'

Вычисление в беспроводных сенсорных сетях

Понравилась презентация – покажи это...





Слайд 0

Вычисление в беспроводных сенсорных сетях Пойда Алексей ИКИ РАН


Слайд 1

Sensor networks Ad-hoc networks for environmental monitoring Wireless sensor networks Mobile sensing platform


Слайд 2

Sensor networks architecture 3 Internet, Satellite, UAV Sink Sink Database Formatting Processing Mining Visualization Cloud Services Jim Gray and Alex Szalay Life under your feet JHU


Слайд 3

Wireless Sensor Networks (WSN) A WSN can consist of 10 to 1000 of sensor nodes (motes) that communicate through wireless channels for information sharing and cooperative processing With low-power circuit and networking a mote powered by 2 AA batteries can last for 3 years with a 1% low duty cycle working mode After the initial deployment (ad-hoc), motes are responsible for self-organizing into a network with multi-hop connections The onboard sensors then start collecting acoustic, seismic, infrared or magnetic information about the environment, using either continuous or event driven working modes Location and positioning information can also be obtained through the global positioning system (GPS) or local positioning algorithms The basic philosophy behind WSNs is that, while the capability of each individual sensor node is limited, the aggregate power of the entire network is sufficient for the required mission


Слайд 4

Difference from ad-hoc networks Number of sensor nodes can be several orders of magnitude higher Sensor nodes are densely deployed and are prone to failures The topology of a sensor network may change frequently due to node failure and node mobility Ad-hoc network cables are prone to environmental impact such as lightning Sensor nodes are limited in power, computational capacities, and memory May not have global ID like IP address Need tight integration with sensing tasks 5


Слайд 5

6 Sensor network node Small Low power Low bit rate High density Low cost (dispensable) Autonomous Adaptive SENSING UNIT PROCESSING UNIT


Слайд 6

Telos platform Robust USB interface Integrated antenna (30m-125m) External antenna capabie (~500m) High Performance 10kB RAM, 48 KB ROM 12-bit ADC and DAC Hardware link-layer encryption Processor: TI MSP430 (16bit) @8MHz 6?A sleep 460?A active 1.8V operation Radio: EEE 802.15.4 CC2420 radio 250kbps 2.4GHz ISM band 7


Слайд 7

Evolution of Telos platform 2nd generation MSP430 ~50% less power consumption in stand-by and off-mode faster wake-up: 1µs vs. 6µs 2x speed (16MHz vs. 8MHz), ~2x Flash (92KB vs. 48KB), 8KB vs. 10KB RAM Programmable internal pull-ups. ~2x External Flash Memory (16Mbit vs. 8Mbit) Sensors 3-axis digital accelerometer and temperature sensor vs. light, temperature and humidity sensors. Ziglet sensors product-line under development.


Слайд 8

Development system Virtual Machine: Ubuntu 9.10 in VirtualBox TinyOS 2.1.1 synchronized with CVS repository Eclipse IDE with YETI 2 plugin for TinyOS


Слайд 9

Power consumption Need long lifetime with battery operation No infrastructure, high deployment & replenishment costs Challenges Energy to wirelessly transport bits is ~constant (Shannon, Maxwell) Fundamental limit on ADC speed*resolution/power No Moore’s law for battery technology ~ 5%/year How is power consumed CPU (Moor’s law!) Radio


Слайд 10

WSN applications CLASS 1: Data collection Entity monitoring with limited signal processing in a relatively simple form, such as temperature and humidity Sampling period from days to minutes Environmental monitoring and habitat study CLASS 2: Computationally intensive Require processing and transportation of large volumes of complex data 10 Hz – 100 KHz sampling frequency Seismic, industrial monitoring and video surveillance


Слайд 11

Система KOALA: ultra-low power data retrieval in wireless sensor networks Проект разработан в университете Джона Хопкинса Система с низким потребление энергии, предназначена для долгих наблюдений параметров окружающей среды (с частотой от нескольких замеров в минуту до нескольких замеров в день) Flexible control protocol (динамически строящаяся таблица маршрутов) позволяет экономить энергию Механизм low power probing нацелен на эффективный перевод мотов из режима сна в режим активной передачи


Слайд 12

KOALA: общая схема работы Моты с измерительными сенсорами установлены на местности, базовая станция подключена к USB-порту компьютера. Каждый мот обслуживает свои сенсоры, собирая с них информацию с предварительно заданной частотой и сохраняя во flash память. По требованию оператора с компьютера (работа ведется через операционную систему TinyOS) базовая станция рассылает всем мотам сигнал об активизации (LPP механизм), устанавливает маршруты скачивания данных (FCP протокол), собирает данные в сыром виде, сохраняя на диск


Слайд 13

Наработки ИКИ РАН Разработали внешние сенсоры: Инфразвук Термопары Магнитометр Акселерометр Разработали систему сбора «медленных» данных: ПО для сенсоров на базе KOALA Скрипты для предварительной обработки данных с сенсоров и загрузки в базу данных База данных и веб-приложение (фронтенд) для выборки и визуализации Разработали технологию детектирования событий в «быстрых» потоках данных


Слайд 14

Мониторинг окружающей среды в вычислительном центре ИКИ РАН 5 мотов со стандартным набором сенсоров Данные скачивались нерегулярно, с интервалами от 2 до 7 дней. Результаты сохранялись в сыром специфическом виде в локальном файле в виртуальной машине. Сырые данные переформатировались в числовой формат. Данные в числовом формате загружались в удаленную базу данных MySQL, откуда они могут быть запрошены системой визуализации. Кроме того данные из числового формата могут быть преобразованы в CSV формат и отображены, например, в приложении MS Excel


Слайд 15

Эксперимент в вычислительном центре ИКИ РАН


Слайд 16

Визуализация данных с сенсоров


Слайд 17

Статистика начало эксперимента: 03.11.2010 окончание эксперимента: 07.12.2010 падение заряда батареек: в среднем упал с заряда 3,2 до 3 (здесь стоит отметить агрессивную среду, периодическое прерывание каналов и неоптимальный аппарат системы скачивания данных Koala, требующих больших накладных расходов при потере связи) скорость опроса сети: в зависимости от удаления сенсора и количества посредников в мультихоповом пути, но в среднем на скачивание данных с одного мота, полученных за сутки (2880 байт) тратится минута. скорость LPP протокола: по умолчанию, на то, чтобы разбудить моты, управляющему моту давалось полторы минуты, но реально приведение сети в готовность происходила за 10-20 секунд. Нет потерянных данных при успешной передаче Поддержка связи на расстоянии порядка 10-20 метров через препятствия (стены) и в условии постоянных помех от аппаратуры За более чем месяц эксперимента не потребовалось техническое обслуживание ни одному моту К негативным сторонам следует отнести высокие накладные расходы, связанные с разрывом виртуального канала передачи данных, а также довольно низкую скорость передачи данных.


Слайд 18

Обработка высокочастотных данных Требуется обработать данных больше чем лимитирует пропускная способность сети Используем детектирование событий


Слайд 19

Другие проблемы, решаемые при построении WSN Назначение новой задачи по контролю объекта, исходя из его местоположения и требования минимальной нагрузки сети Сжатие данных и контроль передаваемого трафика Выбор стратегии при вычислениях, в которых задействовано несколько узлов (с одной стороны требуется обмен данными, с другой – требуется затраты батарей на пересылку)


Слайд 20

Automatic vs. manual seismic event detection Piton de la Fournaise volcano


Слайд 21

Spatio-temporal clustering of seismic waveforms Advanced Land Imager (ALI) on NASA’s Earth Observing-1 satellite captured this image of Piton de la Fournaise on January 16, 2009


Слайд 22

The April 2007 eruption and the Dolomieu crater collapse, two major events at Piton de la Fournaise


Слайд 23

Piton de la Fournaise eruption January 2, 2010


Слайд 24

Иерархическая беспроводная сеть


Слайд 25

Направление дальнейшей работы Разработка эффективного программного аппарата учета топологии. Разработка пространственно-временных распределенных алгоритмов детектирования событий на узлах без передачи данных на центральную базу. Разработка системы ответного воздействия для конкретных систем (пример: управление системами орошения в сельском хозяйстве) Построение интерактивной системы визуализации данных с возможностью отображения на многодисплейных видеостенах и удаленного перепрограммирования сенсоров (моты последнего поколения предоставляют подобную возможность)


×

HTML:





Ссылка: