无线传感器技术正在成为一个有前途的概念，这对每个虚拟市场都有重大影响。随着需要更快计算处理的数据密集型应用的数量增加，对实时监控系统的需求呈指数增长。尽管传感器节点的需求随着应用的规模而扩大，但终端设备却已通过对智能传感器的高效建模不断改进数据处理。
在无线传感器技术中，物联网所生成的传感器数据通过无线方式被传输到网络服务器，工程师据此就可以实现参数跟踪。远程无线通信提高了成本效率并减少了工业4.0中的人力。实时监控系统旨在显示传感器节点周围的快速变化，这就需要具有低延迟的快速数据传输。如果数据到达云端有延迟，那么这就违背了通过传感器技术进行实时监控系统的想法。
无线传感器网络(WSN)是实时系统中最重要的技术之一。它由许多独立运行的传感器节点所组成，可以收集、存储和处理环境条件，而不依赖于预先存在的基础设施。它具有低成本、小尺寸、低功耗、不同的传感功能和动态组网特性。有了这些参数，无线传感器网络就可以适用于很少维护的地方，在此就可以用它们来收集信息，然后将这些信息返回给主机进行管理和分析。
在这类模型中，该架构涉及传感器节点、连接到GSM/GPRS的MCU和远程数据库(图1)。MCU会将传入的非结构化传感器数据存储在外部存储驱动器中。传感器数据会通过GSM/GPRS模块上传到远程监控数据库，从而为用户提供实时数据。同时，数据会被记录到microSD模块中。数据可以通过网络服务器在任何地方访问，同时，数据则存储在云中。
图1：传感器网络技术架构。
虽然架构在优化性能方面起着至关重要的作用，但网络和设计流程也有助于提高目标系统的效率。在将数据从一个点传输到另一个点时，系统会随着延迟的减少而变得更加高效。减少内部硬件延迟，可能是这样一种技术。因此，设计具有并行处理而不是串行架构的系统，可以减少计算负载并提高整体性能。
对于稠密部署的WSN，发送数据的典型方式是通过静态汇聚节点(Sink)进行多跳或点对点传输。Sink附近的节点往往会消耗更多的能量，因为它们负责从整个网络接收和转发数据。这会导致网络断开并导致“热点问题”。另一方面，为了减少数据收集的端到端延迟，Sink应该靠近事件源。但是，由于事件发生在网络区域内的不同区域，使用静态Sink就无法实现。
以最佳频率运行系统也可以提高处理速度。然而，这将以高功耗为代价，进而也可能引发元器件发热和老化等问题。要达到最佳方法，就涉及到从网络的角度设计和实现整个系统。因此，高效的网络可以克服由硬件设计和架构所引起的延迟。
一项研究表明，具有多Sink的低延迟数据收集方法，可以平衡功耗并减少无线传感器网络中的数据传输延迟(图2)。在这种技术中，网络被分成许多虚拟区域，每个区域都有三个或更少的传感器，每个区域的主要单元是通过评估其剩余能量和与所有其他节点的距离来选择的。
图2：网络中的数据收集单元。(图片来源：mdpi)
主要区域单元与移动Sink进行交互，后者能显著减少能源使用并减少端到端延迟。通过在每个数据收集区域(DGA)中选择最优的领导节点，可以构建节能的数据上传通路，并可以调整Sink轨迹，从而提高数据收集时间效率。此外，借助睡眠调度和传感半径调整程序，可以成功减少网络覆盖的冗余以及传感和通信的能耗。
每个DGA中的最佳领导节点是通过领导节点选择策略完成的，该策略涉及到DGA中已经存在的一个或多个领导节点。这些节点会从同一DGA中的其他节点接收数据，并将数据上传到移动Sink。在网络生命周期中，移动Sink只需要与这些领导节点进行通信。因此，就可以优化数据收集的效率。
但是，数据收集中的冗余减少，考虑到了网络中节点的密度。如果网络中节点的密度太低，则不会从该区域中选择领导节点。相反，节点的高密度也会导致数据收集的高冗余问题。因此，此处采用了主动节点选择策略和感知半径调整方法。对于WSN，数据传输的节能通路成为减少延迟的重要方面。
为了实现传感器网络中的能量平衡，此处使用了一种基于多Sink的数据收集方法。通过在每个DGA中选择最优的领导节点，可以建立节能的数据上传通路。此外，借助睡眠调度和感知半径调整策略，还可以有效降低网络覆盖冗余以及感知和通信能耗。
技术文章“A Type of Low-Latency Data Gathering Method with Multi-Sink for Sensor Networks”中更详细地介绍了这种方法。
（原文刊登于EDN姊妹网站EEWeb，参考链接：The Role of Sensor Technology for Building Real-Time Monitoring Systems，由Franklin Zhao编译。）
本文为《电子技术设计》2022年5月刊杂志文章，版权所有，禁止转载。免费杂志订阅申请点击这里。
最前沿的电子设计资讯
