一种基于卫星物联网的活牛行为采集系统及方法

技术领域

本发明涉及数据采集传输技术领域，尤其涉及一种基于卫星物联网的活牛行为采集系统及方法。

背景技术

为开展活牛行为状态采集，满足活牛行为习惯监测、病症诊断等需求，需要较高活牛数据采集率保障行为习性模式识别鉴别度。相对于地面通信系统，卫星通信系统资源稀缺，如何降低卫星物联网通信系统数据吞吐量、过载、满足行为习性鉴别阈度，适配物联网通信需求和业务开展基点的系统平衡点，是开展卫星物联网行为采集通信业务产业化、规模化发展的基础。

然而，当前活牛行为数据吞吐量需求大、日数据更新需求多，无法及时对活牛行为的实时监测数据进行传输，导致存在卫星系统同物联网系统之间数据吞吐量出现匹配瓶颈和群突发过载的问题。

因此，亟需提供一种技术方案解决上述问题。

发明内容

为解决上述技术问题，本发明提供了一种基于卫星物联网的活牛行为采集系统及方法。

本发明的一种基于卫星物联网的活牛行为采集系统的技术方案如下：

包括：卫星物联网终端；所述卫星物联网终端用于：

采集当前时间段内的每头活牛的原始行为数据；

采用目标边缘计算，对每个原始行为数据分别进行边缘优化计算，得到每头活牛的优化行为数据；

基于机器学习方法，对每个优化行为数据分别进行处理，得到每头活牛的目标行为模式数据，并通过静止轨道通信卫星和物联网关口站，将目标行为模式数据转发至目标云系统；其中，所述物联网关口站采用分集负载控制机制。

本发明的一种基于卫星物联网的活牛行为采集系统的有益效果如下：

本发明的系统通过卫星物联网终端采集活牛的行为数据并进行边缘计算，在保证数据需求量的同时，降低了数据吞吐量，实现了卫星通信活牛行为数据的实时采集预处理，为养殖规模化开展卫星物联网行为采集提供了基础保障。

在上述方案的基础上，本发明的一种基于卫星物联网的活牛行为采集系统还可以做如下改进。

进一步，还包括：第一路由器和多个用于设置在活牛上的微型器件；

每个微型器件用于：采集活牛在所述当前时间段内的原始行为数据并发送至所述第一路由器；

所述第一路由器用于：将所述当前时间段内的每个原始行为数据发送至所述卫星物联网终端。

进一步，每个微型器件均包括：加速度计传感器和无线通信模块；

加速度计传感器用于采集活牛的原始行为数据，无线通信模块用于将采集的活牛的原始行为数据发送至所述第一路由器。

进一步，无线通信模块为：蓝牙模块和WIFI模块。

进一步，所述目标边缘计算为：监督学习算法；所述卫星物联网终端具体用于：

基于所述监督学习算法，对所述当前时间段内的每头活牛的原始行为数据分别进行训练预判的边缘计算，得到每头活牛的优化行为数据。

进一步，原始行为数据包括：活牛在所述当前时间段内的预设三维坐标系下的X轴测量数据、Y轴测量数据和Z轴测量数据。

本发明的一种基于卫星物联网的活牛行为采集方法的技术方案如下：

卫星物联网终端采集当前时间段内的每头活牛的原始行为数据；

所述卫星物联网终端采用目标边缘计算，对每个原始行为数据分别进行边缘优化计算，得到每头活牛的优化行为数据；

所述卫星物联网终端基于机器学习方法，对每个优化行为数据分别进行处理，得到每头活牛的目标行为模式数据，并通过静止轨道通信卫星和物联网关口站，将目标行为模式数据转发至目标云系统；其中，所述物联网关口站采用分集负载控制机制。

本发明的一种基于卫星物联网的活牛行为采集方法的有益效果如下：

本发明的方法通过卫星物联网终端采集活牛的行为数据并进行边缘计算，在保证数据需求量的同时，降低了数据吞吐量，实现了卫星通信活牛行为数据的实时采集预处理，为养殖规模化开展卫星物联网行为采集提供了基础保障。

