CN102356327B - 用于事件驱动的无线传感器网络的预测性负载循环适配方案 - Google Patents

用于事件驱动的无线传感器网络的预测性负载循环适配方案 Download PDF

Info

Publication number
CN102356327B
CN102356327B CN201080010958.9A CN201080010958A CN102356327B CN 102356327 B CN102356327 B CN 102356327B CN 201080010958 A CN201080010958 A CN 201080010958A CN 102356327 B CN102356327 B CN 102356327B
Authority
CN
China
Prior art keywords
node
event
control circuit
grouping
parameter estimation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201080010958.9A
Other languages
English (en)
Other versions
CN102356327A (zh
Inventor
J.辛
J.帕克
A.卡克
H.伊瓦基
小坂明生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Olympus Corp
Purdue Research Foundation
Original Assignee
Olympus Corp
Purdue Research Foundation
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Olympus Corp, Purdue Research Foundation filed Critical Olympus Corp
Publication of CN102356327A publication Critical patent/CN102356327A/zh
Application granted granted Critical
Publication of CN102356327B publication Critical patent/CN102356327B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/12—Wireless traffic scheduling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Abstract

公开了一种用于控制多个节点（12）对共享通信介质的访问的方法的实施例。所述方法可以包括对所述多个节点（12）中的每个节点（12）预测未来在该节点的感测场（40）内是否将发生事件，并且响应于与该节点（12）相关的预测对每个节点（12）的通信调度进行适配。还公开了实施用于控制多个节点（12）对共享通信介质的访问的方法的实施例的无线传感器网络（10）和计算机可读介质。

