一种基于物联网的水库安全监测方法技术

本发明专利技术公开了一种基于物联网的水库安全监测方法，包括：在水库处部署传感器和网关设备，LoRa发射模块和LoRa接收模块无线通信连接，且在LoRa接收模块内构造抗干扰滤波器，对LoRa发射模块传输的数据进行滤波；网关设备接收传感器的监测数据，并将监测数据加密后无线传输至云端服务器；云端服务器接收加密后的监测数据，并将其解密后，对监测数据进行判断，若监测数据的数据值超出设定阈值，则发出安全预警；本发明专利技术通过多个传感器，对水库内的环境参数进行监测，免了传统有线传输方案中需要进行大量布线工作的问题；构造抗干扰滤波器，可以有效提高传输质量和稳定性；采用加密等安全措施，保证数据传输的安全性和可靠性。保证数据传输的安全性和可靠性。保证数据传输的安全性和可靠性。

【技术实现步骤摘要】
一种基于物联网的水库安全监测方法


[0001]本专利技术涉及物联网
，具体涉及一种基于物联网的水库安全监测方法。

技术介绍

[0002]水库是一种重要的水资源设施，用于储存、调节和利用水资源。随着水利设施的建设和科技的发展，水库安全监测成为了一个重要的问题。目前，在水库安全监测方面，常用的方法是利用传感器对水库内的环境参数进行监测，例如水位、水质、水温等，然后将监测数据传输至中心站进行处理和分析。其中，传输方式主要有有线传输和无线传输两种方式。
[0003]然而，在传统有线传输方案中，由于水库区域较为广阔且环境复杂，传输距离较远，因此需要进行长距离传输，而传输过程中信号会受到多种干扰影响，导致传输质量下降，影响监测结果的准确性和可靠性。此外，由于水库环境的特殊性，有线传输方案需要进行大量的布线工作，不仅工作量大，还会对水库环境产生一定的破坏。
[0004]而在传统的无线传输方案中，常用的无线通信技术主要有 Zigbee、WiFi 和蓝牙等。虽然这些技术具有无线传输的优势，但由于水库环境的特殊性，例如多障碍物和多路径传播等因素，容易导致信号受到干扰和衰减，进而影响传输距离和传输质量。此外，传统无线传输方案还存在加密和身份验证等安全问题。

技术实现思路

[0005]本专利技术所要解决的技术问题是对水库进行物联网监测的数据传输问题，目的在于提供一种基于物联网的水库安全监测方法，提升了数据传输的抗干扰性和安全性。
[0006]本专利技术通过下述技术方案实现：一种基于物联网的水库安全监测方法，包括以下步骤：S1、在水库处部署传感器，并将传感器与LoRa发射模块电连接；S2、在水库处部署网关设备，网关设备的信号输入端与LoRa接收模块电连接，LoRa发射模块和LoRa接收模块无线通信连接，且在LoRa接收模块内构造抗干扰滤波器，对LoRa发射模块传输的数据进行滤波；S3、网关设备接收传感器的监测数据，并将监测数据加密后无线传输至云端服务器；S4、云端服务器接收加密后的监测数据，并将其解密后，对监测数据进行判断，若监测数据的数据值超出设定阈值，则发出安全预警。
[0007]具体地，步骤S2中，抗干扰滤波器的构造方法包括：在LoRa接收模块内构建神经网络模型，确定神经网络模型的输入信号流：，其中，且为LoRa接收模块与LoRa发射模块之间的信道系数，且为干扰源与LoRa接收模块之间的信道系数，为神经网络模型的输入信号流，为LoRa信号，为干扰信号；
设定干扰滤波器为，使且；构建网络权重内在关系模型，，，其中，为LoRa信号经信道系数的结果，为干扰信号经信道系数的结果；对神经网络进行权重训练，确定神经元的阈值，并获取神经网络权重参数、、、；获取干扰滤波器参数，，。
[0008]具体地，获取神经网络权重参数的方法包括：设定神经网络模型的输入向量为的实部和虚部，设定神经网络模型的输出向量为的实部和虚部；并使用R表示实部，I表示虚部；解构网络权重内在关系模型；定义、、、，有，将映射为输出信号流的实部，将映射为输出信号流的虚部；选取训练样本，并确定样本总数，其中b为前导域码片数，c为过采样率，2为复数的分量数；使用反向传播训练神经网络的权重，并将平方误差作为神经网络模型的代价函数，利用步长，根据前b
×
c个样本数据集，更新权重：，其中，是第n次迭代的步长，和为第n次迭代的输入向量，为第n次迭代的输出向量，为第n次迭代的实部前向计算输出；再根据后b
×
c个样本数据集，更新权重：，其中，
为第n次迭代虚部前向计算输出；设定，求解神经网络权重。
[0009]具体地，步骤S3中，将监测数据加密的方法包括：计算监测数据中的信息熵，并计算出监测数据的长度m；获得监测数据的数字向量V，并对数字向量V进行逆向量化获得大小为m
×
m的数字矩阵，数字矩阵至少为1个；构建加密用的大小为m
×
m的对角密钥矩阵；获取加密矩阵。
[0010]具体地，长度m的计算方法包括：统计监测数据中字符的总数M，获取监测数据中各类字符的频率，其中，N为字符的总类数，且有；计算监测数据的信息熵，；计算监测数据长度，其中为字符的取值种类总数。
[0011]可选地，依次对监测数据中的字符进行变换，变换公式为：，其中为返回字符的ASCII码；组合多个字符对应的，并获取监测数据的数字向量V。
[0012]具体地，所述数字矩阵的获得方法包括：将长度为M的数字向量按照进行分割，获得数字矩阵的数量，其中，表示向上取整；若，则将数字向量依次按照从左到右、从上到下的顺序排列为数字矩阵，且若，则使用填充字符对进行补齐；若，则将第个数字向量至第个数字向量依次排列为第个数字矩阵，并按照顺序依次标记个数字矩阵，其中，为不小于0的整数。
[0013]具体地，对角密钥矩阵的获得方法包括：根据AES算法的计数器模式产生加密的二进制序列，并将其作为初始密钥；
从计数器模式中选择X个比特的二进制数组成种子密钥，其中X是用于指定种子密钥长度的给定参数；将种子密钥分割为m组获得m个子密钥，并对m个子密钥进行相位序列变换，获得m个子密钥序列；构建对角密钥矩阵，其中为子密钥序列。
[0014]具体地，云端服务器对加密后的监测数据进行解密的方法包括：网关设备确定需要进行加密传输的监测数据后，根据监测数据计算对角密钥矩阵；网关设备通过其他的保密传输方法将对角密钥矩阵加密传输至云端服务器；云端服务器解密后获得对角密钥矩阵；云端服务器接收经对角密钥矩阵加密的监测数据；解密获得未加密的数字矩阵，其中为对角密钥矩阵的逆矩阵；对数字矩阵向量化，获得数字向量V，对数字向量中的元素进行转换：，其中，为返回ASCII码为的字符；依次拼接所有字符获得监测数据。
[0015]可选地，当数字矩阵的数量大于1时，按照标记的顺序，依次对个加密进行解密获得个数字矩阵，并依次对个数字矩阵进行向量化，依次拼接所有字符获得监测数据。
[0016]本专利技术与现有技术相比，具有如下的优点和有益效果：本专利技术通过在水库部署多个传感器，采用传感器对水库内的环境参数进行监测，且将监测数据无线传输至云端服务器进行处理和分析，避免了传统有线传输方案中需要进行大量布线工作的问题，同时也降低了对水库环境的破坏采用 LoRa 技术进行无线通信，并通过在LoRa接收模块内构造抗干扰滤波器，对传输过程中受到的干扰进行滤波，可以有效提高传输质量和稳定性；采用加密等安全措施，保证数据传输的安全性和可靠性，从而避免了传统无线传输方案中存在的安全问题。
[0017]通过云端服务器对监测数据进行处理和分析，可以实现对水库安全的实时监测和预警，从而有效保障水库的安全性和稳定性。同时，对监测数据进行分析和处理，还可以为水库的管理和维护提供参考依据。
附图说明
[0018]附图示出了本专利技术的示例性实施方式，并与其说明一起用于解释本专利技术的原理，其中包括了这些附图以提供对本专利技术的进一步理解，并且附图包括在本说明书中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的水库安全监测方法，其特征在于，包括以下步骤：S1、在水库处部署传感器，并将传感器与LoRa发射模块电连接；S2、在水库处部署网关设备，网关设备的信号输入端与LoRa接收模块电连接，LoRa发射模块和LoRa接收模块无线通信连接，且在LoRa接收模块内构造抗干扰滤波器，对LoRa发射模块传输的数据进行滤波；S3、网关设备接收传感器的监测数据，并将监测数据加密后无线传输至云端服务器；S4、云端服务器接收加密后的监测数据，并将其解密后，对监测数据进行判断，若监测数据的数据值超出设定阈值，则发出安全预警。2.根据权利要求1所述的基于物联网的水库安全监测方法，其特征在于，步骤S2中，抗干扰滤波器的构造方法包括：在LoRa接收模块内构建神经网络模型，确定神经网络模型的输入信号流：，其中，且为LoRa接收模块与LoRa发射模块之间的信道系数，且为干扰源与LoRa接收模块之间的信道系数，为神经网络模型的输入信号流，为LoRa信号，为干扰信号；设定干扰滤波器为，使且；构建网络权重内在关系模型，，，其中，为LoRa信号经信道系数的结果，为干扰信号经信道系数的结果；对神经网络进行权重训练，确定神经网络权重系数，并获取神经网络权重参数、、、；获取干扰滤波器参数，，。3.根据权利要求2所述的基于物联网的水库安全监测方法，其特征在于，获取神经网络权重参数的方法包括：设定神经网络模型的输入向量为的实部和虚部，设定神经网络模型的输出向量为的实部和虚部；并使用R表示实部，I表示虚部；解构网络权重内在关系模型；定义、、、，有，将映射为输出信号流的实部，将映射为输出信号流的虚部；
选取训练样本，并确定样本总数，其中b为前导域码片数，c为过采样率，2为复数的分量数；使用反向传播训练神经网络的权重，并将平方误差作为神经网络模型的代价函数，利用步长，根据前b
×
c个样本数据集，更新权重：，其中，是第n次迭代的步长，和为第n次迭代的输入向量，为第n次迭代的输出向量，为第n次迭代的实部前向计算输出；再根据后b
×
c个样本数据集，更新权重：，其中，为第n次迭代虚部前向计算输出；设定，求解神经网络权重。4.根据权利要求1所述的基于物联网的水库安全监测方法，其特征在于，步骤S3中，将监测数据加密的方法包括：计算监测数据中的信息熵，并计算出监测数据的长度m；获得监测数据的数字向量V，并对数字向量V进行逆向量化获得大小为m

【专利技术属性】
技术研发人员：郝明华，蒋先勇，李志刚，魏长江，李财，胡晓晨，税强，曹尔成，
申请(专利权)人：四川三思德科技有限公司，
类型：发明
国别省市：