無線傳感器網(wǎng)絡抗干擾方法研究綜述

王文龍，施偉斌，張書毓，榮佳樂

（上海理工大學 光電信息與計算機工程學院，上海 200093）

0 引言

目前，物聯(lián)網(wǎng)（Internet of Things，IoT）技術和智能設備廣泛應用在醫(yī)療［1］、環(huán)境監(jiān)測［2］、智能家居［3］等領域，不同應用場景對設備的通信能力要求不同。在無需授權的工業(yè)、科學和醫(yī)學（Industrial Scientific Medical，ISM）領域，2.4GHz 頻段存在多種無線通信協(xié)議，導致同一場景存在多種不同協(xié)議的設備［4］。例如，智能家居同時存在Wi-Fi、藍牙（Bluetooth）、ZigBee/IEEE 802.15.4、RFID 等設備［5］，當不同技術標準的設備在2.4GHz ISM 頻段同時進行數(shù)據(jù)傳輸時，會導致設備間出現(xiàn)網(wǎng)間干擾（Cross-Technology Interference，CTI），使無線通信的可靠性面臨挑戰(zhàn)。

為提高無線設備的抗干擾能力，國內外學者對2.4GHz ISM 頻段內無線技術干擾問題產(chǎn)生的原因、干擾識別及干擾避免方法進行了研究。本文對現(xiàn)有的無線傳感器網(wǎng)絡（Wireless Sensor Networks，WSNs）抗干擾方法進行深入調研，總結當前研究的不足之處，提出未來的研究方向。

1 ISM頻段的無線通信技術

1.1 Wi-Fi

Wi-Fi 基于IEEE 802.11 標準，是最常用的無線局域網(wǎng)（Wireless Local Area Networks，WLANs）技術，目前存在IEEE 802.11 a/b/g/n/ac/ax 多種版本，其中IEEE 802.11n 在2.4GHz 頻段有13 個帶寬為22MHz 的通信信道，最大傳輸速率達600Mbps，覆蓋范圍100～150m［6］。

1.2 藍牙

藍牙基于IEEE 802.15.1 標準，是常用的無線個人局域網(wǎng)（Wireless Personal Area Networks，WPANs）技術。在2.4GHz 頻段有79 個帶寬為1MHz 的信道，通過跳頻技術減少干擾，最大跳頻每秒1 600次［7］。

1.3 ZigBee

ZigBee 協(xié)議為IEEE 802.15.4 標準，是WSNs 常用的網(wǎng)絡層和應用層協(xié)議，傳輸速率為20～250Kbps，可在915MHz、868MHz 和2.4GHz頻段通信。其中，868MHz、915MHz 僅用于歐美國家［8］。因其低功耗、支持大規(guī)模組網(wǎng)等特點，廣泛應用于智能家居、健康監(jiān)測等領域［9］。

2 WSNs干擾問題

2.1 問題分析

由圖1可見，Wi-Fi、Bluetooth和ZigBee對頻譜的使用存在明顯差異。Wi-Fi信道基本完全覆蓋ZigBee 信道，Wi-Fi最常用的信道為信道1、6、11，ZigBee的信道25、26對于Wi-Fi而言可視為干凈信道，Bluetooth信道帶寬只有1MHz，但跳頻頻率較高，因此認定Bluetooth覆蓋整個ZigBee信道［10］。

Fig.1 Comparison of communication channels of different wireless technologies in the 2.4GHz band圖1 2.4GHz頻段下不同無線技術通信信道比較

Garroppo 等［10］對Wi-Fi、Bluetooth 和ZigBee 在多 種共存條件下進行實驗分析，結果表明Wi-Fi 會對ZigBee、Bluetooth 產(chǎn)生干擾，ZigBee、Bluetooth 之間存在互不干擾的情況。Shin 等［11-12］使用OPNET（Optimized Network Engineering Tools）仿真平臺分析Bluetooth 和Wi-Fi 在干擾情況下，ZigBee 的包錯誤率（Packet Error Ratio，PER）。研究結果表示，當ZigBee、Bluetooth 和Wi-Fi 共存時，ZigBee 主要干擾來源于Wi-Fi。

