基于物联网的湿地无线监测系统的设计

陈雨佳 刘亚秋 景维鹏

摘要：针对当前湿地监测系统存在的人力浪费严重、部署不灵活等问题，设计并实现一种基于ZigBee和GPRS的物联网技术的湿地无线监测系统。该设计将ZigBee技术低功耗、易组网的特点与GPRS技术远距离通信的特点相结合，成功的运用到湿地监测上，建立远程湿地无线监测系统；该系统将Cluster-Tree路由算法和AODVjr路由算法相结合，在数据传输过程中有效的防止了RREQ的泛洪，提高了数据传输的成功率。通过以黑龙江扎龙自然保护区湿地为实验区进行实时监测，结果表明：此系统能够实现对湿地的远程实时无线监测，具有功耗低、成本小、误包率低等优点，对湿地的监测保护具有一定的意义。

关键词：湿地监测；ZigBee；GPRS；物联网

中图分类号：S776；TP274

文献标识码：A

文章编号：1001-O05X（2015）04-0077-06

湿地是重要的国土资源和自然资源，是自然界最富生物多样性的生态景观和人类最重要的生存环境之一。但是，随着人类无限制的向自然索取，使周期性的植物优势在衰退，底层湿土水源趋减，甚至有被污染的威胁，湿地已潜伏着生态危机。因此，加大对湿地的实时监测刻不容缓。

物联网（Intemet of things）是互联网的延伸，利用局部网络或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式联在一起，形成人与物、物与物相联，实现信息化、远程管理控制和智能化的网络。物联网将是下一个推动世界高速发展的“重要生产力”，是继通信网之后的另一个万亿级市场。因其注重“全面感知一稳定传输一智能应用”为一体，而成为众多领域的应用的新宠。目前，物联网在智能监测、监控领域的应用越来越广泛。物联网的应用也为实现湿地的无线监测提供了重要的技术支持。

隨着信息技术的飞速发展，湿地监测正在向自动化、智能化发展。文献提出了一种基于ARM +WLAN的湿地无线监测的方法，由于目前的WLAN的覆盖范围多数集中在城市中，并且ARM设备与WLAN之间的通信功耗较大，对于湿地环境监测的应用可实施性不强；文献基于遥感技术提出了湿地监测与生态评估的方法，此方法从宏观方向上，对湿地的植被情况进行了监测，这种基于3S技术的监测不具有实时性；文献提出了一种基于视听一体的无线传感器网络湿地监测系统，此系统集成了专业的相机、麦克风设备和Wi-Fi模块，来对湿地的植被和动物进行长时间的监测，这种监测系统用到了图像监测技术和Wi-Fi技术，由于图像监测只可对于有辨识度的事物进行监测，对于像水质情况、湿地的温、湿度等湿地指标不能够进行直接监测，另外，此系统中用到的Wi-Fi是需要自己设立发射基站，成本高、功耗大，对于湿地的全方位实时监控具有局限性。基于以上不足，本设计充分的利用了ZigBee技术的易组网、低功耗、短距离无线通信等特点和GPRS的低成本、远距离无线通信的特点，提出了一种基于ZigBee和GPRS技术的物联网湿地无线监测系统。由于湿地环境中芦苇等植物的高低、稀疏稠密度不一致等情况，直接的影响到监测节点之间的通信质量，Cluster-Tree路由算法采用非自适应的路由选择，决定了其选择的路由可能不是最佳的；AODV路由算法易产生链路故障，从而增加网路的开销，单一路由算法已经不能满足湿地环境节点通信的需要，本系统采用了Cluster-Tree算法和AODV的改进算法AODVjr算法相结合的路由算法，实现了监测节点的组网与相互之间的通信，实现了实时、高效、准确的湿地监测，对湿地的防护和监测有着重大的的意义。

