Trådløst sensornetværk - Wireless sensor network

Trådløse sensornetværk ( WSN'er ) refererer til netværk af rumligt spredte og dedikerede sensorer, der overvåger og registrerer miljøets fysiske forhold og videresender de indsamlede data til et centralt sted. WSN'er kan måle miljøforhold som temperatur, lyd, forureningsniveauer, fugtighed og vind.

Disse ligner trådløse ad hoc -netværk i den forstand, at de er afhængige af trådløs forbindelse og spontan dannelse af netværk, så sensordata kan transporteres trådløst. WSN'er overvåger fysiske eller miljømæssige forhold, såsom temperatur , lyd og tryk . Moderne netværk er tovejs, både indsamler data og muliggør kontrol af sensoraktivitet. Udviklingen af ​​disse netværk blev motiveret af militære applikationer såsom overvågning af slagmarken. Sådanne netværk bruges i industri- og forbrugerapplikationer, såsom industriel procesovervågning og -kontrol og maskinesundhedsovervågning.

Et WSN er bygget af "noder" - fra få til hundredvis eller tusinder, hvor hver knude er forbundet til andre sensorer. Hver sådan knude har typisk flere dele: en radio transceiver med en intern antenne eller forbindelse til en ekstern antenne, en microcontroller , et elektronisk kredsløb til interfacing med sensorerne og en energikilde, sædvanligvis et batteri eller en indlejret form for energi høst . En sensorknude kan variere i størrelse fra en skokasse til (teoretisk) et støvkorn, selvom mikroskopiske dimensioner endnu ikke skal realiseres. Sensornodenes omkostninger er på samme måde varierende og spænder fra et par til hundredvis af dollars, afhængigt af node raffinement. Størrelses- og omkostningsbegrænsninger begrænser ressourcer som energi, hukommelse, beregningshastighed og kommunikationsbåndbredde. Topologien for et WSN kan variere fra et simpelt stjernenetværk til et avanceret multi-hop trådløst mesh-netværk . Formering kan anvende routing eller oversvømmelse .

Inden for datalogi og telekommunikation er trådløse sensornetværk et aktivt forskningsområde, der understøtter mange workshops og konferencer, herunder International Workshop on Embedded Networked Sensors (EmNetS) , IPSN , SenSys , MobiCom og EWSN . Fra 2010 havde trådløse sensornetværk implementeret cirka 120  millioner eksterne enheder verden over.

Ansøgning

Områdeovervågning

Områdeovervågning er en almindelig anvendelse af WSN'er. I områdeovervågning indsættes WSN over en region, hvor et eller andet fænomen skal overvåges. Et militært eksempel er brugen af ​​sensorer til at opdage fjendens indtrængen; et civilt eksempel er geo-hegn af gas- eller olierørledninger.

Overvågning af sundhedsvæsenet

Der er flere typer sensornetværk til medicinske anvendelser: implanteret, bærbart og miljøindlejret. Implanterbart medicinsk udstyr er dem, der indsættes i menneskekroppen. Bærbare enheder bruges på et menneskes kropsoverflade eller bare i nærheden af ​​brugeren. Miljøindlejrede systemer anvender sensorer i miljøet. Mulige anvendelser omfatter måling af kropsposition, placering af personer, samlet overvågning af syge patienter på hospitaler og i hjemmet. Enheder, der er indlejret i miljøet, sporer en persons fysiske tilstand til kontinuerlig sundhedsdiagnose ved hjælp af input fra data fra et netværk af dybdekameraer, et registreringsgulv eller andre lignende enheder. Kropsnetværk kan indsamle oplysninger om en persons sundhed, kondition og energiforbrug. I sundhedsapplikationer har privatlivets fred og ægthed af brugerdata stor betydning. Især på grund af integrationen af ​​sensornetværk med IoT bliver brugergodkendelsen mere udfordrende; en løsning er imidlertid præsenteret i nyere arbejde.

Overvågning af levesteder

Trådløse sensornetværk er blevet brugt til at overvåge forskellige arter og levesteder, begyndende med Great Duck Island Deployment, herunder murmeldyr, stoktudser i Australien og zebraer i Kenya.

Miljø/Jordføling

Der er mange applikationer til overvågning af miljøparametre, eksempler på dem er givet nedenfor. De deler de ekstra udfordringer ved barske miljøer og reduceret strømforsyning.

