能耗节点范文

能耗节点范文（精选4篇）

能耗节点 第1篇

无线传感器网络具有动态组网、多跳通信、以数据为中心等特点,将其应用于煤矿井下可实现窄带数据传输,解决矿井通信网络在扩展性、覆盖率、灵活性等方面的缺陷。由于矿用无线传感器网络的终端节点采用电池供电,电池的容量一般不大,所以在网络设计过程中应尽量降低节点功耗、最大化网络的生命周期。节点能耗的准确计算尤为重要,其既是衡量产品设计阶段的性能指标,也是分析产品在井下使用寿命的理论依据。

根据目前对于节点能耗的研究成果,节点能耗的测量方法主要有仿真方法和实验方法[1]。仿真方法采用模拟软件对节点工作时的能耗进行分析估计,如针对TinyOS应用的bit级功耗仿 真软件Power TOSSIM[2],其不足之处是功率模型单一、仿真场景构造能力较弱及节点必须同构,因此其应用环境具有局限性。仿真方法需要给定具体参数且分析结果与实际情况存在一定的差距。实验方法则需要采用额外的硬件电路及软件平台对节点能耗进行测量分析,如基于软件探针的实时监测方法[3],即通过插入能耗测量代码并结合外部硬件电路来计算节点能耗,但该方法对硬件要求较高,并受到软件平台的限制。另一种方法是基于外部电流测量的能耗实测方法,在电源与节点之间串联1只10Ω 电流取样电阻,在电阻两侧接数字示波器对其电压进行测量,通过公式得出节点能耗。该方法简单易操作,具有可执行性。

本文采用基于福禄克万用表的实测方法,测量矿用无线传感器网络终端节点的平均工作电流,通过增加电流取样电阻,获得终端节点与协调器建立连接时的电流变化波形及终端节点周期性工作的电流变化波形。终端节点硬件采用基于CC2530片上系统的无线模块,软件协议栈采用Z-Stack协议, 实际测量终端节点周期性发送数据及休眠时的能耗,并分析发射功率与能耗的关系。

1终端节点设计

1.1低功耗模式

CC2530结合了增强型8051内核和2.4 GHz的RF收发器,是支持IEEE 802.15.4,ZigBee, RF4CE应用的片 上系统解 决方案,具有PM0, PM1,PM2,PM3这4种不同的工作模式[4],见表1, 使其能够满足超低功耗应用的要求。4种工作模式之间转换时间短,进一步保证了低能耗。

PM0和PM2是CC2530常用模式。PM0为主动/空闲模式。主动模式为全功能模式,空闲模式除CPU内核停止运行外,其他与主动模式相同。PM2模式为定时器休眠模式,睡眠定时器用于设置系统进入和退出低功耗睡眠模式之间的周期,使CC2530既能进入低功耗模式,又能自动唤醒,所以本文采用PM2作为系统工作模式。

1.2节点硬件

CC2530是一款集成的 片上系统,只需简单 的外围电路即可正常工作,其外围电路主要包含稳压电路、复位电路、振荡电路和巴伦匹配电路。

稳压电路采用LM1117-3.3V电压转换芯片, 将5V电压转换为3.3V工作电压,外接滤波电容和电源指示灯[5],如图1所示。

振荡电路采用32 MHz高频晶振和32.768kHz低频晶振,外接匹配电容,如图2所示。

CC2530集成了射频接口,可外接天 线。终端节点采用SMA接口的杆状天线,天线阻抗匹配采用巴伦匹配电路,如图3所示。

1.3节点软件

终端节点软件采用Z-Stack-CC2530-2.3.01.4.0协议栈版本。根据协议栈定义,网络中存在Coordinator(协调器 )、Router(路由器 )和EndDevice(终端设备)3种逻辑设备类型。终端节点没有维护网络结构的职责,只负责数据传输,可以休眠或唤醒。本文主要测试终端节点处于主动模式和休眠模式时的电流消耗。

Z-Stack协议栈中 涉及电源 管理的文 件有OSAL_PwrMgr.h(OSAL电源管理 的API头文件)、OSAL_PwrMgr.C(OSAL电源管理的API C文件)和hal_sleep.c(底层的电 源管理文 件)。在hal_sleep.c中定义了HAL_SLEEP_OFF(PM0), HAL_SLEEP_TIMER(PM2)和HAL_SLEEP_ DEEP(PM3)工作模式。HAL_SLEEP_OFF为正常工作模式,其余为休眠模式,通过osal_pwrmgr_ powerconserve(void)函数可设置CC2530进入休眠模式。

终端节点在进入休眠模式之前必须满足以下条件:1编译选项包含POWER_SAVING,即允许休眠;2 ZigBee设备对象描述符指出“空闲时接收关闭”,设置RFD_RCVC_ALWAYS_ON为FALSE; 3 Z-Stack所有任务允许节能;4 Z-Stack中没有就绪任务;5 MAC中没有预定活动。

