窄带物联网下的入侵传感系统设计*

朱宗玖, 王海波, 洪 炎， 裴善强

(安徽理工大学 电气与信息工程学院,安徽 淮南 232001)

0 引 言

随着社会的发展，物联网在农业领域的应用日益广泛[1-4]。由于粮食始终是国家的命脉，占据着不可替代的地位，粮食的需求在不停地增加,农田必须进行大规模的集中管理生产才能满足需求,所以动物入侵问题给粮食产量造成很大的影响。农田内部现场环境相对比较复杂,传统的农田信息采集以人工调查记载为主,不仅工作量大,而且精确度不高[5],同时据相关报告，目前我国并没有一个功能完备的系统能够完成农田的在线监控。很多研究工作都是针对资源受限网络中的入侵检测问题，包括物联网和无线传感器网络，均匀分布对于来自受保护区域边界的入侵者很有效，但它不能为网络中的敏感区域提供额外的保护。最重要的是，均匀分布的物联网存在能量空洞问题。相反，高斯分布可以在网络周围提供不同的入侵检测能力，但是感知概率并不是太满意。物联网的感知概率与入侵监测能力之间存在着紧密的关系，并与即时数据集成正比。此外，高斯分布也不能避免能量空穴问题。所以必须有一个系统能够代替人类完成相关的监测工作。实现远程控制是必不可少的部分, 监测与控制的智能化才能真正实现智能化的设施农业[6]。为实现农田入侵物的智能化监测[7-9]，更好地发展农业的精准化监控[10-11],结合智慧农业感知、互通互联的理念与地理信息的相关内容[12]，针对目前农田中的动物入侵问题，提出窄带物联网下的入侵传感系统设计，设计出一种能够高效率完成农田在线监控的系统,能够全天候工作并及时发现入侵者,并在用户端显示出相关的变化曲线，供用户查看。本研究对推动智慧农业的建设具有极大的意义[13]，不仅能提高系统控制的可靠性[14]，而且能够提高生产管理效率，具有很强的实用性，并且精度较高[15-17]。

1 系统总体架构及传感器

1.1 系统架构

系统分为智能传感系统、声音驱赶系统、报警系统和云平台管理系统，系统架构如图1所示。1为传感器，2为声音驱赶器，3为NB-IOT基站，4为云服务器，5为客户端。

图1 系统架构图Fig. 1 System architecture diagram

农田入侵传感系统为农户提供方便快捷的服务，并将采集的设备状态信息和周围环境信息通过NB模块发送到NB-IOT基站，再由基站发送至云平台管理系统。

1.2 传感器模型

在实验中，建立了以下的传感模型。其中，节点监测目标的概率取决于目标的相对位置d。表示在距离传感器d处监测到入侵者的概率p如下:

(1)

其中，re为单个传感器监测概率低的区间值(m)；rs为单个传感器的监测范围半径(m)；α、β为相关的参数，数值由表1给出。

表1 实验中相关的参数Table 1 Relevant parameters in the experiment

集成传感器内部连接如图2所示，电路原理图如图3所示。

图2 传感器内部连接图Fig. 2 Internal connection diagram of the sensor

图3 传感器电路原理图Fig. 3 Schematic diagram of sensor circuit

在物联网中，根据识别入侵者所需的节点数，可以将监测模型大致分为两类:单传感模型及多传感(m-传感)模型。在单感知检测模型中，只需单个节点就可成功地检测到入侵者，但是可靠性不高；在m-传感检测模型中，至少需要m个节点成功地检测到入侵者。传感器的有效检测范围可通过一定的方法并在允许的范围内进行修改，以此可更容易地确定最佳的检测范围，以下重点讲述4-传感监测模型在实验中的应用。

1.3 监测区域

在实验区域建立一个坐标系，将(0，0)设为目标地点，(R，0)是入侵者在t时刻的起始位置。入侵者沿x轴向(0，0)移动，经过一段时间后，新位置为(R-d，0)。由多个传感节点构成近似于椭圆的可监测区域，节点采用新高斯分布方式，同时由于采用4-传感模型，因此可以将入侵监测区域A划分为A1和A2两部分，如图4所示。re1为传感器组成的监测概率低的范围(m)；rs1为监测区域内传感器组成的监测范围(m)。

图4 入侵监测区域图Fig. 4 Intrusion monitoring area map

2 实验结果及对比

在实际应用和仿真中，采用表1中的参数，通过Matlab仿真，并且在农田中进行了实地实验，分别研究了在4-传感情况下节点个数与感测范围对入侵监测概率的影响。并进一步通过计算波动量，讨论了实验结果的准确性。

在实验中，选定农田中某点为原点，建立相应的坐标系。使入侵者在点(120，0)进入监测区域，以5的速度并沿着直线路径向原点(0，0)移动。

2.1 入侵监测概率

如图2所示，假设(R，0)是快速移动入侵者的起始位置，并沿着x轴向(0，0)移动。pm(d≤dmax)是m-传感监测模型中最大允许入侵距离dmax(即入侵物被发现前最大的运动距离)范围内的快速移动入侵者检测概率。然后，对于本文中的高斯分布，pm(d≤dmax)的值是:

(2)

(3)

(4)

p2=pA-p1

(5)

其中，N为布置在A内的节点数；p1为节点在A1中的概率；pA为节点布置在某个监测区域内的概率；p2为节点在A2中的概率。

2.2 感测范围的确定

在农田内进行了感测范围对实验可靠性影响的实验，同时与仿真实验进行了对比，以确定最佳的感测范围。在实验与仿真中，在监测区域内布置了50个传感节点，得出以下实验结果图。图5中可看出实验结果与仿真结果误差较小,以此说明本研究具有一定的可靠性和可行性。在实验区域进行了一个对比试验，与传统的均匀分布相比，本文中高斯分布的性能更好。在其他条件相同的情况下，高斯分布的性能分别提高了20%、10%、20%和10%。此外，当感知范围增大到一定的阈值时，监测概率接近1。但是，当感测范围调节到22 m时，监测概率已基本满足要求，考虑能耗及使用寿命，所以感测范围设置为22 m较为合理。

图5 监测范围对监测概率的影响Fig. 5 Influence of monitoring range on monitoring probability

2.3 节点数量的确定

同样，在农田内进行了节点数量对实验可靠性的影响。从图6可以看出：实验结果接近于仿真结果。同样在实验区域内进行了一个对比实验来进一步研究，与传统的均匀分布相比，本文高斯分布的性能更好。在其他条件相同的情况下，高斯分布的性能分别提高了30%、25%、20%和15%。这是因为,高斯分布与均匀分布相比在中间区域中提供更大的节点密度。此外，当布置节点数增大到一定的阈值时，监测概率接近1。但从图6中可以看到，当节点数量达到30个时，已基本满足要求，考虑到成本和结构简单性，节点数选定为30最为合理。

图6 部署节点对监测概率的影响Fig. 6 Impact of deployment node on monitoring probability

3 系统实际应用

为进一步验证所提出的系统设计的可靠性，选择了一块农田对本系统进行了实际应用。通过集成传感器上的振动传感器、速度传感器、温湿度传感器、压力传感器和GPS传感器等分别采集相应的数据。通过式(6)，计算当前时刻的波动量:

(6)

其中:St为t时刻的环境数据的波动量；V(t,i)为的环境数据中任一项数据i的数值(包括温度、湿度、重力、压力、振动频率、位置和速度)；Δv(t,i)为刻的数据i与相邻时刻的数据i的差值；n为数据包含的数据数量。

预先将波动量划分为几个等级，以此来判定是否有外来者入侵监测区域。波动量划分规则为:0≤St<4属于正常波动,4≤St<9属于小幅波动,St≥9属于大幅波动。当出现大幅波动，则说明有入侵物进入监测区域，系统因此做出相应的措施来通知相关人员，并同时激活相关的设备。

采用以上实验所确定的感测范围和节点数量。因此，在实验农田内布置了30个传感节点，传感范围设置为22 m，以获取当前情况下的环境数据，实时计算环境的波动量。进行4次重复实验，分别从70 s、180 s、210 s和380 s加入入侵物，每次使入侵物进入所造成的幅度大小不一，每隔10 s采集一次数据，通过这4次实地测量计算，将实验所得的实验结果记录在表2中。

为了更明显地观察到波动量的变化，将表2转换成如图7所示的波动量变化图。

表2 实验结果数据Table 2 Experimental result data

根据表2和图7所示，4次实验中，在正常情况下，波动量为3～5，但此时系统并不作出一定的措施。当入侵物加入后，波动量开始出现一定幅度的波动，在短时间内增加到9以上，同时，由于入侵物进入的幅度不一，图7也可以很好地反映出来，幅度越大，波动量的值也就越大，直到入侵物的离开，系统的波动量也逐渐恢复正常，从而说明该装置可很好地监测到入侵物的出现，保证了整个系统的有效性和及时性。

4 结束语

提出的窄带物联网下的农田入侵传感系统设计，通过新高斯分布方式在试验区域布置集成传感器节点，并与传统的均匀分布方式节点进行了比较实验，同时还使用Matlab仿真和实地实验研究，可知该系统监测到入侵物的可能性更大，可靠性更高。根据实验总结出最佳的传感器节点数和最佳的传感器监测范围分别为30个和22 m。然后运用得到的相关数据对环境波动量进行了测量，进一步确定了整个系统的可靠性。经过所做的实验和仿真，可知该传感系统在入侵物进入时，都能够成功且及时地识别出入侵者，同时作出及时地响应，整个系统可实时地监测整个区域，防止入侵物的进入。所以本文提出的窄带物联网下的入侵传感系统设计具有很强的实用性。

虽然节点数和感测范围是影响监测概率的两个独立因素，但是在确定两个值的时候，取的是最佳值，此最佳值在任何时候都可以应用于本次实验，所以说二者并不矛盾。当然对于不同的区域，也是要进行相关的调试，才可将该系统应用于不同的环境。通过以上的实验与仿真，可知本系统具有很强的实用性，对推动智慧农业也有很大的作用。