一种基于无线云传感网的大气污染物在线监测系统技术方案

本发明专利技术属于大气污染物在线监测技术领域，公开了一种基于无线云传感网的大气污染物在线监测系统，设置有用户终端、数据总汇终端、无线云传感网、系统分析模块、温度监测模块、污染物监测模块、温度监测模块、时间控制模块；温度监测模块、污染物监测模块、温度监测模块通过导线连接时间控制模块和系统分析模块；系统分析模块将数据通过GTiBee协议传送到无线云传感网，数据总汇终端接收汇总无线云传感网的数据，用户终端通过访问数据总汇终端对大气污染状况进行了解并控制监测设备。本发明专利技术可自动在线监测大气污染物以及大气温度和湿度，将数据通过无线云传感网传送到数据总汇终端，最终通过用户终端进行观察，并进行控制。

An online monitoring system for air pollutants based on wireless cloud sensing network

The invention belongs to the technical field of atmospheric pollutants on-line monitoring, discloses an on-line monitoring system of air pollutants in wireless sensor network based on cloud, is provided with a user terminal, data collection terminal, wireless sensor networks, cloud system analysis module, temperature monitoring module, pollutant monitoring module, temperature monitoring module, time control module; temperature monitoring module pollutant monitoring module, temperature monitoring module is connected with the time control analysis module and system module through a wire; system analysis module to wireless sensor network cloud data transmission through the GTiBee protocol, data receiving terminal confluence wireless sensor network cloud data, user terminal access through the data collection terminal to atmospheric pollution control and monitoring equipment to understand. The invention can automatically monitor air pollutants and atmospheric temperature and humidity online, transmit data to the data terminal through wireless cloud sensor network, and ultimately observe and control through the user terminal.

【技术实现步骤摘要】
一种基于无线云传感网的大气污染物在线监测系统
本专利技术属于大气污染物在线监测
，尤其涉及一种基于无线云传感网的大气污染物在线监测系统。
技术介绍
目前，对于一些企业带来经济效益的同时，会造成很大的大气污染问题，威胁当地居民的身体健康，影响当地环境安全。通过人工或固定的监测点进行污染物监测自动化程度低，人工维护成本高，并且数据具有较大的滞后性，当地管理部门不能随时接收到污染监测信息。由此，亟需一种能够自动进行大气污染物在线监测的设备。图像分割是一个经典的图像处理问题，其目的是将一幅图像划分为若干有意义的区域，其中每个区域具有相似的特征和意义，但由于它处理对象的复杂性和目标的多样性，一直是计算机视觉领域的难点和热点问题。特别是近年来随着技术革命进一步深入，图像分割在越来越多的领域如工业生产、视频应用、医学图像处理、生物图像处理、智能交通、电子商务、电子政务、人机接口、虚拟现实、大气污染物在线监测等得到了广泛的应用。随着互联网的飞速发展及网络类型与带宽的增加，成像设备成本的下降，产生的图像迅猛增多，基于图像处理的产品与我们的日常生活也越来越紧密相关。图像分割作为图像处理中的一项关键技术，因此对图像分割技术的研究不仅具有重要的理论价值而且具有很好的实用价值。图像分割研究始于二十世纪七十年代，经过近半个世纪的发展，提出了大量经典的图像分割算法。传统的经典图像分割主要有阈值分割、基于边缘的分割、基于区域的分割、基于全局优化准则的分割和基于统计的分割等。很多算法都在特定的应用场景中取得了好的分割效果，但由于图像成像方式及设备的多元化、处理物体的多样性及物体形状不规则性等原因导致没有一种图像分割算法能够很好的处理所有类型的图像。图像分割在统计中也称为聚类分析。近年来基于统计的有限混合模型(FiniteMixtureMode,FMM)的研究一直非常活跃。然而基于高斯分布的FMM的一个明显缺点是它对噪声非常敏感。而青蛙分布与高斯分布相比具有更重的尾部，因此它对噪声具有很好的健壮性，是高斯分布的健壮替代。综上所述，现有技术存在的问题是：通过人工或固定的监测点进行污染物监测自动化程度低，人工维护成本高，并且数据具有较大的滞后性，当地管理部门不能随时接收到污染监测信息；而且现有技术污染物图像处理技术智能化程度低。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于无线云传感网的大气污染物在线监测系统。本专利技术是这样实现的，一种基于无线云传感网的大气污染物在线监测系统包括：用户终端、数据总汇终端、无线云传感网、系统分析模块、湿度监测模块、污染物监测模块、温度监测模块及时间控制模块；所述湿度监测模块、污染物监测模块、温度监测模块均通过有线或无线分别连接时间控制模块和系统分析模块；系统分析模块将数据通过GTiBee协议传送到无线云传感网；所述数据总汇终端用于接收汇总无线云传感网的数据；用户终端通过访问数据总汇终端对大气污染状况进行了解并控制数据总汇终端；所述用户终端通过流量数据连接用数据总汇终端；所述时间控制模块用于控制所述湿度监测模块、污染物监测模块、温度监测模块的工作频率或采样周期；所述湿度监测模块用感知设备在独立的采样周期内对目标信号x(t)进行采集，并用A/D方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程i＝1,…,M，其中h(0),…,h(L-1)为滤波器系数，设计基于滤波的压缩感知信号采集框架，构造如下托普利兹测量矩阵：则观测i＝1,…,M，其中b1,…,bL看作滤波器系数；子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)＝Φ′FTΦFT特征值的算术根，验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i＝1,…,T，则ΦF满足RIP，并通过求解最优化问题来重构原信号；即通过线性规划方法来重构原信号，亦即BP算法；对图像或语音压缩信号的采集，则修改ΦF为如下形式：如果信号在变换基矩阵Ψ上具有稀疏性，则通过求解最优化问题，精确重构出原信号；其中Φ与Ψ不相关，Ξ称为CS矩阵；所述污染物监测模块数字调制信号x(t)的分数低阶模糊函数表示为：其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x*(t)表示x(t)的共轭，当x(t)为实信号时，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]＜p＞＝|x(t)|p-1x*(t)；所述温度监测模块的接收信号z(t)表示为：z(t)＝s(t)+n(t)；其中，s(t)为数字调制信号，n(t)为服从标准SαS分布的脉冲噪声，s(t)的解析形式表示为：其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制阶数，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；所述系统分析模块对湿度监测模块、污染物监测模块、温度监测模块传输的图像信号进行处理，具体包括：输入待分割图像，得到图像的颜色信息；提取颜色特征和自适应LBP算子特征；设置聚类数目K及迭代终止的似然函数变化值和迭代的最大次数；构建多特征底秩矩阵表示模型；s.t.Xi＝XiAi+Ei,i＝1,…,K，其中α是大于0的系数，用来度量噪声和野点带来的误差；等价为以下模型：s.t.Xi＝XiSi+Ei,Ai＝Ji,Ai＝Si,i＝1,…,K初始化参数，使用K-均值算法得到均值μ和协方差Σ，然后初始化变量，设置变量η＝1，精度Λ＝(ηΣ)-1，v＝1，利用近邻关系求得像素中的每个像素的均值利用当前的μk和Σk计算高斯分布，计算青蛙t分布；计算场景混合系数πnk和后验概率znk；计算均值μk和协方差Σk；修改ηk的值并求得精度值计算对数似然函数的值，计算其变化值或迭代次数超过规定数就退出循环操作，否则执行利用当前的μk和Σk计算高斯分布，计算青蛙t分布步骤操作；计算像素的最大后验概率，根据最大后验概率原则得到像素的类别；输出伪像素区域并得到最后准确的像素区域；假设一副图像中共有N个像素，这些像素被分为K个类；所述像素中的每个像素的均值的求解按下面公式进行求解，式中表示近邻系统，Nn表示近邻系统中近邻的个数。进一步，利用当前的μk和Σk计算高斯分布，计算青蛙t分布，具体包括：计算青蛙t分布的参数Λ＝(ηΣ)-1，根据青蛙t分布分解为高斯分布和伽马分布的乘积关系St(x|μ,Λ,v)＝N(x|μ,(ηΛ)-1Gam(η|v/2,v/2))；其中伽马分布的定义为利用求得的参数η,Λ,μ,v，求得青蛙t分布的值。进一步，根据整个图像的对数似然函数求解参数的复杂性，引入隐含变量znk，使得对数似然函数重新被写为进一步，求函数L(Θ)关于参数ηk的导数为其中D表示数据的维数，图像为彩色时D＝3,灰度时D＝1。设置得到求得ηk的值为进一步，求函数L(Θ)关于参数Λk的导数为设置得到等式求得Λk的值为求函数L(Θ)关于参数μk的导数为设置得到等式，求得μk的值为进一步，提取自适应L本文档来自技高网...

【技术保护点】
一种基于无线云传感网的大气污染物在线监测系统，其特征在于，所述基于无线云传感网的大气污染物在线监测系统包括：用户终端、数据总汇终端、无线云传感网、系统分析模块、湿度监测模块、污染物监测模块、温度监测模块及时间控制模块；所述湿度监测模块、污染物监测模块、温度监测模块均通过有线或无线分别连接时间控制模块和系统分析模块；系统分析模块将数据通过GTiBee协议传送到无线云传感网；所述数据总汇终端用于接收汇总无线云传感网的数据；用户终端通过访问数据总汇终端对大气污染状况进行了解并控制数据总汇终端；所述用户终端通过流量数据连接用数据总汇终端；所述时间控制模块用于控制所述湿度监测模块、污染物监测模块、温度监测模块的工作频率或采样周期；所述湿度监测模块用感知设备在独立的采样周期内对目标信号x(t)进行采集，并用A/D方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程

【技术特征摘要】
1.一种基于无线云传感网的大气污染物在线监测系统，其特征在于，所述基于无线云传感网的大气污染物在线监测系统包括：用户终端、数据总汇终端、无线云传感网、系统分析模块、湿度监测模块、污染物监测模块、温度监测模块及时间控制模块；所述湿度监测模块、污染物监测模块、温度监测模块均通过有线或无线分别连接时间控制模块和系统分析模块；系统分析模块将数据通过GTiBee协议传送到无线云传感网；所述数据总汇终端用于接收汇总无线云传感网的数据；用户终端通过访问数据总汇终端对大气污染状况进行了解并控制数据总汇终端；所述用户终端通过流量数据连接用数据总汇终端；所述时间控制模块用于控制所述湿度监测模块、污染物监测模块、温度监测模块的工作频率或采样周期；所述湿度监测模块用感知设备在独立的采样周期内对目标信号x(t)进行采集，并用A/D方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程i＝1,…,M，其中h(0),…,h(L-1)为滤波器系数，设计基于滤波的压缩感知信号采集框架，构造如下托普利兹测量矩阵：则观测i＝1,…,M，其中b1,…,bL看作滤波器系数；子矩阵ΦFT的奇异值是格拉姆矩阵G(ΦF,T)＝Φ′FTΦFT特征值的算术根，验证G(ΦF,T)的所有特征值λi∈(1-δK,1+δK),i＝1,…,T，则ΦF满足RIP，并通过求解最优化问题来重构原信号；即通过线性规划方法来重构原信号，亦即BP算法；对图像或语音压缩信号的采集，则修改ΦF为如下形式：如果信号在变换基矩阵Ψ上具有稀疏性，则通过求解最优化问题，精确重构出原信号；其中Φ与Ψ不相关，Ξ称为CS矩阵；所述污染物监测模块数字调制信号x(t)的分数低阶模糊函数表示为：其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x*(t)表示x(t)的共轭，当x(t)为实信号时，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]＜p＞＝|x(t)|p-1x*(t)；所述温度监测模块的接收信号z(t)表示为：z(t)＝s(t)+n(t)；其中，s(t)为数字调制信号，n(t)为服从标准SαS分布的脉冲噪声，s(t)的解析形式表示为：其中，N为采样点数，an为发送的信息符号，在MASK信号中，an＝0，1，2，…，M-1，M为调制阶数，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，Tb表示符号周期，fc表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；所述系统分析模块对湿度监测模块、污染物监测模块、温度监测模块传输的图像信号进行处理，具体包括：输入待分割图像，得到图像的颜色信息；提取颜色特征和自适应LBP算子特征；设置聚类数目K及迭代终止的似然函数变化值和迭代的最大次数；构建多特征底秩矩阵表示模型；s.t.Xi＝XiAi+Ei,i＝1,…,K，其中α是大于0的系数，用来度量噪声和野点带来的误差；等价为以下模型：初始化参数，使用K-均值算法得到均值μ和协方差Σ，然后初始化变量，设置变量η＝1，精度Λ＝(ηΣ)-1，v＝1，利用近邻关系求得像素中的每个像素的均值利用当前的μk和Σk计算高斯分布，计算青蛙t分布；计算场景混合系数πnk和后验概率znk；计算均值μk和协方差Σk；修改ηk的值并求得精度值计算对数似然函数的值，计算其变化值或迭代次数超过规定数就退出循环操作，否则执行利用当前的μk和Σk计算高斯分布，计算青蛙t分布步骤操作；计算像素的最大后验概率，根据最大后验概率原则得到像素的类别；输出伪像素区域并得到最后准确的像素区域；假设一副图像中共有N个像素，这些像素被分为K个类；所述像素中的每个像素的均值的求解按下面公式进行求解，式中表示近邻系统，Nn表示近邻系统中近邻的个数。2.如权利要求1所述的基于无线云传感网的大气污染物在线监测系统，其特征在于，利用当前的μk和Σk计算高斯分布，计算青蛙t分布，具体包括：计算青蛙t分布的参数Λ＝(ηΣ)-1，根据青蛙t分布分解为高斯分布和伽马分布的乘积关系St(x|μ,Λ,v)＝N(x|μ,(ηΛ)-1Gam(η|v/2,v/2))；其中伽马分布的定义为利用求得的参数η,Λ,μ,v，求得青蛙t分布的值。3.如权利要求1所述的基于无线云传感网的大气污染物在线监测系统，其特征在于，根据整个图像的对数似然函数

【专利技术属性】
技术研发人员：樊东红，韦树贡，宋俊慷，凌晔华，
申请(专利权)人：广西民族师范学院，
类型：发明
国别省市：广西,45