CN103596191B - 一种无线传感器网络智能配置系统及其方法 - Google Patents

Abstract

本发明涉及一种无线传感器网络智能配置系统及其方法，该系统包括：传感器网络模块、网关模块、输出模块、执行模块、应用层接口模块。本发明克服了传统传感器网络装置及方法适应性差，可靠性差且控制开销较大等缺点，该无线传感器网络智能配置系统及其方法具有智能性的、鲁棒性强、通用性好、控制代价小等优点。

Description

一种无线传感器网络智能配置系统及其方法

技术领域

本发明涉及网络技术领域，尤其涉及一种无线传感器网络的智能配置方法。

背景技术

无线传感器网络（Wireless Sensor Networks，WSN）作为网络技术的一个重要方向，人们已经进行了多方面的深入研究，并且成功应用到环境测量、定位跟踪等多个领域。在近年来兴起的物联网（Internet of Things，IoT）、信息物理融合系统（Cyber-PhysicalSystem，CPS）等信息系统技术中，传感器网络作为其前端感知网络关键技术之一，必将随着这些系统的广泛应用而大量部署。

目前无线传感网络出现了诸多的研究热点和研究方向，但其均有一个共同的特点，这些研究大多是在无线传感节点已经部署完毕后或者对无线传感网络的具体结构并不多加考虑，就直接对无线传感网络进行相关协议的设计与处理，其忽视了无线传感节点的移动性和可配置性。

但是在已经部署好的传感器网络应用系统过程中，经常会出现如下情况：感知设备加入传感器网络完成服务发现之后，网关需要对感知设备初始化以满足实际需要；感知设备在不同的PAN中移动时，网关需要对感知设备的加入或移出进行跟踪管理，为应用层提供连续可靠的服务；在WSAN（Wireless Sensor ActuatorNetwork）中，当应用层推断出现异常情况时，有可能需要通过网关对感知网的工作方式进行调整以克服异常故障，完成系统功能；此外，当应用需求实时变化，或者感知节点损坏、能量耗尽以及新加入节点等导致网络拓扑结构发生变化或者无线通信环境发生改变时，网关需要调整网络运行参数以稳定地满足应用需求等等。由此可见，网关对感知层网络的配置是物联网应用系统的基础，对完成应用需求、延长网络生命周期、增强传输可靠性等起着至关重要的作用。

首先，在过去几年的传感器网络研究中虽然出现了许多针对不同应用场景 的配置方法，但由于传感器网络具有广泛的应用领域，不同的应用往往存在不同的需求，如环境监测要求网络有很长的生命周期；WSAN对网络实时性、服务质量保障要求较高；数据收集、分发需要网络具有很好的连通度等等，目前在这些应用中采用的配置方法一般只适用于该应用场景，因此亟需为研究不同应用场景配置问题提出一个通用方法。

其次，传统的无线传感器网络配置方法和控制器的设计都建立在对被控对象准确控制的数学模型的基础上，但由于传感器网络的低发射功率、多跳传输等特点，系统的网络传输环境很难用一个确定的系统函数表示，故很难为其建立准确的数学模型，这就使得整个配置过程存在非线性、模糊性等特点，因此传感器网络复杂多变的传输环境给传统的配置方法带来了很大的挑战。

同时，随着人工智能领域的兴起，智能控制作为一种使用各种人工智能计算方法如神经网络，贝叶斯概率，模糊逻辑，机器学习，进化计算和遗传方法的控制技术，其相关理论和实际应用得到了不断的发展和完善，因此将相关的智能控制方法用来解决无线传感器网络配置问题将是一个发展趋势。

综合上述，无线传感网络的配置问题是其广泛应用的一个基础问题。虽然针对无线传感网络的连通性、覆盖性、能耗、拥塞控制、存储能力等问题有相应的配置方法，但其大多存在这样或者那样的缺点，诸如:应用背景适用性较差、假设过强、可扩展性差、计算与通信复杂度较高、缺乏智能等特点。

发明内容

本发明的目的在于，提供一种具有智能性的、鲁棒性强、通用性好、控制代价小的传感器网络配置系统及其方法，本发明在应用层需求或者传感器网络属性发生变化时，能够迅速调整传感器网络工作参数以高稳定性和可靠性来满足应用需求，并且实时优化网络性能、降低网络运行代价。

为解决上述问题，本发明提供了一种无线传感器网络智能配置系统，其特征在于，包括：

传感器网络模块，用于感知监测环境，给网关提供感知数据流，发送通信环境参数；

网关模块，用于对所述感知数据流进行分析处理，根据所述通信环境参数对所述感知数据流进行模糊化和模糊逻辑推理后得出配置方案，再经清晰化处 理后成为实际用于控制的清晰量；

输出模块，所述网关模块综合所述配置方案及若干个所述实际用于控制的清晰量，得出传感器模块下一个时段的配置参数，并将所述配置参数发送给所述传感器网络模块中的感知节点；

