基于结构化方法的无线传感器网络设计

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。

当汇聚无法实现时，可以用本地处理来降低带宽要求。让我们考虑具有低门限和高门限的典型自动调温器应用。只要这些温度读数落在可接受的温度范围内，那么绝对不需要发送瞬时温度读数。节点可以使用本地处理功能来判断何时读数超出规定范围，并在需要时才发送数据以警示另一个远程设备。减少待发送数据量的另一个策略是采用某种形式的数据求和或平均算法。

然而需要注意的是，当多个物理事件同时发生时，即使是高度优化的设备也会遭遇拥塞。如果整个楼层的温度上升，可能会出现许多自动调温器希望立即发送温度读数。对付这样的带宽峰值的一个实用方法是随机化传送延时。显然，MAC层的重传就是一种随机化处理，但它无助于防止碰撞，它只在发生碰撞后起作用。应用层的延时如果做得好可以有效减少碰撞于发生之前。当每小时有数百个节点需要发送数据包，最佳设计会把传送均匀分配在整个时段内，以尽量减少碰撞的机会。在有大量传送的场合，强烈建议系统工程师采用这种策略。