工业无线网络通信技术-课件 第5-8章 无线传感器网络（WSN） - 人工智能物联网（AIoT）

工业无线网络通信技术新型工业化战略下智能制造工程系列教材05第5章无线传感器网络（WSN）知识目标

1.理解无线传感器网络(WSN)的基本概念、发展历程与应用背景。

2.掌握WSN的典型架构、节点组成(传感、处理、通信、电源)及其功能分工。

3.熟悉WSN的网络拓扑结构、常见通信协议及其传输优化机制。

4.理解WSN中低功耗设计、能量采集与自供电技术的基本原理与关键类型。

5.掌握WSN在数据采集、融合、去冗余与路径优化方面的技术策略与常用算法。能力目标

1.能够分析WSN的系统组成与节点间协作机制，绘制典型WSN结构图并说明功能模块。

2.能够根据应用场景选择合适的网络拓扑结构与传输策略，优化WSN的通信效率与覆盖能力。

3.能够设计节能型WSN架构，评估不同能量收集技术(如太阳能、热能、振动能等)的适配性。

4.能够运用数据融合与去冗余算法优化WSN的数据处理流程，提升网络能效与可靠性。

5.能够结合动态环境特征，制定传输路径优化与能量管理策略，实现WSN在复杂应用中的稳定运行。素质目标

1.树立“感知即智能”的工程理念，理解WSN作为物理世界与数字世界桥梁的关键地位。

2.培养面向资源受限系统的工程优化意识，增强设计低功耗、高容错系统的工程实践能力。

3.弘扬创新精神与系统集成思维，增强对融合AI、边缘计算、IoT等新兴技术的关注与探索主动性。

4.增强可持续发展意识，理解绿色通信技术在智能制造、环境保护与智慧城市建设中的核心价值。无线传感器网络(WirelessSensorNetwork，WSN)可以形象地比喻为一群密切协作的“侦察兵”。这些“侦察兵”由大量分布在各处的传感器节点组成，通过无线网络通信方式互相“交流”，共同完成信息的监测和收集任务。各个传感器节点相互协作，将环境中的数据实时传送到中央控制系统，以便进一步分析和决策。无线传感器网络的发展可以追溯到20世纪90年代末，当时主要由军事需求推动，用于战场监控和设备管理。随着无线网络通信技术、低功耗设计及半导体技术的快速进步，WSN逐渐从实验室走向实际应用，其规模不断扩大，成本显著降低，逐渐成为环境监测、工业管理等领域的理想技术选择。引言5.1.1无线传感器网络(WSN)是一个分布式网络系统，通过传感器节点、汇聚节点和控制中心三者的协作，实现对外界环境的监测、数据传输和集中管理。要理解无线传感器网络的工作原理，关键在于“传感”和“通信”两个核心要素。图5-1展示了无线传感器网络(WSN)端到端结构。

WSN的基本组成结构5.1.2图5-1无线传感器网络(WSN)端到端结构

传感器节点传感器节点是WSN的基础组成单元，分布在监测区域内,负责采集环境信息、处理数据，并通过无线方式将数据传递给其他节点或汇聚节点。图5-2展示了传感器节点的内部结构。图5-2传感器节点的内部结构每个传感器节点通常由以下四个模块组成:

(1)传感单元:就像节点的“眼睛”和“耳朵”，由传感器和信号转换器组成，负责感知环境中的温度、湿度、光照等物理参数，并将这些模拟信号转换为便于处理的数字信号。

(2)处理单元:类似“大脑”，负责初步处理数据并控制节点工作。由微控制器或嵌入式处理器组成，作为节点的“大脑”管理数据处理、能耗平衡和通信操作。

(3)通信单元:充当“嘴巴”，实现数据传输。通过无线网络通信模块(如RF模块、蓝牙、ZigBee等)与其他节点或汇聚节点交互数据。通信单元设计通常在传输距离、带宽和功耗之间取得平衡。

(4)电源单元:相当于“心脏”，提供节点运行所需要的能量，通常使用电池，有时也会利用太阳能等能量收集设备来延长节点续航。

汇聚节点(SinkNode)汇聚节点，又称为“数据中转站”或“网关节点”，在无线传感器网络中，有时也被称为基站，是WSN的数据聚合和传输枢纽。它收集来自多个传感器节点的数据，进行聚合和过滤后，将有价值的信息发送到控制中心。汇聚节点通常具备较强的计算和通信能力，通过Wi-Fi、以太网或4G/5G等方式连接控制中心或云端网络。此外，汇聚节点还承担部分网络管理功能，如配置传感器节点、管理路由和调整工作模式。汇聚节点的设计需要在处理能力、数据存储和能耗管理方面保持平衡。

控制中心(ControlCenter)

控制中心是WSN的核心管理平台，通常部署在远程服务器或云端，负责集中处理和分析从汇聚节点接收的数据，并将指令反馈至网络中。控制中心的主要功能包括:

(1)数据存储与分析:控制中心不仅负责存储汇聚节点上传的海量数据，还运用大数据分析和机器学习等技术提取有用信息。例如，通过分析气象监测数据，能够快速识别气候异常并作出预警。

(2)网络管理与维护:远程管理WSN中的设备，执行故障检测、网络优化、节点更新等操作，以确保网络的稳定性和效率。

(3)决策支持与指令发送:基于分析结果，控制中心可以作出智能决策，如启动预警、调整环境参数等，并将指令传达至相应节点。

节点间的通信与网络结构

WSN中的节点通过自组织网络实现通信，常见的网络拓扑结构包括:

(1)星形拓扑:所有传感器节点都直接与汇聚节点通信，结构简单，适用于小规模网络。

(2)树形拓扑:节点按层级结构连接，利于分层管理，适合需要集中汇聚的应用场景。

(3)网状拓扑:节点之间相互连接，形成多层传递，提高了网络的覆盖范围和可靠性，适合复杂、动态的大规模环境。

自组织与自修复能力

WSN具备高度的自组织能力，使其在无须人工干预的情况下完成组网、路由选择、数据传输和网络维护任务。这种特性确保WSN在拓扑变化频繁的环境中依然能够有效运行，表现出良好的容错性和稳定性。

(1)动态组网与拓扑管理:传感器节点在部署或重启时，会自动发现并连接周围节点，形成网络拓扑。当节点故障或新节点加入时，网络会动态调整拓扑，以保障通信的连续性。

WSN的主要技术特点5.1.3

(2)分布式路由与多跳传输:WSN中采用分布式路由方式，数据通过多跳方式在节点之间传递。自组织路由协议(如AODV、DSR等)会根据节点连接状态、距离和能耗等因素动态选择最优路径，提升网络的容错性和整体使用寿命。

(3)自愈能力与容错机制:当某节点离线时，周围节点会自动调整通信路径，确保数据传输不中断。这种机制适合高风险环境，如军事监控和灾害预警。

(4)自适应工作模式:节点会根据网络负载和能量状态自动切换工作模式，从活跃状态进入低功耗的休眠或待机模式。自适应模式优化了能量使用，延长了网络使用寿命。

(5)实际应用中的优势:自组织能力赋予WSN快速部署、高扩展性和强鲁棒性。它可应用于灾害应急和偏远地区的临时监控等场景，减少人工配置负担。

低功耗设计与长寿命需求

WSN的低功耗设计是其关键技术特点之一。由于传感器节点通常部署在难以频繁更换电池的环境中，延长节点的使用寿命成为WSN设计的首要考虑因素。低功耗设计贯穿于WSN的硬件、软件和通信协议中，确保节点在资源有限的条件下能够长期稳定工作。

(1)硬件低功耗设计:节点采用低功耗微控制器，具有低频工作、深度睡眠等特性，减少能耗。传感器选用高能效器件，电源管理模块能动态控制组件状态，避免不必要的能耗。

(2)通信协议的节能策略:WSN中的无线网络通信模块是主要能量消耗来源，因此通信协议中包含节能策略，如时隙调度、数据聚合和多跳路由。LEACH协议等通过在簇头节点进行数据聚合，减少数据量，降低传输能耗。

(3)能量感知路由协议:WSN广泛使用能量感知路由协议，根据节点剩余电量动态调整数据路径，避免因节点耗尽能量导致的网络失效。均衡能耗的路由策略(如PEGASIS协议)通过分配通信任务延长了网络使用寿命。

(4)自适应工作模式:节点根据网络状态自动调整运行模式，通常处于休眠状态，仅在需要时唤醒，可极大节省能量。此外，事件驱动模式可使节点只在检测到特定事件时被激活，进一步降低能耗。

(5)能量收集与利用技术:部分WSN节点配备太阳能等能量收集设备，延长运行时间，降低对电池的依赖。

高扩展性与容错性

WSN的高扩展性和容错性使其能够适应多样化的应用场景和动态环境，满足从小规模监测到大规模部署的需求，并在节点故障或环境变化时保持稳定。

(1)网络规模的灵活扩展:WSN支持动态增加或移除节点，新节点自动识别周围节点并建立连接，适合需要灵活调整规模的场景。

(2)分层架构的灵活部署:分层或分簇架构能够有效管理网络结构，适应不同规模的扩展需求。LEACH等协议的分簇设计简化了数据传输，提升了大规模网络的扩展效率。

(3)多样化的拓扑结构:WSN可以采用星形、树形、网状等不同拓扑结构，适应多种应用场景，提高网络覆盖范围和稳定性。

(4)节点故障自愈及负载均衡:WSN的自组织与容错机制允许节点在故障后自动修复路径并调整负载，避免节点因超负荷而快速耗能，延长了网络整体使用寿命。

(5)设备与技术的兼容性:WSN可以集成多种传感器和通信技术，实现多维数据采集，支持跨平台应用，为物联网和智慧城市的融合提供了技术基础。

数据传输的冗余与可靠性

WSN的数据传输机制注重冗余与可靠性，以确保网络在复杂环境中稳定运行，保障数据的完整性。

(1)数据冗余:WSN通常采用数据冗余策略，确保即使部分节点故障，数据仍能通过其他节点获得。

(2)数据聚合与压缩:WSN采用数据聚合技术减少冗余数据量，降低网络的传输负担。例如，汇聚节点对数据进行压缩传输，减少了传输能耗。

(3)多跳传输与路由冗余:WSN的多跳传输和多路径选择，防止因单条路径故障导致数据丢失，提高了数据传输的可靠性。

(4)数据校验与错误检测:节点间数据传输包含校验和错误检测功能，确保数据的准确性和完整性。网络架构5.2.1

1.单跳网络架构(Single-HopNetworkArchitecture)在单跳网络架构中，每个传感器节点直接与基站通信。这种架构实现简单，适用于较小范围的网络。然而，由于节点与基站之间的直接通信距离较远，其通信能耗显著高于节点间的数据处理与转发所需要的能耗。这种高能耗特性限制了单跳架构在大规模网络中的适用性。图5-3展示了单跳无线传感器网络。图5-3单跳无线传感器网络

2.多跳网络架构(Multi-HopNetworkArchitecture)为了解决单跳网络架构的高能耗问题，WSN通常采用多跳网络架构。在多跳网络架构中，数据从传感器节点传输到基站时，会通过一个或多个中间节点进行转发。多跳通信方式能够显著减少每个节点的通信距离，从而降低能耗，提升网络的整体性能。图5-4展示了多跳无线传感器网络。图5-4多跳无线传感器网络多跳网络架构通常可以分为以下两种类型:

(1)扁平网络架构(FlatNetworkArchitecture)在扁平网络架构中，所有传感器节点功能平等，没有层次或等级划分。基站向所有节点发送指令，满足查询条件的节点通过其邻居节点构建多跳路径并响应基站的请求。这种架构设计简单，但在大规模网络中可能面临数据拥塞和效率低下的问题。图5-5展示了扁平多跳无线传感器网络。图5-5扁平多跳无线传感器网络

(2)分层网络架构(HierarchicalNetworkArchitecture)分层网络架构采用基于簇(Cluster)的设计，将传感器节点分组并指定簇头节点(ClusterHead,CH)。普通节点将数据传输到簇头，簇头负责将数据中继至基站。分层架构可以显著降低普通节点的能耗，同时利用簇头节点的更高性能优化网络通信效率。该架构特别适用于能耗敏感的应用场景和大规模网络。图5-6展示了层次架构的多跳无线传感器网络。图5-6层次架构的多跳无线传感器网络无线传感器网络的分类5.2.2无线传感器网络具有高度的应用特定性，其部署方式通常依据具体应用需求进行定制。因此，不同应用场景下的WSN在功能和设计上可能差异显著。然而，从总体上看，WSN可以根据其特性划分为以下几类。图5-7展示了各种无线传感器网络(WSN)的类型，接下来的小节将对这些类型逐一进行详细介绍。图5-7无线传感器网络的类型

静态型与移动型WSN

1.静态型网络(StaticWSN)在静态型网络中，所有传感器节点的位置固定不变。这种网络适用于大多数监测类应用，例如环境监测、建筑物结构健康监测等。由于节点位置固定，便于部署和管理。

2.移动型网络(MobileWSN)

在某些特定应用场景(如生物系统监测)中，传感器节点需要随目标对象移动，构成移动型网络。例如，用于跟踪野生动物行为的传感器网络就是移动型WSN的典型应用。移动型网络对节点定位、网络管理和能耗优化提出了更高要求。

确定性与非确定性WSN

1.确定性WSN(DeterministicWSN)

确定性网络中，传感器节点的位置是通过预先设计和计算确定的。这种网络通常适用于部署环境已知、条件可控的场景，例如工业自动化系统。其优势在于能够实现高效的通信规划和能量管理。

2.非确定性WSN(NondeterministicWSN)

在大多数实际应用中，由于操作环境复杂或部署区域条件恶劣(如灾害救援或战场监测)，无法事先规划节点的具体位置。此类网络被称为非确定性网络，通常需要更复杂的控制系统和协议以支持网络的动态自适应。

单基站与多基站WSN

1.单基站WSN(SingleBaseStationWSN)

单基站网络仅包含一个基站，通常部署在传感器节点区域的附近。所有节点通过单跳或多跳方式将数据汇聚到该基站。该架构适用于网络规模较小或基站位置固定的场景。

2.多基站WSN(MultiBaseStationWSN)

多基站网络包含多个基站，传感器节点根据距离选择与最近的基站通信。这种架构可以有效减少通信开销，分担基站负载，适用于大规模或高密度传感器网络。

静态基站与动态基站WSN

1.静态基站(StaticBaseStation)

静态基站的位置固定，通常部署在感知区域附近，便于集中管理。这种方式适用于大多数场景，但当感知区域较大或节点密度不均匀时，可能导致通信负载分布不均。

2.动态基站(MobileBaseStation)

