工业无线网络通信技术（中篇共上中下3篇）

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04第4章无线接入网（RAN）知识目标

1.理解无线接入网(RAN)的基本概念、系统架构及核心功能模块。

2.掌握RAN从1G到5G的演进历程、技术变革与典型应用场景。

3.熟悉不同RAN架构(D-RAN、C-RAN、CloudRAN)的原理、优势与适用场景。

4.理解O-RAN和SD-RAN等新型开放式架构的设计理念、功能分离方式与关键接口规范。

5.掌握RAN中的调度机制、频谱资源管理、多址接入技术及天线阵列(如MIMO、MassiveMIMO、波束成形)等关键技术。能力目标

1.能够绘制RAN的功能模块结构图,说明关键组件(如CU、DU、RU)的职责及其交互关系。

2.能够区分不同类型的RAN架构，并结合工业应用场景进行技术适配与优劣分析。

3.能够基于实际通信需求评估调度机制、频谱分配策略与多址技术的适用性与优化方法。

4.能够理解并分析O-RAN开放接口(如E2、A1、OpenFronthaul)和RIC架构对网络智能化的推动作用。

5.能够结合工业物联网(IIoT)场景设计边缘计算与RAN融合方案，提升系统的响应速度与数据处理效率。素质目标

1.树立无线接入网作为工业通信“第一线连接保障”核心环节的认知，理解其对数字产业高质量发展的支撑意义。

2.培养开放架构思维，增强对异构设备互操作与标准化接口的认同感，助力构建安全、灵活、可持续的工业通信无线网络。

3.弘扬科技报国、敢于突破的创新精神，主动关注AI赋能、网络切片与虚拟化等前沿技术在RAN中的落地应用。

4.培养工程实践意识，强化系统思维与网络优化理念，助力高可靠、低延时工业无线系统的设计与持续改进。本章将详细介绍无线接入网(RadioAccessNetwork，RAN)的基本架构和组成部分，剖析其在移动通信系统中的核心技术及其在工业物联网(IIoT)等新兴场景中的应用方案。RAN承担着为终端设备和核心网络之间建立稳定通信的任务，其重要性随着工业环境的数字化升级愈加显著。从支持智能化应用到推动边缘计算的发展，RAN的角色不断演变。本章通过深入分析RAN的特殊需求与管理策略，帮助学生全面理解其在现代无线网络通信系统中的关键地位及未来发展趋势。无线接入网的概念4.1.11.无线连接支持2.资源管理3.多用户支持无线接入网的发展历程4.1.21.1G(第一代移动通信)2.2G(第二代移动通信)3.3G(第三代移动通信)4.4G(第四代移动通信)5.5G(第五代移动通信)

RAN的基本架构4.2.1图4-1展示了按照3GPP标准定义的RAN功能架构，其中的基站被建模为一个从左到右传输到用户设备(UE)的数据包处理流水线。图4-1RAN功能架构图中的RAN处理流水线，包括了用户面和控制面组件，涉及的主要处理阶段或功能包括如下:(1)UE(用户设备)(3)RRC(无线资源控制)(5)RLC(无线链路控制)(7)PHY(物理层)(2)天线与RRU(4)PDCP(数据包数据汇聚协议)(6)MAC(媒体访问控制)

RAN架构类型4.2.2

4.2.2.1分布式RAN(DistributedRAN，D-RAN)分布式RAN(D-RAN)是传统的无线接入网架构，BBU(基带单元)和RRU(射频单元)在同一基站处协同工作，共同完成信号的处理与传输任务。在这种架构中，每个基站独立运行并拥有独立的资源处理能力，网络管理和资源分配相对分散。这一设计使得D-RAN在早期通信网络中得到广泛应用，其独立性和灵活性满足了广域覆盖需求。

D-RAN的架构简单，部署灵活，是其一大优势。由于BBU和RRU位于同一地点，传输链路的带宽和时延要求较低，降低了对传输网络的依赖。此外，D-RAN的维护和扩展成本较低，适用于需求分散且覆盖范围较大的场景，如郊区和农村地区。这种特性使得D-RAN在广域覆盖场景中表现出色，同时也是工业园区等独立区域的优选解决方案。

4.2.2.2集中式RAN(CentralizedRAN，C-RAN)集中式RAN(C-RAN)是一种先进的无线接入网架构，旨在通过资源共享和集中管理提升网络效率。其核心设计理念是将多个基站的基带单元(BBU)集中部署在数据中心，而射频单元(RRU)则分布于各服务区域，通过光纤或其他高速链路将RRU与集中式BBU相连接。BBU主要负责数据处理与信号调制，而RRU承担射频信号的放大与传输任务。这种架构改变了传统基站单体式分散部署的模式，使基站功能更具灵活性和可扩展性。

