面向农业大棚的无线传感器网络数据传输研究
第1章 引 言
近年来，由于我国经济的飞速发展，工业和住宅用地急剧增加，导致可耕地面积大大减少，因此如何在有限的耕地上，借助现代农业科技手段提高农田的生产效率、经济效益与环境效益已经成为我国农业生产需要解决的首要问题[1,2]。目前，以现代信息技术与农业技术融合为特点的信息农业技术成为解决以上问题的关键支撑技术之一。其核心是利用信息技术精确、及时地获取每一小块地中土壤、环境与作物的信息，找出作物的长势和产量存在差异的原因，并提出相应的解决方法，针对性的进行灌溉、施肥、喷药等，以达到最大限度地提高土地利用效率，增加产量，减少环境污染，促进土地集约利用的目的[3,4]。如何低成本、低功耗地准确获取影响农作物生长的各种信息是信息农业有效实施的一项关键技术。精细农业的主要目标是获取影响农作物生长的各种因素，这些因素通常包括如下几个方面：作物环境的温湿度、土壤含水量和酸碱度、风速风向、植物叶片绿叶素浓度等。由于这些信息通常具有空间和时间差异性的特点，因此精细农业需要海量的数据支持，对以上信息要分类对待，精确调控，也就是“处方农作”[5,6]。基于无线传感器网络的农业大棚信息监测系统可以为农作物的精准管理提供必要的信息。
无线传感器网络（Wireless Sensor Network,WSN）通过散布在监测区域中的数量众多的传感器节点采集和处理感知对象的信息，并通过多跳的方式发送给接收端。它是集信息采集、信息传输、信息处理于一体的自组织无线通信系统[7,8]。通过传感器网络节点上内置的传感器部件，这些节点可以采集监测任务所需的物理量，诸如温度、湿度、噪声、光强度、危险化合物的浓度、含氧量、压力、移动物体的速度方向等数据，然后通过节点上的天线将采集的数据以电磁波的形式发送至目的节点。无线传感器网络是信息技术领域和物联网领域一个全新的研究分支[9]。它是一项系统性的工程，对影响其性能的关键技术，如网络协议、网络安全、能量管理、数据融合、扩展性、健壮性等的研究是该领域研究人员的重大挑战。无线传感器网络是多种现代前沿技术融合下的产物，它就像是一台制作精密的机器人，嵌入式技术作为它的身躯，传感器技术作为它的机械臂，计算机技术作为它的控制器，无线智能感知技术作为它的探测捕捉机构。而正是这些优势技术的快速普及与应用，使得无线传感器网络发展迅猛，受到各国政府的重视。世界各大知名科技机构和媒体，如美国商业周刊和 TNW 等都将无线传感器网络评为21 世纪三大高科技产业之一[10]。
近年来，无线传感器网络技术随着其涉及到的相关技术的快速发展而逐渐兴起，其应用范围也越来越广，最开始应用于军事领域，而现在工业、医疗、环境和农业等领域无线传感器网络全都有较深地涉及。世界各国看到无线传感器网络先进的技术和广泛的应用前景而在全世界范围内掀起了研究热潮。国外很早就开始了无线传感器网络的研究，美国加州大学洛杉矶分校是最早开展无线传感器网络研究的美国高校，早在 1994 年的“LWIM(Low Power Wireless IntegratedMicrosensors)”研究计划中，他们就评估无线传感器网络具有不可估量的应用价值和良好的发展前景。在 2003 年，美国自然科学基金委员会也不甘落后，先后投资了 3000 多万美元来支持无线传感器网络相关理论基础的研究。与此同时，美国很多著名高校，例如麻省理工学院、加州大学伯克利分校、普林斯顿大学、康奈尔大学等大学在无线传感器网络的相关研究中也取得了较大进展。同时，一些国际知名公司和企业也对无线传感器网络进行了研究，比如 NI 公司专门设立了智能家居事业部，开展无线传感器网络应用于智能家居上的研究；于 2001 年 8 月成立的 ZigBee 联盟制定和设计了基于 IEEE 802.15.4 通信协议的无线传感器网络网络层的协议规范，即推出了 ZigBee 协议规范；国际著名的芯片制造商 TI 推出了基于 IEEE 802.15.4 协议的 ZigBee 协议栈——Zstack 协议栈，该协议栈由于其易于开发、硬件支持率高的特性成为最成功、应用最广泛的 WSN 协议栈；Chipcon 公司也推出了 CC2430 和 CC2530 等无线收发芯片，在 WSN 硬件市场具有极高的市场占有率。
东北大学的朱剑等人以 MiacZ 传感器节点为实验平台，选择链路质量指示（Link Quality Indicate,LQI）作为链路质量量度，提出了一个基于高斯正态分布的链路评估模型，该评估模型能够通过接收节点的 LQI 值，推断出收发节点间的链路质量状况；而东北大学的孙佩刚等人在朱剑等人的基础上，提出以均值 RSSI（Received Signal Strength Indicator）和均值 LQI 作为链路质量量度，以 CC2420无线传感器节点为实验平台，以对数正态阴影路径损耗模型为基础结合接收机误码率（bit error ration,BER）公式，推导出包接收率与通信距离的关系，并通过进行现场采样和数据分析，验证了模型并修正了模型的某些参数；最后，东北大学的朱思远等人在孙佩刚的基础上，提出了一种基于混合路由量度 IETX 的路由协议，实现对链路状况的动态监测，从而动态地选择最佳路由路径[14,15,16]。南昌航空大学的段磊等人将链路分为稳定链路和非稳定链路，结合 RSSI 值，提出了一种自适应链路质量评估机制（Adaptive Link Quality Estimation,ALQE），ALQE 采用指数加权移动平均（Exponentially Weighted Moving Average,EWMA）评估器作为基本评估框架，针对不同类型的链路采用不同的权值，来适应链路状态的变化，提高评估性能[17,18]。吉林大学的马见雄等人以 MicaZ 节点为实验平台，提出了基于指数加权移动平均（EWMA）算法的链路质量评估器，并通过一系列开发软件实现了这一评估器，设计出了可视化系统，最后通过这一软件系统验证了上述算法[19]。湖南师范大学的张凯等人提出了一种基于最优邻居节点的可变功率控制算法（The variable power control algorithm,VPCA），通过算法描述及实验仿真，验证了 VPCA 算法的可行性和自适应性，并且将 ADOV-VPCA 算法与 AODV-fixed算法比较，证明 VPCA 算法能简化网络拓扑结构，较好地改善无线传感器网络链路质量状况，提高无线传感器网络链路稳定性。
第2章 基于 ZigBee 的农业大棚监测系统的构建
2.1.1 无线传感器网络体系结构
典型的无线传感器网络系统由传感器节点（Sensor Node）、汇聚节点（SinkNode）、基础设施网络（Internet 或卫星）以及用户管理节点（Manage Node）4个部分组成。其中，传感器节点感知监测区域内监测对象的物理信息，，随后将采集到的数据通过中继节点多跳传输到汇聚节点，再通过汇聚节点传输到管理节点；当汇聚节点离管理节点距离较远时，采集的数据可通过互联网、卫星或移动通信网络等途径传输到网络云服务端，终端用户可通过固定客户端或者移动客户端访问云端服务器，获取感知信息[21]。典型的无线传感器网络系统如图 2.1 所示。
ZigBee 协议栈中规定了三种设备：协调器（Coordinator）、路由器（Router）和终端设备（Enddevice）。协调器负责建立网络和设置网络参数，故每个 ZigBee网络中都必须存在一台协调器；路由器是中继器，提供路由功能，作为连接远程设备之间的桥梁来进行通信，起到拓展网络通信范围的作用，同时路由器本身也要参与到感知任务中来；终端设备的功能较为单一，只能选择加入协调器组建的网络中，可以收发数据，但不能转发来自其他节点的数据，不具备路由功能。根据三种不同设备，ZigBee 协议栈中主要定义了三种组网方式：星状网、树状网和网状网，其结构如图 2.3 所示[23]。
如图 2.3 所示，星状网是一个节点作为中心节点，其它节点直接与中心节点相连构成的网络，整个网络由中心节点统一管理，各节点发送的数据都要通过中心节点转发至目的节点，因此中心节点一旦死亡，整个网络即陷于瘫痪；树状网也叫多星级网络，是由多个层次的星形结构纵向连接而成，与星形网络相比，树形网络中节点传输距离长，节点易于扩充，但是网络健壮性较差，对路由节点的依赖很大；网状网中所有节点都可作为路由器而互相通信，网络健壮性很强，传输距离比星形网和树状网远得多，但网络功耗最高，因为节点必须监听全网状态。ZigBee 技术具有数据传输速率低、功耗低、时延短、网络容量大、可靠度高、保密性好和成本低等特点。其与市场上的各种近距离无线通信技术的比较如表 2.1所示[24,25]。
目前，无线传感器网络在农业领域的应用研究主要集中在对田间作物生长参数或农业大棚环境因子的监测，其目前的研究热点是如何将相关技术成功、高效地应用于实际环境中。虽然近几年来一些高科技公司、科研组织和高校针对上述情况已经取得了一些突破，有了几个成功的应用例子，但是无线传感器网络在农业监测方面的推广和应用还不广泛，主要原因是农作物的生长环境复杂多变，不同的环境因子对无线信号传播的稳定性和可靠性的影响程度不同。农业大棚监测系统需要将大棚内植株的生长参数实时准确地传输至监测平台，因此农业大棚监测系统总体框架的优劣是能否实现实时监测的关键[27,28]。农业大棚监测系统总体框架设计为进一步的路由协议设计奠定了必不可好的环境基础。
2.2.1 农业大棚监测系统的设计准则
农业大棚监测传感器网络包含了植株生长参数的采集、数据融合、数据传输和监控平台数据处理四个部分。因此，根据上述四个部分各自的应用特点和技术要求，在整个系统设计中应该考虑以下几条设计准则：
（1）时间连续性准则
农业大棚中植株的生长需要较长的生理周期，而植株生长过程中环境出现异常、自身发生病变的时间是随机的，因此传感器节点必须长时间的保持连续监测状态，网络的生存周期就是必须考虑的问题之一。
（2）可靠性准则
由于农业大棚环境复杂多变，植株、地貌和节点部署等环境因子都会对监测数据的传输产生干扰，因此，部署的无线传感器网络监测系统必须保证传输数据的准确性和实时性，避免因监测数据缺损而引起监测人员的误判和漏判。
（3）网络健壮性准则
传感器节点连续不停的采集植株生长的相关数据，同时，某些传感器节点在网络中担任路由器角色，不仅要传输自身采集的数据，又要转发其他节点的监测数据，节点能量势必会快速耗尽直至死亡，而无线传感器网络由于时间持续性准则不能陷入瘫痪，因此，需要有冗余的传感器节点作为备用节点加入网络，网络的健壮性要强。
（4）硬件健壮性准则
根据植株的生长情况，植株的人工给养或者自动给养需要时常进行，节点势必会沾上营养液，因此传感器节点的防水性能和密封必须良好，否则会引起节点电路短路而烧毁节点。设计节点硬件时需要遵循硬件健壮性准则。
3.1 信道模型的建立............................................... 19
3.1.1 理论模型的选择......................................... 19
第 4 章 基于蚁群算法的改进 CTP 路由协议设计........................ 31
4.1 QOS 技术概述 .............................................. 31
4.1.1 QoS 技术的概念 ......................................... 32
4.1.2 QoS 度量参数的选择策略 ........................... 32
4.2 ACA-CTP 路由协议中的蚁群算法控制机制 ................... 33
第 5 章 总结与展望 ............................................. 50
5.1 总结..................................................... 50
5.2 展望................................................... 51
第4章 基于蚁群算法的改进 CTP 路由协议设计
