专利交易市场

本发明涉及一种无线传感器网络基于混合量化卡尔曼融合的目标跟踪方法。本发明提供一种基于两种量化误差建模的量化卡尔曼融合的目标跟踪方法。量化误差的建模包括统计建模和扩展状态建模，为了提高融合估计的精度，得到更好的状态估计，提出了基于两种量化估计的分布式融合方法，它是融合基于统计建模和扩展状态建模的两种估计，并提出一种求解两种估计系数的方法。对于带有噪音相关的多传感器系统，提出了去除噪音相关的方法，并进行数据压缩和量化，进行混合量化融合估计。本发明可以提高融合估计的精度，能够得到更好的状态估计。

本实用新型公开了一种矿用无线温度振动采集器，包括壳体、顶盖，壳体的内部底部左侧固定连接有电源座，电源座的内部固定安装有电池组，壳体的内部底部右侧固定连接有安装座，安装座的内部固定安装有主控板，主控板的顶部从左往右依次固定安装有温度采集模块、振动采集模块、信号传输模块，安装座的顶部设有保护结构，壳体的左右两侧上端均一体式连接有延伸板，延伸板的顶部均开设有两组螺纹孔，顶盖的顶部与螺纹孔相对应的位置同样开设有螺纹孔，螺纹孔的内部均螺纹连接有固定螺栓。本实用新型采用上述结构，温度采集模块对矿井的内部温度进行实时检测，振动采集模块对矿井内部的细微振动进行检测，而信号传输模块将检测信息传输给外界。

本发明涉及一种基于无线传感器网络的管道内检测机器人跟踪定位方法，属于管道内检测技术领域。该方法包括：S1：根据动力学模型得到管道内检测机器人的位置X′和速度V′，并进行离散化处理，作为卡尔曼滤波算法的预测模型；S2：根据测量模型，判断管道内检测机器人的位置；S3：在高置信度区由RSS测得位置X，IMU测得速度V，X′，V′得到管道内检测机器人的位置和速度；在低置信度区由V，X′，V′得到预估的管道内检测机器人位置和速度，然后利用RTS平滑算法优化位置和速度信息。本发明提高了管道内检测机器人跟踪定位的精度。

本发明属于无线传感器网络领域，提供了一种基于莱维飞行的无线传感器网络节点分簇方法，将基于莱维飞行的粒子群优化算法融入簇头节点的选举过程，粒子群按照基于莱维飞行的粒子群优化算法描述的运动轨迹对目标区域进行搜索，基于局部最优解和全局最优解的粒子的初始位置，结合适应度函数不断更新下一轮每个粒子的速度和位置，并计算下一轮每个粒子的适应度，得到每一轮的局部最优解和全部最优解的粒子的位置；对无线传感器网络的节点进行分簇，从而达到节省节点耗电量，延长节点存活时间和网络生存周期的目的。

本发明涉及一种基于费马点的无线传感器网络三维地域群播路由方法，属于无线传感器路由协议领域。该方法包括：S1：确定源点和群播区域1、2、3、…、n；S2：连接源点、区域1中心点和区域2中心点，得到第一个三角形，并计算此三角形的费马点1；S3：使用节点搜寻算法找到合适的费马节点1；S4：连接源点、费马点节点1、区域3中心点，组成第二个三角形，并计算此三角形的费马点2；S5：使用节点搜寻算法找到合适的费马节点2；S6：依次类推，得到并依次串联费马节点1、2、…、n-1，即得多目标区域群播的最短路径。本发明能找到一条到达多目标区域的最短路径，实现对多目标区域的低能耗低延迟的地域群播。