大规模无线传感器网络中的精确定位技术研究15000字

1大规模无线传感器网络中的精确定位技术研究目录 1 31.1无线传感器网络概述 3 31.2波的干涉理论在本文中的应用 41.3无线传感器网络节点定位机制 4 82.1基于波的干涉的节点角度测量算法 82.1.1基于波的干涉的节点定位算法 8基于波的干涉的节点角度测量算法 8公式推导 2.1.2仿真及结果 算法误差 仿真模型 实验参数 仿真结果 2.2节点定位 2.2.1定位算法 2.2.2仿真实验 202.3基于波的干涉的节点角度测量算法的改进 2.3.1基于波的干涉的传感器角度测量算法缺陷 272.3.2算法改进 2.3.3仿真实验 28仿真模型和参数 仿真结果和分析 2.4基于角度测量和TDOA的三维定位算法 2.4.1三维空间中传感器节点间的角度测量方法 三维空间中传感器节点间角度的定义 三维空间中传感器节点间的角度测量 2.4.2传感器节点间的距离测量方法 32.4.3无线传感器网络三维定位算法原理 32.4.4仿真实验 35仿真场景和参数 仿真结果及性能分析 第三章结论 2本概念以及基本方法。接下来，以对基于距离测量的定位算法的透彻研究为基础，本文提出了一种新的定位算法，这种定位算法以角度测量为基本思路。因为在干涉场中不同位置的合成波的幅度的变化频率是不同的，基于波的干涉的原理与特点，本文提出了将角度测量转化为频率测量的角度测量算法。本文所述节点定位方法就是基于角度测量，再加以辅助手段构成。本文也做了相应的仿真实验与分析，用于验证该节点定位算法的可行性并且分析误差。但是该角度测量算法有角度范围限制，导致了在节点定位中相应位置处的节点定位出现较大的偏差。因此本文针对此问题，对原角度测量算法进行了改进，具体方法为，通过硬件补偿来扩展测量角度范围，也即增加一对完全相同的超声发生器，两对的连线相互垂直，距离相同。两对发生器测得的角度互为补角，当其中一对的测量结果超过测量范围时，可以通过另外一对的测量结果取补角的方法得到精确地测量结果。经过实验仿真结果，该想法解决了原有的问题。现实应用中的无线传感器网络节点往往分布在三维空间中，因此本文提出了三维定位算法。因为三维空间需要多考虑一个维度，之前的单纯根据角度测量的定位方法不能够满足我们的需要，本文借鉴了到达时间差(TDOA)算法的思想，添加了通过到达时间差来计算节点间距离的方法，通过角度和距离来最终确定节点位置。同样本文也对此算法进行了仿真验证，仿真结果与实际结果之间的误差很小，定位结果精确。并且此算法对于节点的数量要求较低，只需要三个节点的数据就能得到较为精确的结果。3第一章前言1.1无线传感器网络概述节点之间的通信方式为无线通信，同时具有计构成整个系统，可以根据周围环境自行检测对象、采集检测信息(曹嘉宇，刘俊辉，2022)。WSN综合多项技术，它的功能为实时监测、采集所在的信息，处理信息并且把处理好之后的信息传送回去。这在一定程度上描绘了传感器、感知对象和观察者构成了WSN的三个要素(蓝天佑，严文轩，2023)。目前普遍认同的无线传感器网络的特点如下(段思远，盛婉莹，2021):无线通信、多跳通信、无基础设施支持、自组织方式、大规模、无分区、低成本、小体积、节点固定、随意布设、节点同构，同时要求低功耗以延长工作时间5。1.1.1无线传感器网络体系结构分布是随机的，节点间自组织互动，从而构成整个系统。传感器首先感知检测信号，之后需要对采集到的数据进行简单处理，这一步需要在节点内部自行完成。最后将信息发送到汇聚节点，一般采取多跳形式(熊启南，汪丽娜，2021)。可以发现，本研究重视跨学科交叉，采纳了经济学、社会学等领域的理论工具和分析方法，力图从多方面解析研究问题，以拓展和丰富已有理论体系。通过深入剖析研究结果，本文提出了具有实践价值的政策建议或行动指南，希望能够促进行业发展、决策规划及未来研究方向的优化。对于汇聚节点通常有以下三个要求，一是可靠的通信能力，这在一定尺度上说明二是稳定的存储能力，三是高效的处理能力。它具有两种基本功能，第一，可以作为增强版的传感器节点，具有更多的能量、内存资源以及更强的计算能力(郜志伟，田晓梅，2022);第二，可以作为网关设备，接□为无线通信接口。无线传感网络通过汇聚节点实现与外部网络的通信连接，汇聚节点经过协议转换之后与传感器网络进行通信，同时发布管理节点发过来的任务(熊启南，汪丽娜，2021)。4图1-1无线传感器网络模型1.2波的干涉理论在本文中的应用转化为频率测量的一种算法(高翔宇，郑智航，2024)。由信标节点发出一对干涉波，在节点附近形成干涉场，发射信号的频率变化，这在一定程度上阐明了干涉场中的未知节点处的信号的强度的频率也会变化，与信标节点场不同角度的位置出的频率变化也是不同的。根据以上理论，可以通过判断未知节点处的合成波的频率来测出角度(崔明杰，骆景云，2018)。本研究不仅在理论层面有所贡献，在实践应用中也展现了重要价值。尽管目前的结果令人满意，本文仍需承认科学研究的不确定性和复杂性，继续关注可能出现的新状况和挑战，适时调整和优化1.3无线传感器网络节点定位机制传感器节点定位过程中，未知节点在获得对于邻近信标节点的距离或相对角度后，通常使用三边测量法、三角测量法或极大似然估计法计算自己的位置(肖浩淼，毕天佐，2024)。1.三边测量法为(xa,ya)、(x₆,yb)、(xc,yc),以及它们到未知节点D的距离分别为da,d₆,de,5图1-2三边测量法图示由式(1-1)可以得到节点D的坐标为：2.三角测量法标分别为(xa,ya)、(x₆,yb)、(xc,yc),这在一定程度上呈现节点D相对于节点A、紫云，2019)°对于节点A,C和角∠ADC,如果弧段AC在ABC内，那么能够惟一确定一个圆，设圆心为O₁(xo₁,yo₁),半径为r,那么α=∠AO₁C=(2π-2∠ADC),并存6图1-3三角测量法图示它们之间精细的相互关联及其对整体架构的作用，有助于构建一个更为全面和精这在一定层面上表露极大似然估计法(maximumlikelihoodestimation)如图1-4图1-4极大似然估计法图示那么,存在下列公式：7用第一个方程开始分别减去最后一个方程，得：使用标准的最小均方差估计方法可以得到节点D的坐标为(李宇志，魏梦洁，82.1基于波的干涉的节点角度测量算法2.1.1基于波的干涉的节点定位算法因应这种局势本节详细讲述了该节点定位算法的基本原理，测量方法及角度与频率关系的公式推导，接着对该算法进行了仿真并给出了结果(林俊义，付盈倩，2020)。此阶段收获强调了多学科整合的优势。现代科研问题愈发纷繁复杂，单独依赖某一学科的知识储备难以全面理解并有效解决。基于波的干涉的节点角度测量算法在信标节点，设置两个距离为2r的超声发射机，产生同频同相的正弦波，则这两列波会发生如图2-1所示的干涉现象(付凯茜，张羽航，周文博，2019)。图2-1波的干涉现象根据波的干涉理论，处于发射波范围内的未知节点处的合成波强度是固定的。9如图2-2,以这种条件为基准设有两个频率相同的波源S1和S2,振幅均为Ao,初相位均为φ0其振动表达式为：强度正比于振幅的平方，有下式其中△φ为相干波在P点处的相位差，表达式如下图2-2信标节点与未知节点位置示意图公式推导接下来对未知节点处信号强度的频率和未知节点与信标节点所呈角度的公f'=(f₁-f₀)/t₀(2-9)f(t)=f₀+f'·t第一条暗纹上第一条暗纹上f02F0条暗纹间的C由(2-7)、(2-13)式可知，Ω是P。而由上式可见，在这般的设定里只要测出合成波强度的变化周期T或频率F,由于其它参数都是已知的，就可以求出该点相对于信标节点的角度θ。在研究过程中，本文注重细节，对每个关键点都进行了细致的审查和验证，以确保研究结果的精确无误和可靠可信。未知节点处的相位差是由式决定的，由(2-11)、(2-12)式可知，当l>>r时，有△l=|l₂-l₁l≈2·r·sinθ,因为有近似，故存在一定的误差。实验结果如表2-1。表2-1算法误差仿真时，直接使用式(2-3)(2-4)(2-11)(2-12)计算出在待测点处的合成仿真模型在使用MATLAB仿真时，对待测点处的合成信号，如(2-5)所示，进行包李志豪，2021);然后对合成信号强度进行测频以得到F,如(2-6)(2-7)(2-13)所示，这一步采用FFT算法来实现；基于上述观察得出最后带入式(2-16)得到角度θ。+图2-4仿真模型仿真模型如图2-4,用MATLAB中的白噪声函数来模拟环境中的各种干扰实验参数实验中133,取r=0.17m,波速为v=340m/s,起始频率fo=20KHz,终止频率仿真结果表2-2不同信噪比情况下各角度测量误差5999999999009o990o00o099000000由表2-2可以看出，在不同的信噪比条件下，鉴于这一背景测量角度的误差没有变化。这是因为采取FFT算法来测量频率，加入白噪声只会使幅频特性曲线的底部变得不平整光滑，而不会影响频率的测量，除非白噪声的强度大到超过包络信号的强度，但这不在我们讨论的范围内(张天翼，孙梓萱，2022)。本文介绍的数据处理方法相较于以往的技术显得更为简便且效果更佳。采用了一种直接了当的预处理步骤，该步骤避免了冗余的操作，优化了数据清理和标准化过程，从而显著提升了信息处理效率。故而在以后的分析中都不再讨论信噪比的影响(栾针对当前背景通过观察表2-2我们同样可以发现当角度增大到一定程度，测量误差是比较大的，故而对较大和较小的角度进行进一步测量，如表2-3和表2-4所示，可以看到，虽然较小的角度中有不少差值较大，这一事实显而易见但是与较大的角度相比较，显得不值一提。本文从成本效益的角度而言，新方案有助于减少执行和维护成本，避免了资源的浪费，提高了经济效益。因此对于较大的角我们需要其他的测量方法来修正，本文采取硬件补偿的方法来解决这一问题，具θθ233344θθθ4.177°8.177°9.177°θ这些反映出一些特征在表2-3和表2-4中，随着θ的变化，合成信号强度频率F应当随之变化，但是实际上并没有，这是因为采取了离散信号FFT的原因，应考虑外部因素对结果的影响，确保研究过程的稳定性与重复性，从而为结论的通用性提类环境内离散的取值跳过了最大的那一点，而只取到了离散取值的最大值也即最靠误差会变得不可容忍。可以通过减小D来减小误差，从这些信息中可以看出但是并确无误，也依赖于分析结构的合理性、技术手段的前沿性以及研究方法的正确性。背景下我们兼顾了这种情况测量结果会出现复数的情况。通过分析我发现，这是因为在测量较大的角度时，F相应较大，有时会使的值超过1。由于实际传感器的体积不能太大，所以r不能随便取值，根据实际应用的需要，10~20cm的取键议题的深入探究，本文揭示了现象背后的深层次机理，这些洞见有助于优化资源分配、提升决策效能，并推动行业的可持续进步。2.2节点定位这一节用来讨论如何在角度测量的基础上实现节点定位34]。第一章列举出2.2.1定位算法如图2-5所示，设信标节点O的两个发射机S1与S2的中垂线为基准轴，该图2-5信标节点与未知节点位置示意图获知未知节点D的坐标为D(x,y)。由上一节所述的节点角度测量算法测出的D相对于由A点和θa角可以确定两条直线，同理，由B点和θb角也可以确定两条直线，这两条直线共有四个交点。综上所述在没有误差的情况下，其中一个交点即未知节点D。而C点和角θc确定的两条直线必有一条经过点D,由此可以确定出节点D。经过A点的两条直线为经过B点的两条直线为y-yb=-cotθb·(x-xb)经过C点的两条直线为y-yc=-cotθc·(x-xc)这两条直线中必有一条经过O₁、O₂、O₃、O₄中的某一点，则将这四个点分别带入以上两式可得到该点，即O₁、O2、O₃、O4四点中有一点为D点。图2-7误差情况下的定位示意图就这个层面来讲在以上的模型中没有考虑到实际操作中存在的误差和噪声问题，接下来建立一个存在误差的分析模型，在存在误差的条件下，联立求得的四个点，O1、O₂、O₃、O4,很大概率互不相同，在当前形势下且没有一个是位置点D,在这种情况下，本文将采取以下方法近似估计位置节点的位置，首先要将条连线的夹角哪一对最小，由此确定出应当分别选取哪三条过ABC的直线，由此行见真章这三条直线相交形成了一个三角形，本文把这个三角形的形心作为未框架和研究方法，旨在实现研究视角的多元化和研究深度的最大化。建立以下仿真场景，100m*80m的场地，单位为分米。有3个信标节点分别位于A(200,700),B(500,50),C(800,700)。由此可窥见一斑其轴线方向一致，与Y轴平行。场地内有N个节点，坐标如表4-1所示，将信标节点和待测节点的位置绘制出来，如图2-8(许梓潼，赵晓璇，2022)。这种拓展为本文开启了全新的研究视角，提供了独特的思考方向，对推动该领域理论的持续进步有着不可忽视的作用。利用上一节中提出的的角度测量法测量得到随机取得的未知节点(如表2-5所示)的角度并使用之前提出的交点定位方法分别进行定位，测量位置、实际位由表2-5中的数据可见，位于ABC三点内部的各点D10、D11、D12、D13入地搜集数据资料。这无疑证实了而位于AB、AC、BC连线及其延长线上以及附近的点D2-D7、D18的误差较大，有的点如D2,D3,测量绝对误差较大，基本不能使用。从图2-9和图2-10中可以更加清晰地看出这一点(梁雨泽，赵晨曦，2022)。图2-9测量效果好的各点的测量位置与实际位置图2-10测量效果差的各点的测量位置与实际位置图2-11测量效果不同的各点的实际位置表2-5SNR=15时实际位置与测量位置的误差实际位置(分米)测量位置(分米)绝对误差(分米)下面简单分析一下信标节点连线上的点的测量误差大的原因。这在一定程度上描绘了如图2-12所示，黑色三角是信标节点，红色圆点是待测节点，绿色方块是过AB的四条线lA1、lA2、lB1、lB₂的交点(张丽娜，王雪莹，2022)。我们可以看到，当待测节点在信标节点连线及其延长线上或附近时，我们在之前提出的定位算法中所需的四个交点因为lA₂和lB1、lA1和lB₂的几乎平行而只存在两个，并且与待测节点的实际位置相去甚远(高俊宇，王雨萱，2022)。本文在数据解读部分使用了多样的统计学方法来检验数据的准确度，并找出可能存在的离群值。在此分析的基础上我们不难发现，之前提出的节点定位算法一一我称之为四交点测量法一—已经不能满足我们的需求。为了解决在信标节点连线及其延长线上或附近的待测节点的定位问题，我提出了一种新的定位方法，用于四交点测量明在每次输入并进行三角测量法计算之前先判断cotθa、cotθb、cotθc是否与以上任一斜率相同或者相近到一定地步(设置阈值),例如cotθa、cotθb,此时认虽然本文对这一部分的研究结论尚未进行完全的挖掘，但是从已经露出的研究成果来看，具有一定的指导价值，本阶段研究成果初步的研究结果为理解该领域提供了新的视角和见解，有助于识别关键变量及其相互作用机制，这为进一步深入研究奠定了坚实的基础。如图2-13所示，只测试关于一个信标节点的角度，例如θ₀,是不行的。有可能存在像图示D₂一样的点，因为θ₂足够大，这在一定程度上阐明了并不符合在信标节点连线及其延长线上或附近的前提(刘俊豪，周子悦，2021)。所以在设置判断是否要抛弃四交点测量法的条件上，需要关于两个节点的角度都设限才可，例如图示D₁和D₃。这些发现揭示了一些潜在的趋势和模式，可以为理论框架的发展提供实证证据，并鼓励更多的学术交流与辩论。本研究的发现与葛飞合教授的工作相一致，不论是在设计流程还是最终的分析方面。如图2-12所示，在待测点对于C点的角度符合要求时，可以得到很好的一个交点，这在一定程度上呈现但是也同时可以看到另外一个过C点的直线有另CO₃、CO4的夹角哪一条最小，取最小的夹角的这条过C的直线就是我们要找的。取一点(700,-383.3)处在AB连线的延长线上，来进行测试，再加上一点干扰(698,-385)。这在一定层面上表露测试结果如图2-14所示，误差很小，图2-15测量角度较大时节点定位算法测量效果图2.1节中提出的角度测量方法在角度过大时测量误差较大的缺陷，在节点定位时限制了精确测量的位置范围，因应这种局势如图2-15所示，未知节点准确位置为(214,669),θc≈87°。这不仅有助于更深入地理解当前现象，也为处因此不可避免地会涉及一些假设和近似处理。可以看到c₁和lc₂的角度有很大的2.3基于波的干涉的节点角度测量算法的改进2.1节中提出的角度测量算法与AOA算法有显著的区别，2.1节提出的角度量要多得多，而AOA正好需要相反的硬件设计方式，因此该角度测量方法相对缺陷进行探讨和改进。具体地说，经过分析，我们认为2.1节中存在的角度范围限制可以通过硬件补偿的方式得到解决(熊启南，汪丽娜，2021)。在这一形势差较大时，可以采取另外一对的测量结果(郜志伟，田晓梅，2022)。依据当前2.3.1基于波的干涉的传感器角度测量算法缺陷在上一节的分析中，如表2-3和表2-4可以看到，本文提出的角度测量方法在测量角度较大(78°~89°)的节点时有很大的误差，其他的角度测量误差在可接受范围之内(高翔宇，郑智航，2024)。通过此可见这一点在第四章的节点2.3.2算法改进在信标节点中放置两对完全相同的超声波发生器(S1,S2和S3,S4),连线相互垂直，距离都为2r,产生同频同相的超声正弦波，如图2-16,每一对发图2-164发射机信标节点与未知节点位置示意图从中可推断因此只要角度测量的上限θ₀大于45°,θ₁和θ₂就至少有一个可以计算，然后取余角即可得另一个角度的值(崔明杰，骆景云，2018)。根据2.1节的分析，上限为77°,满足大于45°的条件。接下来针对以上提出的理论，在MATLAB中编写代码进行仿真。仿真模型和参数实际测试的实验模型应当如图2-17,两个同频、同相、波程不同的超声波在P点叠加，使用白噪声函数来模拟环境中的误差和噪声，分别加入到超声波信号yo(t)和y₁(t)中，经过整流滤波后，从这些实践可以了解计算周期T,然后由公白噪声+整流包络检波频率判定计算θ值图2-17实际实验模型在MATLAB仿真中，由3.3.4节的仿真分析可知，在这般的背景下基于滤波和频率判定使用的手段(崔明杰，骆景云，2018),不同的信噪比对于最终角度的判定没有影响，所以MATLAB仿真省略了这一部分，实验模型应当如图2-18。由此可窥见一斑图2-18MATLAB仿真实验模型实验参数取r=0.10m,v=340m/s,l=20r,起始频率fo=20KHz,终止频率仿真结果和分析分别使用2.1节中提出的角度测量算法和上节提出的改进算法对19~99九个小角度进行测量，表2-6记录的就是实验结果(肖浩淼，毕天佐，2024)。由此行见真章在此类背景下表中，θ₁为测量的小角度；θ₁为原算法对小角度θ₁所计算出的测量结果；θ₂=90°-θ₁为测量的小角度对应的余角，也就是原算法中测量误差不能容忍的大角度；θ₂为原角度测量算法直接对θ₂测量所得到的结果；这无疑地传达出替换测量角度θ₂’=90°-θ₁为本章提出的改进算法对大角度的测量从中可以看出，改进算法中对于原算法中测量误差不能容忍的大角度的测量误差有了大幅度的改善，解决了原算法中存在的缺陷。表2-6用小角度测量结果替换大角度测量ooo0ooo0oooooooo◎o0oo00o000θ2’0o0ooo00o0o00000002.4基于角度测量和TDOA的三维定位算法2.2节中提出的定位算法是在平面二维空间内进行定位于三维定位的需求。就这个层面来讲从这些措施中看出本节将要提出一种适用WSN的三维定位算法，这种算法结合了2.3节提出的改进过的角度测量算法和基于TDOA的时间差距离测量，经过推导和仿真实验，通过分析结果，可以说量算法测量角度，然后利用TDOA算法的思路，通过发射不同频率也就是不同速率的信号从而可以根据到达时间差来计算得到未知节点2.4.1三维空间中传感器节点间的角度测量方法三维空间中传感器节点间角度的定义在三维空间中建立一个全局的三维坐标系，待测未知节点P到信标节点A的角度，我们定义为直线PA与平面XOY的夹角。如图2-19,经过点P做PPA⊥平面XOY,鉴于前项之分析与经过点A且平行于面XOY的平面交于点PA,连接PAA,∠PAAP即是节点P到节点A的角(李宇志，魏梦洁，2024)。综上所述图2-19三维空间中节点间角度示意图三维空间中传感器节点间的角度测量2.3节中的角度测量算法是在二维平面的情况下进行讨论分析的，要想将它基于上述观察得出如图2-20,在信标节点上安装两个间距为2r的超声波发过点P做PPA⊥平面XOY,连接OPA。依据该理论框架进行深入研究可获知∵S₁S₂⊥平面XOY,而OPA∈平面XOY∴OPA是发射机S1与S2的中垂线图2-20信标节点与未知节点位置示意图这样定义的角度就存在于二维平面S₁S₂PPA上，此时符合2.3节中的角度测同二维平面上一样，v为空气中声波的传播速度，2只要测出合成波强度的变化周期T或频率F,针对当前背景由于其它参数都是已知的，就可以求出传感器节点间的角度(赵天宇，黄子淳，2021)。基于本文的2.4.2传感器节点间的距离测量方法在三维空间定位中应用TDOA算法中关于距离测算的思想，原理如图2-21达的时间T₁、T₂,这一事实显而易见已知无线射频信号和超声波的传播速度发射节点接收节点图2-21TDOA定位原理示意图2.4.3无线传感器网络三维定位算法原理如图2-22所示，已知三个信标节点A、B、C的坐标分别为(xa,Ya,Za),(xb,Yb,Zb),(xc,yc,Zc),这些反映出一些特征待测节点P相对于节点A、B、C的角度分别为□,□,□,可以根据上节基于波的干涉的传感器角度测量算法测得，P到节点A、B、C的距离PA、PB、PC可以根据上节基于到达图2-22三维空间中信标节点与待测节点示意图z的6个解，此时需要取其中合理的3个解的平均值作为z值。由于在实验设计中，所有未知节点都位于第一象限，所以z值必须为正，答案为负值即无效。公式近。因此取z的六个值中最接近的3个，再做其平均值作为z值(郭佳伟，刘颖将公式(2-24)、(2-26)、(2-28)代入公式(2-23)、(2-25)、(2-27)可以得到新的方程组(2-29),如下所示：于是我们就得到了未知节点P(x,y,z以在布设信标节点时要设置多个，因此未知时，可以选择采用最近的三个信标节点，舍弃其他的，2.4.4仿真实验为了验证提出的算法的性能，本文在Matlab中进行了仿真实验。仿真场景和参数在Matlab中使用上述算法仿真下面的场景：在空间坐标系第一象限的500m×500m×50m的三维空间中随机均匀分布20108m/s,c2=340m/s,超声波发射机信号起始频率f₀=20KHz,终止频率f₁=160KHz,时间间隔to=1s。仿真结果及性能分析仿真结果如图2-23和表2-7所示。观察图2-23可知测得节点位置基本与原节点位置吻合。表2-7记录的是各随机节点的真实坐标、测得坐标，随机节点与信标节点A、B、C的真实角度、测得角度，综上所述随机节点测得坐标与真实坐标的误差。分析可知测得节点坐标与真实坐标基本一致，平均误差0.319米，在500m×500m×50m的三维空间中这样的误差很小，就这个层面来讲一般的应用中完全可以接图2-23三维空间定位仿真结果表2-7仿真实验中各节点的坐标、角度与坐标误差待测节点真实坐标(米)(米)待测节点与信标节点间的实际角度(°)节点间的角度(°)坐标误差(米)本文起先提出了一种基于波的干涉的传感器节点三维空间的精确定位算法也做了相应的思考与探讨，最终提出一种适用于WSN的三维定位算法，由此行见真章这种算法结合了2.3节提出的改进过的角度测量算法和基于TDOA的时间差距离测量，首先利用2.3节优化过的角度测量算法测通过发射不同频率也就是不同速率的信号从而可以根据到达时间差来计算得到2005.5.pp4-23.pp135-152.[2]曹嘉宇，刘俊辉.无线传感器网络[J].软