[发明专利]一种基于NB-IoT的农业大棚远程监测系统及方法

权利要求书

1.一种基于NB-IoT的农业大棚远程监测系统，其特征在于，该系统由主处理器、数据采集模块、数据存储模块、电源模块、定位模块、无线通信模块、云服务器、用户管理端组成；所述的数据采集模块、电源模块、数据存储模块、定位模块、无线通信模块都与主处理器连接，所述主处理器通过无线通信模块与云服务器连接，所述用户管理端连接并处理云服务器的数据并显示给用户；

所述的数据采集模块包括大气温湿度传感器、土壤温湿度传感器，用于监测农业大棚内环境数据，并将数据发送给主处理器，主处理器先对单个传感器数据进行滤波处理，再对同类传感器进行数据融合处理，然后将处理过的数据通过NB-IoT无线通信模块发送给云服务器，所述的数据存储模块用于存储数据采集模块采集到的原始数据，便于后期对农业大棚环境分析，所述定位模块包括GPS定位芯片，用于定位监测系统位置，将位置信息发送给主处理器，主处理器通过无线通信模块将位置信息发送给云服务器，并显示在用户管理端。

2.根据权利要求1所述基于NB-IoT的农业大棚远程监控系统，其特征在于：所述主处理器型号为STM32L476。

3.根据权利要求1所述基于NB-IoT的农业大棚远程监控系统，其特征在于：所述数据采集模块包括环境光传感器为光敏二极管，大气温湿度传感器SHT20，土壤温度传感器DS18B20，电容式土壤湿度传感器SEN0193。

4.根据权利要求1所述基于NB-IoT的农业大棚远程监控系统，其特征在于：所述数据存储模块采用Micro SD；所述电源模块包括太阳能板和锂电池；所述定位模块型号为中科微ATGM336H；所述无线通信模块型号为移远BC95-B5，该无线通信模块采用电信物联网专用SIM卡。

5.一种基于NB-IoT的农业大棚远程监测方法，其特征在于，包括以下步骤：

首先初始化整个系统，包括软件初始化和硬件外设初始化，然后分别获取大气温湿度、土壤温湿度，并将原始数据存储到SD卡，接着对原始数据依次作卡尔曼滤波和自适应加权融合，通过环境光传感器数值判断当前昼夜，并设置无线通信模块工作模式：如果是白天，则将无线模块置于Active模式，并将处理后的数据JSON格式化，发送至云服务器；如果是夜间，则将无线模块置于PSM模式，再次判断环境数据是否触发预先设定的阈值：没有触发则模块继续休眠；如果触发，则唤醒无线通信模块，接着将数据格式化，发送到云服务器，客户端接收到数据并显示在用户端管理面板上，用户可以根据数据做出相应的决策。

6.根据权利要求5所述的基于NB-IoT的农业大棚远程监测方法，其特征在于，对原始数据依次作卡尔曼滤波和自适应加权融合的具体过程为：

所述卡尔曼滤波，主要用于融合低层次动态冗余环境数据；在卡尔曼滤波算法中，首先在离散线性系统中引入系统状态方程和系统测量值，分别为：X_k＝AX_k-1+BU_k+W_k，Z_k＝HX_k+V_k，其中X_k为k时刻系统状态变量；X_k-1为k-1时刻系统状态变量；U_k为k时刻系统的控制量；A、B为系统参数；W_k为系统过程噪声；V_k为系统测量噪声；Z_k为k时刻系统测量值；H为测量系统参数，对于多测量系统，H为矩阵；W_k和V_k假设为测量过程中的高斯白噪声，他们的协方差分别为Q和R，并且不随系统状态变化而变化；对于本农情监测系统，主要的环境因素为温度和湿度，分别对温湿度数据进行卡尔曼滤波算法，假设当前状态温度与前一状态温度相同所以A＝1，没有控制量所以U_k＝0，得出运算公式为其中为利用上一状态预测的结果；为上一状态最优的结果；是对应的协方差；是对应的协方差；Q是系统过程的协方差，对于当前农情监测系统，测量的环境因素以单一变量大气温度为例所以H＝1，单模型单测量值所以I＝1，得出运算公式为：其中Kg_k为卡尔曼增益(Kalman Gain)，公式为：更新当前状态(k)下估计值的协方差为：是对应的协方差；是对应的协方差，通过不断测量，依次递归，不断优化权重，使得计算结果更加接近真实的测量结果。

所采用的环境数据融合算法为自适应加权融合算法，用于将分布在不同区域的多个同类型传感器数据进行加权融合为一个数据，在自适应加权融合算法中，对不同环境下传感器定义相应的权值w_i，将传感器经预处理后的数据x_i和相应的权值相乘，最后将等到的数据相加得到融合值对于本系统，在某一农业环境中内需要监测n个区域的土壤湿度数据，每个区域内的土壤湿度传感器的方差为预处理后的数据为x_i，它们彼此相互独立，各传感器对应的权值为w_i，根据自适应加权平均算法，融合值和权值w_i分别满足公式：方差σ²满足公式：由于传感器安装区域相对较远，可将传感器预处理后的数据x_i视作相互独立，且为x的无偏估计，所以满足公式：E[(x-x_i)(x-x_j)]＝0(i≠j)；所以σ²可写作：根据多元函数求极值，当方差最小时，各个传感器所对应的最优权值为：根据自适应加权融合算法处理后，同类传感器的多个数据融合为一个数据，加权融合后的数据越接近真实的环境数据，越能够给上层反映真实的农业情况。