新書推薦：
《
索恩丛书·伊凡雷帝：俄国的第一位沙皇
》
售價：HK$
141.9
![[共2册]利他性销售+利他式表达全2册正版书籍破解销售密码实现业绩狂飙洞察客户未言明核心需求痛点成交](//img.megbook.hk/upload/mall/productImages/26/10/9787547753248.jpg)
《
[共2册]利他性销售+利他式表达全2册正版书籍破解销售密码实现业绩狂飙洞察客户未言明核心需求痛点成交
》
售價：HK$
151.8
《
折姜（中）
》
售價：HK$
51.5
《
清华大学藏战国竹简校释（伍）：《筮法》诸篇
》
售價：HK$
107.8
《
我们都会变有钱：投资的道与术
》
售價：HK$
63.8
《
人体使用指南：没有什么比身体更重要
》
售價：HK$
92.0
《
黄土馆事件
》
售價：HK$
80.2
《
“一国两制”下香港维护国家安全的实践（16开本繁体字版）
》
售價：HK$
18.9
|
| 內容簡介： |
|
针对极端环境下生态监测难点，《复杂环境生态物联网监测关键技术原理与实践》从理论架构、硬件研发到系统应用展开全链条分析。突破生态物联网极端环境（高温、高寒、信号弱）下的硬件瓶颈，以低功耗和无线传输为技术核心，设计面向野外场景的生态数据采集、无线传感网、数据传输及能量动态分配等技术典型应用场景。融合数学模型、算法仿真与真实环境测试数据，形成覆盖“感知-传输-管理”全环节的技术体系，为生态数据实时采集、灾害预警及生物多样性保护提供可靠的解决方案。
|
| 目錄：
|
|
目录第1章 绪论 11.1 概述 11.2 生态环境监测的常用通信方式 11.3 生态环境无线传感器网络 21.4 无线传感器网络能量收集技术 3第2章 生态物联网理论基础 52.1 传感器的介电常数测定基础 52.1.1 介电常数理论基础 52.1.2 传输线矢量反射理论 72.1.3 终端开路传输线阻抗计算 102.1.4 观测对象的反射系数测量 112.2 无线通信技术 122.2.1 概述 122.2.2 LoRa通信技术 132.3 无线传感器网络路由协议 152.3.1 无线传感器网络体系结构 152.3.2 无线传感器网络路由算法 172.3.3 分簇路由协议 20第3章 极端环境下土壤水分智能采集系统研发 243.1 矢量反射法测量冻土未冻水含量的理论分析 243.1.1 冻土未冻水含量与介电常数的关系 243.1.2 冻土未冻水含量反演 263.2 基于矢量反射原理的冻土未冻水含量传感器设计 263.2.1 整体方案设计 263.2.2 传感器信号源设计 273.2.3 传感器探头设计 293.2.4 冻土未冻水含量测量的相关信号采集与处理 343.2.5 冻土未冻水含量传感器整体电路设计 423.2.6 传感器封装 443.2.7 传感器可靠性验证 443.3 基于介电常数的冻土未冻水含量反演算法 533.3.1 冻土未冻水含量反演实验方案设计 533.3.2 冻土未冻水含量测定 543.3.3 基于研发传感器的土壤冻融过程电压信号实验 583.3.4 土壤冻融期介电常数与温度、含水量的关系测量分析 633.3.5 基于介电特性的冻土未冻水含量反演 683.4 野外冻土未冻水含量在线监测系统研发 763.4.1 基于生态环境监测背景的在线监测系统总体设计 763.4.2 系统硬件平台设计与搭建 783.4.3 冻土未冻水含量在线监测系统软件设计与开发 853.4.4 在线监测系统测试 93第4章 适用野外供能的太阳智能跟踪系统设计与实现 984.1 太阳方位检测与跟踪的理论方法 984.1.1 太阳方位检测方法 984.1.2 太阳方位跟踪方法 1014.1.3 孪生网络目标跟踪的主要神经网络结构 1044.2 基于图像识别的太阳方位检测算法 1094.2.1 太阳跟踪数据集构建 1094.2.2 太阳方位检测模型构建 1134.2.3 太阳方位检测网络实现 1224.3 太阳方位智能跟踪系统 1264.3.1 太阳方位跟踪系统功能设计 1264.3.2 太阳方位跟踪系统硬件构成 1274.3.3 太阳方位跟踪系统软件设计 1314.4 太阳智能跟踪系统的集成与验证 1404.4.1 太阳智能跟踪系统集成 1404.4.2 太阳智能跟踪系统验证 142第5章 面向平地生态监测的无线传感网路由协议设计 