智慧农业物联网节点故障处理分析

引 言

在当今社会中，无线传感器网络的应用十分广泛，不仅能应用于环境监测和预报、建筑物状态监控、复杂机械监控、大型车间和仓库管理、大型工业园区的安全监测等领域，还涉及军事、空间探索、城市智能交通等重要领域。随着传感器网络的广泛应用，传感器网络已经深入到人类生活的各个领域，相应的无线应用问题也越来越多。无线网络的稳定性至关重要，寻找检测无线网络节点故障的方法成为了其中的重要问题之一。

无线传感器网络的节点系统是构成无线传感器网络的基础，是承载无线传感器网络的信息感知、数据处理和网络功能的基本单元[1]。节点的故障检测对实时了解网络状况起着重要的作用。故障节点会降低整个无线传感器网络的服务质量， 发生故障的节点甚至会产生并传输错误的传感数据，使监控中心无法得到正确的检测信息[2]。此外，由于大量廉价的节点经常部署在不可控、恶劣的甚至敌对的环境中，这使得传感器节点发生故障的概率相比其他系统要高得多，而且节点一般都采用电池供电，能量有限，节点因电池耗尽而失效也非常普遍[3]。因此研究无线传感器网络的故障检测方法十分必要。本文提出了一种利用无线动态网流量变化进行检测的方法。

1 无线传感器网路

无线传感器网络（Wireless Sensor Networks, WSN）是由大批部署在监测环境中的微型、廉价、低功耗的传感器节点组成的网络系统。传感器节点是一种集感知能力、存储能力、计算能力、通信能力于一体的小型嵌入式设备，由传感器模块、处理器模块、通信模块和电源模块组成[4，5]，它采用无线通信的方式协同感测、收集、处理和传输网络覆盖区域内被监测目标的信息，并将其发送给观察者从而形成多跳自组织网络[6]。无线传感器网络是一种比较先进的信息收集和处理技术，已广泛应用在军事、工业、环境、卫生医疗等领域。传感器网络系统包括传感器节点（Sensor Node）、汇聚节点（Sink Node）和终端用户（User）[7]。其中传感器节点通过传感器模块来感知和采集所在区域内的环境信息，如温度、湿度、振动等[4，5]。汇聚节点是一种特殊的传感器节点，它可以是普通的传感器节点，也可以是没有监测能力的网关设备[8]，用来整合整个网络采集到的有用信息并发送给用户。

2 研究方案设计

研究方案如图1 所示。为了研究节点故障检测的方法，本文首先使用OMNet++ 仿真平台建立了无线传感器网络，分别模拟有故障和无故障时的网络状况，提取网络在单位时间（20 s） 内接受数据包的情况，使用Matlab 对数据进行去噪、归一等处理后，在频域上做出两者的对比图，分析结果，得出结论。

3 无线网络仿真

图 2 所示为使用OMNet++ 建立的无线传感器网络的仿真模型。无线传感网中一共四十个节点，其中node[0 4] 是采集节点，node[5 38] 是传输节点(Sensor Node)，node[39] 是汇聚节点（Sink Node）。node[040] 节点两两之间都有双向信道，相互之间可以直接通信，node[39] 与node[5 38] 节点之间均有双向信道，相互之间可直接通信。采集节点每 0.1 s 发送一次数据包，向周围广播，根据节点反馈信号，随机选取空闲节点发送数据，即数据传输路径随机。经过数次随机传输， 当数据包最终到达 node[39] 汇聚节点时，一个数据包的传输完成。我们待仿真网络运行稳定后，开始在node[39] 处统计接收到的数据包数量，采样间隔为 20 s。

4 数据处理及算法

网络由若干个传感器节点组成，A(a1a2a3an) 和B(b1 b2b3bn)分别代表被监测对象传感器节点所发送的数据（其中A代表无故障时的数据，B代表故障时的数据）。为了使得最后经过计算的结果所呈现的图像更加准确、明显，可用所给数据减去其平均数（去除干扰）得出正负均有的数据（A'、B'）：

傅立叶变换是一种分析信号的方法，它可分析信号的成分， 也可用这些成分合成信号，在信号处理过程中，常用傅里叶变换来将信号分解成幅值谱显示与频率对应的幅值大小。许多在时间域中无法观察出的信号的性质，在转换为频域之后能清晰地观察出性质差异。本文对数组A'，B'进行傅里叶变换， 并画出在频域中的离散谱和连续谱，均得到了清晰的对比。

5 仿真及结果分析

图 3 所示是节点故障与无故障对比图（离散），图中细线绘制的是有故障的情况，粗线绘制的图像是无故障的情况。从图中可以看出，无故障时所呈现的图像波动幅度更小，相对的有故障时所呈现的图像波动较大。两者通过傅里叶函数所绘制的图像相对比较明显，大体可以通过此方法来区别无线传感器是否存在故障。

图 4 所示是节点故障与无故障对比图（连续），细线绘制的是有故障的情况，粗线绘制的是无故障时的图像情况。从图中两者的对比可以看出，同样对每隔 20 s 随机采取的数据进行处理，无故障时所呈现的图形比有故障时所呈现的图形更加集中、更加收敛。两者通过傅里叶函数所绘制出的图像相对比较明显，大体可以通过此方法来区别无线传感器是否存在故障。

6 结 语

本文通过对仿真出的无线网络进行数据流量监测，并对提取的数据进行分析，利用傅里叶变换处理流量数据，绘制出故障节点网络及无故障节点网络的流量频谱图，以此对无线传感器网络中是否出现故障进行有效区分。面对无线传感器网络中节点故障难以实地监测的问题，只需从无线网络终端接收数据进行分析就能知道网络是否在正常运作，代替了人工现场检测。此外，本文为了进一步研究故障节点在无线传感器网络中的定位奠定了基础，也提供了一种新的思路。