家庭无线传感器网络设计与数据融合

第3章 家庭环境中无线传感器网络的设计与部署及实时数据融合

3.1 引言

随着通信技术和智能传感器的快速发展，基于无线传感器网络的系统已成为获取物理世界信息的常用工具。无线传感器网络得益于处理器技术和无线通信系统的进步，推动了小型化、低成本、低功耗且组织良好的传感系统的开发。无线传感器网络使用户能够以前所未有的精细程度观测和研究物理现象。

无线传感器网络最初应用于军事和科研项目。随着传感器成本的降低和性能能力的增强，无线传感器网络的应用迅速增长。在过去几年中，无线传感器网络引起了网络与数据库领域极大的关注。例如，环境研究人员关注温度读数，而生态学家则关心土壤湿度水平。

同样，在本研究中，老年人的日常生活活动（ADLs）由无线传感系统（WSS）进行捕捉。本研究的重要目标是通过在老年人家中使用标称传感系统收集异构传感器数据，来识别老年人的健康状况表现。为此，已在养老院部署了由多种传感器（如电气、力、接触和被动红外（PIR）传感系统）组成的无线传感器网络（WSNs），这些传感器集成了ZigBee通信模块。所开发的传感系统具有非侵入性、灵活且安全的特点。

将无线传感器与集中式计算系统（汇聚节点或基站）融合是最常被考虑的数据采集方法。已有许多研究致力于高效地实现一些目标，例如延长节点寿命以及满足应用需求。

研究人员在无线传感器网络数据融合方面主要研究了两个重要概念：首先，数据在时间和空间上相互关联；其次，许多应用能够识别其所分析数据值中的微小变化。这些理念推动了大量方法的发展，以应对实现过程中的精确性和节能需求。本研究设计并开发了一种鲁棒的异构传感器数据融合系统，以实现近实时（在线）的传感器数据分析。本章介绍了近实时传感器数据采集、存储以及无线传感器数据融合处理的详细内容。

3.2 无线传感系统的描述

无线传感系统是指具有一个或多个传感设备、无线组件和有限计算资源的模块。它对辅助生活系统中的物理量进行测量，例如温度、湿度以及家用物品的使用状态。无线传感器网络由基站和一组传感器系统（节点）组成。每个节点可以在其无线覆盖范围内直接与其他节点接触。基站（无线传感器网络的协调器），也称为数据汇聚点，配备有无线组件，能够与附近的传感器节点通信并收集封装后的辅助生活系统数据。

远处的传感器可能无法直接将数据传输到协调器。根据监测区域的范围，位于监测区域边界的传感系统所封装的数据在到达汇聚节点之前，可能需要通过多跳传感器进行中继。为了查询感知数据，在基站执行相应的程序，然后报告查询结果。在本研究中，家庭监控通信系统基于ZigBee的IEEE 802.15.4标准。无线传感系统已在我们的实验室本土设计和开发。

无线传感器网络数据融合的整体结构包含两个重要模块：i）无线传感器网络和ii）用于收集传感器数据并进行数据分析以检测老年人行为变化的智能家庭监控软件系统。附着在老年人经常使用的家用物品上的自制传感单元，通过无线通信接口XBee模块（法鲁迪和理查森，2011年）集成和连接来自传感单元的输入信号。观察家用电器使用情况的依据是，老年人在准备食物、放松、如厕、睡眠和梳洗等各种活动中会经常使用这些电器。图3.1展示了所开发系统的功能设计。

设计并制造了用于监测个人健康状况的传感单元，这些单元配备了XBee模块，以促进对老年人活动监测的研究，以及探究传感系统数量和电器使用情况。

现有老年人床场景的重要性。附加功能。

这些系统（即无线传感系统）具备使这些常规家用电器正常运行的操作功能。

无线传感系统 5

开发的基于无线传感器网络的家庭监控系统

所开发的传感系统有助于确定老年人执行基本日常生活活动的能力。此外，还开发了紧急救助和停用操作，以在实时监控过程中方便对老年人进行相应操作。由于研究目标关注的是个人能否执行其基本日常生活活动，因此当前的家庭监控系统仅限于与家庭日常使用相关的有限系统。

传感系统的优势在于，它是为在现有房屋中使用的而开发的，而不是专用于新建房屋或特定环境。

此外，无线传感系统与物联网兼容，能够从远程位置运行（即能够响应来自远程服务器的命令）。这些系统的特点是能够灵活地连接各种设备。

3.3 用于家庭物品监测与控制的无线传感系统

传感器（传感系统）的选择取决于老年人的生活方式。我们实验室为家庭监控系统本土设计和开发了多种类型的传感系统。家用物品不是连接到电源插座，而是连接到所制作的传感系统，以识别老年人的基本日常生活活动。以下所制作的无线传感系统旨在监测独居老年人在其自己房屋中的行为。

类型1：电气家用物品监控与控制传感系统。
类型2：非电气家用物品监控传感系统。
类型3：家用物品使用监控接触传感系统。
类型4：用于监测室内移动的被动红外传感系统。
类型5：环境参数监测传感系统。
类型6：人体生理参数监测传感系统。

3.3.1 类型#1 电气家用物品监控与控制传感系统

该系统设计用于测量家用电器的电参数。从消费者的角度来看，了解房屋内各种电器的电力消耗以及供电电压和电流等关键参数可能非常有用。所监测的家用物品包括：房间加热器、洗衣机、微波炉、烤箱、烤面包机、电水壶、冰箱、电视、音频设备、电池充电器和水泵。在家庭监控系统中总共使用了十种不同的电器；然而，当前系统仅适用于功率额定值低于2千瓦的电器设备。

电气传感系统能够智能识别正在使用的电器。电气传感设备通过检测连接到家用物品的电流来实现工作。通常，单个电流传感器即可感知一个电器的使用情况。但在本研究中，电气传感系统的设计允许将两个电器连接到同一个传感系统上，从而降低了系统的成本。图3.2展示了所制备的电气传感系统。

电气参数测量

使用设计的电气传感系统对家用电器的电参数进行测量如下：

电压测量

我们工作中使用的电压互感器是MYRRA制造的44127降压变压器。其显著特点包括两个线轴仓，采用阻燃塑料制成，且重量非常轻（100克）。

降压变压器用于将230-240伏特的输入供电转换为10伏特均方根交流信号。次级电压经过整流后通过滤波电容，以获得直流电压。可用的直流电压通过分压器降低，使其处于ZigBee可测量的3.3伏特范围内。该输出信号随后被送入ZigBee终端设备的模拟输入通道。所采集的电压信号与输入供电电压成正比。电压调节器连接至电压互感器的整流输出端，以获得ZigBee和运算放大器工作所需的精确3.3伏特供电电压。信号的缩放比例从输入与输出电压关系图中获得，如图3.3所示。实际电压值由此根据公式(3.1)得出。

$$ V_{act} = m_1 \times V_{measured_voltage} \quad (3.1) $$

其中 $ m_1 $ 是来自图3.3的缩放因子，$ V_{act} $ 为实际电压，$ V_{measured_voltage} $ 为测得的传感电压。

电流测量

在电流传感方面，我们使用了塔莱马（Talema）公司生产的ASM010电流互感器。该传感器的主要特点包括完全封装的印刷电路板安装和紧凑的尺寸。

在此电流传感器中，通过50欧姆的负载电阻来测量电压。需要进行必要的滤波和放大，以使电压达到ZigBee所需的测量电平。图5展示了针对两个不同电流范围的电流测量所使用的缩放因子。对于两个不同的电流范围，分别使用了两种不同的电流互感器：0到1安培和1安培到10安培。因此，实际电流由公式(3.2)得出。电源线连接至负载，并穿过电流互感器。通过使用电流互感器，实现了电气隔离，这在许多应用中非常重要，同时也保障了电子电路的安全。

$$ I_{act} = m_2 \times V_{measured_voltage_for_current} \quad (3.2) $$

其中，$ m_2 $ 是从图3.4中获得的缩放因子，不同电流互感器需使用不同的 $ m_2 $ 值；$ I_{act} $ 为实际电流；$ V_{measured_voltage_for_current} $ 为电流测量感应电压。

该系统包含两个电流互感器；其中一个用于测量不超过100W的负载，另一个电流互感器用于测量100W至2000W的负载。设置两个互感器的原因是在同一个传感节点上提供两个负载输出端。为了提高小电流信号的分辨率，匝数增加至五匝。两个电流互感器的输出均接入ZigBee的模拟输入通道。

功率测量

为了计算单相交流电路的功率，必须将均方根（RMS）电压与RMS电流的乘积乘以功率因数，如公式3.3所示。

$$ P_{act} = V_{rms} \times I_{rms} \times Pf \quad (3.3) $$

其中 $ P_{act} $ 为实际功率，$ V_{rms} $ 和 $ I_{rms} $ 分别为电压和电流的均方根值，$ Pf $ 为功率因数。

电流互感器的输出信号完全取决于所连接电器的性质，即负载是纯阻性、容性还是感性。对于大多数家用电器而言，其输出波形并非纯正弦波，如以下不同负载条件下的图3.5 (a,b,c,d) 所示。从这些图中可以推断，对于某些电器，零点交叉确定难以测量，且噪声消除并不简单。此外，对于此应用而言，以零错误测量功率并不重要。

因此，在我们的工作中，校正系数用于归一化基于缩放因子由电器计算得出的相应电流。校正系数是必需的，用于实际功率的校正。接收后的编程电压传感器。该原型具有电器设备的百分比误差适用于所有。可以看出，最大较低的百分比误差在未考虑的情况下计算得出。

表3.1 百分比误差 o

家用电器	测量功率 (W)	参考功率 (W)	误差 (%)
电灯 (100W)	98	100	2.0
房间加热器 (800W)	790	800	1.25
电灯 (60W)	58	60	3.33
音频设备	45	47	4.26

对于家用电器，误差小于 5%。根据功率因素的考虑，已确定功率可以进行功率因数校正。考虑功率因数。

家用电器的控制

由于具有控制功能，本项工作在已报道的文献中具有新颖性。

智能电表系统集成三端双向可控硅开关元件

为了控制电器设备的开/关，我们使用了三端双向可控硅开关元件BT138。这为用户提供了灵活控制设备的能力：用户（住户）可以通过三种不同的方式选择开启或关闭设备：

i) 自动控制 ：根据电价条件，可通过智能软件调节电器。这使得用户能够在用电高峰期自动关闭电器，从而节省更多成本。电价从电力供应公司的网站获取，并定期更新。

ii) 手动控制 ：提供开/关开关，可直接干预设备。此功能使用户在不遵循自动控制的情况下，通过手动控制电器使用获得更高的灵活性。此外，借助为监控与控制用户界面开发的软件，用户可对设备进行适当操作。此功能具有更高优先级，可绕过自动控制。

iii) 远程控制 ：智能电力监控软件系统具备通过互联网（网站）远程与电器交互的功能。这使用户能够通过安全的互联网连接实现灵活的远程控制。对于有离家后仍保持电器开启习惯的用户而言，该功能有时非常有帮助。用户可监控所有电器的状态并采取必要措施。

因此，用户可以通过所开发的原型灵活地控制电器设备。

图3.6显示了在基站上运行的电气传感系统图形用户界面（GUI）。所制作的电气传感系统具有以下显著特点：

i) 使用带有光隔离驱动器的三端双向可控硅（Triac）来控制电器设备。家用电器通过由三端双向可控硅BT138（恩智浦半导体，2001）组成的智能传感单元实现远程或自动控制。
ii) 无微处理器/微控制器：智能传感单元的设计在传感端无需处理单元。
iii) 控制电器的灵活性：根据用户需求，可以通过不同的方式监控和控制电器。

相同的制造的电气传感系统连接到各种家用电器设备，以识别老年人的基本日常生活活动。图3.7显示了连接到制造的传感系统的不同家用电器。

3.3.2 类型#2 非电气对象传感系统

使用超薄、柔性且不显眼的Flexi力传感器（Flexi）（Tekscan，2010年）来监测单人床、椅子、马桶和沙发等非电气家庭物品。该力传感系统是在我们实验室本土设计和开发的。图3.8显示了力传感系统与床、沙发、椅子和厕所等家用物品的连接情况。

根据协调器从力传感器接收到的模拟值，数据采集系统可以识别这些设备的使用状态为活动的（正在使用）或非活动的（未使用）。在基站（汇聚节点）处实现对物体使用/未使用时力传感器值相对变化的检测和测量。运行在基站（汇聚节点）的软件程序识别接收到的模拟力值，并根据各个传感系统的阈值触发力传感器的使用活动。

3.3.3 类型#3 接触传感系统用于家用物品

家用物品（如自助梳理台、冰箱门）通过自制无线接触传感系统连接。图 3.9显示了连接到梳理台的自制接触传感系统，用于识别电器的使用情况。基站根据开关值识别物体相应的使用状态。

3.3.4 用于运动监测的类型4 被动红外传感系统

被动红外（PIR）运动检测系统旨在检测传感系统覆盖范围内的移动。这些传感器体积小、成本低、功耗低、灵活且持久耐用，通常被称为“红外运动”传感器。该单元工作电压为5V至12V，可与XBee模块连接。PIR传感器提供二进制状态输出，即“ON”或“OFF”。图3.10显示了PIR传感器与XBee模块的接口连接以及所制作的无线PIR感应系统。