动态基站能够在感知区域内移动，从而动态调整节点的通信负载，延长网络寿命。这种设计尤其适用于区域广阔或节点能量有限的应用。

单跳与多跳WSN

1.单跳WSN(Single-hopWSN)

在单跳网络中，所有传感器节点直接与基站通信。这种架构简单且延迟较低，但由于节点需承担较高的能耗，适用范围有限。

2.多跳WSN(Multi-hopWSN)

在多跳网络中，数据通过中间节点或簇头节点中继传输至基站，从而显著降低单节点的通信能耗。多跳架构适用于大规模或能耗敏感型网络。

自组织与非自组织WSN

1.非自组织WSN(Non-Self-ConfigurableWSN)

在非自组织网络中，传感器节点无法独立组网和维护连接，需要依赖外部控制单元采集数据。这种网络通常用于部署环境固定、网络拓扑简单的应用。

2.自组织WSN(Self-ReconfigurableWSN)

自组织网络具备高水平的自治性，节点能够独立建立连接、维护拓扑结构，并与其他节点协作完成任务。这是大多数现代WSN的设计特点，适用于动态和复杂的环境。

同构型与异构型WSN

1.同构型WSN(HomogeneousWSN)

同构型网络中，所有传感器节点具有相同的计算能力、存储能力和能耗特性。其设计简单，适用于均匀负载的应用场景。

2.异构型WSN(HeterogeneousWSN)

在异构型网络中，部分传感器节点具备更高的计算能力或能量储备。这种网络可以根据节点功能分配不同的任务，从而提高资源利用率，适用于复杂任务或多层级数据处理的场景。无线传感器节点的常见拓扑结构5.2.3

星形拓扑(StarTopology)星形拓扑是一种在无线传感器网络(WSN)中应用广泛的经典网络结构，其特点是所有传感器节点直接连接一个中心节点，通常称为中心枢纽(Hub)或网关节点(GatewayNode)。中心枢纽作为网络的核心，不仅负责协调节点间的通信，还常作为网络与外部系统的接口。图5-8展示了星形拓扑。图5-8星形拓扑

树形拓扑(TreeTopology)

树形拓扑是一种具有层次结构的无线传感器网络(WSN)拓扑，其特点是节点按层级组织，形成树状结构。网络的顶层为根节点(RootNode)，根节点与下一层的多个子节点直接相连，数据和控制信息通过层级间的连接逐层传递至网络的底层节点。根节点通常具有较强的处理能力和较高的能量储备，以支持网络的协调和管理，而随着层级的下降，节点的处理任务和能耗逐渐减少。图5-9展示了树形拓扑。图5-9树形拓扑

网状拓扑(MeshTopology)

网状拓扑是一种高灵活性和高鲁棒性的网络结构。在这种拓扑中，每个节点不仅负责传输自身的数据，还能作为中继节点帮助传输其他节点的数据。这种多跳传输特性使得网状拓扑在对可靠性要求较高的无线传感器网络(WSN)应用中十分常见。

根据节点间连接的密集程度，网状拓扑可分为两种类型:完全网状拓扑和部分网状拓扑。在完全网状拓扑中，每个节点直接与网络中所有其他节点相连，具有最高的连接冗余和可靠性。而在部分网状拓扑中，每个节点只与一个或多个邻近节点相连，连接复杂度相对较低，但仍能提供多路径传输能力。图5-10展示了网状拓扑。图5-10网状拓扑

几种拓扑结构的对比分析

表5-1归纳了几种拓扑结构的对比分析。无线传感器网络拓扑优化5.2.4

动态拓扑的特性与挑战

WSN的拓扑结构具有高度的动态性，这种动态性主要来源于以下几个方面:

(1)节点能量耗尽:WSN节点通常依赖电池供电，当节点能量耗尽后会失去功能，从而导致网络拓扑发生变化。

(2)节点的加入或移除:在一些应用中，网络会根据需求动态添加或移除节点(如移动传感器或新节点的增设)。

(3)通信环境的变化:无线信道易受干扰和多径效应的影响，可能导致链路不稳定，进而使网络拓扑需要频繁调整。

(4)节点位置变化:在移动监测场景中(如无人机或车辆监测)，节点位置不断变化，网络需实时更新路由和通信路径。

动态拓扑管理的基本策略

为了应对拓扑结构的动态变化，WSN通常采用以下策略来保持网络的自适应性和稳定性:

1.自组织与自愈能力

自组织能力是WSN的基础功能之一，能够使节点在初始部署或拓扑变化时自动发现并连接邻近节点，形成网络拓扑。当部分节点失效时，剩余节点会通过替代路径重新组织网络，确保通信链路的连通性。

2.动态路由选择

WSN中的路由选择需要适应拓扑结构的变化。动态路由协议(如AODV和DSR)能够根据节点的能量水平、链路质量和位置等因素自动选择最优路径，提升数据传输的可靠性和灵活性。这些协议在节点或链路状态发生变化时可以快速重建路径，适合在复杂或不稳定的环境下使用。

3.簇头的动态选取在分簇网络中，簇头节点负责数据的汇聚与转发，为了平衡能耗并延长网络使用寿命，WSN会通过动态选取簇头节点来优化能量分布。例如，LEACH协议通过定期轮换簇头节点，避免簇头能量耗尽导致的簇失效。

4.能量感知路由

在动态拓扑中，节点的剩余能量直接影响路由选择。能量感知路由算法能够优先选择能量较充足的节点参与数据传输，以延长网络使用寿命。例如，网络中优先选择能量高的节点承担数据传输，防止单点故障影响全局传输。

动态拓扑调整的关键技术

WSN的动态拓扑调整技术通过多种手段，确保在拓扑结构变化时网络仍能保持稳定性和通信质量。以下是几种关键的拓扑调整技术:

1.多跳路由与路径冗余

WSN中广泛采用多跳路由，通过多个中继节点将数据逐步传递至目的节点，以减轻单一链路失效对通信的影响。路径冗余是进一步提升容错性的技术，即在链路失效时，备用路径可确保数据到达目标节点。

2.基于地理位置的路由调整在节点位置动态变化的场景(如移动监测)中，基于地理位置的路由协议(如GPSR协议)可根据节点位置动态选择路径，优先选择传输距离最短或通信质量最佳的路径，以提升数据传输效率和稳定性。

3.本地化决策与分布式控制在动态拓扑管理中，分布式控制通过降低全局控制的开销提高了调整效率。每个节点基于局部信息(如邻近节点状态、信号强度等)自主决策，优化局部拓扑结构。这种方式特别适合节点密集的大规模网络，降低了拓扑调整的复杂性。

动态拓扑优化的实际应用场景动态拓扑优化在多个实际应用中发挥着重要作用，以下是几种典型的应用场景:

1.应急响应与灾害监测在地震、洪水等灾害应急环境中，传感器节点可能被临时部署在变化迅速的区域内。随着节点的移动或损坏，通过动态拓扑优化，网络能够灵活调整结构，以确保关键数据的传输和监控覆盖。

2.智能交通与车辆网络智能交通系统中，车辆的移动使网络拓扑不断变化。动态拓扑管理能够实时调整车辆之间的通信链路，保证车载传感器网络的稳定性，从而提供实时的交通信息和辅助导航。

3.军事监控与战场感知在军事监控场景中，WSN需要在敌对环境中高效运行。节点可能因能量消耗或干扰失效，通过动态拓扑调整，网络能够在恶劣条件下维持信息流通并实现持续监控。

动态拓扑优化的常见算法在动态环境下实现高效拓扑结构，WSN采用了多种优化算法，以下是几种常用算法:

1.LEACH-C(LEACH-Centralized)

LEACH-C通过中心化簇头选取策略，根据节点位置和剩余能量进行优化，能更好地适应动态拓扑变化。该算法在大规模网络中应用广泛，通过集中管理减少簇头选取的不均衡问题。

2.基于移动模型的路由算法在具备节点移动的网络中，基于预测模型(如Markov模型)的路由算法能够预测节点未来位置，提前调整路径，避免数据丢失，提升数据传输的稳定性。

3.自适应链路质量估计算法自适应链路质量估计算法通过实时监测信号强度、误码率等链路参数，自动调整传输功率和路径选择，以提高数据传输的可靠性。这一算法在复杂的通信环境下尤为有效，有助于提升动态环境中的数据传输质量。无线传感器网络是实现实时监控和远程感测的关键技术，因为它们可以对各种环境特性进行数据采集、处理并传输。图5-11为WSN数据处理的整个流程。图5-11WSN数据处理的整个流程

数据采集过程传感器采集的模拟信号需要通过模数转换器(ADC)转换为数字信号以进行处理。图5-12为ADC变换的主要组成模块。数据采集5.3.1图5-12ADC变换的主要组成模块数据采集的主要步骤包括:

1.采样(Sampling)在特定时间间隔或空间位置对模拟信号进行测量和记录，生成离散的时间序列数据。采样率需与信号变化频率匹配，以避免混叠效应。

2.量化(Quantization)将连续采样的信号映射为有限的离散值。量化精度取决于ADC的分辨率，位数越高，保留的信号细节越完整。

3.编码(Encoding)将离散信号转化为数字格式，以便后续存储、传输和处理。编码方式包括二进制编码、格雷码等。

数据采集的关键要素

1.灵敏度(Sensitivity)

灵敏度决定了传感器对测量参数微小变化的响应能力，是影响采集精度的核心指标。

2.准确性(Accuracy)

准确性反映了采集数据与实际环境状态的一致性，直接影响WSN的可靠性。

3.动态范围(DynamicRange)

动态范围是传感器能够准确测量的输入信号幅度范围，较宽的动态范围可以确保捕捉微小变化与大幅波动。

4.能效(EnergyEfficiency)

传感器节点的能耗设计对WSN

的运行寿命至关重要。低能耗采集设备有助于延长网络的工作时间。

常见数据融合算法数据融合算法可以在不同层次上实现，如节点层(每个传感器节点独立计算)、簇头层(一组节点中的簇头负责汇总数据)或汇聚层(网关节点进行数据处理)。表5-2展示的几种常见数据融合算法各具特点，适用于不同的应用场景。数据汇聚和融合5.3.2

常用去冗余技术

去冗余技术通过剔除重复数据、优化传输效率，帮助WSN减少无效数据传输，以下是几种常用方法:

(1)空间去冗余:在密集节点部署环境中，相邻节点常常采集到相似数据，系统可以仅保留代表性节点数据，忽略其他相似的重复信息。此技术适用于环境监测中，通过减少无效数据传输节省网络资源。数据汇聚和融合5.3.2

(2)时间去冗余:基于时间序列分析，通过判断数据的变化趋势减少不必要的数据传输。若短时间内数据变化不大，节点只在显著变化时传输数据。例如在温度监测中，若温度连续几分钟变化较小，可以延长数据传输的时间间隔。

(3)多路径冗余消除:在多路径传输中，不同路径可能传输相同数据。汇聚节点可以识别并删除重复信息，减少带宽占用，适用于采用多路径路由协议的网络。

(4)压缩感知技术:压缩感知技术在采集数据时直接对信号进行压缩，接收端可基于少量传输信息重构原始数据，适用于带宽和能量受限的环境。

数据融合与去冗余的应用实例

数据融合和去冗余技术在智慧城市、农业物联网和智能安防等实际场景中具有广泛应用，为WSN系统节能增效:

(1)智慧城市环境监测:在智慧城市中，WSN用于监测空气质量、水质等。例如，多个节点采集的PM2.5数据可以通过加权平均法融合，并结合去冗余技术去除异常数据，得出准确的空气污染水平。

(2)农业物联网:在智能农业中，传感器采集土壤湿度、光照等数据，空间去冗余技术保留关键节点数据，结合数据聚类算法生成代表性信息，用于指导精准灌溉，提升农业资源利用率。

(3)智能安防与入侵检测:在安防系统中，通过贝叶斯推理和卡尔曼滤波去除多节点重复报警，提升检测准确性。例如在边境监控中，融合多节点数据可减少误报，精准识别入侵活动。

挑战和发展趋势展望

数据融合与去冗余技术在无线传感器网络(WirelessSensorNetwork，WSN)中发挥着至关重要的作用。这些技术通过整合多节点数据生成简化的代表性信息，大幅减少传输量，降低节点能耗，同时提高数据的准确性和系统的整体可靠性。在密集节点部署场景中，数据融合通过处理和聚合多个节点的冗余数据，减轻了网络负担;去冗余技术则通过剔除重复或无关的数据，进一步优化通信效率，延长网络的运行寿命。

信道编码(ChannelCoding)信道编码是数据传输的第一步，其目标是通过引入冗余信息，增强数据在噪声和干扰环境中的抗误码能力。常用的信道编码方法包括前向纠错(FEC)、卷积编码和低密度奇偶校验(LDPC)编码，这些方法能够有效平衡WSN对低功耗和高可靠性的需求，特别适用于带宽受限和信道条件较差的场景。有关信道编码的详细介绍请参阅本书的第2章基础理论部分。表5-3罗列了WSN中常用的信道编码技术。

WSN中的数据传输5.3.3

调制(Modulation)

调制是数据传输的第二步，通过将编码后的数字数据嵌入载波信号，实现信息在无线信道中的传输。有关调制技术的详细介绍请参阅本书的第2章基础理论部分。表5-4罗列了WSN中常用的调制技术。

WSN中数据传输的要点

经过信道编码和调制后的数据通过无线信道传输至基站或云端。在WSN的实际应用中，数据传输需要重点关注以下几个方面:

(1)带宽管理:合理分配带宽以满足节点数据量需求，同时避免传输瓶颈。

(2)能量效率:传输协议需要设计为低功耗模式，以延长节点的运行时间，满足WSN对能耗的严格要求。

(3)可靠性保障:结合自动重传请求(ARQ)和前向纠错(FEC)技术，可显著减少数据丢失，确保传输的完整性。

传输路径优化的重要性

数据传输路径优化在无线传感器网络(WSN)中具有至关重要的作用，尤其是在能量有限、资源受限的条件下。通过合理的路径选择，能够显著提升网络性能，延长网络使用寿命。

首先，路径优化能够有效降低能耗。在WSN中，节点的能量通常难以补充，而长距离传输和多跳通信会加速能量的消耗。通过选择更短或更高效的传输路径，可以显著减少通信能耗，从而延长节点的工作时间和网络的整体使用寿命。传输路径优化的重要性及其挑战5.4.1

其次，路径优化有助于减少网络拥塞。当数据流集中于少数路径时，会导致拥塞，从而增加传输延迟和丢包率。通过优化路径分配，可以将数据流量合理分散到不同的节点和路径上，减轻关键路径的负载，提升传输的稳定性和可靠性。

