多路径下桃园射频信号传输特性

为解决无线传感器网络在桃园中的快速部署问题,该文研究了2.4 GHz无线射频信号在桃园中的传播特性。依据角度选取4条传输路径,在3种(0.5、1.5、2.5 m)典型的天线高度,同时测量丢包率和路径损耗情况,分析表明两者具有明显的相关性,天线高度和通信距离是路径损耗的主要影响因素。在天线高度为0.5和1.5 m时,可靠传输距离为6个行距(27 m);在天线高度为2.5 m时,可靠传输距离大于14个行距(63 m),因此冠层顶部为布设天线的最佳位置。对路径损耗数据进行回归分析,发现其在每种天线高度,每条传输路径下对数模型最适合作为路径损耗模型,模型的R2最大为0.945,最小为0.732。为研究节点部署于桃园任意位置时的路径损耗情况,便于节点快速灵活地部署,在3种天线高度下对路径损耗数据进行对数回归分析,R2最大为0.976,最小为0.939。最后对2组模型进行了验证,表明模型可以预测射频信号在桃园中的路径损耗情况,该文研究结果为无线传感器网络在桃园中的部署提供了参考。     

橘园无线传感器网络不同节点部署方式下的射频信号传播试验

为解决橘园中无线传感器网络（WSN）规划和快速部署问题,该文基于无线射频信号的传播特性,研究了橘园中WSN射频信号与影响因素间的关系。试验中选取433 MHz载波频率,基于连续无线电波分析了WSN射频信号受植被深度、天线高度和通信距离等因素联合作用下射频信号在橘园的衰减情况,建立了橘园中不同影响因素作用下,433 MHz无线射频信号接收强度与环境传播因子及通信距离间的线性模型,拟合曲线的R2最低为0.797,最高为0.980,验证了此模型用来预测橘园中影响因素对接收信号强度衰减趋势的可行性;得到了基于无线射频信号接收强度指示下不同植被深度、天线高度和通信距离变化联合作用下的最佳天线高度分布表,为无线传感器网络在橘园中的节点部署提供指导。     

基于机械特性BP神经网络的苹果贮藏品质预测

应用L－M优化算法BP神经网络，通过用苹果机械特性指标(压缩时的最大力、屈服力、弹性模量)预测苹果贮藏品质(硬度、水分、可溶性固形物、总酸)的方法，建立贮藏品质的人工神经网络模型。用试验所测的机械特性指标为输入，苹果贮藏品质为输出来确定网络的拓扑结构，训练建立的BP神经网络。仿真结果表明：该神经网络模型用机械特性指标能预测苹果贮藏品质，同时通过5组非样本数据来验证该神经网络，模型的预测值与实测值的相对误差在5%以下，能够满足工程应用中预测苹果贮藏品质的精度要求。     

生猪养殖场无线传感器网络路径损耗模型的建立与验证

研究无线信号在生猪养殖环境中的传播特性,可以对无线传感器网络的路径损耗进行预测,从而为网络的部署奠定基础。研究采用ZigBee无线传感网络技术,通过在生猪养殖场中实际测试了有障碍物情况下,无线信号的丢包率和接收信号的功率强度,进而得出路径损耗值,以及障碍物的衰减因子,并进行了回归分析。研究表明,墙体衰减因子随墙壁数量增加而增大,植株衰减因子随天线架设高度升高而减小。最终模型的路径损耗参数为2.02,路径损耗的基础损耗为63.602,以混凝土墙为障碍物时,其衰减因子大小为2.64。将障碍物的衰减因子综合添加在经验模型中,可以有效的预测路径损耗值。     

基于MATLAB的BP神经网络在农作物虫情测预报中的应用

本文主要利用神经网络理论，基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统，确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性，具有很好的应用价值。     

基于遗传BP神经网络的核桃破裂功预测模型

针对核桃壳破裂所需机械能易受核桃含水率、加载速度和体积级别等多种因素影响,提出一种核桃壳破裂功预测方法。以南疆地区温185核桃为研究对象,选择核桃含水率(4%、6%、8%、10%)、加载速度(100、200、300、400 mm/min)和横径级别(1、2、3、4级)3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立温185核桃破壳破裂功的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达温185核桃破壳破裂功与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.035,测试样本的网络输出值与网络目标值的相关系数达0.92488,模型预测效果较佳。研究结果为温185核桃破壳取仁加工过程的在线监控提供参考依据。     

基于PSO-SVM算法的梯级泵站管道振动响应预测

泵站管道振动响应信号实测比较困难,为实现利用较少机组数据预测管道振动状况,提出基于粒子群(particle swarm optimization,PSO)的支持向量机(support vector machine,SVM)预测方法。利用粒子群全局跟踪搜索算法优化SVM核函数和惩罚因子,弱化SVM参数优化不足导致预测精度低的问题。以景电梯级二期3泵站2号管道为研究对象,基于机组和管道的振动实测数据,首先利用频谱分析和数理统计方法确定管道振动的振源贡献率,并计算机组和管道振动相关系数,确定机组和管道之间的强耦合关系。然后建立泵站管道振动的PSO-SVM预测模型,选取机组不同时段振动实测数据作为输入因子,相应时段管道振动数据作为输出因子进行训练和振动预测,并将管道振动预测结果与BP神经网络预测结果进行对比。与BP网络神经预测结果相比,该方法预测结果与实测值吻合度高,其平均相对误差最大为6.8%,根均方误差最大为0.261,预测精度更高。能够有效实现管道的振动响应预测,从而达到管道实时在线安全运行监测的目的。     

青海三江源地区土壤水分常数转换函数的建立与比较

利用土壤理化性质数据建立转换函数是间接获得土壤水力参数的重要手段之一。基于测定的土壤理化性质和土壤水分常数数据,本文采用回归分析、BP神经网络和基于BP神经网络的Rosetta模型3种方式分别建立了青海三江源地区土壤饱和含水量、毛管持水量和田间持水量的转换函数,并对其预测精度进行了比较。结果表明:(1)回归分析方法总体预测效果比较理想,特别是田间持水量的平均误差(ME)和均方根误差(RMSE)都在3.397%以下,决定系数(R2)高达0.868;(2)BP神经网络方法的预测效果非常理想,各土壤水分常数平均误差和均方根误差都在4.685%以下,并且决定系数均在0.857以上;(3)Rosetta模型的预测效果相对较差,特别是饱和含水量和毛管持水量,平均误差(ME)和均方根误差(RMSE)相对较大,决定系数(R2)相对较小。3种方式中,BP神经网络方法所建立的毛管持水量和饱和含水量转换函数均为最佳,回归方法所建立的田间持水量的转换函数要好于BP神经网络方法和Rosetta模型,Rosetta模型对土壤水分常数的预测效果不如其他两种方式。研究可为青海三江源地区土壤水力特性参数研究以及区域尺度上土壤水分估算提供科学依据。     

小麦田中天线高度对2.4GHz无线信道传播特性的影响

探索农田环境下无线信道传播特性,将为无线传感器网络部署与功率控制方面的研究打下基础。该研究在小麦田地中实地测试了不同生育期 2.4GHz 无线信号的功率衰减情况和丢包率,进而得出传输范围及路径损耗,并用MATLAB对路径损耗进行了回归分析。研究表明,小麦田中,信号衰减的速度随天线高度的变化单调递减,而传输距离随天线高度的变化单调递增,因此,天线的较优位置应略高于成熟植株（1.2 m左右）。同一天线高度下,小麦生长后期无线信号的衰减大于前期。2.4GHz 无线信号的衰减情况可用对数距离路径损耗模型来预测,理论值与测量值的相关系数在0.961～0.996之间。路径损耗指数与天线高度呈现对数衰减趋势;在同一天线高度下,路径损耗指数随着小麦的生长而增大。     

基于L-M优化算法的BP神经网络的作物需水量预测模型

应用L-M优化算法BP神经网络，通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析，来确定网络的拓扑结构，建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100 d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络，仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性，模型的预测精度较高，同时通过一组非样本天气环境参数和作物需水量来验证该神经网络，也得到了较好的预测结果，能够满足灌溉的精度要求。     

农业环境信息无线传感器网络监测技术研究进展

无线传感器网络是实现农业环境变量信息多方位、网络化远程监测的主要技术手段。无线地上传感器网络应用研究集中在作物不同生长期内节点布设距离和高度以及作物高度等对无线电信号传输损失的影响,从而合理选择节点布设参数。无线地下传感器网络应用研究集中在气象环境、土壤类型、土壤含水率、土壤结构与成分、节点埋藏深度、节点距离、频率与功率范围、网络拓扑结构、路由算法、组网方式等对电磁波多路径传输的路径损失、误码率、最大传输距离、含水量测试误差等方面的影响。研究指出,300～500 MHz的频率更适合土壤无线地下传感器网络,其最大传输距离为5 m,传输距离将是系统大面积推广应用的主要限制因素。今后重点应研究433 MHz电磁波在不同土壤和空气多层介质中的传输特性、信道模型及路径损失,优化节点和网络技术参数,确定不同农业应用环境条件下传感器网络节点合理位置和最优的网络拓扑结构方案。     

基于780MHz频段的温室无线传感器网络的设计及试验

针对以往农用无线传感器网络(wireless sensor network,WSN)能耗与成本较高、传输性能不理想等问题,该文选用无线射频芯片AT86RF212、单片机C8051F920等,设计了一种工作在780 MHz中国专用频段且与IEEE802.15.4c标准兼容的无线传感器网络。该文简述了无线传感器网络节点结构,重点介绍了780 MHz无线传感器网络的硬件设计,并选择北方典型的日光温室作为试验研究环境,通过改变无线收发距离,对780、433和2 400 MHz频段的无线传感器网络节点的接收信号强度值(RSSI,received signal strength index)和平均丢包率(PLR,packet loss rate)进行了测试与分析。试验结果表明,3种不同频段的无线收发模块的接收信号强度值RSSI都随着收发距离的增大而减小。在温室内测试,收发距离小于20 m时,3种无线模块的RSSI值相近;收发距离为40~90 m时,7803 MHz模块比433 MHz模块的RSSI值略大,2.4 GHz的RSSI值最小。在温室内收发距离小于90 m的范围内,780 MHz模块和433 MHz模块的丢包率均为0,2.4 GHz模块的最高丢包率不超过5%。在温室间测试,收发距离为50~90 m时,780 MHz模块和433 MHz模块的RSSI值相近;收发距离大于90 m时,780 MHz模块比433 MHz模块的RSSI值大;2.4 GHz模块在温室间收发距离为50~140 m时的RSSI值均小于433、780 MHz。2.4 GHz模块在收发距离大于70 m时出现丢包现象,收发距离大于135 m时丢包率达到100%;温室间收发距离为140 m时,433 MHz模块的最大丢包率为11%,780 MHz的最大丢包率不超过6%。因此,在温室环境监测的应用中,780 MHz频段的无线传感器网络的传输性能表现最佳,且与433 MHz都明显优于2.4 GHz。     

兰花大棚内无线传感器网络433MHz信道传播特性试验

不同的应用环境对无线传感器网络的性能有一定的影响。该文针对兰花大棚环境中无线传感器网络节点部署的要求及其应用环境的特性,以433 MHz为载波频率,研究了无线射频信号的传播特性和无线信号与影响因素之间的关系,影响因素包括发射功率、数据包长度、距离、发射端位置等参数,获得了接收信号强度、丢包率等数据,并进行了统计分析。试验结果表明,该无线传感器网络信号的衰减符合对数模型,其决定系数R2最大为0.9246,最小为0.8753;发射功率为0和-5 dBm时,信号较强、通信成功率较高;发射功率处在0和-20 dBm时接收信号强度波动较大;在数据传输速率为1.2 kbps、和调制扩频为高斯频移键控方式等参数确定的情况下数据包的长度对丢包率的影响很小。在上述试验研究的基础上,建立了发射功率和接收信号强度之间的关系模型,模型参数与发射功率之间、传播环境因子n与发射功率之间成二次多项式关系,相关系数分别达到0.9967和0.8686;验证试验结果表明：该模型可以较好地预测不同发射功率不同通信距离的接收信号强度,为兰花大棚无线传感器网络的组建提供支持。此外,设计了接收信号强度三维曲面图和等高曲线图,可直观反映兰花大棚环境下无线信号的传播特性,为今后无线节点布置与组网提供依据。     

柿园无线传感器网络信号传输损耗研究

为探究柿园无线传感器网络信号传输特性,该文研究了在2.4 GHz无线信道下柿树处于萌芽期、幼叶期和花期3种时期时无线网络信号传输的衰减情况。试验中分别在柿子树萌芽期、幼叶期和花期3个生长时期下选择一列长势均匀的柿树,通过调节子节点和汇聚节点装置的高度和距离测量柿子树从距离地面3个高度冠层底部(0.8 m)、冠层最密部(1.8 m)和冠层顶部(2.8 m)处各8个距离点的链路质量指示值(link quality indicator,LQI),并对试验数据进行分析。结果表明LQI值随着距离的变化呈正弦曲线式衰减趋势。萌芽期时子节点和汇聚节点的高度均位于冠层顶部时,节点间距38 m时是最佳位置;幼叶期时子节点和汇聚节点的高度均位于冠层顶部,节点间距32 m时是最佳位置;花期时子节点和汇聚节点的高度均位于冠层顶部时,节点间距26 m时是最佳位置。通过对3次数据进行曲线拟合分析分别建立了在2.4 GHz信道下信号衰减模型,其中3种生长时期下均是三次多项式模型决定系数R2最大,为最适模型。果园中无线传感器网络信号传输损耗的研究为在果园中无线传感器网络节点部署提供了技术基础。     

