CN107105396A - 无线传感器网络农田污染区域跟踪系统 - Google Patents
无线传感器网络农田污染区域跟踪系统 Download PDFInfo
- Publication number
- CN107105396A CN107105396A CN201710353821.7A CN201710353821A CN107105396A CN 107105396 A CN107105396 A CN 107105396A CN 201710353821 A CN201710353821 A CN 201710353821A CN 107105396 A CN107105396 A CN 107105396A
- Authority
- CN
- China
- Prior art keywords
- mrow
- sensor node
- nectar source
- msubsup
- farmland
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了无线传感器网络农田污染区域跟踪系统，包括智能传感器节点、网关节点和监测中心，所述的智能传感器节点包括多个传感器节点，传感器节点用于对农田参数指标进行采集，并将采集到的数据通过网关节点发送至监测中心；所述的监测中心用于在农田参数指标小于农田系统的安全指标时进行传感器节点的定位，并通过用户界面将传感器节点的信息进行时空分析并予以显示。本发明通过设置智能传感器节点、网关节点和监测中心，实现了对农田污染区域的实时监测和传感器节点的必要定位。
Description
技术领域
本发明涉及农业监测领域，具体涉及无线传感器网络农田污染区域跟踪系统。
背景技术
相关技术中，构建无线传感器网络的农田污染监测系统时，采集农业系统立体污染的基础数据信息必须结合其在农田污染区域内的位置信息，否则无法确定污染源的发生区域，因此有必要构建无线传感器网络农田污染区域跟踪系统。
发明内容
针对上述问题，本发明提供无线传感器网络农田污染区域跟踪系统。
本发明的目的采用以下技术方案来实现：
提供了无线传感器网络农田污染区域跟踪系统，包括智能传感器节点、网关节点和监测中心，所述的智能传感器节点包括多个传感器节点，传感器节点用于对农田参数指标进行采集，并将采集到的数据通过网关节点发送至监测中心；所述的监测中心用于在农田参数指标小于农田系统的安全指标时进行传感器节点的定位，并通过用户界面将传感器节点的信息进行时空分析并予以显示。
本发明的有益效果为：通过设置智能传感器节点、网关节点和监测中心，实现了对农田污染区域的实时监测和传感器节点的必要定位。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1本发明的框图示意图；
图2是本发明监测中心的框图示意图。
附图标记：
智能传感器节点1、网关节点2、监测中心3、数据库4、数据处理模块5、传感器节点定位模块6、显示模块7。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2，本实施例提供的无线传感器网络农田污染区域跟踪系统，包括智能传感器节点1、网关节点2和监测中心3，所述的智能传感器节点1包括多个传感器节点，传感器节点用于对农田参数指标进行采集，并将采集到的数据通过网关节点2发送至监测中心3；所述的监测中心3通过用户界面将传感器节点的信息进行时空分析并予以显示。
优选地，所述的网关节点2与监测中心3之间通过GPRS通信连接。
优选地，所述的监测中心3包括数据库4、数据处理模块5、传感器节点定位模块6、显示模块7；所述的数据库4用于存储接收传感器节点的信息；所述数据处理模块5用于判断采集的农田参数指标是否大于农田系统的安全指标；所述的传感器节点定位模块6在农田参数指标小于农田系统的安全指标时进行传感器节点的定位，并将得到的传感器节点的位置信息发送至显示模块7；所述的显示模块7用于将传感器节点的区域位置和污染指标参数显示出来。
本发明上述实施例通过设置智能传感器节点1、网关节点2和监测中心3，实现了对农田污染区域的实时监测和传感器节点的必要定位。
其中，所述的传感器节点采用下述的网络模型进行部署：基于农田污染区域确定一个正方形网络区域，在部署传感器节点之前，将该正方形网络区域划分为n×n的正方形网格，正方形网格的边长根据实际情况确定，该正方形网络区域中的传感器节点分为780MHz和433MHz两个频段，相邻正方形网格采用不同的频段，在每个正方形网格中随机部署传感器节点，该网络模型还设有一个移动数据收集器，该移动数据收集器沿着网格边界做匀速运动。
优选地，所述的传感器节点定位模块6采用改进的人工蜂群算法进行传感器节点定位，具体为：
(1)初始化种群规模，在农田污染区域范围内生成传感器节点的M个初始蜜源(即M个初始坐标)以及最大循环次数，采蜜蜂搜索新蜜源，对于第L步的采蜜蜂，设蜜蜂总数为N，采蜜蜂种群规模为M，采蜜蜂搜索新蜜源的空间维度为D，在当前蜜源附近邻域进行搜索新的蜜源；
(2)计算新蜜源和当前蜜源的适应度值，对新蜜源和当前蜜源进行适应度值比较，淘汰适应度值较小的蜜源，设蜜源X的位置坐标为(a,b)，定义适应度值的计算公式为：
W(X)＝min(|[(a-xα)2+(b-yα)2]1/2-φGXα|,α＝1,…,m)
式中，W(X)表示蜜源X的适应度值，(xα,yα)表示第α个信标节点的位置坐标，其中信标节点为预先设置的已知位置的传感器节点，φ表示蜜源X接收到的第一个信标节点发送的平均跳距，GXα表示蜜源X与第α个信标节点之间的跳数,m表示设置的信标节点的数量；
(3)跟随蜂按照选择概率选择采蜜蜂，根据选择的采蜜蜂对应的蜜源进行自身蜜源更新，并在当前蜜源附近邻域进行搜索新的蜜源；
(4)重复(1)和(2)的操作，记录适应度值最大的蜜源，当前循环次数加1，达到最大循环次数后，将得到的适应度最大的蜜源坐标作为传感器节点的最优坐标。
本优选实施例相对于传统的人工蜂群算法，改进了适应度值的计算公式，按照定义的适应度值的计算公式进行人工蜂群算法的传感器节点定位，能够较好的提高定位精度，降低定位误差，平衡传感节点的通信任务，提高了定位速度，从而有助于无线传感器网络农田污染区域跟踪系统实现对农田污染位置的精确定位，提高跟踪系统的工作效率。
优选地，在当前蜜源附近邻域进行搜索新的蜜源，具体包括：
(1)将当前蜜源所在维度的空间按照下列公式划分为Q个区间：
式中，表示划分得到的第q个区间点，表示在第β维度空间生成的第α个当前蜜源，表示在第β维度空间生成的第k个当前蜜源，α＝1,2,…,N，β＝1,2,…,D，k＝1,2,…,M，且k≠α；
(2)对于每个区间按照下列公式将区间进一步划分为J个子区间：
式中，表示对区间进行划分得到的第j个子区间点，rand(0,1)表示0到1之间均匀分布的随机值，表示划分得到的第q+1个区间点；
(3)计算各子区间点的适应度函数值，选择其中适应度值最大的子区间点作为对应区间的代表蜜源；
(4)计算各代表蜜源与的适应度值之间的差：
式中，表示各代表蜜源与的适应度值之间的最小差，表示区间的代表蜜源的适应度值，表示的适应度值；
(5)选取对应的代表蜜源，作为搜索到的新蜜源；
本优选实施例在进行传感器节点的定位时，对传统的人工蜂群算法进行进一步改进，将搜索的空间分成多个区间进行搜索，提高了搜索的效率以及蜜源更新的稳定性，为更高效率地获取农田参数指标不合格处的位置属性信息奠定良好的基础。
优选地，在农田污染区域范围内生成传感器节点的M个初始蜜源，具体包括：
(1)采用下述公式随机生成N个初始蜜源：
式中，表示在第β维度空间生成的第α个初始蜜源，表示在第β维度空间生成的第α个初始蜜源中的最小值，表示在第β维度空间生成的第α个初始蜜源中的最大值，rand(0,1)表示0到1之间均匀分布的随机值；
(2)对每个初始蜜源计算相对应的反向蜜源：
式中，表示在第β维度空间生成的第α个初始蜜源的反向蜜源；
(3)计算所有初始蜜源和反向蜜源的适应度值，对产生的所有初始蜜源和反向蜜源按照适应度值由大到小的顺序进行排序，形成蜜源集合，在蜜源集合中将适应度值较优的前M个蜜源筛选出来，作为传感器节点的M个初始蜜源。
传统人工蜂群算法在开始阶段是直接随机生成初始蜜源，这种方式使得生成的初始蜜源的质量较低，且求解效率差，本优选实施例在这个方面对传统的人工蜂群算法进行改进，能够使得初始化蜜源尽可能均匀分布，从而从整体上能够提高传感器节点定位的稳定性和速度，保障农田参数指标不合格处的位置属性信息，从而使得无线传感器网络农田污染区域跟踪系统能够精确地定位污染区域。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (6)
1.无线传感器网络农田污染区域跟踪系统，其特征是，包括智能传感器节点、网关节点和监测中心，所述的智能传感器节点包括多个传感器节点，传感器节点用于对农田参数指标进行采集，并将采集到的数据通过网关节点发送至监测中心；所述的监测中心用于在农田参数指标小于农田系统的安全指标时进行传感器节点的定位，并通过用户界面将传感器节点的信息进行时空分析并予以显示。
2.根据权利要求1所述的无线传感器网络农田污染区域跟踪系统，其特征是，所述的网关节点与监测中心之间通过GPRS通信连接。
3.根据权利要求2所述的无线传感器网络农田污染区域跟踪系统，其特征是，所述的监测中心包括数据库、数据处理模块、传感器节点定位模块和显示模块；所述的数据库用于存储接收传感器节点的信息；所述数据处理模块用于判断采集的农田参数指标是否大于农田系统的安全指标；所述的传感器节点定位模块在农田参数指标小于农田系统的安全指标时进行传感器节点的定位，并将得到的传感器节点的位置信息发送至显示模块；所述的显示模块用于将传感器节点的区域位置和污染指标参数显示出来。
4.根据权利要求1所述的无线传感器网络农田污染区域跟踪系统，其特征是，所述的传感器节点采用下述的网络模型进行部署：基于农田污染区域确定一个正方形网络区域，在部署传感器节点之前，将该正方形网络区域划分为n×n的正方形网格，正方形网格的边长根据实际情况确定，该正方形网络区域中的传感器节点分为780MHz和433MHz两个频段，相邻正方形网格采用不同的频段，在每个正方形网格中随机部署传感器节点，该网络模型还设有一个移动数据收集器，该移动数据收集器沿着网格边界做匀速运动。
5.根据权利要求4所述的无线传感器网络农田污染区域跟踪系统，其特征是，所述的传感器节点定位模块采用改进的人工蜂群算法进行传感器节点定位，具体为：
(1)初始化种群规模，在农田污染区域范围内生成传感器节点的M个初始蜜源(即M个初始坐标)以及最大循环次数，采蜜蜂搜索新蜜源，对于第L步的采蜜蜂，设蜜蜂总数为N，采蜜蜂种群规模为M，采蜜蜂搜索新蜜源的空间维度为D，在当前蜜源附近邻域进行搜索新的蜜源；
(2)计算新蜜源和当前蜜源的适应度值，对新蜜源和当前蜜源进行适应度值比较，淘汰适应度值较小的蜜源，设蜜源X的位置坐标为(a,b)，定义适应度值的计算公式为：
W(X)＝min(|[(a-xα)2+(b-yα)2]1/2-φGXα|,α＝1,…,m)
式中，W(X)表示蜜源X的适应度值，(xα,yα)表示第α个信标节点的位置坐标，其中信标节点为预先设置的已知位置的传感器节点，φ表示蜜源X接收到的第一个信标节点发送的平均跳距，GXα表示蜜源X与第α个信标节点之间的跳数,m表示设置的信标节点的数量；
(3)跟随蜂按照选择概率选择采蜜蜂，根据选择的采蜜蜂对应的蜜源进行自身蜜源更新，并在当前蜜源附近邻域进行搜索新的蜜源；
(4)重复(1)和(2)的操作，记录适应度值最大的蜜源，当前循环次数加1，达到最大循环次数后，将得到的适应度最大的蜜源坐标作为传感器节点的最优坐标。
6.根据权利要求5所述的无线传感器网络农田污染区域跟踪系统，其特征是，在农田污染区域范围内生成传感器节点的M个初始蜜源，具体包括：
(1)采用下述公式随机生成N个初始蜜源：
<mrow>
<msubsup>
<mi>X</mi>
<mi>&alpha;</mi>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>+</mo>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
式中，表示在第β维度空间生成的第α个初始蜜源，表示在第β维度空间生成的第α个初始蜜源中的最小值，表示在第β维度空间生成的第α个初始蜜源中的最大值，rand(0,1)表示0到1之间均匀分布的随机值；
(2)对每个初始蜜源计算相对应的反向蜜源：
<mrow>
<msubsup>
<mi>X</mi>
<mi>&alpha;</mi>
<mrow>
<mi>&beta;</mi>
<msup>
<mn>0</mn>
<mo>&prime;</mo>
</msup>
</mrow>
</msubsup>
<mo>=</mo>
<mn>0.5</mn>
<mo>&lsqb;</mo>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>X</mi>
<mi>&alpha;</mi>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>&rsqb;</mo>
<mo>+</mo>
<mn>0.5</mn>
<mo>&lsqb;</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>X</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>X</mi>
<mi>&alpha;</mi>
<mrow>
<mi>&beta;</mi>
<mn>0</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
式中，表示在第β维度空间生成的第α个初始蜜源的反向蜜源；
(3)计算所有初始蜜源和反向蜜源的适应度值，对产生的所有初始蜜源和反向蜜源按照适应度值由大到小的顺序进行排序，形成蜜源集合，在蜜源集合中将适应度值较优的前M个蜜源筛选出来，作为传感器节点的M个初始蜜源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710353821.7A CN107105396A (zh) | 2017-05-18 | 2017-05-18 | 无线传感器网络农田污染区域跟踪系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710353821.7A CN107105396A (zh) | 2017-05-18 | 2017-05-18 | 无线传感器网络农田污染区域跟踪系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107105396A true CN107105396A (zh) | 2017-08-29 |
Family
ID=59669438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710353821.7A Pending CN107105396A (zh) | 2017-05-18 | 2017-05-18 | 无线传感器网络农田污染区域跟踪系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107105396A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107801169A (zh) * | 2017-10-20 | 2018-03-13 | 潘柏霖 | 一种基于无线传感器网络的农田污染监测系统 |
| CN107835504A (zh) * | 2017-11-01 | 2018-03-23 | 韦彩霞 | 一种农田生态环境信息智能采集系统 |
| CN108336822A (zh) * | 2018-01-30 | 2018-07-27 | 深圳众厉电力科技有限公司 | 应用于智能电网的输电线路监测预警系统 |
| CN109557871A (zh) * | 2017-09-25 | 2019-04-02 | 施耐德电器工业公司 | 用于人机对话系统的控制模块 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557647A (zh) * | 2009-05-15 | 2009-10-14 | 广东工业大学 | 无线传感器网络农田污染区域跟踪系统及其方法 |
| CN101789167A (zh) * | 2010-01-12 | 2010-07-28 | 广东工业大学 | 无线传感器网络的农田污染区域监控系统及其监控方法 |
| CN201666950U (zh) * | 2009-05-22 | 2010-12-08 | 广东工业大学 | 无线传感器网络农田污染区域跟踪系统 |
| CN201733330U (zh) * | 2010-01-12 | 2011-02-02 | 广东工业大学 | 无线传感器网络的农田污染区域监控系统 |
| KR101529521B1 (ko) * | 2015-01-30 | 2015-06-18 | 한양대학교 산학협력단 | 인공벌 군집 알고리즘을 이용한 비선형 구조물의 위상학적 형상 최적화 방법 및 장치 |
| CN105704729A (zh) * | 2016-01-22 | 2016-06-22 | 南京大学 | 一种采用改进的人工蜂群算法的无线传感器部署方法 |
| CN106162663A (zh) * | 2015-03-16 | 2016-11-23 | 江南大学 | 一种基于改进蜂群算法的传感节点覆盖方法 |
| CN106595661A (zh) * | 2016-11-16 | 2017-04-26 | 桂林电子科技大学 | 惯性传感器信号重构方法 |
-
2017
- 2017-05-18 CN CN201710353821.7A patent/CN107105396A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557647A (zh) * | 2009-05-15 | 2009-10-14 | 广东工业大学 | 无线传感器网络农田污染区域跟踪系统及其方法 |
| CN201666950U (zh) * | 2009-05-22 | 2010-12-08 | 广东工业大学 | 无线传感器网络农田污染区域跟踪系统 |
| CN101789167A (zh) * | 2010-01-12 | 2010-07-28 | 广东工业大学 | 无线传感器网络的农田污染区域监控系统及其监控方法 |
| CN201733330U (zh) * | 2010-01-12 | 2011-02-02 | 广东工业大学 | 无线传感器网络的农田污染区域监控系统 |
| KR101529521B1 (ko) * | 2015-01-30 | 2015-06-18 | 한양대학교 산학협력단 | 인공벌 군집 알고리즘을 이용한 비선형 구조물의 위상학적 형상 최적화 방법 및 장치 |
| CN106162663A (zh) * | 2015-03-16 | 2016-11-23 | 江南大学 | 一种基于改进蜂群算法的传感节点覆盖方法 |
| CN105704729A (zh) * | 2016-01-22 | 2016-06-22 | 南京大学 | 一种采用改进的人工蜂群算法的无线传感器部署方法 |
| CN106595661A (zh) * | 2016-11-16 | 2017-04-26 | 桂林电子科技大学 | 惯性传感器信号重构方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109557871A (zh) * | 2017-09-25 | 2019-04-02 | 施耐德电器工业公司 | 用于人机对话系统的控制模块 |
| CN109557871B (zh) * | 2017-09-25 | 2023-04-07 | 施耐德电器工业公司 | 用于人机对话系统的控制模块 |
| CN107801169A (zh) * | 2017-10-20 | 2018-03-13 | 潘柏霖 | 一种基于无线传感器网络的农田污染监测系统 |
| CN107835504A (zh) * | 2017-11-01 | 2018-03-23 | 韦彩霞 | 一种农田生态环境信息智能采集系统 |
| CN108336822A (zh) * | 2018-01-30 | 2018-07-27 | 深圳众厉电力科技有限公司 | 应用于智能电网的输电线路监测预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107105396A (zh) | 无线传感器网络农田污染区域跟踪系统 | |
| CN102573049B (zh) | 一种室内定位方法及系统 | |
| CN104105067B (zh) | 基于地磁信息的实时定位系统及方法 | |
| CA2265875C (en) | Location of a mobile station | |
| Wang et al. | An elite hybrid metaheuristic optimization algorithm for maximizing wireless sensor networks lifetime with a sink node | |
| CN105682224B (zh) | 一种免离线训练的分布式无线指纹定位方法 | |
| CN104219704B (zh) | 无线传感器网络中基于双层网格模型的有毒气体监测与追踪方法 | |
| CN106297252B (zh) | 一种工业园区大气污染监测系统 | |
| CN102143547B (zh) | 一种无线传感器网络中连续的Top-k区域查询方法 | |
| CN105898693A (zh) | 一种室内定位与移动轨迹监测系统和方法 | |
| CN109813273A (zh) | 一种基于空间分析的农机重复作业面积判定方法 | |
| CN110213710A (zh) | 一种基于随机森林的高性能室内定位方法、室内定位系统 | |
| CN105323024B (zh) | 一种网络信号强度检测及融合方法 | |
| Wang | Greenhouse data acquisition system based on ZigBee wireless sensor network to promote the development of agricultural economy | |
| CN107205254A (zh) | 紧时延约束的移动sink节点接入与抗扰方法及系统 | |
| CN106131770A (zh) | 一种针对温室环境的无线传感器网络的数据融合方法 | |
| CN108449729A (zh) | 一种用于智能农业的果园环境监测系统 | |
| Furlaneto et al. | An efficient data acquisition model for urban sensor networks | |
| CN117933748A (zh) | 一种基于机器学习的城市土地利用规划方法及系统 | |
| CN106446227A (zh) | 一种结合加权Voronoi图索引的多偏好有序路径Skyline查询处理机制 | |
| CN107071718B (zh) | 一种高精度的农田环境监测系统 | |
| CN108200148A (zh) | 应用无线传感器网络的果园监控系统 | |
| CN105960011B (zh) | 基于传感网和贝叶斯方法的室内目标定位方法 | |
| CN106792561A (zh) | 一种无线指纹定位方法及系统 | |
| CN103874091B (zh) | 一种基于传感器网络事件检测的kNN查询方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170829 |