CN117241281A - 一种室内分布式监测方法和监测网络 - Google Patents
一种室内分布式监测方法和监测网络 Download PDFInfo
- Publication number
- CN117241281A CN117241281A CN202311500842.9A CN202311500842A CN117241281A CN 117241281 A CN117241281 A CN 117241281A CN 202311500842 A CN202311500842 A CN 202311500842A CN 117241281 A CN117241281 A CN 117241281A
- Authority
- CN
- China
- Prior art keywords
- diffusion
- node
- nodes
- fixed
- gas
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000009792 diffusion process Methods 0.000 claims abstract description 125
- 239000000284 extract Substances 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000009423 ventilation Methods 0.000 claims description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 8
- 238000012886 linear function Methods 0.000 claims description 6
- 239000000779 smoke Substances 0.000 claims description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 4
- 239000001569 carbon dioxide Substances 0.000 claims description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 4
- 230000006854 communication Effects 0.000 abstract description 10
- 238000004891 communication Methods 0.000 abstract description 8
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 241000854291 Dianthus carthusianorum Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 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
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种室内分布式监测方法和监测网络,涉及多节点网络通信技术领域。在室内空间布置多个移动节点,将空间分为不同区域,并在每个区域中布置多个固定节点,移动节点和固定节点监测室内气体参数,识别气体参数是否参数超过预设阈值。进一步的,多个固定节点提取信号强度并发送给控制器,控制器选择有效的固定节点广播第二测距信号,并根据多个有效固定节点的第二测距信号强度估算环境调整参数与区域调整参数,然后根据区域和环境调整参数修正实测距离,计算移动节点的位置坐标,根据节点位置坐标预测空气的扩散点与气体扩散路径,并生成扩散模型。
Description
技术领域
本发明涉及多节点网络通信技术领域,尤其涉及一种室内分布式监测方法和监测网络。
背景技术
在室内布置由多个传感节点组成的通信网络,传感节点采集目标数据,可以实现对室内空气、火灾等的全天候监测。例如CN107730816A公开了一种基于ZigBee通信的室内智能火灾报警系统,该系统基于ZigBee通信技术实现传感器节点的星型网络布置,保证了整个系统覆盖的全面性。为了适应复杂的室内区域,需要对不同节点采集的数据进行优化处理,以获得更准确的结果。
