摘要：移动无线传感器网络技术为农田信息监测提供了高效可行的技术手段。该研究根据南方农田地块相对分散、丘陵山地多，农情信息获取环境恶劣、采集数据时间周期长、网络分割成块的特点，利用UAV(unmanned aerialvehicle)具有的高效、灵活的特性，结合低功耗无线传感器网络，提出一种满足南方农田信息获取采样和数据业务需求的三层架构的无线传感器网络体系结构TUFSN(three.tire unmanned aerial vehicle farmland sensor network)，其由数据采集层、中继传输层和移动汇聚层组成，该体系结构具有系统结构合理、可扩展性好、系统整体能耗低等特点。通过仿真可得中继节点RN (relay node)的缓存大小范围为3～13kB，系统试验中携带移动节点的UAV以lm/s的速度、15 m的高度在农田上空飞过，飞行过程中与地面中继节点通信并采集农田信息，UAV与地面中继节点的平均通信时长为26 S，仿真和试验表明，基于UAV的三层架构农田信息采集无线传感器网络很好地满足了南方地区农田信息数据采集和监控的生命周期长、传输数据可靠、覆盖面积广的要求。
关键词：无人机;无线传感器网络;监测;农田
0引言
无线传感器网络(WSN，wireless sensor network)是嵌入式技术、网络技术和传感器技术相结合的产物，在军事、工业、农业等多个领域应用，进行信息获取和对象跟踪，是目前国内外研究的热点【l’2】。农田信息监测无线传感器网一般部署在条件相对恶劣的大自然农业环境中，用来对农田和农作物的信息进行监测【3卅。在农田信息监测WSN中，往往随机散布着数量庞大的、低功耗的节点。节点属于一种微型嵌入式系统，可以从农田环境中感知、采集信息。农田信息监测WSN整体上要求能自组成网和数据传输，每个节点都要求能进行本地信息和数据的采集、处理和发送，还要求能对其他节点转发来的数据执行存储、计算和汇聚等操作。由于节点一般采用电池供电，从而在功能设计上要求节点必须是低功耗的，因此节点的处理能力、存储能力和通信能力都会相对较弱。受到农田复杂的自然环境条件限制，替换节点或补充节点的能量是不现实的。因此，如何采用较少节点实现高效、可靠的农田信息采集成为近些年研究的热点之一。
Matthias等的研究表明移动性可以明显提升无线网络的性能，其研究证实了移动节点能够用于无线网络中并可扩展无线网络的范围【5】。Rahul等提出了Data MULEs(mobile ubiquitous local area network extensions)模型，采用一种三层架构方法实现相互孤立的WSN之间的数据通信，在该模型中MULEs由人或汽车或者牲畜作为移动节点来充当传感器节点和存取节点之间的移动对象[61。Ataul等提出采用移动节点实现数据收集的分层结构模型【71。Imad等提出一种利用无人机与线性无线传感网相结合的框架结构，完成对规则的、按线性排序的无线传感网数据采集，实现海底地下传输管道监控[8]。 Dong等提出采用无人机帮助采集WSN中数据pJ。 Martinez deDios等提出采用无人飞行系统与无线传感网协作实现大规模环境中有效数据采集[10-11】。部分国外研究利用空地无线传感系统实现实时的、相对的或绝对的物体动态定位[12-141，也有部分国外研究讨论了移动存取中的编码问题[15-18】、提升移动节点服务质量问题(QoS， quality of service)[19‘20】、UAV路由问题[2l-233和多架UAV 协同作业问趔24】。在国内，华南农业大学周志艳等提出中国航空植保作业采用多机型、多作业方式，研究飞行高度和飞行速度及旋翼风场对雾滴沉积与漂移的影响规律[251。农业部南京农业机械化研究所薛新宇等研究N一3型无人直升机施药方式对稻飞虱和稻纵卷叶螟防治效果的影响【26】。中国农业大学张瑞瑞等研究设计基于变介电常数电容器的航空施药雾滴沉积传感器【271。李罕上等研究UAV—WSN系统MAC协议及UAV的路径规划研烈281。但无人机与WSN结合应用于农田信息采集与分析尚处于起步研究阶段。
本研究根据中国南方农田信息采集的特点与要求，提出一种满足南方农田信息获取采样特点和数据业务需求的三层架构的无线传感网体系结构TUFSN(three.tire unmanned aerial vehicle farmland sensor network)。该体系架构通过减轻WSN中传感器节点的传输任务，来实现延长传感节点的寿命;通过增强中继节点的功能和电源供应，减少因传输节点失效引起的资源消耗;通过移动节点提供的良好网络通讯质量，提高整个系统的数据采集效率和系统寿命【29。30】。
1 TUFSN系统
1.1 TUFSN系统组成
TUFSN由传感器节点(SN，sensor node)、中继节点(RN.relay node)、无人飞行器(UAV)、数据中心 (DC，data center)等元素构成，如图1所示。
传感器节点具有体积小、能耗低、价格廉等特点，并具有感知外界环境，进行无线通信和运算等功能。这类节点可以感知并收集土壤温湿度、pH值、环境温湿度、风力或其他出现在农田环境中的数据。大量的此类无线传感器节点被部署在一个较大的地理区域内，它们将组成一个密集的无线ad.hoc传感器网络。每一个独立的无线传感器节点的感知能力是有限的，但由大量布放在偏远农田或日晒雨淋、严酷恶劣的种植环境中的无线传感器节点所组成的网络作为一个农田信息分布式感知系统，就可以实现对大规模农田信息感知与数据采集。
中继节点最主要的作用是连接无线传感器节点与移动无人飞行器通讯与数据传输的桥梁和枢纽，中继节点自身不需要感知环境信息，其作为区域农田无线传感网的数据集中节点，通知其所在区域内的传感器节点采集数据，并将数据存放在中继节点的缓存中，在给定的通讯时间内将数据传输给无人飞行器。每一个中继节点之间的距离可以很长，不需要相互通信。一般而言，中继节点相对传感器节点来说，具有相对较强的电源供应和较长时间的生命周期，可以通过天线增益等方式提供较大的通讯范围。
无人飞行器是自带动力、可控制、携带移动通讯设备的固定翼或旋转翼无人驾驶飞行器，其可以重复使用，没有驾驶舱，但安装有自驾仪、飞行姿态控制等设备。无人飞行器携带的移动通讯设备支持多种通讯协议和多种通讯接口，可以以多种通讯方式与地面或空中设备通讯。由于飞行器能够提供电源，因此携带的设备具备一定的运算能力和存储功能，可以实现数据压缩和处理，当通讯质量不好时，从地面接收到的数据能够存储在缓存中，在恢复良好通讯质量时，才将数据传送给数据中心。
数据中心由服务器、存储、数据库、地理信息系统、农田管理系统、高速的网络带宽等资源组成。数据中心负责接收由无人飞行器传输回来的数据。为确保数据的完整性和可靠性，数据中心将收集到的感知信息进行统计分析、数据挖掘并根据分析的结果做出决策或采取相应的行动(如对无人飞行器发出指令，调整路径采集数据等)。数据中心的数据可以被用户、计算机或其他设备访问，通过互联网或移动互联提供服务终端的访问，将分析后的数据信息以友好直观的界面展示。
1.2 TUFSN网络体系架构
nJFSN由SN.RN数据采集层、RN-UAV中继传输层和UAV-DC移动汇聚层组成，如图2所示。
1.2.1 SN—Rlq数据采集层
数据采集层由传感器节点和中继节点之间建立的网络构成。数据采集层网络具有如下特点：1)有限的硬件资源：因此在无线传感器节点操作系统的协议层需要进行简化。2)有限的能量：由于无线传感器节点的能量资源较少且不能随时补充能量，一旦能源耗尽，无线传感器节点将无法继续正常工作。3)分布式：多采用分布式结构，其中的无线传感器节点可以随时进出网络。4)自组织：通过分层协议和分布式算法，无线传感器节点可以自发地对其工作过程进行适当的调度。当被部署到特定区域并被激活后，可以自发地组织起相应的网络。5) 动态拓扑：系统是一个动态的网络，其中的无线传感器节点会因为耗尽电量或损坏而退出网络，也会因为任务的需要而被添加进当前的网络，因此网络的拓扑结构是动态变化的。6)密集分布：为了加强在目标信息采集地区的任务监控，大量的无线传感器节点会被部署到这个地区。
由于数据采集层的这些特点，因此该层通常选用 IE髓802.15.4的网络通信协议来实现上述功能。IEEE 802.15.4协议的典型使用代表是Zigbee。IEEE 802.15.4 协议的传输速率一般小于1Mbps。如果要求数据传输率提高，也可以使用IEEE 802.15.3。但是高的传输率也意味着更高的能耗。该层通常采用mesh的方式组网，网络层次结构通常是星型结构或树状层次型结构。
在SN.RN层，传感器节点分散部署在被监测农田中，当采用星型网络层次结构时，每个传感器节点仅以一个中继节点为中心，传感器节点在每个监测周期只与一个固定的中继节点通讯并进行监测数据传输，传感器节点与传感器节点的分布保持一定的距离，相互之间不通讯，所有传感器节点所收集到的数据都直接汇总到指定的中继节点;当采用树状层次型结构时，处于最外围的传感器节点只负责数据收集和上传数据的功能，处于中间的传感器节点则即要负责数据收集还要负责数据转发，传感器节点与传感器节点之间会相互通讯，所有传感器节点所收集到的数据通过直接或间接的方式汇总到指定的中继节点，为最大限度减少传感器节点在数据传输过程中消耗的能量，树状层次型结构的层次不能超过3层。相比而言，星型结构系统生命周期更长，树状层次型结构覆盖的监测面积更大。每个中继节点与围绕在其周围的若干个传感器结点组成一个自治的传感器网络区域。
1.2.2 RN—UAV中继传输层
中继传输层由中继节点和UAV移动节点之间建立的网络构成。中继传输层网络具有如下特点：1)结构简单： UW与RN之间直接通讯，即只有一跳的直接连接方式。 2)能量较多：RN一般采用太阳能供电，UAV可以使用可充电电池供电。3)稳定可靠：UAV是在空中与地面的 RN通讯，中间可能受到植物或房屋遮挡可能性小，丢包率会降低。4)通讯距离长：通讯质量好，可提供较大功率的天线覆盖。
从兼容角度考虑，中继传输层可以选用增强信号的 IEEE 802.15.4协议，也可以选用传输距离更长的IEEE 802.11协议。该层的RN之间网络拓扑结构以线性结构[rl 或者网格结构[5】为主。这种拓扑结构便于UAV以直线的方式执行任务，对于采用单旋翼或多旋翼的UAV来说，在到达采集信息区域的边界处，UAV能够以直角转弯的方式进入到下一条直线的数据采集区域。
相关知识推荐：农业方面出刊快的期刊推荐http://www.qikansky.com/lwcommon/30962.html
在RN-UAV层，中继节点按照规则的线性部署，许多个中继节点排成一排，邻近的2个节点分布距离为数百米，每排中的中继节点没有数量限制，任意2个中继节点之间不进行任何通讯与数据传输。中继节点不负责直接数据采集的任务，其负责将邻近的传感器节点传输过来的监测数据存储在自身的缓冲区中，等待UAV过来收集数据。
1.2.3 UAV—DC移动汇聚层
移动汇聚层由单个或多个UAV以及数据中心之间建立的网络组成。UAV和DC之间采用蜂窝式数据网络直连。移动汇聚层网络具有通讯距离非常长，具有错误检测和丢包重传功能，支持实时或延时数据传输，结构简单的特点。
2 TUFSN原理分析
基于IEEE 802.15.4低功耗网络和蜂窝式网络的特性分析已有很多成果，因此，本研究主要就UAV与RN之间的特点和性能进行分析。UAV与RN之间数据交换时的平面示意卧81见图3。
3仿真与结果分析
根据式(1)～式(8)，使用Matlab仿真工具，设定UAV通讯半径大小、飞行高度和飞行速度等参数，分析中继节点和UAV所需要的缓存大小。
从图4a可知，RN的通讯半径为30m以上时，可以获得45 m以上通讯时间。RN的通讯半径为20 m以内时，只能获得35 m以内的通讯时间。RN的通讯半径范围内应尽量降低飞行高度来满足通讯传输需要的时间。从图 4b分析可见UAV的飞行速度加快时，UAV与RN之间能传输的数据减少，RN的缓存与飞行速度成反比。从图 4c分析可见UAV的飞行高度增加时，UAV与RN之间能传输的数据减少，RN的缓存与飞行高度成反比。总体而言，速度对RN缓存的影响大过高度对缓存的影响。
UAV与数据中心的通讯是通过蜂窝网络实时传送数据，因此，理论上UAV的缓存与RN的缓存保持一样大小就可以。考虑到UAV的缓存不会给UAV带来太多的负担，在蜂窝网络信号不够好的地方，最差的情况是在飞行过程中无法传送数据，可以将UAV的缓存设置为中继节点个数乘以RN的缓存大小，这样UAV在执行完所有信息采集任务后再通过离线方式传送数据。
由于UAV的移动性能和效率远远高于Data MULEs 模型中做为移动节点的人、牲畜、拖拉机等，UAV移动节点能够更快速收集中继节点的数据，只采用一个移动节点，数据传输成功率为90%的条件下对2个系统进行比较，UAV系统中的中继节点缓存约为3～13 kB(如图 4b、4c中所示)，而MULEs系统中的中继节点缓存约为 1.6～163 kBt6l，相比而言，基于UAV为移动节点的无线传感网中中继节点的平均缓存空间可以设计得更加小，从而降低中继节点能耗和使用成本。
4试验及结果分析
2015年2月3日在华南农业大学教学实习基地进行试验，试验选择了一个种植玉米的地块，空中节点采用最大载荷5蝇的八旋翼无人机，无人机携带了包括电源、 Zigbee通讯模块、数据处理模块、3G模块的封装包，地面布放了8个中继节点，每个中继节点之间的距离超过 150m，以确保每个中继节点不会干扰和影响到其他地块内的节点工作。每个中继节点周边用星型结构布放了2～ 4个传感器节点，这些传感器节点只与自己最邻近的中继节点通讯，如图5所示。无人机以1 rrgs的速度、15 m 高度在空中按照预先设定的轨迹飞行，飞行过程中在进入中继节点N的通信范围时，立刻与节点N建立通信，并采集农田数据。
在节点路由生成包发送频率为30 S，网络健康检测包发送频率为36 s的条件下进行测试，节点的物理位置分布如表1，结果表明，每个中继节点与移动节点之间的通讯时长不是固定不变的，网络建立连接的时间受到农作物生长程度不同、作物高矮不同的影响，UAV移动网络组网和数据传输的平均时长为26 s。——论文作者：张波1，一，罗锡文1※，兰玉彬1，黄志宏2 曾鸣2，李继宇1
[参考文献]
[1】 Jennifer Y，Biswanath M，Dipak G.Wireless sensor network survey叨.Computer Networks，2008，52(12)：2292--2330.
【2】 崔莉，鞠海玲，苗勇，等.无线传感器网络研究进展阴.计算机研究与发展，2005，42(1)：163—174. Cui Li，Ju Hailing，Miao Yong，et a1.Overview of wireless sensor network[J].Journal of Computer Research and Development，2005，42(1)：163—174.(in Chinese with English abstract)
[3】Xiao Kehui，Xiao Deqin，Luo Xiwen.Smart water-saving irrigation system in precision agriculture based on wireless sensor network[J].Transactions of the Chinese Society of Agncultural Engineering(Transactions of the CSAE)，2010， 26(11、：170一175.肖克辉，肖德琴，罗锡文.基于无线传感器网络的精细农业智能节水灌溉系统[J].农业工程学报，2010，26(1 1)： 170一175.(in English with Chinese abstract)
[4】 肖德琴，古志春，冯健昭，等.稻田水分监测无线传感器网络优化设计与试验[J】.农业工程学报，2011，27(2)： 174—179. Xiao Deqin，Gu Zhichun，Feng Jianzhao，et a1.Design and experiment of wireless sensor networks for paddy field moisture monitoring[J].Transactions of the Chinese Society ofAgricultural Engineering(Transactions ofthe CSAE)，201 1， 27(2)：174—179.(in Chinese with English abstract)
[5】 Matthias G，David T.Mobility increases the capacity of ad·hoc wireless networks[J].IEEE/ACM Transactions on Networking，2002，10(4)：477--486.
【6】6 Rahul C，Sumit R，Sushat J，et a1.Data MULEs：Modeling a three—tier architecture for sparse sensor networks[C].Istanbul： IEEE SNPA(First IEEE International Workshop on Sensor Network Protocols and Applications).2003：30—41.
[7】 Bad A，Chen Ying，Jaekel A，et a1.A new architecture for hierarchical sensor networks with mobile data collectors[C]. Kolkata：International Conference on Distributed Computing and Networking.2010：116—127.
[8】 Imad Jawhar，Nader Mohamed，Jameela A1-Jaroodi，et a1.A framework for using unmanned aerial vehicles for data collection in linear wireless sensor networks[J].Journal of Intelligent and Robotic Systems，2014，74(1/2)：437--453.
[9】 Mianxiong Dong，Kaoru Ota，Man Lin，et a1.UAV.assisted data gathering in wireless sensor networks明.The Journal of Supereomputing，2014，70(3)：1 142—1 155.
