无线传感器网络中的传输功率自适应控制系统的制作方法

1.本发明属于无线监测和工程勘探中的网络传输功率自适应调整、网络拓扑优化以及数据传输控制，具体涉及一种无线传感器网络中的传输功率自适应控制系统。


背景技术：

2.无线传感器网络作为一种分布式网络，它的终端节点可以通过挂载合适的传感器来感知和检测外部环境。终端节点的数据可经过多级路由发送到网关节点，而网关节点能以无线或有线的方式接入互联网，并最终将数据发往服务器或者采集站。传感器网络中大部分能量都是用于通信环节，对网络中节点进行拓扑控制显然是降低网络能耗的重要方法，良好的拓扑结构不仅能提高路由协议和mac(media access control)协议的工作效率，降低无效的能量消耗，还能优化网络整体的性能，为时间同步、数据融合和测距定位等技术提供支撑基础。


技术实现要素：

3.本发明无线传感器网络中的传输功率自适应控制系统主要由总控制单元、本地存储单元、zigbee传输单元、wifi传输单元、测距单元、功率控制单元、远程监测单元组成，主要发明内容如下：
4.(1)高低速率结合的低功耗分簇异构网络的设计
5.在一般的采集传输系统中，单个传感器节点的数据量不算太大，但是节点的数据最终需要汇聚到簇头节点并上传到远程监测单元中。当节点较多的时候，主干网络中的负载也将变大。如果仅使用低速率、低功耗的传输协议，显然不能满足主干网络中的负载要求。而如果仅使用高速率、高实时性的传输协议，那无线传感器网络中的末端节点功耗过大，工作时长降低，而且也无法发挥协议应有的传输效率。因此在无线采集传输系统中使用单一的传输协议难以满足实际环境中的应用需求。
6.为解决这一问题，本发明设计开发了高低速率结合的低功耗分簇异构网络。根据采集传输系统的应用特点，结合大规模无线网络中的分簇区域机制，由基于ieee 802.15.4标准的zigbee协议组成低速率、低功耗的簇内子网，由基于ieee 802.11b/g/n标准的wifi协议组成高速率、高实时性的簇间主干网络。其中zigbee通信部分使用的是在ti公司研发设计的cc2530之上进行封装设计的e18-ms1-ipx通信模块，协议栈使用的是z-stack 3.0.1。基于该协议栈，在应用层进行无线数据传输的软件功能、测距以及功率控制算法的实现。wifi通信部分使用的是高性能串口转wifi通信模块usr-wifi232-b2，模块支持802.11b/g/n标准，在满足主干网络高负载要求的同时，汇聚簇头节点能通过wifi与电脑上位机控制系统直接相连。该设计所组建的网络示意图如图(1)所示。
7.(2)传感器节点测距算法的优化设计
8.无线网络中节点之间相对距离的获取对于无线传感器网络的应用具有非常重要的意义。节点之间的距离信息不仅在无线测距、节点位置部署和定位技术应用上具有重要
作用，网络传输功率自适应控制的研究也依赖于节点间距离信息的精确获取。
9.经典的测距算法中在实际应用场景使用较多的有基于rssi的测距算法和基于lqi测距算法。其中基于rssi的测距算法主要根据节点接收到的信号强度值，通过信号传播模型将其转换为距离，距离转换的精度很大程度上依赖于设备天线的灵敏度以及模型的准确性，该算法通信开销相对较小、实现简单、泛用性较好。基于lqi测距算法通过对接收到的数据帧进行校验并获取该数据帧的接收信噪比，得到传输正确率和链路质量，并在mac层中计算得到对应的lqi值，同样通过信号传播模型，将lqi值转换为距离值。该算法中lqi值动态范围大，分辨率高。基于lqi的测距算法可在一定程度上将lqi值转换为rssi值，转换公式如式(1-1)所示。不同之处在于，rssi反映的是接收信号强度，lqi反映的是信号的链接质量和传输的正确性。rssi是信号强度的指示，不关心链路质量和传输正确性，lqi则正好相反。一般情况下信号强度越高，信号质量和传输正确性也越高，rssi和lqi是成正相关的，但是由于两者之间的调制方式的不同，实际情况中两者间的相关系数并不等于1。
10.rssi＝-(81-(lqi
×
91)/255)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-1)
11.得到rssi或者lqi值之后，可以通过自由传播模型、双线地面发射模型、对数路径损耗模型、经验模型等进行距离值的转换。考虑到实际环境中的复杂性，本发明设计中使用的是经验模型。经验模型的原理是通过对节点信号的多次测量并建立发射功率、接收功率和距离之间的映射关系的方式来获取路径损耗与距离的信号传播模型。常用的拟合方式就是多项式拟合，展开系数则是通过最小二乘法确定。对于固定发射功率的情况，接收功率的大小只与距离相关，多项式拟合公式如(1-2)所示，
[0012][0013]
其中pr(d,w)为接收功率，d为发射节点与接收节点之间的距离，w0,w1,...wm为多项式的系数，m为多项式的阶数。对于变发射功率的情况，接收功率的大小不仅与距离有关，还与当前发射功率的大小有关，多项式拟合公式如(1-3)所示，
[0014][0015]
其中pr(d,p
t
,w)为接收功率，d为节点之间的距离，w
00
,w
01
,w
02
,...w
nm
为多项式的系数，n,m分别为变量d和变量p
t
的多项式阶数。式(1-2)和式(1-3)中虽然接收功率pr分别是关于变量d和变量p
t
的非线性函数，但却是关于多项式系数w的线性函数，因此可以通过式(1-4)所示的均方误差函数对拟合效果进行评价。
[0016][0017]
根据基于rssi的测距算法和基于lqi的测距算法的特点，设计开发一种基于rssi-lqi加权数据融合测距算法，将上述两种算法的优势结合。结合方式则是通过将接收信号强度矩阵拟合成曲面，再将曲面和接收信号强度矩阵做差得到偏移程度矩阵，由偏移程度矩阵判断数据融合的权值。rssi和lqi真实值的采集流程如图(2)所示。其中采集得到的rssi拟合的曲面模型如式(1-5)所示，由lqi转换得到的rssi拟合的曲面模型如式(1-6)所示，rssi偏移程度矩阵的计算公式如式(1-7)所示，lqi转换得到的rssi偏移程度矩阵的计算公
式如式(1-8)所示，rssi融合权值矩阵就算公式如式(1-9)所示，lqi转换得到的rssi融合权值矩阵的计算公式如式(1-10)所示。
[0018][0019][0020]
dev_rssi
dp
＝|mode_rssi
dp-col_rssi
dp
|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-7)
[0021]
dev_lqirssi
dp
＝|mode_lqirssi
dp-col_lqirssi
dp
|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-8)
[0022][0023][0024]
通过上式中得到的权值矩阵，由式(1-11)对rssi值和由lqi转换得到的rssi值进行数据融合，最终得到式(1-12)所示的经验模型。
[0025][0026][0027]
通过对比式(1-12)所示的最终拟合的经验模型和式(1-5)、式(1-6)所示的经验模型，列举拟合优度(goodness of fit)常用的4个参数作为评价指标，得到表1-1。4个参数分别为：和方差(the sum of squares due to error，sse)、确定系数(r-square)、调整确定系数(adjusted r-square)、标准差(root mean squared error，rmse)。对比上述参数可知，最终拟合的经验模型有更高的确定系数和调整确定系数，同时有更低的和方差和标准差。由该经验模型计算得到的接收信号强度与发射功率能级和距离的关系更加符合真实的测距场景。
[0028]
表1-1三种经验模型对比
[0029][0030]
(3)功率自适应控制算法的优化设计
[0031]
无线传感器网络大都采用电池供电，能耗问题是节点长时间工作的最大阻碍，如何延长网络生命周期也将是无线采集传输网络的重要设计目标。传感器网络中大部分能量
都是用于通信环节，对网络中节点的功率控制显然是降低网络能耗的重要方法。由于无线传感器网的自组织网特性、无线信道可切换特性、节点发射功率可控特性等，使得对网络拓扑结构的优化控制也得以实现，良好的拓扑结构不仅能提高路由协议和mac协议的工作效率，降低无效的能量消耗，还能优化网络整体的性能，为时间同步、数据融合和测距定位等技术提供支撑基础。
[0032]
对节点进行功率控制主要在降低发射功率和减少链路冗余两个方面来降低能耗。从发射功率来看，点对点通信中高于实际通信需求的发射功率必定会造成能量的浪费，而对于多跳路由的情况也是类似，式(1-13)为简化的无线信道传播损耗模型，
[0033]
p
l
＝a1 a2dnꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1-13)
[0034]
其中p
l
是能量损耗，d是距离，a1是与距离无关的常量，a2是与距离有关的常量，n是路径损耗指数，通常取2～4之间。由上式可知，随着通信距离的增加，通信过程损耗的能量是指数增长的，因此可以通过增加跳数，降低单跳通信半径的方式来减少整体的能量消耗。
[0035]
在综合比较了一些经典的功率控制算法并结合实际的硬件条件，选择在k-neigh和compow算法的基础上设计一种新的泛用性强、功率控制效果好、能保证传感器节点连通性的改进的功率控制算法。
[0036]
改进的功率控制算法实现过程主要分为六个步骤：
[0037]
步骤1：网络中所有的节点以最大发射功率p
init
广播包含本地节点id编号的hello报文；
[0038]
步骤2：当前节点接收到其它节点广播的hello报文后，通过基于rssi-lqi加权融合的节点测距算法，由近及远地对单跳邻居节点进行排序；
[0039]
步骤3：选择第k个节点的距离作为当前节点的通信半径，通过fuse_rssi经验模型得到通信半径与发射功率的对应关系并设置当前节点发射功率大小为pi；
[0040]
步骤4：当前节点广播包含发送功率为pi信息的powerset报文，收到报文的邻居节点将pi与本地发射功率p
l
对比，若p
l
≥pi则不做任何操作，若p
l
《pi则将发射功率p
l
调整为pi；
[0041]
步骤5：向簇头节点发送link报文，并等待回复报文linkack；
[0042]
步骤6：若在最大往返时间(round-trip time，rtt)内仍未收到回复，则以step为步进扩大发送功率并执行步骤4，若收到linkack报文，则结束调整。
[0043]
以无线传感器网络中的一个节点为例，算法的实现流程如图(3)所示。改进的功率控制算法实现中的六个步骤可概括为两个阶段，第一个阶段是将k-neigh算法和compow算法的优点结合，利用compow算法解决链路的单向连通性问题，并通过k-neigh算法将最低功率统一性问题限定在邻居集内；第二阶段则通过与簇头节点交互，判断节点是否因为发射功率调整的原因而脱离网络成为孤立节点。因此改进算法在实现过程中解决了单向连通问题、最低功率统一性问题和孤立节点与孤立子网问题。
附图说明
[0044]
图1为低功耗分簇异构网络组网示意图，图中由采集节点组成簇内子网，由簇头节点组成主干网络。通过簇内子网将采集数据发送至簇头节点，由簇头节点进行传输协议转换，并通过主干网络将汇聚的数据发送至远程监测单元。
[0045]
图2为rssi和lqi真实值的采集流程图，图中表明了节点之间通过收发数据包获取
rssi和lqi值，然后将得到的值取平均并存储到tf卡中的流程。
[0046]
图3为改进的功率控制算法实现流程图，图中表明了节点从初始发射功率到功率调整完成并确认连接到网络的完整流程。
[0047]
图4为控制软件系统状态监测的工作原理图，图中包括了传感器节点的工作状态、经纬度、剩余电量、组网状态等信息的上传，以及远程监测单元的指令下发、数据传输和存储、可视化显示等主要工作内容。
[0048]
图5为控制软件系统的总体工作流程图，图中描述了传感器节点在上电之后执行的初始化、执行测距算法、执行功率控制算法、执行采集指令、采集数据上传、远程监测单元可视化显示等工作流程。
具体实施方式
[0049]
根据附图并结合无线传感器网络中的传输功率自适应控制系统的具体操作实例对本发明展开更加详尽的阐述。本系统设计中各功能单元之间协同工作的步骤如下：
[0050]
步骤1：传感器节点上电，各功能单元初始化，上报系统的位置信息、初始存储容量信息等状态信息到远程监测单元，并最终传输到远程服务器；
[0051]
步骤2：远程服务器通过远程监测单元发送配置指令到传感器节点的总控制单元，包括fatfs文件系统配置指令、zigbee配置指令、wifi配置指令、测距算法执行指令、功率自适应调整指令等；
[0052]
步骤3：配置指令由传感器节点的总控制单元进行解析，并转发到相应的功能单元完成最终的配置；
[0053]
步骤4：传感器节点执行测距指令，完成对rssi和lqi数据的采集；
[0054]
步骤5：通过本系统设计的基于rssi-lqi的测距算法，通过经验模型将采集得到的rssi和lqi值转换为传感器节点之间的距离信息；
[0055]
步骤6：传感器节点执行功率自适应控制调整指令，根据本系统设计的基于k-neigh和compow的改进的功率控制算法，并通过节点之间的距离信息，对节点的发射功率进行动态调整；
[0056]
步骤7：发射功率调整完成后，由总控制单元向上位机远程监测单元发送相应报文，并等待数据传输指令；
[0057]
步骤8：上位机远程监测单元发送数据传输指令；
[0058]
步骤9：传感器节点的总控制单元解析指令并通过优化得到网络拓扑，将数据发送到远程监测单元，并最终上传至远程服务器。
[0059]
最后应说明的是，以上实施实例仅用以说明本发明的技术方案而非限制，尽管参照较佳的实施实例对本发明进行了详细的说明，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的修改或等同替换，而不脱离本发明技术方案的精神和范围，都应涵盖在本发明的保护范围之内。