CN106453488A - 一种基于量子通信的农产品生产环境监测方法与*** - Google Patents
一种基于量子通信的农产品生产环境监测方法与*** Download PDFInfo
- Publication number
- CN106453488A CN106453488A CN201610755541.4A CN201610755541A CN106453488A CN 106453488 A CN106453488 A CN 106453488A CN 201610755541 A CN201610755541 A CN 201610755541A CN 106453488 A CN106453488 A CN 106453488A
- Authority
- CN
- China
- Prior art keywords
- production environment
- quantum
- environment monitoring
- sensor
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 382
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 270
- 230000006854 communication Effects 0.000 title claims abstract description 151
- 238000004891 communication Methods 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000007781 pre-processing Methods 0.000 claims abstract description 62
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 230000010287 polarization Effects 0.000 claims description 53
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 47
- 238000013528 artificial neural network Methods 0.000 claims description 42
- 238000005259 measurement Methods 0.000 claims description 42
- 210000004027 cell Anatomy 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 19
- 230000003287 optical effect Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 239000002096 quantum dot Substances 0.000 claims description 12
- 230000003321 amplification Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000003631 expected effect Effects 0.000 claims description 6
- 238000011478 gradient descent method Methods 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000002028 premature Effects 0.000 description 6
- 230000002035 prolonged effect Effects 0.000 description 6
- 238000012271 agricultural production Methods 0.000 description 3
- 230000005610 quantum mechanics Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 101150012763 endA gene Proteins 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/0852—Quantum cryptography
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供了一种基于量子通信的农产品生产环境监测方法,包括以下步骤:S1构建无线传感器监测网络和量子通信网络;S2利用无线传感器监测网络监测并采集生产环境监测数据;S3进行数据校准及融合预处理;S4云服务中心对生产环境监测数据进行分析比较,并将比较的结果发送至预设的移动管理终端。本发明还提供了一种基于量子通信的农产品生产环境监测***。本发明将量子通信技术和无线传感技术应用于监测中,实现了农产品生产环境的安全和高精度监测。
Description
技术领域
本发明涉及农业监测技术领域,具体涉及一种基于量子通信的农产品生产环境监测方法与***。
背景技术
科学农业种植是现代化农业的重要组成部分,在很大程度上使农业生产摆脱了人为感知、经验种植的传统生产模式,使用科学准确的生产手段获得高效率、高产出的农产品,这是现代农业发展的必然趋势。农产品生产环境参数监测和控制对于农业生产来说是十分重要的。为了加强对生产环境参数的监测,调节农作物的生长环境,提高农业生产效益,有必要设计一种农产品生产环境监测方法与***。
量子通信是量子信息学的一个重要分支,其理论是基于量子力学和经典通信,即量子通信是量子力学和经典通信相结合的产物。量子通信通过量子信道传递信息,并能够确保所传输信息的绝对安全。将量子通信技术运用到农产品生产环境监测中,将大大提高生产环境监测数据传输的安全性。
发明内容
为解决上述问题,本发明旨在提供一种基于量子通信的农产品生产环境监测方法与***。
本发明的目的采用以下技术方案来实现:
提供了一种基于量子通信的农产品生产环境监测方法,包括以下步骤:
S1构建用于农产品生产环境监测的无线传感器监测网络,以及用于农产品的生产环境监测数据传输的量子通信网络;
S2利用无线传感器监测网络监测并采集生产环境监测数据,并将生产环境监测数据通过量子通信网络传输至预处理节点;
S3预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,预处理后的生产环境监测数据通过量子通信网络传输至云服务中心;
S4云服务中心将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
本发明还提供了一种基于量子通信的农产品生产环境监测***,其包括监测模块、通信模块、数据预处理模块、云服务中心和移动管理终端,所述监测模块采用构建的无线传感器监测网络进行农产品生产环境监测;所述通信模块用于通过量子通信网络进行农产品的生产环境监测数据的传输;所述数据预处理模块根据生产环境监测数据的类型对通过量子通信网络传输的生产环境监测数据进行数据校准及融合预处理,并将预处理后的生产环境监测数据通过量子通信网络传输至云服务中心;所述云服务中心将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
优选的,所述无线传感器监测网络包括网关、高能簇头节点、终端节点,所述高能簇头节点负责生产环境监测数据的有效采集,所述网关将采集到信息存储到嵌入式数据库中,在需要时将生产环境监测数据通过量子通信网络传输到云服务中心;所述高能簇头节点由簇头节点、太阳能电池板、蓄电池、功率放大器和多个生产环境监测传感器组成,所述簇头节点的能量由太阳能电池板和蓄电池结合提供。
本发明的有益效果为:
1、传感器网络的部署实现了监测区域的无缝覆盖,保证了对农产品生产环境的全面监测,在重点区域采用正方形网格部署,在一般检测区域采用正六边形网格部署,既节约了传感器数量,又保证了监测效果;增加功能节点,延长了整个传感器网络寿命,避免了传感器节点过早衰竭;
2、由于通信设备的非理想性,以及信道中存在噪声,量子信息在传输的过程中会发生改变,通过建立实际信道使得接收端判别通信过程是否安全的标准更为准确;量子偏振态具有相对稳定的固有特性和可区分性,可以在多用户量子通信中有效地进行用户的区分;对信道模型中安全门限进行了分析,推得了实际量子通信中判别窃听的安全门限公式;
3、设置的簇头节点的能量由太阳能电池板和蓄电池结合提供,能够保证簇头节点的能量提供,节省用电消耗,降低监测成本;
4、预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,解决了一般传感器测量的非线性误差,使监测的生产环境数据更加准确和可靠。
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本发明农产品生产环境监测***的结构示意图;
图2是本发明农产品生产环境监测方法的流程示意图。
附图标记:
监测模块1、通信模块2、数据预处理模块3、云服务中心4、移动管理终端5。
具体实施方式
结合以下应用场景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基于量子通信的农产品生产环境监测***,其包括监测模块1、通信模块2、数据预处理模块3、云服务中心4和移动管理终端5,所述监测模块1采用构建的无线传感器监测网络进行农产品生产环境监测;所述通信模块2用于通过量子通信网络进行农产品的生产环境监测数据的传输;所述数据预处理模块3根据生产环境监测数据的类型对通过量子通信网络传输的生产环境监测数据进行数据校准及融合预处理,并将预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;所述云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端5。
本应用场景的一个实施例的基于量子通信的农产品生产环境监测方法,包括以下步骤:
S1构建用于农产品生产环境监测的无线传感器监测网络,以及用于农产品的生产环境监测数据传输的量子通信网络;
S2利用无线传感器监测网络监测并采集生产环境监测数据,并将生产环境监测数据通过量子通信网络传输至预处理节点;
S3预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;
S4云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
本发明上述实施例构建了农产品生产环境监测***的模块架构以及农产品生产环境的监测流程,实现了农产品生产环境的监测。
优选的,所述无线传感器监测网络的构建包括传感器节点的部署和传感器节点的定位,所述传感器节点的部署的方法包括:
(1)进行网络第一次部署,设传感器节点的监测半径和通信半径均为r,将监测区域划分为重点监测区域和一般监测区域,重点监测区域划分为正方形网格,传感器节点部署于正方形网格中心,正方形网格边长一般监测区域划分为正六边形网格,传感器节点部署于正六边形中心,正六边形边长
(2)进行网络第二次部署,在传感器网络中部署一部分通信能力强的功能节点,设功能节点的通信半径为4r,在重点监测区域和在一般监测区域分别按照(1)中的方法对功能节点进行部署。
本优选实施例对传感器网络的部署,实现了监测区域的无缝覆盖,保证了对农产品生产环境的全面监测,在重点区域采用正方形网格部署,在一般检测区域采用正六边形网格部署,既节约了传感器数量,又保证了监测效果;增加功能节点,延长了整个传感器网络寿命,避免了传感器节点过早衰竭。
优选的,所述传感器节点的定位的方法包括:
1)未知传感器节点将收到的各个参考节点的接收信号的强度指示和参考节点坐标发送到上位机;
2)上位机对接收到的接收信号的强度指示值进行预处理,包括:通过自定义的选取规则选取高概率发生区的接收信号的强度指示值,求取选取的接收信号的强度指示值的平均值作为最终的接收信号的强度指示值;所述自定义的选取规则为:
当未知传感器节点收到的参考节点的接收信号的强度指示值满足下述条件时,确定该强度指示值为高概率发生区的接收信号的强度指示值:
其中,
式中,RSSIi为未知传感器节点收到每个参考节点第i次的接收信号的强度指示值,i∈[1,N],TL为设定的临界值,TL的取值范围为[0.4,0.6];
3)计算未知传感器节点距离参考节点的距离;
4)计算未知传感器节点的坐标,设k个参考节点的坐标分别为(x1,y1),(x2,y2),…,(xk,yk),未知传感器节点到参考节点的距离分别为d1,d2,…,dk,未知传感器节点X的坐标计算公式为:
X=(αTα)-1αTβ
其中,
本优选实施例设计了传感器节点的定位的方法,提高了传感器节点的定位精度,从而相对提高了农产品生产环境监测的精度。
优选的,所述量子通信网络的构建包括建立量子信道、确定量子密钥分发方案;所述建立量子信道,包括以下步骤:
(1)建立量子信道的表述模型,定义输入量子比特有限集合为I={|i1>,|i2>,…,|iN>},输出量子比特的有限集合为0={|o1>,|o>,…,|oN>}的量子信道C为:将|i>∈I送入信道,信道的输出是由密度算子ρ(|i>)完全决定的量子信息源的输出;
(2)量子态在量子信道的传输过程中,与信道发生关联,并在接收端全部或部分发生改变,成为新的态,信道中与量子态发生关联的有非理想设备和噪声,需对信道进行优化,包括:
令信道矩阵为X,噪声为Z,则接受态Jk为:
Jk=(X+Z)Tk,(k=1,2,…,n)
式中,Tk表示同一测量基下的态矩阵,每列元素表示一个发送态;
用相关系数R1、R2分别表示非理想设备和噪声与量子态的相关情况,通过波动方程理论及热力学公式建模,得出满足不同信道情况的具体信道模型;
所述量子密钥分发方案基于BB84的协议确定,包括以下步骤:
(1)经过激光器、光混合器、衰减器和相位调制器,发送端生成单光子脉冲,以量子偏振态偏振角度作为信息传输的地址码,发送端偏振态角度随机取0,每个单光子脉冲发送前,发送端向接收端发送时钟信号。发送端对每个单光子脉冲的偏振态相位进行编码,发送端相位取0和π组成一组正交归一基,接收端相位取0与其匹配,发送端相位取和组成另一组正交归一基,接收端相位取与其匹配;
(2)接收端经过相位调制器、偏振控制器、光分束器、半波片、偏振分束器和单光子探测器接收到光单子脉冲,根据时钟脉冲信号,对接收量子态进行测量,首先通过两组不同基下的探测器读数得出地址码值,再推出相位信息,之后通过经典信道与发送端进行相位及偏振基比对;
(3)接收端筛选测量信息,抛弃错误偏振测量基得出的信息及错误相位测量基得出的信息,分别得出初始密钥。
(4)接收端对对筛选后的测量基计数进行脉冲数比对,如果得到的正确结果的测量基脉冲数小于安全脉冲数门限值,则表明存在窃听,此时,放弃本次密钥协商,重新进行步骤(1)到(4),如果接收端得到的正确结果的测量基脉冲数大于等于门限值,发送端和接收端通过经典信道进行数据协调和密性放大,从而获得最终密钥;
其中,安全脉冲门限值采用如下方法确定,
无窃听时,接收端得到量子比特的正确率
式中,Pr表示正确选择测量基时准确接收量子态的概率,Pw表示错误选择测量基时准确接收量子态的概率;
存在窃听时,安全通信门限根据信道情况确定安全门限,当接收端得到正确量子比特概率低于Pm时,存在窃听。
本优选实施例由于通信设备的非理想性,以及信道中存在噪声,量子信息在传输的过程中会发生改变,通过建立实际信道使得接收端判别通信过程是否安全的标准更为准确;量子偏振态具有相对稳定的固有特性和可区分性,可以在多用户量子通信中有效地进行用户的区分;对信道模型中安全门限进行了分析,推得了实际量子通信中判别窃听的安全门限公式。
优选的,所述无线传感器监测网络包括网关、高能簇头节点、终端节点,所述高能簇头节点负责生产环境监测数据的有效采集,所述网关将采集到信息存储到嵌入式数据库中,在需要时将生产环境监测数据通过量子通信网络传输到云服务中心4;所述高能簇头节点由簇头节点、太阳能电池板、蓄电池、功率放大器和多个生产环境监测传感器组成,所述簇头节点的能量由太阳能电池板和蓄电池结合提供。
本优选实施例设置的簇头节点的能量由太阳能电池板和蓄电池结合提供,能够保证簇头节点的能量提供,节省用电消耗,降低监测成本。
优选的,所述根据生产环境监测数据的类型进行数据校准及融合预处理,包括:
(1)将每个传感器的生产环境监测数据通过BP神经网络进行校准,同时剔除错误的数据,获得更加准确的数据;所述通过BP神经网络进行校准,包括:
1)构建BP神经网络,以传感器的生产环境监测值作为BP神经网络的输入层,以标准仪器的测量值作为BP神经网络的输出层;
2)进行BP神经网络训练,具体为:将传感器的生产环境监测值从输入层经BP神经网络的隐含层传向输出层,如果在输出层没有得到期望的输出值,则沿原通路将误差返回,并根据误差函数,采用梯度下降法修正各层神经元的权值和阈值,从而使误差最小,最终达到期望效果,所述误差函数定义为:
式中,wij为前一输出层至隐含层的连接权值,xi为前一输出层的输出值,Ti为隐含层的阈值,wmj为隐含层至后一输出层的连接权值,Tm为后一输出层的阈值;
(2)通过自适应加权融合算法对多个传感器的生产环境监测数据进行融合,具体为:根据各传感器的生产环境监测值,以自适应的方式寻找各个传感器对应的最优加权因子,在满足总均方误差最小的情况下,使得融合后的结果达到最优。
本优选实施例的预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,解决了一般传感器测量的非线性误差,使监测的生产环境数据更加准确和可靠。
在此应用场景中,设定TL的值为0.4,传感器节点定位的精度提高了8%,农产品生产环境的监测精度提高了10%。
应用场景2
参见图1、图2,本应用场景的一个实施例的基于量子通信的农产品生产环境监测***,其包括监测模块1、通信模块2、数据预处理模块3、云服务中心4和移动管理终端5,所述监测模块1采用构建的无线传感器监测网络进行农产品生产环境监测;所述通信模块2用于通过量子通信网络进行农产品的生产环境监测数据的传输;所述数据预处理模块3根据生产环境监测数据的类型对通过量子通信网络传输的生产环境监测数据进行数据校准及融合预处理,并将预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;所述云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端5。
