面向物联网的智能传感器节点系统设计※＊

何康力，陈仪香，王江涛

（1.华东师范大学 软件学院 教育部软硬件协同设计技术与应用工程研究中心，上海200062；2.上海嵌入式系统研究所）

何康力（博士研究生），主要研究方向为物联网、量化验证、概率模型检测；陈仪香（博士生导师），主要研究方向为物联网、实时协同规范语言设计、程序语义模型、软件可信度量与评估；王江涛（高级工程师），主要研究方向为嵌入式计算技术。

引 言

物联网可以实现物物“沟通”、实时交互，对物联网的研究和实现已经成为当今的热点。传统的互联网在实时性、与环境交互性上已经不能满足生活和工业的需求，同时爆炸式的信息传递到后端服务器中处理已经带来了许多困扰。如何减少数据传输量、降低能量消耗、采用合理的数据融合算法是无线传感器网络（WSN）领域的重点研究内容。

1 需求分析

1.1 模型场景描述及分析

以农作物环境监测作为案例背景，例如大棚作物养殖，需求主要分为两个部分：①用户可以在PC 端或者移动端等不同网络方式下得到传感器传来的实时数据；②前端节点根据不同测量值的变化判断农作物是否处于正常环境，并通过控制制动装置调节环境或预警。由此分析可得，智能传感器节点系统主要由两部分组成：数据输入端和具有计算功能的智能传感器节点（简称“智能节点”）。

数据输入端由WSN 中传感器节点组成，智能节点通过接收来自ZigBee局域网的不同种传感器数据，对异构数据进行处理、就近计算，根据具体应用需求得到结果，发送至监控平台，并实现对外部装置制动控制的功能；通过将赵伟等［7］提出的Pipe协议移植到智能节点中，智能节点可通过Internet与监控平台建立安全、可靠、实时的点对点通信，并对外提供服务，实现数据的跨平台连接与共享。

1.2 智能传感器节点系统体系架构

智能传感器节点系统主要分为感知模块、WSN 协议模块、控制计算模块、WiFi模块。其中感知模块负责采集数据；WSN协议模块采用ZigBee协议进行通信；控制计算模块实现智能节点的就近计算、制动控制及网络通信；WiFi模块实现接入互联网，传输并接收来自互联网的数据。

图1为智能节点系统的体系架构，其中虚线部分为智能节点系统与外界通信、交互。管道传输模块为监控平台对外提供服务接口，将服务端（智能节点）发送来的数据通过Pipe协议对外通信。制动模块由智能节点发出的控制信号驱动。

1.3 业务描述——UML建模

1.3.1 用例图

系统主要分为感知器子系统（包括变频传感器节点）和智能节点子系统（包括智能节点）。用例的参与者既包括系统的使用者——系统管理员，也包括相关的硬件设备——传感器、ZigBee模块、WiFi模块、MCU、输氧装置等。每个子系统的用例即为各部分主要的功能。

1.3.2 活动图

由于活动图描述的是业务流程，其涉及到智能节点系统内部以及对外的通信和交互，所以加入监控平台部分。参与活动的类包括：变频传感器节点、智能节点、监控平台。整个系统主要实现的业务流程有：智能节点系统，监控平台接通电源，智能节点发送服务注册请求，监控平台返回服务注册响应，传感器采集数据，传感器节点发送数据，智能节点接收数据，处理数据，以及向监控平台发送发布数据。系统活动图略——编者注。

2 软硬件划分

软硬件划分至今没有一个明确的定义，加上其划分算法的求解本身就是一个NP完全问题［10］，所以不存在一种最好的划分方法，只有针对具体应用系统，采用一种相对最适合的方法。

本文中实现的系统结构并不复杂，以功能为驱动，各个功能采用软件还是硬件实现相对明确，所以采用按照功能模块的方式对系统软硬件进行划分，并满足成本、性能的约束，分别得到系统不同功能中的软件部分和硬件部分，如图2所示。

3 变频传感器节点设计与实现

采用陈仪香的发明专利［9］，提取出“可改变采样频率传感器”的控制算法，设计实现变频传感器节点。

3.1 硬件设计

变频传感器节点的硬件组成：传感 器、MCU、开 发 板、ZigBee 模块、电源。考虑到软硬件协同的性能约束条件，所以尽可能选择低功耗、价格便宜、满足功能需求的硬件设备，在硬件器材方面选择8 位处理器、低功耗的开发板。

硬件参数略——编者注。硬件部分的主要工作是传感器采集数据，通过STM8S－Discovery开发板接收串口和信号转换的外围设备，采集数据，然后处理器对数据进行处理，由开发板串口的外围设备发送数据，通过ZigBee模块自动生成ZigBee协议数据包发送到汇聚节点。硬件设备结构图见图3。

3.2 软件设计

图2 软硬件划分图

软件开发工具选用STVD（ST 官方集成开发环境）、COSMIC（C语言编译器）、ST－Link（仿真调试器）。

图3 硬件设备结构图

变频控制算法介绍如下：根据发明专利“一种可改变采样频率的传感器设备及其控制方法”［9］，得到变频传感器节点的控制算法。预先设定好监测数据的标准值，通过将传感器采集到的数据与标准值进行求差比较计算误差范围，根据正常、警戒、报警等误差级别调整采样频率。

以空气温度传感器节点为例：一般大棚中对农作物适宜的温度为25 ℃左右，所以设定标准值为25（不同应用，根据不同要求设定不同标准值）。通过与标准值的差（取绝对值），计算误差范围，正常范围为［0，3］；警戒范围为（3，10］；报警范围为（10，∞）；设定初始采样频率为1／15（次／秒）。每次采集数据，如果误差属于正常范围，则不改变采样频率；如果误差属于警戒范围，则产生一次警戒记录，并将采样频率调整为初始采样频率的3倍，即1／5；如果误差属于报警范围，则产生一次报警记录，并将采样频率调整为初始采样频率的5倍，当连续非正常记录超过5次（根据具体应用可改），改变节点状态（绿、黄、红、分表表示正常状态、警戒状态、报警状态），并将采样频率调整为初始采样频率的15倍。温度－变频算法控制流程图见图4。

图4 温度—变频算法控制流程图

其他类型的传感器节点控制算法流程图与图4相类似，可以根据具体应用需求设定相关参数。

3.3 子系统集成

采用软硬件协同设计的思想，软件依次实现系统硬件中的每个功能模块，并保证前一个测试通过，再进行下一个功能的迭代开发。

变频传感器节点实物图略——编者注。

4 智能节点设计实现

4.1 硬件设计

硬件参数略——编者注。

硬件部分的主要工作是：ZigBee模块接收WSN 传来的数据，通过与其相连接的STM32L－Discovery开发板接收串口的外围设备，接收变频传感器节点采集到的数据，处理器处理数据。一方面，通过开发板通用输出设备发送电压高低指令控制外部设备，另一方面由开发板发送串口的外围设备发送数据，通过WiFi模块自动生成TCP／IP协议数据包，经由互联网发送至监控平台Engine程序。同时，打开串口输入中断，监听是否有数据输入智能节点，若有则将数据存入缓冲区，接收完整数据包后交由处理器进行处理数据。硬件设备结构图见图5。

图5 硬件设备结构图

4.2 软件设计

软件开发工具选用ARM 公司的KeilμVsion4.70.0版本。开发用到的函数库为ST 公司提供的固件库V1.0.0版本。智能节点的计算包括对数据进行就近计算和嵌入Pipe协议并提供服务两个部分。

4.2.1 就近计算部分

以综合“诊断”为例，实现对异构数据的计算处理。

应用要求：大棚作物，满足室内温度为15～25 ℃，光照强度为0.1～1.5万lx，土壤湿度为20%～35%，即为“正常状态”，其他情况为“非正常状态”。通过计算得出综合“诊断”，并将“诊断”结果发送给监控平台。

代码实现：从SensorDatas［］［］中取出最新室内温度值T、最新光照强度L、最新土壤湿度H，分别计算是否为T∈［15，25］，L∈［0.1，1.5］，H∈［20，35］；定义变量result，如果以上公式都满足，result为“正常”，如果有一个不满足，result为“非正常”，再通过硬件外设将result值发送给监控平台。综合“诊断”逻辑图见图6。

4.2.2 Pipe协议嵌入部分

充分利用赵伟等［7］提出的Pipe协议安全、实时、跨平台的优势，建立智能节点与监控平台之间安全、实时的点对点通信。

将Pipe协议移植入智能节点，智能节点通过WiFi模块向监控平台Engine程序的“IP＋端口号”发送服务注册请求，接收Engine端返回的注册请求相应，分析数据包，得到申请注册结果。如果成功，开始发送服务数据；如果失败或者接收超时，则重新发送注册请求。

智能节点实现Pipe协议的流程图略——编者注。

图6 综合“诊断”逻辑图

4.3 子系统集成

采用软硬件协同设计的思想，软件的实时实现根据硬件的能力和需求进行调整。完成每个功能模块时，保证在已有硬件资源下软件能协同硬件工作，再进行下一个功能的迭代，以此达到低重返率的目的，减少系统开发成本。至此，完成了智能节点的软硬件协同设计。

5 系统集成

5.1 系统集成说明与集成结果

系统集成就是将变频传感器节点、智能节点集成为智能节点系统，实现内部数据交互，同时，智能节点系统与监控平台实现通信。系统集成关系图略——编者注。

5.2 系统集成实现

5.2.1 数据集成

3部分的数据要有一定的标准要求，才能互相识别和通信。智能节点与监控平台之间的通信数据由Pipe协议定义，主要采用xml格式，如：注册相关数据以＜GateProtocol＞为外层标签，服务数据以＜DataFrame＞为外层标签等。

5.2.2 通信集成

内网——ZigBee局域网介绍如下：变频传感器节点与智能节点之间，分别使用ZigBee模块，自动将数据打包成ZigBee协议数据包，建立ZigBee局域网，实现相互通信。

外网——Internet分布介绍略——编者注。

结 语

本文设计实现的系统不仅适用于对农业、水体、大气等自然环境的监控，而且适用于对特定人群的特定属性进行监控，如在某一区域内，老人身体健康指标的监测及预警等。

编者注：本文为期刊缩略版，全文见本刊网站www.mesnet.com.cn。

［1］Heinzelman W R，Chandrakasan A，Balakrishnan H.Energy－efficient communication protocol for wireless microsensor networks［C］／／Proceedings of the 33rd Annual Hawaii International Conference，Washington，2000：8020.

［2］孙凌逸，黄先祥，蔡伟，等.基于神经网络的无线传感器网络数据融合算法［J］.传感技术学报，2011，24（1）：122－127.

［3］张扬，杨松涛，张香芝.一种模拟退火遗传算法的传感器网络数据融合技术研究［J］.计算机应用研究，2012，29（5）：1860－1862.

［4］Petrovic D，Shah R C，Ramchandran K，et al.Data funneling：routing with aggregation and compression for wireless sensor networks［C］／／Sensor Network Protocols and Applications，2003：156－162.

［5］Arici T，Gedik B，Altunbasak Y，et al.PINCO：apipelined in－network compression scheme for data collection in wireless sensor networks［C］／／Computer Communications and Networks，2003：539－544.

［6］Wolf W H.Hardware－software co－design of embedded systems and prolog［J］.Proceedings of the IEEE，1994，82（7）：967－989.

［7］武建佳，赵伟.WInternet：从物网到物联网［J］.计算机研究与发展，2013，50（6）：1127－1134.

［8］孙利民.无线传感器网络［M］.北京：清华大学出版社，2005.

［9］陈仪香，王娜.一种可改变采样频率的传感器设备及其控制方法［P］.中国，A，CN201110024869.6.2011－9－7.

［10］Dave B P，Jha N K.COHRA：hardware－software cosynthesis of hierarchical heterogeneous distributed embedded systems［J］.Computer－Aided Design of Integrated Circuits and Systems，1998，17（10）：900－919.

［11］Niemann R，Marwedel P.An algorithm for hardware／software partitioning using mixed integer linear programming［J］.Design Automation for Embedded Systems，1997，2（2）：165－193.

［12］熊志辉，李思昆，陈吉华.遗传算法与蚂蚁算法动态融合的软硬件划分［J］.软件学报，2005，16（4）.

［13］罗莉，夏军，何鸿君，等.一种有效的面向多目标软硬件划分的遗传算法［J］.计算机科学，2010，37（12）：275－279.

［14］刘董倩.可改变采样频率传感器的AADL 建模及其应用［D］.上海：华东师范大学，2012.

［15］刘强，崔莉，陈海明.物联网关键技术与应用［J］.计算机科学，2010，37（6）：1－4.