基于无线传感器网络信息融合的森林火灾无线监控系统

康万杰，潘有顺，陈秋菊

(茅台学院 酿酒工程自动化系，贵州 仁怀 564500)

森林火灾的发生严重影响到大自然生态环境，并且使人类生命财产等出现重大损失.我国的森林环境所面临的关键问题之一为森林火灾，但因人类的活动与自然状况等时常造成不同程度的森林火灾，且全球气候逐渐变暖，导致森林火灾的发生概率逐渐上升.为了有效保护森林资源，需采取相应的措施，实时监控森林状况[1].以往大多采取人工特定时间的航空巡逻及观测台监测等方式监控森林火灾，但此类方法耗费大量人力和物力，且技术相对落后，无法实时采集信息，无法达到实时监控森林状况的目的[2-4].为解决以上问题，运用火灾探测器等传感器类设备实时监控森林火灾信号.通常森林火灾发生的不同时期，形成的特征信号存在差别，仅依靠单一探测传感器只能对某一种特征信号实施监测，易遗漏森林火灾发生的关键特征信号[5].因此，运用各种不同参数的探测传感器监测森林火灾的各种特征信号，能够及时精准地监控森林火灾，降低火灾的危害[6].

无线传感器网络(WSN)由数个传感器节点构成，各传感器节点可以任意布设于需要监控的区间，并通过自组织形式形成无线网络系统，在各类灾害监控领域内应用较多，其优点包括低功耗、方便布设、时延少及结构紧凑等，能够达到多点持续检测监控区间的目的[7-8].该监测通过无线传感器网络内各种参数传感器，实时监测森林火灾特征信号，并将各传感器采集的无线传感器信息融合，实现对各类传感器信息的综合运用，提升森林火灾无线监控的可靠性[9].

综合以上分析，设计一种基于无线传感器网络信息融合的森林火灾无线监控系统，通过无线传感器网络内数个传感器节点，达到实时监测森林环境温度、CO气体浓度及烟雾浓度信息数据，并对多个无线传感器信息实施融合，运用融合后的信息判别森林火灾的发生概率，实现对森林火灾的无线监控，为及时发现森林火灾和降低其危害程度提供有效帮助.

1 基于无线传感器网络信息融合的森林火灾无线监控系统1.1 系统整体架构

以实时监控森林火灾的状况为目标，构建基于无线传感器网络信息融合的森林火灾无线监控系统.该系统具备的关键功能包括及时对森林不同区域的环境状态实施监测，有效预警森林火灾出现的高风险区域；及时有效地融合烟雾浓度、环境温度以及CO浓度多源无线传感器采集的信息，在监测到融合后的信息比设定预警值高时，精准高效地发出报警信号；监控到有森林火灾发生时，操控现场灭火设备开启控制火势.系统的整体架构如图1所示.

图1 森林火灾无线监控系统整体架构图

该系统的操作系统与硬件平台分别为Linux和嵌入式微处理器，其集成开发环境为ADS1.2；传输与预处理数据通过PESD5V0F1USF芯片完成，其主要包括高性能射频收发器与微控制器核，能够同步实现数据的传输与预处理；无线传感器网络节点内包含烟雾传感器、温度传感器及CO浓度传感器，为整个系统的核心部分，在所需监控的森林范围内分散布设数个无线传感器节点，各传感器节点通过ZigBee 网络提供支持.

1.2 系统硬件设计

1.2.1 微处理器结构设计

系统硬件平台主要由嵌入式微处理器与其外围设备等构成，其中外围设备主要包含SDRAM芯片、报警模块、CUP芯片、LCD显示及RESET电路等，硬件平台嵌入式微处理器的主要结构见图2.

图2 微处理器结构图

1.2.2 传感器节点设计

(i)节点结构设计

设计森林火灾无线监控系统内无线传感器节点的结构，其重点包含设备驱动单元、传感器单元、处理器单元、电源供应单元与无线通信单元，详见图3.

图3 无线传感器节点结构设计图

设备驱动单元通过脉冲信号操控电磁阀开关，实现设备的驱动功能；传感器单元主要由烟雾传感器NIS07、温度传感器PT100、CO浓度传感器CO/MF-500构成；处理器单元主要由STM32处理器构成，其核心为ARM Cortex-M3，具备功耗较低、可实现上万次的编程的优点，且其支持串行总线通信[10]，外围设备包括JTAG接口、12位数模转换器、存储器、SPI端口以及定时器等，同时，具备八通道的十位采样精度控制器；电源供应单元包含太阳能与蓄电池两类供电措施，实现传感器节点的电源供应；无线通信单元采用LR30无线射频芯片模块，其接收灵敏度与抗干扰性较高，可实现数据的收发及采集等[11-12].

(ii)节点功能设计

无线传感器节点的功能设计模型详见图4.

图4 无线传感器节点功能设计模型

因为监控森林均与指挥中心相距较远，若布设电缆将延长工期，且导致费用升高，因此，该系统通过无线传输方式，实现森林火灾的监控[13].由布设于森林现场的各传感器采集信号，并通过信号调理电路对采集的信号实施调理，在此基础上，经过A/D转换调理信号后，获得可通过无线网络传输的信号模式，并交由PESD5V0F1USF芯片处理后，通过相关射频电路接收与传送处理后信号.

1.3 系统软件设计

1.3.1 数据传输过程

无线监控系统通过结合传感器节点事件触发响应与监控主机自动查询，实现数据的传输，同时为提升传输数据的质量，运用分层网络架构，具体数据传输过程见图5.

图5 系统数据传输过程图

由监控人员通过监控主机发出森林环境温度、CO浓度及烟雾浓度的查询请求，经网络与服务器的传送后抵达基站；基站以接收查询请求为依据，对目标协调器实施选取，由选取的目标协调器将休眠节点激活实现数据传输；传感器节点获取数据后，向待查询簇首传送，通过该簇首融合处理多个无线传感器信息后，经由原路向监控主机反馈融合后的信息.

1.3.2 无线传感器信息融合处理

因为单个传感器采集到的特征信号较为单一，而森林火灾产生时，产生的特征信号较多，如温度、气体浓度及烟雾等[14]，因此，通过温度传感器、CO浓度传感器及烟雾传感器分别采集各类特征信号信息，并对采集的无线传感器信息实施融合，通过融合后的温度、CO浓度和烟雾信息，判别监控森林是否出现火灾，实现对森林火灾的监控，并提升监控的精度.

以D -S证据论为依据，融合温度、CO浓度及烟雾多个无线传感器信息，同时，利用不同信息对森林火灾产生的信度函数予以表征，实现对森林火灾是否发生的推理[15].设定森林火灾包含有p1、无p2、不确定p3三种状态，且各状态属于互斥关系.将三种森林火灾状态归到识别框架Θ内，也就是Θ={p1,p2,p3}.若n∶2Θ→[0,1]函数能够达到的条件为

(1)

式中，Φ为空集.n(S)为命题S的信任度.

以传感器的输出响应特性为依据，温度、CO浓度及烟雾多个传感器的输出选取为高斯函数，用于对森林火灾产生的信任度函数实施表征.当烟雾传感器、温度传感器及CO浓度传感器的输出被获取之后，以森林火灾产生的信任度函数为依据，将当下森林火灾发生的信任度n1、n2、n3获取到，依次表示为

(2)

式中，通过烟雾浓度对森林火灾三种状态实施判别的概率以S1～S3表示；经由环境温度判别森林火灾三种状态的概率以T1～T3表示；CO浓度对森林火灾三种状态的判别概率以G1～G3表示.

依次对烟雾传感器、温度传感器及CO浓度传感器信息实施融合.首先将烟雾传感器与温度传感器信息融合，获取到森林火灾产生的信任度函数，其次，融合CO浓度传感器信息与获取到的信任度函数，以D-S证据论为依据，获取融合后的信任度函数表示为

(3)

式中，完全冲突假设Si与Tj全部信任度相乘后的总和以k表示，同时k<1，其表达式为

(4)

基于此，实现融合CO浓度、温度及烟雾多个传感器的信息，并获取各传感器信息的森林火灾三种状态判别概率，达到对森林火灾是否产生的有效判别.

2 实验结果分析

在某处野外环境内对本文系统的实际应用性能实施检测，分别检测本文系统的数据采集、报警功能、信息融合处理性能和并发响应性能.实验中设定本文系统的预警阈值依次为温度大于55℃、CO气体浓度大于75 ppm、烟雾浓度大于1100 ppm，在设定预警阈值下，实施仿真测试实验.

