CN101557647B - 无线传感器网络农田污染区域跟踪系统及其方法 - Google Patents

Abstract

本发明涉及一种无线传感器网络农田污染区域跟踪系统，其包括对农田参数指标进行采集的智能传感器节点，接收采集到的农田参数指标数据以及智能传感器节点ID号的网关节点以及接收并处理采集到的农田参数指标数据、智能传感器节点ID号与网关节点IP地址的远程数据中心，远程数据中心通过用户界面将智能传感器节点的信息进行时空分析并显示出来。本发明的定位精确、能在移动网络环境下实现具有自调整性的定位算法，并且能够抵御外界环境的各种干扰。本发明还公开了一种无线传感器网络农田污染区域跟踪方法。

Description

无线传感器网络农田污染区域跟踪系统及其方法

技术领域

本发明属于无线传感器网络，尤其涉及一种无线传感器网络农田污染区域跟踪系统及其方法。

背景技术

无线传感器网络是由大量的集成有传感器、数据处理单元和无线通信模块的微小节点通过自组织(Ad hoc)的方式构成的网络。它综合了传感器技术、嵌入式计算技术、现代网络与无线通信技术、分布式信息处理技术，具有十分广阔的应用前景。同时它在军事国防、工农业、城市管理、生物医学、环境监测、抢险救灾、反恐、危险区域远程控制等许多重要领域都有潜在的实用价值。

在农业方面，农业是国民经济的基础，农业的可持续发展将直接影响我国整个社会经济的发展。目前，我国农产品与农田环境的安全形势正日趋严峻。随着工业化、现代化和社会经济的快速发展，人口的急剧增长，以及人类对资源不合理利用，工业“三废”及生活废弃物的排放引发的环境污染，化肥、农药、生长激素、农用塑料薄膜等化学物质的大量使用，规模化养殖业的发展带来的禽畜废弃物增加，工业废弃污染物的农业利用及农田废弃物不合理处置等，已造成了农业系统中水体-土壤-生物-大气的直接、复合、交叉与循环污染(即有关专家提出的“农业立体污染”)，极大地影响了农业生态系统的稳定及其功能的发挥，从而严重威胁我国农产品的安全生产。所以根据无线传感器网络在农业上广阔的应用前景，建立基于无线传感器网络的农田污染监控技术，构建农田系统立体污染防治信息技术发展体系，提高对农田系统立体污染灾情的监测与预报能力，非常必要。

然而在构建于无线传感器网络的农田污染监控系统的同时，采集农业系统立体污染的基础数据信息必须结合其在测量坐标系内的位置信息，否则无法确定污染源的发生的区域，影响系统的分析和决策。所以建立无线传感器网络农田污染区域跟踪系统，确定和追踪污染区域的位置，是进一步对农田系统污染监控和预测的前提。无线传感器网络农田污染区域跟踪系统属于室外无线传感网络定位系统，目前室外无线传感器网络定位技术仍然存在着缺乏更加有效精确的测距方法，来精确确定无线传感器网络定位。

发明内容

针对现有技术存在的问题，本发明提供一种能有效提高定位精度的无线传感器网络农田污染区域跟踪系统及其方法。

为实现上述目的，本发明的技术方案为：一种无线传感器网络农田污染区域跟踪系统，其包括对农田参数指标进行采集的智能传感器节点，接收采集到的农田参数指标数据以及智能传感器节点ID号的网关节点以及接收并处理采集到的农田参数指标数据、智能传感器节点ID号与网关节点IP地址的远程数据中心，远程数据中心通过用户界面将智能传感器节点的信息进行时空分析并显示出来。

该智能传感节点主要由单片机、无线射频模块、传感器探测单元以及供电单元部分组成，传感器探测单元采集农田参数指标的各个模拟信号，并把模拟信号转化成数字信号，通过单片机处理后，通过无线射频模块把数据传送到网关节点。

该网关节点包括微处理器、无线射频模块、嵌入式数据库及GPRS无线通信模块，该网关节点接收附近所有智能传感器节点发送过来的数据，并且通过GPRS无线通信模块上传到远程数据中心。

