基于粒子群优化聚类的温室无线传感器网络节能方法

温室传感器网络中,不同区域节点间高相似度数据的传输会浪费通信带宽和增加能量消耗,因此研究相应的节点数据压缩方法对减少数据冗余和提高节点续航能力具有重要意义。该文针对温室无线传感器网络中节点感知数据的特点,同时考虑节点续航能力有限的因素,提出一种温室无线传感器网络方案,系统按轮运行,每轮中利用粒子群(Particle Swarm Optimization)的K-均值聚类算法将节点按监测数据相似性划分到相同的区域,每个数据相同区只允许聚类有效性指标值最高的节点向汇聚节点传输数据,其余节点暂时休眠。试验结果表明,16个节点在10轮试验中归入休眠集合的总次数达到131次,DCAPI平均值为0.1814,每轮降低能耗72.93%以上,该系统能够极大地减少每轮中的工作节点,压缩发送的数据量,降低能耗。     

基于无线传感器网络的无人机农田信息监测系统

移动无线传感器网络技术为农田信息监测提供了高效可行的技术手段。该研究根据南方农田地块相对分散、丘陵山地多,农情信息获取环境恶劣、采集数据时间周期长、网络分割成块的特点,利用UAV(unmanned aerial vehicle)具有的高效、灵活的特性,结合低功耗无线传感器网络,提出一种满足南方农田信息获取采样和数据业务需求的三层架构的无线传感器网络体系结构TUFSN(three-tire unmanned aerial vehicle farmland sensor network),其由数据采集层、中继传输层和移动汇聚层组成,该体系结构具有系统结构合理、可扩展性好、系统整体能耗低等特点。通过仿真可得中继节点RN（relay node）的缓存大小范围为3～13kB,系统试验中携带移动节点的UAV以1m/s的速度、15 m的高度在农田上空飞过,飞行过程中与地面中继节点通信并采集农田信息,UAV与地面中继节点的平均通信时长为26 s,仿真和试验表明,基于UAV的三层架构农田信息采集无线传感器网络很好地满足了南方地区农田信息数据采集和监控的生命周期长、传输数据可靠、覆盖面积广的要求。     

基于近邻传播算法的茶园土壤墒情传感器布局优化

针对节水灌溉的土壤墒情传感器布局问题,提出了基于近邻传播算法(affinity propagation,AP聚类算法)的优化布局策略。策略在保证茶园传感网络全覆盖的基础上,实时采集试验区各节点的土壤墒情数据,构建节点土壤含水率的相似度矩阵,并迭代计算各节点的吸引度和归属度值,得出聚类数和聚类中心。结果表明,采用AP聚类算法对试验区域传感器进行优化布局,优化了传感器数量和位置,使传感器数量由25个减少到2个。在试验区随机采集土壤相对含水率,经验证,聚类中心节点的土壤相对含水率与试验区平均值相近,相对偏差近为0.76%,表明聚类中心节点的土壤墒情数据具有代表性。该方法有效降低了数据的冗余度,节约了系统成本。     

基于无人机航向的不规则区域作业航线规划算法与验证

为尽可能地减少飞行总距离和多余覆盖面积,节省无人机的能耗和药液消耗,研究了一种基于作业方向的不规则区域作业航线规划算法。该算法根据指定的作业方向,可快速规划出较优的作业航线,也可在未指定作业方向的情况下,给出某一推荐的作业方向与航线,使整个作业过程能耗和药耗最优。仿真结果表明,在一块面积为983.125 m2的不规则凸五边形作业区域内,采用该算法进行航线规划,无人机作业的多余覆盖率最低可达到11.5%,而且作业面积越大,优化效果越明显,在同样的地块进行田间试验,得到最低多余覆盖率为2.8%,证明了该算法的可行性。该研究可为自主作业无人机的航线规划算法提供参考。     

基于UAV-WSN MAC的海水稻生长环境信息感知

针对传统无线传感网络(wireless sensor network,WSN)在数据采集和传输上能耗、传输时延和吞吐量等难以满足海水稻生长环境监测要求，该研究提出一种WSN网络介质访问层海水稻生长环境信息感知策略(medium access layer saline-alkali tolerant rice environmental data perception strategy,MAC-SREP)，主要思想是将多无人机协同搜索区域模式映射为单无人机(unmanned arial vehicle,UAV)搜索模式，在此基础上，利用簇头节点的通信距离和UAV对地面的通信覆盖半径修正Voronoi图，再利用修正Voronoi图进行分簇，优化UAV的飞行路径；然后利用MAC层机制对UAV的数据包类型进行优先级调度和时隙分配，以保证网络资源的有效分配。仿真试验结果表明，MAC-SREP在多无人机-无线传感网络(multiple UAVs-WSN,mUAVs-WSN)的网络生命周期和网络吞吐量比单无人机-无线传感网络(single UAV-WSN,sUAV-WSN)分别提高25%和15%，端...     

温室动态星型无线传感器网络通信方法研究

针对温室测控系统信息传输技术存在的一些问题,根据温室结构特征提出一种动态星型无线传感器网络的框架,从低成本低功耗角度出发,移动的汇聚节点采用定时跳频方法与子节点形成子网,以尽量缩短点对点之间的通信距离。利用帧扩展的方法实现了以低功耗芯片nRF2401A构成复杂的通信网络,并给出了传感器节点、控制节点和汇聚节点的通信算法。在汇聚节点不同的工作状态下,对网络子节点进行能耗分析,结果表明,动态星型无线传感器网络的通信方法具有很好的节能效果,对温室中数据的传输是有效的。     

基于低功耗传输方法的设施花卉环境监测系统

为了降低现有设施环境监测系统中传感节点的能耗,延长无线传感网络的生存周期,该文提出了节点动态组包主动传输和多种环境变量加权控制传输2种低功耗机制,减少了大量重复冗余数据的传输,并实现了基于Zigbee的设施花卉环境监测及其低功耗传输系统。节点以CC2430芯片为核心,并根据影响花卉生长的环境参数,同时装载SHT10温湿度传感器、BH1750FVI光照传感器以及COZIR二氧化碳传感器,因此节点可同时采集传输多种环境参数,降低了硬件成本。在南农大园艺试验基地进行组网测试,试验结果表明,系统比传统周期传输节点(周期1min)的能耗减少85.97%,测量精度在98.5%以上,网络平均丢包率为0.84%,满足了对设施花卉环境的有效监测及低功耗传输的要求。     

基于改进肖维涅算法的温室环境数据采集

农业温室采集温湿度数据时,有线网络传输数据存在布线复杂、节点移动困难等缺点,采用Zigbee无线传感器网络传输提取的数据信息可以有效解决上述问题。受电磁干扰、传输信道拥塞等不利因素影响,采用Zigbee无线传感器网络监测的数据会出现不准确的情况,所以剔除误差数据成为关键。该文在温室数据采集系统的计算机软件里加入了针对误差数据剔除的改进肖维涅算法。改进肖维涅算法将误差数据剔除掉,把准确的数据存入数据库,方便系统分析温室环境现状。该文对改进肖维涅算法系统的误差数据处理时间进行了分析,与传统肖维涅算法相比,从主机发布采集命令到显示1组数据的处理结果,改进算法节省了5 s的时间。现场试验结果表明,改进肖维涅算法对采集到的数据进行处理后,数据分布更集中,得到的温室环境数据更加准确快速。     

基于ZigBee技术的温室无线智能控制终端开发

针对温室农业控制的需要,开发了温室无线智能控制终端。该系统基于ZigBee无线网络,以Jennic公司生产的ZigBee无线微型控制器JN5139-M01模块为核心,整个无线传感器网络由无线生理生态监测节点、ZigBee温室无线智能控制终端和智能语音模块组成。无线传感器节点分布于温室的各个测量点执行各数据的采集、预处理和无线发送等工作,温室无线智能控制终端负责处理所有无线传感器节点采集的数据信息。智能语音模块能够根据采集到的信息及时提供生产指导建议。温室无线智能控制终端实现了对温室环境因子（土壤温度、叶片温度,光照、茎秆生长、土壤水分等）的数据采集和有效控制。通过试验验证,该系统运行稳定,并且操作简单,使用方便。     

