作者：尚凤军
出版社：电子工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
无线传感器网络通信协议试读：
前言
无线传感器网络是当今国内外备受关注的、由多学科高度交叉的新兴前沿研究领域。无线传感器网络是一种全新的信息获取平台，能够实时监测和采集网络分布区域内各种检测对象的信息，并将这些信息发送到网关节点，以实现复杂的指定范围内目标的检测与跟踪，有着广阔的应用前景。过去的几十年计算机技术的发展给人类生活带来了深刻的变革，它的发展增强了人类处理信息的能力，相当于扩展了人类的脑力活动。无线传感器网络技术的产生将彻底改变人类自古以来仅仅靠自身的触觉、视觉、嗅觉来感知信息的现状，极大地提高人类获取信息的准确性和灵敏度。作为信息时代的一项变革性的技术，无线传感器网络可以使人们在任何时间、任何地点和任何环境条件下获取大量翔实、可靠的信息，真正实现“无处不在的计算”理念。无线传感器网络是信息技术的前沿和交叉领域，目前正处于起步阶段，将成为继计算机、互联网与移动通信网之后信息产业新一轮竞争中的制高点。美国《商业周刊》将无线传感器网络列为21世纪最具影响的21项技术之一，《技术评论》杂志也将其列为未来改变世界的10大新兴技术之首。我国在《国家中长期科学和技术发展规划纲要（2006—2020 年）》中，将无线传感器网络列入重大专项、优先发展主题、前沿领域，它也是国家重大专项“新一代宽带无线移动通信网”中的一个重要研究方向，同时国家重点基础研究发展计划（973 计划）也将无线传感器网络列为其重要研究内容。可以预言，无线传感器网络的发展和广泛应用，将对人们的社会生活和产业变革带来极大的影响和产生巨大的推动。本书编者经过近 5 年对无线传感器网络的学习和研究，积累了一定的成果，为本书的出版奠定了扎实的基础。我们首先从无线传感器网络的工作原理出发，通过吸收国内外大学和研究所的研究成果，对无线传感器网络的通信进行了研究，提出自己的看法和思路；接着从通信协议中的节能方面进行了研究，取得一定的研究成果，随着无线传感器网络应用的深入，多媒体传感器应运而生，因此研究适合于多媒体传感器网络环境的QoS通信协议势在必行；最后我们研究了水下传感器网络通信协议，并收到了一定的效果。随着不断地研究开发积累，通过对无线传感器网络的理论研究和技术实践经验总结，构成了本书全部的内容。根据当前国家有关部门对自组织网络及无线传感器网络技术和应用的密切关注程度，以及国家未来15年中长期科技发展战略部署和国家重点基础研究发展计划纲要的主题，本书划分为无线传感器网络概述等10章。无线传感器网络的概述部分剖析了无线传感器网络的特点，重点介绍当前主流无线传感器网络通信技术和典型应用。无线传感器网络关键技术部分涉及网络系统基本网络协议的讨论，还介绍了形成系统网络应用所需要的能量管理机制、QoS 保证技术、数据融合技术、定位技术管理机制。无线传感器网络仿真与原型开发部分以实际系统的仿真过程为实例，让读者与无线传感器网络进行亲密接触，构建一个切实可行的、属于自己的原型系统和设计平台。本书由尚凤军编著，苏畅博士、刘小明等多次参与有关本书的技术讨论，提供无线传感器网络的相关资料。另外，感谢重庆邮电大学计算机科学与技术学院对出版本书工作的支持。同时，参与本书编写的人员还有雷阳、任东海、王寅、刘小明。另外，在本书编写过程中，引用了部分作者的相关文献材料，在此一并表示感谢。第 9、10 章参考和引用了许多站点上的内容，在此对被引用的站点表示感谢，它们是千家网站点、物联网时代站点、中国网格计算站点、上海市无线电管理局站点、中国物联网站点等；同时，被引用的内容版权归站点或作者所有。同时，本书的出版得到了重庆邮电大学出版基金资助，重庆市自然科学基金资助（CSTC，2009BB2081），第39批“教育部留学回国人员科研启动基金”资助，重庆市教委科学技术研究项目资助。由于水平有限，加之编写时间仓促，书中疏漏之处在所难免，欢迎广大读者和同行批评指正。无线传感器网络正处在飞速发展的阶段，我们愿在吸取大家意见和建议的基础上，不断修改和完善书中有关内容，为推动无线传感器网络应用领域的发展与进步尽微薄之力。为充分展现本书编写特色，帮助读者深刻理解本书的编写意图与内涵，进一步提高对本书教学的使用效率，我们建立本书使用指导联络方式，欢迎读者将图书使用过程中的问题与各种探讨、建议反馈给我们，本书编者将竭诚为您服务。我们的联系方式是E-mail: shangfj@cqupt.edu.cn.。编者第1章 无线传感器网络概述1.1 引言无线传感器网络的基本思想起源于 20 世纪 70 年代；1978 年，DARPA在卡耐基—梅隆大学成立了分布式传感器网络工作组；1980 年，DARPA 的分布式无线传感器网络项目（Wireless Sensor Network，WSN）开启了传感器网络研究的先河；20 世纪 80～90 年代，研究主要在军事领域，成为网络中心战的关键技术，拉开了无线传感器网络研究的序幕；20 世纪 90 年代中后期，W S N引起了学术界、军界和工业界的广泛关注，发展现代意义的无线传感器网络技术。无线传感器网络是一种新型网络，它可以很方便地进行数据的实时监测，并且将数据发送给Sink节点，以实现特定的功能。无线传感器网络在未来有非常大的发展空间，因为它和数据应用高度相关，可以很方便地实现各种用户的需要。在计算机技术发展的过程中，人类得到了各种的便利。无线传感器网络作为一项新型技术，可以[1]很好地方便用户获取真实和可靠的数据。无线传感器网络作为一个前沿的研究[2]领域，现在仍处于发展阶段，它具有很大的发展潜力。在当今信息技术飞速发展的时代，互联网为人们提供了快捷的通信平台，极大地方便了人们的信息交流，无线传感器网络技术的产生将彻底改变人类自古以来仅仅靠自身的触觉、视觉、嗅觉来感知信息的现状，极大地提高人类获取信息[1]的准确性和灵敏度。作为信息时代的一项变革性的技术，无线传感器网络可以使人们在任何时间、任何地点和任何环境条件下获取大量翔实、可靠的信息，真正实现“无处不在的计算”理念。无线传感器网络是计算机科学技术的一个新的研究领域，具有十分广阔的应用前景，它的出现引起了全世界范围的广泛关注[2]。美国《商业周刊》将无线传感器网络列为 21世纪高技术领域中的四大支柱型产业之一，《技术评论》杂志也将其列为未来改变世界的10大新兴技术之首。可以预言，无线传感器网络的发展和广泛应用，将对人们的社会生活和产业变革带来极大的影响和产生巨大的推动力。无线传感器网络的研究历史不长，但发展很快。从国外的研究现状来看，整体的研究成果仍处于原型和小规模试验阶段，距实际应用需求还有一定距离。对我国而言，无线传感器网络的研究处于起步阶段，因此，无线传感器网络给科技工作者提供了巨大的研究空间。美国军方最先开始无线传感器网络技术的研究，开展了包括CEC、REMBAS5、TRSS、SensorIT、WIN5、Smart Dust、Sea Web、lLAMPS、NEST等研究项目。美国国防部远景计划研究局已投资几千万美元，帮助大学进行无线传感器网络技术的研发。美国国家自然基金委员会（NSF）也开设了大量与其相关的项目，NSF于2003年制定W5N研究计划，每年拨款 3 400 万美元支持相关研究项目，并在加州大学洛杉矾分校成立了传感器网络研究中心。2005年对网络技术和系统的研究计划中，主要研究下一代高可靠、安全的可扩展的网络，可编程的无线网络及传感器系统的网络特性，资助金额达到 4 000万美元。此外，美国交通部、能源部、美国国家航空航天局也相继启动了相关的研究项目。美国所有著名院校几乎都有研究小组在从事W5N相关技术的研究，加州大学洛杉矾分校、加州大学伯克利分校、麻省理工学院、康奈尔大学、哈佛大学、卡耐基—梅隆大学等在WSN研究领域成绩较为突出。国际相关学术会议对WSN的研讨增多，检索论文数目逐年以较大幅度增加。美国的Crossbow、Dust Network、Ember、Chips、Intel、Freescale 等公司也开展了 W5N 的研究工作。其他国家如加拿大、英国、德国、芬兰、日本和意大利等的研究机构也加入了WSN的研究。欧盟第 6 个框架计划将“信息社会技术”作为优先发展领域之一，其中多处涉及对WSN的研究，启动了EYES等研究计划。日本总务省在2004年3月成立了“泛在传感器网络”调查研究会。韩国信息通信部制定了信息技术“839”战略，其中“3”是指 IT 产业的带融合网络、泛在传感器网络、下一代互联网协议。企业界中，欧盟的 PhiliPs、Siemens、Ericsson、ZMD、France Telecom、Chipcon 等公司，日本的 NEC、OKI、SKYLEYNKTWoRKS、世康、欧姆龙等公司都开展了WSN的研究。“中国未来20年技术预见研究”提出的157项技术课题中有7项直接涉及无线传感器网络。2006年年初发布的《国家中长期科学与技术发展规划纲要》为信息技术确定了3个前沿方向，其中2个与无线传感器网络研究直接相关。国家自然科学基金委员会已经在该领域设立了多个重点项目和面上项目。2010年远景规划和“十二五”计划中，将无线传感器网络列为重点发展的产业之一。中科院计算技术研究所、中科院自动化所、清华大学、北京交通大学、北京邮电大学、国防科技大学等研究单位及高校在无线传感器网络方面也做了大量的工作，中移动、华为、中兴等高科技企业也展开了对无线传感器网络的研究。1.2 无线传感器网络介绍无线传感器网络是近年来基于数字电路、无线通信、微电机系统等学科发展起来的一个新的研究领域，它是由部署在检测区域内大量廉价的微型传感器节点组成，通过无线通信的方式形成的一个多跳的自组织网络系统，其目的是协作地[3]感知、采集和处理网络覆盖区域中感知对象的信息，并发送给观察者。1.2.1 无线传感器网络体系结构无线传感器网络的典型结构如图1.1所示，通常包括传感器节点（Node）、会[4]聚节点（Sink）和管理节点。大量传感器节点随机部署在监测区域内部或附近，它们监测到的数据沿着其他传感器节点逐跳地进行传输，在传输过程中监测数据可能被多个节点处理，经过多跳后路由到会聚节点或远方基站BS，最后通过互联网或卫星到达管理节点。用户通过管理节点对无线传感器网络进行配置和管理，发布监测任务及收集监测数据。图1.1 无线传感器网络结构传感器节点由传感器模块、处理器模块、无线通信模块和能量供应模块四部[5]分组成，如图1.2所示。传感器模块负责监测区域内信息的采集和数据转换；处理器模块负责控制整个传感器节点的操作，存储和处理本身采集的数据及其他节点发来的数据；无线通信模块负责与其他传感器节点进行无线通信，交换控制消息和收发采集数据；能量供应模块为传感器节点提供运行所需要的能量。图1.2 无线传感器网络节点组成无线传感器网络协议栈包括物理层、数据链路层、网络层、传输层和应用层，与互联网协议栈的五层协议相对应；另外，协议栈还包括能量管理平台、移动管理平台和任务管理平台。这些管理平台使得传感器节点能够按照能源高效的方式协同工作，在节点移动的无线传感器网络中转发数据，并支持多任务和资源共[6]享。无线传感器网络协议栈如图1.3所示。图1.3 无线传感器网络协议栈各层协议和平台的功能如下。● 应用层：包括一系列基于监测任务的应用层软件。● 传输层：负责数据流的传输控制，是保证通信服务质量的重要部分。● 网络层：主要负责路由生成与路由选择。● 数据链路层：负责数据成帧、帧监测、媒体访问和差错控制。● 物理层：提供简单但健壮的信号调制和无线收发技术。● 任务管理平台：在一个给定的区域内平衡和调度监测任务。● 移动管理平台：检测并注册传感器节点移动，维护到会聚节点的路由。● 能量管理平台：对节点如何使用自身的有限能量进行管理。1.2.2 无线传感器网络的特点和关键技术[5-13]与传统的无线网络相比，无线传感器网络具有以下特点。（1）以数据为中心：无线传感器网络中节点数目较大，传感器节点可以不使用全局唯一的IP地址来标识，而使用局部可以区分的标号标识。所以使用者在采集数据时，是以数据为中心的。在传输多媒体数据时，网络需要有QoS保障。（2）电源容量有限：传感器节点通常使用电池供电，所以传感器节点的能量非常有限。因此，降低无线传感器网络中传感器节点的能耗，对延长无线传感器网络的生存时间非常重要。（3）硬件资源受限：无线传感器网络中的传感器节点通常不具有非常强大的硬件，所以传感器节点对数据的处理能力较为有限。（4）网络自组织：无线传感器网络中的传感器节点在随机撒播在目标区域后，通过自组织的方式形成网络，无须任何预设的网络设施。[13-19]无线传感器网络是当前研究的一个热点，下面列出部分关键技术。● 网络协议：无线传感器网络中，各个传感器节点自组织形成一个数据传输网络。当前研究的重点是网络层协议和数据链路层协议。网络层的路由协议决定监测信息的传输路径；数据链路层的介质访问控制协议用来构建底层的基础结构，控制传感器节点的通信过程和工作模式。● 节点定位：是确定事件发生的位置或采集数据的节点位置。为了提供有效的位置信息，随机部署的传感器节点必须能够在布置后确定自身位置。● 节能技术：因为无线传感器网络对能耗非常敏感，所以需要特别重视能耗。在网络协议等方面都应该注重节能。● 数据融合：减少传输的数据量，能够有效地节省能量，因此在从各个传感器节点收集数据的过程中，可以用节点的本地计算和存储能力来处理数据的融合，去除冗余信息，从而达到节省能量的目的。1.2.3 无线传感器网络的应用无线传感器网络将是对21世纪产生巨大影响的技术之一，它有着巨大的应用前景，主要表现在军事、医疗、环境、家庭及其他商业领域等。各种传感器网络[15-19]将遍布我们的周围，并逐步深入到人类生活的各个领域。1．军事领域的应用传感器网络是由密集型、低成本、随机分布的节点组成的，自组织性和容错能力使其不会因为某些节点在恶意攻击中的损坏而导致整个系统的崩溃，这一点是传统的传感器技术所无法比拟的。也正是这一点，使无线传感器网络非常适合应用于恶劣的战场环境中，包括监控我军兵力、装备和物资，监视冲突区，侦察敌方地形和布防，定位攻击目标，评估损失，侦察和探测核、生物和化学攻击。2．工业监控随着社会的进步和发展，在工业生产过程中首要强调的是安全问题。在那些危险的工业环境如井矿、核电厂、钢材加工等，工厂可以通过无线传感器网络来进行过程监控、实施安全检测。在工业自动化生产线上，可以通过组建无线传感器网络来构建监控系统。利用监控系统可以大大改善工厂的运作条件，可以大幅度降低检查设备的成本，同时由于可以提前发现问题，这样将能够缩短设备的停机时间，提高效率，并延长设备的使用时间。无线传感器网络在工业中可以进行实时过程监控，使用流媒体查询服务，该服务针对用户对多媒体传感器节点采集到的音频和视频数据进行实时查询，此类型服务需要QoS保障。3．农业及生物环境保护随着社会科技的发展，在农业中也用到了越来越多的高科技，无线传感器网络就是其中之一。农业中的应用一般是将大量的传感器节点构成监控网络，通过各种传感器采集信息，以帮助农民及时发现问题，并且准确地确定发生问题的位置。这样，农业将有可能逐渐地从以人为中心、依赖于孤立机械的生产模式转向以信息和软件为中心的生产模式，从而大量使用各种自动化、智能化、远程控制的生产设备。在农业中典型的应用有温室环境应用、节水灌溉应用和精准农业等。4．医疗及护理无线传感器网络在医疗研究、护理领域也表现出了优势，其用途主要有无线监测人体生理数据、医院药品管理、老年人健康状况监控和远程医疗等。如果在住院患者身上安装特殊用途的传感器节点，如心率和血压监测设备，利用无线传感器网络，医生就可以随时了解被监护患者的病情，进行及时的处理。罗彻斯特大学的科学家使用无线传感器网络创建了一个智能医疗房间，用智能传感器节点来测量患者的重要征兆，比如血压、脉搏和呼吸、睡觉姿势，以及每天24小时的活动状况。5．跟踪及物流管理随着经济的快速发展，物流业得到前所未有的重视和发展，传统技术的应用已不能满足现代物流管理信息的实时化、管理体系的“自优化”要求。借此发展契机，无线传感器网络技术结合RFID、GPS等技术正应用到车辆追踪与监控、供[5]应链的监控等方面，而且RFID已成为发达国家进行物流管理的主要技术手段。在日本和韩国，电子标签已成为大部分物流配送中心的标准配置，在物流管理中发挥越来越大的作用。基于RFID、集GIS和GPS为一体的集成环境，构建基于无线传感器网络具有实时跟踪和监控功能的物流管理系统可以促进现代物流管理业的发展。在国际上已有很多公司、企业正在研究开发与该领域有关的芯片、软件中间件、数据库、供应链管理、整体解决方案等。在技术标准方面，总部设在美国麻省理工学院（MIT）的Auto-ID Center和日本的Ubiquitous ID Center相继提出独立适用的RFID技术标准。随着RFID与无线传感器网络相结合，它们在跟踪及物流管理中将得到更好的推广应用。6．建筑及土木工程目前，随着建筑结构的日趋复杂化和大型化，尤其是大型建筑结构在施工过程和建成使用期间的安全性成为人们非常关心的问题。根据无线传感器网络的特点，可以用来监测这些大型建筑物的结构安全等。在国内外都有桥梁、大楼等坍塌的事故发生。在一个完整、可靠、高效的结构安全监测系统中，无线传感器网络作为监测系统的基本组成部分，在整个系统中起着举足轻重的作用。系统中的[5]智能传感器检测物理量的变化、测量信号调理（如滤波和A/D转换等）、数据处理及数据显示等。