执行模块，所述感知节点模块将配置参数存入节点存储器中，然后按照所述配置参数完成相应配置，并按配置后工作方式进行下一轮数据采集；

应用层接口模块，通过所述数据通道获得所述传感器网络模块的感知数据流或随时通过管理通道向所述传感器网络模块提出新的需求指标。

进一步的，所述传感器网络模块包括：

感知节点模块，用于完成所述感知数据流的采集；

汇聚节点模块，用于完成所述感知数据流的汇聚并将汇聚后的感知数据流发送给网关模块；

路由节点模块，用于在多跳网络中转发所述感知数据流给汇聚节点，所述路由节点模块为多个，而在单跳网络中路由节点模块零个。

进一步的，所述网关模块包括：

网络流处理器模块，用于通过数据通道向远程服务器提供应用层需求数据流，同时对所述感知数据流分析处理输出当前时段的传感器网络特性到模糊逻辑控制器模块；

模糊逻辑控制器模块，用于对输入的所述传感器网络特性，模糊逻辑化后加入规则库，并经过模糊逻辑推理得出配置方案、再经清晰化处理后成为实际用于控制的清晰量。

进一步的，所述网络流处理器模块包括：

硬件驱动层模块，用于读取所述感知数据流并传给数据解析层模块；

数据解析层模块，用于解析所述感知数据流并发送给统计分析处理模块；

统计分析处理模块，用于在向应用层提供所述感知数据流的同时将所述感知数据流存入感知数据库模块，同时通过对所述感知数据流的分析挖掘得出资源描述表和应用需求表；

感知数据库模块，用于存储所述感知数据流；

资源描述表和应用需求表模块，所述资源描述表用于表征所述传感器网络模块的节点工作状态，所述应用需求表记录所述应用层随时提出的需求信息；

归一化输出模块，用于将所述统计分析处理模块的输出信息格式化，计算得出网络特性并发送到所述模糊逻辑控制器模块，同时将输出的应用层数据流发送给所述远程服务器。

进一步的，所述模糊逻辑控制器模块包括：

模糊化模块，用于对输入的所述传感器网络特性进行预处理和尺度变换，使变换到满足所述模糊控制器模块的要求，将所述变换后的输入量进行模糊处理，使原先精确的输入量变成模糊输入量，并用模糊集合表示；

模糊推理模块，用于对所述模糊输入量进行模糊推理得出配置方案，该推理过程是基于模糊逻辑中的蕴含关系及推理规则进行的，采用“IF…THEN…”形式，IF部分是规则的前提，THEN是规则的结论，模糊推理过程需要规则库模块提供相应的经验规则；

规则库模块，包含通过经验知识获取的用模糊语言变量表示的推理规则，以及所述网络流处理器模块得出的经验知识；

清晰化模块，将所述模糊推理模块的配置方案解模糊化为实际用于控制的清晰量，将控制量转变为可以调节的传感器网络参数，包括将模糊的控制量变换成清晰量和将清晰量进行尺度变换成实际的控制量两个阶段。

为实现本发明目的还提供了一种无线传感器网路智能配置方法，其特征在于，包括：

步骤1，传感器网络感知监测物理环境，给网关提供感知数据流的同时发送通信环境参数；

步骤2，所述网关对对所述感知数据流进行分析处理，根据通信环境参数对所述感知数据流进行模糊化和模糊逻辑推理后，得出配置方案，然后经清晰化处理后成为实际用于控制的清晰量；

其中配置方案的产生如下：

判断所述传感器网络特性，若为网关支持的网络特性，如A、B…N等，则根据所述实际测试的网络性能指标与应用层需求指标的偏差的正负和绝对值大小确定具体的配置策略；否则，则判断是否执行默认配置方案，若是，则执行默认配置策略，否则不需要重新配置；

步骤3，所述网关综合所述配置方案及若干个所述实际用于控制的清晰量，得出传感器模块下一个时段的配置参数，并将所述配置参数发送给所述传感器 网络模块中的感知节点；

步骤4，所述感知节点将配置参数存入节点存储器中，然后按照所述配置参数完成相应配置，并按配置后工作方式进行下一轮数据采集；

步骤5，应用层接口根据所述网关提供的数据进行分析处理，通过数据通道获得所述传感器网络的感知数据流或随时通过管理通道向所述传感器网络提出新的需求指标。

进一步的，步骤1包括：

步骤11，感知节点完成所述感知数据流的采集；

具体过程为：步骤111，所述感知节点初始化后采集所述感知数据流，开启射频发送所述采集的感知数据流；步骤112，所述感知节点判断收到汇聚节点的包含配置信息的ACK应答，则确定是否需要重新配置节点，若需要，则使用所述汇聚节点ACK中的配置信息完成对所述感知节点的配置，否则，感知节点进入休眠状态；步骤113，所述感知节点判断未收到汇聚节点的包含配置信息的ACK应答，则所述感知节点进行重传后进入休眠状态；步骤114，所述感知节点按照默认配置或重新配置进行下轮数据采集；

步骤12，路由节点在单跳网络中为零个，在多跳网络中为多个，用于将所述感知数据流转发至汇聚节点；

其中：所述路由节点在初始化完成后进入工作状态，若进入工作状态过程中出现故障，则通过拓扑重建、拓扑修复进入工作状态；所述路由节点完成感知数据流的转发工作后，关闭射频，进入休眠状态，需要路由节点转发感知数据流时，开启射频，进入工作状态；

步骤13，汇聚节点完成所述感知数据流的汇聚并将汇聚后的感知数据流发送给网关。

进一步的，所述步骤2包括：

步骤21，网路流处理器分析处理所述感知数据流，通过数据通道向远程服务器提供应用层需求数据流，同时通过对所述感知数据流分析处理输出当前时段的传感器网络特性到模糊逻辑控制器；

步骤22，模糊逻辑控制器对输入的所述传感器网络特性，模糊逻辑化后加入规则库，并经过模糊逻辑推理得出配置方案、经清晰化处理后成为实际用于控制的清晰量。

进一步的，所述步骤21包括：

步骤211，硬件驱动层读取所述感知数据流并传给数据解析层；

步骤212，数据解析层解析所述感知数据流并发送给统计分析处理器；

步骤213，统计分析处理器向应用层提供所述感知数据流的同时将所述感知数据流存入感知数据库，同时通过对感知数据流的分析挖掘得出资源描述表和应用需求表；

步骤214，将所述统计分析处理器的输出信息格式化，计算得出网络特性并经过归一化之后发送到模糊控制器，同时将输出的应用层数据流发送给所述远程服务器。

进一步的，所述步骤22包括：

步骤221，对输入的所述网络特性进行预处理和尺度变换，使其变换到满足所述模糊控制器要求的论域范围，将所述变换后的输入量进行模糊处理，使原先的精确的输入量变成模糊输入量，并用模糊集合表示；

步骤222，对所述模糊输入量进行模糊推理得出配置方案，该推理过程是基于模糊逻辑中的蕴含关系及推理规则进行的，采用“IF…THEN…”形式，IF部分是规则的前提，THEN是规则的结论，模糊推理过程需要规则库提供相应的规则经验；

步骤223，将模糊推理输出的所述配置方案清晰化，即解模糊化为实际用于控制的清晰量，将控制量转变为可以调节的传感网的网络参数包括将模糊的控制量变换成表示在所述论域范围的清晰量和将清晰量进行尺度变换成实际的控制量两个阶段。

本发明具有以下优点：

1、本发明提出的智能配置方法框架不局限于具体的应用场景，且能适应同一场景动态变化的应用需求，它为无线传感器网络配置问题提供了一个通用模型。

2、本发明中传感器网络的感知节点、路由节点的工作方式在完成本发明提出的配置方法的同时充分考虑传感器网络的工作特点，具有较高的资源利用率和较低的能量消耗。

3、本发明中的网络流处理器能在为应用层提供稳定可靠的数据流的同时，通过科学选取网络特性评估参数使得能准确衡量当前网络的状态和通信环境， 从而为模糊控制器智能决策提供准确可靠的数据支持。

4、本发明采用的模糊控制方法模仿了人工智能的工作过程，克服了控制过程中的非线性、强耦合、时变和滞后特性造成的没有统一的数学模型、控制不准确的问题，使得控制过程更精确，具有更佳的控制效果。

5、针对本发明提供的智能配置方法，本发明的第二实例针对一个具体的实时性要求高、能耗要求低的应用层需求提供了详细的实施方案，该方案除了能可靠满足应用层的需求外，还具有控制开销小，鲁棒性、智能性强等优点。

附图说明

图1智能配置方法框架示意图；

图2智能配置方法工作流程示意图；

图3传感器网络第一实施例工作过程示意图；

图4（a）传感器网络第二实施例的感知节点工作过程示意图

图4（b）传感器网络第二实施例的路由节点工作过程示意图

图5网络流处理器第一实施例结构示意图；

图6（a）网络流处理器第二实施例的感知数据流统计框图

图6（b）网络流处理器第二实施例的感知节点采样周期工作示意图

图7模糊逻辑控制器第一实施例示意图；

图8（a）模糊逻辑控制器第二实施例的模糊逻辑控制器工作流程图

图8（b）模糊逻辑控制器第二实施例的射频工作示意图

图8（c）模糊逻辑控制器第二实施例的状态随应用层需求迁移图

图8（d）模糊逻辑控制器第二实施例的状态随环境迁移图

图8（e）模糊逻辑控制器第二实施例的模糊控制器调节原则示意图

具体实施方式

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

下面通过附图和实施例，对本发明的技术方案进一步的详细描述。

图1是本发明智能配置方法框架示意图，它由传感器网络101模块、网关中的网络流处理器102模块、网关中的模糊逻辑控制器103模块以及应用层接 口104模块组成。

传感器网络101模块由大量传感器节点组成，主要功能是感知监测物理环境，同时由于传感器网络通信环境的不确定性，传感器网络给网关提供感知数据流同时捎带发送通信环境参数。

网络流处理器102模块分析处理感知数据流，通过数据通道向远程服务器提供应用层需求数据流，同时通过对感知数据流分析处理输出当前时段的传感器网络特性s_i、e_i，s_i指当前时段通信环境参数及传感器网络的网络参数（如通信协议、网络规模、能量消耗、拓扑结构等），e_i为实际测试的网络性能指标与应用层需求指标的偏差，102模块通过科学选取s_i为模糊控制器智能决策提供准确可靠的信息。

模糊逻辑控制器103模块对输入的s_i、e_i，模糊逻辑化得S_i、E_i，将S_i、E_i作为学习到的新经验加入规则库，经过模糊逻辑推理、清晰化给出传感器网络下一个时段的配置方案c_i+1，c_i+1设计原则为首先满足应用层需求指标，其次尽量提高网络的资源利用率和减少网络开销。

应用层接口104模块根据网关提供的数据进行分析处理，应用层与实际应用场景紧密相关，可以通过数据通道获得传感网的感知数据或随时通过管理通道向传感网提出新的需求指标。

图2是本发明智能配置方法工作流程示意图，整个工作流程分为三个部分：感知过程，如图2中标号201~203所示；模糊推理过程，如图中标号204~213；输出及执行过程，如图2中标号214~216所示。下面依次讨论上述三个过程。

1）感知过程具体步骤如下：

步骤201：101模块首先进行数据采集，具体数据类型与应用场景相关，之后将感知数据通过单跳或多跳方式传送给网关，然后执行步骤202。

步骤202：102模块对采集的数据进行统计分析处理，计算得出实际测量的网络指标与应用需求指标的偏差e_i和传感器网络特性s_i，然后执行203。

步骤203：102模块在对采集数据分析处理的基础上，将输出的应用层数据流发送给远程服务器，然后执行204。

2）模糊推理过程具体步骤如下：

步骤204：103模块对102模块的输出e_i、s_i进行模糊化处理，并将模糊化结果E_i、S_i加入103模块的规则库，然后执行205。

步骤205：判断传感器网络特性是否为网络特性A，若是，则执行配置方案1，执行206，否则执行207。

步骤206：103模块产生配置方案1，然后执行213，根据e_i的正负和绝对值大小确定具体的配置策略。

步骤207：判断传感器网络特性是否为网络特性B，若是，则执行配置方案2，执行208，否则执行209。

步骤208：103模块产生配置方案2，然后执行213，根据e_i的正负和绝对值大小确定具体的配置策略。

步骤209：判断传感器网络特性是否为网络特性N，若是，则执行配置方案n，执行210，否则执行211。

步骤210：103模块产生配置方案n，然后执行213，根据e_i的正负和绝对值大小确定具体的配置策略。

步骤211：判断是否执行默认配置方案，若是，则执行默认配置212，否则执行213。

步骤212：103模块产生默认配置方案，然后执行213。

步骤213：将模糊推理得出的配置方案清晰化，将控制量转变为可以调节的传感网的网络参数。然后执行214。

3）输出及执行过程具体步骤如下：

步骤214：102模块给出传感器模块下一个时段的配置参数，并将配置参数发送给所述传感器网络模块中的感知节点。然后执行215。

步骤215：101模块将配置参数存入节点存储器中，并按照所述配置参数完成相应配置，然后执行216。

步骤216：传感器节点按照配置好的工作方式进行下一轮数据采集。

下面使用两个实施例具体介绍本发明提供的传感器网络智能配置方法，第一实施例为本发明提出的无线传感器网络智能配置方法的通用框架，第二实施例将第一实施例中相关的参数具体化，并结合了传感器网络实时性要求比较高的应用场合，例如火灾监测、安防监控等。

第二实施例将图1中参数具体化，具体包括如下四个参数：

应用层需求指标σ：首先满足采样间隔t<=T的时间百分比不小于p₀，其次使得感知节点满足采样间隔要求时间段的平均功率P趋近最小功率P₀，σ为三元 组（T，p₀，P₀）。

σ_i：前 时间内（如图6（a））实测采样间隔满足t<=T的时间百分比p_i、感知节点满足采样间隔要求时间段内的平均功率P_i，σ_i为二元组（p_i，P_i）。

s_i：前 时间内（如图6（a））的通信环境评估。

c_i+1：感知节点下一个采样间隔配置参数t_i+1，t_i+1为三元组（t_sleep，τ_i+1，k_maxi+1）。

第二实施例的工作过程包括如下4个步骤：

步骤1：网关在i时刻接收感知节点实测采样间隔为t_i的数据包，执行步骤2。

步骤2：网络数据流处理器统计分析感知数据向应用层提供数据流的同时，计算得出e_i1＝_σi(p_i)-σ(p₀)、e_i2＝σ_i(P_i)-σ(P₀)、s_i，其中σ(p₀)、σ(P₀)随应用层需求而变化，σ_i(p_i)、σ_i(P_i)随实际环境变化，执行步骤3。

步骤3：模糊逻辑控制器对输入e_i（e_i1，e_i2）、s_i模糊化，然后经过模糊推理、清晰化输出传感器网络下一个采样间隔配置参数t_i+1（t_sleep，τ，k_max），并且通过配置包方式发送传感器网络，执行步骤4。

步骤4：传感器网络感知节点按照配置参数进行下一轮数据采集操作。

图3是本发明传感器网络第一实施例工作过程示意图，传感器网络由汇聚节点301模块、路由节点302模块，感知节点303模块组成。路由节点302模块可以没有或者多个。感知节点303模块完成数据的采集，路由节点302完成采集数据的转发，汇聚节点301完成数据的汇聚。

下面结合实施例二，详细介绍本发明提供的传感器网络智能配置方法的传感器网络101模块。

图4（a）为可配置的感知节点的工作流程图，具体工作步骤如下：

步骤4011：感知节点初始化，主要包括硬件初始化以及将感知节点初始化为默认配置方式工作。然后执行4012。

步骤4012：传感器节点采集数据，在此实施例中为火灾监测，所以感知数据包括环境的温湿度、光照、CO2浓度、烟雾浓度等信息，然后执行4013。

步骤4013：感知节点开启射频发送数据。然后执行4014。

步骤4014：感知节点发送数据完成后判断是否收到汇聚节点301模块的包含配置信息的ACK应答，若收到，则执行4016，否则执行4015。

步骤4015：感知节点按照配置的重传方式进行重传，然后执行4018。

步骤4016：根据汇聚节点ACK的配置信息确定是否需要重新配置感知节点，若需要，则执行4017，否则执行4018。

步骤4017：使用ACK中的配置信息完成对感知节点的配置，然后执行4018。

步骤4018：感知节点关闭射频，进入休眠状态，然后执行4019。

步骤4019：感知节点按照默认配置或者步骤4017中的重新配置进行下轮数据采集。

图4（b）为路由节点的工作状态图，路由节点包含的状态有节点初始化状态4021，即节点间还没有路由生成，各节点间未确定父节点，当节点刚上电处于该状态；拓扑修复状态4022，节点在运行的过程中由于重启或其他故障等导致的失去父节点的状态；拓扑重建状态4023，即节点在工作完一定的周期后，为了保障网络中各节点的能量均衡性重新更新路由的状态；正常状态4024，路由节点间建立好了路由，且处于周期工作（如图4b中40241所示）和休眠（如图4b中40242所示）的状态。具体状态转换过程如下：

过程①：初始化完成且路由建立成功，即所有的节点间链路确立且节点都有父节点后，路由节点状态4021转状态4024。

过程②：对于初始化完成后且路由建立过程中没有找到下一跳的路由节点，路由节点状态4021转状态4022。

过程③：路由修复成功，即该路由节点与其他路由节点或网关建立了链路，重新找到了父节点，路由节点状态4022转状态4024。

过程④：路由节点出现供电不足、通信干扰或其他故障导致节点与其他路由节点或网关的通信链路断开，失去了父节点，路由节点状态4024转状态4022。

过程⑤：在拓扑重建的过程中出现了路由节点找不到下一跳节点的情况，路由节点状态4023转状态4022。

过程⑥：路由节点工作了很长一段时间后，有可能出现时钟偏差且为了能量均衡，路由节点状态4024转状态4023。

过程⑦：路由拓扑重建成功，路由节点重新进入正常工作状态，路由节点状态4023转状态4024。

过程⑧：路由节点完成当前周期的数据转发功能后，为了节省能量，关闭射频，进入休眠状态，路由节点状态40241转状态40242。

过程⑨：路由节点在时钟激励的下，从休眠状态唤醒，开启射频，完成此周期的数据转发工作，路由节点状态40242转状态40241。

图5为网络流处理器第一实施例结构示意图，网络流处理器由如下模块组成：硬件驱动层501模块，该模块从网关硬件接口读取感知数据包并传给502模块；数据解析层502模块，该模块解析感知数据并以一定格式发送给503模块；统计分析处理503模块，该模块向应用层提供数据流的同时将感知数据存入504模块，同时通过对一定时期的感知数据的分析挖掘得出资源描述表和网络特性参数；感知数据库504模块，该模块用于存储感知数据；资源描述表和应用需求表505模块，资源描述表用于表征传感网节点工作状态，应用需求表记录应用层随时提出的需求信息；归一化输出506模块，该模块将503模块的输出信息格式化，计算得出实际与应用需求的偏差以及网络特性参数并将其作为模糊控制器103模块的输入。

下面结合实施例二，详细介绍本发明提供的传感器网络智能配置方法的网关中的网络流处理器102模块，主要包括如下参数的计算方法：p₀，P₀，p_i，P_i，s_i，这些参数经过506模块归一化之后作为模糊控制器103模块的输入。

1）p₀，p_i的计算方法

p₀一般由应用层给出，例如可取（90%或者95%），而实际测量指标p_i则可由式1计算所得：

$p_i=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\frac{\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{t}_j(t_j\&le;T)}{\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{t}_j}---\left(1\right)$

2）P₀，P_i的计算方法

假设k_j(i-m+1≤j≤i)为j时刻感知节点将数据包成功交付给网关实际所用的重传次数。感知节点工作电压为V,休眠电流为I_sleep，t_i时间内感知节点每次数据重传的时间间隔τ_i，第l(0≤l≤k_i)次数据重传射频工作电流为I₀，工作时间为τ_0l。因为感知节点采集数据时传感器工作电流、工作时间不随环境变化，且相对于射频工作能耗很小，为了便于研究，在此忽略不计。感知节点在整个采样周期工作过程如图6（b）所示。

P₀为在σ(p₀)要求的前提下，感知节点满足采样间隔要求时间段内的平均功率的能达到最小值。假设E为感知节点满足采样间隔要求时间段内感知节点消耗的能量，则P_i、P₀计算如式3所示

$E=\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}(\underset{l=0}{\overset{k_j}{\mathrm{\&Sigma;}}}{\mathrm{\&tau;}}_{0l}*I_0*V+(t_j-\underset{l=0}{\overset{k_j}{\mathrm{\&Sigma;}}}{\mathrm{\&tau;}}_{0l})*I_{\mathrm{sleep}}*V)(t_j\&le;T)---\left(2\right)$

$P_i=\frac{E}{\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{t}_j(t_j\&le;T)}$ $P_0=\frac{E}{\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}T(t_j\&le;T)}---\left(3\right)$

根据式3，当t_sleep增大、t_j(t_j≤T)趋近T时，P_i减小趋近P₀。

3）s_i的参数选取及计算方法

通信环境评估s_i评估准则为统计窗口m内PRR（数据包接收率），单个数据包成功交付的平均重传次数，数据重传的时间间隔τ的平均值，射频工作时间τ₀的最大值，重传次数的最大值，链路质量LQI均值及方差，RSSI均值及方差。

${\mathrm{PRR}}_i=\frac{n*m}{\underset{l=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{k}_{\mathrm{lj}}}$ ${\mathrm{\&mu;}}_k=\frac{1}{n*m}\underset{l=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{k}_{\mathrm{lj}}$ ${\mathrm{\&mu;}}_{\mathrm{\&tau;}}=\frac{\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{k}_j*{\mathrm{\&tau;}}_j}{\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{k}_j}---\left(4\right)$

MAX_τ0＝max{max{τ_0ji}(0≤l≤k_j)}(i-m+1≤j≤i) （5）

MAX_K＝max{k_j}(i-m+1≤j≤i) （6）

${\mathrm{\&mu;}}_{\mathrm{LQI}}=\frac{1}{n*m}\underset{l=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{\mathrm{LQI}}_{\mathrm{lj}}$ $D_{\mathrm{LQI}}=\frac{1}{n*m}\underset{l=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{({\mathrm{LQI}}_{\mathrm{lj}}-{\mathrm{\&mu;}}_{\mathrm{LQI}})}^2---\left(7\right)$

${\mathrm{\&mu;}}_{\mathrm{RSSI}}=\frac{1}{n*m}\underset{l=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{\mathrm{RSSI}}_{\mathrm{lj}}$ $D_{\mathrm{RSSI}}=\frac{1}{n*m}\underset{l=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=i-m+1}{\overset{i}{\mathrm{\&Sigma;}}}{({\mathrm{RSSI}}_{\mathrm{lj}}-{\mathrm{\&mu;}}_{\mathrm{RSSI}})}^2---\left(8\right)$

图7为本发明模糊逻辑控制器第一实施例结构示意图，对应于图1中103模块，本实例的模糊控制过程包括如下步骤：

步骤701：接收图1中102模块发送的输入量，对这些输入量进行预处理和尺度变换，使其变换到满足模糊控制器要求的论域范围，将变换后的输入量进行模糊处理，使原先的精确的输入量变成模糊量，并用模糊集合表示，然后执行702。

步骤702：对模糊输入量进行模糊推理，该推理过程是基于模糊逻辑中的蕴含关系及推理规则进行的，采用“IF…THEN…”形式，IF部分是规则的前提，THEN是规则的结论，，模糊推理过程需要规则库模块提供相应的经验规则，然后执行703。

步骤703：将模糊推理输出量解模糊化为实际用于控制的清晰量，包括将模糊的控制量变换成表示在论域范围的清晰量和将清晰量进行尺度变换成实际的控制量两个阶段。

下面结合实施例二，详细介绍本发明提供的传感器网络智能配置方法的网关中的模糊逻辑控制器103模块。

图8(a)为本发明模糊逻辑控制器第二实施例工作流程图，具体工作步骤如下所示：

步骤801：将实际测量指标与应用需求指标的偏差模糊化，e_i(e_i1，e_i2)模糊化即是对σ_i与σ偏离程度的自然语言形式表示，将偏差e_i归一化ε_i＝e_i/σ，确定偏差ε_i的语言变量为NB(负大)，NS(负小)，O(零)，PS(正小)，PB(正大)，采样间隔偏差ε_i经过模糊化后属于集合{NB,NS,O,PS,PB}，如表1所示。

表1应用需求指标模糊化

步骤802：通信环境评估s_i模糊化即为用自然语言表征该物理环境下的传感器网络通信质量的好坏情况。确定工作环境的语言变量如下，VB(很差)，B(差)，M(中)，G(好)，通信环境评估s_i经过模糊化之后属于集合{VB,B,M,G}。

对通信环境的评估参数一般通过大量的实验数据获得，物联网感知层的通信环境复杂多变，单个测量参数的变化随机性较大，并且不同环境界限模糊，因此需要使用多个测量参数综合判断属于某一环境的隶属度，在本发明中分为G、M、B、VB几种环境，其定义如下所述：

G环境：传感器网络的理想环境，此时工作环境稳定，几乎没有噪声干扰、电磁干扰，深夜可以近似为理想环境。

M环境：传感器网络工作环境中物体的移动、遮挡等造成的电磁波多径效应、阴影效应或者因为背景噪声等使得通信信噪比不高，但传感网通信信道空闲。

B环境：存在电磁干扰，由于感知网络规模过大或者其他网络无线设备(如WiFi、蓝牙等)使用了与感知网相同工作频段使得感知节点的通信信道竞争激烈，冲突严重。VB环境相对于B环境电磁干扰更加严重。

无论是通信信噪比不高还是电磁干扰都会对传感器网络传输性能造成一定的影响，可以通过网络通信环境评估s_i确定属于哪种环境。

步骤803：选择配置参数，本发明配置参数为t_i+1，t_i+1（t_sleep，τ_i+1，k_maxi+1t）为感知节点下一个采样周期的工作参数，t_sleep为休眠时间，τ_i+1为重传时间间隔，k_maxi+11为 允许的最大重传次数，上述参数满足关系式9。

T＝t_sleep+k_maxi+1*τ_i+1 （9）

感知节点在i时刻收到网关发送的t_i+1后立即调整工作参数，调整后的感知节点经过休眠时间t_sleep后开始数据采集及发送（如图6b），若其在之后的τ_i+1时间内收到网关ACK（含节点下一个采样周期的配置参数），则此次采样周期结束，若其未收到网关ACK，且重传次数未超过k_maxi+1，则重传数据包，直到其收到网关ACK或者重传次数超过k_maxi+1为止此次采样周期才结束，感知节点此次采样周期完毕后立即进入下一个周期的休眠时段。

步骤804：模糊推理配置参数调节原则，图8（b）中τ₀时段消耗电流为I₀，τ₁时段消耗电流为I_sleep，I₀□I_sleep。由于射频竞争信道退避时间τ_backoff、数据包传播时延和网关处理数据总时间τ_waitACK随实际工作环境的不同而不同，τ_transmit随着发送数据包长度的不同也不同，因此网关需要通过调节τ，使得能保证τ≥τ₀，同时根据感知网电磁环境为感知节点选择最佳射频工作等待间隔τ₁。k_max越大，此次数据包的成功交付的概率越大，但导致t_j(t_j≤T)减小，单位时间采样点增多，造成信息冗余，能量浪费，因此网关需要根据实际工作环境为节点选择合适k_max。总之，调节τ、k_max目的是既能满足数据包的实时可靠交付，又能减低节点平均功率。

本发明提供的智能配置方法的应用系统状态用二元组（X,Y）表示，X∈{VB,B,M,G},Y∈{NB,NS,O,PS,PB}。实际系统应用需求、通信环境等的变化会导致（X,Y）发生状态迁移，从而使得Y≠O，此时应用系统处于不稳定状态，本发明提供的配置方法根据具体情况自动调节直到Y=O为止。

图8（c）表示当X不变时，应用层需求指标发生变化，Y的状态跳转情况。图中箭头粗细代表应用需求的变化幅度。

图8（d）表示当应用层需求恒定，通信环境发生变化时，（X,Y）的跳转情况。从8（d）可以看出，当X按G→M→B→VB向变化时，Y按O→NS→NB方向变化，当X按VB→B→M→G方向变化时，Y按O→PS→PB方向变化。

根据应用层需求指标σ，配置原则为首先满足σ(p₀)，即实时性要求，其次满足σ(P₀)，即尽量减小能耗，调节时状态转换如图8（e）。

步骤805：清晰化配置方案，分为两种情形：

情形1：X=（PB或PS）：当通信环境按VB→B→M→G方向变化或者应用层需求T增大、p₀减小时，产生此状态。此时需求σ(p₀)已经满足，调节目的为节省 能耗，此时在能保证σ(p₀)前提下，k_maxi+1、τ_i+1尽量减小，t_sleep尽量增大，t_i+1配置参数如表2：

表2满足σ(P₀)清晰化方案

情形2：X＝(NB或NS)：当通信环境按G→M→B→VB方向变化或者应用层需求T减小、p₀增大时，产生此状态。此时增大k_maxi+1、τ_i+1优先满足σ(p₀)，M没有受到电磁干扰，传感器网络工作环境比较稳定，每个数据包被网关成功接收的概率基本相同，因此可以假定PRR_i+1＝PRR_i，所以优先调节k_maxi+1。B、VB环境PRR_i波动非常剧烈且无规律，若无限提高k_maxi+1会导致大量数据包涌入网络，信道竞争更加激烈，甚至感知网与干扰源相互影响，使得无线信道通信质量不可预测，因此在保证k_maxi+1下，增大且随机选择节点τ_i+1，在一定程度上避免电磁干扰，t_i+1配置参数如表3。

表3满足σ(p₀)清晰化方案

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明权利要求的保护范围。

Claims (9)

1.一种无线传感器网络智能配置系统，其特征在于，包括：

传感器网络模块，用于感知监测环境，给网关提供感知数据流，发送通信环境参数；

网关模块，用于对所述感知数据流进行分析处理，根据所述通信环境参数对所述感知数据流进行模糊化和模糊逻辑推理后得出配置方案，再经清晰化处理后成为实际用于控制的清晰量；

输出模块，所述网关模块综合所述配置方案及若干个所述实际用于控制的清晰量，得出传感器模块下一个时段的配置参数，并将所述配置参数发送给所述传感器网络模块中的感知节点；

执行模块，所述感知节点模块将配置参数存入节点存储器中，然后按照所述配置参数完成相应配置，并按配置后工作方式进行下一轮数据采集；

应用层接口模块，通过所述数据通道获得所述传感器网网络模块的感知数据流或随时通过管理通道向所述传感器网络模块提出新的需求指标；

其中所述网关模块包括模糊逻辑控制器模块，用于对输入的所述传感器网络特性，模糊逻辑化后加入规则库，并经过模糊逻辑推理得出配置方案、再经清晰化处理后成为实际用于控制的清晰量；

所述模糊逻辑控制器模块包括模糊化模块、模糊推理模块、规则库模块、清晰化模块：

所述模糊化模块，用于对输入的所述传感器网络特性进行预处理和尺度变换，使变换到满足所述模糊控制器模块的要求，将所述变换后的输入量进行模糊处理，使原先精确的输入量变成模糊输入量，并用模糊集合表示；

所述模糊推理模块，用于对所述模糊输入量进行模糊推理得出配置方案，该推理过程是基于模糊逻辑中的蕴含关系及推理规则进行的，采用“IF…THEN…”形式，IF部分是规则的前提，THEN是规则的结论，模糊推理过程需要规则库模块提供相应的经验规则；

所述规则库模块，包含通过经验知识获取的用模糊语言变量表示的推理规则，以及网络流处理器模块得出的经验知识；

所述清晰化模块，将所述模糊推理模块的配置方案解模糊化为实际用于控制的清晰量，将控制量转变为可以调节的传感器网络参数，包括将模糊的控制量变换成清晰量和将清晰量进行尺度变换成实际的控制量两个阶段。

2.如权利要求1所述的无线传感器网络智能配置系统，其特征在于，所述传感器网络模块包括：

感知节点模块，用于完成所述感知数据流的采集；

汇聚节点模块，用于完成所述感知数据流的汇聚并将汇聚后的感知数据流发送给网关模块；

路由节点模块，用于在多跳网络中转发所述感知数据流给汇聚节点，所述路由节点模块为多个，而在单跳网络中路由节点模块为零个。

3.如权利要求1所述的无线传感器网络智能配置系统，其特征在于，所述网关模块还包括：

网络流处理器模块，用于通过数据通道向远程服务器提供应用层需求数据流，同时对所述感知数据流分析处理输出当前时段的传感器网络特性到模糊逻辑控制器模块。

4.如权利要求3所述的无线传感器网络智能配置系统，其特征在于，所述网络流处理器模块包括：

硬件驱动层模块，用于读取所述感知数据流并传给数据解析层模块；

数据解析层模块，用于解析所述感知数据流并发送给统计分析处理模块；

统计分析处理模块，用于在向应用层提供所述感知数据流的同时将所述感知数据流存入感知数据库模块，同时通过对所述感知数据流的分析挖掘得出资源描述表和应用需求表；

感知数据库模块，用于存储所述感知数据流；

资源描述表和应用需求表模块，所述资源描述表用于表征所述传感器网络模块的节点工作状态，所述应用需求表记录所述应用层随时提出的需求信息；

归一化输出模块，用于将所述统计分析处理模块的输出信息格式化，计算得出网络特性并发送到所述模糊逻辑控制器模块，同时将输出的应用层数据流发送给所述远程服务器。

5.一种无线传感器网络智能配置方法，其特征在于，包括：

步骤1，传感器网络感知监测物理环境，给网关提供感知数据流的同时发送通信环境参数；

步骤2，所述网关对所述感知数据流进行分析处理，根据通信环境参数对所述感知数据流进行模糊化和模糊逻辑推理后，得出配置方案，然后经清晰化处理后成为实际用于控制的清晰量；

其中配置方案的产生如下：

判断所述传感器网络特性，若为网关支持的网络特性N，则根据所述实际测试的网络性能指标与应用层需求指标的偏差的正负和绝对值大小确定具体的配置策略；否则，则判断是否执行默认配置方案，若是，则执行默认配置策略，否则不需要重新配置；

步骤3，所述网关综合所述配置方案及若干个所述实际用于控制的清晰量，得出传感器模块下一个时段的配置参数，并将所述配置参数发送给所述传感器网络模块中的感知节点；

步骤4，所述感知节点将配置参数存入节点存储器中，然后按照所述配置参数完成相应配置，并按配置后工作方式进行下一轮数据采集；

步骤5，应用层接口根据所述网关提供的数据进行分析处理，通过数据通道获得所述传感器网络的感知数据流或随时通过管理通道向所述传感器网络提出新的需求指标。

6.如权利要求5所述的无线传感器网络智能配置方法，其特征在于，所述步骤1包括：

步骤11，感知节点完成所述感知数据流的采集；

具体过程为：步骤111，所述感知节点初始化后采集所述感知数据流，开启射频发送所述采集的感知数据流；步骤112，所述感知节点判断收到汇聚节点的包含配置信息的ACK应答，则确定是否需要重新配置节点，若需要，则使用所述汇聚节点ACK中的配置信息完成对所述感知节点的配置，否则，感知节点进入休眠状态；步骤113，所述感知节点判断未收到汇聚节点的包含配置信息的ACK应答，则所述感知节点进行重传后进入休眠状态；步骤114，所述感知节点按照默认配置或重新配置进行下轮数据采集；

步骤12，路由节点在单跳网络中为零个，在多跳网络中为多个，用于将所述感知数据流转发至汇聚节点；

其中：所述路由节点在初始化完成后进入工作状态，若进入工作状态过程中出现故障，则通过拓扑重建、拓扑修复进入工作状态；所述路由节点完成感知数据流的转发工作后，关闭射频，进入休眠状态，需要路由节点转发感知数据流时，开启射频，进入工作状态；

步骤13，汇聚节点完成所述感知数据流的汇聚并将汇聚后的感知数据流发送给网关。

7.如权利要求5所述的无线传感器网络智能配置方法，其特征在于，所述步骤2包括：

步骤21，网络流处理器分析处理所述感知数据流，通过数据通道向远程服务器提供应用层需求数据流，同时通过对所述感知数据流分析处理输出当前时段的传感器网络特性到模糊逻辑控制器；

步骤22，模糊逻辑控制器对输入的所述传感器网络特性，模糊逻辑化后加入规则库，并经过模糊逻辑推理得出配置方案、经清晰化处理后成为实际用于控制的清晰量。

8.如权利要求7所述的无线传感器网络智能配置方法，其特征在于，所述步骤21包括：

步骤211，硬件驱动层读取所述感知数据流并传给数据解析层；

步骤212，数据解析层解析所述感知数据流并发送给统计分析处理器；

步骤213，统计分析处理器向应用层提供所述感知数据流的同时将所述感知数据流存入感知数据库，同时通过对感知数据流的分析挖掘得出资源描述表和应用需求表；

步骤214，将所述统计分析处理器的输出信息格式化，计算得出网络特性并经过归一化之后发送到模糊控制器，同时将输出的应用层数据流发送给所述远程服务器。

9.如权利要求7所述的无线传感器网络智能配置方法，其特征在于，所述步骤22包括：

步骤221，对输入的所述网络特性进行预处理和尺度变换，使其变换到满足所述模糊控制器要求的论域范围，将所述变换后的输入量进行模糊处理，使原先的精确的输入量变成模糊输入量，并用模糊集合表示；

步骤222，对所述模糊输入量进行模糊推理得出配置方案，该推理过程是基于模糊逻辑中的蕴含关系及推理规则进行的，采用“IF…THEN…”形式，IF部分是规则的前提，THEN是规则的结论，模糊推理过程需要规则库提供相应的规则经验；

步骤223，将模糊推理输出的所述配置方案清晰化，即解模糊化为实际用于控制的清晰量，将控制量转变为可以调节的传感网的网络参数包括将模糊的控制量变换成表示在所述论域范围的清晰量和将清晰量进行尺度变换成实际的控制量两个阶段。