Overvågning af luftkvalitet

Eksperimenter har vist, at personlig eksponering for luftforurening i byer kan variere meget. Derfor er det af interesse at have en højere tidsmæssig og rumlig opløsning af forurenende stoffer og partikler . Til forskningsformål er trådløse sensornetværk blevet implementeret til at overvåge koncentrationen af farlige gasser for borgere (f.eks. I London ). Sensorer til gasser og partikler lider imidlertid af stor variabilitet fra enhed til enhed, krydsfølsomhed og (koncept) drift. Desuden er datakvaliteten i øjeblikket utilstrækkelig til pålidelig beslutningstagning, da feltkalibrering fører til urimelige måleresultater, og hyppig rekalibrering kan være nødvendig. En mulig løsning kan være blindkalibrering eller brugen af ​​mobile referencer.

Skovbranddetektering

Et netværk af sensornoder kan installeres i en skov for at registrere, når en brand er startet. Knudepunkterne kan udstyres med sensorer til måling af temperatur, fugtighed og gasser, der dannes ved brand i træerne eller vegetationen. Den tidlige opsporing er afgørende for en vellykket handling af brandmændene; takket være Wireless Sensor Networks vil brandvæsenet kunne vide, hvornår en brand er startet, og hvordan den breder sig.

Jordskred afsløring

Et skreddetekteringssystem gør brug af et trådløst sensornetværk til at registrere jordens små bevægelser og ændringer i forskellige parametre, der kan forekomme før eller under et jordskred. Gennem de indsamlede data kan det være muligt at kende den forestående forekomst af jordskred længe før det rent faktisk sker.

Vandkvalitetsovervågning

Vandkvalitetsovervågning involverer analyse af vandegenskaber i dæmninger, floder, søer og oceaner samt underjordiske vandreserver. Brugen af ​​mange trådløse distribuerede sensorer muliggør oprettelsen af ​​et mere præcist kort over vandstatus og muliggør permanent indsættelse af overvågningsstationer på steder med vanskelig adgang uden behov for manuel datahentning.

Forebyggelse af naturkatastrofer

Trådløse sensornetværk kan være effektive til at forhindre negative konsekvenser af naturkatastrofer , f.eks. Oversvømmelser. Trådløse noder er blevet implementeret med succes i floder, hvor ændringer i vandstanden skal overvåges i realtid.

Industriel overvågning

Overvågning af maskinens sundhed

Trådløse sensornetværk er blevet udviklet til maskintilstandsbaseret vedligeholdelse (CBM), da de giver betydelige omkostningsbesparelser og muliggør ny funktionalitet.

Trådløse sensorer kan placeres på steder, der er vanskelige eller umulige at nå med et kablet system, såsom roterende maskiner og uforbundne køretøjer.

Datalogning

Hovedartikel: Datalogning

Trådløse sensornetværk bruges også til indsamling af data til overvågning af miljøoplysninger. Dette kan være så simpelt som at overvåge temperaturen i et køleskab eller vandstanden i overløbstanke i atomkraftværker. De statistiske oplysninger kan derefter bruges til at vise, hvordan systemer har fungeret. Fordelen ved WSN'er i forhold til konventionelle loggere er det "live" datafeed, der er muligt.

Overvågning af vand/spildevand

Overvågning af vandets kvalitet og niveau omfatter mange aktiviteter såsom kontrol af kvaliteten af ​​underjordisk eller overfladevand og sikring af et lands vandinfrastruktur til gavn for både mennesker og dyr. Det kan bruges til at beskytte spild af vand.

Strukturel sundhedsovervågning

Hovedartikel: Strukturel sundhedsovervågning

Trådløse sensornetværk kan bruges til at overvåge tilstanden af ​​civil infrastruktur og relaterede geo-fysiske processer tæt på realtid og over lange perioder gennem datalogning ved hjælp af passende interfaces.

Vinproduktion

Trådløse sensornetværk bruges til at overvåge vinproduktion, både i marken og i kælderen.

Trusselregistrering

Wide Area Tracking System (WATS) er et prototypenetværk til påvisning af en jordbaseret nuklear enhed, såsom en nuklear "dokumentmappe bombe". WATS udvikles på Lawrence Livermore National Laboratory (LLNL). WATS vil bestå af trådløse gamma- og neutronsensorer forbundet via et kommunikationsnetværk. Data opsamlet af sensorerne gennemgår "datafusion" , som konverterer oplysningerne til let fortolkede former; denne datafusion er det vigtigste aspekt af systemet.

Datafusionsprocessen forekommer inden for sensornetværket frem for på en centraliseret computer og udføres af en specielt udviklet algoritme baseret på bayesisk statistik . WATS ville ikke bruge en centraliseret computer til analyse, fordi forskere fandt ud af, at faktorer som latenstid og tilgængelig båndbredde havde tendens til at skabe betydelige flaskehalse. Data behandlet i feltet af netværket selv (ved at overføre små datamængder mellem nabosensorer) er hurtigere og gør netværket mere skalerbart.

En vigtig faktor i WATS -udviklingen er brugervenligheden , da flere sensorer både forbedrer registreringshastigheden og reducerer falske alarmer. WATS -sensorer kan indsættes i permanente positioner eller monteres i køretøjer til mobil beskyttelse af bestemte steder. En barriere for implementeringen af ​​WATS er størrelsen, vægten, energikravene og omkostningerne ved de tilgængelige trådløse sensorer i øjeblikket. Udviklingen af ​​forbedrede sensorer er en vigtig komponent i den aktuelle forskning ved direktionen Nonproliferation, Arms Control og International Security (NAI) på LLNL.

WATS blev profileret til US Repræsentanternes Hus ' Underudvalg for Militær Forskning og Udvikling den 1. oktober 1997 under en høring om atomterrorisme og modforanstaltninger. Den 4. august 1998 i et efterfølgende møde i underudvalget udtalte formand Curt Weldon , at forskningsfinansiering til WATS var blevet skåret af Clinton- administrationen til et eksistensniveau, og at programmet var blevet dårligt omorganiseret.

Overvågning af hændelser

Der er undersøgelser, der viser, at brug af sensorer til hændelsesovervågning på en fantastisk måde forbedrer brandmændenes og politiets reaktion på en uventet situation. For en tidlig opsporing af hændelser kan vi bruge akustiske sensorer til at registrere en stigning i byens støj på grund af en mulig ulykke, eller bruge termiske sensorer til at opdage en mulig brand.

Egenskaber

De vigtigste egenskaber ved et WSN omfatter

  • Strømforbrugsbegrænsninger for noder, der bruger batterier eller energiudtagning . Eksempler på leverandører er ReVibe Energy og Perpetuum
  • Evne til at klare nodefejl ( modstandsdygtighed )
  • Noget mobilitet af noder (for meget mobile noder se MWSN'er )
  • Heterogenitet af knudepunkter
  • Knudenes homogenitet
  • Skalerbarhed til stor implementering
  • Evne til at modstå barske miljøforhold
  • Brugervenlighed
  • Optimering på tværs af lag

Tværlag er ved at blive et vigtigt studieområde for trådløs kommunikation. Derudover præsenterer den traditionelle lagdelte tilgang tre hovedproblemer:

  1. Traditionel lagdelt tilgang kan ikke dele forskellige oplysninger mellem forskellige lag, hvilket fører til, at hvert lag ikke har fuldstændig information. Den traditionelle lagdelte tilgang kan ikke garantere optimering af hele netværket.
  2. Den traditionelle lagdelte tilgang har ikke evnen til at tilpasse sig miljøforandringerne.
  3. På grund af interferensen mellem de forskellige brugere, adgangskonflikter, fading og ændring af miljøet i de trådløse sensornetværk er traditionel lagdelt tilgang til kabelforbundne netværk ikke gældende for trådløse netværk.

Så tværlaget kan bruges til at lave den optimale modulering for at forbedre transmissionens ydeevne, såsom datahastighed , energieffektivitet, servicekvalitet (QoS) osv. Sensornoder kan forestilles som små computere, der er ekstremt grundlæggende i form af deres grænseflader og deres komponenter. De består normalt af en behandlingsenhed med begrænset beregningseffekt og begrænset hukommelse, sensorer eller MEMS (herunder specifikke konditioneringskredsløb), en kommunikationsenhed (normalt radiotransceivere eller alternativt optisk ) og en strømkilde normalt i form af et batteri. Andre mulige inklusioner er energihøstmoduler , sekundære ASIC'er og muligvis sekundær kommunikationsgrænseflade (f.eks. RS-232 eller USB ).

Basestationerne er en eller flere komponenter i WSN med meget flere beregnings-, energi- og kommunikationsressourcer. De fungerer som en gateway mellem sensorknudepunkter og slutbrugeren, da de typisk videresender data fra WSN til en server. Andre særlige komponenter i routingsbaserede netværk er routere, designet til at beregne, beregne og distribuere routingtabellerne.

Platforme

Hardware

Hovedartikel: sensorknude

En stor udfordring i et WSN er at producere billige og små sensornoder. Der er et stigende antal små virksomheder, der producerer WSN -hardware, og den kommercielle situation kan sammenlignes med hjemme -computing i 1970'erne. Mange af noderne er stadig på forsknings- og udviklingsstadiet, især deres software. Brugen af ​​metoder til meget lav strøm til radiokommunikation og dataindsamling er også iboende i forbindelse med accept af sensornetværk.

I mange applikationer kommunikerer et WSN med et Local Area Network eller Wide Area Network via en gateway. Gateway fungerer som en bro mellem WSN og det andet netværk. Dette gør det muligt at gemme og behandle data af enheder med flere ressourcer, f.eks. På en eksternt lokaliseret server . Et trådløst bredbåndsnetværk, der primært bruges til enheder med lav strøm, er kendt som et Low-Power Wide-Area Network ( LPWAN ).

Trådløs

Der er flere trådløse standarder og løsninger til forbindelse til sensorknudepunkter. Thread og ZigBee kan tilslutte sensorer, der arbejder på 2,4 GHz med en datahastighed på 250 kbit/s. Mange bruger en lavere frekvens til at øge radioområdet (typisk 1 km), for eksempel opererer Z-wave ved 915 MHz og i EU har 868 MHz været meget udbredt, men disse har en lavere datahastighed (typisk 50 kb/s). Arbejdsgruppen IEEE 802.15.4 indeholder en standard for tilslutning til lavt strømforbrug, og normalt bruger sensorer og smarte målere en af ​​disse standarder til tilslutning. Med fremkomsten af tingenes internet er der blevet fremsat mange andre forslag om at levere sensorforbindelse. LORA er en form for LPWAN, som giver lang rækkevidde, lav effekt trådløs forbindelse til enheder, som er blevet brugt i smarte målere og andre langdistance sensor applikationer. Wi-SUN forbinder enheder derhjemme. NarrowBand IOT og LTE-M kan forbinde op til millioner af sensorer og enheder ved hjælp af mobilteknologi.

Software

Energi er den knapeste ressource for WSN -noder, og den bestemmer levetiden for WSN'er. WSN'er kan være implementeret i stort antal i forskellige miljøer, herunder fjerntliggende og fjendtlige regioner, hvor ad hoc -kommunikation er en nøglekomponent. Af denne grund skal algoritmer og protokoller løse følgende problemer:

  • Øget levetid
  • Robusthed og fejltolerance
  • Selvkonfiguration

Livstidsmaksimering: Energi-/strømforbrug af registreringsenheden bør minimeres, og sensorknudepunkter skal være energieffektive, da deres begrænsede energiressource bestemmer deres levetid. For at spare strøm slukker trådløse sensornoder normalt både radiosenderen og radiomodtageren, når den ikke er i brug.

Routing protokoller

Trådløse sensornetværk består af lavenergi, lille størrelse og lav rækkevidde uovervåget sensornoder. For nylig er det blevet observeret, at ved periodisk at tænde og slukke sensor- og kommunikationsfunktionerne i sensorknudepunkter kan vi reducere den aktive tid betydeligt og dermed forlænge netværkslevetid. Denne pligtcykling kan dog resultere i høj netværksforsinkelse, routing overhead og forsinkelser ved opdagelse af naboer på grund af asynkron søvn og vågning. Disse begrænsninger kræver en modforanstaltning for driftscyklede trådløse sensornetværk, der skal minimere routingsinformation, routing af trafikbelastning og energiforbrug. Forskere fra Sungkyunkwan University har foreslået en letvægts ikke-stigende levering-latensintervallet routing kaldet LNDIR. Denne ordning kan opdage minimale latensruter ved hvert ikke-stigende levering-latensinterval i stedet for hvert tidsrum. Simuleringseksperimenter demonstrerede gyldigheden af ​​denne nye tilgang til at minimere routingsinformation, der er gemt på hver sensor. Desuden kan denne nye routing også garantere den minimale leveringstid fra hver kilde til vasken. Ydelsesforbedringer på op til 12 gange og 11 gange observeres med hensyn til routing af henholdsvis trafikbelastningsreduktion og energieffektivitet i forhold til eksisterende ordninger.

Operativsystemer

Operativsystemer til trådløse sensornetværksnoder er typisk mindre komplekse end generelle operativsystemer. De ligner mere indlejrede systemer af to grunde. For det første implementeres trådløse sensornetværk typisk med en bestemt applikation i tankerne, snarere end som en generel platform. For det andet fører et behov for lave omkostninger og lav effekt til, at de fleste trådløse sensorknudepunkter har laveffektmikrokontroller, der sikrer, at mekanismer såsom virtuel hukommelse enten er unødvendige eller for dyre at implementere.

Det er derfor muligt at bruge integrerede operativsystemer som f.eks. ECos eller uC/OS til sensornetværk. Sådanne operativsystemer er dog ofte designet med egenskaber i realtid.

TinyOS , udviklet af David Culler , er måske det første operativsystem, der er specielt designet til trådløse sensornetværk. TinyOS er baseret på en hændelsesdrevet programmeringsmodel i stedet for multithreading . TinyOS-programmer er sammensat af hændelsesbehandlere og opgaver med semantik, der kører til afslutning. Når der opstår en ekstern hændelse, f.eks. En indgående datapakke eller en sensorlæsning, signalerer TinyOS den relevante hændelseshåndterer til at håndtere hændelsen. Eventbehandlere kan bogføre opgaver, der er planlagt af TinyOS -kernen noget tid senere.

LiteOS er et nyudviklet OS til trådløse sensornetværk, som giver UNIX-lignende abstraktion og understøttelse af C-programmeringssproget.

Contiki , udviklet af Adam Dunkels , er et operativsystem, der bruger en enklere programmeringsstil i C, samtidig med at det giver fremskridt som 6LoWPAN og Protothreads .

RIOT (operativsystem) er et nyere system i realtid med lignende funktionalitet som Contiki.

PreonVM er et operativsystem til trådløse sensornetværk, der leverer 6LoWPAN baseret på Contiki og understøtter Java -programmeringssprog.

Online kollaborative sensordatastyringsplatforme

Online kollaborative sensordatastyringsplatforme er onlinedatabasetjenester, der gør det muligt for sensorejere at registrere og forbinde deres enheder for at indføre data i en onlinedatabase til lagring og også give udviklere mulighed for at oprette forbindelse til databasen og opbygge deres egne applikationer baseret på disse data. Eksempler inkluderer Xively og Wikisensing -platformen . Sådanne platforme forenkler onlinesamarbejde mellem brugere over forskellige datasæt lige fra energi- og miljødata til dem, der indsamles fra transporttjenester. Andre tjenester omfatter, at udviklere kan integrere grafer og widgets i realtid på websteder; analysere og behandle historiske data trukket fra datafeedene sende advarsler i realtid fra enhver datastream for at styre scripts, enheder og miljøer.

Arkitekturen i Wikisensing -systemet beskriver nøglekomponenterne i sådanne systemer til at omfatte API'er og grænseflader til online -samarbejdspartnere, en middleware, der indeholder den forretningslogik, der er nødvendig for sensordatastyring og -behandling, og en lagermodel, der er egnet til effektiv lagring og hentning af store mængder af data.

Simulering

På nuværende tidspunkt er agentbaseret modellering og simulering det eneste paradigme, der tillader simulering af kompleks adfærd i miljøer med trådløse sensorer (f.eks. Flokkning). Agentbaseret simulering af trådløse sensor- og ad hoc-netværk er et relativt nyt paradigme. Agentbaseret modellering var oprindeligt baseret på social simulering.

Netværkssimulatorer som Opnet, Tetcos NetSim og NS kan bruges til at simulere et trådløst sensornetværk.

