跳到正文Seminar Week 9 Summary · Jimmy Huang's BlogSeminar Week 9 Summary
本页目录· 68 条
主题：无线传感器与移动感知（Wireless Sensors and Mobile Sensing）
本周主要讲的是：移动与分布式系统如何通过各种传感器收集现实世界的数据，并通过无线网络、路由协议、移动设备和群体参与机制，把这些数据用于智能移动应用、健康监测、远程感知和智慧城市等场景。
Learning Outcomes
理解无线传感器（Wireless Sensor）的基本定义、类型和关键性能指标。
理解无线传感器网络（Wireless Sensor Networks, WSNs）的组成、数据传输方式和 Sink 的作用。
区分单跳网络（Single-hop）与多跳网络（Multi-hop）的特点和适用场景。
理解多跳网络中的两种结构：平面结构（Flat Architecture）和基于簇的结构（Cluster-based Architecture）。
理解路由协议（Routing Protocols）为什么重要，以及 Flooding、Gossiping、Directed Diffusion 的基本思想。
理解网络内处理（In-Network Processing）如何减少重复数据、节省能耗并延长网络寿命。
理解移动感知（Mobile Sensing）、社会感知（Social Sensing）和移动群体感知（Mobile Crowdsensing）的区别与应用场景。
了解无线传感器和移动感知在医疗健康、心理健康、IoT 和智慧城市中的应用。
本周在课程中的位置
本周内容可以看作是前面“智能移动应用”和“上下文感知应用”的底层数据来源部分。
课件中的图示把智能移动应用分成三层：
可以这样理解：
最底层是传感器产生的原始数据，例如位置、温度、运动、声音、心率等。
中间层是上下文（Context），系统会根据原始数据推断用户或环境状态。
再往上是情境（Situation），也就是更高层次的理解，例如“用户正在跑步”“老人可能摔倒”“某区域空气质量异常”。
最上层才是智能移动应用，它根据这些情境做出响应，例如提醒、推荐、报警、自动记录或个性化干预。
所以，本周的重点不是单纯介绍硬件，而是解释：智能移动系统的数据从哪里来、如何传输、如何处理，以及如何用于真实应用。
1. 无线传感器（Wireless Sensors）
1.1 无线传感器是什么
无线传感器（Wireless Sensor）是一种能够感知现实世界物理现象的设备。
噪声（Noise）
运动（Motion）
光照（Light）
压力（Pressure）
温度（Temperature）
无线传感器就是“把现实世界的数据变成计算机能处理的数据”的入口。
2. 传感器的主要类型
2.1 环境传感器（Environmental Sensors）
环境传感器主要用来监测自然环境或物理环境中的变化。
2.2 压力、接近、运动与声音传感器
3. 生物传感器（Biosensors）
血压监测器（Blood Pressure Monitor）
ECG 传感器（Electrocardiogram Sensor，心电图传感器）
EEG 传感器（Electroencephalogram Sensor，脑电图传感器）
血氧仪（Pulse Oximeter）
血糖仪（Glucose Meter）
体重秤（Scale）
体温传感器（Body Temperature）
生物传感器把人体状态转化为可计算、可监测、可分析的数据。
智能手表监测心率。
血氧仪监测血氧饱和度。
ECG 传感器检测心脏电信号。
血糖仪帮助糖尿病患者监控血糖水平。
这些传感器在医疗健康、远程护理、老年人监护和心理健康监测中都很重要。
4. 可穿戴设备（Wearables）
可穿戴设备（Wearables）是把传感器集成到用户可以长期佩戴的设备中。
这些例子说明：传感器不一定只是一个独立硬件，它可以嵌入日常用品中，让系统持续感知用户或环境状态。
5. 传感器属性（Sensor Properties）
传感器不是只看“能不能测”，还要看“测得快不快、准不准、范围够不够、分辨率高不高”。
5.1 Accuracy 和 Precision 的区别
5.2 课件中的心电与加速度传感器例子
课件用 Alive Bluetooth Heart Activity Monitor 作为例子，展示同一个设备里可以同时包含 ECG 和加速度计。
6. 传感器节点组成（Sensor Node Components）
传感器网络中的基本单位通常叫传感器节点（Sensor Node）
6.1 每个组件的作用
一个传感器节点不是只有“测量”功能，它还要能处理、存储、通信和供电。
7. 无线传感器网络（Wireless Sensor Networks, WSNs）
7.1 WSN 是什么
无线传感器网络（Wireless Sensor Networks, WSNs）是由大量无线传感器节点组成的网络。
这些节点通常密集部署在某个区域，用来监控现实世界。
有大量传感器节点。
节点通过无线链路传输数据。
数据通常被发送到 Sink。
每个节点可以采集数据，也可以帮助转发数据。
节点通常只有有限的 CPU、内存和能源。
WSN 就像在一个区域里撒下很多“小型感知设备”，它们共同观察环境，并把数据送到一个更强的中心节点。
7.2 Sink 的作用
课件中提到，传感器节点收集的数据通常会被转发到 Sink。
8. WSN 的网络结构分类
8.1 Single-hop vs Multi-hop
单跳：每个节点都“直接打电话”给 Sink。
多跳：节点之间“接力传话”，最后传到 Sink。
9. 多跳网络架构（Multi-hop Architecture）
9.1 平面多跳架构（Flat Multi-hop Architecture）
9.2 基于簇的多跳架构（Cluster-based Multi-hop Architecture）
核心概念是簇头（Cluster Head, CH）。
普通节点是组员。
CH 是组长。
Sink 是老师或中心系统。
组员先把信息交给组长，组长整理后再交给中心。
9.3 Clustering 的两个关键问题
10. 路由（Routing）
10.1 为什么 WSN 需要路由
在多跳网络中，节点不能总是直接把数据发给 Sink。
这个选择过程就需要路由协议（Routing Protocols）。
10.2 什么是“最好的路径”
最节能的路径。
最短路径。
跳数最少的路径。
最适合当前应用目标的路径。
没有绝对最好的路由，只有“对当前应用最合适”的路由。
11. 路由类型（Routing Types）
泛洪（Flooding）
闲聊 / 流言式转发（Gossiping）
11.1 Flooding 泛洪
简单。
不需要复杂路径计算。
数据有较大机会最终到达 Sink。
11.2 Implosion 和 Overlapping
Flooding 很像“每个人都把消息群发给所有朋友”，结果消息到处重复转发，网络很快被重复信息占满。
11.3 Gossiping 闲聊式转发
Gossiping 是 Flooding 的改进版本。
可以减少 implosion。
比 Flooding 更节省带宽和能量。
仍然可能有节点收到重复数据。
因为是随机选择，数据传播可能更慢。
也可能出现某些路径没有被选中，影响传输效率。
11.4 Flooding vs Gossiping
12. Directed Diffusion Routing Protocol
Directed Diffusion 是一种更有结构的无线传感器网络路由协议。
它不是盲目广播所有数据，而是围绕 Sink 的查询兴趣（Interest）来建立数据传输路径。
课件把 Directed Diffusion 分成三个主要步骤：
Interest Propagation
Gradient Establishment
Data Delivery along Reinforced Path
12.1 Step 1：Interest Propagation 兴趣传播
Interest Propagation 的意思是：
这里的 Interest 可以理解成 Sink 想要收集的数据条件。
Sink 对温度大于 35°C 的事件感兴趣。
节点每 10 秒采样一次。
这个 Interest 会被转化为属性-值对（Attribute-Value Pairs）形式的查询。
Sink 不是说“所有数据都发给我”，而是说“我只想要符合某些条件的数据”。
12.2 Step 2：Gradient Establishment 梯度建立
Gradient 可以理解为 reply link，也就是之后数据返回 Sink 时可以走的方向。
如果某个传感器节点满足 Interest 条件，它就成为 Source Node。
那么这个节点就匹配了查询条件，成为 source node。
12.3 Step 3：Reinforcement 强化路径
从 Source Node 到 Sink 可能有多条路径。
在多个可能路径中强化其中一条。
之后数据主要沿着这条被强化的路径传输。
这样可以减少无效转发，提高传输效率。
Directed Diffusion 不是一开始就固定路线，而是先扩散查询，再根据实际数据来源建立和强化合适路径。
13. 网络内处理（In-Network Processing）
13.1 什么是 In-Network Processing
网络内处理（In-Network Processing）指的是：
中间节点不只是转发数据，还可以在网络内部对数据做简单处理。
13.2 为什么需要 In-Network Processing
如果所有节点都把原始数据直接发给 Sink，会产生几个问题：
Sink 可能成为瓶颈。
网络中会出现大量重复数据。
节点会消耗更多通信能量。
网络寿命会缩短。
In-Network Processing 的好处包括：
防止瓶颈问题。
解决 implosion 和重复数据问题。
减少需要传输的数据量。
降低能耗。
延长整个传感器网络寿命。
13.3 图示逻辑说明
Without In-Network Processing
With In-Network Processing
In-Network Processing 就像在数据到达中心系统之前，先在路上做一次“整理和去重”。
14. 远程感知中的通信技术（Remote Sensing - Communication）
远程感知需要把传感器节点或 Sink 的数据传到远程计算机或云端，因此通信技术很重要。
14.1 Device to Device 通信
设备到设备通信主要用于传感器节点之间，或者节点到 Sink 的本地无线通信。
14.2 Device to Infrastructure 通信
设备到基础设施通信用于把节点或 Sink 连接到远程计算机、互联网或云端。
15. 移动感知（Mobile Sensing）
15.1 Mobile Sensing 是什么
移动感知（Mobile Sensing）指的是从移动设备中收集传感器数据。
手机上运行一个移动应用。
App 调用手机内置传感器收集数据。
数据被传输到云端。
云端或后端系统进一步分析数据。
15.2 Mobile Sensing 中最重要的上下文信息
15.3 Mobile Sensing 的主要挑战：隐私
课件明确指出，隐私（Privacy）是移动感知中的主要挑战。
位置数据。
活动数据。
手机使用数据。
社交行为数据。
健康或心理健康相关数据。
是否获得用户同意。
是否只收集必要数据。
是否保护数据传输和存储安全。
是否避免不必要的身份识别。
15.4 手机内置传感器与健康应用
课件提到，手机内置传感器可以收集不同类型的数据，并用于很多医疗健康应用。
位置
加速度
活动状态
屏幕状态
蓝牙或 Wi-Fi 信号
应用使用情况
通话或消息相关信息
环境或设备状态信息
用户是否在移动。
用户是否出门。
用户睡眠或活动规律是否变化。
用户社交行为是否减少。
用户可能是否需要健康或心理支持。
15.5 Mobile Sensing 框架
16. 社会感知（Social Sensing）
16.1 Social Sensing 是什么
社会感知（Social Sensing）是移动感知的一个子类别。
它关注的是通过移动设备数据来监测用户的社会行为和日常状态。
Social Sensing 不是只看“手机传感器数值”，而是用这些数据推断人的行为模式和生活状态。
16.2 Social Sensing 会收集哪些数据
社交媒体 App 使用情况。
屏幕状态。
屏幕使用时间。
电话通话记录和通话时长。
文本数据。
Wi-Fi 信号。
Bluetooth 信号。
信号强度。
位置数据。
用户是否经常外出。
用户是否与他人互动减少。
用户是否作息异常。
用户是否长时间使用手机。
用户是否存在潜在心理健康风险。
16.3 Social Sensing 与隐私
Social Sensing 对健康和心理健康很有价值，但隐私风险也更高。
社交关系。
通话行为。
位置信息。
手机使用习惯。
心理健康状态。
17. 移动群体感知（Mobile Crowdsensing）
17.1 Mobile Crowdsensing 是什么
移动群体感知（Mobile Crowdsensing）指的是利用大量用户的手机传感器，共同收集某个现象相关的信息。
Mobile Crowdsensing 是把“人群 + 手机传感器”变成一个大规模分布式感知系统。
17.2 Mobile Crowdsensing 的作用
17.3 Participatory Sensing vs Opportunistic Sensing
17.4 Participatory Sensing 参与式感知
用户主动参与。
数据通常更有针对性。
需要用户花时间和精力。
可能需要激励机制。
17.5 Opportunistic Sensing 机会式感知
机会式感知中，用户参与较少，很多任务在后台自动完成。
用户干预少。
数据收集更连续。
更容易大规模部署。
但更需要重视隐私、权限和电池消耗。
18. 应用场景：智慧城市（Smart Cities）
智慧城市中的传感器网络可以用于实时监控（Real-time Monitoring）。
在智慧城市中，传感器可以部署在城市不同位置，用来持续监测城市运行状态，例如：
交通状况。
空气质量。
噪声水平。
公共设施状态。
环境变化。
城市资源使用情况。
19. 本周核心对比总结
19.1 Wireless Sensors vs Mobile Sensing
19.2 Single-hop vs Multi-hop
19.3 Flat vs Cluster-based Multi-hop
19.4 Flooding vs Gossiping vs Directed Diffusion
20. 可以重点记忆的关键词
Wireless Sensor：无线传感器
Sensor Node：传感器节点
Wireless Sensor Network, WSN：无线传感器网络
Sink：数据汇聚节点 / 网关节点
Single-hop：单跳
Multi-hop：多跳
Flat Sensor Network：平面传感器网络
Cluster-based Sensor Network：基于簇的传感器网络
Cluster Head, CH：簇头
Routing Protocol：路由协议
Flooding：泛洪
Gossiping：闲聊式 / 流言式转发
Directed Diffusion：定向扩散
Interest Propagation：兴趣传播
Gradient Establishment：梯度建立
Reinforcement：路径强化
In-Network Processing：网络内处理
Data Aggregation：数据聚合
Mobile Sensing：移动感知
Social Sensing：社会感知
Mobile Crowdsensing：移动群体感知
Participatory Sensing：参与式感知
Opportunistic Sensing：机会式感知
Summary
本周 Seminar 的核心是理解“传感器数据如何支撑智能移动与分布式系统”。
首先，无线传感器负责把现实世界的物理或生理现象转换成电子信号，并通过无线方式传输。不同传感器有不同属性，例如采样率、带宽、范围、分辨率、准确度和精密度。多个无线传感器节点可以组成无线传感器网络，其中 Sink 负责汇聚、处理数据，并可能连接到互联网。
其次，WSN 可以采用单跳或多跳架构。单跳简单但长距离传输耗能高，多跳更适合大型网络但需要路由协议。多跳网络又可以分成平面结构和基于簇的结构，其中基于簇的结构通过 Cluster Head 聚合数据，有助于降低能耗、提升可扩展性。
再次，多跳网络需要路由。Flooding 简单但会造成重复数据和能耗浪费，Gossiping 通过随机选择邻居减少重复，而 Directed Diffusion 通过 Interest、Gradient 和 Reinforcement 建立更有目标的数据传输路径。网络内处理可以在中间节点聚合或过滤数据，从而减少传输量、避免瓶颈并延长网络寿命。
最后，移动感知把手机和可穿戴设备变成数据收集平台，可以用于健康、心理健康、社会行为分析和智慧城市。Social Sensing 关注人的社会行为和生活模式，Mobile Crowdsensing 则利用大量用户手机共同感知环境或事件。其中 Participatory Sensing 需要用户主动参与，Opportunistic Sensing 则更多在后台自动完成。整个领域的一个重要挑战是隐私，因为位置、健康、社交和行为数据都可能非常敏感。
Intelligent mobile applications
↑
Situation
↑
Context
↑
Sensory-originated data
现实世界的物理现象
↓
传感器检测
↓
转换成电子信号
↓
无线传输给其他设备
↓
进一步处理与分析
Sensor Node
├── Sensing Unit 感知单元
│ ├── Sensor 传感器
│ └── ADC 模数转换器
│
├── Processing Unit 处理单元
│ ├── Processor 处理器
│ └── Memory 存储器
│
├── Communication Unit 通信单元
│ └── Transceiver 收发器
│
├── Source and Power Unit 电源单元
│
└── Additional Units 额外单元
├── GPS
├── Motor
└── Energy Generator 能量采集器
Sensor Nodes
↓
Sink / Gateway
↓
Internet / Remote Computer / User
Sink 发出查询
↓
查询传播到多个传感器节点
↓
满足条件的节点产生数据
↓
数据经过中间节点多跳转发
↓
到达 Sink
Sensor Nodes
↓
Cluster Head
↓
Sink
Source Node → A → B → Sink
Source Node → C → D → Sink
Source Node → E → Sink
一个节点收到数据
↓
广播给所有邻居
↓
邻居继续广播给它们的邻居
↓
直到数据到达 Sink
节点收到数据
↓
不再发给所有邻居
↓
只随机选择部分邻居转发
interest = temp > 35
sampling rate = 10s
Interest: temp > 35
某节点检测到温度 = 36°C
1. Sink 发出 Interest
2. Interest 在网络中扩散
3. 节点建立多个可能的 Gradient
4. Source Node 产生符合条件的数据
5. 网络选择并强化一条路径
6. 数据沿强化路径返回 Sink
多个节点分别把数据传给 Sink
↓
Sink 收到大量重复或相似数据
↓
通信开销大，容易拥塞
中间节点先聚合 / 过滤数据
↓
只把整理后的数据传给 Sink
↓
减少传输量，节省能量
Sensor Nodes
↓
Sink / Gateway / Base Station
↓
Internet
↓
Remote Computer / Cloud / User
Mobile Phone Sensors
↓
Mobile App
↓
Cloud / Backend
↓
Analysis / Application
很多用户的手机
↓
共同收集数据
↓
形成大规模感知结果
↓
支持移动众包和 IoT 应用
用户看到超市某个商品
↓
打开 App
↓
拍照并上传
↓
系统收集商品信息
手机后台持续收集加速度计数据
↓
系统分析用户活动或道路震动
↓
上传到云端