基于物联网的无线传感网络数据采集方法

王波

【摘 要】为了提高物联网环境下无线传感器网络的数据采集精度,提高无线传感器网络的环境适应能力,提出一种基于波特间隔均衡控制的物联网环境下无线传感器网络数据采集方法.构建多传感器融合跟踪模型下物联网传感组网结构模型,结合最短路径控制协议进行物联网数据采集节点的部署,建立分簇路由探测协议下物联网环境中无线传感器网络的数据采集信道模型,在带宽受距离的约束作用下,进行物联网环境下无线传感数据采集系统的载频频率编码设计,采用波特间隔均衡控制方法,实现数据优化采集.仿真结果表明,采用该方法进行物联网环境下无线传感器网络数据采集准确性较高,信道均衡性较好,降低了无线传感网络的能耗开销. 【期刊名称】《内蒙古民族大学学报（自然科学版）》 【年(卷),期】2019(034)001 【总页数】6页(P9-14)

【关键词】物联网;无线传感网络;数据采集;信道均衡;控制 【作 者】王波

【作者单位】仰恩大学,福建 泉州 362014 【正文语种】中 文 【中图分类】TP393 0 引言

随着物联网技术的发展，结合ZigBee和无线传感器网络协议进行物联网组网优化设计，构建物联网环境下的无线传感器网络，并将传感器分布在监测区域中，通过对监测区域的数据优化采集，提高对目标环境的信息监测和控制能力.因此，建立基于物联网的无线传感网络的基础是进行数据采集，将数据采集节点动态随机部署于不可达区域或危险地域，进行信息捕捉和数据监测，传感节点通过目标的热、红外、震动等信号，授权监听和处理网络的事件消息，通过数据传输信道进行信息通信和数据回传，达到远程探测和无线通信的目的［1］.构建基于物联网的无线传感网络数据采集系统，进行目标环境监测、信息探测和数据感知与预测预报，无线传感器网络在环境监测、预测预报和探测制导识别等领域具有广泛的应用价值［2］. 构建传感节点的数据采集优化模型是建立在传感器组网的优化设计和数据采集通道的均衡设计基础上，结合SLAM算法及模型设计，实现节点优化覆盖［3］，构建传感器节点的优化定位模型，按照一定的节点排列方法，实现以最为经济的网络节点实现最为优化和最大覆盖率的辐射区域，从而实现传感器节点信号覆盖的最优化，提高传感器节点的数据采集精度.传统方法中，对物联网环境下无线传感器网络数据的优化采集和管理方法主要有基于统计特征分析物联网环境的传感器节点数据采集方法、基于分数间隔均衡控制的数据采集方法、模糊数据存储的数据采集方法、基于BP神经网络控制的数据采集方法等［4-6］，对物联网环境下无线传感器网络数据进行优化采集和存储结构设计，提高数据采集和存储的抗干扰能力.但上述方法在进行无线传感数据采集中存在计算复杂度较高和存储开销较大等问题，在物联网传感节点存在大量的干扰信息时，数据采集的精度不高，抗干扰性能不好.针对上述问题，为了提高无线传感器网络的环境适应能力，提出一种基于波特间隔均衡控制的物联网环境下的无线传感器网络数据采集方法.构建多传感器融合跟踪模型下的物联网传感组网结构模型，结合最短路径控制协议进行物联网数据采集节点的部署，建立分簇路由探测协议下的物联网环境下无线传感器网络的数据采集信道

模型，采用波特间隔均衡控制方法，实现数据优化采集.最后通过仿真实验进行了性能测试，展示了本文方法在提高物联网的无线传感网络数据采集精度和信道均衡配置能力方面的优越性能. 1 数据采集模型及数据结构分析

1.1 物联网环境下无线传感器网络数据的采集传感器节点分布设计

构建物联网环境下无线传感器网络数据的采集和传感节点优化部署模型，通过对物联网环境下无线传感器网络数据中的数据结构信息特征采样，实现物联网环境下无线传感器网络信道均衡配置优化［7］，假设分布式物联网环境下无线传感器网络系统中待采集的链路分布数据集X={x 1,x2,…,xn} ，构建物联网环境下无线传感器网络数据的采集模型并进行数据结构分析，进行了分布式物联网环境下无线传感器网络数据的信道均衡配置机制体系分析，采用SN、sink和跳数d×L进行无线传感器网络数据传输的信道量化融合跟踪识别和自适应控制，构建物联网环境下无线传感器网络数据的采集和分布式量化融合跟踪的信道均衡控制模型［8］.物联网的数据采集采用三层体系结构设计，构建传感器量化融合跟踪识别节点A、B的数据特征点，设满足待匹配本体的关系模型G(A)、G(B)的物联网环境下无线传感器网络数据分布特征点＜x,y＞为A、B的一对锚点，无线传感器网络数据分布的有向图的边(u,v)∈E，设传感器量化融合跟踪识别阵列节点A⊂V，B⊂V且A⋂B=φ，由此构建数据采集节点分布模型如图1所示.

图1 物联网环境下传感器数据采集节点分布模型Fig.1 Distribution model of sensor data acquisition nodes in the Internet of Things environment 根据图1，得到物联网环境下无线传感器网络数据采样的时间序列为{x(t0+iΔt)}，i=0,1,…,N-1，数据信息流矢量长度为K，得到物联网环境下无线传感器网络数据采集输出的状态矢量表达式为：

式中，x(t)表示数据采集的时间样本序列，构建物联网环境下无线传感器网络的节点汇聚链路增益控制模型，通过优化的节点节能分布计算，能保证测量位置，传感器网络节点的数据采集总流出为，在有限的网络拓扑结构中，节点汇聚链路相关性表示为：

其中，用δ表示两个物联网环境下的无线传感网络节点之间的能量系数，ρ∈( )0,1.采用分簇链路均衡配置方法，得到传感器节点的空间约束的系统目标函数为：

其中，是簇首节点的初始能耗，物联网环境下无线传感器网络节点汇聚链路计算式可以表示为：

其中，̂(η)是传感器网络的初始均衡配置信道带宽.构建多传感器融合跟踪模型下的物联网传感组网结构模型，结合最短路径控制协议进行物联网数据采集节点的部署，通过对物联网环境下的无线传感网络系统的节点节能分布的约束参量分析，进行节点数据采集的优化控制设计［9］. 1.2 物联网传感组网结构模型优化

利用传感器节点间的交互性能进行物联网环境下无线传感器网络数据采集的多信道评估，采集随机链路均衡配置方法，得到物联网环境下的无线传感网络数据脉冲触发的功率补偿项输出为：

采用最小方差估计实现对物联网环境下的无线传感网络数据采集的节点进行优化定位，物联网环境下的无线传感网络数据融合的自适应迭代步长应选取为：

上式中，(k)为第k次迭代后数据采集的空间时域聚焦波束，x1(k)为物联网环境下的无线传感网络数据在比特序列流，对输出xi(t)分别加权ωi(θ)，采用最短路径寻优方法构建数据采集的路由探测协议，采用两个PI控制器进行无线传感器节点的整流控制［10］，得到物联网环境下的无线传感网络数据采集节点的相位分布和阵列分布分别为：

结合无线接收系统和数据分发系统，进行数据处理和运维分析，构建数据采集的信息处理和数据存储结构模型如图2所示.

图2 数据采集的信息处理和数据存储结构模型Fig.2 Information processing and data storage structure model of data acquisition

在上述三层体系结构设计基础上，采用中间件技术进行无线传感网络数据采集系统的物联网结构模型设计，采用物联网和WSN分布技术进行数据采集过程中的均衡控制，采用VIX总线采集方法进行无线传感器网络采集后输出并行数据的自适应调节，构建云存储系统进行数据存储结构的优化配置，在云计算环境下，采用无线收发技术，进行数据采集系统的并行组网结构模式设计［11］，根据上述分析，得到本文设计的基于物联网的无线传感网络数据采集系统的网络结构模型如图3所示.

图3 无线传感网络数据采集系统的网络结构模型Fig.3 Network structure model of wireless sensor network data acquisition system 2 无线传感数据采集方法优化设计 2.1 传感数据采集节点准确定位

在上述构建了多传感器融合跟踪模型下的物联网传感组网结构模型并进行数据采集的传感器节点传输信道模型设计的基础上，进行无线传感器网络的数据采集优化设计，本文提出一种基于波特间隔均衡控制的物联网环境下的无线传感器网络数据采

集方法，结合波特间隔均衡控制技术进行传感器节点的准确部署，计算物联网环境下的无线传感网络输出节点的发射功率：

其中，γi=γth，在最小输出功率约束下，进行传感器节点的优化定位，得到节点定位的控制模型等价成如下形式：

在物联网环境下无线传感器网络节点汇聚链路增益控制模型设计的基础上，建立分簇路由探测协议下的物联网环境下无线传感器网络的数据采集信道模型，通过波特间隔均衡配置方法，得到物联网环境下无线传感器网络的发射节点进行数据接收的功耗输出百分比：

其中pdrop为数据采集的启动能耗，建立分簇路由探测协议下的物联网环境下无线传感器网络节点自适应部署，对于簇首节点的发射功率CHi(i∈C1)，无线传感器网络节点进行数据采集的最佳部署间距为：

根据上述算法设计，实现物联网环境下无线传感器网络节点数据采集精度的量化传导分析，以此指导节点优化分布设计. 2.2 信道均衡配置和数据采集输出

构造物联网环境下的无线传感数据采集信道的冲激响应模型，在带宽受距离的约束作用下，进行物联网环境下的无线传感数据采集系统的载频频率编码设计，得到物联网环境下的无线传感数据采集信道的传递函数为：

其中，H表示数据采集过程中的能量损失；M是无线传感数据采集的扩展损失，K(m)是第m多传输信道中的传播因子，αmk是第n个物联网环境下的无线传感

数据采集信道中第k条路径的传感器节点输出能耗.采用相关匹配滤波检测技术，进行物联网环境下的无线传感数据采集的信道均衡性配置和自适应调度，得到数据采集的链路均衡配置模型描述为：

通过调整均衡器参数（权重），在输出端进行数据采集的通信码间干扰抑制，提高物联网环境下的无线传感数据采集的信息特征提取能力，在物联网环境下进行无线传感数据采集信道优化技术设计，根据上述分析，建立分簇路由探测协议下的物联网环境下无线传感器网络的数据采集信道模型，实现基于物联网的无线传感网络数据采集优化.

3 仿真实验与结果分析

为了测试本文方法在实现物联网环境下无线传感网络数据采集中的应用性能，进行仿真实验，实验采用Matlab 7设计，采用Cloudsim平台来模拟物联网环境下无线传感器网络数据的采集和传感节点优化部署空间结构模型，数据的采集节点分布为均匀分布，为200个节点.物联网环境下无线传感器网络数据特征采集的时间间隔为0.1 s，无线传感网络数据采集的采样频率 fs=4f0=20 kHz，根据上述仿真参量设定，进行物联网环境下的无线传感网络数据采集，得到采集数据输出的时域波形如图4所示.

分析图4得知，采用本文方法进行物联网环境下无线传感网络数据采集的时域分布性能较好，能实现信道均衡配置下的数据采集，采集输出的均衡性较好. 以文献［5］及文献［6］中方法作为对比方法，测试不同方法进行数据采集的误码率，得到对比结果如图5所示.分析得知，采用该方法进行物联网环境下无线传感器网络数据采集准确性较高，信道均衡性较好，降低了无线传感网络的能耗开销. 图4 数据采集输出Fig.4 Data acquisition and output

图5 数据采集性能对比Fig.5 Comparison of data acquisition performance

4 结语

构建物联网环境下的无线传感器网络，并将传感器分布在监测区域中，通过对监测区域的数据优化采集，提高对目标环境的信息监测和控制能力.提出一种基于波特间隔均衡控制的物联网环境下的无线传感器网络数据采采集方法.构建多传感器融合跟踪模型下的物联网传感组网结构模型，结合最短路径控制协议进行物联网数据采集节点的部署，建立分簇路由探测协议下的物联网环境下无线传感器网络的数据采集信道模型，在带宽受距离的约束作用下，进行物联网环境下的无线传感数据采集系统的载频频率编码设计，采用波特间隔均衡控制方法，实现数据优化采集.研究得知，采用本文方法进行物联网环境下无线传感器网络数据采集准确性较高，信道均衡性较好，误码率较低. 参考文献

【相关文献】

［1］刘安丰，任炬，徐娟，等.异构传感器网络能量空洞分析与避免研究［J］.软件学报，2012，23（9）：2438-2448.

［2］蒋畅江，石为人，唐贤伦，等.能量均衡的无线传感器网络非均匀分簇路由协议［J］.软件学报，2012，23（5）：1222-1232.

［3］ZHANG B Z，GUI X，HE T，et al.A novel recommender algorithm on fusion

heterogeneous information network and rating matrix［J］.Journal of Computer Research and Development，2014，51（S2）：69-75.

［4］LIN X Y，DAI L L，SHI S H，et al.Matrix factorization recommendation based on topic model［J］.Journal of Computer Applications，2015，35（S2）：122-124. ［5］SLIMENI F，SCHEERS B，NIR V L，et al.Learning multi-channel power allocation against smart jammer in cognitive radio networks［C］//Proceedings of the 2016 International Conference on Military Communications and Information systems.Piscataway，NJ：IEEE，2016：1-7.

［6］LIU Z X，LEI L，ZHANG N B，et al.Joint beamforming and power optimization with

iterative user clustering for MISONOMA systems［J］.IEEE Access，2017，12（99）：1-11. ［7］ALI M S，TABASSUM H，HOSSAIN E.Dynamic user clustering and power allocation for uplink and downlink Non-Orthogonal Multiple Access（NOMA）systems［J］.IEEE Access，2016，4：6325-6343.

［8］KIM B，CHUNG W，LIM S，et al.Uplink NOMA with multi-antenna［C］

//Proceedings of the 2015 IEEE 81st Vehicular Technology Conference.Piscataway，NJ：IEEE，2015：1-5.

［9］陈少淼，李智勇，杨波，等.云环境下超启发式能耗感知调度算法［J］.计算机工程与应用，2016，52（2）：74-80.

［10］贾丽云，张向利，张红梅.分布式系统下的启发式任务调度算法［J］.计算机工程与应用，2017，53（12）：63-69.

［11］廖大强.面向多目标的云计算资源调度算法［J］.计算机系统应用，2016，25（2）：180-189.