论文部分内容阅读
摘 要：无线传感器网络的一个重要应用是森林火灾监测。本文提出了用于森林火灾监测的阈值算法，该算法基于数据融合技术。本文采用状态转换机模拟了火灾的状态转换过程，通过设置关键阈值来完成状态转换。仿真结果表明，该方法能有效的监测突发事件的发生。
关键词：无线传感器网络；阈值算法；火灾监测
中图分类号：TP212.9
无线传感器网络（WSNs，Wireless Sensor Networks）是由无线传输设备组成的复杂的分布式系统。其中，节点（Nodes）间并没有固定的结构，它们能够利用多跳通信和自组织技术来交换信息。节点通常是1个低功耗的设备，由1到多个传感器、1个处理器、1个存储器、电源、天线和执行器组成[1]。无线传感器网络能应用于多种场景，如场景监测、物体跟踪等。
由于存储容量和处理能力的限制，WSNs的节点需要定期向基站（Base Station）传输部分处理过的数据。基站对收到的信息进行处理后采取相应的行动，如通知用户某事件发生了。
突发事件监测是无线传感器网络的典型应用之一，如森林火灾探测[2]等。类似于森林防火监测这种大覆盖范围的突发事件监测，通常采用自动视频监控[4]或卫星图像监控[5]的方式。然而较低的空间分辨率会造成火灾监测的延迟。
最近，有人提出使用WSNs来监测森林火灾[6]。通过将大量的传感器部署到卫星不可见的区域，来增加更早期和更精确发现火灾的可能性。
WSNs的事件监控应用本质上是一个信息融合过程[7]。数据融合过程可以被定义为，“使用理论、技术和工具，在获取到的多源信息中，利用信息之间的协同性和冗余性，来产生比单源信息更优的结果（可能是数量上的或质量上的更优，如精确度、鲁棒性）”[8]。文献[3]就利用多传感器在特征层的信息融合技术来实现火灾探测系统
1 相关工作
Doolin和Sitar在文献[11]中提出了基于WSNs来监测森林火灾。传感器节点能够探测到温度、湿度和气压，并且每个都有GPS单元。然而，本文并没有描述任何监测火灾的方法。
Yu等在文献[12]提出用WSNs监测森林火灾的方法，该方案采用了温度、相对湿度、烟雾和风速传感器。节点分簇组织，簇头节点通过计算簇内节点的数据，利用神经网络，得出1个天气指数，根据该指数判断火灾的风险。
Hartung提出了FireWxNet系统，该系统能够监测野外复杂环境下的天气情况，它采用了多层可移动无线系统。节点可以感知温度、相对湿度、风速和风向。该系统主要适用于火灾发生后的火情监控，而不是预警。
2 基于阈值的算法
为了设计1个能够用WSN来监测森林火灾的算法，最重要的是理解火灾发生时的环境条件。本文收集了大量火灾发生时的有关温度、亮度和相对湿度信息，也采用相应的传感器来监测上述指标，这些传感器相对便宜而且易于大规模使用。使用的传感器越多，可靠性越高，但同时增加了能耗和部署成本。因此本文的设计目标是在效率和成本之间取得折中。
本文首先测量了没有火灾发生时的数据。然后，本文人为制造了一些小火头，来测量火灾情况下的数据。通过对比2组数据，本文主要是想找出火灾发生早期的数据阈值。
当火灾发生时，温度急剧上升，而相比湿度急剧下降。除了火灾，强烈阳光直接照射传感器也会造成上述的变化。在本文的观测中，火灾发生时，亮度的变化并不明显，原因是本文主要观测火灾发生初期的变化，对于大规模火灾，亮度的变化会很明显。
根据观测，本文设计了一种阈值算法来检测火灾，该算法采用了文献[7]的基于阈值的信息融合技术。该算法的理论模型是图2所示的有限狀态机。共有5种状态，根据温度、亮度和相对湿度的数据变化导致状态转移。
3 实验结果及分析
如前所述，本文在8月到10月收集了广东地区某森林的温度、亮度和相对湿度的数据。同时，为了评估本文提出的阈值算法，本文人工产生了一些明火。传感器网络中的传感器节点每7秒采集1次数据。为了节省能源，采集的数据每28秒才传回给基站。实验选取每1天中不同的时间段来进行。
4 结论和后续工作
本文提出了一种基于信息融合方法的森林火灾检测算法。该算法具体使用了阈值方法，利用带有温度、湿度和亮度传感器的传感器网络。实验结果证明该算法能够用于监测火灾发生的初始阶段，但也会因为传感器节点暴露在阳光下造成误报。基于阈值的算法简单并且易于实现，实验结果也证明该算法能够监测到全部的火情。
后续工作包括以下几个方面：
（1）结合火灾监测区域的历史气象数据和火情数据，建立某种专家系统，利用启发式规则在不同的时间段动态调整窗口大小和阈值等参数，以达到更为准确的火灾监控；
（2）结合无线传感器网络的定位技术，准确定位火灾发生的地点；
（3）结合多媒体传感器网络的摄像传感器，传送火情发生地的实时影像，消除误报和漏报的次数；
（4）在完全可测的情况下，可通过布设基于传感器网络技术的消防装置和隔火带进行火情控制。
参考文献：
[1]J. Yick，B. Mukherjee， D. Ghosal，Wireless sensor network survey， Computer Networks 52（12）（2008）2292-2330.doi：10.1016/j.comnet.2008.04.002.
[2]王丽萍.基于多传感器信息融合技术的火灾探测系统研究[D].湖南大学，2006.
[3]傅剑锋.基于数据融合技术的火灾探测算法研究[D].重庆大学，2007.
[4]E.D.Breejen，M.Breuers， F. Cremer， R. Kemp， M. Roos， K. Schutte， J. S. D. Vries， Autonomous forest fire detection， in： Proceedings of the 3rd International Conference on Forest Fire Research， Vol. 2， Nov， 1998， pp.2003-2012.
[5]NASA，National environment satellite.http：//modis.gsfc.nasa.gov/.
作者简介：王越超，博士研究生，讲师。
作者单位：广州城市职业学院 信息技术系，广州 510405
关键词：无线传感器网络；阈值算法；火灾监测
中图分类号：TP212.9
无线传感器网络（WSNs，Wireless Sensor Networks）是由无线传输设备组成的复杂的分布式系统。其中，节点（Nodes）间并没有固定的结构，它们能够利用多跳通信和自组织技术来交换信息。节点通常是1个低功耗的设备，由1到多个传感器、1个处理器、1个存储器、电源、天线和执行器组成[1]。无线传感器网络能应用于多种场景，如场景监测、物体跟踪等。
由于存储容量和处理能力的限制，WSNs的节点需要定期向基站（Base Station）传输部分处理过的数据。基站对收到的信息进行处理后采取相应的行动，如通知用户某事件发生了。
突发事件监测是无线传感器网络的典型应用之一，如森林火灾探测[2]等。类似于森林防火监测这种大覆盖范围的突发事件监测，通常采用自动视频监控[4]或卫星图像监控[5]的方式。然而较低的空间分辨率会造成火灾监测的延迟。
最近，有人提出使用WSNs来监测森林火灾[6]。通过将大量的传感器部署到卫星不可见的区域，来增加更早期和更精确发现火灾的可能性。
WSNs的事件监控应用本质上是一个信息融合过程[7]。数据融合过程可以被定义为，“使用理论、技术和工具，在获取到的多源信息中，利用信息之间的协同性和冗余性，来产生比单源信息更优的结果（可能是数量上的或质量上的更优，如精确度、鲁棒性）”[8]。文献[3]就利用多传感器在特征层的信息融合技术来实现火灾探测系统
1 相关工作
Doolin和Sitar在文献[11]中提出了基于WSNs来监测森林火灾。传感器节点能够探测到温度、湿度和气压，并且每个都有GPS单元。然而，本文并没有描述任何监测火灾的方法。
Yu等在文献[12]提出用WSNs监测森林火灾的方法，该方案采用了温度、相对湿度、烟雾和风速传感器。节点分簇组织，簇头节点通过计算簇内节点的数据，利用神经网络，得出1个天气指数，根据该指数判断火灾的风险。
Hartung提出了FireWxNet系统，该系统能够监测野外复杂环境下的天气情况，它采用了多层可移动无线系统。节点可以感知温度、相对湿度、风速和风向。该系统主要适用于火灾发生后的火情监控，而不是预警。
2 基于阈值的算法
为了设计1个能够用WSN来监测森林火灾的算法，最重要的是理解火灾发生时的环境条件。本文收集了大量火灾发生时的有关温度、亮度和相对湿度信息，也采用相应的传感器来监测上述指标，这些传感器相对便宜而且易于大规模使用。使用的传感器越多，可靠性越高，但同时增加了能耗和部署成本。因此本文的设计目标是在效率和成本之间取得折中。
本文首先测量了没有火灾发生时的数据。然后，本文人为制造了一些小火头，来测量火灾情况下的数据。通过对比2组数据，本文主要是想找出火灾发生早期的数据阈值。
当火灾发生时，温度急剧上升，而相比湿度急剧下降。除了火灾，强烈阳光直接照射传感器也会造成上述的变化。在本文的观测中，火灾发生时，亮度的变化并不明显，原因是本文主要观测火灾发生初期的变化，对于大规模火灾，亮度的变化会很明显。
根据观测，本文设计了一种阈值算法来检测火灾，该算法采用了文献[7]的基于阈值的信息融合技术。该算法的理论模型是图2所示的有限狀态机。共有5种状态，根据温度、亮度和相对湿度的数据变化导致状态转移。
3 实验结果及分析
如前所述，本文在8月到10月收集了广东地区某森林的温度、亮度和相对湿度的数据。同时，为了评估本文提出的阈值算法，本文人工产生了一些明火。传感器网络中的传感器节点每7秒采集1次数据。为了节省能源，采集的数据每28秒才传回给基站。实验选取每1天中不同的时间段来进行。
4 结论和后续工作
本文提出了一种基于信息融合方法的森林火灾检测算法。该算法具体使用了阈值方法，利用带有温度、湿度和亮度传感器的传感器网络。实验结果证明该算法能够用于监测火灾发生的初始阶段，但也会因为传感器节点暴露在阳光下造成误报。基于阈值的算法简单并且易于实现，实验结果也证明该算法能够监测到全部的火情。
后续工作包括以下几个方面：
（1）结合火灾监测区域的历史气象数据和火情数据，建立某种专家系统，利用启发式规则在不同的时间段动态调整窗口大小和阈值等参数，以达到更为准确的火灾监控；
（2）结合无线传感器网络的定位技术，准确定位火灾发生的地点；
（3）结合多媒体传感器网络的摄像传感器，传送火情发生地的实时影像，消除误报和漏报的次数；
（4）在完全可测的情况下，可通过布设基于传感器网络技术的消防装置和隔火带进行火情控制。
参考文献：
[1]J. Yick，B. Mukherjee， D. Ghosal，Wireless sensor network survey， Computer Networks 52（12）（2008）2292-2330.doi：10.1016/j.comnet.2008.04.002.
[2]王丽萍.基于多传感器信息融合技术的火灾探测系统研究[D].湖南大学，2006.
[3]傅剑锋.基于数据融合技术的火灾探测算法研究[D].重庆大学，2007.
[4]E.D.Breejen，M.Breuers， F. Cremer， R. Kemp， M. Roos， K. Schutte， J. S. D. Vries， Autonomous forest fire detection， in： Proceedings of the 3rd International Conference on Forest Fire Research， Vol. 2， Nov， 1998， pp.2003-2012.
[5]NASA，National environment satellite.http：//modis.gsfc.nasa.gov/.
作者简介：王越超，博士研究生，讲师。
作者单位：广州城市职业学院 信息技术系，广州 510405