一种基于NB-IoT的电缆中间接头温度传感器组网方法

技术领域

本发明涉及电缆设备技术领域，具体地说，涉及一种基于NB-IoT的电缆中间接头温度传感器组网方法。

背景技术

传统无线传感器简单易用，却无法适用于一些特殊的通信场景，例如在电缆深沟等场景下容易产生故障和监测数据不准确，同时测量方案主要以取样分析、固定传感分析器、可移动分析仪器、便携式仪器和现场测试工具为主。但这些测量方案主要有成本高、现场应用困难或不方便等缺点，所以需要一种新的无线传感器网络来适用于更多的应用场景。物联网随着工业化进程得到飞速的发展，其技术中主要分为WLAN物联网和蜂窝物联网。WLAN物联网主要以Wi-Fi、Bluetooth、Zigbee、Z-wave为代表。蜂窝物联网以NB-IoT、eMTC、LoRa、Sigfox为代表。

在WLAN物联网中，蓝牙(BlueTooth)是一种设备之间进行无线通信的技术，可实现固定设备、移动设备和楼宇个人域网之间的短距离数据交换，蓝牙可连接多个设备，克服数据同步的难题。蓝牙使用短波特高频(UHF)无线电波，经由2.4至2.485GHz的ISM频段来进行通信，通信距离从几米到几百米不等。Wi-Fi是一种无线局域网通信技术，全称Wireless-Fidelity，无线保真，IEEE组织的IEEE 802.11标准制定以太网的技术标准。Wi-Fi终端指使用高频无线电信号发送和接收数据，使用以太网通信协议，通信距离通常在几十米。Wi-Fi的优点是局域网部署无需使用电线，降低部署和扩充的成本。ZigBee是一种低速低功耗，短距，自组网的无线局域网通信技术，于2003年被正式提出，为弥补蓝牙通信协议的高复杂，功耗大，距离近，组网规模太小等缺陷。而蜂窝物联网以成本低、电信级、高可靠性、高安全性的特点逐渐取代WLAN物联网技术。其中eMTC是国际标准，其传输速率更高。而LoRa与Sigfox都属于私有技术，前者在国内没有频谱权限，而后者是自己独立建网，属于非授权频谱。而NB-IoT专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。

传统NB-IoT传感器仅仅用于普通环境下的数据传输，且节点间不考虑通信，其数据直接上传云端。通常的基于博弈论的传感器节点适用于多节点间组网或多节点对单节点的数据转发。而针对于电缆中间接头的传感器既需要节点间通信以进行后续滤波算法处理，又要多节点对多节点进行数据转发，所以传统的模型在本场景下无法达到很好的效果。

发明内容

本发明的目的在于提供一种基于NB-IoT的电缆中间接头温度传感器组网方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供一种基于NB-IoT的电缆中间接头温度传感器组网方法，包括如下步骤：

S1：针对于电缆测温场景，采用多距离下的温度传感器来检测温度误差，即检测模型在经过固定距离后再次仿真的结果是否和实际温度传感器在此距离下测得数据是否一致；

S2：基于博弈论的联合优化路径的传输可靠度，网络能耗和生存时间为目标的节点转发策略以降低节点转发数据时所消耗的能量；

S3：数据传输至中间层NB-IoT无线节点后，进一步的进行卡尔曼滤波处理以降低噪声对数据的影响；

S4：最后中间层NB-IoT无线节点将数据传输至物联网平台进行存储和展示。

作为优选，在S1中，最外层区域的温度传感器作为误差温度的测量数据，最内部层区域的温度传感器作为测量电缆温度的主要数据，中间层区域的温度传感器作为无线上传节点将其他温度传感器的数据上传至物联网后台。

作为优选，所述温度传感器测量的电缆中间接头自外至内依次为铜外套、聚氨酯密封胶、铜屏蔽层、硅橡胶、半导电套、绕包半导电带、铜接管、铜缆芯。

作为优选，S2中的博弈模型包括：

1)：参与节点集合：该博弈的参与节点是最外层和最内层的节点，设参与节点数量为n。

2)：参与节点的行动顺序：首先内节点以距离其最近的路由节点为首选目标，若拥塞则随机选择(a)按顺时针向下依次选择两个路由节点，(b)逆时针向上依次选择两个路由节点，以此循环使得内节点总是以最为靠近的路由节点为转发对象；其次外节点先以距离其最近的路由节点发送传输数据请求，考虑到电缆中温度传感器放置的位置具有对称性，当发生拥塞时则选择对称位置的路由节点传输数据；若两处均产生拥塞，则丢弃此数据包并延时2

3)：参与节点的信息集：主要包括参与节点对相邻节点的转发竞争信息，需要转发的数据包大小信息，自身剩余能量信息。

4)：参与节点的代价函数：博弈中参与节点的每一次行动都会为该参与者带来一定的效用，效用分为代价和收益，代价为由于行动顺序的选择而导致的拥塞时延，收益为转发数据得到的激励，由于博弈中参与者的策略和行动都是相互依赖的,因此每个参与者的效用都与其它参与者策略有关，假设任一次选择策略组合为(c

作为优选，博弈中每个节点采用S2中行动策略来最大化自己的代价函数。

作为优选，在S2中，定义最内层需要发送数据的温度传感器节点为“内节点”，定义最外层需要发送数据的温度传感器节点为“外节点”，定义中间层用于上传数据的温度传感器节点为“路由节点”。

作为优选，在S3中，针对滤波值Xk将非线性函数f(过程方程)和h(观测方程)展开成泰勒级数并略去二阶及其以上的高阶项，从而将非线性函数近似为线性模型，然后使用标准的线性卡尔曼滤波框架对信号的滤波处理。

与现有技术相比，本发明的有益效果：

1、该基于NB-IoT的电缆中间接头温度传感器组网方法中，提出一种基于博弈论的底层数据节点组网方案以实现高效率传输数据，然后采用多节点获取数据并对其进行卡尔曼滤波来预测数据变化，为后续输入模型中提高精度，经仿真后表明提出的组网方案较传统组网可以提高预期数据的精度，且降低系统传输数据的时延。

2、该基于NB-IoT的电缆中间接头温度传感器组网方法中，使得传感节点成为智能节点，实现更高效的数据采集和传输。基于本发明提出的博弈论模型和滤波处理算法结合特制的电缆中间接头温度传感器，可以实现在电缆深沟等场景下高效率传输准确数据。

3、该基于NB-IoT的电缆中间接头温度传感器组网方法中，经仿真下的实际温度数据经过卡尔曼滤波处理后的效果，可以看出在误差偏差较大时也较为明显的将结果得到改善。

4、该基于NB-IoT的电缆中间接头温度传感器组网方法中，试制基于NB的电缆中间接头温度传感器，可以实现长时间低功耗高效连接的电缆中间头温湿度测量。

附图说明

图1为本发明中温湿度传感器的分布结构示意图；

图2为本发明中的卡尔曼滤波示意图；

图3为本发明中尔曼滤波处理的功能框图。

图中各个标号意义为：

1、铜外套；2、聚氨酯密封胶；3、铜屏蔽层；4、硅橡胶；5、半导电套；6、绕包半导电带；7、铜接管；8、铜缆芯；9、温度传感器。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”“第三”特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“若干”的含义是两个或两个以上，除非另有明确具体的限定。

实施例1

本发明提供一种基于NB-IoT的电缆中间接头温度传感器组网方法，如图1-图3所示，包括如下步骤：

S1：针对于电缆测温场景，为实现高精准度电缆温度测量，在温度测量模型中为使得结果更为准确，采用多距离下的温度传感器9来检测温度误差，即检测模型在经过固定距离后再次仿真的结果是否和实际温度传感器9在此距离下测得数据是否一致。

S2：基于S1：中的温度传感器9分布可知，最外层和最内层的温度传感器9需要传输数据至中间层的NB-Iot无线传感器模块，当两层的数据传输至中间层时需要考虑接收方案，可简化为非中间层温度传感器9需要通过某种机制来转发温度数据，此时中间层温度传感器9只需要接收数据并上传即可，为使得温度数据及时更新同时尽可能少的浪费能量，当最内层温度传感器9数据变化不大时可以较低频率转发数据，当温度变化较大或者温度较高时需要高频率传输数据以保证数据的准确性，在此场景下可考虑基于电缆深沟等场景下需要温度传感器9节点可以一次放置后可以支持长时间工作的原因，从而提出一种基于博弈论的联合优化路径的传输可靠度,基于博弈论的联合优化路径的传输可靠度，网络能耗和生存时间为目标的节点转发策略以降低节点转发数据时所消耗的能量。

S3：数据传输至中间层NB-IoT无线节点后，进一步的进行卡尔曼滤波处理以降低噪声对数据的影响；在实际生产生活中会出现各种各样的数据噪声对我们的仪器测量产生干扰，从噪声源，传输途径和接收节点来看，基于电缆深沟场景下的传输途径中尽可能的截断干扰的传播是很难完成的，故而数据传输至中间层NB-IoT无线节点后，还需要进一步的进行滤波处理以降低噪声对数据的影响，这里提出一种基于扩展的卡尔曼滤波在接收节点处减轻干扰的方法：一般而言针对非线性问题，常用的处理方法是利用函数将其转化为一个近似的线性问题来降低复杂度，其中适用范围最广的便是扩展卡尔曼滤波，扩展卡尔曼滤波实际上是标准卡尔曼滤波在非线性情况下的一种扩展形式，它是一种高效率的自回归滤波器，其本质是针对滤波值Xk将非线性函数f(过程方程)和h(观测方程)展开成泰勒级数并略去二阶及其以上的高阶项，从而将非线性函数近似为线性模型，然后使用标准的线性卡尔曼滤波框架对信号的滤波处理，所以事实上它并不是一种精确解，而是一种次优解，图2中可以看到实际观测值是收到环境的严重影响的，甚至趋势也会存在完全相反的情况，而经过卡尔曼滤波后可实现较为准确的还原真实值。

值得注意的是，卡尔曼滤波适用于估计一个由随机变量组成的动态系统的最优状态，当系统被观测到状态参数含有噪声时，传感器获得的观测值是不准确的，它也能够完成对状态实际值的最优估计，面对很大一部分的非平稳过程的问题，他都是效率最高的，它具有很长一段时间的广泛应用，历经工业界和学术界的探讨，即便在现如今也发挥着重要作用，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等，近年来更被应用于计算机图像处理，例如图像识别，人脸分割，边缘检测等等。

进一步的，在本设计的传感器数据滤波中，噪声数据是符合高斯分布的，这大大保证计算的简单性，实际应用中，卡尔曼滤波还会假设只与前一帧的信号相关(先验分布)，所以进一步简化计算过程，同时它又允许先验分布是非高斯的，满足日常的应用，基于扩展的卡尔曼滤波处理更进一步的加强卡尔曼滤波在系统模型领域的应用，更好的满足我们的实际生产生活的需求。

S4：最后中间层NB-IoT无线节点将数据传输至物联网平台进行存储和展示，其功能框图如图3。

本实施例中，在S1中，为实现此目标需对电缆周围多方位角放置温度传感器9，最外层区域的温度传感器9作为误差温度的测量数据，最内部层区域的温度传感器9作为测量电缆温度的主要数据，中间层区域的温度传感器9作为无线上传节点将其他温度传感器9的数据上传至物联网后台。

本实施例中，温度传感器9测量的电缆中间接头自外至内依次为铜外套1、聚氨酯密封胶2、铜屏蔽层3、硅橡胶4、半导电套5、绕包半导电带6、铜接管7、铜缆芯8。

具体的，S2中的博弈模型包括：

1：参与节点集合：该博弈的参与节点是最外层和最内层的节点，设参与节点数量为n。

2：参与节点的行动顺序：首先内节点以距离其最近的路由节点为首选目标，若拥塞则随机选择(a)按顺时针向下依次选择两个路由节点，(b)逆时针向上依次选择两个路由节点，以此循环使得内节点总是以最为靠近的路由节点为转发对象；其次外节点先以距离其最近的路由节点发送传输数据请求，考虑到电缆中温度传感器9放置的位置具有对称性，当发生拥塞时则选择对称位置的路由节点传输数据；若两处均产生拥塞，则丢弃此数据包并延时2

3：参与节点的信息集：主要包括参与节点对相邻节点的转发竞争信息，需要转发的数据包大小信息，自身剩余能量信息。

4：参与节点的代价函数：博弈中参与节点的每一次行动都会为该参与者带来一定的效用，效用分为代价和收益，代价为由于行动顺序的选择而导致的拥塞时延，收益为转发数据得到的激励，由于博弈中参与者的策略和行动都是相互依赖的,因此每个参与者的效用都与其它参与者策略有关，假设任一次选择策略组合为(c

5.根据权利要求4的基于NB-IoT的电缆中间接头温度传感器组网方法，其特征在于：博弈中每个节点采用S2中行动策略来最大化自己的代价函数。

实施例2

为进一步方便S2的博弈模型提供较为低时延即低拥塞的传输，在实施例1的基础上，定义最内层需要发送数据的温度传感器9节点为“内节点”，定义最外层需要发送数据的温度传感器9节点为“外节点”，定义中间层用于上传数据的传感器9节点为“路由节点”，内节点数据为温度模型中主要的依赖数据，故而需要较为低时延即低拥塞的传输，外节点数据为温度模型中用于误差测量的数据，可在为满足内节点传输时适当的增加时延。

进一步的，在S3中，针对滤波值Xk将非线性函数f(过程方程)和h(观测方程)展开成泰勒级数并略去二阶及其以上的高阶项，从而将非线性函数近似为线性模型，然后使用标准的线性卡尔曼滤波框架对信号的滤波处理。

以上显示和描述本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。