基于农业物联网的农作物生长监测数据融合研究

针对农业无线传感器网络数据融合精度低、传感器节点能量有限的问题,结合农作物生长环境监测的特点,提出了一种适用于农作物生长监测数据融合的架构和算法。将无线传感器网络划分成多个固定层级,减少数据传输量并逐层降低误差。仿真试验结果表明,该算法融合结果比算术平均法和单一自适应加权算法更接近真实值。该算法能够减少数据传输量,且具有很好的可拓展性。     

基于数据融合算法的土壤环境监测系统设计

利用Zig Bee技术和GPRS技术相结合的方式,构建农田环境监控系统的总体结构,系统利用Zig Bee无线传感器网络采集土壤环境数据。为解决多传感器监测数据融合精度低的问题,提出了一种改进型的分批估计自适应加权融合算法,首先对单个传感节点一段时间内所采集的数据根据容许函数的阈值剔除误差较大的数据,然后对该传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,得到该区域所有传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该时刻土壤的环境精确值。试验验证了系统采集到的数据准确可靠,改进算法数据融合易于实现,融合值相对误差值更低,稳健性更好。     

木材干燥窑内温度检测的自适应加权融合方法研究

[目的]研究木材干燥窑内多点温度数据处理方法.[方法]在数据融合的基础上提出基于多传感器自适应加权两级融合估计方法.该算法在不知道传感器测量数据先验概率分布知识的条件下,可以从含有噪声的测量数据中得到被估计量的最小均方误差估计.[结果]将自适应加权两级融合方法应用在木材干燥窑温度检测系统中,有效提高了干燥窑内温度的检测精度,优于通常检测窑内温度时采用算术平均值的方法.[结论]该算法实时性好,只依靠当前的测量数据就可以融合估计出总均方误差最小的估计值,对研究数据融合技术和木材干燥工艺具有重要的意义.     

基于时空关联性的温室环境多传感器数据融合

为满足温室环境测控系统中传感器数据需具有鲁棒性的要求,提出一种基于时空关联性的温室环境多传感器数据融合算法。利用时间预测算法对环境数据的时间相关性进行预测,利用同质和异质传感器的特点对环境参数进行空间相似性预测。利用改进型支持度函数算法对基于时空关联性的预测值进行数据融合,并对数据融合的效果进行验证。结果表明,时间相关性、空间相似性预测算法的预测效果较好,且以时空预测值为输入变量时,改进型支持度函数的数据融合算法能够有效地将环境数据预处理的时空关联性预测值赋予动态的加权值,并且其数据融合结果优于平均值算法、传统支持度函数算法,数据融合产生的最优估计值更能真实地反映温室环境的变化,具有可靠性和准确性。     

基于S3C2440和多传感器数据融合的烟叶仓库温湿度监测系统设计

[目的]提高烟叶仓库温湿度的监测、控制能力。[方法]在烟叶仓库内远离通风口区域均匀布置6个传感器,以SHT11为测量元件检测不同区域温湿度,并采用自适应加权融合算法对检测值进行数据融合。[结果]基于S3C2440和多传感器数据融合的烟叶仓库温湿度监测系统减少了系统硬件设计的复杂度,提高了测量结果的准确性,并可以根据检测结果对仓库内温湿度加以控制。[结论]基于S3C2440和多传感器数据融合的烟叶仓库温湿度监测系统可以有效监测和控制烟叶仓库的温湿度,创造烟叶自然发酵的适宜环境,提高烟叶发酵质量。     

基于小波降噪和自适应加权法的温室数据融合

针对温室环境信息多节点数据采集中存在误差大、冲突多和冗余等问题,提出一种基于小波降噪和自适应加权的多传感器数据融合算法.通过小波降噪对采集的数据进行处理,使其具有良好的光滑度和稳定性;利用自适应加权算法对多传感器数据进行融合,得到测量数据的最优估计值.实例验证结果表明,采用所提算法可以有效降低原始数据中存在的噪声和冗余,得到方差较小的数据融合值,可以提高测量数据的准确性和降低数据的传输量;具备良好的稳健性,能够实现对温室环境信息的可靠性和一致性描述.     

日光温室无线传感器多数据融合技术研究

无线传感器网络中采集的监测数据存在着较大的冗余和误差,影响数据的可靠性,然而由于温室环境具有空间大且温场分布受多种参数影响大等特点,在采集监测和控制中对数据的准确性要求比较高。为实现北方日光温室实时数据融合,提高实时数据精度,以沈阳农业大学北山试验基地一栋日光温室的实时采集数据为例,提出一种数据融合方法,通过无线传感器实时采集温室数据,利用格拉布斯判定准则进行数据预处理,并应用自适应加权平均算法对数据进行融合试验。试验结果表明:格拉布斯判定准则能够有效的剔除粗大误差,与原始采集数据相对比剔除误差后数据精度提高8%;与应用传统平均数据融合算法处理数据结果对比自适应加权平均数据融合能够明显的提高数据精度,融合后数据精度被提高6%。针对北方日光温室环境,采用无线传感器多数据融合方法,克服了对每个传感器采集的信息分别处理时的不确定性和不稳定性,经融合处理后结果能够提高温室环境监测的精确度,可全面准确的描述温室实时环境,为温室环境控制提供更加精准的基础数据,控制后使温室环境的温度、湿度、光照强度等主要参数达到相对理想的条件。     

基于物联网的设施环境综合参数测试系统

针对目前设施环境监测的需求,设计开发了一套基于物联网的设施环境综合参数测试系统,该系统对设施环境内的各种环境参数进行实时监测,并通过GPRS与Internet网络进行数据的异地观测和处理。本文给出了系统的设计方案,阐述了基于ZigBee的无线传感器网络技术、GPRS技术和传感器技术等物联网技术。在介绍无线传感器网络节点的基础上,对LEACH路由协议的原理进行了简要说明。系统采用基于自适应加权的数据融合算法对采集的数据进行融合处理,获得了更合理的数据融合效果。系统实现了对设施环境的实时监测、数据的无线传输以及各种环境参数报表查询功能。试验表明,系统工作性能稳定、功耗低、数据传输速率快且传输距离远,各项指标均达到了设计要求,能较好地满足设施环境监测的要求。     

数据融合在水产养殖监控系统中的应用

在水产养殖监控系统中,为了提高测量精度往往进行多点测量。本研究中作者给出了监控系统的构成,在多点采集的基础上,首先采用分布图法剔除疏失误差,然后采用自适应加权数据融合算法对采集数据进行融合。测量数据和分析结果表明,处理后的数据精度大大提高。     

基于多传感器数据融合的温室温湿度控制系统设计

介绍了1种基于多传感器数据融合的温室温湿度控制系统的设计,包括系统组成、多传感器数据融合算法的设计以及具体实现。本系统利用改进的拉依达准则剔除异常值,再通过自适应加权平均算法对温湿度分别进行数据融合,根据融合后的温湿度数据确定控制策略,调整温室环境参数,提高了系统的精确度和可靠性。