应用物联网通信技术的大气污染物监测信息无线传输方法研究

杨昆　傅学振　于文艳　吴琼　吴瑾

摘要：大气污染物监测信息传输过程丢包率和误码率较高，存在传输延时较长以及传输成功率较低等问题，由此，提出一种应用物联网通信技术的大气污染物监测信息无线传输方法。将最优阶估计和分布式分簇的数据压缩方法有效结合，获取多传感器之间的通信方式，分析监测过程的通信状态，在传感器有限存储容量的约束下，引入滑动窗口机制，实现大气污染物监测信息无线传输。实验结果证明，所提方法可以有效提升大气污染物监测信息无线传输成功率，减少传输过程中的丢包率，同时还可以降低传输延时，保证监测信息无线传输效率。

关键词：物联网通信技术；大气污染物；监测信息；无线传输

中图分类号：X831 文献标志码：B

前言

通过监测大气污染物，可以及时采取措施减少人们暴露在有害物质中的风险；监测大气污染物有助于评估环境质量，及时将大气污染物监测信息上传至有关部门具有十分重要的意义，相关管理者可以根据获取的大气污染物监测信息及时给出有效的治理措施。

国内相关专家针对大气污染物监测信息无线传输方面的内容展开了大量的研究，例如张毅等通过大数据数字化技术，完成数据无线传输。孙颖等优先建立信道模型，对不同模式下的无人机工作周期参数展开设计，根据最大化经济效益完成数据传输。程艳艳等将簇头节点参与到有向无环图中，采用多媒体数据压缩编码技术展开编码处理，联合多个网关以及代理对丢失的数据展开恢复，最终实现数据传输。

结合上述几种传输方法，提出一种应用物联网通信技术的大气污染物监测信息无线传输方法。利用激光雾化粒子计数器、气体传感器等，直接测量大气中污染物的浓度和含量，为了确保大气污染物监测信息可以更好地无线传输，在传输前期需要对信息展开压缩处理。联合物联网通信技术，优化信息无线传输过程，通过改变空间拓扑结构的方式支持无线传输大气污染物监测信息的需求，确保可靠和连续的数据传输。

1 方法

1.1 大气污染物监测信息压缩

分布式编码理论基础是关于同域数据源编码的定义，假设两个相关变量服从概率分布，当编码器对随机一个变量展开压缩处理时，无论对两个变量的相关性是否可知，其压缩性能都是保持不变的。在随机两个变量相关性不可知的情况下，可以将比特位压缩码表示为式（1）的形式：

式（1）中，I（x，y）代表比特位压缩码；X和Y代表随机变量；S（x，y）代表概率分布；.代表原始大气污染物监测信息。

需要对大气污染物监测信息压缩过程中的结构树和预测系数展开进一步的说明。其中，结构树是将前期三分之一大气污染物监测信息的均值作为起点，通过时间间隔△的扩展，向时间轴的两个方向延伸。其中△的取值会决定算法的精度，扩散范围需要根据实际获取的大气污染物监测信息分布范围所决定。同时对以△为时间间隔的扩展序列展开奇偶序列分裂处理，可以获取间距为2△的两组子序列，同时对已经得到的大气污染物监测信息进行分类，得到对应的线性拟合值，如式（2）所示：

式（2）中，XjT和YjT代表变量X和Y对应的线性拟合值；T代表运行周期；m和n代表常数；αn和βn代表在相同时域内的预测系数；w和h代表在相同时刻内大气污染物监测范围。

为了掌握大气污染物监测信息的变化情况，需要及时对更新系数展开调整，进而获取对应的信息。以下，给出最优阶分布式分簇结构树对大气污染物监测信息压缩的详细操作步骤：

（1）由大气污染物监测系统分别采集不同地区的大气污染物信息，将采集到的大气污染物监测信息分别通过不同基站展开传输处理。同时引入CIC准则展开最优阶判断，假设不是最优阶数，并且传输的大气污染物监测信息没有超过信息总量的三分之一，则继续展开传输操作；反之，则需要计算初始预测系数，同时在此基础上构建结构树。

（2）分析全部大气污染物监测信息的空间相关性，可以将监测区域划分为多个不同的簇。在每个簇中，选择一个节点作为簇头，负责协调数据传输，并计算出每个节点所需传输的二进制位数。

（3）簇头内的节点在经过簇头后，即可得到各个基站对应的二进制位数，同时可以对全部大气污染物监测点展开二进制处理，得到各个监测点对应的二进制压缩码，并且获取的压缩码可以利用簇头直接传输到基站内。并且通过簇头向基站传输没有经过压缩处理的大气污染物监测信息。

（4）基站将簇作为单位，经过计算可以得到各个簇内各个节点对应的估计值，同时根据节点的位数设定得到对应压缩码，通过压缩码在结构树内展开定位处理，进而得到一个全新的子序列。并且在设定条件的基础上，需要更新预测系数。

（5）当各个簇内全部节点的取值都完成恢复后，利用基站计算下一个时间段内各个节点需要压缩处理的大气污染物监测信息位数，并且将其发布。当达到设定的位数，则直接完成大气污染物监测信息压缩处理；反之，则直接跳转至步骤（2）。

1.2 大气污染物监测信息无线传输

在大气污染物环境中，大气污染物监测信息无线传输主要通过物联网通信技术，在基站和通信节点之间展开数据交互操作，主要包含三种不同的情况，分别为：

（1）网络节点全部分布在基站通信覆盖范围内；

（2）部分网络节点分布在基站通信覆盖范围内；

（3）节点均匀分布在基站通信覆盖范围外。

通过集合B表示以上三种情况，如式（3）所示：

B={b1，b2，b3} 式（3）

针对大气污染物监测信息无线传输过程中的特殊性，在对物联网通信架构分析的基础上，通过社会网络的原理，改善连接不稳定以及空间位置经常变换等问题。

滑动窗口的接收包含不同类型的大气污染物监测信息，已经发送的数据帧确认回复ACK包，节点接收的数据帧。通过设定的滑动窗口机制，不支持数据帧中携带ACK确认回复包，详细的操作步骤如下所示：

（1）将接收到的大气污染物监测信息展开解析处理，提取数据帧的头部信息，主要包含接收的数据帧序号，并且确认回复帧的序号以及数据帧的类型。

（2）判断大气污染物监测信息的类型，假设为ACK，则直接跳转至步骤（3）；假设为Data包，则直接跳转至步骤（4）。

（3）判断大气污染物监测信息是否在发送方希望接收的确定同复帧的序号范围内；假设满足该条件，则直接展开累计ACK的循环处理，也就是在发送窗口的首位置展开轮询处理，并且及时关闭对应的定时器，清除Send数据组中无利用价值的数据帧。

（4）判断数据帧的序号是否在接收窗口的序号范围内，假设不在，则直接将该帧对应的大气污染物监测信息丢弃；假设在接收范围内，则直接将大气污染物监测信息保存到对应的队列内，同时直接进入到下一步。

（5）判断当前帧的大气污染物监测信息是否为接收的信息，假设是，则直接将该帧数据写入到文件中展开存储，将Recv中对应的数据帧删除，并且将期望接收的数据帧序号加1，经过打包处理后直接发送ACK，并且回复对应的报文信息。

（6）结束该函数，实现大气污染物监测信息无线传输。

2 实验分析

2.1 测试环境描述

为了将所提方法和文献[2]的基于大数据数字化技术的传输方法，文献[3]的基于信道模型的传输方法展开性能比较。

2.2 实验结果与分析

2.2.1 大气污染物监测信息无线传输成功率

为了比较各个方法传输大气污染物监测信息的可靠性，实验分析不同方法的大气污染物监测信息无线传输成功率，详细的实验结果如图1所示。

如图1所示的实验数据可知，在运行时间不断变化的情况下，各个方法对应的大气污染物监测信息无线传输成功率也在不同时刻发生了不同程度的变化。但是和另外几种大气污染物监测信息无线传输方法相比，所提方法获取的大气污染物监测信息无线传输成功率明显更高一些，主要是因为所提方法在展开大气污染物监测信息无线传输前期，对全部大气污染物监测信息展开了压缩处理，促使无线传输成功率得到有效提升，充分验证了所提方法的优越性。

2.2.2 大气污染物监测信息无线传输延时

通过表1对各个方法的大气污染物监测信息无线传输延时展开实验，见表1。

由表1可知，可以有效减少大气污染物监测信息无线传输延时，进一步验证了所提方法的有效性和优越性。

2.2.3 丢包率

在存在干扰的情况下，分析各个方法在大气污染物监测信息无线传输过程中的丢包率变化情况，详细的实验结果见图2。

分析图2中的实验数据可知，在采用不同方法展开大气污染物监测信息无线传输过程中，所提方法出现丢包的次数要明显低于另外两种方法，说明所提方法更加适用于大气污染物监测信息无线传输。

3 结束语

大气污染物监测的必要性体现在保护人类健康、环境保护和气候变化研究等方面。文章分析物联网通信系统组成结构，结合物联网通信技术，提出一种应用物联网通信技术的大气污染物监测信息无线传输方法，其中在感知层中的物联网传感器具有比较强的存储能力以及通信能力，传感器采集到的大气污染物监测信息通过物联网通信技术展开短距离的数据传输。同时，节点通过无线信号进行数据传输和通信。将采集到的大气污染物监测信息直接传输到物联网中，可以有效提升大气污染物监测信息无线传输成功率，降低大气污染物监测信息无线传输延时，减少大气污染物监测信息无线传输过程中的丢包率，获取更加满意的大气污染物监测信息无线传输结果。