CN107578609A - 一种基于NB‑IoT智能跟踪器的多载体振动自动识别方法 - Google Patents
一种基于NB‑IoT智能跟踪器的多载体振动自动识别方法 Download PDFInfo
- Publication number
- CN107578609A CN107578609A CN201710730751.2A CN201710730751A CN107578609A CN 107578609 A CN107578609 A CN 107578609A CN 201710730751 A CN201710730751 A CN 201710730751A CN 107578609 A CN107578609 A CN 107578609A
- Authority
- CN
- China
- Prior art keywords
- carrier
- acceleration
- speciality
- sequence
- tracker
- 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.)
- Granted
Links
Landscapes
- Telephonic Communication Services (AREA)
- Alarm Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于NB‑IoT智能跟踪器的多载体振动自动识别方法,包括智能跟踪器,所述智能跟踪器包括具有加速度传感器的振动检测模块,与振动检测模块通信连接的智能处理模块,与智能处理模块通信连接的NB‑loT通信模块,通过振动检测模块的加速度传感器采集放置跟踪器的载体的加速度数据,并对加速度数据进行滤波;通过智能处理模块,将滤波后的加速度数据与预存的载体特质加速数据库中的载体特质加速数据进行对比,判断是否报警。发明的智能跟踪器对因载体振动不进行告警,避免误告警出现;同时采用本发明的多载体振动自动识别方法,能够显著减少跟踪器、防丢器等类似产品的误警、漏警概率,改善用户体验,提升产品的竞争力。
Description
技术领域
本发明涉及一种智能跟踪器,尤其涉及一种NB-IoT智能跟踪器和使用该跟踪器的多载体振动自动识别方法。
背景技术
近年来,移动物联网发展势头迅猛,特别是窄带物联网业务因具有数据传输速率低、长距离、深覆盖等特点,适用众多领域,前景广阔。其中窄带物联网(Narrow BandInternet of Things, NB-IoT)是面向低功耗、广覆盖的全球唯一标准,是目前炙手可热的一项新技术,而本发明即是跟随时代前进的步伐,及时把握时代前进的方向,快而有力的利用NB-IoT技术。目前本公司已经基于NB-IoT研制了该智能跟踪器,并且该方法在此跟踪器上取得了良好的效果。
随着个人物品丢失事例的增多,人们对物品的防丢防盗越来越看重,随运而生,市面上有各种各样的防丢器、跟踪器等。目前,市面上的基于振动告警的跟踪器一般都是使用加速度传感器,采集到满足门限值的振动即告警,然而跟踪器应用环境复杂,一概而论而设置相同的告警门限,会出现大量的误报漏报等情况。
发明内容
本发明提供一种基于多载体振动自动识别技术的NB-IoT智能跟踪器,以解决现有技术存在的问题。
本发明采用以下技术方案:
一种基于NB-IoT智能跟踪器的多载体振动自动识别方法,
包括智能跟踪器,所述智能跟踪器包括具有加速度传感器的振动检测模块,与振动检测模块通信连接的智能处理模块,与智能处理模块通信连接的NB-loT通信模块,还包括为振动检测模块、智能处理模块、NB-loT通信模块供电的电源模块;
通过振动检测模块的加速度传感器采集放置跟踪器的载体的加速度数据,并对加速度数据进行滤波;
通过智能处理模块,将滤波后的加速度数据与预存的载体特质加速数据库中的载体特质加速数据进行对比,如果滤波后的加速度数据属于载体特质加速数据库中的其中一个载体特质加速度数据,则不进行报警;否则,通过NB-loT通信模块向远端服务器进行报警。
获取载体特质加速数据建立载体特质加速数据库的方法为:
通过加速度传感器采集载体的加速度数据,选取设定时长的加速度数据序列作为源对比序列;
选取源对比序列之后相隔设定时间间隔的设定时长加速度数据作为目标对比序列;
将源对比序列和目标对比序列通过自相关算法进行计算,得到自相关运算结果;
如果自相关运算结果小于设定的门限值,则把目标对比序列作为源对比序列,重新选取该源对比序列之后相隔设定时间间隔的设定时长加速度数据作为目标对比序列,进行自相关算法的计算;如果自相关运算结果大于设定门限,则将该源对比序列作为该载体的载体特质加速数据,并保存在载体特质加速数据库。
判断放置跟踪器的载体是否为已识别的具有载体特质加速数据的载体的方法为:
通过加速度传感器采集当前载体的加速度数据;
选取加速度数据中的设定时长的加速度数据序列作为源对比序列,并把载体特质加速数据库中的载体特质加速数据作为目标对比序列;
将源对比序列和其中一个目标对比序列进行互相关运算,并得到互相关运算的互相关运算结果:
(1)如果互相关运算结果大于设定互相关门限值,则判定跟踪器当前所在的载体为已识别的载体;
(2)如果互相关运算结果小于设定互相关门限值,则更换目标对比序列,再次进行互相关运算,并重复(1),直至载体特质加速数据库中的数据计算完毕;
(3)如果载体特质加速数据库中的数据计算完毕后,互相关运算结果仍小于设定互相关门限值,则判断跟踪器当前在的载体为未识别载体类型,此时,通过计算获取载体特质加速数据,并将载体特质加速数据添加到载体特质加速数据库中。
跟踪器在未检测到异常加速度时,无论当前载体否为已识别的载体,均不进行告警处理;
跟踪器检测到异常加速度且大于设定门限,如果当前载体为未识别载体类型时,跟踪器通过NB-loT通信模块进行告警处理;
跟踪器检测到异常加速度且大于设定门限,且当前载体为已识别载体类型时,跟踪器通过相关运算,去除混叠在异常振动上的载体特征振动分量,当异常加速度大于设定门限时,跟踪器通过NB-loT通信模块进行告警处理;否则不进行告警处理。
在通过加速度传感器采集加速度数据前,通过智能处理模块设定加速度传感器的加速度检测范围、加速度采样频率、加速度滤波系数,通过设置加速度滤波系数对采集的加速度数据中的高频分量进行滤波。
所述NB-loT通信模块上连接有天线模块、SIM卡模块。
本发明的有益效果:本发明的智能跟踪器对因载体振动不进行告警,避免误告警出现;同时采用本发明的多载体振动自动识别方法,能够显著减少跟踪器、防丢器等类似产品的误警、漏警概率,改善用户体验,提升产品的竞争力。
附图说明
图1为跟踪器硬件框图。
图2为载体振动处理流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
本发明首先提供一种基于多载体振动自动识别技术的NB-IoT智能跟踪器,包括振动检测模块、智能处理模块、NB-IoT通信模块、天线模块、SIM卡模块及电源模块。NB-IoT通信模块、振动检测模块与智能处理模块通信连接,NB-loT通信模块上还连接有接收外部NB-IoT信号的天线模块和用于通信流量许可的SIM卡模块。
采用加速度传感器采集载体振动时的加速度数据、基于自相关算法进行振动特性的学习,基于互相关算法进行振动特性的识别,根据已识别的振动特性进行告警处理,降低跟踪器告警的误警率及漏警率,实现智能跟踪的功能。
当智能处理模块获取到振动检测模块的加速度传感器测量的加速度数据后,如果加速度数据异常,则智能处理模块通过报警装置进行报警,或者同时通过NB-loT通信模块向后台服务器进行报警。
本发明的多载体振动自动识别方法包括以下四个单元:振动采集处理单元、振动特性学习单元、振动特征识别单元、告警处理单元。
一:振动采集处理单元
包括振动检测模块,振动检测模块通过加速度传感器采集放置跟踪器的载体的加速度数据,并对加速度数据进行滤波;加速度传感器采集加速度数据前,可以通过智能处理模块设定加速度传感器的加速度检测范围、加速度采样频率、加速度滤波系数。加速度检测范围的设定能够确定加速度传感器可以检测的载体的最大加速度值;加速度采样频率的确定能够确定加速度值采集的快慢,是设计加速度传感器的重要参数;加速度滤波系数主要用来滤除加速度采集数据中的高频分量,使振动特性学习模块对载体的振动特征统计更加准确。
加速度传感器采集到加速度数据后,通过智能处理模块,将滤波后的加速度数据与预存的载体特质加速数据库中的载体特质加速数据进行对比,如果滤波后的加速度数据属于载体特质加速数据库中的其中一个载体特质加速度数据,则不进行报警;否则,通过NB-loT通信模块向远端服务器进行报警或者直接通过报警装置进行报警。
二:振动特性学习单元
振动特性学习单元完成载体振动特性的统计分析,该功能可以学习放置跟踪器的载体是否为具备固定振动特性的载体,当跟踪器在具备固定振动特性的载体上检测到本征振动时,不进行告警处理,避免受到振动就告警,造成误告警。
该单元能够生成载体特质加速数据,进而建立载体特质加速数据库。
具体步骤为:
针对通过加速度传感器采集载体的加速度数据,选取设定时长的加速度数据序列作为源对比序列;
在源对比序列之后相隔设定时间间隔的地方,选择设定时长的加速度数据作为目标对比序列;
将源对比序列和目标对比序列通过自相关算法进行计算,得到自相关运算结果;
如果自相关运算结果小于设定的门限值,则把目标对比序列作为源对比序列,重新选取该源对比序列之后相隔设定时间间隔的设定时长加速度数据作为目标对比序列,进行自相关算法的计算;如果自相关运算结果大于设定门限,则将该源对比序列作为该载体的载体特质加速数据,并保存在载体特质加速数据库。
上述的载体特质加速度数据库可以保存在后台服务器中,也可以同时保存在智能处理模块的存储器中,保存在智能处理模块的存储器中时,如果对载体特质加速数据库进行了更新,则需要对后台服务器和智能处理模块的存储器中的数据库同步进行更新。
三:振动特征识别单元
振动特性识别单元完成跟踪器对载体识别功能,即识别放置跟踪器的载体是否是为已识别的具备载体特质加速度数据的载体,如果跟踪器经比对判断当前载体特质加速度数据为已识别的载体特质加速度数据,则不进行告警;如果跟踪器经比对判断当前载体特质加速度数据为未识别的载体特质加速度数据,则进行“二”中的振动特性的学习处理,对数据库进行更新。
实现该功能的步骤为:
通过加速度传感器采集当前载体的加速度数据;
选取加速度数据中的设定时长的加速度数据序列作为源对比序列,并把载体特质加速数据库中的载体特质加速数据作为目标对比序列;
将源对比序列和其中一个目标对比序列进行互相关运算,并得到互相关运算的互相关运算结果:
(1)如果互相关运算结果大于设定互相关门限值,则判定跟踪器当前所在的载体为已识别的载体;
(2)如果互相关运算结果小于设定互相关门限值,则更换目标对比序列,再次进行互相关运算,并重复(1)的过程,直至载体特质加速数据库中的数据循环计算完毕;
(3)如果载体特质加速数据库中的数据计算完毕后,互相关运算结果仍小于设定互相关门限值,则判断跟踪器当前在的载体为未识别载体类型,此时,通过计算获取载体特质加速数据,并将载体特质加速数据添加到载体特质加速数据库中。
四:告警处理单元
包括报警装置和NB-IoT通信模块。
跟踪器在未检测到异常加速度时,无论当前载体否为已识别的载体,均不进行告警处理;
跟踪器检测到异常加速度且大于设定加速度门限,如果当前载体为未识别载体类型时,跟踪器通过NB-loT通信模块进行告警处理;
跟踪器检测到异常加速度且大于设定加速度门限,且当前载体为已识别载体类型时,跟踪器通过现有的相关运算,设置相关系数门限值,根据门限值去除混叠在异常振动上的载体特征振动分量,当异常加速度大于设定门限时,跟踪器通过NB-loT通信模块进行告警处理;否则不进行告警处理。
本发明的智能跟踪器在因载体本身振动、即非人为因素造成的振动不进行告警,避免误告警出现,如跟踪器在自行车行进中、电动车行进中、火车行进中、汽车行进中检测到的振动不进行告警;但当跟踪器在运动的载体上被人为行为拿走时,需要及时告警处理。
采用该发明提到的多载体振动自动识别方法,显著减少了跟踪器、防丢器等类似产品的误警、漏警概率,改善了用户体验,提升了产品的市场竞争力。
以上所述的仅是本发明的优选实施方式,应当指出,对于本领域的技术人员来说,在不脱离本发明整体构思前提下,还可以作出若干改变和改进,这些也应该视为本发明的保护范围。
Claims (6)
1.一种基于NB-IoT智能跟踪器的多载体振动自动识别方法,其特征在于:
包括智能跟踪器,所述智能跟踪器包括具有加速度传感器的振动检测模块,与振动检测模块通信连接的智能处理模块,与智能处理模块通信连接的NB-loT通信模块,还包括为振动检测模块、智能处理模块、NB-loT通信模块供电的电源模块;
通过振动检测模块的加速度传感器采集放置跟踪器的载体的加速度数据,并对加速度数据进行滤波;
通过智能处理模块,将滤波后的加速度数据与预存的载体特质加速数据库中的载体特质加速数据进行对比,如果滤波后的加速度数据属于载体特质加速数据库中的其中一个载体特质加速度数据,则不进行报警;否则,通过NB-loT通信模块向远端服务器进行报警。
2.根据权利要求1所述的方法,其特征在于,获取载体特质加速数据建立载体特质加速数据库的方法为:
通过加速度传感器采集载体的加速度数据,选取设定时长的加速度数据序列作为源对比序列;
选取源对比序列之后相隔设定时间间隔的设定时长加速度数据作为目标对比序列;
将源对比序列和目标对比序列通过自相关算法进行计算,得到自相关运算结果;
如果自相关运算结果小于设定的门限值,则把目标对比序列作为源对比序列,重新选取该源对比序列之后相隔设定时间间隔的设定时长加速度数据作为目标对比序列,进行自相关算法的计算;如果自相关运算结果大于设定门限,则将该源对比序列作为该载体的载体特质加速数据,并保存在载体特质加速数据库。
3.根据权利要求1所述的方法,其特征在于,判断放置跟踪器的载体是否为已识别的具有载体特质加速数据的载体的方法为:
通过加速度传感器采集当前载体的加速度数据;
选取加速度数据中的设定时长的加速度数据序列作为源对比序列,并把载体特质加速数据库中的载体特质加速数据作为目标对比序列;
将源对比序列和其中一个目标对比序列进行互相关运算,并得到互相关运算的互相关运算结果:
(1)如果互相关运算结果大于设定互相关门限值,则判定跟踪器当前所在的载体为已识别的载体;
(2)如果互相关运算结果小于设定互相关门限值,则更换目标对比序列,再次进行互相关运算,并重复(1),直至载体特质加速数据库中的数据计算完毕;
(3)如果载体特质加速数据库中的数据计算完毕后,互相关运算结果仍小于设定互相关门限值,则判断跟踪器当前在的载体为未识别载体类型,此时,通过计算获取载体特质加速数据,并将载体特质加速数据添加到载体特质加速数据库中。
4.根据权利要求3所述的方法,其特征在于:
跟踪器在未检测到异常加速度时,无论当前载体否为已识别的载体,均不进行告警处理;
跟踪器检测到异常加速度且大于设定门限,如果当前载体为未识别载体类型时,跟踪器通过NB-loT通信模块进行告警处理;