最后，路径优化能够增强网络的连通性。在传统设计中，频繁使用某些节点作为中继节点可能导致其能量过快耗尽，从而影响网络的整体连通性和稳定性。优化路径选择能够均衡负载，避免节点过载问题，延缓节点失效对网络运行的影响，提高网络的长期可用性和鲁棒性。

传输路径优化的挑战

数据传输路径优化在无线传感器网络(WSN)中面临多方面的挑战，这些挑战主要源于复杂的物理环境、动态的网络场景、有限的能量资源及大规模网络的复杂性。

首先，复杂环境中的信号干扰与衰减是路径优化的主要困难之一。在城市建筑密集区、森林覆盖区域等复杂场景中，信号传播受到多径效应、障碍物遮挡和干扰的影响，导致信道条件动态变化。这种不确定性使得路径选择需要充分考虑信号的稳定性和可靠性。

其次，动态网络场景的适应性对路径优化提出了更高要求。在无人机通信、自动驾驶等应用中，节点的位置和网络拓扑结构会随着时间不断变化。这种动态性导致传统的固定路径规划无法满足需求，需要路径优化能够快速响应网络状态的变化。

此外，能耗与网络使用寿命的平衡是WSN固有的难题。频繁使用某些节点作为中继节点会加速其能量耗尽，进而影响网络的连通性和稳定性。如何在通信效率和能量消耗之间找到平衡点是路径优化的重要挑战之一。

最后，大规模网络的复杂性显著增加了路径优化的难度。在智慧城市和工业物联网等场景中，WSN节点数量可能达到数千甚至数万。随着网络规模的扩大，路径优化的计算复杂度和通信开销呈指数增长，这对路径规划的实时性和可扩展性提出了更高的要求。

如上所述，在WSN中，路径优化需要综合考虑节点能量、信号质量、跳数和数据流量等因素。常见的路径优化算法包括以下几类:传输路径优化的策略与算法5.4.21.能量感知路由(Energy-AwareRouting)3.多路径路由(MultipathRouting)2.最短路径路由(ShortestPathRouting)4.基于地理位置的路(GeographicRouting)5.QoS路由(QualityofServiceRouting)

实际应用中的路径优化策略

1.智能农业

智能农业中，传感器节点分布在广阔的农田中，负责监测土壤湿度、温度、光照强度和作物生长状态。由于节点能耗受地理位置和任务分布的影响较大，路径优化重点在于动态调整路径以延长网络使用寿命。系统通过实时监控节点的能量水平和信道质量，选择能耗最低的传输路径，从而均衡节点能量消耗。此外，分布式路径选择策略允许每个节点基于邻居节点的状态自主决策，降低了集中式管理的复杂性。这种优化方式不仅提高了网络的稳定性，还保障了农业数据的实时监控能力

2.智能建筑与家庭自动化

智能建筑中，传感器节点负责监测温度、湿度、空气质量、安全状态及能耗情况。由于节点密集分布，通信频繁，路径优化需要满足低延迟和高可靠性的需求。通过基于地理位置的动态路径调整策略，系统可以选择最短路径进行数据传输，减少通信延迟。同时，负载均衡技术在该场景中尤为重要。节点负载的动态监控和任务分配，能够有效避免某些节点因过载或能量耗尽而失效，确保整个网络的长期稳定运行。这些策略显著提升了智能建筑的响应速度和系统可靠性。

3.灾害监测与应急响应

灾害监测网络(如地震、火灾和洪水预警)面临高节点故障率和极端环境变化的挑战。多路径路由是这一场景的关键优化策略，通过为数据包规划多个备选路径，确保主路径失效时仍能及时切换，避免数据中断。此外，动态路径调整进一步增强了网络的鲁棒性，系统能够根据节点或路径状态的变化快速重新规划数据传输路径。在这一场景中，分布式路径的选择尤为重要，每个节点可以基于本地信息自主决策路由，无须依赖集中式管理。例如，在地震监测网络中，当部分节点因地震受损而失效时，系统通过动态调整路径，确保关键预警数据能够快速、安全地传输至控制中心。

WSN路径优化未来发展方向5.4.31.智能化路径优化2.边缘计算与协同优化3.多目标路径优化4.跨层联合优化

无线传感器网络(WSN)由大量节点组成，这些节点通常部署在电力供应困难或无法维护的区域，其运行寿命受限于供电能力。因此，WSN的低功耗设计与能效管理成为网络能否长期稳定运行的关键因素。为实现“少用电”与“自供电”的双重目标，WSN系统需要从两个层面协同优化:一是通过软硬件设计降低能耗;二是引入能量采集技术从环境中获取能源，实现持续供电。

在功耗优化方面，通信模块往往是能量消耗的大户。因此，系统普遍采用工作周期调度(DutyCycling)、自适应功率控制等策略。节点通过定时唤醒或事件触发方式进行数据采集与传输，其余时间进入休眠状态，从而显著降低无效运行功耗。此外，协议层面也采用压缩数据量、优化路由、聚合信息等方式减少通信频率，实现更高能效比。

除了“省电”，WSN

更进一步发展出了“发电”能力，即引入能量采集(EnergyHarvesting,EH)技术，从环境中获取能量以支持传感器节点运行。不同采集技术适用于不同场景，例如:

(1)太阳能采集:适合阳光充足的环境，如智慧农业、气象监测。

(2)振动能采集:可在工厂设备、桥梁结构中利用机械振动发电。

(3)热能采集:适用于温差明显的环境，如工业设备表面或地热区。

(4)射频能采集:适合信号密集的城市空间，供低功耗节点运行。

WSN通信协议架构5.6.1

无线传感器网络(WSN)作为一种广泛应用于智慧城市、环境监测和工业自动化的技术，其协议架构是设计和优化WSN系统的基础。本节基于OSI模型，结合跨层设计和传输协议的特点，系统探讨WSN的架构，帮助读者掌握其核心概念及应用。图5-13展示了WSN网络协议体系架构。图5-13WSN网络协议体系架构

基于OSI模型的分层架构

WSN的协议架构通常参考OSI模型，包括五个主要层次:应用层、传输层、网络层、数据链路层和物理层。每层的职责如下:

(1)应用层:管理应用程序间的数据通信和处理。例如，监测农业环境的节点上传温湿度数据到集中系统。

(2)传输层:提供可靠性和拥塞控制，确保数据高效传输。例如，保证土壤湿度数据准确传递到服务器。

(3)网络层:负责路由选择和节点间的数据转发，优化通信路径。一个节点通过邻居节点将数据传递到最终目的地。

(4)数据链路层:实现数据帧的传输和错误检测，保障链路层通信的可靠性。

(5)物理层:处理信号的传输与接收，是硬件与通信协议的接口层。

跨层设计的优化作用

在传统分层架构的基础上，WSN引入了跨层设计，以进一步提升网络性能和资源利用率。跨层设计包含三个平面:

(1)能量管理面:通过监控能量使用情况优化资源分配，延长节点和网络的生命周期。例如，在能源不足时关闭部分节点以节省能量。

(2)移动管理面:检测传感器节点的移动，维护网络拓扑动态更新，确保节点与邻居的通信稳定性。例如，跟踪车辆传感器的移动情况，保证实时数据传递。

(3)任务管理面:动态分配区域任务，控制节点的开启或关闭状态。例如，在农业监测中，部分节点进入休眠模式以延长电池使用寿命。传输层协议5.6.2

传输层的主要功能是提供可靠性和拥塞避免。为实现这些功能，设计了许多协议，这些协议通常应用于以下两种方向:

(1)上行链路(用户到汇聚节点)，例如，ESRT、STCP和DSTN。

(2)下行链路(汇聚节点到用户)，例如，PSFQ和GARUDA。

这些协议通过不同机制实现丢失检测(如ACK、NACK和序列号)及丢失恢复(如端到端或逐跳传输)。传输层在系统需要访问其他网络时尤为重要。表5-6归纳总结了WSN常见传输层协议。

传输协议通常分为以下两类:

(1)基于数据包驱动(Packet-driven):要求“所有由源节点发送的数据包必须到达目的节点”。

(2)基于事件驱动(Event-driven):要求“事件必须被检测到，但只需要一条通知消息到达汇聚节点即可”。网络层5.6.3

当前网络层的路由协议主要分为以下几类:

(1)扁平路由:如直接扩散(DirectDiffusion)，适用于小型和中型网络。

(2)分层路由:如LEACH，通过划分网络和选择簇头优化能量消耗和路由效率。

(3)触发机制分类:

①时间驱动型:适用于需要周期性监测的应用，节点按固定时间间隔发送数据。

②事件驱动型和查询驱动型:适用于特定事件发生或接收到用户查询时触发数据传输的场景。

数据聚合与数据融合

在无线传感器网络中，为了保证覆盖特定区域并在节点故障时维持正常运行，通常需要部署冗余传感器。然而，这种冗余设计可能导致重复数据的生成，特别是在多跳传输或泛洪协议中。例如，在洪泛协议中，每个传感器会将数据转发给所有邻居节点，邻居节点再继续转发，导致同一节点可能从多个邻居接收到大量重复数据。这些数据可能来自同一源节点或由多个冗余节点生成。

考虑数据处理的能量消耗远低于数据传输，可以采用数据聚合和数据融合技术来减少重复数据，从而降低能耗。

数据中心化路由协议

数据中心化路由协议是无线传感器网络(WSN)中早期的路由方法，最初包括SPIN和DirectDiffusion协议，在此之前还有泛洪(Flooding)和八卦(Gossiping)协议。然而，这些早期协议存在两个主要问题:

1.过载(Implosion)

重复消息被发送到同一节点，导致网络资源浪费。

2.重叠(Overlap)

当两个节点感知同一区域时，会将相同消息发送到相同邻居节点，增加不必要的通信负担。

分层路由协议

分层路由协议通过聚类和分布式方法有效管理网络资源，解决了路由和能量消耗问题。

表5-8总结了典型的分层路由协议。数据链路层5.6.4

数据链路层在无线传感器网络(WSN)中的核心职责是多路复用数据流、数据帧检测、管理MAC层协议及实现错误控制，以确保点对点或点对多点通信的可靠性。然而，其通信质量通常面临两大主要问题:MAC层的同信道干扰和物理层的多路径衰落及阴影效应。前者通过高效的MAC协议解决，后者则依赖于前向纠错(FEC)和自动重传请求(ARQ)技术。

ARQ尽管在传统网络中常用，但因重传成本高和传输效率低，不适合能量受限的WSN。尤其是帧中仅一个比特出错时，ARQ需要重传整个帧，导致能耗增加。而FEC通过添加冗余数据，使接收方能够检测并纠正错误，避免了重传和ACK等待步骤。这种机制更符合WSN对低功耗和高可靠性的需求。

MAC层5.6.5

在无线传感器网络(WSN)中，MAC层的核心职责包括信道接入策略、调度、缓存管理和错误控制，其目标是在有限资源的条件下实现高效通信。

由于WSN通常部署在能量受限的环境中，MAC协议的设计需要优先考虑以下几个关键因素:能量效率、通信可靠性、低接入延迟和高吞吐量。物理层5.6.6

物理层在无线传感器网络(WSN)中提供通过物理媒介传输比特流的接口，是硬件和网络协议的基础层。其主要职责包括:

(1)频率选择

选择适合通信环境的无线频率以确保传输质量，并满足频谱分配和干扰管理的要求。

(2)载波频率生成

生成稳定的射频载波信号，为数据的调制和传输提供支持。

(3)信号检测

检测并接收无线传输信号，确保信号解码的质量，通过信噪比(SNR)和误码率(BER)评估信号可靠性。

(4)调制与解调

将数字信号转换为适合物理媒介传输的模拟信号，并在接收端进行反向解调以提取数字数据。常见的调制技术包括FSK、PSK和QAM等。

IEEE802.15.4是一种为低速率个域网(LowRatePersonalAreaNetwork，LR-WPAN)和无线传感器网络(WSN)设计的通信标准，其特点如下:

(1)低成本、低复杂性、低功耗

该标准旨在最大程度降低设备的硬件和能量消耗，非常适合资源受限的传感器节点。

(2)短通信范围

通过缩短通信距离来最大化电池使用寿命，适合小范围应用场景。

(3)CSMA/CA协议

采用载波侦听多路访问/冲突避免(CSMA/CA)协议，确保多个节点能够高效地共享信道，减少信道冲突。

(4)拓扑支持

支持星形拓扑和对等拓扑，灵活适应不同网络结构需求。

(5)多版本支持

该标准存在多个版本，可针对不同应用场景进行优化，如提高吞吐量、增加通信距离或降低功耗。应用层5.6.7

应用层在无线传感器网络(WSN)中负责流量管理，并为各种应用提供支持性软件。它的主要任务是将传感器节点采集的数据翻译成易于理解的形式，或者向传感器节点发送查询以获取特定信息。通过协调和处理数据，应用层确保网络能够高效地为用户提供准确的信息服务。

无线传感器网络的应用层涵盖了多个领域，并为不同场景提供了量身定制的解决方案，其主要应用包括:

(1)军事

战场监控:实时跟踪战场动态，检测敌方活动。

目标跟踪:追踪特定目标的位置和移动轨迹，为战术部署提供支持。

(2)医疗

远程患者监测:通过部署传感器对患者的生命体征(如心率、血压)进行实时监控，减少医疗负担并提高响应效率。

(3)环境

气象监测:采集温度、湿度、风速等气象数据，提供精确的天气预报支持。

污染监控:监测空气、水源等环境污染指标，为环保决策提供依据。

(4)农业

土壤湿度监测:为精准灌溉提供数据支持，节约水资源。

温度和气候监测:优化种植环境，提升农业生产率。本章总结无线传感器网络(WSN)是一种由分布式传感器节点组成的自组织网络，能够通过无线网络通信实现对目标区域的监测和数据处理，广泛应用于军事、医疗、环境监测和智能农业等领域。WSN以低功耗和灵活性著称，但由于节点资源有限，其设计面临诸多挑战。在网络架构和组网技术方面，WSN采用扁平结构或分层结构。扁平结构适合小规模网络，而分层结构通过簇头选取和节点分组优化能耗和通信效率。动态组网和多跳通信进一步提升了网络在复杂环境中的适应性和覆盖能力。本章总结数据处理技术是优化WSN性能的关键。数据聚合通过整合节点数据消除冗余，降低传输量;数据融合进一步处理聚合数据，提升数据准确性。这些技术不仅减轻了通信负担，还延长了网络使用寿命。与此同时，路由优化技术通过直接扩散、LEACH等协议改进数据传输路径，减少能耗和通信延迟。能量管理是WSN设计的核心。低功耗协议(如MAC协议)和动态功耗调度策略优化了节点的能量使用，延长了网络的运行时间。此外，能量收集与自供电技术(如太阳能、振动能和热能)为传感器节点提供了持续供电能力，大幅提升了网络的可靠性和可持续性。本章总结在网络分层和通信协议方面，WSN从物理层到应用层的分层结构各司其职。物理层实现信号的调制与传输，数据链路层通过MAC协议解决冲突与错误控制，网络层负责路由优化，传输层和应用层则保障数据传输可靠性与处理需求。跨层设计进一步提升了资源利用率和网络整体性能。总体而言，WSN通过架构优化、能量管理和协议开发实现了高效的数据传输和能耗控制。未来，随着智能化和低功耗技术的发展，WSN将在智慧城市、精准农业和医疗监测等领域展现更大的潜力。谢谢工业无线网络通信技术新型工业化战略下智能制造工程系列教材06第6章卫星物联网（SIoT）知识目标

1.理解卫星物联网(SIoT)的定义、发展背景及其在物联网生态中的定位。

2.掌握NTN-CIoT融合架构、系统组成(空间段、地面段、控制段)及主要链路结构。

3.熟悉SIoT的关键需求、主要驱动因素及其在多个行业的典型应用场景。

4.理解关键性能指标(KPI)与关键价值指标(KVI)的作用及其与SDGs的映射关系。

5.掌握MTC与卫星集成的关键技术挑战(如延迟、多普勒、链路预算)及其解决策略。

6.了解MAC协议的分类与对比,掌握ALOHA系列、SOTDMA、FDMA、CSMA等协议的特点及适用场景。

7.熟悉3GPP第17至19版关于NTN-CIoT的支持内容与演进趋势。能力目标

1.能够梳理SIoT架构中的系统组成与功能模块，绘制系统结构图并描述关键链路路径。

2.能够基于实际场景分析NTN-CIoT部署模式，评估不同轨道类型与接入架构的技术特征与适用性。

3.能够结合覆盖范围、移动性与可靠性要求，选取合适的MAC协议及数据传输机制。

4.能够解读链路预算参数与多普勒模型，进行基础计算与性能评估。

5.能够分析3GPP第17至19版中对SIoT支持的关键技术演进，预测未来通信系统的融合趋势。素质目标

1.树立空间通信技术对全球数字鸿沟弥合及工业边远应用普及的重要战略认知。

2.培养绿色通信意识与系统优化视角，理解低功耗广域通信与卫星资源高效利用之间的平衡关系。

3.弘扬探索精神与国际视野，关注非地面网络(NTN)与6G融合发展的前沿动态，激发投身空间通信和智能制造深度融合研究的使命感与实践热情。随着科技的快速发展，物联网(IoT)正在深刻改变工业、消费者和公共部门的运作模式。通过将电子设备嵌入各种“智能”物体中，并借助传感与执行功能，这些物体能够与物理世界交互，同时通过网络与其他设备、应用程序及服务器相连。物联网的这一特性极大地提升了生活质量和生产率。

5G系统的引入为物联网通信带来了新的可能。尽管3GPP并未为5G系统专门设计物联网支持，其通过长期演进机器类型通信(LTE-M)和窄带物联网(NB-IoT)技术，满足了国际移动通信(IMT)和3GPP5G对大规模物联网的需求，构建了NR、LTE-M和NB-IoT的无缝共存架构。特别是在满足大规模机器类型通信(mMTC)需求方面，这些技术展现了强大的潜力。然而，地面蜂窝网络在覆盖范围上存在局限性，尤其在海事、航空、铁路和偏远地区等场景中无法完全满足需求。物联网通信的需求6.2.1

物联网的分类与网络需求

物联网应用通常可分为两类:

(1)大规模IoT(MassiveIoT):聚焦数十亿个低成本、低功耗设备，传输周期性小的数据包，典型如智能抄表与环境监测，强调低复杂度与能效。

(2)关键IoT(CriticalIoT):终端数量虽少，但要求极高的可靠性、低延迟和高可用性，常见于远程医疗、工业控制与自动驾驶。

通信系统的核心需求

通信系统的核心需求体现在以下五个方面:(1)低成本与低复杂度(2)能效优化(3)支持大规模连接(4)极端覆盖能力(5)低延迟支持卫星物联网的驱动因素6.2.2随着全球数字化进程加快，卫星物联网(SIoT)成为提升网络覆盖与效率、推动普惠连接的关键支撑。图6-1直观展示了6G卫星通信可持续发展的核心影响因素。图6-16G卫星通信可持续发展的核心影响因素

社会驱动因素

在数字鸿沟日益突出的背景下，SIoT能覆盖传统网络无法触及的区域，促进全球信息公平接入:

(1)ITU报告指出全球仍有一半人口缺乏基本宽带接入，SIoT通过空中连接支撑远程医疗、教育与农业发展。

(2)随着设备类型增多(传感器、自动驾驶等)，MTC对高可靠连接需求激增，SIoT可提供全天候、稳定的网络支持。

经济驱动因素

SIoT在经济上具有显著优势:

(1)对偏远地区而言，卫星通信比地面网络更具成本效益，尤其是在地形复杂或布设难度大的区域。

(2)LEO技术降低了卫星部署与运维成本，提升了整体经济可行性。

(3)支持灵活的商业模式，如“按需订购”通信服务，进一步降低运营成本，增强市场适应力。

环境与生态驱动因素

环境保护是SIoT推进的另一重要动因:

(1)相较地面设施，卫星部署对生态影响更小，尤其适合北极、雨林等生态敏感区域。

(2)LEO卫星减少信号传输距离，降低能耗;频谱利用率的提升也助力环保。

(3)面对太空垃圾问题，技术发展正在转向可回收设计与环保燃料，推动绿色航天通信。

技术驱动因素

技术进步是SIoT发展的核心引擎:

(1)LEO星座系统具有低延迟、高吞吐、全球覆盖的特点，技术门槛逐渐降低。

(2)5G为SIoT带来高速率与大连接能力，而6G提出的空地融合架构将实现真正的无缝协同通信。

(3)卫星与地面网络的深度融合，将支持全球自动驾驶、工业控制、应急通信等复杂应用，显著拓展应用边界。卫星物联网的典型应用场景6.2.3

弥补地面覆盖不足

SIoT为难以部署地面通信的区域提供关键服务:

(1)农业:实现对土壤湿度、作物生长等信息的远程监控，推动精准农业与农场管理数字化。

(2)环境监测:在湿地、森林和海洋区域部署传感器，实时反馈生态变化，助力环境保护。

(3)矿业:保障偏远矿区作业安全，通过设备远程监控与实时数据采集提升作业效率。

支撑高移动性需求

SIoT适用于移动性强、网络不连续的应用:

(1)交通运输:涵盖集装箱追踪、物流管理、航运安全、远程诊断等，提升运营透明度与效率。

(2)无人机系统(UAS):在森林监控、灾难评估等任务中，实现超视距通信与实时数据链路。

满足高可靠性需求关键场景需要持续、稳定的通信支持:

(1)应急管理:灾区通信中断时，SIoT提供独立链路支持快速响应和信息调度。

(2)智能电网:偏远地区电力传感与控制设备通过卫星实现网络冗余，提升电网稳定性。

(3)油气监测:远程管道与设施可实时传输数据，保障关键能源系统运行安全。

面向海上与远洋场景

在远洋运输、深海作业等无法依赖地面网络的情境中，SIoT实现海上船舶与岸基通信的持续连接，是船运与渔业管理的关键支撑。

智慧城市中的辅助角色

在智能城市中，SIoT补充地面通信，尤其适用于:

(1)灾后基础设施监测与通信恢复。

(2)偏远城镇的安全巡检与状态采集。

(3)异常事件的远程告警与干预支持。

潜力巨大的其他应用

SIoT的发展还拓展至多个新兴方向:

(1)灾害预警与恢复:对地震、飓风等自然灾害进行监测、评估与救援信息传输。

(2)能源基础设施管理:远程电力和天然气网络的运行监控与维护优化。

(3)野生动物保护:对濒危动物活动路径与生态变化进行长期、低干扰的监控记录。国际电信联盟(ITU)早在2015年就制定了针对大规模连接的关键性能指标(KPIs)，包括连接密度和网络能效等重要指标。这些指标至今仍是网络设计和评估的核心基石。图6-2给出了5G、6G和SIoT技术关键性能指标(KPIs)。传统的KPIs与未来发展6.3.1图6-25G、6G和SIoT技术关键性能指标(KPIs)图片来源:HirleyAlves等，《面向6G时代的物联网机器型通信(MTC)与卫星的融合》，IEEEPressWiley,2024,26

ITU提出的主要KPIs包括:

(1)峰值数据速率:网络在理想条件下可实现的最大数据传输速率。

(2)用户体验速率:用户或设备在实际使用场景中的平均数据速率，衡量服务的可用性与可靠性。

(3)时延:网络完成数据传输的延迟时间，直接影响实时服务的体验。

(4)移动性:网络在高移动环境中仍能保持服务质量的最高支持速度。

(5)连接密度:单位面积内支持的连接设备数量，反映网络的扩展能力。

(6)能效:每单位数据传输所需要的能源消耗，评估网络的节能性能。

(7)频谱效率:每单位频谱资源实现的数据吞吐量，衡量频谱利用率。

(8)区域流量容量:特定地理区域内的总流量承载能力，体现网络的整体服务能力。随着卫星网络的快速发展，其性能需求已超越传统地面网络的范畴。非地面网络(NTN)被赋予了以下关键需求:

(1)服务连续性:确保用户在地面和卫星网络之间切换时，服务始终保持稳定可靠，不会中断。

(2)广域覆盖:扩展网络服务范围，尤其是在地面网络无法覆盖或服务不足的区域，如海洋、山区和偏远地区。

(3)高效可扩展性:支持大规模广播(多播)内容传输，并根据需求动态调整，确保网络灵活应对不断变化的使用场景。非地面蜂窝网络的需求6.3.2为了更全面地评估网络的价值，Hexa-X项目提出了关键价值指标(KVI)的概念，该方法将技术、产品、服务与社会价值紧密结合，旨在从多维度捕捉网络的综合影响。图6-3展示了KVI多维度内涵。关键价值指标（KVI）6.3.3图6-3KVI多维度内涵1.包容性(Inclusion)2.可信度(Trustworthiness)3.可持续性(Sustainability)

空间段空间段作为卫星通信系统的核心，由一颗或者多颗卫星组成，这些卫星在不同的轨道上运行。按照轨道高度划分，卫星可分为低地球轨道(LEO)、中地球轨道(MEO)和同步地球轨道(GEO)三类。其中，LEO卫星由于距离地球较近，具有传播损耗小、通信延迟低，以及发射和运营成本低等显著优势，因此成为卫星物联网(SIoT)应用的优先选择。目前，LEO卫星在卫星总数中占比达80%，它能够以经济高效的方式实现对全球机器类型通信(MTC)的覆盖，特别契合大规模低功耗设备的需求。这样的设计让LEO卫星在性能与成本之间找到了良好的平衡，为众多的SIoT应用提供了十分理想的支持。卫星通信系统组成6.4.1

1.有效载荷有效载荷是卫星实现通信功能的核心组件，涵盖了用于传输和接收信号的天线，以及所有支持通信的电子设备。根据功能特点，有效载荷分为以下两类:

(1)透明有效载荷:传统卫星系统中常见的方案，类似于模拟射频中继器。

(2)再生有效载荷:内置了先进的信号处理单元，能够对接收到的信号进行解调和解码，并去除衰减和干扰等不利影响。

2.平台平台承担着为有效载荷正常运转提供全面支持的重要职责，其涵盖了电力供应、热控管理、姿态控制等多个子系统。这些子系统彼此配合、协同运作，全力保障卫星在轨道上保持稳定的运行状态，进而使得有效载荷能够顺利发挥其应有的功能。

3.卫星天线配置与覆盖方式卫星的天线存在两种不同的配置方式:

(1)单束天线:这种天线的覆盖范围较大，不过信号集中度相对较低，在需要广域覆盖的场景中较为适用。

(2)多束天线:多束天线能够提供更高的信号强度，并且具备更强的频谱复用能力，适用于对覆盖精度要求较高的场景。

4.空间段的宏场景与架构在空间段领域，3GPP依据轨道类型、有效载荷及其性能等关键因素，明确了六种不同的宏场景，见表6-2。就拿架构“A”来说，它描述的是配备透明有效载荷的静止地球轨道(GEO)卫星，该架构并没有对星座中卫星的具体数量给出明确界定。在这些场景里，用户链路的工作频段有多种选择，既可以是S波段(比如2GHz)，也能够是Ka波段(例如下行20GHz、上行30GHz)。对于低轨卫星而言，其地面覆盖类型分为固定束和移动束两种。

地间段地面段在卫星通信系统中承担着连接空间段与用户的关键职责，主要由以下组件构成:

(1)地面站:作为部署在地球上的无线收发器，地面站主要负责卫星控制和遥测监控。同时，它通过NT网关收集多个终端设备的数据，与卫星进行通信。卫星与地面站之间的通信链路被称为馈送链路，这是确保数据可靠传输的关键环节。

(2)用户设备:这是用户接入卫星通信网络的核心入口，像手持终端、非常小孔径终端(VSAT)等都属于此类。

(3)网关(GW):作为连接空间段与地面网络的核心枢纽，网关负责上行和下行数据的高效转发与处理。它能够确保卫星与地面网络之间的数据流通顺畅，实现不同网络架构间的无缝对接，同时优化数据传输性能。在直接卫星(DtS)系统中，非地面网关(NT网关)负责接收终端设备的数据包，并转发至地面服务器。为支持大规模上行数据传输，它需要具备高吞吐量，比如SIoT设计的LoRaWANLR-FHSS网关每天可处理数百万个数据包。而在间接卫星架构中，数据从终端设备传输至地面网关后，通过商业卫星终端回传至服务器。

(4)服务站:在系统中充当着中继节点，服务站具有扩展覆盖范围和增强鲁棒性的作用。

控制段(1)流量控制(2)机载资源管理1.流量与资源管理(1)轨道控制(2)姿态控制2.轨道与姿态控制(1)实时监测(2)故障诊断与处理3.健康状态监测与响应

通信链路卫星通信系统的稳定运作，离不开三种主要链路的支持。图6-4展示了卫星-MTC高层次系统架构。图6-4卫星-MTC高层次系统架构

1.NME处于地面部分且在卫星链路之前采用这种方式，能够实现数据聚合，有效降低上行流量。然而，它对地面基础设施的要求颇为严格，不仅地面基础设施的搭建更为复杂，建设成本也会大幅提高。而且，该部分在一定程度上可能成为影响系统性能和可靠性的关键瓶颈。卫星接入方式6.4.2

间接卫星通信

2.NME处于地面部分但在卫星链路之后这种分布方式将网络管理的所有任务都转移到了地面，从而简化了本地网关的设计。但它也带来了一些问题，比如会使卫星链路上的流量明显增