賴騰達(dá)　石坤明　王德宇　施云波

摘 要：針對(duì)人們提高居住環(huán)境舒適度的需求，將ZigBee作為通信模式和融合神經(jīng)網(wǎng)絡(luò)算法，以采集溫度、濕度環(huán)境參數(shù)為對(duì)象，設(shè)計(jì)了一套智能家居環(huán)境監(jiān)測(cè)系統(tǒng)。文中闡述了系統(tǒng)的硬件設(shè)計(jì)過(guò)程，討論了神經(jīng)網(wǎng)絡(luò)算法，并通過(guò)NS-2仿真軟件算法進(jìn)行了仿真測(cè)試。結(jié)果表明，加入數(shù)據(jù)融合算法的網(wǎng)絡(luò)相比LEACH算法的網(wǎng)絡(luò)平均功耗大幅降低，網(wǎng)絡(luò)壽命有較大延長(zhǎng)。

關(guān)鍵詞：智能家居；神經(jīng)網(wǎng)絡(luò)；ZigBee；傳感器

中圖分類號(hào)：TP273 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2016）04-00-03

0 引 言

隨著科學(xué)技術(shù)的發(fā)展，人們對(duì)電子消費(fèi)品的需求正逐步增長(zhǎng)，電子產(chǎn)品的智能化程度正在飛速提高，尤其在計(jì)算機(jī)技術(shù)、嵌入式系統(tǒng)和無(wú)線通信技術(shù)的發(fā)展下，物聯(lián)網(wǎng)在實(shí)際生產(chǎn)生活中的應(yīng)用越來(lái)越廣泛，遍布智能家居、智能交通、智能醫(yī)療、環(huán)境監(jiān)測(cè)、物流快遞、教育、國(guó)防、工業(yè)、農(nóng)業(yè)等行業(yè)[1，2]。

智能家居的出現(xiàn)讓人們體驗(yàn)到了舒適、快捷的智能生活，還能更有效、更精確地控制家中家電設(shè)備，以達(dá)到節(jié)省能源和資源的目的[3]。但在實(shí)際智能家居系統(tǒng)設(shè)計(jì)中，由于無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)分布相對(duì)密集，且相鄰節(jié)點(diǎn)所采集的環(huán)境參數(shù)數(shù)據(jù)具有較高的相似性，使得網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)存在一定冗余，在通信過(guò)程中消耗過(guò)多的能量[4]。相關(guān)研究表明，消耗能量主要在數(shù)據(jù)傳輸過(guò)程中，應(yīng)用數(shù)據(jù)融合技術(shù)可以減少網(wǎng)絡(luò)中的冗余信息，降低通信能耗，提高數(shù)據(jù)的傳輸效率[5]。因此，在智能家居系統(tǒng)中引入數(shù)據(jù)融合技術(shù)是十分必要的，有很高的研究?jī)r(jià)值。

本文以智能家居的溫濕度環(huán)境參數(shù)為檢測(cè)對(duì)象，采用ZigBee通信模式，設(shè)計(jì)了一套智能家居環(huán)境監(jiān)測(cè)系統(tǒng)，通過(guò)融合神經(jīng)網(wǎng)絡(luò)優(yōu)化，降低功耗，實(shí)現(xiàn)節(jié)能、延長(zhǎng)使用壽命的目的。

1 系統(tǒng)的總體設(shè)計(jì)

智能家居環(huán)境監(jiān)測(cè)系統(tǒng)包括數(shù)據(jù)采集前端和數(shù)據(jù)接收終端兩個(gè)部分，數(shù)據(jù)采集前端由傳感器、微控制器、ZigBee無(wú)線通信模塊、電源組成，數(shù)據(jù)接收終端由ZigBee接收模塊、上位機(jī)組成。系統(tǒng)硬件原理圖如圖1所示。

根據(jù)智能家居環(huán)境監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)要求和Zigbee技術(shù)通信模式的特點(diǎn)，本文的傳感器網(wǎng)絡(luò)模型由協(xié)調(diào)器節(jié)點(diǎn)、路由器節(jié)點(diǎn)和傳感器終端節(jié)點(diǎn)3類節(jié)點(diǎn)組成，采用樹形拓?fù)浣Y(jié)構(gòu)，系統(tǒng)組網(wǎng)結(jié)構(gòu)如圖2所示。