1475.1 无线传感网与多路径容错路由基础 1475.1.1 无线传感器网络多路径容错路由协议 1475.1.2 无线通信技术与网络层AODV协议 1515.1.3 NS2网络模拟器 1535.2 基于AODV的备份多路径容错路由协议 1565.2.1 基于ZigBee无线传感器网络的AODV协议测试 1565.2.2 面向WSN故障场景的AODV容错能力分析 1645.2.3 FTB-AODV协议优化设计思路 1675.2.4 FTB-AODV协议工作流程与具体实现 1785.2.5 仿真实验与结果分析 1845.3 基于FTB-AODV的自适应路由协议改进 1935.3.1 FTB-AODV路由协议可靠度分析 1935.3.2 基于自适应机制和多路径轮询调度的优化设计 1945.3.3 仿真实验与结果分析 199第6章 面向山地生态监测的无线传感网路由协议设计 2066.1 LORAWAN多跳路由协议基础 2066.1.1 LoRa通信技术 2066.1.2 无线传感器网络MAC协议 2106.2 基于后向均衡的稀疏监测网络多跳路由算法 2126.2.1 面向广域山区生态监测的路由需求分析 2126.2.2 算法设计 2146.2.3 算法仿真与实验 2186.3 后向均衡多跳路由协议在生态环境监测系统中的实现 2226.3.1 生态监测系统应用场景分析 2226.3.2 系统硬件平台 2236.3.3 生态环境数据监测节点MAC协议设计 2266.3.4 系统数据链路实现 2336.3.5 生态监测系统测试分析 242第7章 生态无线传感网的太阳能分配策略 2467.1 太阳能收集无线传感器网络 2467.1.1 EH-WSN能量收集来源及结构 2467.1.2 太阳能功率预测算法 2487.1.3 模型预测数据 2507.1.4 模型精度评估方法 2527.2 无线传感器网络的太阳能功率预测算法 2537.2.1 **太阳能功率预测模型的问题分析 2537.2.2 基于相似时记忆矩阵的动态权重预测算法构建 2577.2.3 多配置文件-动态权重太阳能功率预测算法精度分析 2627.3 基于能量预测的EH-WSN能量分配策略 2687.3.1 传统分簇路由协议在EH-WSN中存在的问题分析 2687.3.2 基于能量预测的分簇路由协议设计 2727.3.3 基于能量预测的分簇路由算法模拟与分析 276第8章 生态物联网管理系统研发 2868.1 系统研发概况 2868.1.1 研发背景 2868.1.2 运行环境 2868.1.3 开发语言 2878.2 系统实现 2878.2.1 系统登录 2878.2.2 主界面功能 2878.2.3 生态监测数据管理系统 2888.2.4 监测设备管理系统 2898.2.5 系统管理 290参考文献 292
|
| 內容試閱：
|
|
第1章 绪论 1.1 概述 生态环境监测在了解人类活动对环境的影响过程、保护环境和人类健康方面起着至关重要的作用。然而传统的生态环境监测极其依赖人工参与，主要存在以下问题。①数据采集不及时：传统的生态环境监测通常依赖人工采样和处理数据，效率低下，还可导致数据不全和精度缺乏，不能及时发现环境问题。②数据质量不稳定：传统的生态环境监测需要人工操作和处理，容易受到人为因素的影响，人为误差和主观判断造成数据质量不稳定。③监测范围受限：传统的生态环境监测范围受人力、物力和财力等方面的限制，无法覆盖所有生态环境涉及问题区域，监测效果受到限制。④数据处理难度大：传统的生态环境监测需要人工处理大量的数据，并且需要具备专业知识和技术，数据处理难度大。⑤信息共享难度大：传统的生态环境监测数据通常来自不同的监测机构和部门，信息共享难度大，数据无法实现共享和交流，限制了其利用效率。因此，目前引入物联网技术进行自动监测，是生态环境监测领域的发展趋势。 1.2 生态环境监测的常用通信方式 信息化生态环境监测主要依靠无线传感器网络（wireless sensor network，WSN），通过传感器感知监测对象，利用监测网络实时或定时回传到数据中心，以此获取**手数据。它通常由几个关键部分组成：①收集生态环境数据的传感器；②将数据从传感器传输到中央控制中心的无线通信设备，如ZigBee[1-5]、WiFi[6-10]、LoRaWAN[11-15]等；③实现采集和处理的数据采集与处理系统；④接收和分析传感器数据的中央控制中心。生态环境物联网监测网络与传统监测方法相比具有许多优势，比如准确性、时效性和速度的提高。使用无线通信技术，可以将远程传感器的数据实时传输到中央控制中心，从而快速响应生态环境变化。此外，传感器和无线通信技术可以降低监控成本和复杂性，监控更大的区域。在偏远地区，生态环境监测网络中的节点无法依靠电力供电和无线网络，其供电只能依赖太阳能、风能等不稳定的自然资源，通信也常受恶劣天气影响，因此在设计偏远地区的生态环境监测网络时，必须尽可能地采用通信距离长、抗干扰能力强、耗能低等技术。 目前生态环境监测网络常用的通信方式有：NB-IoT（narrow band internet of things，窄带物联网）[16-18]、ZigBee[19-21]、WiFi[22-24]或蓝牙[25-27]等。这些技术非常依赖电力和运营商网络，对更大范围的偏远环境而言，如干旱区的土地荒漠化监测、高原水文气象监测等，上述无线传感网络便难以适用。为了解决长距离低功耗通信传输难题，LoRa（long range radio，远距离无线电）扩频通信技术应运而生。如表1.1所示，LoRa能实现*远15km的传输距离，远高于传统短距离无线物联网连接技术，并且其扩频技术具有很好的抗干扰能力，可在噪声下20dB解调，保证数据在恶劣的通信环境下仍然正常传输[28-31]。 1.3 生态环境无线传感器网络 近年来，无线传感器网络（WSN）作为新一代信息获取技术，正推动着物联网快速发展，为提高社会生产力做出了重大贡献[32-34]。区别于传统有线网络，WSN能灵活地部署在指定区域，且可根据需要进行快速拓展[35]。其通常包含大量能够采集和处理指定对象信息的传感器节点[36，37]，并借助无线通信技术自组织构建多跳传输网络，使人们能够突破时空和环境的限制，实时获取关键监测信息[38-40]。因此，WSN被相关科技部门视为信息产业的重点发展方向，得到了军、民、工等产业的大力支持。如图1.1所示，WSN已被应用在生态环境监测、智慧农业、矿井勘探、地震探测、森林防火和抢险救灾等诸多领域[41-45]，在实际应用中凸显出巨大价值和广阔前景。 图1.1 WSN应用领域示例 然而，WSN在应用于具有高实时性、可靠性和容错性要求的关键场景时，仍存在以下问题。①节点能力有限[46]：由于成本和硬件资源约束，节点通常受到能源限制，并且计算和存储能力较弱，缺乏有效的抗毁和自愈能力。②工作环境恶劣[47]：WSN常随机部署于不确定的工作环境中，可能存在物理障碍、多径衰落或信号干扰等现象，导致网络信号丢失、传输错误或通信不稳定。一些极端环境甚至会直接造成节点损坏或故障。③难以维护[48]：节点可能被部署于如深山和无人区等人迹罕至的危险区域，故障发生时难以及时维护。对于某些节点具有移动性的场景，动态变化的拓扑也会造成链路频繁中断[49]。通常，无论是节点还是链路故障，都会影响网络的关键性能，如数据传输的到达率和时延。在更严重的情况下，网络可能会被分割成多个无法互通的*立子网，导致监测数据无法传回本地，从而损害网络信息采集能力和服务质量（quality of service，QoS）[50，51]。因此，如何实现有效的故障容错策略已成为学术界和工业界的关注焦点[52]。 1.4 无线传感器网络能量收集技术 可持续性能源是无线传感器网络当前面临的主要挑战之一[53]。为了解决这一难题，集成能量收集技术成为一种颇具前景的解决方案。能量收集技术通过从周围环境中汲取能量，为无线传感器网络提供持久且稳定的电力支持，从而延长网络寿命并减少维护需求[54]。学术界和工业界对能量收集技术的兴趣越来越浓厚，预计全球能量收集市场将从2020年的3.606亿美元增长到2028年的9.8709亿美元[55]。 目前，已有多种能量收集技术被应用于无线传感器网络中，根据物理性质，分为4种类型：太阳能[56-58]、射频能量[59-61]、机械能[62，63]、热能[64]。这些技术各具特色，但能量密度和适用场景各异，具体如表1.2所示。在光照充足的户外环境中，太阳能是一种理想的能量来源，例如Polonelli等提出了一种自供能的传感器节点结构，能量收集系统是基于STMicroelectronics的SPV1040升压转换器的太阳能电池板，用于监测建筑物中裂缝的位移[65]；应用于生态环境监测的无线传感器网络中，也有大部分采用太阳能实现可持续供电[66]。在道路或轨道监测系统中，机械能则更具优势，因为车辆经过时会产生振动能量。例如Orfei等[67]采用了一种无电池传感器系统来监测桥梁沥青，汽车经过桥梁所产生的振动会增加节点中Halbach（海尔贝克）永磁体的磁场，通过电磁效应产生电能。Alegret等[68]指出，在工业环境这种偏室内的环境中，热能作为能量收集的对象更合适；还提出一种无电池的监测工厂机械振动的无线传感器网络，节点通过从80℃的冷凝管道中汲取热能供电。综上，在选择能量收集技术时，需综合考虑应用场景、环境条件和能量需求等因素，以确保选取*适合的能量收集方式。 相较于其他能量形式，太阳能以其高功率密度和易获取性，在智能农业和智能城市等物联网应用中脱颖而出，成为理想的电源，是一种*常见的环境能源[69]。太阳能的利用主要通过光伏发电装置实现，如光伏发电板等。 虽然太阳能在无线传感器网络能源保障中具有明显优势，但也存在一些不利因素。*先，太阳能的可获取性受到多种因素的制约，包括地理位置、季节变化和天气条件等。晴天与阴天之间的光伏功率差异显著[70]；不同季节的太阳辐照水平也存在差异[71]；同一个网络中节点位置不同、朝向不同，也会导致太阳能收集功率的差异[72]。此外，太阳能的获取在昼夜之间存在巨大差异，夜晚时几乎无法获取太阳能，这代表一天内接近一半的时间没有能量收入。因此，太阳能作为能量来源具有很强的不确定性和间歇性。 为了更好地管理和分配网络中的能耗，许多学者针对能量收集无线传感器网络（energyharvesting-wireless sensor network，EH-WSN）中的能量预测策略进行了研究[73]。通过预测未来节点的能量收入水平，有助于对整个系统的能源进行有效的分配和管理，使网络能够有计划地使用能量，从而提升服务质量。同时，针对节点传输工作量不同，需要有更好的任务分配方式，来配合能量预测方法，对节点的能量进行及时调控，避免出现能量过少或过多的情况。 第2章 生态物联网理论基础 2.1 传感器的介电常数测定基础 2.1.1 介电常数理论基础 介电常数是描述电介质极化程度的一个重要物理量，一般用ε表示，单位为。以真空中直流电压下理想平行电极板为例，当平行电极板两端供以直流电压U时，两电极板形状和大小相同，完美相对，面积为S，板间距离为d，结构如图2.1[74]所示。 图2.1 直流电压下的平行电极板结构 此时受电场的影响，两金属极板会分别聚集正电荷与负电荷，其间的电介质出现极化现象。平行极板间电压为电源电压，假设电荷均匀分布，即两平行电极板上的电荷面密度均为，则可推算得到极板间的电压为 （2.1） 真空下极板间电场强度可表示为 （2.2） 式中，k为静电力常量。 极板上总电荷量Q可表示为 （2.3） 代入上式，真空下电容可表示为 （2.4） 定义相对介电常数，其中为真空下的电场强度，为放入电介质后的电场强度，则有填充介质时电容C可表示为 （2.5） 式中，为相对介电常数，为绝对介电常数，为真空介电常数，其值约为。可见，平行电极板电容器的电容大小不仅由它的外形结构决定，还由其间电介质的介电常数共同决定。 在实际的由电容器构成的交流电路中，电路中存在无能量消耗的充放电电流及损耗电流，此时电容可以等效为一个理想电容器与电导并联，如图2.2所示。 图2.2 交流电压下的平行电极板电容器等效电路图 设总电流为，不妨设电路电压，理想电容分路电流与电导分路电流分别可以表示为 （2.6） （2.7） 式中，ω为角频率；t为时间。 可见，电容两端电压滞后于电流，电导两端电压与电流同向。此时，整体电流电压之差为，实际通过电容的电流为 （2.8） 令 （2.9） 联立式（2.8）、式（2.9）可得 （2.10） 式中，即为复电导率。 根据电磁理论，引入复介电常数： （2.11） 且有 （2.12） 联立式（2.10）、式（2.11）、式（2.12），实际通过电容的电流可表示为
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
![[共2册]利他性销售+利他式表达全2册正版书籍破解销售密码实现业绩狂飙洞察客户未言明核心需求痛点成交](http://img.megbook.hk/upload/mall/productImages/26/10/9787547753248.jpg)
