一种基于云计算的CO浓度监测系统的制作方法

本发明涉及CO浓度监测技术领域，具体涉及一种基于云计算的CO浓度监测系统。

背景技术：

CO气体为无色、无臭、无刺激性的气体，一旦通过呼吸道进入人体，极易与血液中的血红蛋白结合，产生碳氧血红蛋白，严重阻碍血红蛋白与氧气的结合，造成缺氧甚至死亡。家用煤气或煤炉中均有CO的存在，若煤气或煤炉使用不当，CO浓度升高，可能会导致严重的后果。

相关技术中的CO报警器能够实现对CO浓度的监测及报警，但声光报警的方式限制了警报的有效性。

技术实现要素：

为解决上述问题，本发明旨在提供一种基于云计算的CO浓度监测系统。

本发明的目的采用以下技术方案来实现：

一种基于云计算的CO浓度监测系统，包括无线传感采集模块、数据分析模块、云计算服务器和用户终端；所述的无线传感采集模块通过CO传感器检测所安装位置的CO气体浓度，并将检测的数据传送到数据分析模块，所述的数据分析模块包括用于判断CO气体浓度是否超限的微处理器单元、用于在超限时发出声音和光线警报的声光报警单元、用于在超限时向用户发送报警信息的无线数据传输单元，所述用户终端支持3G、4G或者WIFI网络，所述的数据分析模块与云计算服务器通过互联网连接，所述的用户终端与云计算服务器通过无线网络连接并显示CO浓度超限报警信息。

本发明的有益效果为：将云计算技术应用到CO浓度监测系统中，用户可以通过手机或平板电脑等用户终端接收到相关报警信息，摆脱了报警距离的限制，提高了CO浓度监测系统的有效性，系统结构简单可靠，成本较低，具有较好的扩展性，从而解决了上述的技术问题。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构连接示意图；

图2是本发明无线传感采集模块的结构示意图。

附图标记：

数据分析模块1、云计算服务器2、用户终端3、无线传感采集模块4、传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45、数据传送单元46。

具体实施方式

结合以下实施例对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景的一个实施例的一种基于云计算的CO浓度监测系统，包括无线传感采集模块4、数据分析模块1、云计算服务器2和用户终端3；所述的无线传感采集模块4通过CO传感器检测所安装位置的CO气体浓度，并将检测的数据传送到数据分析模块1，所述的数据分析模块1包括用于判断CO气体浓度是否超限的微处理器单元、用于在超限时发出声音和光线警报的声光报警单元、用于在超限时向用户发送报警信息的无线数据传输单元，所述用户终端支持3G、4G或者WIFI网络，所述的数据分析模块1与云计算服务器2通过互联网连接，所述的用户终端3与云计算服务器2通过无线网络连接并显示CO浓度超限报警信息。

优选的，所述无线传感采集模块4采用Arduino MQ-9气体传感器作为CO传感器。

本发明上述实施例将云计算技术应用到CO浓度监测系统中，用户可以通过手机或平板电脑等用户终端接收到相关报警信息，摆脱了报警距离的限制，提高了CO浓度监测系统的有效性，系统结构简单可靠，成本较低，具有较好的扩展性，从而解决了上述的技术问题。

优选的，所述的云计算服务器2与用户终端3的无线数据传输方式为无线网络数据传输。

本优选实施例用户终端3通过无线网络连接的方式与与云计算服务器2连接，可以实时获得监测的情况。

优选的，所述无线传感采集模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线传感采集模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁)，x(t₂），...，x（t_n)}，其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4，0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝{x(t₁)，x(t₂)，...，x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α)，x(t_α+1)，...，x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0，t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i，t需满足以下公平性度量条件：

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0，0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.4，监测速度相对提高了10％，监测精度相对提高了12％。

