基于GPRS和ZigBee的精准林业环境因子监测模式研究

1、基于GPRS 和ZigBee 的精准林业环境因子监测模式研究徐伟恒1,张晴晖1,李俊萩1,苏志芳2(1西南林业大学计算机与信息科学系,云南昆明650224;2昆明学院数学系,云南昆明650214摘要以广义3S 技术为基础的林业监测体系对于全球性、全国性和大区域性的宏观监测是必要的、理想的,而对于局部地区的微观监测,其精度和实时性难以达到要求。重点研究针对精准林业环境因子的微观监测模式,采用GPRS 和ZigBee 无线传感器网络技术,设计一个多参数无线远程监测系统。系统具有低成本、低功耗、智能化、覆盖范围广等特点,为提高林业自动化水平和生产精准程度提供技术支持。关键词GPRS ;ZigBee

2、;精准林业;环境因子;监测模式中图分类号S24文献标识码A 文章编号05176611(2011231440303Research on Precision Forestry Environment Factors Monitoring Model Based on GPRS and ZigBee XU Wei-heng et al (Computer and Information Science Department of Southwest Forestry University ,Kunming ,Yunnan 650224Abstract The forestry observatio

3、n system based on 3S technology was necessary and ideal to global ,national and large regional macro-obser-vationHowever ,its preciseness and timeliness were difficult to achieve for regional micro-observationThis paper focused on the microscopic monitoring model for environment factors in precision

4、 forestry ,and a forestry multi-parameter wireless remote monitoring system based on GPRS and ZigBee technology was designedThis system equipped the characteristics of low cost ,low loss of electricity ,intellectual ,wide area ,etc,which provided technical basis for enhancing forestry automation lev

5、el and production accuracyKey words GPRS ;ZigBee ;Precision forestry ;Environment Factors ;Monitoring Model基金项目云南省教育厅科学研究基金项目(2010V287。作者简介徐伟恒(1980,男,云南宣威人,讲师,硕士,从事林业信息采集与处理研究,E-mail :36205549qqcom 。收稿日期2011-05-04受精准农业和三维工业测量的启发,冯仲科等最早提出了精准林业的概念1。以RS 、GPS 、GIS 及其集成技术为基础的广义3S 技术现代林业监测体系得到了广泛应用,并日趋完善。

6、基于广义3S 技术的森林资源监测体系为全球性、全国性和大区域森林资源和生态环境监测提供了有效的技术手段。但是,这种监测体系比较宏观,且重点集中在用RS 、GIS 、GPS 等技术研究森林资源的数量、质量及空间分布上,而对于特定局部地区的森林生态环境和微观生态因子监测,其时间分辨率和监测精度难以达到要求2。因此,研究一种低功耗、低成本、智能化、实时性、对生态环境无破坏性的精准林业环境因子监测模式具有十分重要的意义3。笔者以WSN 理论为指导,提出了基于GPRS 和ZigBee 技术的精准林业环境因子监测模式,以实现特定区域的温度、空气湿度、光照,土壤湿度、氮浓度、pH 、降水量、气压、风速、风向

7、等生态因子的实时监测,为以广义3S 技术为基础的宏观林业监测体系提供微观的辅助监测手段4。1技术要求及ZigBee 简介我国的林业资源主要分布在偏远山区,监测区域与监控中心距离较远。一是交通运输不便,供电、供水、通讯困难;二是由于现有的森林资源监测模式大多依靠野外作业,经常会遇到预料不到的情况。系统的主要技术要求:成本低,减少投资成本是其今后广泛应用的关键因素;功耗低,由于供电不便,发射模块使用电池供电,功耗要尽可能低;监控中心可以采用市电,无市电地区可以采用太阳能电池供电;系统能识别本网络发来的各点参数测量值,并且能准确确定监测点的地理坐标;系统必须具有较强的抗干扰能力,能滤除别的网络发来的

8、干扰数据;系统的可拓展性要好,能随着监测区域的扩大,新加入的监测节点能自由加入监测网络。ZigBee 技术的出现为满足上述要求提供了技术基础。简单的说,ZigBee 是一种高可靠的无线数字传感器网络。通讯距离从标准的75m 到几百米、几千米,并且支持无限扩展。它是一个由可多达65000个无线数据传输模块组成的无线数传网络平台。在整个网络范围内,每一个ZigBee 网络数传模块之间可以相互通信。ZigBee 网络主要是为工业现场自动化控制数据传输而建立,具有简单、使用方便、工作可靠、价格低的特点。同时,其最大的优点是功耗低,数据采集节点可以1 2年不需要维护,大大减少了成本57。2系统方案设计结

9、合GPRS 和ZigBee 技术的特点,在对系统进行了需求分析的基础上,给出基于GPRS 和ZigBee 技术的无线监测系统的设计方案,如图1所示。系统主要由无线传感器网络节点、GPRS 传输网络和监控中心3部分组成。21ZigBee 无线传感器网络主要由ZigBee 网络协调器节点和ZigBee 传感器终端节点构成。网络协调器节点是该网络的控制中心,负责网络的维护和数据的处理等任务,该节点包含ZigBee 射频收发模块和GPRS 模块;传感器终端节点由分布在监测区域内的温度传感器、湿度传感器、光照度传感器等和ZigBee 无线模块组成。它们根据监控区域的要求,以星型或网型拓扑结构构成ZigB

10、ee 无线监测网络。该网络主要负责监测区域的森林生态因子数据的采集,并将数据通过ZigBee 网络上传到网络协调器节点,再由网络协调器节点将数据发送到GPRS 网络。22GPRS 传输网络ZigBee 网络采集到的森林生态因子数据上传到ZigBee 网络协调器节点后,通过GPRS 无线模块与GPRS 网络建立无线连接,并最终通过与Internet 的连接,实现数据的远距离传输。23监控中心由计算机硬件和软件组成。负责信息管理和传感器网络的管理,它由连接GPRS 模块的计算机服务器上的监控软件、数据库服务软件以及客户机上的数据库访问安徽农业科学,Journal of Anhui AgriSci2

11、011,39(23:1440314405,14409责任编辑熊章琴责任校对卢瑶软件组成。管理软件包括了后台通信、人机交互界面、 数据图1系统结构示意Fig1System structure管理与分析等功能模块,通过计算机网络技术、数据库技术和软件平台实现远程监控功能。3硬件电路设计系统的硬件电路主要包括传感器节点和协调器节点两部分,在这两部分设计中,关键是无线方案的选择。系统采用将无线收发器和控制器集成在一起的单芯片解决方案,即采用CC2430芯片。CC2430单片机是TI 公司(德州仪器生产的一款专用于IEEE 802154和Zigbee 协议通信的片上系统解决方案。其RF 内核是基于工业领

12、先的射频通信芯片CC2430。在单个芯片上集成了CPU 、存储器、常用片内外设和RF 射频单元。它具有1个8位CPU (8051,主频达32MHz ,具有最大128KB 可编程FLASH 和8KB 的SRAM ,片内外设非常丰富,主要包括1个8通道8位至14位可编程ADC 转换器、4个定时器(其中包括1个MAC 定时器、2个USART 、1个DMA 控制器、1个AES128协同处理器、1个看门狗定时器、1个内部稳压器、21个可编程I /O 引脚,可配置为通用I /O ,也可配置为外设专用引脚。CC2430芯片采用018m CMOS 工艺生产,在接收和发射模式下,电流损耗分别低于27和25mA

13、。具有3种休眠模式,从休眠模式转换到正常模式仅需54s ,特别适合要求电池长期供电的应用场合810。CC2430集成的8051MCU 本身就可以满足系统中数据采集的需要,而无需增加外部MCU 控制器来完成数据采集,方便系统设计,CC2430应用电路如图2所示 。图2CC2430模块电路Fig2Circuit of CC2430module40441安徽农业科学2011年31传感器节点硬件电路设计传感器节点硬件电路由CC2430模块、电源模块、时钟模块、电压转换模块以及各种传感器接口电路组成。由于林业环境监测因子多,需要采用不同的传感器,既有数字式传感器又有模拟式传感器,且数字是传感器有不同的总

14、线接口方式,如I 2C 、SPI 等。因此,必须设计传感器接口模块。模拟式传感器接口的作用是将传感器输出的模拟信号经过预处理后再接入CC2430的A /D 输入端口,主要包括放大、整形和滤波电路,采用集成运算放大器LM324和辅助电路完成。数字式传感器接口包括1-wire 总线、I 2C 总线、SPI 总线等接口,通过多路开关选择连接到CC2430的数字I /O 口。数据采集模块硬件结构如图3下半部分所示 。图3传感器节点和协调节点结构Fig3Structure of sensor node and coordinator node32协调器节点硬件电路设计协调器节点硬件包括GPRS 模块,C

15、C2430单片机以及RS232转换接口电路,协调器模块的硬件结构如图3上半部分所示。GPRS 模块由Siemens 公司生产的MC35i 收发引擎组成。MC35i 的数据接口采用串行异步收发,符合ITU-T RS232接口电路标准,工作在CMOS 电平(265V 。数据接口配置为8位数据位、1位停止位、无校验位,可以在03k 1150kbps 的波特率下运行,支持的自动波特率为48k 1150kbps (144kbps 和288kbps 除外。MC35i 模块还支持RTS0/CTS0的硬件握手和XON/XOFF 的软件流控制。CC2430和MC35i 之间的电平转换和串口功能由MAX3238芯

16、片完成。MAX3238芯片供电电压为30 55V ,符合TIA/EIA-232-F 和ITUv28标准。具有独特的15kV 人体静电保护措施,兼容5V 逻辑输入,内含3路接收、5路发送串行通信接口,最大数据传输速率可达250kbps ,完全可以满足系统通信速率设计要求。选择该芯片的另一个重要理由是在串行口无数据输入的情况下,可以灵活地进行电源管理,以便达到降低功耗的目的。当FORCEON 为低电平、/FORCE-OFF 为高电平时,Auto-Powerdown Plus 功能有效。在正常运行模式下,约30s 内若芯片在接收和发送引脚没有检测到有效信号,将自动进入Powerdown 模式,此时耗

17、电1A 。如果FORCEON 和/FORCEOFF 引脚均为高电平,那么Auto-Power-down Plus 功能失效。在Auto-Powerdown Plus 功能有效时,如果检测到接收或发送引脚有信号输入,该芯片自动被激活,转入正常工作状态。如果任一接收通道的输入电压高于27V 或小于27V ,或者位于03 03V 的时间小于30s ,则/INVALID (15脚引脚为高电平(数据有效。如果所有接收通道的输入电压位于03 03V 的时间大于30s ,则/INVA-LID (15脚引脚为低电平(数据无效。该芯片的以上特性,满足了MC35i 作为移动终端的连接低功耗设计要求11。4软件设计

18、1241传感器节点软件流程传感器节点软件流程如图4所示。初始化MCU 过程包括硬件和网络的初始化,并加入网络。完成初始化过程后,节点进入低功耗状态,并等待指令。如果有指令到达,则解析并执行指令,完成数据采集并传送给协调节点,然后又转入低功耗等待指令状态 。图4传感器节点软件流程Fig4Flowchart of sensor nod42协调节点软件流程协调器节点是整个无线传感网络的中心,负责包括网络的建立、管理、维护以及和上位机进行通信等功能,其工作流程如图5所示 。图5协调节点软件流程Fig5Flowchart of coordinator node43上位机软件设计上位机软件的主要功能包括人

19、机交互、网络管理、传感器信息接收、数据处理与分析和数据库管理等功能,其界面如图6所示。GPRS 模块和监控PC 机通(下转第14409页5044139卷23期徐伟恒等基于GPRS 和ZigBee 的精准林业环境因子监测模式研究进行遍历。故大样本的情况下应用该算法寻找近邻比较方便,而面对小样本问题时对计算机的存储量和计算量来说影响不大,即算法总体运算时间降低不明显。4改进模糊支持向量机应用试验采用Matlab 语言编写1个SVM 工具箱进行数值试验,试验数据是二分类问题的经典数据。从试验数据中随机选取1个相对紧密的样本集和1个相对稀疏的样本集,用传统模糊支持向量机算法和改进模糊支持向量机方法分类

20、的结果如图5、6所示。算法采用Gaussian 核函数,惩罚因子C =200,=01,b =2,=9,图中带圈的点为支持向量。从图5、6可以看出,传统支持向量机取得的支持向量比较多,这也就影响了分界线划分的精细程度;而改进的模糊支持向量机算法取的支持向量少,能有效提高分辨率 。图5传统支持向量机分类结果Fig5Classification results of traditional support vector machine5结论该研究主要对模糊支持向量机算法进行介绍,针对样本的非对称分布情况介绍K 近邻算法56。经过分析可以看出,用改进的模糊K 近邻算法计算的隶属度比单纯用样本到图6改进

21、模糊支持向量机分类结果Fig6Classification results of improved fuzzy support vectormachine样本类中心的距离计算的更能体现样本的总体分布情况;将改进算法应用于试验数据中取得了较好的结果;另外,针对K 近邻算法的查找计算量大的问题找到了比较简单的K 近邻查找算法。参考文献1吴青,刘三阳,杜喆基于边界向量提取的模糊支持向量机方法J 模式识别与人工智能,2008,21(3:3323372路远基于模糊支持向量机的步态识别J 计算机工程,2009,35(21:1891913YANG J ,ZHANG D ,YANG J YTow dimens

22、ional PCA :A new approach toappearance based face representation and recognition J IEEE Trans Pattern Anal Machine Intell ,2004,26(1:1311374PEREZ M ,RUBIN D M ,SCOTT L E ,et alA hybrid fuzzy-SVM classifier ,applied to gene expression profiling for automated leukaemia diagnosis C /Proceedings of the

23、IEEE Conference IsraelEilat ,Israel :IEEE ,20085JOACHIMS TMakong large-scale support vector machine learning paracti-cal M /SCHOLKOPF B ,BURGES C J C ,SMOLAA J ,et alAdvances inkernel methods-support vector learningCambridge ,MA :MIT Press ,19996张恒,邹开其,崔杰,等一种改进的基于密度聚类模糊支持向量机J 计算机工程,2009,35(5:檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪194196(上接第14405页过RS-232串行口进行通信,完成命令的发送和接收。系统的上位机软件采用Visual C +60进行开发,串口通信功能由Visual C +60的通信控件MSComm 完成 。图6上位机软件界面Fig6The main window of monitoring software system5结论系统经过测试,在发射功率为0dbm 时,可靠通信距离为75m ,运行稳定,达到预期效果。如果配合太阳能电池可以实现常年无人值守工作,满足