淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-2906200613162600
中文論文名稱 IEEE 802.15.4低速率無線感測網路應用於災難反應之研究與評估
英文論文名稱 The Research and Analysis for Wireless Sensor Networks in calamity detection.
校院名稱 淡江大學
系所名稱(中) 電機工程學系碩士班
系所名稱(英) Department of Electrical Engineering
學年度 94
學期 2
出版年 95
研究生中文姓名 張志豪
研究生英文姓名 JHau Chang
學號 693390410
學位類別 碩士
語文別 中文
口試日期 2006-06-14
論文頁數 89頁
口試委員 指導教授-李維聰
委員-潘仁義
委員-朱國志
中文關鍵字 無線個人區域網路  IEEE 802.15.4 
英文關鍵字 IEEE 802.15.4  Beacon Order Adaptation Algorithm(BOAA)  Low-Rate Wireless Personal Area Network(LR-WPAN) 
學科別分類 學科別應用科學電機及電子
中文摘要 台灣位於西太平洋,是一個典型的海島國家,雨量豐沛,雨量更是集中於六至九月夏天颱風季節,加上台灣山坡地過度開發、人口密集,土石流災害儼然成為台灣地區每年颱風豪雨季節民眾最關心的話題。另一方面,無線個人區域網路發展已漸趨成熟,傳輸特性有低消耗功率、傳輸距離短、資料流量小、體積小…等特性,其應用層面相當廣泛,包含大氣、水文、山林、河流、保育動物,以及候鳥研究等領域環境都變化多端,非常適合建立感測資料,而且研究結果影響宏大。而在土石流偵測方面,由於主要是依據地聲以及土壤濕度來做判定,在下雨天時比較有可能會發生,故在絕大部分時間偵測元件是屬於非常低的資料流量,只有在雨天時才必須要密集的去做偵測並回傳資料。因此,本篇論文主要是針對偵測元件如何去自我控制流量,在效能與能量消耗間做一個評量,以達到延長偵測元件電池使用壽命的目的,並節省偵測元件重新部署之人力與經費。
無線個人區域網路封包是由一連串的superframe所組成,每個superframe又分為active mode和inactive mode,其中有2個重要的參數來決定一個superframe大小和active mode長度,分別為BO(Beacon Order)以及SO(Superframe Order)。無線個人區域網路中有一個協調者(coordinator)負責發出Beacon用來協調整個無線網路,2筆成功的Beacon訊號便構成一個superframe。因此,BO參數直接影響到整個網路傳輸速度以及裝置存活時間。
在本論文中,我們主要是提出ㄧ系列演算法去計算目前網路流量,並且根據計算所得結果預測未來網路資料傳送情形,進而調整適當BO值。此外,我們以平均消耗功率及平均延遲時間2個因子去評估整個網路系統效能,選出最好演算法搭配及理想參數值。另一方面,災難偵測首重於即時性,因此感測元件瞬間反應能力也是本篇論文重點討論項目,也做了詳細分析。而經過我們模擬分析後,平均消耗功率、平均延遲時間及感測元件瞬間反應能力均有理想數值呈現。
英文摘要 Taiwan is a typical island country in the west Pacific Ocean, and there is much rain during the typhoon season from June to September. In Taiwan, the mountainside is developed overly and the population is crowded, hence the mudflows and landslides is major thing which people care about every year. On the other hand, the development of the Low Date Rate Wireless Personal Area Network(LR-WPAN)is mature gradually and LR-WPAN has the characteristic of low date rate, low power consumption, short transmission distance and low volume…etc. The application of LR-WPAN includes the detection of weather, hydrology, river, calamity and wildlife…etc. The date which collected by the sensor is very useful for an academic research.
And for the calamity detection of the mudflows and landslides, it is according to earthquake sounds and the humidity of the soil, and the calamity is usually occur in rainy weather, so the detection sensors is in very low date rate state in most of the time and need to transmit data frequently just in the rainy weather. Hence, in this paper we propose a new algorithm to control its data rate and to find a balance between performance and power consumption to achieve the goal of extending battery life.
論文目次 致謝………………………………………………………………………I
中文摘要..................................................II
英文摘要……………………………………………………………….III
目錄…………………………………………………………………….IV
圖目錄………………………………………………………………..VIII
表目錄…………………………………………………………..…….XV
第一章緒論……………………………………………………………...1
第二章無線感測網路簡介…………………………………………...3
2.1無線區域網路分類……………………………………..3
2.2感測器網路概念萌芽…………………………………..4
2.3無線感測網路架構與特徵……………………………..4
2.3.1無線感測網路架構………………………5
2.3.3無線感測網路特徵………………………5
第三章IEEE 802.15.4特性與通訊協定……………………………….8
3.1 IEEE 802.15.4特性………………………………….8
3.2 IEEE 802.15.4通訊協定…………………………….8
3.3 IEEE 802.15.4網路拓墣之方法……………………13
3.4SLOTTED CSMA/CA ALGORITHM……………………...15
3.4.1 IEEE 802.15.4 CSMA/CA架構介紹……5
3.4.2 IEEE 802.15.4 slotted CSMA/CA Algorithm…17
第四章Beacon Order Adaptation Algorithm……………………..22
4.1 Buffer Matrix B…………………………………..24
4.2 evaluateN_MAX()函數……………………………..27
4.3 evaluateBO()函數…………………………..…….32
第五章模擬與結果分析…………………………………………….38
5.1模擬環境與參數設定…………………………………38
5.1.1模擬環境假設…………………………..38
5.1.2 效能評估變數設定……………………39
5.1.3 參數設定…………………………….41
5.2演算法選擇搭配………………………………………42
5.2.1 BO對時間分佈圖………………………42
5.2.1.1 Algorithm 2A演算法搭配Algorithm3演算法BO變化......42
5.2.1.2 Algorithm 2B演算法搭配Algorithm3演算法BO變化……..45
5.2.1.3 Algorithm 2C演算法搭配Algorithm3演算法BO變化………47
5.2.1.4 Algorithm 2D演算法搭配Algorithm3演算法BO變化……..50
5.2.2演算法優缺點與選擇搭配…………...53
5.3 BO對時間分佈圖分析………..………………………57
5.3.1 Algorithm 2C搭配Algorithm 3B、3D、3E…........…….57
5.3.2 Algorithm 2D搭配Algorithm 3C、3D、3E…………….65
5.4平均功率消耗及平均延遲時間…………………………….............69
5.4.1 Algorithm 2A搭配Algorithm 3A演算法…………….……..69
5.4.2 Algorithm 2C搭配Algorithm 3B演算法…………………...70
5.4.3 Algorithm 2C搭配Algorithm 3D演算法…………………....72
5.4.4 Algorithm 2C搭配Algorithm 3E演算法……………..……..74
5.4.5 Algorithm 2D搭配Algorithm 3C演算法……………….…..77
5.4.6 Algorithm 2D搭配Algorithm 3D演算法……………….…..78
5.4.7 Algorithm 2D搭配Algorithm 3E演算法……………….…..80
5.5感測元件瞬間反應速度………………………………………….…81
5.6 Buffer MatrixB大小對BO值及消耗功率影響……………………83
5.7模擬結果總結……………………………………………………….85
第六章結論與未來工作…………………………………………………87
參考文獻…….............................................89

圖3.1 2.4 GHz ISM 頻帶....................................9
圖3.2 915 MHz ISM 頻帶..............................................9
圖3.3 歐洲868 MHz 頻帶.........................................................9
圖3.4 IEEE 802.15.4操作頻率範圍..........................................10
圖3.5 Superframe Structure............................................12
圖3.6星狀拓墣(Star Topology).............................................14
圖3.7 點對點拓墣(Peer to Peer Topology).................................15
圖3.8 CSMA/CA 演算法流程圖........................................................21
圖4.1 無線感測網路的環境.....................................................22
圖4.2 電池使用壽命與傳輸速率關係圖........................................24
圖4.3 Buffer Matrix B........................................................25
圖5.1 BO-Delay time關係圖........................................................40
圖5.2 BO-功率消耗百分比關係圖.....................................41
圖5.3 Algorithm 2A搭配 Algorithm 3A演算法BO分佈圖.........43
圖5.4 Algorithm 2A搭配 Algorithm 3B演算法BO分佈圖.........43
圖5.5 Algorithm 2A搭配 Algorithm 3B演算法BO分佈圖........43
圖5.6 Algorithm 2A搭配 Algorithm 3D演算法BO分佈圖.........44
圖5.7 Algorithm 2A搭配 Algorithm 3E演算法BO分佈圖........44
圖5.8 Algorithm 2B搭配 Algorithm 3A演算法BO分佈圖.........45
圖5.9 Algorithm 2B搭配 Algorithm 3B演算法BO分佈圖.........46
圖5.10 Algorithm 2B搭配 Algorithm 3C演算法BO分佈圖.......46
圖5.11 Algorithm 2B搭配 Algorithm 3D演算法BO分佈圖.......47
圖5.12 Algorithm 2C搭配 Algorithm 3A演算法BO分佈圖........48
圖5.13 Algorithm 2C搭配 Algorithm 3B演算法BO分佈圖........48
圖5.14 Algorithm 2C搭配 Algorithm 3C演算法BO分佈圖........49
圖5.15 Algorithm 2C搭配 Algorithm 3D演算法BO分佈圖........49
圖5.16 Algorithm 2C搭配 Algorithm 3E演算法BO分佈圖........50
圖5.17 Algorithm 2D搭配 Algorithm 3A演算法BO分佈圖........51
圖5.18 Algorithm 2D搭配 Algorithm 3B演算法BO分佈圖.......51
圖5.19 Algorithm 2D搭配 Algorithm 3C演算法BO分佈圖........52
圖5.20 Algorithm 2D搭配 Algorithm 3D演算法BO分佈圖.......52
圖5.21.. Algorithm 2D搭配 Algorithm 3E演算法BO分佈圖.....52
圖5.22 Algorithm 2C搭配algorithm 3B演算法在不同Δ值下BO
對時間分佈圖......................................58
圖5.23 Algorithm 2C搭配algorithm 3B演算法在不同Δ值下功
率消耗對時間分佈圖....................................58
圖5.24 Algorithm 2C搭配algorithm 3B演算法在Δ=0.400下
不同WEIGHT值BO對時間分佈圖..........................59
圖5.25 Algorithm 2C搭配algorithm 3B演算法在Δ=0.100下不
同weight值消耗功率對時間分佈圖......................59
圖5.26 Algorithm 2C搭配algorithm 3D演算法在不同Δ值下
BO對時間分佈圖......................................60
圖5.27 Algorithm 2C搭配algorithm 3D演算法在不同Δ值下
功率消耗對時間分佈圖................................61
圖5.28 Algorithm 2C搭配algorithm 3D演算法在Δ=0.400下
不同weight值BO對時間分佈圖..........................61
圖5.29 algorithm 2C搭配algorithm 3D演算法在Δ=0.100
下不同weight值消耗功率對時間分佈圖..................62
圖5.30 algorithm 2C搭配algorithm 3E演算法在不同Δ值下
BO對時間分佈圖...............................63
圖5.31 algorithm 2C搭配algorithm 3E演算法在不同Δ值下
功率消耗對時間分佈圖................................63
圖5.32 algorithm 2C搭配algorithm 3E演算法在Δ=0.400下
不同weight值BO對時間分佈圖.......................64
圖5.33 algorithm 2C搭配algorithm 3D演算法在Δ=0.100
下不同weight值消耗功率對時間分佈圖................64
圖5.34 algorithm 2D搭配algorithm 3C演算法在不同Δ值
下BO對時間分佈圖.................................65
圖5.35 algorithm 2D搭配algorithm 3C演算法在不同Δ值
下功率消耗對時間分佈圖..............................66
圖5.36 algorithm 2D搭配algorithm 3D演算法在不同Δ值
下BO對時間分佈圖....................................67
圖5.37 algorithm 2D搭配algorithm 3D演算法在不同Δ值
下功率消耗對時間分佈圖...........................67
圖5.38 algorithm 2D搭配algorithm 3E演算法在不同Δ值
下BO對時間分佈圖....................................68
圖5.39 algorithm 2D搭配algorithm 3E演算法在不同Δ值
下功率消耗對時間分佈圖.............................68
圖5.40 algorithm 2A搭配algorithm 3A演算法
平均功率消耗對Δ分佈圖................70
圖5.41 algorithm 2A搭配algorithm 3A演算法
平均延遲對Δ分佈圖......................70
圖5.42 algorithm 2C搭配algorithm 3B演算法不同WEIGHT
值平均功率消耗對Δ分佈圖..............71
圖5.43 algorithm 2C搭配algorithm 3B演算法不同WEIGHT值
平均延遲對Δ分佈圖..................................71
圖5.44 algorithm 2C搭配algorithm 3D演算法不同WEIGHT值
平均功率消耗對Δ分佈圖............................72
圖5.45 algorithm 2C搭配algorithm 3D演算法不同WEIGHT值
平均延遲對Δ分佈圖................................73
圖5.46 algorithm 2C搭配algorithm 3D演算法不同WEIGHT值
平均功率消耗對Δ分佈圖..........................73
圖5.47 algorithm 2C搭配algorithm 3D演算法不同WEIGHT值
平均延遲對Δ分佈圖...............................74
圖5.48 algorithm 2C搭配algorithm 3E演算法不同WEIGHT值
平均功率消耗對Δ分佈圖.............................75
圖5.49 algorithm 2C搭配algorithm 3E演算法不同WEIGHT值
平均延遲對Δ分佈圖...............................75
圖5.50 algorithm 2C搭配algorithm 3E演算法不同lb值
平均功率消耗對Δ分佈圖.............................76
圖5.51 algorithm 2C搭配algorithm 3E演算法不同lb值
平均延遲對Δ分佈圖.................................76
圖5.52 algorithm 2D搭配algorithm 3C演算法不同WEIGHT值
平均功率消耗對Δ分佈圖.............................77
圖5.53 algorithm 2D搭配algorithm 3C演算法不同WEIGHT值
平均延遲對Δ分佈圖...........................78
圖5.54 algorithm 2D搭配algorithm 3D演算法不同WEIGHT值
平均功率消耗對Δ分佈圖.........................79
圖5.55 algorithm 2D搭配algorithm 3D演算法不同WEIGHT值
平均延遲對Δ分佈圖..................................79
圖5.56 algorithm 2D搭配algorithm 3E演算法不同WEIGHT值
平均功率消耗對Δ分佈圖.............................80
圖5.57 algorithm 2D搭配algorithm 3E演算法不同WEIGHT值
平均延遲對Δ分佈圖............................81
圖5.58 algorithm 2C搭配algorithm 3D演算法不同WEIGHT值
對瞬間反應影響.....................................82
圖5.59 algorithm 2C搭配algorithm 3E演算法不同WEIGHT值
對瞬間反應影響.....................................83
圖5.60 algorithm 2C搭配algorithm 3D演算法不同lb値對BO值影響..........84
圖5.61 algorithm 2C搭配algorithm 3E演算法不同lb値對BO值影響...........85

表4.1 DIFFERENCE_N_MAX對照表..............................34
表4.2 Rank對照表.........................................35
表4.3 N_MAX對照表...................................36
表4.4 N_MAX對照表....................................37
表5.1 模擬環境參數............................42
參考文獻 [1] IEEE 802.15.4 Standard Information technology
[2]逢甲大學建設學院,”92年度交通部山區道路邊坡監測系統自動化及緊急臨時通報系統研發,”Feb 2003.
[3]行政院農業委員會水土保持局,逢甲大學,”土石流觀測示範站建立與系統維護工程,”May 2003.
[4]Mario Neugebauer, Jom Plonnigs, Klaus Kabitzsch,”A New Beacon Order Adaptation Algorithm for IEEE 802.15.4 Networks,” Wireless Sensor Networks, 2005. Proceeedings of the Second European Workshop, 31 Jan.-2 Feb 2005, pp. 302 – 311.
[5] W. Heinzelman et al., Template for Wireless Sensor Network, available at
[6] Mani B. Srivastava et al., Template for Network & Embedded System, available at
[7] K. Bult et al., Template for Wireless Integrated Network Sensors, available at
[8] Bryan Atwood et al., Template for Smart Dust, available at
[9] David Culler et al., Template for Wireless Sensor Network of TinyOS, available at
[10]Jian Ma, Min Gao, Qian Zhang, Lione M. Ni and Wenwu Zhu,” Localized Low-Power Topology Control Algorithms in IEEE 802.15.4- based Sensor Networks,” Proceedings of the 25th IEEE International Conference on Distributed Computing Systems (ICSCS’05), 06-10 June 2005,pp. 27-36.
[11]Jianliang Zheng and Myung J. Lee, “Will IEEE 802.1 5.4 Make Ubiquitous Networking a Reality? A Discussion on a Potential LOW Power, Low Bit Rate Standard,” IEEE Communications Magazine, vol. 42, June 2004, pp. 140-146.
[12]A. El-Hoiydi and J.-D. Decotignie.,”WiseMAC: An Ultra Low Power MAC Protocol for the Downlink of Infrastructure Wireless Sensor Networks,”Computer, vol. 37, Aug 2004, pp. 62-70.
[13] Enz, C.C.; El-Hoiydi, A.; Decotignie, J.-D.; Peiris, V.,”WiseNET: An Ultralow-Power Wireless Sensor Network Solution,”Computer, vol. 37, Aug 2004, pp. 62-70.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2006-06-30公開。
  • 同意授權瀏覽/列印電子全文服務,於2006-06-30起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信