基于WSN的气体扩散态势图空间分辨率增强方法

J4 ›› 2013, Vol. 35 ›› Issue (1): 77-81.

基于WSN的气体扩散态势图空间分辨率增强方法

徐正蓺1，魏建明2，王翔3，马皛源2，刘道明2，孔之晟2

（1.中国科学院上海微系统与信息技术研究所，上海 200050；2.中国科学院上海高等研究院，上海 201210；3.中国移动通信集团设计院有限公司，北京 100038）

收稿日期:2011-12-30 修回日期:2012-03-05 出版日期:2013-01-25 发布日期:2013-01-25
作者简介:徐正蓺(1987),男,上海人，硕士生，研究方向为无线传感器网络和数据融合。
基金资助:
中科院知识创新重要方向性项目资助(Y022081131,Y022091131,Y022101131)

Method to enhance the spatial resolution of gas propagation situation map based on wireless sensor networks

XU Zhengyi1,WEI Jianming2,WANG Xiang3,MA Xiaoyuan2,LIU Daoming2,KONG Zhisheng2

(1.Shanghai Institute of Microsystem and Information Technology,Chinese Academy of Science,Shanghai 200050;
2.Shanghai Advanced Research Institute,Chinese Academy of Sciences,Shanghai 201210;3.China Mobile Group Design Institute Co., Ltd.,Beijing 100038,China)

Received:2011-12-30 Revised:2012-03-05 Online:2013-01-25 Published:2013-01-25

摘要/Abstract

摘要：

在应急救援中，通常采用建模方法获取气体扩散态势图(羽流图)，随着无线传感器网络的发展，其快速部署与分布式感知为更精确的态势图绘制供了新途径。但是，在实际应用中，由于节点部署的误差与数量限制，存在感知盲点区域与空间分辨率偏低的问题。针对此问题提出了增强态势图空间分辨率的算法。该算法基于高斯掩模计算的节点位置势能图，虚拟生成亚感知节点位置，利用贝叶斯分类器估计其浓度值，并结合环境矢量场信息，简化参数学习过程。仿真结果表明，在满足实时应用要求的同时，算法提高了态势图分辨率1～3倍，减少10%～30%盲点区域。

关键词: 无线传感器网络, 态势图, 亚感知节点, 贝叶斯分类器

Abstract:

In emergency rescue, the situation map (plume) of gas propagation is normally gained by modeling method. With the development of WSN (wireless sensor network), it provides a new strategy to plot accuracy situation map due to its strengths in fast deployment and distributed sensing. However, in practice, the nodes may be deployed limitedly and erroneously, which could cause blind area and low spatial resolution. To solve this problem, a method that can improve the resolution of the situation map is proposed. The method use potential energy map yielded by Gaussian mask to generate the sensor subnode position. Then the concentration value of subnode is evaluated by Bayesian classifier. Also the vector field of environment is concerned to simplify the course of parameter learning. The simulation result shows that the method can improve the spatial resolution of the situation map by 1~3 times, and decrease the blind area by 10%~30%. Furthermore, the algorithm can be used for real time applications.

Key words: wireless sensor networks;situation map;sensor subnode;Bayesian classifier

徐正蓺1，魏建明2，王翔3，马皛源2，刘道明2，孔之晟2. 基于WSN的气体扩散态势图空间分辨率增强方法[J]. J4, 2013, 35(1): 77-81.

XU Zhengyi1,WEI Jianming2,WANG Xiang3,MA Xiaoyuan2,LIU Daoming2,KONG Zhishe. Method to enhance the spatial resolution of gas propagation situation map based on wireless sensor networks [J]. J4, 2013, 35(1): 77-81.

[1]	罗仕杭, 何庆. 多策略融合改进的均衡优化算法及其应用[J]. 计算机工程与科学, 2023, 45(08): 1508-1520.
[2]	赵玉华, 贾向东, 胡海霞, 敬乐天. 无人机辅助的无线传感网络AoI最小化方案研究[J]. 计算机工程与科学, 2022, 44(07): 1216-1222.
[3]	张孟健, 汪敏, 王霄, 覃涛, 杨靖, . 混合粒子群-蝴蝶算法的WSN节点部署研究[J]. 计算机工程与科学, 2022, 44(06): 1013-1022.
[4]	高航, 吴嘉鑫, 陈龙, 武继刚. QoS保障下的无人机传感网安全通信路径规划[J]. 计算机工程与科学, 2022, 44(06): 1037-1045.
[5]	苟平章, 原晨, 张芬. 基于软件定义的WSNs非均匀分簇QoS路由算法[J]. 计算机工程与科学, 2022, 44(02): 227-236.
[6]	张晶, 魏淼, . 基于Delaunay三角划分策略的WSN区域覆盖优化研究[J]. 计算机工程与科学, 2021, 43(11): 1944-1951.
[7]	魏连锁, 陈齐齐, 韩建, 苏扬. 一种基于区域分裂与合并的势博弈网络拓扑控制算法[J]. 计算机工程与科学, 2021, 43(11): 2063-2068.
[8]	苟平章, 刘学治, 孙梦源, 何博. 基于跳距修正与狮群优化的WSNs三维定位算法[J]. 计算机工程与科学, 2021, 43(08): 1405-1412.
[9]	周静, 关玉蓉. 基于SDN的DWSN技术分析及性能优化研究[J]. 计算机工程与科学, 2021, 43(08): 1413-1421.
[10]	宋玲, 黄达胜. 一种基于狼群优化的改进DV_Hop定位算法[J]. 计算机工程与科学, 2021, 43(07): 1210-1218.
[11]	王俊喜, 陈桂芬. 能耗均衡的多跳多路径认知分层路由算法[J]. 计算机工程与科学, 2021, 43(03): 442-448.
[12]	张华南, 金红, 王峰. 无线传感器网络节能探索与研究[J]. 计算机工程与科学, 2021, 43(02): 295-303.
[13]	黄浩淼, 张江, 张晶, 保峻嵘. 融合TLD框架的DSST实时目标跟踪改进算法[J]. 计算机工程与科学, 2020, 42(09): 1587-1598.
[14]	苟平章，张芬，毛刚，贾向东. 基于AGNES聚类的能耗均衡WSNs优化路由算法[J]. 计算机工程与科学, 2020, 42(04): 620-627.
[15]	胡震海，王立松. 抗窃听攻击的传感器网络空间范围聚集查询处理算法[J]. 计算机工程与科学, 2020, 42(01): 46-54.