探索蓝牙网状网络上的数据采集外文翻译资料

Exploring data collection on Bluetooth Mesh networks

ABSTRAC

This work evaluates sporadic data collection on a Bluetooth Mesh network， using the OMNET INET simulator. The data collector is a roaming sink node， which could be a smartphone or other portable device， carried by a pedestrian， a biker， an animal， or a drone. The sink node could connect to a mesh network in hard-to-reach areas that do not have internet access and collect sensor data. After implementing Bluetooth Mesh relay extensions， Low Power， and Friend features in OMNET ， we were able to propose and evaluate algorithms for mobility-aware， adaptive， routing of sensor data towards the sink node. One variation of a proposed routing algorithm achieved a 173.54% increase in unique data delivered to the sink node compared to Bluetooth Meshrsquo;s default routing algorithm. In that case， there was only a 4.63% increase in energy consumption for the same scenario. Also， the delivery rate increased by 111.82%T

Keywords: Wireless sensor networks Distributed data collection Mesh networks Bluetooth mesh

Introduction

Routing in Wireless Sensor Networks (WSNs) to optimize the collection of sensor data has been widely explored over the past years， as reported by a 2011 survey by [1] and by [2]. WSNs with access to the Internet are a particular category of Internet of Things (IoT)， where IoT devices with sensors may form WSNs to exchange sensor data and actuation commands with any remote machine. When designing software for connected wireless devices， connectivity intermittence may be considered because smart IoT devices may have to be used in places with limited or variable wireless radio signal or unstable internet connectivity. This connectivity problem is further complicated if mobility is an intrinsic feature of the system and application. As its primary use case， this work considers the task of monitoring trees in hillside vegetation or an urban forest. More technically， this work considers a scenario where several nodes equipped with sensors are spread in one area of difficult access， where each node monitors the health of a tree with sensors attached to its trunk and foliage， as well as some environmental variables such as temperature and humidity in the proximity of the tree. We further consider that sensor data accumulated at each mesh node can be retrieved by a mobile sink node (i.e.， Mobile-Hub) when the sink gets sufficiently close to the mesh node during its continuous movement within the monitored arboretum mesh (i.e.， MAM) region. This could happen as a kind of Participatory Sensing， where pedestrians， bikers， or even animals carry a small portable IoT device or a smartphone that behaves as a Mobile-Hub [3，4]. Or alternatively，the Mobile-Hubs could be mounted on quad-copters that overfly an urban forest or hillside region and collect the sensor data from certain lsquo;lsquo;visitedrsquo;rsquo; WSN nodes. In any case， the goal is that the Mobile-Hub(s) should be able to collect as much sensor data from the whole network while on the move. But， if the Mobile-Hubs are not supposed to visit every mesh node this requires an agile routing of the sensor data in the WSN towards the direction of the place where the Mobile-Hub is currently lsquo;lsquo;having a rendezvousrsquo;rsquo; with a mesh node. As can be seen， this use case faces not only the challenges of intermittent connectivity (since the Mobile-Hub is only sporadically connected to the mesh network along its trajectory) but also of the energy constraints of the mesh network， since the nodes monitoring the trees have to be always ready to route their collected sensor data into some direction and， at the same time， minimize their radio activity so as to save as much (battery) energy as possible. Energy management is a well-known and important topic in WSN implementation since it is a crucial element that will determine the operational lifespan of the entire network， and has been thoroughly explored in the literature covering mobile sink routing for WSNs [5]. On the other hand， routing in WSN and mesh networks is usually done through broadcasting and controlled flooding， which requires the nodersquo;s radios to be longer active and less efficient [5]. The Ad hoc On-Demand Distance Vector (AODV) [6] is a routing strategy used in the ZigBee protocol that accounts for node mobility， link failures， and packet losses. AODV uses broadcast messages to define routes， but routes are defined without considering the nodersquo;s battery energy levelMore radio usage， in turn， increases the energy consumption considerably on systems where the radio transmission (TX) and reception (RX) activity are much more energy-hungry than the CPU usage or sensor activity. There are WSN approaches that focus on routing optimization considering energy consumption， such as the lsquo;lsquo;Energy Aware Geographic Routing Protocol for Wireless Sensor Networksrsquo;rsquo; (EAGRP) [7] and the lsquo;lsquo;Low-Energy Adaptive Clustering Hierarchyrsquo;rsquo; (LEACH) [8] from which many other approaches build upon [9]. EAGRP [7] is an improvement on AODV [6]， which aims to extend the network lifetime by using energy and positioning information of each node to define routes. LEACH [8] maintains clusters and tries to aggregate data on specific nodes (cluster heads) as a way of saving power and extending the WSN lifetime. Another approach is the lsquo;lsquo;Hybrid， Energy Efficient， Distributed clustering approach for Ad Hoc sensor networksrsquo;rsquo; (HEED) algorithm [10]， which selects the cluster heads based on remaining energy levels and communication cost. The survey by Baranidharan and Shanthi [11] compares LEACH， HEED and other approaches focused on WSN energy optimization. Bluetooth is a wireless technology that can be used for WSNs and may be an interesting option since most commercially available smartphones， as well as many microcontroller devices and system-onchip devices (SoCs)， support it [12，13]. One example of an SoC that supports Bluetooth is the ESP32. [14] describes the im