2.1 数据采集与报警功能检测

检测本文系统运行时各传感器是否正常运行，并采集相应的数据，以及本文系统是否能够在各传感器采集数据比设定预警阈值高时发出报警信号.通过模拟的方式进行检测，在测试CO气体浓度时，将本文系统的CO浓度传感器放到一个封闭的容器中，并向该容器中投入一定浓度的可燃性气体；在实施烟雾测试时，取废弃可燃物实施燃烧试验，通过烟雾传感器采集烟雾浓度信息；在实施温度测试时，对放置温度传感器的测试容器实施持续加热，由温度传感器采集不同阶段的温度信息，所得检测结果见表1.

表1 数据采集与报警功能检测结果

通过表1能够看出，本文系统中各类传感器所采集信息随着检测环境的变化而产生改变，可见本文系统各类传感器运行正常且能够采集到不同检测阶段中的相关信息，采集信息符合实际情况.另外，本文系统能够在采集的信息高出设定预警阈值时发出报警，数据采集功能与报警表现良好.

2.2 信息融合处理性能检测

在实验环境内选取一处空旷场地通过燃烧大量废弃可燃物实施模拟火灾实验，经由本文系统实施监控，并以15s的时间间隔采集温度、CO浓度及烟雾浓度数据，对各传感器信息融合处理后，获取到融合信息的火灾发生概率，并对比获得结果与各个单独传感器信息的火灾发生概率，检验本文系统的信息融合处理性能.具体对比结果如图6所示.

图6 融合前后传感器信息判别概率对比

分析图6能够得知，温度传感器信息与CO浓度传感器信息判别有火灾的概率在三种判别状态中均为最高，分别为0.475和0.512，烟雾传感器信息判别不确定的概率为最高，可到达0.510.同时，各单独传感器判别有火灾与不确定的概率均较为相近.由此可见，温度传感器信息与CO浓度传感器信息的判别结果均为有火灾，而烟雾传感器信息所判别结果为不确定是否有火灾，此结果表明性质单一的传感器对是否发生火灾的判别结果存在一定的差距，且有火灾与不确定的判别概率相近，不利于精准判别森林火灾的状态，不确定性较高；而本文系统信息融合后所判别有火灾的概率可达到0.852，较单独传感器信息的有火灾概率最高值0.512有较大提升，同时大幅度降低了不确定概率，有效避免了各个单一性质传感器判别火灾是否发生所存在的判别缺陷，并将多个无线传感器信息间的矛盾消除掉，有效实现信息融合，提升整体火灾判别的精度.

2.3 并发响应性能检测

检测本文系统运行时，随着并发用户数量的增长，本文系统的事务响应时间及成功并发用户数，检测结果见图7.

由图7(a)可得出，在并发用户数量不高于100个的情况下，本文系统的事务平均响应时间均低于3.5 s，且随着并发用户数量的上升，本文系统的事务最快响应时间及平均响应时间均呈现升高趋势，在并发用户数量低于70个时升高幅度稍低，当并发用户数量高于70个时升高趋势明显；通过图7(b)可看出，当并发用户数量在10个～90个之间时，本文系统的执行成功并发用户数大幅度持续上升，当并发用户数量不低于90个时，执行成功的并发用户数保持在85个，总体可见，本文系统的并发事务响应用时短，可达到用户的使用需求，最高执行成功并发用户数为85个，综合并发响应性能较为理想.

3 结论

及时精准地监控森林火灾的发生，是有效降低森林火灾危害程度和科学合理保护森林资源的关键手段.因此，本文针对一种基于无线传感器网络信息融合的森林火灾无线监控系统展开研究，通过布设于监控森林不同区域内的温度、烟雾及CO浓度传感器构成无线传感器网络节点，并由数个此类节点组成无线传感器网络，以此为基础构建森林火灾无线监控系统.通过构建的系统采集实时温度、烟雾及CO浓度信息，并实施多个无线传感器的信息融合，通过获取融合信息得到森林火灾的状态判别概率，当此概率值高于设定预警阈值时，系统发出报警，并启动现场灭火设备，实现对森林火灾的无线监控.仿真测试结果表明，本文系统内的各传感器运行状况良好，可完成相关信息的采集，且可在采集信息数据比设定预警值高时发出报警信号，未出现漏报现象.本文监控系统通过信息融合处理将各传感器信息间的矛盾去除掉，解决单个传感器对火灾发生概率实施判别时的差距缺陷，提高判别的精度.实现85个执行成功并发用户数，且在并发用户数量不高于100个的情况下，事务平均响应时间低于3.5 s，满足用户的使用需求.