基于对象的土壤墒情传感器网络节点管理技术的研究与实现

为了充分发挥土壤墒情监测系统对洪涝、干旱和火灾等灾害的预报作用,需要对数量庞大的传感器网络节点进行有效的管理.通过深入分析土壤墒情传感器网络节点的特点和管理要求,提出一种基于对象的管理技术方案.从面向对象的设计思想、本地传感器网络节点类的设计、管理技术的实现三个方面对该技术方案进行了详细介绍.提出的土壤墒情节点管理技术对其他传感器网络节点的管理具有一定的参考作用.     

物联网技术在土壤墒情监测系统中的应用研究

在全球气候变化,极端天气增多的趋势下,旱灾愈演愈烈,严重影响了农业生产。为有效减少旱灾对我省农作物的影响,本文根据物联网的基本原理和体系结构,提出并具体分析了物联网技术在土壤墒情监测系统中的应用。     

“衡邵干旱走廊”土壤墒情自动监测系统研究

旱灾是湖南省各类自然灾害中最主要的自然灾害之一,基于湖南省抗旱体系不完善,旱情信息来源少、监测技术手段落后等问题,确定以湖南省常年旱情较为严重的"衡邵干旱走廊"为典型研究区域,对土壤墒情自动监测系统进行研究。在研究过程中,采用现代数据采集技术,成功解决土壤墒情信息的自动采集、传输、存储和处理等关键技术问题。在土壤水分传感器性能综合比选、墒情站设计和实施方面积累宝贵经验,为今后抗旱减灾工作提供技术指导。     

改进灰狼算法在土壤墒情监测预测系统中的应用

针对现有的固定端传感器土壤墒情监测预测系统架设成本高、传感器易损坏、预测精度较低等问题,设计并实现了基于非固定无线传感器组网与改进灰狼算法优化神经网络的土壤墒情监测预测系统。系统使用非固定即插即用式传感器蓝牙组网收集墒情数据,使用高精度多源定位接入融合方法进行广域室外高精度定位。在算法方面,针对灰狼算法在迭代中后期易陷入局部最优等问题,提出一种基于末尾探索者策略的改进灰狼算法。首先,根据种群个体适应度值排名,在原有算法个体类型中增加探索者类型。然后,将种群搜索分为三个时期：活跃探索期、周期探索期和种群回归期。最后,在每个时期使用特有的位置更新策略进行探索者位置调整,使得算法在探索初期更具随机性,在探索中后期依然保持一定的解空间搜索能力,从而增强算法的局部最优回避能力。使用标准函数进行算法性能测试,并将该算法应用于优化土壤墒情神经网络预测模型问题,使用某市2号试验田的数据进行实验。实验结果表明,所提算法与直接神经网络预测模型相比,相对误差下降约4个百分点;与传统灰狼算法、粒子群优化（PSO）算法优化模型比较,相对误差下降约1至2个百分点。所提算法拥有更小的误差,更好的局部最优回避能力,能有效提高墒情的预测质量。     

基于WSNs的城市绿地墒情监测硬件平台构建

针对北京城市绿地节水灌溉的需要,以CC2530无线射频芯片为核心,设计了基于无线传感器网络(WSNs)的低功耗终端数据采集节点和协调器,给出了节点硬件的低功耗设计思路,构建了绿地墒情监测硬件平台。实验结果显示:系统能够准确获得环境温度、土壤水分的数据。节点睡眠时的工作电流仅为10μA,节点实际平均工作电流仅为0.265 mA,功耗性能优于市场同类产品约30%。     

土壤墒情监测中的潮汐现象探析

潮汐现象是沿海地区的一种常见的自然现象,受太阳和月亮等天体引潮力的作用,地球的岩石圈,水圈和大气圈都会产生周期性变化。作为覆盖在地球陆地表面的土壤,在引潮力作用下,不同土层含水量也会发生周期性变化,这种周期性变化在干旱地区往往难以观测,在土壤相对湿润的环境条件下,使用高灵敏度的土壤墒情监测设备可以捕捉到该现象。阐述潮汐现象的相关理论,建立土壤墒情潮汐模型,分析土壤墒情潮汐现象,利用频域反射原理传感器对土壤墒情进行多年监测实验,从大量的采集数据分析,发现疑似土壤墒情潮汐现象,为避免该现象对土壤墒情监测的影响提供一定的理论依据。文中试验结果并不深入,方法、仪器、地点、环境都可能对试验结果有影响,仅供参考。     

土壤墒情监测系统的设计与实现

本文阐述了信息技术在农业方面应用的必要性,介绍了土壤墒情概念和GIS技术,对土壤墒情监测系统进行了综合分析与设计。本文结合了GIS技术来构建土壤墒情监测系统,其中包括几大主要模块:土壤墒情数据采集模块,数据传输模块,人机交互模块和数据库模块。     

基于NB-IoT的土壤墒情监测系统设计研究

为解决传统土壤墒情监测系统人工依赖性大、监测范围小、功耗大及数据管理和存储困难等问题，研究一种基于NB-IoT技术的土壤墒情监测系统。本设计以土壤墒情传感器、NB-IoT无线通信模块、阿里云共有物联网平台和手机微信小程序为基础构建土壤墒情监测系统，实现对土壤墒情的实时监测。该系统适合面积大且数据采集点众多的农田，可有效地提高土壤墒情监测的工作效率，为土壤墒情监测带来便利。     

土壤墒情预测自适应遗传神经网络算法研究

针对传统遗传神经网络算法易出现的早熟收敛及锯齿等现象,提出一种新型算法应用于土壤墒情预测。该算法提出了衡量种群基因多样性的遗传多样性函数的概念,自适应调节交叉和变异策略,在全局范围内寻找最优初始网络权值和阈值,从而降低算法迭代次数,提高神经网络预测的精度和效率。仿真结果表明,与其他遗传神经网络算法相比较,该算法平均绝对误差从2%降低到1%,平均相对误差从5%降低到3%,最大相对误差从15%降低到8%,即新型算法可有效提高墒情的预测质量。     

基于S3C2410的土壤墒情监测系统设计

设计了以ARM处理器为核心的土壤墒情采集监测系统,采用AQUA-TEL-TDR土壤水分传感器对土壤含水量进行采集,选取S3C2410处理器作为硬件平台基础,配以K9F1208U0C型NandFlash、触摸式液晶屏、GPRS模块、CS8900A网卡芯片等组成硬件系统。开发了基于Qtopia图形用户界面的用户应用程序,实现了土壤墒情信息的采集、存储、无线传输和自动灌溉。     

Experiments of one-dimensional soil moisture assimilation system based on ensemble Kalman filter

Ensemble Kalman filter is a new sequential data assimilation algorithm which was originally developed for atmospheric and oceanographic data assimilation. It can be applied to calculate error covariance matrix through Monte-Carlo simulation. This approach is able to resolve the nonlinearity and discontinuity existed within model operator and observation operator. When observation data are assimilated at each time step, error covariances are estimated from the phase-space distribution of an ensemble of model states. The error statistics is then used to calculate Kalman gain matrix and analysis increments. In this study, we develop a one-dimensional soil moisture data assimilation system based on ensemble Kalman filter, the Simple Biosphere Model (SiB2) and microwave radiation transfer model (AIEM, advanced integration equation model). We conduct numerical experiments to assimilate in situ soil surface moisture measurements and low-frequency passive microwave remote sensing data into a land surface model, respectively. The results indicate that data assimilation can significantly improve the soil surface moisture estimation. The improvement in root zone is related to the model bias errors at surface layer and root zone. The soil moisture does not vary significantly in deep layer. Additionally, the ensemble Kalman filter is predominant in dealing with the nonlinearity of model operator and observation operator. It is practical and effective for assimilating observations in situ and remotely sensed data into land surface models.     

