结构化方法的无线传感器网络设计

根据信道进行网络划分

在不能删除节点或降低输出功率的情况下，系统设计师可以选择将工作在单个信道上的单一网络划分为工作在不同信道上的多个网络来解决网络拥塞问题。802.15.4在2.4GHz频率范围内规定了16个信道，在900MHz频率范围内另外还增加了10个信道。将网络置于不同的信道上能够完全隔离不同网络间的相互影响，但根据需要，每个网络可能需要使用协调器(coordinator)，并需连接这些协调器，从而带来额外的复杂性。

如果待分割的网络逻辑上已经是分开的，那么根据信道进行网络划分的方法最有效果。例如，在大楼自动化应用中，让每一楼层的网络工作在各自的信道上通常是比较理想的。但如果每个楼层都有一个网络协调器，那么不同楼层之间的节点相互通信就很麻烦，特别是这样做可能会影响网络性能(高密度网络就是这种情况)。

同样，还可以根据房间或办公面积进行划分。最重要的是，应该根据具体应用要求和可用信道数量来做出根据物理信道划分网络的决定。当多个子网络中的节点需要相互通信时，这种划分还会使总体设计变得更加复杂。

信道掩码(就象收发器输出功率一样)是一个可设置的网络参数。应用工程师可以给网络协调器以及必须与该协调器建立连接的网络设备分配一个合适的信道掩码。作为一个标准步骤，协调器将执行能量检测扫描，以便从信道掩码中挑选出"活跃性最差"的信道。

值得注意的是，除了给掩码分配单个信道外，没有其它方法能强制协调器工作在特定信道上。不过强烈建议在信道掩码中至少要保持两个信道，因为来自WiFi网络、蓝牙耳机和其它电子设备的带内干扰会临时占用本来是空闲的特定信道，致使整个网络瘫痪。在信道掩码中留有多个信道不仅给协调器提供了信道选择余地，今后还能让它灵活地切换到拥塞程度较低的信道。

图2：ZigBee网状网拓扑。

根据PANID进行网络划分

最后一种策略是根据PANID划分网络，这种方法的效率公认要比根据物理信道划分网络的方法低。PANID是一个给定网络中所有设备都知道的唯一标识符。使用不同PANID的设备之间是无法通信的，从而允许多个网络共存于同一区域，而且其中一个网络的数据不会在另外一个网络中出现。事实上，具有不同PANID的多个网络都可以使用相同的物理信道实现相互间的通信。

虽然根据PANID分割网络不会影响空中拥塞程度，但可以通过在堆栈的较低层滤除来自相邻网络设备(具有另外一个PANID)的业务而减少每个节点处的处理开销量。在大多数情况下，滤除工作可以由PHY层硬件自动完成，从而释放更多的应用资源和时间。对于应用处理和路由开销占主导的应用而言，根据PANID进行划分的方法能够非常有效地在给定区域内容纳更多的节点。

基于PANID分段的一个好处是具有相对较多的可能唯一分段，准确地讲可达216个。虽然只有26个物理信道，但PANID为实现分段提供了更灵活的方法，尽管效率较低。大多数无线系统将同时使用PANID分段和信道数量分段的组合策略。总之，在解决网络拥塞问题时这种组合策略可以提供最佳的灵活性和效率折衷方案。

图3：居民住宅楼内的无线抄表应用。

吞吐量

另外一个需要仔细考虑的设计因素是吞吐量。简单地说，吞吐量指的是一个设备在单位时间内希望传送的有用数据总量。许多系统工程师错误地认为系统具有比实际可用带宽大得多的带宽(有时甚至超出一个数量级)，从而导致性能差或无法运行的设备和失败的设计。

导致这个常见问题的原因是802.15.4网络链路宣称有250kbps的介质容量。实际上，这个数字指的是理论上的物理极限，也就是PHY层的有效带宽。它忽略了物理层上其它堆栈层引起的协议延时、处理和解析每个数据包的开销、介质访问时间、数据确认机制和误码率。根据我们的经验，在相隔一跳的两个ZigBee节点之间建立的点到点链路的传输速率不超过110到120kbps。在引入确认机制后，这个速率还要下降近一半。在任一给定时间点有3到5个节点试图访问共享介质的典型网络环境中，这个传输速率还将进一步降低到数十kbps。

显然，20~40kbps与标准宣称的最大250kbps有很大差异，而一个缺乏经验的系统工程师往往不知道这种差异，直到悔之晚矣。关键是无线传感器网络从来没有打算要支持高带宽的应用。相反，其目标市场是具有低带宽要求的相对大型网络。如果有个传感器是产生100kbps数据流的视频摄像机，那么无线传感器网络和ZigBee肯定不是最好的选择，市场上有其它无线技术能更好地完成这个工作。

尽管吞吐量期望值和某种技术能够支持的指标不匹配很常见，但仍可以合理使用这种技术，并通过带宽优化在目标环境中高效地运行。例如考虑每秒采样100次的温度传感器。每次用一个数据包发送一个样值将是一个较差的设计选择。事实上，由于前面提到的网络拥塞和级联重传故障问题，这样做将给网络健康带来不良后果。一个更好的策略是，将多个样值汇聚到一个数据包中，因为在大多数情况下，最大的数据包比较小的数据包更优。