CN106878375B公开了一种基于分布式组合传感器网络的座舱污染物监测方法,该方法首先在待测座舱中建立分布式组合传感器网络,网络中的各节点确定自身的节点信息并传播至邻居节点,采用传感器的最优误差估计值校正相应节点的相应主传感器测量值,得到相应节点的指定污染物浓度值。该方法提高了座舱污染物监测的准确性和可靠性。在室内区域的不同位置,节点间的信道质量不同,现有技术尚未解决节点间的信道质量对节点数据传递的影响。另外,对于空气、烟雾等动态的监测对象,如何确定监测对象的扩散趋势也是现有技术尚未解决的问题。因此,现有技术有待进一步改进。
发明内容
针对上述问题,本发明提供了一种室内分布式监测方法,通过多个固定节点之间的第二测距信号估计室内的信道衰减,提高节点间测距信号传递的准确性。同时根据多个扩散点获得的参数预测对象的扩散方向,以便预测监测对象到达核心区域的时间。进一步的,本发明还提供了一种实现所述室内分布式监测方法的分布式监测网络。
本申请的发明目的可通过以下技术手段实现:
一种室内分布式监测方法,包括以下步骤:
步骤1:在室内空间布置多个移动节点,将室内空间分为多个区域,在每一区域布置多个固定节点,相邻的区域经换气通道连接;
步骤2:移动节点和固定节点监测气体参数,若移动节点提取的气体参数大于阈值,进入步骤3,若固定节点提取的气体参数大于阈值,进入步骤6,否则重新监测气体参数;
步骤3:该移动节点广播第一测距信号,多个固定节点提取第一测距信号的信号强度并发送至控制器,控制器从固定节点中提取有效固定节点并控制有效固定节点广播第二测距信号,多个固定节点提取第二测距信号的信号强度并发送至控制器;
步骤4:控制器根据多个有效固定节点的第二测距信号的信号强度估算环境调整参数,再根据同一区域内有效固定节点的第二测距信号的信号强度估算区域调整参数;
步骤5:控制器根据第一测距信号确定多个有效固定节点与移动节点的第一实测距离,再基于所述区域调整参数和环境调整参数修正该实测距离并计算移动节点的位置坐标;
步骤6:控制器根据固定节点或移动节点的位置坐标预测空气的第一扩散点,再重复步骤2至步骤5,获得多个第二扩散点;
步骤7:服务器根据第一扩散点、第二扩散点以及换气通道预测扩散路径,再根据扩散路径生成扩散模型;
步骤8:服务器在室内空间设置至少一个目标位置,根据扩散模型预测气体进入目标位置的时间。
在本发明中,在步骤2中,气体参数为烟雾浓度、二氧化碳浓度以及一氧化碳浓度中的一种或几种,所述阈值为浓度上限值。
在本发明中,在步骤4中,m个固定节点收到有效固定节点广播的第二测距信号,根据第二测距信号的信号强度计算第二实测距离,根据m个第二实测距离计算该有效固定节点的环境调整参数。
在本发明中,在步骤4中,统计位于同一区域内的有效固定节点,根据该区域内多个有效固定节点的第二实测距离计算该区域的区域调整参数。
在本发明中,在步骤5中,有效固定节点Ai0收到的第一测距信号的信号强度为Pi0,根据信号强度Pi0计算第一实测距离ri0,根据该有效固定节点Ai0的环境调整参数Si以及该有效固定节点所在区域k的区域调整参数Zk修正第一实测距离ri0。
在本发明中,在步骤7中,提取第一扩散点和第二扩散点的位置坐标,拟合该位置坐标的直线函数,根据直线函数的斜率计算扩散角θ1,提取第一扩散点和第二扩散点检测到气体参数大于阈值的时刻,根据时刻差值计算扩散速率v1,扩散路径L1=f (θ1, v1, t1),t1为第二扩散点检测到气体参数大于阈值的时刻。
在本发明中,在步骤7中,根据最短路径算法确定第一扩散点、第二扩散点以及换气通道之间的轨迹距离s,v1=s/T,T为所述时刻差值。
在本发明中,还包括步骤9,服务器根据气体进入目标位置的时间生成告警信息,告警信息唤醒目标位置内的多个高频监测节点,高频监测节点读取告警信息的控制帧后调整监测周期。
一种用于实现所述室内分布式监测方法的室内分布式监测网络,包括:移动节点、固定节点、控制器以及服务器,其中,
移动节点与固定节点布置在室内空间,移动节点和固定节点监测室内空间的气体参数;
控制器确定移动节点的位置坐标,并预测气体的第一扩散点以及多个第二扩散点;
服务器计算扩散路径并生成扩散模型,预测气体进入目标位置的时间。
在本发明中,该室内分布式监测网络还包括汇聚节点,所述移动节点和固定节点经汇聚节点向控制器发送气体参数。
实施本发明的一种室内分布式监测方法和监测网络,其有益效果在于:该监测方法通过在室内空间布置移动节点和固定节点,系统可以实时监测多个气体参数,如烟雾浓度、二氧化碳浓度和一氧化碳浓度,以确保室内空气质量符合安全标准。进一步的,通过广播测距信号和估算信号强度,可以提高移动节点的定位精度,预测气体扩散路径和时间,便于提前响应异常情况,提高了监测的效率和准确性。本发明还可以与目标位置内的高频监测节点协作,提供更灵活的监测和应急响应。
附图说明
图1为本发明的室内分布式监测方法的流程图;
图2为本发明的移动节点与有效固定节点在室内布局的示意图;
图3为本发明的有效固定节点与其他固定节点在室内布局的示意图;
图4为本发明的第一扩散点与多个第二扩散点的示意图;
图5为本发明的预测气体进入目标位置的示意图,图中箭头的方向为气体扩散方向;
图6为本发明的用于实现室内分布式监测方法的监测网络的硬件框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本申请所公开的完整技术方案的一个具体实施例中,本发明的室内可以是具体的工业厂房、酒店等,涉及的多个区域为工业厂房内的多个车间或房间。在其他的一些较佳的实施例中,室内空间还可以是具有单个区域,且所述区域为非密闭环境的任何限定。应当理解,本实施例中涉及的移动节点、固定节点、控制器共同构成无线传感器网络,所述无线传感器网络优选的基于LoRa无线协议实现各个通信端的通信过程,且认为固定节点在多个区域内按分布式进行部署。另外,在本实施例的限定条件下,移动节点为无源通信节点,其能耗是有限的,且移动节点之间的通信过程通过多跳自组织方式实现,这一传输方式符合移动节点作为无源通信节点的条件,并且一般认为单个移动节点可能由于传感网的边缘效应、能耗降低、故障、数据采集或传输失真等问题造成误报的情况,即单个移动节点采集的监测数据超限并不认为火灾的发生,而是被视为异常状态。本发明用于监测气体异常状态的位置坐标、扩散路径以及预测到达目标位置的时间。
实施例一
本申请所公开的完整技术方案中,针对异常状态的进一步识别与监测进行了说明。参照图1至图5,本发明的一种室内分布式监测方法,包括以下步骤。
步骤1:在室内空间布置多个移动节点,将室内空间分为多个区域,在每一区域布置多个固定节点,相邻的区域经换气通道连接。固定节点通常是均匀布置在墙壁等固定构件上,移动节点安装在家具、电器等非固定构件上。换气通道被认为是门窗等气体转移点。
步骤2:移动节点和固定节点监测气体参数,若移动节点提取的气体参数大于阈值,进入步骤3,若固定节点提取的气体参数大于阈值,进入步骤6,否则重新监测气体参数。由于固定节点的位置坐标已知,如固定节点响应则不需要进入距离测量步骤,直接进入估计气体扩散步骤。气体参数为烟雾浓度、二氧化碳浓度以及一氧化碳浓度中的一种或几种,所述阈值为浓度允许限值,例如30mg/m3。
步骤3:该移动节点广播第一测距信号,多个固定节点提取第一测距信号的信号强度并发送至控制器,控制器从固定节点中提取有效固定节点并控制有效固定节点广播第二测距信号,多个固定节点提取第二测距信号的信号强度并发送至控制器。在本实施例中,控制器提取第一测距信号的信号强度大于强度下限的n个固定节点,该n个固定节点为有效固定节点,n≥3。有多个固定节点可以收到移动节点的信号,可以预先设置强度下限,部分固定节点距离较远,信号强度较低,本实施例予以排除。参照图2,移动节点附近大于强度下限的n个固定节点作为本次监测过程的有效固定节点,其他的固定节点即使可以获得微小的第一测距信号,仍作为非有效节点予以排除。
步骤4:控制器根据多个有效固定节点的第二测距信号的信号强度估算环境调整参数,再根据同一区域内有效固定节点的第二测距信号的信号强度估算区域调整参数。如图3,在本实施例的有效固定节点向其周边的其他固定节点发送第二测距信号,测量该有效固定节点周边的信号情况,以便估计对应的调整参数。
m个固定节点收到有效固定节点广播的第二测距信号,根据第二测距信号的信号强度计算第二实测距离,因墙壁、设备等的干扰,信号在室内非视距传播,第二实测距离与安装距离存在误差。这个误差可以用于表征相关调整参数。其中,环境调整参数是有效固定节点的整体误差影响,区域调整参数是该区域内的多个有效固定节点的综合误差影响。根据m个第二实测距离计算该有效固定节点的环境调整参数。统计位于同一区域内的有效固定节点,根据该区域内多个有效固定节点的第二实测距离计算该区域的区域调整参数。
步骤5:控制器根据第一测距信号确定多个有效固定节点与移动节点的第一实测距离,再基于所述区域调整参数和环境调整参数修正该实测距离并计算移动节点的位置坐标。在本实施例中,有效固定节点Ai0收到的第一测距信号的信号强度为Pi0,根据信号强度Pi0计算第一实测距离ri0,根据该有效固定节点Ai0的环境调整参数Si以及该有效固定节点所在区域k的区域调整参数Zk修正第一实测距离ri0。通过环境调整参数Si和区域调整参数Zk的修正,可以提高定位精度。
步骤6:控制器根据固定节点或移动节点的位置坐标预测空气的第一扩散点,再重复步骤2至步骤5,获得多个第二扩散点。其他节点逐渐收到气体参数,因气体的扩散性,第二扩散节点有多个。
步骤7:服务器根据第一扩散点、第二扩散点以及换气通道预测扩散路径,再根据扩散路径生成扩散模型。参照图4,提取第一扩散点和第二扩散点的位置坐标,拟合该位置坐标的直线函数,根据直线函数的斜率计算扩散角θ1,提取第一扩散点和第二扩散点检测到气体参数大于阈值的时刻,根据两个时刻的时刻差值计算扩散速率v1,扩散路径L1=f(θ1, v1, t1),t1为第二扩散点检测到气体参数大于阈值的时刻。进一步的,本发明根据最短路径算法确定第一扩散点、第二扩散点以及换气通道之间的轨迹距离s,v1=s/T,T为所述时刻差值。所述最短路径算法是指从第一扩散点途径换气通道到达第二扩散点的最短距离。
步骤8:服务器在室内空间设置至少一个目标位置,根据扩散模型预测气体进入目标位置的时间。本实施例进一步根据最短路径算法确定第二扩散点与目标位置的轨迹距离,根据扩散速率估计气体参数到达该位置的时间。
步骤9:服务器根据气体进入目标位置的时间生成告警信息,告警信息唤醒目标位置内的多个高频监测节点,高频监测节点读取告警信息的控制帧后调整监测周期。调整后监测周期的可以具有更短的休眠时间,更快确定目标位置的气体浓度。
实施例二
本申请所公开的完整技术方案的另一个具体实施例中,参照图5,扩散路径根据第一扩散点、第二扩散点预测生成,根据扩散路径可以判断区域内是否出现了异常气体蔓延。在本实施例中,对节点采集到的气体参数进行处理,将其整理成一个时间序列,结合时间序列构建扩散路径,任意一扩散路径表示室内的气体蔓延情况。每一第二扩散点对应一条扩散路径。扩散模型= {(θ1, v1, t1), (θ2, v2, t2), ...,(θe, ve, te)},其中,(θ1, v1, t1)、(θ2, v2, t2)、(θe, ve, te)均为扩散路径,e为正整数,表示扩散路径的数量。
本发明进一步根据扩散模型预测到达目标位置的时间。在一个实施例中,选择与目标位置距离最近的第二扩散点对应的扩散路径,计算目标位置与该第二扩散点的最短路径,根据扩散路径的扩散速率估计气体参数进入目标位置的时间。
通常扩散速率逐渐变慢,进入目标位置时的扩散速率低于第二扩散点的扩散速率。在进一步实施例中,考虑扩散路径的速率衰减,更准确地估计进入目标位置的时间。在三维空间中,描述气体流动的扩散速率v的衰减可以进一步表达为。/> 为扩散速率的衰减,表达气体扩散随时间的变化率。/> 和 /> 表示浓度的二阶空间导数,分别对应于 /> 和 /> 方向上的扩散距离,/> 为空气流速矢量,表示空气在x、y和 方向上的流速和。/> 是浓度梯度矢量,包括了x、y和z方向上的浓度偏导数。D是垂直扩散系数,表示气体与空气密度比。根据历史数据计算二阶空间导数、空气流速矢量、浓度梯度矢量以及垂直扩散系数,计算扩散速率的衰减,可以更准确估计进入目标位置时的时间。
实施例三
本实施例进一步公开了步骤4中环境调整参数与区域调整参数的估计方法。
移动节点对应于n个有效固定节点Ai0,i=1,2,...,n。有效固定节点Ai0广播的第二测距信号,m个固定节点第二测距信号。固定节点Aij收到的第二测距信号的信号强度为Pij,j=1,2,...,m,根据信号强度Pij计算第二实测距离rij。第二实测距离的计算由RSSI测距实现。
根据有效固定节点Ai0对应的多个第二实测距离计算该有效固定节点的环境调整参数Si,。rij为有效固定节点Ai0与固定节点Aij的第二实测距离,Pij为有效固定节点Ai0与固定节点Aij的实际距离,实际距离可以在设备安装时确定。/>被认为是固定节点Aij的测距误差。
在本实施例中,将有效固定节点按所在区域分组,位于区域k的有效固定节点的数量为nk。为区域k内有效固定节点Ai0与固定节点Aij的第二实测距离,/>为区域k内有效固定节点Ai0与固定节点Aij的实际距离。计算区域k的区域调整参数Zk,。
节点所在区域对测距影响更大,本实施例的区域调整参数为方差算法,环境调整参数为加权平均算法。因测距误差的影响,修正实测距离通常小于第一实测距离。且移动节点与有效固定节点Ai0的修正实测距离di=(1-Si)(1-Zk)ri0,ri0为第一实测距离。根据n个修正实测距离采用定位算法计算移动节点的位置坐标。
实施例四
第一扩散点具有多条路径可以到达第二扩散点,本实施例详述本发明较佳的实施例中的最短路径算法。基于Dijkstra算法,本实施例优选的包括以下步骤:
步骤:201:将室内分割为多个网格点,网格点包括第一扩散点与第二扩散点,创建点列表并获取第一扩散点与任意网格点的距离,构建距离列表;
步骤202:初始化距离列表,设置第一扩散点到自身的距离为0,将第一扩散点到其他网格点的距离预设为无穷大。初始化已访问列表,用于存储找到最短路径的网格点。
步骤204:从第一扩散点开始,计算第一扩散点到相邻网格点的距离,并更新距离列表,将相邻网格点添加到已访问列表中。
步骤205:选择一个未访问的网格点,其到第一扩散点的距离最小,并将其添加到已访问列表中。
步骤206:重复步骤204和步骤205,直到已访问节点列表包括第二扩散点。
步骤207:距离列表的数值反映第一扩散点到第二扩散点的距离,从而得到最短路径。
实施例五
参照图6,本实施例的一种用于实现所述室内分布式监测方法的室内分布式监测网络,包括:移动节点、固定节点、控制器、服务器以及汇聚节点。移动节点与固定节点布置在室内空间,移动节点和固定节点监测室内空间的气体参数。控制器确定移动节点的位置坐标,并预测空气的第一扩散点以及多个第二扩散点。服务器计算扩散路径并生成扩散模型,预测气体进入目标位置的时间。该室内分布式监测网络还包括汇聚节点,所述移动节点和固定节点经汇聚节点向控制器发送气体参数。汇聚节点作为簇头,用于协调多个固定节点或移动节点的数据收发。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改,等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种室内分布式监测方法,其特征在于,包括以下步骤:
步骤1:在室内空间布置多个移动节点,将室内空间分为多个区域,在每一区域布置多个固定节点,相邻的区域经换气通道连接;
步骤2:移动节点和固定节点监测气体参数,若移动节点提取的气体参数大于阈值,进入步骤3,若固定节点提取的气体参数大于阈值,进入步骤6,否则重新监测气体参数;
步骤3:该移动节点广播第一测距信号,多个固定节点提取第一测距信号的信号强度并发送至控制器,控制器从固定节点中提取有效固定节点并控制有效固定节点广播第二测距信号,多个固定节点提取第二测距信号的信号强度并发送至控制器;
步骤4:控制器根据多个有效固定节点的第二测距信号的信号强度估算环境调整参数,再根据同一区域内有效固定节点的第二测距信号的信号强度估算区域调整参数;
步骤5:控制器根据第一测距信号确定多个有效固定节点与移动节点的第一实测距离,再基于所述区域调整参数和环境调整参数修正该实测距离并计算移动节点的位置坐标;
步骤6:控制器根据固定节点或移动节点的位置坐标预测空气的第一扩散点,再重复步骤2至步骤5,获得多个第二扩散点;
步骤7:服务器根据第一扩散点、第二扩散点以及换气通道预测扩散路径,再根据扩散路径生成扩散模型;
步骤8:服务器在室内空间设置至少一个目标位置,根据扩散模型预测气体进入目标位置的时间。
2.根据权利要求1所述的室内分布式监测方法,其特征在于,在步骤2中,气体参数为烟雾浓度、二氧化碳浓度以及一氧化碳浓度中的一种或几种,所述阈值为浓度上限值。
3.根据权利要求1所述的室内分布式监测方法,其特征在于,在步骤4中,m个固定节点收到有效固定节点广播的第二测距信号,根据第二测距信号的信号强度计算第二实测距离,根据m个第二实测距离计算该有效固定节点的环境调整参数。
4.根据权利要求3所述的室内分布式监测方法,其特征在于,在步骤4中,统计位于同一区域内的有效固定节点,根据该区域内多个有效固定节点的第二实测距离计算该区域的区域调整参数。
5.根据权利要求1所述的室内分布式监测方法,其特征在于,在步骤5中,有效固定节点Ai0收到的第一测距信号的信号强度为Pi0,根据信号强度Pi0计算第一实测距离ri0,根据该有效固定节点Ai0的环境调整参数Si以及该有效固定节点所在区域k的区域调整参数Zk修正第一实测距离ri0。
6. 根据权利要求1所述的室内分布式监测方法,其特征在于,在步骤7中,提取第一扩散点和第二扩散点的位置坐标,拟合该位置坐标的直线函数,根据直线函数的斜率计算扩散角θ1,提取第一扩散点和第二扩散点检测到气体参数大于阈值的时刻,根据时刻差值计算扩散速率v 1,扩散路径L1 =f (θ1, v1, t1),t1为第二扩散点检测到气体参数大于阈值的时刻。
7.根据权利要求6所述的室内分布式监测方法,其特征在于,在步骤7中,根据最短路径算法确定第一扩散点、第二扩散点以及换气通道之间的轨迹距离s,v1=s/T,T为所述时刻差值。
8.根据权利要求1所述的室内分布式监测方法,其特征在于,还包括步骤9,服务器根据气体进入目标位置的时间生成告警信息,告警信息唤醒目标位置内的多个高频监测节点,高频监测节点读取告警信息的控制帧后调整监测周期。
9.一种用于实现根据权利要求1所述的室内分布式监测方法的室内分布式监测网络,其特征在于,包括:移动节点、固定节点、控制器以及服务器,其中,
移动节点与固定节点布置在室内空间,移动节点和固定节点监测室内空间的气体参数;
控制器确定移动节点的位置坐标,并预测气体的第一扩散点以及多个第二扩散点;
服务器计算扩散路径并生成扩散模型,预测气体进入目标位置的时间。
10.根据权利要求9所述的室内分布式监测方法的室内分布式监测网络,其特征在于,该室内分布式监测网络还包括汇聚节点,所述移动节点和固定节点经汇聚节点向控制器发送气体参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311500842.9A CN117241281B (zh) | 2023-11-13 | 2023-11-13 | 一种室内分布式监测方法和监测网络 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311500842.9A CN117241281B (zh) | 2023-11-13 | 2023-11-13 | 一种室内分布式监测方法和监测网络 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117241281A true CN117241281A (zh) | 2023-12-15 |
CN117241281B CN117241281B (zh) | 2024-01-30 |
Family
ID=89098715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311500842.9A Active CN117241281B (zh) | 2023-11-13 | 2023-11-13 | 一种室内分布式监测方法和监测网络 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117241281B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761913A (zh) * | 2011-04-26 | 2012-10-31 | 航天信息股份有限公司 | 基于区域划分的无线信号传输参数确定的定位方法 |
CN102769858A (zh) * | 2011-05-03 | 2012-11-07 | 郭旭斌 | 基于ZigBee技术的室内定位与环境监测系统 |
WO2014067586A1 (en) * | 2012-11-05 | 2014-05-08 | Ekin Labs Oy | Monitoring intrusion in an area using wifi-enabled devices |
CN106093854A (zh) * | 2016-06-14 | 2016-11-09 | 江南大学 | 一种基于rssi测距的空气质量监测点网络定位的方法 |
CN106878375A (zh) * | 2016-12-22 | 2017-06-20 | 中国民航大学 | 一种基于分布式组合传感器网络的座舱污染物监测方法 |
US20180156766A1 (en) * | 2016-12-06 | 2018-06-07 | Ning Zeng | Networked Environmental Monitoring System and Method |
CN108513273A (zh) * | 2018-04-02 | 2018-09-07 | 深圳市创艺工业技术有限公司 | 一种高效的室内环境管理系统 |
US20190130733A1 (en) * | 2017-10-31 | 2019-05-02 | Global Tel*Link Corporation | Augmented reality system for guards of controlled environment residents |
US20190349715A1 (en) * | 2016-11-22 | 2019-11-14 | Aerial Technologies | Device-free localization methods within smart indoor environments |
CN113453150A (zh) * | 2021-06-26 | 2021-09-28 | 淮阴工学院 | 一种基于rssi测距的火灾监测网络定位方法 |
CN115119297A (zh) * | 2022-06-28 | 2022-09-27 | 燕山大学 | 一种基于LoRa信号路径衰减模型的室内动态测距方法 |
WO2023051774A1 (zh) * | 2021-10-01 | 2023-04-06 | 南宁市安普康商贸有限公司 | 监测方法、系统、装置及计算机程序产品 |
US20230215586A1 (en) * | 2020-05-27 | 2023-07-06 | Tsinghua University | Monitoring, Tracing, Early-Warning And Control System And Method For Virus Spreading In Building |
-
2023
- 2023-11-13 CN CN202311500842.9A patent/CN117241281B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102761913A (zh) * | 2011-04-26 | 2012-10-31 | 航天信息股份有限公司 | 基于区域划分的无线信号传输参数确定的定位方法 |
CN102769858A (zh) * | 2011-05-03 | 2012-11-07 | 郭旭斌 | 基于ZigBee技术的室内定位与环境监测系统 |
WO2014067586A1 (en) * | 2012-11-05 | 2014-05-08 | Ekin Labs Oy | Monitoring intrusion in an area using wifi-enabled devices |
CN106093854A (zh) * | 2016-06-14 | 2016-11-09 | 江南大学 | 一种基于rssi测距的空气质量监测点网络定位的方法 |
US20190349715A1 (en) * | 2016-11-22 | 2019-11-14 | Aerial Technologies | Device-free localization methods within smart indoor environments |
US20180156766A1 (en) * | 2016-12-06 | 2018-06-07 | Ning Zeng | Networked Environmental Monitoring System and Method |
CN106878375A (zh) * | 2016-12-22 | 2017-06-20 | 中国民航大学 | 一种基于分布式组合传感器网络的座舱污染物监测方法 |
US20190130733A1 (en) * | 2017-10-31 | 2019-05-02 | Global Tel*Link Corporation | Augmented reality system for guards of controlled environment residents |
CN108513273A (zh) * | 2018-04-02 | 2018-09-07 | 深圳市创艺工业技术有限公司 | 一种高效的室内环境管理系统 |
US20230215586A1 (en) * | 2020-05-27 | 2023-07-06 | Tsinghua University | Monitoring, Tracing, Early-Warning And Control System And Method For Virus Spreading In Building |
CN113453150A (zh) * | 2021-06-26 | 2021-09-28 | 淮阴工学院 | 一种基于rssi测距的火灾监测网络定位方法 |
WO2023051774A1 (zh) * | 2021-10-01 | 2023-04-06 | 南宁市安普康商贸有限公司 | 监测方法、系统、装置及计算机程序产品 |
CN115119297A (zh) * | 2022-06-28 | 2022-09-27 | 燕山大学 | 一种基于LoRa信号路径衰减模型的室内动态测距方法 |
Non-Patent Citations (4)
Title |
---|
LINXI DONG等: "The Gas Leak Detection Based on a Wireless Monitoring System", 《IEEE》 * |
MUHAMMAD AL AMIN AMALI MAZLAN等: "Implementation of Wireless Sensor Network in Oil and Gas Specifically for Personnel Positioning Application", IEEE * |
李山;杨波;: "基于WiFi的环境监测系统设计", 软件, no. 01 * |
潘小琴;崔文婷;刘理想;戈婧佼;: "一种改进的无线传感器网络节点室内定位方法", 科技视界, no. 16 * |
Also Published As
Publication number | Publication date |
---|---|
CN117241281B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kaltiokallio et al. | Real-time intrusion detection and tracking in indoor environment through distributed RSSI processing | |
US8700056B2 (en) | Systems and methods for real-time location | |
CN108521340B (zh) | 一种物联网局域故障定位与自适应屏蔽系统和方法 | |
Shen et al. | Connectivity and RSSI based localization scheme for wireless sensor networks | |
WO2020139886A1 (en) | Systems and methods for determining locations of wireless sensor nodes based on radio frequency communications between the nodes and various rf-enabled devices | |
JP6517623B2 (ja) | 無線機器配置推定装置、無線機器配置推定方法、無線機器配置推定プログラム | |
KR100701351B1 (ko) | 무선 센서 네트워크 기반의 위치인식방법 | |
JP2019510960A (ja) | 無線周波数信号及びセンサを使用して環境を監視するためのシステム及び方法 | |
Wang et al. | Wi-Fi based occupancy detection in a complex indoor space under discontinuous wireless communication: A robust filtering based on event-triggered updating | |
JP2010147519A (ja) | 無線通信システム | |
JP6634350B2 (ja) | 推定装置、方法、及び推定システム | |
KR100950941B1 (ko) | 보정 노드를 기반으로 하는 이동 노드의 위치 추정 시스템및 방법 | |
Zhang et al. | Sensor-networked underwater target tracking based on grubbs criterion and improved particle filter algorithm | |
CN114363808A (zh) | 一种基于rssi测距的室内定位方法 | |
CN117461329A (zh) | 使用网状网络的自主地理位置确定 | |
CN117241281B (zh) | 一种室内分布式监测方法和监测网络 | |
Simma et al. | Wi-Fi router network-based occupancy estimation to optimize HVAC energy consumption | |
Chandra-Sekaran et al. | Empirical analysis and ranging using environment and mobility adaptive RSSI filter for patient localization during disaster management | |
Bornholdt et al. | Adaptive procedure for indoor localization using LoRa devices | |
Zhu et al. | A RSSI based localization algorithm using a mobile anchor node for wireless sensor networks | |
CN111201441B (zh) | 检测网络中的位置 | |
Savazzi et al. | Radio imaging by cooperative wireless network: Localization algorithms and experiments | |
Anjana et al. | A smart positioning system for personalized energy management in buildings | |
KR101853700B1 (ko) | 재난 구조시의 실내 위치 표시 시스템 및 방법 | |
Lazaroiu et al. | Ble to improve iot connection in the smart home |
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 |