Andre begreber

Lokalisering

Netværkslokalisering refererer til problemet med at estimere placeringen af ​​trådløse sensornoder under implementeringer og i dynamiske indstillinger. For sensorer med ultra lav effekt forhindrer størrelse, pris og miljø brug af Global Positioning System-modtagere på sensorer. I 2000 motiverede og foreslog Nirupama Bulusu, John Heidemann og Deborah Estrin først et radioforbindelsesbaseret system til lokalisering af trådløse sensornetværk. Efterfølgende er sådanne lokaliseringssystemer blevet omtalt som rækkeviddefrie lokaliseringssystemer, og mange lokaliseringssystemer til trådløse sensornet er efterfølgende blevet foreslået, herunder AHLoS, APS og Stardust.

Kalibrering af sensordata og fejltolerance

Sensorer og enheder, der bruges i trådløse sensornetværk, er topmoderne teknologi med den lavest mulige pris. De sensormålinger, vi får fra disse enheder, er derfor ofte støjende, ufuldstændige og unøjagtige. Forskere, der studerer trådløse sensornetværk, antager, at der kan hentes meget mere information fra hundredvis af upålidelige målinger spredt over et interessefelt end fra et mindre antal instrumenter af høj kvalitet og pålidelig med de samme samlede omkostninger.

Makroprogrammering

Makroprogrammering er et udtryk opfundet af Matt Welsh. Det refererer til programmering af hele sensornettet som et ensemble, snarere end individuelle sensornoder. En anden måde at makroprogrammere et netværk på er at se sensornetværket som en database, som blev populært af TinyDB-systemet udviklet af Sam Madden .

Omprogrammering

Omprogrammering er processen med at opdatere koden på sensorknuderne. Den mest mulige form for omprogrammering er fjernprogrammering, hvorved koden formidles trådløst, mens noderne er implementeret. Der findes forskellige omprogrammeringsprotokoller, der giver forskellige niveauer af driftshastighed, pålidelighed, energiforbrug, krav til kode, der er bosat på noderne, egnethed til forskellige trådløse miljøer, modstand mod DoS osv. Populære omprogrammeringsprotokoller er Deluge (2004), Trickle (2004) ), MNP (2005), Synapse (2008) og Zephyr (2009).

Sikkerhed

Infrastrukturfri arkitektur (dvs. ingen gateways er inkluderet osv.) Og iboende krav (dvs. uovervåget arbejdsmiljø osv.) For WSN'er kan udgøre flere svage punkter, der tiltrækker modstandere. Derfor er sikkerhed en stor bekymring, når WSN'er indsættes til specielle applikationer som f.eks. Militær og sundhedspleje. På grund af deres unikke egenskaber ville traditionelle sikkerhedsmetoder for computernetværk være ubrugelige (eller mindre effektive) for WSN'er. Derfor vil mangel på sikkerhedsmekanismer forårsage indtrængen i disse netværk. Disse indtrængen skal påvises, og afbødningsmetoder bør anvendes.

Der har været vigtige innovationer inden for sikring af trådløse sensornetværk. De fleste trådløse integrerede netværk bruger omni-directional antenner, og derfor kan naboer overhøre kommunikation ind og ud af noder. Dette blev brugt til at udvikle en primitiv kaldet " lokal overvågning ", der blev brugt til påvisning af sofistikerede angreb, som sorthul eller ormehul, som nedbryder gennemstrømningen af ​​store netværk til tæt på nul. Denne primitive er siden blevet brugt af mange forskere og kommercielle trådløse pakkesniffere. Dette blev efterfølgende forfinet til mere sofistikerede angreb som f.eks. Med collusion, mobilitet og multi-antenne, multi-channel-enheder.

Distribueret sensornetværk

Hvis der bruges en centraliseret arkitektur i et sensornetværk, og den centrale knude mislykkes, vil hele netværket kollapse, dog kan sensornetværks pålidelighed øges ved at bruge en distribueret kontrolarkitektur. Distribueret kontrol bruges i WSN'er af følgende årsager:

  1. Sensornoder er tilbøjelige til at svigte,
  2. For bedre indsamling af data,
  3. At levere noder med backup i tilfælde af fejl i den centrale knude.

Der er heller ikke noget centraliseret organ til at allokere ressourcerne, og de skal være selvorganiserede.

Hvad angår den distribuerede filtrering over distribueret sensornetværk. den generelle opsætning er at observere den underliggende proces gennem en gruppe sensorer organiseret i henhold til en given netværkstopologi, som gør den enkelte observatør skønner systemtilstanden baseret ikke kun på sin egen måling, men også på naboernes.

Dataintegration og sensorweb

Data indsamlet fra trådløse sensornetværk gemmes normalt i form af numeriske data i en central basestation. Derudover specificerer Open Geospatial Consortium (OGC) standarder for interoperabilitetsgrænseflader og metadata -kodninger, der muliggør integrering af heterogene sensorwebs i realtid i Internettet, så enhver kan overvåge eller kontrollere trådløse sensornetværk via en webbrowser.

Behandling i netværk

For at reducere kommunikationsomkostninger fjerner eller reducerer nogle algoritmer noders redundante sensorinformation og undgår videresendelse af data, der ikke nytter noget. Denne teknik er f.eks. Blevet brugt til detektering af distribueret anomali eller distribueret optimering. Da noder kan inspicere de data, de videresender, kan de måle gennemsnit eller retningsbestemmelse, f.eks. Af aflæsninger fra andre noder. For eksempel i detekterings- og overvågningsapplikationer er det generelt sådan, at nabosensornoder, der overvåger en miljøfunktion, typisk registrerer lignende værdier. Denne form for dataredundans på grund af den rumlige korrelation mellem sensorobservationer inspirerer til teknikker til datagregering og minedrift i netværket. Aggregering reducerer mængden af ​​netværkstrafik, hvilket hjælper med at reducere energiforbruget på sensornoder. For nylig er det blevet konstateret, at netværksgateways også spiller en vigtig rolle i forbedringen af ​​sensorknuderes energieffektivitet ved at planlægge flere ressourcer til knudepunkterne med mere kritisk energieffektivitetsbehov og avancerede energieffektive planlægningsalgoritmer skal implementeres på netværksgateways til forbedring af det samlede netværks energieffektivitet.

Sikker sammenlægning af data

Dette er en form for in-network-behandling, hvor sensornoder antages at være usikrede med begrænset tilgængelig energi, mens basestationen antages at være sikker med ubegrænset tilgængelig energi. Aggregering komplicerer de allerede eksisterende sikkerhedsudfordringer for trådløse sensornetværk og kræver nye sikkerhedsteknikker, der er skræddersyet specifikt til dette scenario. Tilvejebringelse af sikkerhed til aggregeret data i trådløse sensornetværk er kendt som sikker dataaggregering i WSN . var de første par værker, der diskuterede teknikker til sikker dataaggregering i trådløse sensornetværk.

To hovedudfordringer for sikkerheden ved sikker dataggregering er fortrolighed og integritet af data. Selvom kryptering traditionelt bruges til at give fortrolighed fra ende til anden i det trådløse sensornetværk, skal aggregatorerne i et sikkert dataggregeringsscenarie dekryptere de krypterede data for at udføre aggregering. Dette udsætter klarteksten for aggregatorerne, hvilket gør dataene sårbare over for angreb fra en modstander. På samme måde kan en aggregator injicere falske data i aggregatet og få basestationen til at acceptere falske data. Selvom dataaggregering forbedrer et netværks energieffektivitet, komplicerer det således de eksisterende sikkerhedsudfordringer.

Se også

Referencer

Yderligere læsning

  • Amir Hozhabri; Mohammadreza Eslaminejad; Mitra Mahrouyan, kædebaserede Gateway-noder routing for energieffektivitet i WSN
  • Kiran Maraiya, Kamal Kant, Nitin Gupta "Wireless Sensor Network: A Review on Data Aggregation" International Journal of Scientific & Engineering Research Volume 2 Issue 4, April 2011.
  • Chalermek Intanagonwiwat, Deborah Estrin, Ramesh Govindan, John Heidemann, " Impact of Network Density on Data Aggregation in Wireless SensorNetworks ", 4. november 2001.
  • Bulusu, Nirupama; Jha, Sanjay (2005). Trådløse sensornetværk: Et systemperspektiv . Artech House. ISBN 978-1580538671.

eksterne links