CN111163434A - 一种传感器的数据采集和识别方法 - Google Patents
一种传感器的数据采集和识别方法 Download PDFInfo
- Publication number
- CN111163434A CN111163434A CN201911120707.5A CN201911120707A CN111163434A CN 111163434 A CN111163434 A CN 111163434A CN 201911120707 A CN201911120707 A CN 201911120707A CN 111163434 A CN111163434 A CN 111163434A
- Authority
- CN
- China
- Prior art keywords
- sensor
- model
- receiving
- gps position
- machine learning
- 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
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种传感器的数据采集和识别方法,具体步骤为:获取用户当前设备至少一种传感器的感应输出信息;将所述感应输出信息输入对应种类传感器的传感器识别模型,确定当前设备是否为传感器;确定当前的传感器类型,传感器GPS位置接收、传感器地址接收、传感器地址判断、传感器GPS位置判断。本发明可以自动获得传感器的位置属性,对传感器的位置属性做出有效判断,满足了传感器位置感知能力在物联网中的需求,更换用户设备传感器硬件的情况下,很难以非传感器冒充传感器,从而提高了互联网服务的安全性。
Description
技术领域
本发明属于声音定位的技术领域,具体涉及一种传感器的数据采集和识别方法。
背景技术
基于数据采集的定位系统是集声学采集、微电子、精密机械以及信号处理等技术为一体的一种全新综合技术,在机器人领域、安保、军事和反恐等领域具有广阔的应用前景。其中,基于声音采集的声源定位系统在军事方面的应用能提高个人或者载具的防御能力、降低战场伤亡情况。随着物联网的兴趣,传感器的位置属性成为传感器属性中非常重要的一个属性,而目前对传感器位置的识别主要还靠人工的方式,还缺乏关于传感器位置属性的自动识别的方法,因此,需要一种传感器位置属性的自动识别方法。当前,可以探测到计算机系统中的多种传感器信息,但传感器的定义往往不统一。用户对于探测到的传感器信息,往往一头雾水,既不明确传感器的位置,也不明确传感器的类型。因此,当前反馈的传感器信息,往往对客户无实际意义,失去了传感器信息获取的意义。
发明内容
本发明所要解决的技术问题是提供一种传感器的数据采集和识别方法,实现对周围环境的传感器数据进行采集和识别的作用。
本发明采用的技术方案是,一种传感器的数据采集和识别方法,具体步骤为:
步骤1:获取用户当前设备至少一种传感器的感应输出信息;
步骤2:将所述感应输出信息输入对应种类传感器的传感器识别模型,将所述传感器识别模型的机器学习子模型输出的特征向量作为当前设备上所述传感器的标识;
步骤3:根据当前设备上所述传感器的标识、和预知的所述用户传感器上所述传感器的标识,确定当前设备是否为传感器;
步骤4:确定当前的传感器类型,
步骤5传感器GPS位置接收、传感器地址接收、传感器地址判断、传感器GPS位置判断和报警处理。
传感器标识按照预设角度将所述传感器阵列所处平面划分得到的多个扇形区域。
传感器识别模型是以对应种类传感器的感应输出信息为输入、以对应种类传感器的传感器型号为输出的机器学习模型,包括用于实现机器学习算法的机器学习子模型和根据机器学习子模型输出的特征向量进行分类的分类子模型;
报警处理,是指对传感器GPS位置错误和传感器地址错误输出报警。筛选传感器类型的步骤为特征值逐个比较,遇到特征值相同或者类似的情况,将读取下一个特征值作进一步的筛选,以此类推,直到筛选出传感器的类型。;
步骤3的具体方法包括:所述所述传感器GPS位置接收,是指通过GPS接收模块接收传感器所在GPS位置的经纬度,通过GIS地图确定位置,然后进入所述传感器地址接收步骤。
本发明的有益效果是,以用户当前设备上传感器的感应输出信息作为传感器识别模型的输入,以传感器识别模型中机器学习子模型输出的特征向量作为当前设备的传感器标识,并通过传感器标识来确定当前设备是否是传感器,由于传感器标识对应于当前设备上传感器硬件具有个体差异的特性,本说明书的实施例使得在不更换用户设备传感器硬件的情况下,很难以非传感器冒充传感器,从而提高了互联网服务的安全性,本发明可以自动获得传感器的位置属性,对传感器的位置属性做出有效判断,满足了传感器位置感知能力在物联网中的需求,。
具体实施方式
下面结合具体实施方式对本发明作进一步的详细说明,但本发明并不局限于该具体实施方式。
一种传感器的数据采集和识别方法,其特征在于,具体步骤为:
步骤1:获取用户当前设备至少一种传感器的感应输出信息;
步骤2:将所述感应输出信息输入对应种类传感器的传感器识别模型,将所述传感器识别模型的机器学习子模型输出的特征向量作为当前设备上所述传感器的标识;
步骤3:根据当前设备上所述传感器的标识、和预知的所述用户传感器上所述传感器的标识,确定当前设备是否为传感器;
步骤4:确定当前的传感器类型,
步骤5传感器GPS位置接收、传感器地址接收、传感器地址判断、传感器GPS位置判断和报警处理。
传感器标识按照预设角度将所述传感器阵列所处平面划分得到的多个扇形区域。
传感器识别模型是以对应种类传感器的感应输出信息为输入、以对应种类传感器的传感器型号为输出的机器学习模型,包括用于实现机器学习算法的机器学习子模型和根据机器学习子模型输出的特征向量进行分类的分类子模型;
报警处理,是指对传感器GPS位置错误和传感器地址错误输出报警。筛选传感器类型的步骤为特征值逐个比较,遇到特征值相同或者类似的情况,将读取下一个特征值作进一步的筛选,以此类推,直到筛选出传感器的类型。;
步骤3的具体方法包括:所述所述传感器GPS位置接收,是指通过GPS接收模块接收传感器所在GPS位置的经纬度,通过GIS地图确定位置,然后进入所述传感器地址接收步骤,传感器GPS位置接收,是指通过GPS接收模块接收传感器所在GPS位置的经纬度,通过GIS 地图确定位置,然后进入传感器地址接收步骤。
传感器地址接收,是指通过传感器网络接收传感器地址,然后进入传感器地址判断步骤。
传感器地址判断,是指接收到的传感器地址和内部存储传感器地址进行比较,相等的话进入传感器GPS位置判断步骤,不相等的话进入报警处理步骤。
传感器GPS位置判断,是指接收到的传感器GPS位置和内部存储传感器GPS位置进行比较,不相等的话进入报警处理步骤。
报警处理,是指对传感器GPS位置错误和传感器地址错误输出报警。将感应输出信息输入对应种类传感器的传感器识别模型,将该传感器识别模型的机器学习子模型输出的特征向量作为当前设备上该种传感器的标识。
对本实施例中的方法运行在用户端设备上的场景,服务端要先将训练完毕的、用户当前设备可能用到的若干种类的传感器识别模型下发给用户的当前设备,这样当前设备可以用来得到其中一种到多种当前设备上传感器的标识。步骤130,根据当前设备上传感器的标识、和预知的该用户传感器上传感器的标识,确定当前设备是否为传感器。采用当前设备上一种到多种传感器的标识,和服务端维护的传感器上对应种类的传感器标识进行比对,按照比对结果可以判断当前设备是否是传感器。具体的判断条件可以根据对实际应用场景中对安全性的要求程度、传感器的种类、传感器识别模型的精确度等因素的综合考虑来设置,本说明书的实施例不做限定。例如,在采用一种确定的传感器种类、并且传感器识别模型精确度很高的场景中,可以将当前设备上该种传感器的标识与传感器上该种传感器的标识相同,来作为当前设备为可信设备的判断条件。再如,在采用多个种类的传感器、并且传感器模型精确度有限的场景中,可以将每个种类的传感器在当前设备上的标识与在传感器上的标识均在各自种类的较大既定偏差范围内,来作为当前设备为传感器的判断条件;也可以将超过半数种类的传感器在当前设备上的标识与在传感器上的标识在各自种类的较小既定偏差范围内,来作为当前设备为传感器的判断条件。本发明可以自动获得传感器的位置属性,对传感器的位置属性做出有效判断,满足了传感器位置感知能力在物联网中的需求,更换用户设备传感器硬件的情况下,很难以非传感器冒充传感器,从而提高了互联网服务的安全性。
Claims (6)
1.一种传感器的数据采集和识别方法,其特征在于,具体步骤为:
步骤1:获取用户当前设备至少一种传感器的感应输出信息;
步骤2:将所述感应输出信息输入对应种类传感器的传感器识别模型,将所述传感器识别模型的机器学习子模型输出的特征向量作为当前设备上所述传感器的标识;
步骤3:根据当前设备上所述传感器的标识、和预知的所述用户传感器上所述传感器的标识,确定当前设备是否为传感器;
步骤4:确定当前的传感器类型,
步骤5传感器GPS位置接收、传感器地址接收、传感器地址判断、传感器GPS位置判断和报警处理。
2.根据权利要求1所述的一种传感器的数据采集和识别方法,其特征在于,所述传感器标识按照预设角度将所述传感器阵列所处平面划分得到的多个扇形区域。
3.根据权利要求1所述的一种传感器的数据采集和识别方法,其特征在于,所述传感器识别模型是以对应种类传感器的感应输出信息为输入、以对应种类传感器的传感器型号为输出的机器学习模型,包括用于实现机器学习算法的机器学习子模型和根据机器学习子模型输出的特征向量进行分类的分类子模型。
4.根据权利要求1所述的一种传感器的数据采集和识别方法,其特征在于,所述报警处理,是指对传感器GPS位置错误和传感器地址错误输出报警。
5.根据权利要求1所述的一种传感器的数据采集和识别方法,其特征在于,所述筛选传感器类型的步骤为特征值逐个比较,遇到特征值相同或者类似的情况,将读取下一个特征值作进一步的筛选,以此类推,直到筛选出传感器的类型。
6.根据权利要求1所述的一种传感器的数据采集和识别方法,其特征在于,所述步骤3的具体方法包括:所述所述传感器GPS位置接收,是指通过GPS接收模块接收传感器所在GPS位置的经纬度,通过GIS地图确定位置,然后进入所述传感器地址接收步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120707.5A CN111163434A (zh) | 2019-11-15 | 2019-11-15 | 一种传感器的数据采集和识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120707.5A CN111163434A (zh) | 2019-11-15 | 2019-11-15 | 一种传感器的数据采集和识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111163434A true CN111163434A (zh) | 2020-05-15 |
Family
ID=70555936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911120707.5A Pending CN111163434A (zh) | 2019-11-15 | 2019-11-15 | 一种传感器的数据采集和识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111163434A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112188538A (zh) * | 2020-09-30 | 2021-01-05 | 华晋焦煤有限责任公司 | 一种采空区无线自组网地面模拟测试方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018752A (zh) * | 2012-11-26 | 2013-04-03 | 昆山北极光电子科技有限公司 | 一种传感器属性的自动识别方法 |
CN105264405A (zh) * | 2013-06-11 | 2016-01-20 | 皇家飞利浦有限公司 | 校准传感器的方法 |
CN109063726A (zh) * | 2018-06-15 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 可信设备的识别方法和装置 |
CN109426827A (zh) * | 2017-08-25 | 2019-03-05 | 中国科学院计算技术研究所 | 一种多模态传感器协同感知方法及系统 |
-
2019
- 2019-11-15 CN CN201911120707.5A patent/CN111163434A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018752A (zh) * | 2012-11-26 | 2013-04-03 | 昆山北极光电子科技有限公司 | 一种传感器属性的自动识别方法 |
CN105264405A (zh) * | 2013-06-11 | 2016-01-20 | 皇家飞利浦有限公司 | 校准传感器的方法 |
CN109426827A (zh) * | 2017-08-25 | 2019-03-05 | 中国科学院计算技术研究所 | 一种多模态传感器协同感知方法及系统 |
CN109063726A (zh) * | 2018-06-15 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 可信设备的识别方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112188538A (zh) * | 2020-09-30 | 2021-01-05 | 华晋焦煤有限责任公司 | 一种采空区无线自组网地面模拟测试方法 |
CN112188538B (zh) * | 2020-09-30 | 2022-08-26 | 华晋焦煤有限责任公司 | 一种采空区无线自组网地面模拟测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230084869A1 (en) | System for simplified generation of systems for broad area geospatial object detection | |
CN111935820B (zh) | 基于无线网络的定位实现方法及相关设备 | |
CN110232379A (zh) | 一种车辆姿态检测方法及系统 | |
CN108614895B (zh) | 异常的数据访问行为的识别方法及数据处理装置 | |
CN114070760B (zh) | 一种网络空间资产的测绘方法及相关装置 | |
GB2581752A (en) | Systems and methods for dynamic telematics messaging | |
CN109521725A (zh) | 检测异常数据的方法、装置和设备以及机器可读介质 | |
CN117495205B (zh) | 一种工业互联网实验系统及方法 | |
CN110909804B (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
CN112214518A (zh) | 一种基于区块链的地理空间基础数据共享方法及系统 | |
CN113822892B (zh) | 仿真雷达的评测方法、装置、设备及计算机存储介质 | |
CN114067224A (zh) | 一种基于多传感器数据融合的无人机集群目标数量检测方法 | |
Guo et al. | [Retracted] Automatic Parking System Based on Improved Neural Network Algorithm and Intelligent Image Analysis | |
CN111163434A (zh) | 一种传感器的数据采集和识别方法 | |
CN117495891A (zh) | 点云边缘检测方法、装置和电子设备 | |
CN113704276A (zh) | 地图更新方法、装置、电子设备及计算机可读存储介质 | |
CN117114420A (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
CN112256809A (zh) | 一种数据处理方法和装置 | |
CN111882135B (zh) | 一种物联网设备入侵检测方法及相关装置 | |
CN114037941A (zh) | 针对视频目标属性进行算法多数据交叉验证补全的方法和装置 | |
CN111741526B (zh) | 定位方法、装置、电子设备以及计算机存储介质 | |
JPWO2019138537A1 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN117830676B (zh) | 基于无人机的输电线路施工风险识别方法及系统 | |
CN117931738B (zh) | 一种基于路网可达性的人像档案轨迹治理方法及系统 | |
CN110727788B (zh) | 基于知识点相似度的自适应教学方案调整方法 |
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 |
Application publication date: 20200515 |
|
RJ01 | Rejection of invention patent application after publication |