剩余内容已隐藏，支付完成后下载完整资料

探索蓝牙网状网络上的数据采集

摘要

这项工作使用OMNET INET模拟器评估蓝牙网状网络上的零星数据收集。数据采集器是一个漫游接收器节点，可以是智能手机或其他便携式设备，由行人、自行车手、动物或无人机携带。接收器节点可以连接到难以到达的区域的网状网络，这些区域没有互联网接入，并收集传感器数据。在OMNET 中实现了蓝牙网状中继扩展、低功耗和好友功能之后，我们能够提出并评估移动感知、自适应的算法，将传感器数据路由到汇聚节点。与Bluetooth Mesh的默认路由算法相比，所提出的路由算法的一个变体实现了发送到汇聚节点的唯一数据增加173.54%。在这种情况下，同一情景下的能源消耗仅增加了4.63%。分娩率比对照组提高111.82%

关键词：无线传感器网络分布式数据采集网格网络蓝牙网格

1.导言

正如[1]和[2]在2011年的一项调查中所报道的那样，在过去几年中，无线传感器网络（WSN）中优化传感器数据收集的路由已被广泛探索。接入互联网的无线传感器网络是物联网（IoT）的一个特殊类别，其中带有传感器的IoT设备可以形成无线传感器网络，与任何远程机器交换传感器数据和驱动命令。在为连接的无线设备设计软件时，可考虑连接间歇性，因为智能物联网设备可能必须在无线无线电信号有限或可变或互联网连接不稳定的地方使用。如果移动性是系统和应用程序的固有特征，那么这种连接问题就更加复杂。作为其主要用例，这项工作考虑了监测山坡植被或城市森林中树木的任务。更严格地说，这项工作考虑了这样一种情况，即多个配备传感器的节点分布在一个难以进入的区域，每个节点通过连接在树干和树叶上的传感器以及一些环境变量（如树木附近的温度和湿度）来监测树木的健康状况。我们进一步认为，当接收器在监测植物园网格（即MAM）区域内连续移动期间充分接近网格节点时，移动接收器节点（即移动集线器）可以检索每个网格节点上累积的传感器数据。这可能会作为一种参与式感知发生，在这种感知中，行人、骑自行车的人，甚至动物都会携带一个小型便携式物联网设备或一个充当移动中心的智能手机[3，4]。或者，移动集线器可以安装在四架直升机上，飞越城市森林或山坡地区，并从某些“访问”的WSN节点收集传感器数据。在任何情况下，目标都是移动集线器应该能够在移动中从整个网络收集尽可能多的传感器数据。但是，如果移动集线器不应该访问每个网状节点，这就需要将无线传感器网络中的传感器数据快速路由到移动集线器当前与网状节点“会合”的位置。可以看出，该用例不仅面临间歇性连接的挑战（因为移动集线器只是沿着其轨迹偶尔连接到网状网络），还面临网状网络的能量约束，因为监控树的节点必须随时准备将其收集的传感器数据路由到某个方向，同时，尽量减少他们的无线电活动，以尽可能节省（电池）能量。能量管理是无线传感器网络实现中一个众所周知且重要的话题，因为它是决定整个网络运行寿命的关键因素，并且在涉及无线传感器网络移动接收器路由的文献[5]中已被深入探讨。另一方面，无线传感器网络和网状网络中的路由通常是通过广播和控制泛洪来完成的，这要求节点的无线电活动时间更长，效率更低[5]。Ad hoc On Demand Distance Vector（AODV）[6]是ZigBee协议中使用的一种路由策略，考虑了节点移动性、链路故障和数据包丢失。AODV使用广播消息来定义路由，但路由的定义不考虑节点的电池能量水平。在无线传输（TX）和接收（RX）活动比CPU使用或传感器活动更耗电的系统上，更多的无线电使用反过来会增加能耗。有一些侧重于路由优化、兼顾能耗的无线传感器网络方法，如“无线传感器网络的能量感知地理路由协议”（EAGRP）[7]和“低能量自适应集群层次结构”（LEACH）[8]，许多其他方法都以此为基础[9 EAGRP[7]是对AODV[6]的改进，其目的是通过使用每个节点的能量和定位信息来定义路由来延长网络寿命。LEACH[8]维护集群，并尝试在特定节点（集群头）上聚合数据，以节省电力并延长无线传感器网络寿命。另一种方法是“用于自组织传感器网络的混合、节能、分布式集群方法”（HEED）算法[10]，该算法根据剩余能量水平和通信成本选择簇头。Baranidharan和Shanthi[11]的调查比较了LEACH、HEED和其他专注于无线传感器网络能量优化的方法。蓝牙是一种可用于无线传感器网络的无线技术，可能是一种有趣的选择，因为大多数商用智能手机以及许多微控制器设备和片上系统设备（SOC）都支持它[12，13]。支持蓝牙的SoC的一个例子是ESP32。[14] 描述使用ESP32 SOC为物联网环境实现蓝牙路由方法。组织蓝牙网络的一个选项是使用蓝牙网格标准[12]形成一个网格网络（本文将其称为BTMesh）。BTMesh的最新版本（5.1）于2019年正式发布[15]，与Wi-Fi和ZigBee等其他技术相比，它试图实现更高效的能源消耗。BTMesh通过采用由受控泛洪组成的中继策略在网络上路由数据包[16]。这项工作的主要目标是评估模拟环境中的BTMesh作为将传感器数据路由到移动接收节点的可行技术。此外，另一个目标是设计和试验一个经过修改的BTMesh版本，该版本专门针对移动汇聚节点进行路由，旨在提高能效。因此，本文的研究目标是：1。MAIN-RQ1:BTMesh是将传感器数据路由到移动接收节点的可行技术吗？2.MAIN-RQ2：稍微修改一下的BTMesh im版本能否证明将传感器数据路由到移动汇聚节点的能效？这项工作旨在提出两种替代BTMesh默认中继算法的方法（在下一节中，我们将介绍本工作中使用的一些概念的定义。在第3节中，我们将介绍树木/森林监测以及其他可能的应用的模拟场景。第4节包含数据采集、mesh无线传感器网络和BTMesh网络方面的相关工作。然后，第5节介绍BTMesh及其特点，第6节介绍e提出的数据收集解决方案，解释了森林的BTM-R[23]。这些快照可以包含有关温度、湿度、光度、树液流（树液是树木木质部细胞中运输的液体）和空气质量的数据。这些数据还可用于识别正在发生的野火（这可能有助于消防员在火势扩大之前控制火势），并了解森林如何随时间变化。有几种火灾探测方法可以使用无线传感器网络将数据从传感器传输到基站或指挥中心[23–27]，但具体用例并不是这项工作的主要重点。相反，重点是评估蓝牙网格技术的使用情况，以构建通向移动接收器节点的节能路由（可应用于火灾探测场景或移动节点可能需要从传感器网络收集数据的其他情况）。2015年和2019年，巴西经历了两次重大灾难（Mariana3和Brumadinho4），尾矿坝坍塌，数百人死亡。尾矿坝的面积可能相对较大，可能需要通过压力、水位传感器和变形传感器等传感器进行持续监测[28]。尾矿坝监测似乎也是传感器网络数据收集的一种可能应用[29]。除了火灾探测和尾矿坝监测应用，不同行业还可以从无线网状网络中使用移动接收器的数据收集中受益。在农业领域，可以部署传感器来监测大量土地。工人的手机甚至无人机可以用来从这些传感器收集数据。这可以通过使用移动WMN来实现，在移动WMN中，传感器可以在与采集器连接时动态通信并将数据转发给采集器。类似地，在制造业中，工厂中部署的传感器可以交换数据以发送到网络（例如，发送到控制工厂的服务器）。他们还可以向其他节点发送数据，目的是让节点做出快速决策，而不需要信息甚至到达网络。这项工作进行了模拟，考虑了多个节点放置在地面上，单个移动接收节点以圆形轨迹移动的情况。移动接收器节点以恒定的速度移动，并且偶尔在r内一些地面节点的无线电范围。这些模拟涉及不同的移动接收速度、地面节点数量和其他模拟参数。第7节描述了这些参数以及仿真模型。这些场景的灵感来源于一个可能的应用程序，该应用程序用于监测城市森林、尾矿坝或山坡植被，考虑到传感器节点分布在一个没有结构化布线的区域，并且个人无线互联网接入要么不可用，要么成本高昂。此外，这项工作还考虑到监控区域的大尺寸，使得中央无线路由器直接连接到每个节点是不可行的。在这些场景中，传感器节点与至少一个其他传感器节点具有有界距离，以便可以形成连接的无线网络。这项工作认为，这种应用中使用的节点使用小型电池（能量供应有限）。因此，数据收集和路由算法应具有节能[5]的强烈要求。由于节点可能会出现故障或耗尽电池，因此在某些节点关闭时，冗余对于保持网络连接非常重要。在无线传感器网络中，可以根据中继节点的位置实现容错[30]，然而，这超出了本工作的范围。每个模拟场景的目标是将数据从传感器节点传输到移动数据采集器（即移动集线器）。移动集线器[3]是一个数据接收器，在该区域内移动，在再次移动之前，只偶尔连接到一些网络节点，并在有限的时间内连接。这项工作的场景考虑一次连接到网络的单个移动集线器，该集线器始终以恒定速度移动。无花果。1和2说明了一个示例场景，其中有一个网络，其中有十个传感器节点和一个移动集线器在不同时刻（t1和t2）连接到该网络。标记为LPN的节点被认为是低功率的节点，并且连接到标记为FN RN的节点。这些FN-RN节点可以为其他节点传播数据。在这两个瞬间，箭头指示从所有网络节点流向移动集线器的数据。蓝色标记的FN RN节点是连接到移动集线器的节点。本文讨论了传感器网络内部以及传感器网络与移动集线器数据接收器之间的通信。移动集线器与互联网或外部设备之间的通信不在本工作范围内。为了从传感器收集数据，移动集线器应该使用广泛的零售智能手机上可用的无线技术，这样这种机会主义连接就可以应用于任何现实世界场景，在这种场景中，拖拽智能手机的人、动物或无人机可以成为移动集线器，而不需要额外的无线集线器或加密狗设备。大多数商用智能手机都有蓝牙和Wi-Fi无线协议栈[13]。这两种技术都可以用来构成传感器网络[16，31]，然而，由于蓝牙低能耗（BLE）标准具有降低能耗的功能，因此对于这项工作的场景来说，这可能是一个更有趣的选择。4.相关工作4.1。传感器网络中的数据收集和网状无线传感器网络数据收集可由连接到互联网的移动节点（如智能手机或无人机）执行。在ContextNet中间件[4]中，这被称为移动集线器[3]。ContextNet移动中心可以连接到附近的传感器（移动对象）并将其数据传输到互联网。目前，它的方法是一个接一个地连接每个传感器，收集存储的传感器数据，并将其转发到网关，然后将其发送到处理服务器。另一种通过移动集线器从传感器网络收集数据的方法是，与连接到所有附近的移动对象不同，连接到一个本地对象，该对象是网状网络的一部分，可以从其他移动对象收集数据[32]。这使得移动集线器能够更快地收集数据，因为移动集线器将连接到更少的移动对象，并且移动对象可以将数据发送到更靠近移动节点的位置（这可能会提高整体数据传输速度）。物联网环境下的Mesh网络可以使用Wi-Fi Mesh[31]等技术，这些技术可以为每个设备提供高达300米的信号范围，或者使用耗电较少的短距离通信（如Zigbee或蓝牙技术）[33，34]。WMN可以动态地重新组织和配置。它们的节点可以自动建立和维护彼此之间的网状连接，带来了许多优势，例如提高了可靠性和鲁棒性[35]。4.2. 无线传感器网络中的能量消耗在传感器数据收集的背景下，无线通信是微控制器中消耗能量的主要原因[36]，因此，为了节约能源，选择尽可能减少无线电使用的方法非常重要。通过避免消息重复和重新传输的路由方法（如[7，8]），可以最大限度地减少网状网络中的无线电使用。几点建议文献中已经报道了一些讨论和评估网状网络中路由的建议。[37]针对考虑太阳能网状节点的WMN（无线网状网络），提出流量控制、路由和资源分配算法。他们的工作将问题建模为网状节点的有向图，并在给定电池和路由约束（如消息优先级）的情况下应用算法优化数据流。Badawy等人的模拟表明，提出的算法可能具有很高的计算复杂度，这表明这些算法不适用于Mesh IoMT的概念，在Mesh IoMT中，我们有数十万个设备在它们之间通信。为了延长无线传感器网络的生命周期，[38]定义了一种称为MobiRoute的路由协议，该协议支持汇聚移动。通过使用名为TOSSIM的模拟器对移动数据采集器和MobiRoute的实现进行深入模拟，作者展示了移动数据采集器方法在改善网络寿命方面的可行性和优势。他们的模拟覆盖了少于50个节点的网络，而目前的工作模拟了多达200个节点的网络。4.3. 无线传感器网络中的移动性[1]发布了一份关于涉及移动性的无线传感器网络的广泛调查。它定义了数据收集过程的分类，并分析了作为移动数据采集器的无人机（无人机）的数据收集工作。根据这种分类法，MAM路由算法（见第6节）将被定义为具有异步移动性独立发现方法和基于代理的路由方法。[2] 研究了无线网状传感器网络中数据采集的现状，分析了大数据环境下数据采集面临的挑战。他们还讨论了涉及移动性时数据收集的挑战，如使用移动数据采集器的接触检测、服务质量（QoS）和位置检测。MAM算法不包括服务质量和位置检测，这超出了当前工作的范围。然而，接触检测是路由过程的重要组成部分，MAM算法将在其研究背景下定义为依赖于路由发现的基于特征的路由协议。4.4. 正如[39]关于蓝牙多跳网络的调查所述，蓝牙是一种可用于形成无线网状传感器网络的技术。这项调查分析了20多年来关于这一主题的研究，不仅涉及经典的蓝牙技术，还涉及BLE（蓝牙低能耗），BLE因其低成本、低能耗和定义明确的GAP/GATT协议而成为物联网和无线传感器网络的一个优秀且越来越被采用的选项。调查显示，从1999年到2019年年中，85%以上的出版物基于模拟或分析结果，或者只是在概念上描述蓝牙多跳网络。此外，该调查分析的一些出版物强调了对这些类型网络的现实实现的需求。在正式的BTMesh规范之前，甚至在蓝牙低能量协议（如[40–44]）之前，已有几项关于使用蓝牙作为mesh网络技术的研究。[41]提到了选择转发消息的特定节点的想法，并使用领导者选举方法形成集群，其中每个领导者都是集群的中继节点。BTMesh规范发布后，对B

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[591063]，资料为PDF文档或Word文档，PDF文档可免费转换为Word