梁西銀，鐘　偉，祁　磊（西北師范大學(xué)物理與電子工程學(xué)院，蘭州730070）

?

自適應(yīng)卡爾曼在延長土壤墑情監(jiān)測節(jié)點(diǎn)壽命中的研究*

梁西銀*，鐘偉，祁磊
（西北師范大學(xué)物理與電子工程學(xué)院，蘭州730070）

摘要：土壤墑情的WSNs監(jiān)測節(jié)點(diǎn)由于工作環(huán)境的制約，一般采用一次性的干電池供電，節(jié)點(diǎn)的電源供應(yīng)受到約束。針對節(jié)點(diǎn)使用壽命短的問題，方法提出了一種網(wǎng)絡(luò)傳輸效用和使用壽命的折衷優(yōu)化方法。通過卡爾曼濾波器對數(shù)據(jù)進(jìn)行狀態(tài)預(yù)測和穩(wěn)定識別，在保證數(shù)據(jù)傳輸效用的同時(shí)，降低單個節(jié)點(diǎn)的數(shù)據(jù)發(fā)送次數(shù)和頻率，進(jìn)而延長節(jié)點(diǎn)的使用壽命。通過實(shí)驗(yàn)從平均發(fā)送頻率和均方誤差兩個方面對方法進(jìn)行評價(jià)，結(jié)果表明，方法在保證傳輸效用的同時(shí)，能自適應(yīng)地動態(tài)降低發(fā)送次數(shù)和頻率，經(jīng)過測試和計(jì)算，每減少收發(fā)一次能延長休眠時(shí)間19 927.3 ms，延長監(jiān)聽時(shí)間為17.3 ms，取得良好效果，方法在延長農(nóng)業(yè)土壤墑情的監(jiān)測時(shí)間方面提供了一定參考。

關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)；土壤墑情；卡爾曼濾波；降低功耗

項(xiàng)目來源：甘肅省科技支撐計(jì)劃項(xiàng)目（1304GKCA024）

土壤墑情，是用來描述土壤含水量狀況的物理量［1］。水分是土壤肥力的重要組成部分，實(shí)際含水量的多少表征著土壤適宜農(nóng)作物生長發(fā)育的程度，因此往往需要對土壤墑情進(jìn)行實(shí)時(shí)的不間斷的監(jiān)測，作為防洪、抗旱、播種等決策的重要指標(biāo)［2］。由于工作環(huán)境和成本等因素的影響，土壤墑情監(jiān)測多采用無線傳感器網(wǎng)絡(luò)（WSNs）和干電池供電作為監(jiān)測方案，監(jiān)測時(shí)限受到監(jiān)測節(jié)點(diǎn)使用壽命的制約。

無線傳感器網(wǎng)絡(luò)（WSNs）是集信息采集、傳輸和處理技術(shù)于一體的分布式網(wǎng)絡(luò)信息系統(tǒng)，應(yīng)用前景非常廣泛［3］。由于工作環(huán)境和成本等因素的影響，多采用干電池供電作為供電方案，無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)使用壽命受到制約［4］，如何降低WSNs節(jié)點(diǎn)的功耗成為研究和設(shè)計(jì)無線傳感器網(wǎng)絡(luò)的核心問題［5-6］，這方面的改善對節(jié)點(diǎn)使用壽命的延長和性能的優(yōu)化有著重要的意義，進(jìn)而提高土壤墑情的監(jiān)測時(shí)間。目前有關(guān)WSNs節(jié)點(diǎn)降低功耗方面的研究成效主要集中在兩個方面：一方面在硬件上提高電源的供應(yīng)量，這方面的研究主要集中在采用太陽能充電技術(shù)上，如胡奇勛等提到的使用太陽能充電技術(shù)為檢測節(jié)點(diǎn)供電［7］，而這樣會增加額外的硬件成本；另一方面主要在軟件算法設(shè)計(jì)上的優(yōu)化設(shè)計(jì)達(dá)到降低功耗的效果，這方面研究主要集中在傳感器協(xié)同，拓?fù)淇刂?、傳輸協(xié)議、減少通信沖突、降低旁聽、減少由于網(wǎng)絡(luò)堵塞和數(shù)據(jù)擁堵造成的不必要能量消耗和工作模式切換等方面［8- 13］，如Paulo Sergio Sausen等提出在通過監(jiān)測外部事件采用不同的電源管理模式，當(dāng)事件不是系統(tǒng)感興趣的事件時(shí)，系統(tǒng)處于休眠狀態(tài)，否則系統(tǒng)轉(zhuǎn)換為工作狀態(tài)［14］，這種方法在模式轉(zhuǎn)換不頻繁的時(shí)候非常有效，但當(dāng)隨著轉(zhuǎn)換頻率的提高，轉(zhuǎn)換過程中造成的能量消耗和系統(tǒng)遲延問題就凸顯了出來。以上研究大多是集中在整個無線傳感網(wǎng)絡(luò)的通信機(jī)制和路由算法上的研究，由于研究時(shí)多采用封裝好的成品，很難對單個節(jié)點(diǎn)的結(jié)構(gòu)進(jìn)行修改，利用算法在單個節(jié)點(diǎn)上減少通信量的應(yīng)用研究還相對較少，方法在單個節(jié)點(diǎn)內(nèi)利用卡爾曼濾波器對系統(tǒng)狀態(tài)進(jìn)行預(yù)測和判斷，在保證傳輸效用的同時(shí)，通過降低數(shù)據(jù)的冗余度，進(jìn)而減少單個節(jié)點(diǎn)的通信量，降低節(jié)點(diǎn)功耗，在網(wǎng)絡(luò)傳輸效用和使用壽命之間提出一個折衷方案。經(jīng)過大量的實(shí)驗(yàn)證明了該方法的有效性。

1　 WSNs節(jié)點(diǎn)結(jié)構(gòu)特點(diǎn)

作為無線傳感器網(wǎng)絡(luò)的基本構(gòu)成單元，WSNs節(jié)點(diǎn)主要有4個模塊組成：MCU模塊、傳感器模塊、通信模塊和電源模塊［3］。其中，傳感器模塊主要負(fù)責(zé)對環(huán)境數(shù)據(jù)的采集；MCU模塊主要負(fù)責(zé)整個WSNs節(jié)點(diǎn)的通信和功能協(xié)調(diào)；通信模塊主要負(fù)責(zé)將MCU模塊的指令發(fā)送給其他WSNs節(jié)點(diǎn)，或者進(jìn)行反向操作；電源模塊負(fù)責(zé)給其他三個模塊提供電力供應(yīng)。

在WSNs節(jié)點(diǎn)的四個模塊中，現(xiàn)有的低功耗處理器技術(shù)已經(jīng)相當(dāng)成熟，使得WSNs節(jié)點(diǎn)中MCU模塊的耗能得到很大程度的降低［4］。雖然在傳感器模塊方面的耗能根據(jù)選用傳感器的種類有所不同，但總體來說通信模塊才是消耗WSNs節(jié)點(diǎn)能源的主要元件，使得數(shù)據(jù)通信的功耗遠(yuǎn)遠(yuǎn)高于數(shù)據(jù)處理的功耗。有數(shù)據(jù)顯示，將lkbit數(shù)據(jù)無線傳輸100米所耗能量可讓100 MIPS的處理器處理3百萬條指令［4］，可見節(jié)點(diǎn)在數(shù)據(jù)處理方面的能耗比數(shù)據(jù)通信小得多.。在WSNs節(jié)點(diǎn)的研究和設(shè)計(jì)時(shí)，，除了合理選擇硬件結(jié)構(gòu)之外，從數(shù)據(jù)通信入手可有效減低整體WSNs節(jié)點(diǎn)的功耗，方法通過減少數(shù)據(jù)通信次數(shù)和頻率，提高能源使用效率來延長網(wǎng)絡(luò)的生命周期。

2　卡爾曼濾波

卡爾曼濾波是一種通過方差最小準(zhǔn)則估計(jì)出所需信號的一種實(shí)時(shí)遞推算法［15］。采用狀態(tài)空間方法描述系統(tǒng)，Kalman濾波的系統(tǒng)方程和觀測方程如下［15-16］：

式中Xk是系統(tǒng)的n維狀態(tài)向量，Wk是p維系統(tǒng)過程噪聲序列，Φk,k-1是系統(tǒng)的m×n維狀態(tài)轉(zhuǎn)移矩陣，Γk,k-1是n×p維噪聲輸入矩陣，Zk是系統(tǒng)的M維觀測序列，Vk是m維觀測噪聲序列，Hk是m×n維觀測矩陣。

關(guān)于系統(tǒng)噪聲和觀測噪聲的統(tǒng)計(jì)特性，假定如下：

式中，Qk是系統(tǒng)過程噪聲Wk的p×p維對稱非負(fù)定方差矩陣，Rk是系統(tǒng)觀測噪聲Vk的m×m維對稱正定方差陣，而δkj是Kronecker-δ函數(shù)。

若被估計(jì)狀態(tài)Xk和對Xk的觀測量Zk滿足式（1）和式（2）的約束，系統(tǒng)過程噪聲Wk和觀測噪聲Vk滿足式（3）～式（5）的假設(shè)，系統(tǒng)過程噪聲方差陣Qk非負(fù)定，系統(tǒng)觀測噪聲方差陣Rk正定，k時(shí)刻的觀測為Zk，則Xk的估計(jì)X（k|k）可按下述方程求解：

狀態(tài)一步預(yù)測X(k|k-1)：

狀態(tài)估計(jì)X(k|k)：

濾波增益矩陣Kk：

一步預(yù)測誤差方差陣P(k|k-1)：

估計(jì)誤差方差陣P(k|k)：

其中系統(tǒng)維狀態(tài)轉(zhuǎn)移矩陣Φk,k-1、噪聲輸入陣和過程噪聲方差陣描述的是與系統(tǒng)動態(tài)特性有關(guān)的信息，根據(jù)不同的系統(tǒng)而有所變化。所有的這些方程都圍繞一個中心，即正確，合理地利用觀測值Zk。

3　方法實(shí)現(xiàn)

3.1硬件設(shè)計(jì)

為驗(yàn)證方法的有效性，構(gòu)思和設(shè)計(jì)了一種通過ZIGBEE通信的土壤墑情監(jiān)測系統(tǒng)。該設(shè)計(jì)由發(fā)送端和接收端兩部分構(gòu)成，其中發(fā)送端采用哲勤科技有限公司生產(chǎn)的MS10作為土壤水分傳感器進(jìn)行土壤墑情的采集，采集后將墑情數(shù)據(jù)送到主控芯片中，主控芯片將數(shù)據(jù)經(jīng)方法處理后有選擇地將數(shù)據(jù)通過通信模塊發(fā)送給接收端，接收端接收到信號后將數(shù)據(jù)傳送給上位機(jī)，上位機(jī)對接收信號的次數(shù)進(jìn)行計(jì)數(shù)，由此計(jì)算出系統(tǒng)的通信次數(shù)和頻率。通信采用能較好實(shí)現(xiàn)zigbee協(xié)議的射頻芯片CC1100，主控芯片采用低功耗的STM32F103VET6。接收端同樣采用CC1100接收信號，構(gòu)成整個系統(tǒng)。系統(tǒng)結(jié)構(gòu)框圖如圖1所示。

圖1　系統(tǒng)結(jié)構(gòu)框圖

MS10土壤水分傳感器是一款高精度、高靈敏度的測量土壤溫度和水分的一體傳感器。量程為0～100%容積含水率，精度在0～53%范圍內(nèi)為±3%，適用于土壤墑情監(jiān)測、科學(xué)試驗(yàn)、節(jié)水灌溉、精細(xì)農(nóng)業(yè)等的測量。

CC1100能同時(shí)滿足低功耗、低成本和高靈活性的特點(diǎn)，休眠模式、監(jiān)聽模式和收發(fā)模式下的功耗分別為0.011 mW、12.7 mW和68.5 mW［17］。

STM32F103VET6是一款高性能、低成本、低功耗的嵌入式芯片，采用的是ARM Cortex-0內(nèi)核，工作速度可達(dá)72 MIPS。

3.2軟件設(shè)計(jì)

3.2.1卡爾曼濾波器的程序?qū)崿F(xiàn)

在一個濾波周期內(nèi)，Kalman濾波有兩個信息的更新過程：時(shí)間更新過程和觀測更新過程。Kalman濾波器結(jié)構(gòu)圖如圖2所示。

圖2　Kalman濾波器結(jié)構(gòu)圖

在這兩個信息更新過程中，給定土壤墑情的狀態(tài)初值X0、估計(jì)誤差方差陣和初值P0后，Kalman濾波器的輸入量是系統(tǒng)的時(shí)刻土壤墑情的觀測值，輸出量是系統(tǒng)的土壤墑情估計(jì)值X（k|k）。由濾波器的兩個信息的更新過程，在具體的程序?qū)崿F(xiàn)時(shí)，同樣有兩個計(jì)算回路：增益計(jì)算回路和濾波計(jì)算回路。其中增益計(jì)算回路是獨(dú)立計(jì)算的，濾波計(jì)算回路依賴于增益計(jì)算回路。程序流程如圖3所示。

文中在郝文澤等人的研究基礎(chǔ)上，采用微波調(diào)制激光測速體制，設(shè)計(jì)了一套基于FPGA的軟件接收機(jī)，接收微波調(diào)制激光信號。解調(diào)的微波信號通過下變頻及數(shù)字采樣后，在FPGA構(gòu)建的軟件接收機(jī)中，使用基于FFT的閉環(huán)跟蹤方法以及控制主機(jī)中的數(shù)據(jù)后處理，得到激光信號的多普勒頻率，實(shí)現(xiàn)了高動態(tài)范圍、快速響應(yīng)的高精度速度測量，配合高精度信號模擬器驗(yàn)證了測速系統(tǒng)的技術(shù)指標(biāo)。

圖3　Kalman濾波器程序流程圖

由圖3可看出，Kalman濾波器的計(jì)算是一個不斷的進(jìn)行“預(yù)測-修正”的過程，其中濾波器的增益矩陣與土壤墑情觀測值Zk無關(guān)，可以在觀測值獲取前執(zhí)行完增益計(jì)算回路，一旦得到了一個新的土壤墑情觀測值Zk，馬上可以計(jì)算得到新的估計(jì)值X（k|k），可以提高系統(tǒng)的反應(yīng)速率，保證較高的實(shí)時(shí)性。

3.2.2主程序流程

主程序主要實(shí)現(xiàn)3個方面的功能。首先。首先主控芯片STM32F103VET6與土壤水分傳感器MS10進(jìn)行通信，MS10開始進(jìn)行墑情數(shù)據(jù)采集，主控芯片進(jìn)而獲取土壤墑情數(shù)據(jù)。其次，將采集到的土壤墑情數(shù)據(jù)導(dǎo)入卡爾曼濾波器，利用卡爾曼濾波的遞推估計(jì)能力進(jìn)行處理，最后根據(jù)處理后的結(jié)果判斷是否啟用CC1100進(jìn)行數(shù)據(jù)傳送。整個軟件系統(tǒng)除了要實(shí)現(xiàn)功能外，還要考慮整體的穩(wěn)定性和可靠性，采用模式編程法，根據(jù)模式寄存器的狀態(tài)調(diào)用各個子服務(wù)程序，使程序得到優(yōu)化。主程序流程圖如圖4所示。

圖4　主程序流程圖

在系統(tǒng)初始化時(shí)，系統(tǒng)的狀態(tài)初值X0和初值P0的選取相當(dāng)重要，關(guān)系到系統(tǒng)的穩(wěn)定性問題［18］，一個無偏的Kalman濾波器的輸出應(yīng)該能在往后的更新過程中逐漸擺脫所選的兩個初始值X0和P0的影響。在初始值的選取時(shí)，方法利用前期采集的一些土壤墑情數(shù)據(jù)作為樣本，再與估計(jì)值建立回歸方程，這里將殘差作為系統(tǒng)的初值。

當(dāng)采集到土壤墑情數(shù)據(jù)后，立即將數(shù)據(jù)送入Kalman濾波器進(jìn)行處理，根據(jù)處理結(jié)果生成判別算子，當(dāng)算子的數(shù)值達(dá)到閾值時(shí)，啟動發(fā)送模塊將數(shù)據(jù)通過Zigbee發(fā)送給接收端，這里將閾值設(shè)定為0.63%。接收端接收到數(shù)據(jù)后通過上位機(jī)進(jìn)行計(jì)數(shù)。

4　效果驗(yàn)證與分析

4.1測試方法說明

在測試過程中，監(jiān)測網(wǎng)絡(luò)由3個監(jiān)測節(jié)點(diǎn)組成，分別標(biāo)記為節(jié)點(diǎn)1、節(jié)點(diǎn)2和節(jié)點(diǎn)3，系統(tǒng)示意圖和實(shí)際測試場景圖分別如圖5和圖6所示。

圖5　系統(tǒng)示意圖

圖6　實(shí)際測試場景圖

取一定質(zhì)量的土壤放入試驗(yàn)盒中作為標(biāo)準(zhǔn)土樣，測試時(shí)將圖6中的土壤墑情傳感器插入土樣中。先將土樣放入電熱恒溫式鼓風(fēng)干燥箱中烘干。然后人為地使用噴水器往土壤中間隔性地噴灑一定質(zhì)量的水分（約5 g～15 g），當(dāng)測得的墑情數(shù)據(jù)達(dá)到一定值時(shí)，間隔性地用烘干機(jī)對土壤進(jìn)行加熱，這樣做的目的是人為地創(chuàng)造變化的墑情數(shù)據(jù)曲線。

在傳輸效用方面，宏觀來看，方法降低功耗的效果是通過減低通信次數(shù)換來的，減少了單個節(jié)點(diǎn)向網(wǎng)絡(luò)的數(shù)據(jù)提供量，必然會降低系統(tǒng)對外界環(huán)境的感知度。因此，在降低功耗的同時(shí)，網(wǎng)絡(luò)的傳輸效用也是需要重點(diǎn)考慮的，最后還要考慮算法造成的能耗。在一般情況下，土壤墑情是一個緩慢變化的量，文中以不使用本方法的每分鐘采集100次土壤墑情的第一手?jǐn)?shù)據(jù)作為傳輸效用的參照樣本，與標(biāo)準(zhǔn)樣本越接近，說明與實(shí)際越接近，效果越好，在接收端接收到墑情數(shù)據(jù)后，將插值后的墑情數(shù)據(jù)與參照系的數(shù)據(jù)進(jìn)行對比，以均方誤差作為評價(jià)標(biāo)準(zhǔn)。

式中，ESTD為均方誤差，Tai是方法的墑情數(shù)據(jù)，Tbi是參照系的墑情數(shù)據(jù)，ESTD越小，說明貼合度越高，與實(shí)際的誤差越小，傳輸效用越高。

在降低通信頻率方面，將方法與滑動平均濾波算法的結(jié)果進(jìn)行對比，為了體現(xiàn)方法能根據(jù)環(huán)境變化自適應(yīng)調(diào)整通信頻率的特點(diǎn)，在不同的墑情變化速率中對系統(tǒng)進(jìn)行測試，墑情變化速率分別是5%/ min、10%/min和20%/min，觀測方法對單個節(jié)點(diǎn)以及整個網(wǎng)絡(luò)能量消耗的影響。

4.2測試結(jié)果與分析

4.2.1均方誤差

在相同試驗(yàn)條件下，對不同的墑情變化率條件下各測試300組數(shù)據(jù)，所得結(jié)果的均方誤差如表1所示。

表1　均方誤差　　單位：%

從表1的數(shù)據(jù)分析，系統(tǒng)的誤差較小，在降低通信頻度的同時(shí)能保持較高的精度，達(dá)到預(yù)期效果。而且均方誤差的變化與墑情的變化率呈同向變化，墑情變化速率越小，均方誤差越低，效果越好。

4.2.2平均發(fā)送頻率

從平均發(fā)送頻率方面將使用滑動平均濾波算法的結(jié)果與使用方法后的效果進(jìn)行對比后的結(jié)果如表2所示。由表2不難看出，與滑動平均濾波算法相比，方法更能效降低發(fā)送頻率，墑情變化速率越慢，發(fā)送頻率降低的幅度越大，通信能耗的降低也越明顯.如當(dāng)墑情變化速率為5%/min時(shí)，整個網(wǎng)絡(luò)減少發(fā)送45次/min，節(jié)省的通信能耗達(dá)18.99%。并且能自動根據(jù)墑情環(huán)境變化的情況調(diào)節(jié)發(fā)送頻率，有自適應(yīng)的效果。

表2　平均發(fā)送頻率　　單位：次/min

4.2.3算法耗能

由于在過程中加入了算法，算法在執(zhí)行過程中本身也會產(chǎn)生耗能，所以需要將算法的耗能考慮進(jìn)去，由于算法只在主控芯片中執(zhí)行，只需考慮算法執(zhí)行過程中芯片產(chǎn)生的消耗，實(shí)驗(yàn)結(jié)果如表3所示。

表3　算法耗能

經(jīng)過測試，完成一次完整的射頻收發(fā)需要3.2 ms，按收發(fā)模式下功率為68.5 mW計(jì)算，消耗的能量為2.192×10-4J，算法的平均耗能僅為1.322×10-8J，與其相比可以忽略不計(jì)。每減少收發(fā)一次能延長休眠時(shí)間19927.3 ms，延長監(jiān)聽時(shí)間為17.3ms，效果明顯。

綜上所述，采用方法后在保證傳輸效用的同時(shí)通信頻率明顯降低，進(jìn)而能有效降低功耗。而且墑情變化越平緩，貼合度越高，越能有效降低節(jié)點(diǎn)的通信頻率，通過降低單個節(jié)點(diǎn)功耗進(jìn)而達(dá)到降低整個網(wǎng)絡(luò)能耗的效果.

5　結(jié)束語

文中提出了一種兼顧無線傳感器網(wǎng)絡(luò)傳輸效用和使用壽命的雙目標(biāo)最大化的優(yōu)化方法，方法采用卡爾曼濾波器進(jìn)行狀態(tài)預(yù)測和識別，通過降低WSNs單個節(jié)點(diǎn)的通信次數(shù)和頻率來降低WSNs單個節(jié)點(diǎn)的功耗，進(jìn)而延長整個WSNs網(wǎng)絡(luò)的使用壽命，在降低WSNs節(jié)點(diǎn)功耗方面具有較高的可操作性和一定的創(chuàng)新性，并進(jìn)行了系統(tǒng)設(shè)計(jì)和大量的測試分析，分析結(jié)果表明，方法能有效地降低WSNs節(jié)點(diǎn)功耗，尤其是在墑情變化較為平緩的環(huán)境情況下，效果最為明顯，并且能夠根據(jù)土壤墑情的變化劇烈程度自適應(yīng)地調(diào)節(jié)通信頻率，做到實(shí)時(shí)精確的跟蹤環(huán)境變化，效果明顯。具有方案簡單，成本少的特點(diǎn)，具有廣闊的應(yīng)用前景，為無線傳感器網(wǎng)絡(luò)的研究和設(shè)計(jì)以及延長土壤墑情監(jiān)測壽命做出了合理參考。

參考文獻(xiàn)：

［1］靳廣超，彭承琳，趙德春，等.基于ZigBee的土壤墑情監(jiān)測系統(tǒng)［J］.傳感器與微系統(tǒng)，2008，27（10）：92-93.

［2］樊志平，洪添勝，劉志壯，等.柑橘園土壤墑情遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2010，26（8）：205-210.

［3］喬學(xué)工，王哲，王華倩，等.基于權(quán)值的非均勻分簇路由算法［J］.傳感技術(shù)學(xué)報(bào)，2014，27（1）：107-112.

［4］畢瑩.無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的低功耗研究［D］.吉林：吉林大學(xué)，2008.

［5］汪立林.無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)超低功耗的系統(tǒng)級實(shí)現(xiàn)方法研究［D］.長沙：中南大學(xué)，2009.

［6］Yick J，Mukherjee B，Ghosal D. Wireless Sensor Network Survey ［J］. Computer Networks，2008，52（12）：2292-2230.

［7］胡奇勛，段渭軍，王福豹.無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)太陽能電源系統(tǒng)設(shè)［J］.現(xiàn)代電子技術(shù)，2011，34（6）：199-201.

［8］李秘，花仕海，李貴柯，等.基于電量檢測的WSNs智能休眠方法［J］.傳感器與微系統(tǒng)，2014，33（11）：27-33.

［9］王曉東.無線傳感器網(wǎng)絡(luò)節(jié)能算法研究［D］.杭州：浙江大學(xué)博士學(xué)位論文，2007.

［10］Mills K L. A Brief Survey Self-organization in Wireless Sensor Networks［J］. Wireless Communications and Mobile Computing，2007，7（7）：823-834.

［11］Hou Y T，Shi Y，Sherali H D. Rate Allocation And Network Life?time Problems for Wireless Sensor Networks［J］. IEEE/ACM Transactions on Networking，2008，16（2）：321-334.

［12］陸亞芳，易可夫，馮緒，等.基于模糊理論的無線傳感器網(wǎng)絡(luò)多層分簇式路由算法［J］.傳感技術(shù)學(xué)報(bào)，2014，27（7）：1933-938.

［13］彭俊先.無線傳感器網(wǎng)絡(luò)簇內(nèi)節(jié)點(diǎn)能量管理方法研究［D］.長沙：中南大學(xué)，2012.

［14］Paulo Sergio Sausen，JRDB Sousa，MA Spohn，et al. Dynamic Power Management with Scheduled Switching Modes［J］. Com?puter Communications，2008，35（15）：3625-3637.

［15］彭丁聰.卡爾曼濾波的基本原理及應(yīng)用［J］.傳感技術(shù)學(xué)報(bào)，2009（8）：32-34.

［16］Shutao Xing，Marvin W Halling，Shuwen Pan. Application of Sub?structural Damage Identification Using Adaptive Kalman Filter［J］. Journal of Civil Structural Health Monitoring，2014（4）：27-42.

［17］Texas Instruments.CC1100，Low-Power Sub-1 GHz RFTRansceiver ［EB/OL］.http：//www.ti.com/lit/ds/symlink/cc1100.pdf，2014.

［18］孫健，張純，陳書愷，等.基于季節(jié)模型及Kalman濾波的道路行程時(shí)間［J］.長安大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（34）：145-151.

梁西銀（1971-），男，副教授，碩士生導(dǎo)師，主要研究領(lǐng)域?yàn)閭鞲衅骶W(wǎng)絡(luò)技術(shù)研究，嵌入式系統(tǒng)及可編程邏輯器件設(shè)計(jì)，計(jì)算機(jī)測量與控制方向等研究；

鐘偉（1991-），男，碩士研究生，研究方向?yàn)閭鞲屑夹g(shù)，嵌入式設(shè)計(jì)，計(jì)算機(jī)應(yīng)用研究；

祁磊（1987-），男，碩士研究生，研究方向?yàn)橛?jì)算機(jī)測量與控制。

Research on Extending the Life of Soil Moisture Monitoring Node by Using Self-adapting Kalman Filter*

LIANG Xiyin*，ZHONG Wei，QI Lei
（College of Physics and Electronic Engineering，Northwest Normal University，Lanzhou 730070，China）

Abstract：Due to constraints such as working environment，disposable batteries with limited electrical energy were commonly used in soil moisture monitoring node. In order to solve this problem，an optimal Utility-Lifetime tradeoff method was set up. Kalman filter was used to identify the state prediction and stability of data and reduce the num?ber of data and frequency. The service life of the node is extended by the method.Average frequency of the experi?ment and the curve fitting were used to evaluate the method. Through test and calculation，each time of reducing can prolong the sleep time of 19 927.3 ms and extend the monitoring time of 17.3 ms. Method provides a certain ref?erence in extendingthe time of monitoringagricultural soil moisture.

Key words：wireless sensor network；soil moisture；Kalman filter；reducingpower consumption

doi：EEACC：6150P10.3969/j.issn.1004-1699.2016.03.023

收稿日期：2015-10-27修改日期：2015-12-21

中圖分類號：TP393

文獻(xiàn)標(biāo)識碼：A

文章編號：1004-1699（2016）03-0439-06