掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
中國計算機學會學術著作叢書物聯網智慧安監技術 版權信息
- ISBN：9787302530343
- 條形碼：9787302530343 ; 978-7-302-53034-3
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
中國計算機學會學術著作叢書物聯網智慧安監技術 本書特色
本書系統地講述了物聯網智慧安監領域的基本理論、方法及其在危化品泄漏監管方面的應用。全書共分7章，第1、2章概述了危化品物聯網智慧監測定位的分類，綜述了物聯網危化氣體監測定位算法的研究現狀，給出了定位算法性能評價指標；第3章分析了危化品物聯網智慧監測定位所涉及的關鍵問題和實現方法，設計了監測定位系統；第4～7章探討了基于序貫分布式卡爾曼濾波、序貫*小均方差估計、能量均衡并行粒子濾波和高斯混合模型非線性濾波的危化氣體監測定位算法，推導了算法迭代公式，進行了計算機仿真。 本書注重結構的完整性和內容的連續性，強調理論推導的連續性和語言描述的精煉性，力求從簡到繁、由淺入深、循序漸進。 本書可供從事信息與自動化控制技術的廣大科技人員參考，也可作為信息與自動化工程學科研究生的教材。
中國計算機學會學術著作叢書物聯網智慧安監技術 內容簡介
本書系統地講述了物聯網智慧安監領域的基本理論、方法及其在危化品泄漏監管方面的應用。全書共分7章，、2章概述了危化品物聯網智慧監測定位的分類，綜述了物聯網危化氣體監測定位算法的研究現狀，給出了定位算法性能評價指標；第3章分析了危化品物聯網智慧監測定位所涉及的關鍵問題和實現方法，設計了監測定位系統；第4～7章探討了基于序貫分布式卡爾曼濾波、序貫很小均方差估計、能量均衡并行粒子濾波和高斯混合模型非線性濾波的危化氣體監測定位算法，推導了算法迭代公式，進行了計算機仿真。 本書注重結構的完整性和內容的連續性，強調理論推導的連續性和語言描述的精煉性，力求從簡到繁、由淺入深、循序漸進。 本書可供從事信息與自動化控制技術的廣大科技人員參考，也可作為信息與自動化工程學科研究生的教材。
中國計算機學會學術著作叢書物聯網智慧安監技術 目錄
第1章 緒論
1．1 何為物聯網智慧安監技術
1．2 危化品泄漏監管現狀
1．3 危化氣體物聯網智慧監測定位
1．4 基于物聯網的危化氣體監測定位算法
1．4．1 基于經典概率估計的定位算法
1．4．2 基于貝葉斯推理的定位算法
1．4．3 基于非線性濾波估計的定位算法
1．4．4 基于智能優化算法的定位算法
1．5 課題研究背景及結構安排
1．5．1 本書研究背景
1．5．2 本書的結構安排
第2章 危化氣體物聯網監測定位關鍵問題
2．1 引言
2．2 危化氣體擴散理論及模型
2．2．1 氣體擴散影響因素
2．2．2 高斯氣體擴散模型
2．2．3 基于湍流擴散理論的氣體擴散模型
2．3 基于物聯網的智能協作信息處理框架
2．3．1 經典分布式估計算法
2．3．2 物聯網監測結點調度與規劃策略及自組織通信
2．4 危化氣體泄漏安全監測與定位性能評價
2．4．1 定位誤差和收斂速度
2．4．2 運算復雜度
2．4．3 系統容錯性和自適應性
2．4．4 結點功耗和生命周期
2．5 本章小結
第3章 危化氣體物聯網智慧監測定位系統
3．1 引言
3．2 危化氣體智慧監測定位系統總體設計
3．2．1 系統設計需求分析
3．2．2 總體設計方案
3．3 危化氣體環境感知監測系統設計
3．3．1 氣體傳感器分類及選型
3．3．2 危化氣體環境感知監測系統硬件電路設計
3．3．3 電源選型及硬件電路設計
3．3．4 危化氣體環境感知系統軟件設計
3．4 無線通信網關模塊設計
3．4．1 網關總體結構及運行流程
3．4．2 網關硬件設計
3．4．3 網關軟件設計
3．5 智慧監測定位終端系統設計
3．6 本章小結
第4章 基于序貫分布式卡爾曼濾波算法的危化氣體監測定位
4．1 引言
4．2 危化氣體擴散的模型描述
4．2．1 氣體的擴散和測量模型
4．2．2 氣體擴散過程的狀態空間模型描述
4．3 基于序貫分布式卡爾曼濾波算法的定位
4．3．1 卡爾曼濾波理論
4．3．2 基于序貫擴展卡爾曼濾波算法的定位
4．3．3 基于序貫無跡卡爾曼濾波算法的定位
4．4 基于序貫卡爾曼濾波算法的危化氣體監測的定位
4．4．1 基于序貫卡爾曼濾波算法的危化氣體監測定位過程
4．4．2 基于序貫卡爾曼濾波算法實現危化氣體監測定位
4．5 算法性能分析及仿真結果
4．5．1 仿真參數設定和性能指標
4．5．2 仿真結果分析
4．6 本章小結
……
第5章 基于序貫*小均方差估計算法的危化氣體監測定位
第6章 能量均衡并行粒子濾波危化氣體監測定位
第7章 高斯混合模型非線性濾波危化氣體監測定位
參考文獻
展開全部
中國計算機學會學術著作叢書物聯網智慧安監技術 節選
第5章基于序貫*小均方差估計算法 的危化氣體監測定位本章闡述了如何基于序貫*小均方差估計算法實現危化氣體泄漏監測定位。主要推導了危化氣體泄漏參數的*小均方差估計量及其均方誤差表達式；構建了包含監測結點間信息增益和通信鏈路能耗兩方面參數的信息融合目標函數，并對其求極值，完成網絡路由結點選擇；所選監測結點在其測量值和前一個結點估計結果基礎上與鄰近結點信息交互，實現了危化氣體泄漏位置參數的估計量及均方誤差的更新與傳遞。為降低通信鏈路能耗，鄰近結點集的選擇半徑隨估計量的均方誤差做動態調整。該算法運算復雜度低。仿真分析表明，該算法在保持較低能耗的前提下可以較高的估計精度實現危化氣體泄漏監測定位。 5.1引言 基于傳感器網絡的危化氣體泄漏監測定位本質上是氣體泄漏源位置參數識別問題，通常采用概率估計算法實現。此問題也可看作環境中危化氣體泄漏擴散建模的逆問題，即已知氣體的物理擴散模型和氣體濃度信息，對氣體泄漏位置參數進行反向推導［40］。物聯網中監測結點能量、感知范圍、信號處理能力和通信帶寬等資源有限，傳統集中式信息處理方法存在穩定性和魯棒性差的問題，因此，近年來非集中式信息處理的研究漸成熱點［2526,108109］。 Zhao等［25］所提算法采用一個主導結點順序激活并訪問網絡中的傳感器結點，根據訪問所得信息完成目標參數估計量及其性能指標的更新。被激活結點的選擇由主導結點根據前一個周期的估計結果決定；當估計性能指標達到或小于設定閾值時算法停止，主導結點給出融合結果。此算法在序貫執行過程中激活結點的選擇對估計性能具有重要影響。Chu等［26］進一步提出了基于信息熵和網絡幾何理論的信息融合函數用于主導結點的路由選擇。 文獻［45，59］分別對基于貝葉斯理論的分布式序貫估計方法和基于信息驅動機制的分布式極大似然估計方法在氣體泄漏源定位領域的應用進行了研究。文獻［45］首先根據泄漏氣體的物理擴散模型推導出估計量的概率分布函數，然后根據結點測量值求解其后驗概率密度，并與設定閾值比較。當達不到設定閾值時，當前運算結點向下一個結點傳遞估計結果，并由下一個結點進一步完成運算，否則停止迭代運算。文獻［113］則采用分布式MLE方法并運用費希爾（Fisher）信息矩陣作為算法的估計性能指標，在結點之間完成更新和傳遞。兩者給出的序貫估計算法在每個處理周期只使用當前結點的測量值和前一個結點的估計值完成氣體泄漏源的位置估計。 本章給出一種新的能量有效的分布式序貫預估氣體泄漏源位置的算法實現危化氣體泄漏監測定位。主要貢獻如下： （1） 基于傳感器網絡的測量模型，推導了泄漏氣體參數分布式*小均方差（DMMSE）估計量及其均方誤差的表達式。 （2） 提出了包含結點之間信息增益與網絡通信鏈路能耗兩方面參數的信息融合目標函數，此目標函數平衡了估計精度與能耗之間的矛盾。 （3） 通過對當前結點及其鄰近結點之間的目標函數求極值實現路由結點選擇；鄰近結點集的大小根據估計量的均方誤差實時調整，以實現更好的估計精度。仿真結果表明，所提算法在保持較低能耗的前提下可以較高的估計精度實現危化氣體泄漏監測定位。 5.2*小均方差氣體擴散狀態與觀測方程 本章仍采用文獻［90］中給出的時均氣體擴散模型。此模型可描述在時均風速恒定且均勻（Homogeneous）的湍動氣流作用下的氣體分布狀況。假設氣體泄漏源位于地平面上xs=(xs,ys)處，則氣體擴散模型表達式如下： Ck(xs)=q2πK·1‖xk－xs‖·exp－U2K(‖xk－xs‖－Δx)，k=1,2,…，n（51） 其中，Ck(xs)為區域中坐標為xk=(xk,yk)的傳感器結點sk處的濃度值；n為網絡中傳感器結點的總數；q為氣體釋放率；K是湍流擴散系數；U為風速值；φ是x軸正向與上風方向的夾角。 考慮到氣體濃度隨傳播距離（即Δx=(xs－xk)cos φ+(ys－yk)sin φ）增加而衰減的特性，給出傳感器結點sk在時刻t的觀測模型如下：zk(t)=θk(xs)+υk(t),k=1,2,…,n（52）其中，θk(xs)是包含氣體泄漏源位置信息的隨機量，可表示為θk(xs)=λCk(xs)，其中λ是滿足均值為μθ、方差為σ2θ的隨機變量，υk(t)表示傳感器測量噪聲，符合均值為零和方差σ2k∝‖xk－xs‖α/2的高斯分布，其中為氣體擴散衰減指數。 序貫*小均方差估計算法實現氣體泄漏源定位的核心是構建一個信息融合目標函數，并通過傳感器結點之間的信息交互，實現氣體泄漏源位置的參數估計。 假設s1為起始結點，根據式（52） 可知起始結點x1的觀測值為z1(t)=θ1(xs)+υ1(t)。設定θ^1為結點s1對θ1(xs)的估計量，如果估計量的均方誤差達不到設定閾值，則估計量θ^1會被傳遞到下一個結點繼續進行融合計算。當k>1時，結點sk在其自身觀測值和第k－1個結點sk－1傳遞給結點sk的估計結果基礎上完成估計量的更新，結點sk（k>1）的觀測模型如下：zk(t)=zk(t) yk(t)=θk(xs)+υk(t) θ^k－1+ωk(t),k=2,3,…,n（53）其中，yk為結點sk－1傳遞給結點sk的含有噪聲的信息，θ^k－1為結點sk－1的估計量，ωk為sk－1和sk兩個結點之間的通信鏈路噪聲，符合零均值和方差為σ2c(k－1,k)∝‖xk－xk－1‖α2的高斯分布，其中α為氣體擴散衰減指數，通常取決于氣體泄漏源的擴散環境，擴散空間選定為二維時取值為2。 5.3基于序貫*小均方差估計算法的定位〖*4/5〗5.3.1氣體泄漏參數的*小均方差估計量及均方誤差基于序貫*小均方差估計算法的估計量及其均方誤差定義如下： 定義5.1當k=1時，假設參量θ1(xs)和觀測噪聲υ1相互獨立，基于觀測值z1的結點s1獲得的*小均方差估計量MMSE為θ^1=σ2θσ2θ+σ21z1（54） 式（54）估計量對應的均方誤差M1為M1=σ21σ2θσ2θ+σ21=1σ21+1σ2θ－1 （55）則（54）式可以改寫為θ^1=M1σ21z1。 定義5.2k>1時，基于式（53） 的觀測模型，結點sk的MMSE估計量θ^k和對應的均方誤差Mk分別為θ^k(zk,yk)=Mkσ2kzk+Mk(σ2θ－Mk－1)Mk－1(σ2θ－Mk－1)+σ2θσ2c(k－1,k)yk（56） Mk=σ2θσ2θd2k－1,k+1（57）其中，d2k－1,k=1σ2k+(σ2θ－Mk－1)2σ2θ［Mk－1(σ2θ－Mk－1)+σ2θσ2c(k－1,k)］其中，Mk－1為結點sk－1估計量θ^k－1均方誤差。 證明： 假設在給定θ的情況下yk和zk服從不同的正態分布且相互獨立，分別為zk|θ～N(θ,σ2k)（58） yk|θ～Nσ2θ－Mk－1σ2θθ,(σ2θ－Mk－1)Mk－1σ2θ+σ2c(k－1,k)（59）基于式（53）可知，結點sk的觀測量zk符合zk|θ～N(μkθ,Σk)的正態分布，其中均值為μk=1σ2θ－Mk－1σ2θT，方差為Σk=σ2k0 0σ2θ－Mk－1σ2θMk－1+σ2c(k－1,k)。 因為zk符合zk|θ～N(μkθ,Σk)，基于文獻［110］ 則后驗概率密度函數p(θ|zk)可以設定為 p（θ|zk）=p(zk|θ)·p(θ)∫+∞-∞p(zk|θ)·p(θ)dθ ＝1(2π)n/2det1/2(Σk)·exp-12(zk-μkθ)TΣ-1k(zk-μkθ)∫+∞-∞1(2π)n/2det1/2(Σk)·exp-12(zk-μkθ)TΣ-1k(zk-μkθ) ·12πσ2θexp-(θ-μθ)22σ2θ12πσ2θexp-(θ-μθ)22σ2θdθ =exp-12(zk-μkθ)TΣ-1k(zk-μkθ)+(θ-μθ)2σ2θ∫+∞-∞exp-12(zk-μkθ)TΣ-1k(zk-μkθ)+(θ-μθ)2σ2θdθ =exp-12Q(θ)∫+∞-∞exp-12Q(θ)dθ（510） 其中，Q(θ)=μTkΣ-1kμk+1σ2θθ2-2μTkΣ-1kzk+μθσ2θθ+zTkΣ-1kzk+μ2θσ2θ（511） 令σ2θ/zk=1μTkΣ－1kμk+1σ2θ（512） μθ/zk=μTkΣ－1kzk+μθσ2θσ2θ/zk（513） 則Q(θ)=1σ2θ/zk·(θ2-2μθ/zkθ+μ2θ/zk)-μ2θ/zkσ2θ/zk+zTkΣ-1kzk+μ2θσ2θ =1σ2θ/zk·(θ-μθ/zk)2+zTkΣ-1kzk+μ2θσ2θ-μ2θ/zkσ2θ/zk（514） 所以把式（514） 代入到式（510）中可得p(θ|zk)=exp－12σ2θ/zkθ－μθ/zk2∫+∞－∞exp－12σ2θ/zkθ－μθ/zk2dθ=12πσ2θ/zkexp－12σ2θ/zkθ－μθ/zk2（515）即估計量θ的后驗概率密度函數p(θ|zk)符合如下高斯分布：θ|zk～N(μθ/zk,σ2θ/zk)（516）根據MMSE估計設定參量θ的MMSE估計量為θ^(zk)=Eθ|zk=μθ/zk=σ2θ/zkμTkΣ－1kzk+μθ/σ2θ（517）其對應的均方誤差Mk=EVar(θ|zk)=σ2θ/zk=1μTkΣ－1kμk+1σ2θ（518）令d2k－1,k=μTkΣ－1kμk=1σ2k+(σ2θ－Mk－1)2σ2θMk－1(σ2θ－Mk－1)+σ2θσ2c(k－1,k)（519）當μθ=0時，根據式（517）和式（518）即可得到式（56）和式（57）所給定的MMSE估計量和其對應的均方誤差。 如果結點的觀測值是獨立同分布且無信道噪聲影響，即σ2c(k－1,k)=0，k=1,2,3,…,n，此時結點sk的MMSE估計量為θ^k=σ2θσ2θ+σ2k/kz-k（520）估計量的均方誤差為Mk=σ2θσ2kσ2k+kσ2θ（521） 其大小取決于k取值。當k=1時即可得到式（54）和式（55）所給定的初始狀態MMSE估計量和估計均方誤差。 由式（56）可知結點sk的MMSE估計量θ^k(zk,yk)取決于當前結點的測量值、前一個結點sk－1傳遞的估計結果以及兩個結點之間的通信信道噪聲。從式（57）可以看出，均方誤差Mk只取決于當前結點的測量值和通信信道噪聲。當信道噪聲方差σ2c(k－1,k)→0時，limσ2c(k－1,k)→0Mk=Mk－11+Mk－1σ2k（k=2,3,…,n），即Mk<> 信息融合目標函數包含結點之間信息增益和通信鏈路能耗兩方面參數，其中信息增益參數主要由當前結點和鄰近結點的測量值以及氣體泄漏源的位置信息構成，通信鏈路能耗則主要包括帶寬、延遲等。其構建的表達式如下：R(sj,sk)=βRI(θk,zk,yj,k)+(1－β)Rc(sj,sk)（523） 其中，RI(θk,zk,yj,k)表示正在運算的結點sj選擇下一路由結點sk時所產生的信息增益；Rc(sj,sk)表示結點sj和sk之間的通信鏈路能耗；β∈［0,1］是平衡兩個參數項對目標函數影響的系數；當β=1時，下一路由結點的選擇以信息增益為主而忽略通信鏈路能耗的影響；當β=0 時則主要以降低通信鏈路能耗為主而忽略信息增益的影響；yj,k=θ^j+nj,k表示當前結點sj傳遞給下一路由結點sk的含有噪聲的預估信息；nj,k為兩個結點之間的信道噪聲。
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
我與地壇
- >
龍榆生：詞曲概論/大家小書
- >
二體千字文
- >
李白與唐代文化
- >
伯納黛特,你要去哪(2021新版)
- >
名家帶你讀魯迅:朝花夕拾
- >
上帝之肋:男人的真實旅程
本類暢銷
