CN115866445A - 一种改进型nb-iot冷链物联网远程监控系统 - Google Patents

Abstract

本发明公开一种改进型NB‑IOT冷链物联网远程监控系统，应用于安全监控领域；所述太阳能电源的输出端分别与温湿度传感器、中央处理器、A/D转换器、显示屏的输入端连接，所述温湿度传感器的输出端与数据存储器的输入端连接，所述数据存储器的输出端与数据对比模块的输入端连接，所述数据对比模块的输出端与中央处理器的输入端连接，所述中央处理器的输出端分别与A/D转换器、手机APP接口、反馈模块的输入端连接，所述A/D转换器的输出端与显示屏的输入端连接，所述反馈模块的输出端与微处理器的输入端连接，所述微处理器的输出端与无线通讯模块的输入端连接，所述无线通讯模块的输出端分别与GPS模块和报警模块的输入端连接。解决了冷链设备无法24小时远程监控的问题。

Description

一种改进型NB-IOT冷链物联网远程监控系统

技术领域

本发明涉及安全监控领域，且更确切地涉及一种改进型NB-IOT冷链物联网远程监控系统。

背景技术

在冷链物联领域，采用冷链的如冷库、以及具有冷库的货车。一些需要冷冻或冷藏的食物或者货物，需要储存或运输，冷库由于位置固定便于侦测冷库内的温度和湿度情况。而运输环节，需要冷藏或者冷冻运输车来实现，货物冷藏或冷冻运输过程中，货箱内的温度和湿度很难远程监控。另外一些临时冷库的搭建，无法做到远程监控。

随着物联网的出现，物联网通过智能感知、识别技术与普适计算等通信感知技术，广泛应用于网络的融合中，也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业务和应用。

然而，现有的冷链物流监控系统，不方便对冷链物流的仓储环境进行远程监控，且现有的冷链物流监控系统，只对其环境温度进行监控，忽略了其环境湿度的监控工作。

特别是在冷链物流仓储内的环境湿度过高(高于湿度报警阈值)时，现有的冷链物流监控系统不能自动进行远程报警，不能使不在现场的管理人员及时知晓冷链物流仓储内的环境湿度过高的情况，从而不便于管理人员及时采取相关措施来降低冷链物流仓储内的环境湿度，不可避免因冷链物流仓储内湿度过高而使冷冻类食品变质的经济损失。

