【技术实现步骤摘要】
本专利技术涉及预警广播，具体是一种基于分布式传感器网络的预警信息应急广播系统。
技术介绍
1、分布式传感器网络在灾害预警和应急广播系统中的应用已经成为当今技术发展的重要趋势，大规模分布式传感器网络中，实时传输大量图像数据对带宽和能源消耗要求较高，目前，部分系统的数据传输速度、处理能力和续航能力无法满足高效预警广播的需求，尤其是在资源受限的偏远或野外区域；随着物联网、大数据以及人工智能技术的快速发展，图像识别技术发展迅速，但在复杂环境、低光照或目标小、运动模糊等条件下，图像识别准确率仍待提高，易出现误报或漏报现象，影响应急广播的有效性和及时性。
技术实现思路
1、针对上述情况，本专利技术提供了一种基于分布式传感器网络的预警信息应急广播系统，针对大规模分布式传感器网络中，实时传输大量图像数据对带宽和能源消耗要求较高，目前，部分系统的数据传输速度、处理能力和续航能力无法满足高效预警广播的需求的问题，本方案采用e-deec协议方法对分布式传感器网络中的各节点的能源消耗进行平衡优化，避免能量丰富的节点因距离过远而快速耗尽能量，实现整个分布式传感器网络的能量均衡消耗，延长分布式传感器网络的整体生命周期；针对在复杂环境、低光照或目标小、运动模糊等条件下，图像识别准确率仍待提高，易出现误报或漏报现象，影响应急广播的有效性和及时性的问题，采用并行网络结构进行分层特征融合的方法，设计局部和全局特征的并行层次结构，以有效地提取不同语义尺度下的局部特征和全局特征表示，设计自适应层次特征融合块，以充分利用各
2、本专利技术提供的一种基于分布式传感器网络的预警信息应急广播系统包括数据采集与传输模块、图像识别分析模块、预警分析与决策模块、预警信息发布模块、应急响应联动模块；
3、所述数据采集与传输模块在监测区域部署各类传感器，传感器将采集的数据使用不同的节点发送至分布式传感器网络中的基站节点进行传输和处理，生成数据集，并使用e-deec协议方法优化分布式传感器网络中的能源消耗；
4、所述图像识别分析模块采用并行网络结构进行分层特征融合的方法获取数据集进行识别，并定位风险因素，判断是否存在紧急事件，对于自然灾害或突发状况，通过图像识别评估灾害程度、扩散范围以及发展趋势，生成分析报告；
5、所述预警分析与决策模块根据接收到的分析报告，确定预警等级，生成预警信息和预警响应策略，结合地理信息系统进行空间定位分析，发送预警信息的地理位置信息；
6、所述预警信息发布模块负责将经过确认的预警信息通过多种渠道快速发布给目标人群，包括广播系统、电视屏幕、手机短信、社交媒体平台、公共显示屏；
7、所述应急响应联动模块当预警发出后，自动启动或协助指挥中心执行应急预案，调动相关部门资源，指导公众采取避难措施。
8、进一步的，在数据采集与传输模块中，使用e-deec协议优化分布式传感器网络中的能源消耗，具体包括以下步骤：
9、步骤s1：簇头优化，将节点分成若干个簇，每个簇由一个节点担任簇头角色，计算单个节点到基站的距离和所有节点平均距离的总和，并选择剩余能量充足且距离基站更近的节点成为簇头；
10、步骤s2：阈值设定，计算簇头发送数据所需的最低能量阈值，所用公式如下：
11、；
12、其中，为传输数据的比特数，为数据传输所消耗的能量，为数据聚合所消耗的能量，为功率放大器能量消耗，为传输的距离，为簇头发送数据所需的最低能量阈值；
13、步骤s3：eche模块智能切换簇头，使用eche模块选择不同的节点作为簇头进行数据传输；
14、步骤s4：能量消耗计算，计算传输过程中各个节点的能量消耗、平均能量消耗以及整个系统的总能量消耗，所用公式如下：
15、；
16、；
17、；
18、其中，为非簇头节点到其所连接的簇头之间的距离，为非簇头节点传输所消耗的能量，为簇数，为节点的数量，表示运行节点中的设备产生的能量消耗，为簇头到基站的距离，表示簇头传输所消耗的总能量，为簇平均消耗能量，为分布式传感器网络的总能量消耗；
19、进一步的，步骤s3具体包括以下步骤：
20、步骤s31：簇头的候选节点，将节点分为先进节点和正常节点两个类别，并给出一组先进节点作为候选节点；
21、步骤s32：候选节点选择，根据候选节点剩余的能量并结合时间间隔进行计算，并根据最低能量阈值的情况进行判断；
22、步骤s33：计算能力指数，使用计算能力公式获得每个候选节点的计算能力指数，得到计算能力指数集，并按照计算能力指数从高到低排序，所用公式如下：
23、；
24、其中，表示第个候选节点的计算能力指数，表示处理器时钟频率，表示随机访问内存；
25、步骤s34：构建基于欧几里得距离邻近性的集合，使用k最近邻方法确定候选节点间的距离关系，距离最近的候选节点排在首位，距离最远的候选节点则位于集合末尾，选择距离最近的候选节点作为簇头。
26、进一步的，在图像识别分析模块中，采用并行网络结构进行分层特征融合的方法获取数据集进行识别，并定位风险因素，具体包括以下步骤：
27、步骤p1：并行网络结构搭建，设计并使用一种并行网络结构用于分层特征融合，融合不同层次的局部特征和全局特征；
28、步骤p2：全局特征提取，将数据集进行处理生成特征图，并使用w-msa和sw-msa方法对特征图进行全局特征提取，获得全局特征；
29、步骤p3：局部特征提取，使用3×3深度可分离卷积提取数据集的局部特征，并使用线性层进行跨通道的信息交互，获得局部特征，所用公式如下：
30、；
31、式中，为自然数，表示卷积核大小为1*1的卷积操作，表示局部特征块的输出特征，为具有3*3卷积核大小的深度可分离卷积操作，代表layernorm操作；
32、步骤p4：自适应分层特征融合，根据输入的不同特征自适应融合不同层次的局部特征、全局特征以及融合后的前一层次特征中的语义信息；
33、进一步的，在步骤p2中，使用w-msa方法对特征图进行全局特征提取，具体包括以下步骤：
34、步骤p21：特征图分割计算复杂度，将特征图分割为大小的patch进行逐个自注意力运算，计算复杂度，所用公式如下：
35、；
36、其中，代表特征图的高度，代表宽度，代表特征图的深度，表示每个patch的尺寸,为w-msa的复杂度计算；
37、步骤p22：全局特征处理，将patch整合进全局特征块中，并使用带有gelu激活函数的线性层进行处理，所用公式如下：
38、；
39、；
40、其中，和分别表示模块操作和模块操作，和分别代表全局特征中本文档来自技高网...
【技术保护点】
1.一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：包括数据采集与传输模块、图像识别分析模块、预警分析与决策模块、预警信息发布模块、应急响应联动模块；
2.根据权利要求1所述的一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：在数据采集与传输模块中，使用E-DEEC协议优化分布式传感器网络中的能源消耗，具体包括以下步骤：
3.根据权利要求2所述的一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：步骤S3具体包括以下步骤：
4.根据权利要求1所述的一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：在图像识别分析模块中，采用并行网络结构进行分层特征融合的方法获取数据集进行识别，并定位风险因素，具体包括以下步骤：
5.根据权利要求4所述的一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：在步骤P2中，使用W-MSA方法对特征图进行全局特征提取，具体包括以下步骤：
6.根据权利要求4所述的一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：在步骤P4中，自适应分层特征融
...【技术特征摘要】
1.一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：包括数据采集与传输模块、图像识别分析模块、预警分析与决策模块、预警信息发布模块、应急响应联动模块；
2.根据权利要求1所述的一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：在数据采集与传输模块中，使用e-deec协议优化分布式传感器网络中的能源消耗，具体包括以下步骤：
3.根据权利要求2所述的一种基于分布式传感器网络的预警信息应急广播系统，其特征在于：步骤s3具体包括以下步骤：
4.根据权利要...
【专利技术属性】
技术研发人员：隋剑利，李忠，牛冬，张立莉，尚秉琛，
申请(专利权)人：内蒙古自治区气象服务中心内蒙古自治区气象宣传与科普中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。