文章目录
1 WSN时间同步技术
1.1 为何要“同步”?
- 分布式协作的要求;
- 数据融合机制的要求;
- 深度休眠调度机制的要求;
- 部分定位和目标追踪算法的要求。
1.2 时间同步协议的特点
- 低成本
- 低能耗
- 允许一定的误差存在
1.3 时间同步协议
1.3.1 NTP
1.3.2 GPS
1.3.3 RBS
策略
一个节点广播消息,收到广播消息的一组节点通过比较各自接收消息的本次时刻,实现时间同步。
优点
- 实现接收点间的相对时间同步;
- RF信号的传播时间差值小;
- 可消除接收节点的协议处理、上下文切换、网络接口向主机传送时间误差。
影响因素
- 时钟偏差;
- 接收点非确定性因素;
- 接收点个数。
1.3.4 TPSN
类似NTP协议,目的是提供WSN全网范围内节点间的时间同步,同步结构中包含一个根节点,它与外界通信获取外界时间,以此作为整个网络系统的时钟源,将节点分级后,每个节点同上一级节点进行时间同步,最终与根节点同步,节点对之间的同步采用发送者-接收者同步机制。
优点
- 减少同步误差;
- 提高同步精度。
不足
- 没有考虑根节点失效问题;
- 新节点加入时,需要重新同步,开销增大;
- 同步时间较长,削弱了网络的实时性。
2 WSN数据融合技术
2.1 意义
- 相邻节点数据通常具有相似性;
- 节点能量、存储空间与计算能力有限,冗余数据传送将消耗过多能量;
- 将多个节点数据进行综合,得到更准确完整的信息。
2.2 融合体系
2.2.1 数据级数据融合
(1)直接融合来自同类传感器的数据,然后实现特征提取和属性判决;
(2)一般仅依赖于传感器类型,不依赖用户需求;
(3)数据量大,冗余度高,融合计算量庞大,属于最底层融合。
2.2.2 特征级数据融合
(1)对各传感器数据处理并抽取特征后再进行融合;
(2)特征抽取是将传感数据表示为能反映事物属性的特征向量;
(3)关键是抽取一致的、有用的信息,排除无用甚至矛盾的信息,进行融合的数据量、计算量均属中等。
2.2.3 决策级数据融合
(1)在特征属性融合基础上,对监测对象分类判别,得出判决信息;
(2)各传感器单独做出决策后,再将决策信息传送到决策中心,做出最终决策;
(3)进行融合的数据量、计算量均较小。
2.3 融合算法
- Bayes估计
- 滤波跟踪型数据融合方法——神经网络
3 WSN定位技术
3.1 评价指标
- 定位能耗;
- 定位规模;
- 信标密度;
- 容错性与自适应性。
3.2 定位技术
3.2.1 基于测距的定位
(1)RSSI测距法
① 通过信号在传播中的衰减来估计节点之间的距离;
② 根据信道模型求解距离。
(2)TOA
已知信号传播速度,根据信号的传播时间来计算节点间的距离,然后利用三边或极大似然估计法等计算出节点的位置。
(3)TDOA
发射节点同时发射两种不同传播速度的无线信号,接收节点根据两种信号到达的时间差,以及已知这两种信号的传播速度,计算两个节点之间的距离。
3.2.2 无需测距的定位
(1)质心法
① 信标周期性向邻近节点广播信标分组,包含位置信息;
② 当未知节点接收到来自不同信标节点的信标分组数量超过某一门限k或接收一定时间后,就确定自身位置为这些信标节点所组成的多边形质心。
(2)DV-HOP
① 计算未知节点与信标节点的最小跳数;
② 估算平均每跳距离,利用最小跳数乘以平均每跳距离,得到未知节点与信标节点之间的估计距离。
(3)APIT(区域估算方法)
找到若干个由参考节点构成的三角形,则节点必然在这些三角形的交集内,使用这些交集的重心估计节点的位置。