应用场景2

参见图1、图2，本应用场景的一个实施例的一种基于云计算的CO浓度监测系统，包括无线传感采集模块4、数据分析模块1、云计算服务器2和用户终端3；所述的无线传感采集模块4通过CO传感器检测所安装位置的CO气体浓度，并将检测的数据传送到数据分析模块1，所述的数据分析模块1包括用于判断CO气体浓度是否超限的微处理器单元、用于在超限时发出声音和光线警报的声光报警单元、用于在超限时向用户发送报警信息的无线数据传输单元，所述用户终端支持3G、4G或者WIFI网络，所述的数据分析模块1与云计算服务器2通过互联网连接，所述的用户终端3与云计算服务器2通过无线网络连接并显示CO浓度超限报警信息。

优选的，所述无线传感采集模块4采用Arduino MQ-9气体传感器作为CO传感器。

本发明上述实施例将云计算技术应用到CO浓度监测系统中，用户可以通过手机或平板电脑等用户终端接收到相关报警信息，摆脱了报警距离的限制，提高了CO浓度监测系统的有效性，系统结构简单可靠，成本较低，具有较好的扩展性，从而解决了上述的技术问题。

优选的，所述的云计算服务器2与用户终端3的无线数据传输方式为无线网络数据传输。

本优选实施例用户终端3通过无线网络连接的方式与与云计算服务器2连接，可以实时获得监测的情况。

优选的，所述无线传感采集模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线传感采集模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁)，x(t₂)，...，x(t_n)}，其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4，0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝{x(t₁)，x(t₂)，...，x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α)，x(t_α+1)，...，x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0，t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i，t需满足以下公平性度量条件：

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0，0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.5，监测速度相对提高了11％，监测精度相对提高了11％。

应用场景3

参见图1、图2，本应用场景的一个实施例的一种基于云计算的CO浓度监测系统，包括无线传感采集模块4、数据分析模块1、云计算服务器2和用户终端3；所述的无线传感采集模块4通过CO传感器检测所安装位置的CO气体浓度，并将检测的数据传送到数据分析模块1，所述的数据分析模块1包括用于判断CO气体浓度是否超限的微处理器单元、用于在超限时发出声音和光线警报的声光报警单元、用于在超限时向用户发送报警信息的无线数据传输单元，所述用户终端支持3G、4G或者WIFI网络，所述的数据分析模块1与云计算服务器2通过互联网连接，所述的用户终端3与云计算服务器2通过无线网络连接并显示CO浓度超限报警信息。

优选的，所述无线传感采集模块4采用Arduino MQ-9气体传感器作为CO传感器。

本发明上述实施例将云计算技术应用到CO浓度监测系统中，用户可以通过手机或平板电脑等用户终端接收到相关报警信息，摆脱了报警距离的限制，提高了CO浓度监测系统的有效性，系统结构简单可靠，成本较低，具有较好的扩展性，从而解决了上述的技术问题。

优选的，所述的云计算服务器2与用户终端3的无线数据传输方式为无线网络数据传输。

本优选实施例用户终端3通过无线网络连接的方式与与云计算服务器2连接，可以实时获得监测的情况。

优选的，所述无线传感采集模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线传感采集模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁)，x(t₂)，...，x(t_n)}，其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i（1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4，0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝{x(t₁)，x(t₂)，...，x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α)，x(t_α+1)，...，x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0，t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i，t需满足以下公平性度量条件：

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0，0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.4，监测速度相对提高了10％，监测精度相对提高了12％。

应用场景4

参见图1、图2，本应用场景的一个实施例的一种基于云计算的CO浓度监测系统，包括无线传感采集模块4、数据分析模块1、云计算服务器2和用户终端3；所述的无线传感采集模块4通过CO传感器检测所安装位置的CO气体浓度，并将检测的数据传送到数据分析模块1，所述的数据分析模块1包括用于判断CO气体浓度是否超限的微处理器单元、用于在超限时发出声音和光线警报的声光报警单元、用于在超限时向用户发送报警信息的无线数据传输单元，所述用户终端支持3G、4G或者WIFI网络，所述的数据分析模块1与云计算服务器2通过互联网连接，所述的用户终端3与云计算服务器2通过无线网络连接并显示CO浓度超限报警信息。

