本发明涉及红树林监测技术领域，具体涉及红树林生长环境无线监测系统。
背景技术：
红树林对生长环境的要求比较严格，所以可根据其生长情况来反映海岸的健康情况。现有技术中，一般通过人工巡逻的方式来获知红树林的生长情况，这种方式的工作效率低，不符合智能化、自动化的技术发展潮流。
技术实现要素：
针对上述问题，本发明提供红树林生长环境无线监测系统。
本发明的目的采用以下技术方案来实现：
提供了红树林生长环境无线监测系统，包括环境传感监测装置、基站设备和红树林生长环境监控中心；所述环境传感监测装置包括多个传感器节点，传感器节点对红树林生长环境进行监测感知，并将获得的红树林生长环境信息发送至基站设备；所述基站设备汇聚各传感器节点发送的红树林生长环境信息，进行处理后转发至红树林生长环境监控中心；红树林生长环境监控中心用于对基站设备发送的红树林生长环境信息进行分析处理和显示，并在红树林生长环境信息异常时进行报警。
优选地，红树林生长环境信息包括红树林生长环境的温度、湿度和/或光照信息。
其中，传感器节点内置至少一种下述传感器：
温度传感器、湿度传感器、光照传感器。
优选地，红树林生长环境监控中心包括存储器、处理器和显示器，存储器用于对基站设备发送的红树林生长环境信息进行存储；处理器用于对基站设备发送的红树林生长环境信息进行分析处理；显示器用于显示红树林生长环境信息曲线和/或拓扑图。
优选地，红树林生长环境无线监测系统还包括与处理器连接的报警器，当红树林生长环境信息超出对应设定的安全阈值时，所述处理器驱动报警器进行报警。
本发明的有益效果为：采用无线传感器网络技术实现了红树林生长环境监测，避免大量布线，监测精度高，与现有技术相比，具有工作效率高、节约工作量的优点，且其智能化、自动化的程度得到了大大的提高。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1本发明一个实施例红树林生长环境无线监测系统的结构示意框图；
图2是本发明一个实施例的红树林生长环境监控中心的框图示意图。
附图标记：
环境传感监测装置1、基站设备2、红树林生长环境监控中心3、报警器4、存储器10、处理器20、显示器30。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例提供的红树林生长环境无线监测系统，包括环境传感监测装置1、基站设备2和红树林生长环境监控中心3。
环境传感监测装置1包括多个传感器节点，传感器节点对红树林生长环境进行监测感知，并将获得的红树林生长环境信息发送至基站设备2。
基站设备2汇聚各传感器节点发送的红树林生长环境信息，进行处理后转发至红树林生长环境监控中心3。
红树林生长环境监控中心3用于对基站设备2发送的红树林生长环境信息进行分析处理和显示，并在红树林生长环境信息异常时进行报警。
其中，红树林生长环境信息包括红树林生长环境的温度、湿度和/或光照信息。
其中，传感器节点内置至少一种下述传感器：
温度传感器、湿度传感器、光照传感器。
可选地，如图2所示，红树林生长环境监控中心3包括存储器10、处理器20、显示器30，存储器10用于对基站设备2发送的红树林生长环境信息进行存储；处理器20用于对基站设备2发送的红树林生长环境信息进行分析处理；显示器30用于显示红树林生长环境信息曲线和/或拓扑图。
可选地，系统还包括与处理器20连接的报警器4，当红树林生长环境信息超出对应设定的安全阈值时，所述处理器20驱动报警器4进行报警。
其中，所述的报警器30包括蜂鸣报警器或者声光报警器，本实施例对此不作限定。
本发明上述实施例采用无线传感器网络技术实现了红树林生长环境监测，避免大量布线，监测精度高，与现有技术相比，具有工作效率高、节约工作量的优点，且其智能化、自动化的程度得到了大大的提高。
在一个实施例中，传感器节点优化部署于红树林生长环境监测区域内，具体为：
(1)将红树林生长环境监测区域平均虚拟划分为多个大小相等的监测子区域，并标记序号；
(2)按照序号顺序，依次对各个监测子区域采用改进的萤火虫优化算法进行传感器节点的优化部署。
本实施例按照分区域优化部署的方式对传感器节点进行优化部署，极大地提高了对传感器节点进行优化部署的效率。
其中，所述采用改进的萤火虫优化算法进行传感器节点的优化部署，具体包括：
(1)进行参数初始化，设置最大迭代次数tmax和萤火虫数目m，m为偶数；
(2)部署萤火虫群体，每只萤火虫代表一种传感器节点部署方案，萤火虫所在的位置表征各传感器节点的位置，定义萤火虫i在第t次迭代时的位置为xi(t)＝{xe(t)|e＝1,2,…,ni}，其中xe(t)为萤火虫i中第e个传感器节点的位置，ni为萤火虫i代表的传感器节点部署方案中的传感器节点数量；
(3)确定每只萤火虫对应的处于工作状态的传感器节点集合，计算每只萤火虫的适应度，并记录全局最优解xg(t)；
(4)将所有萤火虫随机划分为两个规模相同的族群，对每个族群中的萤火虫按照适应度由大到小的顺序进行排列，并根据排列顺序将族群中的萤火虫划分为m个规模相同的种群，每个种群具有m只萤火虫，从而总共分为2m个规模相同的种群；
(5)在各个种群中，对适应度最差的萤火虫位置进行更新，完成各个种群的局部搜索；
(6)当所有种群完成局部搜索后，返回(4)，直至完成设定的局部搜索次数vmax后，更新全局最优解xg(t)；
(7)循环(3)、(4)、(5)、(6)tmax次，全局最优解xg(t)对应的传感器节点部署方案即为最优传感器节点部署方案，采用所述最优传感器节点部署方案进行传感器节点部署。
其中，设定适应度的计算公式为：
式中，fi[xi(t)]为萤火虫i在当前位置xi(t)的适应度，ai为萤火虫i中所有处于工作状态的传感器节点形成的监控面积，a表示红树林生长环境监测区域的面积，ωi表示萤火虫i对应的处于工作状态的传感器节点集合，
现有技术中，对于萤火虫优化算法而言，每只萤火虫和其他萤火虫进行荧光素交换是在邻域空间中进行的，因此萤火虫算法不会出现局部极值的现象，如果有只萤火虫自身具有非常多的荧光素，其影响的范围只能是其所在的邻域，使得群体最优信息无法在整个群体内进行交流，导致算法收敛速度降低。基于该问题，本实施例改进了萤火虫优化算法，通过对萤火虫种群进行族群划分和种群划分，使得群体最优信息能够在整个群体内进行交流，提高了算法的收敛度和精度，从而能够更好地实现最佳的网络覆盖，有效降低红树林生长环境信息采集和传输的能耗；
在另一方面，本实施例从冗余和节点分布均匀度的角度构造出新的适应度函数，能够在保证网络覆盖效果的前提下，尽量减少传感器节点的数量。
在一个实施例中，所述对适应度最差的萤火虫位置进行更新，具体包括：
(1)进行萤火虫荧光素更新：
lc(α+1)＝(1-ρ)lc(α)+δfc[xc(t)]
式中，lc(α+1)表示在更新后的适应度最差的萤火虫c的荧光素浓度，l6(α)为在更新前的萤火虫c的荧光素浓度，α为更新次数，ρ表示萤火浓度衰减系数，ρ∈(0,1)，δ为荧光素更新率，f6[x6(t)]为萤火虫c在在更新前的适应度；
(2)寻找萤火虫的邻居集合，并按照下列公式计算移动概率，并从中选择一个移动概率最大的邻居萤火虫，并向其移动：
式中，p6d表示适应度最差的萤火虫c在第α次更新时向其邻居萤火虫d方向移动的概率，
(3)确定萤火虫移动的步长，根据该步长按照下列公式进行萤火虫的位置更新：
式中，x6(α+1)表示适应度最差的萤火虫c在更新后的位置，x6(α)表示萤火虫c在更新前的位置，
(4)计算当前的动态决策域：
式中，r6(α)为萤火虫c在第α次更新时的动态决策域，r6(α-1)为萤火虫c在第α-1次更新时的动态决策域，r0为感知域半径，β为动态决策域的更新率，为一个常数；nt为萤火虫数量阈值，
(5)根据在更新后的位置来计算萤火虫的适应度，若计算出的适应度差于原适应度，按照下列公式对萤火虫中的各传感器节点的位置进行更新：
式中，xθ(7+1)为萤火虫c中第θ个传感器节点在更新后的位置，xθ(7)为萤火虫c中第θ个传感器节点在更新前的位置，
对于萤火虫优化算法而言，萤火虫位置对于算法收敛速度、优化精度有着很大的影响，在未改进的萤火虫优化算法中，移动之前的适应度可以优于移动后的适应度，萤火虫算法在全局中无法收敛。本实施例改进了现有的萤火虫优化算法，在萤火虫更新后的适应度不如在更新前的适应度时，对萤火虫中的各传感器节点的位置进行更新，提高了萤火虫的多样性，从而改善了算法的收敛性能。
在一个实施例中，萤火虫移动的步长的计算公式设定为：
式中，
在萤火虫优化算法中，每个萤火虫通过不断移动来寻找最优值，因此萤火虫的移动过程非常重要。现有技术的萤火虫算法中萤火虫的移动步长是个固定值，如萤火虫的步长设置太小，会造成收敛速度过慢，如果步长设置过大，在收敛后期跳过最优解。本实施例中，萤火虫移动的步长随着更新次数和萤火虫的动态决策域的更新进行自适应更新，能够有效提高萤火虫优化算法的收敛速度和精度，提高萤火虫优化算法全局寻优的能力，从而提高传感器节点优化部署的效率和精度，为更有效地完成红树林生长环境信息的采集和传输奠定良好的基础。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。