CN106483920A - 一种基于物联网的水处理综合自动化一体控制系统 - Google Patents

Abstract

本发明公开了一种基于物联网的水处理综合自动化一体控制系统，包括：进行数字通讯采集的现场智能仪器仪表；结合工艺要求实现对现场设备的远程无人控制的上位机监控平台；应用光纤环网和GPRS技术将采集的数据向上位机监控平台传输并把重点监测参数上传至有关监控部门的采用有线传输网络装置和无线传输网络装置；使用组态软件或delphi高级语言进行二次开发，实现数据采集、数据存储、数据分析的现场设备监测控制装置。该发明的有益效果是先进性、实用性、可维护性及可扩展性能好和准确稳定性能高。

Description

一种基于物联网的水处理综合自动化一体控制系统

技术领域

本发明属于自动化一体控制系统领域，尤其涉及一种基于物联网的水处理综合自动化一体控制系统。

背景技术

目前，基于物联网的水处理综合自动化一体控制系统，先进性、实用性、可维护性及可扩展性能差和准确稳定性能低。

综上所述，现有的基于物联网的水处理综合自动化一体控制系统，不能对现场设备进行控制，并采集传愉系统相关数据信息，不能满足监测、控制和管理的需要，扩展性能不良和准确稳定性不高。

发明内容

本发明为解决现有的基于物联网的水处理综合自动化一体控制系统，不能对现场设备进行控制，并采集传愉系统相关数据信息，不能满足监测、控制和管理的需要，扩展性能不良和准确稳定性不高以及智能化程度低的技术问题而提供一种基于物联网的水处理综合自动化一体控制系统。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种基于物联网的水处理综合自动化一体控制系统,包括：

进行数字通讯采集的现场智能仪器仪表；

结合工艺要求实现对现场设备的远程无人控制的上位机监控平台；

应用光纤环网和GPRS技术将采集的数据向上位机监控平台传输并把重点监测参数上传至有关监控部门的采用有线传输网络装置和无线传输网络装置；

使用组态软件或delphi高级语言进行二次开发，实现数据采集、数据存储、数据分析的现场设备监测控制装置。无线传输网络装置包括GPRS数据采集模块、GPRS数据传输模块以及无线接入点；所述GPRS数据采集模块、GPRS数据传输模块均通过信号与无线接入点连接。有线传输网络装置包括光纤交换机和冗余光纤环网；所述光纤交换机通过冗余光纤环网与位机监控平台连接。

进一步，现场智能仪器仪表设置有信号采集模块，信号采集模块的信号采集方法包括：

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；

所述信号接收方法应用于跳时-脉冲位置调制方式的通信系统或者通断键控调制方式的通信系统。

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，结合实验分析，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：

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；

所述得到单子带重构信号中，单子带信号重构包括：

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，上位机监控平台设置有远程控制终端和GSM发射模块并无线连接；远程控制终端包括服务卫星以及与服务卫星无线相连的GPS终端；

所述GSM发射模块提高GSM终端射频发射部分辐射性能的方法包括：读取GSM终端存储的RAMP曲线信息，根据存储的RAMP曲线测试发射符号的相位误差，其特征在于，当所述发射符号的相位误差大于协议规定阈值时，修改所述存储的RAMP曲线的上升沿，修改后的RAMP曲线满足GSM系统的时间模板；

根据所述修改后的RAMP曲线，测试发射符号的相位误差；

当发射符号的相位误差小于或等于协议规定阈值时，将修改后的RAMP曲线信息取代所述存储的RAMP曲线信息；否则，重新修改所述存储的RAMP曲线的上升沿或所述修改后的RAMP曲线的上升沿，直至使发射符号的相位误差小于或等于协议规定阈值；

所述将修改后的RAMP曲线信息取代所述存储的RAMP曲线信息包括：将所述修改后的RAMP曲线信息替换所述GSM终端非易失性内存中所述存储的RAMP曲线信息；

所述协议规定阈值的取值范围包括：0°～5°；

所述修改所述存储的RAMP曲线的上升沿包括：提高所述存储的RAMP曲线的上升沿中平稳状态之前的多个时间采样点的控制字，且使所述多个时间采样点的控制字大于所述平稳状态时的控制字；

所述多个时间采样点包括3～5个时间采样点；

所述多个时间采样点修改后的控制字相同或多个时间采样点修改后的控制字不同；

所述测试发射符号的相位误差是采用相位误差检测装置实现的。

进一步，现场设备监测控制装置的数据分析方法包括：

设目标与决策层中有决策指标p₁,p₂,…,p_m，目标与决策层下的网络架构层有C₁,C₂,…,C_N个指标集，其中C_i中有元素i＝1,2,...,N；

以目标与决策层决策指标p_s(s＝1,2,…,m)为准则，以C_j中元素e_jk(k＝1,2,…,n_j)为次准则，将指标集C_i中指标按其对e_jk的影响力大小进行间接优势度比较，即在准则p_s下构造判断矩阵：

并由特征根法得权重向量

对于k＝1,2..,n_i重复上述步骤，得到式(1)所示矩阵W_ij；

其中，W_ij的列向量为C_i中的元素对C_j中元素的影响程度排序向量；若C_j中元素不受C_i中元素影响，则W_ij＝0；

对于i＝1,2,...,N；j＝1,2,...,N重复B，可获得决策准则p_s下的超矩阵W:

在所述超矩阵W中，元素W_ij反映元素i对元素j的一步优势度；还可以计算W²，其元素w_ij ²表示元素i对元素j的二步优势度，W²仍然列为归一化矩阵，以此类推，可以计算W³，W⁴，…，当W^∞存在时，W^∞的第j列就是准则p_s下网络架构层中各元素对于j的极限相对权重向量，则

其中每一行的数值，即为相应元素的局部权重向量；当某一行全部为0时，则相应的局部权重为1；将局部权重按元素顺序排列即得到局部权重向量：

本发明具有的优点和积极效果是：该基于物联网的水处理综合自动化一体控制系统，采用先进的工业控制技术、数据采集技术、自动化软件监控平台、人机界面、数据传输及GPRS技术，按照工艺流程要求对现场设备进行控制，并采集传愉系统相关数据信息，以满足监测、控制和管理的需要，使得先进性、实用性、可维护性及可扩展性能好和准确稳定性能高。

本发明的信号接收方法和GSM发射模块提高GSM终端射频发射部分辐射性能的方法均保证了水处理综合自动化一体控制系统的数据准确性，提高了智能化，这是本发明的以关键点所在；通过与现有方法对比，本发明的数据分析方法得到的数据更加全面合理。

附图说明

图1为本发明的基于物联网的水处理综合自动化一体控制系统结构示意图。

图中：1、现场智能仪器仪表；2、上位机监控平台；3、传输网络装置或无线传输网络装置；4、现场设备监测控制装置。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图1对本发明的结构作详细的描述：

本发明实施例提供的基于物联网的水处理综合自动化一体控制系统,包括：

进行数字通讯采集的现场智能仪器仪表1；

结合工艺要求实现对现场设备的远程无人控制的上位机监控平台2；

应用光纤环网和GPRS技术将采集的数据向上位机监控平台传输并把重点监测参数上传至有关监控部门的采用有线传输网络装置或无线传输网络装置；

使用组态软件或delphi高级语言进行二次开发，实现数据采集、数据存储、数据分析的现场设备监测控制装置4。

进一步，无线传输网络装置包括GPRS数据采集模块、GPRS数据传输模块以及无线接入点；所述GPRS数据采集模块、GPRS数据传输模块均通过信号与无线接入点连接。

进一步，有线传输网络装置包括光纤交换机和冗余光纤环网；所述光纤交换机通过冗余光纤环网与位机监控平台连接。

进一步，现场智能仪器仪表设置有信号采集模块，信号采集模块的信号采集方法包括：

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；

所述信号接收方法应用于跳时-脉冲位置调制方式的通信系统或者通断键控调制方式的通信系统。

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，结合实验分析，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：

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；

所述得到单子带重构信号中，单子带信号重构包括：

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，上位机监控平台设置有远程控制终端和GSM发射模块并无线连接；远程控制终端包括服务卫星以及与服务卫星无线相连的GPS终端；

所述GSM发射模块提高GSM终端射频发射部分辐射性能的方法包括：读取GSM终端存储的RAMP曲线信息，根据存储的RAMP曲线测试发射符号的相位误差，其特征在于，当所述发射符号的相位误差大于协议规定阈值时，修改所述存储的RAMP曲线的上升沿，修改后的RAMP曲线满足GSM系统的时间模板；

根据所述修改后的RAMP曲线，测试发射符号的相位误差；

当发射符号的相位误差小于或等于协议规定阈值时，将修改后的RAMP曲线信息取代所述存储的RAMP曲线信息；否则，重新修改所述存储的RAMP曲线的上升沿或所述修改后的RAMP曲线的上升沿，直至使发射符号的相位误差小于或等于协议规定阈值；

所述将修改后的RAMP曲线信息取代所述存储的RAMP曲线信息包括：将所述修改后的RAMP曲线信息替换所述GSM终端非易失性内存中所述存储的RAMP曲线信息；

所述协议规定阈值的取值范围包括：0°～5°；

所述修改所述存储的RAMP曲线的上升沿包括：提高所述存储的RAMP曲线的上升沿中平稳状态之前的多个时间采样点的控制字，且使所述多个时间采样点的控制字大于所述平稳状态时的控制字；

所述多个时间采样点包括3～5个时间采样点；

所述多个时间采样点修改后的控制字相同或多个时间采样点修改后的控制字不同；

所述测试发射符号的相位误差是采用相位误差检测装置实现的。

进一步，现场设备监测控制装置的数据分析方法包括：

设目标与决策层中有决策指标p₁,p₂,…,p_m，目标与决策层下的网络架构层有C₁,C₂,…,C_N个指标集，其中C_i中有元素i＝1,2,...,N；

以目标与决策层决策指标p_s(s＝1,2,…,m)为准则，以C_j中元素e_jk(k＝1,2,…,n_j)为次准则，将指标集C_i中指标按其对e_jk的影响力大小进行间接优势度比较，即在准则p_s下构造判断矩阵：

并由特征根法得权重向量

对于k＝1,2..,n_i重复上述步骤，得到式(1)所示矩阵W_ij；

其中，W_ij的列向量为C_i中的元素对C_j中元素的影响程度排序向量；若C_j中元素不受C_i中元素影响，则W_ij＝0；

对于i＝1,2,...,N；j＝1,2,...,N重复B，可获得决策准则p_s下的超矩阵W:

在所述超矩阵W中，元素W_ij反映元素i对元素j的一步优势度；还可以计算W²，其元素w_ij ²表示元素i对元素j的二步优势度，W²仍然列为归一化矩阵，以此类推，可以计算W³，W⁴，…，当W^∞存在时，W^∞的第j列就是准则p_s下网络架构层中各元素对于j的极限相对权重向量，则

其中每一行的数值，即为相应元素的局部权重向量；当某一行全部为0时，则相应的局部权重为1；将局部权重按元素顺序排列即得到局部权重向量：

下面结合基于物联网的水处理综合自动化一体控制系统的控制方法对本发明的应用进一步描述，

数据采集技术:通过对现场智能仪器仪表进行数字通讯采集，对通用仪表输出的模拟信号运用PLC技术采集；

第二，先进工业控制技术:通过HMI,PLC及上位机监控平台等手段并结合工艺要求实现对现场设备的远程无人控制；

第三，数据传输及GPRS技术:应用光纤环网和GPRS技术将采集的数据向上位机传输并把重点监测参数上传至有关监控部门，同时采用有线传输方式以及无线传输方式相结合，保证了数据的准确性和稳定性；

第四，软件编程技术:使用组态软件或de lphi等高级语言进行二次开发，实现数据采集、数据存储、数据分析及现场设备监测控制。

下面结合工作原理对本发明的应用进一步描述。

本发明的基于物联网的水处理综合自动化一体控制系统，采用先进的工业控制技术、数据采集技术、自动化软件监控平台、人机界面、数据传输及GPRS技术，按照工艺流程要求对现场设备进行控制，并采集传愉系统相关数据信息，以满足监测、控制和管理的需要，使得先进性、实用性、可维护性及可扩展性能好和准确稳定性能高。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于物联网的水处理综合自动化一体控制系统,其特征在于，所述基于物联网的水处理综合自动化一体控制系统包括：

进行数字通讯采集的现场智能仪器仪表；

结合工艺要求实现对现场设备的远程无人控制的上位机监控平台；

应用光纤环网和GPRS技术将采集的数据向上位机监控平台传输并把重点监测参数上传至有关监控部门的有线传输网络装置或无线传输网络装置；

使用组态软件或delphi高级语言进行二次开发，实现数据采集、数据存储、数据分析的现场设备监测控制装置；

无线传输网络装置包括GPRS数据采集模块、GPRS数据传输模块以及无线接入点；所述GPRS数据采集模块、GPRS数据传输模块均通过信号与无线接入点连接；

有线传输网络装置包括光纤交换机和冗余光纤环网；所述光纤交换机通过冗余光纤环网与位机监控平台连接。

2.如权利要求1所述的基于物联网的水处理综合自动化一体控制系统,其特征在于，现场智能仪器仪表设置有信号采集模块，信号采集模块的信号采集方法包括：

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；

所述信号接收方法应用于跳时-脉冲位置调制方式的通信系统或者通断键控调制方式的通信系统。

3.如权利要求1所述的基于物联网的水处理综合自动化一体控制系统,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，结合实验分析，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。

4.如权利要求3所述的基于物联网的水处理综合自动化一体控制系统,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：

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

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，k＝0，1，…，N_j-1；n＝0，1，…，N_j-1；

所述得到单子带重构信号中，单子带信号重构包括：

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。

5.如权利要求1所述的基于物联网的水处理综合自动化一体控制系统,其特征在于，上位机监控平台设置有远程控制终端和GSM发射模块并无线连接；远程控制终端包括服务卫星以及与服务卫星无线相连的GPS终端；

所述GSM发射模块提高GSM终端射频发射部分辐射性能的方法包括：读取GSM终端存储的RAMP曲线信息，根据存储的RAMP曲线测试发射符号的相位误差，其特征在于，当所述发射符号的相位误差大于协议规定阈值时，修改所述存储的RAMP曲线的上升沿，修改后的RAMP曲线满足GSM系统的时间模板；

根据所述修改后的RAMP曲线，测试发射符号的相位误差；

当发射符号的相位误差小于或等于协议规定阈值时，将修改后的RAMP曲线信息取代所述存储的RAMP曲线信息；否则，重新修改所述存储的RAMP曲线的上升沿或所述修改后的RAMP曲线的上升沿，直至使发射符号的相位误差小于或等于协议规定阈值；

所述将修改后的RAMP曲线信息取代所述存储的RAMP曲线信息包括：将所述修改后的RAMP曲线信息替换所述GSM终端非易失性内存中所述存储的RAMP曲线信息；

所述协议规定阈值的取值范围包括：0°～5°；

所述修改所述存储的RAMP曲线的上升沿包括：提高所述存储的RAMP曲线的上升沿中平稳状态之前的多个时间采样点的控制字，且使所述多个时间采样点的控制字大于所述平稳状态时的控制字；

所述多个时间采样点包括3～5个时间采样点；

所述多个时间采样点修改后的控制字相同或多个时间采样点修改后的控制字不同；

所述测试发射符号的相位误差是采用相位误差检测装置实现的。

6.如权利要求1所述的基于物联网的水处理综合自动化一体控制系统,其特征在于，现场设备监测控制装置的数据分析方法包括：

设目标与决策层中有决策指标p₁,p₂,…,p_m，目标与决策层下的网络架构层有C₁,C₂,…,C_N个指标集，其中C_i中有元素

以目标与决策层决策指标p_s(s＝1,2,…,m)为准则，以C_j中元素e_jk(k＝1,2,…,n_j)为次准则，将指标集C_i中指标按其对e_jk的影响力大小进行间接优势度比较，即在准则p_s下构造判断矩阵：

并由特征根法得权重向量

对于k＝1,2..,n_i重复上述步骤，得到式(1)所示矩阵W_ij；

$W_{ij}=\left(\begin{array}{cccc}{w_{i1}}^{\left(j1\right)}& {w_{i1}}^{\left(j2\right)}& \mathrm{...}& {w_{i1}}^{\left({\mathrm{jn}}_j\right)}\\ {w_{i2}}^{\left(j1\right)}& {w_{i2}}^{\left(j2\right)}& \mathrm{...}& {w_{i2}}^{\left({\mathrm{jn}}_j\right)}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {w_{{\mathrm{in}}_i}}^{\left(j1\right)}& {w_{{\mathrm{in}}_i}}^{\left(j2\right)}& \mathrm{...}& {w_{{\mathrm{in}}_i}}^{\left({\mathrm{jn}}_j\right)}\end{array}\right)---\left(1\right)$

其中，W_ij的列向量为C_i中的元素对C_j中元素的影响程度排序向量；若C_j中元素不受C_i中元素影响，则W_ij＝0；

对于i＝1,2,...,N；j＝1,2,...,N重复B，可获得决策准则p_s下的超矩阵W:

在所述超矩阵W中，元素W_ij反映元素i对元素j的一步优势度；还可以计算W²，其元素w_ij ²表示元素i对元素j的二步优势度，W²仍然列为归一化矩阵，以此类推，可以计算W³，W⁴，…，当W^∞存在时，W^∞的第j列就是准则p_s下网络架构层中各元素对于j的极限相对权重向量，则

$W^{\mathrm{\∞}}=\left(\begin{array}{cccc}{W_{11}}^{\mathrm{\∞}}& {W_{12}}^{\mathrm{\∞}}& \mathrm{...}& {W_{1N}}^{\mathrm{\∞}}\\ {W_{21}}^{\mathrm{\∞}}& {W_{22}}^{\mathrm{\∞}}& \mathrm{...}& {W_{2N}}^{\mathrm{\∞}}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {W_{N1}}^{\mathrm{\∞}}& {W_{N2}}^{\mathrm{\∞}}& \mathrm{...}& {W_{NN}}^{\mathrm{\∞}}\end{array}\right)---\left(3\right);$

其中每一行的数值，即为相应元素的局部权重向量；当某一行全部为0时，则相应的局部权重为1；将局部权重按元素顺序排列即得到局部权重向量：

$Q={\[q_{11},...,q_{1n_1},q_{21},...,q_{2n_2},...,q_{N1},...,q_{{\mathrm{Nn}}_N}\]}^T---\left(4\right).$