發(fā)布時間：2017-08-28 18:33

  本文關(guān)鍵詞：基于群智感知的實時細粒度噪音感知系統(tǒng)設(shè)計與實現(xiàn)

  更多相關(guān)文章： 群智感知 智能手機 校正 數(shù)據(jù)恢復(fù) 分布式系統(tǒng)

【摘要】：長期暴露于噪音環(huán)境中會對人的身心造成重大傷害,人們迫切的想知道自己關(guān)心區(qū)域的實時噪音以及歷史噪音水平。要做到這一點并不容易,因為周圍有關(guān)噪音等級的監(jiān)測站點太少了,而且即使攜帶笨重的噪音測量儀,也只能得到自己所處位置的噪音情況,其他關(guān)心區(qū)域必須實地測量,十分不便。另一方面,隨著科技的發(fā)展,智能手機的價格越來越低,功能越來越強大,普及率很高。智能手機一般都裝備有各種各樣的傳感器,比如GPS定位系統(tǒng),網(wǎng)絡(luò)模塊和高質(zhì)量的麥克風。利用麥克風,智能手機可以充當簡易的噪音測量儀,通過GPS定位系統(tǒng)和網(wǎng)絡(luò)模塊,用戶可以分享自己用智能手機測量到的周圍的噪音數(shù)據(jù),眾多貢獻數(shù)據(jù)的用戶構(gòu)造一個噪音感知系統(tǒng)。然而,要將這樣一個噪音感知系統(tǒng)變?yōu)楝F(xiàn)實需要克服幾個挑戰(zhàn)。首先,實驗發(fā)現(xiàn)直接使用智能手機測量的噪音與標準噪音儀之間有很大的誤差,而且不同的智能手機之間誤差差別很大。其次,在較大的時空范圍內(nèi),用戶通過智能手機貢獻的數(shù)據(jù)具有稀疏性。最后,感知系統(tǒng)是城市范圍內(nèi)的,面向全市用戶,因此要有良好的負載能力和數(shù)據(jù)處理能力。針對智能手機測量噪音誤差大的問題,我們實驗發(fā)現(xiàn)了手機測量值與標準噪音儀之間的線性關(guān)系,并觀察到了室內(nèi)安靜環(huán)境下的一個標準參考值,提出一種輕量級的校正算法,實驗結(jié)果證實校正之后的誤差范圍小于3dbA。針對數(shù)據(jù)稀疏的問題,我們將所關(guān)心時空范圍內(nèi)的噪音數(shù)據(jù)建模成矩陣,并且構(gòu)造了地理信息矩陣,使用矩陣分解的方法恢復(fù)缺失數(shù)據(jù)。為了支持大規(guī)模的用戶上傳數(shù)據(jù)和查詢結(jié)果,我們引入了Storm流處理框架,將系統(tǒng)設(shè)計成可靠的,有良好可擴展性的分布式系統(tǒng)。
【關(guān)鍵詞】：群智感知 智能手機 校正 數(shù)據(jù)恢復(fù) 分布式系統(tǒng)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TB52
【目錄】：

• 摘要3-4
• ABSTRACT4-14
• 主要符號對照表14-15
• 第一章 緒論15-21
• 1.1 研究背景及意義15-18
• 1.1.1 噪音污染與噪音地圖15-16
• 1.1.2 智能手機與群智感知16-17
• 1.1.3 研究意義17-18
• 1.2 研究內(nèi)容18-20
• 1.3 本章小結(jié)20-21
• 第二章 相關(guān)研究及技術(shù)介紹21-27
• 2.1 噪音感知21-23
• 2.2 使用智能手機感知信息23-25
• 2.2.1 使用智能手機感知環(huán)境信息23-24
• 2.2.2 智能手機參與的其他感知工作24-25
• 2.3 計權(quán)網(wǎng)絡(luò)與A計權(quán)噪音等級25-26
• 2.4 本章小結(jié)26-27
• 第三章 系統(tǒng)的總體設(shè)計27-31
• 3.1 系統(tǒng)總體框架27-28
• 3.2 系統(tǒng)的工作過程28-29
• 3.3 本章總結(jié)29-31
• 第四章 校正31-43
• 4.1 研究動機31-34
• 4.1.1 智能手機未校正時的巨大誤差32
• 4.1.2 不同手機的測量誤差相差很大32-33
• 4.1.3 智能手機的測量數(shù)據(jù)與標準噪音儀的讀數(shù)之間的關(guān)系是線性的33-34
• 4.2 校正系統(tǒng)總體概覽34-35
• 4.3 節(jié)點級的校正模塊35-38
• 4.3.1 總體概覽35
• 4.3.2 模型35-36
• 4.3.3 模型檢驗36-37
• 4.3.4 偏移量估計37-38
• 4.3.5 室內(nèi)室外環(huán)境的檢測38
• 4.4 基于參與式感知的校正模塊38-41
• 4.4.1 總體概覽38-39
• 4.4.2 偏移量表格的查詢39
• 4.4.3 偏移量表格的更新39-41
• 4.5 本章總結(jié)41-43
• 第五章 數(shù)據(jù)恢復(fù)43-51
• 5.1 矩陣構(gòu)造與格子劃分43-44
• 5.1.1 矩陣構(gòu)造43
• 5.1.2 格子的標示43-44
• 5.2 數(shù)據(jù)恢復(fù)概覽44-45
• 5.3 矩陣分解45-46
• 5.4 特征抽取46-48
• 5.4.1 POI46-47
• 5.4.2 路網(wǎng)信息47-48
• 5.5 基于上下文的矩陣分解48-49
• 5.6 本章總結(jié)49-51
• 第六章 基于云端的可擴展系統(tǒng)設(shè)計51-59
• 6.1 總體概覽51
• 6.2 數(shù)據(jù)接收器的設(shè)計51-53
• 6.2.1 用戶成片的上傳數(shù)據(jù)51
• 6.2.2 緩存數(shù)據(jù)51-52
• 6.2.3 物理冗余52-53
• 6.3 數(shù)據(jù)處理器的設(shè)計53-55
• 6.3.1 總體概覽53
• 6.3.2 消息隊列Q_153-54
• 6.3.3 流產(chǎn)生節(jié)點S54
• 6.3.4 流計算節(jié)點B_154
• 6.3.5 流計算節(jié)點B_254-55
• 6.3.6 拓撲結(jié)構(gòu)的擴展策略55
• 6.4 網(wǎng)絡(luò)服務(wù)器的設(shè)計55-58
• 6.4.1 總體概覽55
• 6.4.2 與數(shù)據(jù)庫的鏈接55-56
• 6.4.3 數(shù)據(jù)庫的查詢56-57
• 6.4.4 與數(shù)據(jù)庫的數(shù)據(jù)交換57
• 6.4.5 服務(wù)器與客戶端的數(shù)據(jù)交換57
• 6.4.6 物理冗余57-58
• 6.5 本章總結(jié)58-59
• 第七章 系統(tǒng)的實現(xiàn)細節(jié)59-65
• 7.1 智能手機APP59-62
• 7.1.1 總體概覽59
• 7.1.2 APP首頁59-60
• 7.1.3 噪音地圖頁60
• 7.1.4 貢獻排名頁60
• 7.1.5 噪音采集服務(wù)60-61
• 7.1.6 定位服務(wù)61-62
• 7.1.7 網(wǎng)絡(luò)服務(wù)62
• 7.2 服務(wù)器端62-64
• 7.2.1 Window Azure相關(guān)實現(xiàn)62-63
• 7.2.2 數(shù)據(jù)庫連接池的實現(xiàn)63
• 7.2.3 Storm集群的實現(xiàn)63-64
• 7.2.4 地圖相關(guān)的實現(xiàn)64
• 7.3 本章總結(jié)64-65
• 第八章 系統(tǒng)的實驗驗證65-71
• 8.1 校正系統(tǒng)的實驗65-68
• 8.1.1 節(jié)點級校正的實驗驗證65-66
• 8.1.2 基于參與式感知的校正實驗驗證66-67
• 8.1.3 校正子系統(tǒng)的實驗驗證67-68
• 8.2 噪音地圖展示68
• 8.3 數(shù)據(jù)集和實驗環(huán)境68-69
• 8.4 噪音地圖69-70
• 8.5 本章總結(jié)70-71
• 全文總結(jié)71-73
• 參考文獻73-79
• 致謝79-81
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄81-83

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 王林;;淺析智能化感知系統(tǒng)在校車上的應(yīng)用[J];中國公共安全(綜合版);2012年05期

2 張建軍,葛運建,陳衛(wèi),汪小龍,宋光明,唐毅,江建舉;基于現(xiàn)場總線的分布式智能機器人感知系統(tǒng)研究[J];機器人;2002年03期

3 袁亮;;基于狀態(tài)估計的服務(wù)機器人主動感知系統(tǒng)的研究[J];組合機床與自動化加工技術(shù);2014年05期

4 ;新品·動態(tài)[J];現(xiàn)代家電;2002年12期

5 張倫偉;;基于光纖光柵傳感的智能內(nèi)窺鏡形狀感知系統(tǒng)(英文)[J];Journal of Shanghai University;2006年02期

6 付夢印;楊毅;朱昊;王立平;;移動機器人組合感知系統(tǒng)及其配準方法改進[J];兵工學(xué)報;2011年06期

7 唐菁敏;馮思泉;龍華;邵玉斌;;多跳解碼轉(zhuǎn)發(fā)感知系統(tǒng)性能研究[J];昆明理工大學(xué)學(xué)報(自然科學(xué)版);2013年01期

8 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 張R，

本文編號：748889