有发生冲突，这一帧发送成功。否则执行退避算法。 2.802.11无线LAN提供的服务有哪些？ ?802.11规定每个遵从该标准的无线局域网必须提供9种服务，这些服务分为两类，5种分布式服务和4种站服务。 分布式服务涉及到对单元（cell）的成员关系的管理，并且会与其它单元中的站点进行交互。由AP提供的5种服务将移动节点与AP关联起来，或者将它们与AP解除关联。 ?⑴建立关联：当移动站点进入一个新的单元后，立即通告它的身份与能力。能力包括支持的数据速率、需要PCF服务和功率管理需求等。 AP可以接受或拒绝移动站点的加入。如果移动站点被接受，它必须证明它自己的身份。 ?⑵解除关联。无论是AP还是站点都可以主动解除关联，从而中止它们之间的关系?⑶重建关联。站点可以使用该服务来改变它的首选AP 。 ?⑷分发。该服务决定如何将发送到AP的帧发送出去。如果目的站在同一个AP下，帧可以被直接发送出去，否则必须通过有线网络转发。 ?⑸集成。如果一个帧需要通过一个非802.11网络（具有不同的编址方案或帧格式）传输，该服务可将802.11格式转换成目的网络要求的格式 站服务4种站服务用于管理单元内的活动。 ?⑴身份认证。当移动站点与AP建立了关联后， AP会向移动站点发送一个质询帧，看它是否知道以前分配给它的密钥；移动站点用自己所知道的密钥加密质询帧，然后发回给AP ，就可以证明它是知道密钥的；如果AP检验正确，则该移动站点就会被正式加入到单元中。 ?⑵解除认证。一个以前经过认证的站想要离开网络时，需要解除认证。 ?⑶保密。处理加密和解密，加密算法为RC4。 ⑷数据传递。提供了一种数据传送和接收方法 3.简述无线传感器网络系统工作过程 无线传感器网络(WSN)是大量的静止或移动的传感器以自组织和多跳的方式构成的无线网络，目的是协作地采集、处理和传输网络覆盖地域内感知对象的监测信息，并报告给用户 4.为什么无线传感器网络需要时间同步，简述RBS、TPSN时间同步算法工作原理？ 在分布式的无线传感器网络应用中，每个传感器节点都有自己的本地时钟。不同节点的晶体振荡器频率存在偏差，以及湿度和电磁波的干扰等都会造成网络节点之间的运行时间偏差， RBS同步协议的基本思想是多个节点接收同一个同步信号，然后多个收到同步信号的节点之间进行同步。这种同步算法消除了同步信号发送一方的时间不确定性。这种同步协议的缺点是协议开销大
无线传感器网络的应用与影响因素分析 摘要：无线传感器网络在信息传输、采集、处理方面的能力非常强。最初，由于军事方面的需要，无线传感网络不断发展，传感器网络技术不断进步，其应用的范围也日益广泛，已从军事防御领域扩展以及普及到社会生活的各个方面。本文全面描述了无线传感器网络的发展过程、研究领域的现状和影响传感器应用的若干因素。关键词：无线传感器网络；传感器节点；限制因素 applications of wireless sensor networks and influencing factors analysis liu peng (college of computer science,yangtze university,jingzhou434023,china) abstract:wireless sensor networks in the transmission of informa- tion,collecting,processing capacity is very strong.initially,due to the needs of the military aspects of wireless sensor networks,the continuous development of sensor network technology continues to progress its increasingly wide range of applications,from military defense field to expand and spread to various aspects of social life.a comprehensive description of the development
第36卷 增刊Ⅰ2008年 10月 华 中 科 技 大 学 学 报(自然科学版) J.Huazhong Univ.of Sci.&Tech.(Natural Science Edition )Vol.36Sup.Ⅰ Oct. 2008 收稿日期:2008207215. 作者简介:郝志凯(19832),男,博士研究生,E 2mail :zk -hao @https://www.doczj.com/doc/958533462.html,. 基金项目:国家高技术研究发展计划资助项目(2006AA11Z225);国家自然科学基金资助项目(60635010, 60605026). 无线传感器网络定位方法综述 郝志凯 王 硕 (中国科学院自动化研究所复杂系统与智能科学实验室,北京100190) 摘要:介绍了国内外研究机构在无线传感器网络定位方法方面开展的研究工作,并对这些研究工作进行了归纳和总结.定位的基本方法分为距离式定位和非距离式定位.距离式定位是通过测量距离或角度进行位置估计,测量数据的精度对定位精度有很大影响.非距离式定位是通过节点间的hop 数或估计距离计算节点的坐标,这种方法不需要测量距离或角度,利用估计距离代替真实距离,算法简单但精度不高.无线传感器网络中定位方法的应用需要针对不同的应用场合,综合考虑节点的规模、成本及系统对定位精度等要求来进行设计和选择. 关 键 词:无线传感器网络;定位方法;距离式定位;非距离式定位;相对定位 中图分类号:TN919.2;TP732 文献标识码:A 文章编号:167124512(2008)S120224204 Survey on localization algorithms for wireless sensor net w orks H ao Zhi k ai W ang S huo (Laboratory of Complex Systems and Intelligence Science ,Institute of Automation , Chinese Academy of Sciences ,Beijing 100190) Abstract :Current researches in wireless sensor networks (WSNs ′ )localization algorit hms are int ro 2duced ,and t hese researches are analyzed and concluded.The p recision of t he nodes ′locations are im 2portant for t he data ′s effectiveness in WSNs ′.The localization algorit hms are divided into range 2based and range 2free.Range 2based algorit hms use t he measured distance and angle to calculate t he nodes ′coordinates.However ,t he range 2f ree researches use hop s or evaluated distance to localization ,which are simple but low 2precision.In different occasions ,t he algorit hm should be taken account in t he net 2work ′s size ,co st ,p recision and so on. K ey w ords :wireless sensor networks (WSNs ′ );localization ;range 2based ;range 2f ree ;relative po sitio 2ning 目前广泛使用的全球卫星导航定位系统GPS 可用来确定携带者的绝对位置,但不适合在 无线传感器网络中大量使用.主要有以下原因[1]:a .成本高.无线传感器网络中的节点数量多、分 布密集,如果各节点都配备GPS 接收器成本很高;b .能源限制.网络中的节点通常是通过内部电池进行供电,由于其工作环境有时在森林、山地等人迹罕至的地方,对其进行电源更换困难;c .工作环境限制.节点有时会分布在室内等电磁 波较难到达的环境中,这种工作环境下GPS 无法完成定位任务;d .尺寸较大.由于上述种种原因使得GPS 不能广泛用在无线传感器网络系统的节点上,这就需要发展适合于无线传感器网络应用的节点定位方法. 鉴于无线传感器网络节点在能耗、计算能力、通信能力等方面的限制,其节点的定位方法应该具有分布式、低复杂性、精度较高、通用性较好等特点,国内外的研究机构已开展了大量工作[2～9].
一、课题研究目的 针对目前中国的交叉路口多，车流量大，交通混乱的现象研究一种控制交通信号灯的基于无线传感器的智能交通系统。 二、课题背景 随着经济的快速发展，生活方式变得更加快捷，城市的道路也逐渐变得纵横交错，快捷方便的交通在人们生活中占有及其重要的位置，而交通安全问题则是重中之重。据世界卫生组织统计，全世界每年死于道路交通事故的人数约有120 万，另有数100 万人受伤。中国拥有全世界1. 9 %的汽车，引发的交通事故占了全球的15 % ，已经成为交通事故最多发的国家。2000 年后全国每年的交通事故死亡人数约在10 万人，受伤人数约50万，其中60 %以上是行人、乘客和骑自行车者。中国每年由于汽车安全方面所受到的损失约为5180 亿(人民币)，死亡率为9 人/ 万·车，因此，有效地解决交通安全问题成为摆在人们面前一个棘手的问题。 在中国，城市的道路纵横交错，形成很多交叉口，相交道路的各种车辆和行人都要在交叉口处汇集通过。而目前的交通情况是人车混行现象严重，非机动车的数量较大，路口混乱。由于车辆和过街行人之间、车辆和车辆之间、特别是非机动车和机动车之间的干扰，不仅会阻滞交通，而且还容易发生交通事故。根据调查数据统计，我国发生在交叉口的交通事故约占道路交通事故的1/ 3，在所有交通事故类型中居首位，对交叉口交通安全影响最大的是冲突点问题，其在很大程度上是由于信号灯配时不合理(如黄灯时间太短,驾驶员来不及反应)，以及驾驶员不遵循交通信号灯，抢绿灯末或红灯头所引发交通流运行的不够稳定。随着我国经济的快速发展，私家车也越来越多，交通控制还是延续原有的定时控制，在车辆增加的基础上，这种控制弊端也越来越多的体现出来，造成了十字交叉路口的交通拥堵和秩序混乱，严重的影响了人们的出行。智能交通中的信号灯控制显示出了越来越多的重要性。国外已经率先开展了智能交通方面的研究。 美国VII系统(vehicle infrastructure integration)，利用车辆与车辆、车辆与路边装置的信息交流实现某些功能，从而提高交通的安全和效率。其功能主要有提供天气信息、路面状况、交叉口防碰撞、电子收费等。目前发展的重点主要集中在2个应用上: ①以车辆为基础; ②以路边装置为基础。欧洲主要是CVIS 系统(cooperative vehicle infrastructure system)。它有60 多个合作者，由布鲁塞尔的ERTICO 组织统筹，从2006 年2 月开始到2010年6月，工作期为4年。其目标是开发出集硬件和软件于一体的综合交流平台，这个平台能运用到车辆和路边装置提高交通管理效率，其中车辆不仅仅局限于私人小汽车，还包括公共交通和商业运输。日本主要的系统是UTMS 21 ( universal traffic management system for the 21st century , UTMS 21)。是以ITS 为基础的综合系统概念,由NPA (National Police Agency) 等5个相关部门和机构共同开发的，是继20 世纪90 年代初UTMS 系统以来的第2代交通管理系统，DSSS是UTMS21中保障安全的核心项目，用于提高车辆与过街行人的安全。因此，从国外的交通控制的发展趋势可以看出，现代的交通控制向着智能化的方向发展，大多采用计算机技术、自动化控制技术和无线传感器网络系统，使车辆行驶和道路导航实现智能化，从而缓解道路交通拥堵，减少交通事故，改善道路交通环境，节约交通能源，减轻驾驶疲劳等功能，最终实现安全、舒适、快速、经济的交通环境。
无线传感器网络安全技术综述 摘要：本文总结了无线传感器网络面临的安全问题，并从安全协议、安全算法、密钥管理、认证技术、入侵检测等方面分析了近年来无线传感器网络所用的安全技术。最后分析总结了无线传感器网络未来安全技术研究应该注意的地方。 关键词：安全问题协议算法认证技术入侵检测 1 引言 无线传感器网络在近些年来发展迅速，被认为是新一代的传感器网络，由于其体积小，成本低，功耗低，具有自组织网络，现已经广泛应用于军事、环境监测、交通管制、森林防火、目标定位、医疗保健、工业控制等场景[1]。 大多无线传感器网络节点被部署在无人值守或地方区域，传感器网络受到的安全威胁就变得更为突出，且由于传感器节点体积小，其储存开销、能量开销、通信开销都受到限制，所以传统无线网络的安全机制并不能完全的应用于无线传感器网络中。缺乏有效的安全机制已经成为传感器网络应用的主要障碍. 近些年来，随着无线传感器网络的发展，其安全技术也有了很大的进步。虽然传感器网络安全技术研究与传统网络有着很大的区别，但他们的出发点有相同的敌方，均需要解决信息机密性、完整性、消息认证、信息新鲜性、入侵检测等问题[2]，无线传感器网络的安全协议跟传统网络的安全协议有着其独特性也有其同性。国内外研究人员针对无线传感器网络安全协议、算法、密钥管理、认证技术、体系结构等方面都进行了大量的研究，取得了很多成果。本文将对这些已有的研究成果进行总结分析。 2 无线传感器网络安全概述 无线传感器网路安全要求是基于在传感器节点和网络本身条件限制而言的，如而节点的电池能量、睡眠模式、内存大小、传输半径、时间同步等。部署的环境也是网络安全问题的一个重要因素。 2.1网络受到的威胁和攻击 攻击是一种非法获取服务、信息，改变信息完整性，机密性的行为。无线传感
1武警部队监控平台架构介绍与设计 1.1监控系统的系统结构 基站监控系统的结构组成如上图所示，主要由三个大的部分构成，分别是监控中心、监控站点、监控单元。整个系统从资金、功能以及方便维护性出发，我们采用了干点加节点方式的监控方法。 监控中心（SC）：SC的定义是指整个系统的中心枢纽点，控制整个分监控站，主要的功能是起管理作用和数据处理作用。一般只在市级包括（地、州）设置相应的监控中心，位置一般在武警部队的交换中心机房内或者指挥中心大楼内。 区域监控中心（SS）：又称分点监控站，主要是分散在各个更低等级的区县，主要功能是监控自己所负责辖区的所有基站。对于固话网络，区域监控中心的管辖范围为一个县/区；移动通信网络由于其组网不同于固话本地网，则相对弱化了这一级。区域监控中心SS的机房内的设备配置与SC的差不多，但是不同的是功能不同以及SS的等级低于SC,SS的功能主要是维护设备和监控。 监控单元（SU）：是整个监控系统中等级最低的单元了，它的功能就是监控并且起供电，传输等等作用，主要由SM和其他供电设备由若干监控模块、辅助设备构成。SU侧集成有无线传感网络微设备，比如定位设备或者光感，温感设备等等。 监控模块（SM）：SM是监控单元的组成部分之一，主要作用监控信息的采集功能以及传输，提供相应的通信接口，完成相关信息的上传于接收。
2监控系统的分级管理结构及监控中心功能 基站监控系统的组网分级如果从管理上来看，主要采用两级结构：CSC集中监控中心和现场监控单元。CSC主要设置在运营商的枢纽大楼，主要功能为数据处理，管理远程监控单元，对告警信息进行分类统计，可实现告警查询和存储的功能。一般管理员可以在CSC实现中心调度的功能，并将告警信息进行分发。而FSU一般针对具体的某一个基站，具体作用于如何采集数据参数并进行传输。CSC集中监控中心的需要对FSU采集的数据参数进行报表统计和分析，自动生产图表并为我们的客户提供直观，方便的可视化操作，为维护工作提供依据，维护管理者可以根据大量的分析数据和报表进行快速反应，以最快的速度发现网络的故障点和优先处理点，将人力资源使用在刀刃上。监控中心CSC系统的功能中，还有维护管理类，具体描述如下： 1）实时报警功能 该系统的报警功能是指发现机房里的各种故障后，通过声音，短信，主界面显示的方式及时的上报给操作者。当机房内的动力环境，空调，烟感，人体红外等等发生变量后，这些数据通过基站监控终端上传到BTS再到BSC。最后由数据库进行分类整理后存储到SQLSEVRER2000中。下面介绍主要的几种报警方式： 2)声音报警 基站发生告警后，系统采集后，会用声卡对不一样的告警类别发出对应的语音提示。比如：声音的设置有几种，主要是以鸣叫的长短来区分的。为便于引起现场维护人员的重视紧急告警可设置为长鸣，不重要的告警故障设置为短鸣。这样一来可以用声音区分故障的等级，比方某地市的中心交换机房内相关告警声音设置，它的开关电源柜当平均电流达到40AH的时候，提示声音设置为长鸣，并立即发生短信告警工单。如果在夜晚机房无人值守的情况下：
摘要 无线传感器网络（WSN，Wireless Sensor Network）是近年来迅速发展并受到普遍重视的新型网络技术，它的出现和发展给人类的生活和生产的各个领域带来了深远的影响。无线传感器网络节点定位技术是无线传感器网络应用研究的基础。目前，已有多种定位技术被应用于室内定位中，尤其是基于接收信号强度（RSSI，Received Signal Strength Indication）的定位技术以其低功耗、低成本、易于实现等优点，得到了无线传感器网络研究学者们的青睐。 本文重点研究了基于RSSI的室内定位的关键技术，主要包括定位模型分析和定位算法设计。首先，为了获得较为精确的定位，根据RSSI测距原理和无线信号传播衰减模型在设定的室内环境进行多次实验，通过计算及均值处理等方法反复调整以获得标准的定位模型参数，得到高精度的等效距离。接着，根据三边定位算法原理简化定位算法，建立更为简单的定位模型，采用双边定位得到两个可能的定位点，再利用RSSI测距原理对两个定位点进行择优选择确定定位点。最后，在Arduino开发平台上对参考节点与未知节点这两类iDuino节点的室内定位模型进行了软件开发设计和程序开发。在设定的室内环境部署iDuino节点，搭建实验定位模型，并实现了定位。 关键词：无线传感器网络，节点，室内定位，RSSI，Arduino
ABSTRACT Wireless sensor network (WSN) is developed rapidly and universally emphasized as a new network technology in recent years, the advent and development of WSN have had a profound and lasting impact on the life and all areas of production of human beings. Wireless nodes localization technology is the basis in the application and studies of wireless sensor network. There are a variety of positioning technology have been used in indoor location at present, especially the based on RSSI (received signal strength) positioning technology gets a great preference from many scholars of studies of wireless sensor network with the advantages of low power consumption, low cost and easy to realize. This paper mainly studies the key technology of indoor positioning based on RSSI, which mainly includes the positioning model analysis and positioning algorithm design. First, in order to obtain more accurate positioning, we perform several experiments according to the RSSI ranging principle and wireless signal propagation attenuation model in the setting of indoor environment, and get accurate positioning model parameters and equivalent distance by the methods of calculation and mean processing. Then, we simplify Trilateral Localization Algorithm to Bilateral Location Algorithm and establish a simpler positioning model, with which we can get two nodes of possible location, and determine the better node according to the RSSI ranging principle. At last, we make software designing and programming of these nodes that are anchor nodes and nodes of unknown on the Arduino development platform. Combined with the indoor environment we selected, we deploy the iDuino nodes and then build location model, with which we implement the location. KEY WORDS：Wireless Sensor Network，Nodes，Indoor Location，RSSI，Arduino
文章编号:1004-9037(2009)02-0254-05 基于无线传感网络的大型结构健康监测系统 尚 盈 袁慎芳 吴 键 丁建伟 李耀曾 (南京航空航天大学智能材料与结构航空科技重点实验室,南京,210016) 摘要:针对大型碳纤维复合材料机翼盒段壁板结构,实现了基于无线传感网络的多点应变结构健康监测系统,采用自组织竞争神经网络成功判别了集中载荷模拟的损伤位置。本系统由传感采集子系统、无线传感网络子系统和终端监控子系统三部分组成。为了降低系统网络功耗及成本,提高系统的稳定性和可靠性,改善传感网络的实时性和同步性,设计了可直接配接无线传感网络节点的低功耗多通道应变传感器信号调理电路和基于无线传感网络的层次路由协议,开发了多通道应变数据采集、网络簇头转发和中继节点接收等主要软件模块。实验证明,相比于传统有线的监测方法和数据采集系统,基于无线传感网络的结构健康监测系统具有负重轻、成本低、易维护和搭建移动方便等优点。 关键词:无线传感网络;结构健康监测;层次路由协议;自组织竞争网络中图分类号:T P2;T P9 文献标识码:A 基金项目:国家“八六三”高技术研究发展计划(2007AA 032117)资助项目;国家自然科学基金(60772072,50420120133)资助项目;航空基金(20060952)资助项目。 收稿日期:2007-09-05;修订日期:2008-04-17 Large -Scale Structural Health Monitoring System Based on Wireless Sensor Networks S hang Ying ,Yuan Shenf ang ,Wu J ian ,Ding J ianw ei ,L i Yaoz eng (T he A ero nautic Key La bo rat or y o f Smart M ater ial and Str uct ur e,N anjing U niv ersit y o f Aer onautics and A str onautics,N anjing,210016,China) Abstract :Aimed at the large-scale structure and anisotropy nature o f the carbon fiber compos-ite material w ing box ,a large-scale structural health m onitoring system based on w ireless sen-sor netw orks is presented .A kind of artificial neural netw ork is designed to distinguish the damag e locatio n simulated by the co ncentrated load .The sy stem co nsists o f the sensor data ac-quisition,the w ireless sensor netw or ks,and the terminal monitoring sub-sy stem s.To im pro ve the performance o f the system ,the signal conditio ning circuit and the hierarchical routing pro -to col are designed based o n w ireless sensor netw orks ,the prog rams of data acquisition and Sink node are ex ploited.Experimental result pro ves that the system has advantag es of flexibili-ty o f deplo yment,low maintenance and deploym ent costs . Key words :w ir eless senso r netw or ks ;str uctural health monitoring ;hierarchical routing ;self -org anizing com petitive netw o rk 引 言 结构健康监测技术是采用智能材料结构的新概念,利用集成在结构中的先进传感/驱动元件网络,在线实时地获取与结构健康状况相关的信息(如应力、应变、温度、振动模态、波传播特性等),结 合先进的信号信息处理方法和材料结构力学建模 方法,提取特征参数,识别结构的状态,包括损伤,并对结构的不安全因素在其早期就加以控制,以消除安全隐患或控制安全隐患的进一步发展,从而实现结构健康自诊断、自修复、保证结构的安全和降低维修费用[1]。 无线传感网络节点具有局部信号处理的功能, 第24卷第2期2009年3月数据采集与处理Jour nal of D ata A cquisition &P ro cessing Vo l.24N o.2M a r.2009
对于定位一般的理解就是确定位置。在无线传感网中,定位是指网络通过特 定的方法确定节点的位置信息。其可分为节点的自身定位和目标定位。节点自 身定位是确定网络中节点位置坐标的过程,它是网络自身属性的确定过程,是网络 的支撑,可以通过人工配置或各种节点自定位算法完成; 目标定位是指在网络覆 盖范围内确定一个事件或一个目标的位置坐标,这可以通过把位置已知的网络节 点作为参考节点来确定事件或目标在网络中所处的位置。无线传感网定位问题 就是寻求利用少量的锚节点来确定网络中未知节点的位置坐标的方法。 无线传感网中,传感器节点的可靠性差、能量有限、节点数量庞大且节点部 署具有不确定性等,这些限制因素对定位技术提出了更高的要求。通常无线传感 网定位技术具备以下特点: ① 自组织性 通常无线传感网中的节点是随机布设的,不能依靠全局的基础设施的协助确定每 个节点的位置所在。因此,自组织性就显得格外重要。 ② 容错性 传感器节点的硬件配置低、处理能力弱、可靠性差、能量少以及测距时会产生 误差等因素决定了传感器节点本身的脆弱性,因此定位算法必须具有良好的容错 性。 ③ 能量高效性 为了尽量延长网络的生存周期,要尽可能的减少节点间的通信开销,减少算法中计 算的复杂度,用尽量少的能量完成尽可能多的工作。 ④ 分布式计算 每个节点自己对自身的位置进行估算,不需要将所有信息传送到某个特定的节点 进行集中计算。 、管路敷设技术通过管线不仅可以解决吊顶层配置不规范高中资料试卷问题，而且可保障各类管路习题到位。在管路敷设过程中，要加强看护关于管路高中资料试卷连接管口处理高中资料试卷弯扁度固定盒位置保护层防腐跨接地线弯曲半径标等，要求技术交底。管线敷设技术中包含线槽、管架等多项方式，为解决高中语文电气课件中管壁薄、接口不严等问题，合理利用管线敷设技术。线缆敷设原则：在分线盒处，当不同电压回路交叉时，应采用金属隔板进行隔开处理；同一线槽内强电回路须同时切断习题电源，线缆敷设完毕，要进行检查和检测处理。、电气课件中调试对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行 高中资料试卷调整试验；通电检查所有设备高中资料试卷相互作用与相互关系，根据生产工艺高中资料试卷要求，对电气设备进行空载与带负荷下高中资料试卷调控试验；对设备进行调整使其在正常工况下与过度工作下都可以正常工作；对于继电保护进行整核对定值，审核与校对图纸，编写复杂设备与装置高中资料试卷调试方案，编写重要设备高中资料试卷试验方案以及系统启动方案；对整套启动过程中高中资料试卷电气设备进行调试工作并且进行过关运行高中资料试卷技术指导。对于调试过程中高中资料试卷技术问题，作为调试人员，需要在事前掌握图纸资料、设备制造厂家出具高中资料试卷试验报告与相关技术资料，并且了解现场设备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况 ，然后根据规范与规程规定，制定设备调试高中资料试卷方案。 、电气设备调试高中资料试卷技术电力保护装置调试技术，电力保护高中资料试卷配置技术是指机组在进行继电保护高中资料试卷总体配置时，需要在最大限度内来确保机组高中资料试卷安全，并且尽可能地缩小故障高中资料试卷破坏范围，或者对某些异常高中资料试卷工况进行自动处理，尤其要避免错误高中资料试卷保护装置动作，并且拒绝动作，来避免不必要高中资料试卷突然停机。因此，电力高中资料试卷保护装置调试技术，要求电力保护装置做到准确灵活。对于差动保护装置高中资料试卷调试技术是指发电机一变压器组在发生内部故障时，需要进行外部电源高中资料试卷切除从而采用高中资料试卷主要保护装置。