摘 要 針對無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)據(jù)傳輸?shù)暮哪苄院臀锫?lián)網(wǎng)數(shù)據(jù)的海量性特點(diǎn)，提出一種LEACH協(xié)議和線性回歸模型相結(jié)合的PM2.5數(shù)據(jù)采集優(yōu)化檢測系統(tǒng)。該系統(tǒng)以PM2.5粉塵濃度傳感器為檢測節(jié)點(diǎn)，通過研究基于物聯(lián)網(wǎng)感知層的數(shù)據(jù)融合算法，提出將線性回歸模型與簇狀網(wǎng)絡(luò)結(jié)構(gòu)相結(jié)合，構(gòu)建系統(tǒng)函數(shù)，實(shí)現(xiàn)節(jié)點(diǎn)間相關(guān)參數(shù)的傳輸，減少了網(wǎng)絡(luò)的總能耗，延長了網(wǎng)絡(luò)生命周期。仿真結(jié)果表明：所提數(shù)據(jù)融合策略達(dá)到了節(jié)能高效、優(yōu)化采集數(shù)據(jù)的目的。

關(guān)鍵詞 數(shù)據(jù)采集 PM2.5 物聯(lián)網(wǎng) 線性回歸模型 分簇結(jié)構(gòu) 海量數(shù)據(jù)傳輸 節(jié)能 網(wǎng)絡(luò)生命周期

中圖分類號 TP274+.2；TN919? ?文獻(xiàn)標(biāo)識碼 A? ?文章編號 1000?3932（2023）02?0194?05

PM2.5粉塵濃度的實(shí)時(shí)監(jiān)測和及時(shí)預(yù)報(bào)對環(huán)保部門采取相關(guān)應(yīng)對措施具有重要意義。物聯(lián)網(wǎng)在環(huán)境監(jiān)測領(lǐng)域應(yīng)用廣泛，增強(qiáng)了監(jiān)測數(shù)據(jù)的質(zhì)量［1］。在PM2.5監(jiān)測系統(tǒng)中，無線傳感器網(wǎng)絡(luò)具有計(jì)算、存儲(chǔ)功能和無線傳輸節(jié)點(diǎn)數(shù)據(jù)的能力，是物聯(lián)網(wǎng)感知層的重要組成部分［2～4］。采用簇狀結(jié)構(gòu)對傳感器檢測節(jié)點(diǎn)數(shù)據(jù)進(jìn)行融合，實(shí)現(xiàn)減少數(shù)據(jù)發(fā)送量、優(yōu)化數(shù)據(jù)采集質(zhì)量的目的［5］。文獻(xiàn)［6］在路由協(xié)議分簇結(jié)構(gòu)中引入神經(jīng)網(wǎng)絡(luò)模型對傳感器節(jié)點(diǎn)采集的數(shù)據(jù)進(jìn)行融合處理；文獻(xiàn)［7］通過構(gòu)建局部感知數(shù)據(jù)的線性回歸模型來表示和預(yù)測傳感器節(jié)點(diǎn)實(shí)際感知數(shù)據(jù)監(jiān)測值，減少了傳感器節(jié)點(diǎn)間頻繁數(shù)據(jù)傳輸帶來的通信開銷，以較少的網(wǎng)絡(luò)能耗實(shí)現(xiàn)有效的感知數(shù)據(jù)預(yù)測和估計(jì)；文獻(xiàn)［8］提出一種自適應(yīng)的協(xié)作數(shù)據(jù)傳輸方法，該方法根據(jù)簇頭與基站的距離選擇傳統(tǒng)的單輸入單輸出（Single Input Single Output，SISO）傳輸模式或者協(xié)作傳輸模式，以提高網(wǎng)絡(luò)的能量效率。

針對物聯(lián)網(wǎng)監(jiān)測海量數(shù)據(jù)傳輸和高能耗問題，提出基于物聯(lián)網(wǎng)感知層的PM2.5數(shù)據(jù)采集優(yōu)化策略，將線性回歸模型引入LEACH算法中，構(gòu)建線性回歸模型優(yōu)化PM2.5傳感器節(jié)點(diǎn)數(shù)據(jù)，采用簇狀網(wǎng)絡(luò)結(jié)構(gòu)完成傳感器檢測節(jié)點(diǎn)數(shù)據(jù)融合處理，通過僅傳遞回歸模型參數(shù)實(shí)現(xiàn)PM2.5檢測網(wǎng)絡(luò)高效節(jié)能、延長網(wǎng)絡(luò)壽命并提高數(shù)據(jù)收集率。

