基于UAV-WSN 的空中数据采集

王 鹏

（山西警官职业学院，山西 太原 030006）

引言

无线传感器网络（Wireless Sensor Network，WSN）被广泛应用于国防军事、环境监测、农业生产、工业生产、城市管理、医疗健康和家居安防等领域。根据应用于不同领域的规模不同，可分为大规模WSN 和小规模WSN。小规模WSN 节点较少，部署灵活方便，可以采用静态数据采集方式来采集数据，通常部署在家庭、办公楼、医院等场所。大规模WSN节点较多，需要通过地面移动设备完成数据采集，通常部署在城市、农田、矿区等场所。对于一些环境恶劣的特殊监测区域，例如山区、森林、湖泊、沼泽或其他交通不便、人类无法到达或接近的位置，地面移动设备难以完成数据采集，需要借助无人机（Unmanned Aerial Vehicle，UAV）作为空中移动数据采集设备。

1 WSN 数据采集

1.1 静态WSN 数据采集

传统的静态WSN 通常采用汇聚节点固定，普通节点通过一跳或多跳路由使用网络上传数据的方式进行数据采集。这种数据采集方式的优点是简单、易实现，通过人工部署的传感器节点位置可控，数据采集更加灵活。在大规模WSN 中，传感器位置分布范围广、距离远、无规律，远程的传感器节点需要通过多跳路由路径上传数据，数据跳数越多，发生错误的概率越高。此外，承担转发数据任务的中继节点要耗费大量能量，可能会导致网络内耗不均衡而出现系统故障。因此，静态数据采集方式常用于小规模WSN。

1.2 MSWSN 数据采集

MSWSN（Mobile sink WSN）是指将数据采集装置安装在可移动设备上，通过移动访问传感器网络来获取传感器节点的数据。这种数据采集方式中，配备有数据采集装置的移动设备能够自由地在WSN覆盖区域内活动，理论上可以采集到任意一个传感器节点的数据，能够有效解决静态WSN 数据采集方式中传感器位置分布范围广、距离远、无规律的问题。通过移动设备的移动，可以有效减少数据跳数，从而提高数据转发效率，还能够减少系统总体能耗，解决延网络内耗不均衡的问题，延长系统寿命。因此，MSWSN 数据采集方式更适用于大规模WSN。但是，这种数据采集方式易受到地面部署环境的影响，无法适用于部署环境恶劣的特殊监测区域。

1.3 UAV 数据采集

除了传统的地面数据采集方式，还可以采用空中移动传感器节点采集数据，例如使用UAV 采集部署在恶劣环境中的WSN 中的数据。UAV 数据采集方式具备以下优点：一是网络部署更易实现。采用UAV 进行空中数据采集，可以不受地面环境影响，且能够用于某些人类不易到达或接近的特定区域。二是数据采集效率更高。因为UAV 的高灵活性和机动性，能够更快速地搜索和访问节点。尤其是在采集大规模WSN 数据时，能够极大地提高数据采集效率。三是数据通信延迟更低。空中数据采集无线信号覆盖范围更大，且障碍物更少，可以有效降低通信延迟[1]。

2 UAV 数据采集的技术难点

UAV 数据采集方式能够适用于大规模无线传感器网络中的数据采集，并且克服了传统地面数据采集方式在部署环境方面的局限性，但是仍然有一些技术难点需要解决。一是如何在恶劣环境下的大规模WSN 部署网络。对于小规模WSN，可以采用人工放置传感器节点的方式进行灵活部署。但对于大规模WSN，尤其是恶劣环境下的大规模WSN，显然无法通过人工放置的方式进行网络部署。如何在恶劣环境下的大规模WSN 部署网络是首先要解决的难题。二是如何准确获取传感器节点位置。如果采用UAV 随机投放传感器节点来实现恶劣环境下的大规模WSN 网络部署，那么对投放出去的传感器节点进行准确定位是面临的又一个难题。这些传感器节点的位置分布是随机的、无规律的，必须通过安装GPS 模块来获取其准确的位置信息。然而，大规模WSN 需要的传感器数量较多，大量安装GPS 模块必然会增加节点成本，并且GPS 模块会消耗节点的能量。三是如何实现最优路径规划。目前，常见的多旋翼无人机都配有GPS 模块，能够实现UAV 的自主导航功能。我们要解决的是为UAV 规划一条能够覆盖全部传感器节点的最优路径，以提高数据采集的效率。

3 UAV-WSN 系统架构

本文提出的UAV-WSN 数据采集系统架构主要包括以下五个部分。

3.1 网络部署

在恶劣环境下的大规模WSN 中，通常采用UAV 投放传感器节点的方式部署网络。这种方式布置的传感器节点呈无规律随机分布，WSN 的某些区域节点分布密集，某些区域分布稀疏甚至没有节点[2]。传感器节点分布不均匀，会导致某些区域无法被监测到。因此，在网路部署时，除了考虑节点部署的高效、便捷，还必须保证节点分布均匀。此外，UAV-WSN 架构是基于分布式网络进行节点定位。部分节点装有GPS 模块，能够准确获取其位置信息，称之为信标节点（或锚点），其余无法获取位置信息的节点称之为未知节点。信标节点和未知节点要按适当比例均匀混合分布在WSN 中。

3.2 节点定位

在信标节点和未知节点均匀混合部署后，下一步是对全部节点进行定位。信标节点的位置是已知的，可以通过测量节点间的距离，来确定未知节点的位置。常用的定位算法是基于到达时间（ToA）、到达时差（TDoA）、到达角度（AoA）和接收信号强度（RSS）。这些定位算法都是基于测距实现的，优点是定位精度好，缺点是功耗和成本高[3]。经分析比较，系统采用分布式节点定位算法。有关研究表明，当信号强度一定时，节点间的距离呈正态分布[4]。在相同环境下，信号强度和节点距离的正态分布固定，可以通过其均数和标准差计算位置参数，还可以通过多个信标节点来提高未知节点的定位精度。环境发生变化后，只需调整均数和标准差即可。

3.3 锚点搜索

小规模WSN 的最小覆盖范围可以通过最小圆覆盖法获得。完成节点定位后，数据中心可以得到一个由节点位置信息组成的集合。每一个传感器节点的无线信号覆盖范围都可以看作是一个固定半径的圆。首先，假设整个WSN 的最小覆盖范围包含所有的传感器节点无线信号覆盖圆。然后，减少圆的数量，直到圆的数量为n 时，无论如何排列剩下的圆，都无法覆盖全部的传感器节点。那么，n+1 就是WSN覆盖范围的最小圆数，其对应的排列就是问题的最小覆盖解。但是，这种算法无法适用于节点数量多的大规模WSN。大规模WSN 的最小覆盖范围可以通过网格划分法获得。首先，将整个区域划分为几个大小相同的正方形。然后，使用全搜索算法计算每个方格中传感器节点的最小覆盖范围。最后，将每个方块的最小覆盖范围合并为一个整体，即WSN 的最小覆盖范围。最小覆盖范围中的节点可以作为UAV 采集数据的锚点，这些节点称之为头节点。

3.4 路径规划

搭载GPS 模块的UAV 可以按照提前设定好的路线进行自主巡航。UAV-WSN 系统只需要设计一条能够访问全部锚点的最优飞行路径。考虑到传感器节点被均匀地部署在大规模WSN 中，可以采用网格划分法[5]。首先，将WSN 最小覆盖范围划分为若干个大小相同的正方形区域。然后，根据“行优先”原则将正方形区域中的路径进行组合，即扫描时同一行中的正方形先于其他行。

3.5 数据采集

全部节点定位完成后，进入半休眠状态（即低功耗模式）。节点关闭无线模块，停止数据传输，传感器模块开始采集数据，并临时存储到节点内部。UAV按照规划路径飞行到网络范围内，与地面传感器节点建立连接并采集数据。

4 结语

相较于传统的WSN 数据采集方式，本文提出的UAV-WSN 架构不仅能够适用于大规模WSN，而且凭借UAV 的高机动性和灵活性，能够实现恶劣环境下的WSN 数据采集，可以广泛应用于森林、山区、沼泽、火山、湿地和沙漠等特殊监测区域的数据采集。