以下是小编帮大家整理的无线传感网络技术与发展趋势的分析的论文（共含6篇），仅供参考，大家一起来看看吧。同时，但愿您也能像本文投稿人“yonfon”一样，积极向本站投稿分享好文章。
引言
无线网络传感技术给人们的生活创造了很多的乐趣，也为信息的有效、及时的传递起到一定的促进作用，人们越来越依赖无线传感网络技术为其生活带来的舒适和方便，无线网络传感技术越来越受到社会各界的广泛关注，下文主要讲述了无线传感网络技术的概念、无线传感网络技术的发展现状以及无线传感网络技术的应用和发展。
1无线传感网络技术的概念
1.1无线传感网络技术是最近一种新型的网络技术，而且它一出现，就受到了世界各个国家的广泛关注和赞誉，无线传感网络技术是集多项科学技术于一身，多种高难度的知识相互交叉产生的具有高科技的、比较热门的、前沿的技术。
1.2无线传感网络技术集中了嵌入式计算、无线通信技术、传感器、现代网络和分散式的信息处理等高科技，实现了人们无论在何时何地都能够接收到来自网络的比较真实可靠的大量的信息的愿望，无线传感网络技术真正体现了信息“无处不在’的理念。
1.3无线传感网络在产生之初就以一种势不可挡的气势横扫世界的各个领域，无线传感网络的发展前景备受世人的关注，其应用和发展必定给人们的工作和生活带来极大的影响，它的辉煌应用成就了它的无双的地位，无线传感网络技术应用于军事领域，成为军事领域比较关键的高科技技术，但是无线网络不仅应用在军事领域，它对世界各个领域的影响也是不可小觑的。
3.1无线传感网络技术在环境监测方而的应用和发展现代社会，人类的生活水平在逐渐的提高，人们对于环境的探讨也越来越重视，环境方而的应用科学也越来越多，传统的环境探索的模式已经不能满足人们对环境探索强烈的欲望，而且关于环境的采集数据的难度也越来越大。无线传感网络技术的出现及时地解决了环境探索方而的难关，无线传感网络技术对户外的野生动物的跟踪、发现和保护做出了巨大的贡献，通过无线传感网络技术，人们能够对各种野生动物的生存成长环境做监测，比如说动物生存环境的气象、洪涝灾害、地球的物理环境、环境的污染状况、大气的监测等等，根据监测的结果采取必要的保护措施和改善措施。
3.2无线传感网络技术在军事领域的应用和发展无线传感网络技术起于军事领域，无线传感网络技术在军事上的应用是它能够在国家的边疆上站岗放哨做警卫，将无线传感网络器安置在国家的边疆防线上，士兵可以直接通过无线传感网络技术对国家边疆进行防御，接受来自不同方向的信息并及时果断地做出相应的措施。无线传感器在军事上的另外一个应用就是可以对目标进行定位，以及时地防范敌军的可能的侵袭和进攻，还可以通过无线传感技术对无人驾驶的车辆进行摆布，战争结束后，无线传感网络还能对战场的破坏性和环境污染程度进行监测并且评估。
3.3无线传感网络技术在家庭生活中的应用和发展无线传感网络技术最贴近人的生活的应用就是在家庭生活中的应用，无线传感网络器可以为人民的生活提供很多方便，并且能够使人们的生活环境更舒适，无线传感网络技术为人们的生活提供比较人性化智能家居，比如说像冰箱、真空吸尘器、录像机和微波炉等，这样用户就可以在远处遥控这些家用产品，而且还能通过无线传感技术在家里的主要房间安装监测器，以便随时控制家里的安全。
3.4无线传感网络技术在医疗卫生行业的应用和发展无线传感网络技术在健康护理人的方而的应用主要是用来对患者和医生的行为进行监测，人的身体里而有很多我们并不知道的生理和心理数据，将无线传感网络技术安装在病人的身上就可以随时观察病人的病情，并得到及时的救治，无线网络传感技术在不久的将来会更加的方便，用途也会更加的多，还能实现医疗的远程遥控。
4结束语
我国为无线传感网络技术的研究提供了很大的便利和广阔的平台，可见无线传感网络技术的重要性，无线传感网络技术的发展必将带动新一代信息技术的创新和进步，为人类的生活做出巨大的贡献。
2.1无线传感网络技术很受大众的喜欢与它的高科技的发展是分不开的，而且许多国家也很重视它的发展，世界各国的工业界、高科技界和学术界对无线传感网络的发展展开了猛烈的攻势，希望可以通过靠科技技术的结合实现无线传感网络技术的进步，许多国家还将无线传感网络技术列入国家的重点研究技术，而且一些周刊和杂志对无线网络的评价也很高，认为无线传感网络技术是未来引领世界计算机进步的主要技术。
2.2无线传感网络技术在我国的发展还很缓慢，这主要是由于无线传感网络技术在我国出现的时间比较晚，无线传感网络技术在我国的研究方案中还处在初级阶段，与西方一些发达国家相比，存在严重的滞后性，我国在无线传感网络技术上的研究主要局限在仿真计算和网络协议等，在人们的生活和军事中的应用还很少，而且无线网络现在已经可以用来作环境监测，我国却没有将无线传感网络技术应用到实处。
2.3目前，中国的未来技术研究方向中有几项是专门针对无线传感网络技术进行直接论述的，而且在一些重大会议的决策里而，也将无线传感网络技术列为三大前沿信息技术，无线传感网络技术中的自发组织网络技术和智能感知技术都成为中国重点信息技术研究，无线传感网络技术在我国如此重视的情况下一定会有所成就，无线传感网络技术也成为社会信息技术发展的'必然，在我国，信息技术领域广泛地被应用已经成为不争的事实，对人们的生活、工作和社会的发展带来很深刻的影响。
摘要:实验教学在学校教育教学中提升学生的实际动手与操作能力方面具有十分重要的作用,尤其是在电子类课程的教学中实验室的重要性更是不言而喻。但是对这类实验室的管理难度却要更大,迫切需要良好的技术手段和方法支持其管理。目前基于WSN新型分布式协议在电子类实验室管理中的应用越来越广泛,为如何提高电子类实验室的使用效率提供了重要的思路和方法。
关键词:WSN新型分布式协议；电子类实验室；管理；应用研究
WSN也就是无线传感器网络(全称为wirelesssensornetwork),WSN目前在国际上是备受关注,其涉及诸多的学科,而这些学科还具有高度的交叉性和集成性。具体来说,WSN综合了目前比较流行的传感器技术、嵌入式计算技术、现代网络、无线通信技术以及分布式信息处理技术等一系列的高新技术。
1WSN新型分布式协议在电子类实验室管理中的应用
传统背景下,WSN主要是由部署在检测区域内大量的传感器节点(一般都是比较廉价的)所组成,其通过无线通信和传输的方式形成的一个多跳的、自组织的综合系统,其实际的目的就是为了协作地感知、采集与处理网络覆盖区域中具体的感知对象,并将感知到的具体对象的信息发送给观察者。一般是由传感器、感知对象以及观察者,三个基本要素所构成。
在电子类实验室的WSN应用领域,感知对象就是电子类实验室中的各种实验仪器、设备、操作平台等,而观察人员则为实验室的管理员(当然也有相应的技术人员参与其中)。
新型的分布式WSN网络协议使得监控获得的信息数据不再仅仅局限于一些环境数据信息如温度、湿度、位置等标量的数据。其已经集成了更多的视频、音频、图像信息等进入到系统中,而分布式的WSN网络协议与网络结构的OSI模型有着类似之处,就是将系统分层、分布的展开,不同的层次负责不同的业务,是一种分布处理的工作机制。新型的分布式WSN协议主要是让节点参与到特定的节点的簇内多跳通信之中,然后令簇头进行数据的聚合,以有效的减少向sink节点传送的消息数量,这样一来就达到了节省资源和提高可扩展性的最终目的,这也是其为何能够发送、传递更多、更丰富信息的最主要原因。将新型的分布式WSN协议应用到了电子类实验室的管理中,就是为了解决电子类实验室长期存在的人员、效率方面的困难。
新型的分布式WSN协议下的WSN系统更为的可靠、安全,信息的传输效率更高,传输的内容也更为丰富,这就使得相关的管理人员所获得的信息更具有指导性也更容易理解,不再需要更多的技术性要求,让管理工作变得更为简单,同时也节省了人力资源的消耗。并且,新型的分布式WSN协议,是安全可靠的,对于实验室的管理效率的提升也是具有极大帮助的,能够充分的在系统的提示下将各类系统资源利用起来,更好的发挥实验室的工作效率。
但需要注意的问题是,WSN新型分布式协议在电子类实验室管理中的应用并不是无懈可击的,虽然这种分布式的操作模式最大的优势在于分层、分布,当其中某一个环节、层次出现问题的.时候并不会严重的影响到其它部分系统的工作;但是,很明显其也加大了系统的复杂程度,虽然应用起来比较方便,便于管理人员的管理,但是对于系统的维护技术人员而言,维护的难度可能就有所提高了。
2WSN新型分布式协议应用设计模型以及分析
应用模型利用近距离无线组网通讯技术ZIGBEE将各个节点组成一个物联网,教师和学生可以登陆实验室管理信息系统在线平台,可以查看浏览实验室信息、预约申请使用实验室以及设备、管理个人资料信息、编辑预约信息和修改用户密码。
教师管理员登陆实验室管理信息系统管理平台,可以编辑用户信息、维护管理人员信息、查看实验室和设备电源状态、检测实验室室内各个参数信息。如图1所示,该设计模型中涉及到的关键性硬件为利用ZIGBEE技术开发的CC2530模块。
该模块承担建立自主网实验室网关以及与实验室管理服务器通信的任务。如图2所示,为CC2530模块原理图。CC2530是用于2.4-GHzIEEE802.15.4ZigBee和RF4CE应用的一个真正的片上系统(SoC)解决方案。它能够以非常低的总的材料成本建立强大的网络节点。CC2530结合了领先的RF收发器的优良性能,业界标准的增强型8051CPU,系统内可编程闪存,8-KBRAM和许多其它强大的功能。如图3所示,为本应用设计模型软件处理流程图。程序主要完成处理器、输入输出口、AD和DA、温度传感器、湿度传感器、光照度传感器、运算放大器、定时器等的初始化工作。CC2530采集实验室相关信息后向网关发送并到达实验室管理信息系统的网页平台。采集时间为100us每次。
3结语
总的来说,WSN新型分布式协议在电子类实验室管理中的应用比较明确的解决了一般在传统的电子类实验室中常见的问题,如人员的工作量大、管理的效率低下、实验室得不到充分有效的利用等诸多问题。
这些问题的解决是WSN系统技术的重要更新和与时俱进的发展下的必然结果,对于其中可能存在的问题,通过日后的研究也势必会得到充分有效的解决。
参考文献
[1]李艳辉.物联网技术在实验室安防系统中的应用[D].华北理工大学,.
[2]吴文华,施镇江,朱娟娟,史同娜,谢卫民.智能管理系统在高校实验室管理中的应用[J].实验室研究与探索,,(11):259-264.
[3]葛日波,王颖,李梦梦,林敏.以信息化平台建设为依托的实验室管理模式创新与实践[J].实验技术与管理,2014,(01):15-18.
[摘要]随着通信技术、嵌入式技术和传感器等技术的进步，无线传感器网络在制造成本和服务质量上已经越来越符合人们的要求，并在各种生活场景中有了一定的应用。无线传感器网络具有十分广阔的应用前景。其在环境监测、军事国防、抢险救灾、工农业生产、城市管理、生物医疗、危险区域远程控制等许多重要领域的实用价值，已经引起了许多国家学术界和工业界的高度重视。
[关键词]无线传感器网络
一、无线传感器网络的定义
无线传感器网络（WSN，Wireless Sensor Networks）是由大量具有通信和计算能力的微型传感器节点密集分布在监控区域内部或附近，协作地监控不同位置的物理或环境状况，且能够根据周围环境自主完成指定任务的智能测控网络系统。它综合了传感器、网络通信、嵌入式计算、无线传输、分布式信息处理等领域技术，能够通过大量微型传感器协作地监测、采集和处理网络覆盖的地理区域中感知对象的信息，并把信息发布给用户。
二、无线传感器网络的基本特征
与数字蜂窝移动通信系统（GSM）、蓝牙（Bluetooth）、无线局域网（WLAN）等无线通信网络不同，无线传感器网络是类似于传统Ad-hoe网络，没有基站设备支持，自组织、自管理的多跳网络。无线传感器网络是Ad-Hoe网络应用在传感器技术中的一种具有动态拓扑结构的组织网络。
1.自组织的网络：无线传感器网络通常具备自组织能力；
2.自管理的网络：无线传感器网络通常具备自管理能力；
3.网络规模大，分布密集：无线传感器网络中的节点数量多于传统Ad-hoc网络中的节点数量，并且分布密度大；
4.网络节点易出错：无线传感器网络中的节点较之传统Ad-hoe网络中的节点更容易出错；
5.单个节点能力较弱：无线传感器网络的节点的计算能力、存储能力十分有限，无法进行复杂的计算和数据存储；
6.节点间广播式通信：无线传感器网络节点主要采用广播方式通信，而传统Ad-hoe网络大都采用点对点通信；
7.以数据为中心的网络：与数据为中心的含义指无线传感器网络运行时，通常只关心整个任务的执行情况，用户在使用网络查询事件时，只关心是否获得了所需的数据，不关心数据是由哪个节点发来。
三、无线传感器网络的发展
，美国在先进国防研究项目局（DARPA）的一个研究项目中第一次提出无线自组织传感器网络的概念。
IEEE协会成立了IEEE802.15.4工作组，其目标是开发一种供廉价的固定、便携式或者移动设备使用的低复杂度，低成本，低速率与功耗的无线传输技术。IEEE推出了IEEE802.15.4的PHY物理层与MAC媒体接入控制层，其主要的特点就是低成本，易实现，可靠的近距离传输操作，而且可以在一个PAN（Personal area network，其范围为5-10米）里使用同一信道却有效避免冲突。在IEEE802.15.4里定义了两种网络节点：全功能节点与半功能节点。全功能节点可以与任何一个其它的节点进行通讯而半功能节点只能与全功能节点通讯。另外，超宽带无线通信（UWB[16]）以其高速率、低功耗、抗多径、低成本等诸多优势，已成为室内短距离无线网络的首选方案，这为WSN网络的数据传输开辟了一种崭新的方案。
四、无线传感器网络的关键技术
无线传感器网络必须要在设计上体现以下要求：
第一，由于传感器节点的大规模和低成本特性，无线传感器网络通常不会进行节点的回收或充电，这使得能量消耗效率为系统的首要优化指标。大部分关键技术都是围绕着能量消耗问题这个性能指标来做优化的。同时，节点的大规模和随机部署的特性又要求网络拓扑结构为自组织的分布式结构。
第二，异构性是无线传感器网络的一个重要特性。无线传感器网络的异构性可以分成网络内的异构性（节点异构）和网络间的异构性两种。关键的异构因素包括节点系统差异，通信协议差异，数据管理差异和系统优化目标差异。一方面，异构互连能提供更灵活便捷的组网方式，同时，平滑的异构互连是产业化多样性的基础，系统的可扩展性也对异构性有要求。
第三，无线传感器网络是普适计算（Pervasive Computing）的核心组成部分，需要资源的协同操作。由于单个节点的能量、传感、存储和计算能力都相当有限，如何有效的利用大量节点的资源，并对海量的感知数据进行处理完成任务，对于无线传感器网络的构造和设计都是一项巨大的挑战。
浅谈创新无线传感网络卡尔曼滤波的动态加权分析论文
近年来，要设计一种高效节能的分布式信息处理算法，节点之间共享信息之前，必须经过变过量化编码，减少通信信息量，充分利用有限的资源完成任务，因此，无线传感网络论文中的分布式算法中的量化策略和状态观测器的结合设计是算法的重点内容。卡尔曼滤波中使用一致性策略的研究方面，Alriksson计算出最优的权重矩阵和卡尔曼增益的选取。Li等通过设计合适的有限水平动态一致性策略，给出了系统收敛速度与信道的量化水平精度、网络拓扑结构之间的定量关系；但是这种量化算法只用在一致性收敛的问题中，节点之间并没有对目标进行状态估计。Xu等对具有融合中心的无线传感器网络进行了研究，提出了基于量化新息的卡尔曼滤波方法，探讨了确保估计误差协方差矩阵有界的充分条件，同时给出了量化位数与滤波性能之间的数值关系，以及如何根据实际应用要求设计量化等级。
本文在以上研究基础上，将量化策略用于分布式卡尔曼滤波中，设计了一种新的分布式数据融合算法。研究的对象是一个没有融合中心的自组织式网络，节点之间以点对点的形式相互通信。该算法结合考虑网络带宽的实际限制，信息在传递之前，经过均匀量化策略，传输的是一系列量化信号，从而减少通信的信息量，节省网络的带宽资源。根据以上思想，本文讨论了在不同量化精度条件下系统的状态估计性能，以全局静态协方差矩阵最小为优化目标，根据每个传感器节点的观测性能，动态选取一致性加权矩阵，更加符合实际的数据融合意义，从而有效提高该算法的性能。最后通过仿真实现了基于量化信息的分布式卡尔曼滤波（Quantized Distributed Kalman Filtering， QDKF）算法。
1 问题描述
本文的`研究对象是一个没有融合中心的自组织式网络，相对于传统有数据处理中心的网络系统而言，自组织式网络要求其中的每个节点都拥有一定的数据存储和计算处理能力，通过相互通信收集邻居的节点信息，自己完成分布式的滤波，从而获得一个最优的状态估计。假设网络中包含有N个分布式传感器节点，相邻节点之间可以相互通信。每个节点的传感器性能可能存在差异，因此节点的观测噪声不尽相同，它们共同观测一个系统过程。
通过求解该凸优化问题得到最优权重W，以此权衡每个邻居节点信息的重要程度，使得每个节点的局域协方差矩阵最小，整个网络的状态估计趋于一致。实际应用中，当状态估计趋于稳定，即节点的协方差矩阵变化微小时，卡尔曼增益矩阵K和权重矩阵W的大小也趋于恒定值，只有当网络拓扑出现增加或删除节点等变化时，才需要重新对W和K进行动态优化求解，因此，动态加权不会增加节点额外的计算开销。
2 研究现状
2.1 均匀量化
为了节省网络带宽，规定传感器节点之间只能传输一些经过编码的量化信息，这些信息表现为一系列二进制数信息。接收端得到量化信息后，仅需要经过一个查表解码的过程，就能恢复得到来自邻居的信息，不需要额外的计算量。量化方案包括对数量化、均匀量化等。可以证明均匀量化后的信息仍是对状态的一个无偏估计[14]，本文所用的卡尔曼滤波方法亦为对真实状态的无偏估计，因此选用均匀量化作为结合。
2.2 基于量化信息的卡尔曼滤波
由卡尔曼滤波（Kalman Filter， KF）公式可知，完成状态估计需要有两个量：一是根据前一时刻最优估计作出的一步预测值；二是当前时刻的观测值，因此，节点之间共享的信息必须包含这两个量。
网络的通信过程如图1所示。
传感器网络通信加入了量化的信息后，只要事先规定好彼此的量化区间范围和量化的位数，节点之间传递的数据信息就可以用若干位二进制数来传达，而不必用原有的精确数值进行状态估计，从而有效减少通信的带宽需求。
3 数值仿真
QDKF算法以卡尔曼滤波为基础，针对的是存在高斯白噪声的线性系统，多个节点同时对单个目标进行分布式滤波的过程。考虑一个具有50个节点的传感器网络，每个节点的传感器观测性能不尽相同，它们对网络中的一个移动目标作状态估计，网络拓扑结构如图2所示。假设该目标在区域内作半径为20m的匀速圆周运动，其运动方程为（状态变量为横纵坐标）：
假设系统的过程噪声为Rv～N（0，0.22），每个传感器节点的观测噪声是均值为零高斯白噪声，方差为[1，5]区间内的随机值，每个传感器观测矩阵都是C=I2×2，仿真选取的量化位数为Bit=8。对标准KF、基于传统加权矩阵的QDKF以及动态优化加权矩阵的QDKF的滤波效果进行对比。
3.1 卡尔曼滤波、分布式卡尔曼滤波与基于量化信息的分布式卡尔曼滤波3种滤波算法对比
图3为KF、DKF、QDKF这3种滤波算法的均方根误差对比，其中DKF和QDKF都采用动态加权的方法选择权重矩阵。对比KF算法和分布式滤波算法，对于同样的系统模型和观测噪声，传统卡尔曼滤波算法得到的状态估计精度依赖于节点本身的观测精度；而在分布式卡尔曼滤波算法中，观测精度差的节点，若其连通性比其他节点好（邻居节点多），根据其每个邻居节点传感器的观测性能，优化选取加权矩阵对邻居数据进行有效融合，使得估计误差的协方差矩阵最小，从而降低状态估计的均方根误差（Root Mean Square Error， RMSE），该节点得到的状态估计精度就会比其他节点高。DKF算法是在网络通信条件最理想，没有传输带宽限制的情况下进行的分布式滤波，因此滤波效果最为理想；QDKF算法将节点间传输的信息经过量化处理再相互共享，引入了量化误差必然会使状态估计的误差比DKF算法略有增加，然而数据传输带宽仅需8bit。换言之，节点间的数据仅需一个字节的数据量就能完成分布式滤波，大大减少了通信带宽的需求。
3.2 传统加权矩阵与动态优化加权矩阵的滤波对比
图4为QDKF算法中，分别运用传统的最大度加权法、Metropolis加权法以及动态优化加权法的滤波结果对比。图5为3种算法以及3种加权方法的均方根误差的均值对比。分析比较可知，在均方根误差为评价标准之下，3种加权方法中，动态加权方法的估计误差比最大度加权法降低了27.33%，比Metropolis加权法降低了25%，能更有效地进行数据融合，从而获得更好的状态估计。
4 结语
本文研究了无线传感器网络中状态估计的数据融合处理问题，提出了一种基于量化信息的分布式卡尔曼滤波算法。该算法不需要传统的数据融合中心，节点间通过跟邻居节点相互交换经过量化处理的信息来进行对目标的状态估计。量化策略采用具有无偏估计特性的均匀量化，与分布式滤波相结合，仿真中的数据传输带宽仅需8bit，有效地减少通信带宽需求。在系统的分布式滤波问题中，一致性矩阵的选择是滤波算法收敛速度以及状态估计精度的关键，传统方法对于加权系数的选取一般有最大度加权或者Metropolis加权。本文采用以系统整体的协方差矩阵最小为优化目标的方法，动态选取加权矩阵，更符合数据融合以精度来划分信息重要性的准则，对比传统的加权方法，提升了状态估计精度。
关键词：无线传感网络论文,动态加权,卡尔曼滤波
