CN115510635B - 空间环境监测方法、装置、设备和计算机可读存储介质 - Google Patents

空间环境监测方法、装置、设备和计算机可读存储介质 Download PDF

Info

Publication number
CN115510635B
CN115510635B CN202211135918.8A CN202211135918A CN115510635B CN 115510635 B CN115510635 B CN 115510635B CN 202211135918 A CN202211135918 A CN 202211135918A CN 115510635 B CN115510635 B CN 115510635B
Authority
CN
China
Prior art keywords
node
data
dormant
sensor
energy consumption
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.)
Active
Application number
CN202211135918.8A
Other languages
English (en)
Other versions
CN115510635A (zh
Inventor
任复明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuo Siwei Beijing Information Technology Co ltd
Original Assignee
Zhuo Siwei Beijing Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhuo Siwei Beijing Information Technology Co ltd filed Critical Zhuo Siwei Beijing Information Technology Co ltd
Priority to CN202211135918.8A priority Critical patent/CN115510635B/zh
Publication of CN115510635A publication Critical patent/CN115510635A/zh
Application granted granted Critical
Publication of CN115510635B publication Critical patent/CN115510635B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本申请的实施例提供了空间环境监测方法、装置、设备和计算机可读存储介质。所述方法包括基于每个传感器节点的通信能耗，调整各个传感器节点的工作状态；所述传感器节点用于探测环境数据；所述工作状态包括工作和休眠；通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据；将工作节点采集的环境数据和所述仿真环境数据进行融合，得到空间监测数据；基于所述空间监测数据，制定设备运行策略，控制对应的物联网设备的运行状态。以此方式，实现了对空间环境的精准测量。

Description

空间环境监测方法、装置、设备和计算机可读存储介质
技术领域
本申请的实施例涉及数据测量领域，尤其涉及空间环境监测方法、装置、设备和计算机可读存储介质。
背景技术
随着微电子、无线通信、传感器和嵌入式计算等技术的日趋成熟，廉价、低能耗、多功能、小尺寸的无线传感器得到了快速发展。
无线传感器网络由大量无线传感器节点相互连接而成，是物联网技术的重要组成部分，已广泛地应用于环境监测等诸多领域。无线传感器网络克服了传统监测手段方法单一、时效性和灵活性差等缺点，但也存在以下缺陷：
一是，由于传感器节点能量受限，如果某些传感器节点提前死亡，会导致部分通信路径中断，从而降低网络的可靠性和传输效率；
一是，由于传感器节点在监测区域的部署具有随机性，以及节点故障、外部环境等因素，会导致监测盲区和感知数据缺失等现象，使得采集到的环境数据集不能准确地反映待监测区域的真实状况。
因此，如何延长网络生命周期和提高监测精度，是当前急需解决的问题。
发明内容
根据本申请的实施例，提供了一种空间环境监测方案。
在本申请的第一方面，提供了一种空间环境监测方法。该方法包括：
基于每个传感器节点的通信能耗，调整各个传感器节点的工作状态；所述传感器节点用于探测环境数据；所述工作状态包括工作和休眠；
通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据；
将工作节点采集的环境数据和所述仿真环境数据进行融合，得到空间监测数据；
基于所述空间监测数据，制定设备运行策略，控制对应的物联网设备的运行状态。
进一步地，所述环境数据包括温度、湿度、噪声和/或光照强度。
进一步地，
每个传感器节点的通信能耗通过如下公式进行计算：
Figure GDA0004159945330000021
其中，Es(j，d)为节点发送数据能耗；
Eelec为节点接收数据能耗；
d为传感器节点到簇头节点间的距离；
μs和μu为常数。
进一步地，所述通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据包括：
计算休眠节点的最优无偏估计值；
根据各个传感器间的距离，对传感器节点进行分组；
根据所述最优无偏估计值，计算每组传感器节点的变差函数值；
基于所述变差函数值，构建目标函数；
基于所述目标函数，计算所述休眠节点的权值系数；
基于所述权值系数，得到所述休眠节点对应的差值数据。
进一步地，通过如下公式计算休眠节点的最优无偏估计值：
Figure GDA0004159945330000022
其中，λi为权重系数；
n为样本数量；
x0为休眠节点；
Z*为最优无偏估计值；
xi为样本点。
进一步地，所述变差函数值通过如下公式进行计算：
Figure GDA0004159945330000031
其中，hk＝xi-xj；
N(hk)为第K组滞后距离hk对应的样本点对数；
距离为h的两个点xi、xj的属性分别为Z(xi)、Z(xj)；
Figure GDA0004159945330000032
其中，h为滞后距离；
γ*为变差函数值；
xi和xj为样本点；
hk为第K组滞后距离。
进一步地，所述基于所述变差函数值，构建目标函数包括：
通过球状模型对所述变差函数值进行拟合，构建目标函数。
在本申请的第二方面，提供了一种空间环境监测装置。该装置包括：
调整模块，用于基于每个传感器节点的通信能耗，调整各个传感器节点的工作状态；所述传感器节点用于探测环境数据；所述工作状态包括工作和休眠；
计算模块，用于通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据；
融合模块，用于将工作节点采集的环境数据和所述仿真环境数据进行融合，得到空间监测数据；
控制模块，用于基于所述空间监测数据，制定设备运行策略，控制对应的物联网设备的运行状态。
在本申请的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
在本申请的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本申请的第一方面的方法。
本申请实施例提供的空间环境监测方法，通过基于每个传感器节点的通信能耗，调整各个传感器节点的工作状态；所述传感器节点用于探测环境数据；所述工作状态包括工作和休眠；通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据；将工作节点采集的环境数据和所述仿真环境数据进行融合，得到空间监测数据；基于所述空间监测数据，制定设备运行策略，控制对应的物联网设备的运行状态。能够保证监测数据的完整性和具有较高的监测精度，相较于传统环境监测系统的表格数据，具有友好的交互体验并且操作简单。
应当理解，发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了根据本申请的实施例的空间环境监测方法的流程图；
图2示出了根据本申请的实施例的空间环境监测装置的方框图；
图3示出了适于用来实现本申请实施例的终端设备或服务器的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1示出了根据本公开实施例的空间环境监测方法的流程图。所述方法包括：
S110，基于每个传感器节点的通信能耗，调整各个传感器节点的工作状态；所述传感器节点用于探测环境数据；所述工作状态包括工作和休眠。
在无线传感器网络的环境监测应用中，通常都需要对传感器节点进行大规模部署。
因此，在本公开中，将无线传感器网络设计为层簇式网络拓扑模型，并且将具有更多资源和高功率的传感器节点选为簇头节点，由这些簇头节点构成一个连通网络来转发环境监测数据。
簇内普通成员节点则负责采集环境数据并以单跳或多跳的形式发送给簇头节点，簇头节点则负责簇间数据的转发以及监测数据的存储和处理工作，最终由各个簇的簇头节点与Sink(汇聚节点)节点进行单跳通信。
在一些实施例中，由于无线传感器网络节点的能量非常有限，为了均衡网络的能量消耗，在本公开中首先对每个传感器节点的通信能耗进行计算，以便调整各个传感器节点的工作状态。
具体地，通过如下公式计算每个传感器节点的通信能耗：
Figure GDA0004159945330000051
其中，Es(j，d)为节点发送数据能耗；
Eelec为节点接收数据能耗；
d为传感器节点到簇头节点间的距离；
μs和μu为常数，根据传感器的类型确定；
以任一传感器节点向簇头节点发送一个1bit数据包为例(一个传感器节点从其相邻节点接收了一个1bit的数据包)，μs和μu为可分别设为10pj/bit*m2、0.0013pj/bit*m2。
在一些实施例中，传感器通常为物联网传感器(工业传感器)，用于探测温度、湿度、噪声和/或光照强度等环境数据。
在一些实施例中，基于每个传感器的通信能耗，周期性地选择部分传感器节点进入休眠，并在休眠状态和工作状态之间来回转换以节省能量。在许多情况下，网络节点分布较为密集，若所有传感器节点同时工作，采集到的环境数据集会存在大量冗余，导致部分能量的无效损耗。而且在同一时期内，网络中地理空间相近的节点为了竞争传输信道，也会增大数据包冲突的概率，引起网络拥塞、数据丢失，进一步导致能量的无效损耗。因此，通过节点调度策略，可以高效利用传感器节点的能量，并有效延长网络的生命周期。
S120，通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据。
在一些实施例中，对于网络冗余度较低而监测精度要求较高的情况，休眠调度策略导致的休眠节点数据缺失，会在一定程度上影响监测数据的完整性和准确性。为了获取较为完整的环境数据，并保证的监测精度，对于不论是主动休眠或恶劣环境导致部分节点失效产生的数据缺失，还是由于随机分布导致的监测盲区，都需要对其进行补充。对于待监测区域，地理空间越靠近的地方，越可能具有相近的环境属性值，所以相近的传感器节点采集到的环境数据也具有一定的空间相关性。根据这一原理，在本公开中，通过空间插值估计方法，利用已知的节点数据对监测盲区和数据缺失的区域进行估计、补充。
在一些实施例中，获取设备正常运行时间内各传感器采集的监测数据，将样本点xi的属性值记为Z(xi)，根据如下公式计算获得差值点x0处的最优无偏估计值：
Figure GDA0004159945330000061
其中，λi为权重系数；
n为样本数量；
x0为休眠节点。
在一些实施例中，根据所述最优无偏估计值，计算每组传感器节点的变差函数值：
Figure GDA0004159945330000071
其中，hk＝xi-xj；
N(hk)为第K组滞后距离hk对应的样本点对数；
距离为h的两个点xi、xj的属性分别为Z(xi)、Z(xj)；
Figure GDA0004159945330000072
其中，h为滞后距离。
进一步地，计算出不同滞后距离对应的变差函数值γ*(hk)后，通过球状模型对所述变异函数进行拟合，即：
Figure GDA0004159945330000073
其中，c0是块金效应值，表示不确定因素的影响程度；
c+c0为基台值，表示区域变化量的总体变异程度；
a为变程，表示区域变化量在空间相关性方面的最远距离。
进一步地，
Figure GDA0004159945330000074
可以用于表示区域化变量空间相关性的强弱。
在一些实施例中，为了求解方程组得到权值系数λi，可将方程组转化为矩阵的形式进行运算，其矩阵形式如下：
Figure GDA0004159945330000081
进一步地，求出权值系数λi后，代入公式
Figure GDA0004159945330000082
即可求出待差值点x0(休眠节点)处的属性值Z*(x0)，即得到休眠节点对应的仿真环境数据。
S130，将工作节点采集的环境数据和所述仿真环境数据进行融合，得到空间监测数据。
在一些实施例中，将工作节点环境数据和通过步骤S120采集的仿真环境数据进行融合，得到待采集区域内空间监测数据。
S140，基于所述空间监测数据，制定设备运行策略，控制对应的物联网设备的运行状态。
在一些实施例中，基于所述空间监测数据，制定区域内所有物联网设备的运行策略，控制对应的物联网设备的运行状态。
根据本公开的实施例，实现了以下技术效果：
通过使一定比例的剩余能量最低的节点休眠，避免了部分节点由于通信负担过重而过早死亡，不但能够延长网络的生命周期，而且能够保证监测数据的完整性和具有较高的监测精度，相较于传统环境监测系统的表格数据，具有友好的交互体验并且操作简单。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。
图2示出了根据本申请的实施例的空间环境监测装置200的方框图如图2所示，装置200包括：
调整模块210，用于基于每个传感器节点的通信能耗，调整各个传感器节点的工作状态；所述传感器节点用于探测环境数据；所述工作状态包括工作和休眠；
计算模块220，用于通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据；
融合模块230，用于将工作节点采集的环境数据和所述仿真环境数据进行融合，得到空间监测数据；
控制模块240，用于基于所述空间监测数据，制定设备运行策略，控制对应的物联网设备的运行状态。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图3示出了适于用来实现本申请实施例的终端设备或服务器的结构示意图。
如图3所示，终端设备或服务器包括中央处理单元(CPU)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有终端设备或服务器操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地，根据本申请的实施例，上文方法流程步骤可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或者多个程序，当上述前述程序被一个或者一个以上的处理器用来执行描述于本申请的方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种空间环境监测方法，其特征在于，包括：
基于每个传感器节点的通信能耗，调整各个传感器节点的工作状态；所述传感器节点用于探测环境数据；所述工作状态包括工作和休眠；
通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据；
将工作节点采集的环境数据和所述仿真环境数据进行融合，得到空间监测数据；
基于所述空间监测数据，制定设备运行策略，控制对应的物联网设备的运行状态；
每个传感器节点的通信能耗通过如下公式进行计算：
Figure FDA0004184951820000011
其中，Es(j，d)为节点发送数据能耗；
Eelec为节点接收数据能耗；
d为传感器节点到簇头节点间的距离；
μs和μu为常数；
所述通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据包括：
计算休眠节点的最优无偏估计值；
根据各个传感器间的距离，对传感器节点进行分组；
根据所述最优无偏估计值，计算每组传感器节点的变差函数值；
基于所述变差函数值，构建目标函数；
基于所述目标函数，计算所述休眠节点的权值系数；
基于所述权值系数，得到所述休眠节点对应的差值数据；
通过如下公式计算休眠节点的最优无偏估计值：
Figure FDA0004184951820000012
其中，λi为权重系数；
n为样本数量；
x0为休眠节点；
所述变差函数值通过如下公式进行计算：
Figure FDA0004184951820000021
其中，hk＝xi-xj；
N(hk)为第K组滞后距离hk对应的样本点对数；
距离为h的两个点xi、xj的属性分别为Z(xi)、Z(xj)；
Figure FDA0004184951820000022
其中，h为滞后距离。
2.根据权利要求1所述的方法，其特征在于，所述环境数据包括温度、湿度、噪声和/或光照强度。
3.根据权利要求1所述的方法，其特征在于，所述基于所述变差函数值，构建目标函数包括：
通过球状模型对所述变差函数值进行拟合，构建目标函数。
4.一种空间环境监测装置，其特征在于，包括：
调整模块，用于基于每个传感器节点的通信能耗，调整各个传感器节点的工作状态；所述传感器节点用于探测环境数据；所述工作状态包括工作和休眠；
计算模块，用于通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据；
融合模块，用于将工作节点采集的环境数据和所述仿真环境数据进行融合，得到空间监测数据；
控制模块，用于基于所述空间监测数据，制定设备运行策略，控制对应的物联网设备的运行状态；
每个传感器节点的通信能耗通过如下公式进行计算：
Figure FDA0004184951820000031
其中，Es(j，d)为节点发送数据能耗；
Eelec为节点接收数据能耗；
d为传感器节点到簇头节点间的距离；
μs和μu为常数；
所述通过空间差值算法对休眠节点进行差值估计，得到该休眠节点需采集的仿真环境数据包括：
计算休眠节点的最优无偏估计值；
根据各个传感器间的距离，对传感器节点进行分组；
根据所述最优无偏估计值，计算每组传感器节点的变差函数值；
基于所述变差函数值，构建目标函数；
基于所述目标函数，计算所述休眠节点的权值系数；
基于所述权值系数，得到所述休眠节点对应的差值数据；
通过如下公式计算休眠节点的最优无偏估计值：
Figure FDA0004184951820000032
其中，λi为权重系数；
n为样本数量；
x0为休眠节点；
所述变差函数值通过如下公式进行计算：
Figure FDA0004184951820000033
其中，hk＝xi-xj；
N(hk)为第K组滞后距离hk对应的样本点对数；
距离为h的两个点xi、xj的属性分别为Z(xi)、Z(xj)；
Figure FDA0004184951820000034
其中，h为滞后距离。
5.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～3中任一项所述的方法。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～3中任一项所述的方法。
CN202211135918.8A 2022-09-19 2022-09-19 空间环境监测方法、装置、设备和计算机可读存储介质 Active CN115510635B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211135918.8A CN115510635B (zh) 2022-09-19 2022-09-19 空间环境监测方法、装置、设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211135918.8A CN115510635B (zh) 2022-09-19 2022-09-19 空间环境监测方法、装置、设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN115510635A CN115510635A (zh) 2022-12-23
CN115510635B true CN115510635B (zh) 2023-06-20

Family

ID=84503487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211135918.8A Active CN115510635B (zh) 2022-09-19 2022-09-19 空间环境监测方法、装置、设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115510635B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116489709B (zh) * 2023-06-20 2023-11-17 中电科新型智慧城市研究院有限公司 节点调度策略确定方法、终端设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070056269A (ko) * 2005-11-29 2007-06-04 한국전자통신연구원 센서 네트워크에 대한 시뮬레이션 장치 및 방법
TW201301209A (zh) * 2011-06-22 2013-01-01 Nat Univ Chin Yi Technology 以雲端運算為架構使用資料融合演算設計之環境監控方法及裝置
CN112966285A (zh) * 2021-03-26 2021-06-15 江苏省生态环境监控中心(江苏省环境信息中心) 一种环境监测用仪器数据自动采集集成方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107241776B (zh) * 2017-07-18 2019-03-22 中南民族大学 一种混合时延敏感分簇的无线传感器网络数据融合方法
CN107743308B (zh) * 2017-11-24 2020-05-05 山东师范大学 一种用于环境监测的节点分簇数据收集方法及装置
CN109327891B (zh) * 2018-10-24 2021-02-26 沈阳理工大学 水下传感器网络中基于三维拓扑控制的集群休眠唤醒方法
CN110580552B (zh) * 2019-09-12 2022-07-26 南京邮电大学 一种普适的区域环境信息移动感知及预测方法
CN111031585B (zh) * 2020-01-10 2022-01-14 赣江新区智慧物联研究院有限公司 一种休眠控制方法、装置、存储介质及服务器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070056269A (ko) * 2005-11-29 2007-06-04 한국전자통신연구원 센서 네트워크에 대한 시뮬레이션 장치 및 방법
TW201301209A (zh) * 2011-06-22 2013-01-01 Nat Univ Chin Yi Technology 以雲端運算為架構使用資料融合演算設計之環境監控方法及裝置
CN112966285A (zh) * 2021-03-26 2021-06-15 江苏省生态环境监控中心(江苏省环境信息中心) 一种环境监测用仪器数据自动采集集成方法及系统

Also Published As

Publication number Publication date
CN115510635A (zh) 2022-12-23

Similar Documents

Publication Publication Date Title
CN115510635B (zh) 空间环境监测方法、装置、设备和计算机可读存储介质
CN111090631B (zh) 分布式环境下的信息共享方法、装置和电子设备
CN115085196B (zh) 电力负荷预测值确定方法、装置、设备和计算机可读介质
Hribar et al. Energy-aware deep reinforcement learning scheduling for sensors correlated in time and space
CN110458051A (zh) 一种设备控制的方法、装置、服务器及可读存储介质
Akram et al. Energy efficient localization in wireless sensor networks using computational intelligence
Weikert et al. Availability-aware multiobjective task allocation algorithm for internet of things networks
Mohammadi et al. RLS2: An energy efficient reinforcement learning-based sleep scheduling for energy harvesting WBANs
Merrett et al. Energy managed reporting for wireless sensor networks
Kone et al. Adaptive management of energy consumption, reliability and delay of wireless sensor node: Application to IEEE 802.15. 4 wireless sensor node
Verma et al. Reinforcement learning based node sleep or wake-up time scheduling algorithm for wireless sensor network
CN116235529A (zh) 实现多个接入网络设备的自组织网络的方法和执行该方法的电子装置
CN112312299A (zh) 服务卸载方法、装置及系统
Xhafa et al. Smart sensors networks: Communication technologies and intelligent applications
Hassan et al. Design of QoS on data collection in wireless sensor network for automation process
Ghosh et al. Cascaded cuckoo search optimization of router placement in signal attenuation minimization for a wireless sensor network in an indoor environment
Kay et al. An expedient wireless sensor automaton with system scalability and efficiency benefits
CN111092755B (zh) 一种基于资源占用的边缘服务迁移仿真方法
CN109688598B (zh) 基于wsan的复杂管网分布式数据采集系统及传输优化方法
Hribar et al. Timely and sustainable: Utilising correlation in status updates of battery-powered and energy-harvesting sensors using Deep Reinforcement Learning
Issac et al. Investigative prototyping a tissue P system for solving distributed task assignment problem in heterogeneous wireless sensor network
Miller et al. Sensing-constrained power control in digital health
Sun et al. Low-power Mesh Network Based on Message Queue Telemetry Transport Broker for Industrial IoT with Long Short-term Memory Forecasting.
Križmančić et al. Distributed connectivity control in bio-hybrid wireless sensor networks
CN112996073B (zh) 无线传感器低功耗低时延路径式协同计算方法

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