学术研究报告：面向恶劣环境的边缘计算使能GNSS-IR高效水位监测系统
一、 研究团队与发表信息
本项研究由西班牙瓦伦西亚理工大学的Erika Rosas、Benjamín Arratia、Ángel Martín Furones、Javier Prades、Pietro Manzoni以及José M. Cecilia共同完成。其研究成果以题为“Edge-enabled GNSS-IR for efficient water level monitoring in harsh environments”的论文形式，发表于2025年的《Internet of Things》期刊第34卷（文章ID：101766）。该期刊由Elsevier出版。
二、 研究背景与目标
本研究属于物联网与环境智能交叉领域，核心聚焦于利用全球导航卫星系统干涉反射测量技术进行水文监测。在偏远和恶劣环境（如高盐度、高湿度、极端温度或基础设施稀缺地区）中进行准确、连续的水位监测，对于水资源管理、气候影响评估和洪水风险预警至关重要。传统的水位传感器（如压力传感器、雷达、超声波计）在这些环境中常因腐蚀、生物附着或维护困难而失效。
全球导航卫星系统干涉反射测量技术提供了一种被动、低成本的替代方案。它通过分析GNSS卫星信号在水面产生多径反射引起的信噪比干涉振荡，来反演水位高度。尽管GNSS-IR在理想条件下已显示出亚厘米级的精度潜力，但其应用面临重大挑战。利用多星座信号进行近实时监测需要大量的计算和数据处理，并且在低功耗、低连接性的偏远地区，其高通信带宽需求难以满足。
因此，本研究旨在解决一个核心科学问题：能否将GNSS-IR与边缘计算和低功耗广域网技术结合，以实现偏远恶劣环境下快速、可靠的水位监测？ 具体目标包括：1）设计一个集成了低成本GNSS接收器、本地GNSS-IR处理模块和高效LPWAN通信的物联网系统架构；2）通过在实际高盐度湿地环境的部署，验证该系统的有效性、鲁棒性和可持续性；3）探索一种可推广至精准农业、冰川学等领域的、适用于资源受限环境的自主物联网设计范式，并支持联合国可持续发展目标（SDGs）。
三、 详细研究流程与方法
本研究采用“系统设计-原型构建-实地部署-性能评估”的完整流程。
1. 系统设计与核心架构： 研究团队设计了一个模块化、分布式的三层物联网架构，由传感器节点、边缘计算网关和云平台构成。系统的创新性在于将完整的GNSS-IR信号处理流程从云端迁移至边缘网关执行，并采用了优化的长距离通信协议。 * 传感器节点：负责数据采集与预处理。节点核心包括一个u-blox NEO-M8N多星座GNSS天线、一个负责数据采集与压缩的Raspberry Pi Zero W，以及一个基于ESP32、负责长距离通信的微控制器。节点以小时为单位采集GNSS原始观测数据（NMEA格式），经压缩后暂存。 * 边缘计算网关：系统的“大脑”。基于RAK7391平台构建，集成了Raspberry Pi Compute Module 4作为计算核心。其主要职责包括：通过LPWAN协议接收来自传感器节点的压缩数据；在本地解压并执行完整的GNSS-IR算法流程；将处理得到的水位估计结果（而非原始数据）上传至云端。此举将需传输的数据量减少了800-1000倍。 * 通信技术：传感器节点与网关之间（距离4.2公里）采用了Allora协议。这是一种基于轮询机制、构建在LoRa物理层之上的高级通信协议。与标准LoRaWAN相比，Allora支持大数据包的分段传输和重传机制，在能效和可靠性上更适用于传输GNSS观测文件这类结构化负载。 * GNSS-IR边缘处理算法：这是核心的技术流程，如图3所示。算法由看门狗机制事件驱动，当积累的观测数据达到预设的时间窗口（如6、8、12小时）时触发。处理流程包括： * 数据输入：本地存储的GNSS观测数据（SNR序列）和从互联网下载的超快速星历文件（用于计算卫星精确位置）。 * 几何参数精化：计算每颗可见卫星的方位角和高度角，并应用对流层延迟校正。 * 数据分段与滤波：将连续观测分段为独立的卫星弧段。仅保留高度角在5°至25°之间的弧段（多径效应显著），并舍弃样本数少于40的弧段。 * 趋势去除与频率分析：使用二阶多项式去除SNR数据中的直接趋势项。应用Lomb-Scargle周期图识别主导干涉频率，得到初始反射面高度估计值。 * 逆建模与质量控制：以上述初始值为种子，通过曲线拟合进行逆建模优化。执行严格的质量控制：仅保留决定系数R² > 0.6、信噪比高于设定阈值且主导频率高于设定阈值的弧段。 * 结果输出：最终生成一个结构化的JSON对象，包含时间戳、水位估计值以及相关的质量指标和元数据。
2. 实验部署与验证环境： 为验证系统在真实恶劣环境下的性能，研究团队选择了西班牙阿利坎特的拉马塔-托雷维耶哈自然公园作为部署地点。该地点是一个受Ramsar公约保护的高盐度泻湖，具有高盐度、高湿度和腐蚀性大气，且缺乏稳定电网和持续网络连接，对设备的耐久性、能源自给和通信可靠性构成了严峻挑战。 * 传感器节点安装在泻湖旁的稳定木质平台上，由太阳能电池板和蓄电池供电，确保长期自主运行。 * 边缘网关部署在约4.2公里外的公园解说中心，此处有稳定电源和互联网接入。 * 参考基准：在同一位置部署了一台超声波水位传感器作为参考，用于评估GNSS-IR系统的测量精度。
3. 菲涅耳区分析： 在部署前，进行了菲涅耳区分析，以确保所选站点具备良好的GNSS信号反射条件。分析结果显示，泻湖水面在低仰角卫星轨迹下位于第一菲涅耳区内，这为获得高质量的多径干涉信号提供了有利的几何条件。
四、 主要研究结果与分析
通过对2025年3月至7月共五个月的连续部署数据进行评估，研究从三个方面验证了系统的性能。
1. 水位估计精度： GNSS-IR系统表现出高精度和高可靠性。在整个部署期间，系统实现了24/7不间断运行。如图8所示，GNSS-IR估计的水位与现场超声波传感器的测量结果高度一致。两者之间的平均标准差为2.4厘米，相关系数高达0.99。这一精度水平与文献中在可控环境下报道的GNSS-IR性能相当，证明了边缘处理并未牺牲核心测量精度。结果同时显示，有效估计的成功率与所使用的观测窗口长度密切相关。
2. 观测窗口长度的影响与边缘处理性能： 研究对比了6、8、12小时三种观测窗口的配置，这是平衡时间分辨率、计算负荷和估计稳健性的关键参数。 * 精度与稳健性：如图9所示，三种窗口配置下，水位估计的平均标准差均保持在2.4厘米左右，表明算法核心是稳定的。然而，有效估计率随窗口增大而显著提高：6小时窗口有3.40%的窗口因卫星数据不足未能产生有效估计，8小时窗口降至1.77%，而12小时窗口仅1.10%失败。这是因为更长的窗口整合了更多的卫星弧段，提高了统计可靠性。每个估计所使用的卫星数量平均值也从6小时窗口的8.57颗增加到12小时窗口的16.21颗。 * 计算资源消耗：如表2所示，边缘网关的处理时间和内存占用随窗口增大而增加。处理12小时数据平均耗时约153.54秒（约2.5分钟），最大内存占用约113 MiB。即使在最苛刻的配置下，处理任务也仅占用了RAK7391网关（仅使用单核ARM CPU）每小时可用计算能力的一小部分，证明了算法在资源受限边缘设备上的高效性。这为网关同时执行无线通信、系统日志等其他任务留下了充足余量。
3. 通信与数据传输性能： Allora协议在长距离、低功耗文件传输中表现出色。 * 可靠性：在2025年3月的测试中，336次文件传输成功率为100%（表3）。平均每个压缩后的GNSS观测文件大小为9.77 KB，平均传输时间约为3.93分钟。协议内置的重试机制有效应对了链路质量的波动，平均每个文件重试约15次，数据包丢失率仅为0.05%。 * 能效：微控制器通信模块在主动传输期间平均消耗约120 mA电流，完全在太阳能供电系统的预算之内，确保了长期可持续运行。
五、 研究结论与价值
本研究成功设计、实现并验证了一个基于边缘计算的GNSS-IR水位监测系统。该系统通过将完整的GNSS-IR信号处理流程部署在边缘网关，并结合高效的Allora LPWAN通信，实现了在恶劣、偏远、基础设施稀缺环境下的全自主、近实时、高精度水位监测。
科学价值与应用价值： 1. 技术范式贡献：提出并验证了一种可推广的物联网设计范式，即“边缘智能分析 + 高能效长距离通信”，为解决资源受限环境下的环境监测难题提供了通用架构蓝图，可延伸至精准农业、冰川学、灾害监测等领域。 2. 具体系统创新：首次将多星座GNSS-IR处理与基于Allora的LPWAN通信深度集成，实现了从数据采集、本地处理到结果上报的完整闭环，且不依赖云端原始数据处理或蜂窝网络。 3. 环境与社会价值：系统支持联合国可持续发展目标（SDG 6：清洁饮水与卫生设施；SDG 9：产业、创新和基础设施；SDG 13：气候行动）。它为长期、低维护的生态水文监测提供了可行工具，尤其适用于受保护的自然区域或气候脆弱地区，助力数据驱动的环境管理与气候适应。
六、 研究亮点
七、 其他有价值内容
研究也坦诚地讨论了系统的局限性及未来方向，包括：Allora协议目前缺乏内置加密和认证机制的安全性问题；系统在通信和硬件层面的容错能力有限，缺乏节点或网关的冗余备份；尚不支持远程固件更新；GNSS-IR部署本身对场地几何条件（菲涅耳区）有要求；以及系统健康和故障诊断能力有待加强。这些都为后续研究指明了清晰的改进路径。