• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    本發明係提供一種以雲端運算為架構使用資料融合演算設計之環境監控方法及裝置，其特點主要包括：在欲監控環境中佈設多數個感測器節點以執行環境參數與資訊的量測工作，且以ZigBee為無線網路架構建構形成具有一個或一個以上量測標的項目之感測器網路；建制具有網路伺服器之中心監視系統，藉以接收感測器節點資料並執行警報及儲存等動作；於感測器網路設置數個匯聚節點以接收匯整數個量測標的相同之感測器節點的感測資料，再整合發送到中心監視系統的網路伺服器；藉由局部資料融合手段對感測器節點、匯聚節點任至少其中一者未發送的資料進行融合以去掉冗餘資訊，令傳輸數據量精簡化後再執行發送；藉由感測雲端運算手段，將感測器節點、匯聚節點的定位資訊透過節能管理與定位計算服務即時傳回網路伺服器；藉此設計，俾可即時將感測器網路各節點所感測到的各種訊號透過感測雲端及雲端運算機制收集與分析處理，並將結果透過ZigBee網路傳輸至網路伺服器，且所述局部資料融合手段特具有節省能量、提高資訊精度與可信度之優點與進步性。
    公开号:TW201301209A
    申请号:TW100121745
    申请日:2011-06-22
    公开日:2013-01-01
    发明作者:Wen-Tsai Sung
    申请人:Nat Univ Chin Yi Technology；
    IPC主号:
    专利说明:
    以雲端運算為架構使用資料融合演算設計之環境監控方法及裝置
    本發明係涉及一種環境監控方法及其裝置，特別是指一種以雲端運算為主架構，並使用局部資料融合演算設計之新式設計者。
    按，科技發達的今日社會環境中，各行業對於自動化、即時性以及無線感測控制功能等方面均產生了明確的需求，以人為本的環境智慧化(Ambient Intelligent)理念更吸引了大眾對此切身科技的興趣，並且激發出無盡的想像。其中無線感測網路在國內、外的應用，初期主要以生態觀察、環境監測與預警功能為主，無線感測網路的應用，最早出現在加州杭亭頓圖書館的花園所佈建的數十個監測點，後來更擴展到對於葡萄園土壤水分的監測、以及佈建於太空梭發射地點附近的農田與溫室內。就國內而言，無線感測網路在生態觀察方面的應用以林業試驗所國家高速網路中心參與的生態格網為代表，其在福山、鴛鴦湖與墾丁海域等都有佈點。
    感測器網路是由大量感測器節點覆蓋於監測區域所組成，有鑑於單一感測器節點的監測範圍與可靠性有限，因此在部署網路時需要使感測器節點達到一定密度，以增強整個網路的強健性和監測資訊的準確性，有時甚至需要使節點的監測範圍互相交疊；然而，此種監測區域相互重疊的狀態，將導致臨近節點報告的資訊存在一定程度的冗餘。例如對於監測溫度的感測器網路，每個位置的溫度可能有多個感測器節點進行監測，這些節點所報告溫度資訊會非常接近或完全相同，在這種冗餘程度很高的情況下，把這些節點報告的資料全部發送給彙聚節點與僅發送一份資料相比，除了使網路消耗更多能量外，彙聚節點並未能獲得更多資訊。
    另外，感測器網路是由大量低廉的感測器節點組成，將其部署在各種各樣環境中，從感測器節點獲得的資訊存在著較高的不可靠性。這些不可靠因素來自於幾個方面，諸如：受低成本與體積限制以致節點配置的感測器精度較低、無線通信機制使傳送資料更易受干擾而遭破壞、惡劣工作環境除了影響資料傳送外，還會破壞節點的功能部件令工作異常，資料報告錯誤等因素；由此可以瞭解，僅收集少數幾個分散的感測器節點資料，實難確保所得資訊的正確性。
    是以，目前感測器網路實際應用上仍然有其未臻完善之處，如何研發出一種能夠達到節省能量、獲得更準確資訊以及資料收集效率更為提高的環境監控方法與裝置，實有待相關業界再加以思索突破之目標及方向。
    有鑑於此，發明人本於多年從事相關產品之製造開發與設計經驗，針對上述之目標，詳加設計與審慎評估後，終得一確具實用性之本發明。
    本發明之主要目的，係在提供一種以雲端運算為架構使用資料融合演算設計之環境監控方法及裝置，其所欲解決之問題點，係針對如何研發出一種更具理想實用性之環境監控技術為目標加以思索突破；本發明解決問題之技術特點，主要包括：在欲監控環境中佈設多數個感測器節點以執行環境參數與資訊的量測工作，且以ZigBee為無線網路架構建構形成具有一個或一個以上量測標的項目之感測器網路；建制具有網路伺服器之中心監視系統，其藉以接收感測器節點的資料並執行包括警報及儲存之動作，且能夠對資料進行處理以及根據客戶需求列印出報表；於該感測器網路設置數個匯聚節點以接收匯整數個量測標的相同之感測器節點的感測資料，再整合發送到中心監視系統的網路伺服器；藉由局部資料融合手段對感測器節點、匯聚節點任至少其中一者尚未發送的資料進行融合，以去掉冗餘資訊令傳輸數據量精簡化後再執行發送；藉由感測雲端運算手段，將各感測器節點、匯聚節點的定位資訊透過節能管理與定位計算服務即時傳回該中心監視系統的網路伺服器。
    藉此創新獨特設計，本發明之目的主要為發展出一套從多感測訊號的收集與分析處理模組，並且即時將網路各節點所感測到的位置、各種訊號透過感測雲端及雲端運算機制加以收集與分析處理，並將結果透過ZigBee網路傳輸至網路伺服器，本發明透過局部資料融合手段能夠去掉冗餘資訊令傳輸數據量精簡化後再執行發送，此相較於習知技術可達到有效節省能量、提高資訊精度與可信度之優點與進步性。
    請參閱第1圖所示，係本發明之較佳實施例，惟此等實施例僅供說明之用，在專利申請上並不受此結構之限制；所述以雲端運算為架構使用資料融合演算設計之環境監控方法，係包括下述：在欲監控環境中佈設多數個感測器節點以執行環境參數與資訊的量測工作，且以ZigBee為無線網路架構，建構形成具有一個或一個以上量測標的項目之感測器網路；建制具有網路伺服器之一中心監視系統，其功能包括接收所述感測器節點的資料，並執行包括警報及儲存之動作，且能夠對資料進行處理以及根據客戶需求列印出報表；於該感測器網路設置數個匯聚節點，以接收匯整數個量測標的相同之感測器節點的感測資料，再整合發送到該中心監視系統的網路伺服器；藉由一局部資料融合手段，對感測器節點以及匯聚節點尚未發送的資料進行融合，以去掉冗餘資訊令傳輸數據量精簡化後再執行發送；藉由一感測雲端(Sensors Cloud)運算手段，將各感測器節點、匯聚節點的定位資訊透過節能管理與定位計算服務即時傳回該中心監視系統的網路伺服器。
    其中，該感測器節點所執行的環境參數與資訊量測工作，包括電力、溫度、溼度、光度、加速度、壓力、聲音、煙、紅外線、化學物品等任意一種或任意組合。
    其中，所述局部資料融合手段，係通過對監測同一量測標的項目的多個感測器節點所採集的資料進行資料融合，以有效提高所獲得資訊的精度和可信度。所述局部資料融合手段除了通過前述對監測同一量測標的項目的多個感測器節點所採集的資料進行資料融合的方式外，更可針對同一量測標的項目且屬於同一指定範圍的多個感測器節點採集的資料進行資料融合，所述指定範圍係包括區域範圍、高度範圍、空間內外範圍任意一種範圍之定義者；藉此同樣能夠有效提高所獲得資訊的精度和可信度。
    本發明就裝置面而言如第2圖所揭，係包括：多數個感測器節點10，係佈設在欲監控環境中藉以執行環境參數與資訊的量測工作，且該等感測器節點係以ZigBee為無線網路架構，建構形成具有一個或一個以上量測標的項目之感測器網路11；具有網路伺服器21之一中心監視系統20，設於該感測器網路11之無線傳輸範圍內，該中心監視系統20的功能係包括接收所述感測器節點10的資料，並執行包括警報及儲存之動作，且能夠對資料進行處理以及根據客戶需求列印出報表；多數個匯聚節點30，設置於該感測器網路11中，藉以接收匯整數個量測標的相同之感測器節點10的感測資料，再整合發送到該中心監視系統20的網路伺服器21；一局部資料融合單元40，設置於該感測器網路11中，藉以對感測器節點10、匯聚節點30任至少其中一者尚未發送的資料進行融合，以去掉冗餘資訊令傳輸數據量精簡化後再執行發送；一感測雲端(Sensors Cloud)運算單元50，設於該感測器網路11之無線傳輸範圍內，該感測雲端運算單元50具有可程式化訊號處理器51(可採用DSP PACDSP V3)與安全定位計算功能，藉以將各感測器節點10、匯聚節點30的定位資訊透過節能管理與定位計算功能即時傳回該中心監視系統20的網路伺服器21。
    所述ZigBee是一種遵循IEEE 802.15.4(IEEE 2003)之通訊協定，為美國柏克萊大學所創。Zigbee是一種新的短距離無線通訊標準，最大優勢在於低成本、低耗電及應用範圍廣。這項標準最主要用來改善藍芽技術(802.15.1)的缺點，因藍芽技術只能擷取七個無線設施，而ZigBee卻能掌控六萬多個；從開啟藍芽耳機到擷取藍芽手機的訊號約3～4秒，但ZigBee介面傳輸只要30毫秒(ms)。這種802.15.4/Zigbee可以設置在手機上或遙控器上，在一個空間內可迅速抓取多個配備同樣介面的無線設施訊號。
    所述雲端運算(Cloud Computing)是一種商業計算模型，它將計算任務分布在大量計算機構成的資源上，使用戶能夠按照需求來獲取計算力、儲存空間及資訊服務。隨著網際網路的發展以及web2.0概念被提出，網路使用者的行為也由單純的瀏覽轉變為創作與分享；另外，行動式的資訊設備也越來越多，為了方便分享及取用，使用者們把資料從個人的電腦中轉移到web服務提供者的資料中心；而服務提供者為了提供更穩定更迅速的服務，也需要一個新的服務架構，將運算資源及儲存空間更有效率的利用，同時提供服務開發人員更便利的開發環境。雲端運算就是將前述所有需求整合為一的概念，一個面向是讓使用者以更加便利的方式使用及取得服務，甚至用最簡單的方式開發新的服務。
    本發明中所述感測雲端(Sensors Cloud)運算手段，指的是雲端運算的另一個面向，亦即用來整合組織內部運算資源，以最有效率、最易於管理的方式，提供雲端服務穩定的運算及能量儲存。
    其中，所述資料融合手段可選用自加權平均法、卡爾曼濾波演算法、貝葉斯估計、D-S(Dempster-Shafter)證據理論、模糊邏輯、神經網路任意一種演算法。茲針對各資料融合手段進一步說明如下：(1)加權平均法：加權平均是一種最簡單和直觀的方法，即將多個感測器提供的冗餘資訊進行加權平均後作為融合值。該方法能即時處理動態的原始資料，但是權係數的確定具有一定的主觀性。例如對一個檢測目標進行N次檢測，其平均值為：
    kj為分配給第i次檢測的權數。
    (2)卡爾曼濾波演算法：卡爾曼濾波演算法可以即時融合動態低級的冗餘數據，對線性系統的系統雜訊和感測器雜訊可以用高斯白雜訊來建模，則卡爾曼濾波可以提供唯一的統計意義上的最優融合值，並且在濾波過程中不需要大量的存儲空間，可以即時處理。
    (3)貝葉斯估計：貝葉斯估計是將各種不確定資訊表示成概率，將相互獨立的決策看作一個樣本空間的劃分，使用貝葉斯條件概率公式進行處理，最後系統的決策可由某些規則給出。缺點是需要目標的先驗概率並且計算複雜。
    (4)D-S(Dempster-Shafter)證據理論：是目前資料融合技術中比較常用的一種方法，該方法通常用來表示對於檢測目標的大小、位置以及存在與否進行推斷。根據人的推理模式，採用了概率區間和不確定區間來決定多證據下假設的似然函數來進行推理。由各種感測器檢測到的資訊提取的特徵參數構成了該理論中的證據，利用這些證據構造相應的基本概率分佈函數，對於所有的命題賦予一個信任度。基本概率分佈函數及其相應的分辨框合稱為一個證據體。因此，每個感測器就相當於一個證據體。多個感測器資料融合，實質上就是在同一分辨框下，利用Dempster合併規則將各個證據體合併成一個新的證據體。產生新證據體的過程就是D-S法資料融合。
    (5)模糊邏輯：針對資料融合中所檢測的目標特徵具有某種模糊性的現象，有人利用模糊邏輯方法來對檢測目標進行識別和分類。建立標準檢測目標和待識別檢測目標的模糊子集是此方法的研究基礎。但模糊子集的建立需要有各種各樣的標準檢測目標，同時又必須建立合適的隸屬函數。而確定隸屬函數比較麻煩，目前還沒有規範的方法可遵循。又由於標準檢測目標子集的建立受到各種條件的限制，往往誤差較大。基於規則推理的方法還有證據推理、產生式規則等。
    (6)神經網路：神經網路是由大量廣泛互聯的處理單元連接而成的，它是在現代神經生物學和認知科學對人類資訊處研究成果的基礎上提出的。在信號處理機制上，它與傳統的數位電腦有根本的區別，它具有大規模並行模擬處理，連續時間動力學和網路全局作用等特點，儲存體和操作合而為一。神經網路具有很強的自適應學習理論，從而可以替代複雜耗時的傳統演算法，使信號處理過程更接近人類思維活動。利用神經網路的高速並行運算能力，可以即時實現難以用電腦技術實現的最優信號處理演算法；利用神經網路分散式資訊存儲和並行處理的特點，可以避開模式識別方法中建模和特徵提取的過程，從而消除由於模型不符和特徵選擇不當帶來的影響，並實現即時識別，以提高識別系統的性能。神經網路的基本原理這裏就不再贅述。根據資料，神經網路在資料融合中已有多方面的應用，所應用的網路模型有自組織映射網路、BP網路、概率神經網路、模糊神經網路、DIGNET網路等，應用效果較好。
    其他資料融合方法還有品質因數、專家系統、範本方法、聚分析、統計決策理論等等。通常使用的方法依具體的應用而定，並且由於各種方法之間的互補性，實際使用時經常將兩種或兩種以上方法組合進行資料融合。本發明所述感測器網路中，資料融合步驟十分重要作用，主要表現在整個網路的能量、增強所收集資訊的準確性以及提高收集資訊效率等方面。
    假設感測器網路中的每一個節點均具有資料感知、資料預處理和資料融合的功能，每一個感測器節點對資料(包括該感測器節點本身所感知的原始資料(raw data)以及所收到來自其他節點的資料(input data))的處理過程和資料融合的測量，在發送資料之前，首先要將本身原始資料加以壓縮，然後再沿著路由(即網路把信息從源地址傳輸到目的地址的活動)送到匯聚節點(sink)。如果一個節點收到來自其他節點壓縮格式的資料，該節點首先對接收的資料解壓縮後再與本身資料融合，融合後的資料同樣再經過壓縮後傳到路由上的下一跳層。
    本發明裝置系統按照運作流程主要分成三個部分：感測器節點(如無線煙霧、溫度、紅外線感測器等)所構成的感測器網路、具可程式化訊號處理器(可採用DSP PACDSP V3)功能與安全定位計算功能的感測雲端運算單元、中心監視系統之網路伺服器主機。就實際運作之實施例而言：該感測雲端運算單元係用以檢測該感測器網路所收集彙整之各種物理資料與幾何定位資訊，如煙霧、溫度及紅外線感測資料，當該感測雲端運算單元檢測到一定濃度的煙霧或溫度超過設定門檻、以及有異常人員進入之狀態時，經其安全機制判別而進行阻斷紅外線訊號並於定位點即時發出警報，同時通過無線網路傳輸給管理終端；又該中心監視系統之網路伺服器將無線感測器節點發送的資料接收後，通過軟體於電腦上給管理人員警報並顯示出障礙點(如火警或不明人員入侵)相應位置，並可透過設置加入一些其他處理功能(如與自動灑水器連線，不用全面動作，只針對某一區域防護即可)；在用戶端無線煙霧感測器加裝通訊模組形成終端設備，實現資料的採集和無線傳輸。基於ZigBee的低功耗特點，該終端可採用9V電池供電即可。而中心監視系統之網路伺服器主要功能包括接收無線煙霧感測器終端資料並警報及存儲，對資料做出一定的處理以及根據客戶需求列印各種報表。
    局部資料融合手段更是本發明的核心設計，其匯聚節點在轉發感測器節點資料之前，首先對資料進行融合以去掉冗餘資訊，在滿足應用需求前提下將需要傳輸的數據量最小化；網內處理利用的是節點的計算資源和存儲資源，其能量消耗與傳輸資料相比會減小許多；通過本地計算與融合，大幅減少了資料傳輸量，俾可有效節省能量，且原始資料可以在多跳數據傳輸過程中得到一定程度的處理，僅發送有用資訊，減少需要傳輸的資料量，以減輕網絡傳輸的擁塞，有效降低資料傳輸延遲現象。又通過對監測同一物件的多個感測器節點所採集的資料進行綜合，可有效提高所獲得資訊的精度和可信度。
    本發明係以雲端計算為基礎架構，目的為使用資料融合演算開發出一個無線智慧電網與環境監控系統。本發明使用ZigBee技術來設計雲端環境能源監控、無線家庭智慧電網與即時定位計算系統之感測雲端(Sensors Cloud)研究，目的為發展出一套從多感測訊號的收集與分析處理模組，並且即時將網路各節點所感測到的位置、防盜防災與電力等各種訊號透過感測雲端及雲端運算之晶片(如DSP PACDSP V3)加以收集及分析處理，並將結果透過ZigBee網路之無線裝置傳輸至網路伺服器主機，並可進一步透過無線射頻辨識系統(RFID)物聯網管理機制，由一中心控制介面監視系統管理狀態。
    上述實施例所揭示者係藉以具體說明本發明，且文中雖透過特定的術語進行說明，當不能以此限定本發明之專利範圍；熟悉此項技術領域之人士當可在瞭解本發明之精神與原則後對其進行變更與修改而達到等效之目的，而此等變更與修改，皆應涵蓋於如后所述之申請專利範圍所界定範疇中。
    10．．．感測器節點
    11．．．感測器網路
    20．．．中心監視系統
    21．．．網路伺服器
    30．．．匯聚節點
    40．．．局部資料融合單元
    50．．．感測雲端運算單元
    51．．．可程式化訊號處理器
    第1圖：本發明環境監控方法之文字方塊圖。
    第2圖：本發明環境監控裝置之系統示意圖。
    10．．．感測器節點
    11．．．感測器網路
    20．．．中心監視系統
    21．．．網路伺服器
    30．．．匯聚節點
    40．．．局部資料融合單元
    50．．．感測雲端運算單元
    51．．．可程式化訊號處理器
    权利要求:
    Claims (10)
    [1] 一種以雲端運算為架構使用資料融合演算設計之環境監控方法，包括：在欲監控環境中佈設多數個感測器節點以執行環境參數與資訊的量測工作，且以ZigBee為無線網路架構，建構形成具有一個或一個以上量測標的項目之感測器網路；建制具有網路伺服器之一中心監視系統，其功能包括接收所述感測器節點的資料，並執行包括警報及儲存之動作，且能夠對資料進行處理以及根據客戶需求列印出報表；於該感測器網路設置數個匯聚節點，以接收匯整數個量測標的相同之感測器節點的感測資料，再整合發送到該中心監視系統的網路伺服器；藉由一局部資料融合手段，對感測器節點、匯聚節點任至少其中一者尚未發送的資料進行融合，以去掉冗餘資訊令傳輸數據量精簡化後再執行發送；藉由一感測雲端運算手段，將各感測器節點、匯聚節點的定位資訊透過節能管理與定位計算服務即時傳回該中心監視系統的網路伺服器。
    [2] 依據申請專利範圍第1項所述以雲端運算為架構使用資料融合演算設計之環境監控方法，其中該感測器節點所執行的環境參數與資訊量測工作，其量測標的項目包括電力、溫度、溼度、光度、加速度、壓力、聲音、煙、紅外線、化學物品等任意一種或任意組合。
    [3] 依據申請專利範圍第1項所述以雲端運算為架構使用資料融合演算設計之環境監控方法，其中所述局部資料融合手段係選用自加權平均法、卡爾曼濾波演算法、貝葉斯估計、D-S(Dempster-Shafter)證據理論、模糊邏輯、神經網路任意一種演算法。
    [4] 依據申請專利範圍第1或3項所述以雲端運算為架構使用資料融合演算設計之環境監控方法，其中所述局部資料融合手段，係通過對監測同一量測標的項目的多個感測器節點所採集的資料進行資料融合，以有效提高所獲得資訊的精度和可信度。
    [5] 依據申請專利範圍第1或3項所述以雲端運算為架構使用資料融合演算設計之環境監控方法，其中所述局部資料融合手段，係通過對監測同一量測標的項目以及同一指定範圍的多個感測器節點所採集的資料進行資料融合，以有效提高所獲得資訊的精度和可信度；其中所述指定範圍包括區域範圍、高度範圍、空間內外範圍任意一種範圍之定義者。
    [6] 一種以雲端運算為架構使用資料融合演算設計之環境監控裝置，包括：多數個感測器節點，係佈設在欲監控環境中藉以執行環境參數與資訊的量測工作，且該等感測器節點係以ZigBee為無線網路架構，建構形成具有一個或一個以上量測標的項目之感測器網路；具有網路伺服器之一中心監視系統，設於該感測器網路之無線傳輸範圍內，該中心監視系統的功能包括接收所述感測器節點的資料，並執行包括警報及儲存之動作，且能夠對資料進行處理以及根據客戶需求列印出報表；多數個匯聚節點，設置於該感測器網路中，藉以接收匯整數個量測標的相同之感測器節點的感測資料，再整合發送到該中心監視系統的網路伺服器；一局部資料融合單元，設置於該感測器網路中，藉以對感測器節點以及匯聚節點尚未發送的資料進行融合，以去掉冗餘資訊令傳輸數據量精簡化後再執行發送；一感測雲端運算單元，設於該感測器網路之無線傳輸範圍內，該感測雲端運算單元具有可程式化訊號處理器與安全定位計算功能，藉以將各感測器節點、匯聚節點的定位資訊透過節能管理與定位計算功能即時傳回該中心監視系統的網路伺服器。
    [7] 依據申請專利範圍第6項所述以雲端運算為架構使用資料融合演算設計之環境監控裝置，其中所述感測器包括電力、溫度、溼度、光度、加速度、壓力、聲音、煙、紅外線、化學物品等任意一種感測器或任意感測器之組合。
    [8] 依據申請專利範圍第7項所述以雲端運算為架構使用資料融合演算設計之環境監控裝置，其中所述局部資料融合單元係選用自加權平均法、卡爾曼濾波演算法、貝葉斯估計、D-S(Dempster-Shafter)證據理論、模糊邏輯、神經網路任意一種演算法進行融合。
    [9] 依據申請專利範圍第6或8項所述以雲端運算為架構使用資料融合演算設計之環境監控裝置，其中所述局部資料融合單元，係對監測同一量測標的項目的多個感測器節點所採集的資料進行資料融合，以有效提高所獲得資訊的精度和可信度。
    [10] 依據申請專利範圍第6或8項所述以雲端運算為架構使用資料融合演算設計之環境監控裝置，其中所述局部資料融合手段，係通過對監測同一量測標的項目以及同一指定範圍的多個感測器節點所採集的資料進行資料融合，以有效提高所獲得資訊的精度和可信度；其中所述指定範圍包括區域範圍、高度範圍、空間內外範圍任意一種範圍之定義者。
    类似技术:
    公开号 | 公开日 | 专利标题
    TWI415034B|2013-11-11|Environmental monitoring methods and devices designed for the use of data fusion algorithms for cloud computing
    Alsheikh et al.2014|Machine learning in wireless sensor networks: Algorithms, strategies, and applications
    US10958512B2|2021-03-23|Fine grained network management to edge device features
    Adam et al.2020|Object tracking sensor networks in smart cities: Taxonomy, architecture, applications, research challenges and future directions
    Nasridinov et al.2014|Event detection in wireless sensor networks: Survey and challenges
    Agarwal et al.2014|A fuzzy inference-based fault detection scheme using adaptive thresholds for health monitoring of offshore wind-farms
    Kaur et al.2020|Cloud-assisted green IoT-enabled comprehensive framework for wildfire monitoring
    Peng et al.2019|Hierarchical edge computing: A novel multi-source multi-dimensional data anomaly detection scheme for industrial Internet of Things
    Ma et al.2018|Data stream mining in fog computing environment with feature selection using ensemble of swarm search algorithms
    Lu et al.2010|Adaptive weighted fusion algorithm for monitoring system of forest fire based on wireless sensor networks
    Vikram et al.2021|PAFF: predictive analytics on forest fire using compressed sensing based localized Ad Hoc wireless sensor networks
    Abid et al.2015|Centralized KNN anomaly detector for WSN
    Misra et al.2018|Knowledge discovery for enabling smart Internet of Things: A survey
    CN105338661A|2016-02-17|以云端运算为架构使用数据融合演算设计的环境监控方法及装置
    Antonopoulos et al.2017|Event identification in wireless sensor networks
    Jain2012|Wireless environmental monitoring system | using data aggregation in a bidirectional hybrid protocol
    Zheng et al.2020|A multi-agent system for environmental monitoring using boolean networks and reinforcement learning
    Karkouch et al.2015|Data quality enhancement in Internet of Things environment
    Kanwal et al.2020|Environmental monitoring smart system with selfsustaining wireless sensor network using data validation algorithms
    Laha et al.2020|How Can Machine Learning Impact on Wireless Network and IoT?–A Survey
    Nguyen-Anh et al.2020|Prediction of Forest Fire Risk to Trigger IoTs Reconfiguration Action
    Abdulbaqi et al.2016|A proposed system for real-time early warning for building fire detection based on embedded XBee-PRO RF modules with data accuracy appropriation
    Li2018|An Algorithm of Wireless Sensor Monitoring System.
    Naït-Abdesselam et al.2020|Data Quality Improvements for Internet of Things Using Artificial Neural Networks
    Vikram et al.2021|FogFire: fog assisted IoT enabled forest fire management
    同族专利:
    公开号 | 公开日
    TWI415034B|2013-11-11|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    TWI501088B|2013-10-04|2015-09-21|||
    CN106028168A|2015-09-16|2016-10-12|展视网（北京）科技有限公司|一种基于电视终端的室内空气数据采集方法及装置|
    CN106153114A|2016-08-09|2016-11-23|安徽喜悦信息科技有限公司|一种远程控制楼宇智能化监控系统|
    TWI575902B|2015-03-18|2017-03-21|燦印股份有限公司|即時資料傳輸及監控系統|
    US10015272B2|2015-03-12|2018-07-03|Intel Corporation|Method and apparatus for compaction of data received over a network|
    TWI667896B|2018-04-02|2019-08-01|國立勤益科技大學|無線個人化監控氣象站系統|US7528711B2|2005-12-19|2009-05-05|Lawrence Kates|Portable monitoring unit|
    TWI346283B|2008-01-25|2011-08-01|Univ Nat Formosa|Supervisory system and method for wastewater treatment system|TWI628610B|2016-10-18|2018-07-01|城市學校財團法人臺北城市科技大學|環保管理方法|
    TWI663853B|2017-09-18|2019-06-21|National Chin-Yi University Of Technology|整合感測雲端運算與雲端互聯網之環境智慧監控管理系統|
    TWI691189B|2018-11-27|2020-04-11|國立虎尾科技大學|模組化感測器整合系統|
    法律状态:
    2017-08-11| MM4A| Annulment or lapse of patent due to non-payment of fees|
    优先权:
    申请号 | 申请日 | 专利标题
    TW100121745A|TWI415034B|2011-06-22|2011-06-22|Environmental monitoring methods and devices designed for the use of data fusion algorithms for cloud computing|TW100121745A| TWI415034B|2011-06-22|2011-06-22|Environmental monitoring methods and devices designed for the use of data fusion algorithms for cloud computing|
    [返回顶部]