基于自适应加权数据融合的无线传感器网络仓库监控系统

赵云涛 周明 郗文博 韩魏勐 门媛媛 程攀

物华能源科技有限公司，陕西西安 710065

0 前言

目前，我国的仓库监控主要采用人工巡库和有线监控网络两种方式[1-2]。这两种方式都存在一定的弊端：人工巡库方式要求人员定时查看仓库的温湿度、火警及安全等情况，存在监控效率低下、人力成本高、数据误差大等缺点[3-5]；有线监控网络方式采用连线方法组成有线网络监控仓库的内部环境参数，虽然能够获得环境参数的实时信息，但存在布线复杂，不易扩展，管理和维护成本高等问题。20 世纪70 年代开始研究的无线传感器网络在监测区域部署大量的传感器节点，从不同空间视角获得监测信息，通过对监测信息进行采集、传输和处理，形成一个综合网络信息系统[6-7]。基于无线传感器的仓库监控系统，由于部署了大量的监测节点，可以减少监测盲区，通过分布式处理大量的采集信息能够提高监测精确度，传感器网络中的节点个数能够动态地增加或减少，监控节点易于扩展。基于无线传感器网络的仓库监控系统，虽然通过分布式部署的采集节点可以获得大量的仓储环境参数，但面积较大的仓库内温湿度分布不均匀，为了尽可能地提高系统环境参数的监测精确度，多个传感器节点的采集数据需通过数据融合处理，以获得被测对象的状态和特征估计，得到较为准确的环境参数数据。

本文设计的无线传感器仓库监控系统在仓储环境中设置多个现场监控器节点，负责对仓储环境参数的采集，数据采集器通过轮询控制命令获取各现场监控器的环境参数数据，并通过自适应加权的多传感器数据融合算法处理后，得到误差较小的环境参数数据，将数据上传至远程PC 监控中心。

1 监控系统工作数据交互关系

基于无线传感器网络的仓库监控系统由远程PC监控中心、LoRa 集中器网关、数据采集器设备及现场监控器设备构成。现场监控器对应传感器节点；数据采集器和LoRa 集中器网关组成汇聚节点；远程PC 监控中心组成管理节点，该系统工作数据的交互如图1所示。

现场监控器设备用于实时采集仓库内的环境参数，接收数据采集器的控制命令，并返回对应的回码信息。

数据采集器设备通过轮询方式获取各现场监控器设备采集的环境参数，采用自适应加权数据融合算法进行数据处理，以提高数据的采集精度。

LoRa 集中器可同时挂载多个数据采集器，接收数据采集器发送的数据及环境参数报警信息，LoRa 集中器通过5G 网络连接云服务器。

远程PC 监控中心通过MQTT 协议连接云服务器，从而实现与多个数据采集器的信息交互。

2 基于自适应加权的数据融合方法

数据融合通过对传感器采集的数据信息进行详细分析和推理，把多个传感器采集的数据信息根据一定的规则来进行信息融合处理，以获取被测对象较为精确的数据信息[8-10]。本文采用的自适应加权数据融合算法属于集中式数据融合，将多个传感器的数据都发送到融合节点进行数据融合，这种方法对融合节点的数据处理能力有较高的要求，但是具有实时性能好及获取数据精度高等优点。

数据处理的具体步骤如下：

第一步：计算传感器测量值的期望

采用n个传感器对环境参数进行测量，各传感器测量的次数为t，则各传感器的测量值分别为Mq(k),k=1,2,……,t；q=1,2,……,n，可计算各传感器测量值的期望为：

其中，E(Mq)为各传感器期望值；Mq(k)为各传感器的测量值；t为传感器测量的次数。

根据方差的概念与计算公式可得各传感器均方方差为：

其中，为 均方方差。

第三步：计算各传感器的最优加权因子wq

设环境参数的真值为Y，各传感器的加权因子分别为wq(q=1,2,……,n)，且，则融合后的数据值可 表示为：

其中，为 融合后的数据值；wq为各传感器的加权因子。均方误差为：

构造加权因子无约束优化问题如下所示：

其中，λ为辅助变量。

通过式（5）对各加权因子wq(q=1,2,……,n)求偏导，最后可得均方误差取最小值时对应的各加权因子的优化值为：

由式（7）可得：

将式（8）代入式（6）可得：

第四步：计算最终的数据融合值

根据式（1）和式（2），可通过各传感器的测量值计算出测量值的期望E(Mq)和均方方差，将方差代入式（9）可得各传感器的最优加权因子wq，最后将测量值的期望E(Mq)和最优加权因子wq代入式（3），即可得到传感器采集数据的最终融合值。

3 传感器数据处理结果

以仓储温度数据采集为例，进行传感器网络数据融合算法的性能测试。

实验中，用高精度温度计测出的数据作为温度的真实数据，多传感器（10 个传感器采集点）的测量值求和取均值的数据作为对比数据，每个传感器在同一时间段的测量次数为5 次，采集时间间隔为5 s，共获取300 组数据。

多传感器采集数据处理结果对比如图2 所示，红色曲线代表实际温度数据，绿色曲线代表多传感器测量值的均值数据（作为对比数据使用），黑色曲线代表多传感器测量值经自适应加权数据融合处理后的数据。两种数据处理结果与温度实际值的误差对比如图3 所示。

根据图2 和图3 数据处理的结果对比可知，自适应加权数据融合算法能获得比各传感器数据求和取均值更高的数据精度，有利于提高基于传感器网络的仓库环境参数监控的准确度。

4 结束语

本文以提高基于无线传感器网络的仓库环境参数监测准确度为目的，以仓库环境温度参数监测为例，论述了多传感器数据自适应加权数据融合的具体设计步骤。实验结果表明，自适应加权数据融合算法在无线传感器网络仓库环境参数监控中具有更高的数据精度，有利于提高仓库环境参数监测的准确性。