CN103916952B - 一种煤矿井下物联网时间同步及能量控制方法 - Google Patents
一种煤矿井下物联网时间同步及能量控制方法 Download PDFInfo
- Publication number
- CN103916952B CN103916952B CN201410148301.9A CN201410148301A CN103916952B CN 103916952 B CN103916952 B CN 103916952B CN 201410148301 A CN201410148301 A CN 201410148301A CN 103916952 B CN103916952 B CN 103916952B
- Authority
- CN
- China
- Prior art keywords
- mrow
- node
- msubsup
- time
- mfrac
- 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.)
- Active
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种煤矿井下物联网时间同步方法，基于层次型模型布置煤矿井下物联网网络节点：采用矿井巷道层次型模型布置网络4类节点：被测节点、感知节点、路由节点和汇聚节点。汇聚节点周期性发起时间同步，与通信范围内的路由节点进行双向同步分组数据交换，两者共同通信范围内的感知、被测节点侦听数据；已同步路由节点发送同步分组数据，最终网络中的所有路由节点、感知节点和被测节点接收到同步分组数据。各节点根据得到的参数，进行时间同步计算。本发明的有益效果是同步数据量少、时间同步算法计算量小和能耗低，适用于具有树状拓扑的煤矿井下物联网时间同步，也可适用于其它树状拓扑网络的时间同步。
Description
技术领域
本发明属于物联网时间同步，涉及一种煤矿井下物联网时间同步及能量控制方法。
背景技术
煤矿井下环境复杂，各种环境参数、人员位置信息只能通过布置在巷道内的通信装置将数据传送给地面的监控中心，以实现对矿山灾害的感知、预测预警及人员的定位。随着无线通信、传感器技术、嵌入式应用和微电子技术的日趋成熟，WSNs可以在任何时间、任何地点、任何环境条件下获取人们所需信息，为矿山物联网(Internet of Things,IoT)的发展奠定基础。矿山物联网中涌现的诸多应用要求网络节点拥有一致的全局时间，一个实现全网同步的网络能够进行节点协同操作和预测未来，没有一致的全局时间，则节点间的感测数据无法匹配，时间同步为矿山物联网的一个支撑技术，是矿山物联网诸多应用得以实现的前提。
煤矿井下巷道一般布置在离地表数百米以下，最深已达1365米，煤矿井下巷道为分支结构，呈树形布置、分支长度达数千米，甚至万米以上，网络宜采用树状拓扑结构。目前，基于树状拓扑的时间同步方法FTPS、TPSN、RBS等存在如下缺点：1）算法的鲁棒性差，网络中节点死亡或新节点加入都需要重新建立生成树或簇，增加算法的复杂性和计算量；2）鉴于生成树或簇的随机性，物理位置上相邻的节点属于不同的簇或分支，同步误差大，不利于无线传感器网络尤其是TDMA技术的应用。煤矿井下物联网节点采用电池供电，能耗是需要考虑的一个重要因素，在设计时间同步算法时，节点周期性休眠降低节点的能量消耗。
发明内容
本发明目的在于提供一种煤矿井下物联网时间同步方法，解决现有针对于地面的时间同步算法无法直接应用到煤矿井下这一问题。
本发明的另一个目的是提供一种煤矿井下物联网时间同步及能量控制的方法。
本发明一种煤矿井下物联网时间同步方法所采用的技术方案是按照以下步骤进行：
步骤1：基于层次型模型布置煤矿井下物联网网络节点：采用矿井巷道层次型模型布置网络4类节点：被测节点、感知节点、路由节点和汇聚节点。
步骤2：汇聚节点周期性发起时间同步，与通信范围内的路由节点进行双向同步分组数据交换，两者共同通信范围内的感知、被测节点侦听数据；已同步路由节点发送同步分组数据，最终网络中的所有路由节点、感知节点和被测节点接收到同步分组数据。
步骤3：各节点根据步骤2中得到的参数，进行时间同步计算。
本发明的特点还在于步骤1中采用一种矿井巷道层次型模型布置被测节点、感知节点、路由节点和汇聚节点，其中感知节点间、被测节点间及感知和被测节点间不可相互通信，路由节点间可相互通信，采用多跳方式与汇聚节点通信，从网络拓扑来看，汇聚节点、路由节点和与其有通信关系的被测节点、感知节点形成簇，汇聚节点、路由节点为簇头，感知节点、被测节点采用电池供电，汇聚节点以有线方式同矿井骨干网连接，通过有线网络获取当前UTC时间，为整个巷道的节点提供基准时间。
步骤2中在布置节点时，保证感知节点、被测节点能侦听到同步分组，记si为汇聚节点、路由节点，sj为si通信范围内路由节点，sm为si、sj共同通信围内被测、感知节点，si与sj间第k次同步分组传输过程为：
1）si发起同步请求分组，包含有自身ID即siID、本地时间
2）sj在本地时间接收到请求分组，在本地时间发送应答分组Ack，包含自身sjID、siID、和sm在本地时间接收到请求分组，从分组中获取保存
3）sm在本地时间接收到应答分组，从分组中获取和保存和
4）N次时间同步分组交换结束后，sm保存有N组数据
步骤3中各节点根据上述步骤得到的参数，进行时间同步计算的过程为：建立节点一阶时间模型为此模型建立了网络节点时间与标准时间间的关系，ωj和分别是节点本地时间Tj(t)与标准时间t间的频率偏移和相位偏移，节点sm在该一阶时间模型基础上根据保存的时间数据计算与节点si间的频偏和相偏，节点si与节点sjN次双向同步交换后，两者共同通信范围内节点sm侦听并保存N组数据考虑节点间的频率偏移和相位偏移，在第k次时间同步分组交换时，有：
式中，d为分组传输固定延时，和为分组传输随机延时，假设服从指数分组，即
将节点sm保存的N组数据分成两部分：和假定N次分组传输期间d和值不变，在式(1)、(2)、(3)中用第一部分数据减去对应的第二部分数据，消去相位偏移和固定延时两个参数，得到式(1)、(2)和(3)的简化形式：
其中，采用极大似然法估计参数ωij,ωim,λ，其似然函数为：
记似然函数指数参数为：
ωim、ωij的极大似然估计等价于ζ取最小值时ωim、ωij的估计，
令ωim初值为用迭代法进行ωim、ωij估计。迭代过程为：
1）ωim已知：
ζ值由决定，整合得到数组al(l＝0,1,...N-1)，整合和得到数组bl(l＝0,1,...N-1)，将将bl升序排列，求满足的M值，得ωij估计值
2）ωij已知：
ζ值由决定，整合得到数组al(l＝0,1,...N-1)，整合和得到数组bl(l＝0,1,...N-1)，将将bl升序排列，求满足的M值，得ωim估计值
3）重复步骤1）、2）3次，得到频偏估计值ωij和ωim，将得到的ωij和ωim代入式(1)、(2)、(3)整理得到：
记为新的相位偏移和得到估计和d的估计值：
其中， 和
将代入式(11)得到和的估计值：
节点sm向节点sj发送同步参数调整分组，包含sj的ID、si的ID、ωij和节点sj接收通信范围内所有sm的和取平均得到自身的相偏和频偏
记节点sm和sj的本地时间为tm和tj，节点sm和sj分别按照将tm、tj映射到节点si的本地时间，节点sm和sj按照计算的时间t′m和t′j对本节点时间进行更新，实现同步。
本发明的另一种煤矿井下物联网时间同步及能量控制的方法步骤为：
步骤1：基于层次型模型布置煤矿井下物联网网络节点：采用矿井巷道层次型模型布置网络4类节点：被测节点、感知节点、路由节点和汇聚节点。
步骤2：为煤矿井下物联网节点设计两个晶体振荡器；
步骤3：系统晶振SCO周期性的进入低功耗模式，计数周期性间断；本地晶振LCO计数不中断，周期性的唤醒和休眠节点，以及为节点提供不间断的本地时间，在所有感知和被测节点已唤醒时，汇聚节点周期性发起时间同步，与通信范围内的路由节点进行双向同步分组交换，两者共同通信范围内的感测、被测节点侦听数据；已同步路由节点发送同步分组数据，同步其通信范围内所有路由节点、感知节点和被测节点。
所述步骤3在同步方法上，为保证路由节点间交换时间同步分组时，所有感知和被测节点sm已唤醒，在基于分组侦听的时间同步模型上增加唤醒时间估计部分，为sm的活跃时间和休眠时间，为节点si到下次发送同步请求的时间间隔，则有：
1）sm估计完所有参数ωij、ωim、和后，记录当前时刻tm，标记下次唤醒时刻为按照将映射到si的本地时刻，在广播同步确认分组时增加项；
2）sj估算完ωij、后，记录当前时刻tj，标记下次唤醒时刻为并映射到si的往si发送同步确认分组，分组包含siID、sjID和
3）si接收所有同步确认分组获取为补偿节点在休眠期的晶振频率偏移，更新Δ按最大频率偏移50ppm取Δ＝2×50×TΣ×10-6(s)；
4）确定最迟唤醒时间
5）si通过本地晶振启动休眠定时器进入休眠态，si在时刻唤醒并发送时间同步请求分组，启动下一轮时间同步；
6）sm、sj分别在完成上述步骤1)和2)后，启动休眠定时器进入休眠态，定时时间到则唤醒节点进入活跃态。
本发明的有益效果是同步数据量少、时间同步算法计算量小和能耗低，适用于具有树状拓扑的煤矿井下物联网时间同步，也可适用于其它树状拓扑网络的时间同步。
附图说明
图1是本发明基于层次型模型巷道节点布置及通信示意图；
图2是本发明基于消息侦听的时间同步模型图；
图3是本发明基于duty-cycle的时间同步模型图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
煤矿井下时间同步方案按照以下步骤进行：
步骤1：基于层次型模型布置煤矿井下物联网网络节点：考虑煤矿井下巷道狭长的地理特点，采用一种矿井巷道层次型模型布置网络4类节点:被测节点(由矿工等移动物体携带的节点)、感知节点(设计有各类传感器，检测巷道各种环境参数)、路由节点和汇聚节点，其中感知节点间、被测节点间及感知和被测节点间不可相互通信；路由节点间可相互通信，采用多跳方式与汇聚节点即网关节点通信。从网络拓扑来看，汇聚、路由节点和与其有通信关系的被测、感知节点形成簇，汇聚、路由节点为簇头。感知、被测节点采用电池供电，汇聚节点以有线方式同矿井骨干网连接，通过有线网络获取当前UTC时间，为整个巷道的节点提供基准时间。层次型巷道节点布置示意图见图1。
步骤2：对上述煤矿井下物联网网络节点的时间同步过程：汇聚节点周期性发起时间同步，与通信范围内的路由节点进行双向同步分组数据交换，两者共同通信范围内的感知、被测节点侦听数据；已同步路由节点发送同步分组数据，最终网络中的所有路由节点、感知节点和被测节点接收到同步分组数据。时间同步模型见图2。
在布置节点时，保证感知节点、被测节点能侦听到同步分组。记si为汇聚节点、路由节点，sj为si通信范围内路由节点，sm为si、sj共同通信围内被测、感知节点，si与sj间第k次同步分组传输过程为：
1）si发起同步请求分组，包含有自身ID即siID、本地时间
2）sj在本地时间接收到请求分组，在本地时间发送应答分组Ack，包含自身sjID、siID、和sm在本地时间接收到请求分组，从分组中获取保存
3）sm在本地时间接收到应答分组，从分组中获取和保存和
4）N次时间同步分组交换结束后，sm保存有N组数据
步骤3：各节点根据上述步骤得到的参数，进行时间同步计算：
建立节点一阶时间模型为此模型建立了网络节点时间与标准时间间的关系，ωj和分别是节点本地时间Tj(t)与标准时间t间的频率偏移和相位偏移。节点sm在该一阶时间模型基础上根据保存的时间数据计算与节点si间的频偏和相偏。
节点si与节点sjN次双向同步交换后，两者共同通信范围内节点sm侦听并保存N组数据考虑节点间的频率偏移和相位偏移，在第k次时间同步分组交换时，有：
式中，d为分组传输固定延时，和为分组传输随机延时，假设服从指数分组，即
将节点sm保存的N组数据分成两部分：和假定N次分组传输期间d和值不变，在式(1)、(2)、(3)中用第一部分数据减去对应的第二部分数据，消去相位偏移和固定延时两个参数，得到式(1)、(2)和(3)的简化形式：
其中，采用极大似然法估计参数ωij，ωim，λ，其似然函数为：
记似然函数指数参数为：
ωim、ωij的极大似然估计等价于ζ取最小值时ωim、ωij的估计。
令ωim初值为用迭代法进行ωim、ωij估计。迭代过程为：
1）ωim已知：
ζ值由决定。整合得到数组al(l＝0,1,...N-1)，整合和得到数组bl(l＝0,1,...N-1)，将将bl升序排列，求满足的M值，得ωij估计值
2）ωij已知：
ζ值由决定。整合得到数组al(l＝0,1,...N-1)，整合和得到数组bl(l＝0,1,...N-1)，将将bl升序排列，求满足的M值，得ωim估计值
3）重复步骤1）、2）3次，得到频偏估计值ωij和ωim。
将得到的ωij和ωim代入式(1)、(2)、(3)整理得到：
记和为新的相位偏移和得到估计和d的估计值：
其中， 和
将代入式(11)得到和的估计值：
节点sm向节点sj发送同步参数调整分组，包含sj的ID、si的ID、ωij和节点sj接收通信范围内所有sm的和取平均得到自身的相偏和频偏
记节点sm和sj的本地时间为tm和tj，节点sm和sj分别按照将tm、tj映射到节点si的本地时间，节点sm和sj按照计算的时间t′m和t′j对本节点时间进行更新，实现同步。
煤矿井下物联网时间同步网络的节点能量控制方法：
针对煤矿井下物联网时间同步网络，在硬件上，煤矿井下物联网所有节点带有两个晶体振荡器：系统晶振SCO和本地晶振LCO。系统晶振SCO周期性的进入低功耗模式，计数周期性间断；本地晶振LCO计数不中断，主要周期性的唤醒和休眠节点，以及为节点提供不间断的本地时间。在同步方法上，为保证路由节点间交换时间同步分组时，所有感知和被测节点sm已唤醒，在基于分组侦听的时间同步模型上增加唤醒时间估计部分，见图3基于duty-cycle的时间同步模型。图中为sm的活跃时间和休眠时间，为节点si到下次发送同步请求的时间间隔。:
1）sm估计完所有参数ωij、ωim、和后，记录当前时刻tm，标记下次唤醒时刻为(TΣm和DC分别为节点sm的工作周期和占空比)，按照将映射到si的本地时刻，在广播同步确认分组时增加项；
2）sj估算完ωij、后，记录当前时刻tj，标记下次唤醒时刻为并映射到si的往si发送同步确认分组，分组包含siID、sjID和
3）si接收所有同步确认分组获取为补偿节点在休眠期的晶振频率偏移，更新Δ按最大频率偏移50ppm取Δ＝2×50×TΣ×10-6(s)；
4）确定最迟唤醒时间
5）si通过本地晶振启动休眠定时器进入休眠态，si在时刻唤醒并发送时间同步请求分组，启动下一轮时间同步；
6）sm、sj分别在完成1)和2)后，启动休眠定时器进入休眠态，定时时间到则唤醒节点进入活跃态。
本发明的优点在于：
1、现有的时间同步算法大都针对井上无线传感器网络，适应于井下特殊链状环境的很少，本发明提出了一种专门针对井下树状网络的时间同步算法。
2、现有的无线传感器网络在进行簇头选择时算法复杂，能量消耗过大，本发明固定能量无限供给的路由节点和汇聚节点为簇头节点，免去了簇头节点的选择这一环节，算法消耗的能量减小。
3、现有的时间同步算法基于多次同步分组交换提高同步精度，同步数据量多，能量消耗大，本发明提出基于侦听的同步分组传输方法在汇聚、路由节点间交换信息，能量有限的感知节点和被测节点侦听时间同步分组，降低了能量消耗。
4、现有的时间同步算法采用数理统计方法估计节点间相位偏移和/或频率偏移，待估参数多，估计算法复杂，计算量大，难于实现，本发明提出了一种减少待估参数的分组抵消法，依次估计频率偏移和相位偏移，估计算法计算量减小。
5、煤矿井下感知节点和被测节点采用电池供电，能量有限，难以更换，本发明基于占空比机制进行时间同步，周期性唤醒和休眠节点，降低节点的能量消耗。
Claims (3)
1.一种煤矿井下物联网时间同步方法，其特征在于按照以下步骤进行：
步骤1：基于层次型模型布置煤矿井下物联网网络节点：采用矿井巷道层次型模型布置网络4类节点：被测节点、感知节点、路由节点和汇聚节点；
步骤2：汇聚节点周期性发起时间同步，与通信范围内的路由节点进行双向同步分组数据交换，两者共同通信范围内的感知节点和被测节点侦听数据；已同步路由节点发送同步分组数据，最终网络中的所有路由节点、感知节点和被测节点接收到同步分组数据；
在布置节点时，保证感知节点和被测节点能侦听到同步分组，记si为汇聚节点或路由节点，sj为si通信范围内路由节点，sm为si和sj共同通信范围内被测节点或感知节点，si与sj间第k次同步分组传输过程为：
1)si发起同步请求分组，包含有自身ID即siID、本地时间
2)sj在本地时间接收到请求分组，在本地时间发送应答分组Ack，包含自身sjID、siID、和sm在本地时间接收到请求分组，从分组中获取保存
3)sm在本地时间接收到应答分组，从分组中获取和保存和
4)N次时间同步分组交换结束后，sm保存有N组数据
步骤3：各节点根据步骤2中得到的参数，进行时间同步计算；
所述各节点根据步骤2中得到的参数，进行时间同步计算的过程为：建立节点一阶时间模型为此模型建立了网络节点时间与标准时间间的关系，ωj和分别是节点本地时间Tj(t)与标准时间t间的频率偏移和相位偏移，节点sm在该一阶时间模型基础上根据保存的时间数据计算与节点si间的频偏和相偏，节点si与节点sjN次双向同步交换后，两者共同通信范围内节点sm侦听并保存N组数据考虑节点间的频率偏移和相位偏移，在第k次时间同步分组交换时，有：
式中，d为分组传输固定延时，和为分组传输随机延时，假设服从指数分组，即将节点sm保存的N组数据分成两部分：和假定N次分组传输期间d和值不变，在式(1)、(2)、(3)中用第一部分数据减去对应的第二部分数据，消去相位偏移和固定延时两个参数，得到式(1)、(2)和(3)的简化形式：
<mrow>
<msubsup>
<mi>z</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>r</mi>
<mi>k</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>0</mn>
<mo>,</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>z</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>r</mi>
<mi>k</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msup>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>0</mn>
<mo>,</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>z</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>z</mi>
<mi>k</mi>
<mrow>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>r</mi>
<mi>k</mi>
<mrow>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msup>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>j</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>,</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mn>0</mn>
<mo>,</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，采用极大似然法估计参数ωij,ωim,λ，其似然函数为：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>,</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msup>
<mo>,</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1.5</mn>
<mi>N</mi>
</mrow>
</msup>
<mi>exp</mi>
<mo>{</mo>
<mfrac>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mn>2</mn>
<mi>&lambda;</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mo>|</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>r</mi>
<mi>k</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mo>|</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>r</mi>
<mi>k</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msup>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mi>i</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>i</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>r</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mrow>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>r</mi>
<mi>k</mi>
<mrow>
<mi>j</mi>
<mi>m</mi>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msup>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>s</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
</mrow>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>s</mi>
<mi>k</mi>
<mi>j</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<msup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msup>
<mo>|</mo>
<mo>}</mo>
<mo>,</mo>
<mn>0</mn>
<mo>&le;</mo>
<mi>k</mi>
<mo>&le;</mo>
<mfrac>
<mi>N</mi>
<mn>2</mn>
</mfrac>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
记似然函数指数参数为：
ωij的极大似然估计等价于ζ取最小值时ωim、ωij的估计，令ωim初值为用迭代法进行ωim、ωij估计，迭代过程为：
1)ωim已知：
ζ值由决定，整合得到数组al(l＝0,1,...N-1)，整合和得到数组bl(l＝0,1,...N-1)，将将bl升序排列，求满足的M值，得ωij估计值
2)ωij已知：
ζ值由决定，整合得到数组al(l＝0,1,...N-1)，整合和得到数组bl(l＝0,1,...N-1)，将将bl升序排列，求满足的M值，得ωim估计值
3)重复步骤1)、2)3次，得到频偏估计值ωij和ωim，
将得到的ωij和ωim代入式(1)、(2)、(3)整理得到：
记和为新的相位偏移和得到估计和d的估计值：
其中，和
将代入式(11)得到和的估计值：
节点sm向节点sj发送同步参数调整分组，包含sj的ID、si的ID、ωij和节点sj接收通信范围内所有sm的ωij和取平均得到自身的相偏和频偏记节点sm和sj的本地时间为tm和tj，节点sm和sj分别按照将tm、tj映射到节点si的本地时间，节点sm和sj按照计算的时间t′m和tj′对本节点时间进行更新，实现同步。
2.按照权利要求1所述一种煤矿井下物联网时间同步方法，其特征在于：所述步骤1中采用一种矿井巷道层次型模型布置被测节点、感知节点、路由节点和汇聚节点，其中感知节点间、被测节点间及感知和被测节点间不可相互通信，路由节点间可相互通信，采用多跳方式与汇聚节点通信，从网络拓扑来看，汇聚节点、路由节点和与其有通信关系的被测节点、感知节点形成簇，汇聚节点、路由节点为簇头，感知节点、被测节点采用电池供电，汇聚节点以有线方式同矿井骨干网连接，通过有线网络获取当前国际协调时间(CoordinatedUniversal Time，UTC)，为整个巷道的节点提供基准时间。
3.一种基于如权利要求1所述的煤矿井下物联网时间同步方法的能量控制的方法，其特征在于按照以下步骤进行：
步骤1：基于层次型模型布置煤矿井下物联网网络节点：采用矿井巷道层次型模型布置网络4类节点：被测节点、感知节点、路由节点和汇聚节点；
步骤2：为煤矿井下物联网节点设计两个晶体振荡器；
步骤3：系统晶振SCO周期性的进入低功耗模式，计数周期性间断；本地晶振LCO计数不中断，周期性的唤醒和休眠节点，以及为节点提供不间断的本地时间，在所有感知和被测节点已唤醒时，汇聚节点周期性发起时间同步，与通信范围内的路由节点进行双向同步分组交换，两者共同通信范围内的感知节点和/或被测节点侦听数据；已同步路由节点发送同步分组数据，同步其通信范围内所有路由节点、感知节点和被测节点；
所述步骤3在同步方法上，为保证路由节点间交换时间同步分组时，所有感知和被测节点sm已唤醒，在基于分组侦听的时间同步模型上增加唤醒时间估计部分，为sm的活跃时间和休眠时间，为节点si到下次发送同步请求的时间间隔，则有：
1)sm估计完所有参数ωij、ωim、和后，记录当前时刻tm，标记下次唤醒时刻为其中TΣm和DC分别为节点sm的同步周期和占空比；按照将映射到si的本地时刻，在广播同步参数调整分组时增加项；
2)sj估算完ωij、后，记录当前时刻tj，标记下次唤醒时刻为其中TΣj和DC分别为节点sj的同步周期和占空比；并映射到si的往si发送同步参数调整分组，分组包含siID、sjID和
3)si接收所有同步参数调整分组获取为补偿节点在休眠期的晶振频率偏移，更新Δ按最大频率偏移50ppm取Δ＝2×50×TΣi×10-6(s)，其中TΣi为节点si的同步周期；
4)确定最迟唤醒时间
5)si通过本地晶振启动休眠定时器进入休眠态，si在时刻唤醒并发送时间同步请求分组，启动下一轮时间同步；
6)sm、sj分别在完成上述步骤1)和2)后，启动休眠定时器进入休眠态，定时时间到则唤醒节点进入活跃态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410148301.9A CN103916952B (zh) | 2014-04-14 | 2014-04-14 | 一种煤矿井下物联网时间同步及能量控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410148301.9A CN103916952B (zh) | 2014-04-14 | 2014-04-14 | 一种煤矿井下物联网时间同步及能量控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103916952A CN103916952A (zh) | 2014-07-09 |
| CN103916952B true CN103916952B (zh) | 2018-03-27 |
Family
ID=51042256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410148301.9A Active CN103916952B (zh) | 2014-04-14 | 2014-04-14 | 一种煤矿井下物联网时间同步及能量控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103916952B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106664670A (zh) * | 2015-06-03 | 2017-05-10 | 华为技术有限公司 | 一种空中接口同步的方法、装置及系统 |
| WO2018098791A1 (zh) * | 2016-12-01 | 2018-06-07 | 重庆邮电大学 | 适用于多跳无线传感器网络的时钟同步频率偏移估计方法 |
| CN110059394B (zh) * | 2019-04-11 | 2020-05-19 | 北京龙软科技股份有限公司 | 一种参数式煤矿井下供电设计方法 |
| CN110505683B (zh) * | 2019-09-23 | 2021-06-08 | 重庆邮电大学 | 一种面向平均一致性时钟同步的频率偏移估计方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101697502B (zh) * | 2009-09-22 | 2013-06-05 | 哈尔滨工业大学 | 一种煤矿井下无线传感器网络的精密同步方法 |
-
2014
- 2014-04-14 CN CN201410148301.9A patent/CN103916952B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101697502B (zh) * | 2009-09-22 | 2013-06-05 | 哈尔滨工业大学 | 一种煤矿井下无线传感器网络的精密同步方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《Energy-Efficient Estimation of Clock Offset for Inactive Nodes in Wireless Sensor Networks》;Qasim M. Chaudhari等;《IEEE Transactions on Information Theory》;20091228;摘要，第II部分，图1，图2 * |
| 《Physical-layer time synchronization for wireless sensor networks using UWB signals》;Jinfang Meng等;《Communications and Networking in China，2009》;20091120;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103916952A (zh) | 2014-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yick et al. | Wireless sensor network survey | |
| CN102355319B (zh) | 无线传感器网络中的时间同步方法及系统 | |
| CN102395173B (zh) | 环境监测物联网感知层能量高效利用的成簇方法 | |
| CN101562489B (zh) | 一种无线传感器网络时间同步方法 | |
| CN103916952B (zh) | 一种煤矿井下物联网时间同步及能量控制方法 | |
| Gui et al. | Virtual patrol: a new power conservation design for surveillance using sensor networks | |
| Sahota et al. | An energy-efficient wireless sensor network for precision agriculture | |
| Basagni et al. | CTP-WUR: The collection tree protocol in wake-up radio WSNs for critical applications | |
| CN104519563B (zh) | 一种分层无线传感器网络时间同步方法 | |
| CN103533595A (zh) | 无线传感网络的多跳分簇路由算法 | |
| CN104038991A (zh) | 一种长距离线型无线传感器网络跨层通信方法 | |
| CN103347294A (zh) | 无线传感器系统及数据收集方法 | |
| CN103281708B (zh) | 无线传感器节点部署方法 | |
| CN110062433A (zh) | 一种低功耗的LoRa链形网络 | |
| Tong et al. | One handshake can achieve more: An energy-efficient, practical pipelined data collection for duty-cycled sensor networks | |
| CN102196554A (zh) | 通过簇平均实现无线传感器网络平均时钟同步的方法 | |
| CN105611614B (zh) | 无线监测的路由节点自反馈休眠唤醒的方法及系统 | |
| CN202068585U (zh) | 基于ZigBee协议的数据采集及传输系统 | |
| Zhou et al. | APE-Sync: An adaptive power efficient time synchronization for mobile underwater sensor networks | |
| CN103327605B (zh) | 物联网环境下基于令牌环的射频定位方法及系统 | |
| CN103957591A (zh) | 基于节点对的无线传感网络时间同步方法 | |
| CN105050077B (zh) | 一种分簇链式无线传感网数据传输方法 | |
| Wang et al. | Random time source protocol in wireless sensor networks and synchronization in industrial environments | |
| CN105430736A (zh) | 一种自组织网络时间同步方法及装置 | |
| CN101977433B (zh) | 无线传感器网络的平均时钟同步方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |