[发明专利]一种基于无线云传感网的大气污染物在线监测系统

说明书

技术领域

本发明属于大气污染物在线监测技术领域，尤其涉及一种基于无线云传感网的大气污染物在线监测系统。

背景技术

目前，对于一些企业带来经济效益的同时，会造成很大的大气污染问题，威胁当地居民的身体健康，影响当地环境安全。

通过人工或固定的监测点进行污染物监测自动化程度低，人工维护成本高，并且数据具有较大的滞后性，当地管理部门不能随时接收到污染监测信息。由此，亟需一种能够自动进行大气污染物在线监测的设备。

图像分割是一个经典的图像处理问题，其目的是将一幅图像划分为若干有意义的区域，其中每个区域具有相似的特征和意义，但由于它处理对象的复杂性和目标的多样性，一直是计算机视觉领域的难点和热点问题。特别是近年来随着技术革命进一步深入，图像分割在越来越多的领域如工业生产、视频应用、医学图像处理、生物图像处理、智能交通、电子商务、电子政务、人机接口、虚拟现实、大气污染物在线监测等得到了广泛的应用。随着互联网的飞速发展及网络类型与带宽的增加，成像设备成本的下降，产生的图像迅猛增多，基于图像处理的产品与我们的日常生活也越来越紧密相关。图像分割作为图像处理中的一项关键技术，因此对图像分割技术的研究不仅具有重要的理论价值而且具有很好的实用价值。

图像分割研究始于二十世纪七十年代，经过近半个世纪的发展，提出了大量经典的图像分割算法。传统的经典图像分割主要有阈值分割、基于边缘的分割、基于区域的分割、基于全局优化准则的分割和基于统计的分割等。很多算法都在特定的应用场景中取得了好的分割效果，但由于图像成像方式及设备的多元化、处理物体的多样性及物体形状不规则性等原因导致没有一种图像分割算法能够很好的处理所有类型的图像。

图像分割在统计中也称为聚类分析。近年来基于统计的有限混合模型(Finite Mixture Mode,FMM)的研究一直非常活跃。然而基于高斯分布的FMM的一个明显缺点是它对噪声非常敏感。而青蛙分布与高斯分布相比具有更重的尾部，因此它对噪声具有很好的健壮性，是高斯分布的健壮替代。

综上所述，现有技术存在的问题是：通过人工或固定的监测点进行污染物监测自动化程度低，人工维护成本高，并且数据具有较大的滞后性，当地管理部门不能随时接收到污染监测信息；而且现有技术污染物图像处理技术智能化程度低。

发明内容

针对现有技术存在的问题，本发明提供了一种基于无线云传感网的大气污染物在线监测系统。

本发明是这样实现的，一种基于无线云传感网的大气污染物在线监测系统包括：用户终端、数据总汇终端、无线云传感网、系统分析模块、湿度监测模块、污染物监测模块、温度监测模块及时间控制模块；

所述湿度监测模块、污染物监测模块、温度监测模块均通过有线或无线分别连接时间控制模块和系统分析模块；系统分析模块将数据通过GTiBee协议传送到无线云传感网；所述数据总汇终端用于接收汇总无线云传感网的数据；用户终端通过访问数据总汇终端对大气污染状况进行了解并控制数据总汇终端；

所述用户终端通过流量数据连接用数据总汇终端；

所述时间控制模块用于控制所述湿度监测模块、污染物监测模块、温度监测模块的工作频率或采样周期；

所述湿度监测模块用感知设备在独立的采样周期内对目标信号x(t)进行采集，并用A/D方式对信号进行数字量化；然后，对量化后的信号x(i)进行降维；最后，对降维后的信号进行重构；其中t为采样时刻，i为量化后的信号排序；

对量化后的信号进行降维，具体是对量化后的信号通过有限脉冲响应滤波器的差分方程i＝1,…,M，其中h(0),…,h(L-1)为滤波器系数，设计基于滤波的压缩感知信号采集框架，构造如下托普利兹测量矩阵：

则观测i＝1,…,M，其中b₁,…,b_L看作滤波器系数；子矩阵Φ_FT的奇异值是格拉姆矩阵G(Φ_F,T)＝Φ′_FTΦ_FT特征值的算术根，验证G(ΦF,T)的所有特征值λi∈(1-δ_K,1+δ_K),i＝1,…,T，则Φ_F满足RIP，并通过求解最优化问题来重构原信号；即通过线性规划方法来重构原信号，亦即BP算法；对图像或语音压缩信号的采集，则修改Φ_F为如下形式：