摘要: 隨著無線終端數量的快速增長和多媒體圖像等高帶寬傳輸業務需求的增加，農業物聯網相關領域可預見地會出現無線頻譜資源緊缺問題。針對基于傳統物聯網的作物表型信息采集系統中存在由于節點密集部署導致數據傳輸過程容易出現頻譜競爭、數據擁堵的現象以及固定電池的網絡由于能耗不均衡引起監測周期縮減等諸多問題，本研究建立了一個認知無線傳感器網絡（CRSN）作物表型信息采集模型，并針對模型提出一種引入邊緣計算機制的動態頻譜和能耗均衡（DSEB）的事件驅動分簇路由算法。算法包括：（1）動態頻譜感知分簇，采用層次聚類算法結合頻譜感知獲取的可用信道、節點間的距離、剩余能量和鄰居節點度為相似度對被監控區域內的節點進行聚類分簇并選取簇頭，構建分簇拓撲的過程對各分簇大小的均衡性引入獎勵和懲罰因子，提升網絡各分簇平均頻譜利用率；（2）融入邊緣計算的事件觸發數據路由，根據構建的分簇拓撲結構，將待檢測各區域變化異常表型信息觸發事件以簇內匯聚和簇間中繼交替迭代方式轉發至匯聚節點，簇內匯聚包括直傳和簇內中繼，簇間中繼包括主網關節點和次網關節點-主網關節點兩種情況；（3）基于頻譜變化和通信服務質量（QoS）的自適應重新分簇：基于主用戶行為變化引起的可用信道改變，或分簇效果不佳對通信服務質量產生的干擾，觸發CRSN進行自適應重新分簇。此外，本研究還提出了一種新的能耗均衡策略去能量消耗中心化（假設sink為中心），即在網關或簇頭節點選取計算式中引入與節點到sink的距離成正比的權重系數。算法仿真結果表明，與采用K-medoid分簇和能量感知的事件驅動分簇(ERP)路由方案相比，在CRSN節點數為定值的前提下，基于DSEB的分簇路由算法在網絡生存期與能效等方面均具有一定的改進；在主用戶節點數為定值時，所提算法比其它兩種算法具有更高頻譜利用率。

　　關鍵詞: 認知無線傳感器網絡(CRSN)；作物表型信息采集；能耗均衡；分簇路由

　　1 引 言

　　無線傳感器網絡（Wireless Sensor Networks，WSNs）在以農情信息精確獲取為前提的精準農業中具有重要應用。將WSNs應用于需要高通量數據傳輸的作物表型信息采集系統中，可以解決人力監測成本高、周期長、規模和數據量大以及遠程監測難等問題。2017年，法國國家農業研究院的Francois Tardieu和諾丁漢大學的Malcolm Bennett共同提出了多層次表型組的研究構想，以此將感知數據轉化為有意義的生物學知識[1]。然而，這種作物表型系統需要密集部署的傳感器節點才能完成巨量圖像和傳感器數據的采集[2,3]，并且由于節點部署的過于密集，農業物聯網的相關領域在傳輸過程中已逐漸出現無線頻譜資源緊缺的趨勢[4,5]。一方面，在為了監測農作物的生長與發育形態的節點相對密集部署的農作物環境中，以工業、科學和醫療頻段為典型代表的非授權頻譜使用將出現擁堵現象；另一方面，一些傳輸特性較好的低頻授權頻段的利用率卻很低[6-8]。為此，Mitola于1999年提出了認知無線電（Cognitive Radio，CR）的概念來解決頻譜利用不均衡的問題[9]。融入認知無線電技術的傳感器網絡被稱為認知無線傳感器網絡（Cognitive Radio Sensor Networks，CRSN）[10]。

　　2 前人相關工作

　　2.1　CRSN分簇路由

　　自2009年，Ozgur等[10]首次在研究論文中提出CRSN，其對分簇路由協議的研究就從未停止過。王繼紅和石文孝[14]在2018年對近年的CRSN分簇路由協議按時間觸發和事件驅動兩個方面進行了分類綜述總結。WSNs相關的分簇路由協議前人已經做了大量工作，然而，針對農業物聯網的CRSN分簇路由算法的考慮因素、考慮頻譜可用性變化、保護主用戶、跨層設計、數據通信等方面還有待開發。本節將從網絡的重新分簇機制、能耗均衡研究以及簇內與簇間通信的設計模式3方面對近年CRSN的分簇路由的研究進展進行介紹。

　　2.2　CRSN在農業物聯網中應用現狀

　　近年，在基于農業物聯網的作物表型信息采集系統中，CRSN憑借其高效的頻譜利用特性逐漸引起了學者的關注。2004年，IEEE 802.22無線區域局域網（Wireless Regional Area Network，WRAN）工作組成立，負責認知無線電物理層和MAC協議標準的制定，包括制定認知設備在電視頻譜中使用的標準[31];2015年，阿爾及利亞的研究人員設計了一種利用蜂窩頻段進行傳輸的智能農業遠程監測和控制灌溉系統，并通過仿真對提議的方法進行驗證[32];2016年，美國聯邦通信委員會（Federal Communications Commission，FCC）已允許將470~698 MHz頻譜范圍內的認知無線電設備用于農業機械和農業設備的數字農業應用[33];2017年Zhou等[3]開發的CropQuant系統是以基于物聯網平臺獲取大量特征數據后的生物性狀分析算法為研究對象，但具體關于該平臺如何從密集部署的傳感器節點避免頻譜擁堵，以較小的延遲、能耗以及丟包率完成數據的傳輸，且在固定的電池能量耗盡前，盡量持久地完成作物表型檢測任務，即對傳統的物聯網平臺在密集部署的終端中暴露出的路由傳輸問題，沒有進行詳細說明;2019年，Reynolds等[34]在CropQuant平臺的基礎上開發了具有分布式植物表型信息交互和集中式數據管理兩部分功能的CropSight系統，系統采用的有線和無線兩種數據傳輸方式。有線傳輸的方式可以避免出現CropQuant平臺的路由問題，但需要較高的成本;同年，Salam和Karabiyik[7]介紹了數字農業在認知物理層的合作疊加方法，所提認知直接序列擴頻（Cognitive Direct Sequence Spread Spectrum，CDSSS）方法通過在非認知用戶之間進行信息交換來獲取頻譜同步、多用戶解碼、中繼和協作。

　　3 作物表型信息采集網絡模型構建與評估指標設計

　　物聯網與云計算相結合組成的作物表型信息監測系統通常都是將數據以時間觸發的方式周期性地集中上傳至數據中心，再由數據中心進行統一計算處理和決策。但面對爆發式增長的設備和數據，尤其是在需要連續、近實時獲取巨量圖像和傳感器數據作為植物視覺識別輸入田間表型監測系統中，傳統物云結合的農業物聯網由于所有計算均在云端進行，且多數采用時間觸發驅動等原因已逐漸暴露出通信能耗開銷大、帶寬需求高、時延大、中心節點計算壓力大和數據安全與隱私保障等問題[34,42]。近年來，邊緣計算作為一種新模式，提出讓物聯網的每個邊緣設備都具有數據采集、分析計算、通信和智能處理的能力。邊緣傳感器節點不再需要持續不斷的往網絡數據中心傳遞數據集中處理，而是將原本由中心處理的大型服務分解到網絡的邊緣，由邊緣的傳感器節點自己判斷各種感知數據，只有讀數發生重大變化時才告知數據中心[43,44]。引入邊緣計算的CRSN可以大大提高傳感能力和QoS，包括有效地減少帶寬、提升響應處理速度以及保護數據的隱私等[42,45]。

　　4 結 論

　　本研究針對精準農業中作物表型信息精確獲取的需求和已出現的網絡生存期短、能耗不均衡以及即將出現的頻譜擁堵等問題，構建了基于事件驅動的CRSN作物表型信息采集模型，并對其多跳分簇路由提出一種DSEB的解決方案。在檢測到源節點觸發事件后，采用層次聚類的分簇機制構建分簇。對聚類迭代過程各分簇節點數量的平衡性引入獎勵和懲罰因子；路由過程通過簇內匯聚和簇間中繼迭代，將數據以多跳傳輸至sink。為了適應主用戶行為改變和保證主次用戶的QoS，該算法引入自適應頻譜的重新分簇機制。在網關或簇頭節點選取計算式中引入與節點到sink的距離成正比的權重系數作為能耗均衡策略去能耗中心化。仿真結果表明，DSEB算法在頻譜利用率、網絡生存期以及能效等方面均具有一定改進。

　　參考文獻：

　　[1] TARDIEU F, CABRERA-BOSQUET L, PRIDMORE T, et al. Plant phenomics, from sensors to knowledge[J]. Current Biology, 2017, 27(15): R770-R783.

　　[2] 徐凌翔, 陳佳瑋, 丁國輝, 等. 室內植物表型平臺及性狀鑒定研究進展和展望[J]. 智慧農業(中英文), 2020, 2(1): 23-42.XU L, CHEN J, DING G, et al. Indoor phenotyping platforms and associated trait measurement: Progress and prospects[J]. Smart Agriculture, 2020, 2(1): 23-42.

　　[3] ZHOU J, REYNOLDS D, CORN T L, et al. CropQuant: An automated and scalable field phenotyping platform for crop monitoring and trait measurements to facilitate breeding and digital agriculture[J]. bioRxiv, 2017. https://doi.org/10.1101/161547.

　　作者汪進鴻 1,2, 韓宇星 1,2*

　　推薦閱讀：智慧農業無線傳感器精確定位