高 楊， 沈 重， 張永輝

(海南大學 信息科學與技術學院，海南 ?？?570228)

0 引 言

由于傳統(tǒng)的消毒劑、抗菌素藥的處理效果不盡如人意，并且有殘留污染、二重感染等缺點，近年來已經有一些發(fā)達國家把臭氧技術應用于水產養(yǎng)殖業(yè)，用臭氧對養(yǎng)殖用水進行處理，同時還應用于果蔬的保鮮與滅菌。隨著水產養(yǎng)殖業(yè)的蓬勃發(fā)展，應用臭氧技術凈化育苗水源不僅無二次污染還增加了水域中的氧氣含量；在大棚種植中的病蟲害防治中，臭氧也起到了良好的作用，能很好地保障作物無公害、無污染地生長；臭氧也同樣可以使用在瓜菜保鮮中起到延長保質期的作用[1]。但是，臭氧的普遍使用也帶來了副作用，首先臭氧對人體呼吸道粘膜有刺激，空氣中臭氧濃度過高，可引起脈搏加速、疲倦、頭痛，嚴重時可發(fā)生肺氣腫，以致死亡；同時，臭氧為強氧化劑，對多種物品有損壞，濃度越高對物品損壞越重，因此，在使用臭氧進行凈化消毒時，要嚴格檢測和控制其濃度。

目前，用來檢測臭氧濃度的方法主要包括化學法、比色法和電化學法[2]，這些方法都不能對臭氧濃度進行實時的監(jiān)測，因此，將無線傳感器網絡(WSNs)應用到監(jiān)測中[3]，并且對濃度進行控制。由于要提高采集數據的準確性，同時避免由于某一個傳感器的失效而造成的數據錯誤，為此，本文提出采用多傳感器數據融合方法對臭氧濃度進行監(jiān)測。

1 系統(tǒng)結構

本文實驗環(huán)境是在密閉的環(huán)境中，應用的是臭氧對果蔬的保鮮作用，通常在1 000 m3庫容臭氧連續(xù)使用需2.0～1.0 g/h，因此，實驗只對臭氧的濃度進行監(jiān)測，監(jiān)測系統(tǒng)主要包括傳感器、無線傳感器網絡、融合算法等。

1.1 傳感器的選擇

由于臭氧的濃度需要控制在一定范圍內，隨著臭氧消毒的不斷推廣，用于測量空氣中臭氧濃度的半導體臭氧傳感器已經面世，但是存在受溫度影響而降低數據準確性的問題。當環(huán)境溫度變化時，測量結果有很大的不確定性，甚至不能反映臭氧濃度的變化，極大地限制了半導體臭氧傳感器的使用范圍。為了克服現(xiàn)有半導體臭氧傳感器測量受環(huán)境溫度影響的缺點，本文采用自主研發(fā)、擁有專利水平的具有體積小、成本低、工作穩(wěn)定、不受環(huán)境溫度和濕度的影響等特點的臭氧傳感器，同時傳感器還具有廣泛的適用性、易安裝實施、容易進行功能擴展的獨特優(yōu)勢。因此，用臭氧傳感器進行數據的采集工作，來初步改善測量結果的穩(wěn)定性和技術存在不足的問題。

1.2 系統(tǒng)網絡結構

基于數據融合的多傳感器臭氧濃度監(jiān)測系統(tǒng)(圖1)使用的采集方法是將每個傳感器節(jié)點計劃連接2～4只臭氧探頭，同時運用通信頻率為2.4 GHz射頻收發(fā)器發(fā)送采集信號，采集到的數據通過無線Mesh傳感器網絡傳輸到進行數據處理的計算機上，處理端有可視化數據分析界面，然后通過3 G通信網絡傳輸到新一代IPv6互聯(lián)網計算數據中心，通過Internet瀏覽器獲取能源使用的實時數據[4]?？梢暬缑媾c數據處理采用VB作為主開發(fā)工具,Matlab作為輔助開發(fā)工具,對采集到的數據進行融合處理,并輸出結果。

圖1 網絡結構圖

2 多傳感器數據融合

數據融合的目的[5,6]就在于運用一定的準則和相關的算法, 將來自多傳感器的信息進行數據分析和綜合處理，其中融合計算可以認為是多傳感器數據融合系統(tǒng)的關鍵技術。在傳感器采集數據的過程中，由于傳感器自身某些差異或是所處方位不同，以及實際環(huán)境中一些無法控制的隨機因素，比如：傳感器的失效。上述這些情況都可能造成傳輸的數據是錯誤的，因此，粗大誤差在實際監(jiān)測過程中是不可避免的，同時導致各傳感器的測量數據不能完全反映監(jiān)測環(huán)境的真實情況。所以，進行多傳感器數據融合首先要對傳感器采集到的數據進行一致性檢驗，剔除無效的數據，從而得到精度更高、可靠性更好的采樣數據，得出比單一傳感器更為準確可靠的結論。因此，先剔除可疑數據，然后再進行數據融合，測量系統(tǒng)中盡量減少粗大誤差、剔除異常數據，是保證正確數據采集的前提，是對各個傳感器所得數據真實性進行判別的一種有效方法。

2.1 可疑數值的取舍

在一組監(jiān)測數據中，如果有個別數值與其他監(jiān)測值相差較大，這種與其他數值有明顯差別的數據就稱為可疑數據?？梢蓴祿@著地影響監(jiān)測結果，既不能隨意舍棄，也不能輕易保留，應對可疑數據進行檢驗。用于監(jiān)測值一致性檢驗、排除異常數據有4種較常用的準則[7]，分別是拉伊達準則、格魯布斯(Grubbs)準則、肖維勒準則和狄克遜準則。目前異常值的剔除還沒有統(tǒng)一的準則，由于實驗環(huán)境面積的限制，測量次數n≤10，然而在3≤n<25這個范圍內，建議用狄克遜準則或格拉布斯準則(α=0.01)來判別可疑數據。因為在少量樣品時，拉伊達準則的統(tǒng)計臨界系數相對比較大，不易及時發(fā)現(xiàn)異常數據，使用它會比較苛刻。而肖維勒準則的統(tǒng)計臨界系數太小，容易剔除僅含有較大正常誤差的測量值。因此，選用格魯布斯準則(α=0.01)來判別可疑數據。

T檢驗法(格魯布斯檢驗法)，方法如下：

1)將各監(jiān)測數據按大小順序排列：x1,x2，…，xn，將最大值記為xmax，最小值為xmin；

2)求出n個數算術平均值和標準偏差

(1)

(2)

3)按下式計算T值為

(3)

(4)

4)根據測定值組數和給定的顯著性水平(α)，通過查表得到臨界值(T)表1；

5)若T≤T0.05，則可疑均值為正常數值； 若T0.05T0.01，則可疑數值為離群數值，應予剔除。

表1 檢驗臨界值T表

2.2 數據融合算法

對于測量結果是足夠多次或者是有限次時, 可以通過算術平均值來改善測量的結果, 但是，對于有限次數測量，算術平均值卻不是最理想的表示方法。然而，估計算法是建立在測量初值較為可靠的基礎上，因此，估計算法是能夠獲得較為理想的測量結果。由于許多監(jiān)測系統(tǒng)無法實現(xiàn)測量初值的實時獲得，所以，采用基于均值的遞推估計融合算法[8]，即基于算術平均值與估計算法，這2種方法相結合的數據融合方法,通過數次采樣的算術平均值的計算，可以獲得可靠的初始估計結果，而后續(xù)運用遞推估計算法，可以明顯地改善采樣數據的準確性，獲得比算術平均值更可靠的數據結果。

該算法適用于緩變量檢測系統(tǒng)，這與臭氧濃度監(jiān)測的特點相匹配, 因此，采用基于均值的遞推估計的融合算法。實驗中選用8只臭氧傳感器,然后放置在指定位置上進行測量，首先用格魯布斯檢驗法剔除可疑數據，從而獲得一致性測量數據, 然后按照一定的原則將數據分為2組，根據估計算法對2組數據進行估計，得出接近臭氧濃度真值的數據融合值, 從而得到臭氧濃度的準確測量結果,降低測量過程中的不確定性。

可以設2組的一致性測量數據分別為:C1m,m≤4，C2n,n≤4,則2組數據的算數平均值分別為

(5)

(6)

2組數據相對應的標準誤差分別為

(7)

(8)

根據估計算法, 分批估計后得到的臭氧濃度融合值的方差為

=[HTR-1H]-1

(9)

式中H=[1 1]T為測量方程的系數矩陣,R為測量的協(xié)方差矩陣

(10)

(11)

(12)

3 實驗仿真與分析

本次實驗選用2種不同的環(huán)境進行監(jiān)測，環(huán)境1是在密閉的空間內通過臭氧發(fā)生器緩慢釋放臭氧，從而監(jiān)測此過程中的臭氧濃度，環(huán)境2是將此空間與外界進行氣體流通，監(jiān)測在此過程中臭氧濃度的變化情況。實驗通過Matlab軟件進行的曲線描述[9],通過串口接收數據，用此算法進行數據融合,圖2和圖3分別為上述2種情況下融合值和平均值的結果對比圖。

圖2 環(huán)境1中融合值與平均值的對比圖

圖3 環(huán)境2中融合值與平均值的對比圖

由圖可見，采用多傳感器算數平均值與分批估計相結合的方法，可獲得比有限個測量數據平均值更可靠的測量結果，融合后所得到的數據平穩(wěn)，可靠性高，提高了準確性，達到了預期的效果。

4 結 論

本文通過格魯布斯準則剔除可疑數據，將基于均值的遞推融合算法引入臭氧濃度檢測系統(tǒng)。在系統(tǒng)穩(wěn)定的情況下，上述方法能使系統(tǒng)的檢測精度得到大幅度提高，并且,此算法具有計算量小，易于編程的優(yōu)點，可以說,此方法非常適用于變換量智能監(jiān)測系統(tǒng)，尤其是當某些傳感器失效或者所受環(huán)境影響較大時，依據有限的傳感器，系統(tǒng)將其

他穩(wěn)定的傳感器提供的信息經數據融合，消除測量中的不確定性，獲得所測環(huán)境的準確臭氧濃度，從而為該環(huán)境的控制系統(tǒng)提供準確的判據，提高了系統(tǒng)的準確性。

參考文獻:

[1] 高海生,趙希艷,李潤豐.果蔬采后處理與貯藏保鮮技術研究進展[J].農業(yè)工程學報,2007,23(2):273-278.

[2] 孫淑霞,李路軍.臭氧檢測技術研究進展[J].科技信息,2011(9):10045-10046.

[3] 劉 卉,汪懋華,王躍宣,等.基于無線傳感器網絡的農田土壤溫濕度監(jiān)測系統(tǒng)的設計與開發(fā)[J].吉林大學學報:工學版,2008,38(3):604-608.

[4] Shen C,Du W,Atkinson R,et al.Policy-based mobility & flow management for IPv6 heterogeneous wireless networks[J].Wireless Personal Communications,2012,62(2):329-361.

[5] 萬樹平．基于最小一乘估計的多傳感器信息融合方法[J].計算機工程,2010,36(2):257-259.

[6] Tenney R R,Sandell Jr N R.Detection with distributed sensor-s[J].IEEE Transactions on Aerospace Electronic Systems,1981,17:501-510.

[7] 熊艷艷,吳先球.粗大誤差四種判別準則的比較和應用[J].大學物理實驗,2010,23(1):66-67.

[8] 滕召勝,羅隆福,童調生.智能檢測系統(tǒng)與數據融合[M].北京：機械工業(yè)出版社，2000：234-235.

[9] Raol J R.Multi-sensor data fusion with Matlab[M].Boca Raton:CRC Press,2010.