基于自適應加權數據融合的無線傳感器網絡倉庫監控系統

趙云濤 周明 郗文博 韓魏勐 門媛媛 程攀

物華能源科技有限公司，陜西西安 710065

0 前言

目前，我國的倉庫監控主要采用人工巡庫和有線監控網絡兩種方式[1-2]。這兩種方式都存在一定的弊端：人工巡庫方式要求人員定時查看倉庫的溫濕度、火警及安全等情況，存在監控效率低下、人力成本高、數據誤差大等缺點[3-5]；有線監控網絡方式采用連線方法組成有線網絡監控倉庫的內部環境參數，雖然能夠獲得環境參數的實時信息，但存在布線復雜，不易擴展，管理和維護成本高等問題。20 世紀70 年代開始研究的無線傳感器網絡在監測區域部署大量的傳感器節點，從不同空間視角獲得監測信息，通過對監測信息進行采集、傳輸和處理，形成一個綜合網絡信息系統[6-7]?；跓o線傳感器的倉庫監控系統，由于部署了大量的監測節點，可以減少監測盲區，通過分布式處理大量的采集信息能夠提高監測精確度，傳感器網絡中的節點個數能夠動態地增加或減少，監控節點易于擴展?；跓o線傳感器網絡的倉庫監控系統，雖然通過分布式部署的采集節點可以獲得大量的倉儲環境參數，但面積較大的倉庫內溫濕度分布不均勻，為了盡可能地提高系統環境參數的監測精確度，多個傳感器節點的采集數據需通過數據融合處理，以獲得被測對象的狀態和特征估計，得到較為準確的環境參數數據。

本文設計的無線傳感器倉庫監控系統在倉儲環境中設置多個現場監控器節點，負責對倉儲環境參數的采集，數據采集器通過輪詢控制命令獲取各現場監控器的環境參數數據，并通過自適應加權的多傳感器數據融合算法處理后，得到誤差較小的環境參數數據，將數據上傳至遠程PC 監控中心。

1 監控系統工作數據交互關系

基于無線傳感器網絡的倉庫監控系統由遠程PC監控中心、LoRa 集中器網關、數據采集器設備及現場監控器設備構成?，F場監控器對應傳感器節點；數據采集器和LoRa 集中器網關組成匯聚節點；遠程PC 監控中心組成管理節點，該系統工作數據的交互如圖1所示。

現場監控器設備用于實時采集倉庫內的環境參數，接收數據采集器的控制命令，并返回對應的回碼信息。

數據采集器設備通過輪詢方式獲取各現場監控器設備采集的環境參數，采用自適應加權數據融合算法進行數據處理，以提高數據的采集精度。

LoRa 集中器可同時掛載多個數據采集器，接收數據采集器發送的數據及環境參數報警信息，LoRa 集中器通過5G 網絡連接云服務器。

遠程PC 監控中心通過MQTT 協議連接云服務器，從而實現與多個數據采集器的信息交互。

2 基于自適應加權的數據融合方法

數據融合通過對傳感器采集的數據信息進行詳細分析和推理，把多個傳感器采集的數據信息根據一定的規則來進行信息融合處理，以獲取被測對象較為精確的數據信息[8-10]。本文采用的自適應加權數據融合算法屬于集中式數據融合，將多個傳感器的數據都發送到融合節點進行數據融合，這種方法對融合節點的數據處理能力有較高的要求，但是具有實時性能好及獲取數據精度高等優點。

數據處理的具體步驟如下：

第一步：計算傳感器測量值的期望

采用n個傳感器對環境參數進行測量，各傳感器測量的次數為t，則各傳感器的測量值分別為Mq(k),k=1,2,……,t；q=1,2,……,n，可計算各傳感器測量值的期望為：

其中，E(Mq)為各傳感器期望值；Mq(k)為各傳感器的測量值；t為傳感器測量的次數。

根據方差的概念與計算公式可得各傳感器均方方差為：

其中，為 均方方差。

第三步：計算各傳感器的最優加權因子wq

設環境參數的真值為Y，各傳感器的加權因子分別為wq(q=1,2,……,n)，且，則融合后的數據值可 表示為：

其中，為 融合后的數據值；wq為各傳感器的加權因子。均方誤差為：

構造加權因子無約束優化問題如下所示：

其中，λ為輔助變量。

通過式（5）對各加權因子wq(q=1,2,……,n)求偏導，最后可得均方誤差取最小值時對應的各加權因子的優化值為：

由式（7）可得：

將式（8）代入式（6）可得：

第四步：計算最終的數據融合值

根據式（1）和式（2），可通過各傳感器的測量值計算出測量值的期望E(Mq)和均方方差，將方差代入式（9）可得各傳感器的最優加權因子wq，最后將測量值的期望E(Mq)和最優加權因子wq代入式（3），即可得到傳感器采集數據的最終融合值。

3 傳感器數據處理結果

以倉儲溫度數據采集為例，進行傳感器網絡數據融合算法的性能測試。

實驗中，用高精度溫度計測出的數據作為溫度的真實數據，多傳感器（10 個傳感器采集點）的測量值求和取均值的數據作為對比數據，每個傳感器在同一時間段的測量次數為5 次，采集時間間隔為5 s，共獲取300 組數據。

多傳感器采集數據處理結果對比如圖2 所示，紅色曲線代表實際溫度數據，綠色曲線代表多傳感器測量值的均值數據（作為對比數據使用），黑色曲線代表多傳感器測量值經自適應加權數據融合處理后的數據。兩種數據處理結果與溫度實際值的誤差對比如圖3 所示。

根據圖2 和圖3 數據處理的結果對比可知，自適應加權數據融合算法能獲得比各傳感器數據求和取均值更高的數據精度，有利于提高基于傳感器網絡的倉庫環境參數監控的準確度。

4 結束語

本文以提高基于無線傳感器網絡的倉庫環境參數監測準確度為目的，以倉庫環境溫度參數監測為例，論述了多傳感器數據自適應加權數據融合的具體設計步驟。實驗結果表明，自適應加權數據融合算法在無線傳感器網絡倉庫環境參數監控中具有更高的數據精度，有利于提高倉庫環境參數監測的準確性。