基于OMAP的無線傳感網節點處理器的設計與實現

　　2.2 節點功耗與算法的關系

　　2.2.1 算法對節點各模塊功耗的影響

　　(1)處理器模塊
　　對整個處理器模塊，由式(5)、式(6)經分析可得：
Eproc=EDSP_min+EARM_min
     =VDSP×MDSP×0.43+VARM(0.1×MDSP+0.2×MARM) (7)

且VDSP=VARM
Eproc=VARM(0.53×MDSP+0.2×MARM) (8)

　　由式(8)知，主導處理器模塊功耗為MDSP，所以減小MDSP是減少節點處理器部分功耗最直接的方式。

　　(2)無線收發模塊
　　降低無線收發模塊的功耗，需要在信源階段對數據進行模式識別或壓縮，降低數據量以降低數據的傳輸時間；在選擇調制解調方案時，應選擇可獲得較高數據速率并且所需解調的Eb/N0相對較低的方案。

　　2.2.2 節點算法的選擇

　　在進行算法選擇時應在完成功能的基礎上，選擇可以降低功耗的算法。下面針對本節點對算法選擇進行分析，先討論三類算法在節約功耗條件下的復雜度。

　　(1)模式識別
　　模式識別可以處理傳感器采集到的信號，給出一個對信號的判斷結果，在無線收發時只需要傳送這個結果。

　　經過一次模式識別，數據量可從1K個8位采樣點降到1個16位的word。當設發送數據速率為20kbps時，采用BPSK，(2，1，5)卷積編碼的方案，發射傳輸時間由160ms降低到0.8ms。由于實際發送時需要對數據進行組幀，所以傳輸時間大概為5ms。若以節省功耗為標準，則：

ERF_save>EPRO_use
 -〉VRF×40×160>VARM(0.53×MDSP+0.2×MARM)(9)
 -〉40×160>0.53×MDSP
 -〉MDSP<12

　　即只要選擇的算法低于12M個指令周期就可以節省能量。

　　模式識別的計算量主要集中在特征值的提取上，比較有代表性的算法為基于功率譜(512點FFT)的算法或基于小波分析(db6)的算法。兩種算法的運算量與在DSP內處理的時間如表2。

　　由于在傳感網節點中對功耗的要求更為嚴格，所以選擇基于功率譜分析的算法。在實現時利用55核的硬件特性，可降至22K個周期數，1毫秒就可處理完畢。

　　(2)圖像壓縮
　　節點傳輸圖像時必須進行圖像壓縮，一幅320×240的BMP圖像約1.8Mbit，在基本不損失信息的情況下可壓縮至95Kbit。
　　Mcompression約為135 290M條指令周期，而對其壓縮后，在算法未優化的情況下計算量約為120K條指令周期，遠遠小于Mcompression。這同時也說明，在傳感網節點中傳遞圖像時，主要能耗集中在無線收發模塊。此時提高數據速率是必須的，因為提高速率并不會使無線收發模塊的功耗上升，卻可以減少發送時間以節約能量。

　　故模式識別與圖像壓縮是無線傳感網節點內必不可少的，算法選擇時壓縮比是比復雜度更重要的選擇依據。

　　(3)通信相關
　　
　　①編碼方式
　　為了在一定的誤碼率下達到低功率傳輸，需要采用FEC編碼減少差錯概率。卷積編碼是目前應用最廣泛的編碼方式，表3為對1Kbit數據采用不同參數的卷積編碼時的譯碼運算量與編碼后長度的比較。

　　分析圖4可知，(2，1，7)比(2，1，3)的卷積編碼性能提升了2dB以上，而(2，1，9)相比(2，1，7)卻只提高了不到1dB。在處理時間上，(2，1，9)即使在程序經過優化后的處理時間為75毫秒，占處理器模塊中DSP核處理時間的90％以上。所以選擇性能接近但運算量卻低很多的(2，1，7)的卷積編碼。

　　②調制方式
　　傳感網的信號經過無線信道時一般不采用高階調制。在QPSK和BPSK的選擇上，由于QPSK可以同時在IQ兩路傳輸數據，使無線收發模塊的Tworking減少1/2，從而減少功耗。這樣數據的傳輸速率為40kbps。

　　各算法耗費時間如表4。

　　2.3 與現有節點的比較

　　現將本節點處理器模塊與現有節點處理器模塊在以模式識別的應用中進行比較，對1K數據進行模式識別及編解碼所消耗的計算周期如下：

普通MCU計算周期：6.4M指令周期
OMAP5912計算周期：1.1M指令周期

　　由此可得進行1000次的上述處理所需要的時間及消耗的電流如表5。

　　通過對比可以看出，本節點處理器模塊在處理相同計算量的運算時，所耗費的時間遠小于現有的節點，而所消耗的電流也在現有節點中較小。因此證明本節點處理器模塊在現有節點中是最適合大數據量處理的。

參考文獻

[1] HILL J L，CULLER D E.Mica：a wireless platform for deeply embedded networks.Micro IEEE，2002，22(6)：12-24
[2] HILL J，CULLER D.A wireless embedded sensor architecture for system-level optimization.Berkeley Technical
     Report，2002
[3] POLASTRE J，SZEWCZYK R，CULLER D.Telos：enabling ultra-low power wireless research.Information Processing in Sensor Networks，2005.IPSN 2005.
[4] SHIH E，CHO S H.Physical layer driven protocol and algorithm design for energy-efficient wireless sensor networks.Source International Conference on Mobile Computing and Networking archive.Proceedings of the 7th annual international conference on Mobile computing and networking table of contents Rome Italy，2001.
[5] Crossbow Technology Inc.TelosB Datasheet.Document part Number：6020-009401-REVB.