系統(tǒng)的主要工作流程如下：

（1）組建網(wǎng)絡(luò)，將節(jié)點(diǎn)放置在智能家居中，協(xié)調(diào)器通過(guò)USB與上位機(jī)相連接。協(xié)調(diào)器上電，組建一個(gè)新的網(wǎng)絡(luò)；

（2）將各個(gè)節(jié)點(diǎn)上電，根據(jù)無(wú)線傳感器網(wǎng)絡(luò)的低功耗自適應(yīng)集簇分層型協(xié)議（LEACH），在整個(gè)無(wú)線傳感器網(wǎng)絡(luò)中按照一定的規(guī)則來(lái)選取簇首（路由器節(jié)點(diǎn)），構(gòu)成分簇結(jié)構(gòu)。在這種結(jié)構(gòu)下，傳感器節(jié)點(diǎn)采集到的原始環(huán)境參數(shù)數(shù)據(jù)將首先發(fā)送給自己所在簇的簇首節(jié)點(diǎn)，再利用BP神經(jīng)網(wǎng)絡(luò)算法在簇首節(jié)點(diǎn)和成員節(jié)點(diǎn)間對(duì)采集到的原始數(shù)據(jù)應(yīng)用到基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法中進(jìn)行處理，將處理后的數(shù)據(jù)發(fā)送給協(xié)調(diào)器節(jié)點(diǎn)。

2 系統(tǒng)硬件設(shè)計(jì)

2.1 ZigBee模塊及外圍電路設(shè)計(jì)

ZigBee模塊是系統(tǒng)組網(wǎng)和控制的核心，采用TI公司的CC2530射頻芯片，CC2530能夠提供較高的通信鏈路質(zhì)量，具有較高的接收器靈敏度和較強(qiáng)的抗干擾性。此外，CC2530還提供了豐富的外設(shè)，包括2個(gè)USART，12位的ADC和21個(gè)GPIO。設(shè)計(jì)的ZigBee模塊及外圍電路原理圖如圖3所示。

2.2 溫濕度傳感器與通信模塊的連接設(shè)計(jì)

溫濕度傳感器采用DHT11數(shù)字溫濕度傳感器，與ZigBee模塊連接如圖4所示。

DHT11數(shù)字溫濕度傳感器是直流供電，電壓為3.5～5.5V，當(dāng)連接線的長(zhǎng)度小于20 cm時(shí)，應(yīng)選用3.5 V進(jìn)行供電，否則線路壓降導(dǎo)致傳感器供電不足，造成測(cè)量數(shù)據(jù)的偏差；當(dāng)連接線的長(zhǎng)度短于20 m時(shí)，需要用5.1 kΩ的上拉電阻；大于20 m時(shí)，則根據(jù)實(shí)際情況使用上拉電阻，并且采用5.5 V電壓供電。

3 系統(tǒng)算法的設(shè)計(jì)

3.1 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法

由于傳感器網(wǎng)絡(luò)具有以數(shù)據(jù)為中心、節(jié)點(diǎn)能量有限且不能補(bǔ)充、通訊能力弱、網(wǎng)絡(luò)節(jié)點(diǎn)規(guī)模大、自組織性與應(yīng)用密切相關(guān)等特點(diǎn)，所以對(duì)無(wú)線傳感器網(wǎng)絡(luò)的工作周期和壽命有很高的要求，傳輸1字節(jié)數(shù)據(jù)所需的能量可以用來(lái)執(zhí)行數(shù)千條CPU指令[6]。應(yīng)用神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法雖然在一定程度上增加了CPU的計(jì)算量，但減少了網(wǎng)絡(luò)中的數(shù)據(jù)通信量，可以有效延長(zhǎng)網(wǎng)絡(luò)的工作周期。把神經(jīng)網(wǎng)絡(luò)應(yīng)用到無(wú)線傳感器網(wǎng)絡(luò)能夠?qū)崿F(xiàn)降低通信成本和能源保護(hù)、提高無(wú)線傳感器網(wǎng)絡(luò)性能的目的。

根據(jù)無(wú)線傳感器網(wǎng)絡(luò)的低功耗自適應(yīng)集簇分層型協(xié)議（LEACH），在整個(gè)網(wǎng)絡(luò)中按照一定的規(guī)則來(lái)選舉簇首（路由器節(jié)點(diǎn)），形成分簇結(jié)構(gòu)。在這種結(jié)構(gòu)下，傳感器節(jié)點(diǎn)所采集的環(huán)境參數(shù)數(shù)據(jù)將發(fā)送給所在簇的簇首節(jié)點(diǎn)；利用BP神經(jīng)網(wǎng)絡(luò)算法在簇首節(jié)點(diǎn)和成員節(jié)點(diǎn)間對(duì)采集到的環(huán)境參數(shù)進(jìn)行數(shù)據(jù)融合。該網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱層和輸出層組成，隱層可以有多層，本系統(tǒng)采用最常用的單隱層三層BP網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法的模型如圖5所示。

假設(shè)在該網(wǎng)絡(luò)中有N個(gè)神經(jīng)元節(jié)點(diǎn)處于輸入層；只有一層隱層，具有L個(gè)節(jié)點(diǎn)；有M個(gè)神經(jīng)元節(jié)點(diǎn)處于輸出層；普遍情況下L>N>M。輸入層的神經(jīng)元數(shù)量可以根據(jù)實(shí)際應(yīng)用進(jìn)行調(diào)整，與簇成員節(jié)點(diǎn)沒有必然聯(lián)系，而隱層神經(jīng)元數(shù)量L的確定與求解問題的要求、輸入輸出神經(jīng)元數(shù)量都有直接的聯(lián)系。本文使用試湊法來(lái)確定隱層神經(jīng)元數(shù)量L，選用經(jīng)驗(yàn)公式作為試湊法的初始值。

3.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)流程

本系統(tǒng)采用反向傳播網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）進(jìn)行數(shù)據(jù)融合，該網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)算法采用誤差反向傳播算法。誤差反向傳播算法的學(xué)習(xí)過(guò)程主要有兩個(gè)，分別為信息的正向傳播和誤差的反向傳播。

4 系統(tǒng)測(cè)試

本文仿真實(shí)驗(yàn)通過(guò)NS-2仿真軟件對(duì)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法進(jìn)行仿真測(cè)試，主要從網(wǎng)絡(luò)節(jié)點(diǎn)的平均功耗、匯聚節(jié)點(diǎn)接收數(shù)據(jù)包數(shù)量等方面對(duì)該算法與不加入該算法的方案進(jìn)行了對(duì)比。

仿真環(huán)境參數(shù)設(shè)置：在100 m×100 m的范圍內(nèi)隨機(jī)分布100個(gè)相同的節(jié)點(diǎn)。設(shè)節(jié)點(diǎn)的初始能量為2 J，數(shù)據(jù)包的長(zhǎng)度為500 B，無(wú)線信道的帶寬為1 Mb/s，無(wú)線信號(hào)的載頻為2.4GHz，收發(fā)數(shù)據(jù)所耗的能量為50 nJ/b，神經(jīng)網(wǎng)絡(luò)的權(quán)值初始值設(shè)為1，閾值設(shè)為0.2，訓(xùn)練次數(shù)為500次。

在房間環(huán)境100 m×100 m的范圍內(nèi)隨機(jī)部署100個(gè)節(jié)點(diǎn)的分布圖如圖7所示，節(jié)點(diǎn)分布完成后，根據(jù)節(jié)點(diǎn)分布的狀況和試湊法經(jīng)驗(yàn)公式，可以粗略計(jì)算出簇的個(gè)數(shù)為6。

圖8所示是隨時(shí)間增長(zhǎng)網(wǎng)絡(luò)節(jié)點(diǎn)的平均功耗的變化曲線。無(wú)線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)能量是有限的，能量消耗完的節(jié)點(diǎn)就會(huì)“死亡”，所以節(jié)點(diǎn)能量消耗的越少，存活的時(shí)間就越長(zhǎng)，整個(gè)無(wú)線傳感器網(wǎng)絡(luò)的生命周期就越長(zhǎng)。從圖8中得到的是LEACH算法和數(shù)據(jù)融合算法在網(wǎng)絡(luò)節(jié)點(diǎn)的平均功耗的對(duì)比，可以得出數(shù)據(jù)融合算法平均功耗低于LEACH算法的結(jié)論。數(shù)據(jù)融合算法對(duì)全部節(jié)點(diǎn)的分布狀況進(jìn)行具體分區(qū)，使簇頭分布更加均勻合理，并考慮了節(jié)點(diǎn)剩余能量值，平衡所有節(jié)點(diǎn)功耗，讓整個(gè)網(wǎng)絡(luò)的能量消耗更加平均。

圖9所示是無(wú)線傳感器網(wǎng)絡(luò)中匯聚節(jié)點(diǎn)接收數(shù)據(jù)包的數(shù)量，可見數(shù)據(jù)包數(shù)量受網(wǎng)絡(luò)存活節(jié)點(diǎn)數(shù)目的影響，在節(jié)點(diǎn)開始“死亡”時(shí)，接收數(shù)據(jù)速率開始下降，直至整個(gè)無(wú)線傳感器網(wǎng)絡(luò) “死亡”。通過(guò)對(duì)比，數(shù)據(jù)融合算法能將數(shù)據(jù)進(jìn)行有效的融合，減少網(wǎng)絡(luò)的數(shù)據(jù)量，這也是數(shù)據(jù)融合算法有更長(zhǎng)的生存周期的原因。隨著時(shí)間的增加，數(shù)據(jù)融合算法接收到的數(shù)據(jù)包會(huì)超過(guò)LEACH算法，傳輸更為穩(wěn)定的數(shù)據(jù)包流量。

5 結(jié) 語(yǔ)

本文設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合的ZigBee智能家居環(huán)境監(jiān)測(cè)系統(tǒng)，將數(shù)據(jù)融合加入到監(jiān)測(cè)系統(tǒng)可以減少網(wǎng)絡(luò)的數(shù)據(jù)量，降低網(wǎng)絡(luò)節(jié)點(diǎn)的平均功耗，提升整個(gè)無(wú)線傳感器網(wǎng)絡(luò)的性能，延長(zhǎng)網(wǎng)絡(luò)壽命。通過(guò)對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的平均功耗、匯聚節(jié)點(diǎn)接收數(shù)據(jù)包數(shù)量等方面進(jìn)行測(cè)試，結(jié)果表明，加入數(shù)據(jù)融合算法的網(wǎng)絡(luò)比LEACH算法的網(wǎng)絡(luò)平均功耗低，網(wǎng)絡(luò)壽命得以延長(zhǎng)。

參考文獻(xiàn)

[1]吳藝娟，秦彩云，萬(wàn)米洋. 基于ZigBee技術(shù)的智能家居環(huán)境監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J].北京石油化工學(xué)院學(xué)報(bào)，2013，21（1）：46-50.

[2]楊筱宇.基于BP神經(jīng)網(wǎng)絡(luò)的ZigBee無(wú)線定位技術(shù)[J].現(xiàn)代計(jì)算機(jī)（下半月），2012（7）：20-24.

[3] N. Chaamwe， W. Liu， H. Jiang.“Seismic Monitoring in Underground Mines： A case of Mufulira Mine in Zambia Using wireless Sensor Networks for Seismic Monitoring” [J].Proc. IEEE internationalConference on Electronics and Information Engineering，2010，1： 310-314.

[4]彭程，黃辰.基于物聯(lián)網(wǎng)的智能家居系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2014，4（11）：84-86.

[5]王云良，王敏其，程凌.智能家居網(wǎng)絡(luò)系統(tǒng)的優(yōu)化及控制穩(wěn)定性分析[J].自動(dòng)化儀表，2014，35（8）：79-82.

[6]孫凌逸，黃先祥，蔡偉，等.基于神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法[J].傳感器技術(shù)學(xué)報(bào)，2011，24（1）：122-127.

[7] Min R，Bhardwaj M，Seong-hwan Cho，et al.Energy-CentricEnab-ling Technologies for Wireless Sensor Networks[J].IEEE Wireless Communications， 2002， 9（4）：28 -39.