物联网智慧安监技术（修订版）

第1章绪论1
1.1何为物联网智慧安监技术2
1.2危化品泄漏监管现状4
1.3危化气体物联网智慧监测定位5
1.4基于物联网的危化气体监测定位算法9
1.4.1基于经典概率估计的定位算法9
1.4.2基于贝叶斯推理的定位算法10
1.4.3基于非线性滤波估计的定位算法12
1.4.4基于智能优化算法的定位算法14
1.4.5基于压缩感知的稀疏重构定位算法16
1.4.6基于压缩感知的多泄漏源定位算法17
1.5课题研究背景及结构安排18
1.5.1本书的研究背景18
1.5.2本书的结构安排19
第2章危化气体物联网监测定位关键问题21
2.1引言22
2.2危化气体扩散理论及模型22
2.2.1气体扩散影响因素22
2.2.2高斯气体扩散模型23
2.2.3基于湍流扩散理论的气体扩散模型25
2.2.4经典气体扩散烟羽仿真模型27
2.2.5气体扩散仿真风场和浓度场建立与分析30
2.2.6室内通风环境下的气体扩散二维烟羽仿真模型构建37
2.3基于物联网的智能协作信息处理框架40
2.3.1经典分布式估计算法41
2.3.2物联网监测结点调度与规划策略及自组织通信44
2.4危化气体泄漏安全监测与定位性能评价49
2.4.1定位误差和收敛速度49
2.4.2运算复杂度49
2.4.3系统容错性和自适应性49
2.4.4结点功耗和生命周期50
2.5本章小结50
第3章危化气体物联网智慧监测定位系统51
3.1引言52
3.2危化气体智慧监测定位系统总体设计52
3.2.1系统设计需求分析52
3.2.2总体设计方案53
3.3危化气体环境感知监测系统设计54
3.3.1气体传感器分类及选型54
3.3.2危化气体环境感知监测系统硬件电路设计56
3.3.3电源选型及硬件电路设计60
3.3.4危化气体环境感知监测系统软件设计63
3.4无线通信网关模块设计70
3.4.1网关总体结构及运行流程71
3.4.2网关硬件设计72
3.4.3网关软件设计74
3.5智慧监测定位终端系统设计77
3.6本章小结78
第4章基于序贯分布式卡尔曼滤波算法的危化气体监测定位79
4.1引言80
4.2危化气体扩散的模型描述81
4.2.1气体的扩散和测量模型81
4.2.2气体扩散过程的状态空间模型描述82
4.3基于序贯分布式卡尔曼滤波算法的定位83
4.3.1卡尔曼滤波理论83
4.3.2基于序贯扩展卡尔曼滤波算法的定位85
4.3.3基于序贯无迹卡尔曼滤波算法的定位88
4.4基于序贯卡尔曼滤波算法的危化气体监测的定位91
4.4.1基于序贯卡尔曼滤波算法的危化气体监测定位过程91
4.4.2基于序贯卡尔曼滤波算法实现危化气体监测定位91
4.5算法性能分析及仿真结果93
4.5.1仿真参数设置及性能指标93
4.5.2仿真结果分析94
4.6本章小结98
第5章基于序贯最小均方差估计算法的危化气体监测定位99
5.1引言100
5.2最小均方差气体扩散状态与观测方程101
5.3基于序贯最小均方差估计算法的定位102
5.3.1气体泄漏参数的最小均方差估计量及均方误差102
5.3.2监测结点协作信息融合目标函数构建105
5.3.3结点调度及路由规划算法推导107
5.4算法性能分析及仿真结果110
5.4.1仿真参数设置及性能指标110
5.4.2仿真结果分析111
5.5本章小结116
第6章能量均衡并行粒子滤波的危化气体监测定位117
6.1引言118
6.2并行分簇传感器网络系统模型119
6.2.1系统状态模型119
6.2.2系统观测模型119
6.3并行分簇粒子滤波算法120
6.3.1粒子滤波原理120
6.3.2并行粒子滤波算法121
6.4并行分簇传感器网络信息处理机制123
6.4.1传感器网络结点分簇及调度策略123
6.4.2能量均衡并行分簇多结点数据传输策略123
6.4.3能量均衡危化气体泄漏参数估计量目标函数125
6.4.4基于奇异值分解的估计量目标函数凸优化求解126
6.5算法性能分析及仿真结果129
6.5.1仿真参数设置及性能指标129
6.5.2仿真结果分析130
6.6本章小结136
第7章高斯混合模型非线性滤波的危化气体监测定位137
7.1引言138
7.2高斯混合模型139
7.2.1高斯混合模型定义139
7.2.2基于EM算法的高斯混合模型参数估计方法140
7.3基于动态传感器网络的危化气体监测定位141
7.3.1问题描述141
7.3.2扩散分布状态模型及观测模型142
7.3.3基于GMF的气体泄漏源参数估计算法143
7.4源参数估计定位的传感器管理策略149
7.4.1基于条件信息熵的结点选择效用函数149
7.4.2条件信息熵梯度传感器网络结点优化调度策略150
7.5算法性能分析及仿真结果154
7.5.1仿真参数设置及性能指标154
7.5.2仿真结果分析155
7.6本章小结159
第8章基于压缩感知的危化气体声源监测定位160
8.1引言161
8.2声传感器网络中麦克风阵列信号模型162
8.2.1假设条件162
8.2.2通用信号模型163
8.2.3均匀麦克风阵列信号模型164
8.2.4阵列模型的统计特性166
8.3压缩感知理论168
8.4基于压缩感知的气体声源DOA估计模型170
8.4.1麦克风阵列信号模型170
8.4.2压缩感知观测模型171
8.4.3稀疏重构约束条件判定172
8.5基于压缩感知的气体声源稀疏贝叶斯重构算法172
8.6算法性能分析及仿真结果174
8.6.1仿真参数设置及性能指标174
8.6.2仿真结果分析175
8.7本章小结180
第9章基于压缩感知的变分贝叶斯多源危化气体监测定位181
9.1引言182
9.2基于稀疏信号恢复的多源定位问题描述184
9.3基于压缩感知的多气体源定位模型185
9.4变分贝叶斯期望最大化联合估计算法187
9.4.1混合高斯先验模型187
9.4.2变分贝叶斯推理188
9.5基于压缩感知的多危化气体源变分贝叶斯稀疏重构算法189
9.6算法性能分析及仿真结果192
9.6.1仿真参数设置及性能指标192
9.6.2仿真结果分析193
9.7本章小结198
参考文献199