在上述方案的基础上，本发明的一种基于卫星物联网的活牛行为采集方法还可以做如下改进。

进一步，还包括：

每个用于设置在活牛上的微型器件采集活牛在所述当前时间段内的原始行为数据并发送至第一路由器；

所述第一路由器将所述当前时间段内的每个原始行为数据发送至所述卫星物联网终端。

进一步，每个微型器件均包括：加速度计传感器和无线通信模块；

加速度计传感器用于采集活牛的原始行为数据，无线通信模块用于将采集的活牛的原始行为数据发送至所述第一路由器。

进一步，无线通信模块为：蓝牙模块和WIFI模块。

附图说明

图1示出了本发明提供的一种基于卫星物联网的活牛行为采集系统的实施例的第一结构示意图；

图2示出了本发明提供的一种基于卫星物联网的活牛行为采集系统的实施例的第二结构示意图；

图3示出了本发明提供的一种基于卫星物联网的活牛行为采集方法的实施例的流程示意图。

具体实施方式

图1示出了本发明提供的一种基于卫星物联网的活牛行为采集系统的实施例的第一结构示意图；如图1所示，该系统100包括：卫星物联网终端110。所述卫星物联网终端110用于：

采集当前时间段内的每头活牛的原始行为数据。

其中，①卫星物联网终端110为卫星物联网VSAT终端，具有边缘计算处理以及数据转发等功能。②当前时间段为：当前的采样周期，可以是1min，也可以根据实际需求进行设定，在此不设限制。③原始行为数据为：未经任何处理所得到的活牛的行为数据。

采用目标边缘计算，对每个原始行为数据分别进行边缘优化计算，得到每头活牛的优化行为数据。

其中，①目标边缘计算为：监督学习算法，经过优化后的活牛的行为数据。

基于机器学习方法，对每个优化行为数据分别进行处理，得到每头活牛的目标行为模式数据，并通过静止轨道通信卫星120和物联网关口站130，将目标行为模式数据转发至目标云系统140。

其中，①目标云系统140默认为牛云系统。②通过机器学习实现软件历史数据适配及人工经验辅助，对优化行为数据进行处理，得到目标行为模式数据。③目标行为模式数据包括：活牛的站立、躺卧、喂食和走路等行为姿态数据。④针对活牛群行为数据和或周期性采集上报突发，物联网关口站采用分集负载控制机制，选用随机接入开展采集业务，实施流量监管控制，针对流量过载采取增加卫星物联网终端接入时延平滑过载，同时针对物联网业务量突发采用动态频率分集等分集技术和平滑过载相结合的技术增倍过载处理能力，最大限度降低过载导致服务中断。

需要说明的是：

①卫星物联网终端110与静止轨道通信卫星120之间通过DVB-S2标准、BSPK-QPSK、随机接入方式开展网络之间互连的协议进行连接传输。

②牛云系统由托管数据库服务器和应用程序服务器组成。

③活牛行为分类，使用多类支持向量机(SVM)对行为姿态数据(优化行为数据)进行分类。现阶段针对四种不同的行为进行分类：站立、躺卧、喂食和走路。本实施例中采用一对多支持向量机(SVM)进行分类，将n个分类转换为

针对第i

D(x)＝w

X＝{X

y∈{1,-1}

其中，w是m维向量，b是偏置项。

其中，ξ

if x

if x

其中，

SVM使用训练数据构建模型，构建后模型可用于对测试数据进行分类。为模型选择合适的内核及其参数。内核函数选择半径基函数(RBF)：K(x

为避免构建模型仅针对训练数据样本有过度满意表现、但无法正确预判任何未知数据样本的过度拟合情况出现，并提高提升模型准确性和性能，需要为模型提供多种不同组合形式的训练数据。

本实施例采用k折交叉验证构建广义模型，避免过度拟合。k折交叉验证将数据初始划分为k个子集，近似s

使用交叉验证对C和γ进行粗细“网格搜索”。尝试各种(C，γ)值对，并选择具有最佳交叉验证精度的值。例如：尝试指数增长的C和γ序列识别粗网格搜索参数，C＝2

较优地，如图2所示，还包括：第一路由器140和多个用于设置在活牛上的微型器件150。

每个微型器件150用于：采集活牛在所述当前时间段内的原始行为数据并发送至所述第一路由器140。

所述第一路由器140用于：将所述当前时间段内的每个原始行为数据发送至所述卫星物联网终端110。

其中，①微型器件150为项圈或者耳标，用于佩戴在活牛身上。②微型器件150的数量与活牛的数量相同，两者为一一对应的关系，即每头活牛上分别设置一个微型器件150。

需要说明的是，①微型器件150与卫星物联网终端110之间通过蓝牙或者WIFI进行连接传输。②微型器件150采用低功率蓝牙(BLE)微设备主板电路设计，主板尺寸4.5x4.5cm。主芯片(6x6mm)采用ARM Cortex M4 32-bit处理器支持浮点运算(FPU),内核核运行频率为64MHz，私有系统級芯片(SoC)支持多协议蓝牙2.4GHz收发,低功率蓝牙(BLE)模式下：接收灵敏度-96dBm、数据速率2MBps，发射功率-20到+4dBm，4dB步进，发射Tx(0dBm)峰值电流5.3mA，接收峰值电流5.4mA，接收信号强度鉴别度(RSSI):1dB，外设接口包括3路主/从SPI、2路I2C(兼容2线主/从)、UART(CTS/RTS)、可编程并行内连接(PPI)等，支持片上系统SoC，512kB闪存+64kB RAM，具备短时间内处理要求严苛的应用和通信任务，CPU能够持续处理更多任务或返回到睡眠模式，节省宝贵电池能量；采用加速度计芯片(2x2mm)，超低功耗高性能三轴线性加速度计，“毫微”系列，可选±2g/±4g/±8g/±16g)量程，1Hz至5.3kHz输出数据速率测量加速度，采用I2C/SPI标准串口输出接入主板电路电路。电路设计开展活牛姿态监测预估可实现1Ah电池容量工作1068天或2.9年。非姿态监测模式下单向和双向模式下，连接间隔为86.25毫秒和370毫秒，最长工作寿命分别为14.1年和12.4年。

较优地，每个微型器件150均包括：加速度计传感器151和蓝牙通信模块152。

加速度计传感器151用于采集活牛的原始行为数据，蓝牙通信模块152用于将采集的活牛的原始行为数据发送至所述第一路由器140。

其中，①原始行为数据为：活牛在所述当前时间段内的预设三维坐标系下的X轴测量数据、Y轴测量数据和Z轴测量数据。②无线通信模块152为：蓝牙模块和WIFI模块。

需要说明的是，第一路由器140除了配置150微型器件蓝牙模块外还配备有WIFI模块，蓝牙芯片模块和WIFI模块间采用UART接口接入。第一路由器140和110卫星物联网终端间采用WIFI接入交互数据。

较优地，所述卫星物联网终端110具体用于：

基于所述监督学习算法，对所述当前时间段内的每头活牛的原始行为数据分别进行监督学习的边缘计算，得到每头活牛的优化行为数据。

需要说明的是，①对于边缘计算而言，使用机器学习算法进行处理，活牛原始行为数据的采集量为24bytes/125ms，以200头牛场规模为例，1天原始行为采样数据量为199GB/天，无损压缩后可实现15.2GB/天，卫星系统资源相对稀缺，例如卫星链路采用BPSK、FEC0.75、滚降0.3配置，200、2万、200万头牛需占用卫星频率资源量分别为0.53248MHz、53.248MHz(占用GEO通信卫星1路转发器)和5324.8MHz(占用10颗GEO通信卫星)，必须采用边缘计算将规模化应用数据采集量降到GEO卫星通信系统可承受、经济可行才能够承载开展此类业务。

②通辽地区活牛保有量260万头，单卫星覆盖的区域广，卫星物联网设备数量众多，随机接入通道(RACH)过载需要重点关注，因为过载很可能导致服务中断。卫星物联网关口站130能够实现分集负载控制机制保障过载均衡平滑增倍不易中断。频域分集负载控制实现入下：

1)评估预期负载

考虑有：G(k)为第k时隙RACH负载及其预估值

物理层处理时间为t

MAC层处理时间t

负载处理时间t

最小延迟t

延迟传播设备t

配置示例：k

其中G

负载控制机已知j≤k

输入参数：

更新未来时隙

从i＝0到i＝f-1循环

从l＝0到l＝k

从i＝0到i＝f-1循环

计算未来时隙

计算在第k

负载控制机制通过过去第k

2)随机接入访问概率计算

其中，G

假设在稳定状态下，其他用户r在传输的同时某特定用户u

基于泊松分布数据包(包括新的和重新传输的)速率为Λ。当特定用户u

P

使用P

经过简化得到：

用户群生成总流量(包括新的和重新传输的数据包)为Λτ。归一化总流量定义为：

对于k＝1的特殊情况，得到：

通过本频域分集负载控制方法可以在平滑缓解流量过载的同时加速过载拥塞处理吞吐量成倍提升吞吐量处理能力。

本实施例的技术方案通过卫星物联网终端采集活牛的行为数据并进行边缘计算，在保证数据需求量的同时，降低了数据吞吐量，实现了卫星通信活牛行为数据的实时采集预处理，为养殖规模化开展卫星物联网行为采集提供了基础保障；并通过本分集负载控制方法在平滑缓解流量过载的同时加速过载拥塞处理吞吐量，并行成倍提升吞吐量处理能力。

图3示出了本发明提供的一种基于卫星物联网的活牛行为采集方法的实施例的流程示意图。如图3所示，包括如下步骤：

S1、卫星物联网终端采集当前时间段内的每头活牛的原始行为数据；

S2、所述卫星物联网终端采用目标边缘计算，对每个原始行为数据分别进行边缘优化计算，得到每头活牛的优化行为数据；

S3、所述卫星物联网终端基于机器学习方法，对每个优化行为数据分别进行处理，得到每头活牛的目标行为模式数据，并通过静止轨道通信卫星和物联网关口站，将目标行为模式数据转发至目标云系统；其中，所述物联网关口站采用分集负载控制机制。

较优地，还包括：

每个用于设置在活牛上的微型器件采集活牛在所述当前时间段内的原始行为数据并发送至第一路由器；

所述第一路由器将所述当前时间段内的每个原始行为数据发送至所述卫星物联网终端。

较优地，每个微型器件均包括：加速度计传感器和无线通信模块；

加速度计传感器用于采集活牛的原始行为数据，无线通信模块用于将采集的活牛的原始行为数据发送至所述第一路由器。

较优地，无线通信模块为：蓝牙模块和WIFI模块。

本实施例的技术方案通过卫星物联网终端采集活牛的行为数据并进行边缘计算，在保证数据需求量的同时，降低了数据吞吐量，实现了卫星通信活牛行为数据的实时采集预处理，为养殖规模化开展卫星物联网行为采集提供了基础保障；并通过本分集负载控制方法在平滑缓解流量过载的同时加速过载拥塞处理吞吐量，并行成倍提升吞吐量处理能力。

上述关于本实施例的一种基于卫星物联网的活牛行为采集方法中的各参数和各个步骤实现相应功能的步骤，可参考上文中关于一种基于卫星物联网的活牛行为采集系统的实施例中的各参数和各模块，在此不做赘述。

在此处所提供的说明书中，说明了大量具体细节。然而能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。类似地，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。其中，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。