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。     

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。     

温室环境控制无线传感器网络的服务质量管理

针对基于无线传感器网络构建的温室环境控制系统,为了减少无线网络固有的时变传输延时、丢包、网络拥塞等现象对控制性能的影响,该文从提高网络服务质量（quality of service,QoS）的角度出发,提出一种基于Takagi-Sugeno模糊控制器的QoS管理策略。该QoS管理策略以截止期错失率作为QoS性能评价指标,针对传感器节点和执行器节点之间的数据传输,通过动态调整传感器节点的采样周期,使截止期错失率维持在设定水平,从而提高网络QoS。初步试验表明了该QoS管理策略的合理性、有效性和实用性。该QoS管理策略可以广泛应用于温室、农田、苗圃等区域。该研究为提高无线传感器网络在设施农业中的应用水平做出了有益探索。     

基于ZigBee网络的温室环境远程监控系统设计与应用

针对温室环境数据信息监控特点,本文进行了基于ZigBee协议的传感器节点技术的开发,并在此基础上组成现场监控无线传感器网络,通过网络汇聚节点与无线移动网络（GPRS/CDMA）和INTERNET的无缝连接,实现数据远程传输至指定数据库服务器。无线传感器网络组建采用星型拓扑结构,通过软件设置在需求时唤醒ZigBee网络节点,使监控设备具有组网灵活、拆移便捷等优点。通过在实际生产过程中应用表明,该系统工作性能稳定,在数据采集和传输等方面均达到了设计要求,尤其是有效简化了现场设备安装与拆移等过程,使之更适合各类农业现场数据监控的需要。     

温室环境参数无线传感器网络监测系统构建与CC2530传输特性分析

针对传统温室环境监测系统布线繁杂、成本较高、监测灵活性差及以往无线传感器网络（wireless sensor network, WSN）能耗较高等问题,设计了一种基于WSN的温室环境参数监测系统。利用CC2530无线传感网络芯片和外围接口搭建了系统硬件,使用Z-Stack协议栈编制了系统底层软件,基于VB软件平台开发了的温室环境监测系统上位机软件,并验证分析了CC2530芯片的传输特性。结果表明,节点在距地表1.5 m时的有效传输距离为60 m,单个节点使用2节5号电池能够持续进行温室环境参数数据采集工作45 d,能较为准确的对温室环境温湿度及作物土壤体积含水率进行监测,系统具有较高的实用性与可靠性。     

基于6LoWPAN无线传感器网络的农业环境实时监控系统

针对现有农业环境监控系统的不足,提出了一种基于6LoWPAN无线传感器网络的农业环境实时监控系统,该系统采用6LoWPAN构架实现互联网与无线传感器网络之间的点到点通信,无需特定的网关进行协议转换或者协议承载,从而实现了对农业环境的实时监测和控制,降低了能耗,缩短了延迟时间。该文从硬件结构、软件结构及节能等方面对此系统进行了详细阐述和分析,试验结果表明该系统的实用性和高效性,可应用于温室、农田、苗圃等区域。     

基于深度强化学习的农田节点数据无人机采集方法

利用无人机采集农田传感器节点数据,可避免网络节点间多次转发数据造成节点电量耗尽,近网关节点过早死亡及网络生命周期缩短等问题。由于相邻传感器数据可能存在冗余、无人机可同时覆盖多个节点进行采集等特点,该研究针对冗余覆盖下部分节点数据采集和全节点数据采集,对无人机数据采集的路线及方案进行优化,以减轻无人机能耗,缩短任务完成时间。在冗余覆盖下部分节点数据采集场景中,通过竞争双重深度Q网络算法（Dueling Double Deep Q Network,DDDQN）优化无人机节点选择及采集顺序,使采集的数据满足覆盖率要求的同时无人机能效最优。仿真结果表明,该算法在满足相同感知覆盖率要求下,较深度Q网络（Deep Q Network,DQN）算法的飞行距离缩短了1.21 km,能耗减少27.9%。在全节点数据采集场景中,采用两级深度强化学习联合（Double Deep Reinforcement Learning,DDRL）方法对无人机的悬停位置和顺序进行优化,使无人机完成数据采集任务时的总能耗最小。仿真结果表明,单节点数据量在160kB以下时,在不同节点个数及无人机飞行速度下,该方法比经典基于粒子群优化的旅行商问题（Particle Swarm Optimization-Traveling Salesman Problem,PSO-TSP）算法和最小化能量飞行控制（Minimized Energy Flight Control,MEFC）算法的总能耗最少节约6.3%。田间试验结果表明,相比PSO-TSP算法,基于DDRL的数据采集方法的无人机总能耗降低11.5%。研究结构可为无人机大田无线传感器节点数据采集提供参考。     

基于作物水分胁迫声发射技术的无线传感器网络精量灌溉系统的初步研究

为实现准确判断作物水分亏缺程度,为精量灌溉提供科学依据,该文基于作物水分胁迫声发射技术,研发了无线传感器网络节点,并设计了无线传感器网络精量灌溉系统.该系统可以使人们随时随地精确获取作物需水信息,并实现精量灌溉.该系统具有功耗低、成本低廉、鲁棒性好、扩展灵活等优点.初步试验表明了该系统的合理性与实用性.可以应用于温室、农田、苗圃等区域.该研究为无线传感器网络在节水农业中的应用做出了探索.     