在房屋内部署大量传感系统来追踪人员位置成本较高，且可能难以让老年人信服其益处。使用有限数量的运动传感系统来实时确定人员的物理位置具有优势。本研究采用少量以非侵入方式安装的运动传感系统，用于了解居住者的位置，同时支持健康评估指标。PIR传感运动的数据分析在第6章中介绍。

3.3.5 类型5 环境参数监测传感系统

所制作的环境无线传感系统可测量家庭内不同位置的环境温度、湿度和光照强度。图3.11显示了所制作的环境传感系统。该系统能够根据环境条件高效地监控和控制传感系统。

环境传感系统的图形用户界面旨在为用户提供可管理的界面。图3.12显示了基站处环境传感系统的GUI。

3.3.6 类型#6 生理参数监测系统

人类情绪识别模块由生理传感器、信号调理电路、C8051（Silabs）微控制器（C8051F34X 数据手册，2010年）、通信介质（XBee）以及用于显示和存储结果的计算机组成。红外LED、光电晶体管、温度传感器和皮电反应电极位于容器顶部（外部），将直接与手部接触，如下图3.13所示。

不同情绪的分类是在针对不同情绪类别的数据集上进行的。通过对采集到的特征数据执行K-均值聚类，以区分各种情绪。该技术是一种无监督学习方法，有助于发现数据中的内在结构。它将不同人员的皮肤温度、心率和皮电反应值聚类，从而将其分类为快乐、悲伤、中性及压力等相应的情绪类别。

质心收敛至簇的局部最优，以确定中心数量。用于人类情绪与行为识别的智能传感系统由两部分组成，可联合或单独使用。其中一个系统开发了一种可穿戴设备，用于监测人体受试者的生理参数（如体温、心率、体电导等）。

该系统由佩戴在手腕和手指上的电子设备构成，通过多个传感器测量不同的生命体征，在智能家居环境中对人员在其家中进行无线监测。

根据测得的生理参数，确定人的感情状态，如快乐、悲伤、压力等情况。系统可以触发警报，必要时能够为人员提供帮助。

在第二个系统中，本研究针对老年人设计并实现了一种基于无线传感器网络的家庭安全监控系统，旨在为社会中的老年人提供一个安全、健康和可靠的居住环境。系统通过无线传感器单元对房屋内的电器设备进行监控，检测床、厕所、用水等电气及非电气设备的使用情况，以了解其日常生活状态。中央控制单元以预设频率向传感器单元发送查询，并将采集的数据记录到个人计算机中。传感器单元与控制器之间的通信采用射频无线介质。根据传感器事件序列来判断老年人的行为模式和健康状况。

3.3.7 人体情绪识别系统

人类情绪识别模块由生理传感器、信号调理电路、C8051 Silabs微控制器、通信介质（Zigbee模块）以及用于显示和存储结果的计算机组成。人类情绪检测系统包括一个盒体，其内部装有微控制器、Zigbee模块（路由器）和信号调理电路，而红外LED、光电晶体管、温度传感器和皮电反应电极则位于表面，会与手部直接接触。以下详细介绍三种生理传感器单元。

心率传感器 ：本项目使用的心率传感器基于近红外光谱技术(NIRS)原理。采用该方法的原因在于近红外传感器成本低、无创、体积小、可靠，且适用于持续监控。该定制心率传感器由奥泰克技术公司生产的波长为940纳米的红外LED（OP180）和霍尼韦尔公司生产的红外光电晶体管（SDP8406）组成。

信号放大采用低功耗四路运算放大器（LM324）。传感器工作需要3.3伏特电压，由微控制器提供。传感器输出为数字信号，输入至微控制器的数字端口。微控制器通过该数字信号测量每分钟心跳次数(BPM)。相应的代码在 Silabs集成开发环境（Silabs IDE）中编写，该环境随Silabs C8051微控制器提供。程序每隔10微秒发送一次软件时钟节拍。频率/分钟值存储在K中。BPM_tick_value存储下降沿之间的时钟节拍数量。通过将频率除以节拍值得到BPM值。

皮肤温度传感器 ：皮肤温度使用美信-达拉斯半导体的DS600模拟输出温度传感器进行测量。选择该传感器的原因是它成本低、功耗低，并且具有一个暴露的焊盘，可与人体皮肤接触以实现持续的温度监控。DS600的工作电压为2.7-5.5V，由微控制器提供。其测温精度为±0.5˚C，测量范围为-20至 100˚C。传感器输出的是与摄氏温度成正比的模拟电压，表达式如公式(3-5)所示。

$$ T(ºC) = (V_{out} - V_{OS}) / (\Delta V / \Delta T), \text{ where } V_{OS} = \text{DC offset, 509mV} \quad (3.5) $$
$$ \Delta V / \Delta T = \text{Typical output gain, +6.45 mV/ ºC} $$

皮肤电反应（GSR）传感器 ：皮肤电反应由两个电极组成。其中一个电极连接到微控制器提供的3.3伏特，另一个电极连接到一个68千欧电阻和一个100纳法电容。该电路的输出为电压，进入微控制器的模拟输入，并在屏幕上显示。

3.4 网络化无线传感系统

所开发的传感系统无需任何复杂的处理要求，因此在传感节点上无需考虑使用微控制器。所有与无线通信相关的研究任务均采用ZigBee（XBee）IEEE 802.15.4协议（即XBee系列2）设计。XBee可连接以采集感知数据，并直接传输至基站（汇聚节点）。XBee是由digi.com生产的无线电模块，遵循ZigBee协议。相较于蓝牙等其他无线个人局域网，IEEE 802.15.4-2003（ZigBee标准）定义的技术更为简单。XBee用于需要短距离、可靠、安全及高数据速率的射频应用（Chaudhari，2011年）（wikipedia.org，2011 年）。

XBee在3.3伏特电压下工作，功耗为40毫安。XBee引脚可配置为模拟输入和/或数字输入/输出（digi.com，2011年）。可以通过XBee的I/O引脚将测得的传感器数据直接发送到中央计算机，而无需使用微控制器。传感器数据的处理需要在中央控制器（基站）上完成。XBee在载波侦听多路访问/冲突避免（CSMA/CA）网络上的节点之间提供高达250 kbps的数据吞吐量。XBee提供了在网络节点之间可靠传输数据的机制。

3.4.1 XBee模块的优点

XBee 使用 IEEE 802.15.4 协议，该协议实现了：

• 错误检测：实施错误校验和流程以正确接收数据。
• 媒体访问：任何两个无线传感器网络模块不会同时传输数据，以免造成数据冲突和传输错误。这遵循明确的频率计算，以确定数据传输的权限。
• 确认与重试：采用可靠的数据传输以确保接收节点收到数据，否则将进行多次重试。
• 寻址：可使用多种寻址方案，例如点对点、点对多点，以便只有预期接收数据的网络节点才会处于活动状态。

3.5 无线传感系统拓扑结构

无线传感系统由一组传感节点组成。当一个传感节点处于射频范围内时，它会与另一个传感节点相连，即与另一个传感节点直接交互。一种称为“洪泛法”的原始消息传输技术可用于无线传感器网络中，以实现远距离数据传输（Al-Karaki 和 Kamal，2011年）。在洪泛法中，每当一个传感系统接收到一条消息时，它会将该消息传输给其相邻的传感节点（即射频范围内的传感器节点）。然而，由于传输量巨大，这种简单的方法能耗很高。为了支持高效的消息传输，无线传感器网络协议被构建成特定的拓扑结构。针对无线传感器网络的网络协议采用了多种技术，以实现通信开销与鲁棒性之间的理想权衡。主要存在三种拓扑类型：基于树的拓扑、基于多路径的拓扑和混合拓扑。在基于树的拓扑中，每对传感系统通过单一路径进行交互（Conner、Chhabra、Yarvis 和 Krishnamurthy，2003）。这可以最小化传输开销，但对丢包和传感系统故障非常敏感，而这类问题在无线传感器网络中经常发生。特别是当某个广播或传感系统出现故障时，对应子树的数据将会丢失。

或者，基于多路径的拓扑允许消息通过多条路径传播，直到到达基站，因此即使在一条路径中丢失，也能通过另一条路径有效传递。权衡之处在于与基于树的方法相比，通信开销增加，并且可能会产生重复的结果。混合技术使用基于树的拓扑对无线传感器网络的一部分（例如，依赖具有稳定通信链路的传感系统）进行组织，其余部分则根据多路径技术进行组织。

在链路质量较高的网络中，由于树形拓扑具有更高的能量效率，因此比多路径拓扑更受青睐。相反，如果网络存在链路质量低等问题，则采用基于多路径的拓扑更为有利。通常情况下，树形拓扑不会产生重复的数据传输，而基于多路径的拓扑则可能产生。在本研究中，所构建的传感系统采用网状拓扑结构，以实现可靠的数据通信。

在第3.12.2节中给出了所配置的网状拓扑在传感信息传输方面的可靠性与吞吐量等服务质量（QoS）。用于传感系统的XBee模块使用XBee制造商提供的程序“X-CTU（XBee 配置和测试工具）”进行配置（digi.com，2011年）。

开发了一个传感器数据采集程序并安装在计算机上，该程序能够读取串行数据、存储数据，并根据应用进一步处理数据。图3.14显示了远程传感系统XBee模块配置的截图。

3.6 家庭中不同传感系统的布置

所制造的传感系统被部署在一位老年人的家中，以评估无线传感系统的性能特征。图3.15和图3.6显示了包含家用物品及传感系统在房屋不同位置布置的二维视图和三维视图。

3.7 老年人家庭所需的传感系统数量

老年人的基本日常生活活动全天（即24小时）被监测，其生命周期体现在传感系统检测到的家用物品使用情况中。图3.17显示了图形用户界面，指示家用物品使用的频率。

根据以下公式3-6，确定了房屋中特定传感器类型的发生频率（η）。

$$ \eta(s_c) = \frac{1}{T} \sum_{l \in loc} f_l(s_c) \quad (3-6) $$

其中 $ loc = specific \ location \ in \ the \ house $，$ c = sensor \ type $，$ s_c = set \ of \ sensors \ of \ a \ particular \ type \ c $，$ f_l(s) = frequency \ of \ sensors \ over \ a \ time \ period \ T $。

表3.2 显示了老年人住宅中家用物品的使用频率。在家庭监控系统试用期间，发现储藏室传感系统的重要性较低。

Room Type	传感器 Type	已连接 to 设备	η (Test)
生活	力，电气	沙发, 椅子, TV, 加热器	0.03, 0.04, 0.03, 0.1
厨房	电气	微波炉, 烤面包机, 水壶	0.04, 0.06, 0.00
睡眠	力	Bed	0.36
洗手间	力	马桶	0.34
储物间			0.00

图3.18 显示了用于确定老年人所需最少传感器数量的框图。

3.8 基于计算机的数据采集系统

在“智能家居传感/普适计算”领域，针对个体活动或环境上下文的近实时感知近期出现了迅猛发展。目前大多数传感器驱动的上下文感知应用均为`片段式，由用户间歇性地启动，且持续时间较短。因此，连续执行传感应用需要在传感器数据的采集与处理方面取得进展，以降低能量开销。在两种不同场景中，从传感器源获取传感器数据流的过程构成了此类能量开销的主要部分，且涉及使用个人局域网(PAN)或无线局域网技术。

人们对利用嵌入或关联在各种电子设备中的传感器对个体活动或情境进行连续感知的应用越来越感兴趣。降低传感器数据采集与处理的能源开销，对于确保这些应用的成功连续运行至关重要。为实现这一目标，通常基于各个传感器流的通信成本和选择性特性，将数据从传感设备以数据流（推送）形式传输。传感系统提供了一系列专门定制的数据采集系统，以满足这些要求。

任何监控应用。监控与数据采集系统的规模各不相同，从非常简单的系统到包含数百个测量的非常复杂的安装。

传感系统设计可建立并安装任意规模和复杂程度的监控系统。我们安装传感器、软件，并设置完整的系统，以获取、存储、保存、分析和显示感知数据。我们还安装通信硬件和软件，使任何数据采集系统都能与远程计算机进行通信和数据传输。

传感系统利用最先进的基于计算机的数据采集系统。数据可以以不同格式进行采集并提交，以便进一步审查和分析。过滤可在采集过程中或在数据采集完成后进行。系统提供交钥匙系统，可完成任何所需的测量任务，包括数据的采集、存储、传输、显示和分析。

传感系统可安装任意类型和数量的传感器。我们所有的传感器均具备与基于计算机的数据采集系统进行通信或接口连接的能力。传感系统提供硬件（“黑盒子”）和采集软件，以实现任何传感器与基于个人计算机系统的接口连接。传感系统可在现场或实验室中安装永久监控系统。永久系统的实施、规划和安装需要对项目目标有清晰的理解。为永久系统所选择的数据采集设备通常具备通信性能能力，可通过电话连接或无线系统将数据下载到客户设施内的计算机。我们的采集系统曾长期无人值守运行，同时通过电话线路将数据下载到远程计算机。当监控设备位于偏远或难以接近的位置时，这种设置尤为理想。便携性：许多应用要求在移动平台（如汽车、自行车、游乐场游乐设施等）上进行测试。测试的规划和执行阶段必须特别关注电源需求和测试持续时间，以确保成功完成。数据记录仪：传感系统已为各种类型的传感器设置并连接了数据记录仪，用于连续采集和监控测试和过程变量的数据。

3.9 实时异构传感器数据融合

无线传感系统在不同时间段获取环境参数的样本，来自无线传感器网络的数据称为“数据流”。在无线传感器网络中存在两种用于传感器数据收集的查询模型：基于推送和基于拉取（卡帕迪亚和克里斯纳马查里，2006）（刘、黄和张，2004）。在基于推送的模型中，用户在基站记录一个恒定查询。该查询在基站执行，期间传感器持续产生满足查询的结果。

该模型在无线传感器网络中非常流行且具有现实性。对无线传感器网络的标准查询包括以下信息：（i）采样率：传感器采集样本的频率，例如每分钟一次；（ii）所需特征：哪些属性应被视为样本，例如环境温度、湿度等；（iii）返回值的约束：过滤掉不需要的值。对于基于拉取的模型，查询会返回一个快照结果。具体而言，查询被广播到网络中。当传感系统接收到查询后，会返回其当前读数。基站接收所有响应后，在当前时间戳生成并返回给用户最终结果。这两种模型的主要区别在于，基于推送的模型返回的是结果流，而基于拉取的模型仅返回一个结果，即当前网络状态的快照。在当前研究中采用基于推送的查询模型，其中查询在基站处被记录，以从传感器数据库中检索传感器数据，实现高效数据处理。

家庭监控应用的无线传感系统会产生大量的数据集。为了控制现实世界应用（家庭监控），所需的数据集在数量和规模上都要求对数据变化进行比原始数字更为密集的描述，因此必须考虑适用的描述方式。我们开发的系统的用户界面提供了与传感器网络的连接，以实现实时采集传感器数据。处理相应的传感器图标将被高亮显示，以指示所连接的家用电器是否处于活动状态。在任何执行时刻，通过查看系统的前端即可了解老年人的活动情况。采集的原始传感器数据以基于事件的活动形式存储在计算机系统中（即），当传感器的状态（活动或非活动）发生变化时进行记录。图3.19(a,b)展示了鲁棒监控与控制系统及其相应的用户界面：

3.10 传感器数据采集软件系统

无线传感器网络数据融合的解释已被用于物联网（IoT）框架建模的初期阶段。

在该框架中使用无线传感器网络与物联网的原因包括：i）低成本，ii）长期自适应感知与执行能力，以及 iii）分散式弹性通信。

物联网框架能够支持：i）直接从传感系统进行实时传感器数据采集，或能够近实时地从数据库中检索数据；ii）轻松处理以原始数据处理形式对传感器数据流进行处理的实时数据分析逻辑方法；iii）识别传感器流中的异常事件，并以可扩展的方式将输出发送到可视化过程。

3.11 无线传感器网络数据存储机制

某些应用不需要基站（汇聚节点）来收集传感器的数据。在这种应用中，节点形成一个无线传感器网络，且不包含基站。为了收集数据，科研人员驾驶配备数据采集设备的车辆穿过监测区域。在网络的生命周期内，节点会将数据值存储起来，直到被采集器处理。此类应用面临两个主要挑战：i) 由于存储容量有限，节点端的传感器内存可能会溢出；ii) 网络不同区域的工作负载可能不均衡，例如，活动频繁区域的传感器产生的数据多于活动稀少区域的传感器。这些问题带来了如何在各个节点中持续积累数据，以及如何以低成本从网络的不同部分获取相关数据的挑战。该技术将无线传感器网络的存储方法分为两类：集中式和分布式。在集中式存储中，数据保存在生成该数据的节点上。例如，在TinyDB中（Ganesan, Cerpa, Ye, Yu, Zhao, & Estrin, 2004）（Albano & Chessa, 2010）（Wang & Yongcai, 2010），为了执行某些类型的聚合查询，传感器可在本地保留少量数据。然而，这种方法不适合存在频繁突发活动的场景，因为这会迅速耗尽宝贵的内存资源。

一种常见的分布式存储方法是“以数据为中心的存储”。在以数据为中心的存储中，数据的存储位置由该数据的一组属性决定。这种方法的优点是相关数据可以被存储在一起。但需要复杂的算法来确定每条数据应存储的位置，以便平衡所有节点的存储开销。以数据为中心的存储方案被视为无线传感器网络中存储和获取数据的能耗技术。假设一条数据 d 由传感系统 ssrc 产生，并存储在传感系统 sdest 上。存储数据的复杂性包括三个部分：(i) 从 ssrc 的内存中读取 data ，(ii) 将 data 广播到 sdest，(iii) 将 data 写入 sdest 的内存中。而获取数据的总开销包括三个部分：(i) 将恢复请求路由至 sdest，(ii) 从 sdest 的内存中读取 data ，(iii) 将 data 返回至基站。

上述两种方法不适用于当前的无线传感器网络家庭监控系统。所采集的数据是动态变化的，需要快速、实时的响应时间来识别老年人的行为。为了分析传感器数据，已在计算机系统中执行了一种高效的传感器数据存储机制。

当前系统已有效解决了数据流持续流动带来的存储需求问题，以及实时处理数据以生成模式或异常事件的问题。

由于传感器流持续不断地流入，处理系统仅在传感器事件发生变化时才存储传感器数据。基于事件的存储（即）当传感器的状态（活动或非活动）发生改变时，记录传感器融合数据。这是一种非常高效的机制，因为它极大地减少了存储空间的需求，并且更灵活地支持实时数据处理。与连续流动的数据采集相比，基于事件的监控数据采集在数据存储量以及家庭监控等实时应用中的数据处理方面具有巨大优势。图3.20展示了基于事件的存储机制相对于连续存储机制的优势。

3.12 无线传感器网络数据流的查询处理机制

无线传感器网络数据管理中另一个吸引人且重要的研究方向是有序的数据处理与分析，已有大量研究致力于在无线传感器网络家庭监控系统的基站（汇聚节点）上支持不同类型的复杂查询。

所采用的方法包括SELECT *查询。在接下来的段落中，提出了一种框架，该框架能够支持在家用监控传感器网络中开发一系列复杂的处理应用。尽管大多数数据序列在符号上对数据序列中的每个点都同等对待，但某些无线传感器网络（WSN）应用中，数据点的时间位置会影响其可靠性及其估计的变化（Kim, Fonseca, & Culler, 2004）（Gu & Stankovic, 2006）。这意味着最新的数据具有较低的误差，而对过去数据的变化则更为宽容。随着时间推移，变化的可信度估计会逐渐降低，因此无需长期保留近期测量的数据。

例如，环境观测与预报系统允许某些传感器仅通过中继站（该中继站并非始终可用）以不连续连接的方式连接到汇聚节点。需要确定时间序列近似中每个点所允许的偏差程度。为了实现这一目标，需定义一个函数，用于返回数据序列中每个点的可接受估计变化。可以看出，该函数可以是相对函数或绝对函数。相对估计函数用于确定时间序列中每个点可容忍的相对误差（例如，可表示某一点的估计值旧两倍，则可容忍两倍的误差）。而绝对函数则为数据序列中的每个点指定估计的最大允许变化，这在应用需要对数据序列的估计提供保障时非常有用。

估计函数允许使用所需的尽可能多的内存，以满足误差边界。此外，估计函数中需要引入上下文时间窗口的概念（时间序列分析, 2011）。滑动窗口是指从某一给定时间点至今的所有数据序列值组成的窗口（Keogh, Selina, David, & Michael, 2004）。滑动窗口模型更适用于适应性上下文。与估计和滑动窗口概念不同，有研究提出使用小波来表示数据流（Keogh, Selina, David, & Michael, 2004）（Gama, Pedro, & Eduardo, 2010）。需要一种高效、在线的方法来增量式地维护当前传感器数据流的表示。对最近值的偏置可被视为类似于一种估计函数，其在此特定情况下的形式由小波变化的分类属性所主导。该概念偏向于更近期的当前值。

为了在当前研究中高效处理（查询处理）无线传感器网络数据，无线传感器网络建立了可被视为包含两组数据模式的数据存储：感知元数据模式和感知数据模式。感知元数据模式指的是关于传感系统的信息，例如感知系统标识符、设置以及其他重要特征。感知数据模式则是指从传感器在一段时间内收集的测量数据。为了将时间序列的估计与特定维度过程解耦，或基于用户输入来确定内存如何用于变化估计，已应用了高效数据挖掘技术，其主要目标是在数据集中建立时间变化模式的模型。更多细节见第5.4.1至5.4.4节。

本研究描述了使用线性和指数估计模型的在线算法（人类行为识别）的解决方案。当获得新数据点时，这些算法能在关于线性段数量的次线性时间内更新估计模型。观察发现，这些新型方法能够在基站非常高效地执行。

元数据模式在基站处形成一个“关系表” Sensor_db (传感系统ID, 日期_时间, 通道_编号, 传感_值)，其中传感系统ID表示传感系统的ID，Date_Time 记录时间戳，Channel_no 存储来自传感系统的数据来源，传感值提供相应的感知值。感知数据模式的值由传感器在每个时间戳生成。当前的数据库系统采用一种序列模型，以将每次读数与其生成时的时间戳绑定。给定一组带有时间戳的元组，通过按时间戳对记录进行排序，构建读数的时间序列。

该数据库包含结构化查询语言（SQL）声明式语言。例如，查询以以下形式表示：“SELECT”子句表示传感样本具有特定属性，并仅返回在指定范围内的读数。“WHERE”子句表示受查询影响的传感内容。“from（ table）”子句是一种表达方式，用于表示持续性查询，要求每个传感器每隔一段时间从数据库的特定表中返回一个样本。当前的数据库设计支持基于时间窗口的聚合（时间窗口）查询。传感系统产生的数据构成一个单一的虚拟表，称为sensors_db。每种类型的测量，如电学感知参数、力感知、运动监测、环境读数温度、湿度或光强，在sensors_db中形成一个主题。一个元组由传感系统在同一时间戳获取的各种测量模型组成。最新获得的元组被添加到sensors_db的末尾。数据库中的查询包括“Select”、“From”、“ Where”和“Group by”子句。

传感系统信息将通过多跳网络架构（网状拓扑）最终传输到数据汇聚点。

数据流中的每个元组均包含一个时间戳，表示其生成的时间。基站会公开审查所选部分传感器的读数，这些传感器将其分析结果报告给基站。基站会审查节点链上的变化情况。根据网络的拓扑结构，基站能够从直接观测到的传感系统的读数以及链式变化中获取每个传感系统的数据进行分析。由于存在时空关联，相邻传感系统的读数会被存储在数据库中。

为了封装各种需求，家庭监控系统在基站提交查询。查询语言是声明式的，类似于SQL。使传感系统以周期方式运行是无线传感器网络数据库中数据存储的通用方法。在一个周期（采样率）内，它从设置中收集测量值，并接收来自其他传感系统的数据，然后将数据传输到无线传感器网络协调器。

3.13 物联网框架

基于无线传感器网络（WSN）的数据融合解释从物联网框架建模之初即已实施。在物联网中使用无线传感器网络的原因包括：i）低成本，ii）长期自适应感知与执行能力，以及 iii）框架中的分散式弹性通信。

物联网框架实现的关键模块

无处不在的互联网接入 ：提供互联网设施是一种成本较高的资源，将其用于其他应用可能是一个极具价值的设想。互联网连接是物联网框架的骨干，可用于传输从广泛分布的区域收集的感知数据，例如环境参数的测量。

面向物联网的智能传感器与测量技术的设计与开发 ：可为物联网框架设计和开发用于互连日常家庭系统及其环境监测系统的智能感知系统。为了在无线传感器网络‐物联网框架中实现高效的数据传输和高数据吞吐量，需对智能传感器数据类型、感知通道数量以及传感器数据采样间隔进行优化配置。无线传感器网络中最常用的网络协议是IEEE 802.15.4（ZigBee）或6LowPAN，以实现高效可靠的通信。ZigBee专为局域网应用设计，例如家庭自动化环境。

然而，ZigBee/6LowPAN在缺乏适当集成机制的情况下无法直接与互联网上的服务器通信。通过采用特定的物联网网关架构设计策略，可实现基于 ZigBee/6LowPAN设备在物联网上的远程管理与控制。

面向物联网框架的智能传感器数据融合及基于云管理的数据存储 ：

物联网框架的关键功能之一是基于智能设备发起的数据提供互联网服务。

通过将普适智能感知系统与云基础设施相结合，可以实现物联网的全部潜力和最具可行性的应用。物联网框架结合云计算的优势在于其高度可扩展性，并能够在隔离逻辑结构的同时灵活控制相关成本。传感系统可以连接其通信网络，并利用云存储管理机制传输感知数据。可提供高效实时数据挖掘或人工智能工具，用于提取有用信息并转化为相应的知识库。此外，计算机图形开发者可以提供一系列可视化软件，通过Web应用查看实时物联网数据。集成的物联网与云计算基础设施具备作为服务进行远程监控与控制智能感知系统的全部潜力。在物联网应用执行过程中所产生的数据生成过程、所考虑的工具以及创建的可视化流程均隐于后台，从而充分释放物联网在各种应用领域的潜能。可以看出，云计算基础设施通过提供可扩展存储、计算时间及其他工具，整合了分布式智能感知系统，助力构建新的物联网业务。

物联网相关的数据分析

物联网框架应具备以下能力：i) 能够直接从传感系统进行实时传感器数据采集，或能够近实时地从数据库中检索数据；ii) 能够便捷地处理实时数据分析逻辑方法，利用云计算设施对传感器数据流以原始数据处理或已处理数据的形式进行数据处理；iii) 能够识别传感器流中的异常事件，并以可扩展的方式将输出发送至可视化过程 [5]。物联网应用与云计算设施的结合将在无需了解创建可靠且可扩展应用的底层细节的情况下，充分利用分布式计算的优势。

物联网的挑战与机遇

物联网面临的一些主要挑战包括隐私、数据存储、智能传感仪器与测量、数据分析，以及在支持物联网的应用中实时数据的可视化。除了需要具备鲁棒的云计算设施外，在当前的商业环境下，无线传感器网络（WSN）相关的挑战依然存在，例如监控应用所需的传感设备最优数量、用于传感器节点长期运行的能量收集技术、传感器数据安全、考虑低功耗的通信协议、最优数据压缩以及服务质量（QoS），这些均影响着物联网框架的设计与部署。在不久的将来，应能通过物联网框架以即插即用的方式在任何场景中轻松部署智能设备。物联网框架中智能设备的互联机制对于通信协议的标准化至关重要。

可以指出的是，为了保障未来的一切，电力、计算系统和互联网必须实现故障安全操作，这可能是一项巨大的挑战。此外，全球经济格局的变化也需关注与安全、数据/信息滥用相关的问题，并制定相应的协议。

3.14 结果

在养老院中部署的家庭监控系统的性能分析是基于无线传感器网络参数进行的：
i) WSS数据融合的采样率，ii) 无线传感器网络数据融合的 吞吐量。

“采样率”对应于从传感系统发送到汇聚节点（基站）以进行适当传感器数据处理的感知样本数量。汇聚节点（基站）接收到的数据类型主要是模拟数据。类型1、类型2和类型5的传感系统将模数转换（ADC）值发送至基站进行数据处理。因此，为了实现高效数据分析，家庭监控系统对传感系统的合适采样率有很高的要求。此外，采样率直接影响数据的时间推理。

表3.3 传感系统 XBee 引脚 输入/输出 数据类型

无线传感系统类型	传感（输入/输出）通道	通道	XBee引脚配置
类型#1：无线电气设备传感系统	04	家用物品电气参数：i)电压，ii)插头1的电流参数，iii)插头2的电流参数，iv)数字输入用于家用物品控制	引脚20：用于电压读数 引脚19：用于插头1的模数转换器 电流读数 引脚18：插头2的模数转换器 电流读数 引脚17：用于开/关的数字输入 电器1的控制
类型#2：无线非电气对象传感系统( 力传感系统)	01	力值	引脚20: 力读取的模数转换器 读数
类型#3: 无线接触传感家用系统物体	01	数字输入的物体接触	引脚20：用于接触的数字输入 物体
类型#4：无线PIR传感系统用于运动 监控	01	数字输入 指示 内部移动 其附近	引脚20：用于检测的DI 移动
类型#5：无线参数环境控传感系统	03	环境 温度， 光照度强度，湿度	引脚20：用于 温度读数 引脚19：用于 湿度读数 引脚18：用于勒克斯 读数

数量
1 ADC：XBee模块的模拟到数字转换值，DI：数字输入。

家庭监控应用中所构建的传感系统的采样率是通过工程化方法确定的。

为了避免使用随意设定的采样率值，本文基于应用参数进行了实验分析，以确定传感系统的采样率下限和上限。表3.3显示了为多种类型的传感系统配置的XBee I/O引脚。

3.14.1 无线传感系统的采样率

一种用于确定更优采样率的分析方法，以获取传递连续感知数据的传感ADC值。步骤如下。

设采样率（从传感系统发送到汇聚节点（基站）的感知样本数量）为∆ݏ。

根据来自各种电气传感系统的记录ADC值日志，∆ݏ被认为是间隔∆ݐ内最适合的采样率。如果∆ݏ是两个连续ADC值之间的差值；且∆ݏ = max (∆ݏ)，则 ∆ݏ / ∆ݐ 将提供电气传感系统采样率的最大变化率。目标是为家庭监控系统中不同的电气传感系统获取最佳的∆ݐ ，以实现更优的数据分析。由于∆ݏ / ∆ݐ是最大斜率的要求：

$$ Max \ rate \ of \ Change(S) = \frac{\Delta s}{\Delta t} = \frac{\omega}{2^{n-1}} = \frac{2^n \pi F}{2^{n-1}} $$

其中：“n”是模数转换器转换的位数，“F”为频率。

假设Er为可容忍的最大错误，作为传感信号最大范围的测量指标。在实际应用中，最大错误通常认为是5%，其余95%为准确接收信号，因此Er=0.05。则电气ADC值的最小采样率为：

$$ Sampling \ rate(min) = Sr(min) = \frac{\Delta s / \Delta t}{E_r \cdot 2^n} = \frac{2^n \pi F}{E_r \cdot 2^n} = \frac{\pi F}{E_r} \quad (3.7) $$

在家庭监控系统应用中，电气传感系统的最大变化速率相当于对50赫兹信号进行采样，且XBee执行10位模数转换以读取传感信号。如果将Er视为 5%，则最小采样率Sr(min) = 50π / 0.05 = 3.1kHz 。

为了得到最大采样率 = Sr(max)，将Er=2^{-n}代入上述方程，得到： Sr(max) = 2^n π F。各种传感系统的采样率由以下方程给出：

$$ \frac{\Delta s}{\Delta t} \cdot \frac{1}{E_r \cdot 2^n} \leq Sr \leq \frac{\Delta s}{\Delta t} \quad (3.8) $$

表3.4显示了HMS中各种传感系统的配置采样率。

表3.4 传感系统的采样率

电气感应系统采样率：

配置为ADC的I/O通道	电气感应 连接到系统的 家用物品 最小采样率 最大采样率
房间加热器 （1200瓦）	1分钟 10分钟
微波炉	1 秒 65 秒
电水壶	1 秒 65 秒
电饭煲	65 秒 10分钟
电视	1分钟 10分钟
房间加热器 (600瓦)	1分钟 10分钟
冰箱	1分钟 10分钟
烤面包机	1 秒 65 秒
洗衣机	1分钟 10分钟

对于力传感系统： （配置为ADC的I/O通道）

力传感系统 连接到家用 物品 最小采样率 最大采样率
Bed
椅子
沙发
厕所

用于接触和运动监测传感系统：
(配置为数字输入的输入/输出通道)

接触 and PIR传感 系统采样率
每当数字发生改变时 XBee的输入/输出检测

用于环境参数监控传感系统：

配置为ADC的I/O通道	参数环 境传感 系统 最小值样本 rate 最大值样本 rate
温度	12分钟 22分钟
湿度	1分钟 6分钟
光照强度	1秒 10分钟

3.14.2 无线传感系统的服务质量因素

对为期三个月的四个电气、四个力、两个接触、六个红外和三个温度传感系统的数据进行了分析，以确定无线传感系统的可靠性、吞吐量和抖动。试验性拓扑测试采用了如图3.21(a,b,c)所示的配置。为了获得实验测量结果，配置传感系统使其每10秒发送一个样本（数据包）。这些传感系统样本（数据包）在汇聚节点（基站）的到达时间被记录在数据库中。以下是无线传感系统数据传输的可靠性和吞吐量结果。

电气传感系统的布置以进行吞吐量测量 测量 终端设备

3.14.3 可靠性

通过将计算值与正确接收到的传感器信息量进行比较，确定了无线传感系统的可靠性。

表3.5 不同跳数下无线传感器网络数据传输的可靠性

# HOP	传感器ID	Router/End Device	From Coordinator (Meters)	# Obstacles	Period between packets ‘T’ (Secs)	Expected packets	Incorrectly received packets	Correctly received packets	Reliability (%)
0	407C602B	End Device	8	2堵墙	10	7854	46	7808	99.4
0	4079CDD6	End Device	3	no walls	10	8338	26	8312	99.6
1	407C602B	Router	8	2堵墙	10	8056	16	8040	99.8
1	4079CDD6	End Device	10	4堵墙	10	8076	29	8047	99.6
2	407C602B	Router	8	2堵墙	10	5561	15	5546	99.7
2	4079CDD6	Router	10	4堵墙	10	5575	64	5511	98.8
2	4075C8D	End Device	12	4堵墙	10	5566	102	5464	98.1

连续感知信息的到达时间之差即为间隔值。如果时间间隔大于或小于10秒，则表示存在错误。当间隔小于10秒时，接收到的样本信息不正确或重复，因此是有误的。系统已配置并以网状网络运行。如果所有终端节点都在协调器的范围内，系统可作为星型网络运行；否则将发生跳转。若某个节点被用作路由器（同时作为节点），则由于配置原因会产生轻微延迟，从而导致可靠性下降。对于家庭监控系统而言，传感系统的网状网络是最优拓扑。家庭监控系统若在无线通信设备之间具备跳转特性，便可实现可靠的数据传输。这是因为在真实家庭环境中会存在墙壁和物体等多种障碍物，可能阻碍数据传输。而网状拓扑可轻松应对这一问题。表3.5显示了家庭监控系统中不同跳数下无线传感器网络数据传输的可靠性。

3.14.4 吞吐量测量

吞吐量测量的目的是了解无线传感系统在感知系统数量和感知数据传输的数据包长度方面的功能。传感系统的吞吐量是指在给定时间内从传感系统发送到汇聚节点的数据量。

表 3.6 无线传感系统数据包长度

无线的类型的传感系统	传感（输入/输出） 通道	传感 通道	数据包 长度 （字节）
类型#1：无线电气 物体感知系统	04 （模拟‐3， 数字‐1）	家用物体电气 电参数： 电压参数， 插头1的电流参数 插头1， 插头1的电流参数 插头2, 用于控制的数字输入 家用物体t	28
类型#2：无线非电气 物体感知系统（力 传感系统）	01 (模拟‐1)	力值	22
类型#3：无线接触感应 家用物品的系统	01 (数字‐1)	的数字输入 object contact	22
类型#4：无线PIR感应 用于运动监测的系统	01 (数字‐1)	数字输入，表示 运动 在…之内 its 附近	22
类型#5：无线环境 参数监控传感 系统	03 (模拟‐3)	环境 温度， 湿度， 光照强度	26

数量

根据ZigBee协议，允许的最大数据包长度为128字节（Ferrari, Paolo, Salvatore, & Marco, 2007）。然而，不同传感系统的数据包长度有所不同。表3.6提供了所配置的家庭监控系统中各种传感系统的数据包长度详情。

对各种网络拓扑的吞吐量进行了为期七天的研究。图3.22和图3.23显示了在真实家庭环境中放置的电气传感系统的吞吐量。

每个电气传感系统的总比特数为224比特，发送数据包的间隔设置为10秒，理论上每个电气传感系统的吞吐量应为22.4比特/秒。然而，电气传感系统的典型（平均）吞吐量为21.8比特/秒（97.4%）。吞吐量轻微下降的可能原因是与家庭中存在的Wi-Fi等辅助网络相互干扰所致。观察发现，当网络中的跳数增加时，电气传感系统的吞吐量呈线性下降趋势。

在传感系统发送的数据包数量足够（基于采样率）的情况下，事件识别方面没有出现数据丢失。

3.14.5 数据库统计

最初，该系统在四个不同的住户房屋中进行了为期四周的试运行。从2013年3月起，该系统持续监控一名受试者，除第3.14节所述的技术限制外，未发生中断。据观察，数据库平均每秒执行23次查询，每分钟1,405次，每小时 84,326次。数据库中执行的查询最多的是插入查询，这些插入查询与将来自无线传感系统的传感器数据插入传感器数据库相关。图3.24至图3.28显示了在不同日期获取的传感器数据库运行时信息的快照，这些快照是在系统连续运行超过一个月期间拍摄的。观察发现，传感器数据采集程序在长时间连续运行中表现鲁棒，未出现任何异常。表3.7列出了传感器数据库上查询量占比最高的前四项。

表 3.7 传感器数据库上前 4 个查询的执行情况

类型的 Query	百分比	传感系统的类型	每插入 第二
插入	76%	电气传感单元 (3个) PIR 传感单元 (5个) 温度传感单元 (1个) 太阳能_电池板单元(3台) 总计	3*4= 12 5*1= 5 1*3= 3 3*1= 3 == 23
更改_db	23%	Change_db 操作用于备份 数据库	Change_db 操作用于备份 数据库
选择	0.5%	选择操作用于从 数据库表中检索数据以及显示在 网页上	选择操作用于从 数据库表中检索数据以及显示在 网页上
设置选项	0.5%	设置操作用于在 表中设置计	设置操作用于在 表中设置计

从图3.24到图3.28可以看出，在对数据库进行为期一个月的观察期间，执行的查询数量保持一致。传感器数据库执行了适当的调度和触发过程，使得数据融合与存储操作能够同时高效地