ACM通信
ACM通信
无线综合网络传感器
无线集成网络传感器(WINS)为深度嵌入设备、设施和环境中的传感器、控制和处理器提供分布式网络和Internet访问。WINS网络代表了一种新的监测和控制能力，可用于运输、制造、医疗保健、环境监管和安全和保障等行业的应用。WINS在一个紧凑的系统中结合了微传感器技术、低功率信号处理、计算和低成本无线网络。
最近集成电路技术的进步使能力更强、价格更低的传感器、无线电和处理器得以建造，使将物理世界与数字数据网络连接起来的复杂系统得以大规模生产[25］．在医疗、安全、工厂自动化、环境监测和基于条件的维护方面的应用，范围从本地到全球。紧凑的几何结构和低成本使得WINS的嵌入和分布成本仅为传统电缆传感器和执行器系统的一小部分。
WINS的机会依赖于可扩展的、低成本的传感器网络架构的开发。这类应用需要通过低功率收发器以低比特率将传感器信息传递给用户。连续传感器信号处理能够在短消息包就足够的环境中对事件进行持续监测。分布式嵌入式处理器和传感器的未来应用将需要大量的设备。传统的传感器组网方法对电缆安装和网络带宽的要求不切实际。在源头进行处理将大大减少通信系统组件、网络和人力资源的财务、计算和管理负担。
在这里，我们将自己局限于一个安全应用程序，该应用程序旨在检测和识别某些地理区域内的威胁，并通过Internet向远程观察者报告有关此类威胁的存在和性质的决定。在这个应用程序的背景下，我们描述了导致考虑密集传感器网络的物理原理，概述了能量和带宽约束如何迫使分布式和分层信号处理架构，概述了为什么网络自组织和重构是必不可少的，讨论了如何在Internet中嵌入WINS节点，并描述了一个实现这些功能的原型平台，包括远程Internet控制和传感器网络运行分析。
物理原理
考虑到必须创建一个自组织的合作网络所隐含的高设计成本，分布式传感器何时比单个大型设备更好?驱动分布式传感器网络设计的传感、探测理论、通信和信号处理方面的基本限制是什么?
传感的传播规律。所有的信号都随着波阵面的扩大而衰减。例如，在自由空间中，电磁波的强度衰减为距离的平方;在其他介质中，它们受到吸收和散射效应的影响，可导致强度随距离的增加而急剧下降。许多介质也是色散的(例如通过多路径或低通滤波效应)，因此远程传感器需要反褶积(信道估计和反演)等成本高昂的操作来部分消除色散[12］．最后，许多障碍物会使电磁传感器失效。不管传感器阵列的大小如何，墙后或茂密树叶下的物体都无法被探测到。
作为一个简单的例子，考虑以指定的分辨率覆盖特定区域所需的像素数。相似三角形的几何形状表明，无论像素集中在一个大阵列中还是分布在多个设备中，都需要相同数量的像素。对于没有障碍物的自由空间，我们通常倾向于大阵列，因为将信息从像素移动到处理器没有通信成本。然而，大面积的覆盖意味着需要跟踪多个目标(这是一个非常困难的问题)，而且几乎每个感兴趣的安全场景都涉及由于视线受阻而变得复杂的严重混乱的环境。因此，如果系统要可靠地检测对象，它就必须是分布式的，不管联网成本是多少。
也有一些情况(如雷达)，在这种情况下最好集中元素，通常情况下不可能让传感器接近目标。在许多情况下，也有可能将传感器放置在目标附近，带来许多好处。
检测与估计理论基础。给探测器一组可观测值{Xj}来确定几个假设{h我是真的。例如，这些可观测数据可能是地震传感器的采样输出。该信号不仅包括对预期目标(如附近行人)的响应，还包括背景噪声和来自其他地震源的干扰。一个假设可能包括几个不同事件的交集(例如多个特定类型的目标的存在)。
关于目标存在、不存在和类型的决定通常是基于对这些观测参数的估计。参数的例子包括选定的傅里叶，线性预测编码和小波变换系数。参数的数量通常是可观察集大小的一小部分，因此构成了观测值的简化表示，以便在假设之间进行区分。
这组参数统称为特征集{fk}。该参数估计的可靠性取决于独立观测的数量和信噪比(SNR)。例如，根据Cramer-Rao界[10]，它确定了估计精度的基本极限，对于受白噪声干扰的信号，参数估计的方差随观测次数和信噪比线性下降。因此，要计算出任何特定特征的良好估计，我们要么需要一长组独立的观测数据，要么需要高信噪比。
在假设之间进行选择的形式化方法是构造一个决策空间(其坐标为特征值)，并根据对假设h的确定规则将其划分为区域我,如果条件概率p(h我| {fk}) > p(hj| {fk})。注意，这些特征包括环境变化和其他我们测量或已知的因素。决策的复杂性随着特征空间的维数增加而增加;我们在做决定时的不确定性通常也会随着我们需要整理的假设的数量而增加。因此，为了可靠地区分许多可能的假设，我们需要更大的特征空间。为了建立最小大小的空间，我们必须确定由于添加另一个特征而导致的决策错误率的边际改进。这可能就像在标准正交展开中包含另一个项(如快速傅立叶变换和小波变换)或集合{X}的一个完全不同的变换一样简单。
不幸的是，我们很少知道各种假设的先验概率;训练往往不足以确定条件概率;随着从任何给定的可观测数据集中提取更多的特征，可靠性的边际改进迅速下降。
许多实用的算法都是基于这些事实。例如，我们可以应用反褶积和目标分离机制来开发分布式阵列。虽然这种机制需要密集的通信和计算，但它极大地减少了特征空间的大小和必须考虑的假设的数量，因为每个特征提取器只处理一个目标，没有传播扩散效应。
或者，我们可以部署一个密集的传感器网络。由于信号随距离的衰减，可以使用距离较短的现象(如磁性)，从而限制在任何给定时间内观察的目标(以及假设)的数量。在短范围内，环境在检测范围内基本均匀的概率增强，减少了环境特征的数量，从而减少了决策空间的大小。最后，由于在近距离可以获得更高的信噪比，并且我们可以使用各种在距离上可能无法使用的传感模式，我们可以更好地选择一个小的特征集来区分目标。如果只有一种模式，我们就需要深入研究该模式的功能集，为每个功能获得较低的边际回报。因此，在附近设置目标为减少决策空间的大小提供了许多选择。
通信约束。空间分离是通信网络建设的另一个重要因素。对于低处天线，由于地面反射射线的部分抵消，强度随距离的四次方下降[7，9］．传播受到表面粗糙度、反射和障碍物的存在以及天线仰角的影响。这种损耗使得远程通信成为一种耗电的行为;麦克斯韦定律(控制电磁辐射的传播)和香农容量定理(建立带宽、信噪比和比特率之间的基本关系)的结合表明，在给定功率和带宽限制的情况下，可靠传输的比特数是有限制的。另一方面，强度随距离的强衰减提供了空间隔离，允许在整个网络中重复使用频率。
多路径传播(来自多个对象的反射)是一个严重的问题。数字调制需要增加40dB的信噪比，以保持误差概率为105与仅受高斯噪声干扰的具有相同平均路径损耗的信道相比，该信道由于多径而产生瑞利分布幅值衰落。通过在空间、频率和时间的任何领域都可获得的“多样性”，可以恢复大部分损失，因为有足够的分离，多径衰减水平是独立的。通过传播信息，多个版本经历不同的衰落，因此结果更接近平均值。如果什么都不做，最坏的情况决定了错误概率。
对于静态传感器节点，尽管时间分集可能是干扰和其他类型干扰的一个因素，但就路径损失而言，它不是一个选项。同样，空间分集也很难获得，因为多个天线不太可能安装在小平台上。因此，分集最有可能在频域中通过使用跳频扩频、交错和信道编码的某种组合来实现。已知对故意干扰有效的措施通常也对多径衰落和多用户干扰有效。这种干扰反映了信噪比差的间歇性事件的普遍问题。
“阴影”，或波前阻碍和限制，以及路径损失可以通过使用多跳网络来处理。如果将节点随机放置在环境中，那么一些到邻近节点的链接将被阻塞，而其他节点则呈现出清晰的视线。密度越大，节点越近，拥有足够小的距离和阴影损失的链接的可能性就越大。然后这些信号就能有效地绕过障碍物。利用这些形式的多样性可以使将数据从WINS网络的一个地点传送到另一个地点所需的能量减少好几个数量级;对于密集的点对点网络，能量成本主要由无线电收发器的接收和重传能量成本决定。
如果系统要可靠地检测对象，它就必须是分布式的，不管联网成本是多少。
无线电系统涉及到网络策略和物理层之间的紧密联系。鉴于信道的多址特性，连接甚至更强，因为用户之间的干扰通常是限制损害;多址干扰的管理在[6］．
集成电路的能量消耗。不幸的是，互补金属氧化物半导体(CMOS)通信和信号处理电路的能源效率有限制。如果能源系统很大，那么整个系统的成本就不可能低。CMOS晶体管对在每次翻转时都消耗能量。使用的功率大致与开关频率、晶体管的面积(与器件电容有关)和电压波动的平方成正比。因此，任何给定操作的功耗下降大约为特征大小的四次方。高频开关和电压波动较大的组件控制了芯片的功率成本。
虽然摩尔定律意味着晶体管的面积会持续减少，无线电和任何通信技术的信号处理功率成本会随着时间的推移而下降，但在任何给定距离内可靠传输所需的功率都是有限的。由于半导体电流密度的限制，功率放大器级不能做得更小。这一阶段通常至少燃烧四倍的辐射能量，因此，随着时间的推移，它占据了无线电的能源成本。然而，如果我们考虑峰值辐射功率小于1mW的近程通信，我们继续发现用于上下转换的振荡器和混频器主导了能量预算;收音机无论发射还是接收，消耗的功率基本上是一样的。尽管随着时间的推移，随着技术的不断进步，无线电效率会不断提高，但这些事实表明，在设计网络时，无线电应尽可能多地关闭，否则只发送最低要求的水平。
随着时间的推移，加工成本也会降低，但还不是免费的。由于特定应用集成电路(asic)的时钟速度要低得多，使用的数值精度也要低得多，因此它们消耗的能量比数字信号处理器(dsp)少好几个数量级。虽然专用处理器和通用(更容易编程)机器之间的界限不断变化，但一般来说，处理与物理世界连接的计算系统需要混合架构。两种方法asic和dsps之间的模具面积比例随着技术的变化而变化，因此asic在许多芯片代中保持了成本优势。跨越几个数量级的能量消耗和数据处理需求的方便可编程性是普适计算值得研究的目标。与此同时，当研究人员继续追求这一目标时，WINS需要多处理器系统。
信号处理体系结构
安全应用程序需要至少一部分传感器保持持续的警惕。我们想要低的虚警率和高的检测概率。因此，只要数据是排队的，我们通常可以运行节能的过程，提供高检测概率和高误报率。低采样率磁、声、红外和地震传感器的能量阈值和有限频率分析是低功率asic的理想选择。如果确定性水平不够高，可以调用更高能量的处理和感知。接下来，WINS节点可能从附近的传感器寻找信息进行数据融合(检测决策的加权合并)或相干波束形成(来自多个传感器的原始数据的复杂加权，以改进检测和目标定位)。这种合作行为是后面的一个步骤，因为原始数据的通信在能量方面非常昂贵，它的处理也是如此。最后，分类决策可以使用大型神经网络或其他复杂的程序来提供所需的确定性程度。在最坏的情况下，原始数据可能被跳转回远程站点，由人工执行模式识别。当满足确定性阈值时，我们可以在这个链的任何点停止。
通过这种努力产生了两个设计原则，以实现低能耗的可靠决策。首先，我们应该只在必须的范围内玩概率游戏。大多数时候，没有目标，因此不需要应用我们最昂贵的算法(数据给人类)，但有太多情况下，最便宜的算法会失败。处理层次结构可以大大降低成本，同时保证所需的可靠性水平。其次，处理层次结构与网络和数据存储问题交织在一起。数据排队的时间和位置取决于操作在处理层次结构中的位置、节点是否通信以及与哪组相邻节点通信都取决于信号处理任务。沟通成本反过来影响处理策略，包括我们沟通的意愿，以及处理是集中还是分散的。优化是由WINS网络的物理限制所决定的。因此，物理层通过网络和信号处理层向上侵入到应用程序。
为了具体说明这些约束的影响，假设以下情况:1GHz载频;天线高度为1/2波长;有效的数字调制，如二相移键控(BPSK)传输，106错误概率，四功率距离损失，瑞利衰落，和一个理想的(无噪声)接收器。在100米的距离上传输1Kb的能量消耗大约是3焦耳。相比之下，一个100MIPS/W功率的通用处理器可以用同样的能量高效地执行300万条指令。如果应用程序和基础设施允许，则在本地处理数据以减少通信量，并利用多跳路由和高级通信技术(如编码)来降低能源成本。
事实上，应用程序的开发使低功耗设计成为可能。例如，考虑远程安全操作的情况图1)．该图形的屏幕图像显示远程WINS Internet操作。浏览器屏幕图像(a)和(b)显示智能WINS节点捕获的事件。对于该系统，WINS节点携带两个具有地震和成像能力的传感器。其基本思想是，地震传感器是不断警惕的，因为它需要很少的电力。简单的能量检测可以用来触发相机的操作。然后，围绕该事件的图像和地震记录可以被传送到远程观测者。这样，远程节点需要在低功耗下进行简单的处理，无线电不需要支持图像的连续传输。网络允许人类(或计算机)观察员远离现场和存档记录的存储。图像数据允许对事件进行验证，在涉及人工响应的安全应用程序中通常需要图像数据。
地震记录和创建记录的车辆(a)和奔跑的人(b)的图像都显示在图中。WINS节点和WINS网关节点控制Web页面(c)和(d)，允许(通过WINS网络和Internet)对事件识别算法进行直接和远程控制。例如，触发图像的地震能量阈值可以远程控制。通过增加包括红外和磁性在内的近程探测器的传感器套件，以及在节点内增加更复杂的处理，可以减少传输的图像数量。
协同处理可以扩展传感器的有效范围并实现新的功能。例如，考虑目标位置的问题。在密集阵列中，通过让所有检测到扰动的节点发出报告，可以跟踪目标位置。报告目标的所有节点的质心是对目标位置的一种可能估计。这种检测技术需要每个节点交换很少的信息位。通过波束形成可以实现更精确的位置估计，这需要在节点之间交换带有时间戳的原始数据。尽管相关处理的成本也要高得多，但它为后续的分类决策、远程位置定位、甚至节点的一些自定位和校准选项提供了更高的信噪比处理数据[11］．
根据应用程序的不同，拥有具有波束形成能力的节点的稀疏集群可能更好，而不是智能程度较低的节点的密集部署，或者同时启用这两组函数可能更好。例如，我们可以覆盖一个较低密度的智能节点阵列，命令捕获相干数据，以达到波束形成的目的。从一开始就考虑到异构性极大地扩展了处理范围。
WINS网络架构
与传统无线网络不同的是，WINS网络必须在短距离和低平均比特率通信(小于1100Kbps)的局部区域内支持大量传感器。网络设计必须满足传感器分布密集的要求，强调环境信息的回收。在WINS网络中，作为一种规则，我们寻求利用节点之间的短距离分离，通过前面概述的功率优势提供多跳通信。由于对于短跳，收发器接收的功率消耗与传输的功率消耗几乎相同，因此协议应设计成无线电在尽可能长的时间内处于关闭状态。也就是说，网络中设备的介质访问控制(MAC)地址应该包括时分多址的一些变体。
如果应用程序和基础设施允许，则在本地处理数据以减少通信量，并利用多跳路由和先进的通信技术来降低能源成本。
时间分割协议要求无线电之间定期交换短消息，以保持本地同步。不是所有节点都必须具有相同的全局时钟，但是链路之间的局部变化应该很小，以最小化插槽之间的保护时间，并实现协同信号处理功能，包括融合和波束形成。这些消息可以结合网络性能信息、同步维护和为较长的信息包预留带宽的请求。频率的空间重用和本地处理带来的丰富带宽确保了这些请求中相对较少的冲突，因此可以使用简单的机制。至少已经开发了一个体现这些原则的低功耗协议套件，包括启动、MAC、能源感知路由和与移动设备的交互[8］．它的发展表明了在平面多跳网络中实现分布式低功耗操作的可行性。
同样清楚的是，对于广泛的应用，必须找到某种方法来方便地将传感器网络连接到互联网。为了使用这些标准接口，不可避免地需要对协议(和设备)进行一些分层。例如，WINS NG(下一代)节点体系结构设计(稍后讨论)解决了健壮的操作、密集和深度分布、与传统网络和数据库的互操作性、操作能力、可伸缩性和成本等方面的限制图2)．WINS网关支持WINS网络，支持传统网络物理层及其协议之间的访问，支持WINS物理层及其低功耗协议之间的访问。WINS系统设计利用多跳可减少的链路范围，为系统架构师提供以下优势:降低操作功率、提高比特率、提高比特误码率、提高通信私密性(通过降低传输功率)、简化协议和降低成本。这些好处不是同时获得的，而是需要根据设计重点单独提取的。
在今天的网络设计中，架构师还必须解决:如何在传感器网络中使用包括TCP和IPv6在内的互联网协议?虽然不需要在网关上开发新协议或执行协议转换是可取的，但有几个因素需要定制解决方案。首先，IPv6不是真正的自组装;虽然可以从服务器获取地址，但这个特定的协议已经预设了较低级别的附件。其次，当今的互联网协议很少考虑物理通道的不可靠性或节约能源的需要，而是专注于支持广泛的流量。通过利用通信的有限性，嵌入式系统可以实现更高的效率。
他们必须解决的另一个问题是:处理和存储应该在哪里进行?与处理相比，沟通成本要高得多;因此，能源的限制要求我们在源头尽可能多地进行处理。此外，减少要传输的数据量大大简化了网络设计，允许每个Internet网关可扩展到数千个节点。
WINS节点架构
WINS的开发始于1993年，由加州大学洛杉矶分校发起;三年后，第一代现场准备的WINS设备和软件在那里部署图2一个)．darpa赞助的低功率无线集成微传感器(LWIM)项目展示了多跳自组装无线网络的可行性。这第一个网络还展示了操作无线传感器节点和微功率级网络的算法的可行性。在darpa资助的另一个联合开发项目中(包括加州大学洛杉矶分校和加州千橡树市的罗克韦尔科学中心)，设计了一个模块化开发平台，用于评估更复杂的网络和信号处理算法，并处理多种类型的传感器，尽管该平台不像LWIM那样重视功耗节约。1］．这些实验让我们认识到，将必须为低功耗进行优化的实时功能与需要大量软件开发、但使用轻负载循环调用的更高级别功能区分开来的重要性。
WINS NG节点架构随后由作者于1998年在洛杉矶创立的Sensor.com开发，以实现连续传感、事件检测的信号处理、执行器的局部控制、事件识别和低功耗通信(参见图3)．由于事件检测过程是连续的，传感器、数据转换器、数据缓冲区和信号处理都必须使用实时系统在微功率水平上运行。如果检测到事件，可能会向进程发出警报以识别该事件。然后，节点操作的协议确定是否应该为进一步处理花费额外的能量，以及是否应该向远程用户或邻近的WINS节点发出警报。然后WINS节点通信所识别事件的属性，可能是存储在所有网络节点中的事件查找表中的事件地址。
这些不常见的事件可以由WINS NG的第一个版本中的高级处理器管理，这是一种基于Windows ce的设备，选择它是因为有低成本的开发人员工具。通过提供支持查看和控制底层函数的应用程序编程接口，开发人员既可以不接触实时函数，也可以根据需要深入研究它们，以提高应用程序的效率。未来的一代还将支持插件式Linux设备;其他的开发将包括非常小但有限的传感设备，与异构网络中的WINS NG节点交互，支持智能标签(参见本刊Borriello和Want的《嵌入式计算遇见万维网》)。这些小型装置可以通过光电池或压电材料从环境中收集能量，从振动中获取能量，从而实现永久寿命。今天有一条清晰的技术路径，提供了更多的电路集成和改进的封装。在不久的将来，这条道路将生产出非常低成本和紧凑的设备。
结论
这些物理上的考虑使我们能够追求密集分布的传感器网络的创新设计，以及由此产生的相关应用的分层和异构处理和网络架构的优势。网络处理的紧密交织是连接物理世界和虚拟世界的系统的核心特征。现在的开发平台将越来越多地允许更广泛的社区参与网络和新应用程序的基础研究，推动开发人员和用户走向真正的普适计算。
参考文献
1.Agre, J.， Clare, L.， Pottie, G.和Romanov, N.自组织无线传感器网络开发平台。在99年航空感官学报(佛罗里达州奥兰多。，Apr. Apr. 89). International Society of Optical Engineering, Bellingham, Wa., 1999, 257268.
2.Asada, G.， Dong, M.， Lin, T.， Newberg, F.， Pottie, G.， Marcy, H.和Kaiser, W.无线集成网络传感器:芯片上的低功耗系统。在第24届IEEE欧洲固态电路会议论文集(荷兰海牙，9月2125日)。出版社，1998,912。
3.布尔特、布尔斯坦、张、德、董、M、菲尔丁、M、克鲁格里克、E、何、J、林、F、林、t - h。，Kaiser, W., Marcy, H., Mukai, R., Nelson, P., Newberg, F., Pister, K., Pottie, G., Sanchez, H., Stafsudd, O., Tan, K., Ward, C., Xue, S., and Yao, J. Low-power systems for wireless microsensors. In低功耗电子与设计国际研讨会论文集(加利福尼亚州蒙特利，1214年8月)。IEEE，纽约，1996,1721。
4.Dong, M.， Yung, G.和Kaiser, W.网络微传感器的低功率信号处理架构。在1997年低功耗电子与设计国际研讨会论文集(1820年8月，加利福尼亚州蒙特利)。电子学报，1997,173177。
5.林,郭宏源。，Sanchez, H., Rofougaran, R., and Kaiser, W. CMOS front-end components for micropower RF wireless systems. In1998年低功耗电子与设计国际研讨会论文集(加利福尼亚州蒙特利，1012年8月)。电子工程学报，1998,1115。
6.无线多址自适应通信技术。在电讯百科全书(F. Froelich, A. Kent Eds)。Marcel Dekker, Inc.，纽约，1999,141。
7.Rappaport, T。无线通信:原理与实践。普伦蒂斯大厅，上马鞍河，新泽西州，1996年。
8.Sohrabi, K.， Gao, J.， Ailawadhi, V.和Pottie, G.自组织传感器网络。在第37届通信、控制和计算阿勒顿会议论文集(蒙蒂塞洛,病了。， 9月2729日)。伊利诺伊大学香槟分校电子与计算机工程系，1999年。
9.Sohrabi, K.， Manriquez, B.和Pottie, G.近地宽带信道测量。在第49届汽车技术会议论文集(休斯顿，1620年5月)。电子学报，1999,571574。
10.范·特里斯，H。检测、估计和调制理论。约翰·威利父子公司，纽约，1968年。
11.Yao, K.， Hudson, R.， Reed, C.， Chen, D.和Lorenzelli, F.随机分布传感器阵列系统上的盲波束形成。选择。分区通讯16，8(1998年10月)，15551567。
12.余涛，陈东，波提，姚凯，多输入多输出系统的盲去相关和反褶积算法。在继续。国际的。Soc。选择工程3807(1999年7月)，200209。
©2000 acm 0002-0782/00/0800 $5.00
允许为个人或课堂使用本作品的全部或部分制作数字或硬拷贝，但不得为盈利或商业利益而复制或分发，且副本在首页上附有本通知和完整的引用。以其他方式复制、重新发布、在服务器上发布或重新分发到列表，需要事先获得特定的许可和/或付费。
数字图书馆是由计算机协会出版的。版权所有©2000 ACM, Inc。
没有找到条目