一种安全监测传感器的无盲区布设方法与流程

1.本发明属于传感器布设技术领域，更具体地说，是涉及一种安全监测传感器的无盲区布设方法。


背景技术：

2.在现代施工过程中，要用各种传感器来监视各个安全参数(如有毒气体的浓度，可燃气体的浓度等)，用来保证施工人员的安全。
3.目前,对安全监测传感器的布设位置一般依赖于经验,缺乏理论基础。如果传感器布设的太稀疏，则无法实现传感器网络的全覆盖，从而容易引发各种安全事故；相反，如果传感器分布的过于密集，则会使传感器覆盖范围中传感区域重叠过多，导致成本的上升和资源的浪费。因此，在传感器布局中，不仅需要满足传感器的多种性能约束，如系统能量损耗、覆盖精度、信号的完备性等，还需要考虑传感器的布设成本。


技术实现要素：

4.为解决上述问题，本发明的目的在于提供一种安全监测传感器的无盲区布设方法，以解决安全监测传感器的布设成本高的问题。
5.为实现上述目的，本发明采用的技术方案是：
6.一种安全监测传感器的无盲区布设方法，包括：
7.步骤1：将多个近邻传感器放置在预设的安全监测点；
8.步骤2：根据各个近邻传感器之间的距离构建测量空间模型；
9.步骤3：根据测量空间模型构建自适应去噪函数；
10.步骤4：利用所述自适应去噪函数去除各个近邻传感器测量值中的异常值，生成数据清洗后的测量值；
11.步骤5：根据所述数据清洗后的测量值得到各个近邻传感器的信任度；
12.步骤6：根据所述各个近邻传感器的信任度得到各个传感器之间的信任矩阵；
13.步骤7：根据所述各个传感器之间的信任矩阵得到融合矩阵；
14.步骤8：利用所述融合矩阵对各个近邻传感器采集的测量值进行融合得到融合后的测量值；
15.步骤9：根据融合后的测量值在所述预设的安全监测点布设位置最优的传感器。
16.优选的，所述步骤2：根据各个近邻传感器之间的距离构建测量空间模型，包括：
17.采用公式：
[0018][0019]
构建测量空间模型；其中，σ表示预设时间段内在m点的传感器与在n点的传感器之间测量值差的平均值，dis(m,n)表示在m点的传感器与在n点的传感器之间的距离，r表示可调参数。
[0020]
优选的，所述步骤3：根据测量空间模型构建自适应去噪函数，包括：
[0021]
步骤3.1：根据测量值的加权平均值构建去噪阈值；其中，所述去噪阈值为：
[0022][0023]
其中，yi表示传感器采集的第i个测量值，wi表示yi的权重值；
[0024]
步骤3.2：根据所述自适应去噪阈值和所述测量空间模型构建自适应去噪函数。
[0025]
优选的，所述自适应去噪函数为：
[0026][0027]
其中，x(m,t)表示t时刻在m点传感器的测量值，x(n,t)表示t时刻在n点传感器的测量值，ρ表示均衡阈值，|nm|表示近邻传感器的个数，
[0028]
优选的，所述步骤6：根据所述各个近邻传感器的信任度得到各个传感器之间的信任矩阵，包括：
[0029]
采用公式：
[0030][0031]
构建信任矩阵；其中，d
m,n
(m,n＝1,2,
…
k)表示在m点的传感器和在n点的传感器之间的信任度，d
m,n
＝|q
m-qn|，qm表示在m点的传感器采集到的数据的方差，qn表示在n点的传感器采集到的数据的方差。
[0032]
优选的，所述步骤7：根据所述各个传感器之间的信任矩阵得到融合矩阵，包括：
[0033]
步骤7.1：获取界限值；
[0034]
步骤7.2：根据所述界限值和所述信任矩阵构建融合矩阵；其中，所述融合矩阵为：
[0035][0036][0037]
其中，α
ij
表示界限值。
[0038]
优选的，所述步骤8：利用所述融合矩阵对各个近邻传感器采集的测量值进行融合得到融合后的测量值，包括：
[0039]
步骤8.1：取融合矩阵中1的值最多的一列或者一行作为优选集；
[0040]
步骤8.2：将所述优选集中1的值所对应的传感器的测量值，作为融合集；
[0041]
步骤8.3：根据所述融合集得到得到融合后的测量值；其中，融合后的测量值的计算公式为：
[0042][0043]
其中，ti为融合集中第i个测量值，l为融合集中元素的个数。
[0044]
优选的，所述步骤9：根据融合后的测量值在所述预设的安全监测点布设位置最优的传感器，包括：
[0045]
步骤9.1：在所述预设的安全监测点周围随机布设新的传感器；
[0046]
步骤9.2：判断所述新的传感器的测量值与融合后的测量值差的绝对值是否大于预设阈值；
[0047]
步骤9.3：若大于预设阈值，则返回步骤9.1；
[0048]
步骤9.4：若小于预设阈值，则将新的传感器的当前位置作为传感器的最优布设位置。
[0049]
优选的，所述界限值的取值范围为[0.5-0.75]。
[0050]
本发明提供的一种安全监测传感器的无盲区布设方法的有益效果在于：与现有技术相比，本发明的布设方法包括：利用所述自适应去噪函数去除各个近邻传感器测量值中的异常值，生成数据清洗后的测量值；根据所述数据清洗后的测量值得到各个近邻传感器的信任度；根据所述各个近邻传感器的信任度得到各个传感器之间的融合矩阵；利用所述融合矩阵对各个近邻传感器采集的测量值进行融合得到融合后的测量值；根据融合后的测量值在所述预设的安全监测点布设位置最优的传感器。本发明通过借助多个传感器融合后的测量值，来找到安全监测点的最优监测位置，同时使用一个新的传感器来代替多个传感器采集安全监测点的环境参数，可以保证传感器网络全覆盖的情况下，解决因传感器布设过多，导致成本上升和资源浪费的问题。
附图说明
[0051]
为了更清楚地说明本发明实施例中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
[0052]
图1为本发明实施例提供的一种安全监测传感器的无盲区布设方法流程图。
具体实施方式
[0053]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特
定的方位构造和操作，因此不能理解为对本发明的限制。
[0054]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0055]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0056]
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0057]
本发明的目的在于提供一种安全监测传感器的无盲区布设方法，可以降低安全监测传感器的布设成本。
[0058]
请参阅图1，为实现上述目的，本发明采用的技术方案是：一种安全监测传感器的无盲区布设方法，包括：
[0059]
步骤1：将多个近邻传感器放置在预设的安全监测点；
[0060]
需要说明的是，本发明中各个近邻传感器的型号可以相同也可以不同。
[0061]
步骤2：根据各个近邻传感器之间的距离构建测量空间模型；
[0062]
进一步的，所述步骤2包括：
[0063]
采用公式：
[0064][0065]
构建测量空间模型；其中，σ表示预设时间段内在m点的传感器与在n点的传感器之间测量值差的平均值，dis(m,n)表示在m点的传感器与在n点的传感器之间的距离，r表示可调参数。
[0066]
本发明中，在m点和n点的传感器为近邻传感器。两传感器的位置越接近，那么两传感器的相关性也越大。因此，本发明根据两传感器间的欧氏距离来度量其相关性。在实际应用中，由于传感器会因为自身参数或者环境因素的影响，会使传感器在某一时刻采集的测量值与实际值出现较大的偏差，因此本发明引入了可调参数r，来修正传感器因自身参数或者环境因素的影响导致传感器相关性有偏差的问题。
[0067]
步骤3：根据测量空间模型构建自适应去噪函数；
[0068]
进一步的，所述步骤3包括：
[0069]
步骤3.1：根据测量值的加权平均值构建去噪阈值；其中，所述去噪阈值为：
[0070][0071]
其中，yi表示传感器采集的第i个测量值，wi表示yi的权重值；需要说明的是，在本发明中，可参考各个传感器的型号来设定wi的值，如果各个传感器的型号均相同可将wi设为