CC2530睡眠定时器是32.768kHz晶振驱动的24位硬件定时器(SLEEP_TIMER),具有中断和DMA(Direct Memory Access,直接内存存取)触发功能,有1个24位计数器和1个24位比较器,最长休眠时间为510s。OSAL(操作系统抽象层)使用16位定时器,时钟周期 为1 ms,最大定时 周期为65s。终端节点依据Z-Stack协议栈的休眠机制, 设置POWER_SAVEING编译选项,使终端节点周期性休眠、唤醒,通过修改发送函数的发送周期,测量休眠周期长 短与能耗 的关系;通过修改 寄存器TXPOWER的值,实现发射功率的配置,并测量不同发射功率的电流消耗情况。

2终端节点能耗测试

2.1终端节点的能耗变化规律

测试终端节点与协调器建立连接及周期性发送数据的能耗变化规律,需得出终端节点的电流变化波形。将10Ω 电阻(精度为1%)串联到电源输入端,使用示波器测量电阻两端的电压波形,根据欧姆定律间接得到电流变化波形。终端节点与协调器建立连接时电流消耗达到最大值,且持续时间较长,如图4所示。建立连接后,终端节点将周期性地发送数据、休眠和唤醒,发送周期为1s,测量结果如图5所示。

2.2发射功率与能耗的关系

通过修改TXPOWER寄存器的 值可以修 改CC2530片上系统的发射功率,其典型发射功率最小值为-22dB·m,最大值为4.5dB·m。选取6个呈梯度的发射功率,测量其建立连接时的最大电流及正常工作时的平均电流。在相同条件下,实际测试结果见表2。

2.3平均能耗

根据Z-Stack协议栈,修改数据发送函数的发送周期,发送完成后终端节点进入休眠模式,由定时器定时唤醒。 将发送周 期分别设 置为1,2,4,8, 16s,在相同时间内,测试终端节点正常工作时1h内的平均电流,结果见表3。

3结语

通过设计矿用终端节点的硬件测试平台以及分析软件协议栈,测试了终端节点的能耗参数,得出结论:终端节点与协调器建立连接时消耗的电流最大, 约为29mA,建立连接后终端节点进入周期性的休眠与唤醒状态,此时电流消耗较小;节点发射功率与电流消耗并不呈正比关系,平均工作电流受发射功率影响较小;休眠周期直接影响电流消耗,周期延长时,能耗随之降低,但幅值逐渐减小。

摘要：通过分析CC2530的低功耗模式以及基于ZigBee协议的Z-Stack协议栈的休眠与唤醒机制,设计了一种基于CC2530的矿用无线传感器网络终端节点。采用基于福禄克万用表测量的实测方法,测试该终端节点的能耗,得出结论:终端节点与协调器建立连接时消耗的电流最大,在休眠与唤醒模式下电流消耗较小;终端节点的平均工作电流受发射功率影响较小;终端节点的休眠周期直接影响电流消耗,周期越长,则能耗越低。

起重机能耗监测节点设计 第2篇

起重机的能耗监测与评价对起重机的设计、制造和运行管理具有重要意义。起重机是由多机构组成的集成设备, 包括起升机构、小车机构、大车机构、控制和保护机构等[1,2]。各机构既可同步运行, 也可分时独立运行。由于各机构需进行三维运动, 采用有线传输技术监测能耗状态难度较大。本文提出一种基于无线传感网络的能耗监测节点设计方案。该方案可省去繁琐的传感器布线考量, 使得能耗监测系统简单、方便、可靠。

1 起重机能耗监测系统结构

起重机能耗监测系统结构如图1所示。系统通过分布在起重机上不同位置的无线传感器节点 (能耗监测节点) 对各机构、各部件的功率、转矩等数据进行感知采集, 各节点采集的数据通过各自无线传输接口集中传输到一个中心汇聚节点, 再由中心汇聚节点将数据打包并上传给监控中心, 监控中心完成起重机能耗状态的实时、集中监测和统计分析。

2 能耗监测节点硬件设计

能耗监测节点由电源模块、传感器和CC2430主控芯片模块组成, 如图2所示。电源模块同时给传感器和CC2430主控芯片模块供电。

图2中的传感器因监测的起重机机构对象和部件对象的不同而不同, 监测对象包括电功率、机械功率等, 有的是直接监测, 有的是间接监测, 各自的传感器需要单独设计。由于篇幅有限, 这里侧重介绍带有ADXL345型加速度传感器的能耗监测节点。

2.1 电源模块

电源模块采用了具有良好热稳定性能的三端可调分流基准源TL431。TL431具有稳压值从2.5~36V连续可调、低动态输出电阻、参考电压源误差小、温度范围内温度特性平坦、电压噪声输出低等优点[3]。电源电路如图3所示。CC2430芯片和ADXL345型加速度传感器的工作电压范围都为2.0~3.6V, 电源电路的稳定输出电压为3.3V, 满足供电需求。

2.2 传感器

为了监测大车机构和小车机构的能耗, 在大车和小车上安装带有ADXL345型加速度传感器[4,5]的能耗监测节点。加速度传感器采集大车和小车行走时的加速度an (t) , 通过SPI接口将采集数据传给CC2430主控芯片。

在实际情况中, 由于诸多因素的影响, 加速度很难保持不变。为了较准确地得到大车的瞬时速度和行走距离, 采用分割法将较长的时间段分割成若干个很小的时间段Δt (Δt=tn+1-tn) , 在时间Δt内, 近似认为加速度an (t) 不变, 可以算出每一小段时间内大车的行走距离, 最后将每一小段时间内的行走距离进行叠加, 就可得到大车最终的行走距离。

大车在时间段Δt内的速度和距离分别为

式中:v (t) 为vn (t) 的原函数;v0为初始速度;s (t) 为sn (t) 的原函数;s0为初始行走距离;η和λ均为微调系数;n=0, 1, 2, 3。

大车行走的能耗为

式中:m为大车质量。

2.3 主控芯片模块

ADXL345和CC2430之间通过同步通信SPI方式传输数据, CC2430可配置4个SPI接口, 以P1口的USART1SPI接口为例, 配置程序如下:

3 能耗监测节点软件设计

在无线传感网络自动组网结束后, 系统进入数据采集阶段。能耗监测节点将按一定时间周期进行数据采集, 按要求将采集到的数据储存在CC2430的ROM中, 并按照规定的帧格式将数据发送给簇首节点。在节点距离簇首较远的情况下, 网络中部分节点会在不改变自身采集状态的情况下, 作为路由节点传递数据。簇首节点将簇内各节点与自身采集的数据汇总之后, 整理打包并发送至中心汇聚节点。能耗监测节点软件流程如图4所示。

4 结语

介绍了带有ADXL345型加速度传感器的能耗监测节点的设计。该节点采用基于ZigBee技术的CC2430芯片作为主控芯片, 实现了起重机能耗数据的实时采集与无线传输, 具有灵活通用、节能等特点。

参考文献

[1]李文仲, 殷朝玉.ZigBee2006无线网络与线定位实战[M].北京:北京航空航天大学出版社, 2008.

[2]杨宁, 田辉, 张平, 等.无线传感器网络拓扑结构研究[J].无线电工程, 2006, 36 (2) :11-13, 60.

[3]曾苛, 付周兴.基于ARM的掘锚连续采煤机传感器信息采集模块设计[J].工矿自动化, 2012, 38 (6) :10-14.

[4]陈均, 王忆文.基于ZigBee的定位和人体跌倒检测系统[J].电子技术应用, 2012, 38 (12) :29-31, 35.

能耗节点 第3篇

6LoWPAN网络技术是当前的一个热门研究方向。IETF的6LoWPAN工作组仅提出了部分技术草案,其他大量技术还在探讨中,其中6LoWPAN网络MAC协议的研究受到广泛关注,而基于数学模型的协议性能优化是一个研究热点。文献[1]中对饱和情况下的时隙CSMA/CA算法进行了建模。文献[2]采用马尔科夫模型模拟6LoWPAN网络MAC协议CSMA/CA 的退避过程,该模型基于一种饱和吞吐量的假设,不适用于非饱和的情况。文献[3]为协议建立了马尔科夫模型,但是把数据包发送的每个时隙都作为一个状态,计算非常复杂,且与现实中的网络工作状态不相符。文献[4]中在四种假设下对使用退避的non-persistent CSMA做出模型分析,提出了一种比较简明有效的模型。文献[5]没有考虑节点的睡眠态,且对模型参数如数据包服务时间和吞吐量的计算较繁琐。许多学者在使用数学建模方法对6LoWPAN网络的MAC子层研究中都做出了有意义的工作,但提出的模型及其分析还需要进一步的改进和完善。

网络能耗问题是6LoWPAN网络MAC协议设计的重要问题之一。针对6LoWPAN网络中负载一般处于非饱和的具体情况,对基于数据包到达速率服从泊松分布的非饱和负载进行数学建模,然后建立6LoWPAN网络信道竞争机制的分析模型,并对网络主要参数和性能指标进行数学分析和评价。

1 非饱和负载

假设6LoWPAN网络中数据包到达节点过程服从速率为λ的Poisson过程,则网络处于非饱和负载的情形。此时不同节点间到达过程相对独立,且每个包的服务时间服从均值为Tservice的负指数分布。若节点发送队列长度为L,节点发送队列中数据帧队列符合排队论中的M/G/1队列。依据M/G/l队列理论,一次服务结束时队列长度的分布可以由Pollaczek-Khintchine公式[6]得到:

${\displaystyle \sum _{k=0}^{\infty }\pi }{}_{k}z{}^k=\frac{(1-\rho )(1-z){\rm T}{}^{*}(\lambda -\lambda z)}{{\rm T}{}^{*}(\lambda -\lambda z)-z}$

其中ρ=λTservice。设定Pollaczek-Khintchine公式中Z=0,可以得到数据传输结束后等待队列为空的概率:1-λTservice。为了简化计算,由泰勒级数展开式可得,没有数据帧发送的概率:e-λTservice。

本文只分析6LoWPAN网络MAC层协议支持信标使能的工作模式,即各节点通过接收协调器周期性广播的信标帧与协调器保持同步,协议使用超帧进行定时。超帧周期划分为活跃期与非活跃期两个部分。超帧活跃期又被划分为:信标帧传输时间、竞争接入时期和非竞争接入期。竞争接入时期又可分为退避期和数据传输期。本文只研究采用时隙CSMA/CA的竞争接入期。当网络处于非饱和负载的情形时,为了降低网络能耗,延长网络生命周期,可以让6LoWPAN 网络中无法进行数据发送任务的节点进入睡眠期。所以,基于超帧结构时隙划分,在超帧内可以允许节点于以下情况进入睡眠态:1) 竞争接入时期内节点若没有数据发送,其可进入睡眠期睡眠;2) 竞争接入时期内若信道冲突节点已尝试退避的次数达到最大值仍接入信道失败,则可进入睡眠期;3) 按照超帧时间分配,竞争接入时期结束,节点自然进入睡眠期睡眠。通过上述改进,使得节点尽量节省能耗,延长生命周期,从而改善6LoWPAN网络性能。

2 6LoWPAN信道接入建模

2.1 信道接入模型

考虑N个节点构成的星形拓扑网络环境,使用马尔科夫理论对6LoWPAN网络MAC层信道接入机制进行数学建模,其模型如图1所示。

图1中,TX表示数据帧发送状态。S表示节点睡眠状态,此时没有数据帧等待发送。Bi,k表示竞争接入期内退避态(其中i∈[0,NB],k∈[0,Wi-1],Wi为退避数选择窗口大小)。W0表示初始退避窗口大小,值为2minBE ,而节点下一次退避时窗口取值Wi= W02i,其中amaxBE-aminBE≦i≦amaxBE,退避窗口最大值为2maxBE。Ci,1和Ci,2分别表示第一次和第二次空闲信道评估状态;α、β分别为第一和第二次信道检测结果为繁忙的概率。q1表示本次传送完毕没有数据帧发送的概率,即为前述非饱和负载建模结果:q1=e-λ*Tservice。q2表示一个睡眠期后节点仍没有数据发送的概率。由图1可得节点主要状态间的转移概率为:

图1所示的状态切换模型显然存在平稳分布。由马尔科夫链的相关性质可得到模型中的主要状态的稳态概率和相应的总稳态概率分别如下[8]:

因图1中所有状态的稳态概率之和为1,得到:

$\pi {}_S+{\displaystyle \sum _{i=0}^{L-1}\pi }{}_{{}_{{\rm T}}}+{\displaystyle \sum _{i=0}^m\pi }{}_{C{}_{i,1}}+{\displaystyle \sum _{i=0}^m\pi }{}_{C{}_{i,2}}+{\displaystyle \sum _{i=0}^m{\displaystyle \sum _{k=0}^{W{}_i-1}\pi }}{}_{B{\rm O}{}_{i,k}}=1(3)$

由前述式(1～3)的分析推导,得到退避状态B00的稳态概率为:

$\begin{array}{l}\text{B}{}_{0,0}=1/((\text{q}1(1-\text{S}{}^{\text{m}+1})+\text{α}\text{S}{}^{\text{m}+1}+\text{β}(1-\text{α})\text{S}{}^{\text{m}})/(1-\\ \text{q}2)+\text{L}(1-\text{S}{}^{\text{m}+1})+\frac{1-\text{S}{}^{\text{m}+1}}{1-\text{S}}+\frac{(1-\text{S}{}^{\text{m}+1})(1-\text{α})}{1-\text{S}}+\\ \frac{1}{2}(\text{W}{}_{0}2{}^{\text{m}\text{a}\text{x}\text{B}\text{E}-\text{m}\text{i}\text{n}\text{B}\text{E}}\frac{\text{S}{}^{\text{m}\text{a}\text{x}\text{B}\text{E}-\text{m}\text{i}\text{n}\text{B}\text{E}+1}-\text{S}{}^{\text{Ν}\text{B}}}{1-\text{S}}+\\ \text{W}{}_0\frac{1-(2\text{S}){}^{\text{m}\text{a}\text{x}\text{B}\text{E}-\text{m}\text{i}\text{n}\text{B}\text{E}+1}}{1-2\text{S}}-\frac{1-\text{S}{}^{\text{m}+1}}{1-\text{S}}))(4)\end{array}$

另外,模型中的α表示网络中除某节点外其余的N-1个节点中至少有一个节点信道检测为空闲并且已经传输一个数据帧的概率,可表示如下:

α=L(1-[1-t]n-1)(1-α)(1-β) (5)

其中,β表示某节点第一次检测信道为空闲的情况下第二次检测信道为忙的概率,即网络中其余的N-1个节点中至少有一个节点信道检测为空闲并开始传输数据帧,可表示为:

β=(1-[1-t]n-1)/(2-[1-t]n-1) (6)

模型中q2表示节点在一个睡眠期后没有数据发送的概率,可表示为:q2=e-λW0。另外,基于6LoWPAN 网络处于非饱和负载工作状态,参照文献[7]的分析过程,可以得到数据包服务时间Tservice的表达式如下:

$\begin{array}{l}{\rm T}{}_{service}=\frac{1-S{}^{m+1}}{1-S}\cdot (1-\alpha )(1-\beta )[L+2]+\\ {\displaystyle \sum _{i=0}^{m}S}{}^i{\displaystyle \sum _{j=0}^i\frac{W{}_j-1}{2}}+(2-\alpha ){\displaystyle \sum _{i=0}^{m}S}{}^{i}i+\\ [\alpha +(1-\alpha )\beta ]S{}^m\cdot {\displaystyle \sum _{j=0}^m\left(\frac{W{}_j-1}{2}+2-\alpha \right)}(7)\end{array}$

