物聯網智慧安監(jiān)技術（修訂版）

第1章緒論1
1.1何為物聯網智慧安監(jiān)技術2
1.2?；沸孤┍O(jiān)管現狀4
1.3?；瘹怏w物聯網智慧監(jiān)測定位5
1.4基于物聯網的?；瘹怏w監(jiān)測定位算法9
1.4.1基于經典概率估計的定位算法9
1.4.2基于貝葉斯推理的定位算法10
1.4.3基于非線性濾波估計的定位算法12
1.4.4基于智能優(yōu)化算法的定位算法14
1.4.5基于壓縮感知的稀疏重構定位算法16
1.4.6基于壓縮感知的多泄漏源定位算法17
1.5課題研究背景及結構安排18
1.5.1本書的研究背景18
1.5.2本書的結構安排19
第2章危化氣體物聯網監(jiān)測定位關鍵問題21
2.1引言22
2.2?；瘹怏w擴散理論及模型22
2.2.1氣體擴散影響因素22
2.2.2高斯氣體擴散模型23
2.2.3基于湍流擴散理論的氣體擴散模型25
2.2.4經典氣體擴散煙羽仿真模型27
2.2.5氣體擴散仿真風場和濃度場建立與分析30
2.2.6室內通風環(huán)境下的氣體擴散二維煙羽仿真模型構建37
2.3基于物聯網的智能協作信息處理框架40
2.3.1經典分布式估計算法41
2.3.2物聯網監(jiān)測結點調度與規(guī)劃策略及自組織通信44
2.4?；瘹怏w泄漏安全監(jiān)測與定位性能評價49
2.4.1定位誤差和收斂速度49
2.4.2運算復雜度49
2.4.3系統容錯性和自適應性49
2.4.4結點功耗和生命周期50
2.5本章小結50
第3章?；瘹怏w物聯網智慧監(jiān)測定位系統51
3.1引言52
3.2?；瘹怏w智慧監(jiān)測定位系統總體設計52
3.2.1系統設計需求分析52
3.2.2總體設計方案53
3.3?；瘹怏w環(huán)境感知監(jiān)測系統設計54
3.3.1氣體傳感器分類及選型54
3.3.2危化氣體環(huán)境感知監(jiān)測系統硬件電路設計56
3.3.3電源選型及硬件電路設計60
3.3.4?；瘹怏w環(huán)境感知監(jiān)測系統軟件設計63
3.4無線通信網關模塊設計70
3.4.1網關總體結構及運行流程71
3.4.2網關硬件設計72
3.4.3網關軟件設計74
3.5智慧監(jiān)測定位終端系統設計77
3.6本章小結78
第4章基于序貫分布式卡爾曼濾波算法的危化氣體監(jiān)測定位79
4.1引言80
4.2?；瘹怏w擴散的模型描述81
4.2.1氣體的擴散和測量模型81
4.2.2氣體擴散過程的狀態(tài)空間模型描述82
4.3基于序貫分布式卡爾曼濾波算法的定位83
4.3.1卡爾曼濾波理論83
4.3.2基于序貫擴展卡爾曼濾波算法的定位85
4.3.3基于序貫無跡卡爾曼濾波算法的定位88
4.4基于序貫卡爾曼濾波算法的?；瘹怏w監(jiān)測的定位91
4.4.1基于序貫卡爾曼濾波算法的?；瘹怏w監(jiān)測定位過程91
4.4.2基于序貫卡爾曼濾波算法實現?；瘹怏w監(jiān)測定位91
4.5算法性能分析及仿真結果93
4.5.1仿真參數設置及性能指標93
4.5.2仿真結果分析94
4.6本章小結98
第5章基于序貫最小均方差估計算法的危化氣體監(jiān)測定位99
5.1引言100
5.2最小均方差氣體擴散狀態(tài)與觀測方程101
5.3基于序貫最小均方差估計算法的定位102
5.3.1氣體泄漏參數的最小均方差估計量及均方誤差102
5.3.2監(jiān)測結點協作信息融合目標函數構建105
5.3.3結點調度及路由規(guī)劃算法推導107
5.4算法性能分析及仿真結果110
5.4.1仿真參數設置及性能指標110
5.4.2仿真結果分析111
5.5本章小結116
第6章能量均衡并行粒子濾波的?；瘹怏w監(jiān)測定位117
6.1引言118
6.2并行分簇傳感器網絡系統模型119
6.2.1系統狀態(tài)模型119
6.2.2系統觀測模型119
6.3并行分簇粒子濾波算法120
6.3.1粒子濾波原理120
6.3.2并行粒子濾波算法121
6.4并行分簇傳感器網絡信息處理機制123
6.4.1傳感器網絡結點分簇及調度策略123
6.4.2能量均衡并行分簇多結點數據傳輸策略123
6.4.3能量均衡危化氣體泄漏參數估計量目標函數125
6.4.4基于奇異值分解的估計量目標函數凸優(yōu)化求解126
6.5算法性能分析及仿真結果129
6.5.1仿真參數設置及性能指標129
6.5.2仿真結果分析130
6.6本章小結136
第7章高斯混合模型非線性濾波的?；瘹怏w監(jiān)測定位137
7.1引言138
7.2高斯混合模型139
7.2.1高斯混合模型定義139
7.2.2基于EM算法的高斯混合模型參數估計方法140
7.3基于動態(tài)傳感器網絡的?；瘹怏w監(jiān)測定位141
7.3.1問題描述141
7.3.2擴散分布狀態(tài)模型及觀測模型142
7.3.3基于GMF的氣體泄漏源參數估計算法143
7.4源參數估計定位的傳感器管理策略149
7.4.1基于條件信息熵的結點選擇效用函數149
7.4.2條件信息熵梯度傳感器網絡結點優(yōu)化調度策略150
7.5算法性能分析及仿真結果154
7.5.1仿真參數設置及性能指標154
7.5.2仿真結果分析155
7.6本章小結159
第8章基于壓縮感知的?；瘹怏w聲源監(jiān)測定位160
8.1引言161
8.2聲傳感器網絡中麥克風陣列信號模型162
8.2.1假設條件162
8.2.2通用信號模型163
8.2.3均勻麥克風陣列信號模型164
8.2.4陣列模型的統計特性166
8.3壓縮感知理論168
8.4基于壓縮感知的氣體聲源DOA估計模型170
8.4.1麥克風陣列信號模型170
8.4.2壓縮感知觀測模型171
8.4.3稀疏重構約束條件判定172
8.5基于壓縮感知的氣體聲源稀疏貝葉斯重構算法172
8.6算法性能分析及仿真結果174
8.6.1仿真參數設置及性能指標174
8.6.2仿真結果分析175
8.7本章小結180
第9章基于壓縮感知的變分貝葉斯多源?；瘹怏w監(jiān)測定位181
9.1引言182
9.2基于稀疏信號恢復的多源定位問題描述184
9.3基于壓縮感知的多氣體源定位模型185
9.4變分貝葉斯期望最大化聯合估計算法187
9.4.1混合高斯先驗模型187
9.4.2變分貝葉斯推理188
9.5基于壓縮感知的多?；瘹怏w源變分貝葉斯稀疏重構算法189
9.6算法性能分析及仿真結果192
9.6.1仿真參數設置及性能指標192
9.6.2仿真結果分析193
9.7本章小結198
參考文獻199