1 系統(tǒng)模型的建立

在PM2.5檢測系統(tǒng)中，線性回歸分析模型可以實(shí)現(xiàn)環(huán)境數(shù)據(jù)規(guī)律的分析，并結(jié)合相關(guān)因素預(yù)測被測數(shù)據(jù)的發(fā)展趨勢。將回歸分析與無線網(wǎng)絡(luò)相結(jié)合，在節(jié)點(diǎn)加入回歸分析算法，實(shí)現(xiàn)節(jié)點(diǎn)對采集數(shù)據(jù)進(jìn)行初步有效的處理，減少節(jié)點(diǎn)發(fā)送冗余數(shù)據(jù)，有效減小節(jié)點(diǎn)能量損耗，降低后期數(shù)據(jù)處理的復(fù)雜度。

據(jù)式（13）繪制的系統(tǒng)回歸模型擬合曲線如圖1所示。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 系統(tǒng)模型有效性分析

針對系統(tǒng)回歸模型有效性分析，在室外布置PM2.5激光濃度傳感器，每10 min執(zhí)行一次濃度數(shù)據(jù)采樣。取3 d內(nèi)同時(shí)間段的20個(gè)采樣點(diǎn)數(shù)據(jù)進(jìn)行回歸模型擬合及分析（分別標(biāo)記為數(shù)據(jù)1、數(shù)據(jù)2、數(shù)據(jù)3）。將同一時(shí)間段內(nèi)20個(gè)PM2.5粉塵濃度傳感器的檢測數(shù)據(jù)代入回歸模型解算回歸曲線，結(jié)果如圖2所示，可以看出，回歸曲線可較準(zhǔn)確、清晰地表示出每天檢測數(shù)據(jù)的變化趨勢。

為了對比數(shù)據(jù)誤差，將檢測值與預(yù)測值相對誤差絕對值進(jìn)行對比，分析圖3可知，檢測數(shù)據(jù)和預(yù)測數(shù)據(jù)最大相對誤差為2.0%。根據(jù)我國環(huán)境監(jiān)測司制定的《大氣PM2.5網(wǎng)格化監(jiān)測技術(shù)要求和檢測方法技術(shù)》指南進(jìn)行本系統(tǒng)測量數(shù)據(jù)分析，對于PM2.5粉塵濃度檢測，要求在同一時(shí)間段內(nèi)檢測系統(tǒng)測量的相對誤差不超過20%，因此線性回歸模型應(yīng)用于檢測對象是線性或呈線性變化的系統(tǒng)，其擬合結(jié)果是穩(wěn)定、理想的。

本系統(tǒng)模型擬合曲線結(jié)果的有效性以實(shí)測值與預(yù)測值間的均方根誤差作為評判標(biāo)準(zhǔn)，其均方根誤差ω計(jì)算方法如下：

在同一時(shí)間段，取濃度采樣個(gè)數(shù)分別為10、30、60、80，根據(jù)建立的系統(tǒng)函數(shù)模型，解算的線性回歸曲線如圖4所示。

由式（14）得到不同采樣點(diǎn)個(gè)數(shù)的均方根誤差如圖5所示。

圖5表示采集數(shù)據(jù)個(gè)數(shù)與擬合曲線的精確度非一次線性比例關(guān)系，因預(yù)測數(shù)據(jù)的準(zhǔn)確度和數(shù)據(jù)的離散程度有一定關(guān)系，采樣次數(shù)過多或過少都可能影響最終數(shù)據(jù)的離散程度，從而影響擬合曲線的準(zhǔn)確性，使得均方根誤差增大或減小，故在系統(tǒng)應(yīng)用時(shí)需綜合考慮來確定采樣時(shí)間點(diǎn)個(gè)數(shù)。

3.2 系統(tǒng)模型對無線網(wǎng)能量損耗仿真分析

根據(jù)LEACH能量消耗模型，在傳輸距離d內(nèi)檢測節(jié)點(diǎn)發(fā)送g bit數(shù)據(jù)流消耗的能量E（g，d）為：

其中，E表示發(fā)射電路能耗，ε為自由空間衰減模型時(shí)放大器能耗。信號在無線信道中傳輸?shù)哪芎呐c距離d成正比，在短距離無線傳輸時(shí)r=2，長距離傳輸時(shí)r=4，本系統(tǒng)中取r=2。

接收g bit數(shù)據(jù)所需能量由電路能耗產(chǎn)生，則接收的總能量E（g）為：

其中，發(fā)送電路與接收電路處理1 bit數(shù)據(jù)的能耗E=50 nJ，放大器向單位面積發(fā)射1 bit數(shù)據(jù)的能耗ε=100 pJ［9］。

在計(jì)算無線網(wǎng)能耗時(shí)，將數(shù)據(jù)融合的能量計(jì)算到能耗中，則該值與融合的數(shù)據(jù)包個(gè)數(shù)及包內(nèi)比特?cái)?shù)成正比。簇頭節(jié)點(diǎn)壓縮n個(gè)非簇頭節(jié)點(diǎn)，發(fā)送g bit數(shù)據(jù)的能耗E（g，n）為：

其中，E為每個(gè)簇內(nèi)節(jié)點(diǎn)發(fā)送數(shù)據(jù)的能耗。

基于分簇算法，采用MATLAB對系統(tǒng)模型進(jìn)行仿真分析，簇頭收集且融合其他非簇頭節(jié)點(diǎn)數(shù)據(jù)發(fā)送給基站，使網(wǎng)絡(luò)能耗大幅降低，并且延長了網(wǎng)絡(luò)壽命，同時(shí)簇頭節(jié)點(diǎn)會(huì)更早釋放［10，11］。實(shí)驗(yàn)中，在長、寬均為100 m的正方形區(qū)域內(nèi)隨機(jī)分布100個(gè)傳感器檢測節(jié)點(diǎn)，傳感器檢測節(jié)點(diǎn)（○）和匯聚節(jié)點(diǎn)（+）的分布如圖6所示。

與平面路由協(xié)議相比，LEACH協(xié)議的數(shù)據(jù)分層轉(zhuǎn)發(fā)機(jī)制所消耗的能量極?。?2］。本系統(tǒng)中，在LEACH協(xié)議中引入線性回歸函數(shù)，簇內(nèi)節(jié)點(diǎn)將檢測數(shù)據(jù)發(fā)送給簇頭，簇頭接收檢測數(shù)據(jù)的同時(shí)計(jì)算系統(tǒng)模型相關(guān)參數(shù)，傳遞回歸模型參數(shù)給基站。設(shè)每個(gè)檢測節(jié)點(diǎn)初始能量為0.5 J，采用無線通信能像衰減模型，在1 500個(gè)仿真周期中，系統(tǒng)節(jié)點(diǎn)能耗和節(jié)點(diǎn)存活情況如圖7、8所示。

通過分析圖7、8的實(shí)驗(yàn)仿真結(jié)果可知，在算法能耗上引入回歸函數(shù)的LEACH算法相較于原LEACH算法能耗更低?；诖貭罹W(wǎng)絡(luò)結(jié)構(gòu)對數(shù)據(jù)進(jìn)行融合引入回歸算法，可有效減少簇頭和節(jié)點(diǎn)間數(shù)據(jù)的傳輸量，降低簇頭能耗，使整個(gè)系統(tǒng)能耗減小，實(shí)現(xiàn)網(wǎng)絡(luò)生命周期的延長。

