基于Python的无线传感器网络数据采集系统

余战秋

随着大数据时代的到来及无线传感器网络的升级与改进，网络数据呈现暴增状态，数据量级达到海量级别［1-2］.又因无线传感器网络结构逐渐复杂，导致网络数据采集的难度增大.如何对海量数据进行采集、挖掘与分析成为现今国家重点课题之一.

针对无线传感器网络数据采集存在的不足，相关学者进行了深入研究.陈琪等［3］提出了无线传感器网络中移动节点辅助的数据采集效率优化方法，该算法基于数据量将所有节点均匀划分成簇，并在簇内采用节点分级的方法进行数据的多跳传输，再使用移动采集器沿着最短路径访问簇头节点，对指定节点进行数据集采集.刘强［4］提出了基于后向散射和软件定义的无线传感器网络通信，其由实现射频载波生成、零差检测和复杂信息处理的中心Hub及具有载波调制功能的传感器构成；前者构建了软件定义的收发器发送载波、接收来自各个传感器的反射，提取并处理它们发送的信息；后者每个传感器的发射机被简化为一个连接到天线上的晶体管，实现传感器的信息被调制到其唯一的子载波上；进而建立起完整的后向散射无线电链路通信系统，实现每个传感器和中心Hub之间的通信.朱晓宇等［5］提出了一种基于Android安全容器的网络数据采集系统，该系统按Android软件栈的层次顺序，分析客户端与服务器端间的网络数据通信过程，找到可供网络数据采集的入口，结合Android安全容器实现自动化的网络数据采集系统.上述方法存在数据采集能耗较大、数据采集耗时较长、采集数据压缩率过高等问题，导致数据采集效果不佳.为解决这些方法存在的不足，本文研究了基于Python的无线传感器网络数据采集系统，引入Python算法，以期提高无线传感器网络数据采集系统的性能.

1 无线传感器网络数据采集系统硬件设计

设计系统硬件包括数据采集芯片选型单元、无线收发芯片选型单元与串口通讯电路设计单元.

1.1 数据采集芯片选型单元

依据无线传感器网络数据特性，研究选取I-7000系列芯片作为数据采集硬件结构，见表1.

表1 数据采集芯片选型表

I-7000系列芯片之间采用RS-485双向串行总线进行通信，并且依据数据采集的需求，适当编程通信速率，其最大值为115.2 Kbps.由于篇幅限制，仅展示I-7060D芯片结构，如图1所示.

图1 I-7060D芯片结构示意图

I-7060D芯片具有以下优势：①该芯片采用节能设计，能够有效降低功耗，延长设备的续航时间；②I-7060D芯片能够提供出色的计算和处理性能，满足多种复杂应用的需求；③该芯片集成了多种功能模块和接口，例如输入/输出接口、传感器接口等.

上述过程完成数据采集芯片的选取，构造数据采集硬件结构，为无线传感器网络数据采集的实现奠定基础［6］.

1.2 无线收发芯片选型单元

无线收发芯片是数据采集的始端与终端，是设计系统关键硬件设备之一［7］.研究选取TI/Chipcon公司生产的CC1110芯片作为无线收发芯片，结构如图2所示.

图2 CC1110芯片结构示意图

CC1110无线收发芯片具有以下优势：①CC1110芯片适应多种调制格式，为数据缓冲、传输等提供支持；②CC1110芯片成本较低，可以根据数据采集需求配置MCU，使用较为灵活，功耗较低；③CC1110芯片具有多个波段载波频率，为数据采集提供多通道支撑，并容易设置在其他频率上，方便无线收发芯片的配置.此外，CC1110无线收发芯片损耗较低，休眠模式下，电流损耗为5 mA；运行模式下，电流损耗为16 mA.同时，各种模式的切换时间较短，符合设计系统需求［8］.

1.3 串口通讯电路设计单元

串口通讯电路是保障设计系统硬件互相连接的关键，也是实现数据传输的重要环节［9］.依据设计系统硬件设备特性，设计串口通讯电路，如图3所示.串口通讯电路采用3个电容，初始参数设置为0.1 uF，并且电容参数可依据实际情况进行适当的调整，但必须保障3个电容参数同时增加或者减少，维持电容比例不变［10］.

图3 串口通讯电路示意图

2 无线传感器网络数据采集系统软件设计

设计系统软件模块包括网络数据挖掘采集框架设计模块、采集数据压缩模块与采集数据缓存模块.

2.1 网络数据挖掘采集框架设计模块

Python语言是使用广泛的设计脚本语言之一，具有较好的交互性、解释性、可读性和可维护性，可节省软件开发的时间和成本［11］.网络数据挖掘采集框架中，最关键技术为scrapy爬虫技术，是应用Python语言开发并封装的技术，有效承接了Python语言的独特优势，可快速挖掘和采集网络数据.网络数据挖掘采集框架如图4所示.

图4 网络数据挖掘采集框架图

结合图4的网络数据挖掘采集框架和Python语言制定无线传感器网络数据挖掘采集程序，具体步骤：①应用Python配置scrapy爬虫规则，初始化爬虫目标［12］，启动爬虫任务；②加载步骤①设置的爬虫目标，利用调度器组件对网络进行调度；③收到数据挖掘采集请求后，爬虫从指定地址出发全网搜索，搜索完成后输出挖掘采集响应数据；④通过Spider中间件将步骤③输出的响应数据传递给Spiders，启动回调函数，统一解析响应数据；⑤加载响应数据解析后的信息实体，对其进行清洗、验证、持久化等相关处理；⑥经过爬虫不断迭代循环操作，即可完成网络数据的挖掘采集［13］.若满足迭代循环停止条件，则输出网络数据挖掘采集结果；未满足则转至步骤①，继续迭代循环.

按上述步骤应用Python语言，设计网络数据挖掘采集框架，制定网络数据挖掘采集程序，执行程序即可挖掘采集到用户需求的无线传感器网络数据［14］.

2.2 采集数据压缩模块

以上述挖掘采集的网络数据为基础，应用SLIM算法压缩采集数据，能够节省数据存储空间、降低设计系统整体能耗［15］.SLIM算法主要通过比较两个扇形区域，即最后写入数据与最后读入数据的位置关系决定新数据的取舍.扇形区域斜率上限与下限计算公式为：

2.3 采集数据缓存模块

以压缩后的采集数据为依据，结合用户需求，基于装载因子制定采集数据缓存策略，实现无线传感器网络数据采集.缓存主要为了提高设计系统的TPS，降低设计系统的整体能耗［17］.装载因子计算公式为：

3 实验与结果分析

为验证设计系统的网络数据采集性能，选取基于Android安全容器的网络数据采集系统［5］作为对比系统，该系统按照Android软件栈的层次顺序，分析客户端与服务器端之间的网络数据通信过程，找到可供网络数据采集的入口，结合Android安全容器实现自动化的网络数据采集系统.实验以数据采集耗时、采集数据压缩率、数据采集能耗为评价指标.

3.1 实验准备阶段

实验准备是数据采集性能测试的有效保障.实验准备阶段承担着实验对象的选取及其配置的任务.根据数据采集实验的需求，选取某区域无线传感器网络作为实验对象，其结构如图5所示.

图5 无线传感器网络结构示意图

由图5可知，无线传感器网络结构包含了接收器、互联网、管理节点、传感器节点等，其中设置的传感器节点与接收器的比例为5∶2.

3.2 实验结果分析

以实验准备内容为依据，进行无线传感器网络数据采集实验.为直接显示系统的应用性能，选取数据采集耗时、采集数据压缩率与数据采集能耗作为评价指标，以下为具体实验结果分析过程.

3.2.1 数据采集耗时分析

数据采集耗时直接反映系统的应用效率.一般情况下，数据采集耗时越短，表示系统应用效率更快；反之，则表示系统应用效率更慢.通过实验获得数据采集耗时数据如图6所示.

图6 数据采集耗时数据图

如图6，相比对比系统，应用设计系统采集数据耗时更短，最小值为1.5 min，最高值仅为10.5 min；但对比系统的最低耗时为7.5 min，最高达17 min，其最大值和最小值均高于设计系统，折线整体高于设计系统，表明设计系统有效降低了数据采集耗时，应用效率更高.

3.2.2 采集数据压缩率分析

采集数据压缩率决定着系统存储空间的利用率.一般情况下，采集数据压缩率数值越大，表明系统存储空间利用率越高；反之，则表明系统存储空间利用率越低.通过实验获得的采集数据压缩率数据如表2所示.

表2 采集数据压缩率数据表

由表2可知，应用设计系统获得的采集数据压缩率数值更大，最大值为64.51%，对比系统的最大值仅为31.09%，两者相差33.42%，因此，设计系统的存储空间利用率更高.

3.2.3 数据采集能耗分析

数据采集能耗大小直接影响系统的应用性价比.一般情况下，数据采集能耗越小，表明系统应用性价比越高；反之，则表明系统应用性价比越低.通过实验获得数据采集能耗数据如图7所示.

图7 数据采集能耗数据图

由图7可知，应用设计系统获得的数据采集能耗更小，具有一定的稳定性，最小值为70 mAh，对比系统的最小值为115 mAh，远高于设计系统，故设计系统的能耗更低，应用性价比更高.

4 结语

研究应用Python语言设计了全新的无线传感器网络数据采集系统，极大地缩短了数据采集耗时，提升了采集数据压缩率，降低了数据采集能耗，能够为数据采集提供更有效的系统支撑，也为数据采集相关研究提供一定的借鉴与参考.