基于卡尔曼的无线传感器网络时空融合研究

无线传感器网络(WSNs)因其传感节点数目多,且节点易受环境干扰出现故障或失效的特点,对融合技术提出了新的要求。引入中值滤波,利用其良好的抑制脉冲噪声能力,结合卡尔曼滤波开发适用于WSNs的融合算法。采用时空分级融合减少集中计算量,使网络具有实时处理能力。算法具有容错能力,可提高网络鲁棒性。仿真结果表明了算法的有效性。     

卡尔曼一致性滤波器的丢包性能分析及能量优化

针对无线传感器网络(wireless sensor networks,WSNs)在实际应用中不可避免的数据包丢失现象,本文研究了分布式卡尔曼一致性滤波算法(distributed Kalman consensus filtering algorithm,DKF)在两类丢包情况下的稳定性和滤波性能问题,通过矩阵论理论分析得出了估计误差协方差收敛所能容忍的极限丢包率.然后,考虑到传感器节点能量有限,基于逾渗模型构建了一种能量可调的改进型分布式一致性卡尔曼滤波器,该滤波器充分利用无线传感器节点冗余布置的特点,以较小的滤波精度下降为代价,获取网络寿命的大幅度提高,实现了该分布式滤波器在滤波精度与能量消耗两个关键指标的有效权衡.最后利用仿真实例验证了所提出算法的有效性.     

一种土壤剖面水分传感器的节点电路设计

为实现土壤剖面不同深度水分的同时测量,研制了一种土壤剖面水分传感器,对传感器节点部分的电路进行了设计与实现,具有功耗低、成本低等特点。实验结果表明:应用此电路的传感器,输出电压随着土壤体积含水量的增加而减小;与烘干法所测得的土壤水分实际值相比,传感器的最大绝对测量误差为-5.10%;传感器用于土壤剖面不同深度的土壤水分测量,水分梯度变化明显,性能良好。     

用Kalman滤波器对原子钟进行控制

介绍了一种利用Kalman滤波器进行原子钟控制的方法, 并对此方法作了改进, 可以把一个原子钟的相位——时间非常精确地控制到时间标准上. 最后, 利用国家授时中心的实测数据对这种方法作了验证, 证明这种方法切实可行, 控制后原子钟与所选择的参数钟UTC(NTSC)的最大钟差不大于10ns.     

水下机器人自适应卡尔曼滤波技术研究

水下机器人的位置和速度传感器受环境影响较大,数据滤波问题是运动控制的核心问题之一.给出了离散型卡尔曼滤波的基本方程,描述了卡尔曼滤波所具有的两个计算回路:增益计算回路和滤波计算回路.建立了水下机器人状态方程和量测方程,并在此基础上采用了自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波分析.引入了渐消记忆指数加权方法.对时变噪声统计中,强调了新近数据的作用.避免了系统误差和量测误差统计特性的不准确对系统滤波效果的影响.滤波效果分析表明此方法能达到很好的滤波效果.     

卡尔曼滤波器在传感器软故障诊断中的应用

传感器发生软故障的特征是变化缓慢、不易检测。为克服传感器检测这一缺点设计了一种软故障诊断算法。该算法是在多重故障假设基础上,使用卡尔曼滤波器产生残差,采用加权二乘方（Weighted Sum of Squared Residuals,WSSR）方法对滤波残差进行处理,从而方便快速地检测出传感器的软故障,并实现隔离和重构。仿真实验表明,算法能很好地实现传感器软故障的检测、隔离和重构,不会发生误报和漏报现象。     

利用无线传输的BDS--R土壤湿度反演系统

针对野外地区土壤湿度监测时间长、数据采集量大的需求,提出了基于无线传输的BDS—R土壤湿度反演系统。以UM220—III N和GPRS DTU为核心构建了北斗信号数据处理与无线传输模块,将圆极化天线采集的北斗信号数据处理成NMEA 0183格式串行数据,并经GPRS与Internet传送至COMWAY无线串口服务器,再通过Microsoft Visual Studio 2008软件构建的数据存储软件提取服务器上的数据,并保存至本地磁盘。选取了连续1个月的北斗C05卫星信号信息进行反射系数法反演土壤湿度实验,反演结果与原位湿度值相关系数达0.69,平均相对误差为16.86%,表明系统工作可靠性强,适用于长期远距离的野外地区土壤湿度反演。