CN116996108A - 基于低轨宽带通信卫星的物联网设备数据采集方法及系统 - Google Patents
基于低轨宽带通信卫星的物联网设备数据采集方法及系统 Download PDFInfo
- Publication number
- CN116996108A CN116996108A CN202310976317.8A CN202310976317A CN116996108A CN 116996108 A CN116996108 A CN 116996108A CN 202310976317 A CN202310976317 A CN 202310976317A CN 116996108 A CN116996108 A CN 116996108A
- Authority
- CN
- China
- Prior art keywords
- communication
- internet
- data
- satellite
- parameters
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 367
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005540 biological transmission Effects 0.000 claims abstract description 99
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004806 packaging method and process Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims description 79
- 238000004422 calculation algorithm Methods 0.000 claims description 69
- 230000008859 change Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000010223 real-time analysis Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 238000013144 data compression Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000002922 simulated annealing Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000003016 pheromone Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18513—Transmission in a satellite or space-based system
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种基于低轨宽带通信卫星的物联网设备数据采集方法及系统。其中,该方法包括:获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,物联网设备采集数据,对数据进行封装、压缩以及加密,确定压缩加密后的数据;根据低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,建立低轨宽带通信卫星与物联网设备及地面站之间的通信连接;对通信参数进行实时优化,得到最佳传输参数;物联网设备根据最佳传输参数将压缩加密后的数据传输到低轨宽带通信卫星,低轨宽带通信卫星基于最佳传输参数将压缩加密后的数据传输到地面站,地面站接收数据并进行解密和处理,完成数据的采集。
Description
技术领域
本发明涉及数据处理技术领域,并且更具体地,涉及一种基于低轨宽带通信卫星的物联网设备数据采集方法及系统。
背景技术
物联网(Internet of Things,简称IoT)是一种通过信息传感设备将物品与互联网连接起来,并按照约定的协议进行信息交换和通信的网络。它扩展了互联网的范围,使得物品之间能够互相连接和交互。物联网不仅仅是人与互联网之间的连接,还包括物品与互联网之间的连接,实现了物品之间以及人与物品之间的信息交流和互动。
在当今信息化时代,物联网的普及和应用已经深入到人们的日常生活中。物联网数据无处不在,它们提供了丰富的信息,可以被用于改进各种应用、业务流程和生产活动等。实现快速、准确和全面的数据传输是企业或机构通过物联网实现智能化和智慧化制造的基础和核心。简而言之,物联网数据分析可以从海量数据中提取有价值的信息,为企业和机构实现智能化和智慧化制造提供基础和核心支持。
然而,在物联网领域,传统的物联网数据采集方法面临着网络带宽瓶颈和云服务器处理能力不足的问题。
现有技术中,如CN216752109U也提供了一种高可靠物联网数据收集以及回传系统,该系统包括:数据采集模块,数据汇集网关,卫星载荷星座以及数据服务中心;数据采集模块中设置有多个与物联网节点相连的传感器,物联网节点至少包括LORA节点、蓝牙节点以及RFID标签节点中的至少一种;数据汇集网关与数据采集模块连接,数据汇集网关中设置有数据存储模块,数据存储模块用于存储传感器采集到的数据;卫星载荷星座与数据汇集网关连接,卫星载荷星座由多个物联网卫星组成,卫星载荷星座用于将数据存储模块中存储的数据传输至数据服务中心,但是其通信参数一般是不变的,并不会根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,导致通信质量稳定性并不高;
发明内容
根据本发明,提供了一种基于低轨宽带通信卫星的物联网设备数据采集方法及系统,以解决通信参数一般是不变的,不会根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,导致通信质量稳定性并不高的技术问题。
根据本发明的第一个方面,提供了一种基于低轨宽带通信卫星的物联网设备数据采集方法,包括:
获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,物联网设备以预定的采集频率或事件触发机制采集数据,并对所述数据进行封装、压缩以及加密,确定压缩加密后的数据;
根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,并基于所述通信参数分别建立低轨宽带通信卫星与物联网设备及地面站之间的通信连接;
根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数;
物联网设备根据最佳传输参数将压缩加密后的数据传输到低轨宽带通信卫星,低轨宽带通信卫星接收数据并基于最佳传输参数将压缩加密后的数据传输到地面站,地面站接收数据并进行解密和处理,完成数据的采集。
可选地,获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,包括:
确定数据采集区域,并确定采集区域中需要采集的数据类型和参数;
根据采集需求在采集区域内确定预设数量的数据采集点,并根据采集需求和数据采集点设计和选择对应的物联网设备;
将选择的物联网设备部署在对应的数据采集点上,并将卫星通信模块集成于物联网设备中。
可选地,根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,包括:
确定物联网设备和地面站的采集需求,分析低轨宽带通信卫星的特征,并对采集需求和卫星特征进行数据预处理;
构建推荐算法模型,并利用历史数据中已知的通信参数对推荐算法模型进行训练;
利用训练后的推荐算法模型结合新的采集需求和卫星特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数。
可选地,根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数,包括:
实时监测低轨宽带通信卫星的信号强度、物联网设备及地面站的负载情况和天气信息;
收集卫星信号强度、负载情况及天气信息数据并进行实时分析;
根据预设的通信需求和优化目标,确定要优化的通信参数;
利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数。
可选地,根据预设的通信需求和优化目标,确定要优化的通信参数,包括:
确定物联网设备的通信需求;
根据物联网设备、地面站和低轨宽带通信卫星的特征,分析影响通信性能的参数;
根据通信需求和影响通信性能的参数确定优化目标,并根据优化目标确定要优化的通信参数。
可选地,利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数,包括:
初始化通信参数的初始值,并将卫星信号强度、负载情况和天气条件作为输入变量,通信参数作为优化变量,优化目标作为目标函数,构建优化模型;
利用预设的优化算法结合当前的卫星信号强度、负载情况和天气条件对通信参数进行迭代调整;
判断是否达到迭代停止条件,若否,则继续执行迭代操作,若是,则输出当前的通信参数并作为最优传输参数。
根据本发明的另一个方面,还提供了一种基于低轨宽带通信卫星的物联网设备数据采集系统,包括:
采集数据模块,用于获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,物联网设备以预定的采集频率或事件触发机制采集数据,并对所述数据进行封装、压缩以及加密,确定压缩加密后的数据;
通信连接模块,用于根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,并基于所述通信参数分别建立低轨宽带通信卫星与物联网设备及地面站之间的通信连接;
得到最佳传输参数模块,用于根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数;
完成数据采集模块,用于物联网设备根据最佳传输参数将压缩加密后的数据传输到低轨宽带通信卫星,低轨宽带通信卫星接收数据并基于最佳传输参数将压缩加密后的数据传输到地面站,地面站接收数据并进行解密和处理,完成数据的采集。
可选地,采集数据模块,包括:
确定数据采集区域子模块,用于确定数据采集区域,并确定采集区域中需要采集的数据类型和参数;
选择物联网设备子模块,用于根据采集需求在采集区域内确定预设数量的数据采集点,并根据采集需求和数据采集点设计和选择对应的物联网设备;
部署物联网设备子模块,用于将选择的物联网设备部署在对应的数据采集点上,并将卫星通信模块集成于物联网设备中。
可选地,通信连接模块,包括:
确定物联网设备和地面站的采集需求,分析低轨宽带通信卫星的特征,并对采集需求和卫星特征进行数据预处理;
构建推荐算法模型,并利用历史数据中已知的通信参数对推荐算法模型进行训练;
利用训练后的推荐算法模型结合新的采集需求和卫星特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数。
可选地,得到最佳传输参数模块,包括:
实时监测信息子模块,用于实时监测低轨宽带通信卫星的信号强度、物联网设备及地面站的负载情况和天气信息;
实时分析数据子模块,用于收集卫星信号强度、负载情况及天气信息数据并进行实时分析;
确定通信参数子模块,用于根据预设的通信需求和优化目标,确定要优化的通信参数;
得到最佳传输参数子模块,用于利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数。
可选地,确定通信参数子模块,,包括:
确定通信需求单元,用于确定物联网设备的通信需求;
分析参数性能单元,用于根据物联网设备、地面站和低轨宽带通信卫星的特征,分析影响通信性能的参数;
确定通信参数单元,用于根据通信需求和影响通信性能的参数确定优化目标,并根据优化目标确定要优化的通信参数。
可选地,得到最佳传输参数子模块,包括:
构建优化模型单元,用于初始化通信参数的初始值,并将卫星信号强度、负载情况和天气条件作为输入变量,通信参数作为优化变量,优化目标作为目标函数,构建优化模型;
迭代通信参数单元,用于利用预设的优化算法结合当前的卫星信号强度、负载情况和天气条件对通信参数进行迭代调整;
判断迭代单元,用于判断是否达到迭代停止条件,若否,则继续执行迭代操作,若是,则输出当前的通信参数并作为最优传输参数。
从而,通过根据数据采集区域部署对应的物联网设备,并在物联网设备中集成卫星通信模块,从而可以实现物联网设备与低轨宽带通信卫星之间的通信,利用推荐算法根据采集需求和低轨宽带通信卫星的特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数,可以高效且精准的得到通信参数,从而可以实现数据传输的高效性,提高传输效率,同时,本发明还可以根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化调整,从而可以得到最佳传输参数,并基于最佳传输参数实现物联网设备与低轨宽带通信卫星及低轨宽带通信卫星与地面站之间的数据传输,从而可以提高数据传输效率、优化信号质量、降低能耗成本及改善用户体验,为物联网应用的实现和发展带来更好的效果和体验。
通过在物联网设备中集成卫星通信模块,可以实现直接的物联网设备与低轨宽带通信卫星之间的通信连接,避免了传统物理网数据传输中的安全风险,增强了数据的安全性。通过利用低轨宽带通信卫星作为数据传输介质,绕过传统物理网的网络限制,从而有效地解决了网络带宽瓶颈问题;通过采用数据封装、压缩及加密的方法来对采集的数据进行处理,从而可以有效地减少数据的存储和传输量,降低服务器的负载压力。同时,低轨宽带通信卫星具有广阔的通信覆盖范围,可以实现对远程和偏远地区的物联网设备的数据采集,扩展了通信的覆盖范围;通过直接连接低轨宽带通信卫星进行通信,从而可以有效地减少数据传输的中间环节,从而降低传输延迟,提高实时性。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为本实施方式所述的一种基于低轨宽带通信卫星的物联网设备数据采集方法的流程示意图;
图2为本实施方式所述的一种基于低轨宽带通信卫星的物联网设备数据采集系统的示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
根据本发明的第一个方面,提供了一种基于低轨宽带通信卫星的物联网设备数据采集方法100,参考图1所示,该方法100包括:
S101:获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,物联网设备以预定的采集频率或事件触发机制采集数据,并对所述数据进行封装、压缩以及加密,确定压缩加密后的数据。
可选地,获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,包括:
确定数据采集区域,并确定采集区域中需要采集的数据类型和参数;
根据采集需求在采集区域内确定预设数量的数据采集点,并根据采集需求和数据采集点设计和选择对应的物联网设备;
将选择的物联网设备部署在对应的数据采集点上,并将卫星通信模块集成于物联网设备中。
具体地,确定数据采集区域,其可以是一个特定的地理位置、建筑物、工厂、农田或其他任何具体范围,并了解采集区域中需要采集的数据类型和参数,包括环境监测、设备状态监测、人流统计等各种需求。
根据采集需求在采集区域内确定预设数量的数据采集点,采集点应该能够提供代表性的数据,并能够覆盖整个区域,并根据采集需求和数据采集点设计和选择对应的物联网设备,包括选择合适的传感器、测量仪器、监测装置或其他类型的设备,以满足数据采集的要求。
将选择的物联网设备部署在对应的数据采集点上,确保设备的安装位置和角度能够最大程度地获取准确和可靠的数据,并将卫星通信模块集成于物联网设备中,同时,将部署的物联网设备连接到网络,以便数据可以传输到中心位置进行处理和分析。可以通过有线网络(如以太网)或无线网络(如Wi-Fi、蓝牙或LoRaWAN)实现。
通过在物联网设备中集成卫星通信模块,可以实现直接的物联网设备与低轨宽带通信卫星之间的通信连接,避免了传统物理网数据传输中的安全风险,增强了数据的安全性。
根据需求确定物联网设备的数据采集频率或事件触发条件。采集频率可以是周期性的,例如每隔10秒、每分钟或每小时采集一次。事件触发条件可以是某个特定事件的发生,例如温度超过阈值、人体移动等。
标准的数据封装格式包括JSON或XML,压缩可以采用Gzip或LZ77,加密算法可以采用对称加密算法、非对称加密算法或数字签名算法等。
所述对采集的数据进行封装、压缩及加密还包括对采集的数据进行滤波、去噪、校正及校准等处理,且采集到的数据可以暂时存储在设备的本地存储器或缓存中,以便后续传输或处理。这可以防止数据丢失或传输延迟时的数据积累。
通过采用数据封装、压缩及加密的方法来对采集的数据进行处理,从而可以有效地减少数据的存储和传输量,降低服务器的负载压力。
S102:根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,并基于所述通信参数分别建立低轨宽带通信卫星与物联网设备及地面站之间的通信连接。
可选地,根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,包括:
确定物联网设备和地面站的采集需求,分析低轨宽带通信卫星的特征,并对采集需求和卫星特征进行数据预处理;
构建推荐算法模型,并利用历史数据中已知的通信参数对推荐算法模型进行训练;
利用训练后的推荐算法模型结合新的采集需求和卫星特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数。
具体地,利用推荐算法根据采集需求和低轨宽带通信卫星的特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数,通信参数包括可以包括传输速率、带宽分配、编码和调制方案、接收灵敏度和发射功率、通信协议和协议参数、QoS(服务质量)要求、安全性设置及功耗管理等;
其中,所述利用推荐算法根据采集需求和低轨宽带通信卫星的特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数包括:
明确物联网设备和地面站的采集需求,包括数据类型、采集频率、数据量等方面的要求,分析低轨宽带通信卫星的特征,包括通信带宽、传输速率、信号传输距离、信号强度的变化等,以及卫星通信系统的限制和约束,并对采集需求和卫星特征进行数据预处理,将其转化为可处理的格式,例如采用数值化的方式对不同参数进行量化表示;
其中,低轨宽带通信卫星具有以下特征:
1、低轨道运行:低轨宽带通信卫星位于地球低轨道,通常高度在500公里到2000公里之间,相比于传统的地球同步卫星,低轨宽带通信卫星距离地面设备更近,减少了信号传输的延迟。
2、宽带通信能力:低轨宽带通信卫星具备高速宽带数据传输能力,能够支持大量的数据传输和高速互联网接入。这使得物联网设备可以实现高效的数据采集、传输和通信。
3、全球覆盖能力:低轨宽带通信卫星通过多颗卫星组网,实现全球范围的覆盖。这意味着无论物联网设备位于何处,都可以通过低轨宽带通信卫星进行数据传输和通信,实现全球互联。
4、高度灵活性:低轨宽带通信卫星具有灵活的部署和调整能力。由于其运行在低轨道,可以根据需求灵活地增加或减少卫星数量,优化卫星覆盖范围和容量,以适应不同地区和应用的通信需求。
5、抗干扰性能:低轨宽带通信卫星采用先进的信号处理和调制技术,具备较高的抗干扰性能。这使得它能够在复杂的无线电环境中稳定传输数据,提供可靠的通信服务。
6、较低成本:相对于传统的地球同步卫星,低轨宽带通信卫星的部署和运营成本较低。它们采用较小的卫星,可以通过批量生产和较低的发射成本实现经济效益。
即低轨宽带通信卫星具有低轨道运行、宽带通信能力、全球覆盖能力、高度灵活性、抗干扰性能和较低成本等特征,这些特征使其成为物联网设备数据采集和通信的理想选择。
构建推荐算法模型,并利用历史数据中已知的通信参数对推荐算法模型进行训练;具体的,所述推荐算法模型包括基于内容的推荐算法、协同过滤算法或深度学习算法中的任意一种,本实施例中优选为深度学习算法。
基于内容的推荐算法(Content-based Filtering):基于物品的特征和用户的偏好,通过匹配物品的特征与用户的偏好进行推荐。
协同过滤算法(Collaborative Filtering):基于用户-物品关联数据,通过计算用户之间的相似性或物品之间的相似性来进行推荐。包括基于用户的协同过滤和基于物品的协同过滤。
深度学习算法:如基于神经网络的推荐算法,通过多层神经网络的训练和学习,提取用户和物品的高级表示,并进行推荐。
利用训练后的推荐算法模型结合新的采集需求和卫星特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数。
利用推荐算法根据采集需求和低轨宽带通信卫星的特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数,可以高效且精准的得到通信参数,从而可以实现数据传输的高效性,提高传输效率。
通过利用低轨宽带通信卫星作为数据传输介质,绕过传统物理网的网络限制,从而有效地解决了网络带宽瓶颈问题。同时,低轨宽带通信卫星具有广阔的通信覆盖范围,可以实现对远程和偏远地区的物联网设备的数据采集,扩展了通信的覆盖范围;通过直接连接低轨宽带通信卫星进行通信,从而可以有效地减少数据传输的中间环节,从而降低传输延迟,提高实时性。
S103:根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数。
可选地,根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数,包括:
实时监测低轨宽带通信卫星的信号强度、物联网设备及地面站的负载情况和天气信息;
收集卫星信号强度、负载情况及天气信息数据并进行实时分析;
根据预设的通信需求和优化目标,确定要优化的通信参数;
利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数。
可选地,根据预设的通信需求和优化目标,确定要优化的通信参数,包括:
确定物联网设备的通信需求;
根据物联网设备、地面站和低轨宽带通信卫星的特征,分析影响通信性能的参数;
根据通信需求和影响通信性能的参数确定优化目标,并根据优化目标确定要优化的通信参数。
具体地,明确物联网设备的通信需求,通信需求包括传输速率要求、数据可靠性要求、延迟要求及能耗要求等;
根据物联网设备、地面站和低轨宽带通信卫星的特征,分析影响通信性能的参数,该影响通信性能的参数包括卫星信号强度、负载情况及天气条件等;
根据通信需求和影响通信性能的参数确定优化目标,例如,优化传输速率以提高数据传输效率,优化信道选择以减少干扰,优化编码方式以提高数据可靠性等,并根据优化目标确定要优化的通信参数。
利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数。
可选地,利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数,包括:
初始化通信参数的初始值,并将卫星信号强度、负载情况和天气条件作为输入变量,通信参数作为优化变量,优化目标作为目标函数,构建优化模型;
利用预设的优化算法结合当前的卫星信号强度、负载情况和天气条件对通信参数进行迭代调整;
判断是否达到迭代停止条件,若否,则继续执行迭代操作,若是,则输出当前的通信参数并作为最优传输参数。
具体地,实时监测低轨宽带通信卫星的信号强度、物联网设备及地面站的负载情况和天气信息;具体可以使用传感器、监测设备或其他相关技术实时监测卫星信号强度、负载情况和天气条件等参数。这些信息可以通过卫星通信设备、地面站或其他相关设备获取;
收集卫星信号强度、负载情况及天气信息数据并进行实时分析,具体可以使用数据处理和分析技术,例如机器学习、数据挖掘等,对收集的数据进行处理和解释;
根据预设的通信需求和优化目标,确定要优化的通信参数。
初始化通信参数的初始值,可以根据先前的经验或者默认值进行初始化,并将卫星信号强度、负载情况和天气条件等作为输入变量,通信参数作为优化变量,优化目标作为目标函数,构建优化模型;
利用预设的优化算法结合当前的卫星信号强度、负载情况和天气条件对通信参数进行迭代调整;
具体地,根据选定的优化算法,迭代地调整通信参数并评估优化结果。在每一次迭代中,根据当前的卫星信号强度、负载情况和天气条件等数据,利用优化算法调整通信参数,然后通过评估函数评估调整后的通信参数的性能;
其中,所述预设的优化算法包括遗传算法、粒子群优化算法、模拟退火算法或蚁群算法中的任意一种。
遗传算法(Genetic Algorithm,GA):基于生物进化理论的优化算法,通过模拟自然选择、交叉和变异等过程来搜索最优解。它可以应用于多目标优化问题,并通过种群的演化来寻找帕累托前沿。
粒子群优化算法(Particle Swarm Optimization,PSO):模拟鸟群或鱼群的行为,通过粒子的速度和位置的调整来搜索最优解。PSO也可以应用于多目标优化问题,并通过粒子的协作和信息交换来寻找帕累托前沿。
模拟退火算法(Simulated Annealing,SA):模拟固体退火过程,通过接受劣解以避免局部最优,随着时间的推移逐渐降低温度,最终达到全局最优解。
蚁群优化算法(Ant Colony Optimization,ACO):受到蚂蚁寻找食物路径的行为启发,通过模拟蚂蚁在路径选择过程中的信息素释放和蒸发来搜索最优解。ACO也可以用于多目标优化问题,并通过蚂蚁的协作和信息传递来寻找帕累托前沿。
判断是否达到迭代停止条件(具体可以根据迭代次数、目标函数值的变化等进行判断),若否,则继续执行迭代操作,若是,则输出当前的通信参数并作为最优传输参数。
根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化调整,从而可以得到最佳传输参数,并基于最佳传输参数实现物联网设备与低轨宽带通信卫星及低轨宽带通信卫星与地面站之间的数据传输,从而可以提高数据传输效率、优化信号质量、降低能耗成本及改善用户体验,为物联网应用的实现和发展带来更好的效果和体验。
S104:物联网设备根据最佳传输参数将压缩加密后的数据传输到低轨宽带通信卫星,低轨宽带通信卫星接收数据并基于最佳传输参数将压缩加密后的数据传输到地面站,地面站接收数据并进行解密和处理,完成数据的采集。
从而,通过根据数据采集区域部署对应的物联网设备,并在物联网设备中集成卫星通信模块,从而可以实现物联网设备与低轨宽带通信卫星之间的通信,利用推荐算法根据采集需求和低轨宽带通信卫星的特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数,可以高效且精准的得到通信参数,从而可以实现数据传输的高效性,提高传输效率,同时,本发明还可以根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化调整,从而可以得到最佳传输参数,并基于最佳传输参数实现物联网设备与低轨宽带通信卫星及低轨宽带通信卫星与地面站之间的数据传输,从而可以提高数据传输效率、优化信号质量、降低能耗成本及改善用户体验,为物联网应用的实现和发展带来更好的效果和体验。
此外,通过在物联网设备中集成卫星通信模块,可以实现直接的物联网设备与低轨宽带通信卫星之间的通信连接,避免了传统物理网数据传输中的安全风险,增强了数据的安全性。通过利用低轨宽带通信卫星作为数据传输介质,绕过传统物理网的网络限制,从而有效地解决了网络带宽瓶颈问题;通过采用数据封装、压缩及加密的方法来对采集的数据进行处理,从而可以有效地减少数据的存储和传输量,降低服务器的负载压力。同时,低轨宽带通信卫星具有广阔的通信覆盖范围,可以实现对远程和偏远地区的物联网设备的数据采集,扩展了通信的覆盖范围;通过直接连接低轨宽带通信卫星进行通信,从而可以有效地减少数据传输的中间环节,从而降低传输延迟,提高实时性。
根据本发明的另一个方面,还提供了一种基于低轨宽带通信卫星的物联网设备数据采集系统200,参考图2所示,该系统200包括:
采集数据模块210,用于获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,物联网设备以预定的采集频率或事件触发机制采集数据,并对所述数据进行封装、压缩以及加密,确定压缩加密后的数据;
通信连接模块220,用于根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,并基于所述通信参数分别建立低轨宽带通信卫星与物联网设备及地面站之间的通信连接;
得到最佳传输参数模块230,用于根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数;
完成数据采集模块240,用于物联网设备根据最佳传输参数将压缩加密后的数据传输到低轨宽带通信卫星,低轨宽带通信卫星接收数据并基于最佳传输参数将压缩加密后的数据传输到地面站,地面站接收数据并进行解密和处理,完成数据的采集。
可选地,采集数据模块,包括:
确定数据采集区域子模块,用于确定数据采集区域,并确定采集区域中需要采集的数据类型和参数;
选择物联网设备子模块,用于根据采集需求在采集区域内确定预设数量的数据采集点,并根据采集需求和数据采集点设计和选择对应的物联网设备;
部署物联网设备子模块,用于将选择的物联网设备部署在对应的数据采集点上,并将卫星通信模块集成于物联网设备中。
可选地,通信连接模块,包括:
确定物联网设备和地面站的采集需求,分析低轨宽带通信卫星的特征,并对采集需求和卫星特征进行数据预处理;
构建推荐算法模型,并利用历史数据中已知的通信参数对推荐算法模型进行训练;
利用训练后的推荐算法模型结合新的采集需求和卫星特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数。
可选地,得到最佳传输参数模块,包括:
实时监测信息子模块,用于实时监测低轨宽带通信卫星的信号强度、物联网设备及地面站的负载情况和天气信息;
实时分析数据子模块,用于收集卫星信号强度、负载情况及天气信息数据并进行实时分析;
确定通信参数子模块,用于根据预设的通信需求和优化目标,确定要优化的通信参数;
得到最佳传输参数子模块,用于利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数。
可选地,确定通信参数子模块,,包括:
确定通信需求单元,用于确定物联网设备的通信需求;
分析参数性能单元,用于根据物联网设备、地面站和低轨宽带通信卫星的特征,分析影响通信性能的参数;
确定通信参数单元,用于根据通信需求和影响通信性能的参数确定优化目标,并根据优化目标确定要优化的通信参数。
可选地,得到最佳传输参数子模块,包括:
构建优化模型单元,用于初始化通信参数的初始值,并将卫星信号强度、负载情况和天气条件作为输入变量,通信参数作为优化变量,优化目标作为目标函数,构建优化模型;
迭代通信参数单元,用于利用预设的优化算法结合当前的卫星信号强度、负载情况和天气条件对通信参数进行迭代调整;
判断迭代单元,用于判断是否达到迭代停止条件,若否,则继续执行迭代操作,若是,则输出当前的通信参数并作为最优传输参数。
本发明的实施例的一种基于低轨宽带通信卫星的物联网设备数据采集系统200与本发明的另一个实施例的一种基于低轨宽带通信卫星的物联网设备数据采集方法100相对应,在此不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种基于低轨宽带通信卫星的物联网设备数据采集方法,其特征在于,包括:
获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,物联网设备以预定的采集频率或事件触发机制采集数据,并对所述数据进行封装、压缩以及加密,确定压缩加密后的数据;
根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,并基于所述通信参数分别建立低轨宽带通信卫星与物联网设备及地面站之间的通信连接;
根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数;
物联网设备根据最佳传输参数将压缩加密后的数据传输到低轨宽带通信卫星,低轨宽带通信卫星接收数据并基于最佳传输参数将压缩加密后的数据传输到地面站,地面站接收数据并进行解密和处理,完成数据的采集。
2.根据权利要求1所述的方法,其特征在于,获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,包括:
确定数据采集区域,并确定采集区域中需要采集的数据类型和参数;
根据采集需求在采集区域内确定预设数量的数据采集点,并根据采集需求和数据采集点设计和选择对应的物联网设备;
将选择的物联网设备部署在对应的数据采集点上,并将卫星通信模块集成于物联网设备中。
3.根据权利要求1所述的方法,其特征在于,根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,包括:
确定物联网设备和地面站的采集需求,分析低轨宽带通信卫星的特征,并对采集需求和卫星特征进行数据预处理;
构建推荐算法模型,并利用历史数据中已知的通信参数对推荐算法模型进行训练;
利用训练后的推荐算法模型结合新的采集需求和卫星特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数。
4.根据权利要求1所述的方法,其特征在于,根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数,包括:
实时监测低轨宽带通信卫星的信号强度、物联网设备及地面站的负载情况和天气信息;
收集卫星信号强度、负载情况及天气信息数据并进行实时分析;
根据预设的通信需求和优化目标,确定要优化的通信参数;
利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数。
5.根据权利要求4所述的方法,其特征在于,根据预设的通信需求和优化目标,确定要优化的通信参数,包括:
确定物联网设备的通信需求;
根据物联网设备、地面站和低轨宽带通信卫星的特征,分析影响通信性能的参数;
根据通信需求和影响通信性能的参数确定优化目标,并根据优化目标确定要优化的通信参数。
6.根据权利要求4所述的方法,其特征在于,利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数,包括:
初始化通信参数的初始值,并将卫星信号强度、负载情况和天气条件作为输入变量,通信参数作为优化变量,优化目标作为目标函数,构建优化模型;
利用预设的优化算法结合当前的卫星信号强度、负载情况和天气条件对通信参数进行迭代调整;
判断是否达到迭代停止条件,若否,则继续执行迭代操作,若是,则输出当前的通信参数并作为最优传输参数。
7.一种基于低轨宽带通信卫星的物联网设备数据采集系统,其特征在于,包括:
采集数据模块,用于获取数据采集区域信息,根据采集区域信息部署对应的物联网设备,并在物联网设备中集成卫星通信模块,物联网设备以预定的采集频率或事件触发机制采集数据,并对所述数据进行封装、压缩以及加密,确定压缩加密后的数据;
通信连接模块,用于根据采集需求和低轨宽带通信卫星的特征,配置低轨宽带通信卫星与物联网设备及地面站之间的通信参数,并基于所述通信参数分别建立低轨宽带通信卫星与物联网设备及地面站之间的通信连接;
得到最佳传输参数模块,用于根据卫星信号强度、负载情况及天气条件的动态变化对通信参数进行实时优化,得到最佳传输参数;
完成数据采集模块,用于物联网设备根据最佳传输参数将压缩加密后的数据传输到低轨宽带通信卫星,低轨宽带通信卫星接收数据并基于最佳传输参数将压缩加密后的数据传输到地面站,地面站接收数据并进行解密和处理,完成数据的采集。
8.根据权利要求7所述的系统,其特征在于,采集数据模块,包括:
确定数据采集区域子模块,用于确定数据采集区域,并确定采集区域中需要采集的数据类型和参数;
选择物联网设备子模块,用于根据采集需求在采集区域内确定预设数量的数据采集点,并根据采集需求和数据采集点设计和选择对应的物联网设备;
部署物联网设备子模块,用于将选择的物联网设备部署在对应的数据采集点上,并将卫星通信模块集成于物联网设备中。
9.根据权利要求7所述的系统,其特征在于,通信连接模块,包括:
确定物联网设备和地面站的采集需求,分析低轨宽带通信卫星的特征,并对采集需求和卫星特征进行数据预处理;
构建推荐算法模型,并利用历史数据中已知的通信参数对推荐算法模型进行训练;
利用训练后的推荐算法模型结合新的采集需求和卫星特征为低轨宽带通信卫星与物联网设备及地面站之间的通信配置参数。
10.根据权利要求6所述的系统,其特征在于,得到最佳传输参数模块,包括:
实时监测信息子模块,用于实时监测低轨宽带通信卫星的信号强度、物联网设备及地面站的负载情况和天气信息;
实时分析数据子模块,用于收集卫星信号强度、负载情况及天气信息数据并进行实时分析;
确定通信参数子模块,用于根据预设的通信需求和优化目标,确定要优化的通信参数;
得到最佳传输参数子模块,用于利用优化算法根据实时的卫星信号强度、负载情况和天气条件的变化对通信参数进行调整优化,得到最佳传输参数。
11.根据权利要求10所述的系统,其特征在于,确定通信参数子模块,,包括:
确定通信需求单元,用于确定物联网设备的通信需求;
分析参数性能单元,用于根据物联网设备、地面站和低轨宽带通信卫星的特征,分析影响通信性能的参数;
确定通信参数单元,用于根据通信需求和影响通信性能的参数确定优化目标,并根据优化目标确定要优化的通信参数。
12.根据权利要求10所述的系统,其特征在于,得到最佳传输参数子模块,包括:
构建优化模型单元,用于初始化通信参数的初始值,并将卫星信号强度、负载情况和天气条件作为输入变量,通信参数作为优化变量,优化目标作为目标函数,构建优化模型;
迭代通信参数单元,用于利用预设的优化算法结合当前的卫星信号强度、负载情况和天气条件对通信参数进行迭代调整;
判断迭代单元,用于判断是否达到迭代停止条件,若否,则继续执行迭代操作,若是,则输出当前的通信参数并作为最优传输参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310976317.8A CN116996108A (zh) | 2023-08-03 | 2023-08-03 | 基于低轨宽带通信卫星的物联网设备数据采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310976317.8A CN116996108A (zh) | 2023-08-03 | 2023-08-03 | 基于低轨宽带通信卫星的物联网设备数据采集方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116996108A true CN116996108A (zh) | 2023-11-03 |
Family
ID=88527969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310976317.8A Pending CN116996108A (zh) | 2023-08-03 | 2023-08-03 | 基于低轨宽带通信卫星的物联网设备数据采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116996108A (zh) |
-
2023
- 2023-08-03 CN CN202310976317.8A patent/CN116996108A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kour et al. | Recent developments of the internet of things in agriculture: a survey | |
Chamara et al. | Ag-IoT for crop and environment monitoring: Past, present, and future | |
Saraf et al. | IoT based smart irrigation monitoring and controlling system | |
Mocnej et al. | Network traffic characteristics of the IoT application use cases | |
Lima et al. | Agro 4.0: Enabling agriculture digital transformation through IoT | |
US9986366B2 (en) | Controlling data collection interval of M2M device | |
Jaiswal et al. | Internet of Things (IoT) for smart agriculture and farming in developing nations | |
Biradar et al. | Review on IOT based multidisciplinary models for smart farming | |
Marais et al. | A review of the topologies used in smart water meter networks: A wireless sensor network application | |
Mehta et al. | IoT based smart agriculture research opportunities and challenges | |
Alejandrino et al. | A hybrid data acquisition model using artificial intelligence and IoT messaging protocol for precision farming | |
Kumar et al. | IoT enabled technologies in smart farming and challenges for adoption | |
Teekaraman et al. | Implementation of cognitive radio model for agricultural applications using hybrid algorithms | |
Penchalaiah et al. | IoT based automatic irrigation system using wireless sensor networks | |
Rathod et al. | Cloud computing and networking for SmartFarm AgriTech | |
Tripathi et al. | Data-driven optimizations in IoT: A new frontier of challenges and opportunities | |
Mandal et al. | IoT in agriculture: smart farming using MQTT protocol through cost-effective heterogeneous sensors | |
CN116996108A (zh) | 基于低轨宽带通信卫星的物联网设备数据采集方法及系统 | |
Kaewta et al. | An optimization of multiple gateway location selection in long range wide area network networks | |
KR20180029800A (ko) | IoT 기기 오류 예측을 위한 인시던트 룰 조정 장치 및 방법 | |
Bhat et al. | Correlating the Ambient Conditions and Performance Indicators of the LoRaWAN via Surrogate Gaussian Process-Based Bidirectional LSTM Stacked Autoencoder | |
Mancini et al. | An open source and low-cost internet of things-enabled service for irrigation management | |
Coppola et al. | Innovative Vineyards Environmental Monitoring System Using Deep Edge AI | |
Cornel-Cristian et al. | Smart grid integration of IoT | |
Zhou et al. | A Data‐Secured Intelligent IoT System for Agricultural Environment Monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |