活动介绍

无线物联网协议详解

立即解锁
发布时间: 2025-08-29 10:41:37 阅读量: 13 订阅数: 14 AIGC
# 无线物联网协议详解 ## 1. Z - Wave协议 Z - Wave由ZenSys公司创建,作为支持智能家居产品(如灯光控制、恒温器和车库门开启器)的无线连接。2003年,ZenSys开始销售Z - Wave产品;2005年,其他公司加入形成Z - Wave联盟;2008年,ZenSys被Sigma Designs收购。 ### 1.1 协议特点 Z - Wave专为实现家庭自动化产品和应用而开发,其物理层注重低功耗、延长电池寿命,并能在室内环境中良好传播。 ### 1.2 协议栈 Z - Wave协议栈有五层: - 物理层(PHY):处理无线电和调制解调器功能。 - 媒体访问层(MAC):处理介质的载波侦听多路访问。 - 传输层:处理错误检查、确认和重传请求。 - 路由层:处理通过网状网络的路由。 - 应用层:是应用的核心。 ### 1.3 标准情况 2012年,国际电信联盟将Z - Wave的下两层标准化为ITU G.9959。独立标准机构对下层进行标准化是其他无线物联网协议的趋势,Z - Wave联盟则为上层操作提供规范。 | 层 | 功能 | | --- | --- | | 物理层 | 处理无线电和调制解调器功能 | | 媒体访问层 | 处理介质的载波侦听多路访问 | | 传输层 | 处理错误检查、确认和重传请求 | | 路由层 | 处理通过网状网络的路由 | | 应用层 | 应用核心 | ## 2. IEEE 802.15.4标准 IEEE 802.15.4是涵盖低速率无线个人区域网络(LR - WPAN)的IEEE标准。它本身不是无线物联网实现或技术,而是技术遵循的标准,基于该标准的无线物联网技术包括ZigBee和Thread规范。 ### 2.1 发展历程 - 2003年,首次标准化为IEEE 802.15.4 - 2003,规定了信道计划和二进制相移键控(BPSK)、偏移正交相移键控(OQPSK)调制方案。 - 2006年,更新为IEEE 802.15.4 - 2006时,增加了并行序列扩频。 - 之后又更新为IEEE 802.15.4 - 2011和IEEE 802.15.4 - 2015,增加了新波形和功能。 ### 2.2 频率频段 IEEE 802.15.4确定了三个频段:2.4 GHz国际工业、医疗和科学(ISM)频段、915 MHz ISM频段和868 MHz短程设备频段(SRD)。其中,低于1 GHz的频段不是国际性的,由各个地区定义。 ### 2.3 信道计划 该标准规定了27个信道,编号从0到26,具体频率如下表所示: | 信道 | 范围 | | --- | --- | | 0 | 868.3 MHz | | 1 - 10 | 904 + 2 * n MHz | | 11 - 26 | 2350 + 5 * n MHz | ### 2.4 收发器 IEEE 802.15.4所需的接收器灵敏度随调制类型和操作频段而变化,在指定的接收器灵敏度下,接收器预计以1%或更低的数据包错误率(PER)运行,具体灵敏度如下表: | 频段 | 调制 | 灵敏度 | | --- | --- | --- | | 2.4 GHz | OQPSK | - 85 dBm | | 低于1 GHz | BPSK | - 92 dBm | | 低于1 GHz | ASK | - 85 dBm | | 低于1 GHz | OQPSK | - 85 dBm | ### 2.5 频率信道选择 - 2.4 GHz频段:允许供应商生产国际通用的解决方案,但该频段非常拥挤。IEEE 802.15.4可以选择多个信道中的一个进行操作,使用直接序列扩频来减轻信道内干扰。 - 低于1 GHz频段:允许更好的室内传播,且环境不太拥挤。 ### 2.6 典型范围 基于相关参考,IEEE 802.15.4的典型操作范围在10米到100米之间。 ### 2.7 访问和扩频技术 - 访问方式:使用频分多址(FDMA)进行信道定义,同一网络中的所有节点共享单个频率信道。 - 扩频技术:根据频段和调制方式使用直接序列扩频(DSSS)和并行序列扩频(PSSS)两种技术。 | 频段 | 调制 | 扩频 | | --- | --- | --- | | 2.4 GHz/915 MHz/868 MHz | OQPSK | DSSS (16 - ary) | | 868 MHz/915 MHz | ASK | PSSS | | 868 MHz/915 MHz | BPSK | DSSS (binary) | ### 2.8 调制和数据速率 IEEE 802.15.4根据操作频段使用不同的物理层,调制和数据速率如下表: | 频段 | 调制 | 数据速率 | | --- | --- | --- | | 2.4 GHz/915 MHz | OQPSK | 250 kb/s | | 868 MHz | OQPSK | 100 kb/s | | 868 MHz/915 MHz | ASK | 250 kb/s | | 868 MHz | BPSK | 20 kb/s | | 915 MHz | BPSK | 40 kb/s | ### 2.9 错误检测和纠正 IEEE 802.15.4不使用前向纠错技术,使用循环冗余校验来检测接收数据包中是否发生比特错误。由于没有前向纠错,单个比特错误将需要重新传输数据包。 ### 2.10 网络拓扑 IEEE 802.15.4识别两种拓扑:星形和对等(网状)拓扑,还列出了“集群树”作为网状拓扑的用例。 ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px A(2.4 GHz频段):::process --> B(国际通用解决方案):::process A --> C(频段拥挤):::process C --> D(选择信道操作):::process D --> E(使用DSSS减轻干扰):::process F(低于1 GHz频段):::process --> G(更好室内传播):::process F --> H(环境不太拥挤):::process ``` ## 3. ZigBee规范 ZigBee规范最初由Ember公司开发,旨在让无线物联网网络能够容纳大量节点,最终形成了一个低功耗、低数据速率的无线个人区域网络(WPAN),其可容纳的节点数量比蓝牙多一个数量级。 ### 3.1 发展历程 2003年,IEEE 802.15.4获得批准;2005年,ZigBee联盟发布了ZigBee规范1.0;2012年,Silicon Labs收购了Ember。 ### 3.2 与IEEE 802.15.4的关系 ZigBee规范与IEEE 802.15.4标准紧密相关,但二者并不等同。IEEE 802.15.4标准提供了广泛的物理层规范,而ZigBee规范仅对其中的一部分进行了标准化。 ### 3.3 协议栈 ZigBee规范的协议栈如下: - 物理层:处理频率转换、调制和扩频。 - 媒体访问层:处理载波侦听多路访问(CSMA)、以时隙形式的时分多址(TDMA)、错误检测和重传。 - 网络层:处理网络发现、网络管理和路由。 - 应用层:是应用的核心,ZigBee规范提供了统一的支持子层,以便在无线链路和下层网络的基础上构建众多高层标准。 | 层 | 功能 | | --- | --- | | 物理层 | 处理频率转换、调制和扩频 | | 媒体访问层 | 处理CSMA、TDMA时隙、错误检测和重传 | | 网络层 | 处理网络发现、管理和路由 | | 应用层 | 应用核心,提供统一支持子层 | ### 3.4 频段与数据包结构 ZigBee规范可在多个频段运行,每个选定频段的物理层均采用IEEE 802.15.4标准。其数据包在媒体访问和物理层的布局遵循IEEE 802.15.4的结构。 ## 4. Thread协议 Thread由Alphabet Inc.(谷歌母公司)的子公司Nest Labs开发。Nest Labs在智能家居设备开发方面经验丰富,2014年,Nest Labs与其他行业伙伴共同成立了Thread Group,负责维护和推广Thread协议。 ### 4.1 协议栈 Thread协议栈如图所示,它基于IEEE 802.15.4标准,与ZigBee规范类似,Thread Group维护协议的上层,而IEEE维护下层。其物理和MAC层由在2.4 GHz ISM频段运行的IEEE 802.15.4 OQPSK PHY定义。 Thread协议栈遵循TCP/IP参考模型: - 传输层职责由用户数据报协议(UDP)完成,UDP是一种无连接的传输协议。 - 互联网层职责通过互联网协议第6版(IPv6)和“低功耗无线个人区域网络上的IPv6”(6LoWPAN)实现。 ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px A(Thread协议栈):::process --> B(UDP传输层):::process A --> C(IPv6和6LoWPAN互联网层):::process A --> D(IEEE 802.15.4物理和MAC层):::process ``` ## 5. Wi - Fi “Wi - Fi”已成为“无线互联网”的代名词,它实际上是Wi - Fi联盟的商标。Wi - Fi联盟是一个非营利组织,负责认证无线产品的Wi - Fi互操作性,实际用于无线局域网(WLAN)的无线协议由IEEE 802.11规范定义。 ### 5.1 发展与标准 IEEE 802.11标准于1997年首次发布,多年来经过多次修订。Wi - Fi联盟仅对标准中包含的部分波形进行认证,即我们使用的“Wi - Fi”仅采用了其中的一部分波形。 ### 5.2 与物联网的关系 虽然本书主要关注低功耗、低数据速率的无线物联网设备网络,Wi - Fi的能耗问题使其不太符合这一要求,但IEEE 802.11标准为物联网提供了许多服务,并常作为无线物联网设备网络的网关。 ### 5.3 协议栈 Wi - Fi建立WLAN的协议栈遵循TCP/IP栈,最低层(链路层)由IEEE标准定义,上层由互联网工程任务组(IETF)定义。最低层包括物理层、MAC层和数据链路层,IEEE 802.11和IEEE 802.3(以太网)都定义了物理和MAC层,并与由IEEE 802.2标准定义的数据链路层接口,二者均可用于创建局域网,IEEE 802.11为物理电缆提供了无线替代方案。 ### 5.4 频段与信道 Wi - Fi在2.4 GHz和5 GHz ISM频段运行,任一频段都可作为设备网络的网关。2.4 GHz频段的Wi - Fi操作会对许多设备网络造成干扰。 2.4 GHz频段的Wi - Fi信道从1号信道(2412 MHz)开始,到13号信道(2472 MHz)结束,信道间隔为5 MHz,但信道宽度大于5 MHz,导致信道重叠。通常选择非重叠的信道集使用,如在美国常用的1、6和11号信道。此外,还有一个中心频率为2484 MHz的14号信道,其可用性取决于具体的操作地区。 | 频段 | 信道范围 | 信道间隔 | 特点 | | --- | --- | --- | --- | | 2.4 GHz | 1 - 13 | 5 MHz | 信道重叠,需选非重叠信道集 | | 2.4 GHz | 14 | - | 可用性取决于地区 | ### 5.5 物理层技术 Wi - Fi采用正交频分复用(OFDM)和直接序列扩频(DSSS)两种物理层技术。由于本书重点不在Wi - Fi,OFDM的理论概念将在其他文献中讨论,而DSSS被ZigBee等无线物联网协议使用。
corwn 最低0.47元/天 解锁专栏
赠100次下载
点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

郑天昊

首席网络架构师
拥有超过15年的工作经验。曾就职于某大厂,主导AWS云服务的网络架构设计和优化工作,后在一家创业公司担任首席网络架构师,负责构建公司的整体网络架构和技术规划。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看

最新推荐

模型生产化:从本地部署到云端容器化

# 模型生产化:从本地部署到云端容器化 ## 1. 引入 FastAPI 在将模型投入生产的过程中,我们首先要安装 FastAPI。由于 FastAPI 是一个 Python 模块,我们可以使用 pip 进行安装。打开一个新的终端,运行以下命令: ```bash $ pip install fastapi uvicorn aiofiles jinja2 ``` 这里我们安装了一些 FastAPI 所需的额外依赖项。uvicorn 是一个用于设置 API 的底层服务器/应用程序接口,而 aiofiles 则使服务器能够异步处理请求,例如同时接受和响应多个独立的并行请求。这两个模块是 FastA

强化学习与合成数据生成:UnityML-Agents深度解析

# 强化学习与合成数据生成:Unity ML - Agents 深度解析 ## 1. 好奇心奖励与超参数设置 在强化学习中,为了激发智能体的好奇心,可以传递与外在奖励相同的超参数。具体如下: - **好奇心奖励信号超参数**: - `reward_signals->curiosity->strength`:用于平衡好奇心奖励与其他奖励(如外在奖励)的缩放系数,取值范围在 0.0 到 1.0 之间。 - `reward_signals->curiosity->gamma`:根据奖励实现所需的时间来调整奖励感知价值的第二个缩放系数,与外在奖励的 `gamma` 类似,取值范围也在

多视图检测与多模态数据融合实验研究

# 多视图检测与多模态数据融合实验研究 ## 1. 多视图检测实验 ### 1.1 实验数据集 实验参考了Wildtrack数据集和MultiviewX数据集,这两个数据集的特点如下表所示: | 数据集 | 相机数量 | 分辨率 | 帧数 | 区域面积 | | ---- | ---- | ---- | ---- | ---- | | Wildtrack | 7 | 1080×1920 | 400 | 12×36 m² | | MultiviewX | 6 | 1080×1920 | 400 | 16×25 m² | ### 1.2 评估指标 为了评估算法,使用了精度(Precision)、

利用Kaen实现PyTorch分布式训练及超参数优化

### 利用Kaen实现PyTorch分布式训练及超参数优化 #### 1. 启用PyTorch分布式训练支持 在进行模型训练时,我们可以使用Kaen框架来支持PyTorch的分布式训练。以下是相关代码示例: ```python train_glob = os.environ['KAEN_OSDS_TRAIN_GLOB'] if 'KAEN_OSDS_TRAIN_GLOB' in os.environ else 'https://raw.githubusercontent.com/osipov/smlbook/master/train.csv' val_glob = os.environ['

模糊推理系统对象介绍

# 模糊推理系统对象介绍 ## 1. fistree 对象 ### 1.1 概述 fistree 对象用于表示相互连接的模糊推理系统树。通过它可以创建一个相互关联的模糊推理系统网络。 ### 1.2 创建方法 可以使用以下语法创建 fistree 对象: ```matlab fisTree = fistree(fis,connections) fisTree = fistree( ___ ,'DisableStructuralChecks',disableChecks) ``` - `fisTree = fistree(fis,connections)`:创建一个相互连接的模糊推理系统对象

二维和三维偏微分方程耦合求解及生命科学中常微分方程问题的解决

### 二维和三维偏微分方程耦合求解及生命科学中常微分方程问题的解决 #### 1. 二维和三维偏微分方程耦合求解 在求解二维和三维偏微分方程时,有几个具体的问题和解决方法值得探讨。 ##### 1.1 获取相同网格点的 v 值 要在与 u 相同的网格点上获取 v 值,可以输入以下命令: ```matlab >> T_table=tri2grid(p,t,u(length(p)+1:end,end),x,y) ``` 示例结果如下: ``` T_table = 0.6579 0.5915 0.5968 0.6582 0 0.6042 0.4892 0.5073 0.6234 0 0.543

PyTorch神经网络构建与训练全解析

### PyTorch 神经网络构建与训练全解析 #### 1. 特征标准化 在很多情况下,对特征进行标准化是一个很好的做法,即使并非总是必要(例如当所有特征都是二元特征时)。标准化的目的是让每个特征的值具有均值为 0 和标准差为 1 的特性。使用 scikit-learn 的 `StandardScaler` 可以轻松完成这一操作。 然而,如果你在创建了 `requires_grad=True` 的张量后需要进行标准化操作,就需要在 PyTorch 中直接实现,以免破坏计算图。以下是在 PyTorch 中实现特征标准化的代码: ```python import torch # Creat

电力电子中的Simulink应用:锁相环、静止无功补偿器与变流器建模

# 电力电子中的Simulink应用:锁相环、静止无功补偿器与变流器建模 ## 1. 锁相环(PLL) ### 1.1 锁相环原理 锁相环(PLL)是一种控制算法,用于确定正弦输入的频率和相位角。它主要用于两个系统之间的频率匹配,匹配完成后会存在一个恒定的相位差,从而实现相位“锁定”。PLL由相位检测机制、PID控制器和用于生成相位角信息的振荡器组成。此外,系统中还包含一个低通滤波器,用于获取正弦输入的频率信息。在柔性交流输电系统(FACTS)设备中,PLL增益对稳定系统性能起着至关重要的作用。 ### 1.2 Simulink环境下的PLL设置 为了直观展示PLL如何反映频率和相位的变化

利用PyTorch进行快速原型开发

### 利用 PyTorch 进行快速原型开发 在深度学习领域,快速搭建和验证模型是非常重要的。本文将介绍两个基于 PyTorch 的高级库:fast.ai 和 PyTorch Lightning,它们可以帮助我们更高效地进行模型的训练和评估。 #### 1. 使用 fast.ai 进行模型训练和评估 fast.ai 是一个基于 PyTorch 的高级库,它可以让我们在几分钟内完成模型的训练设置。下面是使用 fast.ai 训练和评估手写数字分类模型的步骤: ##### 1.1 模型训练日志分析 在训练过程中,我们可以看到冻结网络的第一个训练周期,然后是解冻网络的两个后续训练周期。日志中

使用PyTorch构建电影推荐系统

### 使用 PyTorch 构建电影推荐系统 在当今数字化时代,推荐系统在各个领域都发挥着至关重要的作用,尤其是在电影推荐领域。本文将详细介绍如何使用 PyTorch 构建一个电影推荐系统,从数据处理到模型训练,再到最终的推荐生成,为你呈现一个完整的推荐系统构建流程。 #### 1. 数据探索与处理 首先,我们需要对 MovieLens 数据集进行探索和处理。该数据集包含用户对电影的评分信息,其中存在一些缺失的评分值,用 NaN 表示。我们的目标是利用非空评分训练推荐系统,并预测这些缺失的评分,从而为每个用户生成电影推荐。 以下是处理数据集的代码: ```python import p