基于相似度的温室无线传感器网络定位算法

针对温室移动节点定位简单、易实现要求,提出了一种基于相似度的温室无线传感器网络定位方法。该方法主要包括虚拟网格划分、测量距离修正、节点定位3个阶段。首先,汇聚节点根据信标节点的分布信息,将温室区域等分划分虚拟网格,并返回除区域边界外的网格顶点的坐标;然后,汇聚节点通过比较信标节点间测量距离与真实距离的偏差,获得各信标节点的误差系数,用以修正传感器节点与各信标节点间的测量距离,并按序组成距离向量;最后,量化该距离向量与所有除区域边界外的网格顶点到各信标节点的距离向量之间的相似程度,选取相似度最高的网格顶点的质心为传感器节点的估计位置。仿真试验表明,该方法充分考虑测距误差、虚拟网格、信标节点数量对定位误差的影响,具有较高的稳定性和定位精度,能够满足网络定位成本受限的温室定位需求;将该方法与支持向量机定位算法进行比较,2种算法的定位误差均值分别为2.5407、2.9195 m,定位算法平均运行时间分别为0.2326、2.3719 s,表明该方法具有更低定位误差和计算复杂度。     

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.     

水产养殖参数无线测量网络的长生命周期研究

在水产养殖参数的无线测控网络中,测量节点能耗不均匀,个别节点由于能耗大过早失效,降低了网络的有效生命周期。该文对采用平面路由协议和低能量自适应分群分层路由协议(LEACH)的测控网络进行对比试验,发现采用LEACH协议网络的有效生命周期延长19%以上。在LEACH协议的水质参数测量网络中存在2个缺陷:一方面无线测控网络中每个簇的簇首功耗远远大于普通节点,LEACH协议通过等概率随机选择簇首部分改善了节点能耗的均衡性,但水产养殖参数监控中每个簇首功耗不同,为此在LEACH优化协议中依据节点剩余能量的多少选择簇首,使节点的剩余能量更趋均衡;另一方面水产养殖池中距离基站较远的节点容易提前失效,主要是因为监控面积大,簇首节点与基站采用单跳通信,远距离节点被选为簇首后向基站发送数据通信距离远,路径损耗采用多路径衰落信道模型,衰减指数为4。在优化协议中,对远距离簇首与基站通信采用双跳通信,使路径损耗采用自由空间信道模型,衰减指数为2。试验表明,无线传感网络有效生命周期延长了8%,各节点失效时间更趋接近。     

基于遗传BP算法的温室无线传感器网络定位方法

针对温室移动节点定位的需求,提出了一种基于遗传BP算法的温室无线传感器网络定位方法。该方法主要包括路径损耗指数确定、定位模型训练、未知节点定位3个阶段。首先,锚节点间相互通信,通过高斯校正模型增强定位信息的准确性后,利用最小均方误差估计法确定路径损耗参数;然后,应用遗传BP算法建立未知节点坐标和未知节点至锚节点的距离向量之间的映射关系模型;最后将未知节点接收各锚节点的RSSI值转换为距离向量,输入定位模型中,估算未知节点的位置。试验表明,该方法充分考虑环境对信号传输模型的影响,定位误差≤2m的比例达24%,定位误差≤3.5m的比例达86%,相对定位误差低于4.8%,具有较高的稳定性和定位精度,能够满足实际温室环境的定位需求。     

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。     

面向大面积渔业环境监测的长距离低功耗LoRa传感器网络

该文针对近海渔业和大面积水产养殖环境监测应用周期长,覆盖面积大等特点,设计了基于LoRa技术的长距离低功耗无线传感网络系统。该系统设计了低成本的双信道LoRa网关,并在此基础之上提出了一种新颖的速率自适应的双信道同步调度无线通信策略。该策略充分利用LoRa技术多扩频因子多数据率的特点,对网关不同距离范围内的终端节点自动分配不同的扩频因子以确保网络连通性,并通过MAC层同步调度,在保证监测网络大面积覆盖的同时,大大降低了无线信道碰撞的概率,提高了异常数据上传的实时性和终端节点的平均网络寿命。通过仿真和现场试验验证了本方案的有效性,系统可有效覆盖半径3 km的监测区域,100个终端节点的网络规模;对于视距通信,该策略的投递率从单一扩频因子的0.8提升到0.99,对于数据上传周期为10 s的快速通信,投递率从单一扩频因子的0.4提升到0.95以上;如采用3 600 mA·h锂电池,数据上传周期为10 min,终端节点寿命可达1 a。