文摘

无线传感器网络(WSN)技术的应用促进了林业现代化。传感器网络应用技术在森林地区是一个重要的研究课题在中国林业的可持续发展,也是一个研究热点目前林业生态监测。无线传感器网络的应用在森林地区,首先,解决了有限的能源供应和低延迟的问题在森林环境中数据传输。由于大面积的森林环境和树密度不均匀,在森林动态变化高度,容易阻塞信号,和其他特征,森林环境容易节点能量消耗快,网络生命周期短,数据传输延迟大的困境。其次,无线传感器网络的应用通常是集中在最大数据采集,但是数据采集率高和有限的能源供应之间的矛盾是不可避免的,因此有必要构建一个最大数据采集速率模型与有限的能源供应作为一个约束,保证最优为无线传感器网络采集条件。本文从无线传感器网络技术的应用在森林环境中,无线传感器网络的应用研究在分析林业进行能源self-collection永久传感器节点的功能,传感器节点传输路由策略,数据收集、融合、和模糊推理决策火险预警过程中,对整个问题提供一个解决方案基于可充电的无线传感器网络的森林火灾预警。在本文中,我们分析的动态补充能量充电的无线传感器网络,提出一个能源传输控制协议,有效地提高数据传输效率。可充电的无线传感器网络,网络E2E(端到端)的平均延迟时间计算基于节点数据传输链路的数量。本文的研究思想开始从无线传感器网络的应用技术在森林环境中,和能源self-collection永久的设计功能的传感器节点,传感器节点传输路由策略,数据收集、融合和模糊推理决策火险预警过程实现垂直。

1。介绍

林业发展正在从传统林业向现代林业和林业改革的继续深化林业资源的催化剂,以确保持续增长,林业工人的收入增加,林业及相关行业的持续繁荣1]。在这个阶段,中国林业现代化改革的主要目标是确保充分和合理利用森林资源,提高林业产业投入的边际收益同时确保林业生态文明的建设2]。无线传感器网络(网络)林业产业广泛普及,无线传感器网络的形成在林业行业的实际应用3]。无线传感器网络使用各种传感器、射频识别、视觉采集终端,和其他传感设备仪器,广泛用于林业加工、操作、管理和服务,尽可能地获得现场环境信息领域的森林种植树木生长,和森林火险预警4]。使用无线传感器网络建立数据传输通道实现林业信息的可靠传输,最终实现统一收集和决策(5]。无线传感器网络的出现不仅吸引了行业的极大的兴趣和研究人员还从林业领域6]。无线传感器网络是一个网络由一个或多个无线传感器节点的集合(WSN)和一个或多个聚合节点或水槽节点通过无线网络(SN)由自己(7]。

无线传感器网络不需要固定的网络基础设施的支持,可以迅速部署,阻力损失的特点,能源供给约束和动态拓扑结构(8]。节点可以通过嵌入式系统收集环境数据进行预处理,预处理数据发送到基站通过随机自组装无线通信网络,最后提出通过有线网络管理节点或4 g / 5 g网络。无线传感器网络是信息感知和采集的革命在林业领域能够取代人们在无与伦比的危险和艰苦的工作场景9]。目前,无线传感器网络技术是集成多学科交叉前沿热点研究领域,高度重视的工业、军事、和研究机构(10]。当前的无线传感器网络技术广泛应用于各个领域,如军事、交通、医学、环境和灾后收集和计算的关键技术之一是无处不在。从一些角度考虑,许多专家和学者认为,无线传感器网络技术的出现是与互联网的划时代的意义。商业周刊评为无线传感器网络技术作为21世纪最有影响力的改变世界的技术,它被认为是世界上最热的三个高科技产业目前仿生人类学和塑料电子产品(11]。随着无线传感器网络技术的发展,许多国家和研究机构有技术投入极大的热情12]。美国科技有关部门于2003年开始逐步开发一些项目对无线传感器网络的发展和提供高达3400万美元的投资,帮助相关机构进行研究的主要理论和实践应用无线传感器网络(13]。在美国许多大学也对无线传感器网络技术进行了研究,尤其是英特尔公司和加州大学伯克利分校共同创建智能尘埃网络实验室,这个实验室的建立的主要目的是美国军方开发智能设备能够实现通信的收集和传感芯片1立方毫米大小的14]。

在这篇文章中,我们首先分析能源转化率在无线传感器网络中基于能量补给在森林环境中,然后研究网络延时和数据收集率问题基于能量转化率的特点,并使用网络延迟模型基于传输能量控制减少网络数据传输的延迟,提高节点的利用率。而言,提高数据采集速度,能量转化率的关系,网络能量消耗和网络数据流进行了分析,建立了基于优化技术的线性规划模型,和数据收集率问题是研究在采用数据融合策略。最后,一个链接模型与低延迟数据传输和数据收集率高的网络节点研究,和森林火险预警监测系统基于无线传感器网络的建立。如果网络延迟远远大于平均延迟时间在数据传输期间,它表明,仍有许多房间减少网络延迟,和传输控制模型可以用来降低数据传输延迟。本文的研究思想开始从无线传感器网络的应用技术在森林环境中,和能源self-collection永久的设计功能的传感器节点,传感器节点传输路由策略,数据收集、融合、和模糊推理决策火险预警过程实现垂直,以森林火灾预警问题提供一个解决方案的energy-supplemented无线传感器网络。

2。相关工作

无线传感器网络还可以监视在森林地区滑坡的灾害情况,实现高效的预警(15]。森林环境资源的收集和分析通过无线传感器网络技术,从本质上讲,所有关于收集监测数据,分析他们完成某些管理功能(16]。首先,森林面积的空气中主要信息收集利用无线传感器网络技术获取特定信息在湿度、光强度、等;此外,森林面积的土壤参数可以动态地监控,而风向、风速、大气压力可以动态地监控使用气象采集节点;第二,射频识别技术用于动态定位对象在林业资源,从而使监控物品的运输和起源的17]。因此,实现源管理监控和跟踪木材物流的需求,提高了木材流通管理(18]。考虑到节点的有限和时变性质能源收购,节点工作时间分为多个时间片组成的一个工作时间表和共享到邻近的节点。工作计划机制的使用降低了节点的能量消耗的邻居发现和提高了传输效率。

应用层的实现不仅需要满足用户的重要需求,还他们的一般需求,能够为他们提供动态信息和监控,并提供反馈系统的主要功能(19]。实现与服务器的连接的网络,以确保整个系统信息资源的集成和有效的远程信息的交换。监控中心服务器可以完成智能处理通过相应的数据管理系统,包括数据转换和识别,然后完成有效的分析,并完成数据的共享。通过创建和改进GIS支持系统、网络信息可以有效地管理和相应的支持20.]。一般来说,应用程序层的主要功能是智能监控和处理相应的森林环境因素,从而完成动态预警和监督功能。森林环境的应用程序层实现有效的监测,可以存储和转发数据收集的传感层通过移动通信网络和计算森林环境信息并与之交互的中央服务器,以确保远程监控森林环境信息(21]。偏远地区的无线传感器网络节点是由电池提供动力。为了有效地节省电力传输信息的过程中,收集节点的电池寿命需要监控,并收集节点的电池能量需要有效地控制,频率和时间间隔的数据收集和收集节点的传播也需要被监控。为了实现有效的节能,有必要监控数据发送时间和调整节点睡眠状态后立即发送的数据。如果系统处于预警状态,此时,系统主要实现实时监控。当没有火灾危险警告,收集节点不需要传输动态数据经常为了减少节点能量消耗,从而实现节能。

3所示。景观生态系统数据传输模型

3.1。低延迟传输的数据为生态规划的物种

后在森林环境中部署的无线传感节点,数据收集的频率通常保持一个较低的水平。通常,数据收集和传输时间限制的要求并不严格,和数据发送到远程服务器数据收集后,远程服务器和数据分析,和数据的及时性的需求不高。然而,在一些紧急情况下,它是至关重要的实现低延迟数据传输;例如,在森林火灾监测,当节点检测到火灾危险,需要将数据发送到远程终端在第一时间及时通知信息管理人员,管理人员或者森林消防队员使森林消防安排根据获得的信息,所以数据传输时间的要求是严格的。数据传输延迟问题是无线传感器网络面临的基本问题;无线传感器网络作为计算机网络或无线通信网络,在最初的路由协议的研究中,利用无线网络和计算机网络常用的载波监听多路访问(CSMA)机制。CSMA分布式介质访问控制协议在网络中的每个站(节点)都能独立地决定数据帧的传输和接收。在每个车站发送数据帧之前,首先听承运人和允许发送帧只有当介质是免费的。很明显,CSMA机制是为了避免数据传输冲突,和应用程序的方法是简单而有效的,普遍提升,在图所示的原则1。

S-MAC机制使用周期听和睡觉,网络中的所有节点同步使用相同的睡眠和醒来的方法,和所有节点使用相同的责任周期,使用同步帧发送机制,确保所有节点和睡眠在同一时间醒来,听只有当所有节点唤醒状态来决定是否发送或接收数据。当所有节点都睡着了,RF收发器自动关闭以节约能源。使用原始TinyOS协议由加州大学伯克利分校MICAz节点S-MAC协议,和TinyOS使用BOX-MAC协议的最新版本。S-MAC机制与CSMA机制相比,我们可以看到,在S-MAC机制,活跃节点只需要一半的时间,所以S-MAC机制比CSMA多50%的节能机制。然而,在S-MAC机制,很明显,数据传输延迟比CSMA更严重,因为节点必须等待邻近节点在数据传输前的工作状态。自从S-MAC机制,提出了专家、学者提出了大量的节能和减少数据传输延迟算法,但总的来说,节能和减少数据传输延迟去两个对立;如果我们想要尽可能减少能源消耗,我们必须牺牲数据传输延迟,如果我们想要减少数据传输延迟,我们必须增加能耗。之间找到一个平衡点需要节能和减少数据传输延迟、设计和不同的路由协议需要根据实际应用的需要。

S-MAC协议的基础上,研究者提出B-MAC,麦迪(Timeout-Media访问控制),Z-MAC, X-MAC WiseMAC协议等,低功耗通信协议实现B-MAC依靠扩大试点和低功耗听(LPL)技术和使用空闲信道评估通道裁定。一个节点使用B-MAC协议发送数据之前需要发送一个序言序列。为了避免零传输数据包,这导致序列的长度需要大于接收者的休息时间。如果接收方节点醒来,听序言,它仍然是在工作状态,直到接收到数据或通道变为空闲时。X-MAC协议减少了序言的长度通过引入握手机制,从而进一步地降低了能源开销减少序言的长度,从而避免过度序言发送节点和接收节点中过多的听。这些协议考虑能源消耗和协调等方面利用之间的数据传输延迟和常用在最初的无线传感器网络的路由算法。

3.2。网络低延迟模型

在能源供应方面的无线传感器网络,考虑到有限和时变能量采集的节点,节点工作时间分为多个时间片组成的一个工作时间表,工作进度和节点相邻节点共享。节点的时间片分为两个时间片,工作和休眠和节点只能接收信息的工作状态和关闭接收转置的休眠状态,以减少网络的能量消耗,如图2。节点使用工作调度机制的好处是,一方面,减少节点的能量消耗为邻居发现,另一方面,节点必须被动地实现一个动态的工作/睡觉调整机制由于不稳定的能量补给的节点。

提出了低延迟能源传输控制算法的仿真实现NS-2环境,300年普通节点和2 - 5基站节点是随机生成的,所有节点随机分布在一个平坦的区域,面积 ,的最大节点传输半径 ,所有节点的传输功率可调,和任意两个节点可以直接相互通信在传输距离。

假设节点的时间片是 ,然后阶段 ,时间片是 ,然后为邻近的节点 ,节点之间的数据通信延迟和 是 在哪里表示时刻的节点从其邻居节点接收数据在时间片 。当节点的邻居节点 是在时间片醒来,节点立即将数据发送给它,数据延迟 。最小的节点之间的数据延迟和节点 发生时间延迟,节点吗当节点发送的数据缓存 第一次醒来。

网络中的数据通过多跳传输,最终到达目标节点。在网络传播,E2E延迟可以计算

传输控制模型是基于节点工作计划机制来控制传输节点通信半径,减少数据传输延迟,和沟通可以跨越最近的邻居节点单跳传输转换为传输节点直接与另一个节点之间的多次反射。考虑节点能量的时变和不确定收购,当节点能量变化时,特别是当节点获得的能量在一定时间内显著增加,为了提高节点的能量利用率,这个节点可以调整节点的传输距离在任何时候根据其能量变化不改变工作时间片的数量安排工作,确保稳定的工作时间表。

假设有节点分布在一条直线,有边从源节点到目标基站节点,在那里 表示发送数据的节点的传输延迟到节点在远处的啤酒花。假设一个时间片的节点和节点是 ,分别。当节点和节点 直接通信,传输延迟 。

工作时间切片机制只要求的时间节点设置为接收数据;即。,it can receive information from neighboring nodes only when it is working, but the node can send data at any time, which requires the node to have the basic energy storage requirement to realize that the node can finish sending data at least once while waiting for the node to reach the position of the time slice divided for data reception.

假设的长度是节点的循环周期时间片,根据分析,从节点的数据传输延迟到节点 没有传输控制模型

如果该节点的节点序列之间的关系 满足 ,从节点的数据传输延迟到节点 当传输控制模型

当4个节点的顺序依次满足要求,可以减少数据传输延迟2倍的时间片循环周期当一个节点的节点可以直接沟通3跳走了。因此,如果该节点和随后的节点形成一个序列的序列来满足需求,新的数据传输延迟当节点有足够的能量与节点直接通信跳了会

因此,根据上述的分析,如果数据延迟绑定的网络系统 ,当节点可以直接与交流 - - - - - -跳距离节点,计算公式的传输控制h值是

在这个过程中,能源消耗和传输半径不是线性的,节点的能量消耗是24日的半径,所以当传输半径是翻了一倍,节点的能量消耗将增加至少4次,和能源消耗大幅增加,这是严重的能源存储有限的无线传感器网络。因此,当使用的能量传输控制模型,是优先考虑邻近传播,当近距离传输延迟绑定需求无法完成,传输半径逐渐增加改善能源供应。因此,当使用能量转移控制模型时,必须采取谨慎措施防止能量消耗过快。

为了更好地理解能量在传输过程中使用,四个节点 , , ,和部署在一条直线,如图3。假设节点的工作时间表 , , ,和分布如下: 。现在 ,节点的能量是 。根据节点的工作时间表 ,节点在唤醒状态和节点工作吗接收数据,但节点不能传输数据到邻近的节点立即因为节点的工作时间表是7;也就是说,节点需要等到那一刻 当节点在传输数据之前醒来。当 ,节点的能量是 ,而节点的能量是 。节点的实时能量状态保持不变。所以,现在 ,节点有节点的能量传输数据 ,和节点可以接收数据,从节点传输数据到节点 。

当数据发送给节点 ,节点的剩余能量就变成了 ,和节点能量急剧下降,如图所示的曲线变化 在图4。纵坐标表示外部的变化随着时间节点获得的能量。现在 ,节点的能量达到Ea,和有一个明显的能量下降过程,这是由于节点醒来和消耗一些能量。从时间开始 ,节点的能量和继续补充,当时间达到2 t时,节点的能量是 ,在哪里 。所以,在接下来的时间片周期, ,如果节点需要转发,接收数据的节点可以等待它2-hop邻居节点醒来,例如 ,节点直接传送数据节点直接而不是等待的时刻 传送到节点 。这可以有效地减少数据传输延迟。

3.3。实验分析数据的延迟

配置节点的能量来自于天洋的能量板10厘米的大小²光能转换效率为15%,仿真实验数据的平均值50分。能源可充电的无线传感器网络系统在森林环境中,获得的能量节点在很大程度上依赖于外部环境,如系统与太阳能充电能量;当外部环境将发生变化时,太阳的光密度变化,获得的能量节点也将改变。节点采集的能量的变化如图24小时5。节点能量转换时更好的有足够的光线,而晚上,几乎没有能量来源。在一个晴朗的日子,节点获得的能量逐渐从上午10点开始,和节点获得能量的峰值,下午13点和节点获得能源逐渐从13点开始。特别是,节点获得小的能量从晚上20:00,直到第二天凌晨5点。