1 系统的整体方案设计

基于物联网的湿地监测系统的设计主要可以分为四个部分：终端监测节点的设计、网关节点的设计、路由算法的设计和远程服务器端管理系统的设计。本设计中的终端监测节点选用了SHT71温、湿度传感器、201T-S塑壳pH/ATC三复合电极和D0500溶解氧传感器，来对湿地的地表温、湿度和湿地的水质的pH值、溶解氧量进行数据采集；网关节点选用了SAMSUNG公司的ARM920T为核心的S3C2440A来作为处理器，协调器节点通过串口直接与网关节点相连，GPRS模块采用了Sie-mens公司的MC391模块，以此来实现与控制中心的数据传输功能；本设计的路由算法将Cluster-Tree算法与ADOVjr算法相结合，运用于无线传感器网络中；远程服务器端管理系统采用了web技术实现对湿地数据的管理。湿地无线监测系统的整体架构图如图1所示。

2 系统监测节点设计

无线传感器网络节点由数据采集终端节点、路由节点、和协调器组成。无线传感器网络中的节点采用CC2430作为核心芯片，该芯片支持ZigBee和IEEE802.15.4等多种标准。各个节点的供电模块采用蓄电池供电，以此来提高节点的易部署的特点。

2.1 终端节点的硬件设计

数据采集终端节点采用201T-S塑壳pH/ATC三复合电极来监测湿地水质的pH值，测量范围-2.00～19.99pH，精度0.0110.1pH，基本误差：±0.01pH；采用D0500来监测湿地水质的溶解氧，测量范围0 N200. 0%，精度0.1/1qo，示值误差+0.30mg/L，这两个传感器均可以没入湿地水环境中，且测量值较敏感，精确度高。对于湿地地表的温、湿度的数据采集模块使用Sensirion公司推出的基于CMOSensTM技术的新型温湿度传感器SHT71，此芯片的特性如下：湿度测量范围：0～100%；温度测量范围：-40～123.8℃；湿度的测量的精度：±3.0%；温度的测量精度：±0.4℃；接口为I2C总线；工作电流550μA，待机电流0.3μA。有上述参数可知，SHT71为数字型的传感器，可以经I2C总线直接与CC2430处理器相连接，而pH复合电极和溶解氧复合电极可直接与CC2430的PO口相连接，利用CC2430内部的ADC来实现数据的转换。终端节点硬件结构图如图2所示。

GPRS模块通过TCP/IP协议与互联网连接，从而与服务器端完成通信，通过串口与网关节点相连，网关处理器在GPRS完成初始化后，等待服务器端的命令，当接收到组网命令后，将组网命令发送给协调器节点，进入等待接收数据状态，若数据来自GPRS，则从所接受的数据中解析出控制命令，通过串口将数据发送至协调器；若数据来自协调器，则直接通过串口将数据发送给GPRS；接收完成数据，继续进入等待接收数据状态。网关处理器的程序流程图如图4所示。

3 ZigBee路由算法

ZigBee技术是有ZigBee联盟推出的一种基于IEEE802. 15.4标准的近距离、低复杂度、低功耗、低数据传输率、低成本的新型无线通讯技术。网关节点采用了ZigBee2006协议结构，多个传感器节点之间的通信采用“接力”的方式进行，从而可以达到高的通信效率。

湿地环境中芦苇等植物的高低、稠密度不同，以及地势的复杂性等特点，给ZigBee无线传感器网络的监测节点的通信可靠性带来了极大的干扰，给原本采用单一路由算法的通信机制带来了制约，针对这种湿地的特殊的环境特点，本设计无线网络的路由算法采用了Cluster-Tree与AODVjr相结合的路由算法。其中Cluster-Tree算法是消息沿着树形拓扑进行传输的算法，它是静态的，无需存储路由表；而AODVjr算法是Ad-Hoc网络按需距离矢量路由算法的改进，比AODV算法更节能，应用性更强。本设计终端采集节点采用Cluster-Tree路由算法进行通信，非终端节点使用AODVjr路由算法去发现路由，直接将消息发送到它可以到达的其他的路由节点，以此来提高网络效率。

Cluster-Tree路由协议又称树状路由协议，当路由节点加入到网络以后，路由节点会得到自己的地址，并且每个路由节点都会为子节点预留地址空间，树状路由协议不需要存储路由表，数据的传输按照树的方向在父节点与子节点之间进行简单的传输。

ZigBee中规定深度为d的父节点分配的地址之间的偏移量是Cskip（d），C_m是最大子节点个数，R_m是子节点中最大的路由节点个数，L_m是最大网络深度。假设父节点的地址是A_f，如果新加入的节点是终端节点，说明该节点不可以为其它节点分配地址，且该终端节点是其父节点的第n个终端节点，则父节点为子节点分配的地址A为：

如果新加入的节点是父节点的非终端节点，且为第n个，此节点有可能为其它的节点分配地址，父节点为此节点分配的地址A为：

通过这种路由分配机制，每个具有路有功能的节点可以为其子节点分配应有的地址块。规定目的节点的地址是D，根据目的节点D来判断目的节点是否是该节点的子节点，如果满足公式（4），则此节点是该节点的子节点。

如果目的节点不是该节点的子节点，则将此数据包向上传送至父节点；若是该节点的子节点，则其下一跳的地址为：

AODVjr路由算法是基于AODV路由算法改进的，AODV路由算法易产生广播风暴，AODVjr算法取消了目的节点序列号，使命令帧更加简化，简化路由过程，AODVjr算法通过取消HELLO数据包的发送，节点仅通过接收到的数据包来更新邻近路由表，从而极大的减小了控制的开销。

本设计中的路由算法通过采用Cluster-Tree与AODVjr相结合的路由算法，极大的增加了无线传感器网络的传输可靠性，减少了传输控制的路由开销，为监测节点之间的数据传输奠定了基础。

4 结果与分析

4.1 实验结果

本设计首先在实验室进行了软硬件的设计开发和调试，在系统的调试趋于稳定后，进行了湿地的现场测试。现场测试的地点选在了黑龙江扎龙湿地保护区，在保护区东口子水域部署了1个网关节点，3个路由器节点，每个路由器节点下面有两个终端节点组成树状结构。部署时，pH复合电极和溶解氧复合电极没入水中，SHT71温湿度传感器固定到约与地面距离0.5m处，终端节点与各自的路由节点之间的距离约80m，数据的采集周期设为每30min采集一次，每完成一次采集向湿地监测中心发送一次数据，设备启动后lmin之内完成组网，在服务器端可以查询监测节点的监测数据，如图5所示。

4.2 可靠性测试

根据对终端采集节点发送的数据包和网关节点接收的数据包的统计，可以计算出数据包发送的成功率，用公式（6）进行计算。

式中：P为数据包发送的成功率；R为网关正确接收数据包的个数；S为各个终端节点发送数据包的总个数。本设计将终端节点与协调器节点的距离由20m移动到150m时，设置不同的间距，通过终端节点发送数据包与协调器接收数据包的个数来计算数据包发送成功率。测试结果见表1。

从表l可以看出，数据包的发送成功率随着距离的增大而逐渐降低，在终端节点与协调器的距离在120m之内时，其发送成功率在90%以上，可以满足数据通信需要。根据实验数据，监测节点之间的距离大于80m后，实验的数据的发送成功率低于了95%，针对本实验的数据的丢包率较高，所以本设计在扎龙自然保护区实地测量时，节点间的距离设置为80m时，这样可以很好的达到实验的要求。

5 结论

基于物联网的湿地无线监测系统充分利用了ZigBee技术的短距离、低功耗、易组网的特点和GPRS技术的远距离通信的特点，建立了低功耗的扎龙湿地远程无线监测系统，实现了对扎龙湿地自然保护区湿地环境的地表温度、湿度、湿地水资源的pH值和溶解氧浓度的实地测量，并对实验结果进行了分析，本系统具有功耗低、成本小、误包率低等优点，在湿地无线监测方面具有重要的参考价值。同时，由于本系統是基于通用性设计，稍加扩展，便可以应用于环境监测的其他领域，如水文、气象等，因此，具有广泛的应用前景。由此可见，随着物联网技术在智能监测中的应用，必将加速传统监测方式向现代智能监测方式的转变，提升我国湿地监测和发展的水平，对湿地监测具有重要的意义。