基于UAV-WSN 的空中數據采集

王 鵬

（山西警官職業學院，山西 太原 030006）

引言

無線傳感器網絡（Wireless Sensor Network，WSN）被廣泛應用于國防軍事、環境監測、農業生產、工業生產、城市管理、醫療健康和家居安防等領域。根據應用于不同領域的規模不同，可分為大規模WSN 和小規模WSN。小規模WSN 節點較少，部署靈活方便，可以采用靜態數據采集方式來采集數據，通常部署在家庭、辦公樓、醫院等場所。大規模WSN節點較多，需要通過地面移動設備完成數據采集，通常部署在城市、農田、礦區等場所。對于一些環境惡劣的特殊監測區域，例如山區、森林、湖泊、沼澤或其他交通不便、人類無法到達或接近的位置，地面移動設備難以完成數據采集，需要借助無人機（Unmanned Aerial Vehicle，UAV）作為空中移動數據采集設備。

1 WSN 數據采集

1.1 靜態WSN 數據采集

傳統的靜態WSN 通常采用匯聚節點固定，普通節點通過一跳或多跳路由使用網絡上傳數據的方式進行數據采集。這種數據采集方式的優點是簡單、易實現，通過人工部署的傳感器節點位置可控，數據采集更加靈活。在大規模WSN 中，傳感器位置分布范圍廣、距離遠、無規律，遠程的傳感器節點需要通過多跳路由路徑上傳數據，數據跳數越多，發生錯誤的概率越高。此外，承擔轉發數據任務的中繼節點要耗費大量能量，可能會導致網絡內耗不均衡而出現系統故障。因此，靜態數據采集方式常用于小規模WSN。

1.2 MSWSN 數據采集

MSWSN（Mobile sink WSN）是指將數據采集裝置安裝在可移動設備上，通過移動訪問傳感器網絡來獲取傳感器節點的數據。這種數據采集方式中，配備有數據采集裝置的移動設備能夠自由地在WSN覆蓋區域內活動，理論上可以采集到任意一個傳感器節點的數據，能夠有效解決靜態WSN 數據采集方式中傳感器位置分布范圍廣、距離遠、無規律的問題。通過移動設備的移動，可以有效減少數據跳數，從而提高數據轉發效率，還能夠減少系統總體能耗，解決延網絡內耗不均衡的問題，延長系統壽命。因此，MSWSN 數據采集方式更適用于大規模WSN。但是，這種數據采集方式易受到地面部署環境的影響，無法適用于部署環境惡劣的特殊監測區域。

1.3 UAV 數據采集

除了傳統的地面數據采集方式，還可以采用空中移動傳感器節點采集數據，例如使用UAV 采集部署在惡劣環境中的WSN 中的數據。UAV 數據采集方式具備以下優點：一是網絡部署更易實現。采用UAV 進行空中數據采集，可以不受地面環境影響，且能夠用于某些人類不易到達或接近的特定區域。二是數據采集效率更高。因為UAV 的高靈活性和機動性，能夠更快速地搜索和訪問節點。尤其是在采集大規模WSN 數據時，能夠極大地提高數據采集效率。三是數據通信延遲更低。空中數據采集無線信號覆蓋范圍更大，且障礙物更少，可以有效降低通信延遲[1]。

2 UAV 數據采集的技術難點

UAV 數據采集方式能夠適用于大規模無線傳感器網絡中的數據采集，并且克服了傳統地面數據采集方式在部署環境方面的局限性，但是仍然有一些技術難點需要解決。一是如何在惡劣環境下的大規模WSN 部署網絡。對于小規模WSN，可以采用人工放置傳感器節點的方式進行靈活部署。但對于大規模WSN，尤其是惡劣環境下的大規模WSN，顯然無法通過人工放置的方式進行網絡部署。如何在惡劣環境下的大規模WSN 部署網絡是首先要解決的難題。二是如何準確獲取傳感器節點位置。如果采用UAV 隨機投放傳感器節點來實現惡劣環境下的大規模WSN 網絡部署，那么對投放出去的傳感器節點進行準確定位是面臨的又一個難題。這些傳感器節點的位置分布是隨機的、無規律的，必須通過安裝GPS 模塊來獲取其準確的位置信息。然而，大規模WSN 需要的傳感器數量較多，大量安裝GPS 模塊必然會增加節點成本，并且GPS 模塊會消耗節點的能量。三是如何實現最優路徑規劃。目前，常見的多旋翼無人機都配有GPS 模塊，能夠實現UAV 的自主導航功能。我們要解決的是為UAV 規劃一條能夠覆蓋全部傳感器節點的最優路徑，以提高數據采集的效率。