跟踪器检测到异常加速度且大于设定门限,且当前载体为已识别载体类型时,跟踪器通过相关运算,去除混叠在异常振动上的载体特征振动分量,当异常加速度大于设定门限时,跟踪器通过NB-loT通信模块进行告警处理;否则不进行告警处理。
5.根据权利要求1所述的方法,其特征在于:在通过加速度传感器采集加速度数据前,通过智能处理模块设定加速度传感器的加速度检测范围、加速度采样频率、加速度滤波系数,通过设置加速度滤波系数对采集的加速度数据中的高频分量进行滤波。
6.根据权利要求1所述的方法,其特征在于:所述NB-loT通信模块上连接有天线模块、SIM卡模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710730751.2A CN107578609B (zh) | 2017-08-23 | 2017-08-23 | 一种基于NB-IoT智能跟踪器的多载体振动自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710730751.2A CN107578609B (zh) | 2017-08-23 | 2017-08-23 | 一种基于NB-IoT智能跟踪器的多载体振动自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107578609A true CN107578609A (zh) | 2018-01-12 |
CN107578609B CN107578609B (zh) | 2019-07-26 |
Family
ID=61035582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710730751.2A Active CN107578609B (zh) | 2017-08-23 | 2017-08-23 | 一种基于NB-IoT智能跟踪器的多载体振动自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578609B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113124996A (zh) * | 2021-04-20 | 2021-07-16 | 郑州丰嘉科技有限公司 | 一种文物振动传感器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101052861A (zh) * | 2004-11-05 | 2007-10-10 | 国际商业机器公司 | 运动检测装置及运动检测方法 |
CN103879376A (zh) * | 2013-12-31 | 2014-06-25 | 莱阳市科盾通信设备有限责任公司 | 一种车辆防盗检测方法及其装置 |
CN105303735A (zh) * | 2015-11-04 | 2016-02-03 | 国网浙江杭州市余杭区供电公司 | 一种回流缆防盗报警系统及其控制方法 |
CN105354983A (zh) * | 2015-10-26 | 2016-02-24 | 北京安易康医疗技术服务有限公司 | 基于三轴加速度传感器的报警监测方法及系统 |
US20160150039A1 (en) * | 2014-11-20 | 2016-05-26 | Sunnto Oy | System and method for creating ad-hoc events from sensed sport-specific data |
CN205880607U (zh) * | 2016-07-26 | 2017-01-11 | 上海爱戴科技有限公司 | 一种基于nbiot技术的跟踪器 |
CN207773090U (zh) * | 2018-01-23 | 2018-08-28 | 浙江云踪导航科技有限公司 | 一种电动车防盗器 |
-
2017
- 2017-08-23 CN CN201710730751.2A patent/CN107578609B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101052861A (zh) * | 2004-11-05 | 2007-10-10 | 国际商业机器公司 | 运动检测装置及运动检测方法 |
CN103879376A (zh) * | 2013-12-31 | 2014-06-25 | 莱阳市科盾通信设备有限责任公司 | 一种车辆防盗检测方法及其装置 |
US20160150039A1 (en) * | 2014-11-20 | 2016-05-26 | Sunnto Oy | System and method for creating ad-hoc events from sensed sport-specific data |
CN105354983A (zh) * | 2015-10-26 | 2016-02-24 | 北京安易康医疗技术服务有限公司 | 基于三轴加速度传感器的报警监测方法及系统 |
CN105303735A (zh) * | 2015-11-04 | 2016-02-03 | 国网浙江杭州市余杭区供电公司 | 一种回流缆防盗报警系统及其控制方法 |
CN205880607U (zh) * | 2016-07-26 | 2017-01-11 | 上海爱戴科技有限公司 | 一种基于nbiot技术的跟踪器 |
CN207773090U (zh) * | 2018-01-23 | 2018-08-28 | 浙江云踪导航科技有限公司 | 一种电动车防盗器 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113124996A (zh) * | 2021-04-20 | 2021-07-16 | 郑州丰嘉科技有限公司 | 一种文物振动传感器 |
Also Published As
Publication number | Publication date |
---|---|
CN107578609B (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107697069B (zh) | 汽车驾驶员疲劳驾驶智能控制方法 | |
US20190260778A1 (en) | Unsupervised spoofing detection from traffic data in mobile networks | |
Smys et al. | CNN based flood management system with IoT sensors and cloud data | |
Ma et al. | Drivingsense: Dangerous driving behavior identification based on smartphone autocalibration | |
Xu et al. | ER: Early recognition of inattentive driving leveraging audio devices on smartphones | |
Xu et al. | Leveraging audio signals for early recognition of inattentive driving with smartphones | |
CN103606248A (zh) | 一种人体摔倒自动检测方法及系统 | |
CN104538041A (zh) | 异常声音检测方法及系统 | |
CN106570444B (zh) | 基于行为识别的车载智能提醒方法及系统 | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
CN105678273A (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
CN106331605B (zh) | 一种基于视频的水灾检测系统及方法 | |
Wen et al. | We help you watch your steps: Unobtrusive alertness system for pedestrian mobile phone users | |
CN109977771A (zh) | 司机身份的验证方法、装置、设备及计算机可读存储介质 | |
CN102759394B (zh) | 检测车体震动的装置与方法 | |
CN108836324A (zh) | 一种基于脑电信号监测的疲劳驾驶预警方法及系统 | |
CN110702240A (zh) | 基于身份识别的体温预警方法及装置 | |
Engelbrecht et al. | Performance comparison of dynamic time warping (DTW) and a maximum likelihood (ML) classifier in measuring driver behavior with smartphones | |
CN105550702B (zh) | 一种基于svm的gnss欺骗式干扰识别方法 | |
US20230054186A1 (en) | Anomaly detection | |
CN107578609A (zh) | 一种基于NB‑IoT智能跟踪器的多载体振动自动识别方法 | |
CN109784418B (zh) | 一种基于特征重组的人体行为识别方法及系统 | |
CN113949986B (zh) | 基于wr和射频指纹技术的定位方法、系统及监控方法 | |
Astapov et al. | Military vehicle acoustic pattern identification by distributed ground sensors | |
CN112161699A (zh) | 一种无人驾驶汽车的共振监测系统及其监测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |