基于MT7623A的远程室内环境监测系统设计*

刘雄飞， 陈 浩， 聂 伟， 赖思敏

(1.中南大学 物理与电子学院，湖南 长沙 410083；2.湖南恒茂高科股份有限公司，湖南 长沙 410205)

0 引 言

对室内环境因子进行实时监测和控制对于保证身体健康具有非常现实的意义[1]。近年来，许多研究将无线通信技术应用于环境监测领域,例如基于全球移动通信系统(global system for mobile communications,GSM)的温湿度环境参数远程无线监测系统[2],基于IEEE 802.116标准的无线局域网(WiFi)的楼宇环境监测系统[3]，但存在着功耗大、成本高等弊端，无法在室内监控领域进行大规模推广与应用。本文设计了一种基于MT7623A的远程环境监测系统，具有低功耗、组网灵活、扩展性强等优点，适用于商场、酒店等室内环境的监测，解决了室内环境实时数据采集和信息交互的问题。

1 系统总体设计

环境监测系统主要包括传感器终端节点、智能网关以及远程服务器3个部分。终端节点搭载了温湿度传感器DHT11，PM2.5传感器GP2Y1014AU以及甲醛传感器DS—HCHO，并采用CC2530处理器完成传感器的数据采集、预处理以及数据传输；网关节点兼具高性能路由器(4×LAN口+1×WAN口+1×SFP光口)与ZigBee协调器的功能，在完成传感器节点数据汇聚与上传同时，也满足了普通用户的入网需求；服务器采用数据库管理模式存储网关上传的数据，并采用基于自适应加权和模糊逻辑的数据融合算法对所监测环境进行评估。而用户则可以通过网页进行远程登陆，查看各节点环境实时数据及其评估结果，实现了环境监测系统的网络化与智能化。

2 系统硬件设计

2.1 传感器节点硬件结构

主要由CC2530[4]与传感器模块构成,如图1所示。

1)基于CC2530设计的节点只需要极少的外围原件、一个晶振即可满足网络系统的需求，极大地提高了系统的可靠性并降低系统功耗。

2)传感器模块系统主要检测的环境参数为温湿度、PM2.5和甲醛浓度。从接口方式、性能指标等方面考虑选用传感器：温湿度传感器选用DHT11，PM2.5浓度检测选用粉尘传感器GP2Y1014AU，甲醛检测电路模块选用DS—HCHO数字输出传感器。

图1 传感器节点硬件结构

2.2 网关节点硬件结构

本文以MT7623A为核心搭建了无线传感器网络网关硬件平台，硬件结构如图2所示。

图2 网关节点硬件结构

1) MT7623A:MT7623A是一种高度集成的路由器片上系统，四核的Cortex—A7,1.3 GHz，支持高达2 GB RAM。

2) ZigBee协调器:负责无线网络的建立，节点的加入以及数据的汇总。硬件结构与传感器节点基本相同，功能上的区分通过软件来完成。将ZigBee协调器嵌入至网关中，并通过串口进行通信。

3) 通用外围接口:网关节点搭载了丰富的外围接口，包括最常见的串行通用接口USB3.0，可用于扩展无线网卡的miniPCIe口，支持10/100/1000Mbps的LAN口与WAN口，以及100/1 000 Mbps的SFP光口，可以很方便地进行功能扩展与二次开发。

4)电源:变压器输入的12V直流电源作为网关的主电源，并通过NB671，MT6323L等芯片提供稳定的电源。

3 系统软件设计

3.1 传感器节点软件设计

传感器节点的工作流程如图3所示。首先进行初始化设置(如COM口，波特率等设置)，发送入网信号，等待主机响应。如果入网成功，则进入休眠状态，在收到定时器中断后退出休眠状态，初始化传感器，进行数据采集及发送任务，最后关闭传感器，重新配置CC2530进入休眠状态，准备下次接收定时中断信号[5]。

图3 传感器节点程序流程

3.2 网关软件设计

首先进行初始化，并通过Socket套接字与服务器建立连接。随后选择合适的信道与网络标识符新建一个网络，网络新建成功则进入无线监控状态，监测环境中的无线信号。当接收到无线信号时，首先验证其合法性，然后判断其信号类型。如果是新节点的入网请求，则给该节点分配16位网络地址，允许加入网络，继续进入无线监控状态。若接收到信号为传感器节点的监测数据，则将数据通过Socket发送至远程服务器，最后返回无线监控状态。

3.3 远程服务器数据融合

本文采用了自适应加权和模糊逻辑的数据融合算法，数据融合结构如图4所示。

图4 数据融合框架

3.3.1 基于自适应加权的数据级融合算法

多个传感器在采集室内某一环境因子时，将检测出数据误差较小的传感器权值增大，较大的权值减小。在总均方差最小这一条件下，通过自适应调整寻找其对应的加权值，使融合后的达到最优，以很好地抑制感知数据的噪声和漂移，提高了系统的精度[6]。具体算法流程如下：

(1)

式中Xij为第i只传感器第j次测量的结果。

(2)

3)求出此刻各传感器的最优加权因子Wi

(3)

(4)

3.3.2 基于模糊逻辑的决策级融合算法

1)对4种传感器建立室内环境因素集，即V=(v1,v2,v3,v4)=(温度，湿度，PM2.5，甲醛)。

2)建立室内环境的状态集为U=(u1,u2,u3,u4,u5)=(优，良，中，差，很差)。

3)对第i类传感器Vi的决策结果归一化后可以得到输入向量ri=(vi1,vi2,vi3,vi4,vi5)，对于∀vi∈V，ri组成4×5的决策矩阵R。

5)在融合中心的合成运算中，评语集上的模糊子集B由传感器权重向量A与决策矩阵R合成，即B=AR=(b1,b2,b3,b4,b5)，通过最大隶属度法最终确定全局估计A。

3.3.3 室内环境评价决策描述

采用几何平均法计算室内环境综合指数I

(5)

式中xi为第i种环境品质因素的值；xmax为该因素的最大允许值。

4 系统测试

将6只传感器终端节点和1个网关节点散布在大楼中的各测试位置。传感器节点每隔5 min进行一次采样，并发送数据，然后进入休眠状态，直至下一个采样周期唤醒。二级数据融合方法处理结果如表1所示，各环境因子均未超标，环境等级为B级[8]。

表1 数据融合计算结果

5 结束语

设计并实现了一种基于MT7623A的远程室内环境监测系统,能够实现节点快速自组网以及对各种环境因子的实时采集、传输、远程显示等，同时系统网关节点兼具高性能路由器的功能，并很好地克服了传统环境监测系统存在的弊端。通过实际测试，系统工作稳定可靠，实用性和市场价值较高。