一种无线传感器网络农田污染区域跟踪方法，其包括以下步骤：

(1)智能传感节点对农田参数指标进行采集；

(2)智能传感器节点将采集到的数据以及其ID号发送到附近的网关节点；

(3)网关节点利用GPRS无线通信模块把采集到的农田参数指标数据、智能传感器节点ID号以及网关节点的IP地址发送到远程数据中心；

(4)远程数据中心把网关节点的发送过来的数据存储到数据库，并且对数据进行处理；

(5)判读采集到的农田参数指标是否大于农田系统的安全指标；如果小于农田系统的安全指标，重复步骤(1)；

(6)如果大于农田系统的安全指标，利用基于锚节点动态调整的无线传感器网络节点定位算法确定智能传感节点的位置；

(7)系统利用用户界面把智能传感节点的区域位置和污染指标参数显示出来。

基于锚节点动态调整的无线传感器网络节点定位算法的流程包括以下几个步骤：

(1)采用基于信号强度的距离相关的方法，通过节点发射功率的控制，动态选择智能传感节点附近信号强度最强的3个锚节点；

(2)根据数据信号衰减模型，把得到的3个锚节点的信号强度转化为测量距离；

(3)通过动态锚节点选择，确定两个锚节点到未知智能传感节点距离最小的锚节点位置以及两个锚节点到智能传感节点的距离；

(4)建立一个以到未知智能传感节点距离最短的锚节点为原点的坐标轴，通过求解方程组得到未知智能传感节点坐标；

(5)将坐标轴重新转移到原来的状态，根据三角形的边角关系得到未知智能传感节点的真实位置(x，y)。

选择信号强度最强的3个锚节点后，下一步就是把得到的3个锚节点的信号强度转化成距离，根据信号随着距离的增大而减少的原则，建立对数信号衰减模型：

$\mathrm{Pr}\left(d\right)=P\left(\mathrm{do}\right)-10n{\log }_{10}\left(\frac{d}{\mathrm{do}}\right)+{\mathrm{\ϵ}}_{\mathrm{dB}}---\left(1\right)$

其中P(do)为参考距离do接收到的信号，其由自由空间路径损耗方程得到，路径的损耗指数n由环境变量和周围的结果决定，εdB为零均值，它是以(σ2，N(0，σ2))变化的高斯分布随机变量。可以得到3个不同的发射功率对应着3个不同的对数信号衰减模型曲线，每个模型在特定的区域范围内才有效。然后基于对数据信号衰减模型的距离估算为：

$d=\mathrm{do}10\frac{-(P_r\left(d\right)-P\left(\mathrm{do}\right))}{10n}---\left(2\right)$

根据公式(2)得到离未知节点最近的三个锚节点的距离，假设ra＞rb＞rc：

$\mathrm{rc}=\mathrm{do}10\frac{-(P_r\left(\mathrm{rc}\right)-P\left(\mathrm{do}\right))}{10n}---\left(3\right)$

$\mathrm{rb}=\mathrm{do}10\frac{-(P_r\left(\mathrm{rb}\right)-P\left(\mathrm{do}\right))}{10n}---\left(4\right)$

$\mathrm{ra}=\mathrm{do}10\frac{-(P_r\left(\mathrm{ra}\right)-P\left(\mathrm{do}\right))}{10n}---\left(5\right)$

建立一个以点C为原点的坐标轴，未知智能传感节点节点X的坐标为(xn，yn)其他锚节点中到X距离最短的锚节点为B，B新的坐标为：xbn＝xb-xa，ybn＝yb-ya，C新的坐标为：xcn＝xc-xa，ycn＝yc-ya，得到一个方程组：

x_n ²+y_n ²＝rc²                 (6)

(x_n-x_bn)²+(y_n-y_bn)²＝rb²             (7)

求解方程组(6)，(7)可以得到未知节点X的坐标：

$x_n=\frac{({x_{\mathrm{bn}}}^2+{y_{\mathrm{bn}}}^2)+({\mathrm{rc}}^2-{\mathrm{rb}}^2)-2y_n{y}_{\mathrm{bn}}}{2x_{\mathrm{bn}}}---\left(8\right)$

$y_n=\sqrt{{\mathrm{rc}}^2-{x_n}^2}_{-}^{+}---\left(9\right)$

最后一步就是坐标轴从新转移到原来的状态，根据三角形的边角关系得到未知节点的真实位置(x，y)，

$x=x_c+a\×\mathrm{rc}\×\sin (\frac{\mathrm{\π}}{2}-\arctan \left(\frac{x}{y}\right)-\arctan \left(\right|\frac{(y_c-y_b)}{(x_c-x_b)}\left|\right))---\left(10\right)$

$y=y_c+a\×\mathrm{rc}\×\cos (\frac{\mathrm{\π}}{2}-\arctan \left(\frac{x}{y}\right)-\arctan \left(\right|\frac{(y_c-y_b)}{(x_c-x_b)}\left|\right))---\left(11\right)$

这样就得到节点的坐标对{(XRG1，YRG1)，(XRG1，YRG2)}，当系数a＝1时，X＝RG1，y＝YRG1，当系数a＝0时，x＝XRG2，y＝YRG2，

最后远程数据中心的用户界面把利用基于锚节点的动态调整的无线传感器网络节点定位算法得到的智能传感节点区域位置和污染指标参数显示出来。

农田参数指标包括农区空气二氧化氮、二氧化碳，土壤总锌、总镍、全盐、总氮、总磷、氟化物以及灌溉水大肠菌群数、总锌、总硒、氮、磷、氟化物。

与现有技术相比较，本发明定位更为精确，能在移动网络环境下实现具有自调整性的定位算法，并且能够抵御外界环境的各种干扰。

附图说明

图1是基于锚节点动态调整的无线传感器网络农田污染区域跟踪系统的流程图。

图2是基于锚节点动态调整的无线传感器网络节点定位算法的流程图。

图3是农田污染区域监测平台结构图。

图4是智能传感节点结构图。

图5是网关节点结构图。

图6是远程数据中心用户界面。

图7是本发明实施例中基于锚节点的动态调整的一个网络模型。

图8是本发明实施例中信号强度RSSI与距离的关系。

图9是本发明实施例中锚节点C为原点的坐标系统。

图10是本发明实施例中锚节点动态调整后得到的坐标图。

具体实施方式

图1为基于锚节点动态调整的无线传感器网络农田污染区域跟踪系统的流程图。该系统包括以下几个步骤：

1、智能传感节点对农田参数指标进行采集；

2、智能传感器节点将采集到的数据以及其ID号发送到附近的网关节点；

3、网关节点利用GPRS无线通信把采集到的农田参数指标数据，智能传感器节点ID号以及网关节点的IP地址发送到远程数据中心；

4、远程数据中心把网关节点的发送过来的数据存储到SQL2000数据库，并且对数据进行处理；

5、判读采集到的农田参数指标是否大于农田系统的安全指标；如果小于农田系统的安全指标，重复步骤1；

6、如果大于农田系统的安全指标，利用基于锚节点动态调整的无线传感器网络节点定位算法确定智能传感节点的位置；

7、系统利用用户界面把智能传感节点的区域位置和污染指标参数显示出来。

其中基于锚节点动态调整的无线传感器网络节点定位算法的流程，如图2所示，可以分为以下几个步骤：

1、采用基于信号强度(RSSI)的距离相关的方法，通过节点发射功率的控制，动态选择节点附近最好的3个锚节点；

2、根据对数信号衰减模型，把得到的3个锚节点的信号强度(RSSI)转化为测量距离；

3、通过动态锚节点选择，确定两个到未知节点距离最小的锚节点位置以及它们到节点的距离；

4、建立一个以到未知节点距离最短的锚节点为原点的坐标轴，通过求解方程组得到未知节点坐标；

5、将坐标轴重新转移到原来的状态，根据三角形的边角关系得到未知节点的真实位置(x，y)。

基于锚节点动态调整的无线传感器网络农田污染区域跟踪系统包括农田污染区域监测平台(如图3所示)以及基于锚节点动态调整定位算法。其中农田污染区域监测平台有智能传感器节点(图4所示)，网关节点(如图5所示)以及远程数据中心(图6所示)三部分组成。基于锚节点动态调整定位算法通过建立一个传感模型(图7所示)来进行描述，算法通过采用基于信号强度(RSSI)的距离的关系(图8所示)，通过节点发射功率的控制，动态选择节点附近最好的3个锚节点，实现距离局部测量，分段逼近；然后利用两边测量(图9所示)和锚节点坐标调整(图10所示)的方法，最终确定节点的位置。

图3为农田污染区域监测平台结构图，分成监测数据采集系统，远程数据中心两部分。监测数据采集系统由智能传感器节点和网关节点两部分组成。监测数据采集系统采用传感器网络技术，数据融合技术，GPRS无线通信技术，利用智能传感节点实现对农区空气二氧化氮、二氧化碳，土壤总锌、总镍、全盐、总氮、总磷、氟化物以及灌溉水大肠菌群数、总锌、总硒、氮、磷、氟化物等参数指标的采集。将所有节点采集到数据最终路由到网关节点，最后由网关节点将全部数据通过GPRS无线通信传输方式转发到远程数据中心。其中智能传感节点包括未知节点和锚节点两种，锚节点可以通过GPS或者人为的设置知道他们本身的位置；其他的智能传感节点叫做未知节点，它们不知道本身的位置，需要锚节点帮助定位。

远程数据中心利用信息技术制定或沿用统一的数据标准和元数据标准，统一数据传输方式、传输协议和编码方式，构建基于VS2005.NET的开发、以SQL2000作为数据存取基础的数据集成和管理系统，实现数据的接收、存储和时空分析。

图4为智能传感节点结构图，它主要由低功耗的微处理器MSP430单片机，无线射频CC2420模块，传感器探测单元以供电单元4部分组成。

其中微处理器电路TI公司的MSP430F微控制器，MSP430F是美国TI公司最新推出的超低功耗Flash型16位RISC指令集单片机，是一款性价比极高的单片机；射频通信模块采用无线射频CC2420模块。它采用Chipcon公司的SmartRF03技术，使用CMOS工艺生产，工作电压低、能耗低、体积小，具有输出信号强度和收发频率可编程等特点。该芯片只需晶体振荡器及负载电容、输入/输出匹配元件和电源去耦电容等很少的外部元件即可正常工作，可确保短距离通信的有效性和可靠性，其最大收发速率高达250kbps；传感器探测单元能实现对农区空气二氧化氮、二氧化碳，土壤总锌、总镍、全盐、总氮、总磷、氟化物以及灌溉水大肠菌群数、总锌、总硒、氮、磷、氟化物等农田参数指标进行采集。

图5为网关节点结构图，它由处理器S3C2410，GPRS模块，无线射频CC2420模块，嵌入式数据库等组成。

其中处理器选择了具有丰富的片上资源的ARM9微处理器S3C2410为核心，该芯片基于ARM920T内核，采用5级流水线和哈佛结构，采用0.18μm CMOS标准单元结构，最大工作频率能达到203MHz，不仅性能好、功耗低、集成度高，而且片内资源还十分丰富。

GPRS无线通信通过一个异步串行端口连接GPRS通讯模块Siemens MC35i，实现GPRS远程数据通信自下而上完成驱动层、协议层和应用层的设计。在配置嵌入式Linux内核时选中支持串口设备实现对MC35i模块的驱动；嵌入式Linux内核支持PPP(Point to Point Protocol)协议和TCP/IP协议，在编译Linux内核时选中支持这些选项；应用层在网络连接建立后，具体实现向远程数据中心转发数据的功能。同时也可以根据用户的要求，选择短信方式或者GPRS方式进行信息的传递。

嵌入式数据库存放在Nand Flash里，支持双文件系统格式，将只读文件系统cramfs与可读写文件系统yaffs的结合，cramfs用来储存内核和系统文件，yaffs可读写文件系统储存采集的数据，这样可以保证系统断电后数据的完整性。当智能传感节点向网关节点上传数据时，系统对数据进行融合，这样的话可以减少数据冗余，提高数据的准确性和节省能量的损失。

图6为远程数据中心的用户界面，远程数据中心选择了Visual Studio 2005作为开发工具，采用SQL2000数据库实现节点数据存储和读取。实现对分布在农田中的监测节点所采集的定点数据进行时空分析，如果大于农田系统的安全指标，远程数据中心的用户界面把利用基于锚节点的动态调整的无线传感器网络节点定位算法得到的智能传感节点区域位置和污染指标参数显示出来。

图7为基于锚节点的动态调整的无线传感器网络模型，假设网络中有五个节点，其中有一个未知节点X，它的坐标为(x，y)，另外四个作为锚节点，分别是A，B，C，D。他们的坐标为(xa，ya)，(xb，yb)，(xc，yc)，(xd，yd)，X到A，B，C，D的距离分别为ra，rb，rc，rd。它们的值是未知的，需要通过信号强度(RSSI)来估算。

距离测量中，未知节点首先通过发射不同的功率，动态寻找离它距离最近，信号最好的锚节点。发射不同的功率的目的是为了提高测距的精度，因为发射频率越大，信号覆盖的范围越大，但信号波动越大，误差越大。所以，当未知节点到锚节点的距离较小时，信号衰减较快，使用小功率的发射信号可以明显地减少测距的误差；当两者的距离增大时，需要提高发射节点的发射功率来获得足够的锚节点。对于图7的传感器网络模型，未知节点X首先会发射功率为P1的信号。P1信号的覆盖范围为RP1，如果锚节点处于在以X为圆心，半径为RP1的圆内，它会接受到X发过来的信号。如果在圆内的锚节点数小于3，X继续发射功率为P2的信号，P2＞P1，如果RP2圆内的锚节点数还是小于3，为了节省能耗，X节点以发射节点所能够发射的最大功率P3来获得距离X最近的3个锚节点。为了验证理论的可靠性，采用两个智能传感节点进行实验，一个节点作为发射节点，另一个作为接受节点，发射节点位置不变，通过改变接受节点的位置来得到其接受信号强度(RSSI)和距离的关系。发射节点每次发射-0DBm，-10DBm，-20DBm三个信号，接受节点每0.1米接受采用一次数据，测量范围为6米。接受信号强度(RSSI)和距离的关系如图8所示。

选择最好的3个锚节点后，下一步就是把得到的3个锚节点的信号强度(RSSI)转化成距离。根据真实环境下的信号随着距离的增大而减少的原则，可以建立对数信号衰减模型：

$\mathrm{Pr}\left(d\right)=P\left(\mathrm{do}\right)-10n{\log }_{10}\left(\frac{d}{\mathrm{do}}\right)+{\mathrm{\ϵ}}_{\mathrm{dB}}$

其中P(do)为参考距离do接收到的信号。它可以由自由空间路径损耗方程得到。路径的损耗指数n由环境变量和周围的结果决定。εdB为零均值，它是以(σ2，N(0，σ2))变化的高斯分布随机变量。可以得到3个不同的发射功率对应着3个不同的对数信号衰减模型曲线，每个模型在特定的区域范围内才有效。然后基于对数信号衰减模型的距离估算为：

$d=\mathrm{do}10\frac{-(P_r\left(d\right)-P\left(\mathrm{do}\right))}{10n}$

根据公式(2)得到离未知节点最近的三个锚节点的距离，假设ra＞rb＞rc：

$\mathrm{rc}=\mathrm{do}10\frac{-(P_r\left(\mathrm{rc}\right)-P\left(\mathrm{do}\right))}{10n}---\left(3\right)$

$\mathrm{rb}=\mathrm{do}10\frac{-(P_r\left(\mathrm{rb}\right)-P\left(\mathrm{do}\right))}{10n}---\left(4\right)$ $\mathrm{ra}=\mathrm{do}10\frac{-(P_r\left(\mathrm{ra}\right)-P\left(\mathrm{do}\right))}{10n}---\left(5\right)$

系统把这三个距离值以及锚节点的ID号通过附近的网关节点发送到远程数据中心，远程数据中心通过动态锚节点选择，确定两个到未知节点距离最小的锚节点位置以及它们到节点的距离。然后以到未知节点距离最短的锚节点为原点，重新建立一个新的坐标轴。最后可以通过方程组来求解未知节点的位置。如在图7的模型中，已经得到4个锚节点到未知节点距离的关系，rc＜rb＜ra＜rd。所以，可以建立一个以点C为原点的坐标轴，如图9所示，未知节点X的坐标为(xn，yn)其他锚节点中到X距离最短的锚节点为B，B新的坐标为：xbn＝xb-xa，ybn＝yb-ya，C新的坐标为：xcn＝xc-xa，ycn＝yc-ya。C和D这两个锚节点的距离估算不需定量分析，只需要知道这两个距离的大小关系ra＜rd。

可以得到一个方程组：

x_n ²+y_n ²＝rc²

(6)

(x_n-x_bn)²+(y_n-y_bn)²＝rb²                  (7)

求解方程组(6)，(7)可以得到未知节点X的坐标：

$x_n=\frac{({x_{\mathrm{bn}}}^2+{y_{\mathrm{bn}}}^2)+({\mathrm{rc}}^2-{\mathrm{rb}}^2)-2y_n{y}_{\mathrm{bn}}}{2x_{\mathrm{bn}}}---\left(8\right)$

$y_n=\sqrt{{\mathrm{rc}}^2-{x_n}^2}_{-}^{+}---\left(9\right)$

最后一步就是坐标轴从新转移到原来的状态，根据三角形的边角关系得到未知节点的真实位置(x，y)。

$x=x_c+a\×\mathrm{rc}\×\sin (\frac{\mathrm{\π}}{2}-\arctan \left(\frac{x}{y}\right)-\arctan \left(\right|\frac{(y_c-y_b)}{(x_c-x_b)}\left|\right))---\left(10\right)$

$y=y_c+a\×\mathrm{rc}\×\cos (\frac{\mathrm{\π}}{2}-\arctan \left(\frac{x}{y}\right)-\arctan \left(\right|\frac{(y_c-y_b)}{(x_c-x_b)}\left|\right))---\left(11\right)$

这样就可以得到节点的坐标对{(XRG1，YRG1)，(XRG1，YRG2)}，如图10所示，其中当系数a＝1时，X＝RG1，，y＝YRG1。当系数a＝0时，x＝XRG2，，y＝YRG2。

最后远程数据中心的用户界面把利用基于锚节点的动态调整的无线传感器网络节点定位算法得到的智能传感节点区域位置和污染指标参数显示出来。

Claims (3)

1.一种无线传感器网络农田污染区域跟踪方法，其特征在于包括以下步骤：

(1)智能传感器节点对农田参数指标进行采集；

(2)智能传感器节点将采集到的数据以及其ID号发送到附近的网关节点；

(3)网关节点利用GPRS无线通信模块把采集到的农田参数指标数据、智能传感器节点ID号以及网关节点的IP地址发送到远程数据中心；

(4)远程数据中心把网关节点的发送过来的数据存储到数据库，并且对数据进行处理；

(5)判断采集到的农田参数指标是否大于农田系统的安全指标；如果小于农田系统的安全指标，重复步骤(1)至(4)；

(6)如果大于农田系统的安全指标，利用基于锚节点动态调整的无线传感器网络节点定位算法确定智能传感器节点的位置；

(7)系统利用用户界面把智能传感器节点的区域位置和污染指标参数显示出来；

基于锚节点动态调整的无线传感器网络节点定位算法的流程包括以下几个步骤：

a、采用基于信号强度的距离相关的方法，通过智能传感器节点发射功率的控制，动态选择智能传感器节点附近信号强度最强的3个锚节点；

b、根据数据信号衰减模型，把得到的3个锚节点的信号强度转化为测量距离；

c、通过动态锚节点选择，确定两个锚节点到未知智能传感器节点距离最小的锚节点位置以及两个锚节点到智能传感器节点的距离；

d、建立一个以到未知智能传感器节点距离最短的锚节点为原点的坐标轴，通过求解方程组得到未知智能传感器节点坐标；

e、将坐标轴重新转移到原来的状态，根据三角形的边角关系得到未知智能传感器节点的真实位置(x，y)。

2.根据权利要求1所述的无线传感器网络农田污染区域跟踪方法，其特征在于：选择信号强度最强的3个锚节点后，下一步就是把得到的3个锚节点的信号强度转化成距离，根据信号随着距离的增大而减少的原则，建立对数信号衰减模型：

$\mathrm{Pr}\left(d\right)=P\left(\mathrm{do}\right)-10n{\log }_{10}\left(\frac{d}{\mathrm{do}}\right)+{\mathrm{\ϵ}}_{\mathrm{dB}}---\left(1\right)$

其中P(do)为参考距离do接收到的信号，其由自由空间路径损耗方程得到，路径的损耗指数n由环境变量和周围的结果决定，ε_dB为零均值，它是以N(0，σ²)变化的高斯分布随机变量，可以得到3个不同的发射功率对应着3个不同的对数信号衰减模型曲线，每个模型在特定的区域范围内才有效，然后基于对数据信号衰减模型的距离估算为：

$d=\mathrm{do}10\frac{-(P_r\left(d\right)-P\left(\mathrm{do}\right))}{10n}---\left(2\right)$

根据公式(2)得到离未知智能传感器节点最近的三个锚节点的距离，假设ra＞rb＞rc：

$\mathrm{rc}=\mathrm{do}10\frac{-(P_r\left(\mathrm{rc}\right)-P\left(\mathrm{do}\right))}{10n}---\left(3\right)$

$\mathrm{rb}=\mathrm{do}10\frac{-(P_r\left(\mathrm{rb}\right)-P\left(\mathrm{do}\right))}{10n}---\left(4\right)$

$\mathrm{ra}=\mathrm{do}10\frac{-(P_r\left(\mathrm{ra}\right)-P\left(\mathrm{do}\right))}{10n}---\left(5\right)$

建立一个以锚节点A为原点的坐标轴，未知智能传感器节点X的坐标为(xn，yn)，其他锚节点中到X距离最短的锚节点为B，B新的坐标为：xbn＝xb-xa，ybn＝yb-ya，锚节点C新的坐标为：xcn＝xc-xa，ycn＝yc-ya，得到一个方程组：

x_n ²+y_n ²＝rc²                (6)

(x_n-x_bn)²+(y_n-y_bn)²＝rb²    (7)

求解方程组(6)，(7)可以得到未知智能传感器节点X的坐标：

$x_n=\frac{({x_{\mathrm{bn}}}^2+{y_{\mathrm{bn}}}^2)+({\mathrm{rc}}^2-{\mathrm{rb}}^2)-2y_n{y}_{\mathrm{bn}}}{2x_{\mathrm{bn}}}---\left(8\right)$

$y_n{=}_{-}^{+}\sqrt{{\mathrm{rc}}^2-{x_n}^2}---\left(9\right)$

最后一步就是坐标轴从新转移到原来的状态，根据三角形的边角关系得到未知智能传感器节点的真实位置(x，y)，

$x=x_c+a\×\mathrm{rc}\×\sin (\frac{\mathrm{\π}}{2}-\arctan \left(\frac{x}{y}\right)-\arctan \left(\right|\frac{(y_c-y_b)}{x_c-x_b}\left|\right))---\left(10\right)$

$y=y_c+a\×\mathrm{rc}\×\cos (\frac{\mathrm{\π}}{2}-\arctan \left(\frac{x}{y}\right)-\arctan \left(\right|\frac{(y_c-y_b)}{x_c-x_b}\left|\right))---\left(11\right)$

这样就得到智能传感器节点的坐标对{(XRG1，YRG1)，(XRG1，YRG2)}，当系数a＝1时，X＝RG1，y＝YRG1，当系数a＝0时，x＝XRG2，y＝YRG2，

最后远程数据中心的用户界面把利用基于锚节点的动态调整的无线传感器网络节点定位算法得到的智能传感器节点区域位置和污染指标参数显示出来。

3.根据权利要求1或2所述的无线传感器网络农田污染区域跟踪方法，其特征在于：农田参数指标包括农区空气二氧化氮、二氧化碳，土壤总锌、总镍、全盐、总氮、总磷、氟化物以及灌溉水大肠菌群数、总锌、总硒、氮、磷、氟化物。

Images