智慧農(nóng)業(yè)物聯(lián)網(wǎng)節(jié)點(diǎn)故障處理分析

付萌++陳前程++張倩雯++易衛(wèi)東++王一丁

摘 要：為了解決無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)故障難以實(shí)地監(jiān)測的問題，通過網(wǎng)絡(luò)環(huán)境仿真提取匯聚節(jié)點(diǎn)處單位時(shí)間接收數(shù)據(jù)包的數(shù)量，使用Matlab對數(shù)據(jù)進(jìn)行處理。進(jìn)一步觀察其在頻域上的波動(dòng)變化，可明顯觀察到有故障節(jié)點(diǎn)網(wǎng)絡(luò)與無故障節(jié)點(diǎn)網(wǎng)絡(luò)的流量處理信息的區(qū)別，通過此方法可以檢測無線網(wǎng)絡(luò)中是否存在故障節(jié)點(diǎn)。

關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)；流量；頻域；故障

中圖分類號：TP216.1 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2016）11-00-02

0 引 言

在當(dāng)今社會(huì)中，無線傳感器網(wǎng)絡(luò)的應(yīng)用十分廣泛，不僅能應(yīng)用于環(huán)境監(jiān)測和預(yù)報(bào)、建筑物狀態(tài)監(jiān)控、復(fù)雜機(jī)械監(jiān)控、大型車間和倉庫管理、大型工業(yè)園區(qū)的安全監(jiān)測等領(lǐng)域，還涉及軍事、空間探索、城市智能交通等重要領(lǐng)域。隨著傳感器網(wǎng)絡(luò)的廣泛應(yīng)用，傳感器網(wǎng)絡(luò)已經(jīng)深入到人類生活的各個(gè)領(lǐng)域，相應(yīng)的無線應(yīng)用問題也越來越多。無線網(wǎng)絡(luò)的穩(wěn)定性至關(guān)重要，尋找檢測無線網(wǎng)絡(luò)節(jié)點(diǎn)故障的方法成為了其中的重要問題之一。

無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)系統(tǒng)是構(gòu)成無線傳感器網(wǎng)絡(luò)的基礎(chǔ)，是承載無線傳感器網(wǎng)絡(luò)的信息感知、數(shù)據(jù)處理和網(wǎng)絡(luò)功能的基本單元[1]。節(jié)點(diǎn)的故障檢測對實(shí)時(shí)了解網(wǎng)絡(luò)狀況起著重要的作用。故障節(jié)點(diǎn)會(huì)降低整個(gè)無線傳感器網(wǎng)絡(luò)的服務(wù)質(zhì)量，發(fā)生故障的節(jié)點(diǎn)甚至?xí)a(chǎn)生并傳輸錯(cuò)誤的傳感數(shù)據(jù)，使監(jiān)控中心無法得到正確的檢測信息[2]。此外，由于大量廉價(jià)的節(jié)點(diǎn)經(jīng)常部署在不可控、惡劣的甚至敵對的環(huán)境中，這使得傳感器節(jié)點(diǎn)發(fā)生故障的概率相比其他系統(tǒng)要高得多，而且節(jié)點(diǎn)一般都采用電池供電，能量有限，節(jié)點(diǎn)因電池耗盡而失效也非常普遍 [3]。因此研究無線傳感器網(wǎng)絡(luò)的故障檢測方法十分必要。本文提出了一種利用無線動(dòng)態(tài)網(wǎng)流量變化進(jìn)行檢測的方法。

1 無線傳感器網(wǎng)路

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks， WSN）是由大批部署在監(jiān)測環(huán)境中的微型、廉價(jià)、低功耗的傳感器節(jié)點(diǎn)組成的網(wǎng)絡(luò)系統(tǒng)。傳感器節(jié)點(diǎn)是一種集感知能力、存儲能力、計(jì)算能力、通信能力于一體的小型嵌入式設(shè)備，由傳感器模塊、處理器模塊、通信模塊和電源模塊組成[4，5]，它采用無線通信的方式協(xié)同感測、收集、處理和傳輸網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)被監(jiān)測目標(biāo)的信息，并將其發(fā)送給觀察者從而形成多跳自組織網(wǎng)絡(luò)[6]。無線傳感器網(wǎng)絡(luò)是一種比較先進(jìn)的信息收集和處理技術(shù)，已廣泛應(yīng)用在軍事、工業(yè)、環(huán)境、衛(wèi)生醫(yī)療等領(lǐng)域。傳感器網(wǎng)絡(luò)系統(tǒng)包括傳感器節(jié)點(diǎn)（Sensor Node）、匯聚節(jié)點(diǎn)（Sink Node）和終端用戶（User）[7]。其中傳感器節(jié)點(diǎn)通過傳感器模塊來感知和采集所在區(qū)域內(nèi)的環(huán)境信息，如溫度、濕度、振動(dòng)等[4，5]。匯聚節(jié)點(diǎn)是一種特殊的傳感器節(jié)點(diǎn)，它可以是普通的傳感器節(jié)點(diǎn)，也可以是沒有監(jiān)測能力的網(wǎng)關(guān)設(shè)備[8]，用來整合整個(gè)網(wǎng)絡(luò)采集到的有用信息并發(fā)送給用戶。

2 研究方案設(shè)計(jì)

研究方案如圖1所示。為了研究節(jié)點(diǎn)故障檢測的方法，本文首先使用OMNet++仿真平臺建立了無線傳感器網(wǎng)絡(luò)，分別模擬有故障和無故障時(shí)的網(wǎng)絡(luò)狀況，提取網(wǎng)絡(luò)在單位時(shí)間（20 s）內(nèi)接受數(shù)據(jù)包的情況，使用Matlab對數(shù)據(jù)進(jìn)行去噪、歸一等處理后，在頻域上做出兩者的對比圖，分析結(jié)果，得出結(jié)論。

3 無線網(wǎng)絡(luò)仿真

圖2所示為使用OMNet++建立的無線傳感器網(wǎng)絡(luò)的仿真模型。無線傳感網(wǎng)中一共四十個(gè)節(jié)點(diǎn)，其中node[04]是采集節(jié)點(diǎn)，node[538]是傳輸節(jié)點(diǎn)（Sensor Node），node[39]是匯聚節(jié)點(diǎn)（Sink Node）。node[040]節(jié)點(diǎn)兩兩之間都有雙向信道，相互之間可以直接通信，node[39]與node[538]節(jié)點(diǎn)之間均有雙向信道，相互之間可直接通信。采集節(jié)點(diǎn)每0.1 s發(fā)送一次數(shù)據(jù)包，向周圍廣播，根據(jù)節(jié)點(diǎn)反饋信號，隨機(jī)選取空閑節(jié)點(diǎn)發(fā)送數(shù)據(jù)，即數(shù)據(jù)傳輸路徑隨機(jī)。經(jīng)過數(shù)次隨機(jī)傳輸，當(dāng)數(shù)據(jù)包最終到達(dá)node[39]匯聚節(jié)點(diǎn)時(shí)，一個(gè)數(shù)據(jù)包的傳輸完成。我們待仿真網(wǎng)絡(luò)運(yùn)行穩(wěn)定后，開始在node[39]處統(tǒng)計(jì)接收到的數(shù)據(jù)包數(shù)量，采樣間隔為20 s。

4 數(shù)據(jù)處理及算法

網(wǎng)絡(luò)由若干個(gè)傳感器節(jié)點(diǎn)組成，A（a1 a2 a3……an）和B（b1 b2 b3……bn）分別代表被監(jiān)測對象傳感器節(jié)點(diǎn)所發(fā)送的數(shù)據(jù)（其中A代表無故障時(shí)的數(shù)據(jù)，B代表故障時(shí)的數(shù)據(jù)）。為了使得最后經(jīng)過計(jì)算的結(jié)果所呈現(xiàn)的圖像更加準(zhǔn)確、明顯，可用所給數(shù)據(jù)減去其平均數(shù)（去除干擾）得出正負(fù)均有的數(shù)據(jù)（A'、B'）：

其中n為收到數(shù)據(jù)包的次數(shù)，即選取抽樣數(shù)據(jù)的個(gè)數(shù)。

得到數(shù)組A'，B'后，對這些數(shù)組進(jìn)行傅里葉變換：

Y1=FFT（A'，n）

Y2=FFT（B'，n）

傅立葉變換是一種分析信號的方法，它可分析信號的成分，也可用這些成分合成信號，在信號處理過程中，常用傅里葉變換來將信號分解成幅值譜——顯示與頻率對應(yīng)的幅值大小。許多在時(shí)間域中無法觀察出的信號的性質(zhì)，在轉(zhuǎn)換為頻域之后能清晰地觀察出性質(zhì)差異。本文對數(shù)組A'，B'進(jìn)行傅里葉變換，并畫出在頻域中的離散譜和連續(xù)譜，均得到了清晰的對比。

5 仿真及結(jié)果分析

圖3所示是節(jié)點(diǎn)故障與無故障對比圖（離散），圖中細(xì)線繪制的是有故障的情況，粗線繪制的圖像是無故障的情況。從圖中可以看出，無故障時(shí)所呈現(xiàn)的圖像波動(dòng)幅度更小，相對的有故障時(shí)所呈現(xiàn)的圖像波動(dòng)較大。兩者通過傅里葉函數(shù)所繪制的圖像相對比較明顯，大體可以通過此方法來區(qū)別無線傳感器是否存在故障。

圖4所示是節(jié)點(diǎn)故障與無故障對比圖（連續(xù)），細(xì)線繪制的是有故障的情況，粗線繪制的是無故障時(shí)的圖像情況。從圖中兩者的對比可以看出，同樣對每隔20 s隨機(jī)采取的數(shù)據(jù)進(jìn)行處理，無故障時(shí)所呈現(xiàn)的圖形比有故障時(shí)所呈現(xiàn)的圖形更加集中、更加收斂。兩者通過傅里葉函數(shù)所繪制出的圖像相對比較明顯，大體可以通過此方法來區(qū)別無線傳感器是否存在故障。

6 結(jié) 語

本文通過對仿真出的無線網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)流量監(jiān)測，并對提取的數(shù)據(jù)進(jìn)行分析，利用傅里葉變換處理流量數(shù)據(jù)，繪制出故障節(jié)點(diǎn)網(wǎng)絡(luò)及無故障節(jié)點(diǎn)網(wǎng)絡(luò)的流量頻譜圖，以此對無線傳感器網(wǎng)絡(luò)中是否出現(xiàn)故障進(jìn)行有效區(qū)分。面對無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)故障難以實(shí)地監(jiān)測的問題，只需從無線網(wǎng)絡(luò)終端接收數(shù)據(jù)進(jìn)行分析就能知道網(wǎng)絡(luò)是否在正常運(yùn)作，代替了人工現(xiàn)場檢測。此外，本文為了進(jìn)一步研究故障節(jié)點(diǎn)在無線傳感器網(wǎng)絡(luò)中的定位奠定了基礎(chǔ)，也提供了一種新的思路。

參考文獻(xiàn)

[1]陸世龍，趙澤.無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)技術(shù)[N].信息技術(shù)快報(bào)，2008.

[2]季賽，袁慎芳，吳鍵，等.基于時(shí)空特性的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)故障診斷方法[J].傳感器與微系統(tǒng)，2009，28（10）：117-120.

[3]季賽，袁慎芳，馬廷準(zhǔn)，等.無線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)故障診斷方法的研究[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（23）：95-97.

[4]CHRISTINE E. Jones， KRISHNAM. Sivalingam， P Agrawal， et al. A survey ofenergy efficient network protocols for wireless networks[J].Wireless Networks， 2001， 7（4）： 343-358.

[5]陳穎文，徐明，虞萬榮.無線傳感器網(wǎng)絡(luò)的容錯(cuò)問題與研究進(jìn)展[J].計(jì)算機(jī)工程與科學(xué)，2008，30（2）：87-91.

[6]馬祖長，孫怡寧，梅濤.無線傳感器網(wǎng)絡(luò)綜述[J].通信學(xué)報(bào)，2004，25（4）：114-124.

[7]劉擁民，蔣新華，年曉紅，等.無線傳感器網(wǎng)絡(luò)通信協(xié)議[A].全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議，2007：71-77.

[8]IAN F. AkyildizI， SMAIL H. Kasimoglu. Wireless sensor and actor networksresearch challenges[J]. Ad Hoc Networks， 2004， 2（4）： 351-367.

[9]徐振陽，竇文華.無線傳感反應(yīng)網(wǎng)絡(luò)綜述[J].計(jì)算機(jī)科學(xué)，2005，32（9）：26-30.

[10]NOURY N， HERVE T， Rialle V， et al. Monitoring behavior in home using a smart fallsensor[C]. Inproceedings of the IEEE-EMBS Special Topic Conference on Micro-technologies in Medicine and Biology. Lyon： IEEE Computer Society， 2000： 607-610.

[11]趙澤，崔莉.一種基于無線傳感器網(wǎng)絡(luò)的遠(yuǎn)程醫(yī)療監(jiān)護(hù)系統(tǒng)[J].信息與控制，2006，35（2）：265-269.