基于卡尔曼滤波数据融合的温室监控系统

蔡小庆,鲁小利,张伟娟,李 昆（燕京理工学院信息科学与技术学院,河北廊坊,065201）



基于卡尔曼滤波数据融合的温室监控系统

蔡小庆,鲁小利,张伟娟,李 昆
（燕京理工学院信息科学与技术学院,河北廊坊,065201）

摘要：为实现温室农作物生长数据的实时采集和监测，设计了基于多传感器的无线监控系统。系统介绍了卡尔曼滤波的数据融合算法的实现及仿真，结果表明，卡尔曼滤波算法可以有效降低采样点数，提高传感器测量精度，耗能低，实时性好。农户通过上位机就能实时掌握草莓生长环境信息，利用融合后的数据控制执行机构进行相关操作，从而达到高产的目的。

关键词：监测系统;卡尔曼滤波;数据融合;耗能低

项目编号：2014012008廊坊市科技支撑项目

0 引言

光照强度、温湿度、土壤的PH值等因素影响着农作物的生长，如何快速、有效的提取这些信息能有利于农作物的生长，也是现代化精准农业管理的重要基础。随着现代技术的发展，无线传感器网络为农业信息的采集和处理提供了有效的途径，并得到了广泛的应用。本系统利用Zigbee无线网络和互联网技术，监控农作物种植发育的各个阶段，从而提高农产品的品质和产量。

本文设计的智能监测系统应用于温室或者大棚等封闭系统，可用于监控蔬菜、水果、花卉等农作物。为了节省网络能量、增强所采集数据的准确性和提高采集数据的效率，系统采用数据融合的办法对采集到的参数（光照强度、温湿度、PH值）进行数据融合，并根据这些信息采取相应的控制（加热、通风、遮阴、浇水等），从而达到增产、提高经济效益的目的。

1 温室监测系统的整体设计

系统采用基于Zigbee无线通信协议的CC2530作为开发平台，如图1所示。在大棚的不同位置安装8个CC2530子节点，每个子节点分别采集光照强度、温湿度、PH值数据参数，通过Zigbee无线网络发送到协调器端；CC2530协调器针对同类型有效的数据分别进行卡尔曼滤波的方法进行融合，得出最终的光照强度、温度、湿度、PH值数据；再通过RS-232串口传到监控中心，实现数据的采集；温室草莓生长最佳的温度为20- 30℃，气温高于30℃并且日照强时，需采取遮阴措施；低于20℃需采取加热措施。最佳光照范围是400-600W/m2； 最佳湿度范围是60%-70%，根据草莓生长周期各个参数设定阈值，农户最后只需通过上位机向协调器节点发送控制命令，通过光电耦合驱动电路控制执行器动作（电磁阀开、关及打开时间）。

图1　系统框图

2 数据优化算法

2.1 卡尔曼滤波算法

在温室监控系统中，每个传感器节点在动态监测时通常都产生大量的数据流，并具有实时性，为了保证节点数据的同步性和不失真性，考虑到无线传感器网络有限的传输带宽和计算资源的特点，本文提出了基于卡尔曼滤波的数据融合算法用于系统的数据融合处理，从而节约能源。

卡尔曼滤波法主要用于对动态环境中冗余传感器信息的融合，它实际上是一个离散控制过程系统，该系统的数学模型为：

式中，是k时刻对系统的观测矢量，是状态矢量；是系统参数，对于多个传感器节点，是系统的状态转移矩阵，H是系统观测矩阵；和 分别表示过程噪声和测量噪声，假定为高斯白噪声。

采用最小方差估计方法根据测量值z估计系统状态X的卡尔曼滤波器方法如下，它包括时间更新和测量更两个过程。时间更新方程负责及时向前推算当前状态变量和误差协方差估计的值，以便为下一个时间状态构造先验估计。时间更新方程如下：

卡尔曼滤波在有效去除噪声、得到更准确数据的同时，可以减少数据传输量，节省能耗。

2.2 数据融合处理

本系统中，对数据处理过程包括以下三个部分：

（1）阈值限定

以温度传感器为例，对被测温室环境参数进行测量，独立的得到, 草莓生长最佳的温度为20- 30℃,设定阈值。首先将传器节点采集到的数据与设定的阈值进行对比，若采集到的数据超出阈值设置范围，则将该数据直接传至上位机并且进行报警，提示用户打开相应控制设备，当采集值高于，则温室的环境温度高于正常值，需要打开通风继电器来降温；当采集值低于，则温室的环境温度低于正常值，需要打开加热继电器来升温，直到环境参数达到设定阈值范围内时再次报警提示用户停止相应操作。若采集到的数据在所设定阈值范围内，则将传感器节点采集到的数据通过卡尔曼滤波器进行滤波处理，再将数据传输至监控中心。

（2）卡尔曼滤波

首先设定过程噪声Q和协方差R，用设定的Q和R来构造卡尔曼递归式。当前采集到的值与前一时刻获得的数据相同时，没有控制量，。根据本时刻的状态估计下一时刻状态更新的过程如下：

将已通过阈值限定计算的数据通过卡尔曼滤波得到去除噪声的实际数据，记为。

（3）加权平均融合

将经过卡尔曼滤波器去除噪声的数据使用加权平均算法进行数据融合。加权平均法的计算公式如下：

为卡尔曼滤波的数据值，为对应的权数，y为加权平均数，作为传感器节点数据的最终值。当所有的都不相同时，加权平均算法即算术平均算法。将加权平均所得的融合值作为传感器节点数据的最终值传至上位机，用户通过上位机就可以传递指令，从而执行相应的控制。

采用同样的方法，得到融合后的光照强度值、湿度值和PH值，最后将数据传送至上位机数据库，监控中心对传感器上传的数据进行实时显示，农户还可以对不同位置、不同时刻的传感器节点监测到的环境参数进行查询，了解草莓的生长环境情况。

2.3 仿真结果与分析

数据融合技术是无线传感器网络中实现节能的关键技术，通过去除冗余的数据信息，减少网络通信量，提高能源的有效性。假设传感器节点以固定间隔进行数据采集，采用卡尔曼滤波算法求5000个采样周期内协调器端接收的数据量，结果如图2所示。

图2　卡尔曼滤波融合节能对比图

从图2可以看出，利用卡尔曼滤波数据融合后，一定采样周期内，协调器节点的接收数据量明显减少了，而且采样周期数越大，接收数据量的差别越明显，在采样周期数5000左右时，节点接收的数据量减少了近1/3，说明卡尔曼滤波算法能够有效的减少数据传输量，进而延长传感器节点的生命周期，达到了很好的节能效果。

3 结论

本系统设计的温室监控系统，能够实时准确的监测温室环境参数，节省了人力资源，系统采用8个传感器子节点，采集不同位置感知参数，并采用卡尔曼滤波数据融合的算法后将数据传送至监控中心。仿真实验表明，基于卡尔曼滤波的数据融合能有效减少数据传输量，节省能源，同时为实现大规模温室监控的信息化、自动化具有一定的实际应用价值。

参考文献

[1]宋庆恒.基于多传感器数据融合的蔬菜大棚控制系统设计[J].农机化研究,2015.4

[2] 郭文川.基于无线传感器网络的温室环境信息监测系统[J].农业机械学报,2014.7

[3] 黄海平.无线传感器网络中基于数据融合树的压缩感知算法[J].电子与信息学报,2014.10

[4] 闻成章.基于GPRS的灌区水位智能监测系统设计[J].农机化研究, 2015.4

[5] 卢胜利.基于卡尔曼滤波的多温度传感器数据融合系统[J].现代科学仪器,2013.2

蔡小庆：燕京理工学院，讲师、研究方向：信号与信息处理。

Greenhouse Monitoring System Based on Kalman Filter

Cai Xiaoqing,Lu Xiaoli,Zhang Weijuan,Li Kun
(Yanching Institute of technology, Langfang 065201,China)

Abstract：In order to realize the real-time collection and monitoring of greenhouse crop growth data, design a wireless monitoring system based on multi sensor.The system introduces the implementation and simulation,Calman filter data fusion algorithm.The results show that the Calman filter algorithm can effectively reduce the number of sampling points,improve the measurement accuracy,low energy consumption, good real-time performance.Through the host computer,the farmers can master the information of the growth environment of strawberry in real time,and then use the data to control the operation of the data to achieve the purpose of high yield.

Keywords：monitoring system;Calman filter;data fusion;low energy consumption

作者简介