1.
[0072]
步骤3.2：根据所述自适应去噪阈值和所述测量空间模型构建自适应去噪函数。其中，所述自适应去噪函数为：
[0073][0074]
其中，x(m,t)表示t时刻在m点传感器的测量值，x(n,t)表示t时刻在n点传感器的测量值，ρ表示均衡阈值，|nm|表示近邻传感器的个数，
[0075]
步骤4：利用所述自适应去噪函数去除各个近邻传感器测量值中的异常值，生成数据清洗后的测量值；
[0076]
本发明提供自适应去噪函数来去除异常值可以消除传感器因为自身参数或者环境因素的影响，使传感器在某一时刻采集的测量值与实际值出现较大偏差的问题，使传感器的测量值更加真实。
[0077]
步骤5：根据所述数据清洗后的测量值得到各个近邻传感器的信任度；
[0078]
当多个的传感器测量同一环境参数时，假设在同一时间内第m个传感器和第n个传感器所采集到的数据为ti、tj，且ti、tj数据相关联。为反映ti、tj之间的偏差大小，本发明使用传感器采集到数据的方差来得到各个近邻传感器的信任度。
[0079]
步骤6：根据所述各个近邻传感器的信任度得到各个传感器之间的信任矩阵；具体的，采用公式：
[0080][0081]
构建信任矩阵；其中，d
m,n
(m,n＝1,2,
…
k)表示在m点的传感器和在n点的传感器之间的信任度，d
m,n
＝|q
m-qn|，qm表示在m点的传感器采集到的数据的方差，qn表示在n点的传感器采集到的数据的方差。
[0082]
步骤7：根据所述各个传感器之间的信任矩阵得到融合矩阵；
[0083]
进一步的，步骤7包括：
[0084]
步骤7.1：获取界限值；其中，界限值的取值范围为[0.5-0.75]。
[0085]
步骤7.2：根据所述界限值和所述信任矩阵构建融合矩阵；其中，所述融合矩阵为：
[0086]
[0087][0088]
其中，α
ij
表示界限值。
[0089]
步骤8：利用所述融合矩阵对各个近邻传感器采集的测量值进行融合得到融合后的测量值；
[0090]
在本发明中，所述步骤8具体包括：
[0091]
步骤8.1：取融合矩阵中1的值最多的一列或者一行作为优选集；
[0092]
步骤8.2：将所述优选集中1的值所对应的传感器的测量值，作为融合集；
[0093]
步骤8.3：根据所述融合集得到得到融合后的测量值；其中，融合后的测量值的计算公式为：
[0094][0095]
其中，ti为融合集中第i个测量值，l为融合集中元素的个数。
[0096]
本发明基于各个近邻传感器之间的信任度来挑选待融合的测量值，可以大大增加数据的可信度。
[0097]
步骤9：根据融合后的测量值在所述预设的安全监测点布设位置最优的传感器。
[0098]
进一步的，所述步骤9包括：
[0099]
步骤9.1：在所述预设的安全监测点周围随机布设新的传感器；
[0100]
步骤9.2：判断所述新的传感器的测量值与融合后的测量值差的绝对值是否大于预设阈值；
[0101]
步骤9.3：若大于预设阈值，则返回步骤8.1；
[0102]
步骤9.4：若小于预设阈值，则将新的传感器的当前位置作为传感器的最优布设位置。
[0103]
本发明公开了一种安全监测传感器的无盲区布设方法，包括：利用自适应去噪函数去除各个近邻传感器测量值中的异常值，生成数据清洗后的测量值；根据数据清洗后的测量值得到各个近邻传感器的信任度；根据各个近邻传感器的信任度得到各个传感器之间的融合矩阵；利用融合矩阵对各个近邻传感器采集的测量值进行融合得到融合后的测量值；根据融合后的测量值在预设的安全监测点布设位置最优的传感器。本发明通过借助多个传感器融合后的测量值，来找到安全监测点的最优监测位置，同时使用一个新的传感器来代替多个传感器采集安全监测点的环境参数，可以保证传感器网络全覆盖的情况下，解决因传感器布设过多，导致成本上升和资源浪费的问题。
[0104]
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。