Survey on Wireless Sensor Networks

Liu Guo-Xing1,2

1.School of Mechanical Electronic & Information Engineering, CUMTB, China

2. School of Safety and Engineering, NCIST, China E-mail:L6596@163.com

Yu Zhen-Wei1

1.School of Mechanical Electronic & Information Engineering, CUMTB, China

zwyu@cumtb.edu.cn;

Abstract—Wireless sensor network, which is made by the convergence of sensor, micro-electro-mechanism system and

wireless networks technologies, is a novel technology about acquiring and processing information. It can be used in

various fields and it has been one of hot spots. In this paper, the architecture of wireless sensor network is briefly

introduced, then some researching hot spots, including routing, topology control, node locating, nodes’ real timing and

synchronism, data handling are explained. Finally, several future research directions are put forward.

Keywords- WSN; routing; topology; node locating; real timing and synchronism; data handling

无线传感器网络综述 刘国兴 1,2 ,余镇危 1

1.中国矿业大学（北京）机电学院，北京市，中国，100083

2.华北科技学院安全工程学院，北京东燕郊，中国，101601

L6596@163.com

【摘要】无线传感器网络是微机电系统、无线网络和传感器三项技术相结合的产物，是一种全新的信息获取和处理技术，广泛应用于各领域，是计算机网络的一个新的研究热点。介绍了无线传感器网络体系结构，详细阐述了包括路由机制、拓扑控制、节点定位、实时性和同步技术、数据信息处理方法等在内的一些研究热点，最后，提出了无线传感器网络未来需要解决的一些关键问题。

【关键词】无线传感器网络；路由；拓扑；节点定位；实时性和同步；信息处理

1 无线传感器网络简介

传感器网络集成了传感器、微机电系统和网络三大

技术，是一种全新的信息获取和处理技术[1]。无线传感

器网络（Wireless Sensor Network，WSN）由一组传感

器节点以 ad hoc 方式构成，综合了微电子技术、嵌入式

计算技术、无线网络及通信技术、分布式信息处理技术

等先进技术，能够协同地实时监测、感知和采集网络覆

盖区域中各种环境或监测对象的信息，对其信息进行处

理后以无线方式发送，并以自组多跳的方式传给观察

者。由于微电子、无线通信等技术的迅速发展，无线传

感器节点体积日益缩小、功能增强。由于适应性好、布

置方便快捷，WSN 日益受到广泛关注，已经成为各国

军事、经济和人民生活中不可或缺的一个组成部分。

和其他无线自组网络类似，WSN 具有分布式、自

组织、拓扑变化、多跳路由和安全性差的特点，同时，

它也有自身的一些特征，如规模大、节点密度高、以数

据为中心、节点能力受限等。

Figure 1 Wireless Sensor Network

图 1 无线传感器网络

2 WSN 体系结构

体系结构是一组用于构造和设计系统的概念、原

理、规则和指南，对于网络协议和各功能模块的设计起

着至关重要的指导性作用，并且在很大程度上决定了网

络的规划和整体的性能(图 2)。

Monitoring area

Nodes Head in cluster

Sink node

Internet

Cluster

978-1-4244-7255-0/11/$26.00 ©2011 IEEE

Figure 2 Architecture of Wireless sensor network

图2 无线传感器网络的体系结构

网络结构上，WSN 一般分为两种结构：平面结构

（图 3）和分级结构（图 4、5）。

2.1 平面结构

网络中所有节点完全对等，原则上不存在瓶颈，但

可扩展性差，每个节点需要知道到达其他所有节点的路

由，维护这些动态路由信息需要大量的控制信息。（图

3）

2.2 分级结构

网络中，整个网络被划分为簇(群或区域)。每个簇

由一个簇头和多个簇成员组成，这些簇头形成了更高一

级的网络。在高一级网络中，又可再分簇，直至 高级。

簇头负责簇间数据的转发，可以预先指定或通过选举产

生。分单频分级和多频分级两种，单频率分级网络（图

4）中，所有节点使用同一个频率通信，簇头之间的通

信需要有网关节点（同时属于两个簇）的支持。在多频

率分级网络中，不同级采用不同的通信频率。高级节点

同时处于多个级中，比低级节点覆盖更大的范围，用多

个频率实现不同级的通信。如图 5，频率 1 用于簇头与

簇成员的通信，而频率 2 用于簇头之间的通信。簇成员

的功能比较简单，不需要维护路由信息，减少了网络中

路由控制信息的数量，具有很好的可扩充性和抗毁性，

缺点是维护分级结构需要执行簇头选举算法，簇头节点

可能会成为网络的瓶颈。

Figure 3 Figure 4 Hierarchical Plane structure structure of single-frequency

图 3 平面结构 图 4 单频分级结构

Figure 5 Hierarchical structure of multi-frequency

图 5 多频分级结构

3 WSN 路由机制

3.1 数据链路层协议

数据链路层的研究主要集中在 MAC 协议方面，目

的是为资源（特别是能量）受限的大量传感器节点建

立实现数据传输并具有自组织能力的多跳通信链路，

实现公平有效的通信资源共享，处理数据包之间的碰

撞，研究重点是如何节省能量、解决多跳共享和大规

模自组织带来的问题。

（1）基于随机竞争的传感器网络 MAC 协议

多数分布式 MAC 协议采用载波侦听或冲突避免机

制并采用附加的信令控制消息来处理隐藏和暴露节点

问题。基于竞争随机访问的 MAC 协议是节点需要发送

数据时，通过竞争方式使用无线信道。IEEE802.11 MAC

协议采用带冲突避免的载波侦听多路访问(CSMA/CA)

是典型的基于竞争 MAC 协议。在此基础上，研究人员

提出了许多用于传感器网络的基于竞争的 MAC 协议，

如 S-MAC 协议、T-MAC 协议、ARC-MAC 协议、Sift-MAC

协议、Wise-MAC 协议等。

（2）基于调度算法的 MAC 协议

该类协议规定传感器节点在发送数据前，根据某

种调度算法划分信道，使得多个传感器节点可以无冲

突地同时发送数据，也解决了隐藏终端的问题。这类

协议中，主要的调度算法是时分复用 TDMA，将时间分

成多个时隙，几个时隙组成一个帧，在每一帧中，分

配给传感器节点至少一个时隙来发送数据。这类算法

通常寻找一个尽可能 近的用于发送数据的帧来达到

高的空间利用率和低的数据包等待时间。典型协议有：

DMAC 协议、SMACS 协议、DE-MAC 协议、EMACS 协议等。

基于调度的 MAC 协议都是分布式的，因此需要时

间同步机制，而不需要全局信息。这样，就可以在动

态变化的环境比如网络拓扑改变的情况下充分适应并

保持 佳性能。这类协议提供了信道的公平使用，与

合适的调度算法配合可以避免冲突的发生。但是许多

应用支撑平台

应用服务接口 网络管理接口

时间同步 定位

路 由

传输控制

MAC

声、光、电、磁

安全/ 移动/ 能量

网

络

管

理

应用层

传输层

网络层

数据链路层

物理层

网络通信协议 网络管理平台

拓扑控制

服

务

质

量

簇头 网关节点

簇头 网关节点

基于 TDMA 的协议必须使用较为精确的时间同步来调

度，增加了网络的负载。另外，有些 TDMA 协议仍然存

在一定的冲突，导致很难保证实时性和控制能耗。

（3）混合 MAC 协议

SMACS/EAR 协议是一种结合时分复用和频分复用

的基于固定信道分配的 MAC 协议，其主要思想是每一

对邻居节点分配一个特有频率进行数据传输，不同节

点对时间的频率互不干扰，从而避免同时传输的数据

之间产生碰撞。SMACS 协议主要是用于静止节点间链

路的建立，而 EAR 协议则用于建立少量运动节点与静

止节点之间的通信链路。SMACS/EAR 协议不要求所有

节点之间进行时间同步，只需要两个通信节点间保持

相对的帧同步，因而不能完全避免碰撞，因为多个节

点在协商过程中可能同时发出“邀请”消息或应答消

息。每个节点要支持多种通信频率，这对节点硬件提

出了很高的要求，同时，由于每个节点需要建立的通

信链路数无法事先预计，使得整个网络的利用率较低。

3.2 网络层路由机制

网络层路由协议分为五类：基于聚簇的路由协议、

基于地理位置的路由协议、能量感知路由协议、以数

据为中心的路由协议、基于 QoS 的路由协议。

（1）基于聚簇的路由协议。主要有 LEACH 协议、

PEGASIS 协议[2]、TEEN 协议[3]等。 LEACH 协议是一种基于簇的单跳路由协议，采用

动态更换簇头的方法均衡各节点的能源消耗，并用数

据聚合降低网络中数据的传输量[4]。该协议在一定条

件下能够节省能源，但不能支持部署较大规模的传感

器网络，有时簇动态生成的额外代价较大，簇头易成

为网络的瓶颈。

PEGASIS 协议是在 LEACH 基础上改进设计的。协

议采用链式结构进行连接，链中每个节点向邻节点发

送和接收数据，并且只有一个节点作为簇头向基站汇

聚节点传输数据。采集到的数据以点到点的方式传送

、融合，并 终被送到汇聚节点。协议减小了 LEACH

在簇重构过程中所产生的开销，并且通过数据融合降

低了收发过程的次数，从而降低了能量的消耗。它的

缺点是链中远距离的节点数据延迟大，且簇头会成为

瓶颈。

TEEN 协议，采用与 LEACH 相同的多簇结构和运

行方式。不同之处是簇头除了通过 TDMA 方法实现数

据的调度，还向簇内成员广播有关数据的硬阈值和软

阈值两个参数，这样能够大大地减少数据传送的次数

，从而达到比 LEACH 算法更节能的目的，适用于实时

应用系统，可以对突发事件做出快速反应。但如果被

监测数据及变化长时间没有超过阈值，就会出现整个

传感器网络收集不到任何数据的现象，甚至无法判断

传感器网络是否正常工作，因而不适用于需要持续采

集数据的应用环境。

APTEEN 协议是 TEEN 的改良，它是一种结合响应

型和主动型的混合型网络路由协议，它在 TEEN 的基础

上定义了一个计数时间，当节点从上一次发送数据开

始经历这个计数时间还没有发送数据, 那么不管当前

