基于无线传感器网络的森林火灾监测技术

森林火灾是环境恶化的主要原因之一,为了减轻火灾带来的损失,采用无线传感器网络监测系统预测和定位森林火灾位置是一种有效的方法。无线传感器网络通过遍布在监测区域内的传感器节点来采集、传输数据,为控制中心提供及时准确的数据资料。但是,由于无线传感器是由电池供电,而且比较分散,所以如何减少传感器的耗电量和维持无线传感器网络的稳定性是一个重要问题。本文从不同角度分析了几种解决方法。     

秦岭北麓森林火灾监测系统及节能算法

针对秦岭北麓浅山区森林火灾监测的需要,设计一种基于无线传感器网络的森林火灾实时监测系统,该系统给出监测实施的网络体系结构、无线传感器网络节点的硬件设计和软件实现。同时,针对无线传感器网络的能量约束问题,提出基于网格理论的节能算法,该算法以中心点的计算代替原有四周节点的计算,降低了计算复杂度。仿真结果表明,计算覆盖度与实际覆盖度的误差小于11%,验证了算法的有效性。     

用于森林火灾监测和救灾的无线传感器网络

在这篇文章中,提出了一个用于森林火灾监测和救灾的无线传感器网络,详细叙述了利用无线传感器网络进行森林火灾监测和救灾的方案,给出无线传感器网络的框架结构、拓扑结构、网络协议、定位机制和救灾软件系统.     

基于6LoWPAN的森林火灾监控系统设计

为了解决常规森林火灾监测方法具有的成本高、维护困难和不能实时动态采集信息的缺陷,设计了一个基于6LoWPAN的森林火灾监控系统;首先,对森林监控系统的功能和体系框架进行了描述,将整个系统分为6LoWPAN无线传感器网络、Sink节点(网关节点)、3G网络、Internet、监控中心和手机终端;然后,对传感器节点和Sink节点的硬件进行了描述,同时将传感器节点和Sink节点的软件功能划分为硬件抽象层、精简UDP/IPv6协议层和应用层,同时采用贝叶斯概率公式对各传感器采集的数据进行融合决策,获得最终的融合结果;在野外环境中测试,实验结果表明,文中方法能高效、准确地对森林火灾的温度、湿度和烟雾进行实时动态监控,为森林火灾事故的避免和减少提供了一种实时有效的方式。     

无线传感器网络在坡面林地火灾监测中的布局优化

无线传感器网络的节点布局影响着其对森林火灾预警的响应速度,而坡面林地比平面林地对不同布局响应速度的影响更为复杂.提出了拓扑转角的概念,用蒙特卡洛实验方法验证了在不同坡度的林地中,传感器网络对火灾响应的平均时间与拓扑转角的关系,发现了不同坡度中的最优拓扑转角,为坡面林地中的传感器节点布局提供了详细的参考依据.     

一种无线传感网络信息处理的层次型智能方法

针对减少无线传感器网络信息获取和处理代价这一关键性问题，提出了将信息处理和粗糙集技术融为一体的新的研究思路，并设计了一种层次型智能信息处理方法。在无线传感器网络实时森林火灾监测的实际应用中，该方法通过从3个层次进行智能数据分析，使传感器节点仅自动获取和传送有用的最小数据集信息，从而有效地使用节点受限资源。     

无线传感器网络中基于神经网络的数据融合模型

数据融合技术通过减少传感器节点间的数据通信量,可以有效地节省传感器节点能耗,延长无线传感器网络的寿命.提出了独特的基于神经网络的数据融合模型(NNBA),该模型巧妙地将无线传感器网络的分簇层次结构与神经网络的层次结构相结合,将每个簇设计为一个三层感知器神经网络模型,通过神经网络方法从采集到的大量原始数据中提取特征数据,然后将特征数据发送给汇聚节点.以森林火灾实时监测网为应用实例,设计神经元模型及功能函数,并给出NNBA模型的仿真测试结果.     

基于吉赫电磁波植被衰减模型的无线传感网络早期森林火灾探测算法

无线传感网络WSN采用吉赫通信载波。有研究发现吉赫载波在传输路径上的衰减模型与植被含水量显性相关。本文利用WSN节点的RSSI机制可形成路径植被失水传感器。通过建立植被含水量与载波衰减的?关系,感知森林植被含水量变化与早期火灾孕育过程,确定出识别森林早期火灾的?算法。实验验证了无线传感网络可准确感知植被失水事件与火灾发生事件。仿真证明,WSN失水感知信道(点对点)数量占节点之间通信总载波信道数的75%以上,就可以满足探测需要。这在早期火灾探测上提出了新的探测方法。     

森林火灾无线监测预警系统的设计与实现

针对传统森林火灾监测措施实时性差、实际应用受限的问题,利用无线传感网络技术,构建了基于ZigBee和GPRS的森林火灾监测预警系统.介绍了系统的结构,给出了主要功能模块的硬件设计方法和ZigBee无线传感网络中各功能节点的软件设计.同时,对传统的无线传感网的自组网方案进行了改进,并在分布式组网方案基础上实现了ZigBee无线传感网络节点的分簇置放.实践证明,该系统实现了森林火灾监测和预警的功能,提高了系统中数据传输的实时性、可靠性以及系统的可扩展性.     

基于无线传感器网络的林火监测预警系统

无线传感器网络是科学领域的一个新方向。针对森林火灾发生的严峻形势,提出一种应用无线传感器网络的森林火灾实时监测预警系统,给出系统的框架、关键技术和实施方案,实时监测林区的空气温度、湿度及有林火产生时的烟雾稠密浓度等相关坏境参数,通过林火天气指标系统进行预警,为森林防火、灭火提供重要依据。     

A mobility constraint model to infer sensor behaviour in forest fire risk monitoring

Wireless sensor networks (WSNs) play an important role in forest fire risk monitoring. Various applications are in operation. However, the use of mobile sensors in forest risk monitoring remains largely unexplored. Our research contributes to fill this gap by designing a model which abstracts mobility constraints within different types of contexts for the inference of mobile sensor behaviour. This behaviour is focused on achieving a suitable spatial coverage of the WSN when monitoring forest fire risk. The proposed mobility constraint model makes use of a Bayesian network approach and consists of three components: (1) a context typology describing different contexts in which a WSN monitors a dynamic phenomenon; (2) a context graph encoding probabilistic dependencies among variables of interest; and (3) contextual rules encoding expert knowledge and application requirements needed for the inference of sensor behaviour. As an illustration, the model is used to simulate the behaviour of a mobile WSN to obtain a suitable spatial coverage in low and high fire risk scenarios. It is shown that the implemented Bayesian network within the mobility constraint model can successfully infer behaviour such as sleeping sensors, moving sensors, or deploying more sensors to enhance spatial coverage. Furthermore, the mobility constraint model contributes towards mobile sensing in which the mobile sensor behaviour is driven by constraints on the state of the phenomenon and the sensing system.     

基于路由算法的无线传感器网络伪装研究

在研究如何通过无线传感器网络WSN有效获取信息的同时,如何确保敏感地区的信息不被WSN窃取也成为研究者关注的热点问题。基于WSN已有的路由算法,利用其开放的特点在敏感地区设置WSN伪装节点,并使其加入WSN节点的路由构建过程,伪装节点采用路由算法自适应伪装,通过修改数据报中的控制信息进而实现阻止WSN节点构建有效路由,并在最大程度上消耗WSN节点能量的目的。从WSN节点能耗速度和网络生命周期两方面验证了基于路由算法的WSN伪装的有效性。     

基于深度森林的无线传感器网络故障分类算法

针对无线传感器网络(WSN)节点容易出现故障从而导致网络瘫痪的问题,提出了一种基于改进的深度森林的无线传感器网络故障分类方法;深度森林是基于森林的集成学习方法,其输入是多维特征向量,特征向量将由多粒度扫描和级联森林这两个主要组成部分进行处理,多粒度扫描通过处理数据之间的关系来增强数据表示的能力,级联森林用于分类或预测;针对级联森林部分随着层数的增加可能造成的维数问题进行优化后,将该算法用于故障分类可以提高故障诊断的精确度;在仿真验证阶段,将该算法与深度神经网络(DNN)和支持向量机(SVM)算法进行对比;结果显示,该算法可以准确地识别出不同的故障类型,并且在损坏故障和电源故障的识别达到了最高精度,综合平均精度在98.4%;对偏移故障、漂移故障和通信故障的识别略低于卷积神经网络(CNN)算法,但综合训练时间、参数调节来看,该算法更能满足实际工程的需要。     

无线传感器网络时间同步综述

时间同步是无线传感器网络技术研究的一个新热点，很多无线传感器网络应用都要求传感器节点的时钟保持同步；由于无线传感器网络自身的特点，它在同步范围、能量消耗以及同步精度上都有特殊的要求，这使传统的时间同步方法并不适合无线传感器网络，对目前典型的无线传感器网络时间同步算法进行了论述，并指出了进一步的研究方向。     

Genetic Algorithm-based Optimized Cluster Head selection for single and multiple data sinks in Heterogeneous Wireless Sensor Network

The constraints on the battery resources of sensor nodes have been the major stumbling block in achieving the network longevity and in exploring the potential of Wireless Sensor Network (WSN) to the maximum level. A plethora of research work has implemented multitudinous optimization techniques for the Cluster Head (CH) selection in homogenous WSN. However, for Heterogeneous WSN (HWSN), the CH selection is still left with a wide scope for further improvement for its exploitation capabilities. In this paper, Genetic Algorithm-based Optimized Clustering (GAOC) protocol is designed for optimized CH selection by integrating the parameters of residual energy, distance to the sink and node density in its formulated fitness function. Furthermore, to pact with the Hot-Spot problem, and to shorten the communicating distance from the nodes to the sink, Multiple data Sinks based GAOC (MS-GAOC) is proposed. The empirical investigations of MS-GAOC is carried out with protocols developed to operate with multiple data sinks so as to have fair comparative analysis. It is inferred from the simulation analysis that the GAOC and MS-GAOC outperform the state-of-the-art protocols on the benchmark of different performance metrics viz. stability period, network lifetime, number of dead nodes against rounds, throughput and network’s remaining energy. The proposed protocols are expected to play a salient role in monitoring of hostile applications, i.e., forest fire detection, early detection of volcanic eruptions, etc.     

基于节点密度与TDMA的无线传感器网络集簇协议

无线传感器网络（WSN）具有节点成本低、易于布置等优点,已广泛应用于国防军事、医疗健康、环境监测等领域。针对WSN中存在的节点能量有限,簇间干扰严重的问题,结合大多应用中WSN具有节点密度分布不均匀的特性,提出一种基于节点密度与时分多址（TDMA）的WSN自适应集簇分层（DT-LEACH）协议。DT-LEACH协议通过在簇首选举阶段考虑节点剩余能量,保证簇首的均匀分布,延长了网络生存周期;其次,DT-LEACH协议引入TDMA时隙分配阶段,根据节点密度选择节点进入休眠模式,有效地避免了簇间干扰,降低了数据冗余性,减少了网络能耗。仿真实现表明,DT-LEACH协议能有效避免簇间干扰,延长WSN网络生存周期。     

无线传感器网络分层路由协议研究

路由协议是WSN研究中富有挑战性的问题。由于WSN自身的特点和通信需要,现有的无线自组网和互联网路由协议不适在WSN中运行,无线传感器网络路由协议以节约能源为首要目标,并采用折中机制,使用户可以在延长网络生存期和提高网络吞吐量、降低延迟时做出选择。无线传感器网络路由协议包括平面和分层路由协议两大类,文中介绍几种典型的分层路由协议,并根据路由性能指标进行了分析和比较,并指出了下一步的研究方向。     

基于超声波和TDOA的无线传感器网络高精度定位方法

提出了基于超声波与射频信号到达时间差(Time Difference of Arrival,TDOA)的无线传感器网络节点定位方法。采用基于簇的分层网络拓扑结构,使用信标节点作为簇头,设计实现了动态簇头自动选取算法,提高了定位算法的快速响应性,并通过误差补偿和软件鲁棒性设计,提高了系统的定位精度。基于AVR单片机和CC1100射频芯片完成了无线传感器网络中移动节点、信标节点和汇聚节点的硬件设计与实现。实验数据表明本文设计的无线传感器网络定位系统的定位精度在30cm之内,并且定位算法具有较好的时间响应性,移动节点的最大速度可以达到11.5m/s。     

无线传感器网络地理协同通信算法

针对无线传感器网络能量有效性和协同通信节点选取问题,提出基于位置的无线传感器网络协同通信算法(CCABL).该算法通过距离参数选取协同节点及其成员节点,并引入数据融合和分簇思想.协同节点融合成员节点数据,采用F/R(forward/reverse)协同通信传输数据.理论分析和NS2仿真验证表明,与数据融合算法和LEACH分簇算法相比,CCABL算法不仅有效地提高了能量有效性,而且节点能量消耗更加均衡,网络生存期长,同时算法实现简单,控制开销低.     

基于流量预测和相关系数的异常检测

安全问题是无线传感器网络应用面临的重要挑战之一。提出了一种基于混沌时间序列预测和相关系数相结合的异常入侵检测方法,该方案首先对正常情况下无线传感器网络节点的流量应用混沌时间序列方法进行预测,然后根据传感器节点的流量预测序列和实际流量序列的相关系数变化来进行异常检测。实验结果表明,该方案在入侵检测率达到相当高的程度,与当前典型的WSN入侵检测方案相比较具有更优越的性能。