物聯(lián)網(wǎng)智慧安監(jiān)技術(shù)（修訂版）

第1章緒論1
1.1何為物聯(lián)網(wǎng)智慧安監(jiān)技術(shù)2
1.2?；沸孤┍O(jiān)管現(xiàn)狀4
1.3?；瘹怏w物聯(lián)網(wǎng)智慧監(jiān)測定位5
1.4基于物聯(lián)網(wǎng)的?；瘹怏w監(jiān)測定位算法9
1.4.1基于經(jīng)典概率估計(jì)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(jì)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(gòu)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(jié)構(gòu)安排18
1.5.1本書的研究背景18
1.5.2本書的結(jié)構(gòu)安排19
第2章?；瘹怏w物聯(lián)網(wǎng)監(jiān)測定位關(guān)鍵問題21
2.1引言22
2.2?；瘹怏w擴(kuò)散理論及模型22
2.2.1氣體擴(kuò)散影響因素22
2.2.2高斯氣體擴(kuò)散模型23
2.2.3基于湍流擴(kuò)散理論的氣體擴(kuò)散模型25
2.2.4經(jīng)典氣體擴(kuò)散煙羽仿真模型27
2.2.5氣體擴(kuò)散仿真風(fēng)場和濃度場建立與分析30
2.2.6室內(nèi)通風(fēng)環(huán)境下的氣體擴(kuò)散二維煙羽仿真模型構(gòu)建37
2.3基于物聯(lián)網(wǎng)的智能協(xié)作信息處理框架40
2.3.1經(jīng)典分布式估計(jì)算法41
2.3.2物聯(lián)網(wǎng)監(jiān)測結(jié)點(diǎn)調(diào)度與規(guī)劃策略及自組織通信44
2.4危化氣體泄漏安全監(jiān)測與定位性能評價(jià)49
2.4.1定位誤差和收斂速度49
2.4.2運(yùn)算復(fù)雜度49
2.4.3系統(tǒng)容錯(cuò)性和自適應(yīng)性49
2.4.4結(jié)點(diǎn)功耗和生命周期50
2.5本章小結(jié)50
第3章?；瘹怏w物聯(lián)網(wǎng)智慧監(jiān)測定位系統(tǒng)51
3.1引言52
3.2?；瘹怏w智慧監(jiān)測定位系統(tǒng)總體設(shè)計(jì)52
3.2.1系統(tǒng)設(shè)計(jì)需求分析52
3.2.2總體設(shè)計(jì)方案53
3.3危化氣體環(huán)境感知監(jiān)測系統(tǒng)設(shè)計(jì)54
3.3.1氣體傳感器分類及選型54
3.3.2?；瘹怏w環(huán)境感知監(jiān)測系統(tǒng)硬件電路設(shè)計(jì)56
3.3.3電源選型及硬件電路設(shè)計(jì)60
3.3.4?；瘹怏w環(huán)境感知監(jiān)測系統(tǒng)軟件設(shè)計(jì)63
3.4無線通信網(wǎng)關(guān)模塊設(shè)計(jì)70
3.4.1網(wǎng)關(guān)總體結(jié)構(gòu)及運(yùn)行流程71
3.4.2網(wǎng)關(guān)硬件設(shè)計(jì)72
3.4.3網(wǎng)關(guān)軟件設(shè)計(jì)74
3.5智慧監(jiān)測定位終端系統(tǒng)設(shè)計(jì)77
3.6本章小結(jié)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(kuò)散的模型描述81
4.2.1氣體的擴(kuò)散和測量模型81
4.2.2氣體擴(kuò)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(kuò)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(shí)現(xiàn)?；瘹怏w監(jiān)測定位91
4.5算法性能分析及仿真結(jié)果93
4.5.1仿真參數(shù)設(shè)置及性能指標(biāo)93
4.5.2仿真結(jié)果分析94
4.6本章小結(jié)98
第5章基于序貫最小均方差估計(jì)算法的?；瘹怏w監(jiān)測定位99
5.1引言100
5.2最小均方差氣體擴(kuò)散狀態(tài)與觀測方程101
5.3基于序貫最小均方差估計(jì)算法的定位102
5.3.1氣體泄漏參數(shù)的最小均方差估計(jì)量及均方誤差102
5.3.2監(jiān)測結(jié)點(diǎn)協(xié)作信息融合目標(biāo)函數(shù)構(gòu)建105
5.3.3結(jié)點(diǎn)調(diào)度及路由規(guī)劃算法推導(dǎo)107
5.4算法性能分析及仿真結(jié)果110
5.4.1仿真參數(shù)設(shè)置及性能指標(biāo)110
5.4.2仿真結(jié)果分析111
5.5本章小結(jié)116
第6章能量均衡并行粒子濾波的危化氣體監(jiān)測定位117
6.1引言118
6.2并行分簇傳感器網(wǎng)絡(luò)系統(tǒng)模型119
6.2.1系統(tǒng)狀態(tài)模型119
6.2.2系統(tǒng)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(wǎng)絡(luò)信息處理機(jī)制123
6.4.1傳感器網(wǎng)絡(luò)結(jié)點(diǎn)分簇及調(diào)度策略123
6.4.2能量均衡并行分簇多結(jié)點(diǎn)數(shù)據(jù)傳輸策略123
6.4.3能量均衡?；瘹怏w泄漏參數(shù)估計(jì)量目標(biāo)函數(shù)125
6.4.4基于奇異值分解的估計(jì)量目標(biāo)函數(shù)凸優(yōu)化求解126
6.5算法性能分析及仿真結(jié)果129
6.5.1仿真參數(shù)設(shè)置及性能指標(biāo)129
6.5.2仿真結(jié)果分析130
6.6本章小結(jié)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(shù)估計(jì)方法140
7.3基于動(dòng)態(tài)傳感器網(wǎng)絡(luò)的?；瘹怏w監(jiān)測定位141
7.3.1問題描述141
7.3.2擴(kuò)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(shù)估計(jì)算法143
7.4源參數(shù)估計(jì)定位的傳感器管理策略149
7.4.1基于條件信息熵的結(jié)點(diǎn)選擇效用函數(shù)149
7.4.2條件信息熵梯度傳感器網(wǎng)絡(luò)結(jié)點(diǎn)優(yōu)化調(diào)度策略150
7.5算法性能分析及仿真結(jié)果154
7.5.1仿真參數(shù)設(shè)置及性能指標(biāo)154
7.5.2仿真結(jié)果分析155
7.6本章小結(jié)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(wǎng)絡(luò)中麥克風(fēng)陣列信號模型162
8.2.1假設(shè)條件162
8.2.2通用信號模型163
8.2.3均勻麥克風(fēng)陣列信號模型164
8.2.4陣列模型的統(tǒng)計(jì)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(jì)模型170
8.4.1麥克風(fēng)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(gòu)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(gòu)算法172
8.6算法性能分析及仿真結(jié)果174
8.6.1仿真參數(shù)設(shè)置及性能指標(biāo)174
8.6.2仿真結(jié)果分析175
8.7本章小結(jié)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(fù)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(lián)合估計(jì)算法187
9.4.1混合高斯先驗(yàn)?zāi)Ｐ?87
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(gòu)算法189
9.6算法性能分析及仿真結(jié)果192
9.6.1仿真參數(shù)設(shè)置及性能指標(biāo)192
9.6.2仿真結(jié)果分析193
9.7本章小結(jié)198
參考文獻(xiàn)199