基于农业物联网农作物生长监测数据融合研究.docVIP

基于农业物联网农作物生长监测数据融合研究 　　摘要：针对农业无线传感器网络数据融合精度低、传感器节点能量有限的问题，结合农作物生长环境监测的特点，提出了一种适用于农作物生长监测数据融合的架构和算法。将无线传感器网络划分成多个固定层级，减少数据传输量并逐层降低误差。仿真试验结果表明，该算法融合结果比算术平均法和单一自适应加权算法更接近真实值。该算法能够减少数据传输量，且具有很好的可拓展性。 　　关键词：农?I物联网；格拉布斯准则；分层数据融合；自适应加权；数据融合 　　中图分类号： TP39302；S126文献标志码： A 　　文章编号：1002-1302（2017）21-0241-03 　　收稿日期：2016-05-23 　　基金项目：贵州省自然科学基金（编号：黔科合J字2015]2043号）；贵州省重大基础研究项目（编号：黔科合JZ字2014]2001）。 　　作者简介：黄海松（1977―），女，贵州大方人，教授，博士生导师，主要从事制造业信息化、物联网技术相关研究。E-mail：huang_h_s@126com。 　　通信作者：秦志远，硕士研究生，主要从事物联网技术、数据融合相关研究。E-mail：Zhiyuan_Qin1992@163com。 　　农业物联网有力地推动了信息化和农业现代化的融合，对精细农业的应用和发展起到了重要作用1]。农作物生长环境变化缓慢、实时性要求低，应用环境更为恶劣，因而农业物联网的应用特点和环境与工业物联网有本质区别2]，应根据农业生产环境特点应用物联网技术。农业物联网中信息传输是一个至关重要的环节，农业信息传输广泛采用无线传感器技术3]。农业物联网具有监测面积大、数据传输距离远等特点，因此信息传输要充分考虑农业物联网的特殊性。 　　相比工业物联网，农业物联网要求传感器节点拥有更长的使用寿命，但是无线传感器网络中传感器节点大都用电池供电且连续工作寿命有限。减少数据传输量和数据处理量是延长无线传感器节点寿命的有效途径。如果将不经处理的数据直接发送给上位机处理，不仅浪费能量，缩短传感网络整体寿命，而且不利于数据利用，甚至会造成网络拥塞和瘫痪。 　　1无线传感器网络数据融合技术 　　数据融合技术可以有效去除冗余信息，提高数据准确度和精度，节省传感器节点能量，达到延长网络寿命的目的4]，因此能够有效地解决以上问题。无线传感器网络数据融合技术是众多科技工作者的研究热点5-7]。刘凯等为提高多传感器检测系统预警精度，提出了在数据层、特征层、决策层分别进行数据融合的多传感器分层数据融合模型5]。王华东等提出单个传感器数据融合，再进行传感器间数据加权自适应融合的方法，但在去除粗大误差时计算方法较为复杂，且传感器间数据融合全部在同一节点完成，使该节点负担较重6]。Chen等提出了一种基于簇的数据自适应融合方法，实现数据在空间和时间上的自适应融合7]。无线传感器节点和路由器的能量有限且处理能力较弱，因而数据融合算法应当尽量简洁，易于实现8]。自适应加权数据融合算法无需传感器系统先验知识，依靠传感器采集的测量数据即可实现较高精度的融合估计9]，且计算方法简便。 　　结合上述研究及农作物生长监测的特点，本研究借鉴分簇路由协议的思想及其周期性采集数据的特点，提出一种适用于农作物生长监测的农业物联网数据融合的架构及算法。该算法虽然增加了数据融合次数，但是减少了数据传输量，在Berkeley Mote中，1 bit数据传输的能源消耗可以执行800条指令10]。 　　2农作物生长监测数据融合研究 　　农作物生长监测具有环境变化缓慢、实时性要求不高的特点。根据经验，北方温室温度每10 min变化1 ℃，且温室植物对温湿度变化敏感度不高11]，其他温室或农田环境也存在类似情况。据此本研究提出的分层自适应加权数据融合架构如图1所示，其中基站下设p个子层节点，每个子层节点下设m个普通成员节点，每个普通节点单位时间内采集k个数据。图2为本研究提出的算法流程示意图，首先对单位时间内单个传感器节点采集的数据进行最优估计，然后子层节点对该层内传感器节点估计值进行自适应加权融合，最后基站将子层节点融合值再次进行自适应加权融合，获得单位时间内的测量数据最优融合值。 　　21初始测量数据预处理 　　估计算法是建立在可靠的测量初值基础上的，在单个节点的多次测量中，不能保证每次测量值都是正确的，因而首先需要去除粗大误差。粗大误差（又称疏失误差）是指在测量过程中，偶尔产生的某些不应有的反常因素造成的测量数值超出正常测量误差范围的小概率误差。无线传感器网络进行数据采集时，受外界干扰不可避免地出现粗大误差。含有粗大误差的数据会干扰试验结果，甚至歪曲试验结论。 　　剔除测量数据中的粗大误差，可以提高数据融合的自适应速度和精