这些智能传感器组成无线传感器网络，处理无线传感器网络中的数据，从而得到建筑结构的安全状况。可以大胆地预见，将来无线传感器网络将无处不在，其应用可以涉及人类日常生活和社会生产活动的所有领域，将完全融入人们的生活。1.3 无线传感器网络路由算法1.3.1 无线传感器网络路由算法研究的主要思路无线传感器网络具有硬件资源有限和以数据为中心的特点，通常是以多种策略来设计路由协议的。一个好的路由协议通常具有这些特点：通过设计高效的路由选择方法来克服无线传感器网络诸如硬件较差和能量有限等特点；对于包头开销大、通信耗能、节点有合作关系、数据有相关性、节点能量有限等特点，采用数据聚合、过滤等技术；针对流量特征、通信耗能等特点，采用通信量负载平衡技术；针对节点少移动的特点，不维护其移动性；针对网络相对封闭、不提供计算等特点，只在Sink节点考虑与其他网络互连；针对网络节点不常编址的特点，采用基于数据或基于位置的通信机制；同时，对于无线传感器网络的传感器节点[20,21]可能发生失效等问题的特点，可以设计具有多路径选择的路由方式。由当前的无线传感器网络路由算法的各项特点，可以将当前无线传感器网络[20,21]路由算法研究的主要思路总结为如下几点。1．减少通信量以节约能量由于无线传感器网络中的数据通信非常耗能，所以为了提高无线传感器网络的生存时间，必须在设计路由算法时重视降低能耗。可以在进行路由选择时，将通信能耗作为权重参数，也可以在数据查询或者数据上报中采用某种过滤机制，抑制节点上传不必要的数据。因为无线传感器网络的节点数目非常多，在进行数据传输的过程中，同一个节点可能收到多个冗余的数据，因此无线传感器网络中采用数据融合机制非常重要，这样也可以起到降低传输能耗的作用。2．提高路由的QoS性能尽量提高网络资源的利用率，第一个目标要求在多约束条件下计算可行路径；第二个目标要求在多条可行路径中进一步优化，优化的方式通常是首先设计cost函数，然后求解函数值最优的可行路径。作为在网络层提供QoS支持的载体，QoS路由协议的好坏对无线传感器网络的性能有重要影响。3．保持通信量负载平衡无线传感器网络中，可以非常灵活地使用路由策略让各个节点分担数据传输。无线传感器网络中有效地均衡节点的剩余能量也非常重要，因为这样可以提高整个网络的生存时间。在无线传感器网络的QoS路由选择中，可增加对随机路由选择的可能性，同时降低选择固定路由的可能性。无线传感器网络中，选择下一跳节点时，将下一跳节点的剩余能量作为考察参数，避免重复选择濒临死亡的节点，以有效地均衡全网的能耗。4．路由算法应具有容错性因为无线传感器网络的工作环境往往不在室内，而且更换传感器节点将会带来额外的开销。所以，当无线传感器网络的传感器节点发生故障时，应该尽量利用节点易获得的网络信息计算路由，以确保在路由出现故障时能够尽快得到恢复；在条件允许时，无线传感器网络可以使用多路径传输，以保证数据传输的可靠性。5．路由算法的安全性因为无线传感器网络属于无线网络的一种，它的路由协议比较容易受到安全的威胁，特别是当无线传感器网络的使用场景为战场时。当前无线传感器网络的路由算法比较少考虑安全性问题。所以，未来的无线传感器网络路由算法应该将安全性问题纳入考虑的范围，以保证无线传感器网络在恶劣生存环境中的有效使用。1.3.2 无线传感器网络路由算法的分类无线传感器网络路由算法负责在Sink节点和传感器节点间进行数据的传输。因为无线传感器网络具有和应用密切相关的特性，所以，一种路由协议经常不能满足多种应用场景的要求。因此现在的无线传感器网络的路由算法也多种多样。根据无线传感器网络路由算法的特点，根据当前路由算法所使用的通信方式、路由选择方式、路由建立方式、传感器节点状态维护、传感器节点的标示方式和数据传递方法等标准，可以将无线传感器网络的路由算法分出多个类型。目前无线[20,21]传感器网络路由算法的多个类型如下。（1）根据无线传感器网络传输过程中使用传输路径的数目，可以把无线传感器网络的路由算法分成单路径路由协议和多路径路由协议。单路径路由节约存储空间，数据通信量少；多路径路由容错性强，健壮性好，且可从众多路由中选择一条最优路由。（2）根据路由选择是否考虑QoS约束，可分为保证QoS的路由协议和不保证QoS的路由协议。保证QoS的路由协议是指在路由建立时，考虑时延、丢包率等QoS参数，从众多可行路由中选择一条最适合QoS应用要求的路由。（3）根据节点在路由过程中是否有层次结构、作用是否有差异，可分为平面路由协议和层次路由协议。平面路由简单，健壮性好，但建立、维护路由的开销大，数据传输跳数多，适合小规模网络；层次路由扩展性好，适合大规模网络，但簇的维护开销大，且簇头是路由的关键节点，其失效将导致路由失败。（4）按照无线传感器网络中路由建立时机与数据发送的关系，可以将路由算法分为主动路由算法、按需路由算法和混合路由算法三种类型。主动路由的建立和维护开销比较大，对软、硬件的资源要求比较高；按需路由只在特定事件发生时进行，但是按需路由需要在传输之前进行路由的计算，所以按需路由往往会延时较大；混合路由结合了前两种的特点。（5）根据是否以地理位置来标识目的地、路由计算中是否利用地理位置信息，可分为基于位置的路由协议和非基于位置的路由协议。当无线传感器网络的应用需要了解突发事件的地理位置时，就需要使用基于位置的路由算法的应用。基于地理位置的无线传感器网络路由算法需要使用GPS系统或者其他一些定位方式来确定无线传感器网络中传感器节点的位置。（6）根据是否以数据来标识目的地，可分为基于数据的路由协议和非基于数据的路由协议。无线传感器网络中很多应用需要对特定类型的数据进行查询，这也是基于数据的路由协议的应用基础，但需要分类机制对数据类型进行命名。（7）根据节点编址与否以及能不能以地址标识目的地，可将无线传感器网络的路由算法分成基于地址的路由算法和非基于地址的路由算法。