基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的農(nóng)田環(huán)境監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn).pdf

1、無(wú)線(xiàn)傳感器網(wǎng)絡(luò)作為物聯(lián)網(wǎng)系統(tǒng)組成之一，是轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式，促進(jìn)我國(guó)農(nóng)業(yè)可持續(xù)發(fā)展，高效利用農(nóng)村資源的重要載體。作為無(wú)線(xiàn)信息獲取和處理技術(shù)在農(nóng)業(yè)生產(chǎn)領(lǐng)域正引起廣泛的關(guān)注。
　　WSN是一個(gè)動(dòng)態(tài)網(wǎng)絡(luò)，具有動(dòng)態(tài)拓?fù)浣M織功能，能實(shí)現(xiàn)對(duì)農(nóng)田監(jiān)測(cè)區(qū)域的完全覆蓋和保證整個(gè)網(wǎng)絡(luò)的連通。農(nóng)田幅員遼闊，采集信息量大，因此減少系統(tǒng)能耗、最大化延長(zhǎng)網(wǎng)絡(luò)壽命、準(zhǔn)確有效定位及精準(zhǔn)的信息采集與傳輸是設(shè)計(jì)基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的農(nóng)田環(huán)境監(jiān)測(cè)系統(tǒng)的重要性能指標(biāo)。

2、>　　目前，農(nóng)田環(huán)境中部署的傳感器節(jié)點(diǎn)數(shù)量較多，大部分靠電池供電，節(jié)點(diǎn)的能量消耗相當(dāng)可觀(guān)，廣大學(xué)者進(jìn)行了各種節(jié)能措施的研究，取得了一定的進(jìn)展，但針對(duì)農(nóng)田實(shí)際需要的節(jié)點(diǎn)部署策略及路由協(xié)議研究的節(jié)能策略并不多。另外，農(nóng)田無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的位置信息也是研究的一個(gè)重要環(huán)節(jié)。目前，無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的定位算法很多，其中常用的RSSI定位算法由于受實(shí)際環(huán)境影響大。因此，針對(duì)農(nóng)田實(shí)際情況的精確測(cè)距模型尚需完善。再則，傳感器本身的精度及傳感器節(jié)點(diǎn)具有非

3、線(xiàn)性誤差等因素會(huì)導(dǎo)致測(cè)量數(shù)據(jù)不準(zhǔn)確，合理的校正能有效提高系統(tǒng)的測(cè)量精度。對(duì)多個(gè)傳感器節(jié)點(diǎn)持續(xù)采集會(huì)產(chǎn)生大量數(shù)據(jù)，通過(guò)數(shù)據(jù)融合可以減少上傳網(wǎng)關(guān)的數(shù)據(jù)量，從而節(jié)省系統(tǒng)能耗，提高網(wǎng)絡(luò)魯棒性。
　　基于此，本文在深入剖析該領(lǐng)域國(guó)內(nèi)外研究工作的基礎(chǔ)上，針對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)在農(nóng)田監(jiān)測(cè)應(yīng)用的關(guān)鍵技術(shù)展開(kāi)了研究，主要的研究工作如下:
　　(1)實(shí)驗(yàn)研究了同構(gòu)網(wǎng)絡(luò)及異構(gòu)網(wǎng)絡(luò)的節(jié)點(diǎn)部署性能。分析了同構(gòu)網(wǎng)絡(luò)中正六邊形、正四邊形兩種規(guī)則部署及隨機(jī)部署

4、方式三種情況下的覆蓋率，其中正六邊形的節(jié)點(diǎn)間距離是傳感半徑的√3倍時(shí)，正四邊形的節(jié)點(diǎn)間距離與傳感半徑間的關(guān)系為√2時(shí)，網(wǎng)絡(luò)達(dá)到完全覆蓋，覆蓋率為1。研究并比較兩種規(guī)則部署中節(jié)點(diǎn)傳感半徑及節(jié)點(diǎn)間距離與能耗的關(guān)系，結(jié)果表明正六邊形的能量損耗相對(duì)較小。在此基礎(chǔ)上應(yīng)用NS2仿真軟件對(duì)同構(gòu)網(wǎng)絡(luò)的三種部署方式的網(wǎng)絡(luò)生命周期、端到端延時(shí)及丟包率三種網(wǎng)絡(luò)性能進(jìn)行了分析，結(jié)果表明正六邊形的網(wǎng)絡(luò)性能最好。
　　同時(shí)對(duì)異構(gòu)網(wǎng)絡(luò)的網(wǎng)絡(luò)性能進(jìn)行了研究，對(duì)異

