CN102625425A - 一种事件自适应的传感器节点 - Google Patents

Abstract

本发明提供一种事件自适应的传感器节点，采用传感模块与通信模块分离的方式，将数据采集功能与通信功能分开独立设置，解决传感设备面向复杂环境的专业性需求和通信组网中的适用性、兼容性需求。另外，提出了通信模块的自适应休眠机制，通过预测下一个事件发生时间来设置通信模块的唤醒时间，以实现休眠后的自动唤醒，休眠机制降低了通信模块的能量消耗，提高整个传感器节点的生存时间。

Description

一种事件自适应的传感器节点

技术领域

本发明涉及无线传感器网络和物联网技术领域，尤其涉及事件自适应的无线传感器节点节能休眠方法。

背景技术

随着无线传感器节点与网络技术的发展，无线传感器的应用范围越来越广，专业性也越来越强。各种专业传感器节点的产生，也对无线传感器网络的组网带来了挑战：大量专业传感器节点(如环境监测中的降雨量传感器、PH值监测器，医疗环境的血压、心电传感器等等)，需要由专业的传感设备制造商提供；而其通信、组网能力，又随应用需求环境的变化而不同，传感设备制造商在此方面无法提供兼容各种需求的通信方式。

另外，随着无线传感器网络在各种领域应用的不断推广，设计面向各种环境的通用传感器节点，并提高传感器节点的节能效率，成为一个迫切需要解决的问题。

发明内容

本发明所要解决的技术问题是，提供一种能面向各种环境，并通过提高节能效率，延长其生存期的传感器节点。

本发明为了解决上述问题所采用的技术方案是，一种事件自适应的传感器节点，包括相互独立的传感模块和通信模块，传感模块与通信模块通过通用接口相连；

所述传感模块用于采集应用环境中的数据，并通过通用接口将采集到的数据发送至通信模块；

所述通信模块用于，用于当通信模块处于运行状态时，接收从通用接口传递过来的数据，并进行组网，将接收到的数据通过网络接口发送至网络，并预测下一个事件发生时间，并根据预测的下一个事件发生时间来确定通信模块的唤醒时段；当没有数据需要通信模块收发时，通信模块进入休眠状态，直至唤醒时段到达，通信模块被唤醒进入运行状态；所述事件为传感模块每次采集并向通信模块发送数据。

本发明采用传感模块与通信模块分离的方式，将数据采集功能与通信功能分开独立设置，解决传感设备面向复杂环境的专业性需求和通信组网中的适用性、兼容性需求，形成一种新的无线传感器节点架构。其中传感模块和通信模块可以独立设计，由不同行业的制造商各自生产，只需要其中采用通用的接口方式。另外，考虑到节能问题，不同的传感模块对数据的采集周期不同、频率不同，而通信模块若始终保持工作状态，随时准备从传感设备接收数据、并发向传感器网络的话，那么通信模块将产生很大的能量消耗，并影响整个传感器节点的生存期。发明提出了通信模块的自适应休眠机制。通过预测下一个事件发生时间来设置通信模块的唤醒时间，以实现休眠后的自动唤醒，休眠机制降低了通信模块的能量消耗，提高整个传感器节点的生存时间。

进一步的，为了提高预测的准确性，通信模块根据预测结果与实际发生结果的吻合度对下一个事件发生时间的预测结果进行调整。

进一步的，通信模块根据预测的下一个事件发生时间与最近事件发生时间的间隔来确定通信模块处于休眠时段时的休眠深度，所述间隔越长，休眠深度越深。

本发明的有益效果包括：(1)将传感器分为传感模块和通信模块，利于传感模块和通信模块的标准化生产，提高传感器节点对不同环境的适用性与兼容性；(2)在此基础上提出的事件自适应分级休眠机制能够提高通信模块的节能效率，延长传感器节点的生存期。

附图说明

图1是通用传感器节点示意图。

图2是表示系统休眠时间的预测方法。

图3是传感器节点事件发生时刻与休眠时间的关系。

图4是通信节点休眠程度选择过程。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，对本发明做更进一步的说明。

首先，通用传感器节点由两个部分组成：传感模块与通信模块，并使用通用接口将传感模块和通信模块连接起来，如图1所示。

传感模块主要负责采集各种应用环境中的数据，并通过通用接口与通信模块连接，从而应用于不同行业的传感设备(如环境监测、医疗卫生、军事等等)，可由不同行业的设备制造商提供，而不需要考虑其通信功能。

通信模块主要负责接收传感设备从通用接口传递过来的数据，并进行组网，以便把这些数据发送到最终网络中的sink节点(汇聚节点)。通信模块的制造，只需要配以标准的通用接口，并考虑设备本身的组网通信要求，而不需要考虑各种不同行业不同类型的数据采集需求。

通用接口为连接传感设备与通信设备的通道，只要都使用通用接口，采用AD(模拟量输入接口)、GPIO(通用输入/输出接口)或USB(通用串行总线)等方式，数据采集与组网通信可各自独立，由不同的制造商独立提供。通用接口需统一参考已有标准(如RS232、USB、RJ45等)，或制订新的标准。

本发明将传感模块每次采集并向通信模块发送数据看作一个事件，来实现基于传感事件的通信模块自适应休眠方法。通过自适应休眠，降低通信模块的能量消耗，其具体处理流程如下：

(1)初始化：假设初始时刻为t₀，前三个事件E₁、E₂、E₃发生的时间分别记为t₁、t₂、t₃，其时间间隔依次表示为T₁＝t₁-t₀，T₂＝t₂-t₁、T₃＝t₃-t₂。

(2)事件发生时间预测：设当前时刻前溯三个事件的发生时间先后依次为t_i-2，t_i-1，t_i，其临近两事件时间间隔依次为T_i-2＝t_i-2-t_i-3、T_i-1＝t_i-1-t_i-2、T_i＝t_i-t_i-1。则下一个事件E_i+1的发生时间t_i+1可以根据前三个事件的发生时间进行预测。预测方法如下：

令k_i表示事件发生间隔T_i与T_i-1的变化速率，则：

$k_i=\frac{T_i-T_{i-1}}{T_i},$ $k_{i-1}=\frac{T_{i-1}-T_{i-2}}{T_{i-1}}$

对事件E_i+1的发生时间进行预测，令其值为t_i+1′，可得：

T_i+1′＝t_i+1′-t_i

基于预测时间t_i+1′，可得其事件发生间隔变化速率的预测值为：

${k_{i+1}}^{\′}=\frac{{T_{i+1}}^{\′}-T_i}{{T_{i+1}}^{\′}}$

真实环境中采集对象的事件间隔，是遵循一定规律的。如周期性事件，总是以一个恒定的时间间隔发生；而非周期性事件，以降雨为例，雨量是逐渐增大或者逐渐减小的，因此雨量传感器的事件发生频率也相应地表现逐渐增大或逐渐缩小。即，不同事件间隔时间的变化速度之间是有关系的。如图2所示，令其变化率关系表示为：

k_i+1′＝k_i+α(k_i-k_i-1)     (i＞2)

则结合前述公式，可计算得出：

${T_{i+1}}^{\′}=\frac{T_i^2{T}_{i-1}}{(1+\mathrm{\α})T_{i-1}^2-\mathrm{\α}{T}_{i-2}{T}_i},(i>2)$

${t_{i+1}}^{\′}=t_i+\frac{T_i^2{T}_{i-1}}{(1+\mathrm{\α})T_{i-1}^2-\mathrm{\α}{T}_{i-2}{T}_i},(i>2)$

其中α为惯性因子，表示上一个事件间隔变化率对本次事件间隔变化率的影响。α初始值为零，在工作区间内，α取值可表示为：

$\left\{\begin{array}{cc}\mathrm{\α}=0& (k_{i-1}-k_{i-2}=0,i>2)\\ \mathrm{\α}=\frac{k_i-k_{i-1}}{k_{i-1}-k_{i-2}}& (k_{i-1}-k_{i-2}\≠0,i>2)\end{array}\right.$

(2)事件发生时间预测：设当前时刻前溯三个事件的发生时间依次为t_i-2，t_i-1，t_i，其时间间隔依次为T_i-2＝t_i-2-t_i-3、T_i-1＝t_i-1-t_i-2、T_i＝t_i-t_i-1。则下一个事件E_i+1的发生时间t_i+1可以根据前三个事件的发生时间进行预测。预测方法如下：

令k_i表示事件发生间隔T_i与T_i-1的变化速率，则：

$k_i=\frac{T_i-T_{i-1}}{T_i},$ $k_{i-1}=\frac{T_{i-1}-T_{i-2}}{T_{i-1}}$

对事件E_i+1的发生时间进行预测，令其值为t_i+1′，可得：

T_i+1′＝t_i+1′-t_i

基于预测时间t_i+1′，可得其事件发生间隔变化速率的预测值为：

${k_{i+1}}^{\′}=\frac{{T_{i+1}}^{\′}-T_i}{{T_{i+1}}^{\′}}$

真实环境中采集对象的事件间隔，是遵循一定规律的。如周期性事件，总是以一个恒定的时间间隔发生；而非周期性事件，以降雨为例，雨量是逐渐增大或者逐渐减小的，因此雨量传感器的事件发生频率也相应地表现逐渐增大或逐渐缩小。即，不同事件间隔时间的变化速度之间是有关系的。如图2所示，令其变化率关系表示为：

k_i+1′＝k_i+α(k_i-k_i-1)  (i＞2)

则结合前述公式，可计算得出：

${T_{i+1}}^{\′}=\frac{T_i^2{T}_{i-1}}{(1+\mathrm{\α})T_{i-1}^2-\mathrm{\α}{T}_{i-2}{T}_i},(i>2)$

${t_{i+1}}^{\′}=t_i+\frac{T_i^2{T}_{i-1}}{(1+\mathrm{\α})T_{i-1}^2-\mathrm{\α}{T}_{i-2}{T}_i},(i>2)$

其中α为惯性因子，表示上一个事件间隔变化率对本次事件间隔变化率的影响。α初始值为零，在工作区间内，α取值可表示为：

$\left\{\begin{array}{cc}\mathrm{\α}=0& (k_{i-1}-k_{i-2}=0,i>2)\\ \mathrm{\α}=\frac{k_i-k_{i-1}}{k_{i-1}-k_{i-2}}& (k_{i-1}-k_{i-2}\≠0,i>2)\end{array}\right.$

(3)预测时间的自修正

在实际应用中，预测值与实际发生时间可能会存在有一定的偏差，这可能来自事件的突然加快或者减慢。为了适应这种情况，我们在事件发生时间预测公式中进一步添加了自修正因子：

${t_{i+1}}^{\′}=t_i+\frac{T_i^2{T}_{i-1}}{(1+\mathrm{\α})T_{i-1}^2-\mathrm{\α}{T}_{i-2}{T}_i}+\mathrm{\λ}(t_i-{t_i}^{\′}),(i>2)$

即将事件E_i的真实发生时间与预测时间之间的偏差也考虑到对事件E_i+1发生时间的预测中，其所占影响因子为λ。

λ值的初始设置为0，当有前一个事件发生时间差值t_i-1-t_i-1′为零时采用前一个λ的大小，其他的情况采用公式 $\mathrm{\λ}=\frac{t_i-t_i^{\′}}{t_{i-1}-t_{i-1}^{\′}},(i>2),$ 即为：

(4)基于已修正预测时间的工作时间设定。

预测时间经过修正，通常会比较接近真实发生时间了。但是，考虑到两个因素，通信设备的工作时间需要留有一定的冗余：a)事件的发生时间与修正的预测时间仍然会有一定的误差摆动；b)通信设备需要在误差区间内持续工作，从而保证可靠的从传感设备接收数据，并尽快从通信模块向sink节点发出。

因此，通信设备会在预测时间t_i+1′为中心的一个时间段内持续工作，接收、发送数据。设该时间段为：

(t_i+1′-σ，t_i+1′+σ)

即对应每个事件，通信设备的工作时间为2σ(如图3所示)。σ的值越大，每个事件对应的工作区间越大，对预测误差的容忍率越高，但是由于工作时间增长，能耗也相应增大，极限情况是通信设备一直工作，无节能效果；σ越小，通信设备在两个事件之间的休眠时间越长，但是对预测误差的容忍率就越低。在实际应用中可给予误差容忍率设置合适的σ值。

(5)非工作时间的休眠深度策略

通信设备的能量消耗主要是集中在三个方面：(1)接收数据；(2)发送数据；(3)空闲监听。引入休眠模式之后，通信设备可以在没有数据到达或者没有发送数据的时候进入休眠模式，这样可以达到节约通信节点能量的目的。一般而言，休眠深度越深，节能程度越高，但是唤醒时间和代价也越高。对于不同的事件发生的时间间隔，本实施例采取不同深度的休眠策略，如图4所示，传感通信节点有两种状态分别为工作状态和休眠状态，工作状态处于接收数据、发送数据、空闲监听三个状态中的一个，传感通信节点的工作状态为系统无节能措施的状态；休眠模式有三种层次，分别是轻度休眠、中度休眠、深度休眠。轻度睡眠为最低等级的休眠模式，在轻度休眠模式下，系统仅关闭收发模块，降低处理器运行速率，传感通信设备的典型能耗为几百uA，可以通过上电复位或者睡眠计数器中断返回到工作状态；中度休眠具有较好的节能效果，与轻度休眠模式相比，系统进一步关闭了数字稳压器，从而节约能耗，中度休眠模式下传感器通信设备的典型能耗约为几uA，可以通过上电复位或者睡眠计数器中断返回到工作状态；深度睡眠具有最高的节能效果，与中度休眠相比，在深度休眠模式下，系统还需要关闭所有系统时钟，系统典型的能耗约为零点几uA，由于缺少系统时钟，深度休眠模式下只有通过复位等人工操作或者外部中断才能返回到工作状态。

根据预测计算的下一个事件发生时间t_i+1′，得到T_i+1′＝t_i+1′-t_i和区间参数σ来设置不同的休眠时间。具体如下表：

Ti+1′时间取值范围	采取的节能模式
		0≤Ti+1′＜σ	工作状态，事件间隔太短不进入休眠模式

σ≤Ti+1′＜Ta	节点进入轻度休眠模式，获得基本节能效果
		Ta≤Ti+1′＜Tb	进度中度休眠模式，获得较好节能效果
Ti+1′≥Tb	进入深度休眠模式，获得最佳节能效果

其中σ、T_a、T_b为休眠深度控制因子，其值取决于具体的设备特性，对同类型传感器节点而言，必有σ＜T_a＜T_b。根据工程实践和仿真效果得出的典型经验数值表明，通常σ可设为传感器启动时间的2～10倍，T_a＝(10～100)σ，T_b＝(10～1000)T_a。

Claims (8)

1.一种事件自适应的传感器节点，其特征在于，包括相互独立的传感模块和通信模块，传感模块与通信模块通过通用接口相连；

所述传感模块用于采集应用环境中的数据，并通过通用接口将采集到的数据发送至通信模块；

所述通信模块用于，用于当通信模块处于运行状态时，接收从通用接口传递过来的数据，并进行组网，将接收到的数据通过网络接口发送至网络，并预测下一个事件发生时间，并根据预测的下一个事件发生时间来确定通信模块的唤醒时段；当没有数据需要通信模块收发时，通信模块进入休眠状态，直至唤醒时段到达或者有事件发生，触发通信模块被唤醒进入运行状态；所述事件为传感模块每次采集并向通信模块发送数据。

2.如权利要求1所述一种事件自适应的传感器节点，其特征在于，通信模块根据预测的下一个事件发生时间的方法是：

${T_{i+1}}^{\′}=t_i+\frac{T_i^2{T}_{i-1}}{(1+\mathrm{\α})T_{i-1}^2-\mathrm{\α}{T}_{i-2}{T}_i},(i>2)$

其中t_i+1′为下一个事件发生预测时间，当前时刻前溯三个事件的发生时间先后依次为t_i-2，t_i-1，t_i，i表示从初始时刻t₀开始至当前时刻已发生事件的次数，临近两事件时间间隔依次为T_i-2＝t_i-2-t_i-3、T_i-1＝t_i-1-t_i-2、T_i＝t_i-t_i-1，α为惯性因子，表示上一个事件间隔变化率对本次事件间隔变化率的影响；

α初始值为零，α取值表示为：

$\left\{\begin{array}{cc}\mathrm{\α}=0& (k_{i-1}-k_{i-2}=0,i>2)\\ \mathrm{\α}=\frac{k_i-k_{i-1}}{k_{i-1}-k_{i-2}}& (k_{i-1}-k_{i-2}\≠0,i>2)\end{array}\right..$

3.如权利要求2所述一种事件自适应的传感器节点，其特征在于，通信模块还根据预测结果与实际发生结果的吻合度对下一个事件发生时间的预测结果进行调整。

4.如权利要求3所述一种事件自适应的传感器节点，其特征在于，还根据预测结果与实际发生结果的吻合度对下一个事件发生时间的预测结果进行修正的方法是：

t_i+1′＝t_i+1′+λ(t_i-t_i′)  (i＞2)

其中，其中t_i+1′为下一个事件发生预测时间，t_i′为对最近已发生事件的预测时间，ti为最近已发生事件的发生时间，λ为影响因子，λ值的初始设置为0；

5.如上述任意一项权利要求所述一种事件自适应的传感器节点，其特征在于，通信模块据预测的下一个事件发生时间来确定通信模块的唤醒时段为：(t_i+1′-σ，t_i+1′+σ)，其中t_i+1′为下一个事件发生预测时间，2σ为通信模块对应每次事件的工作时长。

6.如权利要求1所述一种事件自适应的传感器节点，其特征在于，通信模块计算预测的下一个事件发生与最近事件发生的时间间隔，当时间间隔小于设定的最小阈值时，不进入休眠状态，继续保持运行状态，当时间间隔大于等于设定的最小阈值时，根据预测的下一个事件发生与最近事件发生的时间间隔来确定通信模块处于休眠时段时的休眠深度，所述间隔越长，休眠深度越深。

7.如权利要求6所述一种事件自适应的传感器节点，其特征在于，休眠状态分为三个深度：轻度休眠、中度休眠和深度休眠；

在基本休眠模式下，传感器节点关闭收发模块，降低处理器运行速率；

在中度休眠模式下，传感器节点关闭收发模块、闭数字稳压器，降低处理器运行速率；

所述深度休眠模式下，传感器节点关闭收发模块、数字稳压器、系统时钟，降低处理器运行速率。

8.如权利要求1所述一种事件自适应的传感器节点，其特征在于，所述通用接口为AD接口、GPIO接口或USB接口。

Images