农业大棚实验现场网络实际拓扑如图 3.12 所示，图中 24 号、8 号和 9 号节点的负载很大，能量都很快耗尽，网络生存周期较短，数据包延迟、丢包和误码现象经常发生。因此，本文提出了一种结合改进蚁群算法和 CTP 路由协议的新的路由 算 法 — — 蚁 群 汇 聚 树 算 法 （ Ant Colony Algorithm Collection TreeProtocol,ACA-CTP），并在 TinyOS 系统中运用 NesC 语言实现了该算法。算法在原有 CTP 路由协议的基础上，将蚁群算法的控制机制加入到 CTP 路由协议中，通过调整信息素浓度、节点间链路质量和数据包时间延迟三者之间的关系来指引路由包进行路径搜索，算法的自适应性好，全局搜索能力和快速收敛性两者之间较为均衡，较好的平衡了网络负载，提高了数据包的传输质量。最后通过 TOSSIM 仿真比较了 CTP 路由协议、AODV 路由协议和 ACA-CTP 路由协议的性能。
提高农业大棚无线传感器网络监测系统的整体性能，实现监测数据实时准确地传输至监控平台这一目标的关键正是路由协议的设计，而 ZigBee 协议栈中的AODV 路由协议并不能满足这一要求，因此，设计一种基于 QoS 度量的路由协议是亟待解决的重点问题。
第5章 总结与展望
本文主要研究农业大棚无线传感器网络监测系统的数据传输。分析了当前国内外无线传感器网络的研究现状和在农业上的应用现状，确定了本文的主要研究目标和内容。论文的主要工作和取得的成果如下：
（1）在分析无线传感器网络体系结构和 ZigBee 协议栈架构的基础上，确定了采用 ZigBee 协议搭建农业大棚监测系统的无线传感器网络架构。明确了农业大棚无线传感器网络的研究内容及其目标。
（2）研究了不同环境下无线信道的传播特性。针对农业大棚监测系统实际性能的需要，开发了基于无线传感器网络的数据采集传输实验平台，并先后在楼道走廊和某农科院农业大棚进行了实地测试。通过分析和处理监测数据，分别建立起了基于对数距离路径损耗模型的楼到走廊无线信号衰减模型和基于对数正态阴影路径损耗模型的农业大棚无线信号衰减模型。同时，为了探寻两种环境下数据的传输质量，分别对两个网络中节点的收包率进行了研究，建立起了楼道走廊环境下链路质量指示值 LQI 和收包率 Prr 的关系模型，该模型只需知道两节点间的LQI 值就可以预测节点间链路质量，而农业大棚中节点间链路质量普遍很高，不需多做研究。通过对两种环境下实验现场的现象和无线信道传播模型的综合分析，发现无线传感器网络监测系统面临着能耗高、传输时延大、网络生存周期短，数据传输质量和网络整体性能不能兼得的困境。
（3）在分析 QoS 技术的基础上，选定了新的 QoS 路由协议的优化参数：链路质量、传输时延和节点负载。列举了 QoS 路由度量参数的选择策略，根据这些策略以上述三个 QoS 路由约束为基础构建了新的复合 QoS 路由参数，作为满足监测任务需求、提高网络性能的 QoS 路由协议的 QoS 度量参数。最后，通过对比几种经典 QoS 路由协议的特性和优缺点，结合监测系统所需 QoS 路由协议的要求，选取 CTP 路由协议作为新协议的实现基础。
（4）在 CTP 路由协议的基础之上，结合蚁群算法，提出了一个新的 QoS 路由协议——蚁群汇聚树路由协议 ACA-CTP。通过对蚁群算法路径选择概率函数的更改，将信息素浓度、链路质量和传输时延加入到新的路径转移函数中，使得新的蚁群算法拥有较强的全局路径搜索能力，较快的算法收敛速度，能够快速找到一条符合三个 QoS 路由约束的最优数据传输路径。在验证改进蚁群算法的可行性后，将该算法的控制机制加入到 CTP 路由协议中，在 TinyOS 操作系统中利用 nesC 语言实现 ACA-CTP 路由协议。通过 TOSSIM 仿真，发现 ACA-CTP 路由协议能够寻找到最优传输路径，并对比 AODV、CTP 和 ACA-CTP 路由协议的性能，结果表明 ACA-CTP路由协议能够提高节点间链路质量、减小数据传输时延、均衡网络中节点负载。
参考文献（略）
本文编号：35062
本文链接：https://www.wllwen.com/wenshubaike/lwfw/35062.html
