无线传感器网络的软件适应

无线传感器网络中的软件适应

1 引言

无线传感器网络(WSNs)通过传感器无缝地从环境中收集数据,并通过执行器对其进行操作,从而弥合了物理世界与计算机器之间的差距。由于与物理世界的密切交互,无线传感器网络面临多种不可预测的环境动态,这些动态会影响其运行。

示例 。考虑使用无线传感器网络来追踪野生动物 [49]。电池供电的无线传感器网络节点嵌入到附着在动物(如斑马或獾)身上的项圈中。这些设备配备有传感器,用于跟踪动物的移动,例如基于全球定位系统和加速度计读数,以及检测其健康状况,例如基于体温。采用低功耗短距离无线电作为近距传感器,通过周期性无线电信标使节点在通信范围内相互发现。节点记录无线电接触以追踪动物与其他动物的相遇情况,从而支持对其社会互动的研究。当靠近固定的基站时,还可利用无线电将接触轨迹卸载。小型太阳能电池板收集能量以延长节点寿命 [5]。

使用电池供电的无线传感器网络设备使得能量成为一种宝贵的资源,开发者需要根据具体情况在能量消耗与系统功能之间进行权衡。例如,GPS采样会消耗不可忽略的能量。连续GPS读数之间的差异可以作为移动速度的指示,并用于调整GPS采样频率和粒度。当基站处于无线电范围内时,接触轨迹可以直接发送到基站,否则需要在本地存储。当电池电量即将耗尽时,开发者可能会禁用GPS采样,以确保节点能够持续运行至下次与基站相遇,从而避免丢失已收集的接触轨迹。

问题 。野生动物追踪应用的特性(我们在此仅以该应用作为示例)在许多无线传感器网络场景中普遍存在,包括智能家居和建筑物[42],智能医疗[37],以及移动沉浸式计算[40, 43]。多个环境维度并发且独立地演化,并发且独立地,例如位置和电池电量。无线传感器网络软件需要适应此类动态变化以维持高效性能。例如,在野生动物追踪应用中,若无法适应不同情境,可能导致电池更早耗尽,从而阻止无线传感器网络节点最终将传感器数据上传至基站,进而影响数据分析。

然而,无线传感器网络节点是具有显著资源限制的特殊计算平台。它们通常配备16位微控制器和几KB的数据存储器。因此,主流开发方法通常不适用:成熟的设计概念在很大程度上缺失[50],编程通常使用低级语言进行[44],而少数专用的验证技术仅针对低级功能 [39, 45, 55]。当开发者需要实现自适应无线传感器网络软件时,问题更加突出,因为其复杂性通常比静态情况更高。在这一领域,显然缺乏在具体系统中实现自适应功能的适当开发者支持。

为了具体说明所涉及的问题,图1展示了一个使用nesC实现自适应功能的简化版本,nesC是C语言的一种方言,常用于无线传感器网络开发。nesC的函数调用是异步的;结果通过一种称为事件的机制返回,其本质上是一种回调。该代码仅实现了野生动物追踪中所需自适应功能的一个方面:当基站可达时,将读数发送至基站,否则将读数存储在本地。

示意图0

在图1中,多个正交关注点相互交织,功能紧密耦合。例如,关于采用何种操作模式的决策,即是否认为基站可达,其实现在第到行。这与第到行中的自适应处理本身位于同一模块中。这两个功能都依赖于同一个全局变量 base_station_reachable ,其管理完全由程序员负责。

此外,在更改操作模式之前需要进行的检查,例如第行和行中的检查,与更改模式本身的功能混合在一起。

因此,使用现有方法实现无线传感器网络软件常常导致纠缠的实现,这些实现难以调试、维护和演化。例如,在一个地方修改代码,很可能需要在其他多个地方进行进一步更改,即使在最简单的情况下也会增加程序员的工作量。随着相关环境维度及其组合数量的增加,无线传感器网络的实现很快就会变成“意大利面式代码”[20],这在公开可用的无线传感器网络代码库中也可见到[61]。此外,验证不同适应策略组合运行的正确性也成为一个重要挑战。手动测试所有可能的组合极其耗时;因此,无线传感器网络开发者通常在对系统正确性信心不足的情况下部署系统[29, 55]。

贡献 。我们的工作围绕着一个上下文的概念展开。这一概念在计算的各个领域被广泛使用,包括邻近选择、上下文重新配置、上下文信息和上下文触发动作[1, 14, 56],但在无线传感器网络软件中尚未应用。我们特别将上下文定义为一种特定情况,包含环境和系统特性,即无线传感器网络软件可能所处的状态。这类似于上下文感知计算中使用的“情境”概念[13]。已有大量研究工作致力于通过传感器数据进行上下文识别,尤其是在存在噪声和不完整信息的情况下[33, 35, 57]。我们的工作与这些通常面向具体应用的研究相辅相成。我们旨在提供通用的支持,以帮助开发者在无线传感器网络系统中实现自适应功能,从而在严重资源受限的平台上充分利用已有的研究成果。

在第2节简要回顾最新技术之后,我们的贡献分为三个部分:

  • 我们构思了专门的设计概念,如第3节所述,以支持开发者在早期阶段识别系统可能的演化。在我们的工作中,这些演化源于确定无线传感器网络系统可能处于的不同情境、导致这些情境的环境维度,以及不同适应性决策之间的关系。
  • 我们将面向上下文编程(COP)的概念扩展到nesC中[28]。第4节描述了由此产生的语言ConesC,该语言改善了功能之间的耦合,使实现更易于理解和维护。第3节中的设计概念映射为我们引入的编程结构,从而简化了从设计到实现的过渡。
  • 我们设想采用自动验证技术来检查应用的设计在可能的环境演变下的正确性,正如我们在第5节中所描述的。我们的技术在部署前运行,因此比大多数现有方法所需的工作量更少[29, 52]。此外,它们能快速返回以第3节中的相同设计概念表达的反例,有助于问题的识别。

这三个贡献通过专用工具支持联系在一起。第6节介绍了GrEVe-COM,这是一种可视化工具,可让开发者(i)使用第3节中的概念来指定其设计,(ii)利用这些概念生成第4节中ConesC结构的代码模板,并(iii)使用第5节中的技术,根据开发者提供的正确性规范自动验证设计。仍在第6节中,我们还描述了所实现的编译器支持,以自动将ConesC源代码转换为纯nesC,从而可以利用nesC工具链获取可在无线传感器网络设备上部署的二进制文件。

我们在第7节中描述的评估考虑了三个具有代表性的无线传感器网络应用程序。基于这些应用程序,我们将基于我们的设计概念和ConesC的实现与使用现有方法和nesC获得的功能等效实现进行了比较。我们发现,前者的功能耦合度更低,代码复杂性降低,且修改所需编程工作量更少。使用ConesC时,这些优势仅带来可忽略不计的时间和能量上的运行时开销,我们通过周期精确的仿真对其进行了量化。接下来,我们通过日益复杂的应用程序设计评估了验证技术的可扩展性。对于实际案例,验证过程仅需数秒,证明了其具备实际应用价值。

2 相关工作

关于自适应软件的设计、实现和验证已有大量研究工作[8]。然而,这些工作大多针对主流计算系统。而无线传感器网络则具有显著的独特特性,对开发过程产生关键影响。尽管如此,无线传感器网络中存在大量的适应性逻辑[6, 65],但开发者缺乏专用的开发支持,难以将这些功能嵌入具体系统中。

使用嵌入式资源受限的计算平台,与我们的工作相近的研究可以分为四类。存在支持自适应应用程序设计的模型驱动方法,但这些方法往往局限于特定领域或导致单体式实现。针对自适应无线传感器网络应用的编程支持也已被研究,尽管其应用程序逻辑运行在无线传感器网络之外,而不是像我们这样直接在无线传感器网络设备上运行。最后,也存在用于无线传感器网络的自动验证工具,但它们被设计为直接对代码进行操作,缺乏对自适应行为正确性的专门检查支持。

设计支持

引用[60]定义了一个组件模型,用于构建自适应的无线传感器网络架构。该工作是领域特定的,针对静态无线传感器网络,即节点不在空间中移动。然而,许多无线传感器网络应用程序利用无线传感器网络设备在移动环境中自主运行的能力,如引言中的示例应用程序所示。在这种情况下,引用[60]的方法将不适用。

类似地,参考文献[15]提供了设计支持,模糊了硬件和软件之间的界限,从而在提供自适应功能方面获得了更大的灵活性。然而,他们的设计导致了特定应用的实现。相比之下,我们的目标是为自适应无线传感器网络软件的设计、实现和验证提供一种通用解决方案。我们通过在第7节中研究多种应用程序来具体展示这一点。

引用[21]提出了一种模型驱动方法来开发自适应无线传感器网络固件。他们将应用建模为一个状态机。定义在应用状态上的谓词决定行为变化。每当发现这些谓词成立时,状态机会调整其转换。源代码是自动生成的。与此不同,我们的目标不是自动生成完整的应用代码,而是提供专用的设计概念和编程结构,以实现细粒度优化。

编程支持

三种主要的编程方法通常为适应性提供支持:面向切面编程(AOP)、元编程和上下文导向编程(COP)[54]。

AOP[36]允许开发者通过有限的修改向现有代码添加行为。新功能通过现有代码中的“切入点”规范来指定,该规范表示在控制流中触发附加行为的入口点。这种技术对于所谓的“横切关注点”特别有效,即跨越多个抽象的功能。这些功能通常影响整个程序,因此难以用传统的模块化形式实现。例如日志记录、安全性和事务。

AOP可以通过修改底层解释器或执行环境,或通过专用预处理器来实现。由于前一类技术存在困难,大多数AOP实现都通过一种称为织入的过程来完成,即程序到程序的转换的一种特殊情况。切面织入器读取面向切面的代码,并生成相应的功能等效的源代码,该源代码为传统语言形式且已集成切面。

基于织入技术的AOP实现已在多种复杂场景中证明有效[19]。然而,无线传感器网络软件相较于通常使用AOP的系统显著不复杂,并且很少表现出AOP最擅长处理的横切关注点。此外,AOP tends to 模糊控制流,使得实现更难以测试。由于对系统内部的可见性有限,这在无线传感器网络中可能成为一个关键问题[52]。

在元编程中[62],程序可以将自身视为数据。因此,程序可被设计为读取、生成、分析或转换其他程序,甚至在运行时修改自身。这提供了更大的灵活性,能够高效处理新情况而无需重新编译。尽管元编程提供了极致的软件自适应形式,但它需要在运行时对二进制进行修改,这在资源受限设备上几乎难以实现。

一些系统采用某种形式的COP来实现无线传感器网络应用程序[3, 58, 63]。然而,在这些情况下,无线传感器网络设备仅被视为原始数据的来源,而自适应功能则发生在无线传感器网络外部运行的软件上,例如,位于作为基站的标准机器上。在我们的研究中,COP支持开发者实现直接在无线传感器网络设备上运行的自适应功能。为此,我们的工作需要考虑目标平台所规定的限制。

自动验证

大多数针对嵌入式软件的自动验证方法直接作用于源代码。例如,参考文献[10]提出了一种验证工具,用于检查ANSI-C源代码是否符合安全属性,例如指针结构的正确性。参考文献[2]中的SLAM工具包用于确定C程序是否违反程序员提供的正确性规则。BLAST[4]形式化地证明C程序满足给定的安全属性。

在无线传感器网络软件领域,参考文献[7]侧重于对使用nesC编写的应用程序进行自动验证,类似于参考文献[39]中的T-Check工具,该工具通过在nesC源码级别上应用多种启发式方法来应对状态空间爆炸问题。Kleenet[55]专注于运行Contiki操作系统的无线传感器网络设备之间的网络交互。Anquiro[45]同样以Contiki代码作为输入,并实现了多种状态抽象机制来应对状态空间爆炸。

与上述方法不同,我们的自动验证是基于面向上下文的设计,而不是实际的实现。这有其优缺点。一方面,在开发过程的早期识别潜在问题,可以节省后续的测试和调试工作量;另一方面,从设计到实现的转换仍然有可能在实际代码中引入缺陷。然而,由于设计概念到ConesC中的抽象之间存在直接映射,并且我们提供了工具支持,因此我们认为这些风险已得到缓解。

3 设计

我们阐述了设计概念,以帮助开发者识别无线传感器网络系统可能面临的不同情境、它们之间的关系以及随时间的可能演变。接着,基于我们在多个应用程序中应用这些概念所积累的经验,我们描述了反复出现的设计模式。

3.1 概念

我们介绍两个关键概念:(i)个体上下文,以及(ii)上下文组。一个上下文表示运行在特定无线传感器网络设备上的软件可能遇到的某种具体情况[13]。每当该情况发生时,软件会相应地改变其运行方式,实施适当的适应性决策。例如,在引言中描述的野生动物追踪应用中,基于设备物理位置的基站可达性代表了一个与相应功能相关联的个体上下文。这与基站不可达的情况所对应的上下文和功能不同。上下文组是一组具有共同特征的上下文,例如由相同的环境维度决定的上下文。我们可以将表示基站(不可)达性的两个上下文归为一组,因为它们都依赖于设备的物理位置。

示意图1

图2表示基于上下文和上下文组的野生动物追踪应用的完整设计。四个上下文组(显示为外层方框)代表了根据电池电量、基站可达性以及动物的健康状况和活动水平而划分的个体上下文集合。每个组中的个体上下文(显示为内层方框)通过名称、进入或离开该上下文时执行的动作,以及在上下文处于活动状态(即上下文对应当前情况)期间持续执行的处理来描述。上下文和上下文组提供了结构,并有助于分离应对独立环境维度所需的适应性。

在同一时间,每个上下文组中最多只有一个上下文处于活动状态。然而,属于不同组的多个上下文可能同时处于活动状态。同一组内的上下文通过转换相关联,这些转换表示触发当前上下文变更的条件。在图2中,例如,当电池电压低于阈值时,会触发从正常到低上下文在电池组中的转换。因此,不同组中活动上下文的演化模拟了并行状态机的语义,但具有以下特征:

  • 上下文转换可能包含依赖关系。例如,如果一个体感传感器读取到异常体温,这可能表明动物处于患病状态,并需要转换到相应的上下文。然而,在这种情况下,动物很可能轻微移动或完全不动;因此,活动组中的活动上下文不应为运行。
  • 上下文激活还可能触发不同上下文组中的转换,如图2中可达上下文的情况。由于基站部署在已知位置,其可达性表明设备在附近。因此,我们触发向非移动上下文的转换,在活动组中禁用GPS跟踪,并假设设备的位置与基站位置相同。

我们所描述的设计概念在很大程度上与具体的编程语言无关,从而能够将其应用于不同的无线传感器网络语言中。另一方面,我们并未提供对分布式支持的显式支持。尽管存在这一限制,我们在第7节中证明,我们的设计概念及其在ConesC中的具体实现,适用于相当一部分自适应无线传感器网络应用。

3.2 模式

根据经验,我们观察到一些明显的模式逐渐显现,这些模式为解决特定类型的自适应功能提供了结构化的方法。接下来将讨论的这些模式使开发者能够仅用少量概念来表达复杂的功能。

行为控制 。不同行为相同的高层功能通常在一个上下文组中表示。图2展示了基站组中的一个示例,其中包含了处理收集的日志这一相同高层功能的两种不同行为。这种模式在其他应用程序中也存在。例如,自适应协议栈[22, 25]根据节点移动性为相同的物理层使用不同的协议。高层数据包中继功能也采用类似的设计,我们将在第7节中展示。

图3展示了行为控制模式及其特征元素的抽象视图。开发者定义单个上下文组,以导出其行为依赖于活动上下文的功能。外部上下文“控制器”驱动该组中上下文之间的转换。例如,在野生动物追踪应用中,上下文控制器检查是否接收到指示附近基站的信标,并相应地激活基站组中的特定上下文。