优选的，所述无线传感采集模块4采用Arduino MQ-9气体传感器作为CO传感器。

本发明上述实施例将云计算技术应用到CO浓度监测系统中，用户可以通过手机或平板电脑等用户终端接收到相关报警信息，摆脱了报警距离的限制，提高了CO浓度监测系统的有效性，系统结构简单可靠，成本较低，具有较好的扩展性，从而解决了上述的技术问题。

优选的，所述的云计算服务器2与用户终端3的无线数据传输方式为无线网络数据传输。

本优选实施例用户终端3通过无线网络连接的方式与与云计算服务器2连接，可以实时获得监测的情况。

优选的，所述无线传感采集模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线传感采集模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁)，x(t₂)，...，x(t_n)}，其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4，0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝{x(t₁)，x(t₂)，...，x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α)，x(t_α+1)，...，x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0，t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i，t需满足以下公平性度量条件：

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0，0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.4，监测速度相对提高了10％，监测精度相对提高了12％。

应用场景5

参见图1、图2，本应用场景的一个实施例的一种基于云计算的CO浓度监测系统，包括无线传感采集模块4、数据分析模块1、云计算服务器2和用户终端3；所述的无线传感采集模块4通过CO传感器检测所安装位置的CO气体浓度，并将检测的数据传送到数据分析模块1，所述的数据分析模块1包括用于判断CO气体浓度是否超限的微处理器单元、用于在超限时发出声音和光线警报的声光报警单元、用于在超限时向用户发送报警信息的无线数据传输单元，所述用户终端支持3G、4G或者WIFI网络，所述的数据分析模块1与云计算服务器2通过互联网连接，所述的用户终端3与云计算服务器2通过无线网络连接并显示CO浓度超限报警信息。

优选的，所述无线传感采集模块4采用Arduino MQ-9气体传感器作为CO传感器。

本发明上述实施例将云计算技术应用到CO浓度监测系统中，用户可以通过手机或平板电脑等用户终端接收到相关报警信息，摆脱了报警距离的限制，提高了CO浓度监测系统的有效性，系统结构简单可靠，成本较低，具有较好的扩展性，从而解决了上述的技术问题。

优选的，所述的云计算服务器2与用户终端3的无线数据传输方式为无线网络数据传输。

本优选实施例用户终端3通过无线网络连接的方式与与云计算服务器2连接，可以实时获得监测的情况。

优选的，所述无线传感采集模块4包括传感器定位单元41、传感器网络优化单元42、数据监测单元43、数据处理单元44、数据接收单元45和数据传送单元46。

本优选实施例构建了无线传感采集模块4的框架。

优选的，所述传感器定位单元41用于对未知的传感器网络节点进行定位，定位方法如下：

(1)在少数传感器节点上集成GPS定位芯片，这些传感器节点通过接收GPS信号获取自身位置而成为已知位置节点，作为其他未知位置节点的定位基础；

(2)求取四个已知位置节点相互间的距离和跳数，计算平均每跳的距离；

(3)对于未知位置节点X，使用其到四个已知位置节点的跳数与(2)中平均每跳的距离相乘得到未知位置节点到四个已知位置节点的距离；

(4)通过任意组合的方式选取其中三个已知位置节点，对于每一组合，根据三边测量法获取其位置，则产生四个计算结果，求取平均位置作为未知位置节点最终位置。

本优选实施例设置传感器定位单元41，便于获取监测数据的位置来源，采用GPS定位芯片和三边定位结合的方法，既节约了成本，又能取得良好的定位效果。

优选的，所述传感器网络优化单元42采用遗传-蚁群优化算法对传感器网络路由算法进行优化，具体方法如下：

(1)随机生成无线传感器网络拓扑结构；

(2)设定遗传算法的参数，采用遗传算法精简传感器网络，形成新的网络拓扑结构；

(3)根据遗传算法结果初始化蚁群算法信息素；

(4)设定蚁群算法参数，采用蚁群算法对最优路径进行搜索和更新。

本优选实施例对传感器网络进行优化，在保证整个无线传感器网络性能下降有限的情况下，提升了网络节能效果，延长了网络的寿命。

优选的，所述数据监测单元43用于通过由各传感器构建的传感器节点相互协作进行某区域的监测，并输出各传感器节点监测的感知数据；

所述数据处理单元44用于对各传感器节点监测的感知数据进行压缩处理，包括：

设所述感知数据的一个单位时间段的数据序列为X＝{x(t₁)，x(t₂)，...，x(t_n)}，其中t_i(1≤i≤n)表示时间戳，x(t_i)表示在t_i(1≤i≤n)时刻某个节点产生的监测值，设定误差界限为ε，误差界限为ε的取值范围为[0.4，0.8]，从第一个数据点[t₁，x(t₁)]开始，对数据序列X＝{x(t₁)，x(t₂)，...，x(t_n)}中的数据点按序进行第一次扫描，当达到设定的扫描停止条件时，停止第一次的扫描，将第一次扫描的数据子序列用一条线段来近似，从第一次扫描的数据子序列后的第一个数据点开始进行类似的第二次的扫描，直至扫描完整个单位时间段的数据序列；将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出；

其中，所述设定的扫描停止条件为：当扫描到一个数据点[t_k，x(t_k)]，在这个数据点[t_k，x(t_k)]之前的所有数据点能被一条线段来近似描述，且满足误差精度要求，而加上数据点[t_k，x(t_k)]之后，不存在一条线段能近似描述当前所有未被近似描述的数据点时，停止扫描；

所述误差精度要求为：

其中，设所述数据点[t_k，x(t_k)]之前的子序列为X＝{x(t_α)，x(t_α+1)，...，x(t_k-1)}，式中x(t_j)为在t_j(α≤j≤k-1)时刻的真实值。

本优选实施例设置数据处理单元44，通过设定的扫描停止条件进行数据扫描，能够在线性时间内，使用最少数目的线段数来近似描述感知数据的一个单位时间段的数据序列且保证误差精度要求，然后将第一条线段的起始时间、之后每条线段的结束时间和每条线段的斜率与截距作为单位时间段的数据序列对应的压缩数据并输出，从而减少了需要传送的数据量，降低了数据传送的能量消耗，从而相对减少了无线传感器网络节点的通信开销；提出误差精度要求的公式，保证了数据压缩的精度，且提高了数据扫描的速度。

优选的，所述数据接收单元45由无线传感器网络汇聚节点进行构建，所述无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，并将接收的传感器节点对应的压缩后的感知数据传送到高性能计算机进行处理和分析，实现无线数据的采集；

其中，所述保证加权公平性的数据传输协议为：

所述无线传感器网络汇聚节点在某单位时间段[0，t]接收来自传感器节点i的对应的压缩后的感知数据的数量S_i，t需满足以下公平性度量条件：

式中，w_i为设定的传感器节点i的表征其数据重要程度的权值，N为传感器节点的总数，γ为常数，其取值范围为(0，0.2)。

本优选实施例无线传感器网络汇聚节点基于保证加权公平性的数据传输协议接收各传感器节点对应的压缩后的感知数据，使无线传感器网络汇聚节点能够从重要的传感器节点接收较多的感知数据，保证了数据传输的效率的同时，提高了数据传输的公平性。

优选的，所述数据传送单元46通过网络将数据传送给用户，包括近距离传送子单元、远距离通信子单元和切换子单元，所述近距离通信子单元采用zigbee协议通信，所述远距离通信子单元采用无线网络通信，正常情况下，用户通过近距离通信子模块从计算机控制端获取监测信息，当用户外出时，切换子单元启动远距离通信子单元，向用户手机控制端远距离传送监测信息。

本优选实施例设置数据传送单元46，能够根据用户距离选择通信方式，实现了实时监测。

在此应用场景中，误差界限为ε取0.8，监测速度相对提高了14％，监测精度相对提高了8％。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。