移动物联平台上的微环境数据感知和处理分析

摘要

随着物联网技术和传感器设备的发展，传感器在农业、工业以及日常生活中都得到大量的应用。对于环境质量监测，传感器网络在信号采样阶段起着重要的作用。然而，对于细粒度的环境质量监测，由于需要大量的传感器，传感器的成本和测量精确度一直在阻碍微环境质量监测的发展。如何低成本地组建一个高质量物联平台去感知华为处理分析微环境质量成为一个亟待解决的问题。因此，本文设计了一个基于移动物联平台的微环境监测系统。主要工作包括了以下几点：　　(1)本文提出了一种适用于微环境监测系统的数据校准方法。针对低精度传感器测量精度不高的问题，使用两阶段学习方法训练了一个硬件校准模型，使用该硬件校准模型后能使传感器测量值接近真实值。对由于地理位置限制，无法用传感器测量的地点，提出了一个软件校准方法，从而能高精度地估计该地点的测量值。通过硬件校准和软件校准，微环境监测系统能够获得接近真实值的测量数据，从而提升整个系统的性能，减小监测系统的误差。　　(2)基于贝叶斯压缩感知理论(Bayesian compressive sensing，BCS)和自适应贝叶斯压缩感知技术提出了一种低成本的细粒度环境监测技术。通过将监测空间网格化，计算每个网格上的信息增益，并将传感器部署到合适的网格点即可用少量传感器高精度恢复所有网格的环境数据。该技术通过结合群智感知技术能使传感器具有移动部署能力并实现快速采集所需位置上的环境数据，提高数据重建的精度。　　(3)本文设计了一个移动物联平台原型，它使用了本文所提出的数据校准方法获取高准确度的数据，并将所提出的基于贝叶斯压缩感知的微环境监测技术对微环境数据进行感知和处理分析。该移动物联平台通过利用移动群智感知的方法实现传感器的移动，增加传感器的复用率，进一步降低平台成本。该平台已在校园内完成了实验测试，实验结果表明该平台是一个轻巧、低成本、准确的微环境质量监测平台。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 微环境质量监测现状

1.2.2 移动物联平台上的微环境数据感知现状

1.2.3微环境数据处理和分析现状

1.3 本文研究内容

1.4 论文结构

第2章 相关研究

2.1 空气质量感知技术

2.1.1 高成本静态感知方法

2.1.2 低成本静态感知方法

2.1.3 非参与式动态感知方法

2.1.4 群智感知方法

2.2 传感器校准技术

2.2.1 线性校准模型

2.2.2 非线性校准模型

2.3 压缩感知技术

2.3.1 压缩感知理论

2.3.2 l1近似方法

2.3.3 贪婪算法

2.3.4 贝叶斯压缩感知算法

2.4 本章小结

第3章 基于硬件校准和软件校准的数据校准方法

3.1 引言

3.2 硬件校准模型的设计

3.2.1 两阶段学习方法的总体架构

3.2.2 产出残差的线性模型

3.2.3 残差数据集构建非线性模型

3.3 软件校准模型的设计

3.3.1 空气污染物扩散模型

3.3.2 软件校准模型

3.4 本章小结

第4章 基于贝叶斯压缩感知的微环境监测技术

4.1 引言

4.2 监测区域的网格划分

4.3 基于压缩感知的微环境监测

4.4 红包部署方法

4.4.1 开环熵方法

4.4.2 开环互信息方法

4.4.3 自适应 BCS 方法

4.5 微环境监测模型

4.6 本章小结

第5章 系统设计和实验验证

5.1 系统设计

5.1.1 系统框架

5.1.2 系统原型构建

5.2 性能评估

5.2.1 数据恢复效果评估

5.2.2 影响性能的外部因素

5.2.3 数据校准的有效性

5.2.4基于自适应BCS的传感器部署方法评估

5.3 本章小结

结论

参考文献

附录A攻读学位期间所发表的学术论文目录

附录B攻读学位期间参与的主要项目

致谢