在无线传感器网络中，一般不单独使用基于地址的路由而与其他策略结合使用，而在传统的网络路由算法中比较常用基于地址的路由。（8）根据无线传感器网络中的数据在传输过程中是否需要进行聚合，可以分成数据聚合的路由算法和非数据聚合的路由算法。通常，在无线传感器网络中进行数据的聚合可以有效地减少无线传感器网络中的通信开销。一般来说，在无线传感器网络中使用数据聚合同时也需要时间同步机制，这样会造成数据传输的时延增大。（9）根据路由是否由源节点指定，可分为源站路由算法和非源站路由算法。在无线传感器网络中，源站路由算法节点无须建立、维护路由信息，从而节约存储空间，这样可以减少通信开销。但如果网络规模较大，数据包头的路由信息开销也大，而且如果网络拓扑变化频繁，将导致路由失败。（10）根据路由建立时机是否与查询有关，无线传感器网络的路由算法可以分成基于查询的路由算法和不基于查询的路由算法。基于查询的路由算法可以较好地节省传感器节点的存储空间，但数据时延较大，并且不适合环境监测等需紧急上报的应用场景。1.3.3 无线传感器网络QoS路由算法研究的基本思想无线传感器网络QoS路由算法的基本目标是为不同服务找到满足其QoS需求的一条从源节点至会聚节点的路径，其中路径约束条件包括带宽、时延、丢包率、搜索次数、距离、流量条件等。无线传感器网络自身的特点决定了设计 QoS 路由协议将面临很大的挑战，通[22-30]常的挑战分析如下。1．无统一的网络标志无线传感器网络的规模一般很大，并且是以数据为中心的，比较难给无线传感器网络分配统一的逻辑地址。因此无线传感器网络中的路由算法一般采用分布式策略，通过无线传感器网络中的局部拓扑信息来逐步构建路由，并且维护路由。2．以数据为中心与以地址为中心的传统通信方式不同，无线传感器网络中往往是以数据为中心的。因此，无线传感器网络中把传感器节点作为数据的采集源。同时，也可以把无线传感器网络作为采集数据库。在无线传感器网络中，把采集数据的管理和处理作为网络的应用目标，所以在进行无线传感器网络QoS路由算法的设计时需要引入新的设计思路。3．数据高度冗余在无线传感器网络中，为了有效降低传感器节点的开销并且降低传感器节点的能耗，一般需要无线传感器网络中的中间转发节点对所接收到的数据进行融合，以降低数据的冗余量。但QoS数据流的融合通常比较复杂，例如，图像数据流和视频数据流本身的比较就是一种很耗费计算资源和能量资源的事情。在无线传感器网络中，源节点对数据流进行一些简单的融合处理具有一定的必要性。4．资源严格受限无线传感器网络中的节点通常使用电池供电，同时传感器节点的大小通常受到限制，并且传感器节点的价格也会有要求。因此，无线传感器网络传感器节点的软硬件条件通常较为一般，包括传感器节点的能量、计算能力、存储能力和传输功率。无线传感器网络中通常要求路由算法尽量简单有效并能够在网络整体上达到节能，延长无线传感器网络的生存时间，必要时还需要提供资源管理机制。1.3.4 无线传感器网络QoS路由算法研究的分类无线传感器网络的QoS路由算法根据每个节点是否维护网络的全局状态信息可分为集中式 QoS路由算法和分布式 QoS路由算法。集中式 QoS路由算法中，每个节点维护网络的全局状态，源节点根据这些状态信息集中计算路由；分布式QoS路由算法通过分布式计算得到路由，在计算的过程中，各个节点通过交换控制消息来找到一条满足QoS要求的路径。1．集中式QoS路由算法[26]（1）SARSAR是第一个基于无线传感器网络提供QoS保证的路由算法，它使用树结构来创建多条从源节点到达基站节点的路径。该算法在创建路径时考虑节点的延时、丢包率等QoS参数及最大数据传输能力；各个节点建立了从自己到Sink节点的具有不同QoS参数的多条反向路径。当由源节点发送数据时根据路径评价和数据分组包优先级确定传输路径，选择一条或多条路径进行传输。SAR算法的优点是把传输路径的耗能与数据分组的优先级共同作为评估QoS性能的参数；缺点是源节点必须保存从源节点到达Sink节点的所有路由信息，所以SAR的路由信息维护、节点QoS参数和能耗信息的更新将会使网络开销比较大。[27]（2）EQREQR路由算法是由Kemal Akkaya等人提出的能量感知QoS路由算法。EQR路由算法通过评估链路代价、扩展Dijkstra算法为节点找到符合QoS需求的最小代价路径。链路代价模型定义如式（1.1）所示。在EQR运行过程中，节点首先检查到达数据分组的类型，然后把数据分组放到相关的队列中。观测节点计算所有可选路径的延迟信息，然后根据QoS的需求可以确定带宽比例取值。调度器将会按照带宽比例参数来安排等待分组的传输先后顺序。EQR可以给实时业务提供一定的QoS保证，也可避免出现因为实时业务流量突然增加而降低非实时通信的吞吐量。但是因为EQR采用集中式路由策略，源节点或观测节点都必须保留全网的状态信息，这些信息有网络拓扑信息和路径代价信息等。EQR算法中虽然将中继节点的实现简化了，但是其在大规模网络部署环境下的协议开销和性能都较差。2．分布式QoS路由算法[28]（1）QoS-GBPQoS-GBP用几何学的局部决定转发机制优化网络中广播的数量，实现通信开销与延时之间的权衡及节省能量的目的。协议设节点知道自己的位置，通过规则六边形的有效覆盖性质来确定最少的活动节点，六边形的顶点为节点，边的长度是节点的通信半径。每个节点在各个方向上确定优秀的位置来避免广播泛滥。如果网络中的节点得到了一跳邻居节点的位置，则每个广播分组的头部包含位置域参数及优秀位置附近的节点列表。在 QoS-GBP 算法中，为了避免两个距离很近的邻节点相互转发， QoS-GBP协议设置了一个门限。如果邻节点之间的距离比这个设置的门限值低，则相互不[25]转发。QoS-GBP为防止出现重复转发相同的分组，节点将会在一定的延迟之后来确认该不该转发分组，所以QoS-GBP拥有比较好的传播开销，同时也增加了传播延时的代价。[29]（2）EQoSEQoS是可以支持同构和异构这两种类型的无线传感器网络。EQoS把覆盖率作为重要的服务质量参数，该协议是一个考虑负载均衡、延时和开销的能量感知路由协议。EQoS的运行可以分为两个过程，第一个过程是建立一个虚拟的通信框架来确定网络中节点的位置信息。在异构网络中，一部分节点为增强型节点，具有较多的资源和GPS设备的支持，这些节点作为网络中的位置参考节点，其他普通节点根据这些参考节点和局部定位算法得到自己的大致位置信息。同构网络中的节点则要通过局部定位获得位置信息。第二个过程是在第一个过程的基础上，通过一个分布式的算法关闭冗余节点，得到满足一定覆盖率的最小节点子集。EQoS具有天然的分布式特性，扩展性好。协议中，如果一个节点检测到其他节点已经发送过相同的冗余信息，则该节点进入休眠状态。这种频繁的休眠与唤[25]醒需要很大的开销。[30]（3）MCBRMCBR 协议是一个基于约束的消息驱动路由协议，它使用元路由策略和消息机制在应用层中进行QoS效率的保障。MCBR 协议使得消息规范机制将路由选择方式、路由约束和路由选择的目标明确地从路由策略中分离开，可以使 MCBR 协议应用多种路由策略。MCBR协议选择路径的目的是指一条路由上各个节点属性的约束集。路由约束一般是局部的路由约束条件，像如何避开拥塞、低能量的节点等。选路目标是路由选择的指标，如最短路径、最佳连通度、最小拥塞等。所以，MCBR 是一个协议框架，在这个框架内各种路由策略的适用范围和性能还需作更深入的研究。[31]（4）MMSPEEDMMSPEED协议是在SPEED协议基础上提出的基于服务优先级的路由协议，MMSPEED协议可以很好地对QoS的实时性和可靠性进行保证。该协议利用多条路径实施数据分组的可靠传输，通过多个全局的分组传输速率来保证实现实时需求。MMSPEED 协议采用带有动态补偿的局部地理转发机制来弥补仅靠局部信息决策所带来的差错。如果中间节点感知到数据分组以目前的速率无法满足软实时保证，该节点就把数据分组的传输速率调节到更高的级别。该协议的优点是可以满足多种业务流的实时性和可靠性保证。其缺点是算法相对复杂，能量消耗太大；另外，协议的实时保证需要 MAC 层的优先级区分机制来支持，每一种速率值都要[25]映射在 MAC 层的优先级分类中，因此网络中的开销很大。[32]（5）OEDSROEDSR协议是应用于目标监测、以节点能量消耗和端到端传输延时为链路代价建立最佳路由的 QoS 路由协议。OEDSR 协议采用了基于簇的分层路由结构，节点监测到的信息先传到簇头（CH），再由簇头经多跳传送到基站（BS）。簇头根据式（1-2）选取，其中Er表示节点的剩余能量，S（n）表示节点监测到目标n的属性值。因此剩余能量越多，距离目标越近的节点越容易成为簇头。节点根据链路代价选取下一跳中继节点，链路代价如式（2-3）所示。其中：delay 表示任意两个节点之间端到端的延时；dist表示目的节点到基站的距离。该协议能够保证源节点到基站的最小延时和能量有效；缺点是在选择中继节点时，簇头需要向通信范围[25]内所有节点广播 Hello 分组，并需要节点发送应答分组，开销较大。[33]（6）QGRLaura Savidge等人提出的基于QoS的地理位置路由协议（QGR）在WSNs中周期性地上传监测到的图像信息，是一个典型的事件驱动应用。大量同时上传的大尺寸数据分组可能会降低网络的吞吐量，导致较长的传输延时。QGR的目标就是解决在低带宽的WSNs环境下实现大量周期性上传的数据分组端到端的延时和尽力而为的QoS支持。为实现这一目标，该协议引入了两种机制：在路由候选中加入基于队列的代价函数；为不同的数据分组类型设置相应的优先等级。协议把网络中的数据类型分为周期发送的低带宽数据和事件驱动的高带宽数据两类。节点的队列缓冲区根据数据类型也相应地分成两类。假设节点转发一种数据的概率为P，则同时转发另一种数据的概率为（1−P）。该协议采用基于角度方位信息的定位策略，有效地节省了能量。但代价函数的计算特别是位置代价的计算相对复杂。[34]（7）ReInForMReInForM 是一个提供可靠数据传输的多路径路由协议，考虑可靠性需求、信道质量及传感器节点到Sink节点的跳数。计算出传输路径数后，源节点在邻节点中选择下一跳节点作为转发路径。邻节点根据与源节点的跳数比较被分为跳数相同、跳数少1和跳数多1三类。源节点在跳数少1的类型中选择一个作为下一跳节点；其他中间节点采用与源节点相同的方式选择自己的下一跳节点，直到数据到达Sink节点。该协议由于需要通过Sink节点的更新消息和邻节点来获得到达Sink节点[25]的跳数，因此不适合大规模的传感器网络。[35]（8）ARAWSN梁华为等人提出了无线传感器网络蚁群优化路由算法（ARAWSN），该算法利用蚁群的自组织和自适应寻优机制进行网络优化路径的建立和维护，采用释放信息素的概念来减少控制信息的流量，进一步降低路由开销，实现网络信息的高效传输，与定向扩散（Directed Diffusion）算法对比优势明显。ARAWSN无须像定向扩散算法那样专门的路径加强过程，无须通过周期性的兴趣扩散来进行路径的维护。路径的加强和维护在数据传输过程中自动进行，不需要使用额外的数据包和数据的传输过程来进行优化路径的建立和维护。蚁群算法自组织、自适应和动态寻优的特点使得 ARAWSN 算法能够自动适应网络状态的动态变化，算法的鲁棒性强。ARAWSN算法的缺点是该算法基于最基本的蚁群算法进行改进，算法寻找全局最优解的能力较差。1.3.5 平面路由的主流算法在平面路由算法中，网络节点的地位都是平等的，没有等级和层次差异，它们通过相互之间的局部操作和信息反馈来生成路由。平面路由的优点是简单、易扩展，不需要进行任何结构维护工作，所有网络节点的地位平等，不容易产生瓶颈效应，具有较好的健壮性。1．Flooding算法及Gossiping算法[36]Flooding（泛洪算法）和 Gossiping（闲聊算法）是无线传感器网络中的两个经典算法。在Flooding算法中，当节点收到新的数据时，它向所有的邻节点广播所收到的信息，直到数据到达目的节点或者达到数据传输的最大跳数为止。该算法实现简单，不需要为保持网络的拓扑结构和实现复杂的路由发现算法而消耗资源；表现不足的是会引起信息的内爆、重叠、盲目使用资源。Gossiping算法是对Flooding算法的改进，为了节约能量，在传输数据时通过随机选取节点进行有目的的传播，避免了信息内爆的问题，但是这种方法延长了信息传播的时间。2．MTE算法[37,38]MTE（Minimum Transmission Energy）算法利用最小化传输能量的多跳传输方式建立路由。算法在仿真开始时运行相关算法以决定它的下一跳邻居节点，该节点是其通往基站方向上最近的邻居节点，然后数据通过这些一跳邻居节点被发送到基站。这样，节点除了感知环境收集信息外，还要为其他节点进行数据中转。节点发送数据时，利用CSMA（载波侦听多路访问）方式监听信道，如果信道忙，节点不立即发送数据；否则，就将数据发送到它的下一跳邻居节点。当某节点死亡时，它的上游邻居节点会将数据发送到它的下游邻居节点以保持网络的连通性，这就增加了上游邻居节点的发送能耗。如果数据间没有相关性（即无须进行数据融合），这是一种通信能耗最小的方法。1.3.6 分簇路由的主流算法近年来不断有论文研究分簇路由算法，提出了各种路由方案，先后在能量消耗和网络生命周期上取得较大突破。下面介绍几种比较有代表性的算法。1．LEACH算法[39]LEACH（Low Energy Adaptive Clustering Hierarchy）算法是由MIT的Heinzelman 等人提出的，它是无线传感器网络中第一个被提出的分簇路由算法，在无线传感器网络路由算法的研究中有非常重要的位置，部分基于分簇的路由算[40][41][42]法如DCHS、TEEN、APTEEN等都是借鉴LEACH分簇的思想发展而来的。LEACH节约能量的主要方法就是减少与基站直接通信的节点个数，并运用数据融合技术来减少数据的发送量，从而减少通信能量的消耗。提出以“轮”为工作周期，每轮选择新的簇头，达到把网络中的能量消耗分布在所有节点上的目的。LEACH算法选举簇头的过程是：节点从0到1的随机数中任意选择一个数值，若当前轮中这个数值小于设定的阈值T (n) ，则选该节点成为簇头。T (n)的计算公式为：2．LEACH-C算法[43]LEACH-C（LEACH-Centralize）是一种集中式的簇头选择算法，不同于 LEACH 分布式随机选择簇头的方式，它要求只有能量高于网络平均剩余能量的节点才有可能被选为簇头。LEACH-C通过每个节点与BS直接通信以汇报自己的位置和能量信息的方式，来评估网络剩余能量的平均值和优化簇头的选择，BS根据各节点发送来的信息选择簇头，这样使得每个区域内的节点数大致相同，实现负载均衡，因而LEACH-C的性能要优于LEACH。显然，这个过程需要消耗较多的通信能量，但却延长了网络第1个节点死亡的时间。3．PEGASIS算法[44]PEGASIS（Power-Efficient gathering in Sensor Information Systems）是由LEACH发展而来的，该算法将网络中的节点组织成一条链，数据传输时，链上每个节点收到上一个节点传送来的数据后，将自身的数据和已接收到的数据融合，再向链上的下一个节点转发，如此直到数据传输到簇头，簇头将融合之后的数据转发给基站。PEGASIS算法通过有效的链式结构极大地减少了直接与基站通信的节点，同时各节点轮换充当与基站通信的角色，能量的消耗进一步均匀分布到网络中的所有节点上。其不足之处在于要求每个节点知道网络中其他节点的位置信息，开销非常大；网络规模较大时，算法组织的链过长，数据传输时延也会增大，并且成链的代价也会很可观。4．ECMR算法[45]ECMR（Energy-Conscious Message Routing）考虑成员节点需要多跳才能到达簇头，研究如何从成员节点到簇头建立有效的路由算法。ECMR 将其看做一个从源节点到终点的最小代价路径问题，由簇头采用 Dijkstra 算法求出两点之间的链路权值，权值计算了它们之间的通信消耗、节点能量、数据延迟、链路负载等因素。该算法产生了较好的节能效果，吞吐量也比较高，延迟也较低，但是，由于其假设簇头预先布署，能量不受限制，因此给网络的扩展带来很大的难度，并且这些和实际的应用出入很大，很难得到应用。5．PEDAP算法[46]PEDAP（Power Efficient Data Gathering and Aggregation）是一种集中式的簇数据传输算法，该算法假设基站知道所有节点的位置信息，根据这些信息基站得到一棵能耗最小树，并将此路由广播给网络中所有的节点，节点从而知道了自身的父节点和子节点信息，在数据传输过程中，节点接收子节点的数据并融合后转发到父节点，如此直至根节点，并由根节点传送给基站。由于基站知道所有节点位置信息，因此生成的树通信能耗最小，生命周期与LEACH和PEGASIS相比有了显著提高。但是，该算法容错性较差，因为基站只是根据预定的能量模型判断每个节点的存活情况，随着网络的运行，基站保留的信息往往与实际的情况发生偏差，节点可能因为其他情况发生故障，此时网络将不能正常运行。6．HEED算法[47]HEED（Hybrid Energy-Efficient Distributed Clustering）针对簇头分布不均匀这一问题进行了研究。该算法选择簇头依据主次两个参数，主参数依赖于剩余能量，用于随机地选取初始簇头集合，次参数依赖于簇内通信代价，用于确定落在多个簇范围内的节点属于哪个簇。它以簇内平均可达能量作为衡量簇内通信成本的标准。节点以不同的初始概率发送竞争消息，节点的初始化概率根据下列公式确定：HEED算法在簇头的选择标准及簇头竞争机制上与LEACH不同，成簇速度有一定的改进，特别是考虑到成簇后簇内的通信开销，把节点剩余能量作为一个参数引入算法，并以主从关系引入了多个约束条件作用于簇头的选择过程，使得选出的簇头在网络中分布良好，全网的能量消耗也比较均衡。然而HEED的簇生成算法需要在簇半径内进行多次消息迭代，由此要花费很大的通信开销。7．CODA算法[48]CODA（Cluster-based self-Organizing Data Aggregation）算法出于对网络能量消耗均衡方面的考虑，将网络中的节点根据它到基站的距离分成不同的区域，每个区域拥有的簇的个数和每个区域内簇成员的个数都不一样，在距离基站较远的区域选取较多的簇头，形成较多的簇，使该区域的簇拥有较少的簇成员。通过这种机制一定程度上解决了离基站不同距离的节点的能量均衡问题，但是该算法使得网络中产生较多的簇头，在单跳的路由机制下，当网络范围变大时，距离基站较远的地方会有较多的簇头需要与基站通信，增大了网络的能量消耗。8．DEEAC算法[49]DEEAC（Distributive Energy Efficient Adaptive Clustering）根据剩余能量和数据发送率两个因素来选择簇头，认为节点密集的地方有较多的数据发送，使能量高并且密集程度值大的节点有更大的概率成为簇头，减小了能量消耗，基站接收的信息量也比较大。然而该算法需要每个节点来估计当前网络的总能量，以此来计算自身成为簇头的概率，由于每个节点需要获得全局信息，因此，该算法的可扩展性受到影响，并且网络总能量的估算在算法中的开销很大，实现起来也是非常困难的，同时由于算法自身的局限性，不太适合在某些恶劣环境下应用。9．CHEP算法[50]CHEP（Clustering Hierarchy Arithmetic Based on Energy Prediction）提出了一种基于能量预测参数的分簇算法，算法建立了非簇头节点的工作状态转换模型并得到了能量预测参数ΔE，由此节点能够预测出自己在一轮时间内的能量消耗，然后将ΔE作为参数引入LEACH阈值，改进后使高剩余能量且能量消耗较慢的节点能够在每轮优先被选为簇头。CHEP 在负载平衡及网络能量消耗方面均优于LEACH，不足之处是需要不断计算节点的状态转移概率矩阵，增加了每个节点的开销，对于资源受限的节点无疑是一个挑战。另外，参考文献[51]建立了节点的时间延迟机制模型，在簇头的选择过程中，不仅考虑了节点的能量，同时还考虑了产生簇头的个数和位置分布问题，选出的簇头更加合理，并且通过引入随机数，降低了节点在竞选簇头时产生的无线冲突。10．LEACH-M算法[52,53]LEACH-M（Multihop-LEACH）采用与LEACH相同的算法和机制形成簇，同时，簇头记录网络中所有簇头节点的位置和能量信息，在数据传输阶段，LEACH-M 中的簇头选择离它最近、剩余能量大于自己的簇头节点作为它的下一跳路由。该算法中需要簇头节点记录网络中所有簇头的信息，并且由簇头计算它到所有其余簇头节点的距离，同时没有考虑电路消耗可能引起的网络能量开销过大的问题。11．EDBCM算法[54]EDBCM（Energy and Distance Based Clustering Multihop Algorithm）在选择簇头时，充分考虑了节点到基站之间的距离和节点的剩余能量。每轮开始时，传感区域内事先划定的簇内所有节点互相广播一次自己的能量情况，节点接收到其他节点的能量后，计算当前簇的平均能量，当本节点的剩余能量大于当前簇内节点的平均能量时，节点计算自己的 K 值：，并向外通告。每轮选择最大K值的节点成为簇头节点，数据传输阶段，簇头从所有的簇头节点中选择距离平方和最小的转发路径，并且在路径选择时考虑下一跳簇头节点的能量，使其大于自身的能量。EDBCM 能够在一定程度上均衡网络中传感器节点的能量消耗，多跳的传输策略也能节约一部分网络的通信能量消耗；但是，EDBCM 要求簇头节点记录其他所有簇头节点的能量和位置信息，并且在形成时需要所有节点广播自己的能量信息、计算自己的K值，算法的开销很大，复杂度较高。12．EEUC算法[55]EEUC（Energy-Efficient Uneven Clustering）使用非均匀分簇的方法，控制距离基站远近不同节点的竞选半径，使得网络中形成大小不等的簇，距离基站较近的簇的规模较小，距离基站较远的簇的规模较大，解决网络中存在的热点问题，然后簇头在收集到成员节点发送过来的数据之后，选择剩余能量最多并且距离自己最近的簇头节点按照多跳的方式进行数据传输。类似的算法还有，见参考文献[56]。非均匀分簇算法带来的问题在于，由于簇的大小不一，簇与簇之间的成员节点个数差别较大，在簇数据传输阶段，距离基站较近的簇头单位时间内向基站发送数据的次数较多，全网节点很难按照同样的步调传输数据，只有降低效率。13．Ratio-W算法与Sum-W算法[57]比例权值路由算法（Ratio-W）和权值路由算法（Sum-W）是基于最短路径树构造的两种路由算法，Sink节点开始收集数据时，采用泛洪（Flooding）方式向所有节点发一个数据分组REQ，通知这些节点收集数据即将开始，各节点收到REQ之后，回复一个数据分组REP给Sink节点，REP包括节点的剩余能量及所要发送的数据量。Sink节点在收到各节点的REP分组之后，运行Ratio-W算法（或试读结束[说明：试读内容隐藏了图片]