无线传感网络的问题
涉及的内容是挺多的，1.硬件方面的（目前处除了军用，或其他一些特定应用外，我们国家很多传感器芯片用的还都是国外的，没有过硬的技术啊）。
2.无线传感器网络协议研究。
根据传感器网络自身的特点，结合应用，量身打造更合适的通信协议。
3.软件方面的。
目前有系统级别的Tiny OS，编程语言nesC，针对特定应用编写轻量级程序。
4.无线传感器数据管理层面。
可以研究网络数据流挖掘之类的。
哪个最有前景
1最有发展空间，但难度大。
3是基础，最容易上手，想有突破很难。
2和4，自己想吧。
以上都是个人粗浅见解，做个参考。
无线传感网络的问题
涉及的内容是挺多的，1.硬件方面的（目前处除了军用，或其他一些特定应用外，我们国家很多传感器芯片用的还都是国外的，没有过硬的技术啊）。
2.无线传感器网络协议研究。
根据传感器网络自身的特点，结合应用，量身打造更合适的通信协议。
3.软件方面的。
目前有系统级别的Tiny OS，编程语言nesC，针对特定应用编写轻量级程序。
4.无线传感器数据管理层面。
可以研究网络数据流挖掘之类的。
哪个最有前景
1最有发展空间，但难度大。
3是基础，最容易上手，想有突破很难。
2和4，自己想吧。
以上都是个人粗浅见解，做个参考。
请为我描述一下无线传感器网络中的HEED算法
HEED分簇算法包括以下几个步骤：l)初始化阶段：每个节点计算其包括计算邻居节点的个数，以及自身的AMRP的值，并且设定初始的成为簇头节点的概率。
2)迭代阶段：每个节点在每轮的循环中如果发现自身周围有临时簇头节点则进行相应的判断:如果自身也是临时簇头(tentativeclusterhead)，并且自身的AMRP的值最小，且此时自己的CHprob=1，则宣布自身为最终簇头，否则进行下一轮;如果邻居节点中没有节点宣布自己为临时簇头则自身按照一定的概率成为临时簇头。
备选簇头状态: 当节点 簇首比例< 1时， 节点为备选簇头状态， 若之后发现具有通信代价更小的簇头节点， 则其改变状态为普通节， 加入该候选簇头。
最终簇头状态: 当节点 簇首比例= 1时，节点作为最终簇头状态， 并向其邻居节点广播。
3)在迭代结束后，如果临时簇头的邻居中没有其他的临时簇头或者他们的AMRP都比自身小，则该临时簇头关宣布自身为最终的簇头(finalcluster head)，其他节点周围若没有发现最终的簇头节点也宣布自身为最终的簇头节点。
否则加入AMRP值最小的临时簇头。
在无线传感器网络中，如何根据接收信号的强度来判断发送者的距离
有具体的计算公式么
基于RSSI的定位 RSSI测量，一般利用信号传播的经验模型与理论模型。
对于经验模型，在实际定位前，先选取若干测试点，记录在这些点各基站收到的信号强度，建立各个点上的位置和信号强度关系的离线数据库(x，y，ss1，ss2，ss3)。
在实际定位时，根据测得的信号强度(ss1′，ss2′，ss3′)和数据库中记录的信号强度进行比较，信号强度均方差最小的那个点的坐标作为节点的坐标。
对于理论模型，常采用无线电传播路径损耗模型进行分析。
常用的传播路径损耗模型有：自由空间传播模型、对数距离路径损耗模型、哈它模型、对数一常态分布模型等。
自由空间无线电传播路径损耗模型为：式中，d为距信源的距离，单位为km；f为频率，单位为MHz；k为路径衰减因子。
其他的模型模拟现实环境，但与现实环境还是有一定的差距。
比如对数一常态分布模型，其路径损耗的计算公式为：式中，Xσ是平均值为O的高斯分布随机变数，其标准差范围为4～10；k的范围在2～5之间。
取d=1，代入式(1)可得，LOSS，即PL(d0)的值。
此时各未知节点接收锚节点信号时的信号强度为： RSSI=发射功率+天线增益一路径损耗(PL(d))2．2 基于RSSI的三角形质心定位算法的数学模型 不论哪种模型，计算出的接收信号强度总与实际情况下有误差，因为实际环境的复杂性，换算出的锚节点到未知节点的距离d总是大于实际两节点间的距离。
如图1所示，锚节点A，B，C，未知节点D，根据RSSI模型计算出的节点A和D的距离为rA；节点B和D的距离为rB；节点C和D的距离为rC。
分别以A，B，C为圆心；rA，rB，rC为半径画圆，可得交叠区域。
这里的三角形质心定位算法的基本思想是：计算三圆交叠区域的3个特征点的坐标，以这三个点为三角形的顶点，未知点即为三角形质心，如图2所示，特征点为E，F，G，特征点E点的计算方法为：同理，可计算出F，G，此时未知点的坐标为由仿真得，在图2中，实际点为D；三角形质心算法出的估计点为M；三边测量法算出的估计点为N。
可知，三角形质心算法的准确度更高。
3 基于RSSI的三角形质心算法过程3．1 步骤 (1)锚节点周期性向周围广播信息，信息中包括自身节点ID及坐标。
普通节点收到该信息后，对同一锚节点的RSSI取均值。
(2)当普通节点收集到一定数量的锚节点信息时，不再接收新信息。
普通节点根据RSSI从强到弱对锚节点排序，并建立RSSI值与节点到锚节点距离的映射。
建立3个集合。
锚节点集合：(3)选取RSSI值大的前几个锚节点进行自身定位计算。
在B_set：中优先选择RSSI值大的信标节点组合成下面的锚节点集合，这是提高定位精度的关键。
对锚节点集合，依次根据(3)式算出3个交点的坐标，最后由质心算法，得出未知节点坐标。
(4)对求出的未知节点坐标集合取平均，得未知节点坐标。
3．2 误差定义 定义定位误差为ER，假设得到的未知节点的坐标为(xm，ym)，其真实位置为(x，y)，则定位误差ER为：4 仿 真 利用Matlab仿真工具模拟三角形质心算法，考察该算法的性能。
假设在100 m×100 m的正方形区域内，36个锚节点均匀分布，未知节点70个，分别用三边测量法和三角形质心定位算法进行仿真，仿真结果如图3所示。
由图3可知，三角形质心算法比三边测量法，定位精度更高，当测距误差变大时，用三角形质心算法得出的平均定位误差比用三边测量法得出的小得多。
5 结 语 在此提出了将RSSI方法和三角形质心定位算法相结合的方法，通过仿真实验，将该算法和三边测量算法相比较，证明了该算法的优越性。
下一步将研究在锚节点数量不同时的平均定位误差。
无线传感网络的发展
这个问题的范围有点大。
简而言之，无线传感器网络（wireless sensor network，wsn）作为物联网（internet of thing,IOT）的重要组成部分，目前在智能家居、精准农业、林业监测、军事、智能建筑、智能交通等领域都在逐渐展开应用。
能被传感器sensor感知的物理参量（温度、湿度、震动、加速度、二氧化碳浓度...），包括video、image、audio等多媒体数据，通过wsn节点的自组网，远程采集、传输至监控端。
目前制约wsn普及的因素主要有：能耗（通常wsn节点较小，2节电池供电）、传输范围（射频芯片cc2430，我们做实验，在150m左右，信号已经很差），还有最重要的，硬件成本。
wsn特别适合：无人监守、不适合人去的地方（如山体滑坡监测等、煤矿瓦斯浓度监测...等）以上文字原创。
只是简要回答你的问题，因为问题范围有点大。
无线传感器网络的优缺点
这个问题的范围有点大。
简而言之，无线传感器网络（wireless sensor network，wsn）作为物联网（internet of thing,IOT）的重要组成部分，目前在智能家居、精准农业、林业监测、军事、智能建筑、智能交通等领域都在逐渐展开应用。
能被传感器sensor感知的物理参量（温度、湿度、震动、加速度、二氧化碳浓度...），包括video、image、audio等多媒体数据，通过wsn节点的自组网，远程采集、传输至监控端。
目前制约wsn普及的因素主要有：能耗（通常wsn节点较小，2节电池供电）、传输范围（射频芯片cc2430，我们做实验，在150m左右，信号已经很差），还有最重要的，硬件成本。
wsn特别适合：无人监守、不适合人去的地方（如山体滑坡监测等、煤矿瓦斯浓度监测...等）以上文字原创。
只是简要回答你的问题，因为问题范围有点大。
无线传感器网络中当网络受到攻击后，簇头会有什么异常表现吗
这个的看是什么攻击，，如果是雷死洪范的攻击，簇头肯定会收到大量无用的冗余或者信道被长时间占用
在无线传感器网络中，如何根据接收信号的强度来判断发送者的距离
有具体的计算公式么
基于RSSI的定位 RSSI测量，一般利用信号传播的经验模型与理论模型。
对于经验模型，在实际定位前，先选取若干测试点，记录在这些点各基站收到的信号强度，建立各个点上的位置和信号强度关系的离线数据库(x，y，ss1，ss2，ss3)。
在实际定位时，根据测得的信号强度(ss1′，ss2′，ss3′)和数据库中记录的信号强度进行比较，信号强度均方差最小的那个点的坐标作为节点的坐标。
对于理论模型，常采用无线电传播路径损耗模型进行分析。
常用的传播路径损耗模型有：自由空间传播模型、对数距离路径损耗模型、哈它模型、对数一常态分布模型等。
自由空间无线电传播路径损耗模型为：式中，d为距信源的距离，单位为km；f为频率，单位为MHz；k为路径衰减因子。
其他的模型模拟现实环境，但与现实环境还是有一定的差距。
比如对数一常态分布模型，其路径损耗的计算公式为：式中，Xσ是平均值为O的高斯分布随机变数，其标准差范围为4～10；k的范围在2～5之间。
取d=1，代入式(1)可得，LOSS，即PL(d0)的值。
此时各未知节点接收锚节点信号时的信号强度为： RSSI=发射功率+天线增益一路径损耗(PL(d))2．2 基于RSSI的三角形质心定位算法的数学模型 不论哪种模型，计算出的接收信号强度总与实际情况下有误差，因为实际环境的复杂性，换算出的锚节点到未知节点的距离d总是大于实际两节点间的距离。
如图1所示，锚节点A，B，C，未知节点D，根据RSSI模型计算出的节点A和D的距离为rA；节点B和D的距离为rB；节点C和D的距离为rC。
分别以A，B，C为圆心；rA，rB，rC为半径画圆，可得交叠区域。
这里的三角形质心定位算法的基本思想是：计算三圆交叠区域的3个特征点的坐标，以这三个点为三角形的顶点，未知点即为三角形质心，如图2所示，特征点为E，F，G，特征点E点的计算方法为：同理，可计算出F，G，此时未知点的坐标为由仿真得，在图2中，实际点为D；三角形质心算法出的估计点为M；三边测量法算出的估计点为N。
可知，三角形质心算法的准确度更高。
3 基于RSSI的三角形质心算法过程3．1 步骤 (1)锚节点周期性向周围广播信息，信息中包括自身节点ID及坐标。
普通节点收到该信息后，对同一锚节点的RSSI取均值。
(2)当普通节点收集到一定数量的锚节点信息时，不再接收新信息。
普通节点根据RSSI从强到弱对锚节点排序，并建立RSSI值与节点到锚节点距离的映射。
建立3个集合。
锚节点集合：(3)选取RSSI值大的前几个锚节点进行自身定位计算。
在B_set：中优先选择RSSI值大的信标节点组合成下面的锚节点集合，这是提高定位精度的关键。
对锚节点集合，依次根据(3)式算出3个交点的坐标，最后由质心算法，得出未知节点坐标。
(4)对求出的未知节点坐标集合取平均，得未知节点坐标。
3．2 误差定义 定义定位误差为ER，假设得到的未知节点的坐标为(xm，ym)，其真实位置为(x，y)，则定位误差ER为：4 仿 真 利用Matlab仿真工具模拟三角形质心算法，考察该算法的性能。
假设在100 m×100 m的正方形区域内，36个锚节点均匀分布，未知节点70个，分别用三边测量法和三角形质心定位算法进行仿真，仿真结果如图3所示。
由图3可知，三角形质心算法比三边测量法，定位精度更高，当测距误差变大时，用三角形质心算法得出的平均定位误差比用三边测量法得出的小得多。
5 结 语 在此提出了将RSSI方法和三角形质心定位算法相结合的方法，通过仿真实验，将该算法和三边测量算法相比较，证明了该算法的优越性。
下一步将研究在锚节点数量不同时的平均定位误差。
无线传感器网络中当网络受到攻击后，簇头会有什么异常表现吗
这个的看是什么攻击，，如果是雷死洪范的攻击，簇头肯定会收到大量无用的冗余或者信道被长时间占用