本应用场景的一个实施例的基于量子通信的农产品生产环境监测方法,包括以下步骤:
S1构建用于农产品生产环境监测的无线传感器监测网络,以及用于农产品的生产环境监测数据传输的量子通信网络;
S2利用无线传感器监测网络监测并采集生产环境监测数据,并将生产环境监测数据通过量子通信网络传输至预处理节点;
S3预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;
S4云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
本发明上述实施例构建了农产品生产环境监测***的模块架构以及农产品生产环境的监测流程,实现了农产品生产环境的监测。
优选的,所述无线传感器监测网络的构建包括传感器节点的部署和传感器节点的定位,所述传感器节点的部署的方法包括:
(1)进行网络第一次部署,设传感器节点的监测半径和通信半径均为r,将监测区域划分为重点监测区域和一般监测区域,重点监测区域划分为正方形网格,传感器节点部署于正方形网格中心,正方形网格边长一般监测区域划分为正六边形网格,传感器节点部署于正六边形中心,正六边形边长
(2)进行网络第二次部署,在传感器网络中部署一部分通信能力强的功能节点,设功能节点的通信半径为4r,在重点监测区域和在一般监测区域分别按照(1)中的方法对功能节点进行部署。
本优选实施例对传感器网络的部署,实现了监测区域的无缝覆盖,保证了对农产品生产环境的全面监测,在重点区域采用正方形网格部署,在一般检测区域采用正六边形网格部署,既节约了传感器数量,又保证了监测效果;增加功能节点,延长了整个传感器网络寿命,避免了传感器节点过早衰竭。
优选的,所述传感器节点的定位的方法包括:
1)未知传感器节点将收到的各个参考节点的接收信号的强度指示和参考节点坐标发送到上位机;
2)上位机对接收到的接收信号的强度指示值进行预处理,包括:通过自定义的选取规则选取高概率发生区的接收信号的强度指示值,求取选取的接收信号的强度指示值的平均值作为最终的接收信号的强度指示值;所述自定义的选取规则为:
当未知传感器节点收到的参考节点的接收信号的强度指示值满足下述条件时,确定该强度指示值为高概率发生区的接收信号的强度指示值:
其中,
式中,RSSIi为未知传感器节点收到每个参考节点第i次的接收信号的强度指示值,i∈[1,N],TL为设定的临界值,TL的取值范围为[0.4,0.6];
3)计算未知传感器节点距离参考节点的距离;
4)计算未知传感器节点的坐标,设k个参考节点的坐标分别为(x1,y1),(x2,y2),…,(xk,yk),未知传感器节点到参考节点的距离分别为d1,d2,…,dk,未知传感器节点X的坐标计算公式为:
X=(αTα)-1αTβ
其中,
本优选实施例设计了传感器节点的定位的方法,提高了传感器节点的定位精度,从而相对提高了农产品生产环境监测的精度。
优选的,所述量子通信网络的构建包括建立量子信道、确定量子密钥分发方案;所述建立量子信道,包括以下步骤:
(1)建立量子信道的表述模型,定义输入量子比特有限集合为I={|i1>,|i2>,…,|iN>},输出量子比特的有限集合为O={|o1>,|o>,…,|oN>}的量子信道C为:将|i>∈I送入信道,信道的输出是由密度算子ρ(|i>)完全决定的量子信息源的输出;
(2)量子态在量子信道的传输过程中,与信道发生关联,并在接收端全部或部分发生改变,成为新的态,信道中与量子态发生关联的有非理想设备和噪声,需对信道进行优化,包括:
令信道矩阵为X,噪声为Z,则接受态Jk为:
Jk=(X+Z)Tk,(k=1,2,…,n)
式中,Tk表示同一测量基下的态矩阵,每列元素表示一个发送态;
用相关系数R1、R2分别表示非理想设备和噪声与量子态的相关情况,通过波动方程理论及热力学公式建模,得出满足不同信道情况的具体信道模型;
所述量子密钥分发方案基于BB84的协议确定,包括以下步骤:
(1)经过激光器、光混合器、衰减器和相位调制器,发送端生成单光子脉冲,以量子偏振态偏振角度作为信息传输的地址码,发送端偏振态角度随机取0,每个单光子脉冲发送前,发送端向接收端发送时钟信号。发送端对每个单光子脉冲的偏振态相位进行编码,发送端相位取0和π组成一组正交归一基,接收端相位取0与其匹配,发送端相位取和组成另一组正交归一基,接收端相位取与其匹配;
(2)接收端经过相位调制器、偏振控制器、光分束器、半波片、偏振分束器和单光子探测器接收到光单子脉冲,根据时钟脉冲信号,对接收量子态进行测量,首先通过两组不同基下的探测器读数得出地址码值,再推出相位信息,之后通过经典信道与发送端进行相位及偏振基比对;
(3)接收端筛选测量信息,抛弃错误偏振测量基得出的信息及错误相位测量基得出的信息,分别得出初始密钥。
(4)接收端对对筛选后的测量基计数进行脉冲数比对,如果得到的正确结果的测量基脉冲数小于安全脉冲数门限值,则表明存在窃听,此时,放弃本次密钥协商,重新进行步骤(1)到(4),如果接收端得到的正确结果的测量基脉冲数大于等于门限值,发送端和接收端通过经典信道进行数据协调和密性放大,从而获得最终密钥;
其中,安全脉冲门限值采用如下方法确定,
无窃听时,接收端得到量子比特的正确率
式中,Pr表示正确选择测量基时准确接收量子态的概率,Pw表示错误选择测量基时准确接收量子态的概率;
存在窃听时,安全通信门限根据信道情况确定安全门限,当接收端得到正确量子比特概率低于Pm时,存在窃听。
本优选实施例由于通信设备的非理想性,以及信道中存在噪声,量子信息在传输的过程中会发生改变,通过建立实际信道使得接收端判别通信过程是否安全的标准更为准确;量子偏振态具有相对稳定的固有特性和可区分性,可以在多用户量子通信中有效地进行用户的区分;对信道模型中安全门限进行了分析,推得了实际量子通信中判别窃听的安全门限公式。
优选的,所述无线传感器监测网络包括网关、高能簇头节点、终端节点,所述高能簇头节点负责生产环境监测数据的有效采集,所述网关将采集到信息存储到嵌入式数据库中,在需要时将生产环境监测数据通过量子通信网络传输到云服务中心4;所述高能簇头节点由簇头节点、太阳能电池板、蓄电池、功率放大器和多个生产环境监测传感器组成,所述簇头节点的能量由太阳能电池板和蓄电池结合提供。
本优选实施例设置的簇头节点的能量由太阳能电池板和蓄电池结合提供,能够保证簇头节点的能量提供,节省用电消耗,降低监测成本。
优选的,所述根据生产环境监测数据的类型进行数据校准及融合预处理,包括:
(1)将每个传感器的生产环境监测数据通过BP神经网络进行校准,同时剔除错误的数据,获得更加准确的数据;所述通过BP神经网络进行校准,包括:
1)构建BP神经网络,以传感器的生产环境监测值作为BP神经网络的输入层,以标准仪器的测量值作为BP神经网络的输出层;
2)进行BP神经网络训练,具体为:将传感器的生产环境监测值从输入层经BP神经网络的隐含层传向输出层,如果在输出层没有得到期望的输出值,则沿原通路将误差返回,并根据误差函数,采用梯度下降法修正各层神经元的权值和阈值,从而使误差最小,最终达到期望效果,所述误差函数定义为:
式中,wij为前一输出层至隐含层的连接权值,xi为前一输出层的输出值,Ti为隐含层的阈值,wmj为隐含层至后一输出层的连接权值,Tm为后一输出层的阈值;
(2)通过自适应加权融合算法对多个传感器的生产环境监测数据进行融合,具体为:根据各传感器的生产环境监测值,以自适应的方式寻找各个传感器对应的最优加权因子,在满足总均方误差最小的情况下,使得融合后的结果达到最优。
本优选实施例的预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,解决了一般传感器测量的非线性误差,使监测的生产环境数据更加准确和可靠。
在此应用场景中,设定TL的值为0.45,传感器节点定位的精度提高了9%,农产品生产环境的监测精度提高了11%。
应用场景3
参见图1、图2,本应用场景的一个实施例的基于量子通信的农产品生产环境监测***,其包括监测模块1、通信模块2、数据预处理模块3、云服务中心4和移动管理终端5,所述监测模块1采用构建的无线传感器监测网络进行农产品生产环境监测;所述通信模块2用于通过量子通信网络进行农产品的生产环境监测数据的传输;所述数据预处理模块3根据生产环境监测数据的类型对通过量子通信网络传输的生产环境监测数据进行数据校准及融合预处理,并将预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;所述云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端5。
本应用场景的一个实施例的基于量子通信的农产品生产环境监测方法,包括以下步骤:
S1构建用于农产品生产环境监测的无线传感器监测网络,以及用于农产品的生产环境监测数据传输的量子通信网络;
S2利用无线传感器监测网络监测并采集生产环境监测数据,并将生产环境监测数据通过量子通信网络传输至预处理节点;
S3预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;
S4云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
本发明上述实施例构建了农产品生产环境监测***的模块架构以及农产品生产环境的监测流程,实现了农产品生产环境的监测。
