无线传感器网络剩余能量实时监测

《无线传感器网络剩余能量实时监测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、无线传感器网络剩余能量实时监测：无线传感器X络(onitoring,RERM)，是了解研究仍存在一些基本假设上的错误。本文结合研究进行了分类学讨论和评价，然后，列举RERM研究在一般假设方面存在的问题。最后，提出面向应用的RERM研究应遵循的一般原则。　　关键词：无线传感器X络；个域X；剩余能量；实时监测 　)是设计基于能量感知的算法/协议、检验算法/协议节能有效性的根本和现实依据。该信息用途还包括：　　1)研究中，必须遵循面向应用的技术路线图(图1)。而一般假设正确与否又是问题的关键。一般假设必须符合研究进行了分类学讨论。然后又列举了其一般假设方面存在的问题。最后，提出了RERM

2、研究应遵循的一般原则。　　1Application-orientedroadmaponRERM1RERM分类学研究RERM研究类型可按不同标准划分，以下采用层层深入的方法对其进行分类学讨论。　　1.1RERM研究的层次分类研究层次可分为：节点、PAN、超PAN3种。　　1.1.1节点层监测该层监测以节点能耗模型为支撑。　　它反映esh)则明显不适用，故扩展性差。　　(2)文献[9]认为：eScan中拓扑树无分层结构，通信开销巨大；无拓扑重构机制，使汇聚节点(SinkNode)附近路由节点能量很快被耗尽。故提出基于分层Cluster-Tree拓扑的eScan改进算法。　　评价：改进算

3、法使各节点的能量开销更公平；但监测拓扑树需周期性重构，通信等开销仍较大。　　(3)文献[10]提出了基于Data?Contour(图3)的监测信息收集模式——Contour映射模式。其构建Contour的算法包括：分布式时空数据抑制算法；基于X内数据融合的多跳路由转发机制；在汇聚节点对Contour进行重构的插值和滤波算法。　　评价：该模式中的数据抑制算法和数据融合机制使通信开销大大减少。支持“Dumbsensor,Smartsink”　　部署模式，普通节点各种开销降低。　　图3等高线图映射模式获取的相关报道。多PAN协作时的RERM特点为：各PAN监测信息可采用不同的查询、传输、

4、处理模式；监测并发进行；监测框架设计在兼容性和并发处理方面有更高的要求等。多PAN监测基于PAN层监测进行，故定义为超PAN层监测。　　无疑地，超PAN层监测是粗粒度的。该层剩余能量情况具空间分布特性，因Contour是平面表达形式，简单叠加Contour不能反映超PAN层剩余能量空间分布特点，故需研究具空间表达能力的表达手段(直觉上，它应采用类似于三维地图的形式)。　　1.2能耗模型的分类学讨论各层次中，节点层能耗模型处于基础地位。能耗模型按用途分为：分析模型、仿真模型、应用模型3种。　　1.2.1分析模型此类模型一般基于物理测量结果提出，研究粒度较粗，对节点硬件设计、节能算法/

5、协议设计等方面有一般指导意义。　　典型研究简介及评价如下。　　(1)文献[13]提出了按通信、处理、感知3种功能模块划分的节点能耗模型(图4)。评价：该模型未考虑节点各功能模块的不同工作状态对节点能耗的影响，属于粗粒度的分析。只能了解节点能耗的大致分布，实践指导意义不强。　　(2)文献[14]指出节点能耗主要在通信活动上，并把通信活动分为发送、接收、空闲监听、休眠4个状态。不同状态的能耗存在差异(图5)：发送能耗最多，空闲和接收能耗接近，睡眠能耗最少。　　评价：通信各状态的能耗对比分布情况并非普遍情况(参见3)，这易对实践指导造成偏差。但将通信活动划分为4种状态，具有普遍指导意义。

6、　　(3)文献[15]将持续时间引入到对各状态能耗的研究中，并对[14]中模型进行了公式化表达。　　评价：该模型是细粒度的能耗分析模型。公式化表达方式增强了它的实践指导作用。1.2.2仿真模型此类模型用于X络仿真。要求全面考虑能耗相关各因素，及各自对能耗的影响程度。可采用复杂算法，以提高仿真结果与现场应用情况的逼近程度。该类模型对++X络仿真器验证了其有效性。　　评价：从OSI分层角度分析了链路层能耗因素。　　该框架模型与其他层的接口使层内和跨层优化成为可能。通过选择该框架模型的关键设计参数，可为降低能耗等改进设计提供指导意见。　　(2)文献[17]首先提出了基于状态转移图的能耗模

7、型(SEDM，图6)。然后提出了基于马尔可夫链(Markovchain)的剩余能量概率预测模型。在预测模型中，每个具有M种操作模式的节点，都被建模成一个带M种状态的马尔可夫链。　　评价：SEDM模型较全面地反映了节点的各种操作状态和状态转移情况。在实际应用中，通信延迟等因素使RERM信息具有陈旧性特点，预测模型为解决这一问题提供了有益的思路。　　(3)文献[18]认为影响能耗的因素包括：接收结构、流量、差错控制、信道及其访问类型等。然后基于这些因素，利用马尔可夫链和信