基于多傳感器數(shù)據(jù)融合技術(shù)的臭氧監(jiān)測系統(tǒng)設(shè)計

高 楊， 沈 重， 張永輝

(海南大學(xué) 信息科學(xué)與技術(shù)學(xué)院，海南 ?？?570228)

0 引 言

由于傳統(tǒng)的消毒劑、抗菌素藥的處理效果不盡如人意，并且有殘留污染、二重感染等缺點，近年來已經(jīng)有一些發(fā)達(dá)國家把臭氧技術(shù)應(yīng)用于水產(chǎn)養(yǎng)殖業(yè)，用臭氧對養(yǎng)殖用水進(jìn)行處理，同時還應(yīng)用于果蔬的保鮮與滅菌。隨著水產(chǎn)養(yǎng)殖業(yè)的蓬勃發(fā)展，應(yīng)用臭氧技術(shù)凈化育苗水源不僅無二次污染還增加了水域中的氧氣含量；在大棚種植中的病蟲害防治中，臭氧也起到了良好的作用，能很好地保障作物無公害、無污染地生長；臭氧也同樣可以使用在瓜菜保鮮中起到延長保質(zhì)期的作用[1]。但是，臭氧的普遍使用也帶來了副作用，首先臭氧對人體呼吸道粘膜有刺激，空氣中臭氧濃度過高，可引起脈搏加速、疲倦、頭痛，嚴(yán)重時可發(fā)生肺氣腫，以致死亡；同時，臭氧為強(qiáng)氧化劑，對多種物品有損壞，濃度越高對物品損壞越重，因此，在使用臭氧進(jìn)行凈化消毒時，要嚴(yán)格檢測和控制其濃度。

目前，用來檢測臭氧濃度的方法主要包括化學(xué)法、比色法和電化學(xué)法[2]，這些方法都不能對臭氧濃度進(jìn)行實時的監(jiān)測，因此，將無線傳感器網(wǎng)絡(luò)(WSNs)應(yīng)用到監(jiān)測中[3]，并且對濃度進(jìn)行控制。由于要提高采集數(shù)據(jù)的準(zhǔn)確性，同時避免由于某一個傳感器的失效而造成的數(shù)據(jù)錯誤，為此，本文提出采用多傳感器數(shù)據(jù)融合方法對臭氧濃度進(jìn)行監(jiān)測。

1 系統(tǒng)結(jié)構(gòu)

本文實驗環(huán)境是在密閉的環(huán)境中，應(yīng)用的是臭氧對果蔬的保鮮作用，通常在1 000 m3庫容臭氧連續(xù)使用需2.0～1.0 g/h，因此，實驗只對臭氧的濃度進(jìn)行監(jiān)測，監(jiān)測系統(tǒng)主要包括傳感器、無線傳感器網(wǎng)絡(luò)、融合算法等。

1.1 傳感器的選擇

由于臭氧的濃度需要控制在一定范圍內(nèi)，隨著臭氧消毒的不斷推廣，用于測量空氣中臭氧濃度的半導(dǎo)體臭氧傳感器已經(jīng)面世，但是存在受溫度影響而降低數(shù)據(jù)準(zhǔn)確性的問題。當(dāng)環(huán)境溫度變化時，測量結(jié)果有很大的不確定性，甚至不能反映臭氧濃度的變化，極大地限制了半導(dǎo)體臭氧傳感器的使用范圍。為了克服現(xiàn)有半導(dǎo)體臭氧傳感器測量受環(huán)境溫度影響的缺點，本文采用自主研發(fā)、擁有專利水平的具有體積小、成本低、工作穩(wěn)定、不受環(huán)境溫度和濕度的影響等特點的臭氧傳感器，同時傳感器還具有廣泛的適用性、易安裝實施、容易進(jìn)行功能擴(kuò)展的獨特優(yōu)勢。因此，用臭氧傳感器進(jìn)行數(shù)據(jù)的采集工作，來初步改善測量結(jié)果的穩(wěn)定性和技術(shù)存在不足的問題。

1.2 系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)

基于數(shù)據(jù)融合的多傳感器臭氧濃度監(jiān)測系統(tǒng)(圖1)使用的采集方法是將每個傳感器節(jié)點計劃連接2～4只臭氧探頭，同時運用通信頻率為2.4 GHz射頻收發(fā)器發(fā)送采集信號，采集到的數(shù)據(jù)通過無線Mesh傳感器網(wǎng)絡(luò)傳輸?shù)竭M(jìn)行數(shù)據(jù)處理的計算機(jī)上，處理端有可視化數(shù)據(jù)分析界面，然后通過3 G通信網(wǎng)絡(luò)傳輸?shù)叫乱淮鶬Pv6互聯(lián)網(wǎng)計算數(shù)據(jù)中心，通過Internet瀏覽器獲取能源使用的實時數(shù)據(jù)[4]?？梢暬缑媾c數(shù)據(jù)處理采用VB作為主開發(fā)工具,Matlab作為輔助開發(fā)工具,對采集到的數(shù)據(jù)進(jìn)行融合處理,并輸出結(jié)果。

圖1 網(wǎng)絡(luò)結(jié)構(gòu)圖

2 多傳感器數(shù)據(jù)融合

數(shù)據(jù)融合的目的[5,6]就在于運用一定的準(zhǔn)則和相關(guān)的算法, 將來自多傳感器的信息進(jìn)行數(shù)據(jù)分析和綜合處理，其中融合計算可以認(rèn)為是多傳感器數(shù)據(jù)融合系統(tǒng)的關(guān)鍵技術(shù)。在傳感器采集數(shù)據(jù)的過程中，由于傳感器自身某些差異或是所處方位不同，以及實際環(huán)境中一些無法控制的隨機(jī)因素，比如：傳感器的失效。上述這些情況都可能造成傳輸?shù)臄?shù)據(jù)是錯誤的，因此，粗大誤差在實際監(jiān)測過程中是不可避免的，同時導(dǎo)致各傳感器的測量數(shù)據(jù)不能完全反映監(jiān)測環(huán)境的真實情況。所以，進(jìn)行多傳感器數(shù)據(jù)融合首先要對傳感器采集到的數(shù)據(jù)進(jìn)行一致性檢驗，剔除無效的數(shù)據(jù)，從而得到精度更高、可靠性更好的采樣數(shù)據(jù)，得出比單一傳感器更為準(zhǔn)確可靠的結(jié)論。因此，先剔除可疑數(shù)據(jù)，然后再進(jìn)行數(shù)據(jù)融合，測量系統(tǒng)中盡量減少粗大誤差、剔除異常數(shù)據(jù)，是保證正確數(shù)據(jù)采集的前提，是對各個傳感器所得數(shù)據(jù)真實性進(jìn)行判別的一種有效方法。

2.1 可疑數(shù)值的取舍

在一組監(jiān)測數(shù)據(jù)中，如果有個別數(shù)值與其他監(jiān)測值相差較大，這種與其他數(shù)值有明顯差別的數(shù)據(jù)就稱為可疑數(shù)據(jù)。可疑數(shù)據(jù)會顯著地影響監(jiān)測結(jié)果，既不能隨意舍棄，也不能輕易保留，應(yīng)對可疑數(shù)據(jù)進(jìn)行檢驗。用于監(jiān)測值一致性檢驗、排除異常數(shù)據(jù)有4種較常用的準(zhǔn)則[7]，分別是拉伊達(dá)準(zhǔn)則、格魯布斯(Grubbs)準(zhǔn)則、肖維勒準(zhǔn)則和狄克遜準(zhǔn)則。目前異常值的剔除還沒有統(tǒng)一的準(zhǔn)則，由于實驗環(huán)境面積的限制，測量次數(shù)n≤10，然而在3≤n<25這個范圍內(nèi)，建議用狄克遜準(zhǔn)則或格拉布斯準(zhǔn)則(α=0.01)來判別可疑數(shù)據(jù)。因為在少量樣品時，拉伊達(dá)準(zhǔn)則的統(tǒng)計臨界系數(shù)相對比較大，不易及時發(fā)現(xiàn)異常數(shù)據(jù)，使用它會比較苛刻。而肖維勒準(zhǔn)則的統(tǒng)計臨界系數(shù)太小，容易剔除僅含有較大正常誤差的測量值。因此，選用格魯布斯準(zhǔn)則(α=0.01)來判別可疑數(shù)據(jù)。

T檢驗法(格魯布斯檢驗法)，方法如下：

1)將各監(jiān)測數(shù)據(jù)按大小順序排列：x1,x2，…，xn，將最大值記為xmax，最小值為xmin；

2)求出n個數(shù)算術(shù)平均值和標(biāo)準(zhǔn)偏差

(1)

(2)

3)按下式計算T值為

(3)

(4)

4)根據(jù)測定值組數(shù)和給定的顯著性水平(α)，通過查表得到臨界值(T)表1；

5)若T≤T0.05，則可疑均值為正常數(shù)值； 若T0.05T0.01，則可疑數(shù)值為離群數(shù)值，應(yīng)予剔除。

表1 檢驗臨界值T表

2.2 數(shù)據(jù)融合算法

對于測量結(jié)果是足夠多次或者是有限次時, 可以通過算術(shù)平均值來改善測量的結(jié)果, 但是，對于有限次數(shù)測量，算術(shù)平均值卻不是最理想的表示方法。然而，估計算法是建立在測量初值較為可靠的基礎(chǔ)上，因此，估計算法是能夠獲得較為理想的測量結(jié)果。由于許多監(jiān)測系統(tǒng)無法實現(xiàn)測量初值的實時獲得，所以，采用基于均值的遞推估計融合算法[8]，即基于算術(shù)平均值與估計算法，這2種方法相結(jié)合的數(shù)據(jù)融合方法,通過數(shù)次采樣的算術(shù)平均值的計算，可以獲得可靠的初始估計結(jié)果，而后續(xù)運用遞推估計算法，可以明顯地改善采樣數(shù)據(jù)的準(zhǔn)確性，獲得比算術(shù)平均值更可靠的數(shù)據(jù)結(jié)果。

該算法適用于緩變量檢測系統(tǒng)，這與臭氧濃度監(jiān)測的特點相匹配, 因此，采用基于均值的遞推估計的融合算法。實驗中選用8只臭氧傳感器,然后放置在指定位置上進(jìn)行測量，首先用格魯布斯檢驗法剔除可疑數(shù)據(jù)，從而獲得一致性測量數(shù)據(jù), 然后按照一定的原則將數(shù)據(jù)分為2組，根據(jù)估計算法對2組數(shù)據(jù)進(jìn)行估計，得出接近臭氧濃度真值的數(shù)據(jù)融合值, 從而得到臭氧濃度的準(zhǔn)確測量結(jié)果,降低測量過程中的不確定性。

可以設(shè)2組的一致性測量數(shù)據(jù)分別為:C1m,m≤4，C2n,n≤4,則2組數(shù)據(jù)的算數(shù)平均值分別為

(5)

(6)

2組數(shù)據(jù)相對應(yīng)的標(biāo)準(zhǔn)誤差分別為

(7)

(8)

根據(jù)估計算法, 分批估計后得到的臭氧濃度融合值的方差為

=[HTR-1H]-1

(9)

式中H=[1 1]T為測量方程的系數(shù)矩陣,R為測量的協(xié)方差矩陣

(10)

(11)

(12)

3 實驗仿真與分析

本次實驗選用2種不同的環(huán)境進(jìn)行監(jiān)測，環(huán)境1是在密閉的空間內(nèi)通過臭氧發(fā)生器緩慢釋放臭氧，從而監(jiān)測此過程中的臭氧濃度，環(huán)境2是將此空間與外界進(jìn)行氣體流通，監(jiān)測在此過程中臭氧濃度的變化情況。實驗通過Matlab軟件進(jìn)行的曲線描述[9],通過串口接收數(shù)據(jù)，用此算法進(jìn)行數(shù)據(jù)融合,圖2和圖3分別為上述2種情況下融合值和平均值的結(jié)果對比圖。

圖2 環(huán)境1中融合值與平均值的對比圖

圖3 環(huán)境2中融合值與平均值的對比圖

由圖可見，采用多傳感器算數(shù)平均值與分批估計相結(jié)合的方法，可獲得比有限個測量數(shù)據(jù)平均值更可靠的測量結(jié)果，融合后所得到的數(shù)據(jù)平穩(wěn)，可靠性高，提高了準(zhǔn)確性，達(dá)到了預(yù)期的效果。

4 結(jié) 論

本文通過格魯布斯準(zhǔn)則剔除可疑數(shù)據(jù)，將基于均值的遞推融合算法引入臭氧濃度檢測系統(tǒng)。在系統(tǒng)穩(wěn)定的情況下，上述方法能使系統(tǒng)的檢測精度得到大幅度提高，并且,此算法具有計算量小，易于編程的優(yōu)點，可以說,此方法非常適用于變換量智能監(jiān)測系統(tǒng)，尤其是當(dāng)某些傳感器失效或者所受環(huán)境影響較大時，依據(jù)有限的傳感器，系統(tǒng)將其

他穩(wěn)定的傳感器提供的信息經(jīng)數(shù)據(jù)融合，消除測量中的不確定性，獲得所測環(huán)境的準(zhǔn)確臭氧濃度，從而為該環(huán)境的控制系統(tǒng)提供準(zhǔn)確的判據(jù)，提高了系統(tǒng)的準(zhǔn)確性。

參考文獻(xiàn):

[1] 高海生,趙希艷,李潤豐.果蔬采后處理與貯藏保鮮技術(shù)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報,2007,23(2):273-278.

[2] 孫淑霞,李路軍.臭氧檢測技術(shù)研究進(jìn)展[J].科技信息,2011(9):10045-10046.

[3] 劉 卉,汪懋華,王躍宣,等.基于無線傳感器網(wǎng)絡(luò)的農(nóng)田土壤溫濕度監(jiān)測系統(tǒng)的設(shè)計與開發(fā)[J].吉林大學(xué)學(xué)報:工學(xué)版,2008,38(3):604-608.

[4] Shen C,Du W,Atkinson R,et al.Policy-based mobility & flow management for IPv6 heterogeneous wireless networks[J].Wireless Personal Communications,2012,62(2):329-361.

[5] 萬樹平．基于最小一乘估計的多傳感器信息融合方法[J].計算機(jī)工程,2010,36(2):257-259.

[6] Tenney R R,Sandell Jr N R.Detection with distributed sensor-s[J].IEEE Transactions on Aerospace Electronic Systems,1981,17:501-510.

[7] 熊艷艷,吳先球.粗大誤差四種判別準(zhǔn)則的比較和應(yīng)用[J].大學(xué)物理實驗,2010,23(1):66-67.

[8] 滕召勝,羅隆福,童調(diào)生.智能檢測系統(tǒng)與數(shù)據(jù)融合[M].北京：機(jī)械工業(yè)出版社，2000：234-235.

[9] Raol J R.Multi-sensor data fusion with Matlab[M].Boca Raton:CRC Press,2010.