Description

用于事件驱动的无线传感器网络的预测性负载循环适配方案
相关申请的交叉引用
本申请根据35U.S.C§119(e)要求于2009年8月20日提交的美国临时申请序列No.61/235,415的优先权，其全部公开内容通过引用明确地结合于此。
技术领域
本公开总体上涉及事件驱动的无线传感器网络的介质访问控制协议。更具体地，本公开涉及采用预测性负载循环（dutycycle）适配方案的介质访问控制协议。
背景技术
无线传感器网络（WSN）是一组传感器节点－每个传感器节点典型地配备有感测、信息处理和无线通信能力－其被部署在一个区域中以协同监视物理或环境条件。例如，WSN中用于被动环境监视的节点致力于进行感测测量（例如，温度、压力、光强度等），所述感测测量可以被收集并经由通过多跳通信的中继被报告给远程主机。例如，称作“事件驱动的（event-driven）”WSN的较新类型WSN典型地被部署为检测并追踪感兴趣的事件，诸如目标追踪应用中的人或其它对象。事件驱动的WSN的特异性特征在于在事件附近所发生的空间相关的突发业务，其可能具有强移动性。在这样的网络中，在连续的基础上通过移动目标触发器，在新的节点对之间发起新的通信链路以及新的路由路径而大量产生事件。事件驱动WSN的一个说明性示例为无线摄像机网络（WCN），其很好地表征了该类型。
WSN的节点对共享无线通信介质的访问通常通过介质访问控制（MAC）协议进行仲裁。WSN和MAC协议的设计人员典型地试图使得节点的寿命和网络的性能都能最大化（例如，网络中的延迟最小化以及吞吐量最大化）。在各种MAC技术中，控制每个节点的通信无线电设备（radio）的负载循环通常被认为是节约能量由此增加每个节点的寿命的最为有效的方式之一。通过在休眠和活动模式之间交替以及通过仅在活动模式期间传送数据，节点能够避免不必要的能量消耗。然而，改变节点的负载循环直接影响到节点处的通信延迟。结果，使得延迟和能量消耗二者最小化的尝试涉及到基本的折衷。
已经提出了各种方法对这种折衷进行平衡。除了静态负载循环控制方案之外，所提出的一些方法采用了自适应或动态的负载循环控制方案，其中节点的负载循环适配基于感兴趣事件（通常在节点的当前业务条件方面进行定义）的检测。特别为事件驱动的WSN所设计的一些MAC协议试图通过去除分组之间的冗余或者采用多个信道而使得所有事件触发消息或其子集的延迟最小化，但是这些努力仍然仅能够在感兴趣事件实际发生之后才能进行。这些现有的负载循环适配方案都是被动的，因此在相同的通信链路或路由路径被反复重新使用时，甚至在事件附近（即，在之前已经对整个路径或链路调节过通信参数的条件下）工作最佳，该条件通常被意在用于被动环境监视的WSN所满足。然而，由于新事件检测和MAC协议对该事件的反应之间的内在延迟，特别是在事件的移动性强时，这些基于反应适配的方法在事件驱动的WSN中普遍的条件下工作不佳，导致了事件驱动的WSN在延迟和能量节约两方面的次优性能。
以上所提到的MAC协议和相关技术在G.Welch等人的AnIntroductiontotheKalmanFilter(1995);A.Aljadhai等人的“PredictiveMobilitySupportforQoSProvisioninginMobileWirelessEnvironments,”19IEEEJ.onSelectedAreasComms.1915–1930(2001);M.Buettner等人的“X-Mac:AShortPreambleMacProtocolforDutycycledWirelessSensorNetworks,”Proc.4thInt’lConf.onEmbeddedNetworkedSensorSys.307-320(2006);A.El-Hoiyadi等人的“WiseMAC:AnUltraLowPowerMACProtocolforMulti-HopWirelessSensorNetworks,”3121LectureNotesinComputerSci.18-31(2004);P.Lin等人的“MediumAccessControlwithaDynamicDutyCycleforSensorNetworks,”3IEEEWirelessComms.&NetworkingConf.(2004);K.Jamieson等人的“Sift:AMACProtocolforEvent-DrivenWirelessSensorNetworks,”3868LectureNotesinComputerSci.260(2006);B.Kusy等人的“ElapsedTimeonArrival:ASimpleandVersatilePrimitiveforCanonicalTimeSynchronizationServices,”1Int’lJ.AdHocUbiquitousComputing239-51(2006);S.Liu等人的“CMAC:AnEnergyEfficientMACLayerProtocolUsingConvergentPacketForwardingforWirelessSensorNetworks,”7Proc.IEEESe.Conf.(2007);T.Liu等人的“MobilityModeling,LocationTracking,andTrajectoryPredictioninWirelessATMNetworks,”16IEEEJ.onSelectedAreasComms.922–936(1998);Y.Nam等人的“AnAdaptiveMAC(A-MAC)ProtocolGuaranteeingNetworkLifetimeforWirelessSensorNetworks,”Proc.12thEur.WirelessConf.(2006);V.Namboodiri等人的“Alert:AnAdaptiveLow-LatencyEvent-DrivenMACProtocolforWirelessSensorNetworks,”Proc.7thInt’lConf.onInfo.ProcessinginSensorNetworks159-170(2008);J.Polastre等人的“VersatileLowPowerMediaAccessforWirelessSensorNetworks,”Proc.2dInt’lConf.onEmbeddedNetworkedSensorSys.95-107(2004);I.Rhee等人的“Z-MAC:AHybridMACforWirelessSensorNetworks,”16IEEE/ACMTransactionsonNetworking,511–524(2008);T.VanDam等人的“AnAdaptiveEnergy-EfficientMACProtocolforWirelessSensorNetworks,”Proc.1stInt’lConf.onEmbeddedNetworkedSensorSys.171-180(2003);以及W.Ye等人的“AnEnergy-EfficientMACProtocolforWirelessSensorNetworks,”3Proc.21stAnn.JointConf.IEEEComputer&Comms.Societies(2002)中有所描述。以上所列出每篇参考文献的全部公开内容通过引用明确地结合于此。该列举并非意在表示已经进行所有相关现有技术的完全搜索或者表示不存在比以上所列出的那些更好的参考文献，也不应当推断出任何这样的表示。
发明内容
本发明包括所附权利要求中所记载的一个或多个特征，和/或以下可以单独或以任意组合包括可专利主题的特征。
根据一个方面，一种用于控制多个节点对共享通信介质的访问的方法包括对所述多个节点中的每个节点预测未来在该节点的感测场内是否将发生事件，并且响应于与该节点相关的预测而对每个节点的通信调度（schedule）进行适配。
在一些实施例中，预测未来在每个节点的感测场内是否将发生事件可以包括预测未来每个节点的摄像机是否将观察到感兴趣的对象。在其它实施例中，预测未来在每个节点的感测场内是否将发生事件可以包括估计所述多个节点中的每个节点处的时空事件概率（STEP）。估计所述多个节点中的每个节点处的STEP可以包括对未来每个节点的感测场上的事件的位置不确定性进行整合（integrate）。
在其它实施例中，估计所述多个节点中的每个节点处的STEP可以包括使用递归参数估计器。使用递归参数估计器可以包括使用Kalman滤波器和粒子滤波器之一。所述方法可以进一步包括利用所述多个节点中的第一节点接收或监听（overhear）来自所述多个节点中的第二节点的分组，所述分组包括事件的测量结果。所述方法可以进一步包括通过使用所述事件的测量结果更新所述递归参数估计器来估计第一节点处新的STEP。所述方法可以进一步包括在测量结果不处于事件的所预测不确定区域内时初始化递归参数估计器的新实例。所述方法可以进一步包括在其间第一节点没有接收或监听到包括事件的新的测量结果的分组的预定义时间段之后终止所述递归参数估计器的实例。所述第一节点的通信调度可以响应于所述递归参数估计器的实例的终止而被适配为最低负载循环。
在再其它的实施例中，对每个节点的通信调度进行适配可以包括调节每个节点的无线电设备的负载循环。调节每个节点的无线电设备的负载循环可以包括确定每个节点属于事件的所预测不确定区域的哪个概率子空间。调节每个节点的无线电设备的负载循环可以包括指数地改变每个无线电设备所使用的帧长度。在一些实施例中，所述方法可以进一步包括传送包括专用字段的分组，所述专用字段包括指示传送所述分组的节点当前是否感测到事件的第一比特。所述专用字段还可以包括指示传送所述分组的节点当前是否正在传输事件相关数据的第二比特。
根据另一方面，包括多个指令的有形、非暂时的一个或多个计算机可读介质，当被第一节点的处理器所执行时，所述指令使得所述处理器预测未来在第一节点的感测场内是否将发生事件，并且响应于该预测对第一节点的通信调度进行适配，所述通信调度控制第一节点对多个节点之间所共享的通信介质的访问。
在一些实施例中，预测未来在第一节点的感测场内是否将发生事件可以包括预测未来第一节点的摄像机是否将观察到感兴趣的对象。在其它实施例中，预测未来在第一节点的感测场内是否将发生事件可以包括估计第一节点处的时空事件概率（STEP）。估计第一节点处的STEP可以包括对第一节点的感测场上的事件的位置不确定性进行整合。
在其它实施例中，估计所述第一节点处的STEP可以包括使用递归参数估计器。使用递归参数估计器可以包括使用Kalman滤波器和粒子滤波器之一。所述多个指令可以进一步使得所述处理器接收或监听来自所述多个节点中的第二节点的分组，所述分组包括事件的测量结果。所述多个指令可以进一步使得所述处理器通过使用所述事件的测量结果更新所述递归参数估计器来估计第一节点处的新的STEP。所述多个指令可以进一步使得所述处理器在测量结果不处于事件的所预测不确定区域内时初始化递归参数估计器的新实例。所述多个指令可以进一步使得所述处理器在其间第一节点没有接收或监听到包括事件的新的测量结果的分组的预定义时间段之后终止所述递归参数估计器的实例。所述第一节点的通信调度可以响应于所述递归参数估计器的实例的终止而被适配为最低负载循环。
在再其它的实施例中，对第一节点的通信调度进行适配可以包括调节第一节点的无线电设备的负载循环。调节第一节点的无线电设备的负载循环可以包括确定第一节点属于事件的所预测不确定区域的哪个概率子空间。调节第一节点的无线电设备的负载循环可以包括指数地改变第一节点的无线电设备所使用的帧长度。所述多个指令可以进一步使得所述处理器传送包括专用字段的分组，所述专用字段包括指示第一节点当前是否感测到事件的第一比特。所述专用字段可以进一步包括指示第一节点当前是否正在传输事件相关数据的第二比特。
根据又另一个方面，一种无线传感器网络包括多个节点，每个节点包括控制电路以及提供对所述多个节点之间所共享的通信介质的访问的无线电设备，每个节点的控制电路被配置为（i）预测未来在该节点的感测场内是否将发生事件，并且（ii）响应于所述预测对该节点的无线电设备的负载循环进行调节。
在一些实施例中，每个节点可以包括摄像机，并且每个节点的控制电路可以被配置为预测未来该节点的摄像机是否将观察到感兴趣的对象。在其它实施例中，每个节点的控制电路可以被配置为通过估计该节点处的时空事件概率（STEP）来预测未来在该节点的感测场内是否将发生事件。每个节点的控制电路可以被配置为通过对该节点的感测场上的事件的位置不确定性进行整合而估计该节点处的时空事件概率（STEP）。
在其它实施例中，每个节点的控制电路可以被配置为使用递归参数估计器估计该节点处的时空事件概率（STEP）。所述递归参数估计器可以为Kalman滤波器和粒子滤波器之一。每个节点的控制电路可以被进一步配置为经由无线电设备接收或监听来自所述多个节点中的另一节点的分组，所述分组包括事件的测量结果。每个节点的控制电路可以被进一步配置为通过使用所述事件的测量结果更新所述递归参数估计器而估计该节点处的新的STEP。每个节点的控制电路可以被进一步配置为在测量结果不处于事件的所预测不确定区域内时初始化递归参数估计器的新实例。每个节点的控制电路可以被进一步配置为在其间该节点没有接收或监听到包括事件的新的测量结果的分组的预定义时间段之后终止所述递归参数估计器的实例。每个节点的控制电路可以被进一步配置为响应于所述递归参数估计器的实例的终止而将该节点的无线电设备的负载循环调节为最低负载循环。
在再其它的实施例中，每个节点的控制电路可以被配置为通过确定该节点属于事件的所预测不确定区域的哪个概率子空间来调节该节点的无线电设备的负载循环。每个节点的控制电路可以被配置为通过指数地改变该节点的无线电设备所使用的帧长度来调节该节点的无线电设备的负载循环。每个节点的控制电路可以被进一步配置为经由无线电设备传送包括专用字段的分组，所述专用字段包括指示该节点当前是否感测到事件的第一比特。所述专用字段可以进一步包括指示该节点当前是否正在传输事件相关数据的第二比特。
考虑到以下对例示出实现当前所给出发明的最佳模式的说明性实施例的详细描述，单独地或者与任意（一个或多个）其它特征相结合，包括以上所列出和权利要求中所列出特征的额外特征可以包括可专利主题并且对于本领域技术人员将是显而易见的。
附图说明
详细描述特别参见附图，其中：
图1图示了示例性WCN中典型的基于集群的分布式视觉数据处理的状态转换图；
图2图示了可以在示例性WCN中使用的基于无线摄像机的传感器节点的一个实施例；
图3A图示了示例性WCN中的节点的部分重叠的通信范围；
图3B图示了图3A的示例性WCN的节点的部分重叠的感测场；
图3C图示了参与追踪感兴趣移动对象并且向基站传送聚合数据的图3A-B的示例性WCN；
图4图示了示例性WCN节点的MAC层和应用层28之间的交互；
图5图示了图4的示例性WCN节点MAC层和应用层的状态转换图；
图6图示了作为由近平面和远平面所封闭的三维空间的针孔摄像机模型的视见平截头体；
图7A图示了在初始时刻图3的WCN中的示例性负载循环分布；
图7B图示了图7A的示例性负载循环分布与图3的WCN中的节点感测场的中心之间的关系；
图7C图示了在后续时刻图3的WCN中的示例性负载循环分布；
图8图示了采用四个不同负载循环等级的示例性WCN的指数变化的帧长度；
图9图示了用于采用具有更高负载循环的新调度的示例性时间线；
图10A图示了对采用根据本公开的说明性MAC协议、AMAC协议以及具有不同负载循环的四个TMAC协议的WCN在以不同采样间隔下的平均每跳延迟进行比较的仿真的结果；
图10B图示了对采用图10A的MAC协议的WCN在不同采样间隔下的归一化吞吐量进行比较的仿真的结果；
图10C图示了对采用图10A的MAC协议的WCN在不同采样间隔下的平均能耗进行比较的仿真的结果；
图11A图示了对采用图10A的MAC协议的WCN针对每秒3米的平均目标速度在不同超时周期（timeoutperiod）下的时限性（time-bounded）参数估计准确度（TIBPEA）进行比较的仿真的结果；
图11B图示了对采用图10A的MAC协议的WCN针对每秒6米的平均目标速度在不同超时周期下的TIBPEA进行比较的仿真的结果。
具体实施方式
虽然本公开的概念易于受到各种修改和替换形式的影响，但是其特定示例性实施例已经通过示例在附图中示出并且将在这里进行详细描述。然而应当理解的是，并非意在将本公开的概念局限于所公开的特定形式，相反，其意在覆盖落入如所附权利要求所限定的本发明的精神和范围之内的所有修改、等同和替换形式。
在以下描述中，可以给出诸如逻辑实施方式、操作代码、指定操作数的手段、资源划分/共享/复制实施方式、系统组件的类型和相互关系，以及逻辑划分/集成选择之类的许多特定细节，以便提供对本公开更为全面的理解。然而，本领域技术人员将要意识到的是，本公开的实施例可以在没有这些特定细节的情况下进行实践。在其它实例中，没有详细示出控制结构、门级电路以及完整的软件指令序列，以避免对本发明造成混淆。本领域技术人员利用所包括的描述将能够实施适当的功能而无需过度实验。
所公开系统和方法的实施例可以以硬件、固件、软件或者其任意组合来实现。例如，所公开系统和方法的实施例可以被实现为存储在一个或多个有形的（tangible）机器可读媒体上的指令，其可以被一个或多个处理器所读取和执行。有形的机器可读媒体可以包括用于以机器（例如，处理器）可读的形式存储或传送信息的任意机制。有形的机器可读媒体可以说明性地包括只读存储器（ROM）、随机存取存储器（RAM）、磁盘存储、光存储、闪存和/或其它类型的存储器设备。
本公开描述了一种特别为事件驱动的WSN所设计的预测性负载循环适配（PDCA）方案。而现有的方法被动（即反应性地）根据当前所经历的网络条件对节点的负载循环进行适配，目前所公开的PDCA方案通过预测即将在节点感测场内将发生感兴趣事件的可能性来主动对每个节点处的负载循环进行适配。该可能性在这里被称作节点处的“时空事件概率”（STEP）。采用该PDCA方案的WSN允许预期突发业务的节点在通信业务实际增长之前改变其通信协议参数（由此降低跨网络的整体延迟）。
目前所公开的PDCA方案为每个节点给予了通过其相邻节点检测正在进行的事件的能力，将每个节点的有效感测场扩展为还包括其通信邻节点的感测场。在一些实施例中，如以下更为详细解释的，这可以借助于从相邻节点所接收分组的报头中的1比特或2比特字段来实现。依据该PDCA方案，当节点正在经历事件时，则其相邻节点（即使在并不直接经历相同事件时）获知所述事件。因此，如果经历事件的节点能够预测其哪些相邻节点接下来将会经历相同事件，那些邻节点就能够在所述事件实际到来之前改变其协议参数。在一个说明性实施例中，使用嵌入MAC层之中的基于Kalman滤波器的追踪算法来实现该预测，从而允许每个节点利用仅一个或两个比特的额外通信开销来在概率上（probabilistically）定位当前正在发生的事件。在该PDCA方案中，可以以完全分布式的方式在每个节点处执行感兴趣事件的递归估计和预测。此外，所提出的PDCA方案允许网络中的不同节点以不同负载循环进行工作，产生多样的节点调度。为了避免相邻节点之间非重叠活动周期所带来的任意问题，可以在PDCA方案中包括允许每个节点仅基于它们相应调度的知识来计算其被允许向其相邻节点传送消息的时刻的机制（即，并不借助于额外的消息交换）。在详细描述用于MAC协议参数的重新配置的这种预测性方法之前，本公开首先研究事件驱动的WSN的几种唯一特征。以下还在目标追踪的背景下（利用与已知的TMAC和AMAC协议的性能比较）给出了采用PDCA方案的WCN的一个说明性实施例的仿真的性能估计。
事件驱动的WSN与更为传统的WSN的区别在于网络环境中发生的事件可能导致无线电广播业务在所述事件附近的节点之间突然增多。为了实时（在一些情况下，协作地）处理所感测数据并且避免丢失任何事件相关信息，事件驱动的WSN的节点应当能够快速改变其通信协议参数（例如，在负载循环内）。由于每个单独节点的有限计算功率和感测能力，事件驱动的WSN中的传感器节点通常彼此协作以便检测感兴趣的事件并且估计其各种属性。该特征可能与更为传统的WSN的节点有所差别，其中每个节点独立获得标量测量结果并简单地在网络中进行聚合以便去除数据传输中的冗余。更为传统的WSN的一个示例是被设计用于监视空气质量环境的无线网络。另一方面，无线摄像机网络（WCN）是事件驱动的WSN的说明性示例。在说明性的WCN中，节点不仅可以被调用来检测环境中人或其它对象的存在，而且还用来跟随所检测的人或对象的移动。
在所述说明性WCN（或其它事件驱动的WSN）中，诸如对象检测和追踪之类的任务可能会涉及超出任意单个节点的处理器能力的计算。如题为“ClusteringProtocolforDirectionalSensorNetworks”的当前未决的美国专利申请公开No.2010/0073686（其全部内容通过引用结合于此）中所描述的，这样的计算可能要求适当算法的基于集群的、分布式实施方式。如其中所描述的，用于这种协作处理的集群典型地由能够捕捉与事件相关的一些感应信息的节点所构成。协作计算通常涉及集群内的密集消息交换，导致以频繁分组冲突为特征的高度突发的通信（除非及时地改变通信协议参数），其导致能量浪费以及传送关键数据失败。图1中所示的状态转换图给出了在WCN的一个说明性实施例中当协作追踪对象时可能执行的各种计算步骤的概要。
事件驱动的WSN还具有所要求的服务质量（QoS）要求。事件驱动的WSN的用途主要是检测感兴趣的事件并且及时地执行事件特定的任务。回到说明性的WCN，其出于监视的目的而大面积部署，及时地对终端用户的事件信息传输可以要求与整个网络的通信相关的特定QoS。WSN还可以从节点协作解决问题的集群通信的角度来要求适当的QoS量度。由于单独节点的资源受限的属性，通过简单地过度供应（over-provisioning）节点实现高的QoS以使得它们能够迎合预期的峰值业务对于WSN而言通常是不切实际的。同样，简单地减小节点的负载循环在WSN中通常也不是可行的解决方案，原因在于这会对QoS带来不利的影响。如以下所更为详细描述的，可以使用各种QoS量度来将现有技术的被动负载循环适配方案与采用这里所给出的PDCA方案的WCN的说明性实施例进行比较。
目前所公开的PDCA方案通过对将要经历可能会导致高通信业务的感兴趣事件的节点的负载循环进行主动调节而专注于事件驱动的WSN的独特特征。如这里所使用的，节点的“负载循环”是指所述节点的无线电设备在一个周期中（与所述周期的整个持续时间相比）被唤醒的持续时间的比率。对于本领域技术人员显而易见的是，在节点处实际发生事件之前过分增大负载循环可能会导致能量浪费，而等到事件已经到达之后再增大负载循环则会无法及时地进行关键分组的传输，这可能会增加延迟。
目前所公开的PDCA方案通过根据节点即将经历感兴趣事件的可能性（即，节点处的“时空事件概率”（STEP），其将在以下更为详细地进行描述）主动对节点的负载循环进行适配来对这两种重要但并非互补的目标（即，高能量效率和低通信延迟）进行平衡。应当意识到的是，“事件”的确切定义将取决于WSN所要投放的应用。此外，一些应用可能会要求定义多种事件类型。例如，在对象检测和追踪应用的说明性背景下，“事件”可以被定义为存在感兴趣对象（例如，步行者）。换句话说，如果在节点处发生事件，则在所述节点的感测场内存在感兴趣对象。所述PDCA方案在节点可能即将经历事件的情况下增大节点处的负载循环，否则就减小负载循环。换句话说，如以下更为详细描述的，所述PDCA方案在节点处的STEP增高的情况下增大节点的负载循环，在STEP降低的情况下适当减小负载循环。
图2中图示了可以在本公开的说明性WCN10中采用的若干（一个或多个）基于摄像机的无线传感器节点12，其对（以方向18进行移动的）感兴趣对象16进行追踪。每个节点12可以说明性地包括图像传感器20、微处理器和存储器电路22，以及通信模块24。在其它实施例中，节点12外部的计算设备（典型地包括微处理器、存储器和通信电路）可以从（一个或多个）图像传感器20接收原始图像数据并对其进行处理。图像传感器20可以说明性地包括CCD摄像机、CMOS摄像机和/或任意其它适当替换形式。通信模块24可以在MAC层上包括具有无线通信能力的无线电设备。每个节点12的图像传感器20可以捕捉原始图像并且将所述原始图像传送到电路22的相关联微处理器。电路22的微处理器接着可以（基于嵌入在应用层中的过程）执行一系列任务，其包括（a）将图像传感器20所捕捉的图像存储在电路22的存储器中，（b）处理所存储的图像以检测事件并生成与所存储图像中的此类事件相关联的分析数据（例如，检测对象16的存在），（c）控制相关联的通信模块24（基于其通信调度）向MAC层上的相邻节点12传送信息或从其接收信息，以及（d）控制节点12的整体功能，但是并不局限于此。
WCN10的一个说明性实施例包括一组随机部署的节点12（分别标记为12A－12H）以及总体上从图3A-C中的顶部示图中所示出的基站或“汇聚（sink）”14。在该说明性实施例中，节点12的事件可以被定义为在节点12的感测场内存在感兴趣对象16。也可以预期WCN10具有针对图3A-C所示的替换拓扑的其它实施例。节点12的部分重叠的通信范围在图3A中被指示为虚线圈，而节点12、14的部分重叠的感测场则在图3B中被指示为虚线矩形。图3C图示了对感兴趣对象16（其可被节点集群看到并且以方向18进行移动）进行追踪并且通过（沿虚线箭头所指示的路由路径的）多跳通信向基站14传送集群内所聚合的数据。如图3C所示，节点12E、12F目前能够看到对象16并且主动参与集群数据聚合（即，节点12E、12F正在经历事件）。因此，节点12E、12F的负载循环被设置为足够高的值（例如，最大负载循环）。由于（因为基于其在方向18的当前运动所预期的对象16的未来状态）节点12A、12B可能很快感测到对象16，所以节点12A、12B的负载循环也可以有所增大以便在对象16实际变为可见之前在这些节点处实现低延迟条件。节点12B、12C、12D、12H主动参与向基站14传送聚合数据。因此，节点12B、12C、12D、12H的负载循环也被设置为足够高的值（例如，最大负载循环），从而包含与对象16相关的信息的分组能够被快速可靠地传送至基站14。最后，剩余节点12G相对远离感兴趣事件，并且PDCA方案相应地减小节点12G的负载循环。
当在节点12发生感兴趣事件时，所述PDCA方案向节点12的通信邻节点通知所述事件，以便对可能到来的无线电业务增加进行准备。在一个说明性实施例中，当前检测到事件的节点12可以通过在其所传送分组的MAC报头中设置专用比特来就所述事件的发生警告其通信邻节点。这样的专用比特在这里是指显式事件通知（EEN）比特。还预见到在可替换实施例中，可以在MAC报头中使用专用的2比特字段。除了EEN比特之外，这样的可替换实施还可以包括显式事件路由通知（EERN）比特，其被用来指示传送所述分组报头的节点12当前是否正在传输事件相关数据。由于MAC层协议通常并不负责获取直接的传感器测量结果，所以PDCA方案提供了到应用层的接口，所述接口允许其通知MAC层应当在感兴趣事件处于节点12的感测场内时设置所有外出分组的EEN比特（并且在采用专用的2比特字段的可替换实施例中，应当在节点12传送事件相关数据时设置所有外出分组的EERN比特）。
针对一个节点12的MAC层26和应用层28之间的交互的概要总体上在图4中进行图示。节点12的应用层28通知MAC层26是否已经在节点12的感测场中检测到事件，从而MAC层26可以在其传送的分组中设置或取消设置（unset）报头的EEN比特。同时，如果任意相邻节点12检测到事件，这样的相邻节点12也以MAC层26所接收分组的报头中设置的EEN比特的形式向节点12通知所述事件。如以下更为详细解释的，节点12可以基于其所接收的EEN比特是被设置还是被取消设置来预测其是否即将经历事件。如果预测出将在节点12的感测场中发生事件，则MAC层26可以（关于其无线电设备的负载循环）对节点12的通信调度进行适配，以便以更为高效的方式与相邻节点12进行通信。
该说明性实施例中节点12的MAC层26和应用层28的详细状态转换图在图5中示出。应用层28具有两种可能状态：空闲状态30和感测状态32。在WCN10开始操作之前，应用层28处于空闲状态30。一旦WCN10开始操作，应用层28的状态就转换至感测状态32（以下参考算法2更为详细地描述）。在感测状态32中，节点12的应用层28试图检测其感测场中的事件。如果检测到感兴趣事件，则节点12的应用层28通知节点12的MAC层26设置其EEN比特（以下参考算法1更为详细地描述）。
MAC层26也具有两种可能状态：空闲状态34和追踪状态36。在节点12的MAC层26被其自己的应用层28或者相邻节点12经由所设置的EEN比特通知了检测到事件之前，MAC层26都处于空闲状态34。一旦MAC层26接收到事件通知，所述状态就改变为追踪状态36。在追踪状态36中，MAC层26使用节点12处的STEP执行即将检测到事件的预测。基于即将在节点12的感测场中发生事件的可能性，MAC层26对节点12的通信调度进行适配。换句话说，MAC层26基于节点12处的STEP对其无线电设备的负载循环进行改善（refine），以使得以WCN10有所减少的能量消耗高效进行与相邻节点12的通信。MAC层26的这些操作以下将参考算法3－5更为详细地进行描述。应当注意的是，图5中的标记A1-1,A1-2,…,A4-4表示以下算法1－4中所描述的操作。
当节点12接收或监听到设置了EEN比特的分组时，节点12能够“间接感测”到感兴趣事件（而无需使用其自己的感测器“直接”感测所述事件）。在一些实施例中，接收节点12可以以相关联的不确定量假设事件位于传送节点12的感测场的中心，由该传送节点的感测场的区域近似。再次参见WCN10的说明性实施例（现在参见图6），每个无线摄像机节点12的感测场可以被定义为视见平截头体40，其中可以在成像平面42中利用可接受的锐聚焦来感知对象。视见平截头体40以从摄像机内的光学中心46所辐射的边44以及表示可接受锐聚焦极限的近平面48和远平面50作为边界。一旦视见平截头体40已经被标识，就可以找到感测场的中心52。以上述方式定位事件为接收具有所设置EEN比特的分组的每个节点12提供了“扩展的感测场”。本领域技术人员将会意识到，所述EEN比特的功能类似于TCP/IP中典型使用的一般形式的显式拥塞通知（ECN）。这种间接感测类型的事件检测可以被作为到Kalman滤波器（KF）的输入。使用基于KF的事件追踪的WCN10的说明性实施例中每个节点12所执行的状态估计过程如算法1中的伪代码所概括。
这种间接感测方法使用EEN比特假设每个节点具有与其通信邻节点的感测场相关的信息。在一些实施例中，该信息可以被每个节点12在WCN10的初始化阶段所接收。由于计算节点12的感测参数通常超出了MAC协议的范围，所以本公开假设（在一些初始校准过程之后）该信息可被应用层所使用。应用层接着可以以三元组(ID;z;R)的形式将该信息传送至MAC层，其中ID标识节点12（“self”指示本地节点地址），z对应于节点12的感测场40的中心52，并且R是近似节点12的感测场40的椭圆体。节点12接着可以向其一跳的通信邻节点广播该信息。接收这些初始化消息的节点12可以将它们存储在MAC层协议内相邻节点12的列表中。WCN10的说明性实施例中每个节点12所执行的示例性初始化过程如算法2中的伪代码所概括。
如以上所提到的，可以在节点12处使用时空事件概率（STEP）来执行事件预测；该过程将在以下段落中进行数学描述。给定时刻的事件j，通过时间的目标事件的预测位置的不确定性给出表示为的STEP分布，其中为下一次传感器测量之前的预期时间间隔。也就是说，利用所给出的目标事件的预测位置，STEP通过所给出。应当注意到，STEP和预测位置的下标为而不是，原因在于所述下标指示进行预测的时间。所述STEP分布在节点12通过直接或间接感测获得新的测量结果时进行更新。
以下假设是合理的，在事件被追踪时每个节点12将获得所述事件的多个观察。返回与以方向18移动的对象16的检测相关联的事件示例，说明性WCN10的每个节点12通常将获得对象16的位置的多个观察。每个这种测量结果可以被表征为对象16位置的预期值以及相关联的以协方差矩阵形式的不确定性。在对象16被追踪时顺序获取的这些测量结果可以在递归架构中用来预测最为可能即将看到对象16的节点。在一些实施例中，该递归架构可以实现为与H.Medeiros等人在“DistributedObjectTrackingUsingaCluster-BasedKalmanFilterinWirelessCameraNetworks,”2IEEEJournalofSelectedTopicsinSignalProcessing448-463(2008)中所描述的相类似的KF架构，其全部内容通过引用明确结合于此。
在说明性实施例中，当前参与观察和追踪感兴趣对象16的每个节点12将创建对象16的状态矢量。在大多数情况下，节点12处的状态矢量将利用从相邻节点12所接收的对象信息进行初始化。随后，当节点12自己开始观察对象16时，Kalman等式可以被用来更新所述状态矢量。该更新的状态矢量接着可以在其离开当前节点12的感测场40时被节点12用来进行与对象12将何处出现相关的预测。所述状态矢量可以说明性地包括四维（4D）矢量，其由事件在离散时刻k的位置(x k ,y k )和速度所构成。换句话说，所述状态矢量可以通过
(1)
所给出。
使用该状态矢量，系统动力可以通过
(2)
进行建模，其中δ k 表示对象16的两次观察之间所经过的时间（即，如果在时间t k 取得测量结果k，则在时间t k+1=t k +δ k 获得测量结果k+1），并且事件加速度(a x ,a y )被建模为具有协方差矩阵Q的白高斯噪声。该系统动力还可以被表示为：
(3)
其中：
(4)
(5)
并且是具有协方差矩阵Q的过程噪声矢量。PDCA方案所利用的测量结果由感兴趣事件的近似位置给出。因此，测量结果模型可以由下式描述：
(6)
其中H=[I (2x2)0(2x2)]为观察矩阵，而v k 为测量噪声，假设为具有协方差矩阵R k 的白高斯噪声。
在测量结果连同其对应时间戳一起被接收并且在节点12之间保持相对紧密的同步的实施例中，可以获得相当精确的测量时间并且可以准确计算δ k 。在测量结果并不包括对应时间戳的其它实施例中，仍然可以使用嵌入在分组中的时间戳获得测量时间的估计。此外，所接收的测量结果自身为所述事件实际位置的粗略近似，并且因此节点12之间的微小时间差所导致的不准确度能够相对被忽略。此外，同步MAC协议通常至少在局部的相邻节点之间采用相当紧密的同步方案以进行适当操作，并且可以合理忽略接收测量结果中的任何时间抖动。
分别使用和作为所预测和之前估计的状态矢量，并且分别使用和作为所预测和之前估计的协方差矩阵，KF的时间更新等式可以通过下式给出：
(7)
(8)
并且KF的测量结果更新等式可以通过下式给出：
(9)
(10)
(11)
其中K k 表示Kalman增益。可以被每个节点12所执行的状态估计算法（算法1）所调用的说明性KF更新函数以如算法3的伪代码进行概括并且在以下进行描述。
当在节点12的扩展感测场内在时间t k 检测到事件，则将新的测量结果z k 提供给追踪算法。如之前所讨论的，测量结果可以是节点12直接感测事件或者通过接收设置了EEN比特的分组而间接感测事件的结果。由于与相邻节点12的感测场40相关的信息已经在WCN10中本地共享（根据算法2，在初始化期间），所以事件的平均位置(z)以及其对应协方差矩阵(R)可以基于传送所设置EEN比特的节点12的ID值（或者基于节点自身的感测参数，其中ID==self）来推断。如以上所讨论的，所述平均位置可以被认为是测量节点12的感测场40的中心52，并且所述协方差矩阵可以被认为是近似测量节点12的感测场40的区域。如果当前没有事件被接收到新测量结果z k 的节点12所追踪，则实例化并初始化新的KF。
可替换地，如果KF的实例已经存在于节点12，则节点12必须确定新测量结果z k 是与当前被追踪的事件相关还是与新事件的第一次发生相关。该确定是一个多目标追踪的问题，其由于MAC层的感测分辨率而变得甚至更为困难。由于该分辨率仅由节点12的位置以及它们在说明性WCN10中对应的感测范围所提供，所以MAC层的感测分辨率相对低，这与所使用摄像机的类型和精度无关。该说明性实施例通过假设WCN10中的多个事件一直充分彼此远离而可被节点12所区分来避免该多目标追踪的问题。在确定新测量结果z k 是与先前检测事件还是新事件相对应时，所述PDCA方案将事件j在时间t k 的预测位置定义为：
(12)
其中对应于事件j的预测x和y坐标（不包括其速度）。由于在时间t k 并不知道观察(δ k+1)之间的时间，所以可以使用预定义的δ k+1来执行所述预测（其可以基于节点12的一个或多个参数来设置，诸如它们的感测间隔）。事件的对应预测空间不确定区域为满足的区域，其中参数定义了所述不确定区域的置信度（即，所预测的空间不确定区域对应于能够以大于或等于的概率找到目标的(x,y)平面中的区域）。在这些方面，所图示的实施例假设事件j的所预测空间不确定区域并不与任意其它现有事件l≠j的所预测空间不确定区域相重叠（即，）。此外，在该说明性实施例中，参数被设置为足够小，从而节点h在时间t k 对事件j的下一个实际连续的测量结果通常在所预测的空间不确定区域内被检测到。
基于说明性实施例的这些假设，如算法3中所概括的，在一些事件j的之前预测的空间不确定区域内接收新测量结果的节点12将通过更新对应于事件j的KF并估计事件j的新状态来进行响应。可替换地，如果新的测量结果不处于当前被追踪的任意事件的之前所预测的空间不确定区域内，则节点12将实例化并初始化新的KF。最终，如算法3所示，如果负责追踪事件j的KF实例在长于一些预定义阈值T thresh 的时间段内并没有接收到新的测量结果，则节点12将终止该KF实例（预定义时间的逝去意味着事件已经离开了节点的扩展感测场）。
WCN10中相邻节点之间的重叠感测场40通常导致相同对象16的多个测量结果被节点12接收。在这样的条件中，在节点12处实施的KF在接收这些测量结果时对相关联事件的估计状态进行递归更新。然而，由于介质访问竞争和/或处理延迟，测量结果可能不会以与它们实际所采取相同的次序在节点12处被接收。尽管存在这种可能性，也并不需要解决这种排序问题的复杂机制，原因在于所述PDCA方案事先大大缓解了任何严重的通信竞争，以及因为MAC层相对低的感测分辨率所导致的不准确度通常支配了测量结果乱序到达所导致的任意不准确度。因此，所述PDCA方案的说明性实施例进一步假设了测量结果的到达次序是测量结果实际被取得的次序。在其它实施例中，每个测量结果可以被提供有时间戳以便由节点12进行适当排序。
可以由每个节点12每当对KF实例进行更新（按照算法1和3）时所执行的说明性负载循环适配过程以如算法4的伪代码进行概况并且在以下进行描述。
由于给定时刻的STEP分布于连续空间，所以不确定区域可以被划分为子区域，每个子区域对应于特定的负载循环等级。例如，在PDCA方案包括N个负载循环等级（d 0 ,d 1 ,…,d N ，其中d N 为最高负载循环）的实施例中，不确定区域可以被划分为N个子区域，它们均满足，其中。预测在给定时间处于和之间的椭圆区域内的每个节点12可以将其该时刻的负载循环调节为d m 。STEP分布的这种子区域划分将导致类似洋葱的负载循环等级层理，如图7A-C所示。在大多数实施例中，相对小数目的负载循环等级（例如，3至5）对于PDCA方案将是足够的。在图7A-C的说明性实施例中，PDCA方案具有三个负载循环等级（即，N=3），对应于区域60、区域62和区域64。
应当注意的是，所述说明性PDCA方案基于节点12的感测场40而不是它们的地理位置，这允许MAC协议被应用于方向传感器网络（例如，摄像机网络）。因此，虽然图7A中的点指示每个节点12A-H的物理位置，但是图7B中的点则指示每个节点12A-H的感测场40的中心52（具有下标“cs”）。如图7A和7B所示，节点12A的感测场40的中心52处于区域60内，意味着节点12A将具有最高的负载循环，在该说明性实施例中为d 3 。其间，节点12B、12C和12H的感测场40的中心52处于区域62内，这意味着节点12B、12C和12H将具有中间的负载循环d 2 ，而其余的节点12D-G则将具有最低的负载循环d 1 。
在算法4中，节点12的当前负载循环等级被表示为，其中对应节点12当前处于和之间的STEP子区域中。每当进行STEP更新时，节点12都可以计算新的负载循环等级d m ，并且针对时间调度负载循环的修改。在调度的时间，节点12将采用新的负载循环等级d m 并且将其新的调度广播至相邻节点12（从而它们能够获知其间广播节点12可供使用的时间段）。与发生了感兴趣的事件不同，事件的消失将不会触发附近节点12之间立即的通信业务。相反，可以通过设置了EEN比特的分组在一段时间内不存在来推断事件的消失。因此，如算法4所示，使用软状态方法执行负载循环的适配：每当发生负载循环修改时都设置超时周期，并且在超时周期终止时，节点12假设感兴趣的事件已经离开了其扩展的感测场并且将其负载循环重新设置为最低等级d 1 。
图7A-C中示出了参与分别在时间和追踪（以方向18移动的）对象16的WCN10的说明性实施例。同样，（实线圈）所划分的区域60－64指示对应于变化的负载循环等级的示例性分层STEP子区域。如果最初被节点12F所检测到的感兴趣事件移动到节点12B的感测场40中（如图7A和7B所示）并且触发了分组传输，则将在节点12B所传送的分组中设置EEN比特，由此向节点12A、12E、12H通知所述事件的发生。当在时间t k 从节点12B接收到这样的分组时，由于这种间接感测的测量结果，将在节点12A、12E、12H中的每一个处创建、初始化并更新KF。节点12A、12E、12H接着将关于其相应感测场40的中心52计算当前的STEP。
节点12A基于从节点12B所接收的消息而在时间t k 所计算的STEP在图7A和7B中图示。此刻，节点12A预测它将在其下一次测量期间处于区域60内（即，其非常可能检测到对象16），并且随后进行调度以在t k+1采用最高负载循环等级d 3 。在图7C所示的后续的时刻，节点12获取对象16的测量结果并且计算新的STEP。此刻，节点12A预测它将在其下一次测量期间处于新区域62内（即，如新的STEP中所反映的，其相对较少可能检测到正在远离其感测场40移动的对象16），随后，进行调度以采用中间负载循环等级d 2 。由于每个节点12不但基于其自己的测量结果而且还基于从相邻节点12所接收的消息而独立计算其自己的STEP，所以不同节点12处所计算的STEP可能稍有不同。尽管实际存在微小差异，但是多个节点12所计算的STEP全部都是事件位置的分布的近似，并且由此通常将非常相似。如果节点12正在追踪多个事件（例如，使用多个KF实例），则节点12可以位于多于一个的所预测不确定区域60-64内。在一些实施例中，可以使用不同方法对来自多个事件的不确定性进行整合。然而，在说明性实施例中，PDCA方案简单地选择对应于较高负载循环的区域60-64。
在说明性实施例中，一旦节点12已经检测到感兴趣事件并且计算了新的负载循环等级，节点12的帧长度就指数地增大或减小。例如，在T 1为对应于d 1 的最低负载循环的帧长度，并且M为指数变化的帧长度的底（base）的情况下，则对应于d c 的当前帧的长度T c 可以表示为：
(13)
其中，N表示负载循环等级的数目，并且（即，正整数）。预期到在PDCA方案中M可以为任意数。例如，如果帧长度以双倍或三倍变化，则M将分别为2或3。这种指数变化的自适应帧的方法保证了任意节点12对即使在其以不同负载循环进行操作的情况下也能够进行通信。例如，给定最初均在时间t 0活动的以不同负载循环d i 和d j (i<j)进行操作的两个节点n i 和n j ，节点n i 将在时间t 0+kT i ()醒来，而节点n j 将在时间t 0+lT j ()醒来。每当时，两个节点的活动间隔都将一致。结果，至少在作为与最低的可能负载循环等级d 1相对应的活动周期的基本帧时间t bf 期间，WCN10中的每个节点12都能够与其紧邻的邻节点进行通信。图8示出了使用四个不同负载循环等级（d 1至d 4）的说明性实施例的指数变化的帧长度。（利用负载循环d 1）的调度S1具有帧长度f1，而调度S2(d2),S3(d3)和S4(d4)分别具有帧长度f2、f3和f4。这些帧长度之间的指数关系可以表示为f4=(21)*f3=(22)*f3=(23)*f1。
在节点12确定了其应当在时间t k+1采用新的负载循环等级d m 之后，节点12还应当采用机制来允许这种修改而无需将其调度与相邻节点12的调度去同步。由于t k+1并不与新帧的开始相一致，所以节点12可以确定不同的时间来使用新的调度开始下一个帧。使用t c 作为当前时间，t cf 作为当前帧开始的时间，t bf 作为之前基本帧开始的时间，并且t nf 作为下一个帧根据当前调度应当开始的时间，如果节点12在时间t c 决定将其负载循环改变为不同等级d m ，则节点12将把下一个帧的开始调度为，其中为到下一个帧开始的剩余时间：
(14)
服从，其中。由于等式（14）中的所有参数都是已知的并且相对小，所以该最小化问题可以通过搜索U的可能值而快速解决。现在参见图9，垂直实线图示出当前调度的活动周期的开始，而垂直虚线则图示出将要采用的新调度的活动周期的开始。如果这种情况下的参数为M=2且N=5，则节点12的当前负载循环等级为d c =1，并且在时间t c ，节点12决定将其负载循环增加至d m =2，则将选择参数U作为1和=22之间满足>0的最小值。在图9的说明性实施例中，，所以U为3。接着可以通过在等式（14）中设置U=3来计算，并且可以相应地重新调度下一个帧的开始时间。
目前所公开的PDCA方案被设计为具有插件功能以用于事件驱动的WSN中的同步MAC协议。如以上所讨论的，节点12对之间可以具有不同调度的任意通信都应当在其活动周期中的重叠期间进行，这将是它们之间具有最低负载循环（不必为d 1 ）的节点12的活动周期。可以通过基于它们的开始时间对一个负载循环间隔内的帧分配帧号码来促进节点12的活动周期的计算。例如，当使用N个负载循环等级时，帧的最大数目为M N ，从而帧号码的范围可以从0至M N –1，其中0对应于在t bf 开始的帧，而M N –1对应于最后的帧。当节点12以较低负载循环等级d c (c<N)进行操作时，（由于存在较少的帧）并非所有的帧号码都可以被使用。并不存在的帧可以基于其开始时间而保留其原始编号（即，如果以负载循环等级d c 在时间t cf 开始的帧被编号为f cf ，则其号码在负载循环等级d N 也为f cf ，不过在等级d c 将不会使用帧号码f cf +1）。下一个帧号码f nf 可以被表示为：
(15)
例如，在M=2,d c =1并且d N =5的情况下，下一个帧号码将为f nf =(f cf +24)mod25。由于初始帧被编号为0，所以这种情况下的帧号码在0和16之间交替变化。对于具有其当前负载循环等级为的相邻节点12的节点12而言，这两个节点12的活动周期每当以下等式成立时有所重叠：
(16)
对于成功的单播通信而言，节点12应当仅在这样的帧期间向另一节点传送分组。节点12可以使用以下所描述的同步机制而了解到其相邻节点的调度。实际上，节点12可能并不知道其一些或所有相邻节点12的当前调度（例如，节点12所知道的邻节点的调度可能是过时的），特别是在热点附近发生节点12的负载循环变化时更是如此。在这样的情况下，会存在明显的延迟直至所述变化由于严重的竞争和冲突而被其它节点所认识到。因此，节点12还可以通过检查邻节点处于其自己STEP的哪个区域中来估计其相邻节点12的调度。可以针对广播通信采用各种传输策略。在一些实施例中，可以对通信进行限制以使得节点12仅可以在其所有相邻节点12都能够接收分组（即，如果等式（16）对其所有邻节点都成立）时才广播分组。将要意识到，该实施例将会导致广播分组的较长传输延迟。在其它实施例中，节点12可以在至少一个相邻节点12能够侦听的最早时间（即，只要等式（16）对其至少一个邻节点成立）广播消息。将要意识到，该实施例会明显减少相邻节点12监听或接收到分组的机会。PDCA方案的说明性实施例采用了后一种方法，原因在于事件附近的相邻节点12很可能具有与主体节点12相同甚至更高的负载循环，并且事件相关的信息通常是延迟敏感的。
在PDCA方案的说明性实施例中，可以每当发生调度变化或需要周期性SYNC消息交换时广播SYNC消息。每个SYNC分组可以说明性地包含（a）调度发起方的ID，（b）当前负载循环等级d c ，（c）到下一个基本帧开始的剩余时间，（d）当前调度的年纪（age），和（e）用于（以下详细讨论的）EEN和EERN的2比特字段。当前调度的“年纪”是指该调度被发起方在周期性交换中广播的次数。PDCA方案的说明性实施例还在整个网络中采用了全局调度方案以避免与（属于多个离散调度的）边界节点相关的可能问题。这种全局调度方案可以通过使得节点12采用“较老”调度来实现。例如，如果S 0为调度的发起方并且在S 0所发起的调度下进行操作的节点12利用源自S i （其中i≠0）的调度或者利用相同但具有不同年纪的调度从相邻节点12接收SYNC分组，则节点12将采用较老的调度。
为了减少向基站14传送与感兴趣事件相关的信息的可能延迟，PDCA方案还对沿用来传送该信息的路由路径的中间节点12进行明确区分。如之前所讨论的，通过在来自那些节点12的外出分组的MAC报头中设置EEN比特来标识事件检测节点12。另一方面，为了指示该节点正在向基站14路由事件相关的信息，节点12可以在MAC报头中设置显式事件路由通知（EERN）比特。当节点12是其中设置了EEN或EERN比特的分组的预期接收方时，这意味着包含与感兴趣事件相关的信息的优先化流正被路由通过节点12。因此，在接收到该分组时，所述节点就将所有分组的EERN比特设置为随后传送。
只要节点12是路由路径的一部分，它就将其负载循环增大为预定义等级d N’ ，以使得任意的端到端延迟最小化。在一些实施例中，等级d N’ 可以被设置为与最大负载循环d N 相同。参见图3C中所示的说明性WCN10，由于节点12B,12H,12C,12D和基站14都沿着事件相关分组的路由路径，所以它们的负载循环将在接收到源自于节点12E或12F的分组时被增大到d N’ 。节点12沿路由路径的成员资格（membership）可以被实施为必须通过设置了EERN的分组的接收进行周期性刷新的软状态。换句话说，如果节点12并没有在特定时间段内接收到路由分组，则该节点12会将其负载循环减小为最低等级d 1。可以由每个节点12所执行的针对事件信息路由的说明性负载循环适配过程以如算法5的伪代码进行概括（变量isEventRouting指示节点12当前为路由路径的一部分）。
通过将目前所公开的PDCA方案应用于TMAC架构来构建MAC协议的说明性实施例（这里称作P-TMAC）。TMAC是具有固定帧长度的（依赖于当前网络条件的）同步自适应的负载循环控制的MAC协议。通过对TMAC应用PDCA方案，帧长度也变为动态的，带来了更好的适应性而没有任何设计冲突。在目标追踪（事件驱动的WSN的典型应用）的背景下，在Castalia模拟器上对P-TMAC协议进行评估。Castalia模拟器在A.Boulis的“Castalia:RevealingPitfallsinDesigningDistributedAlgorithmsinWSN,”SenSys’07:Proceedingsofthe5thInt’lConf.onEmbeddedNetworkedSensorSys.407–408(2007)中有所描述，其全部内容通过引用明确结合于此。特别地，利用由60个TelosB节点所构成的WCN来仿真P-TMAC协议的性能，所述TelosB节点均配备有在天花板下随机部署并且在25mx45m区域中向下取景的摄像机。假设在总仿真时间的三分之一期间在网络中存在随机移动对象（在一定程度上为了适应稀有和频繁事件发生的两种情况）。
P-TMAC的仿真性能与其它两种现有的自适应MAC协议：AMAC和TMAC进行比较。这些MAC协议的基本帧长度L全部被设置为具有30ms活动周期的1220ms，产生2.46％的基本负载循环。P-TMAC和AMAC均被允许在L,L/2,L/4和L/8之间改变其帧长度（由于指数变化的帧长度的属性）。为了提供性能评估的基线，还对不同帧长度的四个TMAC进行评估。特别地，还对分别具有对应于2.5%,4.9%,9.8%和19.7%负载循环的帧长度并且被命名为TMAC-0,TMAC-1,TMAC-2和TMAC-3的TMAC协议进行仿真。所述仿真的其余参数在以下表1中进行概括：
发射范围 ~100米
(0 dBm处的)发射功率 35 mW
接收功率 38 mW
休眠功率 15 μW
空闲功率 3 mW
感测范围 50米
SYNC 22字节
RTS 14字节
CTS 14字节
ACK 14字节
DATA 44字节
仿真时间 2400秒
平均对象速度 3米/秒
表1.仿真参数概要
此外，对两种类型的情形进行仿真：其中检测到感兴趣事件的节点单独或者与利用与相邻节点的协同数据处理向汇聚节点报告事件。第一种情形（即，其中检测到感兴趣事件的每个节点单独报告其测量结果）对每种MAC协议能够多好地处理事件所触发的突发性分组进行评估。第二种情形（即，其中检测到事件的每个节点与其相邻节点交换消息以执行协同感测和处理并且接着报告聚合结果）必然伴有所述事件附近甚至更为密集的突发性业务，为所采用的MAC协议带来了额外的挑战。除了诸如延迟和吞吐量之类的常规量度之外，两种情形中的MAC协议的性能特征使用时限性参数估计准确度（TIBPEA）进行捕捉，这是特别设计以评估事件驱动的WSN的QoS量度。TIBPEA在P.J.Shin等人的“AQoSEvaluationTestbedforMACProtocolsforWirelessCameraNetworks”235-242(2007)中有所描述，其全部公开内容通过引用明确结合于此。TIBPEAQoS评估量度基于以下观察而设计：相邻节点能够彼此通信的可靠性越高，必须协同计算的任意参数的准确度就越高。TIBPEA通过使用在特定超时周期内对广播消息进行成功回应的相邻节点的平均百分比来计算。各种MAC协议还使用诸如延迟、归一化吞吐量和能耗之类的常规量度进行评估。所述归一化吞吐量通过将每种MAC协议中所有节点向汇聚节点报告的分组数目除以作为上限的TMAC-3中的该数目来计算。
在第一种情形中，WCN的每个节点利用其自己的感测间隔连续感测环境。每当节点在其感测间隔期间检测到感兴趣事件时，该节点都将其自己的测量结果直接报告给WCN的（例如，位于网络边缘的）汇聚节点。由于节点的感测场可能重叠，所以所述事件可能触发从该事件附近到汇聚节点的多个通信流，每个通信流由简单的基于树的路由协议所引导。在该第一种情形中，在延迟、归一化吞吐量和能耗方面对以上所描述的P-TMAC协议、AMAC协议和（具有不同基本负载循环的）四种TMAC协议的性能进行评估。
现在参见10A，仿真结果示出，以不同的采样间隔，在与TMAC-3相似的范围中，P-TMAC实现了非常低的平均每跳延迟。“感测回合”可以被定义为其间在节点的感测场中存在感兴趣事件的时段。“链路初始化分组”可以被定义为在每个感测回合期间传送的第一个分组。假设相同的对象运动，更高的采样率使得每个感测回合生成更多的分组，导致链路初始化分组相对于整体分组数目的比例较低。由于低采样率和/或慢目标移动，所以TMAC和AMAC均被设计为在链路初始化分组数目低时表现最佳。如能够在图10A中看到的，TMAC-0和AMAC的平均每跳延迟随着采样间隔增加而不利地增大，而P-TMAC则保持了其最佳性能。
图10B中示出了每种MAC协议仿真的归一化吞吐量。所述归一化吞吐量通过将从针对每种MAC协议从所有节点向汇聚节点报告的分组数目除以TMAC-3的相同数目（其作为理论上限）来计算。在吞吐量方面，P-TMAC优于AMAC，实现了几乎与TMAC-3相同的性能。AMAC的吞吐量随采样间隔增加而降低的主要原因在于控制分组（例如，SYNC、RTS和CTS）与数据分组相比的额外通信开销。P-TMAC和AMAC中每一个每当节点的调度发生变化时都广播当前调度。由于P-TMAC具有比AMAC更宽的调度适配范围，所以这种通信开销分布于在空间上。因此，控制分组对于事件周围节点的负面影响在P-TMAC中影响小于在AMAC中。
如图10C所示，虽然P-TMAC在延迟和吞吐量方面实现了与TMAC-3相似的性能，但是P-TMAC的能耗处于TMAC-1和TMAC-2之间。这意味着P-TMAC比TMAC更为有效地改善了能量和延迟之间的折衷。最后，AMAC实现了比P-TMAC更高的效率，但是如以上所描述的，这是以延迟和吞吐量方面的性能作为代价的。
在第二种情形中，当节点检测到感兴趣事件时，所述节点试图与相邻节点共享测量结果以通过协同数据处理（通常包含分布式算法）获得对所述事件的更深入理解。现在参见图11A和11B，利用不同的平均目标速度3m/s和6m/s对MAC协议进行了两组仿真。对于每组仿真而言，利用不同超时界限测量TIBPEA。在超时边界严格（tight）时（事件驱动的WSN中的普遍情形），P-TMAC协议优于AMAC协议、TMAC-0协议甚至TMAC-2协议。对于延迟关键的应用而言，P-TMAC与其它MAC协议相比的优越性能满足了该设计目标。
虽然以上已经对特定的说明性实施例进行了详细描述，但是在如以下权利要求所描述和确定的本公开的精神和范围之内存在多种变化和修改。

Claims (39)

1.一种用于控制多个节点（12）对共享通信介质的访问的方法，所述方法包括：
对所述多个节点（12）中的每个节点（12）预测未来在该节点（12）的视见平截头体（40）内是否将发生事件；并且
响应于与该节点（12）相关的预测而对每个节点（12）的通信调度进行适配；
其中对每个节点（12）的通信调度进行适配包括调节每个节点（12）的无线电设备（24）的负载循环；
并且其中调节每个节点（12）的无线电设备（24）的负载循环包括确定每个节点（12）属于事件的所预测不确定区域的哪个概率子空间或指数地改变每个无线电设备（24）所使用的帧长度。
2.如权利要求1所述的方法，其中预测未来在每个节点（12）的视见平截头体（40）内是否将发生事件包括预测未来每个节点（12）的摄像机（20）是否将观察到感兴趣的对象（16）。
3.如权利要求1所述的方法，其中预测未来在每个节点（12）的视见平截头体（40）内是否将发生事件包括估计所述多个节点（12）中的每个节点（12）处的时空事件概率，其中每个节点（12）处的时空事件概率表示未来在该节点（12）的视见平截头体（40）内将发生事件的可能性。
4.如权利要求3所述的方法，其中估计所述多个节点（12）中的每个节点（12）处的时空事件概率包括对未来每个节点（12）的视见平截头体（40）内的事件的位置不确定性进行整合。
5.如权利要求3所述的方法，其中估计所述多个节点（12）中的每个节点（12）处的时空事件概率包括使用递归参数估计器。
6.如权利要求5所述的方法，其中使用递归参数估计器包括使用Kalman滤波器和粒子滤波器之一。
7.如权利要求5所述的方法，进一步包括利用所述多个节点（12）中的第一节点（12）接收或监听来自所述多个节点（12）中的第二节点（12）的分组，所述分组包括事件的测量结果。
8.如权利要求7所述的方法，进一步包括通过使用所述事件的测量结果更新所述递归参数估计器来估计第一节点（12）处的新的时空事件概率。
9.如权利要求7所述的方法，进一步包括在测量结果不处于事件的所预测不确定区域内时初始化递归参数估计器的新实例。
10.如权利要求7所述的方法，进一步包括在其间第一节点（12）没有接收或监听到包括事件的新测量结果的分组的预定义时间段之后终止所述递归参数估计器的实例。
11.如权利要求10所述的方法，其中所述第一节点（12）的通信调度响应于所述递归参数估计器的实例的终止而被适配为最低负载循环。
12.如权利要求1所述的方法，进一步包括当节点（12）感测到事件时，所述节点（12）向其通信邻节点传送包括专用字段的分组，所述专用字段包括指示传送所述分组的节点（12）当前感测到事件的第一比特。
13.如权利要求12所述的方法，其中所述专用字段还包括指示传送所述分组的节点（12）当前是否正在传输事件相关数据的第二比特。
14.多个节点（12）中的第一节点（12），所述第一节点（12）包括控制电路（22），所述控制电路（22）被配置为：
预测未来在第一节点（12）的视见平截头体（40）内是否将发生事件；并且
响应于该预测而对第一节点（12）的通信调度进行适配，所述通信调度控制第一节点（12）对多个节点（12）之间所共享的通信介质的访问；
其中所述控制电路（22）被配置为通过调节第一节点（12）的无线电设备（24）的负载循环来对第一节点（12）的通信调度进行适配；
并且其中所述控制电路（22）被配置为通过确定第一节点（12）属于事件的所预测不确定区域的哪个概率子空间或通过指数地改变第一节点（12）的无线电设备（24）所使用的帧长度来调节第一节点（12）的无线电设备（24）的负载循环。
15.如权利要求14所述的第一节点（12），其中所述控制电路（22）被配置为通过预测未来第一节点（12）的摄像机（20）是否将观察到感兴趣的对象（16）来预测未来在第一节点（12）的视见平截头体（40）内是否将发生事件。
16.如权利要求14所述的第一节点（12），其中所述控制电路（22）被配置为通过估计第一节点（12）处的时空事件概率来预测未来在第一节点（12）的视见平截头体（40）内是否将发生事件，其中时空事件概率表示未来在第一节点（12）的视见平截头体（40）内将发生事件的可能性。
17.如权利要求16所述的第一节点（12），其中所述控制电路（22）被配置为通过对第一节点（12）的视见平截头体（40）内的事件的位置不确定性进行整合来估计第一节点（12）处的时空事件概率。
18.如权利要求16所述的第一节点（12），其中所述控制电路（22）被配置为通过使用递归参数估计器来估计所述第一节点（12）处的时空事件概率。
19.如权利要求18所述的第一节点（12），其中所述控制电路（22）被配置为通过使用Kalman滤波器和粒子滤波器之一来使用递归参数估计器。
20.如权利要求18所述的第一节点（12），其中所述控制电路（22）被进一步配置为接收或监听来自所述多个节点（12）中的第二节点（12）的分组，所述分组包括事件的测量结果。
21.如权利要求20所述的第一节点（12），其中所述控制电路（22）被进一步配置为通过使用所述事件的测量结果更新所述递归参数估计器来估计第一节点（12）处的新的时空事件概率。
22.如权利要求20所述的第一节点（12），其中所述控制电路（22）被进一步配置为在测量结果不处于事件的所预测不确定区域内时初始化递归参数估计器的新实例。
23.如权利要求20所述的第一节点（12），其中所述控制电路（22）被进一步配置为在其间第一节点（12）没有接收或监听到包括事件的新测量结果的分组的预定义时间段之后终止所述递归参数估计器的实例。
24.如权利要求23所述的第一节点（12），其中所述第一节点（12）的通信调度响应于所述递归参数估计器的实例的终止而被适配为最低负载循环。
25.如权利要求14所述的第一节点（12），其中所述控制电路（22）被进一步配置为当第一节点（12）感测到事件时，向其通信邻节点传送包括专用字段的分组，所述专用字段包括指示第一节点（12）当前感测到事件的第一比特。
26.如权利要求25所述的第一节点（12），其中所述专用字段进一步包括指示第一节点（12）当前是否正在传输事件相关数据的第二比特。
27.一种无线传感器网络，包括：
多个节点（12），每个节点（12）包括控制电路（22）以及提供对所述多个节点（12）之间所共享的通信介质的访问的无线电设备（24），每个节点（12）的控制电路（22）被配置为（i）预测未来在该节点（12）的视见平截头体（40）内是否将发生事件，并且（ii）响应于所述预测而对该节点（12）的无线电设备（24）的负载循环进行调节；
其中每个节点（12）的控制电路（22）被配置为通过确定该节点（12）属于事件的所预测不确定区域的哪个概率子空间或通过指数地改变该节点（12）的无线电设备（24）所使用的帧长度来调节该节点（12）的无线电设备（24）的负载循环。
28.如权利要求27所述的无线传感器网络，其中每个节点（12）包括摄像机（20），并且每个节点（12）的控制电路（22）被配置为预测未来该节点（12）的摄像机（20）是否将观察到感兴趣的对象（16）。
29.如权利要求27所述的无线传感器网络，其中每个节点（12）的控制电路（22）被配置为通过估计该节点（12）处的时空事件概率来预测未来在该节点（12）的视见平截头体（40）内是否将发生事件，其中每个节点（12）处的时空事件概率表示未来在该节点（12）的视见平截头体（40）内将发生事件的可能性。
30.如权利要求29所述的无线传感器网络，其中每个节点（12）的控制电路（22）被配置为通过对该节点（12）的视见平截头体（40）内的事件的位置不确定性进行整合而估计该节点（12）处的时空事件概率。
31.如权利要求29所述的无线传感器网络，其中每个节点（12）的控制电路（22）被配置为使用递归参数估计器估计该节点（12）处的时空事件概率。
32.如权利要求31所述的无线传感器网络，其中所述递归参数估计器包括Kalman滤波器和粒子滤波器之一。
33.如权利要求31所述的无线传感器网络，其中每个节点（12）的控制电路（22）被进一步配置为经由无线电设备（24）接收或监听来自所述多个节点（12）中的另一节点（12）的分组，所述分组包括事件的测量结果。
34.如权利要求33所述的无线传感器网络，其中每个节点（12）的控制电路（22）被进一步配置为通过使用所述事件的测量结果更新所述递归参数估计器来估计该节点（12）处的新的时空事件概率。
35.如权利要求33所述的无线传感器网络，其中每个节点（12）的控制电路（22）被进一步配置为在测量结果不处于事件的所预测不确定区域内时初始化递归参数估计器的新实例。
36.如权利要求33所述的无线传感器网络，其中每个节点（12）的控制电路（22）被进一步配置为在其间该节点（12）没有接收或监听到包括事件的新测量结果的分组的预定义时间段之后终止所述递归参数估计器的实例。
37.如权利要求36所述的无线传感器网络，其中每个节点（12）的控制电路（22）被进一步配置为响应于所述递归参数估计器的实例的终止而将该节点（12）的无线电设备（24）的负载循环调节为最低负载循环。
38.如权利要求27所述的无线传感器网络，其中每个节点（12）的控制电路（22）被进一步配置为在节点（12）感测到事件时，经由无线电设备（24）向其通信邻节点传送包括专用字段的分组，所述专用字段包括指示该节点（12）当前感测到事件的第一比特。
39.如权利要求38所述的无线传感器网络，其中所述专用字段进一步包括指示该节点（12）当前是否正在传输事件相关数据的第二比特。
CN201080010958.9A 2009-08-20 2010-08-20 用于事件驱动的无线传感器网络的预测性负载循环适配方案 Expired - Fee Related CN102356327B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US23541509P 2009-08-20 2009-08-20
US61/235415 2009-08-20
PCT/US2010/046059 WO2011022577A1 (en) 2009-08-20 2010-08-20 Predictive duty cycle adaptation scheme for event-driven wireless sensor networks

Publications (2)

Publication Number Publication Date
CN102356327A CN102356327A (zh) 2012-02-15
CN102356327B true CN102356327B (zh) 2015-12-09

Family

ID=43607334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080010958.9A Expired - Fee Related CN102356327B (zh) 2009-08-20 2010-08-20 用于事件驱动的无线传感器网络的预测性负载循环适配方案

Country Status (4)

Country Link
US (1) US20110317017A1 (zh)
JP (1) JP5602231B2 (zh)
CN (1) CN102356327B (zh)
WO (1) WO2011022577A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8855050B2 (en) * 2010-09-02 2014-10-07 Weixiang Chen Soft state framework for mobile WSN routing
US8774094B2 (en) 2010-09-10 2014-07-08 Weixiang Chen Hybrid routing and forwarding solution for a wireless sensor network
US8514767B2 (en) * 2011-01-12 2013-08-20 International Business Machines Corporation Wireless sensor network information swarming
US20130107041A1 (en) * 2011-11-01 2013-05-02 Totus Solutions, Inc. Networked Modular Security and Lighting Device Grids and Systems, Methods and Devices Thereof
CN102685775B (zh) * 2012-06-01 2015-06-24 无锡儒安科技有限公司 无线传感器网络事件侦测方法
US9714029B2 (en) * 2012-08-31 2017-07-25 Ford Global Technologies, Llc Vehicle electric machine control strategy
CN102868488A (zh) * 2012-09-13 2013-01-09 中国人民解放军理工大学 基于时空多样性的低轮值无线传感器可靠传输方法
FR2996396A1 (fr) 2012-09-28 2014-04-04 France Telecom Procede de communication, procede de gestion de communication, dispositifs et noeuds associes
CN103152819B (zh) * 2013-01-29 2015-08-19 浙江大学 一种基于水下无线传感器网络的弱目标跟踪方法
CN103152820B (zh) * 2013-02-06 2015-08-12 长安大学 一种无线传感器网络声源目标迭代定位方法
US20140226024A1 (en) * 2013-02-08 2014-08-14 Kutta Technologies, Inc. Camera control in presence of latency
CN103237345B (zh) * 2013-04-09 2015-12-02 长安大学 一种基于二元量化数据的声源目标迭代定位方法
US11159618B2 (en) * 2014-07-25 2021-10-26 Hewlett Packard Enterprise Development Lp Software-defined sensing
CN104159326B (zh) * 2014-08-21 2017-07-11 四川大学 一种无线车辆检测传感节点及其检测车辆的方法
US9985839B2 (en) * 2015-07-08 2018-05-29 Fedex Corporate Services, Inc. Systems, apparatus, and methods of event monitoring for an event candidate within a wireless node network based upon sighting events, sporadic events, and benchmark checkpoint events
US10401847B2 (en) * 2016-12-12 2019-09-03 General Electric Company System and method for issue detection of industrial processes
CN110430585B (zh) * 2019-08-07 2023-05-02 南京理工大学 一种分布式传感器网络中用于追踪的广播节点选择方法
US11393101B2 (en) 2020-02-24 2022-07-19 Harman International Industries, Incorporated Position node tracking
CN113301493A (zh) * 2020-02-24 2021-08-24 哈曼国际工业有限公司 位置节点跟踪
CN113329362A (zh) * 2021-06-07 2021-08-31 河北农业大学 一种无线传感器网络的事件触发型信号捕获方法及系统
US11770224B1 (en) 2022-06-28 2023-09-26 Preddio Technologies Inc. Guaranteed feed observance window for telecommunication

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1473889A2 (en) * 2003-04-30 2004-11-03 Harris Corporation Predictive routing in a mobile ad hoc network
CN101164289A (zh) * 2004-11-15 2008-04-16 哈里公司 包括相关系统和方法的预测性移动自组织组网

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7023913B1 (en) * 2000-06-14 2006-04-04 Monroe David A Digital security multimedia sensor
US20030067542A1 (en) * 2000-10-13 2003-04-10 Monroe David A. Apparatus for and method of collecting and distributing event data to strategic security personnel and response vehicles
US6330025B1 (en) * 1999-05-10 2001-12-11 Nice Systems Ltd. Digital video logging system
US6285662B1 (en) * 1999-05-14 2001-09-04 Nokia Mobile Phones Limited Apparatus, and associated method for selecting a size of a contention window for a packet of data system
US6651107B1 (en) * 1999-09-21 2003-11-18 Intel Corporation Reduced hardware network adapter and communication
US7522186B2 (en) * 2000-03-07 2009-04-21 L-3 Communications Corporation Method and apparatus for providing immersive surveillance
US6671284B1 (en) * 2000-08-04 2003-12-30 Intellon Corporation Frame control for efficient media access
US20030107648A1 (en) * 2001-12-12 2003-06-12 Richard Stewart Surveillance system and method with adaptive frame rate
US6580384B1 (en) * 2001-12-27 2003-06-17 Institute For Information Industry Track prediction method in combined radar and ADS surveillance environment
US7034679B2 (en) * 2001-12-31 2006-04-25 Ncr Corporation System and method for enhancing security at a self-checkout station
US20030202100A1 (en) * 2002-04-29 2003-10-30 Prenn Michael P. Image-forming device with external activity-recording camera
US7203338B2 (en) * 2002-12-11 2007-04-10 Nielsen Media Research, Inc. Methods and apparatus to count people appearing in an image
US20040168194A1 (en) * 2002-12-27 2004-08-26 Hughes John M. Internet tactical alarm communication system
US7626608B2 (en) * 2003-07-10 2009-12-01 Sony Corporation Object detecting apparatus and method, program and recording medium used therewith, monitoring system and method, information processing apparatus and method, and recording medium and program used therewith
US20050132414A1 (en) * 2003-12-02 2005-06-16 Connexed, Inc. Networked video surveillance system
US7814188B2 (en) * 2003-12-16 2010-10-12 Honeywell International Inc. Synchronized wireless communications system
WO2005076594A1 (en) * 2004-02-06 2005-08-18 Agency For Science, Technology And Research Automatic video event detection and indexing
JP2005267505A (ja) * 2004-03-22 2005-09-29 Fujitsu Ltd 交通管理システム
US7760109B2 (en) * 2005-03-30 2010-07-20 Memsic, Inc. Interactive surveillance network and method
KR100717962B1 (ko) * 2005-07-15 2007-05-14 전자부품연구원 다수의 노드를 포함하는 무선 네트워크 시스템에서의데이터 전송 제어 방법 및 이를 이용한 센서 네트워크시스템 및 기록 매체
US7609952B2 (en) * 2005-08-01 2009-10-27 Scott Jezierski Apparatus and method for remote viewing system
US20070139192A1 (en) * 2005-12-21 2007-06-21 Wimberly Michael R Sensor unit having a network video camera
KR100656385B1 (ko) * 2005-12-21 2006-12-11 전자부품연구원 선형 구조를 가지는 실시간 무선 센서 네트워크 통신방법
US7468662B2 (en) * 2006-06-16 2008-12-23 International Business Machines Corporation Method for spatio-temporal event detection using composite definitions for camera systems
EP2095640A4 (en) * 2006-11-20 2017-05-10 Snap Network Surveillance Pty Limited Network surveillance system
ITMI20071016A1 (it) * 2007-05-19 2008-11-20 Videotec Spa Metodo e sistema per sorvegliare un ambiente
US20090059827A1 (en) * 2007-09-04 2009-03-05 Board Of Regents, The University Of Texas System System, Method and Apparatus for Asynchronous Communication in Wireless Sensor Networks
US8199196B2 (en) * 2007-09-27 2012-06-12 Alcatel Lucent Method and apparatus for controlling video streams
US20090150699A1 (en) * 2007-11-29 2009-06-11 Electronics And Telecommunications Research Institute Sleep scheduling method based on moving directions of target in sensor network
US8294763B2 (en) * 2007-12-14 2012-10-23 Sri International Method for building and extracting entity networks from video
US8525880B2 (en) * 2008-11-21 2013-09-03 Robert Bosch Gmbh Security system including modular ring housing
US9520040B2 (en) * 2008-11-21 2016-12-13 Raytheon Company System and method for real-time 3-D object tracking and alerting via networked sensors
US9779598B2 (en) * 2008-11-21 2017-10-03 Robert Bosch Gmbh Security system including less than lethal deterrent
US8165349B2 (en) * 2008-11-29 2012-04-24 International Business Machines Corporation Analyzing repetitive sequential events
US20100290395A1 (en) * 2009-04-15 2010-11-18 Research In Motion Ltd Sensor-based wireless communication systems using compressive sampling
US8644244B2 (en) * 2008-12-12 2014-02-04 Research In Motion Limited Sensor-based wireless communication systems using compressive sampling
TWI492188B (zh) * 2008-12-25 2015-07-11 Univ Nat Chiao Tung 利用多攝影機自動偵測與追蹤多目標的方法及系統
US8368559B2 (en) * 2009-08-26 2013-02-05 Raytheon Company Network of traffic behavior-monitoring unattended ground sensors (NeTBUGS)
US20110157355A1 (en) * 2009-12-28 2011-06-30 Yuri Ivanov Method and System for Detecting Events in Environments

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1473889A2 (en) * 2003-04-30 2004-11-03 Harris Corporation Predictive routing in a mobile ad hoc network
CN101164289A (zh) * 2004-11-15 2008-04-16 哈里公司 包括相关系统和方法的预测性移动自组织组网

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Energy Conservation in Wireless Sensor Networks:A survey;Giuseppe Anastasi,ect;《Ad Hoc Networks》;20090531;第7卷(第3期);正文第1-2节及图1-2 *
传感器网络中数据驱动的睡眠调度机制;朱敬华等;《计算机研究与发展》;20081231;第45卷(第1期);第3.3节第1段 *
基于感知数据概率模型的无线传感器网络采样和通信调度算法;李建中等;《计算机应用》;20050930;第25卷(第9期);第1982-1985页 *
面向移动目标追踪的无线传感器网络QoS指标体系设计;俞靓等;《计算机学报》;20090331;第32卷(第3期);正文第1节第1段、第2.1.1节、第2.4节及图5(b) *

Also Published As

Publication number Publication date
CN102356327A (zh) 2012-02-15
JP5602231B2 (ja) 2014-10-08
WO2011022577A1 (en) 2011-02-24
US20110317017A1 (en) 2011-12-29
JP2013502851A (ja) 2013-01-24

Similar Documents

Publication Publication Date Title
CN102356327B (zh) 用于事件驱动的无线传感器网络的预测性负载循环适配方案
JP4394699B2 (ja) データの送信を制御する方法および装置
Melodia et al. Handling mobility in wireless sensor and actor networks
Shi et al. Distributed graph routing and scheduling for industrial wireless sensor-actuator networks
EP1386432A4 (en) PROTOCOL OF ACCESS AND ROUTING FOR AD HOC NETWORKS, IN WHICH THE COLLISION RESOLUTION AND THE DISSEMINATION OF NODE STATES ARE USED
Liu et al. TALENT: Temporal adaptive link estimator with no training
Durmus et al. Distributed and online fair resource management in video surveillance sensor networks
Rehan et al. Anatomizing the robustness of multichannel MAC protocols for WSNs: An evaluation under MAC oriented design issues impacting QoS
Zhu et al. A honeycomb structure based data gathering scheme with a mobile sink for wireless sensor networks
Barolli et al. Performance Evaluation of Wireless Sensor Networks for Mobile Sensor Nodes Considering Goodput and Depletion Metrics
EP2747505A1 (en) Clustering of wireless sensor networks based on hidden node detection
US20050216227A1 (en) Method of operating sensor net and sensor apparatus
Bamatraf et al. Priority based QoS protocol for heterogeneous traffic routing in WSN
Ngo et al. A schedule‐based medium access control protocol for mobile wireless sensor networks
Shin et al. A predictive duty cycle adaptation framework using augmented sensing for wireless camera networks
Radosavac et al. Application of sequential detection schemes for obtaining performance bounds of greedy users in the IEEE 802.11 MAC
Miao et al. Coverage-hole trap model in target tracking using distributed relay-robot network
Ghosal et al. DISC: A novel distributed on-demand clustering protocol for internet of multimedia things
Ayele et al. Hama: A herd-movement adaptive mac protocol for wireless sensor networks
Boulanouar et al. A collaborative tracking algorithm for communicating target in Wireless Multimedia Sensor Networks
Gómez et al. Density and mobility-driven evaluation of broadcast algorithms for MANETs
Odorizzi et al. M-GeRaF: A reliable random forwarding geographic routing protocol in multisink ad hoc and sensor networks
Leyva-Mayorga et al. Priority-based multi-event reporting in hybrid wireless sensor networks
Shin et al. Predictive duty cycle adaptation for wireless camera networks
Ghosal et al. Lifespan prolonging location-wise predetermined deployment strategy for visual sensor networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20151209

Termination date: 20200820