4.2.2.3云化RAN(CloudRAN，Cloud-RAN，C-RAN)云化RAN(CloudRAN)是一种基于虚拟化和云计算技术的无线接入网架构。与传统架构不同，云化RAN将BBU(基带单元)的处理功能迁移至云端，实现资源的集中管理与灵活调配。通过结合边缘计算(MEC，Multi-accessEdgeComputing)和云端资源，云化RAN大幅提升了计算能力，同时减少了对物理设备的依赖。这种架构为RAN引入了高度的可扩展性与灵活性，是现代无线网络通信网络的重要组成部分。云化RAN具有诸多优势。首先，其基于云平台的架构支持动态分配计算与存储资源，显著提高了资源利用率。其次，云化RAN结合边缘计算技术，将部分计算任务下沉至用户端，大幅降低延时，支持诸如自动驾驶和智能制造等对实时性要求极高的应用场景。此外，由于云化架构的高灵活性，系统扩展与升级变得更加便捷，这不仅缩短了部署时间，也显著降低了运维成本。

4.2.2.4架构类型总结表4-2对各种架构类型的RAN进行归纳和总结。开放RAN（O-RAN）设计框架4.3.1

4.3.1.1O-RAN联盟及其作用标准化开放接口1促进供应商生态系统2推动网络智能化3开放技术合作4

4.3.1.2O-RAN的概念1.开放接口(OpenInterfaces)2.模块化设计(ModularDesign)3.虚拟化与云化

4.3.1.3O-RAN的工业应用前景1.多供应商环境下的灵活部署2.按需定制与扩展3.支持低延时和高可靠的工业通信4.成本优化与灵活管理5.典型应用:智慧园区和智能制造在无线接入网络(RAN)的物理组件中，功能如何进行分区并实现“分离”，是架构设计中的关键问题。这种功能分离决定了处理任务在集中式和分布式位置的部署方式。传统的做法是“无分离”，即整个数据处理管道集中在基站内部完成，如早期的分布式RAN(D-RAN)架构。然而，随着5G技术的兴起，3GPP标准对这一模式进行了扩展，引入了多个功能分离点，从而支持更加灵活的部署策略。

基于O-RAN的功能分离架构4.3.2图4-2展示了基于O-RAN框架的RAN功能分离架构，数据处理在中央单元(CU)、分布式单元(DU)和射频单元(RU)之间分布。该分离架构精细化了RAN的功能划分，形成层级结构。中央单元(CU)通常部署在云端，负责管理多个分布式单元(DU);每个DU进一步连接多个射频单元(RU)。这种架构优化了资源分配和任务划分，同时对组件部署位置提出了更高要求。图4-2基于O-RAN框架的RAN功能分离架构为了满足实时性的需求，一种常见的配置是将DU和RU部署在同一个基站塔中。图4-3为基于O-RAN框架的RAN功能分离的层级结构。当RU被用作小型基站时(如在商场、校园或工厂中)，这些组件可能会分布在适度大小的地理区域内，此时一个DU可以同时服务多个RU。特别是在5G网络中，由于毫米波(mmWave)技术的引入，这种配置显得尤为重要，因为毫米波的覆盖范围较小，所以需要更多的小型基站来弥补覆盖空白。图4-3基于O-RAN框架的RAN功能分离的层级结构分离架构还对RAN的传输网络结构带来了显著变化。传统的回程网连接基站和移动核心网，而在分离架构中，传输网络被进一步细分为以下三个部分:

(1)前传(Fronthaul):连接RU和DU，用于传输高带宽的射频数据。

(2)中传(Midhaul):连接DU和CU，传输经过初步处理的数据。

(3)回程(Backhaul):连接CU和移动核心网，实现网络核心的连接。为了进一步阐明分离式RAN架构的实现，图4-4提供了一种分离式RAN的替代方案。图中标示了3GPP规范定义的标准化接口。与之前的描述不同，本图明确标出了各组件之间的标准化接口，包括N2、N3、F1-U、F1-C和开放前传(OpenFronthaul)。这些接口均由3GPP规范严格定义，确保了不同厂商设备之间的互操作性，为网络部署的灵活性和可扩展性提供了技术保障。图4-4一种分离式RAN的替代方案本节将介绍如何通过遵循软件定义网络(SDN)的原则，实现无线接入网(RAN)的灵活控制和高效管理，从而构建软件定义无线接入网(SD-RAN)。图4-5展示了SD-RAN架构的关键思想，其核心是将传统RAN中的无线资源控制(RRC)功能分为两个子组件，分别承担不同的职责:左侧的组件提供标准化接口以支持与移动核心网的交互，而右侧的组件通过软件控制开放用户面处理的可编程能力。软件定义无线接入网（SD-RAN）4.3.3

4.3.1.3O-RAN的工业应用前景图4-5SD-RAN架构图4-6展示了近实时RAN控制器(RIC)及其上的各种控制应用，这些应用负责协调和管理分布式RAN元素，包括中央单元(CU)、分布式单元(DU)和射频单元(RU)。RIC通过动态调配资源、优化网络性能，实现对各RAN模块的实时管理，支持复杂网络功能和高效资源利用。

4.3.3.2RIC相关的控制应用图4-6近实时RAN控制器(RIC)及其上的各种控制应用在图4-6中，RIC维护了一个共享的信息集，称为RAN网络信息库(R-NIB)。R-NIB提供了网络状态的统一视图，供多个控制应用使用，从而支持更高效的决策和管理。R-NIB中涵盖了丰富的信息类型，例如，CQI(信道质量指标)的时间平均值(用于网络优化和长期调度)、会话状态信息(包括GTP隧道ID和5QI值，用于连接管理和QoS控制)，以及其他RAN状态数据(如网络拓扑信息和资源利用率)。

4.3.3.3RAN网络信息库(R-NIB)表4-3总结了R-NIB的详细内容。图4-7展示了一种基于ONOS的RAN智能控制器(RIC)实现方案，体现了O-RAN和SDN的设计理念。RIC包括以下关键服务:

(1)拓扑服务:负责跟踪固定的RAN基础设施状态。

(2)设备服务:专注于跟踪用户设备(UE)。

(3)配置服务:管理整个RAN的配置状态。基于ONOS的近实时RAN智能控制器（RIC）实现4.3.4

4.3.4.1方案框图图4-7一种基于ONOS的RAN智能控制器(RIC)实现方案

1.A1接口

A1接口提供RAN的配置能力，主要面向电信运营商的管理面(OSS/BSS，运营支持系统/业务支持系统)，用于设置网络配置和业务逻辑。

2.E2接口

E2接口连接近实时RIC和底层RAN元素(CU、DU和RU)，支持异构RAN元素的互操作。其设计基于服务模型抽象，每个RAN元素通过发布服务模型定义其功能集。RIC可通过以下操作与服务模型交互:

(1)报告(Report):请求RAN元素报告特定功能的状态。

(2)插入(Insert):激活用户面功能。

4.3.4.2RIC的接口与交互方式

(3)控制(Control):激活控制面功能。

(4)策略(Policy):激活功能设置策略参数。这些操作提供了灵活的功能控制能力，通过服务模型，RAN元素定义了可报告的变量、可激活的功能和可配置的策略参数，从而实现高效管理。

3.xAppSDK

xAppSDK主要作为E2接口的“透传”实现，允许xApps访问底层服务模型。然而，处理RAN元素之间的数据格式差异仍是一个挑战。E2接口使用ASN.1格式，而ONOS-RIC的内部微服务采用gRPC和协议缓冲区(ProtocolBuffers)通信。图中的南向E2接口负责在两者之间进行格式转换，同时为xApps提供基于gRPC的统一API。

4.3.5.1功能第一层次的分离

在功能分离的第一层次中，3GPP提供了多个选项，用于定义如何拆分和分布RAN的功能模块。把RAN基本功能进一步分解为如图4-8所示的独立运行组件:中央单元(CU)、分布式单元(DU)和射频单元(RU)。这些组件以模块化的方式运行，支持更灵活的功能部署。基于O-RAN和SD-RAN理念分离控制环路4.3.5图4-8RAN功能第一层次的分离

4.3.5.2功能第二层次的分离:CUPS

第二层次的分离聚焦于中央单元(CU)的控制面/用户面分离(ControlandUserPlaneSeparation，CUPS)，其结果如图4-9所示，分为CU-UP和CU-CP。根据3GPP的定义，控制面(CP)负责管理控制消息信令，主要处理移动核心与分解后的RAN组件之间，以及用户设备(UE)之间的控制通信;用户面(UP)则专注于用户流量的传输。图4-9RAN功能第二层次的分离

4.3.5.3功能第三层次的分离:SDN范式

在第三层次分离中，遵循SDN的设计范式，将大部分RAN控制(例如RRC功能)从分解后的RAN组件中进一步分离，并集中管理。这些功能作为SDN控制器上的应用程序运行。图4-10示意了这种分离，显示了O-RAN规定的A1和E2接口。图4-10RAN功能第三层次的分离

4.4.1.1多径效应

为了深入理解通过空气传播无线信号并可靠传输数据所面临的挑战，考虑图4-11所示的场景。信号从发射机发出后，经过反射传播到各种静止或移动的物体上，沿着多条路径传输到接收机，而接收机本身也可能在移动。天线技术4.4.1图4-11无线传输的多径效应

由于这些多条传播路径，原始信号到达接收机时会在时间上出现扩展，如图4-12所示。图4-12由于多径效应造成数据接收时间的扩展

4.4.1.2MIMO(多输入多输出)技术

MIMO(MultipleInputMultipleOutput)技术通过多根天线在同一频段同时进行数据的发送和接收，实现网络容量的显著提升，而无须额外增加频谱资源。这项技术的核心依赖于多径传播效应，即信号通过不同路径到达接收端，从而实现并行传输多条数据流，大幅提升传输速率和效率。

MIMO的主要特性包括提升网络容量、提高频谱利用率及增强抗干扰能力。通过多路径传输并行处理多条数据流，MIMO能够极大提高整体数据吞吐量;利用同一频谱资源实现更多数据的传输，则显著提高了频谱效率。此外，多路径冗余设计有效降低了信号衰减和干扰，使通信更加稳定可靠。

4.4.1.3MassiveMIMO技术

MassiveMIMO是MIMO技术的进一步拓展，利用大量天线(通常几十到上百根)在基站端实现更多并行数据流的传输。这种高密度天线架构不仅能够大幅提升网络容量，还能显著提高频谱效率和通信可靠性，因此成为5G网络的核心技术之一。

MassiveMIMO的关键特性在于其强大的并行处理能力和优异的抗干扰性能。通过空间复用技术，大规模天线阵列可以在相同频段传输更多数据，同时显著降低单设备的功耗。此外，天线阵列的波束指向性能够有效减少用户之间的干扰，进一步提高了通信质量。

4.4.1.4波束成形(Beamforming)技术

波束成形(Beamforming)是一种通过控制天线阵列的相位和幅度，将信号能量集中于特定方向的技术。这种定向传输方式可以显著增强目标区域的信号强度，同时减少对其他区域的干扰，是5G和MassiveMIMO系统中的核心技术。

波束成形具有增强信号覆盖、减少干扰和提升传输效率的优势。通过将信号能量聚焦于目标设备，波束成形不仅扩大了覆盖范围，还提高了目标设备的信号接收质量。此外，定向传输减少了非目标区域的信号辐射，从而有效降低了整体干扰水平，同时使通信更加节能高效。

在工业物联网中，波束成形技术尤其适用于高精度和低干扰的通信场景。例如，在精密设备控制中，波束成形能够为控制设备提供稳定的信号连接，确保实时响应;在大规模传感器网络中，定向传输减少了传感器间的信号干扰，提高了数据传输的质量;而在干扰复杂的工业环境中，波束成形通过集中信号传输确保关键设备的通信质量，为工业通信提供可靠支持。

4.4.1.5几种天线技术的对比分析

表4-4总结了主要天线技术的适用场景、核心优势和优化策略。

4.4.1.6天线技术在工业通信中的未来发展趋势1.智能化波束成形2.自适应天线资源管理3.分布式MIMO技术

4.4.2.1频谱资源的概念

1.频谱的划分

根据频率范围的不同，频谱资源可分为低频段、中频段和高频段，不同频段适用于不同的应用场景:

(1)低频段(如700MHz):具有较强的传播能力，覆盖范围广且穿透力强，非常适合农村地区的广覆盖需求或建筑物内的通信场景。

(2)高频段(如毫米波，24GHz以上):拥有更大的带宽容量，适用于短距离、高速数据传输的场景，例如高密度的工业物联网区域。

(3)中频段:兼具一定的覆盖能力和数据传输速度，适合城郊地区的综合性应用。频谱资源及其管理4.4.2

2.频谱授权方式

根据使用需求，频谱授权可分为以下三种主要方式:

(1)许可频谱:由监管机构专门分配给特定的运营商或企业，用于高可靠性和高优先级的通信应用，例如蜂窝网络和关键任务通信。

(2)共享频谱:允许多个用户在不同时段或不同地理位置共享同一频段，通过动态分配提高频谱资源的利用率。共享频谱在动态环境下非常适用，例如工业园区或智能城市中的多功能网络。

(3)免许可频谱:无须申请即可使用的频段，常用于Wi-Fi、蓝牙等短距离通信技术。这种频谱授权方式灵活性高，部署成本低，但容易受到其他设备的干扰。

4.4.2.2频谱管理方法1.频率复用技术3.频谱感知技术2.频谱共享与动态频谱接入(DSA)4.干扰管理

4.4.2.3工业物联网中的频谱选择及管理需求4.复杂环境下的抗干扰能力1.专用频段的选择2.低延时和高可靠性3.大规模设备连接关键需求分析

4.4.2.4频谱管理的未来趋势1.智能频谱共享2.分层频谱管理3.智能频谱预测

4.4.3.1尽力而为服务的特点:以Wi-Fi为代表

1.资源分配机制

Wi-Fi网络采用基于竞争的接入策略(如CSMA/CA协议)。用户设备在检测到无线链路空闲时即可尝试传输数据，而在检测到冲突后会随机退避。这种机制假设网络负载较轻，且干扰较小，因此无须对用户资源进行精确分配。

CSMA/CA协议简介:在Wi-Fi网络中，CSMA/CA(载波侦听多路访问/冲突避免)协议通过“监听-退避-重试”的流程来减少数据冲突:每个设备在发送数据前，先监听信道是否空闲。如果空闲，则立即发送;如果忙碌，则等待随机时间后重试。这种机制适用于低负载场景，但在高负载情况下，可能出现退避时间过长的问题，影响传输效率。尽力而为服务与质量保障服务的对比分析4.4.3

2.服务质量保障

Wi-Fi网络提供的主要是“尽力而为”服务，即数据传输和接收不具有严格的带宽或延迟保证。尤其在高密度用户环境中，网络负载的波动可能导致拥塞和延迟的显著增加。尽管Wi-Fi标准也引入了WMM(Wi-Fi多媒体)等机制提供有限的QoS支持，但在竞争激烈的环境下，其效果依然有限。

3.适用场景

Wi-Fi的设计目标是满足非关键性、低延迟敏感的通信需求，例如家庭或办公室的互联网接入。在提供基础网络服务方面，其成本效益较高。

4.4.3.2“质量保障”服务的特点:以蜂窝网络为代表

1.资源分配机制

蜂窝网络采用基于预约的资源管理方式。通过动态调度机制，有限的无线频谱被精确分配给多个用户设备(UE)，确保即使在高负载条件下，每个用户都能获得预期的服务质量。

2.服务质量保障

蜂窝网络特别注重带宽、延迟和连接稳定性的保证。这种可预测性使其成为关键任务应用(如工业自动化、远程医疗和自动驾驶)中的理想选择。5G网络通过切片技术(NetworkSlicing)，在相同的物理基础设施上划分逻辑独立的虚拟网络，为不同的应用场景提供定制化的服务保障。

3.适用场景

蜂窝网络在用户密度高、移动性强、对服务质量要求高的场景中表现优异，例如大型城市的智能交通管理、无人机通信和工业物联网等。

4.4.3.3“尽力而为”服务与“质量保障”服务的对比分析

通过对比，可以总结出这两种服务模式的主要区别，见表4-5。

在移动信道中，数据的可靠传输面临许多挑战，包括噪声、衰减、失真、衰落和干扰。为了应对这些问题，通常采用信道编码和调制相结合的方式，如图4-13所示。信道编码调制技术4.4.4图4-13编码和调制在移动通信中的作用

在工业物联网(IIoT)中，不同应用场景对通信的需求差异化明显。多址技术中的正交频分多址(OFDMA)和码分多址(CDMA)各有优势，其选择依赖于场景的设备密度、延时要求及抗干扰需求。通过合理优化，这些技术能够充分发挥性能，满足工业通信的高效性和可靠性要求。

OFDMA凭借高频谱利用率和多子载波设计，特别适用于设备密集型场景。例如，在自动化生产线中，OFDMA支持大量传感器和设备的实时通信，而在智慧仓储中，则可通过多子载波传输并发管理摄像头和传感器流量。优化策略包括动态分配空闲子载波、聚合子载波提升带宽，以及通过干扰管理技术减少高密度设备之间的信号冲突。工业环境中各多址技术的选择与优化4.4.5

表4-6对OFDMA和CDMA两种多址技术进行了对比分析。

调度器的工作方式是每代蜂窝网络的核心特性之一，也是无线资源管理(RRM)系统的重要组成部分，其设计与网络采用的多路复用机制密切相关。例如，2G网络采用时分多址(TDMA)，通过将时间划分为多个时隙分配给不同用户;3G则采用码分多址(CDMA)，利用不同的伪随机码区分用户。随着4G和5G的引入，蜂窝网络逐步从传统的电路交换方式转向数据包交换，而多路复用机制也随之发生了重要变化。概述4.5.1

我们从4G开始，因为它为理解5G奠定了基础。在4G中，OFDMA利用12个正交(互不干扰)的子载波频率进行数据传输，每个子载波可以独立调制。“多址”的含义在于，多个用户能够同时占用不同的子载波频率进行数据传输，每个用户的传输时间也可以不同。4G定义了较窄的子带(例如15kHz)，并通过优化编码设计，最大限度降低了因干扰导致的数据丢失风险。

在4G中，OFDMA用于下行链路的多路复用，而上行链路(用户设备向基站发送数据)采用了不同的多路复用策略。由于这种策略在5G中不再使用，这里将不再赘述。

4G中的多路复用4.5.2

OFDMA的使用将无线频谱概念化为一个二维资源，如图4-14所示。垂直维度表示子载波，水平维度表示每个子载波上传输符号的时间。每次传输的基本单元被称为资源单元(ResourceElement，RE)，它对应于一个子载波周围15kHz的带宽和传输一个OFDMA符号所需要的时间。每个符号可以携带的比特数取决于所采用的调制方案。例如，在正交振幅调制(QAM)中，16-QAM每个符号携带4个比特，而64-QAM则携带6个比特。调制方案的选择依赖于实时测量的信道质量。在信道质量较好的情况下，可以采用更高阶的调制方式，使每个符号携带更多比特，从而提升数据传输速率。这样的灵活性是OFDMA实现高效频谱利用的重要特性之一。图4-14频谱抽象表示为二维网格中的可调度资源单元

5G中的多路复用4.5.3

4.5.3.1波形的多样性与频段优化

与LTE只定义单一波形不同，5G引入了多种优化的波形，每种波形针对特定频段进行了专门设计。

(1)低频段(<1GHz):主要提供移动宽带和大规模物联网服务，强调广覆盖和良好的穿透能力。

(2)中频段(1~6GHz):支持更大的带宽，适用于移动宽带和关键任务应用。

(3)高频段(>24GHz，毫米波):提供超宽带宽，尽管覆盖范围有限，但适用于高数据需求的视距通信场景。

4.5.3.2频段与波形配置

5G的频率范围分为两个主要部分:

(1)频率范围1(FR1:410~7125MHz):最大带宽可达100MHz，支持三种波形，子载波间隔分别为15kHz、30kHz和60kHz，对应的调度间隔为0.5ms、0.25ms和0.125ms。

(4G采用了15kHz子载波间隔，调度间隔为0.5ms)

(2)频率范围2(FR2:24.25~52.6GHz，毫米波频段):带宽范围为50MHz至400MHz，支持两种波形，子载波间隔为60kHz和120kHz，调度间隔统一为0.125ms。

4.5.3.3从固定单元到灵活资源块的转变

5G的调度不再局限于固定大小的资源单元，而是基于更抽象的资源块进行操作。调度器在每个时间间隔内决定资源块的大小和分配数量，灵活性大大增强。图4-15以抽象视角展示了调度器的作用，调度器根据接收方的CQI反馈和与每个服务类别相关的5QI参数分配资源块给用户数据流。与4G类似，调度器依赖于接收方的信道质量指示(CQI)反馈和用户选择的5QI服务质量类。图4-15调度器的工作原理

相比4G的QCI，5G的5QI提供了更丰富的参数集，支持更加精细化的服务差异化。每个5QI值对应一种流量类型，与特定应用场景相关联，并包含以下属性:

(1)资源类型:如保证比特率(GBR)、延迟敏感GBR、非GBR。

(2)优先级的级别。

(3)数据包延迟预算。

(4)数据包误码率。

(5)最大数据突发量。

(6)平均窗口大小。虚拟化调度器（切片）4.5.4

目前为止的讨论均是假设单一调度器适用于所有工作负载，但在实际应用中，不同场景对流量调度有不同需求。例如，某些应用关注低延迟，而另一些则追求高带宽。

虽然可以设计一个复杂的调度器来综合考虑多种因素，但5G引入了一种更灵活的解决方案———网络资源切片(NetworkSlicing)。切片通过虚拟化层将底层物理资源(如无线频谱)分配给不同的应用场景，提供了资源隔离和灵活调度的能力。实际上，切片是对无线调度器的虚拟化，将物理资源分解成可独立管理的虚拟资源。虚拟化调度器（切片）4.5.4

如图4-16所示，切片的基本原理是将流量需求首先映射到虚拟资源块(VirtualRBs)，再将这些虚拟资源块分配到物理资源块(PhysicalRBs)。这一过程类似于计算机系统中的虚拟化技术，例如虚拟机监控程序(Hypervisor)管理虚拟机资源的方式。关键在于，这种映射过程是独立的，不需要关注每个虚拟资源块对应的具体用户或流量类型，从而实现了更高的灵活性和可扩展性。图4-16无线虚拟机监控程序将虚拟资源块映射到物理资源块

通过虚拟资源与物理资源的解耦，可以定义多个虚拟资源块集，每个资源块集的大小和配置均可独立调整，并为其分配专属调度器。图4-17展示了一个示例，其中物理资源被划分为两个相同大小的资源块集。划分完成后，各自的调度器独立管理和分配对应的虚拟资源块，而无须关注另一部分的运作情况。

这种机制的关键意义在于资源分配的灵活性和隔离性。例如，一个调度器可以专注于优化高带宽的视频流量，而另一个则针对低延迟的物联网流量进行优化。类似地，可以预留一部分资源专门用于优先级较高的任务(如公共安全通信)，而将剩余资源共享给其他流量类型。这种独立性和可配置性大幅提升了调度器的适应性和资源利用率。图4-17在无线虚拟机监控程序上运行的多个调度器边缘计算在RAN中的重要性4.6.1

在无线接入网中，边缘计算通过缩短数据传输路径，大幅降低了通信延时，提升了网络的整体效率。以下是边缘计算在RAN中的关键作用:

(1)降低延时:在靠近设备的边缘节点处理数据，避免信号的长距离往返。例如，在制造工厂中，传感器数据可以直接在本地进行边缘节点处理，使设备在毫秒级内调整状态。

(2)分散数据处理压力:边缘计算分担了核心网络的数据负载，提升了整体传输效率。

(3)增强数据安全性:敏感信息在边缘节点完成处理，减少了在数据传输过程中泄漏的风险。边缘计算在工业应用中的典型场景4.6.2

4.6.2.1自动化控制

在自动化工厂中，生产线设备需要实时通信和快速响应。边缘计算将数据处理任务直接下沉至工厂内部的边缘节点，实现毫秒级响应。例如，机械臂可根据实时数据调整动作，避免误差积累，从而保障生产线的稳定运行。此外，边缘计算支持设备间的智能调度和协同优化，提升设备利用率并减少空闲时间。

4.6.2.2实时监控

边缘计算支持对环境和设备的实时监控，确保工业流程的安全和高效运行。例如，在智能工厂的摄像头监控中，边缘节点可以直接分析图像数据，实时检测异常，如温度过高或火灾隐患。同时，边缘计算可整合多个传感器的环境数据(如湿度、气体浓度)，并对生产线上产品的质量数据进行实时分析，减少次品率。

4.6.2.3远程设备管理与控制

在分布式工业系统中，边缘计算支持远程设备的管理和控制，特别适用于分布范围广的场景，如石油钻井和风电场。边缘节点负责实时采集设备数据并进行本地处理，同时在紧急情况下快速响应。例如，在钻井系统中，边缘节点可以实时监控关键参数，并在异常时及时关停设备，防止风险扩大。边缘计算的优化策略4.6.3

边缘计算的有效部署和持续优化依赖于多种策略，这些策略旨在提升资源利用率、确保系统的稳定性和支持复杂的工业场景应用。

首先，计算资源的动态分配是边缘计算优化的核心。通过虚拟化技术，边缘节点可以灵活调整CPU、内存等计算资源，以确保关键任务的优先处理。在高负载情况下，动态分配机制可以迅速响应资源需求变化，避免瓶颈的发生，提升节点整体效率。

其次，数据冗余与容错机制在工业环境中至关重要。边缘节点需要为关键数据提供冗余存储，同时具备一定的容错能力。当网络波动或节点故障发生时，这些机制可以确保任务不会中断，维护业务的连续性和可靠性。此外，容错机制还能够对敏感任务进行实时备份，降低意外事件发生的风险。

IoT对RAN的需求4.7.1

4.7.1.1低延时需求

低延时是IIoT核心场景(如自动化控制和实时监控)的基本要求。例如，自动驾驶、机器人控制等任务需要毫秒级响应时间，否则可能导致误操作甚至安全事故。RAN的低延时需求主要体现在:

(1)端到端延时:从信号发出到反馈完成的全链路延时需要最小化。

(2)控制平面延时:确保设备注册、状态更新和资源分配的实时性。

通过优化架构设计、调度算法和数据路径，RAN可有效减少延时，满足IIoT对实时性的需求。

4.7.1.2高可靠性需求

IIoT中的许多任务(如生产线监控、智能电网和医疗设备管理)对通信可靠性要求极高。无论是设备密集、网络负载高还是环境复杂，RAN都必须保障稳定连接，避免通信中断。

主要措施包括:

(1)冗余机制:通过备份链路和基站降低故障风险。

(2)自愈能力:故障发生后，RAN可自动检测并重新配置网络，迅速恢复通信。

(3)干扰管理:减少外界信号干扰，保障通信质量。

4.7.1.3高安全性需求

IIoT设备通常涉及敏感数据和关键操作，RAN需要保障通信的安全性和设备接入的可信性。

安全措施包括:

(1)数据加密:对传输数据进行加密以防泄露。

(2)身份验证与授权:确保只有合法设备和用户能接入网络。

(3)抗攻击能力:防范拒绝服务攻击(DoS)、信号干扰等安全威胁。

4.7.1.4大规模设备接入需求

IIoT设备数量增长迅速，RAN需要支持海量设备接入并确保通信稳定。例如，在智能制造中，生产线可能有数万台传感器和控制设备。

应对策略包括:

(1)高密度接入:通过OFDMA和NOMA等技术支持大规模并发连接。

(2)低功耗优化:支持NB-IoT等低功耗广域网技术，满足IIoT设备节能需求。

(3)网络切片技术:利用虚拟化将网络划分为切片，为不同应用分配专用资源，避免冲突。

4.7.1.5高效资源管理

IIoT的多样化需求要求RAN动态分配频谱、时隙和功率资源，以优化网络性能。

优化策略包括:

(1)智能调度:实时监测网络负载并动态调整资源分配，避免瓶颈。

(2)边缘计算结合:将计算任务下沉至边缘节点，降低延时并缓解核心网络压力。

(3)分级资源分配:优先处理关键任务流量，同时优化非关键任务的资源使用。

RAN在IIoT中的典型应用场景4.7.2

随着工业物联网(IIoT)的快速发展，RAN在智能制造、远程监控与维护，以及物流和仓储管理等领域发挥了核心作用，表4-7罗列了RAN在IIOT中的典型应用。通过提供低延时、高可靠性和大规模设备接入的无线网络通信能力，RAN能够满足工业场景中实时数据采集、设备远程控制和智能调度的需求，为工业智能化和高效化发展提供有力支持。针对IIoT的智能化技术与RAN优化4.7.3

随着工业物联网(IIoT)的发展，传统无线接入网(RAN)在面对海量设备接入、低延时通信和动态需求时面临着巨大挑战。AI和自组织网络(SON)作为智能化技术的代表，为RAN的优化提供了重要支持，使其更高效地满足IIoT复杂多样的应用需求。

