物聯(lián)網(wǎng)下建筑工地?fù)P塵監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了物聯(lián)網(wǎng)下建筑工地?fù)P塵監(jiān)測(cè)系統(tǒng)設(shè)計(jì)范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

摘要:針對(duì)建筑工地?fù)P塵監(jiān)測(cè)中存在監(jiān)測(cè)面積廣、網(wǎng)絡(luò)布線難、監(jiān)測(cè)環(huán)境惡劣且傳感器易受干擾等問題，設(shè)計(jì)了一種基于LoRa的物聯(lián)網(wǎng)(IoT)建筑施工現(xiàn)場(chǎng)揚(yáng)塵監(jiān)測(cè)系統(tǒng)，利用物聯(lián)網(wǎng)的三層架構(gòu)對(duì)數(shù)據(jù)進(jìn)行采集、上傳和處理，實(shí)現(xiàn)了對(duì)施工過程中揚(yáng)塵情況實(shí)時(shí)監(jiān)測(cè)并對(duì)異常情況進(jìn)行報(bào)警的功能。同時(shí)運(yùn)用卡爾曼濾波算法對(duì)節(jié)點(diǎn)數(shù)據(jù)進(jìn)行處理，可以有效地減少環(huán)境噪聲對(duì)傳感器感知數(shù)據(jù)的干擾，顯著地提高了數(shù)據(jù)采集的準(zhǔn)確性和實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果表明:設(shè)計(jì)的系統(tǒng)性能穩(wěn)定、準(zhǔn)確性和實(shí)時(shí)性高，可以滿足對(duì)建筑工地揚(yáng)塵監(jiān)測(cè)的要求。

關(guān)鍵詞:傳感器;物聯(lián)網(wǎng);揚(yáng)塵監(jiān)測(cè);卡爾曼濾波;LoRa網(wǎng)關(guān)

0引言

進(jìn)入21世紀(jì)后，中國經(jīng)濟(jì)的快速發(fā)展使得城鎮(zhèn)化的進(jìn)程加快，我國的建筑工程量不斷增長(zhǎng)。建筑施工過程中造成的污染問題日益嚴(yán)峻，建筑工地?fù)P塵污染的治理問題是大氣污染防治的重要內(nèi)容［1］。對(duì)施工現(xiàn)場(chǎng)揚(yáng)塵的污染情況進(jìn)行實(shí)時(shí)監(jiān)測(cè)可以及時(shí)發(fā)現(xiàn)揚(yáng)塵濃度的超標(biāo)情況并通知相關(guān)部門進(jìn)行治理。但傳統(tǒng)的揚(yáng)塵監(jiān)測(cè)系統(tǒng)需要人工定點(diǎn)巡查，不僅采集范圍小，準(zhǔn)確性和實(shí)時(shí)性差，還浪費(fèi)了大量的人力和物力［2］。隨著嵌入式、物聯(lián)網(wǎng)(InternetofThings，IoT)、無線傳感技術(shù)的發(fā)展，建筑工地?fù)P塵監(jiān)測(cè)的智能在線監(jiān)測(cè)方案越來越多。郭玉明采用C/S與B/S相結(jié)合的體系結(jié)構(gòu)，設(shè)計(jì)了一種風(fēng)沙天氣下建筑施工的揚(yáng)塵監(jiān)測(cè)系統(tǒng)［3］。武風(fēng)波等人設(shè)計(jì)了一種基于嵌入式的建筑工地環(huán)境監(jiān)測(cè)系統(tǒng)，可以實(shí)現(xiàn)對(duì)建筑工地環(huán)境的實(shí)時(shí)監(jiān)測(cè)［4］。陳雁冰等人設(shè)計(jì)一種基于低功耗無線傳感網(wǎng)的工地?fù)P塵監(jiān)測(cè)系統(tǒng)，在實(shí)現(xiàn)了全面監(jiān)控工地的同時(shí)還能控制微灌噴霧系統(tǒng)的開啟［5］。上述研究雖然在局部范圍內(nèi)解決了建筑工地?fù)P塵監(jiān)測(cè)的問題，但不能同時(shí)解決建筑工地?fù)P塵監(jiān)測(cè)中存在的監(jiān)測(cè)面積廣、網(wǎng)絡(luò)布線難、監(jiān)測(cè)環(huán)境惡劣且傳感器易受干擾等問題。因此，本文設(shè)計(jì)了基于物聯(lián)網(wǎng)的建筑工地?fù)P塵監(jiān)測(cè)系統(tǒng)，以LoRa和以太網(wǎng)作為通信技術(shù)，解決了監(jiān)測(cè)面積廣、網(wǎng)絡(luò)布線難等問題，同時(shí)使用卡爾曼濾波算法對(duì)數(shù)據(jù)采集節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行處理，可以有效地消除環(huán)境噪聲對(duì)傳感器感知數(shù)據(jù)的干擾，使得系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性更高。

1系統(tǒng)方案設(shè)計(jì)

1．1總體架構(gòu)設(shè)計(jì)

基于常見的物聯(lián)網(wǎng)架構(gòu)，設(shè)計(jì)系統(tǒng)的總體架構(gòu)圖如圖1所示。

1．2感知層

作為物聯(lián)網(wǎng)的神經(jīng)末梢，感知層主要由傳感器組成，用來采集PM2．5、PM10、溫濕度、風(fēng)力風(fēng)向等揚(yáng)塵監(jiān)測(cè)中需要采集的重要參數(shù)，并對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)和預(yù)處理。

1．3傳輸層

作為物聯(lián)網(wǎng)架構(gòu)的神經(jīng)傳遞介質(zhì)，傳輸層由通信網(wǎng)絡(luò)組成。LoRa技術(shù)的傳輸距離遠(yuǎn)、網(wǎng)絡(luò)覆蓋廣、功耗低等優(yōu)勢(shì)使得其可以在交通監(jiān)管、農(nóng)業(yè)管維、城市建設(shè)、環(huán)境監(jiān)測(cè)等多個(gè)物聯(lián)網(wǎng)應(yīng)用場(chǎng)景中使用［6］。因此，選用LoRa技術(shù)搭建本文中的揚(yáng)塵監(jiān)測(cè)系統(tǒng)。建筑工地?fù)P塵監(jiān)測(cè)終端通過自行搭建的LoRa網(wǎng)關(guān)與云端服務(wù)器進(jìn)行通信，各個(gè)數(shù)據(jù)采集節(jié)點(diǎn)通過各自的LoRa模塊將測(cè)量數(shù)據(jù)傳輸給LoRa網(wǎng)關(guān)，LoRa網(wǎng)關(guān)再將這些數(shù)據(jù)通過以太網(wǎng)模塊傳輸至云服務(wù)器進(jìn)行數(shù)據(jù)融合、分析和展示［7］。

1．4應(yīng)用層

作為物聯(lián)網(wǎng)架構(gòu)的大腦，應(yīng)用層面向相關(guān)的環(huán)境監(jiān)管部門。應(yīng)用層主要由數(shù)據(jù)庫，Web平臺(tái)、終端配置單元和數(shù)學(xué)運(yùn)算模型等組成，其主要任務(wù)是對(duì)采集的數(shù)據(jù)進(jìn)行智能分析處理并通知相關(guān)部門及時(shí)處理污染超標(biāo)等情況。

2系統(tǒng)硬件設(shè)計(jì)

本系統(tǒng)采用模塊化設(shè)計(jì)，硬件電路結(jié)構(gòu)圖主要由數(shù)據(jù)采集節(jié)點(diǎn)硬件結(jié)構(gòu)圖和LoRa網(wǎng)關(guān)硬件結(jié)構(gòu)圖組成。數(shù)據(jù)采集節(jié)點(diǎn)主要依靠微處理器進(jìn)行數(shù)據(jù)處理，由于STM32具有高性能、低功耗、低成本的特點(diǎn)，本系統(tǒng)選用STM32F103C8T6作為數(shù)據(jù)采集節(jié)點(diǎn)的主控芯片。該芯片內(nèi)核基于ARM32位的Cortex—M3CPU，具有休眠、停止、待機(jī)模式三種低功耗模式，主頻為72MHz，程序儲(chǔ)存器為64kB，SARM為20kB供電電壓為2～3．6V。具有多種外設(shè)接口，如定時(shí)器、ADC、SPI、I2C和USART，具備串行線調(diào)試和JTAG接口。數(shù)據(jù)采集硬件結(jié)構(gòu)圖如圖2所示。其中，電源模塊的作用是將外部直流電源轉(zhuǎn)換為適合主控芯片的電壓進(jìn)行供電;調(diào)試模塊可以在對(duì)硬件設(shè)備調(diào)試時(shí)打印相關(guān)的調(diào)試信息;傳感器通過RS—485接口將采集到的數(shù)據(jù)傳輸?shù)讲杉K端;GPS模塊通過UART接口與主控芯片進(jìn)行通信從而實(shí)現(xiàn)定位功能;LoRa模塊通過UART接口與主控芯片通信從而實(shí)現(xiàn)與LoRa網(wǎng)關(guān)的數(shù)據(jù)傳輸功能;OLED顯示模塊可以實(shí)時(shí)顯示傳感器采集到的數(shù)據(jù);指示燈通過GPIO與中控芯片進(jìn)行通信可以在數(shù)據(jù)異常時(shí)亮起報(bào)警。建筑工地?fù)P塵監(jiān)測(cè)系統(tǒng)中的LoRa網(wǎng)關(guān)不同于數(shù)據(jù)采集節(jié)點(diǎn)，其無需進(jìn)行傳感器的采集工作，但需要處理由各個(gè)采集節(jié)點(diǎn)傳輸上來的大量數(shù)據(jù)，所以，對(duì)網(wǎng)關(guān)的的內(nèi)存和處理器有較高要求。本系統(tǒng)選用三星公司推出的S3C2440A開發(fā)板作為主控核心，它基于ARMv9系列的ARM920T核心，可以運(yùn)行嵌入式Linux操作系統(tǒng)，主頻為400MHz，搭配256MBNANDFlash和64MBSDRAM，并且配有SPI，GPIO，UART等接口，可以滿足本系統(tǒng)對(duì)LoRa網(wǎng)關(guān)的需求。LoRa網(wǎng)關(guān)硬件結(jié)構(gòu)圖如圖3所示。數(shù)據(jù)采集節(jié)點(diǎn)通過LoRa模塊將數(shù)據(jù)傳輸?shù)絃oRa網(wǎng)關(guān)，LoRa網(wǎng)關(guān)將接收到的數(shù)據(jù)通過以太網(wǎng)模塊傳輸?shù)皆贫朔?wù)器。揚(yáng)塵參數(shù)傳感器作為數(shù)據(jù)采集終端的關(guān)鍵模塊，主要由粉塵傳感器、溫濕度傳感器和風(fēng)速風(fēng)向傳感器組成。顆粒物濃度傳感器選用抗干擾能力強(qiáng)、測(cè)量精度高、實(shí)時(shí)性強(qiáng)的RS—PM—NO1—2模塊，該傳感器采用獨(dú)特的進(jìn)氣口設(shè)計(jì)，體積小巧，可以同時(shí)準(zhǔn)確測(cè)量出PM2．5和PM10的濃度。溫濕度傳感器選用RS—WS—NO1—2—7模塊，該傳感器可以同時(shí)測(cè)量溫度和濕度兩個(gè)參數(shù)，溫度測(cè)量精度為±0．3℃，測(cè)量范圍－40～120℃，濕度測(cè)量精度為±2%RH，測(cè)量范圍0%～100%RH。風(fēng)速風(fēng)向傳感器采用測(cè)量精度高、量程范圍廣的RS—FS—NO1傳感器，風(fēng)速的測(cè)量精度為±(0．2+0．03V)m/s，測(cè)量范圍為0～60m/s。GPS模塊用來為監(jiān)測(cè)數(shù)據(jù)提供位置屬性，用于監(jiān)測(cè)平臺(tái)端對(duì)數(shù)據(jù)采集節(jié)點(diǎn)的定位。本系統(tǒng)選用的GPS模塊為NEO—M8N，它具有靈敏度高、功耗低、性能卓越、功能全面等特點(diǎn)，其依靠NAME—0183協(xié)議獲取施工地點(diǎn)的經(jīng)緯度信息，通過UART串口與主控芯片進(jìn)行通信，便于監(jiān)管人員隨時(shí)定位到發(fā)出異常數(shù)據(jù)的施工地點(diǎn)。LoRa模塊選用億佰特電子科技公司的E22—400T22S，該模塊采用SX1268主芯片，最大發(fā)射功率22dBm，通信距離4000m，工作頻率410～493MHz。該模塊采用了全新一代的LoRa擴(kuò)頻技術(shù)，具有體積更小、速度更快、功耗更低、傳輸距離更遠(yuǎn)的特點(diǎn)。以太網(wǎng)模塊選用W5500，該模塊是WIZNET主推的高性價(jià)比以太網(wǎng)模塊，集成了全硬件TCP/IP協(xié)議棧，支持休眠模式和網(wǎng)絡(luò)喚醒，內(nèi)部集成32K的TX/RX緩存。與傳統(tǒng)軟件協(xié)議棧不同，W5500內(nèi)嵌的8個(gè)獨(dú)立硬件Socket可以進(jìn)行8路獨(dú)立通信，支持高速標(biāo)準(zhǔn)4線SPI接口與主機(jī)進(jìn)行通信，內(nèi)部集成以太網(wǎng)數(shù)據(jù)鏈路層和10BaseT/100BaseTX以太網(wǎng)物理層，具有可靠性高、安全性好的顯著優(yōu)勢(shì)。

3系統(tǒng)軟件設(shè)計(jì)

數(shù)據(jù)采集節(jié)點(diǎn)軟件采用C語言來進(jìn)行開發(fā)，利用KEIL進(jìn)行程序的編寫、編譯、調(diào)試和下載。同時(shí)為了對(duì)數(shù)據(jù)進(jìn)行濾波處理，將FreeRTOS實(shí)時(shí)操作系統(tǒng)移植到該節(jié)點(diǎn)上進(jìn)行多線程任務(wù)，保證數(shù)據(jù)處理算法的穩(wěn)定運(yùn)行。系統(tǒng)上電后，首先進(jìn)行系統(tǒng)初始化和設(shè)備初始化，成功連接LoRa網(wǎng)關(guān)后進(jìn)行數(shù)據(jù)采集。在采集過程中，STM32F103主控芯片以輪詢方式進(jìn)行數(shù)據(jù)采集并通過RS—485總線與揚(yáng)塵傳感器通信，固定采樣周期設(shè)置為60s/次，按照傳感器相應(yīng)的數(shù)據(jù)規(guī)則完成電信號(hào)到揚(yáng)塵數(shù)據(jù)信息的轉(zhuǎn)換。當(dāng)主控芯片接收到數(shù)據(jù)之后，對(duì)數(shù)據(jù)進(jìn)行卡爾濾波算法以消除環(huán)境噪聲對(duì)數(shù)據(jù)的影響，然后將處理后的數(shù)據(jù)打包上傳至LoRa網(wǎng)關(guān)。LoRa網(wǎng)關(guān)軟件通過在VmwareWorkstation上安裝Ubuntu16．04虛擬機(jī)進(jìn)行開發(fā)，網(wǎng)關(guān)與嵌入式Linux系統(tǒng)通過串口通信工具minicom進(jìn)行通信，在Ubuntu系統(tǒng)中使用Sublimetext3進(jìn)行程序編寫，通過交叉編譯工具鏈ARM-Linux-GCC生成。LoRa網(wǎng)關(guān)的主要作用是將各個(gè)數(shù)據(jù)采集節(jié)點(diǎn)采集到的數(shù)據(jù)進(jìn)行儲(chǔ)存和管理，再將這些數(shù)據(jù)上傳到服務(wù)器。系統(tǒng)初始化之后，首先判斷LoRa網(wǎng)關(guān)是否組成成功，成功后開始接收各個(gè)數(shù)據(jù)采集節(jié)點(diǎn)傳輸過來的數(shù)據(jù)，將數(shù)據(jù)在本地存儲(chǔ)之后，通過以太網(wǎng)模塊將數(shù)據(jù)上傳到服務(wù)器。

4基于卡爾曼濾波的節(jié)點(diǎn)數(shù)據(jù)處理算法

由于建筑施工現(xiàn)場(chǎng)環(huán)境復(fù)雜，環(huán)境噪聲使得傳感器測(cè)量的數(shù)據(jù)存在誤差，導(dǎo)致監(jiān)測(cè)系統(tǒng)獲得的數(shù)據(jù)無法準(zhǔn)確反應(yīng)出施工現(xiàn)場(chǎng)揚(yáng)塵數(shù)據(jù)的真實(shí)情況。本系統(tǒng)采用卡爾曼濾波算法對(duì)節(jié)點(diǎn)收集到的數(shù)據(jù)進(jìn)行濾波降噪處理，可以有效消除測(cè)量噪聲和環(huán)境噪聲對(duì)監(jiān)測(cè)結(jié)果的影響，并且可以壓縮數(shù)據(jù)傳輸量，避免了大量冗余數(shù)據(jù)的傳輸，提高了數(shù)據(jù)采集的準(zhǔn)確性和實(shí)時(shí)性［8］。

4．1數(shù)學(xué)模型建立

卡爾曼濾波是一種通過線性系統(tǒng)狀態(tài)方程對(duì)系統(tǒng)進(jìn)行最優(yōu)化估計(jì)的方法。其以最小均方誤差為準(zhǔn)則，利用現(xiàn)時(shí)刻的觀測(cè)值和前一時(shí)刻的估計(jì)值來更新對(duì)狀態(tài)變量的估計(jì)，得到現(xiàn)時(shí)刻的估計(jì)值［9～13］。在實(shí)際的揚(yáng)塵監(jiān)測(cè)系統(tǒng)中，監(jiān)測(cè)數(shù)據(jù)可以看成是以離散時(shí)間為隨機(jī)變量的線性狀態(tài)方程，測(cè)量過程和系統(tǒng)狀態(tài)都會(huì)收到環(huán)境噪聲的影響。系統(tǒng)運(yùn)行狀態(tài)可以用n維空間的一個(gè)向量來表示，那么k時(shí)刻系統(tǒng)狀態(tài)方程為X(k)=AX(k－1)+BU(k)+W(k)(1)傳感器測(cè)量方程為Z(k)=HX(k)+V(k)(2)式中X(k)，X(k－1)分別為k，k－1時(shí)刻的狀態(tài)值;Z(k)為k時(shí)刻的測(cè)量值;U(k)為k時(shí)刻對(duì)系統(tǒng)的控制量;A為狀態(tài)轉(zhuǎn)移矩陣;B為噪聲矩陣;H為測(cè)量矩陣;W(k)和V(k)分別為系統(tǒng)噪聲和測(cè)量噪聲，且兩者均為均值為零的高斯白噪聲。

4．2算法步驟

卡爾曼濾波過程是一個(gè)遞歸過程，每次遞歸都分為預(yù)測(cè)和修正兩步執(zhí)行。預(yù)測(cè)主要包括狀態(tài)預(yù)測(cè)和協(xié)方差預(yù)測(cè)［11，13］，而修正主要包括計(jì)算卡爾曼增益、狀態(tài)更新和協(xié)方差更新。因此，卡爾曼濾波算法主要包括以下五個(gè)方面:1)狀態(tài)預(yù)測(cè);2)協(xié)方差預(yù)測(cè);3)計(jì)算卡爾曼增益;4)狀態(tài)更新;5)協(xié)方差更新。1)狀態(tài)預(yù)測(cè)X(k|k－1)=AX(k－1|k－1)+BU(k)(3)式中X(k|k－1)為k時(shí)刻的估計(jì)值，其根據(jù)k－1時(shí)刻的最優(yōu)估計(jì)值X(k－1|k－1)和k時(shí)刻的控制量U(k)(如果沒有控制量，那么U(k)為0)得到。2)協(xié)方差預(yù)測(cè)P(k|k－1)=AP(k－1|k－1)A'+Q(4)式中A'為A的轉(zhuǎn)置矩陣，Q為系統(tǒng)噪聲的協(xié)方差，根據(jù)X(k－1|k－1)的協(xié)方差P(k－1|k－1)得到X(k|k－1)的協(xié)方差P(k|k－1)。3)計(jì)算卡爾曼增益Kg(k)=P(k|k－1)H'［HP((k|k－1))H'+R］(5)式中Kg(k)為卡爾曼增益，R為測(cè)量噪聲對(duì)應(yīng)的協(xié)方差，根據(jù)P(k|k－1)和測(cè)量噪聲協(xié)方差R，計(jì)算得到卡爾曼增益Kg(k)。4)狀態(tài)更新X(k|k)=X(k|k－1)+Kg(k)［Z(k)－HX(k|k－1)］根據(jù)測(cè)量值Z(k)修正k時(shí)刻的估計(jì)值X(k|k－1)，得到k時(shí)刻的最優(yōu)估計(jì)值X(k|k)。5)協(xié)方差更新P(k|k)=［I－Kg(k)H］P(k|k－1)(7)式中I為單位矩陣。

5系統(tǒng)整體測(cè)試

5．1數(shù)據(jù)準(zhǔn)確性測(cè)試

為了測(cè)試監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性，將揚(yáng)塵監(jiān)測(cè)系統(tǒng)放置于環(huán)保局環(huán)境監(jiān)測(cè)站附處，對(duì)數(shù)據(jù)精度要求較高的PM2．5和PM10兩項(xiàng)數(shù)據(jù)進(jìn)行監(jiān)測(cè)。監(jiān)測(cè)時(shí)間為上午9點(diǎn)至下午5點(diǎn)，連續(xù)監(jiān)測(cè)8h，將監(jiān)測(cè)數(shù)據(jù)轉(zhuǎn)換為所測(cè)時(shí)間段整點(diǎn)對(duì)應(yīng)的小時(shí)平均數(shù)據(jù)并與監(jiān)測(cè)站點(diǎn)發(fā)布的小時(shí)平均數(shù)據(jù)進(jìn)行對(duì)比，對(duì)比圖如圖4所示。由圖4實(shí)驗(yàn)數(shù)據(jù)比對(duì)圖可知，監(jiān)測(cè)系統(tǒng)連續(xù)運(yùn)行7h，通過數(shù)據(jù)的走勢(shì)可以直觀地看到本系統(tǒng)采集的數(shù)據(jù)與監(jiān)測(cè)站發(fā)布的數(shù)據(jù)基本一致，且經(jīng)計(jì)算PM2．5和PM10的平均誤差均在2%內(nèi)。試驗(yàn)結(jié)果表明，本系統(tǒng)所采集到的揚(yáng)塵數(shù)據(jù)的準(zhǔn)確性較高，可滿足揚(yáng)塵監(jiān)測(cè)的實(shí)際需求。

5．2實(shí)時(shí)性測(cè)試

通信時(shí)延會(huì)影響各節(jié)點(diǎn)間的信息傳輸，實(shí)驗(yàn)中終端的時(shí)延是指一條完整的數(shù)據(jù)從讀取到完整發(fā)送至服務(wù)器間的時(shí)間間隔［14］。從監(jiān)測(cè)終端發(fā)出數(shù)據(jù)的時(shí)刻算起，到客戶端接收到數(shù)據(jù)為止，通過標(biāo)記的時(shí)間戳，可以計(jì)算得到系統(tǒng)的響應(yīng)時(shí)間。連續(xù)做1h的數(shù)據(jù)傳輸實(shí)驗(yàn)，共測(cè)試60組數(shù)據(jù)，終端發(fā)送數(shù)據(jù)時(shí)刻、客戶端接收數(shù)據(jù)時(shí)刻以及時(shí)間差如表1所示。測(cè)試的60組數(shù)據(jù)中，響應(yīng)時(shí)間差最大為46ms，最小為28ms，響應(yīng)平均時(shí)間差為36．6ms。測(cè)試結(jié)果表明，監(jiān)測(cè)系統(tǒng)的實(shí)時(shí)性較高，可以滿足揚(yáng)塵監(jiān)測(cè)的實(shí)際需求。

6結(jié)論

建筑施工工地?fù)P塵的污染情況對(duì)人類的身體健康和城市的空氣質(zhì)量有著顯著的影響。本文設(shè)計(jì)的基于物聯(lián)網(wǎng)的建筑工地?fù)P塵監(jiān)測(cè)系統(tǒng)，以LoRa和以太網(wǎng)作為通信技術(shù)，結(jié)合卡爾曼濾波算法對(duì)采集節(jié)點(diǎn)的數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)了對(duì)揚(yáng)塵數(shù)據(jù)的采集、傳輸和處理。實(shí)際測(cè)試結(jié)果表明系統(tǒng)穩(wěn)定性好，準(zhǔn)確性和實(shí)時(shí)性高。本系統(tǒng)可以提高相關(guān)部門的監(jiān)管效率，具有一定的實(shí)用價(jià)值。

作者:丁承君 胡博 劉云帆 賈麗臻 單位:河北工業(yè)大學(xué)機(jī)械工程學(xué)院 中國民航大學(xué)航空工程學(xué)院