低成本分布式驱动大型特殊传感器网络.docx
- 文档编号:8261613
- 上传时间:2023-01-30
- 格式:DOCX
- 页数:11
- 大小:177.22KB
低成本分布式驱动大型特殊传感器网络.docx
《低成本分布式驱动大型特殊传感器网络.docx》由会员分享,可在线阅读,更多相关《低成本分布式驱动大型特殊传感器网络.docx(11页珍藏版)》请在冰豆网上搜索。
低成本分布式驱动大型特殊传感器网络
低成本分布式驱动大型特殊传感器网络
摘要
在传感器网络中分布式驱动是一种主要的手段,它是依靠传感器提供的信息和执行器的能力来精确地达到所要期望的条件。
在大型特殊式传感器执行器网络中,传统的集中控制形式已不在受欢迎,因为比例精度、对信息迟滞和能量消耗量等因素的限制。
把分布式驱动的问题放在无线传感器网络中,传感器和执行器组首先可以得到有效地匹配,这样问题的讨论和解决方法都可以在局部方式中进行。
在本次讨论中,我们给出一组传感器和可控制的多重输入源(如光、热等要改变的想象),要解决这个问题我们可以用公式来简单地描述这传感执行器系统从而用二次方程组设计出其数学模型。
这样我们便可以局部化地探索式研究调整来得到近似理想的状态,而这个理想的结果是信息的相互交换和能量消耗都能精确、迅速地完成。
我们也可以简单地讨论把类似的运算法则应用于传感器间、执行器间等匹配问题甚至于传感器与每一个执行器间的匹配问题。
光敏传感器和环境输入是本篇文章讨论的重点。
1、绪论
传感器网络能使我们的电脑时刻关注我们身边发生的任何事情,而执行器则可以有效地影响、控制和改变我们周围的环境力图可以让我们得到一系列理想的环境。
在很长的一段时间里,感官-计算-执行器环电路被广泛地研究和应用在许多控制和自动控制等领域。
然而无线分布式传感执行器系统软件的出现是得益与繁荣的无线传感器网络的研究环境,在这研究过程中不断地提出新问题让大家去思考。
在讨论这个问题之前,我们先简单地回顾一下应用软件领域和我们所要讨论这类系统。
低成本无线传感器结被使用为办公室环境,工业体系,公共场所和且居民住房等环境监测和控制,而且已经倍受许多产业的关注,因为这里面潜在着很大的经济效益。
这种系统可以用以往不可能实现的方式来控制和设计环境。
除此之外,现在系统不仅可以易于掌握和操作而且在为热化,冷却,安全,点燃,并且空气湿气和质量管理可能被带来在更紧凑和理性控制之下在传感器面前提供反馈信息和执行器器必要做渴望的变动。
然而在如今现有的技术不一定都适合低成本传感器网络应用系统中例如蓝牙技术,现在的发展都是面向低能耗、低成本方向设计,而且已经有很多大规模的设备以在我们身边每一天都在进行实践。
就拿eaton公司来说吧,在2005年已经有了对室内环境进行监控的新产品生产线。
而Thezigbeealliance期下的子公司Ember也发展一款依靠无线技术的即插即用的传感器组件。
作为全球著名的半导体制造、技术提供、终端服务商Zigbee产业财团发展基于IEE802.15.4全球性可靠的低能耗低成本的无线应用软件协议。
他们生产出的eaton传感器模块不仅可以不受制于工业安全守则而且能在100到200米范围正常工作。
它不是直接连接而是通过网状网络把传感器模块和“Keyfod”重要部位相连接。
通过将可监控系统和可寻址执行器的结合来控制输入以便得到我们所需要的环境是我们以后工作的重点研究方向。
对于相关的小型系统中,如在小型的办公室,小型的著作住宅环境里在通过传感器采集到的信息然后传到中央处理器完成必要的计算后在把指令放送给执行器的过程中,执行器就不能承受太多的命令。
在这样的情况下,把中央处理器分3部分的话就可以缓解资源的紧张。
然而在大型的工作环境中,由于信息要快速的传送所以能量消耗也大这样的大型的中央处理器将非常的昂贵。
举个例子说吧,就拿开灯来讲当人走进房间时即使是500毫秒的延时也无法让消费者满意。
与此同时无线节点网要频繁地使用,即使小小的问题(如电池)也严格地牵制着系统的实用性。
此外,控制的环境也受地域范围的影响如同样是灯光在办公室和卧室就要求光照的亮度就不一样,这些细节都会影响分布式传感执行器制造的成本效益和人文性。
要解决一般性的传感执行器网络问题不能仅仅围绕传统的控制理论而且还要考虑实际建模、查询处理以及其他传感器网络管理如方位标识,路游性能,拓扑结构和安全等问题。
在本次讨论中,我们可以把灯光控制这样一般性的控制问题用分布式计算法则来实现主要以环境控制和节能的应用系统。
在第二节里我们将讨论该类似光源控制问题,传感器的选择以及系统该如何实现。
实质上,在我们给出的光源控制的例子中是依据把光源强度转换为电流强度的原理来建立相应的价值函数实现。
在本篇论文中还包括如下内容:
在接下来的章节里包括本文用到的技术准备、相关的背景信息和假设条件等。
在第三节里介绍的是如何用公式表示和解二次方程式等问题。
用这种方法作为基线进行性能对比。
在第4节里我们将讨论给出四种局部式驱动方法来解决问题:
(i)不可保留数据的不重叠串。
(ii)可保留数据的不重叠串。
(iii)可保留数据的可重叠串。
(iv)多输入串。
在第5节里给出几种方法计算出的结果并讨论每种方法的优、劣势及其性能。
第6节是总结。
2、技术准备
假设我们有n个传感器S…….S和k个可控制输入跟执行器组连在一起。
可控制输入Lj是指受传感器Si的控制,即是Si在规定的可控制的范围(如通讯范围)之内可以随时测量到Lj随环境的变化。
这样的由一个或一组传感器来控制的可控制输入称之为串或丛。
所有的传感器组可以划分为m个串C1。
。
。
。
。
Cm,每个串中至少要包括一个可控制输入和一个传感器。
以上情况是在可控制输入不在串中交叉输入。
我们可以把传感器Si所测量到的数据Mi设为标量值。
在网络中所有的输入包括可控制输入和不可控制输入都会影响测量值。
一般这种Li对Si的影响可以表示为
其中k是确定值是根据输入与环境的情况给出的。
也就是传感器与被测环境的距离越远,传感器所测的数据就越不精确。
在我们的研究工作中我们可以给出一个设定的参数模型,这个参数模型是与输入强度以及其他环境因素如在光环境的影子和反射、在加热环境中产生的热对流的现象对传感器测量值有关。
而且我们假设参数模型与传感器测量值和输入之间的关系可以看作为一个目标函数的优化加上限制(例如每个输入的强度不可能是负值而且它必须有一个最大值等限制)。
在一些典型的模型中,如光传感是一个可重叠模型它可以看作由输入强度对传感器的测量值的作用之间的关系视为一种线性关系。
2.1、学习的阶段
我们的系统用一种直观的学习方法来研究输入源和传感器组之间的关系。
就象前面所提到的这是一种典型的按模型参数、系数是在这个阶段学到的算法。
贯彻感应灯,我们决定给每个源控制系数与每一个传感器的来源时,改变了测量记录。
我们假设所有其他的环境状况不改变,这段期间,除在源头上改变。
在模拟时,我们这些系数计算清楚。
在实践中,我们期待要结合控制和失控源(如阳光),可能需要相当长的学习阶段,学习正确的系数,占噪音和其他环境变化的模式.
为了列举一个具体的实例,我们选择了灯光控制应用。
我们假设每个测量值Mi和每个输入强度作用在传感器Si坐标
Mi=
其中Ij表示输入源Lj的强度,aij表示Si测量值与输入源强度间关系系数。
这个关系系数与
间距离
角度以及传感器表面和其他不可避免的因素如干扰、反射和影子等等。
当然我们在处理光输入的时候,当输入被检测到变成测量值这段时间的延时我们可以假设忽略不记。
在其他的输入源中(如加热)这种延迟应被考虑进去,在算法的每个阶段我们假设系统可以达到平衡状态在进入下个阶段之前。
2.2、集群形成
众所周知群解决相应加权双方配合是解决指定输入到传感器群间根源问题的最好方法[6]。
输入源与传感器组可以看作由两部分组成的组合,其中每个传感器(每组传感器)与每个输入源间由边线连接在一起每个边可由一个价值函数表示例如由传感器和输入源间距离来形成函数关系。
当然在集中式情况下我们可直接用理想算法解决,对于集中式驱动我们要处理好分布串和传感执行器组间匹配问题。
这个船结构可以根据自我配置协议形式结合起来如ASCENT[7]和SPAN[8]等形式协议。
当传感器Si启动后,便开始执行对其旁边环境信息进行采集。
如果已经形成一个串组,传感器Si便会选择着个串相应的输入源这样可以缩短通讯距离,只要输入一个请求便可。
每个串都有一个容积用于限制串间的通讯。
如果串溢出,传感器Si会主动地选择其他更适合的串。
如果传感器不能找到相应的串而又有输入源,传感器便会形成一个新的串来作为初级控制器来控制输入源。
3、中央式计算系统
假设这样的一个情况,当M=1时,所有的传感器和光源便属于一个单独的串。
这样的问题可以中央集成控制器的方法来解决。
它是通过对所有的传感器的信息进行统一的收集,然后再进行处理。
这个控制器可以是一种特殊的计算方法或是一个可以选择的传感器节点。
如上所述,假设有几个传感器Si其中1
i
n。
K个输入源Lj,1
j
k。
对于每个传感器Si都有相应的测量值Mi和反馈强度Ri。
我们的目标是找出一组输入源强度I。
便得传感器的测量值Mi满足反馈强度Ri。
通过递减误差函数F(E)实现。
这个函数可以是误差的一次方或平方(MSE)根据系统的要求,这样问题便可以用以下公式表示
ArgMinIF(E)
F(E)=f(E1,E2………….En)
:
Ei=(Mi—Ri)
:
0
Ij
max
其中实际光源强度的约束条件是在0和实际能到达的最大值之间,在许多情况下,中央处理计算出的结果必保证为理想状态下得出的结论。
然后要清楚地知道中央处理器从每个传感器采集信息和过多的测量信息在整个网络传输的能耗成本,而且控制器还要发送输入、指令到每个可控输入源。
在上面的章节中我们提到光源输入这样的一个例子,其中Mi对于输入源强度而言为一个线性组合。
把这个例子搬到这里后便为一个线性的实例。
如果误差函数被定义为误差的总数。
。
如果误差函数为误差的平方
这样便是一个标准的二次方程。
这样我们可以用后面所定义出的新的误差函数并将其用于中央处理计算方法中作为一条基线来与分布计算方法进行比较。
4、分布式控制
尽管中央集成处理的方法在很多情况下可以找出最佳的解决方案,然后这样必要的信息传送到中央控制器及返回执行器的方法会导致大的不必要的能量消耗。
在许多的控制系统中,潜在的和严格的约束远要比在最后能比较理想地解决问题要重要。
在一个边节点中,如果我们加入低成本能耗等约束条件后,中央处理系统的方法将会变得不实用。
(a)I1=100,I2=50(b)R1=200,R2=150
(c)R1=225,R2=225
图1为两个光源输入和两个传感器的简单控制问题
分布式应用系统的主要思想是把传感器组分到小型的串中并局部化地解决问题。
与中央处理系统相比,分布式应用系统是通过局部化寻求最佳的解决方案同时也在反复地寻求最终的理想解决方案。
在这里给出两个解决方案,具体分析在下一节中介绍。
这两个方案如下图所示:
1)不可存储信息的不可重叠串:
串是由分散的传感器组组成。
2)可存储信息的不可重叠串:
是形式1的一种改进。
3)可存储信息的可重叠串:
串允许重叠,其中部分传感器用于串与串之间传送信息。
4)多输入源串:
在这个方案中,我们主要研究多输入源同时发生重叠输入的情况。
4、1方案1:
不可存储信息的不可重叠串
在这个方案里,所有传感器被分到K个串中,每个串恰好只包括一个输入源,每个传感器也只能属于一个串。
传感器和输入源的信息只能在串中传送。
在每个重复的步骤里,根据当时实际环境信息把传感器的数量以及所要改变的环境作为一个固定值,通过计算适合所须设计的输入源强度,从而控制传感器的改变来实现实际函数值的优化。
这样只有一个变量在这个函数中,要实现最佳的解决方案比中央集中处理系统来得简单些。
与中央集中处理系统方法相似,最终输入源强度可能为负值,因为周围的环境源强度太大。
如果没有严格的约束条件的话,理想的解决办法是让输入源的强度为0,然后如果设置输入源为0的话,防止结果超出最佳状态通过收敛。
为了更详细说名这点,在没有超出严格的约束范围的情况下,通过最佳的解决办法。
我们任意选择一个值,其期间界于0和先前进行的任意值作为一个新的值。
在本方案中,信息要求计算法则少,计算简单,可容易地了解能耗最佳解,内部问题也得到平衡解决(重复次数)。
4、2方案2:
可存储信息的不可重叠串
在以上方案1中,简单的系统函数和小的数据中可实现输入源的递减或递增在重复的期间中。
接下来让我们论证一下这样一个小问题。
一个简单的拓扑学例子,其中有两个光源和两个传感器。
如图1(a)所示,经过重叠后传感器的测量信息要比所要求的大得多。
(I1和I2为两次重叠如图1(b)所示)。
在接下来的重叠中它们将要减少输入强度。
如果控制传感器作用其他输入源作为一个固定值,两者的递增率要比它们应有的要大。
相反,两个传感器的测量值比它们原来的小,在下一次叠加后将迅速递减,如图1(c)所示。
如果测量值小而其他方面都比其应要求的大,则总的递减/递增都比应有的小。
方案1需要经过多次重复后收敛到最终要求方案。
我们可以用以下两个适当的法则来详细说明:
◆如果改变指定的光源强度有相同的信号字节来改变其他光源,在下次叠加中递减/递增程度都将减少。
◆如果改变指定的光源强度有不同的信号字节来改变其他光源,在下次叠加中递减/递增程度都将增大。
根据这两个法则,我们可以用代码形式把方案1在图2中表示出来。
其中判定系数是一个确定的常数,用于判定递增/递减值。
这个简单的应用系统要数据量和计算量少。
但是可以减少查询数。
在上面的例子中,如判定系数为0.5,则变为图1(b)和1(c)中曲线I1和I2的效果。
假设Si为控制传感器,I(j)和Ci(j)表示j的重复值。
当a
0S(a)=1a<0
S(a)=-1
对每个串Ck,k=1….m。
计算I(j);
递增值=I(j)-I(j-1)。
I(j)=I(j)-Sign(I(j)-I(j-1))*Sign(Ci(j)-Ci(j-1))*递增值*判定系数;
如果I(j)<0
I(j)=I(j-1)*rand();
4.3方案3:
可存储数据的可重叠串
在以上给出的方案中,每个传感器都只属于对应的一个串,这样一个传感器只能对其属于的发送请求。
在中央集中处理情况下传感器允许可以属于其它串。
例如如果Si属于串C1和C2,它可分别向两个串发送信息。
当然Si的请求指令两个串都可以接收。
这个方案将可以承受大两量的数据交换除提交精度。
4.4方案4:
多输入源的串
直到现在,只有一个输入源对应一个串,其原因是为了简化算法在前面的光源例子中,等式MSE是一个单变量二次方程式。
这个多项式只有一个最小值。
如果当I<0时有最小值发生,在没有否定条件下次小值在I=0时发生。
在4.1里提到过,但可能在提交传送速度等方面不实用。
在本方案中,可允许多输入源到串中。
假设有P个传感器和q个输入源在一个串中,MSE等式变成了多变量的二次方程式。
如果最小在Ij<发生则次小值在Ij为任何值发生。
与方案3相似,串间传送器可重叠。
这样会导致串的控制压力,因此在本方案中输入源不允许叠加。
5模拟与分析
为了计算我们所提出的算法,我们可以创建一个利用Matlab仿真的混合计算环境。
重点放在4个光源输入和16个传感器的情况中。
光源和传感器被无规则地放在一3维空间里其坐标为〈x,y,z〉,其中光源的坐标(0
x
1000,0
y
1000,500
z
1000),传感器的坐标为(0
x
1000,0
y
1000,0
z
500)。
所有光源强度变化作为输入源传到传感器中。
在第二节里,我们曾经提到这样的一个参数模型函数来计算系数
在方案1和2中提到,一个串要包括1个光源和4个传感器其中任何一个传感器不能属于其它串。
对于方案3,则允许一个传感器同时属于几个串。
方案4则要求串中包含有2个光源和8个传感器,其中任何一个光源和传感器不能属于其它串。
除去了可控输入光源,我们假设没有任何动态事件发生在仿真的过程中。
这些串是由传感器输入对算法中的每一部分共同影响决定的,其中这个传感器输入组的影响可以为一个被预测出来的系数。
每个传感器在仿真过程中所期望的测量值不会改变。
5.1赋值的标准
我们评价每一个方案的好坏是通过该方案所表现出的精确度,收敛速度和输入源能量传播等方面进行讨论。
所谓的“精确度”是由不同设备中的不同传感器所决定可以定义为
。
除了中央处理方法外,以上分布的四种方案都是精确度不能很好地实现理想的解决办法。
所谓“收敛速度”我们定义为系统要达到一个稳定的状态所需重复的次数
。
可以这样的表示为
其中
在实际算法中在不同的解决方法中两成功叠加次数低于预先规定的界限时该算法将被终止。
尖锐的改变光强度会严重影响输入源的大量能源的扩散。
当然拿可控光源为例子说吧,这样的转变对用户来说是不符合要求的。
要注意的是这样能耗有别于通讯和节点排列所需的能耗。
这样我们可以假设K个光源,达到稳定状态所需振荡次数
,输入源能量扩散可定义为
5.2结论
图3,4和5表示的是每种标准判定系数参量的仿真结果。
图3表示所有方案中精确度MSE的结果。
中央处理算法拥有最好的精确度MSE与其它方案相比较。
方案3和4次之,方案1和2就表现较差点。
正如我们所预料的,在同样的通讯能耗情况下,串中包含的越多的输入源和传感器它所获得的精确度就越高。
当然判定系数值不影响精确度。
通过图4所示,方案4控制的多输入源情况其收敛速度最快平均为4个振荡周期。
通过在(0.5到0.6间)选择判定系数,方案2和3要比方案1快大概有6到9个振荡周期,此外历史的数据记录可以有效地提高收敛速度。
对相同的传感器在方案3被分到几个串中与方案2中只属于一个串的情况比较其收敛速度明显要慢了很多。
图5表示仿真中输入源能量的扩散情况。
可得出这样的一个结论,在方案2和3中存储数据的功能不仅能调整振荡数也可以避免光源强度尖锐地改变。
因为这两个方案的能耗要比方案1小通过选择适当的判定系数,方案2,3的表现要比方案4的要好。
图2为不同方案中MSE的不同表现
图3收敛速度在不同方案中的表现
图4为不同方案中消耗的能耗
6总结
在本篇相关无线传感器网络中,分布式传感器和执行器方法为自控系统,能耗问题以及一些灵巧空间问题解决等方面给出了很好的解决方案。
当然在设计实际的系统中还存在着新的难以应付的挑战。
本文主要讨论通过传感执行器网络着力与实现最低限度的低成本,低范围,低能耗的领域的环境控制。
并系统地把该控制问题描述为中央处理算法的二次方程式而且列举几种分布式的直观推断来解决它。
该系统根据一种串形式的技术来创立一个新型分布式计算模型。
仿真则用于光源控制例子中来发现其中问题并分析每种方案的表现情况。
参考文献
[I]I.F.Akyildiz,et.al."ASurveyonSensorNetworks."IEEE
CommunicationMagazine,August,2002.
[2]M.Leopold,M.B.Dydensborg,andP.Bonnet."Bluetooth
andSensorNetworks:
ARealityCheck."TheFirstACM
ConferenceonEmbeddedNetworkedSensorSystems(SensysO3),
LosAngeles,CA,USA.November.2003.
[3]J.M.Rabaey,J.Ammer,t.Karalar,S.Li,B.Otis,M.Sheets,
andT.Tuah."PicoRadiosforWirelessSensorNetworks:
The
NextChallengeinUltra-LowPowerDesign."ISSCC2002.
[4]RobertF.Stengel.OptimalControlandEstimation.Dover
Publications;Reiedition,September1,1994,ISBN:
0486682005.
[5]EatonCorporation."Monitoringyourhomefromafar,"
BostonGlobe,business/gallery/InternetofThings,
2004.
[6]C.Papadimitriou,K.Steiglitz.CombinatorialOptimization:
AlgorithmsandComplexity,DoverPublications;Unabridged
edition,July7,1998,ISBN:
0486402584.
[7]A.CerpaandD.Estrin."ASCENT:
AdaptiveSelf-
ConfiguringsEnsorNetworksTopologies."INFOCOM2002.
Volume:
3,23-27June2002.
[8]B.Chenet.al."Span:
anEnergy-EfficientCoordinationAlgorithm
forTopologyMaintenanceinAdHocWirelessNetworks."
ACMWirelessNetworksJournal,Vol8,No5,2002.
[9]R.Fletcher,PracticalMethodsofOptimization,2nded.,John
Wiley&Sons,Inc.,NewYork,1987.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 低成本 分布式 驱动 大型 特殊 传感器 网络
![提示](https://static.bdocx.com/images/bang_tan.gif)