用多阈值多目标无人机图像分割优化算法检测秸秆覆盖率

为了适应航拍采集秸秆覆盖图像大尺度处理需求，提高当前多阈值差分灰狼优化算法（Differential Evolution Grey Wolf Optimizer，DE-GWO）的图像分割质量和速度，提出一种用于检测秸秆覆盖率的图像分割优化算法。该研究借鉴了人工蜂群多目标灰狼优化算法（Artificial Bee Colony Survey Multi-Objective Grey Wolf Optimizer，AS-MOGWO），在DE-GWO算法中加入了多目标灰狼优化算法（Multi-Objective Grey Wolf Optimizer，MOGWO）的外部存档，引入多目标的概念，并添加了人工蜂群算法（Artificial Bee Colony，ABC）中观察蜂的搜索策略，提出了基于多阈值的多目标秸秆覆盖图像自动分割的优化算法（Differential Evolution Artificial Bee Colony Survey Multi-Objective Grey Wolf Optimization，DE-AS-MOGWO）。该算法不仅继承了DE-GWO算法的自动分割特性，还兼备AS-MOGWO算法的高效收敛性，提高了图像分割的准确性和处理速度。分析结果显示，在无外界影响的情况下，该研究提出的DE-AS-MOGWO优化算法与人工实际测量法匹配的误差可控制在8%以内。在算法性能方面，DE-AS-MOGWO相比于PSO（Particle Swarm Optimization）、GWO（Grey Wolf Optimizer）、DE-GWO和DE-MOGWO在平均匹配率上分别提高了4.967%、3.617%、2.188%和3.404%，平均误分率分别降低了0.168%、0.131%、0.089%和0.116%，而算法耗时分别降低了82%、84%、17%和32%。试验结果表明，多阈值多目标图像分割方法在大尺度无人机图像中可获得较好的分割效果，且针对不同秸秆覆盖率图像均具有普遍适用性，为大面积秸秆覆盖率检测以及其他相关图像检测提供了高效算法支持。     

基于Labview的无人机飞行状态实时监测评估系统设计

为了实现无人机飞行状态信息的自动化采集和性能评估,该文设计了基于 Labview 的无人机飞行状态实时监测评估系统,该系统利用传感器采集无人机的飞行状态信息：包括三轴姿态角、三轴角速度、三轴速度、三轴加速度、GPS经纬度及海拔高度、环境温度和气压等。无线传输模块将经过简单处理之后的信息传输至PC机,基于Labview建立的监测评估软件对这些数据进一步处理之后,实时图形化显示三轴姿态、飞行高度、二维轨迹、三维轨迹和航迹偏差;根据三轴姿态信息实时模拟无人机姿态,自动计算飞行里程,并自动保存所有数据。飞控手目视操控无人机的试验结果表明：平均航迹偏差高达5.2 m,定高飞行的平均高度偏差为0.9 m,横滚角和俯仰角波动幅度均在8°以内,整个测试过程中传感器温度下降了2℃。数据分析结果与系统输出结果一致,该系统运行稳定,输出结果可靠,能够用于实时监测、图形化显示、评估和记录无人机飞行状态信息,为无人机飞行性能的评估及飞控手的训练提供参考。     

基于移动无线传感器网络的植株图像监测系统设计与测试

针对静态无线传感器网络(static wireless sensor network,SWSN)在图像监测中功耗分布不均、传输不可靠等问题,设计了基于移动无线传感器网络(mobile wireless sensor network,MWSN)的农田植株图像监测系统。选用JN5139模块搭配摄像头采集和编码图像,利用无人机(unmanned aerial vehicle,UAV)搭载协调器收集信息。通过仿真和测试可得,节点在MWSN中的最小功耗为10μW,工作功耗为133 m W,在SWSN中为133 m W,路由节点功耗为普通节点的2倍;在10~35 m范围内,MWSN的信号强度为-68~-86 dbm,SWSN为-83~-85 dbm;在10~80 m范围内,MWSN的误码率范围是0~9.2%,SWSN是0~38.6%。试验时UAV在15 m高空悬停接收地面设备发出的图像数据,测得获取一张图片平均需135 s,图片分包平均为22次,解码后的图像可以较好的反映植株生长状态。上述结果表明,工作时间相同,MWSN中节点的功耗差异性小,呈均匀分布;在一定距离范围内,MWSN的传输能力和抗干扰能力整体上优于SWSN,能保证数据传输的可靠性,因此,基于移动无线传感器网络技术的图像监控系统能够满足大范围农田中植株图像的监测需求。     

基于农田无线传感网络的分簇路由算法

由于无线传感网络节点的能量有限,如何有效地利用有限资源以及实现数据的有效传输,成为研究热点问题.针对农田区域广以及种植作物杂等环境特征,为延长农田无线传感器网络的生命周期,提高传感网的数据包投递率,构建了适用于农田信息采集的无线传感器网络架构,提出了一种混合式的分簇路由算法HCRA(hybrid clustering routing algorithm),研究了簇的形成、簇头竞选以及簇间路由过程,并对HCRA算法与低功耗自适应集簇分层型算法LEACH(low-energy adaptive clustering hierarchy),以及使用固定簇半径的混合节能分簇算法HEED(hybrid energy-efficient distributed clustering)进行了仿真试验.结果表明:在1 000次迭代周期下,采用HCRA算法的网络生存时间要比LEACH算法长约28％,比HEED算法长约12％;采用HCRA算法的数据包投递率要比LEACH算法高约34个百分点,比HEED算法高约16个百分点.该研究可为农田环境信息采集自动化监测系统提供参考.     

基于ZigBee的节能型水产养殖环境监测系统

该文基于ZigBee无线传感器网络技术,设计了一种节能型水产养殖环境监测系统,用于实时监测水的温度、pH值、溶解氧浓度和浊度等参数。系统采用CC2530为核心处理器设计无线传感器节点;运用开源的Z-stack协议栈开发了节点应用程序,提高了系统的稳定性和可靠性;使用9 V锂电池为无线传感器节点供电,实现了系统的无线化;采用C/S和B/S混合编程模式开发了简单直观的本地用户监测界面和远程监测网站,实现了系统的本地监测和远程监测;采用分时、分区供电的方式和数据融合技术延长了节点的生存时间。该文介绍了系统软硬件设计方法,并重点阐述了软件和硬件的节能策略。实验室测试表明,采用方案4（传感器不一直工作,数据全部发送）,节点数据采集周期为10 min,节点能正常工作94 d,实际系统上线时,节点数据采集周期为30 min,节点预计能正常工作280 d左右;运用节能策略后,节点寿命延长了1倍。在甘肃省某虹鳟鱼养殖基地进行了实地测试,路由节点剩余能量约占总能量的47%,终端节点剩余能量约占总能量的33%,路由节点能量消耗较快,距离汇聚节点最近的16号路由节点的寿命预估只有134 d。结果表明该系统具有功耗低、运行稳定、网络寿命长等优点,能实现水产养殖环境的实时监测,具有很好的市场前景和推广价值。     

基于能量异构双簇头路由算法的水稻田无线传感器网络

针对无线传感器网络分簇结构中簇头节点能量消耗过快而容易死亡的问题,提出了一种适合于水稻田监测的混合天线组网通信的能量异构双簇头分簇路由算法。首先估算全网平均剩余能量确定阈值,根据阈值选择主簇头;然后依据节点向主簇头节点发送应答信号强弱的原则,确定簇成员节点;最后,按照簇内成员节点剩余能量大小,选择一个副簇头。副簇头负责收集并融合簇内其他成员节点的数据,从而减轻主簇头的能量消耗,降低主簇头的死亡概率。采用能量异构网络对本算法进行仿真,网络节点初始总能量的平均值与同构网络节点初始能量相等,结果显示,该算法异构网络相对于LEACH (low-energy adaptive clustering hierarchy) 算法同构网络的稳定周期延长了12.1%。采用无线通信模块nRF905射频芯片和TDJ-0825BKM1定向天线,在水稻田进行混合天线通信试验,测试了定向天线水平覆盖范围;在此基础上的网络模拟试验结果表明,基于该算法的通信网络稳定周期比值相比于LEACH、LEACH-E (LEACH-energy adaptive and uneven cluster)、DEEC (design of energy efficient clustering)、EADC (energy aware data-gathering cluster-heads) 4种算法分别提高了46%、47%、58%、11%。该研究可为大面积水稻田无线传感器网络组网进行环境参数实时监测提供理论参考。     

茶园信息采集无线传感器网络节点设计

针对茶园中所存在的无线通信障碍问题,该文设计了一款适合茶园信息采集的无线传感器网络节点。节点以ATmega128为核心,nRF905射频芯片及其外围电路作为无线通信模块,SHT11空气温湿度传感器和TDR-3土壤含水量传感器及其外围电路作为传感器模块,并以该节点为硬件平台编写了通信协议、应用程序和后台管理软件。分析、测试了节点的功耗和通信距离,在空旷地带,节点的有效通信距离达到150 m,与Micaz节点对比室内外通信距离分别提高了200%和150%。在广东省英德茶园基地进行了组网试验测试,结果表明：网络平均丢包率为0.84%,传感器感知精度达到98.2%,能够满足茶园信息采集的应用要求。