本文關(guān)鍵詞：基于群智感知的實(shí)時(shí)細(xì)粒度噪音感知系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

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

【摘要】：長(zhǎng)期暴露于噪音環(huán)境中會(huì)對(duì)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(shí)時(shí)噪音以及歷史噪音水平。要做到這一點(diǎn)并不容易,因?yàn)橹車嘘P(guān)噪音等級(jí)的監(jiān)測(cè)站點(diǎn)太少了,而且即使攜帶笨重的噪音測(cè)量?jī)x,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(shí)地測(cè)量,十分不便。另一方面,隨著科技的發(fā)展,智能手機(jī)的價(jià)格越來(lái)越低,功能越來(lái)越強(qiáng)大,普及率很高。智能手機(jī)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(fēng)。利用麥克風(fēng),智能手機(jī)可以充當(dāng)簡(jiǎn)易的噪音測(cè)量?jī)x,通過(guò)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(jī)測(cè)量到的周圍的噪音數(shù)據(jù),眾多貢獻(xiàn)數(shù)據(jù)的用戶構(gòu)造一個(gè)噪音感知系統(tǒng)。然而,要將這樣一個(gè)噪音感知系統(tǒng)變?yōu)楝F(xiàn)實(shí)需要克服幾個(gè)挑戰(zhàn)。首先,實(shí)驗(yàn)發(fā)現(xiàn)直接使用智能手機(jī)測(cè)量的噪音與標(biāo)準(zhǔn)噪音儀之間有很大的誤差,而且不同的智能手機(jī)之間誤差差別很大。其次,在較大的時(shí)空范圍內(nèi),用戶通過(guò)智能手機(jī)貢獻(xiàn)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(fù)載能力和數(shù)據(jù)處理能力。針對(duì)智能手機(jī)測(cè)量噪音誤差大的問(wèn)題,我們實(shí)驗(yàn)發(fā)現(xiàn)了手機(jī)測(cè)量值與標(biāo)準(zhǔn)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(gè)標(biāo)準(zhǔn)參考值,提出一種輕量級(jí)的校正算法,實(shí)驗(yàn)結(jié)果證實(shí)校正之后的誤差范圍小于3dbA。針對(duì)數(shù)據(jù)稀疏的問(wèn)題,我們將所關(guān)心時(shí)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(jì)成可靠的,有良好可擴(kuò)展性的分布式系統(tǒng)。
【關(guān)鍵詞】：群智感知 智能手機(jī) 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(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TB52
【目錄】：

• 摘要3-4
• ABSTRACT4-14
• 主要符號(hào)對(duì)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(jī)與群智感知16-17
• 1.1.3 研究意義17-18
• 1.2 研究?jī)?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(jī)感知信息23-25
• 2.2.1 使用智能手機(jī)感知環(huán)境信息23-24
• 2.2.2 智能手機(jī)參與的其他感知工作24-25
• 2.3 計(jì)權(quán)網(wǎng)絡(luò)與A計(jì)權(quán)噪音等級(jí)25-26
• 2.4 本章小結(jié)26-27
• 第三章 系統(tǒng)的總體設(shè)計(jì)27-31
• 3.1 系統(tǒng)總體框架27-28
• 3.2 系統(tǒng)的工作過(guò)程28-29
• 3.3 本章總結(jié)29-31
• 第四章 校正31-43
• 4.1 研究動(dòng)機(jī)31-34
• 4.1.1 智能手機(jī)未校正時(shí)的巨大誤差32
• 4.1.2 不同手機(jī)的測(cè)量誤差相差很大32-33
• 4.1.3 智能手機(jī)的測(cè)量數(shù)據(jù)與標(biāo)準(zhǔn)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(diǎn)級(jí)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(yàn)36-37
• 4.3.4 偏移量估計(jì)37-38
• 4.3.5 室內(nèi)室外環(huán)境的檢測(cè)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(biāo)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(kuò)展系統(tǒng)設(shè)計(jì)51-59
• 6.1 總體概覽51
• 6.2 數(shù)據(jù)接收器的設(shè)計(jì)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(jì)53-55
• 6.3.1 總體概覽53
• 6.3.2 消息隊(duì)列Q_153-54
• 6.3.3 流產(chǎn)生節(jié)點(diǎn)S54
• 6.3.4 流計(jì)算節(jié)點(diǎn)B_154
• 6.3.5 流計(jì)算節(jié)點(diǎn)B_254-55
• 6.3.6 拓?fù)浣Y(jié)構(gòu)的擴(kuò)展策略55
• 6.4 網(wǎng)絡(luò)服務(wù)器的設(shè)計(jì)55-58
• 6.4.1 總體概覽55
• 6.4.2 與數(shù)據(jù)庫(kù)的鏈接55-56
• 6.4.3 數(shù)據(jù)庫(kù)的查詢56-57
• 6.4.4 與數(shù)據(jù)庫(kù)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(shí)現(xiàn)細(xì)節(jié)59-65
• 7.1 智能手機(jī)APP59-62
• 7.1.1 總體概覽59
• 7.1.2 APP首頁(yè)59-60
• 7.1.3 噪音地圖頁(yè)60
• 7.1.4 貢獻(xiàn)排名頁(yè)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(shí)現(xiàn)62-63
• 7.2.2 數(shù)據(jù)庫(kù)連接池的實(shí)現(xiàn)63
• 7.2.3 Storm集群的實(shí)現(xiàn)63-64
• 7.2.4 地圖相關(guān)的實(shí)現(xiàn)64
• 7.3 本章總結(jié)64-65
• 第八章 系統(tǒng)的實(shí)驗(yàn)驗(yàn)證65-71
• 8.1 校正系統(tǒng)的實(shí)驗(yàn)65-68
• 8.1.1 節(jié)點(diǎn)級(jí)校正的實(shí)驗(yàn)驗(yàn)證65-66
• 8.1.2 基于參與式感知的校正實(shí)驗(yàn)驗(yàn)證66-67
• 8.1.3 校正子系統(tǒng)的實(shí)驗(yàn)驗(yàn)證67-68
• 8.2 噪音地圖展示68
• 8.3 數(shù)據(jù)集和實(shí)驗(yàn)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(xiàn)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(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(guó)公共安全(綜合版);2012年05期

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

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

4 ;新品·動(dòng)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(mèng)印;楊毅;朱昊;王立平;;移動(dòng)機(jī)器人組合感知系統(tǒng)及其配準(zhǔn)方法改進(jìn)[J];兵工學(xué)報(bào);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(bào)(自然科學(xué)版);2013年01期

8 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前8條

1 張R，

本文編號(hào)：748889