一种无线姿态传感节点的能耗优化研究*

陈嘉峰，刘财兴，尹　令，曹　维

（华南农业大学数学与信息学院，广州510642）

一种无线姿态传感节点的能耗优化研究*

陈嘉峰，刘财兴*，尹令，曹维

（华南农业大学数学与信息学院，广州510642）

降低姿态监测传感节点能耗，延长其服务期限是工程应用中的关键点之一。设计缓冲采样方式，以增大传感节点处在休眠状态的时间比重；针对通信中空闲监听带来的能耗损失问题，采用低频唤醒芯片实现间接监听方式以减低连续监听的能耗。采用“缓冲采样+间接监听”的解决方案，本文设计了一种用于监测姿态信息的超低能耗无线传感节点。理论分析证明连续采样的能耗是缓冲采样的115.62倍。实验表明，参照三种采样方式和两种监听方式的六组对照组合，传感节点在最优组合下的能耗仅是最劣组合下的0.42%，节省99.58%的能量，延长238倍的预计工作寿命。一个配有一节2/3AA型1.65 Ah容量锂原电池的传感节点预测能够提供3.58年的连续监测服务，为畜牧业信息化提供应用实践借鉴。

无线传感器网络；能耗优化；间接监听；缓冲采样；低频唤醒芯片

EEACC：7230doi：10.3969/j.issn.1004-1699.2016.10.017

加速度传感器作为行为识别监测技术之一已经广泛地应用于人和动物健康管理。利用加速度传感器的姿态识别技术，可以及早发现和处理跌倒这类稀疏突发事件［1］。在战场中，士兵动作识别对指挥人员战斗部署和士兵救护具有十分重要的意义［2］。在集约化养殖业中，通过传感节点收集奶牛的行为数据，有利于识别奶牛的发情和病情等稀疏异常行为，提高养殖业的收益［3-5］。

目前行为识别是学者研究热点之一，主要通过新技术云计算［6］、改进算法随机森林［7］、或者新算法自适应残差补偿［8］的方法来提高识别率。然而行为识别基于大时间跨度的采样监测数据，这使得延长无线传感节点的服务寿命成为实际应用的关键点。而在实际工程应用，尤其在畜牧业生产中，难以实现电池的再次充电和更换［9-10］，因此降低能量消耗是延长服务寿命至关重要的路径［11］。当前流行用占空比的方式，即通过调节不同睡眠周期参数，降低功耗［12］。但这并没有改变其主动监听的性质，仍不可避免地需要直接使用高功率的射频通信芯片。本论文主要研究内容是传感节点在正常工作的约束下，减少额外的能量泄漏，提高能量效率，从而延长其乃至无线传感器网络的工作生命周期。

1　应用场景描述

姿态监测系统的应用场景［5］由三部分组成，分别是传感节点、网络接入节点和监测服务器。传感节点由能量有限的电池供电，被佩戴或绑定在监测目标上，被动地在活动空间内移动。网络接入节点由有线电缆供电，部署在监测目标的必经路线中，其周围覆盖特定低频段射频信号。监测服务器由有线电缆供电，部署在监控室内。应用场景内使用有线链路连接监测服务器和网络接入节点，同时网络接入节点和传感节点通过无线链路连接。应用场景描述如图1所示。

图1　姿态监测系统应用场景描述图

传感节点根据应用场景的需求，周期性采集监测目标的姿态信息。在事件稀疏的应用场景中，传感节点允许本地缓冲并计算压缩数据进而降低数据通信频率和时长［13-14］。节点依附在奶牛身上，随其自主移动，带来强烈的拓扑结构变化，所以节点分布是稀疏的。另外奶牛大部分时间是正常健康状态，而需要监测的发情和发病则属于突发事件，所以监测事件是稀疏的［5］。传感节点到达网络接入节点的无线通信范围内，判断自身的数据容量，发起数据通信请求。收到应答请求后，传感节点和网络接入节点进行数据通信，上传本地缓冲的数据并接收服务器端的配置指令。网络接入节点通过有线网络将收到的传感节点姿态数据汇聚到监测服务器并转发监测服务器对传感节点的配置指令。监测服务器在收到网络接入节点发送的汇聚数据后，保存数据、分析数据和生成报表。

如上所述只有传感节点使用能量有限的电池供电，其必定成为优化能量消耗的研究对象。传感节点进行两项工作：数据采集和数据通信。传感节点完成采样、融合和压缩数据任务后，在等待下一个采样周期到来前保持CPU空转，这里称之为空闲等待。空闲等待是数据采集工作中不必要的能量消耗环节。传感节点的数据处理频率越高，或者采样频率越低，那么空闲等待占据采样周期的比例将越大，从而消耗更大的能量。

传感节点必须在网络接入节点的数据通信范围内才能交互信息。即传感节点需要持续监听网络信号判断自身是否在网络覆盖范围内，避免盲目发起连接请求所造成的无线信号串音和能量浪费。直接监听网络信号需要17.3 mA电流［15］，而数据通信需要21.2 mA电流［15］，它们都需要消耗巨大的能量［16］。本论文将传感节点中没有引导产生数据通信的大量网络监听工作称为无效监听。可见，无效监听是数据通信工作中需要优化改良的能量消耗环节。

2　理论分析

本论文优化数据采集流程和通信监听流程，提高传感节点的能量效率。采集数据流程中，将连续采样的工作方式改进成缓冲采样的工作方式，减少空闲等待。无线通信监听流程中，则用间接监听工作方式代替直接监听工作方式，减少无效监听。

2.1优化数据采集流程

不同应用场景依据其特点和需求设置合适的采样周期，每个采样周期内传感节点进行一次采样、融合和压缩数据工作，等待下次采样周期的到来，如此重复。连续采样方式是指等待下次采样周期的期间，传感节点微控制器的CPU在活跃状态中保持空转。而在间歇采样方式中，两次处理数据之间，CPU进入休眠状态，可以减少不必要的能量消耗。因此，间歇采样比连续采样高能效。

在本系统设计中，传感节点的微控制器（MSP430FR5739［17］）拥有两种状态：活跃状态和休眠状态，并且能够安全快速地切换两种状态。在休眠状态下，微控制器停止CPU工作，能量消耗是微安级别。在活跃状态下，微控制器能够进行采样和计算工作，能量消耗为毫安级别，是休眠状态下的300倍［17］。微控制器在活跃状态下进行空闲等待，而休眠等待则处在休眠状态中进行。

以微控制器CPU主频Fcpu=24 MHz，采样频率Fsample=10 Hz的应用场景为例分析。微控制器处理单条采样数据的时长需等效执行Nsingle=12 000条CPU指令，微控制器与加速度传感器做片间总线准备工作的时长则需等效执行Nprepare=24 000条CPU指令。那么微控制器在间歇采样下处理N=30条数据的活跃状态用时为：

即

而在缓冲Nbuffer=N=30条采样数据情况下，微控制器的活跃状态用时：

即

微控制器活跃状态下消耗的电流Iactive是休眠状态Isleep下的300［17］倍，即

在同一供电电压U=3.6 V下，微控制器消耗的能量为：

即

连续采样下消耗的能量：

间歇采样下消耗的能量：

缓冲采样下消耗的能量：

故连续采样、间歇采样和缓冲采样的消耗能量之比是：

即

可见，连续采样方式比其他两种方式消耗更多能量是由不必要的空闲等待造成的。

本论文提出缓冲采样方式优化采集数据流程，减少空闲等待的时间，进而节省能量。传感节点内部嵌入的加速度传感器（LIS3DH［18］）可以独立采样并缓冲数据，避免微控制器频繁切换状态。缓冲采样指，加速度传感器独立采样并缓冲数据，微控制器在缓冲数据饱和后唤醒CPU，通过片间总线SPI读取缓冲数据，计算并压缩数据，而其他时间处在休眠状态。所以，缓冲采样在间歇采样的基础上做进一步改进优化，降低处理器切换状态的频率，减少平均片间总线准备时间，提高系统稳定性，适用于高频采样数据。连续、间歇和缓冲采样方式的时序对比如图2所示。