的数据是否满足软、硬阈值的要求都会发送数据。

APTEEN 可以通过改变计数时间来控制能量消耗。

（2）基于地理位置的路由协议[5]。这类协议假定

每个节点都知道自己的地理位置以及目标节点的地理

位置。主要有基于地理位置的距离贪心路由协议[6]、

GEAR 协议 [7]、基于地理位置的角度贪心路由协议[8]、

GEM 路由协议[17] 和地理路由方法 LCR[9]。 GEAR：该算法是在 Directed Diffusion 算法的

改进，考虑到传感器节点的位置信息而将 interest

报文添加地址信息字段，并据其将 interest 往特定

方向传输以替代原泛洪方式，从而显著节省能量消耗

。该算法引入了估计代价(estimated cost)和学习代

价(learning cost)。通过计算两者差值来选取更接

近 sink 节点的传感器节点作为下一跳。

MECN：该协议本身是为无线网络设计的，也可直

接应用于 WSN。在一些场合下，两个节点直接通信的

代价高于经若干中继节点转发的代价，故该算法引入

中继区域这一概念，把所有符合标准的中继节点作为

其组成部分。当两个节点需要进行数据交换的时候，

协议将根据 Belmann-Ford 短路径法选取能耗 小

的一条通路进行传输。该算法能够自配置，很好的解

决了节点失效问题；但是对于节点运动的情况而言，

该算法计算中继区域内的路径代价急剧上升。

（3）以数据为中心的路由协议。包括泛洪类协议、

SPIN 协议、DD 协议[10]，Rumor Routing 协议[11]、TTDD

协议[12]等。 泛洪类协议（包括 Flooding 和 Gossiping 协

议），其基本思想是通过向所有邻居或者部分邻居广

播数据， 终使数据传递到接收者。采用这种协议的

网络无需维护网络拓扑结构，对拓扑结构变化有一定

适应性，在带宽高，网络连接稳定的情况下，有较快

的数据传递速度。缺点是 Flooding 协议可能导致重

复发送数据，能耗大；Gossiping 协议容易产生数据

传递的延迟[13]。

SPIN 协议的基本思想是通过元数据交换提高有

效数据的传递效率，节省能源。该协议能够节省能源

，但无法保证数据一定能够正确传递到目的地，并且

存在元数据重复发送的问题。

DD 协议[10]是一种查询驱动的数据传递协议。汇聚

节点首先用数据属性描述数据，然后通过向邻居节点

发送任务兴趣消息，以表达用户感兴趣的监测数据如

温度等。在兴趣消息的传播过程中，协议逐个地在每

个传感器节点上建立反向的从数据源到汇聚节点的传

输路径。它能够有针对性地在某个方向上建立路由，

对网络节点失效有一定适应性，且无需维护网络全局

拓扑结构。该协议不适合需要数据连续传送的应用场

景，在路由建立时需要洪泛传播，能量和时间开销较

大。

Rumor Routing 协议，是对 DD 协议的一种改进，

减轻了 DD 协议中因查询广播而带来的问题，其思想

是将查询与事件机制折衷，首先建立到每个事件的路

径，当有查询要求时，先找到事件路径，然后按照该

路径查询。事件数目的多少会影响协议效率。

（4）能量感知路由协议[5]。包括能量感知路由协

议、GEAR 协议[7]等。

（5）基于 QoS 的路由协议。HREEMR 协议[14]利用

多条路径来实现协议可靠性。该协议利用局部信息建

立多通信路径。在传输数据时，同一个数据包沿多条

路径同时传输到目的节点。B．Deb 等给出了根据用户

指定的可靠性要求计算冗余路径条数的方法[15]以及

通过重复传输数据包来保证传输可靠性的方法[16]。

SPEED 协议：是一种可靠的路由协议，在一定程

度上实现了端到端的传输速率保证、网络拥塞控制以

及负载平衡机制。协议首先在相邻节点之间交换传输

延迟，以得到网络负载情况；然后节点利用局部地理

信息和传输速率信息选择下一跳的节点；同时通过邻

居反馈机制保证网络传输畅通，并且通过反向压力路

由变更机制避开延迟太大的链路和路由空洞。包括延

迟估计机制、SNGF 算法（用来选择满足传输速率要求

的下一跳节点）、邻居反馈策略（NFL）、反向压力路

由变更机制（用来避免拥塞和路由空洞）。

有序分配路由 SAR 协议，是第一个具有 QoS 意识

的路由协议。该协议通过构建以汇聚节点的单跳邻居

节点为根节点的多播树实现传感器节点到汇聚节点的

多跳路径。它的特点是路由决策不仅要考虑到每条路

径的能源，还要涉及到端到端的延迟需求和待发送数

据包的优先级。仿真结果显示，与只考虑路径能量消

耗的 小能量度量协议相比，SAR 的能量消耗较少，

但它不适用于大型的和拓扑频繁变化的网络。

3.3 传输层路由机制

传感器网络的传输层协议十分必要，用来解决如

何降低传输层技术的能耗、保证可靠性、容错和可扩

展性以及在复杂度较低的情况下完成节点的传输任

务。特别是与 Internet 或其他网络相连接时，传输层

协议尤其重要。传感器网络的能量受限性、基于属性

的传感器节点命名机制、以数据为中心等特征，使得

其传输层协议需要特殊的技术。目前传感器网络传输

层方面的研究还不多，主要有 PSFQ 协议、ESRT 协议。

目前的主要问题是时延较大、数据传输安全性不足。

4 WSN 网络的拓扑控制

无线传感器网络拓扑控制研究的主要问题是：在

满足网络覆盖度和连通度的前提下，通过功率控制或

层次拓扑控制， 小化网络的能量消耗。

4.1 功率控制

功率控制是使网络节点的能量消耗 小化。当传

感器节点部署在二维或三维空间时，功率控制问题是

一个 NP难问题[1][13]。目前已经提出了统一功率分配算

法 COMPOW[19]、基于结点度数的算法 LINT／LILT[20]和

LMN／LMA[21]、基于邻近图的近似算法 CBTC、LMST、

DLMST、RNG、DRNG 和 DLSS 等。

4.2 层次拓扑控制

层次拓扑控制是根据一定机制选择某些节点作为

骨干节点，打开其通信模块，关闭非骨干节点的通信

模块，构建一个满足覆盖度的连通网络，既保证原有

覆盖范围内的数据通信，也节省了结点能量。目前已

经提出了成簇算法 TopDisc、虚拟地理网格分簇算法

GAF 以及自组织成簇算法 LEACH 和 HEED。

4.3 密度控制

减少冗余广播是降低节点能耗的主要途径，其关

键是既能够使广播信息覆盖网内所有节点，又使参与

广播的节点数目 少，这是一个 小集合覆盖

（Minimum Set Cover，MSC）问题，被证明是 NP问题[23]，目前多采用启发式算法求解次优解。主要是通过

构造连通支配集（Connected Dominating Set，CDS）[24]来求次优解。

常用的算法分为两类：基于删除冗余节点（Delete

Redundant Nodes，DRN）的构造算法和基于 大独立

集（Maximum Independent Set，MIS）的构造算法。

基于 DRN 的算法计算复杂度相对较低，但所得连通支

配集没有明确上界。近年提出的算法包括 WUJIE 算法、

STOJMENOVIC 算法、FEIDAI 算法、ZKY 算法、基于概

率覆盖模型的无线传感器网络密度控制算法[25]。

5 WSN 网络的节点定位

传感器节点定位技术要求硬件配置低，距离或角

度测量技术高效；定位算法简单、通信量低；导标节

点少；网络结构动态变化时能迅速定位。

5.1 基于测量距离的定位方法和非基于测量距离

的定位方法

基于距离的定位方法首先使用测距技术测量相邻

节点间的实际距离或方位，然后使用三角计算、三边

计算、多边计算、模式识别、极大似然估计等方法进

行定位。

基于测量距离的定位方法：室内定位系统

Cricket[26]、AHLos 算法[27]、基于 AOA 的 APS 算法 [18]

、RADAR 算法[22]。

非基于测量距离的定位方法：质心算法 [28]、

DV-HOP 算法[29]、AmorPhous 算法[30][31]。

5.2 基于导标节点的定位算法和非基于导标节点

的定位算法

基于导标节点的定位算法，定位结束后各节点可

获得全局坐标，主要有质心算法、DV-Hop、AHLos、LCB

和 APIT[32]。

非基于导标节点的定位算法，各节点只能产生相

对坐标：ABC 算法[33]和 AFL 算法[34]。

5.3 细粒度（Fined-Grained）定位算法和粗粒度

（Coarse-Grained）定位算法

细粒度定位算法根据信号强度、时间、方向和信

号模式匹配等来完成定位，包括 Cricket、AHLos、

RADAR、LCB 等；

粗粒度定位算法根据节点的接近度等来完成定

位，包括质心算法、凸规划算法等。

5.4 物理定位算法和符号定位算法

多数定位算法都提供物理定位算法，符号定位算

法有 Active Badge[35]、Easy Living[36]等。

5.5 递增式定位算法和并发式定位算法[37]

递增式定位算法：从 3-4 个节点开始，根据未知

节点与已定位节点的距离或角度等信息采用简单的三

角法或局部 优策略逐步对未知节点进行未知估计，

缺点是积累误差较大。

并发式定位算法：节点以并行方式同时开始计算

位置，能更好地避免误差积累。

6 WSN 网络实时性和同步研究

6.1 研究现状

时间同步是 WSN 的关键。目前的成果有无线网络

时钟同步机制RBS[39]、全网络时间同步机制TPSN[40] 和

DMTS[42] 、轻量级时间同步算法 Mini－ sync 和

TinysynG[41]、LTS 同步机制[37]、洪泛时间同步机制[43]。

6.2 WSN 网络实时性保障机制

对于军事、医疗等对实时性要求很高的领域，及

时地检测、处理和传递信息是其不可缺少的要求。基

于竞争的协议不能确切保证不同节点的数据包的优先

级。因此，有必要建立统计上的端到端的时延保证。

MAC 层应和其它层合作提供实时保证。

6.3 WSN 网络同步机制

时间同步消息从发送节点到接受节点之间的关键

路径上的传输延迟可分为四个部分：发送时间、访问

时间、传播时间、接收时间，其中发送延迟和接受延

迟变化较小，目前的算法主要是采用一定的方法来估

计和尽可能地消除这些传输延迟来提高时间同步的精

度。如 RBS、TPSN、Mini－sync 和 TinysynG[41]、DMTS、

LTS、GCS 和基于连通支配集的全局时钟同步算法等。

7 WSN 网络的 QoS 保障

WSN 的服务质量（QoS）因为受到传感器节点能力

和能量的限制，过去研究较少，随着传感器能力的提

高，服务质量保证日益受到重视。目前 QoS 方面的研

究成果主要有：

Lu Jun 等人提出了 WSN QoS 的基本框架[44]，结合

WSN 结构分层定义了各层的 QoS 需求，并根据该框架

分析相邻层 QoS 之间的 trade off 问题。

Emad Felemban 等研究了在时限性 WSN 中路由协

议的 QoS 问题[45]，提出了多路径多速度路由协议，通

过设置多包发送速度，提供多级别的实时保证；通过

选择多路径，提供各种各样的可靠性保证。

另外还有传感器网络信息服务平台 ANSWER[46]、把

网络连通可靠性和感知覆盖度结合起来作为 WSN 的

QoS 度量[47]以及评估这种面向覆盖的 QoS 可靠性的方

法。

8 WSN 网络信息处理

信息处理技术主要包括数据的压缩、融合、存储、

查询、分析、挖掘、理解以及基于感知数据决策、行

为理论和技术。

8.1 WSN 网络信息的数据融合

数据融合是指将多份数据或信息进行处理，组合

出更高效、更符合用户需求的数据的过程，结合网络

的各个协议层来进行数据融合是处理该类问题的有效

手段。

在应用层，通过分布式数据库技术，对采集的数

据进行初步筛选，达到融合效果；在网络层，结合路

由协议，减少数据的传输量；在数据链路层，可以结

合 MAC，减少 MAC 层的发送冲突和头部开销，节省能

量，同时还不失信息的完整性。

（1）应用层和网络层的数据融合

WSN 通常以数据为中心，由于节点通信代价高于

节点本地计算代价，应当尽量减少通信的数据量以减

小能耗。

从网络层来看，数据融合通常和路由的方式有关，

例如以地址为中心的路由方式（ 短路径转发路由），

如图 6a所示，路由并不需要考虑数据的融合。然而，

以数据为中心的路由方式，源节点并不是各自寻找

短路径路由数据，而是需要在中间节点进行数据融合，

然后再继续转发数据。网络层的数据融合的关键就是

数据融合树的构造。在无线传感器网络中，基站或汇

聚节点收集数据时是通过反向组播树的形式从分散的

传感器节点将数据逐步汇聚起来的。如图 6b、图 7 所

示，无线传感器网络通过融合树报告监测到的事件。

Figure 6 Difference between address centric routing and data-centric routing

图 6 以地址为中心的路由与以数据为中心的路由的区别

Figure 7 Using test data fusion tree to report the

incident

图 7 利用数据融合树来报告检测事件

关于数据融合树的构造，可以转化为 小

Steiner 树来求解，它是个 NP Complete 问题。

（2）独立的数据融合协议层

Tian He 等提出了独立于应用的数据融合机制

（AIDA）[48]，其核心思想是根据下一跳地址进行多个

数据单元的合并融合，通过减少数据封装头部的开销，

以及减少 MAC 层的发送冲突来达到节省能量的效果。

AIDA 避免了依赖于应用的数据融合（ADDA）的弊端，

另外还可以增强数据融合对网络负载的适应性。

8.2 WSN 网络信息的数据压缩

在需要保留中间观测数据的传感器网络应用中，

不适合进行数据融合，必须在发送节点和汇聚节点分

别进行数据压缩和解压缩，以减少传输的数据量。主

要有基于排序编码的数据压缩算法[49]、分布式数据压

缩算法[50] [51] [52]、基于数据相关性的数据压缩算法[53]、

管道数据压缩算法[54]等。

8.3 WSN 网络信息处理的主要问题

1. 缩短延迟。寻找数据融合的路由、融合操作、

等待融合数据的到来都会增加延迟。

2. 合理的延迟分配。将一个应用的 大延迟时间

合理地分配到各个数据融合节点上。

3. 合理的数据分发机制。需要在减少数据融合的

数量传输量、 优路径和防止数据丢失进行重传之间

进行折中。

4. 鲁棒性。数据融合过早过多，会造成数据损失

加大，从而可能降低网络的鲁棒性。

5. 基于 QoS 的低数据传输量。数据量的减少往往

带来 QoS 难以保证。

9 WSN 网络数据的安全问题

主要包括密钥管理、身份认证和数据加密方法、

对抗攻击、安全路由协议。为了防范攻击，可以采用

分布式密匙管理和认证，采用群组关键节点认证以及

入侵检测等技术。Srdjan Capkun 等人提出了安全定

基站／汇聚节点

事件

Ａ

Ｂ

Ｃ

Ｄ Ｅ

Ｆ

感应节点

源节点１

源节点２

Ａ Ｂ

Ｃ Ｄ Ｅ

Ａ Ｂ１

１１

２ ２ ２ ２

源节点２

１

２1+2 1+2

1+2

１１

（a）以地址为中心的路由 （b）以数据为中心的路由

基站／ 汇聚节点

１

位方法，使用隐藏和移动基站的方法来保障定位安全[38]。

10 WSN 的主要问题

WSN 理论和技术的研究发展得非常迅速，但需解

决的问题还有很多。具体包括：

1、网络体系结构：目前 WSN 的体系结构采用了类

似于 Internet 网络中的 TCP/IP 分层协议体系，没有

充分考虑 WSN 处理多种业务并支持一定的服务质量的

需求。

2、可扩展性问题：传感器节点数目多，通常不具

备全球唯一的地址标识，这对传感器网络的可扩展性

提出了要求。

3、动态的网络拓扑结构：WSN 的网络拓扑有一定

动态变化，但又有一定的稳定性。

4、路由协议：是 WSN 的重要组成部分，目前主要

沿用Ad Hoc网络的路由协议。但由于WSN节点的规模、

移动性、数据量的大小和处理与Ad Hoc网络区别较大，

而且在实时性方面不同的 WSN 系统有不同的要求，因

此需要对路由协议进行优化改进。

5、节能问题：WSN 系统的焦点之一。可以通过功

率控制、节能的信道访问协议、节能路由协议等实现。

已经提出的基于节能的路由有 大有效功率(PA)路由

算法、 小能耗路由算法、基于 小跳数路由、基于

大 小有效功率节点路由等。

6、节点的定位和同步问题。传感器节点往往需要

工作在指定地点，必须结合相应的位置信息，所得的

测量信息才有意义，因此必须研究节点的定位问题。

7、数据处理。WSN 以数据为中心，传感器规模的

巨大带来了海量的数据。以数据为中心的特点要求传

感器网络脱离传统网络的寻址过程，快速组织各个节

点的信息 并融合提取出有用信息直接传送给用户。为

减轻网络负载，需要研究数据融合和数据压缩等算法。

8、安全性和可靠性问题：WSN 安全性较差，易遭

受窃听和攻击。

9、QoS 保证：保证数据的传输和处理、控制指令

的及时部署，有时还要考虑实时性问题。

10、网络互联技术：WSN 要与其他网络互联，将

监测的数据及时传输到相关的网络特别是 Internet，

然后传输给 终的用户数据库。

另外还有无线传感器网络操作系统的问题。目前，

大部分无线传感器网络系统直接架构在网络层通讯协

议之上，没有独立的操作系统层，这给系统的使用、

维护带来了很大的开销。

References (参考文献) [1] Ren Fengyuan,Huang Haining,Lin Chuang.Wireless Sensor

Networks. Journal of Software, Vol.14, N.7, 2003, P1282-1291. 任丰原,黄海宁,林闯.无线传感器网络.软件学报, Vol.14, N.7, 2003, P1282-1291.

[2] S Lindsey，C S Raghavendra．PEGASIS：Power Efficient Gathering in Sensor Information System. Aerospace Conference Proceeding,2002.IEEE,Volume:3, 9-16 March 2002,P1125-1130.

[3] Manjeshwar,D P Agrawal. TEEN: a routing Protocol for enhanced efficiency in wireless sensor networks. Parallel and Distributed Processing Symposium，Proceedings 15th Internahonal,23-27 April 2001.

[4] Guo C,Zhong L，Rabaey J M．Low-Power distributed MAC for ad hoc sensor radio networks,in Pro. Internet Performance Symp(Globecom’01), San Antonio, TX,2001, P2944－2948．

[5] Sun Limin,Li Jianzhong,Chen Yu,Zhu Hongsong. Wireless Sensor Networks. Tsinghua University Press, Beijing, 2005. 孙利民,李建中,陈渝,朱红松.无线传感器网络.北京:清华大

学出版社, 2005. [6] P BOSE,P MORIN. Online routing in triangulations. //Proc 10th

International Symposium on Algorithms and Computation(ISC’99),113－122．Springer-Verlag，LNCS 1741,1999. Http://www.intelresearch.net/publications/Berkeley/081120031327 137.pdf

[7] Yu Y,Govindan R,Estr1n D. Geographical and energy aware routing: A recursive data dissemination protocol for wireless sensor networks.UCLA Computer Science Department Technical Report. UCLA/CSD-TR-01-0023, May 2001.

[8] Kranakis,H Singh,J Urrutia. Compass routing on geometric networks. In Proc.11th Canadian Conference on Computational Geometry,51－54，Vancouver, August 1999．

[9] Young-Jin Kim,Ramesh Govindan,Brad Karp,Scott Shenker. Lazy cross-link removal for geographic routing, In Proc Sensys,2006.

[10] C Intanagonwiwat,R Govindan,D Estrin. Directed Diffusion: A Scalable and Robust Communication Paradigm for Sensor Networks. Proceedings of the Sixth Annual International Conference on Mobile Computing and Networks(MobiCOM 2000),Boston, Massachusetts, August 2000，P56-67.

[11] D Braginsky,D Estrin. Rumor Routing Algorithm for Sensor Networks. The First Workshop on Sensor Networks and Applications（WSNA’02）,October 2002,Atlanta,GA.

[12] F Ye,H Luo,J Cheng,S Lu,L Zhang.A Two-Tier Data Dissemination Model for Large-scale Wireless Sensor Networks.MOBICOM’02.Atlanta,Georgia, USA.September 23-28,2002.

[13] Sameer Tilak,Nael B.Abu-Ghazaleh and Wendi Heinzelman. A Taxonomy of wireless Micro-Sensor Network Models. Mobile Computing and Communications Review,2002, 1(2)，P1-8.

[14] Ganesan,R Govindan,S Shenker,D Estrin. Highly Resilient Energy Efficient Multipath Routing in wireless Sensor Networks.//Mobile Computing and Communications Review(MC2R).Vol 1.,No.2.2002.

[15] B Deb,S Bhatnagar,B Nath. ReInForM:Reliable Information Forwarding Using Multiple Paths In Sensor Networks. The 28th Annual IEEE Conference on Local Computer Networks(LCN),October 2003.

[16] B Deb,S Bhatnagar,B Nath. Information Assurance in Sensor Networks.WSNA’03,San Diego, California, USA. September 19,2003.

[17] Newsome,D Song. GEM: Graph Embedding for Routing and Data-Centric Storage in Sensor Networks Without Geographic Information. The First ACM Conference on Embedded Networked Sensor Systems(Sensys03),Los Angeles,CA, USA.November,2003，P76-88.

[18] Dragos¸Niculescu,Badri Nath.Ad Hoc Positioning System (APS) Using AOA. IEEE INFOCOM 2003.

[19] Lan F Akyildiz,Weilian Su,Yogesh Sankarasubramaniam, Erdal Cayirci. A Survey on Sensor Networks. IEEE Communications Magazine, 2002:40(8)，P91-114.

[20] LI Jian-Zhong, LI Jin-Bao,SHI Sheng-Fei. Concepts,Issues and Advance of Sensor Networks and Data Management of Sensor Networks. Journal of Software,2003 Vol.14, No.10, P1717-1727. 李建中,李金宝,石胜飞.传感器网络与感知数据管理的概念、

问题与研究进展.软件学报.2003，14(10)，P1717-1728. [21] If Akyildiz,W Su,Y Sankarasubramaniam,E Cayirci. Wireless

sensor networks:survey,Computer Networks 38（2002）, P393-422.

[22] P BAHL,et al.RADAR:An In-Building RF-based User Location and Tracking System Proc.IEEE INFOCOM, March 2000.

[23] Wang Shu，Liu Kezhong，HuFuping，et al. A Distributed Sensor Network Location Scheme Motivated by Graph Rigidity Theory[J]. The Mediterranean Journal of Measurement and Control, 2005,1(4)，P185-190.

[24] De Oliveira, H.A.B.F. Nakamura, E.F.Loureiro, A.A.F. Directed position estimation: a recursive localization approach for wireless sensor networks. Boukerche, A.In. Proceedings of the 14th International Conference on Computer Communications and Networks, Oct. 2005，P557-562.

[25] Liu Li-Feng,Zou Shi-Hong,Zhang Lei,Cheng Shi-Duan.A Density Control Algorithm Based on Probability Coverage Model in Wireless Sensor Networks. Journal of Beijing University of Posts and Telecommunications, Vol. 28 No.4,2005, P14-17. 柳立峰 邹仕洪 张雷 程时端. 基于概率覆盖模型的无线传

感器网络密度控制算法[J]. 北京邮电大学学报, 2005

28(4)，P14-17. [26] Priyantha N,Chakraborthy A,Balakrishnan H. The Cricket

Location-Support System[C]. In Proceeding of International Conference on Mobile Computing and Networking,Aug. 2000，P32-43.

[27] Savvides A C,Han M,Srivastava B. Dynamic Fine-grained Localization in Ad-Hoc Networks of Sensors[C]. In Proceeding of the 7th Annual ACM/IEEE International Conference on Mobile Computing and Networking(MobiCom 2001),July 2001，P166-179.

[28] Bulusun,Heidemann J,Estrin D.GPS-less low-cost outdoor localization for very small devices.IEEE Personal Communications,2000,7（5），P28-34.

[29] Niculescu D,Nath B. Ad-hoc Positioning system. Proceedings of the Seventh Annual International Conference on Mobile Computing and Networks(MobiCOM’01).Rome, Italy,2001.

[30] R Nagpal.Organizing a Global Coordinate System from Local Information on an Amorphous Computer, A I Memo 1666,MIT A.I.Laboratory，August 1999.

[31] R Nagpal.H Shrobe,J Bachrach. Organizing a Global Coordinate System from Local Information on an Ad Hoc Sensor Network,2nd International Workshop on Information Processing in Sensor Networks(IPSN 03),April 2003.

[32] Tian He, Chengdu Huang, Brian M. Blum, John A. Stankovic, Tarek Abdelzaher. Range-Free Localization Schemes for Large Scale Sensor Networks[C].In Proceeding of the 9th Annual International Conference on Mobile Computing and Networking(MobiCom 2003),San Diego, CA,September 2003，P81-95.

[33] Chris Savarese, Jan M. Rabaey,et al. Locationing In Distributed Ad-Hoc Wireless Sensor Networks. In Proceeding of ICASSP，May 2001，P2037-2040.

[34] Nissanka B. Priyantha, Hari Balakrishnan, Erik Demaine, and Seth Teller. Anchor-Free Distributed Localization in Sensor Networks[R].Tech Report #892, MIT Laboratory for Computer Science April 15, 2003,P1-13.

[35] Roy Want, Andy Hopper, Veronica Falcão and Jonathan Gibbons.The Active Badge Location System[J]. ACM Transactions on Information Systems,1992，P91-102.

[36] Easy Living [OL]Http://research.microsoft.com/easyliving.

[37] Nissanka B. Priyantha, Hari Balakrishnan, Erik Demaine, and Seth Teller. Anchor-Free Distributed Localization in Sensor Networks[R] .Tech Report #892, MIT Laboratory for Computer Science April 15, 2003，P1-13.

[38] Xie Zhi-Jun, Wang Lei, Lin Ya-Ping, Chen Hong, Liu Yong-He.An Algorithm of Data Aggregation Based on Data Compression for Sensor Networks. Vol.17, No.4, April 2006, Journal of Software,P860−867. 谢志军,王雷,林亚平,等.传感器网络中基于数据压缩的汇聚

算法.软件学报,2006,(4)，P860-867. [39] Elson J,Girod L,Estrin D.Fine-grained network time

synchronization using reference broadcasts //Proceedings of the Fifth Symposium on Operating Systems Design and Implementation(OS－DI)(Boston,MA,December 2002),P147-163.

[40] Elson J,R Mer K. Wireless sensor networks: A new regime for time synchronization. In Proceedings of the First Workshop on Hot Topics In Networks(HotNets-I),Princeton, New Jersey, October 2002.

[41] Sichitui M L,Veerarittiphan C. Simple accurate time synchronization for wireless sensor networks. Proc IEEE Wireless Communication and Networking Conference(WCNC’2003),New Orleans,LA.March 2003.

[42] Ping S. Delay Measurement Time Synchronization For Wireless Sensor Networks. Intel Research Berkeley lab, June 2003.

[43] Maroti M,Kusy B,Simon G,Ledeczi A. Flooding time synchronization in wireless sensor networks.ACM SenSys’04,November 3-5,2004, Baltinore，Maryland.

[44] Jun Lu,Yi Pan,Jidong Wang,et al. A Cross-layer Analysis Model for Wireless Sensor Network QoS.

[45] Emad Felemban,Chang-Gun Lee,Eylem Ekici,et al. Probabilistic QoS guarantee in reliability and timeliness domains in wireless sensor networks.//Proc IEEE Infocom,2005.

[46] Mohamed Younis,Waleed Youssef,Younis,Stephan Olariu. Safety and QoS-Aware Management of Heterogeneous Sensor Networks.//Proceedings of the 8th International Symposium on Parallel Architectures, Algorithms and Networks,2005.

[47] Liudong Xing,Akhilesh Shrestha. QoS reliability of hierarchical clustered wireless sensor networks,25th IEEE International Performance，Computing, and Communications Conference,2006.

[48] Tian He, Brian M. Blum, John A. Stankovic And Tarek Abdelzaher. AIDA: Adaptive Application Independent Data Aggregation in Wireless Sensor Networks. ACM Transactions on Embedded Computing Systems, Vol. 3, No. 2, May 2004, P426–457.

[49] Magli, E.Mancin, M.Merello,L. Low-complexity video compression for wireless sensor networks[C]. In Proceeding of 2003 International Conference on Multimedia and Expo, 2003，PⅢ-585-588.

[50] Sj Baek, G De Veciana, X Su. Minimizing energy consumption in large-scale sensor networks through distributed data compression and hierarchical aggregation. IEEE Journal on Selected Areas in Communications, 2004,22(6)，P1130-1140.

[51] S. S. Pradhan, J. Kusuma, and K. Ramchandran, Distributed compression in a dense microsensor network[J] , IEEE Signal Processing Magazine, March 2002,19(2)，P51-60.

[52] Ciancio,A.Ortega,A. A Distributed Wavelet Compression Algorithm For Wireless Multihop Sensor Networks Using Lifting[C]. In Proceeding of the IEEE International Conference on Acoustics, Speech, and Signal Processing,2005,4，P18-23.

[53] Chou, J. Petrovic, D. Ramchandran, K. Tracking and Exploiting Correlations in Dense Sensor Networks [C] . In Proceeding of ACM the 36th Asilomar Conference on Signals, Systems and Computers, 2002,1，P39-43.

[54] Arici, T.Gedik, B.Altunbasak, Y.Liu, L. PINCO: a pipelined in-network compression scheme for data collection in wireless sensor networks[C]. In Proceeding of IEEE ICCCN 2003 The 12th International Conference on Computer Communications and Networks, October 2003，P539-544.