随着我国工业化进程的加快,重金属污染环境事件频发,像震惊全国的紫金矿业Cu污染等一系列事件的发生严重危害了人们的生存环境和身体健康,重金属污染监测、预防和治理工作刻不容缓。然而我国地域广阔,地形复杂,给重金属污染环境监测工作带来了极大的挑战。本文提出构建无线传感器网络系统监测环境中的重金属,为环境保护和环境治理提供及时的信息。本文首先对我国重金属污染现状及无线传感器网络应用在环境监测方面的优势做了分析,对无线传感器网络的国内外研究现状、架构、特点、设计原则、关键技术等进行了深入分析,提出了适合本应用的无线传感器网络系统架构和无线传感器节点的设计方案,即系统全部采用FFD节点,但部分FFD节点执行RFD功能,从而可进入休眠模式以达到降低能耗的目的。简要阐述了与中科院环境生态中心合作研制的生物传感器组信息采集节点的工作原理和Jennic公司JN5148信息处理模块的相关信息。其次,根据系统的通信需求和对现有无线通信技术的比较分析,选用了ZigBee通信技术,在对ZigBee技术原有的网状拓扑结构和AODVjr路由算法进行研究的基础上提出了适合本系统的改进:系统网络拓扑结构的布设充分考虑了能耗问题,提出距离基站较近的FFD节点布设密度加大策略和网络边缘多采用RFD节点方法;在分析ZigBee算法基础上改进AODVjr算法应用于本系统,FFD节点根据能量等级来转发包且转发给子节点的包的目的节点一定是子节点;改进算法使RFD节点拒绝接收非父节点转发来的包,并在RFD节点中加载两个协议,使RFD节点有条件的切换工作来充分利用了节点能量,均衡了网络负载。实验结果表明本系统的节能方法和路由改进算法节能效果明显,网络生命周期延长,能量使用效率显著提高。由于某些重金属对其它种类重金属生物传感器具有干扰,影响了测定结果的准确性,因此,采用传感器组的方式对多种重金属进行平行测量。由于干扰重金属对被干扰的不同重金属生物产感器有不同程度的影响,因此,通过模式识别、预测等数学方法能够对数据进行判断和校正,克服重金属对生物传感器的交叉干扰而导致的测量误差。为此,本文采用概率神经网络对模拟的生物传感器组数据进行模式识别,判断干扰重金属的种类,然后,根据判断结果选择相应种类重金属浓度预测算法,预测相应重金属的浓度。浓度预测算法采用BP(Back Propagation)神经网络。由于重金属对生物传感器输出的交叉干扰只存在于几种重金属之间,并且使用概率神经网络预先对重金属的种类进行判断,因此,可以训练多个针对不同种类重金属数据处理的小型人工神经网络,从而降低了神经网络的复杂程度,方便了网络训练和系统的扩展。重金属生物传感器组输入为不同浓度的重金属,输出为不同重金属生物传感器的荧光强度数据。人工神经网络输入为不同重金属生物传感器的荧光强度数据,输出为重金属种类及其浓度。因此,采用逆向建模的方式训练人工神经网络,在重金属种类识别和浓度预测上取得较好效果。本文成功的将无线传感器网络技术应用到重金属环境监测领域,在系统架构设计思想、节点设计、网络拓扑安排、路由算法改进和采集数据处理等方面的创新工作对解决重金属检测、监控难等问题提供了较好的解决思路,重金属生物传感器组数据处理提出了创新性的人工神经网络模式识别和浓度预测方法,克服了不同种类重金属对生物传感器组交互影响的缺陷,对促进无线传感器网络在我国的普遍推广具有十分重要的意义。