图2　连续、间歇和缓冲采样的时序对比图

2.2优化通信监听流程

传感节点中无线通信流程是：监听网络信号，按需申请加入网络，展开数据通信，通信结束后继续监听网络信号。监听网络信号通常采用传感节点的无线射频芯片直接监听方式［19］。传感节点内的无线射频芯片拥有四种状态：发送状态、接收状态、空闲状态和休眠状态。无线射频芯片直接监听网络时处于接收状态，消耗电流达到17.3 mA［15］。在休眠状态下不能接收或发送无线数据，也无法直接监听网络，但此时消耗电流400 nA，比接收状态小5个数量级［15，20］。

前文所述，应用场景具备事件稀疏的特点［5］，传感节点在本地融合和缓冲数据后再通过无线网络上传数据。低频唤醒芯片可以通过电感耦合方式从耦合线圈的辐射近场中被动地获得信号。数据通信范围内覆盖典型的125 kHz特定低频信号，故当监听到特定低频信号后，即说明传感节点已经进入网络信号覆盖范围。传感节点内置低频唤醒芯片（AS3933［21］），监听信号所需电流是5.7 μA，其能量消耗只占无线射频芯片监听状态下的0.04%［15，21］。但低频唤醒芯片只能监听信号却不能发送数据。采用下面间接监听方式避免过多的无效监听以节省能量消耗。

因此本设计采用间接方式监听网络信号。传感节点通过低频唤醒芯片监听特定低频信号；按需唤醒无线射频芯片，申请加入网络，进行数据通信；结束数据通信后，传感节点使无线射频芯片返回休眠状态，继续通过低频唤醒芯片监听特定低频信号，为下次数据通信做准备。直接监听方式和间接监听方式的对比流程如图3所示。

图3　直接监听和间接监听的流程对比图

3　系统设计

进行系统软件设计时，需要将上述两种工作方式融合到一个运行主程序中。由于本应用场景中数据通信和数据采集的任务用时较短，不容易长时间阻塞进程，而多线程会带来额外的能量消耗和不稳定性［22］，因此将数据通信和数据采集设计成两个串行互斥任务。数据通信工作的优先级高于数据采集工作［23］，因此循环体内先进行按需通信，再处理数据。微控制器通过中断的方式实现和多种触发事件的交互工作，触发事件包括传感器缓冲达到饱和、监听到特定低频信号和监听到网络信号。下面分别从缓冲采样方式和间接监听方式两方面进行描述。

主程序设计中，微控制器上电后初始化系统参数并设置无限循环体进行工作。循环体内，微控制器读取缓冲数据，融合和压缩数据，随后进入休眠状态。微控制器进入休眠后，CPU停止运转，不再执行主程序中的代码流程，直至被中断事件唤醒。

3.1缓冲采样方式

微控制器使用特定加速度传感器实现传感节点缓冲采样方式。加速度传感器初始化后独立进行采样和缓冲数据。在采样数据的缓冲饱和后，加速度传感器向微控制器发送中断信号。微控制器在加速度传感器中断服务程序中进入活跃状态，此时CPU恢复运行并继续执行主程序中的代码流程，从而进行下次的处理数据工作。缓冲采样方式的具体伪代码如图4所示。

图4　缓冲采样方式伪代码图

3.2间接监听方式

传感节点间接监听的实现则是采用微控制器辅助低频唤醒芯片方式。低频唤醒芯片收到特定低频信号后，产生低频唤醒芯片中断信号，触发低频唤醒芯片中断服务程序。在低频唤醒芯片中断服务程序里，微控制器根据采集数据本地存储容量的情况，决定是否需要进行数据通信。如果需要数据通信，那么无线射频芯片被切换进入监听状态，否则继续保持休眠状态。当无线射频芯片监听到网络信号后，同样会产生相应的中断信号，触发其中断服务程序，设置无线芯片进入通信状态。主程序循环体内，如果无线射频芯片处在通信状态，微控制器联合无线射频芯片向网络接入节点申请加入网络，进行数据通信：上传本地数据并接收服务器端的配置指令。结束数据通信后，微控制器使无线射频芯片进入休眠模式，达到节省能量消耗的目的。其伪代码如图5所示。

图5　间接监听方式伪代码图

4　实验结果

为准确获取传感器节点各项数据，使用专业仪器仪表测量传感节点的电气参数。其中泰克科技有限公司（Tektronix）生产的TDS2014型号示波器，具备100 MHz带宽，采样速率高达1 GS/s。泰克科技有限公司（Tektronix）生产的PWS4305型号数字电源，能够提供0～30 V的直流电压，0～5 A的直流电流。福禄克电子仪器仪表公司（Fluke）生产的8846A型号数字万用表，其直流电流的最小量程是100 mA，相应的最小分辨度达到100 pA。因此，这组仪器具备测量传感节点的能量消耗数据的能力。依据不同工作方式组成对照实验，测量各组传感节点的实际能量消耗，并评估预测传感节点的使用寿命。

4.1实验节点简介

传感节点采用德州仪器公司（TI）生产的MSP430RF5739型号微控制器芯片作为微控制器，采用意法半导体公司（ST）生产的LIS3DH型号3轴加速度传感器作为加速度传感器，采用德州仪器公司（TI）生产的CC2500型号2.4 GHz射频收发器芯片作为无线射频芯片，采用奥地利微电子公司（AMS）生产的AS3933型号125 KHz低频接收器芯片作为低频唤醒芯片，采用韩国帝王锂电池有限公司（XENO）生产的XL-055F型号锂原电池。如图6（a）是节点实物图，而图6（b）则是应用在实际场景中。

图6　节点实物及实际应用场景图

超低能耗是传感节点芯片选型的主要原则。其有两种特点，一是在工作状态下的能量消耗低；二是拥有两种状态：活跃状态下正常工作但能量消耗高、休眠状态下停止工作但能量消耗低。具备上述二者之一能力的芯片即具备低能耗特性，其中加速度传感器和低频唤醒芯片属于第一种类别，微控制器和无线射频芯片属于第二种类别。

加速度传感器LIS3DH设置50 Hz采样频率的工作电流低至6 μA［18］。低频唤醒芯片AS3933接收空间三维低频信号的工作电流低至5.7 μA［21］。无线射频芯片CC2500的四种状态具备不同电流负载值，在接收状态下的工作电流是17.3 mA，在发送状态下的工作电流是21.2 mA，在空闲状态下的消耗电流是1.5 mA，在休眠状态下的消耗电流低至400 nA［15］。无线射频芯片CC2500从休眠状态切换到接收状态的时间只需要 88.4 μs。微控制器MSP430FR5739两种状态下的负载电流存在差异，在活跃状态下每百兆频率的单位工作电流是81.4 μA/MHz，即24 MHz下的工作电流是1.953 6 mA，在休眠状态下的消耗电流低至6.3 μA。微控制器MSP430FR5739从休眠状态切换到活跃状态所需要时间只有78 μs［17］。以上芯片都可以在2.4 V到3.6 V的电压范围内正常工作。锂原电池XL-055F存储1.65 Ah的电荷能量，供电电压是3.6 V，连续供电电流上限达到 40 mA［24］。节点设计如图 7所示。

图7　传感节点设计图

4.2实验环境参数

参考应用场景设定实验参数。其中传感节点每秒进行10次数据采样工作，加速度传感器缓冲设置30组采样数据。每小时进行1次数据通信，数据通信中的数据量是3 600 byte。使用示波器测得节点处理数据的工作时长，单独处理1条数据和集中处理30条数据分别测得的时长是1.5 ms和17.5 ms。微控制器的CPU主频是24 MHz，所以单独处理1条数据需要等效CPU执行36 000条指令，而集中处理30条数据是等效CPU执行420 000条指令。依照点差法计算得到平均处理单条数据的时长（即两点斜率）是，等效CPU执行13 200条指令；得到片间总线准备的时长（即坐标轴截距）是1.5-（1-0）×0.55=0.95 ms，等效CPU执行22 800条指令。

设计对照实验，对三种采样方式、两种监听方式形成六组实验，依次分别是“连续采样+直接监听”，“间歇采样+直接监听”，“缓冲采样+直接监听”，“连续采样+间接监听”，“间歇采样+间接监听”和“缓冲采样+间接监听”。每组实验持续进行24 h，使用数字电源对传感节点供电，数字万用表测量并记录其实时电流，示波器测量工作时长。实验参数如表1所示。

表1　实验参数［15，17，18，21，24］

4.3实验结果及分析

单项数据是在分别对各种主要状态和流程进行30次单独测量的平均值，数据结果如表2所示。传感节点读取缓冲数据，融合和压缩数据时的整体负载电流称为处理数据工作电流；这段时间称为缓冲采样工作时长。而间歇采样工作时长则是不采用缓冲技术，融合和压缩单次采样数据的用时。传感节点等待下次采样期间的整体负载电流，从微控制器处于活跃状态和休眠状态划分，分别称为空闲等待电流和休眠等待电流。数据通信电流是指传感节点进行无线数据通信的整体负载电流，而数据通信时长则代指单次数据通信占用的时间。监听网络电流是指直接利用无线射频芯片进行网络监听的传感节点整体负载电流。因为低频芯片监听一直保持开启工作状态，所以其产生的负载电流已经包含在整体负载电流内。

表2　传感节点单项工作测量数据

历时一天的对照实验结果如表3所示，使用控制变量法分析实验结果。在“1、2和3”、“4、5和6”这两组对比中，保持“通信监听”变量不变，可以看出采用间歇采样方式比采用连续采样方式平均节省535.85 J能量；而缓冲采样方式比采用连续采样方式平均节省540.83 J能量，比采用间歇采样方式平均节省4.98 J能量。在“1和4”、“2和5”、“3和6”这三组对比中，固定“数据采集”变量，计算得到采用间接监听方式比采用直接监听方式平均节省2 946.06 J能量。显然结果验证前文的理论推导：缓冲采样方式比连续采样方式或间歇采样方式节省能量，间接监听方式比直接监听方式节省能量。

表3　传感节点24 h能量消耗对比

锂原电池自放电率很低，即使存放10年仍拥有90%的电容量［25］，按照最坏条件预测工作寿命。传感节点中锂原电池能量E=3.6 V×1.65 Ah×3 600 s/h×90%=19245.6 J且实验的时长是1天，那么通过锂原电池能量和表3中“能量消耗”之间的比值可以得到每组实验的预测工作寿命。所以表3中各组实验依次得到的预测工作寿命分别是：5.49 d、6.49 d、6.51 d、34.97 d、980.41 d以及1 309.22 d（即3.58年）。

综上所述，“缓冲采样+间接监听”组合的方式比“连续采样+直接监听”组合方式整整节省3 488.63 J能量，前组消耗的能量仅是后组的0.42%。

5　总结及展望

本论文设计并实现一种适合在事件稀疏应用场景下监测自主移动物体姿态信息的高能效低功耗无线传感节点。通过分析应用场景，发现“采集数据”和“通信监听”流程存在优化的空间，并分别针对性地提出节省能量消耗的解决方案。传感节点持续工作24 h，“缓冲采样”比“连续采样”平均节省540.83 J能量，“间接监听”则相对于“直接监听”平均节省2 946.06 J能量。使用“缓冲采样+间接监听”解决方案，传感节点在24小时连续工作下消耗的能量仅占“连续采样+直接监听”的0.42%，节省99.58%的能量，具备超低功耗能力。在一节2/3AA类型，含1.65 Ah容量的锂原电池供电下，结合两种改进方法，传感节点预测可以提供3.58年正常服务。目前本系统已经在广东温氏集团旗下的奶牛养殖场投入试点使用1年，为畜牧业信息化提供应用实践借鉴。

［1］刘鹏，卢潭城，吕愿愿，等.基于MEMS三轴加速度传感器的摔倒检测［J］.传感技术学报，2014，27（4）：570-574.

［2］吴宝明，王普领，庞宇，等.一种战场士兵多生命体征监测头带设计［J］.传感器与微系统，2015（2）：109-112.

［3］尹令，洪添胜，刘迎湖，等.基于无线传感器网络支持向量机奶牛行为特征识别［J］.传感技术学报，2011，24（3）：458-462.

［4］尹令，刘财兴，洪添胜，等.基于无线传感器网络的奶牛行为特征监测系统设计［J］.农业工程学报，2010（3）：203-208.

［5］邓志赟，刘财兴，曹维，等.基于PAM-RF的奶牛活动异常情况监测［J］.广东农业科学，2015（16）：122-129.

［6］罗坚，唐琎，毛芳，等.基于云计算的可穿戴式老龄人异常行为检测系研究［J］.传感技术学报，2015，28（8）：1108-1114.

［7］周博翔，李平，李莲.改进随机森林及其在人体姿态识别中的应用［J］.计算机工程与应用，2015（16）：86-92.

［8］胡佳佳，周翟和，沈超，等.一种自适应残差补偿算法在移动机器人姿态估计中的应用研究［J］.传感技术学报，2015，28（3）：363-366.

［9］Yin L，Hong T，Liu C.Estrus Detection in Dairy Cows from Acceleration Data Using Self-Learning Classification Models［J］.Journal of Computers，2013，8（10）：2590-2597.

［10］Abbasi A Z，Islam N，Shaikh Z A.A Review of Wireless Sensors and Networks’Applications in Agriculture［J］.Computer Standards&Interfaces，2014，36（2）：263-270.

［11］Rault T，Bouabdallah A，Challal Y.Energy Efficiency in Wireless Sensor Networks：A Top-down Survey［J］.Computer Networks，2014，67：104-122.

［12］Han G，Dong Y，Guo H，et al.Cross-Layer Optimized Routing in Wireless Sensor Networks with Duty Cycle and Energy Harvesting［J］.Wireless Communications and Mobile Computing，2015，15（16）：1957-1981.

［13］Di Francesco M，Das S K，Anastasi G.Data Collection in Wireless Sensor Networks with Mobile Elements：A Survey［J］.ACM Transactions on Sensor Networks（TOSN），2011，8（1）：7.

［14］Jellali Z，Atallah L N，Cherif S.A Study of Deterministic Sensors Placement for Sparse Events Detection in WSN Based on Compressed Sensing：Communications and Networking（ComNet），2014 International Conference on［Z］.IEEE，2014：1-5.

［15］Texasinstruments.CC2500：Low-Cost Low-Power 2.4 GHz RF Transceiver［Z］.http：//www.ti.com.cn/cn/lit/ds/symlink/cc2500.pdf，2009.

［16］Shaikh F K，Zeadally S.Energy Harvesting in Wireless Sensor Networks：A Comprehensive Review［J］.Renewable and Sustainable Energy Reviews，2016，55：1041-1054.

［17］Texasinstruments.MSP430FR573x Mixed-Signal Microcontrollers［Z］.http：//www.ti.com/lit/ds/slas639j/slas639j.pdf，2014.

［18］Stmicroelectronics.MEMS Digital Output Motion Sensor Ultra Low-power High Performance 3-axes“nano”accelerometer［Z］.http：//www.st.com/st-web-ui/static/active/cn/resource/technical/document/datasheet/CD00274221.pdf，2010.

［19］刘永华，沈明霞，熊迎军，等.基于两级预测的温室WSN系统数据传输方法［J］.农业机械学报，2014（12）：329-334.

［20］Jones C E，Sivalingam K M，Agrawal P，et al.A Survey of Energy Efficient Network Protocols for Wireless Networks［J］.Wireless Networks，2001，7（4）：343-358.

［21］Austriamicrosystems.AS3933：3D Low Frequency Wake-Up Receiver［Z］.http：//ams.com/chi/acceptpolicy/information/66224/570460/36238，2013.

［22］Mccartney W P，Sridhar N.Stackless Multi-Threading for Embedded Systems［J］.IEEE Transactions on Computers，2015，64（10）：2940-2952.

［23］Huang P，Xiao L，Soltani S，et al.The Evolution of MAC Protocols in Wireless Sensor Networks：A Survey［J］.Communications Surveys&Tutorials，IEEE，2013，15（1）：101-120.

［24］Xenoenergy.XL-055F：Thionyl Chloride Lithium Battery［Z］.http：//www.xenoenergy.com/eng/file/Xeno%20Catalog%20XL-055F_E.pdf，2013.

［25］吴一帆.锂原电池长期贮存后的电性能［J］.电源技术，2002，26（1）：11-13.

陈嘉峰（1990-），男，广东人，华南农业大学数学与信息学院硕士研究生，研究方向为无线传感器网络及其应用，thomas_ cjf@163.com；

刘财兴（1962-），男，广东人，华南农业大学数学与信息学院教授，硕士生导师，研究方向为物联网、嵌入式系统与无线传感器网络、网络与信息安全，liu@scau.edu.cn；

尹令（1977-），女，湖南人，博士，华南农业大学数学与信息学院副教授，研究方向为无线传感器网络及其应用、数据挖掘，scauyin@163.com；

曹维（1978-），女，陕西人，华南农业大学数学与信息学院实验师，研究方向为计算机应用技术，weiweicao7016@ 163.com。

A Study into the Optimization of Energy Consumption for Wireless Posture Sensor Nodes*

CHEN Jiafeng，LIU Caixing*，YIN Ling，CAO Wei
（College of Mathematics and Informatics，South China Agricultural University，Guangzhou 510642，China）

One of the key points in engineering application is to extend the working life by reducing energy consumption of wireless posture sensor nodes.Buffer sampling was designed in our study to prolong the sleep period of sensor nodes，thus saving energy significantly.A wake-up radio receiver was applied to realize indirect listening to reduce the energy consumption in continuous listening，which was a solution to the problem of the loss of energy consumption in idle listening.An ultra-low power wireless sensor node for monitor pose was devised by combining buffer sampling and indirect listening.Based on an theoretical analysis，the energy consumption in continue sampling proved to be 115.62 times as much as that in buffer sampling.The experiment，which involved 3 sampling patterns and 2 listening patterns in 6 control groups，indicated that sensor nodes could save 99.58%of energy and prolong working life by 238 times with an optimal combination of energy consumption，and its energy consumption was only 0.42%of the least optimal combination.In conclusion，the duration of the sensor nodes with a 2/3AA type lithium battery which contains 1.65 Ah electricity is expected to be for 3.58 years，which can be applied to the information-based animal husbandry.

wireless sensor network；optimization of power consumption；indirect listening；buffer sampling；wake-up radio receiver

TP399；TP212

A

1004-1699（2016）10-1565-08

项目来源：广东省普通高校特色创新类项目

2016-03-15修改日期：2016-05-09