基于WSN协议的取水环境急性毒物监测研究

魏胜非，陈彩云，陈菊芳，许德玄

（东北师范大学a.物理学院；b.城市与环境学院，吉林 长春130024）

1 引 言

近年来，由于取水环境污染而使饮用污染水的引发人们生病甚至死亡的事件时有发生.尽管饮用水生产单位都配备相应的化学分析实验室用以检测水的质量，但是化学分析需要时间较长，并且不能连续进行.化学分析需要知道所含毒物的大概范围，对一些复合的化学毒物，特别是这些化学成分之间的拮抗作用很难确定.生物传感器是一种较为理想的饮用水取水环境监测的方法，目前一些国家已能生产在线的生物传感器毒物监测系统，但是性能还不稳定，特别是监测范围小，只能监测生产前水环境，不能大面积监测取水口环境［1-2］.为了能够大面积监测取水环境，从而发现水环境的改变，笔者研发了基于 WSN协议的Q67取水环境监测系统，该系统以无线传感器网络技术为基础，采用节点收集信息，传输给汇聚接点的方式，增大了监测面积.

2 系统结构

无线传感器网络是由大量的传感器节点通过无线通信形成的多跳的自组织网络，其目的是协作感知、采集和处理网络覆盖区内信息.无线传感器网络通常包括传感器节点、会聚节点（sink）和管理节点［3-4］，如图1所示.传感器的节点的硬件功能模块主要有传感器模块、数据处理模块、无线通信模块、电源模块和辅助模块.传感器模块包括DS18B20温度传感器和光电倍增管.数据处理模块采用单片机Atmega128，它是高性能、低功耗的AVR 8位微处理器并具有128K字节的系统内可编程Flash.射频芯片采用CC2420，该芯片支持基于IEEE802.15.4的MAC协议的数据包处理、数据缓冲等功能.电源模块由蓄电池提供能量.辅助模块包括看门狗电路、电池电量检测模块.传感器节点的结构图如图2所示.传感器节点大量分布于所要监测的水厂取水口附近区域.

图1 无线传感器网络的结构

图2 传感器节点的结构图

3 实验原理

基于WSN协议的Q67取水环境监测系统的主要原理可以分为通信协议的选择和青海弧菌Q67发光及监测2部分，下面分别加以论述.

1）通信协议的选择

无线传感器网络的网络协议结构同计算机网络一样可以分为几个层次，不同的是计算机网络一般分为7层结构，而无线传感器网络的体系结构一般仅有物理层、数据链路层、网络层、传输层.无线传输网络的层次结构的划分不同于计算机网络层次结构的划分，其层次结构的划分更为灵活，层次结构的界限也不象计算机网络那样清晰，主要以节省能源为主，这是因为无线传感器网络不可能象计算机网络具有强大的能源和存储容量.根据饮用水取水检测时间间隔一般为15min，以及水检测急性毒物的特性，在MAC协议选择时采用DMAC协议［5］.因为该协议能够很好地解决由于休眠造成的延迟问题.DMAC的基本思想是组成树状数据采集网络，然后各节点沿这个树状网络单向传输.网络层的路由协议选择LEACH协议［6］，它是以循环方式随机选择簇首的低功耗自适应分层路由协议.监测急性毒物的传感器节点随机分布于水域内，各节点监测的水域内出现急性毒物的机会均等.如果选定某一节点一直担任簇首，就可能使该节点过劳而死，从而缩短整个无线传感器网络的生存期.整个网络的通信协议以Zigbee协议为基础.Zigbee是一种低功耗、短距离通信标准，支持树状、网状、星型网络结构［7-8］.

2）青海弧菌Q67发光及监测的基本原理

发光细菌是一类在正常的生理条件下能够发射可见荧光的细菌，这种可见荧光波长在450～490nm之间，在黑暗处肉眼可见.青海弧菌属于淡水发光菌.发光机理的研究表明，不同种类的发光细菌的发光机理是相同的，是由特异性的荧光酶（LE）、还原性的黄素（FMNH2）、八碳以上长链脂肪醛（RCHO）、氧分子（O2）所参与的复杂反应，大致历程如下：

概括地说，细菌生物发光反应是由分子氧作用，胞内荧光酶催化，将还原态的黄素单核苷酸（FMNH2）及长链脂肪醛氧化为FMN及长链脂肪酸，同时释放出最大发光强度在波长为450～490nm处的蓝绿光［9］.当发光微生物遇急性毒物后，其发光能力下降.通过检测发光微生物发光强度的改变即可表明急性毒物的定性浓度，从而快速判定急性毒物是否超标.

4 系统测试

为了检验系统的实际效果，将急性毒物传感器用于传感器网络节点，进行实际水域急性毒物监测.第一片水域选取长春市伊通河卫星大桥段及某排污口附近.为了验证传感器网络的可行性，网络由4个节点组成，选择环境温度为22～24℃时的数据如表1所示，其中n为节点号，I为相对发光度，x为变异系数.

表1 长春市伊通河卫星大桥段水域传感器网络节点监测结果

同时人工提取节点水样（每个水样取5试管），低温箱储存并迅速送往实验室检测，数据如表2所示.表1同表2相对发光度的相关系数R1＝0.98，说明二者密切相关.

表2 长春市伊通河卫星大桥段水域实验室检测结果

第二片水域选取长春市某工厂排污口附近，网络仍由4个节点组成，选择环境温度为22～24℃时的数据如表3所示.

表3 长春市某工厂排污口水域传感器网络节点监测结果

同时人工提取节点水样（每个水样取5试管），低温箱储存并迅速送往实验室检测.数据如表4所示.表3同表4相对发光度的相关系数R2＝0.99，说明二者密切相关.

表4 长春市某工厂排污口实验室检测结果

通过数据可见传感器网络监测结果同实验室检测结果高度相关，表明系统可以用于实际水环境急性毒物监测.传感器网络监测系统结果同实验室结果有所差异，其原因分析可能如下：1）实际环境的温度同实验室标准温度的差异导致Q67的发光影响，这需要进一步研究相应的补偿算法，以提高精确度.2）无线传输因素的影响，需要进一步对无线网络的传输条件进行研究.

5 结 论

基于无线传感器网络的取水环境急性毒物监测范围将比固定监测范围扩大很多.对于突发事件所获取的预警提前量将大幅提高，为及时采取应对措施提供了宝贵时间.将生物传感器检测技术同无线传感器网络技术相结合将极大地扩充传感器的监测领域.通过选取的2片区域进行的系统测试表明，该系统可以应用于实际环境.虽然系统测试结果同实验室检测相比存在一定的差异，但是生物传感器对于急性毒物的检测速度是其他检测方法无法比拟的，所以用生物传感器快速检测急性毒物依然是今后一段时间采取的主要手段.鉴于此，基于无线传感器网络的取水环境急性毒物监测的研究将变得更加重要，特别是无线传感器网络针对取水环境急性毒物监测的跨层通信协议的研究将为降低传感器节点的存储量、降低节点能耗起到重要作用.

［1］魏胜非.模拟高压静电对Q67发光影响的实验系统［J］.物理实验，2010，30（12）：34-38.

［2］魏胜非，李忠民，许德玄.基于Labview的发光微生物测量实验［J］.物理实验，2009，29（3）：17-19.

［3］Lu G，Krishnamachchari B，Raghavendra C S.An adaptive energy efficient and low-latency MAC for data gathring in wireless sensor networks ［A］.In Proceeding of 18th International Parallel and Distributed Processing Symposium［C］.Los Angeles CA，2004，3：224-231.

［4］Heinzelman W，Chandrakasan A，Balakririshman H.Energy-efficient communicaton protocol for wireless microsensor networks［A］.In Proceeding of the 33rd Annual Hawaii Int’l Conf.On System Scinces［C］.Maui：IEEE Computer Society，2000：3005-3014.

［5］王骥，徐国保，沈玉利.基于无线传感器的海水重金属监测系统［J］.计算机测量与控制，2009，17（4）：643-645.

［6］景兴鹏，王伟峰，黑磊，等.无线传感器网络在煤矿安全智能监控系统中的应用［J］.煤炭技术，2009，28（4）：93-97.

［7］Doss R，Gang Li，Mak V，et al.Morshed chowdhury，improving the QoS for information discovery in autonomic wireless sensor networks［J］.Pervasive and Mobile Computing，2009（5）：334-349.

［8］Song Chao，Liu Ming，Cao Jiannong，et al.Maximizing network lifetime based on transmission range adjustment in wireless sensor networks［J］.Computer Communications，2009（32）：1316-1325.

［9］朱文杰，郑天凌，李伟民.发光细菌与环境毒性检测［M］.北京：中国轻工业出版社，2009：208-209.