面向大面積漁業環境監測的長距離低功耗LoRa傳感器網絡

張 錚，曹守啟，朱建平，陳佳品

?

面向大面積漁業環境監測的長距離低功耗LoRa傳感器網絡

張 錚1，曹守啟1，朱建平1，陳佳品2

（1. 上海海洋大學工程學院，上海 201306；2. 上海交通大學電子信息與電氣工程學院，上海 200240）

該文針對近海漁業和大面積水產養殖環境監測應用周期長，覆蓋面積大等特點，設計了基于LoRa技術的長距離低功耗無線傳感網絡系統。該系統設計了低成本的雙信道LoRa網關，并在此基礎之上提出了一種新穎的速率自適應的雙信道同步調度無線通信策略。該策略充分利用LoRa技術多擴頻因子多數據率的特點，對網關不同距離范圍內的終端節點自動分配不同的擴頻因子以確保網絡連通性，并通過MAC層同步調度，在保證監測網絡大面積覆蓋的同時，大大降低了無線信道碰撞的概率，提高了異常數據上傳的實時性和終端節點的平均網絡壽命。通過仿真和現場試驗驗證了本方案的有效性，系統可有效覆蓋半徑3 km的監測區域，100個終端節點的網絡規模；對于視距通信，該策略的投遞率從單一擴頻因子的0.8提升到0.99，對于數據上傳周期為10 s的快速通信，投遞率從單一擴頻因子的0.4提升到0.95以上；如采用3 600 mA?h鋰電池，數據上傳周期為10 min，終端節點壽命可達1 a。

水產養殖；監測；無線傳感器網絡；LoRa；同步；速率自適應

0 引 言

近年中國對水產品的市場需求不斷上漲，近海漁業和大面積水產養殖業發展迅猛。漁業環境的自動監測預警技術越來越受到重視，引起了許多學者的研究興趣。基于物聯網技術設計漁業環境無線監測系統已成為目前的研究熱點[1-4]。

大多數研究人員在設計物聯網無線通信方案時使用Zigbee和GPRS技術[5-12]。楊旭輝等[6]基于Zigbee協議采用分時分區供電和數據融合技術延長了節點壽命；蔣建明等通過LEACH(low energy adaptive clustering hierarchy)優化協議提高能效性[8,9]。Zigbee的單跳通信距離最長為幾百米，如需大面積的網絡覆蓋，則需依賴于路由節點和Mesh協議，隨著路由跳數的增加，實時性和可靠性都會下降，且路由節點能耗大，多跳路由協議復雜，路由節點難以采用電池供電，因此適用于中小面積的漁業環境監測[5,6,8,9,10]。有些方案采用GPRS技術來實現漁業環境的遠距離數據傳輸和大范圍監測[7, 11,12,13]，GPRS模塊功耗較大，Alippi等使用太陽能為網絡系統供電[12]，但移動通信技術按流量計費，而有些偏遠地區或近海海域的網絡信號尚未覆蓋。申慶祥等提出了基于量子遺傳算法的水質監測路由優化算法提高全網壽命[14]，但沒說明具體實現技術。李慧等開發了Android平臺進行水產養殖監控[15]，通過Zigbee技術進行現場數據采集，并利用30 m×30 m的魚塘進行了試驗。

以LoRa為代表的LPWAN（Low power wide area network）技術以其低功耗、長距離、低成本、大網絡容量等特點無疑將擁有巨大的農業物聯網應用空間[1,16]。LoRa是Semtech公司的一種基于擴頻技術的超遠距離無線通信方案，有效傳輸距離可達數千米以上[16]。目前LoRa技術的應用主要采用LoRa Alliance的LoRaWAN[17]協議，LoRaWAN的網關芯片采用Semtech公司的SX1301[18]，其能并行接收8個信道的數據包，每個信道可以接收擴頻因子SF7~SF12共6種速率的LoRa信號，極大提高了吞吐率。但其開發資料不公開，僅當用戶付費成為LoRa Alliance會員，才能獲得相關資料和技術，SX1301網關商品單價在3000元以上，成本很高。