4 結(jié)束語

筆者提出一種基于PM2.5檢測物聯(lián)網(wǎng)感知層的線性回歸模型，采用簇狀網(wǎng)絡(luò)結(jié)構(gòu)對數(shù)據(jù)進(jìn)行融合處理，建立容錯(cuò)機(jī)制，在PM2.5傳感器節(jié)點(diǎn)和簇頭之間僅傳遞系統(tǒng)模型系數(shù)參數(shù)，不斷更新系統(tǒng)模型，優(yōu)化參數(shù)。通過研制開發(fā)的PM2.5粉塵濃度檢測系統(tǒng)，搭建實(shí)驗(yàn)平臺，獲取實(shí)驗(yàn)數(shù)據(jù)，并利用MATLAB仿真軟件進(jìn)行數(shù)據(jù)理論驗(yàn)證分析，結(jié)論是：所建模型可有效預(yù)測檢測區(qū)域內(nèi)PM2.5粉塵濃度的變化，檢測數(shù)據(jù)相對誤差為2.0%，在《大氣PM2.5網(wǎng)格化監(jiān)測技術(shù)要求和檢測方法技術(shù)》指南規(guī)定的誤差范圍20%之內(nèi)，達(dá)到了PM2.5粉塵濃度數(shù)據(jù)穩(wěn)定采集優(yōu)化的目的；基于簇狀網(wǎng)絡(luò)結(jié)構(gòu)對數(shù)據(jù)進(jìn)行融合引入回歸算法，減少了檢測網(wǎng)絡(luò)的能耗，延長了檢測網(wǎng)絡(luò)生命周期，實(shí)現(xiàn)了系統(tǒng)模型的高效性和可行性。

參 考 文 獻(xiàn)

［1］ 李鵬，張瑞霞，王賽超.基于物聯(lián)網(wǎng)技術(shù)的大氣環(huán)境監(jiān)測系統(tǒng)研究［J］.信息通信，2013（8）：59-60.

［2］ 王文博，趙培陸，梅笑冬，等.基于ZigBee的無線傳感器網(wǎng)絡(luò)大氣監(jiān)測系統(tǒng)設(shè)計(jì)［J］.傳感器與微系統(tǒng)，2014，33（2）：83-86.

［3］ 仲元昌，湯寶平，譚春祿，等.用于大氣環(huán)境監(jiān)測的無線智能傳感器陣列研究［J］.通信學(xué)報(bào)，2008，29（6）：137-140.

［4］ 王文君，龐敏.無線傳感器網(wǎng)絡(luò)在環(huán)境監(jiān)測中的應(yīng)用［J］.智慧中國，2022（6）：80-81.

［5］ 李新煒.基于簇狀結(jié)構(gòu)的無線傳感網(wǎng)多徑路由協(xié)議研究［J］.計(jì)算機(jī)仿真，2018，35（3）：205-209.

［6］ 孔玉靜，侯鑫，華爾天，等.基于BP神經(jīng)網(wǎng)絡(luò)的無線傳感器網(wǎng)絡(luò)路由協(xié)議的研究［J］.傳感技術(shù)學(xué)報(bào)，2013，26（2）：246-251.

［7］ 宋欣.面向無線傳感器網(wǎng)絡(luò)的分布式數(shù)據(jù)收集關(guān)鍵技術(shù)研究［D］.沈陽：東北大學(xué)，2015.

［8］ 杜維，周雯.無線傳感網(wǎng)絡(luò)的自適應(yīng)協(xié)作數(shù)據(jù)傳輸方法［J］.移動(dòng)通信，2020，44（12）：67-72.

［9］ 宋欣，王翠榮.基于線性回歸的無線傳感器網(wǎng)絡(luò)分布式數(shù)據(jù)采集優(yōu)化策略［J］.計(jì)算機(jī)學(xué)報(bào)，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］ 梁壯，李剛，雷麗婷.基于優(yōu)化簇頭選舉的WSN分簇路由協(xié)議研究［J］.溫州大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，41（2）：47-54.

［12］ 李建洲，王海濤，陶安.一種能耗均衡的WSN分簇路由協(xié)議［J］.傳感技術(shù)學(xué)報(bào)，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

作者簡介：劉敏（1987-），工程師，從事檢測技術(shù)與儀器、非接觸測量的研究，liuminfly@163.com。

引用本文：劉敏.基于物聯(lián)網(wǎng)的粉塵濃度數(shù)據(jù)采集優(yōu)化設(shè)計(jì)［J］.化工自動(dòng)化及儀表，2023，50（2）：194-198.