基于數據融合算法的土壤環境監測系統設計

郭蓉++楊平先++王晶

摘要：利用ZigBee技術和GPRS技術相結合的方式，構建農田環境監控系統的總體結構，系統利用ZigBee無線傳感器網絡采集土壤環境數據。為解決多傳感器監測數據融合精度低的問題，提出了一種改進型的分批估計自適應加權融合算法，首先對單個傳感節點一段時間內所采集的數據根據容許函數的閾值剔除誤差較大的數據，然后對該傳感器的數據進行分批估計得出該節點某一段時間內的最優估計值，得到該區域所有傳感節點最優估計值后，依據權值最優分配原則對每組傳感器數據進行組內自適應加權融合，從而計算得到該時刻土壤的環境精確值。試驗驗證了系統采集到的數據準確可靠，改進算法數據融合易于實現，融合值相對誤差值更低，穩健性更好。

關鍵詞：土壤環境；數據融合；分批估計；自適應加權

中圖分類號： TP274文獻標志碼： A文章編號：1002-1302（2016）06-0419-04

收稿日期：2015-05-27

基金項目：人工智能四川省重點實驗室項目（編號：2011RYY02）。

作者簡介：郭蓉（1980—），女，重慶人，碩士研究生，講師，研究方向為數字信號處理、數字圖像處理。E-mail：shoufa125@163.com。我國是一個地理條件復雜、地域廣闊、人口眾多的發展中農業大國，農業經濟比較落后，生態基礎比較脆弱，承受災害能力較弱，農業生產常遭受災害的侵擾，特別是水資源匱乏。加上傳統灌溉方式對水資源的利用率低，干旱已對農業生產造成了很大影響，對此，學者們作了大量研究。文獻[1]設計了一套基于ZigBee和WCDMA技術的農田土壤遠程監測系統，可對大區域農田土壤溫度、濕度、pH值和電導率遠程實時監測和多終端可視化顯示；文獻[2]設計了一種遠程土壤墑情自動監測系統，系統使用溫、濕度傳感器采集土壤墑情信息，通過GPRS網絡將數據上傳至計算機監控中心；文獻[3]通過引入菲涅爾反射區域，結合仿真和實測土壤濕度數據、CPS觀測值開展對比研究，提出一種利用SNR觀測值進行GPS土壤濕度監測的方法；文獻[4]設計了一種基于ZigBee無線傳感器網絡的土壤墑情監測系統，實現了信息采集節點的自動部署和數據的自主傳輸。然而，目前大部分農田信息采集系統重點都在于信息采集設備的開發和數據的傳輸，而對數據的處理關注較少，特別是針對土壤環境預警系統的設計和研究涉及較少[5-6]。因此，為了及時預測土壤干旱程度，加強農田土壤旱情的監測和預報，本研究結合ZigBee和GPRS技術設計土壤環境預警監控系統，為解決多傳感器監測數據融合精度低的問題，提出了一種改進型的分批估計自適應加權融合算法。

1土壤環境監測系統結構

土壤環境監測系統由硬件和軟件兩部分組成，硬件部分由底層無線數據采集模塊、數據傳輸模塊、上位監控模塊等組成，系統軟件的設計須要根據所采用的硬件器件決定。底層無線數據采集模塊是土壤環境監控系統的基礎，主要由 ZigBee 節點搭載溫濕度傳感器和光照度傳感器完成土壤數據的采集監測以及底層各節點設備間的數據通信；數據傳輸模塊包括ZigBee無線數據傳輸和GPRS遠程數據傳輸兩部分。傳感器采集到數據后經ZigBee終端節點發送給ZigBee協調器節點，再通過S3C6410處理后經GPSR模塊將信息傳給上位監控模塊[7]。上位監控模塊對接收到的數據進行處理。通過上位監控程序可隨時了解區域內農田土壤的相關信息，土壤環境監測系統結構見圖1。

在底層無線數據采集模塊中，各節點設備通過ZigBee的自組網功能形成樹簇型無線傳感網絡。這些節點設備根據功能不同分為終端節點、樹簇節點和協調節點。終端節點是帶有相應傳感器的終端設備，主要負責采集土壤環境信息，為系統決策提供數據參考；樹簇節點不僅有終端節點的數據采集功能，還有匯總轉發的路由功能；協調節點是整個無線傳感網絡的核心，起著承上啟下的作用，對上實現底層數據的轉發，對下負責管理和維護整個無線網絡。

2土壤環境監測系統硬件實現

2.1主控平臺

主控平臺的硬件分兩部分，即S3C6410處理器、256 M DDR SDRAM內存和1 GB Nand Flash存儲器、時鐘和復位電路等重要部件構成核心板，S3C6410采用ARM1176JZF-S的核，包含16 kB的指令數據Cache和16 kB的指令數據TCM，具有低成本、低功耗、高性能特點，并集成了豐富的接口；DDR SDRAM用于為操作系統和應用程序的運行提供存儲空間。NandFlash存儲器具有容量較大、改寫速度快等優點，適用于大量數據的存儲，其一部分空間用于保存啟動代碼和操作系統。在土壤干旱監測系統中，主要設計底層無線采集模塊的硬件，目前GPRS數據傳輸模塊已成品化，本研究的系統直接采用市場成品，上位監控模塊只需要1臺計算機作為監控平臺即可。所以系統硬件的設計主要包括ZigBee終端節點、ZigBee樹簇節點和ZigBee協調節點，而樹簇節點只是比終端節點多一路由功能，底層硬件無差別，為簡化工序，底層硬件

只設計ZigBee終端節點和ZigBee協調節點。

2.2溫濕度傳感節點硬件設計

ZigBee無線通信模塊采用基于IEEE 802.15.4和ZigBee協議通信的CC2430芯片，它能以非常低的成本建立完善的無線傳感器網絡，CC2430以強大的集成開發環境作為支持，內部線路的交互式調試以遵從IDE的IAR工業標準為支持，得到嵌入式機構很高的認可，它結合Chipcon公司全球先進的ZigBee協議棧、工具包和參考設計，展示領先的ZigBee解決方案。系統通過溫溫度傳感節點對土壤的溫濕度信息進行采集，模塊選用SHT11數字溫濕度傳感芯片，該芯片內部集成溫度傳感器、濕度傳感器、A/D轉換器以及相應的通信接口。SHT 11數字溫濕度傳感芯片具有溫濕度檢測精度高、抗復雜環境能力強、響應時間快等特點，芯片采用I2C總線接口方式與外部芯片通信。CC2430芯片有21個可編程I/O引腳，系統設計時將P0.0和P0.1分別與SHT 11的SCK線和DATA線連接。SCK時鐘線負責與CC2430芯片的MCU保持通信同步，DATA 數據線負責傳輸采集到的數據。SHT11溫濕度傳感器芯片與CC2430芯片的連接電路如圖2。

2.3數據傳輸模塊

GPRS提供了一種高效、低成本的無線分組數據業務。由于建立新的連接幾乎無需任何時間（即無需為每次數據的訪問建立呼叫連接），因而隨時都可與網絡保持聯系，特別適用于間斷的、突發性的、頻繁的、少量的數據傳輸。系統選用SIM900模塊實現數據傳輸模塊與上位監控模塊之間的通信。SIM900A是緊湊型、高可靠性的無線模塊，采用SMT封裝的雙頻GSM/GPRS模塊解決方案，采用功能強大的處理器ARM9216EJ-S內核，能滿足低成本、緊湊尺寸的開發要求。SIM900模塊通過串口UATR1與上位監控模塊進行通信，通信速率設定為115 200 b/s。數據傳輸模塊通過AT指令對SIM900進行控制，完成相應的功能。

4.1數據采集準確性測試

選取一號監控點2014年10月20—24日采集到的土壤溫濕度值和光照度值來分析，系統測量值與經精密儀器測量的實際值關系見表1。從表1中測量值與真實值的對比和誤差可看出，土壤溫度測量值與實際值誤差范圍為[-0.7，17]，土壤濕度測量值與實際值誤差范圍為[-0.3，0.4]，光照度測量值與實際值誤差范圍為[-5，4]，說明農田土壤環境監控系統采集到的數據準確可靠。

4.2融合算法測試

選取一個土壤監測區域（相對濕度基準真實值為20%），分別以20、60、100節點對分批估計融合算法與改進型算法進行數據對比。考慮到傳感器可能存在的零點漂移，本研究系統使用互不相關的零均值白噪聲模擬傳感器的觀測誤差，信噪比為0.1～1.0 dB（表2）。由表2可見，改進型分批估計自動適應融合計算法的融合結果相對于算術平均法和分批估計融合算法更接近數據真值，其絕對誤差明顯小于算術平均值，這是因為算術平均值中具有無法避免的零點漂移以及仿真傳感器誤差造成的。分批估計融合算法相對于算術平均算法數據穩定性好，但與本研究算法相比融合誤差相對較大，這是由于在采集數據融合之前沒有對初始數據進行預處理。綜上，本研究改進的分批估計自動適應融合計算法在不同節點、不同信噪比的情況下都有較低的融合誤差。

5結論

本研究基于物聯網思想，采用ZigBee技術[9-10]和GPRS技術相結合的方式，構建農田土壤環境監控系統，利用溫濕度傳感器、光照傳感器實時采集農田環境參數，使用GPRS通信技術進行農田數據信息的傳輸。為了提高多無線傳感器數據融合低的缺點，本研究提出了一種改進型的分批估計自適應加權融合算法，試驗驗證得出本研究構建的農田土壤環境監控系統采集數據準確可靠，系統改進算法數據融合易于實現，融合值相對誤差值更低，穩健性更好，系統具有廣闊的應用前景。

參考文獻：

[1]蔡文科，俞阿龍，李將，等. 基于WSN的大區域農田土壤遠程監測系統設計[J]. 農機化研究，2015（9）：77-81.

[2]牛廣文. 基于GPRS通信的遠程土壤墑情自動監測系統設計[J]. 自動化與儀器儀表，2015（2）：36-40.

[3]敖敏思，朱建軍，胡友健，等. 利用SNR觀測值進行GPS土壤濕度監測[J]. 武漢大學學報：信息科學版，2015，40 （1）：117-120.

[4]賈科進，王文貞，杜太行，等. 基于ZigBee無線傳感器網絡的土壤墑情監測系統[J]. 節水灌溉，2014（3）：69-73.

[5]姜立明，莊衛東. ZigBee/GPRS技術在精準農業中的應用研究[J]. 農機化研究，2014，35（4）：179-182.

[6]王哲梁，李文鈞. 基于GPRS和嵌入式Linux的遠程圖像監控系統[J]. 物聯網技術，2013，42（12）：65-67.

[7] Gholami M，Cai N，Brennan R W .An artificial neural network approach to the problem of wireless sensors network localization[J]. Robotics and Computer-Integrated Manufacturing，2013，29 （1）：112-115.

[8]陳希孺. 高等數理統計學[M]. 合肥：中國科學技術大學出版社，2009.

[9]郭國法，許萌，張開生. 基于ZigBee無線傳感器網絡的智能節水灌溉系統設計[J]. 江蘇農業科學，2015，43（11）：513-518.

[10]許倫輝，李鵬，周勇. 基于ZigBee和GPRS的農業區域氣象環境遠程監測系統設計[J]. 江蘇農業科學，2015，43（6）：380-383.