CN103945522A - 一种基于电压感知的无线传感器网络时间同步方法 - Google Patents

Abstract

本发明公开了一种基于电压感知的无线传感器网络时间同步方法，该方法包括的步骤有：电压-频偏关系表格建立、本地时间更新、时钟再同步。本算法在频偏估计时考虑到了节点当前工作电压变化对节点频偏造成的影响，提高了频偏估计的精度。同时，由于该算法在时间同步的过程中主要依赖本地信息，大大减少了信息传输次数，从而很大程度上降低了能耗，并且减少了由信息逐层传输带来的误差累积。最后，由于该算法对信息传输的依赖较低，从而解决了野外环境下由于恶劣天气以及节点位置动态变化等造成的通信不稳定的问题。

Description

一种基于电压感知的无线传感器网络时间同步方法

技术领域

本发明涉及无线网络技术领域，具体涉及一种基于电压感知的无线传感器网络的时间同步方法，该方法适用于野生动物监测、土遗址监测等大规模区域监测无线传感器网络应用。

背景技术

作为无线传感器网络的一项重要支撑技术，时间同步得到了广泛的应用，如数据融合技术、休眠调度技术、基于TOA的定位技术以及目标追踪等都需要全网节点保持时间同步。在大规模的传感器网络中，网络节点众多，且节点的能量，处理能力，带宽等相对有限，网络环境相对恶劣，因此，这就要求传感器网络时间同步算法具有低通信开销、低计算复杂度、良好的扩展性和鲁棒性等特点。

在进行大规模监测（如野生动物，土遗址等）过程中，来自不同传感器的不同数据（文字数据，声音数据，视频数据等）需要被组合起来，并通过一系列的统计以及分析，最终得到有效的环境信息并且推测出有可能发生的事件。在对多种数据进行融合的过程中，需要采集数据的各个节点的时间同步，否则会得到错误的时间信息，最终导致错误的分析结果。除此之外，由于传感器网络能量受限的特点，节点需要进行周期性的休眠来降低能耗。这就需要全网的节点按照一个特定的规律来调节自己的休眠周期，从而保证数据的正确传输。然而，节点间时间的不同步将会导致节点在错误的时间进行休眠，从而影响数据传输成功率。现有技术中，为了保证全网节点之间的时间同步，在无线传感器网络中已经有许多时间同步策略：

第一类：基于数据包交换的时间同步方法

该方法首先通过节点间时间戳的交换来进行一对节点间的时间同步，再通过网络分层的方法进行逐层同步，最终达到全网的时间同步。该方法存在三方面缺陷：1）由于该方法是利用频繁的时间戳交换来进行时间同步的，因此会引入大量的通信开销。在无线传感器网络中，通信开销在总开销中所占比例远高于计算开销和数据采集带来的开销，因此该方法会造成节点能量的大量流失。2）由于时间戳在网络中是逐层传输的，因此会造成误差累积，从而影响时间同步精度。3）由于传感器网络中使用的是廉价晶振，该晶振易受到电压、温度、震动等工作环境的影响，而该方法并没有考虑到这一点。

第二类：基于外部周期性信号的时间同步方法

在这种方法中，全网所有节点都根据一个统一的周期性信号来调整自己的时钟频率。这种周期性信号包括：wifi信号，广播信号，日光的发出的光信号等等。该方法在同步过程中主要依赖于本地信息，很大程度上减少了时间戳的交换，降低了能耗，减少了误差累积。该方法存在的缺陷有：1）对环境有一定的限制，该类方法不适用与各种信号无法到达的野外环境。而且根据日光灯进行同步的方法要求传感器网络必须工作在室内环境2）WIFI信号和广播信号需要额外的硬件设备进行接收，这种设备不仅提高了经济开销，而且需要高能耗支撑，不适用于大规模部署。3）这种方法同样没有考虑到工作环境对廉价晶振的影响。

发明内容

工作在大规模野外环境下的传感器网络时间同步方法与通常环境下的方法有着显著的不同，针对现有同步方法不能适用于大规模网络的现状，本发明提出一种基于电压感知的无线传感器网络时间同步方法，使得同步过程在野外大规模环境下依然能够达到高精度以及低能耗的要求。

为了实现上述任务，本发明采用的技术方案是：

一种基于电压感知的无线传感器网络时间同步方法，该方利用无线传感器的电压与频偏之间的关系进行时间同步，包括以下步骤：

步骤一，建立电压-频偏关系表

在无线传感器节点实际部署前，对每个传感器节点进行如下操作：

步骤S10，将一个无线传感器节点A_i与计算机连接，并在该传感器节点A_i旁边放置一个可与计算机通信的温度传感器节点B；节点A_i的供电电压初始值为U₀，节点B的供电电压VCC满足U₀＜VCC＜U；其中i是需要部署的无线传感器的编号，1≤i≤N，N是需要部署的无线传感器的个数，U₀和U为常数；

步骤S11，设定节点A_i的数据包发送周期为T，设定节点B的温度采样周期为τ，且节点B采样到的温度数据即时发送给计算机；

步骤S12，节点A_i和节点B同时向计算机发送数据：记节点A_i发送的一组数据包P_i,j到达计算机的时间序列为ARR_i,j，在节点A_i发送该组数据包的时间段内，节点B采集到的温度序列为TMP_i,k，这组温度数据到达计算机的时间序列为ARRT_i,k；其中1≤j≤n_i，1≤k≤nt_i，n_i为P_i,j中数据包的个数，nt_i为TMP_i,k中温度数据的总个数；

步骤S13，每间隔至少2小时，将节点A_i的供电电压值V_m升高M常数，1≤m≤M；当节点A_i的供电电压达到U时，结束节点A_i和节点B向计算机发送数据过程；

步骤S14，按照公式1计算节点A_i的偏频序列SKEW_i,j：

${\mathrm{SKEW}}_{i,j}=\frac{({\mathrm{ARR}}_{i,j}-{\mathrm{ARR}}_{i,j-1})-T}{T}$    （公式1）

步骤S15，对偏频序列进行滤躁：在温度序列TMP_i,k中，筛选出温度异常的时间段，并将该时间段对应的偏频序列值删除；

步骤S16，将滤躁后的偏频序列SKEW_i,j根据节点A_i的供电电压值进行分段，并对每一个电压值V_m对应的偏频序列求平均值，使节点A_i的每一个电压值V_m对应一个偏频平均值SKEW_m；

步骤S17，将V_m和SKEW_m的对应关系建立电压-偏频关系表并保存在节点A_i中；

步骤二，本地时间更新

将存储有电压-偏频关系表的传感器节点A_i进行实际部署后，按照下面步骤进行本地时间的更新：

步骤S20，节点A_i获取自身当前电压值V，并在自身的电压-偏频关系表中查找与当前电压值V相同的电压值，若查找成功，执行步骤S21，否则执行步骤S22；

步骤S21，将电压-偏频关系表中与当前电压值V对应的偏频值SKEW_m设定为节点A_i当前偏频值SKEW，跳至步骤S23；

步骤S22，节点A_i在电压-偏频关系表中查找与当前电压值V最接近的两个电压值V_H和V_L，以及V_H和V_L对应的偏频值SKEW_H和SKEW_L,其中V_L＜V＜V_H；则节点当前的偏频值SKEW被设定为：

$\mathrm{SKEW}=\frac{V-V_L}{V_H-V_L}({\mathrm{SKEW}}_H-{\mathrm{SKEW}}_L)+{\mathrm{SKEW}}_L$    (公式2)

步骤S23，在经过Δt时间后，节点A_i根据以下公式更新自身当前的相偏:

OFFSET₀＝SKEW·Δt+OFFSET   (公式3)

公式3中，OFFSET₀为节点A_i更新后的相偏，100s＜Δt＜10000s；

步骤S24，若节点A_i更新后的相偏OFFSET₀满足：

${\mathrm{OFFSET}}_0\≥\frac{\mathrm{\ϵ}}{2}$    (公式4)

则节点A_i对自身本地时间进行更新，更新后的本地时间CLOCK₀为：

CLOCK₀＝CLOCK+OFFSET₀   （公式5）

在公式4和公式5中，ε为本地时钟周期，CLOCK为更新前的本地时间；

更新完毕后，节点A_i将OFFSET₀清零；

步骤三，时钟再同步

节点A_i对自身本地时间更新后，按照下面的步骤进行时钟再同步：

步骤S30，节点A_i查看计时器，若无需启动再同步过程，则转至步骤二，否则执行步骤S31；

步骤S31，节点A_i启动再同步过程，节点A_i向参考节点R发送同步请求，参考节点R收到请求后，向节点A_i连续发送两个时间戳T_a和T_b，T_a和T_b分别代表两个时间戳被发出时节点R的本地时间；节点A_i在收到时间戳后立即记录自身本地时间T_a′和T_b′，则节点A_i当前频偏值SKEW被修正为：

$\mathrm{SKEW}=\frac{(T_a-T_b)-({T_a}^{\′}-{T_b}^{\′})}{(T_a-t_b)}$    （公式6）

步骤S32，节点A_i按照下面公式确定再同步过程的时间间隔Δd：

$\mathrm{\Δd}=d\·\frac{\mathrm{\μ}}{\left|\mathrm{drift}\right|}$    （公式7）

公式7中，d为上次启动再同步周期与当前时间之间的间隔，μ为精度控制参数，drift表示时间的漂移，即：

drift＝(T_a-T_b)-(T_a′-T_b′)   （公式8）

节点A_i对计时器设定时钟再同步后，返回步骤S23。

进一步地，步骤S10中节点A_i由稳压电源供电，A_i的供电电压初始值为U₀为2.5V，节点B采用干电池供电，供电电压VCC的上限值U为5V。

进一步地，步骤S11中，节点A_i的数据包发送周期T为1s，节点B的温度采样周期为τ＜10min；节点A_i通过有线方式向计算机传输数据，节点B通过有线或无线方式向计算机传输数据。

进一步地，步骤S15中，温度异常的时间段为TMP_i,k＞27℃和TMP_i,k＜23℃。

本发明与现有技术相比有以下的优点：

1.降低了能耗；

首先，由于节点在进行同步的过程中主要依赖于本地信息进行时钟频偏的估计以及本地时钟的更新，很大程度上减少了通信开销。

其次，由于节点是根据其自身电压值来进行时间同步的，而自身电压值的获取不需要借助额外的硬件设备，也不需要任何传感器，因此，减少了信号接收或信息采集能耗。

2.提高了同步精度；

首先，节点在进行同步的过程中考虑到了工作环境（电压）对节点晶振的影响，并对此影响进行了补偿，因此能够避免由于电压变化造成的频偏变化，从而降低了时钟相偏的累积。

其次，由于该时间同步方法基本不需要时间戳的逐层传递，因此降低了同步误差的累积。

3.提高了鲁棒性

同样，由于节点在进行时间同步的过程中主要依赖本地信息，而不是时间戳的交换，因此，该方法对通信条件的要求较低。当节点的通信设备出现异常无法工作，或是在网络节点位置动态变化，无法与参考节点保持通信的情况下，节点能够根据本地的电压信息进行时间同步，因此提高了鲁棒性。

附图说明

图1是本发明方法的流程图；

图2是“电压-频偏”表格获取实验传感器设置示意图；

图3是“温度-频偏”关系示意图；

图4是频偏相偏估计过程以及时钟再同步过程周期关系示意图；

图5是仿真实验模拟电压变化示意图；

图6是精度控制参数μ对再同步间隔和时间戳交换次数的影响以及μ的最优值确定实验结果图；

图7（a）是VATS算法与FTSP算法频偏估计精度对比实验结果图；

图7（b）是VATS频偏估计误差、误差最大值及误差平均值实验结果图；

图8是VATS算法与FTSP算法能耗对比实验结果图；

图9是VATS算法与FTSP算法鲁棒性对比实验结果图；

以下结合附图和实施例对本发明作进一步的详细说明。

具体实施方式

申请人在野生动物监测、土遗址监测等大规模监测中，为了保证休眠调度过程的顺利进行，以及保证数据融合阶段数据处理结果的正确性，需要建立高精度且低能耗的时间同步策略。而大规模野外环境与普通网络环境相比存在两个问题：1）网络规模大，导致节点通信能耗以及时间同步累积误差迅速增大。2）环境动态变化，导致节点之间的通信情况不稳定，不能保持持续的正常通信。

针对现有时间同步方法不适用于大规模野外环境的现状，本发明提出一种基于电压感知的传感器网络的时间同步方法，使得时间同步算法在这种特殊的网络条件下仍然能够做到高精度、低能耗以及高鲁棒性。

本发明方法需要在传感器节点部署之前，通过实验为每个传感器节点建立其“电压-频偏”关系表格，并将该表格存储于该节点内。这里的频偏指的每一个节点相对于同一个参考节点的频偏。在网络开始运行后的时间同步过程中，节点根据本身电压信息进行时间频偏的估计以及补偿。同时，节点根据估计误差的累积情况，可对节点执行“再同步过程”，以此消除累积误差。本方法在同步精度限制参数μ为15个时钟周期时性能最佳。

一、本发明方法详细步骤

本发明提出一种基于电压感知的无线传感器网络的时间同步方法，该方法在同步过程中根据本地电压值以及“电压-频偏”关系表格不断修正节点的时钟频偏，以及对时钟相偏进行补偿，同时，根据误差的累积状况启动“再同步过程”。该方法包括以下步骤：如图1：

一种基于电压感知的无线传感器网络时间同步方法，该方利用无线传感器的电压与频偏之间的关系进行时间同步，包括以下步骤：

步骤一，建立电压-频偏关系表

为了使节点在同步过程中能够及时地根据当前电压对时间频偏进行补偿，在在无线传感器网络节点实际部署前对每一个节点进行测量实验，得到每个节点的“电压-频偏”对应关系，并将该关系建立表格储存于每个节点之中。其中，频偏根据节点的发包时间差以及电脑的接收时间差获得。具体步骤如下：

步骤S10，将一个无线传感器节点A_i与计算机连接，为了排除温度的影响，在该传感器节点A_i（1≤i≤N，i是需要部署的无线传感器的编号，N是需要部署的无线传感器的个数）旁边放置一个可与计算机通信的温度传感器节点B，如图2所示，由节点B测量当前温度值，为后面数据处理提供支持。为了方便调节电压，节点A_i由稳压电源供电，节点A_i的供电电压初始值为U₀；节点B由干电池供电，供电电压VCC满足U₀＜VCC＜U（U₀和U为常数）；本实施例中，由于节点正常工作电压范围为2.5V～5V，因此U₀取2.5V，U取5V。

步骤S11，设定节点A_i的数据包发送周期为T，为了计算方便，设定T为1s；设定节点B的温度采样周期为τ，且节点B采样到的温度数据即时发送给计算机，这里认为节点的温度在短时间内不会有明显变化，因此只需τ＜10min。为将传输延迟降到最低以减少测量误差，节点A_i向计算机发送消息的方式为有线传输，而节点B为无线或有线传输均可。

步骤S12，为了得到节点A_i的频偏信息，需要对其发送的数据包的到达计算机的时间进行记录。节点A_i和节点B同时向计算机发送数据：记节点A_i发送的一组数据包P_i,j（1≤j≤n_i，n_i为P_i,j中数据包的个数）到达计算机的时间序列为ARR_i,j，发送的一组数据包P_i,j中有多个数据包，每一个数据包与时间序列ARR_i,j中的一个时间值对应；在节点A_i发送该组数据包的时间段内，节点B采集到的温度序列为TMP_i,k（1≤k≤nt_i，nt_i为TMP_i,k中温度数据的总个数），这组温度数据到达计算机的时间序列为ARRT_i,k，同样地，温度序列TMP_i,k中每一个温度值与时间序列ARRT_i,k中的一个时间值相对应。

步骤S13，为了使得每个电压下的数据量足够大，每间隔至少2小时，将节点A_i的供电电压值V_m升高M为常数，即供电电压值V_m的取值个数，1≤m≤M；本实施例中M取5；即每间隔2小时将当节点A_i的供电电压升高0.5V；将当节点A_i的供电电压达到U，即5V时，结束节点A_i和节点B向计算机发送数据过程，进入步骤S14。

步骤S14，节点A_i发送的一组数据包P_i,j到达计算机的时间序列ARR_i,j，即为其对应的偏频序列SKEW_i,j即为SK_i.E,₁W 按照公式1计算节点A_i的偏频序列SKEW_i,j：

${\mathrm{SKEW}}_{i,j}=\frac{({\mathrm{ARR}}_{i,j}-{\mathrm{ARR}}_{i,j-1})-T}{T}$    （公式1）

步骤S15，对偏频序列进行滤躁：由于工作温度的异常会为节点的频偏测量过程带来较大误差，因此需要去除温度异常情况下的数据。在温度序列TMP_i,k 中，筛选出温度异常的时间段，温度异常的时间段为TMP_i,k＞27℃和TMP_i,k＜23℃，并将该时间段对应的偏频序列值删除，这是因为，根据图3所示的频偏与温度的关系，温度23℃到27℃之间，频偏对温度并不敏感，而在这个范围之外，频偏容易受到温度变化的影响，因此将TMP_i,k＞27℃和TMP_i,k＜23℃范围下采集到的数据视作错误数据。

步骤S16，将滤躁后的偏频序列SKEW_i,j根据节点A_i的供电电压值进行分段，并对每一个电压值V_m对应的偏频序列求平均值，使节点A_i的每一个电压值V_m对应一个偏频平均值SKEW_m。

步骤S17，将V_m和SKEW_m的对应关系建立电压-偏频关系表并保存在节点A_i中；重复步骤一，直至对所有节点均建立完表格，如表1所示：

表1   电压-偏频关系表

步骤二，本地时间更新

将存储有电压-偏频关系表的传感器节点A_i进行实际部署后，按照下面步骤进行本地时间的更新：

步骤S20，节点A_i获取自身当前电压值V，并在自身的电压-偏频关系表中查找与当前电压值V相同的电压值，若查找成功，执行步骤S21，否则执行步骤S22；

步骤S21，将电压-偏频关系表中与当前电压值V对应的偏频值SKEW_m（即电压-偏频关系表与当前电压值V相同的V_m所对应的频偏值）设定为节点A_i当前偏频值SKEW，跳至步骤S23；

步骤S22，节点A_i在电压-偏频关系表中查找与当前电压值V最接近的两个电压值V_H和V_L，以及V_H和V_L对应的偏频值SKEW_H和SKEW_L,其中V_L＜V＜V_H；则节点当前的偏频值SKEW被设定为：

$\mathrm{SKEW}=\frac{V-V_L}{V_H-V_L}({\mathrm{SKEW}}_H-{\mathrm{SKEW}}_L)+{\mathrm{SKEW}}_L$    (公式2)

步骤S23，在经过Δt时间后，节点A_i根据以下公式更新自身当前的相偏:

OFFSET₀＝SKEW·Δt+OFFSET   (公式3)

公式3中，OFFSET₀为节点A_i更新后的相偏，Δt为当前节点时钟的休眠时间，在这段时间内节点的频偏值为查表得到的SKEW值。Δt可以根据用户对同步精度以及同步能耗的要求来调节，一般情况下100s＜Δt＜10000s；Δt的值越小，同步精度越高，但同时能耗越大。

步骤S24，若节点A_i更新后的相偏OFFSET₀满足公式4，则认为节点的频偏过大且会对网络应用造成影响，此时，节点需要对自己本地时间进行更新，否则不进行更新：

${\mathrm{OFFSET}}_0\≥\frac{\mathrm{\ϵ}}{2}$    (公式4)

公式4中ε为本地时钟周期，对同步精度要求不严格的情况下也可以适当增大ε的值。则节点A_i对自身本地时间进行更新，更新后的本地时间CLOCK₀为：

CLOCK₀＝CLOCK+OFFSET₀   （公式5）

公式5中，CLOCK为更新前的本地时间；更新完毕后，节点A_i将OFFSET₀清零。频偏与相偏周期关系如图4所示。

步骤三，时钟再同步

在步骤二中，节点仅仅根据其自身当前电压值来进行时间同步，会造成一定的估计误差累积，所以需要不定时的和参考节点进行时间戳交换来进行误差的消除，因此需要时间再同步过程。再同步过程中节点根据其当前误差累积情况来调整再同步的间隔，即其下一次进行再同步的时间；时间到则触发再同步过程。

节点A_i对自身本地时间更新后，按照下面的步骤进行时钟再同步：

步骤S30，节点A_i查看计时器，若无需启动再同步过程，则转至步骤二，若计时器到时需触发再同步过程，则执行步骤S31；

步骤S31，节点A_i启动再同步过程，节点A_i向参考节点R发送同步请求，参考节点R收到请求后，向节点A_i连续发送两个时间戳T_a和T_b，T_a和T_b分别代表两个时间戳被发出时节点R的本地时间；节点A_i在收到时间戳后立即记录自身本地时间T_a′和T_b′，则节点A_i当前频偏值SKEW被修正为：

$\mathrm{SKEW}=\frac{(T_a-T_b)-({T_a}^{\′}-{T_b}^{\′})}{(T_a-t_b)}$    （公式6）

步骤S32，节点A_i按照下面公式确定再同步过程的时间间隔Δd：

$\mathrm{\Δd}=d\·\frac{\mathrm{\μ}}{\left|\mathrm{drift}\right|}$    （公式7）

公式7中，d为上次启动再同步周期与当前时间之间的间隔，μ为精度控制参数，这里μ取15个时钟周期，μ取值越小代表对时间同步的精度越严格，同时下次启动再同步周期与当前时间之间的间隔d会缩短。drift表示时间的漂移，即：

drift＝(T_a-T_b)-(T_a′-T_b′)   （公式8）

drift值越大，代表当前的同步误差增大，根据公式7可以看出下次启动再同步周期与当前时间之间的间隔d会缩短，以便及时对误差进行补偿。时钟再同步过程与本地时间更新过程如图4所示。节点A_i对计时器设定时钟再同步后，返回步骤S23。

时钟再同步后节点返回步骤23进行下一轮的同步。时间同步过程是伴随着整个网络的运行而进行的，只要网络生命周期没有结束，时间同步过程就会不停的周期性的进行下去。周期循环过程如图4所示。

二、本发明方法中各相关参数的确定：

实验一：精度控制参数μ对再同步间隔和时间戳交换次数的影响以及μ的最优值确定：

步骤一：仿真实验场景初始化

申请人根据真实实验下某个节点（节点为随机挑选）的“电压-频偏”数据模拟出345600条电压数据，代表了96小时内干电池每一秒的电压值。根据该数据得到的干电池电压变化曲线如图5所示。同时，根据每一条电压值模拟出在该电压下的频偏值，即总共345600条频偏数据。

步骤二：取精度控制参数μ=5，10，15，25，30（单位：时钟周期）。在每种控制参数μ的取值下，根据之前所述的时间同步步骤对该345600条频偏数据进行同步，总共进行五次实验。每次实验记录在同步过程中时间戳的交换次数，以及每两次时间戳交换的间隔时间，观察μ对这两项参数的影响。

步骤三：分析与处理实验数据

图6示出了再同步间隔和时间戳交换次数随着精度控制参数μ的变化趋势。可以看出，当参数μ从5个时钟周期变化到15个时钟周期时，时间戳的交换次数明显减少，同时，平均再同步间隔明显增大。而在参数μ变化到15个时钟周期之后，这两项参数的变化趋于平缓。因此为了在减小能耗的同时保证时间同步的精度，本方法在精度控制参数μ=15个时钟周期时的性能最佳。

三、本发明方法性能试验以及与其他算法的对比实验

下面我们通过一组实验来验证本发明同步方法的性能以及相对于其他方法的优势，实验主要对以下两种算法的性能进行比较：

(1)VATS算法：即本发明方法

(2)FTSP算法：该算法是基于时间戳交换的时间同步算法。该方法首先通过节点间时间戳的交换来进行一对节点间的时间同步，再通过网络分层的方法进行逐层同步，最终达到全网的时间同步。且该方法并不考虑节点的工作环境对其频偏的影响。

实验主要从以下几方面来证明本发明的优势：

①频偏估计精度，②能耗（即再同步间隔），③算法鲁棒性；

仿真网络初始化：

申请人根据真实实验下某个节点（节点为随机挑选）的“电压-频偏”数据模拟出345600条电压数据，代表了96小时内干电池每一秒的电压值。根据该数据得到的干电池电压变化曲线如图5所示。同时，根据每一条电压值模拟出在该电压下的频偏值，即总共345600条频偏数据，将该频偏值视为节点频偏的真实值。

（1）算法频偏估计精度评估

仿真实验过程：

在该实验中，根据所选取节点的“电压-频偏”表格以及模拟出的电压数据对节点频偏进行估计。并记录总共345600条频偏估计数据，该数据为VATS算法的频偏估计结果。同时，在频偏真实数据上加上跟方差σ=20μs（20μs为信息传递造成的误差值，根据文献记载，该误差值通常情况下均值为20μs）的噪声值，该将加过噪声的345600条频偏估计数据看做FTSP算法的频偏估计结果。将这三种结果（即真实值，VATS算法估计结果以及FTSP算法估计结果）进行对比，同时观察VATS算法频偏估计误差值以及误差的平均值和最大值。

实验结果：

1）图7(a)为345600条真实值，VATS算法估计结果以及FTSP算法估计结果的对比图。可以看出，比起FTSP算法，VATS算法对频偏的估计结果更接近真实值，且该算法的抖动幅度较低。因此VATS算法的频偏估计性能远远高于FTSP算法。

2）图7(b)为VATS算法每条频偏估计值的频偏估计误差值以及误差的平均值和最大值。可以看出其频偏误差值均小于0.04ppm2，且在80%的时间内低于0.02ppm²。因此可以证明该算法有着较高的同步精度。

（2）算法能耗评估

仿真实验过程：

取精度控制参数μ=5，10，15，25，30（单位：时钟周期）。对于VATS算法在每种控制参数μ的取值下，根据之前所述的时间同步步骤对该345600条频偏数据进行同步。总共进行五次实验。每次实验记录在同步过程中每两次时间戳交换的间隔时间。而对于FTSP算法，该算法的再同步周期是固定的（3min）。

实验结果：

在图8中对于VATS算法，每两次时间戳交换的间隔时间随着精度控制参数μ的增大而增大。然而，即使在对同步精度要求十分严格的情况下（参数μ=5个时钟周期），节点依然能够保持两次时间戳交换的平均间隔时间大于18min，这远远高于FTSP的3min。而时间戳的交换会带来巨大的通信开销，且通信开销在传感器网络总能耗占很大比例。因此，VATS算法的能耗远远低于FTSP算法的能耗。

（3）算法鲁棒性评估

仿真实验过程：

该实验过程模拟了在野外恶劣环境下造成节点信息传递无法进行的情况。对于VATS算法，仍然根据之前所述的同步步骤对345600条频偏数据进行同步，但是不进行之前所述的步骤三，即时钟再同步过程。FTSP算法同样不能进行时钟再同步过程。

实验结果：

如图9所示，在实验的开始阶段（即0～1000s），VATS算法和FTSP算法的差距并不十分明显。然而，随着电压不断下降，频偏也随着电压不断的变化。此时FTSP算法只能依赖最初始的频偏估计值对时间相偏进行估计和补偿，因此误差不断累积，从图9中可看到，在实验进行到1000s之后FTSP算法的误差不断升高。然而相比FTSP算法，VATS算法的误差累积速率较低。这是由于即使在通信失效的情况下，该算法也能够根据本地电压值来对频偏进行估计，很大程度上降低了由电压变化造成的频偏估计误差。因此，相比于FTSP算法，VATS算法具有较高的鲁棒性。

Claims (5)

1.一种基于电压感知的无线传感器网络时间同步方法，其特征在于，包括以下步骤：

步骤一，建立电压-频偏关系表

在无线传感器节点实际部署前，对每个传感器节点进行如下操作：

步骤S10，将一个无线传感器节点A_i与计算机连接，并在该传感器节点A_i旁边放置一个可与计算机通信的温度传感器节点B；节点A_i的供电电压初始值为U₀，节点B的供电电压VCC满足U₀＜VCC＜U；其中i是需要部署的无线传感器的编号，1≤i≤N，N是需要部署的无线传感器的个数，U₀和U为常数；

步骤S11，设定节点A_i的数据包发送周期为T，设定节点B的温度采样周期为τ，且节点B采样到的温度数据即时发送给计算机；

步骤S12，节点A_i和节点B同时向计算机发送数据：记节点A_i发送的一组数据包P_i,j到达计算机的时间序列为ARR_i,j，在节点A_i发送该组数据包的时间段内，节点B采集到的温度序列为TMP_i,k，这组温度数据到达计算机的时间序列为ARRT_i,k；其中1≤j≤n_i，1≤k≤nt_i，n_i为P_i,j中数据包的个数，nt_i为TMP_i,k中温度数据的总个数；

步骤S13，每间隔至少2小时，将节点A_i的供电电压值V_m升高M常数，1≤m≤M；当节点A_i的供电电压达到U时，结束节点A_i和节点B向计算机发送数据过程；

步骤S14，按照公式1计算节点A_i的偏频序列SKEW_i,j：

${\mathrm{SKEW}}_{i,j}=\frac{({\mathrm{ARR}}_{i,j}-{\mathrm{ARR}}_{i,j-1})-T}{T}$    （公式1）

步骤S15，对偏频序列进行滤躁：在温度序列TMP_i,k中，筛选出温度异常的时间段，并将该时间段对应的偏频序列值删除；

步骤S16，将滤躁后的偏频序列SKEW_i,j根据节点A_i的供电电压值进行分段，并对每一个电压值V_m对应的偏频序列求平均值，使节点A_i的每一个电压值V_m对应一个偏频平均值SKEW_m；

步骤S17，将V_m和SKEW_m的对应关系建立电压-偏频关系表并保存在节点A_i中；

步骤二，本地时间更新

将存储有电压-偏频关系表的传感器节点A_i进行实际部署后，按照下面步骤进行本地时间的更新：

步骤S20，节点A_i获取自身当前电压值V，并在自身的电压-偏频关系表中查找与当前电压值V相同的电压值，若查找成功，执行步骤S21，否则执行步骤S22；

步骤S21，将电压-偏频关系表中与当前电压值V对应的偏频值SKEW_m设定为节点A_i当前偏频值SKEW，跳至步骤S23；

步骤S22，节点A_i在电压-偏频关系表中查找与当前电压值V最接近的两个电压值V_H和V_L，以及V_H和V_L对应的偏频值SKEW_H和SKEW_L,其中V_L＜V＜V_H；则节点当前的偏频值SKEW被设定为：

$\mathrm{SKEW}=\frac{V-V_L}{V_H-V_L}({\mathrm{SKEW}}_H-{\mathrm{SKEW}}_L)+{\mathrm{SKEW}}_L$    (公式2)

步骤S23，在经过Δt时间后，节点A_i根据以下公式更新自身当前的相偏:

OFFSET₀＝SKEW·Δt+OFFSET   (公式3)

公式3中，OFFSET₀为节点A_i更新后的相偏，100s＜Δt＜10000s；

步骤S24，若节点A_i更新后的相偏OFFSET₀满足：

${\mathrm{OFFSET}}_0\≥\frac{\mathrm{\ϵ}}{2}$    (公式4)

则节点A_i对自身本地时间进行更新，更新后的本地时间CLOCK₀为：

CLOCK₀＝CLOCK+OFFSET₀   （公式5）

在公式4和公式5中，ε为本地时钟周期，CLOCK为更新前的本地时间；

更新完毕后，节点A_i将OFFSET₀清零；

步骤三，时钟再同步

节点A_i对自身本地时间更新后，按照下面的步骤进行时钟再同步：

步骤S30，节点A_i查看计时器，若无需启动再同步过程，则转至步骤二，否则执行步骤S31；

步骤S31，节点A_i启动再同步过程，节点A_i向参考节点R发送同步请求，参考节点R收到请求后，向节点A_i连续发送两个时间戳T_a和T_b，T_a和T_b分别代表两个时间戳被发出时节点R的本地时间；节点A_i在收到时间戳后立即记录自身本地时间T_a′和T_b′，则节点A_i当前频偏值SKEW被修正为：

$\mathrm{SKEW}=\frac{(T_a-T_b)-({T_a}^{\′}-{T_b}^{\′})}{(T_a-t_b)}$    （公式6）

步骤S32，节点A_i按照下面公式确定再同步过程的时间间隔Δd：

$\mathrm{\Δd}=d\·\frac{\mathrm{\μ}}{\left|\mathrm{drift}\right|}$    （公式7）

公式7中，d为上次启动再同步周期与当前时间之间的间隔，μ为精度控制参数，drift表示时间的漂移，即：

drift＝(T_a-T_b)-(T_a′-T_b′)   （公式8）

节点A_i对计时器设定时钟再同步后，返回步骤S23。

2.如权利要求1所述的基于电压感知的无线传感器网络时间同步方法，其特征在于，步骤S10中节点A_i由稳压电源供电，A_i的供电电压初始值为U₀为2.5V，节点B采用干电池供电，供电电压VCC的上限值U为5V。

3.如权利要求1所述的基于电压感知的无线传感器网络时间同步方法，其特征在于，步骤S11中，节点A_i的数据包发送周期T为1s，节点B的温度采样周期为τ＜10min；节点A_i通过有线方式向计算机传输数据，节点B通过有线或无线方式向计算机传输数据。

4.如权利要求1所述的基于电压感知的无线传感器网络时间同步方法，其特征在于，步骤S15中，温度异常的时间段为TMP_i,k＞27℃和TMP_i,k＜23℃。

5.如权利要求1所述的基于电压感知的无线传感器网络时间同步方法，其特征在于，步骤S32中，精度控制参数μ的取值为15个时钟周期。