CN106359023A - 一种基于物联网的农业灌溉系统 - Google Patents

Abstract

本发明公开了一种基于物联网的农业灌溉系统，控制终端模块用于远程控制信息采集模块和灌溉机，所述控制终端模块通过通讯模块与信息采集模块连接，所述信息采集模块用于采集土壤以及空气信息，所述信息采集模块包括温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器，所述信息采集模块与信息处理模块连接，所述控制终端模块通过通讯模块与灌溉机连接。该基于物联网的农业灌溉系统，可以根据农户要求结合现场实现喷灌机的启停和远程无线启停以及喷灌机信息管理，该系统分布于所监控的农业灌溉区域每一个灌溉设备点，实现农业灌溉的集中化远程管理调度，节省农户务农时间，提高农业生产效率。

Description

一种基于物联网的农业灌溉系统

技术领域

本发明属于农业灌溉技术领域，具体涉及一种基于物联网的农业灌溉系统。

背景技术

在我国东部地区，尤其是沿海地区已经实现大面积土地种植，并且大部分农田完成膜下滴灌改造工程。但此类灌溉设备均分布在距离相对较远的种植区，分布区域不仅广而且较为零散。长期以来，农业灌溉一直处于人工管理阶段，这种管理方式费时费力，显然已经不能满足大生产模式的要求。又由于农户到灌溉设备地点受地形、天气、交通等复杂的环境状况影响，不能及时进行农业灌溉作业，灌溉作业时尽管配备大量的人员进行巡井，但不能在定量上及时了解灌溉情况以及灌溉设备的运行情况。

目前，推进互联网农业生产中，围绕农业“一区一镇”建设，重点推进农业物联网示范工程，积极探索可持续发展的农业物联网应用模式，加快RFID电子标签、远程监控、无线传感监测、二维码等现代信息技术推广应用，积极推进物联网在现代生态循环农业发展中的应用，集成推广智能控温、控水、控肥、控病、控湿等智能手段，到2020年，建成100个可借鉴的农业物联网示范点。

目前一些用于农业灌溉的自动化系统，对于土地以及当时的气候了解不详，本不该灌溉却进行灌溉，造成了资源的浪费，不利于节省农户的时间，降低了生产的效率；而且智能化程度不高，控制的数据误差大。

发明内容

本发明的目的在于提供一种基于物联网的农业灌溉系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于物联网的农业灌溉系统，包括控制终端模块、通讯模块、信息处理模块、信息采集模块和田间检测模块；所述控制终端模块用于远程控制信息采集模块和灌溉机，所述控制终端模块通过通讯模块与信息采集模块连接；所述信息采集模块用于采集土壤以及空气信息；

所述信息采集模块包括温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器，所述温度传感器用于采集外界的温度参数，所述土壤水分传感器用于采集土壤的水分参数，所述光照强度传感器用于采集光照强度参数，所述空气湿度传感器用于采集空气的湿度参数，所述信息采集模块与信息处理模块连接；

所述信息处理模块用于处理信息采集模块所采集的参数，所述控制终端模块通过通讯模块与灌溉机连接；所述田间检测模块用于检测和获取田间作物的信息；

所述田间检测模块通过通讯模块与控制终端模块连接。

进一步，所述控制终端模块包括电脑、手机应用服务器、通讯服务器和路由器，所述通信服务器与路由器信号连接，所述手机与通信服务器信号连接，所述应用服务器与通信服务器信号来接，所述电脑与应用服务器信号连接。

进一步，所述通讯模块包括无线通讯模块和有线通讯模块；所述无线通讯模块和有线通讯模块均用于控制终端模块、信息处理模块、信息采集模块三者相互信号的传输。

所述田间检测模块包括RFID电子标签、激光编码扫描仪、红外线摄像头、田间现场检测仪；

所述的RFID电子标签安装在RFID电子标签标牌上，RFID电子标签标牌安装在田间杆塔上；所述RFID电子标签用于标示和储存田间作物的信息；

所述激光编码扫描仪扫描RFID电子标签后通过通讯模块将数据发送至控制终端模块；

所述红外线摄像头采用铰接式安装在田间杆塔上，用于采集田间作物图像信息，并通过通讯模块将数据发送至控制终端模块；

所述田间现场检测仪通过支架安装在田间土壤上面，用于检测田间作物生长过程中的信息，并通过通讯模块将数据发送至控制终端模块；

所述田间现场检测仪设置有信号接收模块和信号发送模块，所述信号接收模块通过信号连接信号发送模块。

进一步，所述灌溉机设置有调频电机；所述调频电机设置有跳频混合信号调整模块和同步正交跳频信号盲源分离模块；所述跳频混合信号调整模块和同步正交跳频信号盲源分离模块均通过通讯模块与控制终端模块连接；

所述跳频混合信号调整模块用于对跳频混合信号时频域矩阵进行预处理；

所述同步正交跳频信号盲源分离模块用于对同步正交跳频信号进行盲源分离。

进一步，对跳频混合信号时频域矩阵进行预处理方法包括：

第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；

第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b₁(p,q),b₂(p,q),…,b_M(p,q)]^T，其中

进一步，对同步正交跳频信号进行盲源分离方法包括：

(A)，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号

(B)，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵 其中P表示总的窗数，N_fft表示FFT变换长度；

(C)，对步骤(B)中得到的跳频混合信号时频域矩阵进行预处理；

(D)，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：

$\hat{N}=round\left(\frac{1}{p}\underset{p=0}{\overset{P-1}{\Σ}}{\hat{N}}_p\right);$

找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

${\hat{a}}_n\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{b}_{n,p}^0& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{b}_{n,p}^0\left(p\right)& l>1,\end{array}\right.,n=1,2,\mathrm{...},\hat{N}$

这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

${\hat{f}}_{c,n}\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{f}_o^n\left(p\right)& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{f}_o^n\left(p\right)& l>1,\end{array}\right.,n=1,2,\mathrm{...},\hat{N};$

(E)，根据步骤(D)估计得到的归一化混合矩阵列向量估计时频域跳频源信号；

(F)，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：

${\widehat{\mathrm{\θ}}}_n\left(l\right)=\frac{1}{M-1}\underset{m=2}{\overset{M}{\Σ}}{\sin }^{-1}\[\frac{angle\left({\hat{a}}_{n,m}\right(l)/{\hat{a}}_{n,m-1}(l\left)\right)*c}{2\mathrm{\π}{\hat{f}}_{c,n}\left(l\right)d}\],n=1,2,\mathrm{...},\hat{N}$

表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即v_c＝3×10⁸米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：

${m_n}^{\left(l\right)}=\underset{m}{\arg \min }\left|{\widehat{\mathrm{\θ}}}_m^{\left(l\right)}-{\widehat{\mathrm{\θ}}}_n^{\left(1\right)}\right|,n=1,2,...,\hat{N};$

其中m_n ^(l)表示第l跳估计的第m_n ^(l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Y_n(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,N_fft-1，即：

(G)，根据源信号时频域估计值，恢复时域跳频源信号；

在步骤(B)中，(p，q)表示时频索引，具体的时频值为这里N_fft表示FFT变换的长度，p表示加窗次数，T_s表示采样间隔，f_s表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜N_fft，且K_c＝N_fft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。

进一步，所述信号接收模块的信号接收方法包括：

根据接收信号的特征谱确定决策平面；

判断接收信号的通信信道是否呈现准用静态变换特性；

在所述通信信道呈现准用静态变换特性时，利用支持向量机方法在所述决策平面中选出决策边界；

在通信信道没有呈现准用静态变换特性时，利用模糊聚类方法在所述决策平面中选出决策边界；

根据所述决策边界对接收到的信号进行检测；

所述根据接收信号的特征谱确定决策平面包括：

对接收信号的离散信号向量进行线性变换得到酉变换矩阵；

根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱；

从所述能量特征谱中获取决策平面；

根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括：

对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵，得到接收信号的能量特征谱；

从所述能量特征谱中获取决策平面包括：

根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量；

按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量；

所述接收信号的离散信号向量通过奈奎斯特定律采样得到，并且采样长度涵盖接收信号的预定比例能量；

在从所述能量特征谱中获取决策平面之前，所述方法还包括：

对所述能量特征谱进行滑动平均处理；

进一步，所述提取的特征向量方法具体包括以下步骤：

获取信号，通过传感器采集数据并对信号进行放大处理；

信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；

小波包去噪；即利用改进小波包算法对采集的信号进行去噪；

小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；

提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；

组成特征向量，即利用主成分分析方法，从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有泄漏发生。

进一步，所述小波包去噪和小波包分解与重构包括：

信号延拓，对小波包分解的各层信号进行抛物线延拓；

设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：

$\left\{\begin{array}{c}x(a-1)=3x\left(a\right)-3x(a+1)+x(a+2)\\ x(a+3)=3x(a+2)-3x(a+1)+x\left(a\right)\end{array}\right.---\left(1\right);$

消去单子带多余频率成分；

将延拓后的信号与分解低通滤波器h₀卷积，得到低频系数，然后经过HF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分解高通滤波器g₀卷积，得到高频系数，然后经过LF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层高频系数，HF-cut-IF算子如式(2)所示，LF-cut-IF算子如式(3)所示；

$\left\{\begin{array}{c}X\left(k\right)=\underset{n=0}{\overset{N_j-1}{\Σ}}x\left(n\right)W^{kn},0\≤k\≤\frac{N_j}{4};\frac{3N_j}{4}\≤k\≤N_j\\ X\left(k\right)=0,\\ x\left(n\right)=\underset{k=0}{\overset{N_j-1}{\Σ}}x\left(k\right)W^{-kn},\end{array}\right.---\left(2\right)$

$\left\{\begin{array}{c}X\left(k\right)=\underset{n=0}{\overset{N_j-1}{\Σ}}x\left(n\right)W^{kn},\frac{N_j}{4}\≤k\≤\frac{3N_j}{4}\\ X\left(k\right)=0,\\ x\left(n\right)=\underset{k=0}{\overset{N_j-1}{\Σ}}x\left(k\right)W^{-kn},\end{array}\right.---\left(3\right)$

在(2)、(3)式中，x(n)为在2^j尺度上小波包的系数，N_j表示在2^j尺度上数据的长度，

单子带信号重构：

将得到的高、低频系数进行上采样，然后分别与高通重建滤波器g₁和低通重建滤波器h₁卷积，将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理，得到单子带重构信号。

进一步，所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中，

对接收信号s(t)进行非线性变换，按如下公式进行：

$f\[s\left(t\right)\]=\frac{s\left(t\right)*ln\left|s\left(t\right)\right|}{\left|s\left(t\right)\right|}=s\left(t\right)c\left(t\right);$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后得到变换矩阵：

$f\[s\left(t\right)\]=s\left(t\right)\frac{ln\left|Aa\left(m\right)\right|}{\left|Aa\left(m\right)\right|}.$

本发明提供的基于物联网的农业灌溉系统，通过温度传感器感知气温的高低，通过土壤水分传感器可以感知土壤的水分含量，通过光照强度传感器可以感知光照如何，通过空气湿度传感器可以感知空气的湿度情况，将这些参数输送给信息处理模块，综合考虑土壤以及当时的气候情况，采取是否进行喷灌，可以根据农户要求结合现场实现喷灌机的启停和远程无线启停以及喷灌机信息管理，该系统分布于所监控的农业灌溉区域每一个灌溉设备点，实现农业灌溉的集中化远程管理调度，节省农户务农时间，提高农业生产效率；

本发明的信号接收方法和信号处理方法均对基于物联网的农业灌溉系统的智能化控制和准确的数据控制提供了保障；本发明所述田间检测模块设置RFID电子标签、激光编码扫描仪、红外线摄像头均能准确的了解田间农作物更换种植品种信息，及时了解农作物水分因素对农作物影响的情况，田间检测仪表可及时了解由病除害因素对农作物硬性的情况。

附图说明

图1为本发明实施例提供的基于物联网的农业灌溉系统示意图。

图中：1、控制终端模块；2、通讯模块；3、信息处理模块；4、信息采集模块；5、田间检测模块；6、灌溉机。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了如图1所示：

本发明实施例提供的基于物联网的农业灌溉系统，包括控制终端模块1、通讯模块2、信息处理模块3、信息采集模块4和田间检测模块5；所述控制终端模块1用于远程控制信息采集模块和灌溉机6，所述控制终端模块通过通讯模块2与信息采集模块4连接；

所述信息采集模块4用于采集土壤以及空气信息，所述信息采集模块包括温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器，所述温度传感器用于采集外界的温度参数，所述土壤水分传感器用于采集土壤的水分参数，所述光照强度传感器用于采集光照强度参数，所述空气湿度传感器用于采集空气的湿度参数；

所述信息采集模块4与信息处理模块3连接，所述信息处理模块用于处理信息采集模块所采集的参数，所述控制终端模块通过通讯模块与灌溉机连接；

所述田间检测模块5通过通讯模块2与控制终端模块1连接。

进一步地，所述控制终端模块包括电脑、手机应用服务器、通讯服务器和路由器，所述通信服务器与路由器信号连接，所述手机与通信服务器信号连接，所述应用服务器与通信服务器信号来接，所述电脑与应用服务器信号连接。

进一步地，所述通讯模块包括无线通讯模块和有线通讯模块。所述无线通讯模块和有线通讯模块均用于控制终端模块、信息处理模块、信息采集模块三者相互信号的传输。

所述田间检测模块包括RFID电子标签、激光编码扫描仪、红外线摄像头、田间现场检测仪；

所述的RFID电子标签安装在RFID电子标签标牌上，RFID电子标签标牌安装在田间杆塔上；所述RFID电子标签用于标示和储存田间作物的信息；

所述激光编码扫描仪扫描RFID电子标签后通过通讯模块将数据发送至控制终端模块；

所述红外线摄像头采用铰接式安装在田间杆塔上，用于采集田间作物图像信息，并通过通讯模块将数据发送至控制终端模块；

所述田间现场检测仪通过支架安装在田间土壤上面，用于检测田间作物生长过程中的信息，并通过通讯模块将数据发送至控制终端模块；

所述田间现场检测仪设置有信号接收模块和信号发送模块，所述信号接收模块通过信号连接信号发送模块。

进一步，所述灌溉机设置有调频电机；所述调频电机设置有跳频混合信号调整模块和同步正交跳频信号盲源分离模块；所述跳频混合信号调整模块和同步正交跳频信号盲源分离模块均通过通讯模块与控制终端模块连接；

所述跳频混合信号调整模块用于对跳频混合信号时频域矩阵进行预处理；

所述同步正交跳频信号盲源分离模块用于对同步正交跳频信号进行盲源分离。

进一步，对跳频混合信号时频域矩阵进行预处理方法包括：

第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；

第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b₁(p,q),b₂(p,q),…,b_M(p,q)]^T，其中

进一步，对同步正交跳频信号进行盲源分离方法包括：

(A)，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号

(B)，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵 其中P表示总的窗数，N_fft表示FFT变换长度；

(C)，对步骤(B)中得到的跳频混合信号时频域矩阵进行预处理；

(D)，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：

$\hat{N}=round\left(\frac{1}{p}\underset{p=0}{\overset{P-1}{\Σ}}{\hat{N}}_p\right);$

找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

${\hat{a}}_n\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{b}_{n,p}^0& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{b}_{n,p}^0\left(p\right)& l>1,\end{array}\right.,n=1,2,\mathrm{...},\hat{N}$

这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

${\hat{f}}_{c,n}\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{f}_o^n\left(p\right)& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{f}_o^n\left(p\right)& l>1,\end{array}\right.,n=1,2,\mathrm{...},\hat{N};$

(E)，根据步骤(D)估计得到的归一化混合矩阵列向量估计时频域跳频源信号；

(F)，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：

${\widehat{\mathrm{\θ}}}_n\left(l\right)=\frac{1}{M-1}\underset{m=2}{\overset{M}{\Σ}}{\sin }^{-1}\[\frac{angle\left({\hat{a}}_{n,m}\right(l)/{\hat{a}}_{n,m-1}(l\left)\right)*c}{2\mathrm{\π}{\hat{f}}_{c,n}\left(l\right)d}\],n=1,2,\mathrm{...},\hat{N}$

表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即v_c＝3×10⁸米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：

${m_n}^{\left(l\right)}=\underset{m}{\arg \min }\left|{\widehat{\mathrm{\θ}}}_m^{\left(l\right)}-{\widehat{\mathrm{\θ}}}_n^{\left(1\right)}\right|,n=1,2,...,\hat{N};$

其中m_n ^(l)表示第l跳估计的第m_n ^(l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Y_n(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,N_fft-1，即：

(G)，根据源信号时频域估计值，恢复时域跳频源信号；

在步骤(B)中，(p，q)表示时频索引，具体的时频值为这里N_fft表示FFT变换的长度，p表示加窗次数，T_s表示采样间隔，f_s表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜N_fft，且K_c＝N_fft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。

进一步，所述信号接收模块的信号接收方法包括：

根据接收信号的特征谱确定决策平面；

判断接收信号的通信信道是否呈现准用静态变换特性；

在所述通信信道呈现准用静态变换特性时，利用支持向量机方法在所述决策平面中选出决策边界；

在通信信道没有呈现准用静态变换特性时，利用模糊聚类方法在所述决策平面中选出决策边界；

根据所述决策边界对接收到的信号进行检测；

所述根据接收信号的特征谱确定决策平面包括：

对接收信号的离散信号向量进行线性变换得到酉变换矩阵；

根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱；

从所述能量特征谱中获取决策平面；

根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括：

对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵，得到接收信号的能量特征谱；

从所述能量特征谱中获取决策平面包括：

根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量；

按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量；

所述接收信号的离散信号向量通过奈奎斯特定律采样得到，并且采样长度涵盖接收信号的预定比例能量；

在从所述能量特征谱中获取决策平面之前，所述方法还包括：

对所述能量特征谱进行滑动平均处理；

进一步，所述提取的特征向量方法具体包括以下步骤：

获取信号，通过传感器采集数据并对信号进行放大处理；

信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；

小波包去噪；即利用改进小波包算法对采集的信号进行去噪；

小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；

提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；

组成特征向量，即利用主成分分析方法，从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有泄漏发生。

进一步，所述小波包去噪和小波包分解与重构包括：

信号延拓，对小波包分解的各层信号进行抛物线延拓；

设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：

$\left\{\begin{array}{c}x(a-1)=3x\left(a\right)-3x(a+1)+x(a+2)\\ x(a+3)=3x(a+2)-3x(a+1)+x\left(a\right)\end{array}\right.---\left(1\right);$

消去单子带多余频率成分；

将延拓后的信号与分解低通滤波器h₀卷积，得到低频系数，然后经过HF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分解高通滤波器g₀卷积，得到高频系数，然后经过LF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层高频系数，HF-cut-IF算子如式(2)所示，LF-cut-IF算子如式(3)所示；

$\left\{\begin{array}{c}X\left(k\right)=\underset{n=0}{\overset{N_j-1}{\Σ}}x\left(n\right)W^{kn},0\≤k\≤\frac{N_j}{4};\frac{3N_j}{4}\≤k\≤N_j\\ X\left(k\right)=0,\\ x\left(n\right)=\underset{k=0}{\overset{N_j-1}{\Σ}}x\left(k\right)W^{-kn},\end{array}\right.---\left(2\right)$

$\left\{\begin{array}{c}X\left(k\right)=\underset{n=0}{\overset{N_j-1}{\Σ}}x\left(n\right)W^{kn},\frac{N_j}{4}\≤k\≤\frac{3N_j}{4}\\ X\left(k\right)=0,\\ x\left(n\right)=\underset{k=0}{\overset{N_j-1}{\Σ}}x\left(k\right)W^{-kn},\end{array}\right.---\left(3\right)$

在(2)、(3)式中，x(n)为在2^j尺度上小波包的系数，N_j表示在2^j尺度上数据的长度，

单子带信号重构：

将得到的高、低频系数进行上采样，然后分别与高通重建滤波器g₁和低通重建滤波器h₁卷积，将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理，得到单子带重构信号。

进一步，所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中，

对接收信号s(t)进行非线性变换，按如下公式进行：

$f\[s\left(t\right)\]=\frac{s\left(t\right)*ln\left|s\left(t\right)\right|}{\left|s\left(t\right)\right|}=s\left(t\right)c\left(t\right);$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后得到变换矩阵：

$f\[s\left(t\right)\]=s\left(t\right)\frac{ln\left|Aa\left(m\right)\right|}{\left|Aa\left(m\right)\right|}.$

该基于物联网的农业灌溉系统，通过温度传感器感知气温的高低，通过土壤水分传感器可以感知土壤的水分含量，通过光照强度传感器可以感知光照如何，通过空气湿度传感器可以感知空气的湿度情况，将这些参数输送给信息处理模块，综合考虑土壤以及当时的气候情况，采取是否进行喷灌，可以根据农户要求结合现场实现喷灌机的启停和远程无线启停以及喷灌机信息管理，该系统分布于所监控的农业灌溉区域每一个灌溉设备点，实现农业灌溉的集中化远程管理调度，节省农户务农时间，提高农业生产效率。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于物联网的农业灌溉系统，包括控制终端模块、通讯模块、信息处理模块和信息采集模块，其特征在于，所述基于物联网的农业灌溉系统还包括田间检测模块；

所述控制终端模块用于远程控制信息采集模块和灌溉机，所述控制终端模块通过通讯模块与信息采集模块连接；

所述信息采集模块用于采集土壤以及空气信息；

所述信息采集模块与信息处理模块连接，所述信息处理模块用于处理信息采集模块所采集的参数，所述控制终端模块通过通讯模块与灌溉机连接；

所述田间检测模块用于检测和获取田间作物的信息，所述田间检测模块通过通讯模块与控制终端模块连接。

2.如权利要求1所述的基于物联网的农业灌溉系统，其特征在于，所述控制终端模块包括电脑、手机应用服务器、通讯服务器和路由器；所述通信服务器与路由器信号连接；所述手机与通信服务器信号连接；所述应用服务器与通信服务器信号连接；所述电脑与应用服务器信号连接；

所述通讯模块包括无线通讯模块和有线通讯模块；所述无线通讯模块和有线通讯模块均用于控制终端模块、信息处理模块、信息采集模块三者相互信号的传输；

所述信息采集模块包括温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器；所述温度传感器、土壤水分传感器、光照强度传感器和空气湿度传感器均与信息处理模块连接；

所述温度传感器用于采集外界的温度参数；所述土壤水分传感器用于采集土壤的水分参数；所述光照强度传感器用于采集光照强度参数；所述空气湿度传感器用于采集空气的湿度参数。

3.如权利要求1所述的基于物联网的农业灌溉系统，其特征在于，所述田间检测模块包括RFID电子标签、激光编码扫描仪、红外线摄像头、田间现场检测仪；

所述的RFID电子标签安装在RFID电子标签标牌上，RFID电子标签标牌安装在田间杆塔上；所述RFID电子标签用于标示和储存田间作物的信息；

所述激光编码扫描仪扫描RFID电子标签后通过通讯模块将数据发送至控制终端模块；

所述红外线摄像头采用铰接式安装在田间杆塔上，用于采集田间作物图像信息，并通过通讯模块将数据发送至控制终端模块；

所述田间现场检测仪通过支架安装在田间土壤上面，用于检测田间作物生长过程中的信息，并通过通讯模块将数据发送至控制终端模块；

所述田间现场检测仪设置有信号接收模块和信号发送模块，所述信号接收模块通过信号连接信号发送模块。

4.如权利要求1所述的基于物联网的农业灌溉系统，其特征在于，所述灌溉机设置有调频电机；所述调频电机设置有跳频混合信号调整模块和同步正交跳频信号盲源分离模块；所述跳频混合信号调整模块和同步正交跳频信号盲源分离模块均通过通讯模块与控制终端模块连接；

所述跳频混合信号调整模块用于对跳频混合信号时频域矩阵进行预处理；

所述同步正交跳频信号盲源分离模块用于对同步正交跳频信号进行盲源分离。

5.如权利要求4所述的基于物联网的农业灌溉系统，其特征在于，对跳频混合信号时频域矩阵进行预处理方法包括：

第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；

第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b₁(p,q),b₂(p,q),…,b_M(p,q)]^T，其中

6.如权利要求4所述的基于物联网的农业灌溉系统，其特征在于，

对同步正交跳频信号进行盲源分离方法包括：

(A)，利用含有M个阵元的阵列天线接收来自多个同步正交跳频电台的跳频信号，对每一路接收信号进行采样，得到采样后的M路离散时域混合信号m＝1,2,…,M；

(B)，对M路离散时域混合信号进行重叠加窗短时傅里叶变换，得到M个混合信号的时频域矩阵p＝0,1,…,P-1,q＝0,1,…,N_fft-1，其中P表示总的窗数，N_fft表示FFT变换长度；

(C)，对步骤(B)中得到的跳频混合信号时频域矩阵进行预处理；

(D)，利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率；在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；对所有求均值并取整，得到源信号个数的估计即：

找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

这里表示第l跳对应的个混合矩阵列向量估计值；估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

(E)，根据步骤(D)估计得到的归一化混合矩阵列向量估计时频域跳频源信号；

(F)，对不同跳频点之间的时频域跳频源信号进行拼接；估计第l跳对应的个入射角度，用表示第l跳第n个源信号对应的入射角度，的计算公式如下：

表示第l跳估计得到的第n个混合矩阵列向量的第m个元素，c表示光速，即v_c＝3×10⁸米/秒；判断第l(l＝2，3，…)跳估计的源信号与第一跳估计的源信号之间的对应关系，判断公式如下：

其中m_n ^(l)表示第l跳估计的第m_n ^(l)个信号与第一跳估计的第n个信号属于同一个源信号；将不同跳频点估计到的属于同一个源信号的信号拼接在一起，作为最终的时频域源信号估计，用Y_n(p,q)表示第n个源信号在时频点(p,q)上的时频域估计值，p＝0,1,2,....,P，q＝0,1,2,...,N_fft-1，即：

(G)，根据源信号时频域估计值，恢复时域跳频源信号；

在步骤(B)中，(p，q)表示时频索引，具体的时频值为这里N_fft表示FFT变换的长度，p表示加窗次数，T_s表示采样间隔，f_s表示采样频率，C为整数，表示短时傅里叶变换加窗间隔的采样点数，C＜N_fft，且K_c＝N_fft/C为整数，也就是说采用的是重叠加窗的短时傅里叶变换。

7.如权利要求3所述的基于物联网的农业灌溉系统，其特征在于，所述信号接收模块的信号接收方法包括：

根据接收信号的特征谱确定决策平面；

判断接收信号的通信信道是否呈现准用静态变换特性；

在所述通信信道呈现准用静态变换特性时，利用支持向量机方法在所述决策平面中选出决策边界；

在通信信道没有呈现准用静态变换特性时，利用模糊聚类方法在所述决策平面中选出决策边界；

根据所述决策边界对接收到的信号进行检测；

所述根据接收信号的特征谱确定决策平面包括：

对接收信号的离散信号向量进行线性变换得到酉变换矩阵；

根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱；

从所述能量特征谱中获取决策平面；

根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括：

对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵，得到接收信号的能量特征谱；

从所述能量特征谱中获取决策平面包括：

根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量；

按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量；

所述接收信号的离散信号向量通过奈奎斯特定律采样得到，并且采样长度涵盖接收信号的预定比例能量；

在从所述能量特征谱中获取决策平面之前，所述方法还包括：

对所述能量特征谱进行滑动平均处理。

8.如权利要求7所述的基于物联网的农业灌溉系统，其特征在于，所述提取的特征向量方法具体包括以下步骤：

获取信号，通过传感器采集数据并对信号进行放大处理；

信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；

小波包去噪；即利用改进小波包算法对采集的信号进行去噪；

小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；

提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；

组成特征向量，即利用主成分分析方法，从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有泄漏发生。

9.如权利要求8所述的基于物联网的农业灌溉系统，其特征在于，所述小波包去噪和小波包分解与重构包括：

信号延拓，对小波包分解的各层信号进行抛物线延拓；

设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：

消去单子带多余频率成分；

将延拓后的信号与分解低通滤波器h₀卷积，得到低频系数，然后经过HF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分解高通滤波器g₀卷积，得到高频系数，然后经过LF-cut-IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层高频系数，HF-cut-IF算子如式(2)所示，LF-cut-IF算子如式(3)所示；

在(2)、(3)式中，x(n)为在2^j尺度上小波包的系数，N_j表示在2^j尺度上数据的长度，k＝0，1，…，N_j-1；n＝0，1，…，N_j-1；

单子带信号重构：

将得到的高、低频系数进行上采样，然后分别与高通重建滤波器g₁和低通重建滤波器h₁卷积，将得到的信号分别用HF-cut-IF、LF-cut-IF算子处理，得到单子带重构信号。

10.如权利要求7所述的基于物联网的农业灌溉系统，其特征在于，所述对接收信号的离散信号向量进行线性变换得到酉变换矩阵中，

对接收信号s(t)进行非线性变换，按如下公式进行：

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后得到变换矩阵：