发明内容

针对上述问题，本发明公开一种改进型NB-IOT冷链物联网远程监控系统，能够进行网络服务器的部署，实现网络数据的分析与处理。

为了实现上述技术效果，本发明采用以下技术方案：

一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：包括：

太阳能电源，所述太阳能电源是将光能转换成电能；并给温湿度传感器、中央处理器、A/D转换器、显示屏提供正常工作的电能。

温湿度传感器，所述温湿度传感器是采用采集模块将冷链库的温度和湿度实时数据并传输给数据存储器。

数据存储器，所述数据存储器是利用电平高低来存放数据；所述温湿度传感器将温湿度数据输入到数据存储器。

数据对比模块，所述数据对比模块将数据存储器与数据库的数据的标准温湿度进行对比，所述数据对比模块为ACO算法。

中央处理器，用于分析、处理和判断输入数据对比模块的温湿度数据，并将温湿度数据输出给反馈模块。

A/D转换器，所述A/D转换器是将中央处理器的模拟输出信号转换成数字信号并输出到显示屏中。

微处理器，所述微处理器包括运算器和控制器，用于分析、处理和判断反馈模块的输入信号。

无线通讯模块，所述无线通讯模块是将电磁波讯号发送给GPS模块和报警模块，用于向GPS模块和报警模块提供信号。

反馈模块，所述反馈模块是将中央处理器输出的电信号输出到反馈模块并回收到中央处理器中进行比较，用于比较中央处理器输出的有效电信号去控制反馈模块的输出。

GPS模块，所述GPS模块包括RF射频芯片、基带芯片和CPU并外围组成的集成电路，用于时刻定位冷链库的位置。

报警模块，所述报警模块采用蜂鸣器装置，所述蜂鸣器采用SH69P43为控制芯片和采用5MHz晶振作为主振荡器。

显示屏，所述显示屏采用LCD液晶芯片1602作为显示器。

所述太阳能电源的输出端分别与温湿度传感器、中央处理器、A/D转换器、显示屏的输入端连接，所述温湿度传感器的输出端与数据存储器的输入端连接，所述数据存储器的输出端与数据对比模块的输入端连接，所述数据对比模块的输出端与中央处理器的输入端连接，所述中央处理器的输出端分别与A/D转换器、手机APP接口、反馈模块的输入端连接，所述A/D转换器的输出端与显示屏的输入端连接，所述反馈模块的输出端与微处理器的输入端连接，所述微处理器的输出端与无线通讯模块的输入端连接，所述无线通讯模块的输出端分别与GPS 模块和报警模块的输入端连接。

作为本发明进一步的技术方案，所述温湿度传感器采用基于单片机的温湿度传感器，所述单片机的温湿度传感器的控制器采用单片机AT89C52型号芯片，所述温湿度传感器采用数字式温湿度传感器，型号为DHT11芯片。

作为本发明进一步的技术方案，所述数据存储器采用基于SFP光电模块的高速数据存储器，所述SFP光电模块的高速数据存储器包括温度监测器、电源管理单元和多个半导体存储器件。

作为本发明进一步的技术方案，所述温度监测器包括单片机芯片AT89S52 和DS18B20芯片数字温度传感器；所述电源管理单元包括启动模块和被划分为至少两个启动组的多个电源转换器；所述半导体存储器包括存储单元、驱动电路和读写电路。

作为本发明进一步的技术方案，所述A/D转换器由模拟信号转换成数字信号包括以下步骤：

(S1)取样，所述采样是将连续的时间信号变成离散时间信号的过程，中央处理器输出的模拟信号经过采集、时间连续和数值连续的模拟信号变成了时间离散、数值连续的信号；

(S2)保持，所述保持是将时间离散、数值连续的信号转变成时间连续、数值离散信号的过程；

(S3)量化，所述量化是将中央处理器输出的模拟信号经过A/D转换器变成连续的数字信号，再变成离散数值信号的过程；

(S4)编码，所述编码是经过A/D转换器将数字信号转变成二进制代码；

作为本发明进一步的技术方案，所述无线通讯模块采用蓝牙模块，所述蓝牙模块包括片内数字无线处理器DRP、数控振荡器、天线、蓝牙收发器、片内射频收发开关、基带信号处理器、内置ARM7嵌入式处理器；蓝牙接收信号时，片内射频收发开关置为收状态，射频信号从天线接收后，经过蓝牙收发器直接传输到基带信号处理器，基带信号处理包括下变频和采样；数字信号存储在RAM 中，供ARM7处理器调用和处理，ARM7将处理后的数据从编码接口输出到报警模块和GPS模块。

作为本发明进一步的技术方案，所述中央处理器，用于分析、处理和判断数据对比模块和反馈模块的信息，所述中央处理器包括控制器和运算器，所述控制器采用基于STM32的嵌入式网络控制器，所述运算器采用基于FPGA浮点运算器。

作为本发明进一步的技术方案，所述反馈模块包括一级运算放大电路U1、二级运算放大电路U2、电阻R1、电阻R2、电阻R3、电阻R4、电阻R5，所述电阻R1的输出端与一级运算放大电路U1的同向输入端连接，所述一级运算放大电路U1的反向输入端与电阻R3的输入端连接，所述电阻R3的输出端与电阻R5 和二级运算放大电路U2的反向输入端共同连接，所述二级运算放大电路U2的同向输入端与电阻R4的输入端连接，所述电阻R4的输出端接地，所述电阻R5的输出端与二级运算放大电路U2的输出端连接，所述电阻R2连接在电阻R1的输出端与二级运算放大电路U2的输出端之间。

作为本发明进一步的技术方案，改进型ACO算法模型通过以下分析方法实现数据分析；

构建改进型ACO算法模型概率计算公式，公式表示为：

公式(1)中

表示在t时间蚂蚁信息元素k由位置i转移到位置j的选择概率，α表示为信息素强度影响因子，β表示为能见度因子，t表示为时间，τ表示为信息浓度数值，k表示蚂蚁信息元素的总数量，s表示蚂蚁第s只， allowedk表示蚂蚁信息元素k下一步允许选择的位置，η表示为蚂蚁信息元素受启发的数量；为了计算蚂蚁信息元素受启发的因素，如公式(2)所示：

公式(2)中，d表示为两个位置间的距离；为了提高蚂蚁信息元素的搜索效率，如公式(3)所示：

τ_ij＝(t+1)＝ρτ_ij(t)+Δτ_ij (3)

公式(3)中，ρ表示为蚂蚁信息素物质的持久性，为了实现ACO算法的快速解决问题的功能，如公式(4)所示：

公式(4)中，L表示蚂蚁信息元素遍历路径的长度，c表示局部路径，w表示全局路径，a表示整型变量，a₁，a₂分别表示局部和全局最优蚂蚁更新信息素的权重，该算法提高了蚂蚁在一次搜索中搜索到更好的路径能力，同时也增加了多样性。

本发明有益的积极效果在于：该基于物联网的水产品冷链物流仓储环境远程监控系统，方便对冷链物流的仓储湿度环境进行远程监控，在对其环境温度进行监控的同时，亦对其环境湿度进行监控；特别是在冷链物流仓储内的环境湿度过高(高于湿度报警阈值)时，该基于物联网的水产品冷链物流仓储环境远程监控系统可自动进行远程报警和定位，可使不在现场的管理人员及时知晓冷链物流仓储内的环境湿度过高的情况，从而便于管理人员及时采取相关措施来降低冷链物流仓储内的环境湿度，达到可避免因冷链物流仓储内湿度过高而使冷冻类食品变质的经济损失的效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：

图1展示了一种改进型NB-IOT冷链物联网远程监控系统图；

图2展示了反馈模块电路图；

图3展示了一种改进型NB-IOT冷链物联网远程监控流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明；

一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：包括：

太阳能电源，所述太阳能发电利用半导体材料吸收太阳光后，将太阳能辐射能转换成直流电，直流电经过整流电桥将直流电转变为交流电存储在蓄电池里，太阳能电源是将光能转换成电能；并给温湿度传感器、中央处理器、A/D转换器、显示屏提供正常工作的电能。

温湿度传感器，所述温湿度传感器利用探头探测冷库的周围环境，将冷库的温度和湿度信号采集出来，采集模块将采集出来的温度和湿度的数据经过稳压滤波、运算放大电路处理后，转换成电信号，述温湿度传感器是采用采集模块将冷链库的温度和湿度实时数据并传输给数据存储器。

数据存储器，所述数据存储器是利用电平高低来存放数据；所述温湿度传感器将温湿度数据输入到数据存储器，数据存储器可采用永久记忆性存储器，在冷库断电或者接触不良的的情况下仍然可以保存冷库温度和湿度的数据。

数据对比模块，所述数据对比模块将冷库存储的温度和湿度的数据与数据对比模块的标准温湿度进行对比，所述数据对比模块为ACO算法，ACO算法处理问题快捷、简便、可以将复杂的问题简单化处理。

中央处理器，用于分析、处理和判断输入数据对比模块的温湿度数据，并将温湿度数据输出给反馈模块，中央处理器从数据对比模块中提取指令，放入指令寄存器，并对指令译码，寄存器把指令分解成一系列的微操作，然后把指令发给反馈模块。

A/D转换器，所述A/D转换器是将中央处理器的模拟输出信号转换成数字信号并输出到显示屏中。

微处理器，所述微处理器包括运算器和控制器，用于分析、处理和判断反馈模块的输入信号，确定反馈模块输出的信号和中央处理器的信息一致性。

无线通讯模块，所述无线通讯模块是将电磁波讯号发送给GPS模块和报警模块，用于给GPS模块和报警模块提供信号，无线通讯模块衰减小、抗干扰性能好和短距离传输图像信号损失小，造价低廉系统稳定。

反馈模块，所述反馈模块是将中央处理器输出的电信号输出到反馈模块并回收到中央处理器中进行比较，用于比较中央处理器输出的有效电信号去控制反馈模块的输出。

GPS模块，所述GPS模块包括RF射频芯片、基带芯片和CPU并外围组成的集成电路，用于时刻定位冷链库的位置，GPS模块通过天线不断的接收GPS 定位卫星发送的导航电文，通过GPS芯片进行处理，经过中央处理器逻辑处理，返回给用户显示。

报警模块，所述报警模块采用蜂鸣器装置，所述蜂鸣器采用SH69P43为控制芯片和采用5MHz晶振作为主振荡器。

显示屏，所述显示屏采用LCD液晶芯片1602作为显示器。

所述太阳能电源的输出端分别与温湿度传感器、中央处理器、A/D转换器、显示屏的输入端连接，所述温湿度传感器的输出端与数据存储器的输入端连接，所述数据存储器的输出端与数据对比模块的输入端连接，所述数据对比模块的输出端与中央处理器的输入端连接，所述中央处理器的输出端分别与A/D转换器、手机APP接口、反馈模块的输入端连接，所述A/D转换器的输出端与显示屏的输入端连接，所述反馈模块的输出端与微处理器的输入端连接，所述微处理器的输出端与无线通讯模块的输入端连接，所述无线通讯模块的输出端分别与GPS 模块和报警模块的输入端连接。

在具体实施例中，所述温湿度传感器采用基于单片机的温湿度传感器，所述单片机的温湿度传感器的控制器采用单片机AT89C52型号芯片，所述温湿度传感器采用数字式温湿度传感器，型号为DHT11芯片。

在具体实施例中，所述数据存储器采用基于SFP光电模块的高速数据存储器，所述SFP光电模块的高速数据存储器包括温度监测器、电源管理单元和多个半导体存储器件。

在具体实施例中，所述温度监测器包括单片机芯片AT89S52和DS18B20芯片数字温度传感器；所述电源管理单元包括启动模块和被划分为至少两个启动组的多个电源转换器；所述半导体存储器包括存储单元、驱动电路和读写电路。

在具体实施例中，所述A/D转换器由模拟信号转换成数字信号包括以下步骤：

(S1)取样，所述采样是将连续的时间信号变成离散时间信号的过程，中央处理器输出的模拟信号经过采集、时间连续和数值连续的模拟信号变成了时间离散、数值连续的信号；

(S2)保持，所述保持是将时间离散、数值连续的信号转变成时间连续、数值离散信号的过程；

(S3)量化，所述量化是将中央处理器输出的模拟信号经过A/D转换器变成连续的数字信号，再变成离散数值信号的过程；

(S4)编码，所述编码是经过A/D转换器将数字信号转变成二进制代码；

在具体实施例中，所述无线通讯模块采用蓝牙模块，所述蓝牙模块包括片内数字无线处理器DRP、数控振荡器、天线、蓝牙收发器、片内射频收发开关、基带信号处理器、内置ARM7嵌入式处理器；蓝牙接收信号时，片内射频收发开关置为收状态，射频信号从天线接收后，经过蓝牙收发器直接传输到基带信号处理器，基带信号处理包括下变频和采样；数字信号存储在RAM中，供ARM7 处理器调用和处理，ARM7将处理后的数据从编码接口输出到报警模块和GPS 模块。

在具体实施例中，所述中央处理器，用于分析、处理和判断数据对比模块和反馈模块的信息，所述中央处理器包括控制器和运算器，所述控制器采用基于 STM32的嵌入式网络控制器，所述运算器采用基于FPGA浮点运算器。

在具体实施例中，所述反馈模块包括一级运算放大电路U1、二级运算放大电路U2、电阻R1、电阻R2、电阻R3、电阻R4、电阻R5，所述电阻R1的输出端与一级运算放大电路U1的同向输入端连接，所述一级运算放大电路U1的反向输入端与电阻R3的输入端连接，所述电阻R3的输出端与电阻R5和二级运算放大电路U2的反向输入端共同连接，所述二级运算放大电路U2的同向输入端与电阻 R4的输入端连接，所述电阻R4的输出端接地，所述电阻R5的输出端与二级运算放大电路U2的输出端连接，所述电阻R2连接在电阻R1的输出端与二级运算放大电路U2的输出端之间。

在具体实施例中，改进型ACO算法模型通过以下分析方法实现数据分析；

蚁群算法(Ant Colony Optimization，ACO)是一种基于种群寻优的启发式搜索算法，该算法受到自然界真实蚁群集体在觅食过程中行为的启发，利用真实蚁群通过个体间的信息传递、搜索从蚁穴到食物间的最短路径等集体寻优特

征，该方法的原理在于：

蚂蚁在寻找食物的过程中，会在它所经过的路径上留下一种被称为信息素的化学物质，信息素能够沉积在路径上，并且随着时间逐步挥发。在蚂蚁的觅食过程中，同一蚁群中的其他蚂蚁能够感知到这种物质的存在及其强度，后续的蚂蚁会根据信息素浓度的高低来选择自己的行动方向，蚂蚁总会倾向于向信息素浓度高的方向行进，而蚂蚁在行进过程中留下的信息素又会对原有的信息素浓度予以加强，因此，经过蚂蚁越多的路径上的信息素浓度会越强，而后续的蚂蚁选择该路径的可能性就越大。通常在单位时间内，越短的路径会被越多的蚂蚁所访问，该路径上的信息素强度也越来越强，因此，后续的蚂蚁选择该短路径的概率也就越大。经过一段时间的搜索后，所有的蚂蚁都将选择这条最短的路径，也就是说，当蚁巢与食物之间存在多条路径时，整个蚁群能够通过搜索蚂蚁个体留下的信息素痕迹，寻找到蚁巢和食物之间的最短路径。

在本发明中，蚁群算法中蚂蚁个体作为每一个优化问题的可行解。首先随机生成初始种群，包括确定解的个数、信息素挥发系数、构造解的结构等。然后构造蚁群算法所特有的信息素矩阵每只妈蚁执行蚂蚊移动算子后，对整个群体的蚂蚁做一评价，记录最优的蚂蚁。之后算法根据信息素更新算子更新信息素矩阵，至此种群的一次选代过程完成。整个蚂蚁群体执行一定次数的选代后退出循环、输出最优解，通过将这种算法融合在NB-IOT冷链物联网中，能够在诸多数据系信息中获取目标数据信息，以提高网络信息搜索或者应用能力。

构建改进型ACO算法模型概率计算公式，公式表示为：

公式(1)中

表示在t时间蚂蚁信息元素k由位置i转移到位置j的选择概率，α表示为信息素强度影响因子，β表示为能见度因子，t表示为时间，τ表示为信息浓度数值，k表示蚂蚁信息元素的总数量，s表示蚂蚁第s 只，allowedk表示蚂蚁信息元素k下一步允许选择的位置，η表示为蚂蚁信息元素受启发的数量；为了计算蚂蚁信息元素受启发的因素，α用于表示信息素的重要程度，β用于表示启发式信息的相对重要性，如公式(2)所示：

公式(2)中，d表示为两个位置间的距离；为了提高蚂蚁信息元素的搜索效率，如公式(3)所示：

τ_ij＝(t+1)＝ρτ_ij(t)+Δτ_ij (3)

公式(3)中，ρ表示为蚂蚁信息素物质的持久性，ρ用于表示蚂蚁的对信息的敏感程度，为了实现ACO算法的快速解决问题的功能，如公式(4)所示：

公式(4)中，L表示蚂蚁信息元素遍历路径的长度，c表示局部路径，w表示全局路径，a表示整型变量，a₁，a₂分别表示局部和全局最优蚂蚁更新信息素的权重，该算法提高了蚂蚁在一次搜索中搜索到更好的路径能力，同时也增加了多样性。

蚁群算法比其他算法在求解的过程中，具有很强的的鲁棒性和搜索较好解的能力，数据对比模块采用蚁群算法，易于并行实现数据对比模块处理大量数据快捷和方便，蚁群算法可以连续运行并适应实时的变化，这在冷链物联网远程监控是有利的。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变；例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围；因此，本发明的范围仅由所附权利要求书限定。

Claims (9)

1.一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：包括：

太阳能电源，所述太阳能电源将光能转换成电能；并向温湿度传感器、中央处理器、A/D转换器和显示屏提供正常工作的电能；

温湿度传感器，所述温湿度传感器采用采集模块将冷链库的温度和湿度实时数据并传输给数据存储器；

数据存储器，所述数据存储器利用电平高低来存放数据；所述温湿度传感器将温湿度数据输入到数据存储器；

数据对比模块，所述数据对比模块将数据存储器与数据库的数据的标准温湿度进行对比，所述数据对比模块为ACO算法；

中央处理器，用于分析、处理和判断输入数据对比模块的温湿度数据，并将温湿度数据输出给反馈模块；

A/D转换器，所述A/D转换器将中央处理器的模拟输出信号转换成数字信号并输出到显示屏中；

微处理器，所述微处理器包括运算器和控制器，用于分析、处理和判断反馈模块的输入信号；

无线通讯模块，所述无线通讯模块是将电磁波讯号发送给GPS模块和报警模块，用于向GPS模块和报警模块提供信号；

反馈模块，所述反馈模块是将中央处理器输出的电信号输出到反馈模块并回收到中央处理器中进行比较，用于比较中央处理器输出的有效电信号去控制反馈模块的输出；

GPS模块，所述GPS模块包括RF射频芯片、基带芯片和CPU并外围组成的集成电路，用于时刻定位冷链库的位置；

报警模块，所述报警模块采用蜂鸣器装置，所述蜂鸣器采用SH69P43为控制芯片和采用5MHz晶振作为主振荡器；

显示屏，所述显示屏采用LCD液晶芯片1602作为显示器；

所述太阳能电源的输出端分别与温湿度传感器、中央处理器、A/D转换器、显示屏的输入端连接，所述温湿度传感器的输出端与数据存储器的输入端连接，所述数据存储器的输出端与数据对比模块的输入端连接，所述数据对比模块的输出端与中央处理器的输入端连接，所述中央处理器的输出端分别与A/D转换器、手机APP接口、反馈模块的输入端连接，所述A/D转换器的输出端与显示屏的输入端连接，所述反馈模块的输出端与微处理器的输入端连接，所述微处理器的输出端与无线通讯模块的输入端连接，所述无线通讯模块的输出端分别与GPS模块和报警模块的输入端连接。

2.根据权利要求1所述的一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：所述温湿度传感器采用基于单片机的温湿度传感器，所述单片机的温湿度传感器的控制器采用单片机AT89C52型号芯片，所述温湿度传感器采用数字式温湿度传感器，型号为DHT11芯片。

3.根据权利要求1所述的一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：所述数据存储器采用基于SFP光电模块的高速数据存储器，所述SFP光电模块的高速数据存储器包括温度监测器、电源管理单元和多个半导体存储器件。

4.根据权利要求3所述的一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：所述温度监测器包括单片机芯片AT89S52和DS18B20芯片数字温度传感器；所述电源管理单元包括启动模块和被划分为至少两个启动组的多个电源转换器；所述半导体存储器包括存储单元、驱动电路和读写电路。

5.根据权利要求1所述的一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：所述A/D转换器由模拟信号转换成数字信号包括以下步骤：

(S1)取样，所述采样是将连续的时间信号变成离散时间信号的过程，中央处理器输出的模拟信号经过采集、时间连续和数值连续的模拟信号变成了时间离散、数值连续的信号；

(S2)保持，所述保持是将时间离散、数值连续的信号转变成时间连续、数值离散信号的过程；

(S3)量化，所述量化是将中央处理器输出的模拟信号经过A/D转换器变成连续的数字信号，再变成离散数值信号的过程；

(S4)编码，所述编码是经过A/D转换器将数字信号转变成二进制代码。

6.根据权利要求1所述的一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：所述无线通讯模块采用蓝牙模块，所述蓝牙模块包括片内数字无线处理器DRP、数控振荡器、天线、蓝牙收发器、片内射频收发开关、基带信号处理器和内置ARM7嵌入式处理器；蓝牙接收信号时，片内射频收发开关置为收状态，射频信号从天线接收后，经过蓝牙收发器直接传输到基带信号处理器，基带信号处理包括下变频和采样；数字信号存储在RAM中，供ARM7处理器调用和处理，ARM7将处理后的数据从编码接口输出到报警模块和GPS模块。

7.根据权利要求1所述的一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：所述中央处理器用于分析、处理和判断数据对比模块和反馈模块的信息，其中所述中央处理器包括控制器和运算器，所述控制器采用基于STM32的嵌入式网络控制器，所述运算器采用基于FPGA浮点运算器。

8.根据权利要求1所述的一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：所述反馈模块包括一级运算放大电路U1、二级运算放大电路U2、电阻R1、电阻R2、电阻R3、电阻R4和电阻R5，所述电阻R1的输出端与一级运算放大电路U1的同向输入端连接，所述一级运算放大电路U1的反向输入端与电阻R3的输入端连接，所述电阻R3的输出端与电阻R5和二级运算放大电路U2的反向输入端共同连接，所述二级运算放大电路U2的同向输入端与电阻R4的输入端连接，所述电阻R4的输出端接地，所述电阻R5的输出端与二级运算放大电路U2的输出端连接，所述电阻R2连接在电阻R1的输出端与二级运算放大电路U2的输出端之间。

9.根据权利要求1所述的一种改进型NB-IOT冷链物联网远程监控系统，其特征在于：改进型ACO算法模型通过以下分析方法实现数据分析；

构建改进型ACO算法模型概率计算公式，公式表示为：

公式(1)中

表示在t时间蚂蚁信息元素k由位置i转移到位置j的选择概率，α表示为信息素强度影响因子，β表示为能见度因子，t表示为时间，τ表示为信息浓度数值，k表示蚂蚁信息元素的总数量，s表示蚂蚁第s只，allowedk表示蚂蚁信息元素k下一步允许选择的位置，η表示为蚂蚁信息元素受启发的数量；为了计算蚂蚁信息元素受启发的因素，如公式(2)所示：

公式(2)中，d表示为两个位置间的距离；为了提高蚂蚁信息元素的搜索效率，如公式(3)所示：

τ_ij＝(t+1)＝ρτ_ij(t)+Δτ_ij (3)

公式(3)中，ρ表示为蚂蚁信息素物质的持久性，为了实现ACO算法的快速解决问题的功能，如公式(4)所示：

公式(4)中，L表示蚂蚁信息元素遍历路径的长度，c表示局部路径，w表示全局路径，a表示整型变量，a₁，a₂分别表示局部和全局最优蚂蚁更新信息素的权重。

Images