FART-WSN：一种面向基于物联网的智慧农业的地形感知监测的安全节能分形部署框架

《Sustainable Computing: Informatics and Systems》：FART-WSN: A secure, energy-efficient fractal deployment framework for terrain-aware sensing in IoT-based smart agriculture

　　

• 分形部署能够以更少的传感器节点实现更广泛、均匀的覆盖。
• 彭罗斯激活在保持感知质量和连续性的同时降低了能耗。
• 双曲路由最小化延迟并平衡通信能耗。
• 基于 ECC 的加密安全确保数据受保护且计算成本低。
• 科赫采集利用可再生环境能源延长节点寿命。

引言
全球人口快速增长，导致对以可持续方式获取食物的需求增加，以及现代农业系统需要变得更加高效、具有韧性且环境可持续 [1]。农业继续作为人类社会的基石，提供粮食安全、经济和社会发展以及工业投入。但气候变率、水资源短缺、气候条件不规则以及获取熟练劳动力，加上进一步需要对资源进行精确管理，给传统农业实践带来了持续挑战。因此，智能农业已成为一种高级技术范式，它集成了传感、通信和智能跟踪系统，以实现实时农业管理和数据驱动的决策 [2]。无线传感器网络 (WSN) 本质上是智能农业的关键使能技术之一，因为它能够支持对环境参数和作物参数的分布式监控，如土壤湿度、土壤温度、湿度、灌溉水平以及作物状况 [3]。在分布式环境中，如农业田地或土地监测，以监控作物状况，分散在整个区域的传感器节点继续收集感知信息，然后将此数据发送到汇聚节点或基于云的监控平台，用于分析目的和自动化决策支持 [4]。感知此类数据的能力极大地增强了灌溉控制、作物生产率、使用效率和环境可持续性。图 1 展示了基于无线传感器网络 (WSN) 的智能农业监控系统的通用架构，其中部署了各种分布式传感器节点来收集农业感知信息，并通过无线通信链路将收集的数据发送到基站。然后，此信息被发送到在线监控系统，用于远程检查和精准农业中的智能决策 [5]。传统智能农业系统严重依赖于独立的传感单元、不频繁的数据收集节点以及有限或无执行器，这导致时间滞后以及资源使用无效。另一方面，基于物联网的智能农业将传感器网络整合在一起收集实时数据，并相互通信，结合云端辅助的农业活动监控，以及自动化决策机制 [6]。这使得连续的环境监控、可扩展的田间管理和对快速变化的农业条件的快速反应成为可能。然而，此类基于物联网的农业系统也涉及若干重要挑战，与能源效率、通信可靠性、网络可扩展性、覆盖连续性以及大规模和异构农业环境中的安全数据传输有关 [7]。尽管在 WSN 应用于农业领域的研究方面取得了显著进展，但仍存在一些明显的局限性。传感器节点通常是资源受限的，如小电池，并且首选部署在难以进入的环境中，那里更换电池几乎是不可能的或不切实际的 [8]。此外，传统的基于网格和随机的部署技术可能导致感知冗余、覆盖空洞、连接碎片化以及不规则农业地形中的通信局部性低效。树木、海拔变化、岩石和水等环境障碍导致了额外的通信不确定性，从而增加了数据包丢失和延迟 [9]。此外，通过 WSN 传输的敏感环境和农业信息也容易受到网络攻击、未经授权访问和数据篡改攻击，这需要轻量级但强大的安全机制来进行通信感知 [10]。一些最近的研究还调查了基于农业 WSN 的聚类、路由、轻量级安全和可再生能源采集技术的优化 [11]。通过元启发式优化方法，如粒子群优化 (PSO)、遗传算法 (GA)、鲸鱼优化算法 (WOA) 和差分进化 (DE)，在簇头选择和路由效率方面取得了改进 [12] [13]。为了增强资源受限传感器环境中的安全传输，还利用了轻量级基于 ECC 的加密和自适应通信策略。然而，大多数现有方法单独处理部署、聚类、路由、安全和能源采集，很少有集成架构能够在异构农业环境下联合优化这些组件。此外，经典的部署策略无法有效处理非连续的农业场景和异构地形结构，导致不必要的感知重叠（以确保覆盖）、通信不足和覆盖不连续 [14]。分形几何是通过递归自相似性和尺度不变性在数学上描述异构和不平衡空间结构的最佳方法之一 [15]。通过迭代函数系统 (IFS) 生成的基于分形的拓扑结构，如 Barnsley 蕨类分形，可以实现自适应的多尺度空间分布，这允许自然地将密集的中心部署与稀疏的边缘覆盖融合 [16]。非线性分形插值和分形 - 分数阶系统的进展提供了另一种有效的机制，利用分形作为不规则多尺度现象的缩放机制的特性。所有这些都使得分形几何同样适用于受海拔变化、植被衰减和不规则通信区域影响的异构农业环境中的无线传感器网络部署 [17]。因此，在大规模农业监控场景中，具有清晰基于分形的部署策略的指标可以极大地增强覆盖连续性、路由局部性和连接鲁棒性，同时使用更少的传感器节点 [18]。用于智能农业监控的传统 WSN 方法在异构地形条件下往往导致感知冗余、能耗不平衡、路由低效和适应性有限。在地形不规则、海拔变化、植被衰减、水斑和整个田间区域存在物理障碍的农业环境中，传统的基于网格和随机的部署策略降低了覆盖效率和通信可靠性。在大规模部署中，静态聚类和基于距离的路由机制可能导致通信拥塞、节点过早耗尽和网络寿命降低。鉴于这些挑战，本工作提出了一个新的安全、节能且可扩展的基于物联网的智能农业框架，即无线传感器网络分形自适应谐振拓扑 (FART-WSN)。它将 Barnsley 蕨类分形节点部署和受彭罗斯启发的自适应节点激活 [19]、基于差分进化的簇头优化、基于双曲阻抗的路由以及受科赫启发的可再生能源采集整合到一个集成的农场管理系统中。相比之下，现有方法要么单独优化部署，要么单独优化路由的可靠性和安全性，存在显著局限性。提出的框架通过联合优化安全传输，在异构农业环境下应对基于观察到的条件的自适应空间部署以及通信可靠性，以实现网络的长期可持续性。FART-WSN 框架的整体架构如图 3 所示。提出的 FART-WSN 框架架构。

本工作的主要贡献如下：
• 引入了一种新颖的 FART-WSN 框架，采用基于 Barnsley 蕨类分形几何的部署，以实现自适应传感器分布、覆盖连续性和连接性，完美适应不规则农业场景。
• 提出了一种基于彭罗斯的自适应激活机制，用于节能的节点参与，以减少冗余感知和通信开销。
• 设计了一种结合分形 - 彭罗斯聚类的基于 DE 的簇头优化技术，以实现更平衡的簇、更高的通信局部性和改进的能源效率。
• 提出了一种双曲阻抗感知的多跳路由机制，用于建立能耗低且可靠通信路径，具有较少的路由开销。
• 提出了一种轻量级 ECC 辅助通信框架，用于资源受限传感器网络低计算开销下的安全数据传输。
• 提出了一种受科赫模型启发的辐照度驱动环境能源采集模型，以增加剩余能量和网络长期可持续性。

4 本文其余部分结构如下。第 2 节调研了农业 WSN 部署、聚类/路由建模和安全通信的相关工作。在第 3 节中，我们介绍了系统模型和问题表述。我们在第 4 节中详细描述了所提出的 FART-WSN 框架。第 5 节包含 FART-WSN 框架的算法、模拟工作流和复杂性分析。第 6 节展示了模拟设置和实验配置。在第 7 节中，展示了模拟结果和对比性能分析。最后，第 8 节总结了论文并讨论了未来研究方向。

章节片段
农业 WSN 部署与聚类的工作
许多研究人员探索了农业 WSN 的节能聚类和路由协议。2021 年，P Maheshwari 等人 [20] 结合了蝴蝶优化算法 (BOA) 与蚁群优化 (ACO)，与 LEACH 方法相比，在簇头选择和簇头到基站的路由中实现了低能耗和延长的网络寿命。尽管如此，该方法依赖于集中优化，限制了其在大规模部署中的扩展能力。2024 年，

网络和地形模型
设农业感知字段表示为 Ω ??2，包含 N 个传感器节点 S= {s1,s2,…,sN}，每个节点具有特定的空间位置 si= (xi, yi, zi)，在时间 t 的剩余能量表示为 Ei(t)，以及两个范围：第一个定义为 Rs，即单个节点的感知范围，第二个 Rc 是该节点能够与其他节点或汇聚节点通信的通信范围。注意，由于农业环境中的不规则地形结构，感知字段是

提出的 FART-WSN 框架
所提出的工作分形自适应谐振拓扑无线传感器网络 (FART-WSN) 框架以节能和安全的方式呈现。该框架将分形部署、自适应激活、优化聚类、能量感知路由、轻量级安全和能源采集结合成单个跨层框架，即使在异构地形条件下也能应对网络的覆盖、可靠性、可扩展性和寿命挑战。

FART-WSN 框架的主算法
所提出的 FART-WSN 框架的整体操作工作流总结于图 8。图 9. 和算法 7. 主要 FART-WSN 框架。它通过通信轮次工作，使用地形感知的分形部署、自适应激活、聚类、簇头优化、安全路由、轻量级加密通信和能源采集。框架在之后自适应地更新节点活动、数据包路由路径、每个数据包的剩余能量和网络性能指标

模拟设置
FART-WSN 框架开发于 64 位 Windows 平台，使用配备 16 GB RAM 和 NVIDIA GeForce RTX 3050 GPU 的第 12 代 Intel Core i7 处理器。模拟使用 Python 进行，使用数据库 NumPy、SciPy、Pandas 和 Matplotlib 以及用于指定测试 ECC-ECDH 和 AES-GCM 的密码学库。此硬件配置使大规模 WSN 模拟成为可能，涵盖分形部署、自适应聚类、安全路由以及能源采集。

结果与讨论
本节通过分析部署、覆盖、激活、聚类和路由、安全、采集和可扩展性指标来分析所提出的 FART-WSN 框架的性能。

结论与未来展望
本文介绍了一种新的无线传感器网络分形自适应谐振拓扑 (FART-WSN) 框架，以支持安全和高效的物联网智能农业应用。所提出的框架结合了基于 Barnsley 蕨类的传感器部署、受彭罗斯启发的自适应节点激活机制、基于差分进化的簇头优化、双曲阻抗感知路由机制、轻量级基于 ECC 的安全通信以及受科赫启发的

CRediT 作者贡献声明
Priyanka Tripathi：验证、监督、调查。
SAHU RASHMITA：撰写 – 审查与编辑，撰写 – 原稿，可视化，验证，软件，资源，方法论，形式分析，数据整理，概念化。

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系，这些利益或关系可能会影响本论文中报告的工作。

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系，这些利益或关系可能会影响本论文中报告的工作。

Rashmita Sahu|Priyanka Tripathi