基于物联网的粉尘浓度数据采集优化设计

摘 要 针对无线传感器网络节点数据传输的耗能性和物聯网数据的海量性特点，提出一种LEACH协议和线性回归模型相结合的PM2.5数据采集优化检测系统。该系统以PM2.5粉尘浓度传感器为检测节点，通过研究基于物联网感知层的数据融合算法，提出将线性回归模型与簇状网络结构相结合，构建系统函数，实现节点间相关参数的传输，减少了网络的总能耗，延长了网络生命周期。仿真结果表明：所提数据融合策略达到了节能高效、优化采集数据的目的。

关键词 数据采集 PM2.5 物联网 线性回归模型 分簇结构 海量数据传输 节能 网络生命周期

中图分类号 TP274+.2；TN919   文献标识码 A   文章编号 1000?3932（2023）02?0194?05

PM2.5粉尘浓度的实时监测和及时预报对环保部门采取相关应对措施具有重要意义。物联网在环境监测领域应用广泛，增强了监测数据的质量［1］。在PM2.5监测系统中，无线传感器网络具有计算、存储功能和无线传输节点数据的能力，是物联网感知层的重要组成部分［2～4］。采用簇状结构对传感器检测节点数据进行融合，实现减少数据发送量、优化数据采集质量的目的［5］。文献［6］在路由协议分簇结构中引入神经网络模型对传感器节点采集的数据进行融合处理；文献［7］通过构建局部感知数据的线性回归模型来表示和预测传感器节点实际感知数据监测值，减少了传感器节点间频繁数据传输带来的通信开销，以较少的网络能耗实现有效的感知数据预测和估计；文献［8］提出一种自适应的协作数据传输方法，该方法根据簇头与基站的距离选择传统的单输入单输出（Single Input Single Output，SISO）传输模式或者协作传输模式，以提高网络的能量效率。

针对物联网监测海量数据传输和高能耗问题，提出基于物联网感知层的PM2.5数据采集优化策略，将线性回归模型引入LEACH算法中，构建线性回归模型优化PM2.5传感器节点数据，采用簇状网络结构完成传感器检测节点数据融合处理，通过仅传递回归模型参数实现PM2.5检测网络高效节能、延长网络寿命并提高数据收集率。

1 系统模型的建立

在PM2.5检测系统中，线性回归分析模型可以实现环境数据规律的分析，并结合相关因素预测被测数据的发展趋势。将回归分析与无线网络相结合，在节点加入回归分析算法，实现节点对采集数据进行初步有效的处理，减少节点发送冗余数据，有效减小节点能量损耗，降低后期数据处理的复杂度。

据式（13）绘制的系统回归模型拟合曲线如图1所示。

3 实验与结果分析

3.1 系统模型有效性分析

针对系统回归模型有效性分析，在室外布置PM2.5激光浓度传感器，每10 min执行一次浓度数据采样。取3 d内同时间段的20个采样点数据进行回归模型拟合及分析（分别标记为数据1、数据2、数据3）。将同一时间段内20个PM2.5粉尘浓度传感器的检测数据代入回归模型解算回归曲线，结果如图2所示，可以看出，回归曲线可较准确、清晰地表示出每天检测数据的变化趋势。

为了对比数据误差，将检测值与预测值相对误差绝对值进行对比，分析图3可知，检测数据和预测数据最大相对误差为2.0%。根据我国环境监测司制定的《大气PM2.5网格化监测技术要求和检测方法技术》指南进行本系统测量数据分析，对于PM2.5粉尘浓度检测，要求在同一时间段内检测系统测量的相对误差不超过20%，因此线性回归模型应用于检测对象是线性或呈线性变化的系统，其拟合结果是稳定、理想的。

本系统模型拟合曲线结果的有效性以实测值与预测值间的均方根误差作为评判标准，其均方根误差ω计算方法如下：

在同一时间段，取浓度采样个数分别为10、30、60、80，根据建立的系统函数模型，解算的线性回归曲线如图4所示。

由式（14）得到不同采样点个数的均方根误差如图5所示。

图5表示采集数据个数与拟合曲线的精确度非一次线性比例关系，因预测数据的准确度和数据的离散程度有一定关系，采样次数过多或过少都可能影响最终数据的离散程度，从而影响拟合曲线的准确性，使得均方根误差增大或减小，故在系统应用时需综合考虑来确定采样时间点个数。

3.2 系统模型对无线网能量损耗仿真分析

根据LEACH能量消耗模型，在传输距离d内检测节点发送g bit数据流消耗的能量E（g，d）为：

其中，E表示发射电路能耗，ε为自由空间衰减模型时放大器能耗。信号在无线信道中传输的能耗与距离d成正比，在短距离无线传输时r=2，长距离传输时r=4，本系统中取r=2。

接收g bit数据所需能量由电路能耗产生，则接收的总能量E（g）为：

其中，发送电路与接收电路处理1 bit数据的能耗E=50 nJ，放大器向单位面积发射1 bit数据的能耗ε=100 pJ［9］。

在计算无线网能耗时，将数据融合的能量计算到能耗中，则该值与融合的数据包个数及包内比特数成正比。簇头节点压缩n个非簇头节点，发送g bit数据的能耗E（g，n）为：

其中，E为每个簇内节点发送数据的能耗。

基于分簇算法，采用MATLAB对系统模型进行仿真分析，簇头收集且融合其他非簇头节点数据发送给基站，使网络能耗大幅降低，并且延长了网络寿命，同时簇头节点会更早释放［10，11］。实验中，在长、宽均为100 m的正方形区域内随机分布100个传感器检测节点，传感器检测节点（○）和汇聚节点（+）的分布如图6所示。

与平面路由协议相比，LEACH协议的数据分层转发机制所消耗的能量极小［12］。本系统中，在LEACH协议中引入线性回归函数，簇内节点将检测数据发送给簇头，簇头接收检测数据的同时计算系统模型相关参数，传递回归模型参数给基站。设每个检测节点初始能量为0.5 J，采用无线通信能像衰减模型，在1 500个仿真周期中，系统节点能耗和节点存活情况如图7、8所示。

通过分析图7、8的实验仿真结果可知，在算法能耗上引入回歸函数的LEACH算法相较于原LEACH算法能耗更低。基于簇状网络结构对数据进行融合引入回归算法，可有效减少簇头和节点间数据的传输量，降低簇头能耗，使整个系统能耗减小，实现网络生命周期的延长。

4 结束语

笔者提出一种基于PM2.5检测物联网感知层的线性回归模型，采用簇状网络结构对数据进行融合处理，建立容错机制，在PM2.5传感器节点和簇头之间仅传递系统模型系数参数，不断更新系统模型，优化参数。通过研制开发的PM2.5粉尘浓度检测系统，搭建实验平台，获取实验数据，并利用MATLAB仿真软件进行数据理论验证分析，结论是：所建模型可有效预测检测区域内PM2.5粉尘浓度的变化，检测数据相对误差为2.0%，在《大气PM2.5网格化监测技术要求和检测方法技术》指南规定的误差范围20%之内，达到了PM2.5粉尘浓度数据稳定采集优化的目的；基于簇状网络结构对数据进行融合引入回归算法，减少了检测网络的能耗，延长了检测网络生命周期，实现了系统模型的高效性和可行性。

参 考 文 献

［1］ 李鹏，张瑞霞，王赛超.基于物联网技术的大气环境监测系统研究［J］.信息通信，2013（8）：59-60.

［2］ 王文博，赵培陆，梅笑冬，等.基于ZigBee的无线传感器网络大气监测系统设计［J］.传感器与微系统，2014，33（2）：83-86.

［3］ 仲元昌，汤宝平，谭春禄，等.用于大气环境监测的无线智能传感器阵列研究［J］.通信学报，2008，29（6）：137-140.

［4］ 王文君，庞敏.无线传感器网络在环境监测中的应用［J］.智慧中国，2022（6）：80-81.

［5］ 李新炜.基于簇状结构的无线传感网多径路由协议研究［J］.计算机仿真，2018，35（3）：205-209.

［6］ 孔玉静，侯鑫，华尔天，等.基于BP神经网络的无线传感器网络路由协议的研究［J］.传感技术学报，2013，26（2）：246-251.

［7］ 宋欣.面向无线传感器网络的分布式数据收集关键技术研究［D］.沈阳：东北大学，2015.

［8］ 杜维，周雯.无线传感网络的自适应协作数据传输方法［J］.移动通信，2020，44（12）：67-72.

［9］ 宋欣，王翠荣.基于线性回归的无线传感器网络分布式数据采集优化策略［J］.计算机学报，2012（3）：568-580.

［10］    SINHA A，CHANDRAKASAN A.Dynamic power man?agement in wireless sensor networks［J］.IEEE Selected & Test of Computer，2011，18（2）：62-74.

［11］ 梁壮，李刚，雷丽婷.基于优化簇头选举的WSN分簇路由协议研究［J］.温州大学学报（自然科学版），2020，41（2）：47-54.

［12］ 李建洲，王海涛，陶安.一种能耗均衡的WSN分簇路由协议［J］.传感技术学报，2013，26（3）：396-401.

（收稿日期：2022-11-04，修回日期：2022-12-19）

Optimal Design of Dust Concentration Monitoring Data Collection Based on Internet of Things

LIU Min

（College of Electronics and Information Engineering， Xian Technological University）

Abstract   Wireless sensor network is Iots important means to get monitoring data. Considering energy consumption in the data transmission from wireless sensor network nodes and the datas massive nature of the Internet of Things， an optimal monitoring system which combining LEACH protocol and linear regression models for PM2.5 data collection was proposed. The system takes PM2.5 dust concentration sensors as detection nodes. Through studying the data fusion algorithms based on the IoT sensing layer， combining linear regression model with a clustered network structure was proposed to construct a system function that enables relevant parameters transmitted between nodes， reduces total energy consumption of the network and increases the network life cycle. Simulation results show that， the proposed data fusion strategy achieves energy efficiency and optimization of the data collection.

Key words   data collection， PM2.5， IoT， linear regression model， cluster structure， mass data transmission， energy saving， network lifecycle

作者简介：刘敏（1987-），工程师，从事检测技术与仪器、非接触测量的研究，liuminfly@163.com。

引用本文：刘敏.基于物联网的粉尘浓度数据采集优化设计［J］.化工自动化及仪表，2023，50（2）：194-198.