AI驱动的资源预测与分配:通过历史数据和实时网络状态的智能分析，提升了RAN的资源利用率。例如，AI能够预测不同基站的流量负载，根据预测结果动态分配无线频谱和带宽资源。在工业车间中，AI技术可提前识别高峰时段，为关键设备分配更多带宽，避免通信瓶颈。此外，AI还能在RAN中实现智能负载均衡，通过实时调整基站的服务能力，优化接入效率。数据驱动的网络优化4.7.4

4.7.4.1实时优化技术:基于数据反馈的动态管理

实时优化技术依赖于对网络状态和设备行为的实时感知，结合智能算法动态调整资源分配和干扰管理，确保网络稳定性和高效性。

(1)干扰管理与优化:复杂工业环境中，干扰是影响通信质量的主要因素。通过实时监测干扰源、信号质量和设备位置，RAN能够动态调整传输功率、频谱分配等参数，从而减少干扰并保证信号质量。例如，在高密度设备环境中，动态频谱分配可避免相邻设备间的信号冲突，确保稳定通信。

(2)智能资源调度:基于实时流量数据分析，RAN能够动态分配频谱和带宽资源。例如，在工业车间中，高流量任务(如高清视频监控或远程控制)的带宽需求较高，RAN可以智能调整资源配置，优先满足这些应用，同时优化低流量设备的资源利用率。

实时优化技术在工厂自动化控制中发挥了关键作用。生产线上的工业机器人和自动化设备需要毫秒级的响应，通过实时优化技术，能够确保网络的低延时和高可靠性，避免因延时或通信中断导致的生产率下降或误操作。

4.7.4.2边缘智能:结合边缘计算与AI的低延时优化

边缘智能将计算和分析能力下沉至靠近数据源的网络边缘，通过与AI技术结合，实现实时决策与资源优化。边缘计算减少了数据传输至云端所需的时间，大幅降低延时，同时缓解了核心网络的压力。

(1)实时决策支持:边缘智能在本地处理数据并作出快速决策。例如，在自动化生产中，设备通过边缘节点接收控制指令并实时响应，避免因传输延时而影响生产率。

(2)故障预测与预防:边缘节点利用AI技术分析传感器数据，可提前识别设备故障风险并采取预防措施。例如，基于振动传感器数据的实时分析，可预测机械设备的异常运行并提前维护。

(3)流量优化与带宽管理:边缘计算在本地完成大部分数据分析，仅上传必要数据至云端，降低了网络带宽的使用压力，同时提升了整体资源利用率。

优势:

(1)低延时:边缘智能能够将响应时间缩短至毫秒级，满足IIoT对实时性的严格要求。

(2)高可靠性:通过实时故障预测与快速应对，确保设备的持续稳定运行。

(3)资源优化:智能管理数据流量，减少不必要的传输，优化带宽利用率。

4.7.4.3数据驱动技术的整合与未来发展

数据驱动的网络优化结合实时优化和边缘智能两大技术，为RAN在IIoT场景中的应用提供了强大的支撑。通过干扰管理和资源调度，实时优化技术确保了网络的低延时和高效性;边缘智能通过边缘计算与AI的结合，实现了实时决策和流量优化，为工业应用提供了更加灵活、可靠的通信方案。

未来，随着数据驱动技术的不断进步，RAN将进一步实现智能化和自动化，为工业制造、远程监控和自动化控制等领域的数字化转型提供坚实基础。这些技术的深入应用，不仅将推动IIoT的全面发展，还将为工业生产率和安全性的提升带来深远影响。本章总结无线接入网(RAN)是工业物联网(IIoT)中的关键基础设施，连接终端与核心网络，支撑大规模设备互联和实时通信。为满足IIoT对低延时、高可靠性与安全性的需求，RAN架构从传统分布式(D-RAN)逐步演进为集中式(C-RAN)和云化(CloudRAN)，实现了网络集中管理、资源动态调配和运维成本降低，特别适用于复杂工业场景。核心功能方面，RAN通过频谱、功率与时隙的动态管理，实现了高效的无线资源调度，支持OFDMA、CDMA等多路复用技术，保障设备密集环境下的通信性能。边缘计算与MassiveMIMO的结合进一步降低了时延、增强了连接稳定性，而加密、认证等安全机制确保了数据隐私和网络安全。本章总结未来，RAN将深度融合AI、自组织网络(SON)和智能频谱管理，向智能化、灵活化方向发展，与边缘计算和云平台协同支持如自动驾驶、智能制造等关键应用。总体而言，RAN正在成为推动工业通信智能化和数字化转型的坚实支柱。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

5.1.2.1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。

5.1.2.2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。

5.1.2.3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。

5.1.2.4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。

5.1.3.1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。

5.1.3.2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。

5.1.3.3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。

5.1.3.4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

5.2.2.1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。

5.2.2.2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。

5.2.2.3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。

5.2.2.4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。

5.2.2.5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。

5.2.2.6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。

5.2.2.7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

5.2.3.1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

5.2.3.2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

5.2.3.3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

5.2.3.4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

5.2.4.1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。

5.2.4.2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