2.2 Wi-Fi和Zigbee共存模型

Yuan 等［13-15］對IEEE 802.11b/g 和IEEE 802.15.4 之間的影響進行研究，距離模型如圖2 所示。由此可見，在R1距離內，ZigBee、Wi-Fi 節(jié)點可相互感知；在R2 區(qū)域內，Zig-Bee 節(jié)點能感知Wi-Fi，但Wi-Fi 節(jié)點無法感知ZigBee；在R3 區(qū)域內，ZigBee、Wi-Fi 節(jié)點無法相互感知，但Wi-Fi 節(jié)點會對ZigBee 節(jié)點產(chǎn)生干擾；當距離超過R3 時，Wi-Fi、ZigBee 節(jié)點互不干擾。

綜上所述，ZigBee 在2.4GHz ISM 頻段的主要干擾來源于Wi-Fi，雖然Bluetooth 使用的頻譜覆蓋整個ZigBee 信道，但對ZigBee 幾乎不造成干擾。ZigBee 的25、26 信道由于遠離Wi-Fi的常用信道，相對于Wi-Fi可視為干凈信道。

Fig.2 Coexistence regions of Wi-Fi and ZigBee圖2 Wi-Fi和ZigBee共存區(qū)域

3 干擾識別

由于不同干擾源的干擾程度和干擾機制各不相同，導致ZigBee 節(jié)點間的通信參數(shù)變化多樣，因此選取合適的通信參數(shù)和識別方法可有效提高干擾識別準確率。

3.1 通信參數(shù)

按照IEEE 802.15.4 定義的能量檢測方法，通過信號功率測量ZigBee 節(jié)點所處環(huán)境的噪聲水平，將其轉換為接收信號強度指示（Received Signal Strength Indicator，RSSI），以便于在發(fā)送端和接收端對RSSI 進行測量［16］，但鏈路質量指數(shù)（Link Quality Indicator，LQI）、包接受率（Packet Reception Ratio，PRR）等參數(shù)則需要在接收端獲得。

Yang 等［17］研究表明，LQI、PRR 易受物理環(huán)境、硬件和軟件影響，當LQI、PRR 發(fā)生變化時無法精確反映外部干擾。Musaloiu 等［18-20］在Wi-Fi 干擾的條件下，20 次/s 采集ZigBee 每個信道的噪聲水平RSSI 值，得到各信道RSSI 的正常范圍為［-80dBm，0dBm］，超過該閾值則說明此處為強干擾環(huán)境。但該方法會增加系統(tǒng)能耗，導致WSNs 壽命減少。為了解決該問題，Tang 等［21-23］使用PRR 或空閑信道評估（Clear Channel Assessment，CCA）信道受干擾的程度。

上述研究表明，利用RSSI 評估干擾需要連續(xù)采樣RSSI，增加系統(tǒng)功耗。并且，LQI、PRR 易受環(huán)境等因素的影響。因此，亟需研究易于獲取且能夠準確反應干擾情況的通信參數(shù)。

3.2 識別方法

趙澤等［24］在不同干擾條件下，對多種通信參數(shù)進行相關性分析發(fā)現(xiàn)，RSSI、LQI、CCATimes、Throughput 及PRR 易受到外界因素干擾，因此建立Logistic 模型對不同干擾類型進行分類。Yi 等［25］使用WSNs 節(jié)點采集不同干擾源條件下的RSSI 序列，將其作為卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）的輸入對Wi-Fi 信標、Wi-Fi 視頻流、Wi-Fi 文件傳輸、BLE 信標和微波爐進行分類。Schmidt 等［26］利用頻域訓練的CNN 識別2.4GHz ISM 頻段受到的干擾，該方法既可識別具有重疊頻譜的IEEE 802.15.4、IEEE802.1 和IEEE 802.11 b/g 傳輸?shù)臄?shù)據(jù)，又能識別分配頻譜和無線技術的15 種類別。Chen 等［27］提出每字節(jié)信號與干擾加噪聲比（Signal to Interference plus Noise Ratio，SINR）檢測信道方法，提高了WSNs在干擾情況下的成功率。Zacharias 等［28-29］將RSSI 測量值或損壞數(shù)據(jù)包模式映射到已知干擾類別進行識別。Iyer［30］將聚類算法應用于RSSI 樣本以區(qū)分RSSI 突發(fā)情況與不同干擾源，分類器將信道活動模式識別為周期性、突發(fā)或兩者結合的識別方式，對大于等于3s 的采樣窗口的分類精度高達90%以上。

然而，上述對ZigBee 節(jié)點進行干擾識別的研究中，通常使用RSSI、LQI、SINR 等參數(shù)作為輸入特征，利用傳統(tǒng)機器學習算法或深度學習方法分類識別干擾源。當RSSI 序列作為輸入?yún)?shù)時，需要維持較高的頻率采集多個樣本，將增加ZigBee 節(jié)點能耗。此外，ZigBee 節(jié)點的計算和存儲能力有限，時間和空間復雜度較高的算法無法在ZigBee 節(jié)點中運行。

4 干擾避免方法

4.1 基于干擾模型

Chong 等［31］提出一種自適應干擾避免方法，使ZigBee能夠適應WLAN 干擾以增強其抗干擾能力。Liang 等［32］發(fā)現(xiàn)，在對稱干擾區(qū)域ZigBee 的活動能使附近Wi-Fi 發(fā)送設備進行退避，ZigBee 僅有消息頭被破壞，但在非對稱干擾區(qū)域ZigBee 信號無法被Wi-Fi 發(fā)送設備檢測，因此可能會破壞整個數(shù)據(jù)包。為此，提出BuzzBuzz 算法引入冗余機制提高網(wǎng)絡包到達率，降低重傳次數(shù)，提高網(wǎng)絡吞吐量。

4.2 基于多信道

Yi 等［33］利用包錯誤率（Packet Error Ratio，PER）檢測WLAN 干擾，并能自適應地轉換到干擾較小的信道。Xu等［34］提出一種干擾避免的多信道ZigBee 協(xié)議（Multi-Channel ZigBee，MuZi），該協(xié)議主要包含干擾檢測、信道選擇和連接維護3 個機制。實驗結果表明，該方法可有效區(qū)分不同干擾程度的干擾，在Wi-Fi 干擾條件下吞吐量是單信道通信的3.3 倍。Carhacioglu 等［35］利用低功耗藍牙（Bluetooth Low Energy，BLE）和時隙跳頻（Time Slotted Channel Hopping，TSCH）結合的網(wǎng)關（BLE-TSCH）解決BLE 與WSN 節(jié)點的共存問題。其中，BLE-TSCH 網(wǎng)關與BLE、WSN 節(jié)點進行通信，通過時域、頻域分割和動態(tài)鏈路更新等機制解決BLE、WSN 節(jié)點間的干擾。Wang 等［36］提出一種基于定量相關性的調頻方法（Correlation-based Channel hopping Method，CoHop）解決網(wǎng)間干擾不均勻的頻譜功率，利用SINR 和信道間的皮爾遜相關系數(shù)（Pearson Correlation Coefficient，PCC）評估信道干擾情況，相較于現(xiàn)有方法可提升80%以上的接收率。

然而，上述方法仍存在許多問題亟待解決。例如，基于干擾模型的干擾避免方法需要對數(shù)據(jù)幀長度進行修改，但修改數(shù)據(jù)幀或網(wǎng)關節(jié)點會導致方法適用性降低；基于多信道的干擾避免方法需要同時支持多種通信技術的網(wǎng)關節(jié)點，或建立一個用于傳輸少量控制消息的控制信道來維持連接，但控制信道受到干擾會導致傳輸效率降低。

5 結語

本文對WSNs 在2.4GHz 頻段收到干擾的產(chǎn)生原因、干擾識別和避免方法進行梳理，并對當前傳統(tǒng)方法進行比較分析。雖然，WSNs 在干擾識別和避免方面已取得了一定的成績，但仍存在以下問題亟需解決：

（1）通信參數(shù)選取。可進一步研究易于獲取且能表征干擾特性的通信參數(shù)。

（2）干擾識別方法。需進一步研究識別精度高、耗能低，且能在存儲能力有限的WSN節(jié)點中運行的干擾識別方法。

（3）干擾避免。研究改進信道方法的連接維護方式，并探索無需修改硬件和數(shù)據(jù)幀的方法。