目前學者對于LoRa技術的研究還主要集中在性能評估方面[19-22]；Augustin等通過理論和試驗分析評估了LoRa的擴頻因子等配置參數對于網絡覆蓋及性能的影響[19]；文獻[21]通過試驗評估了LoRa技術在移動條件下的性能；文獻[22]從理論的觀點分析了LoRaWAN的網絡規模和吞吐量。文獻[23]在能源物聯網項目中利用了LoRa技術進行大面積網絡覆蓋，并與GPRS技術方案進行了比較分析。目前對于LoRa通信協議的改進優化方面的研究較少。Kim等提出了基于LoRaWAN的物聯網數據傳輸和網絡架構[24]；Pham也提出了SX1301網關成本過高的問題，自行開發了基于LoRa終端芯片的低成本單信道網關[25]。目前針對大面積漁業環境和水產養殖監測的低成本專用LoRa低功耗傳感網絡方案研究很少見到。

本文針對大面積漁業環境監測的需求，研究基于LoRa技術的專用低功耗傳感網絡方案，設計了低成本雙信道網關，并在此基礎上提出了低功耗低延遲的雙信道MAC層同步調度通信策略。通過仿真和現場試驗驗證網絡系統的性能，以期為大面積漁業環境監測研究提供新思路。

1 網絡架構

1.1 硬件設計

本系統自行設計開發低成本網關，采用2個基于單通道LoRa終端芯片SX1278[26]（價格僅10元）的LoRa模塊構成雙通道，并通過優化改進無線通信協議，使其完全滿足大面積漁業環境監測應用需求。網關的硬件原理框圖如圖1a所示，采用高性能微控制器STM32F429[27]，GPS模塊用于定位和網關授時，以太網和4G模塊用于感知數據的云端接入，網關采用太陽能板或直流電源供電。

圖1 傳感網硬件原理框圖

終端節點主要負責將各種漁業環境監測數據通過LoRa無線方式發送給網關。其硬件原理框圖如圖1b所示，采用低功耗微控制器STM32L151[28]，和一個基于SX1278芯片的LoRa模塊外，還集成溫度、溶氧、pH值、鹽度、濁度等各種水質傳感器的一種或幾種。終端節點部署在環境監測現場，通常采用鋰電池供電。

1.2 網絡拓撲

本方案設計的網絡拓撲如圖2所示。LoRa終端節點與LoRa網關構成星形拓撲架構，消除了Zigbee網狀網技術的路由轉發開銷，具有較低的通信延遲[21]。LoRa終端節點發送完數據后立即進入休眠狀態，直到下一個數據采集周期才被喚醒，可大大降低功耗，延長網絡壽命。網關對各個終端的上傳數據進行匯聚分類，并通過Internet上傳到云端服務器，然后推送到遠程終端，如各種移動終端、計算機等。遠程終端應用軟件對數據進行信息管理、分析統計、智能決策、預警控制等處理。

圖2 網絡拓撲

2 LoRa通信方案

在漁業環境監測系統中，既有需要周期性上傳的現場環境感知常規數據，又有需要實時上傳的緊急異常數據，如某一監測指標嚴重超標，需要發送報警信息。為滿足應用需求，本文在低成本雙通道LoRa網關的基礎上提出了一種速率自適應的雙信道同步通信策略LoRa- DSADR（dual-channel synchronous communication with adaptive data rate）。在滿足終端節點低功耗通信的同時，又滿足緊急數據實時上傳的需求。

2.1 LoRa-DSADR的雙信道策略

對于LoRa技術，網關的SX1278模塊與終端的SX1278模塊進行無線通信必須滿足無線信道頻段、帶寬、擴頻因子設置相同[29]。

LoRa射頻芯片的通信距離與接收靈敏度有關，而接收靈敏度主要取決于擴頻因子；擴頻因子設置值越高，接收靈敏度越高，通信距離越遠[21,26]。各個終端節點的部署位置不同，其到網關的距離也不同，處于相同距離范圍的節點可采用相同的擴頻因子，如圖3中，通信距離大于半徑1，小于半徑2范圍內的節點的擴頻因子SF可設置為11。表1所示為SX1278通信帶寬設置為125 kHz時，不同的擴頻因子SF設置值與數據率DR的對應關系。如果按位置對節點進行分組，對于距離網關越近的節點組，設置的擴頻因子數值越低，可獲得的數據率越高，相同長度的數據包射頻發射時間越短，這樣有利于提高吞吐量，減少節點的通信能耗和碰撞概率。如圖3中，通信半徑小于1的節點設置SF=10，可獲得比SF=11高1倍的速率。

圖3 擴頻因子（SF）與通信距離（r）

表1 擴頻因子與數據率

網關的2個SX1278模塊分別對應2個物理信道：周期性數據信道1和特殊功能信道2，而終端節點只使用一個SX1278模塊?；贚oRa技術的上述特點，LoRa- DSADR策略協調MAC（Media access control）層的信道、擴頻因子切換與分時同步調度。

周期性數據信道1只用來進行常規數據包的周期性上傳，通過LoRa-DSADR的自適應數據率算法，為不同距離范圍的終端節點分配不同的擴頻因子，并周期性地進行信道1的擴頻因子切換。

特殊功能信道2主要完成3個功能：節點加入、緊急數據上傳、時間同步維護。為保證網絡的連通性，該信道設置擴頻因子SF=12。

2.2 LoRa-DSADR策略的節點入網與時間同步

新的終端節點在上電初始化階段工作在特殊功能信道2；LoRaWAN通信沒有采用類似CSMA(carrier sense multiple access)的機制，其通信性能與ALOHA[30]機制近似；因此，為了降低信道碰撞概率并節能，本策略首先進行高頻的低功耗偵聽（low power listening，LPL[31]），如圖4所示，即節點周期性地進入信道活動檢測（channel activity detection，CAD）模式，當檢測到信道忙時，節點進入短暫休眠狀態，當連續兩次檢測到信道空閑時，節點向網關發送加入請求。

圖4 LoRa-DSADR特殊功能信道2調度圖

為了進行終端節點與網關的高精度時間同步，本策略采取了MAC層時間同步的方法，其過程如圖5所示。網關在確認請求時，將本地定時器當前值附加在確認幀的尾部；當終端節點接收到確認幀的前導碼，則SX1278會產生一個中斷通知MCU，記錄本地定時器的當前值。當終端節點接收完該幀，就能夠計算出網關與終端節點兩端定時器的差值。

圖5 時間同步過程

接下來終端節點首先設置從本地定時器值中減去該差值，然后再減去一個小的同步退避值。的設置值應正好滿足捕捉到確認幀前導碼所需的時間（依前導碼檢測長度PreambleDetectSize 和位率BitRate 而定[26]）。這樣在終端節點入網階段就完成了與網關的時間同步。

確認幀中還包括Beacon周期T和下一次發送Beacon的時間偏移量信息。

如圖4所示，網關以T為周期發送Beacon，終端節點入網成功并完成時間同步后，在下一次Beacon接收時間切換到特殊功能信道2，完成Beacon接收后再切換回周期性數據信道1。通過周期性地接收Beacon，節點就完成了與網關的時間同步維護。

2.3 LoRa-DSADR策略的自適應數據率

各個終端節點的周期性數據信道1 的擴頻因子SF 由網關根據接收信號強度RSSI(received signal strength indication)和信噪比SNR(signal noise ratio)自動調整。終端節點距離網關越近，接收信號強度越大，信噪比越高，則分配的擴頻因子值越低，數據率越高。

漁業環境監測多為較空曠區域，因此門限值可通過現場試驗測試獲得。

2.4 LoRa-DSADR策略的數據傳輸

對于周期性常規數據，如圖6所示，網關根據網絡內節點的數量和擴頻因子的分配情況，將信道1的數據采集上傳周期T劃分為若干個時段，每個時段采用不同的擴頻因子；在每個時段內為處于相同距離范圍的節點分配時隙θ；通過自適應數據率策略，終端節點根據網關返回的擴頻因子設置信道1，并在分配的時隙上傳周期性數據，網關返回ACK確認幀。擴頻因子值每降低1，數據率提高一倍，數據率越高，相同長度數據上傳的時間越短。終端節點發送完數據立即進入休眠狀態，直到下一個周期分配的時隙到來才喚醒進行數據上傳。如果終端節點連續3次上傳數據，未接收到網關返回的ACK，則切換到特殊功能信道2，通過數據測試重新評估擴頻因子。網關會根據測試數據重新為終端節點分配擴頻因子和時隙。

注：θn表示同一距離范圍內第n個節點分配的時隙，Tp表示數據上傳周期。

對于緊急數據，當節點需要上傳時，不必等到分配時隙的到來，直接切換到特殊功能信道2，進行緊急數據的實時上傳，如圖4所示。由于采用了不同的信道，不會和其他節點的周期性上傳數據產生通信碰撞，大大提高了系統響應的實時性。

網關的LoRa-DSADR流程圖如圖7a所示。網關在信道初始化完成后空閑等待中斷請求IRQ（interrupt request），當有中斷到來時，根據中斷類型進行相應的處理。終端節點的LoRa-DSADR流程圖如圖7b所示。終端節點在加入網絡并時間同步后，休眠等待中斷請求IRQ，當有中斷到來時，根據中斷類型進行相應的處理，如：時間同步、信道切換、緊急數據上傳、周期性數據上傳等。

注：IRQ表示中斷請求，CAD表示信道活動檢測。

3 LoRa-DSADR性能仿真

為了評估LoRa-DSADR策略的性能，應用Matlab編寫了計算機仿真程序，LoRa通信物理層仿真模型設計參考文獻[20]。在如圖3所示的半徑3 km的范圍內隨機均勻部署終端節點，網關位于原點。節點信道1擴頻因子SF=12，信道2擴頻因子SF分時段采用10~12，數據包有效負載51字節。所有終端節點數據采集上傳周期T為5 min，同步周期T為1 h。LoRa-DSADR與單信道LoRa和時間同步的單信道LoRa-SYN進行性能比較；假設單信道LoRa的數據包發送時間偏移服從泊松分布；時間同步的單信道LoRa-SYN按平均分配的時隙發送數據包。單信道LoRa和LoRa-SYN都采用擴頻因子SF=12。每輪仿真時間為5 h，取6輪仿真的平均值。仿真評估網絡性能隨終端節點數量增加的變化情況，評價指標如下：

1）碰撞率：數據包同時發送發生信道碰撞的次數與發送的數據包總數的比值。

2）通信延遲：數據包從發送到被網關成功接收的時間，包括數據空中傳輸和發送失敗重傳的時間等。

3）能量消耗：終端節點平均成功發送1位數據的能耗。

如圖8a所示，單信道LoRa通信沒有采用類似CSMA的機制，其通信性能與ALOHA近似，碰撞率隨通信終端個數的增加而增大。LoRa-SYN因為各個終端節點都平均分配時隙周期性同步上傳數據，碰撞率較低；但隨著節點數量的增加碰撞率略有上升，這是因為單信道單擴頻因子通信，當終端節點有緊急數據需要上傳且不在自己的分配時隙內時，數據碰撞的概率很大。LoRa-DSADR由于雙信道多擴頻因子通信且加入了CAD功能，緊急數據上傳不會影響到其他節點的周期性數據上傳，只有兩個節點同時上傳緊急數據時才有可能發生沖突，因此碰撞率非常低，且幾乎不受網絡節點個數增加的影響。

如圖8b所示，由于單信道LoRa和LoRa-SYN都采用單一擴頻因子SF=12，因此其位速最慢（表1），數據包空中傳輸時間最長。由于信道碰撞和數據重傳，單信道LoRa的通信延遲隨節點數量的增大而增大。LoRa- DSADR由于采用了自適應數據率機制，距離網關較近的節點具有較快的數據率，因此平均通信延遲最低且保持穩定。

圖8 網絡性能隨終端節點數量的變化

如圖8c所示，數據碰撞和重傳會進一步增加單信道LoRa通信的能耗，減小電池壽命。LoRa-SYN由于采用擴頻因子SF=12，因此傳輸相同長度數據的平均能耗要比LoRa- DSADR高。LoRa-DSADR采用多擴頻因子同步調度通信機制，且時間同步開銷很小，隨著節點數量的增加，其低功耗優勢非常明顯。根據仿真結果推算，如果采用7.4 V的3600 mA?h鋰電池，此場景下采用LoRa-DSADR機制的終端節點平均工作壽命在1 a以上。

4 滴水湖現場試驗

4.1 現場試驗系統與部署

為了進一步驗證LoRa-DSADR策略的有效性和可靠性，本文在上海臨港新城滴水湖進行了現場試驗。圖9a為本試驗自行開發的雙信道網關和終端節點，以及終端節點配備的溶氧（RDO-206型）、pH值（PHG-202型）傳感器等硬件設備。LoRa-DSADR策略采用C語言，在Semtech公司提供的SX1278驅動程序Firmware Drivers V2.1.0的MAC層上設計實現。

終端節點部署如圖9b所示，漁業環境監測應用多為較空曠區域，因此選擇節點1、3、4與網關為視距通信，節點2與網關之間有叢林遮擋。由于LoRa網絡的終端節點與網關構成星型拓撲，進行一跳通信，因此影響網絡性能的因素主要是終端節點到網關的距離，是否有障礙物遮擋，還有數據發送的間隔。

本文針對此傳感網絡系統專門開發了安卓手機APP程序，通過連接云端服務器，可查詢4個節點的監測數據。其軟件界面以及2號節點的溶氧、pH值、溫度數據監測界面如圖10所示。

圖9 硬件設備與節點部署圖

圖10 手機APP程序監測界面

4.2 現場試驗測試與性能評估

首先測試4個終端節點采用擴頻因子SF=10、11、12和LoRa-DSADR機制時的數據投遞率，測試數據網關不進行ACK應答，終端節點不進行數據重傳，終端節點發射功率為25 mW，數據包有效負載51字節，數據周期T為2 min。

由于部署節點較少且數據發送間隔為2 min，所以信道碰撞概率很低，所以投遞率主要受距離和擴頻因子的影響。如圖11a所示，終端節點1距離網關最近，4種機制的投遞率都接近1；在節點3和4，擴頻因子SF=10、SF=11的投遞率隨著距離的增加而下降，SF=12為0.99，而LoRa-DSADR由于采用擴頻因子自適應機制數據投遞率為0.99。對于節點2，雖然距網關的距離較節點3、4近，但由于無線信號傳輸路徑上有叢林遮擋，信號衰落最嚴重，所以擴頻因子SF=10、SF=11的數據投遞率都低于0.8，SF=12和LoRa-DSADR的投遞率均為0.95，如開啟ACK應答機制，數據通信的可靠性會進一步提高。由此可以看出，雖然采用SF=12可以獲得和LoRa-DSADR一樣的投遞率，但對于節點1、3，LoRa-DSADR機制會選擇更小的擴頻因子進行周期性數據上傳，在保證投遞率的同時，有利于進一步提高能效性；而對于節點2，LoRa-DSADR會選擇最大的擴頻因子，以保證網絡的連通性。

圖11 投遞率性能測試

接下來，測試4個終端節點采用擴頻因子SF=12和LoRa-DSADR機制時，數據投遞率隨數據上傳周期T變化的情況，取10輪試驗的平均結果。如上述試驗所述，擴頻因子SF=12的數據投遞率在本試驗范圍內不受距離因素的影響，因此，同一數據周期T下，各位置節點的投遞率相差不多，如圖11b所示，采用擴頻因子SF=12時，4個節點的投遞率都隨數據上傳周期的減小而降低，當數據周期T為10 s時，信道碰撞的概率大大增加，投遞率不到0.4。LoRa-DSADR機制由于協調MAC層擴頻因子切換與分時同步調度，信道碰撞概率大大降低，除節點2外，T為20、30、40 s時，各節點數據投遞率都在0.98以上；當數據周期降為10 s時，各節點的投遞率仍在0.95以上，由此也驗證了本策略時間同步機制的有效性。節點2由于有叢林遮擋，投遞率略為降低。

由試驗結果可知，LoRa-DSADR策略大大降低了信道碰撞的概率，保證了數據上傳的可靠性；同時，分配低擴頻因子的節點，提高了數據率，因此可以減小了數據上傳的能耗，提高了節點的電池壽命。

5 結 論

本文針對大面積漁業環境和水產養殖監測應用需求，通過對現有無線方案的分析比較，提出了基于LoRa的低功耗傳感網絡系統。首先自行設計了低成本的雙通道LoRa網關，并在此基礎上研究設計了自適應數據率的雙信道同步通信策略LoRa-DSADR（dual-channel Synchronous communication with adaptive data rate）。仿真和試驗結果表明：本設計可根據終端節點部署位置自動調整數據率，并根據工作狀態自動進行信道切換，在保證LoRa無線通信大面積覆蓋的同時，滿足低功耗低延遲和高可靠性無線通信的需求。系統可有效覆蓋半徑3 km的監測區域，100個終端節點的網絡規模，采用3600mA?h鋰電池，數據上傳周期為10 min時，終端節點壽命可達1 a。漁業環境監測實際應用中的數據上傳周期要比試驗的數據上傳周期要長，因此會獲得更長的電池壽命。由于漁業和水產養殖應用環境較復雜，下一步需要進行更多的長期的現場試驗，進行功耗的詳細評估，通過更多的數據包RSSI和SNR樣本采集分析，提高Lora-DSADR機制的可靠性。另外，在網關端準備研究適用于漁業環境監測的數據融合算法，并加入對漁業裝備的控制功能，如增氧機、投飼機等，進一步完善系統應用的智能化程度。

[1] 李道亮，楊昊. 農業物聯網技術研究進展與發展趨勢分析[J]. 農業機械學報，2018，49(1)：1－20. Li Daoliang, Yang Hao. State-of-the-art review for Internet of Things in agriculture[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(1): 1－20. (in Chinese with English abstract)

[2] 李瑾，郭美榮，高亮亮. 農業物聯網技術應用及創新發展策略[J]. 農業工程學報，2015，31(增刊2)：200－209. Li Jin, Guo Meirong, Gao Liangliang. Application and innovation strategy of agricultural Internet of Things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(Supp.2): 200－209. (in Chinese with English abstract)

[3] Xu G, Shen W, Wang X. Applications of wireless sensor networks in marine environment monitoring: A survey[J]. Sensors, 2014, 14(9): 16932－16954.

[4] 黃建清，王衛星，姜晟，等. 基于無線傳感器網絡的水產養殖水質監測系統開發與試驗[J]. 農業工程學報，2013，29(4): 183－190. Huang Jianqing, Wang Weixing, Jiang Sheng, et al. Development and test of aquacultural water quality monitoring system based on wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(4): 183－190. (in Chinese with English abstract)

[5] 馬從國，趙德安，王建國，等. 基于無線傳感器網絡的水產養殖池塘溶解氧智能監控系統[J]. 農業工程學報，2015，31(7): 193－200. Ma Congguo, Zhao Dean, Wang Jianguo, et al. Intelligent monitoring system for aquaculture dissolved oxygen in pond based on wireless sensor network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(7): 193－200. (in Chinese with English abstract)

[6] 楊旭輝，周慶國，韓根亮，等. 基于ZigBee的節能型水產養殖環境監測系統[J]. 農業工程學報，2015，31(17)：183－190. Yang Xuhui, Zhou Qingguo, Han Genliang, et al. Energy-efficient aquaculture environmental monitoring system based on ZigBee[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(17): 183－190. (in Chinese with English abstract)

[7] 顏波，石平. 基于物聯網的水產養殖智能化監控系統[J]. 農業機械學報，2014，45(1): 259－265. Yan Bo, Shi Ping. Intelligent monitoring system for aquiculture based on internet of things[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(1): 259－265. (in Chinese with English abstract)

[8] 蔣建明，史國棟，趙德安，等. 基于LEACH協議的水產養殖參數智能監控系統[J]. 農業機械學報，2014，45(11): 286－291. Jiang Jianming, Shi Guodong, Zhao Dean, et al. Intelligent monitoring system of aquaculture parameters based on LEACH protocol[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(11): 286－291. (in Chinese with English abstract)

[9] 蔣建明，史國棟，趙德安，等. 水產養殖參數無線測量網絡的長生命周期研究[J]. 農業工程學報，2014，30(7)：147－154. Jiang Jianming, Shi Guodong, Zhao Dean, et al. Research on life cycle of wireless network for measuring environmental parameters in aquaculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(7): 147－154. (in Chinese with English abstract)

[10] Simbeye D S, Zhao J, Yang S. Design and deployment of wireless sensor networks for aquaculture monitoring and control based on virtual instruments[J]. Computers & Electronics in Agriculture, 2014, 102(3): 31－42.

[11] Luo H, Li G, Peng W, et al. Real-time remote monitoring system for aquaculture water quality[J]. International Journal of Agricultural & Biological Engineering, 2015, 8(6): 136－143.

[12] Alippi C, Camplani R, Galperti C, et al. A robust, adaptive, solar-powered WSN framework for aquatic environmental monitoring[J]. IEEE Sensors Journal, 2011, 11(1): 45－55.

[13] 陳海磊. 基于物聯網的大面積水產養殖遠程監控系統設計[D]. 鎮江：江蘇大學，2016.

Chen Hailei. Design of Remote Monitoring System for Large Area Aquaculture Based on Internet of Things[D]. Zhenjiang: Jiangsu University, 2016. (in Chinese with English abstract)

[14] 申慶祥，張宇華. 生命周期最大化的無線水質監測網絡路由優化研究[J]. 軟件工程，2017，20(9)：45－48，41.

Shen Qingxiang, Zhang Yuhua. Research on route optimization of the wireless water quality monitoring network based on lifetime maximization[J]. Software Engineering, 2017, 20(9):45－48, 41. (in Chinese with English abstract)

[15] 李慧，劉星橋，李景，等. 基于物聯網Android平臺的水產養殖遠程監控系統[J]. 農業工程學報，2013，29(13)：175－181. Li Hui, Liu Xingqiao, Li Jing, et al. Aquiculture remote monitoring system based on IOT Android platform[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(13): 175－181. (in Chinese with English abstract)

[16] Ali A, Shah G A, Farooq M O, et al. Technologies and challenges in developing Machine-to-Machine applications: A survey[J]. Journal of Network & Computer Applications, 2017, 83: 124－139.

[17] LoRa Alliance. LoRaWAN? 1. 1 Specification[EB/OL]. (2017-10-11)[2018-08-01].https://lora-alliance.org/sites/default/ files/2018-04/lorawantm_specification_-v1. 1. pdf.

[18] Semtech. SX1301 Datasheet[EB/OL]. (2017-06-01)[2018-08- 01]. https://www.semtech. com/uploads/documents/sx1301. Pdf.

[19] Augustin A, Yi J, Clausen T, et al. A study of LoRa: Long range & low power networks for the Internet of Things[J]. Sensors, 2016, 16(9): 1466.

[20] Casals L，Mir B，Vidal R，et al. Modeling the energy performance of LoRaWAN [J]. Sensors, 2017, 17(10): 2364.

[21] Petajajarvi J, Mikhaylov K, Pettissalo M, et al. Performance of a low-power wide-area network based on LoRa technology: Doppler robustness, scalability, and coverage[J]. International Journal of Distributed Sensor Networks, 2017, 13(3): 1－16.

[22] Georgiou O，Raza U. Low PowerWide Area Network Analysis: Can LoRa Scale?[J]. IEEEWirel. Commun. Lett. 2017, 6(2): 162–165.

[23] Song Y H, Lin J, Tang M, et al. An internet of energy things based on wireless LPWAN[J]. Engineering, 2017, 3(4): 460－466.

[24] Kim D Y, Jung M. Data transmission and network architecture in long range low power sensor networks for IoT[J]. Wireless Personal Communications, 2017, 93(1): 119－129.

[25] Pham C. Building Low-Cost Gateways and Devices for Open LoRa IoT Test-Beds[M]//Guo S, Wei G, Xiang Y,et al. Testbeds and Research Infrastructures for the Development of Networks and Communities. Cham: Springer International Publishing, 2016: 70－80.

[26] Semtech. SX1278 Datasheet[EB/OL]. (2013-09-01) [2018- 08- 01]. https://www.semtech.com/uploads/documents/DS_SX1276- 7-8-9. pdf.

[27] STMicroelectronics. STM32F429 Datasheet[EB/OL]. (2013- 03-19)[2018-08-01].https://www.st.com/resource/en/datasheet/ stm32f429ze. pdf.

[28] STMicroelectronics. STM32L151 Datasheet[EB/OL]. (2014- 03-12)[2018-08-01].https://www.st.com/resource/en/datasheet/ stm32l151rb-a. pdf.

[29] Semtech. LoRa? Modulation Basics[EB/OL]. (2015-05-01) [2018-08-01].https://www.semtech.com/uploads/documents/an1200.22. pdf.

[30] Abramson N. The Aloha System: Final Technical Report[R]. Hawaii University: Honolulu, HI, USA, 1974.

[31] Polastre J, Hill J, Culler D. Versatile Low Power Media Access for Wireless Sensor Networks[C]//Proceedings of the 2nd ACM SenSys Conference, Baltimore, MD, USA, 2004: 95－107.

Long range low power sensor networks with LoRa sensor for large area fishery environment monitoring

Zhang Zheng1, Cao Shouqi1, Zhu Jianping1, Chen Jiapin2

(1.201306,2.200240,)

Thedesign of wireless monitoring system for fishery environment based on Internet of Things technology has become a research hotspot at present. Aiming at the characteristics of long monitoring period and large coverage area in applications of inshore fishery and large area aquaculture environment monitoring, -the long range low power sensor networks was designed based on LoRa technology-. Due to the expensive price and technology closedness of commercial LoRa gateway SX1301, a low cost open dual-channel gateway was designed, based on two LoRa SX1278 transceivers. Based on the hardware design of dual-channel gateway, a dual-channel synchronous communication scheme with adaptive data rate was proposed. Two LoRa SX1278 transceivers corresponded to two independent channels, namely periodic data channel 1 and special function channel 2. The periodic data channel was used to upload regular packets, data collecting cycle of which was divided into several periods using different spreading factor (SF). Each period was equally split into several slots to the nodes within the same distance range in which the spreading factor was the same. The special function channel 2 was used to upload urgent packets, join in network, and synchronize time. For urgent packets, the terminal nodes could directly upload by switching channel 2 without waiting for the allocated slot arriving , to improve the real-time response of the network system. The scheme fully took the advantage of the characteristics of multiple spreading factors based on LoRa. Different spreading factors was assigned to terminal nodes according to the distances to gateway automatically with the different received signal strength indication and signal noise ratio of the received packets to ensure network connectivity. The scheme was built into a custom Matlab simulator to evaluate the data collision ratio, communication delay and energy cost performance varying with the network size(number of terminal node). With the terminal nodes increasing to 100, the performance of proposed scheme was nearly constant; but the collision ratio with single channel and single spreading factor was nearly linearly increasing to 1, and energy cost increased much more. The field experiment was carried out to test the effectiveness and reliability in Dishui Lake in Shanghai. An application program(App) for Android mobile phone was developed for monitoring field data. Four terminal nodes with dissolved oxygen sensor and pH value sensor were deployed in different distance to gateway. To line-of-sight communication, the average delivery ratio of proposed scheme increased from 0.8 to 0.99 compared with single spreading factor. To the rapid communication with 10 s uploading interval, the average delivery ratio increased from 0.4 to 0.95 compared with single spreading factor of 12. The proposed scheme largely reduced the wireless channel collision probability, improving the real-time performance for urgent data and the average lifetime of terminals, while ensuring large coverage area of monitoring network by the MAC layer synchronization scheduling. The simulation and experiment results showed the effectiveness of the proposed scheme. The designed sensor network system could cover a monitoring region with radius of 3 km, with the capacity of 100 terminal nodes and terminal node with 3600 mA?h lithium battery could work for 1 a with the 10 min data uploading interval.

aquaculture; monitoring; wireless sensor networks; LoRa; synchronous; adaptive data rate

2018-09-06

2018-10-30

國家自然科學基金（61362017）；上海市科委2017年度“創新行動計劃”（17050502000）；上海海洋大學科技專項基金（A2-0203-17-100209）；2017年上海市（臨港）產學研合作項目（滬臨地管委經[2017]56號）

10.11975/j.issn.1002-6819.2019.01.020

TN929.5;S951.2

A

1002-6819(2019)-01-0164-08

張 錚，講師，博士，主要從事物聯網工程、智能儀器設計研究。Email：z-zhang@shou.edu.cn

張 錚，曹守啟，朱建平，陳佳品.面向大面積漁業環境監測的長距離低功耗LoRa傳感器網絡[J]. 農業工程學報，2019，35(1)：164－171. doi：10.11975/j.issn.1002-6819.2019.01.020 http://www.tcsae.org

Zhang Zheng, Cao Shouqi,Zhu Jianping, Chen Jiapin. Long range low power sensor networks with LoRa sensor for large area fishery environment monitoring[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 164－171. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.01.020 http://www.tcsae.org