内容提供者 。我们还观察到一些情况,其中上下文相关数据被提供给其他功能模块,且几乎不涉及任何处理,这与提供非平凡上下文相关处理的行为控制模式不同。例如,在图健康状况组的2中。根据活动上下文的不同,周期性信标生成方式也不同。而实际涉及信标的处理发生在系统的其他部分;在此情况下,是通过负责将信标无线传输的网络协议栈完成的。我们在其他应用程序中也发现了这一模式。例如,我们在第7节中描述的智能家居应用就采用相同的模式,根据一天中的时间来管理用户偏好。

特征元素4中抽象地展示,与行为控制的特征元素不同。“控制器”组件通常较为简单。例如,第7节智能家居应用中的“控制器”仅检查一天中的时间。相反,消耗上下文相关数据的组件起着关键作用。虽然以行为控制方式构建的功能可以视为独立的,但内容提供者需要针对数据消费者进行定制。

触发 。我们也注意到一些设计,其中上下文仅用于触发特定操作,特别是对硬件组件的操作,而不涉及任何显著的上下文相关处理或数据提供。例如图电池组(Battery group)如图2所示。该组中的上下文根据电池电量来启用或禁用GPS传感器。在第7节的智能家居应用中,我们注意到类似的模式,即根据房间内自然光的多少,激活不同的上下文,从而相应地调节人工照明。

如图5所示,“控制器”驱动上下文转换,类似于行为控制。然而,与其他模式不同的是,不存在使用上下文相关功能或消耗上下文相关数据的外部组件。

4 编程支持

为了帮助程序员实现自适应无线传感器网络软件,我们借鉴了面向上下文编程(COP)的概念[28]并将它们嵌入到nesC语言中。我们选择nesC是因为其广泛采用和稳定的工具链。然而,正如接下来我们将讨论的,我们并不局限于nesC;在一系列无线传感器网络编程语言中(例如函数式语言)都可以实现与我们接下来所解释的类似的设计[41, 46]。

4.1 nesC 和 COP

nesC 是一种基于组件的事件驱动型编程框架,专为无线传感器网络设计,源自 C语言。应用程序通过互连组件构建,这些组件通过提供或使用接口进行交互。一个接口列出一个或多个函数,并将其标记为命令或事件。命令用于执行动作,例如查询传感器。命令是非阻塞的,会立即返回。事件用于异步地收集结果。由于命令与事件之间的对偶性,nesC 接口是双向的:通过同一接口连接的组件之间存在双向数据流。组件配置指定组件之间的连接关系;这些配置本身也是组件,可以提供接口,并能与其他配置或组件相连。

COP 是一种常用于实现自适应软件的编程范式。COP 的核心概念是分层函数,即其行为会根据当前情况而变化,并且对调用者透明的函数。COP 在主流应用程序(如用户界面[34]和文本编辑器[32])中已证明在创建自适应软件方面是有效的。在这些场景中,程序员依赖于流行高级语言(如 Java[58])的 COP 扩展。

实现nesC的COP扩展并非易事。由于底层平台的资源限制,nesC本身功能相当有限。例如,nesC程序员无法在运行时创建组件实例,而nesC中的组件连接是静态定义的,因此无法在运行时更改。此外,不鼓励使用动态内存;无线传感器网络设备上的典型微控制器不提供内存保护,因此内存处理中的错误可能会产生灾难性后果。这些特性通常被用于实现现有编程语言的COP扩展[53],但它们在nesC中并不可用。

4.2 上下文组和个体上下文

我们将第3节中上下文组的概念映射到一种扩展形式的nesC配置。上下文组的接口用于声明分层函数的原型。其行为变化通过组内的个体上下文来表达,这些个体上下文的定义扩展了nesC组件的定义。

图6显示了 Base-station组(如图2所示)的 ConesC 实现。分层函数 report在第行使用 layered关键字声明。该函数的实际行为取决于组中的活动上下文。如果基站可达,则消息必须通过无线电传输;否则,应将其本地存储,直到下次与基站相遇。

组中的个体上下文在图6中使用contexts关键字指定。在该示例的三个上下文中,Unreachable被定义为is default行中的,即该上下文在启动时处于激活状态。第is error行中的表示一个错误上下文,其语义我们将在下文说明。包含错误上下文不是强制性的;如果未声明,我们的翻译器将生成一个空的错误上下文。上下文组的其余部分遵循正常的 nesC语法和配置语义。

图7和8展示了图2中上下文的ConesC实现可达和不可达的片段。个体上下文通过为相应组中定义的分层函数提供不同的实现来扩展nesC组件的概念,例如图6中定义的函数report。在上下文不可达中,图7第行中report函数的实现将消息存入本地数据存储;否则,如果上下文可达处于激活状态,则图8第行中的函数report会使用数据收集协议通过空中传输消息。然而,函数report的调用者仅持有对上下文组的引用,并不需要知道其中当前激活的是哪个上下文;切换到最适当的行为是透明发生的,我们将在下文进行说明。

个体上下文可以指定在进入或离开上下文时要执行的动作;例如,初始化变量或执行必要的清理操作。如第3节所述,在进入可达上下文时,由于基站处于可及范围内,程序员可能希望卸载接触轨迹。程序员将必要的功能作为预定义的函数体放置 activated事件,如图第8行所示。进入上下文时会自动触发该事件。deactivated事件,如图第8行所示,与其对应。

4.3 执行

图9展示了一个依赖于分层函数 report所实现功能的示例组件。在第行,当定时器触发时,调用发生而无需显式引用提供 report 具体实现的任一个体上下文。对应于活动上下文的绑定是动态发生的。这是可能的,因为我们在第6节中描述的 ConesC翻译器会自动生成功能实现所需动态调度的代码。

图10还展示了实现上下文检测并相应地在 Base-station组中激活一个上下文的 ConesC代码。程序员使用 activate关键字触发上下文之间的转换。例如,在图10的第行,一旦接收到基站发出的无线电信标,就会触发向 Reachable上下文的转换。在同一事件处理器中,启动了一个定时器以跟踪自上次无线电信标以来的时间。当该定时器在被下一个无线电信标重置之前触发时,认为基站不可达,并在第行触发向相应上下文的转换。

图10中的上下文检测功能为了说明目的而有意简化。然而,开发者完全可以根据应用需求、平台特性以及大量关于上下文检测的文献,采用更复杂的准则来触发上下文变化 [33, 35, 57]。

例如,考虑如何检测动物体温何时变得异常,以激活Diseased上下文,如图2所示。根据应用需求,可能规定当传感器读数持续超过某一阈值时,即判定为该情况发生。不同的应用需求可能要求基于传感器读数在演进时间序列中的波动模式来识别相同的情况。使用 ConesC,可以实现上述两种方式来执行activate指令,以激活Diseased上下文。类似的方法也适用于实现用于抑制传感器读数不准确性的功能,包括由校准、遮挡和噪声引起的误差[27, 48, 64].

请注意图6至10实现了第3.2节中描述的行为控制模式。图9中的组件依赖于一种功能,其行为由图10中的上下文控制器决定。其优点在于,上下文相关功能以及驱动上下文检测和激活的逻辑完全解耦,并在不同的模块中实现。我们将在第7节中证明,这使得实现更易于理解、调试和维护。

4.4 上下文转换

程序员需要格外注意上下文转换,因为它们可能会极大地改变应用行为。ConesC 为此提供了特定的功能。

每当组中的活动上下文发生变化时,用户组件都会通过预定义的事件 contextChanged 获得通知。程序员可以实现相应的事件处理器,如图9的第行所示,以对相应的上下文变化执行特定操作。新激活的上下文的名称作为参数提供给该事件。

在转换到新上下文时,处理过程会透明地经过若干检查阶段,如图11所示。如果所有检查都成功,则新上下文被激活;否则,根据故障类型,要么转换被取消,要么激活错误上下文:

(1) 并非所有上下文之间的转换都是可行的。例如,在活动组(如图2所示)中,只能从非移动上下文转换到静止上下文。这在ConesC中通过关键字transitions进行编码,如图12第行所示,后跟目标上下文列表。违反此规范可能表明存在重大设计或硬件/软件问题;因此将激活错误上下文,程序员可在其中采取专门的应对措施。(2) 面向上文的设计可以表示转换之间的依赖关系,如第3.1节所述。例如,在基站组中,从不可达到可达的转换依赖于运行上下文处于激活状态,这表明动物在接近基站时确实在移动。此类依赖关系在ConesC中使用关键字iff来指定,如图7第行所示,后跟该转换所依赖上下文的完全限定名称。依赖关系的违反处理方式与上述情况类似。