2.2 节点平均能耗

基于上述建立的分析模型,可以研究6LoWPAN网络节点在超帧周期内的平均能耗性能。网络节点运行时间分为以下部分:接收信标帧时间、活跃期和非活跃睡眠期。其中活跃期又被分为退避、CCA、数据传输和睡眠等四个状态。另外,活跃期内节点从睡眠状态切换至活跃状态所需的切换时间Tsi为3.6slots,其他状态间的切换时间忽略,则网络节点平均能耗表示如下:

$\begin{array}{l}Y{}_{average}=\frac{{\rm T}{}_{beacon}}{B{\rm I}}{\rm P}{}_{receive}+\frac{SD}{B{\rm I}}[\pi {}_S{\rm P}{}_{sleep}+{\displaystyle \sum _{i=0}^m{\displaystyle \sum _{k=0}^{W{}_i-1}\pi }}{}_{B{}_{i,k}}{\rm P}{}_{idle}+\\ ({\displaystyle \sum _{i=0}^m\pi }{}_{C{}_{i,1}}+{\displaystyle \sum _{i=0}^m\pi }{}_{C{}_{i,2}}){\rm P}{}_{receive}+L\pi {}_{{\rm T}X}{\rm P}{}_{trans}]+\\ \frac{B{\rm I}-{\rm T}{}_{beacon}-SD-{\rm T}{}_{si}}{B{\rm I}}{\rm P}{}_{sleep}+\frac{{\rm T}{}_{si}}{B{\rm I}}{\rm P}{}_{idle}(8)\end{array}$

式(8)中,第一部分为接收信标帧的能耗;第二部分为活跃期能耗,它又分为退避、CCA、数据帧传输和睡眠等状态能耗。为便于计算,节点的四个状态:空闲、休眠、CCA和数据帧传输的能量消耗分别以Pidle、Psleep、Preceive和Ptrans作为状态功耗进行计算。第三部分为非活跃期能耗,耗时为BI-Tbeacon-SD-Tsi个时隙。第四部分为状态转化能耗。

3 性能分析

为验证本文提出的模型的正确性和有效性,下面采用数学分析的方法对该模型进行分析和评价。网络部署为单跳星形拓扑网络,仅有一个协调节点,其余N-1个RFD节点均在通信范围之内。在非饱和负载情况下,有数据包到来时节点就进行信道监测并尽力传送,否则节点进入睡眠以便节能。节点的可能的工作状态为空闲、发送、接收和睡眠,相应状态的功耗根据低功耗芯片ChipconCC2420的测定结果而设置:Pidle=712μW、Ptrans=31.32mW、Preceive=35.28mW、Psleep=144nW[9]。设网络层发送的数据报的载荷为100字节,信标级数BO为6,超帧级数SO为4,数据包到达速率λ为1包/秒-100包/秒。MAC帧头长13字节,PHY帧头长6字节,信道带宽为250Kbps。协议参数NB最大值为5,CW为2,最大退避指数值为5,最小退避指数值为2,数据包长为6slot,超帧时隙为0.32ms。

3.1 协议参数分析

图2为在超帧活跃期内节点适时进入睡眠态稳态概率分析结果。从图2可以看出,随着网络数据包的到达速率的增加,节点进入睡眠态的稳态概率值逐渐降低。这是因为此时网络数据包传输任务增多,节点都处于数据传输态或退避态而较少睡眠。而且最小退避指数minBE越小时节点睡眠态的稳态概率相对较高,这是因为退避窗口值小时信道竞争冲突概率相应增大,节点信道检测失败概率也越大,从而节点于活跃期进入睡眠态的概率增大。

图3为节点首次准备信道检测的概率分析结果。从图中看出,当网络负载较小时,较大的退避指数初值能够获得较高的首次信道检测概率,这是因为退避指数比较大时,节点初始退避窗口值较大,这样节点每次的退避期时间较大,节点竞争信道冲突降低,则节点进行信道检测的机会增大。相反,一旦网络负载加重之后,较小的退避指数能够获得较高的首次信道检测概率,但增幅较小。这是因为节点初始退避窗口值较小,节点每次的退避期时间缩短,在负载加重的情况下总体上加大了网络每个节点的信道检测的机会。

图4描述了网络中数据包平均服务时间相对数据包到达速率的变化。从结果看出,数据包平均服务时间随着数据包的到达速率的增加逐渐增大,这是因为网络负载加大后信道冲突加剧,网络节点平均退避的时间延长,从而导致数据包平均服务时间增大。另外,分析结果说明退避次数越小,数据包平均服务时间显著减少。这是因为较小的退避次数能减少数据包的等待信道空闲时间,从而对数据包服务时间影响较大。

3.2 能耗分析

下面基于上述建模对基于非饱和负载的节点能耗进行分析,并研究主要协议参数对节点平均能耗的影响。图5为饱和和非饱和负载情形下节点在一个超帧时间内的平均功率消耗对比。从图中看出,节点在饱和负载情形下的平均功率消耗明显偏高,且在小型网络中,节点数对于网络节点能耗的影响较小。

图6描述了网络负载对中节点平均能耗的影响。可以看出,随着网络数据包到达速率的递增,节点能耗相应的增加,但是一旦负载饱和之后节点平均能耗增幅不大,这是因为随着负载增大时,信道冲突慢慢加剧,节点在信道竞争中消耗的能量逐渐增多。且低负载时较小的退避指数值会带来较少的能耗开销。这是因为较小的退避指数导致网络节点退避等待时间减少,而低负载时信道冲突较小,节点成功接入信道概率加大,节点能量浪费相应减少。

而当负载严重加剧之后,较大的数据包到达率使得未接入信道暂未完成数据包发送任务的节点适时进入了睡眠态,从而有效地节省了电量,节点平均能耗增加不明显。且较小的退避指数值会带来较大的能耗开销。这是因为较小的退避指数导致网络节点退避等待时间减少,从而网络信道竞争冲突加剧,节点能量开销更多。

图7描述了信标指数BO对节点平均能耗的影响。可以看出,信标指数越大,节点的能耗越低。这是因为在超帧指数SO固定的情况下,较大的信标指数将形成更长的睡眠期,使得网络中竞争失败的节点在睡眠期持续时间更长,降低了功耗,也使得信道竞争的冲突概率大大降低,避免整个网络的能耗浪费。

通过上述的研究工作,说明改进的信道竞争接入模型较好的描述了6LoWPAN网络MAC协议在非饱和负载情况下的能耗性能特性,为协议的应用和实践提供理论指导,也能够使用该模型来对6LoWPAN网络性能进行进一步的研究与改进。

4 结 语

本文提出一种网络负载为泊松分布的6LoWPAN网络信道接入方法,并建立了协议的Markov模型,然后分析了本模型引入的非饱和负载对节点能耗的影响。分析结果表明:本模型可以有效地描述6LoWPAN网络MAC协议,能够准确计算节点能耗、节点首次信道检测概率和数据包服务时间等性能参数。提出的方法降低了网络能耗,协议性能得到有效改善。今后需要继续优化6LoWPAN网络MAC协议运行机制,建立精确合理的模型以研究网络各项性能指标,使其更加符合实际应用需求。

摘要：针对6LoWPAN网络能耗优化问题,提出一种数据包到达速率服从泊松分布的信道接入机制:超帧活跃期内若没有数据发送或暂时无法发送的节点进入睡眠期以便节能,然后建立该机制的Markov模型。基于该模型,对节点睡眠态稳态概率、数据包服务时间和节点平均能耗进行数学分析,并研究λ和BO等协议参数对网络性能的影响。数学分析表明,改进模型较好地描述了6LoWPAN网络信道竞争过程,有效地降低了节点平均能耗。

关键词：6LoWPAN,泊松分布,数据包到达速率,能耗

参考文献

[1]Park T R,Kim T H,Choi J Y,et al.Throughput and energy consump-tion analysis of IEEE 802.15.4 slotted CSMA/CA[J].IEEE Elec-tronics Letters,2005,41(18):1017-1019.

[2]MiLic J,Shafi S,MiLic V B.The impact of MAC parameters on the per-form-ance of 802.15.4 PAN[J].Ad hoc Networks(Elsevier),2005,3(5):509-528.

[3]Pollin S,Ergen M,Ergen S C,et al.Performance analysis of slotted car-rier sense IEEE 802.15.4 medium access layer[C]//Kero T,Yea J J,Ding Z,et al.IEEE Global Telecommunications Conference.San Fran-cisco,USA:IEEE,2006:126.

[4]Ramachandran I,Das A K,Roy S.Analysis of the Contention AccessPeriod of IEEE 802.15.4 MAC[J].ACM Transactions on Sensor Net-works,2007,3(1).

[5]方梅,陆阳.非饱和态802.15.4网络吞吐量建模分析[J].系统仿真学报,2010,22(4):1037-1041.

[6]Walrand J.An Introduetion to Queueing Networks[M].NewJersey:Pre-niiee-Hall,Ine,1988.

[7]Chen Z,Lin C,Wen P H.An Analyt ical Model for Evaluating IEEE802.15.4 CSMA/CA protocol in Low-rate wireless application[C]//Proc.of In ternat ion al Conference on Advanced Informat ionNetworking and Applications Workshops.NiagaraFalls,Ont,Canada,2007:899-904.

[8]Wen H,Lin C,Chen Z J,et al.An Improved Markov Model for IEEE802.15.4 Slotted CSMA/CA Mech-anism[J].Journal of ComputerScience and Technology,2009,24(3):495-504.

能耗节点 第4篇

无线传感器网络节点数目庞大、分布密集等自身特点, 易因能量耗尽导致节点或链路故障, 影响网络拓扑结构和网络传输稳定性等。能量受限是无线传感器网络一个显著的特征［1］。有关能耗优化与提高网络生命周期是无线传感器网络研究的重点。 无线传感器网络协议设计充分考虑到能源的高效使用, 以降低网络运行能耗、最大化网络生命周期为无线传感器网络节点设计的首要目标［2］。

基于节点功率控制的优点在于能够在满足连通度的前提下, 调节单个节点发射功率 ( output pow- er) , 使节点单跳可达到的临近节点的数目得到均衡。但是其应用中还是采用在每个节点中预先设置固定参数的模式, 只是固定参数是经过计算所得到的最优化数值, 并未考虑到参数动态调整对能耗优化的影响, 通过发送端和接收端之间的距离, 动态调整发送功率参数, 使发送功率达到能够完成传输数据目的的情况下能耗最小, 改变通用的固定参数设置所导致能量浪费的现象, 从而达到节省能量, 延长网络生命周期的目的。

因此, 主要研究网络节点发送数据时发送功率参数的动态调整与优化, 在不影响无线传感器网络数据采集和传输的基础上, 优化网络协议, 降低节点能耗, 最大化网络生命周期。

1相关研究工作

降低能耗是无线传感器网络研究的重要内容, 现有的节能技术主要集中在数据处理和数据传输部分。

1针对数据处理的节能技术研究主要集中在降低处理器的能耗, 能有效地节省数据处理时的能耗, 但网络能耗主要集中在无线传输阶段, 节能效果并不理想［3，4］; 2针对数据传输的节能技术。由于无线传感器网络的能量损耗主要集中在无线通信方面, 节能方法必然涉及到网络通信的各协议层。当前的研究工作主要集中在无线传输、网络路由和多址接入等3个方面。此次优化设计将主要针对无线传输阶段, 对节点发送数据时的发送功率进行优化设计［5］。

无线传感器网络能耗优化体现在节点协议优化方面, 主要从拓扑控制、路由协议和数据链路协议 ( MAC) 3个方面进行优化。拓扑控制主要包括节点功率和拓扑结构2个方面的研究, 对节点单跳可达到的临近节点的数目进行均衡, 优化数据转发网络, 以提高网络能效并延长网络生存周期。路由协议需要兼顾网络能耗与生命周期［6］。数据链路层的介质访问控制协议MAC ( medium access control) 负责无线信道的使用方式, 并对节点之间空闲的无线通信资源进行分配。在节省能量、可拓展性、网络效率算法复杂度和与其他层协议协同等方面是MAC协议设计中要着重考虑的［7］。

2发送功率参数设置优化

2. 1节点发送功率参数设置方法

在Simplici TI协议中, 现有的网络节点发送功率参数设置方法是固定参数设置, 即无论两个节点之间相距多远, 源节点都采用已设定好的发送功率参数。为了能够覆盖网络中较多的节点, 尤其是兼顾到较远节点的覆盖和数据传输, 需要将源节点的发送功率参数设置得较大。无线传感器网络中节点主要处于4个状态: 睡眠、空闲、发送和接收。在未进行接收和发送信息时, 节点会监听周围从而处于监听状态, 在发送和接收时是处于传输状态。节点的传输和监听都是具有一定时间范围的［8］, 如图1所示。图1中A点可以监听到B、C、D、E点发送的信息, 但是只能够正确解析B和D点发送过来的信息, 而不能正确解析C和E点发送的信息。发送节点和接收节点在传输信息时应该使用适当的功率来发送信息, 否则会产生过多的能量消耗或者无法成功发送信息。推荐使用最大的功率来传输RTS和CTS, 而用最小的功率来传输数据DATA和ACK帧。 因此, 改变现有的固定参数设置方法, 根据节点的位置而动态调整发送功率能够节省网络能量, 延长网络生存周期。

2. 2网络节点发送功率参数动态调整

为解决发送功率固定参数设置法导致能量过度消耗, 提出了通过计算2个通信节点之间的距离, 将发送功率控制在最小, 即能够完成连接和数据传输的最小发送功率。

为了获得一定距离下所需要的最小发送功率模型, 通过实验点对点发送消息获得在不同距离中, 能够成功连接的最小发送功率。根据CC1110芯片程序中PA_TABLE7-PA_TABLE0寄存器可以容纳8个用户选择的输出功率设置, 而最佳的输出功率和PA_TABLE设置之间的关系如表1所示。

由表1可知, 功率与P换算公式:

对于功率, d Bm = 10* lg ( 功率值/1 m W) 。因此, 当output power = 0 d Bm时, 发射功率为1 m W。 即发送功率和d Bm值是一一对应关系。因此用d Bm代替实际发送功率。实验测得数据如表2所示。

通过实验获得了9组输出功率和可传输数据距离。如图2所示, 横轴代表发送端与接收端的距离, 纵轴代表发送功率。当节点间距离较小时, 功率增长较快。在- 5 d Bm和5 d Bm之间距离增长较快, 可得出模型:

根据这9组实验数据和提出的模型, 通过曲线拟合, 得到输出功率和可传输数据距离的准确模型。 拟合曲线如图3所示。

图3为通过拟合出来的函数曲线, 纵坐标表示发送功率, 横坐标表示2个终端节点之间的距离。 圆圈点代表9组实验数据, 图中的曲线表示拟合出来的函数曲线。通过数据拟合, 得到了距离和功率之间的模型, 如式 ( 3) 所示:

式中, P表示以d Bm所代表的功率, d表示2个端点可通信的最长距离, 单位为m。

从图3可知, 通过最小二乘法拟合出来的图形达到了曲线与各试验点之间距离最小的目的。并且符合实际中对距离和功率之间联系的期望。在功率较小的时候, 所能达到的最远距离的增长较为缓慢, 而在接近1 m W的时候距离增长变得较快。而在一段距离过后, 增长速度又减缓到与最初增加速度相近。因此, 发送功率和距离的曲线应该是持续上升的指数曲线。

3参数动态调整方法分析与仿真

3. 1参数设置动态调整方法分析

现有能耗模型为固定参数设置, 即将发射功率设定为能够覆盖所有节点的固定值, 但是当和一些距离较近的节点通信时可能出现功率过剩。因此, 提出根据节点距离动态调整发射功率的思想。

能量模型如图4所示。

节点能耗主要分为2个部分: 发送数据能耗ETX ( k, d) 和接收数据能耗EＲX ( k) 。

式中, k是数据包长度; d是发送端到接收端距离; Eelec是电路发送和接收1 bit数据时消耗的能量; ε 是发射功率参数。由此能量模型分析可知: 当距离已知时, 功率越小能耗越少。因此通过功率- 距离模型, 通过已知的距离可计算出发送到目标节点的所需功率值。

3. 2点对点对等能耗仿真

在点对点对等网络中, 2个终端节点相互发送信息。假设2个节点相距距离最远为20 m, 并检测当距离小于20 m时的使用固定参数设置和动态参数设置方法的能量消耗。

点对点网络中固定参数设置法和动态参数设置法能耗对比如图5所示。在图5中, 横坐标代表2个终端节点之间的距离, 纵坐标代表相应距离相应功率下所消耗的能量。点状曲线代表改进之前固定参数设置能量曲线, 实线代表改进后变参数设置能量曲线。由图5可知, 整体上改进后的参数设定算法比之前的固定参数设定方法更为节约能量, 因此改进后的算法是具有可行性的, 达到了预期能耗节约的目的。

3. 3点对多点拓扑网络能耗仿真

假设在这个多点网络拓扑中有一个数据中心和2个终端节点, 数据中心可以接收终端节点发送来的信息, 并向终端节点发送信息。假设在这个星状拓扑网络中数据中心和节点相距d1= 10 m, d2= 20 m。并且相互之间以2次/s的速度发送信息200次［9］。

在固定参数设置法中为了保证全网的通信率, 会将发送功率设置为尽可能大。因此在最远节点距离为20 m的情况下, 需要将全部终端节点的发送功率设置为d = 20 m时的功率, 即p = 6. 457 9 d Bm。 而在动态参数设定法中, 可将距离数据中心10 m的节点的发送功率设置为10 m所对应的功率即p = - 1. 058 4 d Bm, 如图6所示。

图6中横轴表示发送数据次数, 纵轴表示消耗的能量。优化之前的线条 (标注为before) 表示使用固定参数设置法时, 根据发送次数能量消耗的曲线, 优化之前的线条 (标注为after) 表示使用动态参数设置法时, 能量消耗曲线。由图6可知, 随着发送次数的增加, 动态参数设置法的节能效果非常明显。

4结束语

能量受限是无线传感器网络一个显著的特征。 有关能耗优化与提高网络生命周期是无线传感器网络研究的重点。着眼于无线传感器网络节点耗能最多的无线传输模块的数据发送部分, 对现有节点协议中的发送功率参数设定方法进行了改进。为了得到距离和发送功率之间的转换模型, 利用点对点与点对多点的方法动态调整节点功率参数设置。通过数据拟合得到距离与发送功率之间的函数模型。由于无线传感器网络工作环境具有不确定性, 对验证实验进行了一定的简化。通过点对点对等实验和星状网络拓扑模型进行了验证。仿真实验结果表明: 动态调整节点发送功率参数相比改进前的节点放功率固定参数设置法, 在网络节点能耗性能方面有较大的提升, 节约了较多的能耗, 延长了网络生命周期。

参考文献

[1]胡克满, 陶军, 刘林峰, 等.一种节能的无线传感器网络路由算法的研究[J].机电工程, 2010, 27 (7) :53-56.

[2]任丰原, 黄海宁, 林闯.无线传感器网络[J].软件学报, 2003, 14 (7) :1282-1291.

[3]SINHA A, WANG A, CHANDRAKASAN A P.Algorithmic Transforms for Efficient Energy Scalable Computation[C]∥Proceedings of the ACM International Symposium on Low Power Electronic Design (ISLPED2000) .New York:ACM, 2000:31-36.

[4]CHIASSERINI C F.On the Concept of Distributed Digital Signal Processing in Wireless Sensor Networks[C]∥Proceedings of the IEEE Military Communications Conference (MILCOM'02) .Piscataway:IEEE, 2002:260-264.

[5]司海飞, 杨忠, 王珺.无线传感器网络研究现状与应用[J].机电工程, 2011, 28 (1) :16-20.

[6]任代蓉, 雷霖, 易勇.无线传感器网络的网络协议与能量问题综述[J].成都大学学报 (自然科学版) , 2006, 26 (1) :58-61, 67.

[7]严谨, 李平.能量有效的无线传感器网络MAC协议[J].计算机工程, 2010, 36 (23) :98-100.

[8]俞海, 张维勇, 冯琳, 等.无线传感器网络MAC协议的节能机制研究[J].合肥工业大学学报 (自然科学版) , 2006, 29 (12) :1516-1519.