3 UAV-WSN 系統架構

本文提出的UAV-WSN 數據采集系統架構主要包括以下五個部分。

3.1 網絡部署

在惡劣環境下的大規模WSN 中，通常采用UAV 投放傳感器節點的方式部署網絡。這種方式布置的傳感器節點呈無規律隨機分布，WSN 的某些區域節點分布密集，某些區域分布稀疏甚至沒有節點[2]。傳感器節點分布不均勻，會導致某些區域無法被監測到。因此，在網路部署時，除了考慮節點部署的高效、便捷，還必須保證節點分布均勻。此外，UAV-WSN 架構是基于分布式網絡進行節點定位。部分節點裝有GPS 模塊，能夠準確獲取其位置信息，稱之為信標節點（或錨點），其余無法獲取位置信息的節點稱之為未知節點。信標節點和未知節點要按適當比例均勻混合分布在WSN 中。

3.2 節點定位

在信標節點和未知節點均勻混合部署后，下一步是對全部節點進行定位。信標節點的位置是已知的，可以通過測量節點間的距離，來確定未知節點的位置。常用的定位算法是基于到達時間（ToA）、到達時差（TDoA）、到達角度（AoA）和接收信號強度（RSS）。這些定位算法都是基于測距實現的，優點是定位精度好，缺點是功耗和成本高[3]。經分析比較，系統采用分布式節點定位算法。有關研究表明，當信號強度一定時，節點間的距離呈正態分布[4]。在相同環境下，信號強度和節點距離的正態分布固定，可以通過其均數和標準差計算位置參數，還可以通過多個信標節點來提高未知節點的定位精度。環境發生變化后，只需調整均數和標準差即可。

3.3 錨點搜索

小規模WSN 的最小覆蓋范圍可以通過最小圓覆蓋法獲得。完成節點定位后，數據中心可以得到一個由節點位置信息組成的集合。每一個傳感器節點的無線信號覆蓋范圍都可以看作是一個固定半徑的圓。首先，假設整個WSN 的最小覆蓋范圍包含所有的傳感器節點無線信號覆蓋圓。然后，減少圓的數量，直到圓的數量為n 時，無論如何排列剩下的圓，都無法覆蓋全部的傳感器節點。那么，n+1 就是WSN覆蓋范圍的最小圓數，其對應的排列就是問題的最小覆蓋解。但是，這種算法無法適用于節點數量多的大規模WSN。大規模WSN 的最小覆蓋范圍可以通過網格劃分法獲得。首先，將整個區域劃分為幾個大小相同的正方形。然后，使用全搜索算法計算每個方格中傳感器節點的最小覆蓋范圍。最后，將每個方塊的最小覆蓋范圍合并為一個整體，即WSN 的最小覆蓋范圍。最小覆蓋范圍中的節點可以作為UAV 采集數據的錨點，這些節點稱之為頭節點。

3.4 路徑規劃

搭載GPS 模塊的UAV 可以按照提前設定好的路線進行自主巡航。UAV-WSN 系統只需要設計一條能夠訪問全部錨點的最優飛行路徑。考慮到傳感器節點被均勻地部署在大規模WSN 中，可以采用網格劃分法[5]。首先，將WSN 最小覆蓋范圍劃分為若干個大小相同的正方形區域。然后，根據“行優先”原則將正方形區域中的路徑進行組合，即掃描時同一行中的正方形先于其他行。

3.5 數據采集

全部節點定位完成后，進入半休眠狀態（即低功耗模式）。節點關閉無線模塊，停止數據傳輸，傳感器模塊開始采集數據，并臨時存儲到節點內部。UAV按照規劃路徑飛行到網絡范圍內，與地面傳感器節點建立連接并采集數據。

4 結語

相較于傳統的WSN 數據采集方式，本文提出的UAV-WSN 架構不僅能夠適用于大規模WSN，而且憑借UAV 的高機動性和靈活性，能夠實現惡劣環境下的WSN 數據采集，可以廣泛應用于森林、山區、沼澤、火山、濕地和沙漠等特殊監測區域的數據采集。