5、構(gòu)部署中的高能節(jié)點(diǎn)與普通節(jié)點(diǎn)的正六邊形方式及正四邊形方式達(dá)到完全覆蓋時(shí)的位置與數(shù)量關(guān)系進(jìn)行比較分析與仿真實(shí)驗(yàn)。結(jié)果表明部署節(jié)點(diǎn)總數(shù)量為225時(shí)方式1下正六邊形部署形式網(wǎng)絡(luò)生命周期最長(zhǎng)，而方式2下正四邊形部署生命周期最長(zhǎng);節(jié)點(diǎn)數(shù)量為361時(shí)方式1下隨機(jī)部署的網(wǎng)絡(luò)生命周期較長(zhǎng)，而方式2下正六邊形部署方式出現(xiàn)死亡節(jié)點(diǎn)時(shí)間較晚，但總體網(wǎng)絡(luò)存活時(shí)間不如隨機(jī)方式。實(shí)驗(yàn)結(jié)果顯示:異構(gòu)方式具有更好的延長(zhǎng)網(wǎng)絡(luò)生命周期的特點(diǎn)。
　　(2)設(shè)計(jì)了2.4

6、GHz的ZigBee節(jié)點(diǎn)異構(gòu)組網(wǎng)性能測(cè)試實(shí)驗(yàn)。分別對(duì)普通節(jié)點(diǎn)和高能節(jié)點(diǎn)在有無(wú)農(nóng)作物兩種情況、三種不同高度條件下的有效傳輸距離范圍進(jìn)行了測(cè)試，確定了大田節(jié)點(diǎn)部署時(shí)的節(jié)點(diǎn)間距離及節(jié)點(diǎn)放置高度。
　　在此基礎(chǔ)上對(duì)相同傳輸距離下以及相同覆蓋率下正六邊形和正四邊形兩種異構(gòu)部署方式放置節(jié)點(diǎn)的數(shù)量進(jìn)行了比較分析。結(jié)果表明相同傳輸距離下正六邊形放置節(jié)點(diǎn)的數(shù)量比正四邊形放置的節(jié)點(diǎn)數(shù)量多，相同覆蓋率下正四邊形形放置的節(jié)點(diǎn)數(shù)量比正六邊形的數(shù)量多。最后在

7、農(nóng)田中部署節(jié)點(diǎn)，對(duì)相同傳輸距離和相同覆蓋率下的兩種方式進(jìn)行剩余能量實(shí)驗(yàn)，結(jié)果顯示:相同傳輸距離下的正六邊形節(jié)點(diǎn)電壓減少較慢，而相同覆蓋率下正四邊形節(jié)點(diǎn)電壓減少較慢。
　　(3)設(shè)計(jì)了基于RSSI的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的定位方法。在實(shí)際農(nóng)田信息監(jiān)測(cè)系統(tǒng)應(yīng)用時(shí)RSSI值受節(jié)點(diǎn)間距離、天線(xiàn)高度、作物長(zhǎng)勢(shì)等多因素影響。本文對(duì)2.4GHz傳感器節(jié)點(diǎn)在農(nóng)田有無(wú)農(nóng)作物、安置在不同高度，相對(duì)距離不同多種環(huán)境條件下信號(hào)強(qiáng)度進(jìn)行實(shí)驗(yàn);研究分析RSSI值與節(jié)

8、點(diǎn)間距離和高度的衰減關(guān)系;應(yīng)用多元線(xiàn)性回歸方法擬合出無(wú)線(xiàn)信號(hào)傳播模型。并基于該模型進(jìn)行測(cè)距實(shí)驗(yàn)，最終依據(jù)高斯混合算法及最大似然方法實(shí)現(xiàn)對(duì)未知節(jié)點(diǎn)的定位。
　　在8x8m2的田地區(qū)域中放置4個(gè)信標(biāo)節(jié)點(diǎn)和2個(gè)未知節(jié)點(diǎn)進(jìn)行了定位實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)在4個(gè)信標(biāo)節(jié)點(diǎn)的情況下，能夠較好的實(shí)現(xiàn)對(duì)兩個(gè)位置節(jié)點(diǎn)的定位，平均定位誤差1.01m。
　　(4)在分析了蟻群算法的原理及優(yōu)點(diǎn)基礎(chǔ)上，提出了一種分層的元胞蟻群優(yōu)化路由算法。將農(nóng)田實(shí)際環(huán)

9、境中的傳感器節(jié)點(diǎn)映射成元胞節(jié)點(diǎn)，儲(chǔ)存鄰居節(jié)點(diǎn)的剩余能量、節(jié)點(diǎn)距離、信息素等信息，通過(guò)計(jì)算信息素概率選擇下一個(gè)節(jié)點(diǎn)，不斷更新各條線(xiàn)路上的信息素，直至到達(dá)sink節(jié)點(diǎn)。算法通過(guò)改進(jìn)元胞節(jié)點(diǎn)休眠轉(zhuǎn)換機(jī)制和信息素更新規(guī)則，優(yōu)化了網(wǎng)絡(luò)路徑。實(shí)驗(yàn)顯示:與傳統(tǒng)的LEACH算法比較存活時(shí)間提高了15.9％，更加均衡了網(wǎng)絡(luò)能量。
　　(5)農(nóng)田信息采集時(shí)需要放置土壤溫濕度、光照度等多種傳感器，提出了一種基于多參數(shù)的兩級(jí)信息校準(zhǔn)及融合方法。在研究分析

10、影響土壤溫濕度、光照度傳感器測(cè)量的主要因素基礎(chǔ)上，對(duì)30種樣本進(jìn)行測(cè)量，通過(guò)BP神經(jīng)網(wǎng)絡(luò)方法及最小二乘擬合法將單個(gè)傳感器的測(cè)量數(shù)據(jù)進(jìn)行校準(zhǔn)，消除傳感器測(cè)量的非線(xiàn)性誤差，同時(shí)剔除錯(cuò)誤的數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明神經(jīng)網(wǎng)絡(luò)法校準(zhǔn)的效果更好，該方法對(duì)兩種傳感器校準(zhǔn)的誤差均在±2％范圍內(nèi)。然后通過(guò)自適應(yīng)加權(quán)融合算法對(duì)多個(gè)傳感器的測(cè)量數(shù)據(jù)進(jìn)行融合，根據(jù)融合推理結(jié)果，獲得被測(cè)對(duì)象的當(dāng)前狀態(tài)，融合實(shí)驗(yàn)表明自適應(yīng)融合算法能夠達(dá)到較好的融合效果。通過(guò)兩級(jí)融合處理方

11、法不僅實(shí)現(xiàn)對(duì)單個(gè)傳感器數(shù)據(jù)的優(yōu)化校準(zhǔn)，同時(shí)也對(duì)多個(gè)傳感器數(shù)據(jù)的進(jìn)行了融合處理，提高了整個(gè)監(jiān)測(cè)系統(tǒng)的可靠性，精確性。
　　(6)根據(jù)農(nóng)田環(huán)境特點(diǎn)，完成了土壤濕度、光照度、溫、濕度四種傳感器的選型以及模塊化設(shè)計(jì)，對(duì)傳感器節(jié)點(diǎn)和網(wǎng)關(guān)節(jié)點(diǎn)及電源控制電路進(jìn)行了設(shè)計(jì)。實(shí)現(xiàn)了.NET遠(yuǎn)程監(jiān)控平臺(tái)及移動(dòng)終端的Android監(jiān)控平臺(tái)的設(shè)計(jì)。農(nóng)田環(huán)境監(jiān)測(cè)系統(tǒng)實(shí)現(xiàn)了對(duì)溫、濕度、光照度和土壤濕度及視頻信息的采集及處理，系統(tǒng)運(yùn)行穩(wěn)定、可靠，滿(mǎn)足了農(nóng)田監(jiān)測(cè)的