(3) 程序员可以表达“软性”要求,其违反不一定表明存在严重问题。例如,在激活可达上下文之前,程序员可检查是否有足够的能量将收集的日志传输到基站。如果没有,则可推迟可达上下文的激活,直到收集到足够能量为止。为了指定这些检查,程序员需在个体上下文中实现一个预定义命令check,该命令返回一个布尔值,以决定是否允许上下文激活。示例如图8第行所示。如果检查失败,则先前的上下文保持激活状态。

最后,第3节中说明的设计概念允许表达转换之间的触发器。例如,在可达上下文中 的基站组发生转换时就是这种情况。由于基站在已知位置附近,我们假设节点位置相同,并通过触发向非移动上下文的转换来节省GPS采样的能耗。ConesC允许程序员使用 triggers关键字来表达此处理,如图8中所示行,后跟进入时必须自动激活的上下文的完全限定名称。

5 验证

检查无线传感器网络软件的正确性通常很困难。更糟糕的情况是,当无线传感器网络软件需要适应通常不可预测的环境动态时。传统测试方法在穷尽性方面存在困难[29]。此外,随着相关环境维度数量的增加,软件可能遇到的情境数量呈指数级增长;因此,可扩展性也成为一个阻碍因素。结果,许多无线传感器网络软件实现在部署前只经历了非常有限的验证[50]。

基于第3节中阐述的概念,我们设计了一种技术,可自动且全面地检查应用设计的正确性。我们使用模型检测技术来识别一些问题,例如可能变为不可达的上下文,或可能导致软件在特定配置下陷入死锁情况的情境。此外,我们的技术还支持对开发人员提供的、用计算树逻辑(CTL)表达的任意属性进行验证[12]。

然而,使用模型检测来验证面向上下文的设计的正确性并非易事。现有工具无法直接支持第3节中描述的设计概念的语义。例如,跨转换的依赖关系或上下文之间触发器的存在,无法直接转化为大多数现有模型检测器所使用的抽象形式。

我们无需从头开始构建新工具,而是接下来介绍一种算法,该算法将面向上下文的设计转换为与现代模型检测工具兼容的形式。如第6节所述,我们的工具链利用这些工具来执行实际验证过程。随后,它将验证结果再转换回原始形式,以便开发者更容易理解。通过利用现有工具检查面向上下文设计的正确性,我们可以依赖这些工具的稳健性和成熟度。特别是,验证引擎直接复用自现有工具,这相比开发一个全新工具,可降低在验证机制中引入错误的风险。

转换 。我们选择将根据第3节定义的面向上下文的设计转换为语义等价的有限状态机(FSM),即其状态空间与原始面向上下文设计的状态空间具有一一映射关系。有限状态机表示使我们能够使用许多先进的模型检测器[9]。

让我们考虑一种通用的面向上下文的设计,该设计包含一组上下文组G。我们将组д ∈G中的上下文集合记为д.C,即C;例如,在面向上下文的设计中图2,Battery.C={正常,低}。每个上下文c具有一组表示为元组〈o, e〉的出站转换,其中o是目标上下文,e是该转换的标签。例如,在图2中,Resting.O={〈运行,较大的全球定位系统差异〉, 〈非移动,可忽略的全球定位系统差异〉}。上下文之间的触发器定义为单个上下文c的属性T;例如,图2中可达.T=非移动,或 ⊥如果未定义触发器。

我们将D称为原始设计中上下文转换的依赖关系集合。D中的一个元素形式为〈c1, c2, c〉,其中c1和c2分别是转换的起始上下文和目标上下文,而c是该转换必须激活的上下文。根据图2,例如,〈健康、患病、静止〉和〈健康、患病、非移动〉都属于D。

对应的有限状态机具有一组状态 SF SM 和一组转换 TFSM。一个状态 s ∈SFSM 是一个 n 元组〈c1, c2,… , cn〉, n = |G|,其中元组中的每个元素 ci 表示在不同组 дi ∈G 中的单个上下文。每个状态 s ∈SF SM 是通过考虑每组中的每个活动上下文而得到的。一个转换 t ∈TF SM 是一个三元组〈s1, s2,e〉,表示从 s1 ∈SFSM 到 s2 ∈SF SM 的带标签 e 的转换。状态 s1 和 s2 至少在一个单个上下文 c′ ∈s1 上不同,该上下文变为了 c′′ ∈ s2。

当满足以下约束条件时,恰好有一个c′ ∈ s1转换为c′′ ∈ s2,,且在s1和s2,之间不存在其他c′′′的变化: (1) 对于s1,中的单个上下文c′,在原始面向上下文的设计中,存在从c′.O到s2中另一个单个上下文c′′的转换,且无触发器,即〈c′′,e〉 ∈ c′.O且c′′.T =⊥。转换t中的标签e是〈c′′、e〉 ∈ c′.O的标签。(2) 如果存在依赖关系〈c′、c′′、c〉 ∈D,则c也在s1,中存在,即如果该转换上存在依赖关系,则被依赖的上下文属于s1,因此该依赖关系得以满足。

不同的是,当某个上下文c′在s1,中,在原始的上下文导向设计c′.O中存在一个转换,指向触发点为c′′的单个上下文ct时,则存在一个转换,其中c′ ∈ s1变为c′′ ∈ s2,,且其他c′′′可能在s1和s2,之间发生变化。这意味着,〈ct,e〉 ∈c′.O,且ct.T =c′′。转换t中的标签e是〈ct,e〉 ∈c′.O的标签。

在剪枝不可达状态后,有限状态机表示不同组中活动上下文的可行组合及其转换。

示例 。图13显示了为面向上下文的模型获得的有限状态机,为简化起见,该模型仅包含图2中的健康状况和活动组。此模型片段不包含触发器,因此仅适用上述约束(1)和(2)。在图2的健康状况组中,从健康到患病的转换标签为异常体温,并且依赖于静止或非移动;因此,D ={〈 Healthy, Diseased, Resting〉, 〈Healthy, Diseased, NotMoving〉}。在生成的有限状态机中,所有状态〈Healthy, ∗〉但〈Healthy, Runninд〉均满足现有的依赖关系。因此,有限状态机不包含从〈Healthy, Runninд〉到〈Diseased, Runninд〉的转换,如图13中虚线所示。

有趣的是,图13中的有限状态机已经揭示了一个潜在问题。根据引言中对应用的非正式描述,同时激活Diseased和Running上下文的情况可能意义不大。实际上,这表示一只生病时仍非常活跃的动物。然而,图13显示,状态〈Diseased,Running〉仍然是可达的,因此不同组中活动上下文的演化最终可能导致应用进入该状态。

图14展示了一个基于图2中面向上下文的设计的不同切片示例,仅包含基站和活动组。此次模型的切片包括一个触发器可达。T=非移动且无依赖关系。在有限状态机中,从状态〈不可达到状态〈可达的转换受到一个触发器的控制,该触发器将转换“重定向”至状态〈可达,非移动〉。图14中的虚线表示有限状态机中实际发生的转换,而点划线则表示触发器之前的转换以及触发器本身。

图14中的有限状态机揭示了另一个潜在问题,该问题由触发器的存在引起。从〈不可达、运行〉到〈可达、非移动〉的转换实际上将一个状态〈∗、运行〉改变为一个状态〈∗、非移动〉。然而,在图2所示的原始面向上下文的设计中,活动组中的运行上下文没有指向非移动的外向转换,也就是说,触发器迫使上下文以设计者未预见到的方式演化。这可能表明存在设计缺陷。我们将此类情况称为意外转换。

6 工具支持

我们设计并实现了一个完整的工具链,以支持开发者使用我们的方法来设计、编程和验证自适应无线传感器网络软件。该完整工具链已公开提供,包括一个预配置的虚拟机镜像,以简化安装过程[26]。