优选的,所述无线传感器监测网络的构建包括传感器节点的部署和传感器节点的定位,所述传感器节点的部署的方法包括:
(1)进行网络第一次部署,设传感器节点的监测半径和通信半径均为r,将监测区域划分为重点监测区域和一般监测区域,重点监测区域划分为正方形网格,传感器节点部署于正方形网格中心,正方形网格边长一般监测区域划分为正六边形网格,传感器节点部署于正六边形中心,正六边形边长
(2)进行网络第二次部署,在传感器网络中部署一部分通信能力强的功能节点,设功能节点的通信半径为4r,在重点监测区域和在一般监测区域分别按照(1)中的方法对功能节点进行部署。
本优选实施例对传感器网络的部署,实现了监测区域的无缝覆盖,保证了对农产品生产环境的全面监测,在重点区域采用正方形网格部署,在一般检测区域采用正六边形网格部署,既节约了传感器数量,又保证了监测效果;增加功能节点,延长了整个传感器网络寿命,避免了传感器节点过早衰竭。
优选的,所述传感器节点的定位的方法包括:
1)未知传感器节点将收到的各个参考节点的接收信号的强度指示和参考节点坐标发送到上位机;
2)上位机对接收到的接收信号的强度指示值进行预处理,包括:通过自定义的选取规则选取高概率发生区的接收信号的强度指示值,求取选取的接收信号的强度指示值的平均值作为最终的接收信号的强度指示值;所述自定义的选取规则为:
当未知传感器节点收到的参考节点的接收信号的强度指示值满足下述条件时,确定该强度指示值为高概率发生区的接收信号的强度指示值:
其中,
式中,RSSIi为未知传感器节点收到每个参考节点第i次的接收信号的强度指示值,i∈[1,N],TL为设定的临界值,TL的取值范围为[0.4,0.6];
3)计算未知传感器节点距离参考节点的距离;
4)计算未知传感器节点的坐标,设k个参考节点的坐标分别为(x1,y1),(x2,y2),…,(xk,yk),未知传感器节点到参考节点的距离分别为d1,d2,…,dk,未知传感器节点X的坐标计算公式为:
X=(αTα)-1αTβ
其中,
本优选实施例设计了传感器节点的定位的方法,提高了传感器节点的定位精度,从而相对提高了农产品生产环境监测的精度。
优选的,所述量子通信网络的构建包括建立量子信道、确定量子密钥分发方案;所述建立量子信道,包括以下步骤:
(1)建立量子信道的表述模型,定义输入量子比特有限集合为I={|i1>,|i2>,…,|iN>},输出量子比特的有限集合为O={|o1>,|o>,…,|oN>}的量子信道C为:将|i>∈I送入信道,信道的输出是由密度算子ρ(|i>)完全决定的量子信息源的输出;
(2)量子态在量子信道的传输过程中,与信道发生关联,并在接收端全部或部分发生改变,成为新的态,信道中与量子态发生关联的有非理想设备和噪声,需对信道进行优化,包括:
令信道矩阵为X,噪声为Z,则接受态Jk为:
Jk=(X+Z)Tk,(k=1,2,…,n)
式中,Tk表示同一测量基下的态矩阵,每列元素表示一个发送态;
用相关系数R1、R2分别表示非理想设备和噪声与量子态的相关情况,通过波动方程理论及热力学公式建模,得出满足不同信道情况的具体信道模型;
所述量子密钥分发方案基于BB84的协议确定,包括以下步骤:
(1)经过激光器、光混合器、衰减器和相位调制器,发送端生成单光子脉冲,以量子偏振态偏振角度作为信息传输的地址码,发送端偏振态角度随机取0,每个单光子脉冲发送前,发送端向接收端发送时钟信号。发送端对每个单光子脉冲的偏振态相位进行编码,发送端相位取0和π组成一组正交归一基,接收端相位取0与其匹配,发送端相位取和组成另一组正交归一基,接收端相位取与其匹配;
(2)接收端经过相位调制器、偏振控制器、光分束器、半波片、偏振分束器和单光子探测器接收到光单子脉冲,根据时钟脉冲信号,对接收量子态进行测量,首先通过两组不同基下的探测器读数得出地址码值,再推出相位信息,之后通过经典信道与发送端进行相位及偏振基比对;
(3)接收端筛选测量信息,抛弃错误偏振测量基得出的信息及错误相位测量基得出的信息,分别得出初始密钥。
(4)接收端对对筛选后的测量基计数进行脉冲数比对,如果得到的正确结果的测量基脉冲数小于安全脉冲数门限值,则表明存在窃听,此时,放弃本次密钥协商,重新进行步骤(1)到(4),如果接收端得到的正确结果的测量基脉冲数大于等于门限值,发送端和接收端通过经典信道进行数据协调和密性放大,从而获得最终密钥;
其中,安全脉冲门限值采用如下方法确定,
无窃听时,接收端得到量子比特的正确率
式中,Pr表示正确选择测量基时准确接收量子态的概率,Pw表示错误选择测量基时准确接收量子态的概率;
存在窃听时,安全通信门限根据信道情况确定安全门限,当接收端得到正确量子比特概率低于Pm时,存在窃听。
本优选实施例由于通信设备的非理想性,以及信道中存在噪声,量子信息在传输的过程中会发生改变,通过建立实际信道使得接收端判别通信过程是否安全的标准更为准确;量子偏振态具有相对稳定的固有特性和可区分性,可以在多用户量子通信中有效地进行用户的区分;对信道模型中安全门限进行了分析,推得了实际量子通信中判别窃听的安全门限公式。
优选的,所述无线传感器监测网络包括网关、高能簇头节点、终端节点,所述高能簇头节点负责生产环境监测数据的有效采集,所述网关将采集到信息存储到嵌入式数据库中,在需要时将生产环境监测数据通过量子通信网络传输到云服务中心4;所述高能簇头节点由簇头节点、太阳能电池板、蓄电池、功率放大器和多个生产环境监测传感器组成,所述簇头节点的能量由太阳能电池板和蓄电池结合提供。
本优选实施例设置的簇头节点的能量由太阳能电池板和蓄电池结合提供,能够保证簇头节点的能量提供,节省用电消耗,降低监测成本。
优选的,所述根据生产环境监测数据的类型进行数据校准及融合预处理,包括:
(1)将每个传感器的生产环境监测数据通过BP神经网络进行校准,同时剔除错误的数据,获得更加准确的数据;所述通过BP神经网络进行校准,包括:
1)构建BP神经网络,以传感器的生产环境监测值作为BP神经网络的输入层,以标准仪器的测量值作为BP神经网络的输出层;
2)进行BP神经网络训练,具体为:将传感器的生产环境监测值从输入层经BP神经网络的隐含层传向输出层,如果在输出层没有得到期望的输出值,则沿原通路将误差返回,并根据误差函数,采用梯度下降法修正各层神经元的权值和阈值,从而使误差最小,最终达到期望效果,所述误差函数定义为:
式中,wij为前一输出层至隐含层的连接权值,xi为前一输出层的输出值,Ti为隐含层的阈值,wmj为隐含层至后一输出层的连接权值,Tm为后一输出层的阈值;
(2)通过自适应加权融合算法对多个传感器的生产环境监测数据进行融合,具体为:根据各传感器的生产环境监测值,以自适应的方式寻找各个传感器对应的最优加权因子,在满足总均方误差最小的情况下,使得融合后的结果达到最优。
本优选实施例的预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,解决了一般传感器测量的非线性误差,使监测的生产环境数据更加准确和可靠。
在此应用场景中,设定TL的值为0.5,传感器节点定位的精度提高了10%,农产品生产环境的监测精度提高了12%。
应用场景4
参见图1、图2,本应用场景的一个实施例的基于量子通信的农产品生产环境监测***,其包括监测模块1、通信模块2、数据预处理模块3、云服务中心4和移动管理终端5,所述监测模块1采用构建的无线传感器监测网络进行农产品生产环境监测;所述通信模块2用于通过量子通信网络进行农产品的生产环境监测数据的传输;所述数据预处理模块3根据生产环境监测数据的类型对通过量子通信网络传输的生产环境监测数据进行数据校准及融合预处理,并将预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;所述云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端5。
本应用场景的一个实施例的基于量子通信的农产品生产环境监测方法,包括以下步骤:
S1构建用于农产品生产环境监测的无线传感器监测网络,以及用于农产品的生产环境监测数据传输的量子通信网络;
S2利用无线传感器监测网络监测并采集生产环境监测数据,并将生产环境监测数据通过量子通信网络传输至预处理节点;
S3预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;
S4云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
本发明上述实施例构建了农产品生产环境监测***的模块架构以及农产品生产环境的监测流程,实现了农产品生产环境的监测。
优选的,所述无线传感器监测网络的构建包括传感器节点的部署和传感器节点的定位,所述传感器节点的部署的方法包括:
(1)进行网络第一次部署,设传感器节点的监测半径和通信半径均为r,将监测区域划分为重点监测区域和一般监测区域,重点监测区域划分为正方形网格,传感器节点部署于正方形网格中心,正方形网格边长一般监测区域划分为正六边形网格,传感器节点部署于正六边形中心,正六边形边长
(2)进行网络第二次部署,在传感器网络中部署一部分通信能力强的功能节点,设功能节点的通信半径为4r,在重点监测区域和在一般监测区域分别按照(1)中的方法对功能节点进行部署。
本优选实施例对传感器网络的部署,实现了监测区域的无缝覆盖,保证了对农产品生产环境的全面监测,在重点区域采用正方形网格部署,在一般检测区域采用正六边形网格部署,既节约了传感器数量,又保证了监测效果;增加功能节点,延长了整个传感器网络寿命,避免了传感器节点过早衰竭。
优选的,所述传感器节点的定位的方法包括:
1)未知传感器节点将收到的各个参考节点的接收信号的强度指示和参考节点坐标发送到上位机;
2)上位机对接收到的接收信号的强度指示值进行预处理,包括:通过自定义的选取规则选取高概率发生区的接收信号的强度指示值,求取选取的接收信号的强度指示值的平均值作为最终的接收信号的强度指示值;所述自定义的选取规则为:
当未知传感器节点收到的参考节点的接收信号的强度指示值满足下述条件时,确定该强度指示值为高概率发生区的接收信号的强度指示值:
其中,
式中,RSSIi为未知传感器节点收到每个参考节点第i次的接收信号的强度指示值,i∈[1,N],TL为设定的临界值,TL的取值范围为[0.4,0.6];
3)计算未知传感器节点距离参考节点的距离;
4)计算未知传感器节点的坐标,设k个参考节点的坐标分别为(x1,y1),(x2,y2),…,(xk,yk),未知传感器节点到参考节点的距离分别为d1,d2,…,dk,未知传感器节点X的坐标计算公式为:
X=(αTα)-1αTβ
其中,
本优选实施例设计了传感器节点的定位的方法,提高了传感器节点的定位精度,从而相对提高了农产品生产环境监测的精度。
优选的,所述量子通信网络的构建包括建立量子信道、确定量子密钥分发方案;所述建立量子信道,包括以下步骤:
(1)建立量子信道的表述模型,定义输入量子比特有限集合为I={|i1>,|i2>,…,|iN>},输出量子比特的有限集合为O={|o1>,|o>,…,|oN>}的量子信道C为:将|i>∈I送入信道,信道的输出是由密度算子ρ(|i>)完全决定的量子信息源的输出;
(2)量子态在量子信道的传输过程中,与信道发生关联,并在接收端全部或部分发生改变,成为新的态,信道中与量子态发生关联的有非理想设备和噪声,需对信道进行优化,包括:
令信道矩阵为X,噪声为Z,则接受态Jk为:
Jk=(X+Z)Tk,(k=1,2,…,n)
式中,Tk表示同一测量基下的态矩阵,每列元素表示一个发送态;
用相关系数R1、R2分别表示非理想设备和噪声与量子态的相关情况,通过波动方程理论及热力学公式建模,得出满足不同信道情况的具体信道模型;
所述量子密钥分发方案基于BB84的协议确定,包括以下步骤:
(1)经过激光器、光混合器、衰减器和相位调制器,发送端生成单光子脉冲,以量子偏振态偏振角度作为信息传输的地址码,发送端偏振态角度随机取0,每个单光子脉冲发送前,发送端向接收端发送时钟信号。发送端对每个单光子脉冲的偏振态相位进行编码,发送端相位取0和π组成一组正交归一基,接收端相位取0与其匹配,发送端相位取和组成另一组正交归一基,接收端相位取与其匹配;
(2)接收端经过相位调制器、偏振控制器、光分束器、半波片、偏振分束器和单光子探测器接收到光单子脉冲,根据时钟脉冲信号,对接收量子态进行测量,首先通过两组不同基下的探测器读数得出地址码值,再推出相位信息,之后通过经典信道与发送端进行相位及偏振基比对;
(3)接收端筛选测量信息,抛弃错误偏振测量基得出的信息及错误相位测量基得出的信息,分别得出初始密钥。
(4)接收端对对筛选后的测量基计数进行脉冲数比对,如果得到的正确结果的测量基脉冲数小于安全脉冲数门限值,则表明存在窃听,此时,放弃本次密钥协商,重新进行步骤(1)到(4),如果接收端得到的正确结果的测量基脉冲数大于等于门限值,发送端和接收端通过经典信道进行数据协调和密性放大,从而获得最终密钥;
其中,安全脉冲门限值采用如下方法确定,
无窃听时,接收端得到量子比特的正确率
式中,Pr表示正确选择测量基时准确接收量子态的概率,Pw表示错误选择测量基时准确接收量子态的概率;
存在窃听时,安全通信门限根据信道情况确定安全门限,当接收端得到正确量子比特概率低于Pm时,存在窃听。
本优选实施例由于通信设备的非理想性,以及信道中存在噪声,量子信息在传输的过程中会发生改变,通过建立实际信道使得接收端判别通信过程是否安全的标准更为准确;量子偏振态具有相对稳定的固有特性和可区分性,可以在多用户量子通信中有效地进行用户的区分;对信道模型中安全门限进行了分析,推得了实际量子通信中判别窃听的安全门限公式。
优选的,所述无线传感器监测网络包括网关、高能簇头节点、终端节点,所述高能簇头节点负责生产环境监测数据的有效采集,所述网关将采集到信息存储到嵌入式数据库中,在需要时将生产环境监测数据通过量子通信网络传输到云服务中心4;所述高能簇头节点由簇头节点、太阳能电池板、蓄电池、功率放大器和多个生产环境监测传感器组成,所述簇头节点的能量由太阳能电池板和蓄电池结合提供。
本优选实施例设置的簇头节点的能量由太阳能电池板和蓄电池结合提供,能够保证簇头节点的能量提供,节省用电消耗,降低监测成本。
优选的,所述根据生产环境监测数据的类型进行数据校准及融合预处理,包括:
(1)将每个传感器的生产环境监测数据通过BP神经网络进行校准,同时剔除错误的数据,获得更加准确的数据;所述通过BP神经网络进行校准,包括:
1)构建BP神经网络,以传感器的生产环境监测值作为BP神经网络的输入层,以标准仪器的测量值作为BP神经网络的输出层;
2)进行BP神经网络训练,具体为:将传感器的生产环境监测值从输入层经BP神经网络的隐含层传向输出层,如果在输出层没有得到期望的输出值,则沿原通路将误差返回,并根据误差函数,采用梯度下降法修正各层神经元的权值和阈值,从而使误差最小,最终达到期望效果,所述误差函数定义为:
式中,wij为前一输出层至隐含层的连接权值,xi为前一输出层的输出值,Ti为隐含层的阈值,wmj为隐含层至后一输出层的连接权值,Tm为后一输出层的阈值;
(2)通过自适应加权融合算法对多个传感器的生产环境监测数据进行融合,具体为:根据各传感器的生产环境监测值,以自适应的方式寻找各个传感器对应的最优加权因子,在满足总均方误差最小的情况下,使得融合后的结果达到最优。
本优选实施例的预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,解决了一般传感器测量的非线性误差,使监测的生产环境数据更加准确和可靠。
在此应用场景中,设定TL的值为0.55,传感器节点定位的精度提高了8.5%,农产品生产环境的监测精度提高了8%。
应用场景5
参见图1、图2,本应用场景的一个实施例的基于量子通信的农产品生产环境监测***,其包括监测模块1、通信模块2、数据预处理模块3、云服务中心4和移动管理终端5,所述监测模块1采用构建的无线传感器监测网络进行农产品生产环境监测;所述通信模块2用于通过量子通信网络进行农产品的生产环境监测数据的传输;所述数据预处理模块3根据生产环境监测数据的类型对通过量子通信网络传输的生产环境监测数据进行数据校准及融合预处理,并将预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;所述云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端5。
本应用场景的一个实施例的基于量子通信的农产品生产环境监测方法,包括以下步骤:
S1构建用于农产品生产环境监测的无线传感器监测网络,以及用于农产品的生产环境监测数据传输的量子通信网络;
S2利用无线传感器监测网络监测并采集生产环境监测数据,并将生产环境监测数据通过量子通信网络传输至预处理节点;
S3预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,预处理后的生产环境监测数据通过量子通信网络传输至云服务中心4;
S4云服务中心4将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
本发明上述实施例构建了农产品生产环境监测***的模块架构以及农产品生产环境的监测流程,实现了农产品生产环境的监测。
优选的,所述无线传感器监测网络的构建包括传感器节点的部署和传感器节点的定位,所述传感器节点的部署的方法包括:
(1)进行网络第一次部署,设传感器节点的监测半径和通信半径均为r,将监测区域划分为重点监测区域和一般监测区域,重点监测区域划分为正方形网格,传感器节点部署于正方形网格中心,正方形网格边长一般监测区域划分为正六边形网格,传感器节点部署于正六边形中心,正六边形边长
(2)进行网络第二次部署,在传感器网络中部署一部分通信能力强的功能节点,设功能节点的通信半径为4r,在重点监测区域和在一般监测区域分别按照(1)中的方法对功能节点进行部署。
本优选实施例对传感器网络的部署,实现了监测区域的无缝覆盖,保证了对农产品生产环境的全面监测,在重点区域采用正方形网格部署,在一般检测区域采用正六边形网格部署,既节约了传感器数量,又保证了监测效果;增加功能节点,延长了整个传感器网络寿命,避免了传感器节点过早衰竭。
优选的,所述传感器节点的定位的方法包括:
1)未知传感器节点将收到的各个参考节点的接收信号的强度指示和参考节点坐标发送到上位机;
2)上位机对接收到的接收信号的强度指示值进行预处理,包括:通过自定义的选取规则选取高概率发生区的接收信号的强度指示值,求取选取的接收信号的强度指示值的平均值作为最终的接收信号的强度指示值;所述自定义的选取规则为:
当未知传感器节点收到的参考节点的接收信号的强度指示值满足下述条件时,确定该强度指示值为高概率发生区的接收信号的强度指示值:
其中,
式中,RSSIi为未知传感器节点收到每个参考节点第i次的接收信号的强度指示值,i∈[1,N],TL为设定的临界值,TL的取值范围为[0.4,0.6];
3)计算未知传感器节点距离参考节点的距离;
4)计算未知传感器节点的坐标,设k个参考节点的坐标分别为(x1,y1),(x2,y2),…,(xk,yk),未知传感器节点到参考节点的距离分别为d1,d2,…,dk,未知传感器节点X的坐标计算公式为:
X=(αTα)-1αTβ
其中,
本优选实施例设计了传感器节点的定位的方法,提高了传感器节点的定位精度,从而相对提高了农产品生产环境监测的精度。
优选的,所述量子通信网络的构建包括建立量子信道、确定量子密钥分发方案;所述建立量子信道,包括以下步骤:
(1)建立量子信道的表述模型,定义输入量子比特有限集合为I={|i1>,|i2>,…,|iN>},输出量子比特的有限集合为O={|o1>,|o>,…,|oN>}的量子信道C为:将|i>∈I送入信道,信道的输出是由密度算子ρ(|i>)完全决定的量子信息源的输出;
(2)量子态在量子信道的传输过程中,与信道发生关联,并在接收端全部或部分发生改变,成为新的态,信道中与量子态发生关联的有非理想设备和噪声,需对信道进行优化,包括:
令信道矩阵为X,噪声为Z,则接受态Jk为:
Jk=(X+Z)Tk,(k=1,2,…,n)
式中,Tk表示同一测量基下的态矩阵,每列元素表示一个发送态;
用相关系数R1、R2分别表示非理想设备和噪声与量子态的相关情况,通过波动方程理论及热力学公式建模,得出满足不同信道情况的具体信道模型;
所述量子密钥分发方案基于BB84的协议确定,包括以下步骤:
(1)经过激光器、光混合器、衰减器和相位调制器,发送端生成单光子脉冲,以量子偏振态偏振角度作为信息传输的地址码,发送端偏振态角度随机取0,每个单光子脉冲发送前,发送端向接收端发送时钟信号。发送端对每个单光子脉冲的偏振态相位进行编码,发送端相位取0和π组成一组正交归一基,接收端相位取0与其匹配,发送端相位取和组成另一组正交归一基,接收端相位取与其匹配;
(2)接收端经过相位调制器、偏振控制器、光分束器、半波片、偏振分束器和单光子探测器接收到光单子脉冲,根据时钟脉冲信号,对接收量子态进行测量,首先通过两组不同基下的探测器读数得出地址码值,再推出相位信息,之后通过经典信道与发送端进行相位及偏振基比对;
(3)接收端筛选测量信息,抛弃错误偏振测量基得出的信息及错误相位测量基得出的信息,分别得出初始密钥。
(4)接收端对对筛选后的测量基计数进行脉冲数比对,如果得到的正确结果的测量基脉冲数小于安全脉冲数门限值,则表明存在窃听,此时,放弃本次密钥协商,重新进行步骤(1)到(4),如果接收端得到的正确结果的测量基脉冲数大于等于门限值,发送端和接收端通过经典信道进行数据协调和密性放大,从而获得最终密钥;
其中,安全脉冲门限值采用如下方法确定,
无窃听时,接收端得到量子比特的正确率
式中,Pr表示正确选择测量基时准确接收量子态的概率,Pw表示错误选择测量基时准确接收量子态的概率;
存在窃听时,安全通信门限根据信道情况确定安全门限,当接收端得到正确量子比特概率低于Pm时,存在窃听。
本优选实施例由于通信设备的非理想性,以及信道中存在噪声,量子信息在传输的过程中会发生改变,通过建立实际信道使得接收端判别通信过程是否安全的标准更为准确;量子偏振态具有相对稳定的固有特性和可区分性,可以在多用户量子通信中有效地进行用户的区分;对信道模型中安全门限进行了分析,推得了实际量子通信中判别窃听的安全门限公式。
优选的,所述无线传感器监测网络包括网关、高能簇头节点、终端节点,所述高能簇头节点负责生产环境监测数据的有效采集,所述网关将采集到信息存储到嵌入式数据库中,在需要时将生产环境监测数据通过量子通信网络传输到云服务中心4;所述高能簇头节点由簇头节点、太阳能电池板、蓄电池、功率放大器和多个生产环境监测传感器组成,所述簇头节点的能量由太阳能电池板和蓄电池结合提供。
本优选实施例设置的簇头节点的能量由太阳能电池板和蓄电池结合提供,能够保证簇头节点的能量提供,节省用电消耗,降低监测成本。
优选的,所述根据生产环境监测数据的类型进行数据校准及融合预处理,包括:
(1)将每个传感器的生产环境监测数据通过BP神经网络进行校准,同时剔除错误的数据,获得更加准确的数据;所述通过BP神经网络进行校准,包括:
1)构建BP神经网络,以传感器的生产环境监测值作为BP神经网络的输入层,以标准仪器的测量值作为BP神经网络的输出层;
2)进行BP神经网络训练,具体为:将传感器的生产环境监测值从输入层经BP神经网络的隐含层传向输出层,如果在输出层没有得到期望的输出值,则沿原通路将误差返回,并根据误差函数,采用梯度下降法修正各层神经元的权值和阈值,从而使误差最小,最终达到期望效果,所述误差函数定义为:
式中,wij为前一输出层至隐含层的连接权值,xi为前一输出层的输出值,Ti为隐含层的阈值,wmj为隐含层至后一输出层的连接权值,Tm为后一输出层的阈值;
(2)通过自适应加权融合算法对多个传感器的生产环境监测数据进行融合,具体为:根据各传感器的生产环境监测值,以自适应的方式寻找各个传感器对应的最优加权因子,在满足总均方误差最小的情况下,使得融合后的结果达到最优。
本优选实施例的预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,解决了一般传感器测量的非线性误差,使监测的生产环境数据更加准确和可靠。
在此应用场景中,设定TL的值为0.6,传感器节点定位的精度提高了9.5%,农产品生产环境的监测精度提高了10.5%。
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。
Claims (7)
1.一种基于量子通信的农产品生产环境监测方法,其特征是,包括以下步骤:
S1构建用于农产品生产环境监测的无线传感器监测网络,以及用于农产品的生产环境监测数据传输的量子通信网络;
S2利用无线传感器监测网络监测并采集生产环境监测数据,并将生产环境监测数据通过量子通信网络传输至预处理节点;
S3预处理节点根据生产环境监测数据的类型进行数据校准及融合预处理,预处理后的生产环境监测数据通过量子通信网络传输至云服务中心;
S4云服务中心将接收到的生产环境监测数据和预先设置的与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
2.根据权利要求1所述的一种基于量子通信的农产品生产环境监测方法,其特征是,所述无线传感器监测网络的构建包括传感器节点的部署和传感器节点的定位,所述传感器节点的部署的方法包括:
(1)进行网络第一次部署,设传感器节点的监测半径和通信半径均为r,将监测区域划分为重点监测区域和一般监测区域,重点监测区域划分为正方形网格,传感器节点部署于正方形网格中心,正方形网格边长一般监测区域划分为正六边形网格,传感器节点部署于正六边形中心,正六边形边长
(2)进行网络第二次部署,在传感器网络中部署一部分通信能力强的功能节点,设功能节点的通信半径为4r,在重点监测区域和在一般监测区域分别按照(1)中的方法对功能节点进行部署。
3.根据权利要求2所述的一种基于量子通信的农产品生产环境监测方法,其特征是,所述传感器节点的定位的方法包括:
1)未知传感器节点将收到的各个参考节点的接收信号的强度指示和参考节点坐标发送到上位机;
2)上位机对接收到的接收信号的强度指示值进行预处理,包括:通过自定义的选取规则选取高概率发生区的接收信号的强度指示值,求取选取的接收信号的强度指示值的平均值作为最终的接收信号的强度指示值;所述自定义的选取规则为:
当未知传感器节点收到的参考节点的接收信号的强度指示值满足下述条件时,确定该强 度指示值为高概率发生区的接收信号的强度指示值:
其中,
式中,RSSIi为未知传感器节点收到每个参考节点第i次的接收信号的强度指示值,i∈[1,N],TL为设定的临界值,TL的取值范围为[0.4,0.6];
3)计算未知传感器节点距离参考节点的距离;
4)计算未知传感器节点的坐标,设k个参考节点的坐标分别为(x1,y1),(x2,y2),…,(xk,yk),未知传感器节点到参考节点的距离分别为d1,d2,…,dk,未知传感器节点X的坐标计算公式为:
X=(αTα)-1αTβ
其中,
。
4.根据权利要求1所述的一种基于量子通信的农产品生产环境监测方法,其特征是,所述量子通信网络的构建包括建立量子信道、确定量子密钥分发方案;所述建立量子信道,包括以下步骤:
(1)建立量子信道的表述模型,定义输入量子比特有限集合为I={|i1>,|i2>,…,|iN>},输出量子比特的有限集合为O={|o1>,|o>,…,|oN>}的量子信道C为:将|i>∈I送入信道,信道的输出是由密度算子ρ(|i>)完全决定的量子信息源的输出;
(2)量子态在量子信道的传输过程中,与信道发生关联,并在接收端全部或部分发生改变,成为新的态,信道中与量子态发生关联的有非理想设备和噪声,需对信道进行优化,包括:
令信道矩阵为X,噪声为Z,则接受态Jk为:
Jk=(X+Z)Tk,(k=1,2,…,n)
式中,Tk表示同一测量基下的态矩阵,每列元素表示一个发送态;
用相关系数R1、R2分别表示非理想设备和噪声与量子态的相关情况,通过波动方程理论及热力学公式建模,得出满足不同信道情况的具体信道模型;
所述量子密钥分发方案基于BB84的协议确定,包括以下步骤:
(1)经过激光器、光混合器、衰减器和相位调制器,发送端生成单光子脉冲,以量子偏振态偏振角度作为信息传输的地址码,发送端偏振态角度随机取0,每个单光子脉冲发送前,发送端向接收端发送时钟信号。发送端对每个单光子脉冲的偏振态相位进行编码,发送端相位取0和π组成一组正交归一基,接收端相位取0与其匹配,发送端相位取和组成另一组正交归一基,接收端相位取与其匹配;
(2)接收端经过相位调制器、偏振控制器、光分束器、半波片、偏振分束器和单光子探测器接收到光单子脉冲,根据时钟脉冲信号,对接收量子态进行测量,首先通过两组不同基下的探测器读数得出地址码值,再推出相位信息,之后通过经典信道与发送端进行相位及偏振基比对;
(3)接收端筛选测量信息,抛弃错误偏振测量基得出的信息及错误相位测量基得出的信息,分别得出初始密钥。
(4)接收端对对筛选后的测量基计数进行脉冲数比对,如果得到的正确结果的测量基脉冲数小于安全脉冲数门限值,则表明存在窃听,此时,放弃本次密钥协商,重新进行步骤(1)到(4),如果接收端得到的正确结果的测量基脉冲数大于等于门限值,发送端和接收端通过经典信道进行数据协调和密性放大,从而获得最终密钥;
其中,安全脉冲门限值采用如下方法确定,
无窃听时,接收端得到量子比特的正确率
式中,Pr表示正确选择测量基时准确接收量子态的概率,Pw表示错误选择测量基时准确接收量子态的概率;
存在窃听时,安全通信门限根据信道情况确定安全门限,当接收端得到正确量子比特概率低于Pm时,存在窃听。
5.根据权利要求1所述的一种基于量子通信的农产品生产环境监测方法,其特征是,所述无线传感器监测网络包括网关、高能簇头节点、终端节点,所述高能簇头节点负责生产环境监测数据的有效采集,所述网关将采集到信息存储到嵌入式数据库中,在需要时将生产环境监测数据通过量子通信网络传输到云服务中心;所述高能簇头节点由簇头节点、太阳能电池板、蓄电池、功率放大器和多个生产环境监测传感器组成,所述簇头节点的能量由太阳能电池板和蓄电池结合提供。
6.根据权利要求1所述的一种基于量子通信的农产品生产环境监测方法,其特征是,所述根据生产环境监测数据的类型进行数据校准及融合预处理,包括:
(1)将每个传感器的生产环境监测数据通过BP神经网络进行校准,同时剔除错误的数据,获得更加准确的数据;所述通过BP神经网络进行校准,包括:
1)构建BP神经网络,以传感器的生产环境监测值作为BP神经网络的输入层,以标准仪器的测量值作为BP神经网络的输出层;
2)进行BP神经网络训练,具体为:将传感器的生产环境监测值从输入层经BP神经网络的隐含层传向输出层,如果在输出层没有得到期望的输出值,则沿原通路将误差返回,并根据误差函数,采用梯度下降法修正各层神经元的权值和阈值,从而使误差最小,最终达到期望效果,所述误差函数定义为:
式中,wij为前一输出层至隐含层的连接权值,xi为前一输出层的输出值,Ti为隐含层的阈值,wmj为隐含层至后一输出层的连接权值,Tm为后一输出层的阈值;
(2)通过自适应加权融合算法对多个传感器的生产环境监测数据进行融合,具体为:根据各传感器的生产环境监测值,以自适应的方式寻找各个传感器对应的最优加权因子,在满足总均方误差最小的情况下,使得融合后的结果达到最优。
7.一种基于量子通信的农产品生产环境监测***,其特征是,包括监测模块、通信模块、数据预处理模块、云服务中心和移动管理终端,所述监测模块采用构建的无线传感器监测网络进行农产品生产环境监测;所述通信模块用于通过量子通信网络进行农产品的生产环境监测数据的传输;所述数据预处理模块根据生产环境监测数据的类型对通过量子通信网络传输的生产环境监测数据进行数据校准及融合预处理,并将预处理后的生产环境监测数据通过量子通信网络传输至云服务中心;所述云服务中心将接收到的生产环境监测数据和预先设置的 与该生产环境监测数据所对应的设置阈值进行比较,若所述生产环境监测数据超出与其对应的设置阈值,则将所述生产环境监测数据及比较的结果发送至预设的移动管理终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610755541.4A CN106453488A (zh) | 2016-08-29 | 2016-08-29 | 一种基于量子通信的农产品生产环境监测方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610755541.4A CN106453488A (zh) | 2016-08-29 | 2016-08-29 | 一种基于量子通信的农产品生产环境监测方法与*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106453488A true CN106453488A (zh) | 2017-02-22 |
Family
ID=58090068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610755541.4A Pending CN106453488A (zh) | 2016-08-29 | 2016-08-29 | 一种基于量子通信的农产品生产环境监测方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106453488A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107135072A (zh) * | 2017-06-05 | 2017-09-05 | 三峡大学 | 一种基于量子加密的无线传感器网络*** |
CN107396375A (zh) * | 2017-07-24 | 2017-11-24 | 哈尔滨工程大学 | 基于量子头脑风暴的异构传感器网络最佳目标覆盖方法 |
CN107682405A (zh) * | 2017-09-08 | 2018-02-09 | 四川省绵阳太古软件有限公司 | 基于氧生度的生态旅游地环境数据融合处理***及方法 |
CN107770293A (zh) * | 2017-12-08 | 2018-03-06 | 朱明君 | 工业现场环境监测*** |
CN107764951A (zh) * | 2017-11-25 | 2018-03-06 | 广东先河科迪隆科技有限公司 | 工业园区环境空气质量监管*** |
CN111314473A (zh) * | 2020-02-22 | 2020-06-19 | 洋浦美诺安电子科技有限责任公司 | 一种基于人工智能的环境监测*** |
CN112782360A (zh) * | 2020-12-28 | 2021-05-11 | 安徽仕联电气有限公司 | 一种量子环保检测设备 |
CN115884006A (zh) * | 2023-02-23 | 2023-03-31 | 启实(烟台)数据技术有限公司 | 基于AIoT的校园安全防控***和方法 |
CN115884007A (zh) * | 2023-02-27 | 2023-03-31 | 武汉正元环境科技股份有限公司 | 一种环境监测方法 |
CN116170232A (zh) * | 2023-04-21 | 2023-05-26 | 安徽中科锟铻量子工业互联网有限公司 | 量子网关数据显示管理*** |
CN116691351A (zh) * | 2023-08-03 | 2023-09-05 | 四川吉利学院 | 新能源汽车电池安全智能监测及管理方法、装置及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100038440A1 (en) * | 2008-08-12 | 2010-02-18 | Kodalfa Bilgi ve Iletisim Teknolojileri San. Tic. A.S. | Method and system for remote wireless monitoring and control of climate in greenhouses |
CN102611200A (zh) * | 2012-03-12 | 2012-07-25 | 中国电力科学研究院 | 一种基于激光量子密码通信的无人机输变电监测*** |
CN102724330A (zh) * | 2012-07-09 | 2012-10-10 | 南京理工大学常熟研究院有限公司 | 农业无线传感器网络*** |
CN104537813A (zh) * | 2014-11-13 | 2015-04-22 | 无锡悟莘科技有限公司 | 基于无线传感器网络的农田信息自动检测及供电优化方法 |
KR20150121415A (ko) * | 2014-04-21 | 2015-10-29 | 한국교통대학교산학협력단 | 무선 센서네트워크 기반의 농산물 수확량 및 유통량 모니터링 방법과 이를 이용하는 농산물 데이터 처리 시스템 |
CN105262802A (zh) * | 2015-09-25 | 2016-01-20 | 南京汉森思物联网科技有限公司 | 一种基于图形化可编程特性的物联网通信采集方法 |
-
2016
- 2016-08-29 CN CN201610755541.4A patent/CN106453488A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100038440A1 (en) * | 2008-08-12 | 2010-02-18 | Kodalfa Bilgi ve Iletisim Teknolojileri San. Tic. A.S. | Method and system for remote wireless monitoring and control of climate in greenhouses |
CN102611200A (zh) * | 2012-03-12 | 2012-07-25 | 中国电力科学研究院 | 一种基于激光量子密码通信的无人机输变电监测*** |
CN102724330A (zh) * | 2012-07-09 | 2012-10-10 | 南京理工大学常熟研究院有限公司 | 农业无线传感器网络*** |
KR20150121415A (ko) * | 2014-04-21 | 2015-10-29 | 한국교통대학교산학협력단 | 무선 센서네트워크 기반의 농산물 수확량 및 유통량 모니터링 방법과 이를 이용하는 농산물 데이터 처리 시스템 |
CN104537813A (zh) * | 2014-11-13 | 2015-04-22 | 无锡悟莘科技有限公司 | 基于无线传感器网络的农田信息自动检测及供电优化方法 |
CN105262802A (zh) * | 2015-09-25 | 2016-01-20 | 南京汉森思物联网科技有限公司 | 一种基于图形化可编程特性的物联网通信采集方法 |
Non-Patent Citations (3)
Title |
---|
李加念 等: "基于无线传感器网络的小粒种咖啡园滴灌自动控制***", 《传感器与微***》 * |
赵楠 等: "基于BB84协议的量子密钥分发安全门限研究", 《物理学报》 * |
马艳丽: "基于无线传感器网络的瓦斯监测***的定位技术的研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107135072A (zh) * | 2017-06-05 | 2017-09-05 | 三峡大学 | 一种基于量子加密的无线传感器网络*** |
CN107396375B (zh) * | 2017-07-24 | 2020-12-22 | 哈尔滨工程大学 | 基于量子头脑风暴的异构传感器网络最佳目标覆盖方法 |
CN107396375A (zh) * | 2017-07-24 | 2017-11-24 | 哈尔滨工程大学 | 基于量子头脑风暴的异构传感器网络最佳目标覆盖方法 |
CN107682405A (zh) * | 2017-09-08 | 2018-02-09 | 四川省绵阳太古软件有限公司 | 基于氧生度的生态旅游地环境数据融合处理***及方法 |
CN107764951A (zh) * | 2017-11-25 | 2018-03-06 | 广东先河科迪隆科技有限公司 | 工业园区环境空气质量监管*** |
CN107770293A (zh) * | 2017-12-08 | 2018-03-06 | 朱明君 | 工业现场环境监测*** |
CN111314473A (zh) * | 2020-02-22 | 2020-06-19 | 洋浦美诺安电子科技有限责任公司 | 一种基于人工智能的环境监测*** |
CN112782360A (zh) * | 2020-12-28 | 2021-05-11 | 安徽仕联电气有限公司 | 一种量子环保检测设备 |
CN115884006A (zh) * | 2023-02-23 | 2023-03-31 | 启实(烟台)数据技术有限公司 | 基于AIoT的校园安全防控***和方法 |
CN115884007A (zh) * | 2023-02-27 | 2023-03-31 | 武汉正元环境科技股份有限公司 | 一种环境监测方法 |
CN115884007B (zh) * | 2023-02-27 | 2023-05-16 | 武汉正元环境科技股份有限公司 | 一种环境监测方法 |
CN116170232A (zh) * | 2023-04-21 | 2023-05-26 | 安徽中科锟铻量子工业互联网有限公司 | 量子网关数据显示管理*** |
CN116170232B (zh) * | 2023-04-21 | 2023-06-23 | 安徽中科锟铻量子工业互联网有限公司 | 量子网关数据显示管理*** |
CN116691351A (zh) * | 2023-08-03 | 2023-09-05 | 四川吉利学院 | 新能源汽车电池安全智能监测及管理方法、装置及*** |
CN116691351B (zh) * | 2023-08-03 | 2023-10-17 | 四川吉利学院 | 新能源汽车电池安全智能监测及管理方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106453488A (zh) | 一种基于量子通信的农产品生产环境监测方法与*** | |
Lau et al. | Probabilistic fault detector for wireless sensor network | |
Yu et al. | UAV-enabled spatial data sampling in large-scale IoT systems using denoising autoencoder neural network | |
KR20170046760A (ko) | 컨텍스트 이벤트 검출에 기초한 센서 노드 로컬리제이션 및 센서 네트워크 조직화를 위한 시스템 및 방법 | |
CN101867960A (zh) | 一种无线传感器网络性能综合评价方法 | |
US11520647B2 (en) | Agricultural sensor placement and fault detection in wireless sensor networks | |
CN105813020A (zh) | 一种自适应环境的rssi校正的无线传感器网络定位算法 | |
CN104181507A (zh) | 一种用于地基微波辐射计的数据处理与控制装置 | |
US10356744B2 (en) | Node localization method and device | |
CN116095131B (zh) | 一种基于物联网的水库安全监测方法 | |
Maduranga et al. | Supervised machine learning for RSSI based indoor localization in IoT applications | |
CN103619062A (zh) | 野外环境无线传感网络中未知节点的定位方法 | |
Chagas et al. | Genetic algorithms and simulated annealing optimization methods in wireless sensor networks localization using artificial neural networks | |
Lay-Ekuakille et al. | Supervised and characterized smart monitoring network for sensing environmental quantities | |
Yan et al. | PHY-IDS: A physical-layer spoofing attack detection system for wearable devices | |
CN104363064A (zh) | 一种基于优选用户的协作频谱感知方法 | |
CN106441425A (zh) | 一种森林环境监测*** | |
CN106302793A (zh) | 一种基于云计算的大棚空气质量监测*** | |
CN106210140A (zh) | 一种远程监测移动医疗设备数据异常的方法 | |
CN106331130A (zh) | 一种火灾监测控制*** | |
CN104503226A (zh) | 基于多传感器信息融合的发酵室环境无线Wi-Fi远程监控*** | |
CN106504480A (zh) | 一种尾矿库实时安全监测预警*** | |
Anulekshmi et al. | Performance Improvement of the Wireless Sensor Network with Proficient Power Management with Supervised Multimodel Data Regression Algorithm In Precision Agriculture | |
CN106344002A (zh) | 一种多功能电生理数据远程移动监测装置 | |
CN106254513A (zh) | 一种基于云计算平台的虫害监测预警*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |