感知节点范文（精选3篇）
感知节点 第1篇
危险品有易燃、易爆、剧毒、腐蚀、放射性等特性。随着经济建设迅速发展,危险品使用的范围越来越广,运输越来越繁忙,所以其安全运输问题得到了越来越高的重视。在我国,危险品运输安全管理面临着新的挑战,由于没有可靠的危险品探测和感知系统,导致对可能发生的事故无法做出预警,在事故发生后也不能及时掌握事故现场的状态进而采取有效的应对措施。研发并安装危险品运输安全感知节点是事故预防与事故发生后迅速采取救援措施的有效手段。CC2430是一个真正的系统芯片(SoC),内部具有一个高性能、低功耗的8051微控制器,以及适应2.4GHz IEEE 802.15.4的RF收发器,有极高的接收灵敏度和抗干扰性,具有电源电压范围宽,开发工具灵活,外接元件少,成本低,功耗低的特点。同时,支持数字化的接收信号强度指示器/链路质量指示,以及多种串行通信协议。因此,基于CC2430的危险品在途押运感知节点就应运而生了。
1 感知节点硬件总体设计
感知节点主要由CC2430(控制模块、射频模块)、感知模块、存储模块和电源模块四部分构成。总体结构如图1所示。
其中,控制模块是传感器节点数据和任务处理核心,节点上的任务调度、设备控制、能量计算、通信协议、数据融合以及数据转储等运算都必须通过这个模块完成。射频模块主要用来实现节点间的数据通信,该模块主要由射频芯片和天线构成。射频芯片完成高频波的产生和信息的加载,天线完成电磁波的发射和接收。
感知模块的主要任务是利用各种传感器采集周围的环境信息,并将这些信息发送给控制模块进行处理。在数据采集过程中,首先,传感器将被监测物理量通过各种机制转换成电阻值、共振频率等电气参数,这些电气参数再通过转换电路转换成控制模块能够处理的电压信号;其次,电压信号经过积分电路、放大电路进行整形处理;最后,采集电路将模拟电压信号转换成数字信号。
电源模块为整个感知节点正常工作提供能源。
1.1 传感器单元硬件电路设计
在押运监测系统中,感知节点需要采集的数据分别为:环境温度和湿度以及车辆运行状态(如倾斜、移动、震动等)。根据需要,经过遴选,这里分别选择了SHT75单芯片温湿度传感器和MMA7260加速度传感器,分别对环境温湿度和车辆运行状态信息进行采集。
1.1.1 SHT75单芯片温湿度传感器接口电路设计
SHT75是由瑞士Sensirion的一款含有已校准数字信号输出的单芯片温湿度复合传感器。传感器包括一个电容式聚合体测湿元件和一个能隙式测温元件,并与一个14位的A/D转换器以及串行接口电路在同一芯片上实现无缝连接。每个传感器芯片都在极为精确的恒温室中进行标定。通过标定得到的校准系数以程序形式存储在芯片本身的OTP内存中。通过两线制的串行接口与微控制器通信。PD0和PD1分别与CC2430的P1.2和P1.3相连接。
图2温湿度接口电路(参见下页)
1.1.2 MMA7260加速度传感器接口电路设计
MMA7260是Freescale公司设计生产的,采用MEMS工艺制作的低价格、低功耗、单芯片集成三轴加速度传感器。该微型电容式加速度传感器融合了信号调理、单极低通滤波器和温度补偿技术,并提供了4种加速度测量范围,分别为:±1.5g、±2g、±4g和±6g。MMA7260还具有很高的灵敏度,当选择±1.5g的测量范围时,灵敏度达到800m V/g。它采用6mm×6 mm×1.45mm QFN的封装,体积小,只需很小的板卡空间。可对车体微小振动和整车倾斜角度同时进行监测。X、Y、Z分别与P0.4、P0.5、P0.6相连接。MMA7260和微控制器连接电路如图3所示。
1.2 微处理器及无线收发单元
本文选用TI公司的CC2430芯片来控制整个复合传感器节点的工作和数据传输。CC2430芯片保持了CC2420所包括的卓越射频性能,包括超低功耗、高灵敏度、出众的抗噪声及抗干扰能力。它所包含的MCU为增强型单周期8051微控制核,另外还包括了许多强大的外设资源,如DMA、定时器/计数器、8～14位ADC、USART、21个可编程I/O引脚等。它的时钟源可以选取外部晶振或内部RC振荡器。本课题采用两个外部晶振,工作时钟选用7.3728MHz晶振;实时时钟选用32.768kHz晶振。
CC2430无线收发模块核心部分是CC2420射频收发器,该射频收发器符合2.4GHz IEEE802.15.4标准,拥有104 dB链路预算,-101 dB的接收灵敏度和3 dB的传输功率,片内发送数据和接收数据的缓冲为128字节,正好满足IEEE802.15.4协议规定的最大帧长度127字节的要求,发送时需要加2字节的CRC16校验码。
微处理器及无线收发单元硬件原理图如图4所示。
为了降低干扰,提高RF性能,本课题的模拟部分设计,采取了必要的抗干扰措施:a.在模拟电源输入端增加了电感;b.将滤波用的电容尽量靠近芯片;c.用CC2420射频输入/输出匹配电路匹配芯片的输入输出阻抗,使其输入输出阻抗为50Ω,同时为芯片内部的PA及LNA提供直流偏置。
1.3 能量管理单元设计
传感器节点上的电源管理是对MCU和外围设备的管理。其中MCU电源管理包括其内部的一些功能模块的管理;而外围设备能耗管理则主要集中在RF模块和各种传感器上。
传感器的能量管理主要是针对RF模块的功耗管理。设定RF模块的唤醒时段为125+8ms,其中睡眠时段为125ms,监听时段为8ms。占空比为8/(125+8)。
当采集完一次数据以后,MCU进入空闲模式的睡眠模式。在MCU进入睡眠模式之前要关闭自身和外部的一些功能模块。包括ADC、模拟比较器、掉电检测器、片内基准电压、看门狗定时器、端口引脚、CC2420、各种传感器。并且设置一个计数器。做完这些操作以后MCU进入睡眠模式。当计数器溢出,产生一个中断来唤醒MCU。MCU醒来以后重新开启睡眠之前关掉的模块,等待一段时间以后(防止功能模块唤醒的时候有延迟),开始进入数据采集。采集完毕进入睡眠模式,如此反复。图5为传感器节点电源管理框图。
2 感知节点软件设计
感知节点端软件的作用是实现采集感知对象的数据,并根据TinyOS中特定的路由协议,发往汇聚节点,感知节点软件流程如图6所示。
为了实现低功耗运行,传感器节点在活动状态和休眠状态之间轮换工作。软件控制传感器节点大部分时间处于休眠状态,每隔一段时间唤醒一次,并实时接收网关节点发送的命令,根据命令进行感知对象的数据采集和上报,处理完毕后,又进入休眠状态。节点进入休眠状态后,微控制器进入低功耗状态,关闭射频收发器、传感模块,只保留微控制器内部定时器和中断。节点软件整体功能如图7所示。
3 总结
本文将传感器技术和无ZigBee技术相结合,设计出危险品运输途中危险状态感知节点,实现了危险品环境温度、湿度、振动等状态的实时监控,并通过近距离无线通信技术将所采集的信息发送到车载节点,解决了仅靠人工监控存在的准确度低、监控难度大、成本高、布设复杂、接入不灵活等问题。节点软件基于Tiny OS设计,具有硬件无关性,可以方便地更换硬件平台以及传感器,具有良好的扩展性。应用表明,此无线感知节点能满足危险品在途押运环境参数监测的要求。
参考文献
[1]李昊生,王汝传,沙超.基于CC2431的无线传感器网络节点的设计[J].电子工程师,2008,34(12):63-67.
[2]杜景林,陈力军,谢立.无线传感器网络与互联网集成体系结构[J].微电子学与计算机,2008,25(10):209-211,215.
感知节点 第2篇
随着我国民航的快速发展,不断新建、扩建的机场和持续增长的航空运输量,使得机场噪声问题愈发严重,机场的噪声成为困扰我国民航快速发展的一个重要问题。传统的机场噪声测量,由于测量节点成本高,节点安装布局要求严格,使得测量节点无法在机场及其周边进行大规模部署,从而影响了整个机场噪声环境监测的准确性,进而影响到对机场噪声的评估和预测。
基于物联网的机场噪声监测感知平台,如图1,通过短距离无线通信将感知节点的监测数据发送至汇聚节点,再由汇聚节点发送至中心控制平台。
本文主要阐述感知节点的设计方案。基于物联网的机场噪声感知节点使用锂电池和太阳能进行能源供给,采用高性能低功耗的浮点DSP TMS320C6747作为核心运算模块,通过Zigbee的短距离无线传输将噪声数据发送至汇聚节点。由于节点成本低,设备安装要求低,通过大规模的部署可以实现对机场噪声环境的精确监测。
1 声压级
声压是声波通过媒质时,由于振动所产生的压强改变量。它是随时间变化的,单位是Pa或MPa,声压级是表示声压大小的指标。
式中: LP为声压级( d B) ,P0为基准声压2×10. 5 Pa,P为有效声压。
声压级只反映了声音强度对响度的影响,,不能反应声音频率对响度感觉的影响。为反映人们对声音的主观感觉提出了声级,即计权声压级的概念。声级是用一定的计权网络对频率进行计权后得到的声压级。为模拟人耳的响度感觉特性,一般设有A、B、C、D 4种计权网络[1,2]。
2 感知节点的系统设计
感知节点硬件结构上分为信号调理模块、数字处理模块、Zigbee无线收发模块、系统控制模块以及电源模块,如图2。
信号调理模块数字处理模块无线传输模块系统控制模块电源模块信号调理模块实现对低信噪比的模拟信号进行放大滤波处理后经ADC转换成数字信号至数字处理模块,数字信号处理模块完成噪声信号的处理,输出噪声数据至无线传输模块,然后再通过无线传输模块发送至汇聚节点,系统控制模块完成整个系统的控制。
3 主要硬件设计
信号调理模块由前置放大电路、程控增益仪表放大器、ADC采集电路组成。
由于噪声信号的声级范围比较宽,正常的测量范围为30 d B ~ 130 d B。为了实现精确测量,因而采用了程控增益仪表放大器。一方面能够提高信噪比,降低电路本身的底噪; 另一方面,可以自动调节增益大小。
AD8253是一款数字可编程增益仪表放大器,具有高输入阻抗、低输出噪声、低失真特性,适合与传感器进行接口,并驱动高采样速率的模数转换器( ADC) 。采用差分输入 + IN、- IN,输出端的参考电平接地,输出电压Vout=G× ( V+ IN-V- IN) ; 将WR接 - 5 V,实现透明增益模式,通过DSP的GPIO控制A1、A0,实现增益的自动调节如表1。
AD采集电路用来将调理放大后的模拟信号转换成数字信号。由于在信号的量化过程中会产生混叠效应,所以需在信号的输入端加入抗混叠滤波器。根据采样定理,采样频率要大于信号最高频率的2倍。
选用ADI公司的AD7606 -4,它是16位4通道同步采样模数数据采集系统。数据传输同时支持高速串行和并行接口。
AD7606 - 4内部集成的二阶抗混叠滤波器,信号的3d B截止频率为15 k Hz,> 15 k Hz的信号衰减比较明显,因此无需设计抗混叠滤波电路,减少干扰信号的同时又简化了电路的设计。
ADC与DSP通过并口进行数据传输,本设计选用TMS320C6747这款低功耗浮点DSP如图3所示,DSP片外地址线EMA_A12与片选EMA_CS4#同时作用时产生ADC片选信号,通过74LV139与AD7606 - 4的CS引脚相连。只有当EMA_CS4#逻辑低电平,同时EMA_A12逻辑高电平时,74LV139才会在1Y1脚输出逻辑低电平,此时AD7606 - 4才能进行数据传输。
无线传输模块选用丘捷科技基于TI公司第二 代2. 4GHz IEEE802. 15. 4 / RF4CE / Zig Bee的第二代片上系统解决方案的全功能模块。集射频收发及MCU控制功能与一体,接收灵敏度高,发送距离远,空旷环境最大传输距离可达1 000 m。DSP通过UART直接与CC2530相连,可实现数据传输的无缝连接。
4 软件设计
4. 1 声压级计算方法
1 /3倍频程频谱分析是声级测量中常用的方法,1 /3倍频程是两个基频相比为2的立方根的声音或其他波动信号间的频程。其数学表达式为:
式中: f1为基准频率; f2为与f1相隔1个1 /3倍频程的频率。
通过数字滤波器将20 Hz至20 k Hz的声音信号细化成30个频带,对频带内的噪声进行计算,即可得到1 /3倍频程频谱[3,4]。
根据冲激响应的不同,将数字滤波器分为FIR和IIR。设计同样参数的滤波器,FIR比IIR需要更多的参数,增加了DSP的计算量。由于噪声测量对信号的实时性要求相对较高,因而选用IIR滤波器进设计[4]。
使用MATLAB的FDATOOL可以很轻松的设计出30个带通滤波器,同时可模拟DSP算法。对滤波器结构和参数进行优化,使设计得到的滤波器在DSP上能够实现高效的算法。
使用FADTOOL生成八阶巴特伍兹滤波器,得到用4个二阶直接II型IIR滤波器级联组成的八阶滤波器,图4为直接II型IIR滤波器的结构图[5]。
组成的八阶滤波器传递函数为:
每个直接II型滤波器的差分方程为[6]:
分别对30个滤波器的序列进行计算,得出1 /3位频程频谱。
4. 2 数字处理的流程( 图 5)
5 结论
基于物联网的机场噪声感知节点由于其低功耗低成本布局方便的特性,使之在机场进行大规模的进行部署成为可能,为机场噪声的监测系统提供的硬件基础。同时由于噪声的测量采用数字处理的方法,方便了算法的改进和升级,因而有很广阔的应用前景。
摘要：传统的机场噪声测量一般通过声级计铺设电缆或者数据记录仪来记录机场噪声数据。提出一种基于物联网的机场噪声感知节点的设计与实现方案,介绍了该节点的硬件结构以及软件设计流程。
感知节点 第3篇
无线传感器网络 (Wireless Sensor Networks, WSN) 是由几十甚至成千上万的廉价微型传感器节点, 通过自组织组成的, 具有数据采集、数据融合以及数据传输的, 低功耗、低速率、短距离的无线网络[1, 2]。它的出现改变了人们认识客观物理世界的方式, 扩展了人们对未知世界的认识能力, 并且和传统的互联网相连接具有广阔的发展前景和运用前景。
网络覆盖是WSN中一个非常重要的关键技术。它关系到网络对客观物理世界的信息采集的完整性, 对整个感兴趣区域的掌控度。对于一个高密度布置的网络, 在满足覆盖度的前提下, 通过某种机制找出更多的冗余节点, 是目前国内外研究网络覆盖的主要研究方向。Di Tian等人提出的NSS协议在组网开始时, 每个节点开始广播自己的本地位置信息, 收到所有邻居节点的信息后节点开始计算自已与邻居节点的距离、方位。Jun等人定义了一个传感单位SD, 计算节点到网络区域的平均距离表针了节点传感区域对整个网络覆盖的贡献程度。
路由协议则是负责将采集的信息更有效的转发。分簇路由协议的能量有效性研究则主要集中在簇头节点的选举, 如经典的HEED、PEGASIS等。将网络覆盖的性质运用到路由协议的研究上, 有效的提高对环境的监控。目前, 国内外研究学者对于覆盖路由协议的研究比较少, 本文则迎难而上提出新的覆盖路由协议。
1、覆盖冗余节点分析
1.1 节点感知模型
1.1.1 二元感知模型
二元感应模型[7]是最简单也最理想的。其中为节点i和节点j之间的几何距离, r为节点的传感半径。当节点j在节点i的感应半径以内就可以完全被监测到, 之外则不能。
1.1.2 概率感知模型
概率感知模型[8, 9]表示在节点的监控范围内, 事物被感知的概率不是一层不变的, 而是有一定的概率。在靠近节点的一小段距离, 节点的感知概率为100%, 随着距离的增大感知概率不断减小, 更接近实际应用。
其中, 是传感器感测范围中概率不确定
的距离, 。
定理1:在随机分布的传感器网络中, 一个区域被多个节点累积覆盖的概率为
其中, 为覆盖该区域的节点个数, 表示节点单独覆盖区域的概率。
证明:设事件A是被个节点覆盖的区域, 事件是该区域被第i个节点的单独覆盖, 则有, 于是
1.2 基于概率感知模型的覆盖问题建模
现在我们对概率感知模型的覆盖问题进行建模, 找出在概率感知模型下, 节点的邻居数为多少时满足高感知的概率冗余节点条件。
1) 我们将完全覆盖节点的传感圆域量化为点阵, 采用直角坐标, 并为每个点赋予直角坐标值, 建立每个点的矩阵值。如图1所示的黑色圆就表示了节点的传感区域, 直径为20, 平均分为100个点, 所以该圆一共有7845个点。当然点分得越多, 数据越接近真实值。
2) 采用概率感知模型, 对邻居节点的感知圆域进行量化。取节点的传感半径r=10, , 黑色部分表示离节点距离小于等于4的范围感测概率为1, 红色部分表示随着距离增加感测概率是以递减。
3) 现在在图1的圆区内随机分布N个邻居节点, 并按照x轴逆时针表示。按逆时针方向依次计算图1中黑色部分每个点到邻居节点的距离, 并将此距离所对应的概率值填入自己的矩阵中。一个点同时被几重覆盖就有对应的几个概率值。统计完概率值之后, 每个点按照定理1计算其总的概率值存放在Pr中。最后比较所有Pr值的取值范围。
该过程的伪代码如下:
procedure
rand (N) ;//随机产生N个邻居节点
for i=1 to M do//量化节点的传感圆域为M个点
//按顺序表逐个计算点到每一个邻居节点的距离
//根据距离得出i点被节点j感知的概率
//计算点i的累积感知概率
if, n=n+1//统计点数
以下是利用MATLAB, 取N从4到12各进行了100次实验所求得的平均值。
由此可以看出, 当节点的邻居节点数为5或6时, 节点传感区域被邻居节点感知的概率在90%以上的面积都在90%以上, 保证了在概率感知的模型下, 节点的覆盖区域被高度监控。显然邻居节点数越多, 其感知概率越大, 该区域中的信息越容易被节点采集。但是当邻居节点数越多, 就表示在网络中处于活动状态的节点越多, 消耗更多的能量。
2、覆盖路由协议LEACH-C
本文针对经典的分簇路由算法LEACH进行改进, 提出覆盖路由算法LEACH-C。由于LEACH算法的簇头是随机产生的, 完全没有考虑网络覆盖以及节点的剩余能量等问题, 极有可能导致网络分簇不均衡, 簇头节点由于能量过早的耗尽导致网络覆盖漏洞。所以, 我们将第1节所得的冗余节点的结论用于簇头选举的标准之一, 并综合考虑节点的剩余能量。目的是为了, 即使簇头节点过早死亡, 其覆盖的区域也会被其邻居节点同时覆盖, 不会造成覆盖漏洞, 提高了网络的覆盖率。
2.1 簇头选举阶段
当节点部署完毕后, 节点开始自组织成网。通过相互感测, 计算出在感测半径内的邻居节点的数目, 记为N。通过第2节可知, 当时, 节点被完全覆盖的概率达到90%以上。所以本文选择当的节点将参加簇头选举, 将节点的状态值设置为2, 即:state=2 (state的初始值设为0) , 而其他节点则一直处于活动状态。当然, 由于簇头节点消耗的能量比较大, 可以考虑将节点的剩余能量作为判断标准之一。
感测邻居节点结束后, state=2的节点生成一个0到1之间的随机数, 如果该随机数小于网络阈值则广播自己成为簇头的消息, 并设置状态值state=1。该过程与LEACH算法相似, 因为这样的比较方式无需中心节点控制, 是自己与自己计算的阈值比较, 不会增加额外的消耗。在LEACH算法中, 如果节点成为簇头则将阈值设置为0, 在下一轮簇头选举过程中不会再次选举为簇头, 避免连续成为簇头能量过早耗尽增加网络节点死亡数, 因为评价LEACH算法的网络周期就是节点死亡数。但是在LEACH-C算法中, 我们优先考虑的是网络的覆盖率, 所以就算是某节点连续当选为簇头导致能量耗尽, 但是由于其覆盖范围被邻居节点完全监测, 不会影响网络覆盖率。所以在每一轮中, 所有有资格参选的节点的阈值都一样。
随着算法执行轮数的增加, 越来越多的节点死亡, 可能导致state=2的节点数为0, 所有节点的状态值为0, 即没有预选簇头。所有节点都在等候簇头节点发出的加入簇的数据控制包。那么设置一个时间阈值, 表示在上一轮结束开始到接收到簇头发来的控制包的时间。该时间要足够长以至于能够接收到簇头发来的消息, 但过长就会影响网络的实时性以及效率。
由于选举的簇头节点都是有很多邻居节点的, 那么它周围的节点密度可能比较大, 为了防止选举出来的簇头可能会集中在一起, 造成网络分布不均, 当第一个簇头选举成功后可以在邻居周围广播自己的消息抑制其邻居节点成为簇头。当然可以在网络仿真的过程中加入簇头与簇头之间的距离不得小于某个特殊的值, 使其网络分簇更加的均匀更加优化。
2.2 分簇阶段
当一轮的簇头选举解释后, 就会有几个节点当选为簇头。簇头节点就会广播其成为簇头的消息, 其具体过程如下:簇头节点通过非连续性载波多路访问协议 (CSMA) MAC广播一个消息, 这个数据控制包包含簇头节点ID和消息类型。
收到数据包的节点分为两种处理方式。第一, state=2的节点则相继进入休眠状态, 这里引入一个“退后机制”:当一个节点进入休眠状态时, 都会向周围的邻居节点发送一个SAM (状态广告消息) 控制包, 其邻居节点收到该控制包都会将自己的邻居数-1, 重新统计邻居数, 如果在自己的休眠时隙到来时, 邻居节点数则准备进入休眠状态, 的节点将状态state改为0。其中当有节点死亡, 在宣布死亡的同时也向邻居节点发送数据控制包, 则它的每个邻居节点都将自己的邻居数-1。准备进入休眠状态的节点再过一个时间, 如果满足邻居节点数就进入休眠状态, 如果在此时间内收到邻居节点的SAM控制包就激活, 统计邻居节点数。这样的休眠模式, 避免了邻居节点数的节点同时休眠造成网络空洞。当有邻居节点死亡需要唤醒休眠节点的时候, 等待唤醒
第二, state=0的节点就是处于活动状态的普通节点, 它们将通过选择来加入合适的簇。这个选择的依据一般是到达簇头的通信代价最小, 通信代价由很多因素组成, 例如距离、时延、信道质量等, 在这里一般用距离的远近来衡量。节点可以通过接收到的从簇头发出来的数据包的信号强弱来来判断通信代价。假设无线通信链路是对称的, 不考虑障碍物的阻挡, 那么普通节点接收到簇头节点信息越强说明彼此距离越近, 其通信代价就越小, 普通节点发送采集信息给该簇头所消耗的能量就越小。如果信号强弱一样, 则随机加入。
当普通节点确定加入某个簇成为其簇内节点, 它也将采用非连续的载波多路访问 (CSMA) MAC协议给簇头发送一个请求加入 (Joint-REQ) 的信息, 该信息仅包括节点的ID号和簇头的ID号。簇头接收到各个加入节点的请求之后, 建立一个TDMA时间表。如果考虑到邻居簇的信号干扰, 簇头节点可以决定本簇发送数据时统一用到的CDMA编码并连同TDMA时间表一起发送给簇内所有节点。簇内节点将按照该时间表中属于自己的时隙来发送数据, 其余时隙则关闭通信模块, 只负责环境数据采集。采用这样的机制充分利用了带宽, 节约了能量又避免了发送数据时的冲突。当普通节点都分别加入不同簇头时, 分簇阶段完成。
2.3 稳定的数据传输阶段
簇内节点在接收到CDMA编码和TDMA时间表之后, 按照各自的时隙将采集的信息传送给簇头。数据传输阶段相对于前面的分簇阶段的时间比较长。将该阶段的时间分为很多帧, 每一帧中包含了每个簇内节点的传输时隙, 该时隙的长短由簇内节点的个数决定。网内节点需要一个同步控制机制, 例如由基站提供一个同步脉冲信号。
由于簇内节点距离簇头的远近各部相同, 所以在发送数据时的功率也应该随之调整。假设无线通信链路是对称的, 簇内节点可以根据接收到的簇头发来的广播消息的信号强弱来调整发送功率, 有效的利用能量。
由于同一簇的簇内节点一般相隔不远, 其采集来的信息有较多的相关性, 加上无线信道干扰等, 簇头在接收到簇内节点的信息后对其进行数据融合, 强化有意义的数据, 将融合完之后的信息传送给远方的基站, 簇头离基站的距离一般很远将消耗很多的能量。
如果节点在此阶段由于能量耗尽而死亡, 在死亡前也需要及时的向周围邻居节点发送一个数据控制包, 接收到的邻居节点将自己的邻居数N-1, 重新判定自己的状态值。如满足唤醒条件, 休眠的邻居节点也可能被唤醒。
3、仿真结果
接下来, 采用MATLAB作为实验平台, 文献的节点的能量消耗模式, 随机分布了100个节点, 模拟了LEACH算法和LEACH-C算法的运行过程, 并按照以下指标来评价: (1) 簇头的分布情况; (2) 节点生命周期; (3) 网络覆盖率。
图4是程序运行中随机抽查的一次簇头分布, 可看出簇头节点分布均匀, 集中在网络密度高的区域;图5的网络生命周期的比较可以看出改进后的LEACH-C协议优于LEACH协议, 当节点几乎全部死亡时, LEACH-C协议的网络生命周期延长了0.58倍, 极大的改善了性能;从图6显示的两种协议网络覆盖率的比较可以看出, 随着节点的死亡数的增加, 改进协议的网络覆盖率有了很大程度的提高, 例如, 在网络覆盖率降为80%时, LEACH的死亡节点数为54, 而LEACH-C的死亡节点数为76。
4、总结
为了增加网络的覆盖率, 本文采用了概率感知模型的节点进行建模分析, 得出当节点的邻居节点数在5个或以上时, 节点的覆盖面积被其邻居节点完全覆盖的概率在90%以上, 则定义此节点为冗余节点, 成为分簇路由协议簇头选举的标准之一, 提出了覆盖路由协议LEACH-C, 实验结果表明LEACH-C协议极大的提高了网络覆盖率。
参考文献
[1]孙利民, 李建中, 陈渝, 朱红松.无线传感器网络[M].北京:清华大学出版社, 2005:1-5.
[2]Akyildiz IF, Su W, Sankarasubramaniam Y.Wireless sensor networks:a survey[J].Computer Networks, 2002, 38 (4) :393-422.
[3]Di Tian, Georganas N D.acoverage-preserving node scheduling scheme for large wireless sensor networks[C].Proceedings of the1st ACM international workshop on Wireless sensor networks and applications.Atlanta, Georgia, USA.2002:32-41.
[4]Jun L, Suda T.Coverage-awareself-scheduling in sensor networks[C].ComputerCommunications, 2003CCW2003Proceedings2003 IEEE18th Annual Workshop on.2003:117-123.
[5]Younis O, Fahmy S.HEED:a hybrid, energy-efficient, distributed clustering approach for ad hoc sensor networks[J].IEEE Transactions on Mobile Computing, 2004, 3 (4) :366-379.
[6]Lindsey S, Raghavendra CS.PEGASIS:Power-efficient gathering in sensor information systems[C].Aerospace Conference Proceedings, 2002IEEE.2002:1125-1130.
[7]Chakrabarty K, Iyengar SS, Hairong Q, Eungchun C.Grid coverage for surveillance and target location in distributed sensor networks[J].IEEE Transactions on Computers, 2002, 51 (12) :1448-1453.
[8]Onur E, Ersoy C, Delig H.Finding sensing coverage and breach paths in surveillance wireless sensor networks[C].15th IEEE International Symposium on Personal, Indoor and Mobile Radio Communications.2004:984-988.
[9]Pudasaini S, Moh S, Shinz S.Stochastic coverage analysis of Wireless Sensor Network with hybrid sensing model[C].Advanced Communication Technology, 2009ICACT200911th International Conference on.2009:549-553.
[10]Heinzelman W R, Chandrakasan A, Balakrishnan H.Energy-efficient communication protocol for wireless microsensor networks[C].Proceedings of the33rd Annual Hawaii International Conference on System Sciences.2000:10pp.vol.12.