仿真实验比较数据低延迟传输通信协议与D-APOLLO LDTL提议在这项研究中,一个geolocation-based能源异步式数据低延迟传输路由模型,目前仍广泛应用于无线传感器网络的建设在森林环境和林业物联网工程是最有效的通信协议的应用程序。当设置相同的延迟需求,LDTL控制机制模型使用小于D-APOLLO模型,这意味着LDTL模型更有效地降低网络延迟;例如,当延迟要求是150台,LDTL模型需要使用45次的控制机制,而D-APOLLO模型需要使用控制机制的55倍LDTL模型比D-APOLLO更有效率15%以上。的延迟需求减少,数量控制机制受雇于LDTL和D-APOLLO模型显著减少,和这两个通信机制减少之间的差距;例如,当350年延迟需求,LDTL模型需要11控制机制和D-APOLLO模型需要12控制机制,和LDTL模型是不太明显的优势。这是因为当网络延迟的需求不是太高,网络更灵活的路由和转发,和之间的区别这两种路由协议的各自的通信机制较少,延迟高的需求和要求建立数据传输链接更严格,LDTL模型的优势更加明显。

4所示。传感器网络的场景模拟

仿真是在MATLAB环境下实现的,200 - 400年通用传感器节点和1 - 5基站节点是随机生成的,节点是随机分布的 平面区域,节点的最大传输距离 米,可以调整所有节点的传输功率,任意两个节点在传输距离可以直接相互通信,节点能量是通过配置的天洋能源板块,天洋能源板块是20厘米的大小²光能量转换的效率是15%,和不考虑自动能量损失。单个节点参数获得实际的操作环境。提高运营效率的监控系统,多个基站(下沉)节点部署在监测区域。multibase站部署有几个优点;首先,它降低了负载压力的单碱基站操作,数据生成的源节点只需要转发到任何最近的基站节点,路径从源节点到目标节点的数据大大地缩短,和数据传输到目标节点更快,减少数据传输延迟。其次,它提供了系统操作的稳定性。在单碱基站网络,基站周围的常见的分布式传感节点负责数据收集和数据转发,节点的能量很容易耗尽,导致网络碎片化和网络故障,而在multibase站网络,当基站周围的节点消耗能量更快,数据可以转移到其他基站,从而避免网络分段。如图6,共有15个常见的无线传感节点和3基站节点部署,其中4传感节点是源节点收集数据并将其发送到任何3基站节点。所有节点都参与数据传输和网格节点之间形成链接。所有节点共享的压力数据转发和考虑到节点的能量可以不断补充,在这个模型中节点的利用率高。

进一步演示应用程序路由模型的基于最大的数据收集算法在大规模网络中,200传感节点和基站节点是随机生成的模拟环境,分布式的 网络环境,网络连接图所示7。从图中,可以看出,所有节点都参与数据传输和数据生成的源节点可能经历一个相当长的链接到达基站节点。考虑到节点的能量可以不断补充,节点的利用率大大提高在这个路由模型,并由源节点收集的数据量增加更多与传统网络相比针对最低能源消耗。在基于无线传感器网络的能量补给,节点是由外部能源,如太阳能、获取能源是不稳定的和稀缺,所以节点通常保持低工作周期和数据传输的干扰相对较少,所以本文只是理想状态数据采集率情况下没有数据传输干扰被认为是,在实际的操作环境,数据传输不可避免地存在。

进一步比较的性能最大化数据收集率——(MDCR)算法为基础提出了操作环境,提供了两种数据采集速率算法进行比较,在本节中:分布式基于词典的速度部署——(DLEX)作业(DLEX)算法和高通量简单方案(SIM)。在DLEX,作者提出一个路由使用分布式计算结构和节点数据量分布模型动态更新数据量分布最优分布式数据采集节点和链接的速度部署算法。在这个模型中,每个节点首先计算自己的最大数据采集速率采用分布式算法,随后,节点将计算最大数据采集速率发送给相邻节点发送控制包。在仿真模型中,节点的通信半径保持固定的单位能耗和通信数据是固定的,数据传输和节点决定是否执行基于链接的空闲状态和节点的能量状态。当节点的剩余能量大于所需的能源数据传输信道空闲时,数据将被传递到邻近的节点。在本节中,我们首先比较该算法的数据收集率(MDCR) DELX和SIM算法对不同工作周期节点和不同数量的基站。图8显示了数据采集的速度MDCR算法和DELX和SIM算法为1%,10%,和30%的节点工作周期和1,2,3,4的基站数量,分别。从图中,可以看出整个网络数据收集率的增加逐渐增加的节点的数量在不同占空比和不同数量的基站,MDCR算法本文是略高于其他两个算法的数据收集率。

MDCR算法提出了用于计算节点的数据采集速率的上限在网络通过使用分布式模型,即最大数据收集率达到理想状态的网络数据传输,而不是实际上建立实际的物理链路,所以最好是在数据收集率计算。在实际的操作环境,网络数据收集率略低于计算网络数据收集率。当节点占空比为1%和基站节点1,2,3,4,分别该算法MDCR大约是4%,6%,5%,和7%高于DLEX算法和约为7%,8%,10%,和11%高于SIM算法的数据收集率。如图9,它可以反映节点密度高,可以有效地提高网络数据收集率,增加节点的利用率,所以一般来说,应该更多的无线传感节点部署在监测区域,以收集更多的数据在监测区域。然而,过高的节点密度可以很容易地导致数据传输冲突,信号重叠,严重干扰,使得节点必须执行更多的数据重发,进而减少了数据收集率。因此,在传统的无线传感器网络中,节点部署密度通常是根据监控需要采取谨慎考虑成本等各种元素。

数据采集率是影响能源收购和能源利用率在网络环境中,这表明能源消耗为部署在网络的节点数量的增加,当网络节点的工作周期平均为1%。从图可以看出,整个网络的能源消耗不断增加,随着越来越多的节点被添加到网络。其中,MDCR算法提出了消耗更多的能量比其他两种算法,尤其是添加更多的节点。这与传统的不同网络针对节能;相反,在energy-replenishing网络,更多的能源消耗显示了该算法的优越性,因为节点的能量可以不断补充。能源消耗后,更多的能量将从环境。

5。结论

在本文中,我们建立一个切合实际的验证模型的森林环境TelosB基于传感器传感节点。TelosB的传感器传感节点作为实验平台构建一个无线传感系统收集温度、湿度、风速等数据。通过实施该协议基于TelosB弩传感器Mote TPR2420节点,实现低延迟的数据传输模型的基于能量控制在森林环境验证。此外,本文研究并提出了一个线性规划模型与网络节点的最大数据收集率的最优目标。无线传感器网络的最大集合速率模型,建立了网络模型,能量消耗模型,能量补给模型和路由模型定义。最大数据采集速率的上限的网络使用优化技术,解决了一个非线性规划模型与能源消耗和数据流建立约束,执行一个拉格朗日变换模型,分布式的次梯度算法来计算网络的最大数据收集率。本文基于三角模糊数的近似推理模型建立研究森林火灾预测和预警系统。模糊推理系统预测提出了基于无线传感器网络技术的森林火灾。介绍了一组模糊系数的系统评估研究区域的火灾风险,建立量化潜在的火灾风险等级:低,中,高,高,非常高。模糊变量值选择调整森林火灾预测精度根据不同区域特点。

在未来,本文的研究思想开始从无线传感器网络的应用技术在森林环境中,和能源self-collection永久的设计功能的传感器节点,传感器节点传输路由策略,数据收集、融合、和模糊推理决策火险预警过程实现垂直,以森林火灾预警问题提供一个解决方案的energy-supplemented无线传感器网络。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有竞争的经济利益或个人关系可能出现影响工作报告。

确认

这项工作得到了河南省教学改革项目:人才培养模式的创新与实践的新建筑工程专业在数字时代(2021号sjglx529)。