图15说明了我们的工具链所支持的工作流程。我们设计并实现为Eclipse插件的面向上下文模型的图形化编辑器与验证器(GrEVeCOM),允许设计人员以图形方式构建第3节所述的面向上下文的设计。在此基础上,GrEVeCOM可自动生成ConesC模板,之后再补充特定于应用的功能。生成的实现在经过ConesC翻译器处理后,交由nesC编译器生成可部署的二进制文件。

设计者还可以触发一个专用的模型生成器,通过第5节所述的转换生成NuSMV模型。该模型连同预定义的以及开发者提供的属性一起输入到NuSMV中,以进行实际验证的运行。然后解析NuSMV的结果,使其使用与初始面向上下文的设计相同的概念进行表达。

我们选择NuSMV是因为它是一个成熟且稳健的模型检测工具,针对复杂问题实例具有大量成功案例[47]。然而,我们并不局限于NuSMV。由于我们最终生成的是有限状态机表示,因此可以根据问题的性质采用不同的模型检测器[9]。

GrEVeCOM 。图16显示了GrEVeCOM编辑器的截图。主区域(A)用作画布。设计人员可以从专用调色板中拖放上下文组和个体上下文(B),甚至预设模式(C),如第3.2节所述。每次执行此操作时,都会弹出一个向导,引导设计人员表达对象的关键属性;例如,在个体上下文的情况下,设计人员需要填写名称、进入/退出时的动作、激活时的处理描述、是否标记为“默认”或“错误”,以及到其他上下文的可能触发器。个体上下文通过带标签的转换进行连接。每个标签包含触发该转换的环境事件的表示形式以及一个可选的依赖关系。属性选项卡(D)允许设计人员更改画布上任何对象的属性。层次结构树(E)有助于浏览大型模型。

一个菜单命令验证…启动设计的自动验证,包括将其转换为NuSMV模型、实际验证过程,以及将结果转换回面向上下文的设计。此时会弹出如图17所示的窗口,要求设计者输入由分号分隔的CTL约束列表。在本例中,约束AG !(运行&患病)验证图2的设计永远不会同时处于运行和患病上下文中。除了设计者提供的约束外,NuSMV模型生成器还会插入用于检查个体上下文可达性和死锁的规范。任何发现的反例以激活的上下文序列形式在图17底部直观地表示。我们在第7节中研究了该过程的效率。

ConesC翻译器 。当设计者触发生成…命令时,GrEVeCOM利用面向上下文的设计自动生成ConesC模板,以帮助程序员在实现阶段进行开发。这些模板已包含定义上下文组的ConesC代码,具有其属性的个体上下文,以及可能在模式中使用的nesC组件。描述上下文转换和个体上下文中处理的标签被转换为注释,以指导程序员在模板中填充特定于应用的功能。

为了获得可部署的二进制文件,我们开发了一个从ConesC到纯nesC的翻译器,使我们能够依赖后者的编译器和平台支持。我们的翻译器会对源代码进行两次遍历。首先,它读取主Makefile以扫描组件图。基于此信息,它解析每个输入文件,将其中的ConesC结构转换为纯nesC,并生成支持功能。生成的源代码可以使用标准的nesC工具链进行编译。

具体而言,ConesC翻译器为每个上下文组生成一个自定义的nesC组件,该组件负责将分层函数调用动态分派到与活动上下文相对应的实现。该组件是自动生成的nesC配置的一部分,该配置导出在上下文组中声明的分层函数。每个单独的上下文都被翻译成一个具有必要接口的nesC组件,用于连接。ConesC中的诸如activate之类的构造也被翻译成标准函数调用,以确定在分派对分层函数的调用时应考虑的上下文。

我们的翻译器是使用JavaCC实现的[31]。有三个方面值得注意。首先,生成的代码是可读的,可以进行修改以实现细粒度优化。其次,生成的二进制文件完全与硬件无关;由于ConesC被翻译为纯nesC,因此它具有与原始nesC工具链相同的兼容性,允许程序员在各种无线传感器网络平台上使用ConesC。第三,尽管翻译过程看似简单,但从ConesC到纯nesC的语义差距显著。为了直观说明这一点,在第7节使用的基准应用程序中,自动生成的nesC代码行数是功能等效的ConesC源代码的三倍。我们将在接下来讨论这些方面。

7 评估

我们考虑了三个代表性应用;其中一个是引言中描述的野生动物追踪应用,另外两个在第7.1节中说明。我们使用第3节的设计概念和第4节的编程支持,或不采用特定设计概念而使用纯nesC,来设计和实现这三个应用程序。这两种实现功能上是等效的,但后一种方法可被视为无线传感器网络软件中的公共实践[44]。我们将后者作为比较的基线。

我们从多个维度评估我们的方法。首先,我们分析设计概念和编程支持对实际实现的影响。这体现在组件之间的耦合程度上,我们在第7.2节中对此进行研究;还体现在针对变化的需求更改实现的难易程度上,我们在第7.3节中讨论这一点;以及代码的复杂性上,我们在第7.4节中对其进行定性和定量的研究。我们所展示的设计与编程方法的优势会带来一定的运行时开销,主要体现在微控制器单元和内存开销方面,我们在第7.5节中对此进行测量。最后,我们研究自动验证在面向上下文的设计中的有效性,具体包括生成NuSMV模型所需的时间(在第7.7节中报告)。

7.1 应用

除了图2中所示的野生动物追踪应用外,我们还考虑了两个具有不同需求的应用程序。我们所采用的基准测试之间的多样性证明了我们方法的通用性。

对不同情境的适应性是智能家居应用中的关键需求之一[42]。我们考虑一种智能家居控制器,其设计如图18所示,该控制器依赖于环境信息来调节房间内的温度和光照条件,并处理紧急情况。前一种功能由用户提供的偏好驱动,这些偏好取决于当前情况。这些偏好在 Preferences组中进行管理,其上下文根据白天/夜晚模式和星期几提供不同的操作参数。Light和 Temperature组内的上下文转换由该参数集中的阈值决定,并与当前的温度和光照读数进行比较。控制器利用图像、火灾和烟雾传感器来检测入室盗窃和火灾情况,如 Emergency组中所规定的。

系统层面也需要自适应功能,例如,在开发能够根据情境改变协议逻辑的网络栈时。图19展示了一种面向上下文的设计示例。它实现了动态协议切换,适用于节点在显著移动期和静态运行期之间交替的情境,如协议中所规定的

表1. 软件组件间的耦合类型
类型
内容(最紧密) 两个组件的内部工作相互依赖。
公共 两个或多个组件共享某些全局状态,例如一个变量。
外部 两个或多个组件共享一种公共的数据格式。
控制 一个组件控制另一个组件的流程。
印记 两个组件共享一种公共的数据格式;每个组件使用不同的部分。
Data 消息(最松散) 两个组件通过类型化接口共享数据,例如通过一个函数调用。 两个组件通过非类型化接口共享数据,例如通过

类型组。当节点保持静止时,它运行集合树协议(CTP)[25],该协议采用树形路由将数据传输到目的地。一旦车载加速度计检测到显著移动,节点就会切换到无路由协议,从而在移动环境中高效地转发数据[18]。此外,协议参数组根据优先考虑寿命还是带宽,以及当前的链路质量,指定了三个参数集。

值得注意的是,我们在第3.2节中讨论的模式在这些设计中也同样出现了。例如,图18中的Preferences 组实际上相对于Light 和Temperature 组充当了一个内容提供者。Preferences 组中的个体上下文不包含任何重要功能,但会向其他组件提供上下文相关参数。同样的模式也出现在图19的Protocol parameters组中。两个应用程序中都存在行为控制模式。在图18中,处理紧急信息的功能会随着Emergency 组中各个个体上下文的变化而变化,同时网络API 的行为也会根据图19中Protocol type组内的活动协议而改变。最后,触发模式在多个位置出现;例如,在图18 中操作Temperature 组中的暖通空调系统时,或在Emergency 组中启用/禁用3G调制解调器时。

7.2 设计与编程 → 耦合

组件之间的耦合通常决定了软件维护的难易程度[38]。根据参考文献[59],,存在七种耦合类型,总结于表1中。这些类型之间的耦合越紧密,软件的扩展、演进和调试就越困难。我们手动检查了三个基准应用程序的ConesC和nesC实现,以识别其中的耦合类型。

表2. 耦合比较
应用
野生动物追踪—nesC
野生动物追踪—ConesC
智能家居—nesC
智能家居—ConesC
自适应堆栈—nesC
自适应堆栈—ConesC

面向上下文的设计和ConesC避免了使用纯nesC时存在的大多数类型的耦合。

结果 。表2报告了我们的发现。总体而言,与纯nesC相比,面向上下文的设计和ConesC促进了组件之间增强的解耦。

例如,内容耦合在ConesC实现中被避免,因为同一分层函数的不同行为变体被封装在不同的上下文中。相反,nesC程序员被迫暴露内部组件信息,以根据情况将命令或事件绑定到不同的组件。类似地,nesC开发者使用全局变量来切换功能;这实际上是变量 base_station_reachable在图1中的情况。这造成了公共耦合,而开发者在ConesC实现中会避免这种耦合,因为所需的功能由我们的翻译器自动生成。控制耦合在ConesC实现中也避免了这种情况。这是由于能够向程序员透明地动态分派对分层函数的调用;而使用nesC时,此功能必须由程序员手动编码实现。

数据和外部耦合在 ConesC 和 nesC 实现中都存在。两者最终都扩展了 C语言,而 C语言依赖于类型化接口,且不同组件需要使用通用数据格式。

7.3 设计与编程 → SoftwareEvolution

软件演化的需求在许多应用领域中都很常见。在无线传感器网络软件中,随着领域专家对其研究环境的理解不断加深,新的需求经常出现,这使得软件演化的需求更加突出[23]。由于设计和实现无线传感器网络软件的复杂性,这些变更可能带来的破坏性影响成为一个关键问题。

为了研究这一方面,我们评估了在三个基准应用程序的ConesC和nesC实现中进行三个示例修改所需的工作量。我们将野生动物追踪应用扩展到领域专家需要追踪疾病传播的情况。为此,需要为那些曾与患病动物接触但尚未表现出症状的动物生成一种新的信标类型。在智能家居应用中,我们考虑增加对控制器执行的周期性运行时检查的情况。一旦发现潜在故障,控制器需要改变其行为。最后,我们通过删除被发现低效的参数集之一来修改自适应协议栈。

表3. 复杂度比较
应用
野生动物追踪—nesC
野生动物追踪—ConesC
智能家居控制器—nesC
智能家居控制器—ConesC
自适应堆栈—nesC
自适应堆栈—ConesC

面向上下文的设计和ConesC能够产生更简单的实现,这些实现更容易调试和推理。

结果 。在野生动物追踪应用中生成一种新型信标需要通过在图2的健康状况组中添加一个Carrier上下文来修改设计。该上下文对应于新型信标的生成,并通过内容提供者模式交由网络协议栈进行实际传输。除需具体实现采集嵌入新型信标中的信息的功能外(该功能在 ConesC和nesC中均必需),在ConesC中的修改仅需5行代码。而在nesC中实现相同的扩展时,除了必要的代码修改外,程序员还需要引入额外的全局状态,从而进一步复杂化了控制流。

通过添加包含两个个体上下文的新的上下文组来扩展智能家居控制器以实现对执行的运行时检查,需要修改其设计:Normal 或 Faulty。除了新上下文的实现外,此设计变更在 ConesC中大约对应40行代码。使用nesC时,除了依赖于个体上下文的功能外,控制器状态,需要一个新的全局变量来在这两种状态之间切换,从而进一步增加了耦合。

最后,在ConesC实现的自适应协议栈中移除一个上下文仅需修改3行代码,而在 nesC中,开发者必须修改分散在不同组件中的多行代码。这是ConesC实现增强的解耦所带来的范式优势。

7.4 编程 → 复杂性

实现的复杂性会影响代码的可读性以及调试和理解的难易程度。我们通过测量每个组件中变量和函数声明的数量来评估这一方面,这些通常被认为是复杂性的直观指标[38]尽管衡量编程抽象的有效性存在争议[44],我们还测量了使用ConesC或nesC时的代码行数。

复杂性也是程序可能处于的状态数量的函数[38]。此处的状态被认为是程序变量所有可能的取值组合。因此,必须通过分析每次可能执行过程中变量不同取值组合来计算状态数量。我们使用SATABS[11],一种针对C程序的模型检测工具,来进行此分析。该工具对用户定义的断言进行离线验证。为此,它会搜索给定断言成立的程序执行路径。作为此过程的副产品,SATABS返回其在程序中探索的状态数量。通过特定配置,我们强制 SATABS探索所有可能的程序执行路径,从而返回程序中不同状态的总数。我们以函数为单位使用SATABS,在无法用SATABS处理代码的地方(例如硬件驱动)实现空桩。

结果 。表3展示了我们的结果。ConesC在已声明的函数和变量方面均显示出显著减少。这得益于能够将函数调用动态绑定到向调用者透明地提供相应的行为变化。在nesC中,要实现相同的功能,需要定义一组全局变量来检查在不同情况下需要采用哪种行为变化。因此,使用ConesC时,程序员需要处理的每个函数状态数量几乎减少了一半,从而使实现更易于理解。

使用ConesC或nesC时的代码行数大致相当。更有趣的是我们的ConesC翻译器生成的纯nesC代码的规模。如第6节所述,这平均是原始ConesC代码的三倍。除了表明 ConesC与nesC之间存在的语义差距程度外,这一观察还表明,我们为ConesC设计的几个简单概念确实捕捉到了处理过程中相当大一部分的实质内容。

7.5 编程 → 微控制器单元和内存开销

使用ConesC会带来运行时开销的代价。与手工编写的实现相比,例如,我们的翻译器自动生成的代码在内存占用或处理时间方面可能不够优化。后者还可能影响能耗。为了评估这一方面,我们研究了使用ConesC相较于nesC时的内存开销,以及上下文转换和对分层函数调用时的微控制器单元开销。我们通过nesC和GNU-C工具链来确定前者,而通过 MSPSim周期精确模拟器来测量后者[17]。MSPSim对TMote Sky等流行的无线传感器网络设备的微控制器单元进行模型[51]。

结果 。图20显示了结果。分层函数调用的微控制器单元开销,如图20(a) 所示,根据应用的不同,介于2到5个微控制器单元周期之间。这源于对活动上下文的动态调度。从绝对意义上讲,以及相应的能耗角度来看,该开销可以忽略不计:无线传感器网络节点上的最简单操作,例如打开或关闭LED灯,需要8个微控制器单元周期。执行上下文转换的微控制器单元开销略大,但数量级相同。这主要是由于执行转换时所进行的检查引起的,详见第4.4节。

图20(b) 表明最坏情况下的内存开销为2.5%。然而,应用的复杂性在很大程度上决定了相对内存惩罚。例如,野生动物追踪应用在上下文、上下文变化和数据处理方面最为复杂,因此表现出最高的内存开销。相比之下,自适应协议栈的内存开销可以忽略不计。在这种情况下,有趣的是,ConesC翻译器生成的变量集合几乎与nesC程序员手动定义的变量集合相同。

7.6 验证 → NuSMV模型生成

我们设想的自动验证技术包含两个步骤:(i)生成语义等价的有限状态机,如第5节所述,并将其编码为 NuSMV模型;(ii)以该NuSMV模型作为输入运行实际验证。我们分别对这两个步骤进行评估。

为了测量生成NuSMV模型所需的时间,我们假设处于最坏情况,并采用合成设计,以产生最长的运行时间。根据第5节中的规范,生成NuSMV模型的过程实现,在上下文组数量NC= |G| 和每组中个体上下文数量NCG= |д上均呈二次关系。C| 表示组д ∈ G中的个体上下文数。由于每个组中的每个转换都需要额外的处理,因此最长的运行时间对应于这样的设计:所有组都包含最大数量的个体上下文,且每个上下文都与组内所有其他上下文通过转换相互绑定。

我们使用 NC ∈[2,…, 10]和 NCG ∈[1,…, 10]进行测量。请注意,这些设计实际上是非常不现实的。例如,第7.1节中的代表性应用所包含的上下文组和个体上下文数量均少于这些配置中的大多数。此外,通常很少会为每个上下文定义如此多的转换。典型的无线传感器网络设备资源严重受限;面向上下文的设计几乎不会达到这种复杂性程度。

我们的转换过程实现采用Java编写,在配备4GB内存的1.4GHz Intel Core2Duo机器上运行。我们使用标准Java库ThreadMXBean来测量CPU时间。为了消除可能影响测量结果的随机因素,我们多次重复测量,直到不同重复次数之间的标准差低于5%。

结果 。图21描绘了随着 NC或 NCG变化时相关趋势。曲线证实了二次趋势。然而,最重要的是,绝对值非常有限。即使在 NC= NCG= 10 的不现实配置下,生成NuSMV模型的时间仍远低于200ms。

7.7 验证 → 运行时间

我们测量NuSMV验证语义等价的有限状态机模型所花费的时间。为了高效地验证输入模型, NuSMV将有限状态机模型转换为等效的二叉决策图(BDD)[9]。可能指示属性违反的反例是在模型的二叉决策图(BDD)表示上找到的,但在将其转换回原始有限状态机模型中的转换之前,该反例对用户可能没有实际用途。这个过程称为“反例轨迹生成”,在NuSMV中可以通过命令行参数选择性地禁用[47],,因为用户不一定需要了解属性违反的详细信息。

我们考虑第7.1节中代表性应用的面向上下文的设计以及第7.6节中的合成设计。对于前者,我们考虑模型为正确模型的情况,以及模型包含第5节中定义的死锁、意外转换以及开发者提供的CTL属性的属性违反等缺陷的情况。为了触发后者,我们在面向上下文的设计中人为引入特定缺陷;例如,为了插入死锁,我们在原始设计中添加两个互斥的依赖关系。

在这些实验中,每当发现属性违反时,NuSMV 都被配置为始终生成反例轨迹。相比之下,对于第7.6节中的合成设计,我们仅限于正确模型或包含死锁的模型情况。此外,我们检查每次发现属性违反时生成反例轨迹的影响。我们固定N C = 5并改变N CG,以研究 NuSMV 如何随输入模型规模的增大而扩展。

我们使用UNIX命令time来测量NuSMV所消耗的CPU时间。其余设置(包括硬件)与第7.6节相同。

结果 。图22显示了NuSMV在运行与第7.1节应用程序的面向上下文的设计等效的有限状态机时的运行时间。所有绝对值都非常有限,且在所有情况下均低于50ms。即使将这些值与第7.6节中讨论的从原始面向上下文的设计生成等效有限状态机所需的时间相加,总运行时间仍然具有实用性。根据缺陷类型或失败的CTL属性类型的差异,运行时间没有显著差别。

图23显示了第7.6节中合成模型的实验结果。由于我们生成等效有限状态机的方式,原始设计中增加一个上下文组将产生一个状态空间的大小呈指数级增长,NuSMV需要探索的状态空间也随之增大,这在图23的趋势中有所体现。对于现实中的配置,例如NCG ≤ 7和NC= 5的情况,运行时间低于一分钟。只有当NCG= 9时,才开始变得不切实际。

如图22所示,有缺陷的模型在图23中也需要稍长的运行时间。对这两个图表的比较表明,这种开销来源于反例轨迹的生成。如上所述,当在 NuSMV 中禁用此功能时,运行时间略低于正确模型。原因是 NuSMV 以增量方式验证模型,并在发现属性违规时立即停止。

8 结论

我们提出了设计概念、编程结构和自动验证技术,以支持开发者实现自适应无线传感器网络软件。我们的设计概念有助于分离应对独立环境维度所需的适应性,并理解它们之间的关系。这些概念直接映射到 ConesC 的构造,这是我们对 nesC 的面向上下文的扩展,极大地简化了自适应无线传感器网络软件的实现。我们提出的自动验证技术补充了设计与编程支持,提供了在实际部署前检查设计正确性的手段。这三个贡献通过专用工具支持紧密集成,为开发者从设计到实现和验证的全过程提供支持。

我们的评估基于三个不同的代表性应用,结果表明,我们的设计概念和ConesC能够产生更高质量的实现,相较于功能等效的纯nesC实现,这些实现更易于推理、结构上更解耦且更易于修改。另一方面,与纯nesC相比,ConesC实现的运行时开销几乎可以忽略不计。最后,我们通过定量方式证明了我们的验证技术在实际实例上能够高效运行,可在数秒内返回结果。

11、无线传感器网络与软件定义无线传感器网络中的拒绝服务攻击检测 本文探讨了无线传感器网络(WSN)和软件定义无线传感器网络(SDWSN)中的拒绝服务(DoS)攻击检测问题,分析了两类网络的架构特点及DoS攻击的威胁形式。文章总结了近年来多种WSN中DoS攻击的检测方案,比较了其优缺点,并提出了基于SDWSN架构的潜在检测思路,如利用控制平面集中监控和应用平面数据分析。最后,文章对比了不同检测方法在检测率、计算成本等方面的性能,展望了多技术融合、自适应检测和SDWSN专用检测优化等未来研究方向,旨在提升物联网环境下传感器网络的安全性与可靠性。 阅读详情

相关推荐

6、无线传感器网络中恶意对象传播模型及反恶意软件控制研究

本文研究了无线传感器网络中恶意对象的传播动态,并提出了一个数学模型以分析反恶意软件对网络系统的影响。基于常微分方程,模型考虑了易感计算机、感染计算机、恶意对象和反恶意软件效力之间的相互作用。通过平衡分析和稳定性分析,研究了系统在不同条件下的行为特性,并利用数值模拟验证了模型的可行性。结果表明,合理调整反恶意软件的更新速率可以有效减少恶意对象的传播,保障网络的安全稳定运行。

honey的博客 73

软件定义无线传感器网络综述

本文综述了软件定义无线传感器网络(SD-WSN)的架构、关键技术与研究进展,对比了其与传统无线传感器网络及有线SDN的差异,分析了在能效、路由、覆盖、安全等方面的优势,并指出了当前面临的挑战,如控制平面弹性、拓扑管理与网络监控等。

e4f5g6h7的博客 842

85、无线传感器网络与软件定义网络技术解析

本文深入解析了无线传感器网络(WSNs)中的数据聚合技术与软件定义网络(SDN)中的流量分类及拥塞预测机制。在WSNs方面,重点探讨了数据聚合对节能和延长网络寿命的作用,并对比分析了InAA、DRINA、AST等多种算法在聚合率、能耗和网络寿命等方面的表现。在SDN方面,阐述了其架构优势,特别是控制器通过OpenFlow协议实现全局管控的能力,并详细介绍了基于机器学习的流量分类与拥塞预测流程。文章进一步提出了优化建议,如改进特征选择、引入动态阈值和融合监督与无监督学习方法,并展望了深度学习模型在复杂网络环境

nept的博客 63

基于嵌入式系统linux无线传感器网络软件平台,基于嵌入式系统的无线传感器网络的应用研究...

基于嵌入式系统的无线传感器网络的应用研究无线传感器网络是集成了传感器、嵌入式系统、网络和无线通信四大技术而形成的一种全新的信息获取和处理技术,它是一种新型的无基础设施的(本文共4页)阅读全文>>随着半导体技术、传感器技术、嵌入式技术以及通信技术的飞速发展,具有感知、计算、存储和通信能力的无线传感器网络的应用越来越广泛。无线传感器网络作为一种嵌入式设备能够实时监测、感知和采集网络分布区域...

weixin_34847198的博客 433

56、无线传感器网络:硬件和软件工具

本文详细介绍了构建无线传感器网络(WSN)所需的硬件组件、微控制器和通信模块,并探讨了相关的软件工具和集成方法。内容涵盖传感器类型、微控制器特性、通信协议、数据管理和实时监控工具,以及如何优化网络性能和确保安全性。文章还展望了无线传感器网络未来的发展趋势,为物联网应用提供了全面的技术指导。

v6b7n8m9q0的博客 168

85、无线传感器网络与软件定义网络中的数据聚合与流量拥塞分析

本文探讨了无线传感器网络(WSNs)中的数据聚合技术和软件定义网络(SDN)中的流量拥塞分析。在WSNs部分,重点介绍了数据包传递率的计算方法以及多种网络内数据聚合算法的性能比较,包括InAA、InFRA、AST等算法在数据聚合率、能耗和网络寿命方面的优势。在SDN部分,分析了流量分类和拥塞预测的研究方向,包括基于机器学习的数据分类方法、OpenFlow协议的应用、拥塞因子的计算及链路带宽利用率的阈值设定。文章还展望了未来的研究方向,如优化算法、探索更先进的机器学习模型以及WSNs与SDN的融合应用,旨在提

130

基于嵌入式系统linux无线传感器网络软件平台,基于嵌入式网络的无线传感器网络平台硬件和软件实现...

简要介绍资料的基于嵌入式网络的无线传感器网络平台硬件和软件实现主要内容,以获得更多的关注随着技术的发展,基于分布式、无线传感器网络的应用也越来越多。本文提出了一个基于嵌入式系统的无线传感器网络实验平台,该实验平台在无线传感器网络的算法和协议验证方面具有良好的应用前景。集成电路、微机电系统以及通信理论的发展促使了无线传感器网络的出现。这种无线传感器网络是由很多自给供电的传感器节点组成的。每个传感器节...

weixin_39627697的博客 211

83、无线传感器网络与多范式软件开发理论的融合应用

本文探讨了无线传感器网络(WSN)在实验室监控中的应用及其通过自适应传感机制实现低功耗和高可靠性的能力,同时介绍了S-理论在多范式软件开发中的方法论。WSN通过动态调整占空比和实时监测环境变化,有效应对实验室中的正常和异常状况,并在性能评估中展示了其优势。S-理论则提供了一种科学框架,通过映射问题空间、识别参与者区域和优化解决方案空间,实现多参与者复杂问题的最优软件设计。两者的结合为未来大规模部署和跨领域应用提供了新的可能性。

fox11的博客 61

Jennic平台无线传感器网络实验教程

本文还有配套的精品资源,点击获取 简介:《基于Jennic的无线传感器网络实验教程》详细介绍了无线传感器网络技术,重点讲解了使用Jennic芯片和平台进行WSN开发的各个方面。教程涵盖了WSN的基础概念、硬件和软件环境的搭建,以及如何实现节点间通信、数据采集处理、路由算法、网络管理和能效优化等关键任务。学习本教程将帮助读者理解WSN原理,掌握实践技能,并提升解决实际问题的能...

weixin_33072399的博客 786

37、软件定义网络防DDoS攻击与无线传感器网络路由优化

本文探讨了软件定义网络(SDN)中基于机器学习的DDoS攻击检测与防御机制,以及无线传感器网络(WSNs)中结合模糊逻辑与蚁群优化的高效路由协议。在SDN安全方面,通过熵值分析和三种分类器对比,霍夫丁树以98.88%的精度表现出最优性能,有效识别DDoS流量。在WSN路由优化方面,提出的FACO算法综合考虑节点能量、流量负载和距离因素,显著提升能量利用效率,延长网络生命周期。研究展示了智能算法在提升网络安全与能效方面的关键作用,并展望了未来多目标优化与自适应机制的发展方向。

peach的博客 78

93、软件可靠性分析与无线传感器网络测试框架

本文介绍了软件可靠性分析的DAM方法及其在UML设计中的应用,详细阐述了其风险因素计算方法、优势和应用潜力。同时,深入解析了用于无线传感器网络测试的模型驱动框架Visual ScatterUnit,包括其测试流程、架构设计、测试用例建模、代码生成及测试执行与结果可视化。文章还分析了模型驱动测试的优势与挑战,并展望了未来发展方向。这些技术的结合有助于提高软件系统的可靠性与测试效率。

peach的博客 53

无线传感器网络复习题 | 摘抄自网络

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> ...

ruankun521的博客 4437

63、无线传感器网络与软件定义WiFi网络的智能优化策略

本文探讨了无线传感器网络的混合移动充电策略与软件定义WiFi网络的多控制器负载均衡策略。前者通过预设充电阈值、构建最优充电回路及能量约束下的充电商略,有效延长网络寿命并降低能耗;后者结合SVM流量分类、MCM负载预测与TFPSO优化算法,实现高效负载均衡。实验表明,两种策略在延迟、能耗、吞吐量等方面均优于传统方法,具备良好的应用前景与扩展潜力。

cherry的博客 74

无线传感器网络概述

文章目录一、无线传感器网络介绍1、定义2、典型场景2、特征(1)、无线自组网(2)、独特特征3、信息感知优势4、未来发展趋势5、应用前景二、无线传感器网络体系结构1、结点结构(1)、主要组成模块(2)、可选功能模块2、软件结构3、网络拓扑结构(1)、平面网络结构(2)、分级网络结构(3)、Mesh网络结构4、协议结构1、通信协议层2、网络管理面 一、无线传感器网络介绍 1、定义 无线传感器网络(WSN)是一种由传感器节点构成的网络,能够实时地监测、感知和采集节点部署区的环境或观察者感兴趣的感知对象的各种信息

qq_43581718的博客 2万+

10、软件定义无线传感器网络节能路由与物联网实时视频监控系统研究

本文探讨了软件定义无线传感器网络(SDWSN)中的节能路由技术与基于物联网的实时视频监控系统的设计与实现。在节能路由研究中,采用 LEACH 能源模型和 EFJAPSO 算法优化能源消耗,延长网络寿命。在视频监控系统设计中,利用树莓派、PIR 传感器和 OpenCV 等技术,实现低功耗、实时的安全监控与远程警报功能。文章还分析了两种系统的综合优势,并展望了其技术融合的可能性与未来发展趋势,包括智能化、安全性和应用领域的进一步拓展。

dream的博客 66

12、软件定义无线传感器网络(SDWSN)中的拒绝服务攻击检测与图像加密技术

本文探讨了软件定义无线传感器网络(SDWSN)中的拒绝服务(DoS)攻击检测技术与基于克利福德吸引子的RGB图像加密算法。针对SDWSN面临的安全挑战,分析了多种DoS检测方案的优劣,并提出加强安全性的改进建议,如开发轻量级加密算法、部署入侵检测系统、建立攻击者行为模型和分布式控制器。同时,介绍了一种基于混沌理论的图像加密方法,该方法通过生成替换盒、XOR掩码和双线性变换实现高效安全的图像保护。文章最后展望了未来在网络安全与数据加密领域的发展方向。

l3m4n的博客 43

物联网与无线传感器网络期末考试复习资料(教材--刘伟荣,何云--电子工业出版社)

无线传感器网络概述 无线传感器网络介绍 1.无线传感器网络是一种特殊的无线通信网络,它是由多个传感器节点通过无线自组织的方式构成的,应用在人么力所不能及的领域,如战场、环境等地方。 2.WSN和Ad hoc的共有特征: 自组织:无线传感器网路和无线自组织网络一样,都是应用在地理条件比较恶劣或者人不能到达的地方,因此减少了人为的干扰,增加了许多自然地不稳定因素,节点可能随时时效,为了保证网络的...

weixin_44826484的博客 8569

STM32实战开发(76):STM32开发无线传感器网络(WSN)完整实现

本文介绍了如何基于STM32开发无线传感器网络,包括硬件选择、通信协议、系统设计和编程实现。通过STM32的强大性能和低功耗特性,我们能够构建高效、可靠的无线传感器网络。无论是Zigbee、LoRa、Wi-Fi还是BLE协议,STM32都能够与多种通信模块进行兼容,满足不同应用的需求。希望这篇文章能帮助您了解无线传感器网络的构建流程,并为您的项目提供有价值的参考。

2201_76125393的博客 1060
上一篇: 70、隐马尔可夫模型与分层强化学习:原理、应用与优化
下一篇: 71、强化学习与高阶逻辑的深度解析
pluto
博客等级 码龄25年 46粉丝 1562原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值