文摘

无线传感器网络(网络)已经变得无处不在,渗透到人类生活的方方面面。在环境监测应用程序(复合),网络是必不可少的,并提供一个整体的部署环境。物理传感器设备和执行机构连接在一个网络环境监测应用程序意义上的重要环境因素。复合汇集情报和自治自治系统的智能决策和沟通他们使用通信技术。论述了环境监测中的各种网络架构开发应用程序和支持特定的设计目标,包括机器学习在环境监测网络及其潜在的应用程序。

1。介绍

无线传感器网络(网络)组成空间分布式传感器节点监测和记录物理环境条件(1]。如图1,网络实际应用在各种领域,包括农业、水、动物跟踪、海洋学、空气质量、地震、滑坡、森林火灾和洪水检测。网络自配置,infrastructure-free网络监控物理或环境条件(2]。网络可以监视各种环境条件,包括温度、声音、振动、加速度、压力、运动、湿度、从不同的应用领域和化学或污染物浓度呈现在图1。当部署在这些条件下,网络合作通过网络传输数据到一个中央位置或水槽,从哪里可以查看和分析3]。无线传感器节点能够承受恶劣的环境条件和运行在他们的可部署的环境而无需人工干预。无线传感器节点可以部署到覆盖大部分地区,固定到位(静态部署)或移动(动态部署)4]。

复合有独特的挑战,如果不考虑他们的部署,可能会影响服务质量。例如,在高度动态的环境中部署节点收集的数据可能会影响甚至对较低的环境时空变化。这种变化可能来自于天气的突然变化或接近人类活动(2,5]。因此,环境的实时监控是必要的但没有达到所需的成本和时间甚至更好的结果相比,传统的监控系统。传统监控系统使用沉降,静电采样、吸收、过滤、凝聚扫描和监控土壤、空气和水。

人类、动物和无生命的事物都需要一个栖息地。人类和动物活动破坏环境,降低人们的生活质量。在过去的十年中,研究人员利用无线传感器设备自动化环境的监测,确保获得准确的数据进行分析(4,6]。例如,传感器节点监测空气质量检测和评估环境污染水平。当土壤是观察,检查等威胁生物多样性丧失、酸度水平,侵蚀,和其他形式的污染7]。

此外,传感器节点确定水质通过监控物理、化学和生物因素(8- - - - - -10]。由于网络,这些监测技术已经成为实用、简单,非常可靠。轮mtv大奖旨在整合自治系统的情报和自治智能决策和沟通通过通信技术。因此,在实施一些挑战包括网络和通讯报道、能源管理和保护,数据安全(11]。环境自动化允许大量的数据收集和传输到中央存储库通过传感器节点和通信技术。水质监测确保清洁和安全的水是供国内使用11)和清洁水体环境卫生,处理和存储的水(10]。智能城市的概念由绿色技术是发展WSN-based mtv大奖背后的驱动力。因此,它是至关重要的检查传感、网络通信和分析过程(SNcA)。SNcA的操作依赖于底层基础架构的能力提供必要的功能,服务,和协议来完成相关的应用程序的设计目标(r .12])。

依赖网络的复合的性质是描绘在图2。图2说明了通信、部署、数据收集和复合能源消费的性质。传感器节点的运行生命周期期间,沟通集团可以分为广播和单播。网络教育津贴部署可以发生在一个移动或静态环境。这些环境影响节点的生命周期有不同的特点。可以收集环境数据与高精度或一些冗余。数据收集也可以根据事件的类型或产生的交通环境。传感器节点的能量消耗组件传感、处理和传输是重要的。轮对mtv大奖近年来流行对自动化的需求也增加了。这个日益流行是因为网络启用实时通信,自给自足,提供智能和准确的信息。WSN复合架构的目的是便于收集,处理,传输,存储,检索,而且,在某些情况下,数据管理。 They provide real-time access to monitoring data, long-term monitoring, and scalability [13]。类型的应用程序,需要网络影响传感器网络的体系结构、范围和复杂性。网络中使用的复合传感器主要是动态部署系统,依靠种技术功能正确。当应用程序需要一个环境的部署静态传感器、点对点或单跳基础设施是合适的14]。

此外,复合的网络数据收集过程和能源消费特点。因为网络中的数据来自多个来源,它可能是收集准确或一定程度的冗余。收集实时传感器数据支持的准确表示当前的环境条件和预测未来的环境条件和威胁。精准农业,例如,允许农民改变他们的农业策略在任何时候从field-installed传感器利用实时数据。精准农业数据将使农民能够策划和调整相应的土地管理活动,而不是依靠假设平均农田实时条件可能不存在。在复合,数据收集取决于交通一代或事件检测,可能影响每个传感器节点的能量消耗。例如,传感器节点水槽附近迅速消耗他们的能量相对于其它传感器节点。能量消耗的传感、处理和数据传输网络。

当传感器网络部署的架构采用复合,他们现在的新的机遇和挑战。例如,引入机器学习和物联网技术在WSN的复合有相关的设计挑战要求新的维度影响网络协议栈的算法设计。因此,研究人员必须感兴趣的传感器节点和网络体系结构,算法,以及网络协议设计,支持复合。必须重新考虑底层架构影响如何部署节点(位置、覆盖和连通性)。找到新方法来最大化网络吞吐量和终身教育津贴的网络至关重要。因此,值得考虑的各种传感器网络体系结构和复合的环境特征在不同的应用领域。

鉴于上述,有必要指定复合的网络架构要求达到设计目标,使连续的环境监测。因此,本文提出了环境监测的无线传感器网络技术发展水平的应用程序。从复合的描述,我们概述的基础设计,包括硬件和软件体系结构的复合。然后描述了传感器节点的体系结构和现在的最大覆盖和连通性特点适合不同的传感器网络应用程序环境。此外,我们讨论了网络的关键方面教育津贴,包括传感器类型,传感器节点位置,传感器节点功耗,节点通信,远程传感器节点控制。最后,探讨了目前的进步有利于复合,如机器学习(毫升)和物联网(物联网)和相关的挑战。我们提出新方法来处理网络对复合监测各种环境参数,考虑到不同的应用特点。我们的工作不同于先前的审查的文学,它侧重于特定的应用领域及其基本算法(15- - - - - -18]。

剩下的纸是组织如下:部分2讨论了复合相关工作。部分3介绍了无线传感器节点结构,强调分层和集群架构。我们在复合描述这些体系结构的适用性。部分5检查传感器节点的部署方法,保证复合的最大区域覆盖和连通性。部分5介绍传感器网络应用中,专注于环境特点和数据收集策略在不同的环境中使用。部分6讨论当前网络关于机器学习的进步和互联网的事情,有关模拟器和底层操作系统,使EMA(环境监测应用程序)的架构。部分7结论本文提出未来的研究方向。

2。相关的工作

复合提供一个连续的实时监控方法环境现象使用网络和物联网(物联网)。传统上,监测环境涉及到测试设备需要定期检查和报告接收站。然而,监控模式不是非常高效的由于天气和其他环境的快速变化的变化不能完全预测。

在[10),作者回顾了最新作品的一些实现物联网监测水质参数效率和成本效益。在他们的工作中,一个物联网系统开发测试水质参数如pH值、电导率、浊度、温度。传感器节点被放置在水中,ADC和核心控制器监视数据值从云端。类似的作品由(19测量pH值、电导率、浊度、氧化还原、氧气和温度的一个移动的河在加纳阿克拉区域越大。设置包括传感器探测蘸水连接到一个基站放在一个安全的地方在水之上。基站是云存储通过GSM模块连接,从一个web门户可视化的数据流。在[11),他们调查了当前最先进的网络IoT-enabled监控水质参数为国内使用安全的饮用水。在他们的论文中,他们包括建议有效的物联网水质监测系统的设计(IoT-WQMS)和当代IoT-WQMS回顾。

作者审查当前IoT-based水管理系统(20.]。他们研究了pH值等参数测量,浊度、盐度、和水的水平。IoT-based智能水管理系统的体系结构设计提出了机器学习但没有实现。机器学习(ML)工具,如决策树和支持向量机作为分类算法实现在真实数据集从突尼斯获得水处理站(21]。绩效评估由作者提出的线性支持向量机更好的分类和检测异常在水中分销网络在突尼斯。其他毫升分类工具用于水质再应用包括(资讯),单层,深层神经网络。软件架构,将事件处理与遥感应用提出的空气质量监测使用卫星传感器(22]。

智能水管理系统的架构考虑控制器和传感器,和应用程序提出的20.]。一些无线电建议作为水资源管理系统包括罗拉最好,NB-IoT,无线个域网,6 lowpan。硬件和软件平台支持物联网教育津贴包括Arduino ESP8266,覆盆子π,小骨头,蓝牙,wi - fi, RFID,微控制器(9]。大型应用程序已被称作如无人机(uav)和群体感知监测技术也使用广播和网络协议实现全面区域监控(2]。

智能城市特有的环境监测问题,如身份验证、数据安全、设备的弱点,和可持续性。智能城市的体系结构,支持他们的目的被认为是在这四层:传感、传输、数据管理和应用程序(23]。这类似于我们的工作认为WSN的架构的智能城市。然而,我们强调分层和聚集层在不同的应用程序,包括智能城市,(23]视图的属性和可能的功能层如前所述。分层和集群架构中强调我们的论文指出,可能可以在每一层的复合。工作还强调了通用协议和能源消耗因素这些层和复合的脸。最后,我们将讨论不同类型的机器学习工具和协议,可以支持和复合使用。在复合减少能源消耗,我们的研究重点是潜在的神往中使用机器学习工具和影响因素实施。

3所示。无线传感器网络体系结构(WSNA)

网络使连续监测环境条件。传感器网络节点组成。传感器节点检测和过程参数在本地或通过网络传输到基站(下沉)进行处理。教育津贴,网络的可伸缩性是至关重要的。传感器网络体系结构(SNA)可以提供环境监测服务。从物理架构抽象物理设备和服务表现(15]。EMA架构必须是硬件和软件无关的,并基于不同的架构。一个动物跟踪系统可能需要硬件和软件体系结构,不同于地震监测。因此,无线传感器网络的体系结构(网络)是特定于应用程序的(也就是说,它认为各种应用程序域)的要求。当传感器节点在动物接触,两两连接允许他们沟通。静态传感器节点可以安装在室内或室外空气质量监测。传感器节点,传感器网络体系结构描述。此外,部分将讨论OSI-based传统/分层的体系结构,集群和混合。详细讨论了每种情况下的EMA适用性。

3.1。传感器节点结构

无线传感器网络由传感器节点共同完成某一特定任务。传感器节点配备组件检测参数的兴趣他们的周围环境。遥感数据从一个节点可以分析和传播到另一个传感器网络中的传感器节点或下沉。因此,传感器节点负责数据收集、聚合和融合的基础上。一个无线传感器节点由几个组件:一个传感器单元、接口电路、一个处理器,一个收发机系统,和一个供电单元,如图3。传感单元直接负责数据收集和环境互动,和计算单位处理数据计算、加工、分析和存储。通信单元负责连接传感器节点之间的通信和数据传输从传感器节点到基站。

节点可以与邻域通过通信接口和无线通信链接。此外,传感器节点的位置和定位信息可能是由全球定位系统(GPS)提供的。虽然经常假定所有传感器节点也有类似的功能,在某些情况下可以异构传感器功能。传感器单元是传感器节点体系结构组件负责捕捉物理事件在现实世界中。一个计算单元处理数据处理和聚合。它包括一个模拟数字转换器(将模拟数据转换成数字),一个中央处理单元(或微处理器),内存,协议和存储记忆。

此外,数据传输通信单元包括一个收发器和接待。收发处理信号的发射和接受。最后,一个动力单元提供了传感器节点的每个组件。

3.2。传感器网络体系结构(SNA)

传感器网络体系结构(SNA)中使用了网络。温度、湿度、压力、位置、振动和声音都是由无线监控系统网络体系结构(SNA)节点。这些节点可以进行智能检测,邻居节点检测、数据处理和存储、数据收集、目标跟踪、监测和控制、同步、节点定位和基站之间的高效路由和节点在各种实时应用程序24]。系统网络体系结构(SNA)开发使用开放系统互连(OSI)模型,由五层(物理、数据链路、网络、传输和应用程序层)。许多协议正在开发操作系统网络体系结构(SNA)的每一层。例如,协议的物理层控制收发信机的操作系统网络体系结构(SNA)中,和介质访问控制(MAC)协议管理渠道共享、时机和位置在数据链路层。路由协议的网络管理任务,比如在网络层拓扑和自适应拓扑管理。传输层协议促进数据传播和缓存25]。接下来的章节提供了分层和集群架构的概述。为复合设计网络时,必须考虑一些设计问题在使用系统网络体系结构(SNA)(传感器网络体系结构)。其中的几个问题包括但不限于能源消费、服务质量(QoS),安全、加工、定位、网络设计成本。能源消费是至关重要的,因为传感器节点电池驱动。此外,它是具有挑战性的复合取代电池。

因此,传感器节点的传感、传输和计算组件必须管理,而节点操作。协议设计有效地在多个层(物理、数据链路、网络和传输)可以显著降低传感器节点的能量消耗。的服务质量,数据预计将分布式实时让涉众使用它。有效地检测和报告环境现象在mtv大奖,节点应放置,这样他们覆盖大面积部署环境中,如图4。传感器节点在网络有一个感应范围内,他们可以检测到一个事件。传感器节点无法检测其感应范围之外的事件。节点的随机位置可能影响遥感目标区域的覆盖和限制。覆盖问题是解决全面感知覆盖,因为传感器节点覆盖整个部署区域。此部署的传感器节点覆盖整个地区的利益(见图4(一))。图4 (b)显示了一个同样数量的节点部署传感有限的传感范围不能涵盖大部分的部署区域由于传感器节点的传感范围较短。

算法的报道已经开发了网络覆盖率提供有效的解决方案。三个程序可以修改在系统网络体系结构(SNA)处理节点感知到的数据。网内节点内加工、处理,在水槽是数据处理和数据处理技术。能源消耗在每种情况下。因此,高效计算或数据处理方法需要有效的资源利用率。在网络中,每个节点的位置是未知的,摆出本地化的问题。在大多数情况下,节点配备GPS功能可以解决这个问题,但主要的挑战与GPS实现传感器节点有限的能源供应。

3.3。分层体系结构

如图5五层的分层架构由三个交叉层。LSNA包括物理、数据链路、网络传输、应用程序中,电源管理、移动性和任务管理。在部署环境中,传感器节点连接到这种类型的架构可能数量(26]。传感器节点是连接到一个基站,从收集到的数据可以被发送到云或中央服务器通过通信体系结构。每个传感器节点数据传送到相邻节点的传感范围内分层架构。因此,节点通常在包传输能耗小。表1总结的详细描述层和cross-plane层。

3.4。集群架构

成千上万的传感器节点组织成簇在集群架构。每组分配一个簇头,自动创建集群和时间表根据预定义的沟通计划,如图6。集群架构基于低能量自适应聚类层次结构(LEACH)技术。集群架构设计,以便集群中的每个节点通过簇头与其他节点进行通信。由于能源消费的限制,集群头有时会旋转。簇头向基站传输数据或水槽节点在收到所有传感器节点在集群。集群架构非常适合EMA数据融合在白鼻综合症。集群自组织团体能够旋转头,确保网络的可用性。

3.5。无线传感器网络体系结构(WSNA)挑战

在本节中,我们提出不同的挑战,影响WSNAs运行平稳的复合(无线传感器网络体系结构)。这些挑战包括能源消费、服务质量(QoS)、安全、处理和计算,本地化和网络设计成本。枚举的挑战在这一节中显示重要约束之前,必须解决和解决传感器网络可以用作支撑的复合技术。在下面,我们将讨论这些挑战对WSNA mtv大奖。

3.5.1。能源消耗

环境监测应用程序需要低功耗传感器节点能够长期运行,自治和实时功能部署环境(w . [27])。传感器网络传感器节点必须节能轮为执行最佳的环境和提供可靠的数据。没有能量优化,传感器节点的电池只能持续几天,否定长期为复合设计了网络的需求。替代方式延长电池寿命的传感器节点包括能源收集来自各种能源,尤其是太阳能,使用大容量电池,负载平衡,操作和能源中性(ENO) [28]。在某些应用程序中,最大限度地减少能源使用通过节能协议被用来延长传感器节点和网络的生命周期29日]。最小化能量消耗是理想的长期操作的传感器节点具有挑战性的应用程序环境,如森林茂密的植被,海洋学,和动物监测。

3.5.2。的服务质量

服务质量(QoS),基本在网络,最近得到太多的关注。实现一个特定的性能通过测量各种环境特征是必要的设计、开发和部署传感器网络中传感器节点的复合(30.]。它是具有挑战性的网络改善所有QoS参数。例如,减少延迟可能导致传感器网络使用的更多的能量。吞吐量,包交货率、端到端延迟,抖动,可靠性是关键绩效指标,可用于环境监测应用程序(31日]。因此,维护权衡选择的性能标准在设计阶段的具体应用领域是必要的。最近,策略被用来提高服务质量,同时考虑动态网络和关键参数需要在应用程序环境中实现所需的QoS。

3.5.3。安全

网络发展使数据收集来自不同地区的环境。传感器节点收集的数据感知和需要极端的护理安全。无线传感器网络安全问题很明显在硬件、基础设施和软件。识别与网络相关的所有安全问题和挑战和实施适当的缓解措施是至关重要的(32]。一些威胁节点复制,选择性转发,窃听,女巫,虫洞,信号或无线电干扰,深坑(18]。数据完整性和安全性,保密性和隐私,在数据传输必须维护。传感器节点还应保障对偷窃和破坏公物(33]。物理安全措施时应提供安装传感器节点。其他技术,如数据加密,应该纳入轮前针对复合传感器节点部署的环境来提高节点效率。

3.5.4。本地化

在网络节点定位是至关重要的,主要是在复合使用网络时。确定了网络中节点的位置或位置的准确性是至关重要的,因为它影响传感器节点获得的信息(34]。尽管如此,在WSN的mtv大奖,很难知道其他节点的节点部署环境,使定位一个艰巨的任务35]。定位提出了一些挑战,包括能源消耗、节点维度,节点移动性,传感器节点安全,和全球定位系统(GPS)的访问。研究者提出的新方法和算法解决不精确的距离和位置未知的传感器节点的估计位置。其他方法旨在解决定位问题通过优化参考节点的选择。

3.5.5。处理和计算

网络教育津贴是用来测量各种环境因素来提高我们的生活水平在我们当前的环境中。几个架构管理数据处理和计算,当传感器节点启动感应操作。在某些协议或架构,流程和计算数据传感器节点本地或跨网络传感现象后在发送数据之前中央存储库进行分析(31日]。在其他体系结构中,节点传输到基站传感数据后,需要大量的能源为处理和计算。然后将它转发到一个中央存储库进行分析。基于云计算架构最近被用于分析和计算从环境中收集的数据。这些基于云架构可能可视化处理过的数据通过门户网站,允许用户通过智能手机访问处理过的数据。

3.5.6。网络设计成本

轮对mtv大奖是为了活着来满足应用需求。环境监测应用程序需要一些专业的网络设计。动物跟踪应用程序,例如,必须运行在任何时候都允许用户跟踪动物的位置在任何给定的时间。因此,网络体系结构提高覆盖率的类型,连接,健壮性和网络的生命周期。实现的目标而保持在预算之内,传感器网络设计必须一丝不苟。由于复合的动态特性,传感器节点部署计划能够提高覆盖和保护连接,而不会超出预算是高度推荐轮为复合。

4所示。传感器节点部署策略

为了确保最大的区域范围和连接,避免节点的部署类型必须考虑网络迅速耗尽精力。传感器节点架构应该这样,节点在监测区域内受到至少有一个相邻节点的保护。传感器节点的覆盖范围会影响远程网络监控管理和网络的生命周期36]。节点可以放置覆盖监测区域完全或部分,考虑到无线传感器节点的传感范围。节点是手动部署在human-accessible地方他们的位置是很危险的。

另一方面,随机部署发生在危险和难以接近的需要完全覆盖的领域。例如,战场监视和开放区域对自然生活的例子。研究部署策略的主要目标是找到方法来提高连通性,覆盖率最大化,最大化能源效率,最大化网络的生命周期。图7说明了不同类型的传感器节点部署适合复合。每个部署策略的细节将在以下小节中描述。

4.1。广场和随机部署

例如,节点在部署区域可能被安排在一个广场模式来检测事件在这个地区。由于环境污染传播随着时间的推移,一个正方形的部署模型可能不适合网络监控。传感器节点部署的另一个方法是通过随机化。它可以统一或分散。广场和随机部署适合静止的淡水资源很少运动,如湖泊(37]。EMA需要一个最优的传感器节点部署策略,确保完全覆盖的地区利益在感应范围内检测事件发生在感兴趣的领域。完全覆盖提供了网络连接,确保感觉到数据传播给其他网络节点和汇聚节点。

4.2。网格部署

通常使用基于网格部署在静态确定应用程序的传感器节点的位置是固定的正则网格模式。三角形、正方形,或六角模式可以使用,监测区域划分成更小的网格。因此,传感器节点放置在网格的中心或顶点最大化与少量的节点连接。网格配置可以是三角形,六角,广场,或随机的。网格部署通常是二维或三维的,一些应用程序监测空气污染(38和目标探测和跟踪39]。根据这些部署应用程序,网格是最有利与数量有限的可用的节点部署。

4.3。网部署

节点放置在一个网格部署,这样每个节点作为中继到其他节点。在发生故障时,网格节点容错。最近网部署呈现网状网络中心早些时候的单一半双工电台过时了。这些进步铺平道路部署了网状网络(40]。互操作性、能源效率、可伸缩性、灵活性和健壮性是至关重要的要求,应用程序在网络中使用网格。环境监测、房屋建筑、工业自动化和控制,和精准农业得益于网格应用程序(41]。早些时候网状拓扑,如无线个域网(IEEE.15.4), IEEE 802.15.4e和无线Hart是可能的。新平台,IEEE 802.15.15等逐渐引入并集成到传感器网络。

4.4。分布式部署

分布式部署是至关重要的建立一个最优的WSN系统的覆盖范围。在分布式系统中,部署计划是由传感器节点的坐标信息和名称(a .42])。通常情况下,节点是均匀的角色和算法实现。算法是基于基站,使分散的节点定位最佳的报道。这些实现的例子可以发现在部署移动传感器(43]。

4.5。集中部署

集中部署在移动传感器节点用于改善屏障覆盖。大多数障碍增强策略涉及到传感器节点迁移。然而,他们的主要挑战是优化搬迁这些传感器节点的通信和移动成本。由于这些集中的部署节点,其主要缺点是巨大的消息开销与搬迁,他们无法规模有关。几个集中的例子实现了在33,44]。

4.6。稀疏和密集的部署

此部署分类通常是由使用的传感器节点数量决定。而密集部署涉及许多的放置在每个区域,传感器节点稀疏部署涉及到少量的节点。当许多节点部署大量的成本非常高,被认为是稀疏的实现。因此,传感器节点在部署过程中被认为是静态的,但重新定位自己保持连通性和覆盖率。节点必须保持在他们的邻居的通信半径达到最优覆盖。密集部署所需的应用程序需要检测的每一个事件,和多个传感器可以作为冗余节点在一个给定的区域(45]。环境监测应用程序启用跨大面积稀疏的传感器网络,和机器人数据拾荒者从稀疏的传感器收集数据字段。

4.7。动态部署

动态部署需要随机部署移动传感器节点移动到最佳位置覆盖和连通性。虚拟力,force-oriented粒子,模拟退火和粒子群优化算法适用于这样的部署。与动态部署相关的关键挑战是能源效率、负载平衡、增加吞吐量,数据可靠性和降低成本。因为传感器节点的位置是未知的,适用于动态部署传感器节点位置的情况下是不现实的。灾难和战场监测等应用程序的例子。

5。传感器网络应用程序

传感器节点和基站节点用于WSN为复合应用程序。传感器节点监测的参数(如以下部分所述,这取决于应用程序环境)。从环境中获得的参数感觉到或通过一个通信基础设施从基站传输到中央存储库,通常一个本地服务器或云(GSM、无线个域网、GPRS、以太网、射频和无线网络)。当数据被存储在一个服务器或在云中,这是有组织的,处理,分析和报告给利益相关者通过门户网站、短信网关,和移动应用程序。

数据提交给利益相关者使用数据可视化技术。EMA架构应该是具有成本效益的、轻量级的、可靠的、可伸缩、自组织(46]。有保证的环境传感器网络应用程序,这可能是静态或动态/移动,影响通信设备之间连接的稳定性(节点、下沉或基站)。表2总结了类型的应用程序,适当的环境,和数据收集方法。

5.1。农业

无线传感器网络可以显著改善各种农业活动。在农业、传感器网络可以优化资源利用率,同时提高农产品的质量和生产率47]。网络启用有效的数据收集、传输、加工从农业传感器部署在地下和地上48]。农业和农业环境传感器网络有许多优点。这些优势包括监控小气候和疫霉属等各种元素。这种真菌疾病的植物中传播迅速,这就是为什么水位监控和调度灌溉基于植物的树冠的温度是至关重要的(49]。网络也可以用来监测和检测微生物,抗体和其他物质,如土壤水分、温度和湿度(50]。最后,传感器网络可以用于智能灌溉、施肥、病虫害防治、和疾病检测在初始阶段51]。

5.2。动物跟踪

跟踪野生和濒危动物监测它们的自然栖息地是至关重要的。有两种方法来追踪动物与无线传感器节点:(1)通过附加设备到动物或(2)使用无人机(uav)没有设备附件。GPS设备可以连接到动物确定其精确位置和运动模式。动物卫生还可以跟踪使用传感器节点和传感器网络的体系结构。动物跟踪传感器网络应用程序设计旨在创建架构,有效地监控动物没有干扰的生态系统或负面影响它们的栖息地。此外,网络将帮助流浪者保护动物保护区和自然区域通过记录各种网站,罕见的和受保护的物种迁移,趋势监测,确保储备管理良好。项圈戴在动物的脖子收集和传送数据到水槽节点位置。传感器网络开发跟踪斑马(ZebraNet),海龟(TurtleNet),大象(JumboNet)和马鹿(Cervus elaphus) [28]。使用了网络跟踪这些和其他野生动物奠定了基础为研究人员开发模型足够的野生动物资源保护,可持续利用和科学管理。imote2、红外感应器、松下AMN41121传感器、射频识别标签,射频识别阅读器,无线电信号探测器,致动器,移动机器人的硬件架构用于动物跟踪应用程序。此外,动物跟踪应用程序可能使用内部通信技术如802.15.4(无线个域网)提供服务,GSM, GPS,集群架构。

5.3。水监测

水监测认为淡水资源(水质监测)和海洋环境监测。关键的区别是,水质监测确保安全、干净的水在淡水来源。相比之下,海洋/海洋监测重点检测气候变化或海洋环境的污染,影响人类和动物的栖息地。网络已被证明是最好的替代传统方法在用于监测淡水和海洋环境。研究水环境监测将监控过程分为水质监测和海洋/海洋环境监测(8]。传感器节点收集参数如水温、pH值、溶解氧等在淡水来源和测量参数,比如海平面和海洋环境污染。传感器可以探测海洋环境(气候变化19]。数据传输到基站通过通信体系结构。水质监测应用程序的硬件架构pH值、浊度、温度和氨浓度。

对不同条件下海洋环境监测,无法控制的人类活动影响生物体的健康。传统的监测方法是昂贵和费时的。因此,需要大量的活动和健壮的监测方法,如无线传感器网络测量以下参数:压力、风向、水温、叶绿素、风速、盐度水平,浊度,密度和氧。从海洋或海洋监测应用程序获得的数据从传感器节点发送到基站使用无线通信基础设施。一个有效的应用程序可以通过使用以下硬件:构建传感器测量物理参数、水槽节点,移动机器人,浮标设备、机器人传感器、地震传感器,水下传感器和传感器,智能水下机器人,漂浮浮标。的一些通信体系结构包括无线个域网、无线和WiMAX。

5.4。空气质量

空气质量监测对人类健康至关重要。工业化、城市发展、化肥和农药是人类活动污染大气。此外,车辆的增加使用近年来加剧了空气污染。监测空气污染有必要向当局提供数据来改善生活。传统的方法收集数据的空气污染是昂贵的,复杂的,耗时的,迫使网络(52]。空气污染是使用无线传感器节点监测。一氧化碳(CO)、二氧化碳(CO2)和总挥发性有机化合物(TVOC)浓度,以及环境温度、相对湿度、气压、含水率和光度,都是测量(53]。空气质量实时测量报告通过web服务器,它可以通过互联网访问。MQ CCS811传感器,传感器,BME280传感器、湿度、温度、压力传感器、MQ系列传感器,传感器,MQ7传感器,MQ135传感器,MQ136传感器、二氧化硫传感器和NH3传感器在传感器设备被用来测量空气污染水平。这些应用程序确保空气质量参数有效地监控。他们创造了一个实用、低成本的空气质量监测系统利用传感器节点和健壮的通信基础设施。

5.5。地震和滑坡监测

地震是一种危险的自然灾害。地震是地壳中最暴力的自然干扰,极大地影响了周围的环境。地震发生在板块运动在岩石施加压力,导致骨折和转变。地震检测的传感元件是一个无线加速度传感器设备(54]。传播信息的可能性地震必须发生在适当的时间55]。大量的岩石、碎石或地球滑下斜坡,这称为压倒性的胜利。尽管重力是滑坡的主要原因,许多其他自然(弱材料、风化、河流侵蚀、快速融雪,暴雨)和人为因素可以影响边坡稳定(挖掘、森林砍伐、采矿和人工振动)。传感器部署监测各种参数和一个早期预警系统可以构建基于测量值以减少损失。滑动负责地壳的运动,它可以发生在全球任何地方。每个事件蔓延整个欧洲大陆几公里在几分钟内,破坏脆弱的结构、大坝、桥梁和偶尔会造成死亡。无线传感器网络是最有效的传感方法和检测地球的地壳运动。

此外,他们已经证明了提高地震和山体滑坡检测(56]。各种无线传感器节点的部署在地壳中更快地使地壳运动的检测,然后可以立即传送到水槽通过通信架构采取先发制人的行动。网络有可能显著提高地震和山体滑坡检测的准确性和效率(56]。网络可以收集来自多个传感器的数据传输到web服务器通过GSM手机网络或其他通信体系结构57]。在地震和滑坡监测应用中,硬件设备如位移、角度、和雨量传感器,地球物理传感器、孔隙压力传感器、光纤光栅传感器、微型传感器,铁板,土壤水分传感器、应变仪、光纤传感器、温度、湿度、陆地运动传感器,倾斜传感器、倾斜仪、雨滴传感器、微波雷达传感器对运动检测,extender,雨量主要使用。软件应用程序,如三维WebGIS、WiSuN喇曼光时域反射计、操作和SLOPEIW地震和山体滑坡的应用程序。无线个域网协议,GSM 900 MHz和1800兆赫之间的通信,无线和卫星终端,光学遥感、射频识别技术、罗拉技术和蓝牙技术都是通信架构支持地震和山体滑坡的应用的例子(54,56,58]。

5.6。森林大火

森林火灾已成为近年来更普遍,破坏环境,自然资源,人类和动物的生命。世界上大部分的陆地气候变化可能导致森林火灾。在国家炎热和干燥的天气,火灾可能上升。森林火灾破坏野生动物的栖息地和对农业产量有不利影响。因此,有必要开发系统,为当局提供及时、高质量的信息对抗森林火灾在最短的时间内(59]。网络可以带来有意义的改变在对抗森林火灾。轮可以探测森林火灾和传输数据到远程控制中心通过一个通信体系结构。

参数如温度、烟雾、氧含量和湿度可以帮助收集减轻森林火灾。网络是有利的早期发现火灾通过传感器节点。网络架构设计探测森林火灾的速度比传统方法和预测的方向火的流60]。

传感器节点可用于确定火灾的准确位置及其传播路径。利用网络、森林守卫可以更快地进行干预,确保事件的识别和定位传达给利益相关方立即采取行动。探测森林火灾、火灾、烟雾和温度传感器可能是随机分布在整个森林或用于调节森林地区容易火(61年]。通常,传感器配置,当温度超过一个预定义的阈值,节点激活他们的无线电数据传输。传感器节点持续监测森林环境,以确保温度保持在规定范围内(59]。在这些应用领域,收集的数据集中处理和分发给适当的利益相关者通过警报或通知通信体系结构。对森林火灾探测传感器节点部署能源使用效率,延长传感器节点的寿命。可以在节点之间均匀分布,和在一些地区,能源可以收获扩展节点的生活。预测森林火灾蔓延的方向和速度对消防(黄懿慧[至关重要62年])。

森林火灾探测系统采用各种各样的硬件架构,包括温度传感器、湿度传感器、气体传感器、红外传感器、压力传感器、太阳辐射传感器和烟雾识别传感器。其他研究人员已经发现森林火灾使用无人机,二氧化碳传感器、GPS设备,和树莓π水槽节点。TinyOS、路由(洪水路由、AODV),时间同步协议,MAC层(内部IEEE 802.15.4,提供服务LEACH)协议,和特别的集群技术或架构都被采用。为了解决森林火灾探测的应用要求,集群层次网络体系结构和内部或intercluster架构可以使用。

6。网络的进步

本节介绍了传感器网络体系结构通过引入机器学习的进步和互联网的东西。

6.1。网络和机器学习架构

传感器网络部署的主要目的是节约能源,从而延长网络的生命周期。机器学习是用来显著降低数据通信在典型的传感器网络部署的分布式环境。最近的研究探讨了机器学习技术(监督、非监督和强化学习)在通信栈的所有层。大多数方法都发生在路由和介质访问层。这些协议的目的是提供当前信息连接到邻近节点的可靠性。其属性为可靠的网络,包括它可以迅速适应变化,能源效率,短期阻力畸变(63年]。

q学习,强化学习技术,已应用于网络优化路由性能和延长网络的生命周期64年]。决策树学习使用树来预测输出标签基于重复数据。决策树应用在无线传感器网络中识别链接的可靠性特征如损失率、恢复时间、故障时间。支持向量机(SVM)、神经网络、贝叶斯网络用于环境监测(65年]。此外,机器学习已经被用于设计MAC协议,援助网络适应不断变化的环境监测条件。q学习和强化学习技术优化的MAC协议,包括在有槽迎宾和RL-MAC q学习的。

智能环境监测应用程序受益于人工智能(AI)和机器学习(ML)通过提供精确的和最优控制对环境的不良影响。分类、聚类和异常检测的许多用途AI和ML的智能监控。然而,由于扩散问题提出其实现的应用在农业、交通、建筑、空气质量、水质、和人类和动物跟踪和监控。互操作性的传感器、数据结构、标准和协议在实施和控制智能环境系统是一个重要的问题。

分类和异常检测是一些工具部署到降低能源消耗的成本和重复数据删除系统上66年,67年]。对于一个简单的调查在异常检测系统中,读者可以参考的工作(67年]。作者讨论的进步和实现毫升和AI智能建筑策略的智能视觉,建筑设计和可视化,进度监控和安全,和数据存储66年]。毫升工具使用和实现这些应用程序包括,但不限于,支持向量机(SVM),神经网络(NNs),回归模型,深卷积神经网络(CNN)深处,马尔可夫链和粒子群优化(PSO) (66年]。

使用人工智能和ML带来创新个性化设计,增强了通信和控制,减少人为因素的失败。

6.2。网络和物联网体系结构

物联网(物联网)是日常物理对象的网络嵌入与微型传感器和连接通过软件和其他支持技术。物联网网络收集环境数据并传输到其他通过互联网连接设备和系统。研究人员估计,到2025年,全球将有超过250亿的连接设备。通过各种标准协议、域和应用程序、神往的连接机器的方式超越机器对机器(M2M)通信。微控制器为例,经常用于传感器节点由于其成本低、易于连接到其他设备,编程方便,能源效率。Arduino电路板的树莓派,巨人,XBee模块,ATMEGA32系列都是例子。神往,通信标准,如蓝牙、无线个域网,wi - fi,射频识别用于实现短程通信网络,使神往。无线电频率(RF)、光学通信(激光)和红外无线传输媒体。最相关的通信电台frequency-based模式,因为它适用于大多数的WSN应用程序。网络沟通以下license-free频率:173,433,868,915兆赫和2.4 GHz。

6.3。模拟器

大多数网络应用程序是使用模拟来实现评估新的应用程序以更低的成本。模拟使研究人员尝试和隔离不同的网络因素很容易调整和调优参数不考虑成本。因此,传感器网络模拟器的发展是迅速扩张。然而,模拟并不是简单的实现。几个因素影响仿真结果,包括模拟器的适用性和工具的适用性实现仿真的解决方案。第二网络仿真器(NS2)、网络模拟器3 (NS3) TOSSIM (TinyOS模拟器),卡斯塔利亚泉OMNeT + +, J-SIM OPNET, Avrora都是模拟器的例子。

NS2是一个IEEE 802.11, IEEE 802.16,内部和IEEE 802.15.4离散事件仿真器提供服务。写在两个主要的编程语言,也就是说,c++和面向对象yool命令(OTcL),并支持网络路由和MAC协议只有一组有限的能源建模算法。它不支持建模节点大于100,在NS2复杂化的可伸缩性。创建网络模拟器3来解决这些问题。不是替代NS2而是一个全新的模拟器与可选的Python绑定用c++写的,和NS3提供增强能源设备和源支持。NS3有更先进的无线广播的实现,与IEEE 802.11,主轮网络渠道在大多数操作。卡斯塔利亚泉是一个开源模拟器用OMNeT + +编程语言编写的。模拟器验证分布式算法和协议通过模拟广播模型和无线频道在现实世界中。它使用真实节点来模拟无线电的行为特征。它包括参数传感器偏差、时钟漂移、节点能耗,内存消耗CPU能源消耗CPU时间,MAC和路由协议的实现。

TOSSIM不是模拟器但TinyOS模拟器。这是一个面向位离散事件仿真器。TOSSIM可以通过Cygwin运行在Linux或Windows。它可以用来模拟网络和广播模型和代码执行。的权力TOSSIM是另一个TinyOS变体TOSSIM模拟每个节点的能量消耗。在TinyOS运行NesC TOSSIM-enabled节点。TOSSIM设计仅限于mote-like节点的仿真。OMNeT + +也是一个基于c++的离散事件模拟器。它为程序员提供了一个图形用户界面和一个框架,用于传感器节点移动性。OMNeT + +包括通道控制、MAC地址和数量有限的路由协议。 It only supports a limited amount of information about the energy consumption of individual sensor nodes [28]。

6.4。操作系统

在网络,操作系统必须支持基本的电源管理,可移植性、调度、仿真支持,和执行模型。操作系统管理不同的传感器设备的有限的资源和功能取决于他们的应用程序域。操作系统,另一方面,非常健谈。因此,能源是主要的资源无法得到。一些操作系统使用包括TinyOS和Contiki,螳螂(68年],Pixie [69年],SOS [70年],LiteOS [71年]。Contiki和Pixie使用软件方法跟踪国家所有的系统组件。

TinyOS是事件驱动的,开源操作系统的无线传感器节点。不是一个操作系统本身而是一个框架为开发嵌入式系统与网络嵌入式系统紧密耦合的C编程语言(NesC)。一个典型的传感器网络应用程序大约15 kb,大约400字节代表应用程序和大约64 kb说明数据库查询系统(例如,PostgreSQL)。TinyOS主要包括TinyOS模拟器(TOSSIM)和visualiser (TinyViz)。

Pixie是数据密集型平台编程传感器网络。用于high-data-flow应用程序需要广泛的网络处理,如声学和地震监测、加速度和水质监测。小精灵的实现与TinyOS NesC是向后兼容的。Pixie,用户必须预测应用的能源需求和资源管理委托给操作系统。知道操作系统和管理系统的资源约束,包括能量、存储和带宽。它分为三个主要部分:数据流编程模型,资源票,和资源代理。数据流模型使操作系统能够产生可见的控制应用程序的资源有限。资源票是抽象概念用于管理和离散分配可用资源。最后,它包括资源代理,实现代码模块,Pixie资源管理政策。

多通道系统的原位无线传感器网络(螳螂)是一种多通道嵌入式系统的操作系统。它的主要目标是提供一个易于使用的系统,解决了资源受限的传感器网络应用程序开发的挑战。多线程、时间切片和先发制人的调度都是螳螂操作系统体系结构的特点,以及其核心是用标准c,它包括RC5加密算法的实现。螳螂的发展使得它能够跨平台、多模式的环境监测应用程序的原型。

7所示。未来的研究方向和结论

在本节中,我们提出新颖的研究方向从网络复合,将需要进一步的调查,并提供一个结论。

7.1。未来的研究方向

安装7.1.1。云计算基础上的复合

使用云计算的基础上对mtv大奖旨在提高传感器网络的能源效率、处理能力和节点通信。云计算的集成与网络教育津贴可能调查进一步利用云计算的优势来满足复杂应用程序的需求和复合的新架构。在发展虚拟传感器复合,利用传感器应用云计算功能虚拟化在云计算平台上应该调查。更多的研究在可重构物理、网络和MAC层协议栈应该进行改善复合的网络协议设计。研究者应该彻底调查小说在复合采用虚拟化方式来满足数据采集方法(基于事件、周期性和approximation-based)同时考虑特性的各种应用程序环境(动态或静态),以满足所需的服务需求。

7.1.2。人工智能和数据融合的一体化

近年来,人工智能迅速拥有先进的无线网络。基于ai技术(例如,机器学习,加强学习,深入学习)在无线传感器网络用于复合。当强大的计算功能介绍了用于复合网络,传感器节点产生更准确的数据使用利益相关者的有效决策。因此,现在是时候采取基于ai技术复合,这对研究开辟了新的途径获取更聪明的方法来提高数据计算进入未来。网络教育津贴是针对一代的巨大的大量的数据。利用轻量级数据融合方法关联复合传感器节点收集的数据是值得研究的。

7.1.3。动态进行网络协议设计

复合网络,必须使用正确的部署策略优化能源利用的整体网络。利用先进的网络协议,传感器节点将形成所需的通信路径和建立连接节点观察他们的环境和基站传输现象。健壮的网络范围的协议支持动态网络拓扑等应用动物跟踪、淡水监测、海洋和空气质量监测提出了新挑战的基础上复合研究社区。考虑进行网络协议设计轮为复合中心应该是基于数据的由于税赋体系结构中使用这些环境。

7.1.4。先进的数据可视化技术

复合的基本因素之一是测量、收集、和传输大量的数据从节点到中央存储库中进行处理,分析和报告。物联网在线可视化工具像ThingsBoard最近开发了网络中提供实时数据可视化监控环境条件(72年]。这些技术可以进一步增强执行的智能评估从传感器网络获得各种环境特征。为复合智能监控软件可以实时的可视化技术,以满足特定需求的复合的众多领域。

7.1.5。访问控制和认证的新方法

为复合易受黑客攻击网络,特别是物联网技术的崛起,用于监测各种环境条件。尽管最近的研究关注物联网安全,还有安全问题与物联网实现复合。因此,高效和安全的相互认证程序,考虑复合的特定的环境特点和体系结构为使用将提高动态资源管理和开发的现代网络教育津贴的性能。

7.2。结论

传感器网络体系结构适用于环境监测应用本文中讨论。传感器节点的体系结构可以用于各种各样的应用程序。传感器节点的各种组件导致的能量消耗在每个节点的操作环境。本文中给出的不同的策略必须仔细协调实现传感、数据通信和计算组件消耗大部分的传感器节点的能量为复合高效地实现了网络。结果,当为复合设计网络,传感器的数量,参数的类型,和传感器网络体系结构都应该被认为是保持无线传感器网络的服务质量和寿命。由于硬件设计,可寻址在复合传感器节点之间的通信是可能的。收集的数据从传感器节点部署在网络的复合可以转移到一个web服务器或云计算并显示在一个门户网站实时监控的涉众。门户网站通常包括仪表板显示传感器读数来自参数。复合受益于节能无线传感器节点结构,硬件重用、资源管理和实时性能。本文还讨论了网络的进步成为可能通过机器学习和物联网(物联网)。

数据可用性

没有数据可用。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这部分工作由BANGA-Africa,加纳大学的种子研究格兰特UG-BA / SRG-001/2022之下。