农业生态环境监测中无线传感节点信号有效传输距离的确定

农业生态环境的物理形态和结构复杂多样,对WSN（wireless sensor networks）的无线信号传输造成不同衰减影响。为确保无线传感器网络在农业环境中经济、合理、高效部署,有必要明确典型农业环境中无线传感节点间的有效传输距离。该文基于Shadowing信号衰减模型,利用当前通用的CC2530和CC2591无线通信模块,分别选定4种不同农业环境（湖泊、草地、农田、树林）开展单跳组网试验,通过设定不同距离测试传感器节点的接收信号强度指标（received signal strength indication,RSSI）,分析不同环境中RSSI与传输距离间的变化特征。试验结果表明,所有测试环境获得的RSSI值与有效距离遵从Shadowing模型,其拟合度在0.9232～0.9846之间。通过对实测数据建立拟合模型,以接收节点的灵敏度为临界值,计算出湖泊、草地、农田、树林4种环境的理论传输距离分别为663.3,419.3,208.0和79.5 m,而实测有效传输距离与理论值之间的相对误差在22%～34%之间。从误差分布看,复杂环境的实测值更接近理论值,而特殊结构的复杂环境似对实际信号传输有增强作用。该文的研究方法和模型估算获得的信号衰减系数可为实际环境监测组网提供有益参考。     

基于HJ-CCD数据和随机森林算法的小麦叶面积指数反演

为给小麦长势的遥感监测提供技术支持,该文运用随机森林回归(RF,random forest)算法建立小麦叶面积指数(LAI)遥感反演模型。首先基于2010-2013年江苏地区小麦环境减灾卫星HJ-CCD的影像数据,提取拔节、孕穗和开花3个生育期的卫星植被指数,进而根据各生育期植被指数和相应实测LAI数据,利用RF算法构建各期小麦LAI反演模型,并以人工神经网络(ANN,artificial neural network)模型为参比模型进行预测精度的比较。结果表明:RF算法模型在3个生育期的预测结果均好于同期的ANN模型。拔节、孕穗和开花3个生育期RF模型预测值与地面实测值的R2分别为0.79,0.67和0.59,对应的RMSE分别为0.57,0.90和0.78;ANN模型的R2分别为0.67,0.31和0.30,对应的RMSE分别为0.82,1.94和1.43。该研究结果为提高大田尺度下的小麦LAI遥感预测精度提供了技术和方法。     

基于无线传感器网络的农田信息采集节点设计与试验(简报)

研究基于ZigBee协议的无线传感器网络技术,结合嵌入式处理器开发了无线传感器网络节点和汇聚节点。网络节点规则分布在被监测区域,负责采集土壤水分信息,并自组成网,将信息发送给汇聚节点,实现对信息的动态显示和大容量存储;节点天线分别在0.5、1.0、1.5和2.0 m 4个高度下,对小麦苗期、拔节期和抽穗期3个典型的生长时期进行试验,得出无线电信号在小麦不同生长时期,最佳天线高度下的有效传输距离,为无线传感器网络在农业中的应用提供技术支持。     

农田信息采集无线传感器网络节点设计

农田信息的及时准确获取是精准农业实施的基础。该文分析了几种典型无线传感器网络技术应用实例,基于当前无线传感器网络在农田信息采集中的应用现状,提出了设计体积小、工作持续时间长的农田信息采集无线传感器网络节点的必要性。基于ATmega128L单片机和CC1000射频芯片设计了无线传感器网络节点通信电路,并给出了土壤温湿度、电导率传感器、空气温湿度传感器及光照度传感器的选型和指标参数。设计了节点软件系统,描述了一种基于优先级的静态任务调度机制的实现方法,将S-MAC中的SYNC帧和RTS/CTS帧融合并加入了睡眠周期动态调度机制,并实现了全网的长周期睡眠。最后对节点进行了验证试验,给出了节点吞吐能力曲线和系统电压变化曲线,并进行了分析。试验表明,在论文给出的低功耗机制控制下,节点每秒具有6个数据包处理能力;在20个节点容量的全覆盖网络中,10 min采样周期下,节点可有效持续工作150 d以上,可以满足精准农业信息采集需求。