Сжатие многомерных измерительных данных сенсорных узлов на основе агрегирования кусочно-стационарных цифровых потоков тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Павлов Алексей Михайлович

• Павлов Алексей Михайлович
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Павлов Алексей Михайлович

Введение

Глава 1. Анализ применимости технологий агрегирования для сжатия телеметрических данных в беспроводных сенсорных сетях

1.1 Применение для телеизмерений и проблематика проектирования беспроводных сенсорных сетей

1.2 Анализ применимости технологий агрегирования для сжатия многомерных измерительных данных сенсорных узлов

1.3 Характеристики кусочно-стационарных цифровых потоков датчиков сенсорных узлов

1.4 Выбор критериев оценивания эффективности агрегирования кусочно-стационарных цифровых потоков

1.5 Выбор и обоснование направлений диссертационного исследования

1.6 Выводы по главе

Глава 2. Вычислительные эксперименты и моделирование процесса сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования кусочно-стационарных цифровых потоков

2.1 Вычислительные эксперименты по устранению аномалий цифровых потоков датчиков сенсорных узлов

2.2 Вычислительные эксперименты по преобразованию измерительных данных сенсорных узлов с помощью функции агрегирования на основе регрессии

2.3 Математическая модель процесса сжатия многомерных измерительных данных сенсорных узлов, учитывающая временные и пространственные корреляции множества цифровых потоков

2.4 Группирование многомерных измерительных данных сенсорных узлов в монопоток на основе сходства динамических вариаций

2.5 Оценка пропускной способности и энергопотребления беспроводной сенсорной сети на основе метрик агрегирования

2.6 Выводы по главе

Глава 3. Разработка методов структурного преобразования и сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования кусочно -стационарных цифровых потоков

3.1 Метод контроля за стационарностью цифровых потоков на основе медианной фильтрации многомерных измерительных данных сенсорных узлов

3.2 Аппроксимация многомерных измерительных данных сенсорных узлов с помощью кусочно-параболической регрессии

3.3 Способ формирования монопотока многомерных измерительных данных сенсорных узлов на основе сходства динамических вариаций цифровых потоков

3.4 Метод сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования кусочно-стационарных цифровых потоков

3.5 Восстановление кусочно-стационарных цифровых потоков и оценивание достоверности приема

3.6 Выводы по главе

Глава 4. Разработка и экспериментальное исследование алгоритма сжатия многомерных измерительных данных сенсорных узлов

4.1 Разработка алгоритма сжатия многомерных измерительных данных сенсорных узлов

4.2 Оценка вычислительной сложности алгоритма сжатия многомерных измерительных данных сенсорных узлов

4.3 Макетирование сенсорного узла и экспериментальная запись исходных многомерных измерительных данных

4.4 Выбор формального языка и разработка программного комплекса сжатия многомерных измерительных данных сенсорных узлов

4.5 Экспериментальное исследование программной реализации алгоритма сжатия многомерных измерительных данных сенсорных узлов

4.6 Выводы по главе

Заключение

Список сокращений и условных обозначений

Список терминов

Список литературы

Приложение А. Характеристики датчиков и устройств макета сенсорного узла

Приложение Б. Фрагменты исходного кода программ

Приложение В. Информационные документы, подтверждающие результаты диссертационного исследования

Введение диссертации (часть автореферата) на тему «Сжатие многомерных измерительных данных сенсорных узлов на основе агрегирования кусочно-стационарных цифровых потоков»

Введение

Актуальность темы исследования и степень ее разработанности. Одной из тенденций при внедрении новых информационных технологий для решения задач телеизмерений, связанных с выявлением отказов исполнительных механизмов, логистическим обеспечением, автоматизацией технической инспекции, сейсмическим районированием, мониторингом экологических параметров окружающей среды и биологических параметров тела человека, является использование беспроводных сенсорных сетей (БСС) [13, 19, 37, 51, 66, 70, 134]. При этом от эффективности использования пропускной способности беспроводных каналов связи (БКС) телеметрических систем зависит скорость передачи многомерных измерительных данных (МИД) сенсорных узлов (СУ), регистрируемых множеством датчиков, и время принятия управленческих решений, что в конечном счёте отражается на жизни и здоровье людей, а также выражается в материальных потерях.

Вышеуказанные задачи зачастую выполняются в условиях повсеместного усложнения разнородных производственно-технологичных процессов. Это приводит к существенному увеличению объемов измерительных данных, передаваемых через БКС, что негативно сказывается на их пропускной способности. В общем виде измерительные данные, зарегистрированные множеством СУ при функционировании только одного датчика, или каждым датчиком СУ при функционировании нескольких датчиков одновременно в течение ограниченного промежутка времени являются кусочно-стационарными, так как значение измерительных данных не успевает заметно измениться за некоторый конечный интервал времени, и при этом изменения происходят по одному и тому же временному закону практически без запаздывания. Вследствие этого сегменты сигналов датчиков могут быть адекватно аппроксимированы многочленами третьего порядка, задаваемыми по формуле Тейлора [56]:

где £ - суммарная погрешность телеметрирования, обусловленная искажением сигналов в процессе их преобразования и обработки.

х{1 = х{1) + — х'{1) Л

дГ

1!

3

зГ(г) + е, Нт£ = 0,ЛО = 0, (!)

Стационарность измерительных данных каждого потока объясняется равенством нулю третьей производной в формуле Тейлора (1), характеризующей скорость изменения процесса во времени и постоянством тренда, т. е. коэффициентов задающего полинома.

Объемы передаваемых кусочно-стационарных измерительных данных СУ зависят от частоты дискретизации и разрядности используемых аналого-цифровых преобразователей. Кроме того, генерируемые датчиками измерительные данные СУ могут быть коррелированы по времени и в пространстве, что вносит дополнительную избыточность их битового представления при хранении и передаче.

Таким образом, возникает объективное противоречие, заключающееся в постоянном возрастании объемов регистрируемых множеством СУ коррелированных измерительных данных с одной стороны, и необходимостью уменьшения их битового представления для эффективного использования БКС, с другой.

Для разрешения указанного противоречия применяют методы сжатия без потерь. При параллельной обработке такие методы позволяют сократить объемы измерительных данных СУ в каждом из потоков не существенно, поэтому их использование не всегда рационально. Для достижения большей степени сжатия измерительных данных СУ используют методы сжатия с потерями. Тем не менее при одновременной параллельной обработке нескольких цифровых потоков такие методы не учитывают корреляционные свойства всей совокупности многомерных измерительных данных СУ и выполняют операции уменьшения избыточности битового представления независимо для каждого из потоков. Для устранения этих недостатков прибегают к использованию развивающихся методов агрегирования, адекватно учитывающих свойства всей совокупности сжимаемых цифровых потоков.

Существенный вклад в развитие технологий агрегирования и методологию проектирования современных БСС внесли ученые А.Е. Кучерявый, Е.А. Кучерявый, Р.В. Киричек, Е.В. Тараканов, Е.Ю. Голубничая, Б.Я. Лихтциндер, С.С. Махров, А.М. Бершадский, А. Мутханна, W. Heinzelman, J. Sarangapani, P. Kasirajan и др. В их трудах и трудах других авторов обсуждались вопросы агрегирования измерительных данных СУ, направленные на уменьшение объема их битового представления.

Однако проведенный анализ научно-технической литературы, периодических изданий и патентной базы показал, что имеющиеся теоретические наработки и практические результаты, предлагаемые, например, в работах Е.В.Тараканова, С.В.Булгакова, М.А.Смольникова, М.А.Колчина и др. учёных не позволяют в полной мере обеспечить эффективное сжатие многомерных измерительных данных СУ за счет агрегирования множества цифровых потоков, позволяющее одновременно уменьшить объем их битового представления и адекватно учесть возникающие корреляционные взаимосвязи. Перечисленные обстоятельства актуализирует необходимость разработки новых методов и алгоритмов сжатия многомерных измерительных данных СУ, которые обеспечат ускорение научно-технического прогресса в направлении создания современных телеметрических систем на базе БСС.

Объектом исследования являются процессы сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования цифровых потоков.

Предмет исследования - математические модели, методы и алгоритмы сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования цифровых потоков.

Цель исследования - совершенствование методов сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования множества кусочно-стационарных цифровых потоков с использованием кусочно-параболической аппроксимации и отбора множества датчиков, коэффициенты модели которых отличаются не больше чем на допустимую величину.

Для достижения поставленной цели сформулированы и решены следующие задачи исследования:

1. Анализ возможностей существующих методов, алгоритмов и способов сжатия телеметрических данных с целью разработки новых подходов к проведению данных процедур и повышения эффективности существующих на основе агрегирования с позиции адекватности учета корреляционных взаимосвязей телеметрических данных;

2. Разработка метода сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования множества цифровых потоков с использованием кусочно-параболической аппроксимации, предусматривающего возможность восстановления из агрегированных исходных измерительных данных с погрешностью не превышающей 5 ± 0,75%;

3. Обоснование, разработка и исследование алгоритмов предварительной обработки, структурного преобразования и сжатия телеметрических данных, повышающих эффективность их сжатия.

Методология и методы исследования. При проведении теоретического исследования и вычислительных экспериментов в работе использовались положения теорий: вероятностей и математической статистики [15, 16, 22, 56], информации и кодирования [11, 112], алгоритмов [2, 58], а также государственные стандарты [26, 27, 28, 29], пакет прикладных программ технических вычислений «Matlab» [8, 33, 61, 124] и кроссплатформенная среда разработки «Qt Creator» [14, 130].

Научная новизна исследования:

1. Предложен принцип сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования кусочно-стационарных цифровых потоков множества датчиков с использованием кусочно-параболической аппроксимации, обеспечивающий повышение эффективности сжатия на основе агрегирования с позиции адекватности учета корреляционных взаимосвязей телеметрических данных;

2. Обоснован метод сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования множества кусочно-стационарных цифровых потоков с использованием кусочно-параболической аппроксимации. Выявлено, что он позволяет повысить коэффициент сжатия алгоритмов сжатия и показывает высокую эффективность на данных, обладающих кусочно-стационарными свойствами;

3. Обоснован метод контроля за стационарностью цифровых потоков на основе медианной фильтрации многомерных измерительных данных сенсорных узлов, поступающих от множества датчиков. Показано, что предложенный подход позволяет получить более высокие показатели предварительной обработки телеметрических данных, что существенно влияет на показатели системы сжатия данных.

Теоретическая значимость работы заключается в дальнейшем развитии методов сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования, ориентированных на уменьшение объема их битовых представлений, а также представлении процесса агрегирования в виде математической модели, учитывающей временные и пространственные корреляции всей совокупности обрабатываемых цифровых потоков.

Практическая значимость работы:

1. Разработаны алгоритмы предварительной обработки, структурного преобразования и сжатия телеметрических данных, реализующие рассмотренный в работе подход к представлению данных такого типа, позволяющие существенно увеличить эффективность их сжатия;

2. Разработаны программы и программный комплекс для исследования эффективности предложенных методов.

3. Все предложенные теоретические и алгоритмические конструкции сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования доведены до уровня программных средств, что подтверждается тремя свидетельствами о государственной регистрации программ для ЭВМ [107, 108, 109].

Результаты диссертационного исследования приняты к использованию в АО «Авиаавтоматика» (Акт внедрения результатов диссертационного исследования от 26.08.2022 г.).

Положения, выносимые на защиту:

1. В основу построения специализированных алгоритмов предварительной обработки и сжатия телеметрических данных следует положить статистическую и корреляционную оценку телеметрических данных на основе агрегирования множества кусочно-стационарных цифровых потоков, что позволяет уменьшить объем их битового представления при хранении и передаче по беспроводным каналам связи с гарантированной точностью восстановления;

2. Учет статистических и корреляционных особенностей телеметрических данных в специализированных алгоритмах сжатия позволяет достигнуть повышения коэффициента сжатия по сравнению с алгоритмами, не учитывающими данные особенности;

3. Для реализации разработанного алгоритма сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования поступающих от множества датчиков кусочно-стационарных цифровых потоков достаточно маломощных вычислительных аппаратно-программных платформ;

4. В результате вычислительных экспериментов установлено, что за счет использования предложенных методов достигается уменьшение объема битового представления множества кусочно-стационарных цифровых потоков при обработке многомерных измерительных данных сенсорных узлов за счет учета корреляционных связей между потоками телеметрических данных от разных датчиков.

Соответствие диссертации паспорту научной специальности. Диссертация соответствует паспорту специальности 2.3.8. Информатика и информационные процессы по следующим направлениям исследования: 3 «Разработка методов и алгоритмов кодирования, сжатия и размещения информации для повышения эффективности и надежности функционирования инфокоммуникационных систем при её хранении и передаче», 7 «Разработка методов обработки, группировки и аннотирования информации, в том числе, извлеченной из сети интернет, для систем поддержки принятия решений, интеллектуального поиска, анализа».

Степень достоверности полученных результатов подтверждается совпадением с достаточной точностью расчетных данных и результатов имитационного моделирования в ходе проведения экспериментов, корректностью применения математического аппарата в исследуемой предметной области, а также согласованностью теоретических решений с практической реализацией, успешным внедрением результатов исследования и широким спектром публикаций.

Апробация результатов диссертации. Материалы диссертационного исследования обсуждались на следующих научно-технических конференциях: XI Международная молодежная научная конференция «Молодежь и XXI век - 2021» (г. Курск, 2021), II Международная конференция «Приоритетные направления инновационной деятельности в промышленности» (г. Казань, 2021), 5-я Всероссийская научная конференция перспективных разработок молодых ученых «Молодежь и наука: шаг к успеху» (г. Курск, 2021), II Всероссийская научно-

техническая конференция «Интеллектуальные информационные системы: теория и практика» (г. Курск, 2021).

Публикации. По теме диссертационного исследования опубликовано 11 печатных работ [85, 86, 87, 88, 89, 90, 91, 92, 107, 108, 109] общим объемом 6,53 печ. л. (из них 1 - в рецензируемых научных изданиях, рекомендованных ВАК РФ, 1 - в научных изданиях, индексируемых в наукометрической базе данных RSCI, 6 - публикаций в других журналах и сборниках трудов международных и всероссийских научных конференций, а также получено 3 свидетельства Роспатента РФ о государственной регистрации программы для ЭВМ).

Личный вклад соискателя. Все основные научные результаты исследования получены автором лично или при его непосредственном участии.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка сокращений и условных обозначений, списка терминов, списка литературы и трёх приложений. Работа изложена на 164 страницах машинописного текста, включающего 20 таблиц, 77 рисунков и список литературы из 161 наименования.

Глава 1. Анализ применимости технологий агрегирования для сжатия телеметрических данных в беспроводных сенсорных сетях

1.1 Применение для телеизмерений и проблематика проектирования

беспроводных сенсорных сетей

В условия современной урбанизации в значительной мере возрастает роль БСС, которые составляют основу всевозможных телеметрических систем. Одни из них являются условно пассивными и ориентированными на регистрацию телеинформации о физических объектах для получения новых знаний, другие -условно активными, контролирующими превышение пороговых значений физических величин и сигнализирующими о переходе объектов в критические состояния. Возможность разработки телеметрических систем непосредственно связана с уровнем развития методов, алгоритмов и средств для организации различных БСС.

Причиной широкого применения БСС в сфере телеизмерений является тот факт, что они наиболее полно отвечают требованиям по обеспечению гибкости и масштабируемости, простоты развертывания и самоорганизации, безопасности и качества обслуживания, позволяют решать задачи управления пространственно-распределенными физическими объектами, обеспечивают хорошее сопряжение с различными уже имеющимися системами передачи информации [1, 53, 63, 79, 84, 93, 99, 121, 155], перспективны для интеграции с сетями связи шестого поколения.

Несмотря на достаточно давнее появление первых прообразов БСС - сетей гидроакустического исследования морских вод, концепция их построения и применения окончательно еще не сформирована. Об этом свидетельствует и отсутствие отдельных стандартизирующих документов.

В настоящее время и в ближайшей перспективе при проектировании современных БСС целесообразно придерживаться концепции архитектуры проблемно-ориентированной сенсорной сети, предлагаемой в работе [40]. Такая концепция направлена на решение вопросов, связанных с созданием

реконфигурируемых сенсорных сетей и подразумевает всестороннюю оптимизацию: аппаратных средств, физического и канального уровней, методов сжатия данных и т. д. При этом необходимо учесть, что общий функционал оптимизации - это уменьшение накладных расходов при обмене данными в сети с одновременной унификацией протоколов работы и обслуживания устройств [40]. Для уменьшения накладных расходов при обмене данными в сети необходимо обеспечить правильный расчет её энергопотребления [5, 7, 10, 18, 21, 38, 100, 114, 143, 154 и др.], математическая модель и методика которого может быть выбрана в зависимости от конкретики решаемой задачи.

Области применения БСС различны: транспортировка и логистика [161], сельское хозяйство и окружающая среда [46, 110, 120], энергетика [82, 132], медицина [3, 32, 75], городская среда и строительство [30, 103], образование [125] и др.

В качестве наиболее известных в настоящее время БСС выступают: летающие сенсорные сети (FUSN - Flying Ubiquitous Sensor Network) [48, 62], сети для транспортных средств (VANET - Vehicular Ad Hoc Network) [64, 145], медицинские сети (MBAN - Medicine Body Area Network) [153], сенсорные сети для «Интернета вещей» (WSN for IoT - Wireless Sensors Networks for Internet of things) [148].

Летающие сенсорные сети (Flying Ubiquitous Sensor Networks) - это БСС, обеспечивающие единую связь между пространственно-распределенными пассивными, активными и интеллектуальными СУ, размещенными на беспилотных летательных аппаратах. Современные архитектурные решения по их созданию рассматриваются в работе [62].

Важными условиями функционирования летающих сенсорных сетей на базе беспилотных летательных аппаратов выступают низкое энергопотребление всеми устройствами сети и самоорганизация. Для их выполнения используют ряд технологических решений: для организации БКС - технологию «LPWAN» [60], для самоорганизации сети - режим «Ad Hoc» [158].

Интеллектуальные транспортные сети (Vehicular Ad Hoc Networks) - это БСС, предназначенные для обмена телеметрическими и иными данными о взаимном расположении, состоянии и передвижении транспортных средств, поддерживающие

спонтанную самоорганизацию СУ. В интеллектуальных транспортных сетях используются связи различных сущностей: «Транспортное средство - транспортное средство», «Транспортное средство - дорога», «Транспортное средство - человек», «Человек - дорога».

Такие сети представляются базовой составляющей интеллектуальных транспортных систем [20]. Они обеспечивают широкие функциональные возможности от простой передачи сообщений массового оповещения до передачи узкоадресованных сообщений на большие расстояния посредством интеллектуальной ретрансляции. Для организации беспроводной связи стационарных и мобильных СУ используются различные комбинации стандартов «IEEE 802.15.4», «IEEE 802.11», «ZigBee», «DSRC» и др. Маршрутизация обеспечивается с помощью применения алгоритмов «LEACH», «TEEN» и др. [12, 104, 105, 152].

Практическое применение указанных сетей позволяет осуществлять локальный и глобальный мониторинг событий, происходящих на дороге, что вносит значительный вклад в обеспечение безопасности дорожного движения и предупреждение аварийных ситуаций.

Медицинские сенсорные сети (Medicine Body Area Networks) - это БСС, СУ и отдельные датчики которых могут быть имплантированы в тело человека, закреплены на его поверхности с помощью специальных удерживающих устройств или предназначены для ношения с собой. Известным представителем таких сетей выступает беспроводная нательная компьютерная сеть WBAN [153].

Медицинские сенсорные сети обеспечивают длительные телеизмерения физиологических параметров тела человека с помощью специальных медицинских датчиков, оснащенных миниатюрными приемопередатчиками. Использование таких сетей позволяет пациентам находится под постоянным удаленным контролем, а медицинским работникам своевременно оказывать медицинскую помощь тем пациентам, измеряемые параметры которых превысили критические значения. Анализ результатов телеизмерений физиологических параметров обеспечивает оптимальную очередность оказания медицинской помощи.

Сенсорные сети для «Интернета вещей» (Wireless Sensors Networks for Internet of things) - это гетерогенные БСС, предназначенные для телеизмерений технических параметров и телеуправления зданиями, частными территориями, промышленными сооружениями и различными производствами [138].

Развитие таких сетей связано с активным внедрением концепции «Умный дом» [129]. Проводные и БКС в таких сенсорных сетях реализуются с помощью протоколов: «Х10», «KNX», «ZigBee», «Z-Wave», «Insteon», «MiWi» и др. [4, 9, 106, 116].

Рассмотрев ряд сенсорных сетей можно привести обобщенную структурно-функциональную схему произвольной БСС (рисунок 1), включающую три уровня: уровень СУ, уровень базовых станций (БС) и уровень устройств обработки данных

Рисунок 1 - Обобщенная структурно-функциональная схема произвольной БСС

Для общности понятий при дальнейшем изложении будем использовать ряд терминов, приведенных в словаре терминов к настоящей диссертации.

Уровень СУ представляется набором узлов с разнородными датчиками (температуры, влажности, движения и др.) и вспомогательными устройствами, обеспечивающими возможность восприятия, обработки и передачи информации о телеметрируемых параметрах физических объектов внутри сети. Конкретный набор СУ для каждой сети индивидуален и зависит от выполняемых ею функций. В общем виде СУ могут быть стационарными и мобильными (переносимыми или перевозимыми). В случае наличия в сети мобильных СУ ее структура динамически меняется с течением времени. При дальнейшем рассмотрении ограничимся только БСС, структура которых неизменна.

(УОД).

Уровень СУ Уровень БС Уровень УОД (Сенсорное поле)

СУ

Каждый СУ оснащается операционной системой (ОС). Большую известность получила ОС «TinyOS» [150], обеспечивающая работу СУ в условиях ограниченности вычислительных ресурсов. СУ могут оборудоваться как интегрированными датчиками, антенными системами и автономными элементами электропитания (АЭЭ), так и устанавливаемыми отдельно. Примером платформ могут служить «MicaZ», «TelosB», «Intel Mote 2» [151, 157]. Внешний вид и характеристики СУ «Micaz ZigBee MPR2400» приведены на рисунке 2 и в таблице 1 [151] соответственно.

Рисунок 2 - Внешний вид СУ «Micaz ZigBee MPR2400» Таблица 1 - Характеристики СУ «Micaz ZigBee MPR2400»

Характеристика Значение характеристики

Тип платформы СУ Micaz ZigBee MPR2400

Стандарт БКС IEEE 802.15.4

Частота БКС 2400 МГц

Информационная скорость до 250 кбит / с

Ретрансляция Есть

Маршрутизация Есть

Поддерживаемые датчики (интегрированным разъемом расширения) Освещенности, температуры, относительной влажности, атмосферного давления, ускорения, сейсмики, акустики, магнитного поля и другие.

ОС TinyOS

Количество процессорных систем 1

Протокол безопасности AES-128

Количество контактов разъема расширения 51

Интерфейсы обена данными I2C, SPI, UART

Беспроводное соединение в указанных платформах основано на стандарте

беспроводной связи с низкой скоростью передачи данных IEEE 802.15.4. Основные параметры базового формата организации физического уровня приведены в таблице 2.

Таблица 2 - Основные параметры базового формата физического уровня стандарта IEEE 802.15.4

Диапазоны частот, МГц Кол-во каналов, шт. Скорость передачи данных, кбит/с Типы модуляция сигнала Дальность передачи в прямой видимости, м Мощность передатчика, мВт

868-868,6 1 до 1000 обычно 250 BPSK, ASK до 1000; обычно не более 500 мин. 0,5; обычно 1,0; макс. 100

902-928 10 BPSK, ASK

2400-2483,5 16 Q-QPSK, 2-FSK, GFSK, MSK, OOK.

В качестве приемопередающей микросхемы в платформах для СУ Micaz,

TelosB, Intel Mote 2 используется малогабаритный однокристальный трансивер в корпусе QLP-48 ChipCon CC2420 (внешний вид и основные технические характеристики приведены на рисунке 3 и в таблице 3 соответственно), работающей в частотном диапазоне 2400-2483,5 МГц. При передаче радиочастотных сигналов в эфир в трансивере ChipCon CC2420 преимущественно используется Q-QPSK модуляция.

""■'"■ i IIIIIHIII :

Рисунок 3 - Внешний вид трансивера ChipCon CC2420

Таблица 3 - Основные технические характеристики трансивера ChipCon CC2420

Параметры СС2420 СС2420 с усилителем мощности сигнала

Ток потребления (передача), мА 17,4 30,8

Ток потребления (прием), мА 19,7 19,7

Максимальная выходная мощность, дБм 0 9,5

Чувствительность приемника, дБм -94 -93,1

Дальность действия (прямая видимость), м 230 580

Тип модуляции сигнала Q-QPSK Q-QPSK

Уровень БС обеспечивает управление приемопередачей, накоплением и обработкой измерительных данных СУ. При этом каждый СУ может иметь связь с одной или несколькими БС. Для повышения эффективности передачи МИД СУ

цифровые потоки от датчиков могут быть сгруппированы в монопоток.

Каждая БС осуществляет управление как отдельно взятой логической группой СУ, так и всей сетью. Для разделения СУ по коммутационно-адресным признакам применяются маршрутизаторы, обеспечивающие идентификацию и адресацию сетевых устройств. Примером БС может выступать интеллектуальный концентратор «АР^Н1000» (рисунок 4), разработанный компанией «AddPac». Основные технические характеристики «АР^Н1000» приведены в таблице 4.

Рисунок 4 - Внешний вид интеллектуального концентратора «АР^Н1000»

Таблица 4 - Основные технические характеристики интеллектуального концентратора «АР^Н1000»

Тип подключения LAN (IP)

Тип БКС ZigBee, Z-Wave

Модульные интерфейсные карты AP-ZBW100, AP-ZW100, AP-ZW104

Количество антенн 2 (1- ZigBee, 2- Z-Wave)

Напряжение питания 12 В

Служба дублирования для защиты от внезапных сбоев сенсоров ZWave Есть

ШВ-порт Нет

Сетевой интерфейс 10/100 Мбит/с

Уровень УОД обеспечивает анализ и обработку измерительных данных, полученных от всех СУ и формирует ответные реакции в зависимости от текущего состояния БСС, а также обеспечивает взаимодействие сети с пользователями за счёт предоставления результатов телеизмерений в виде пригодном для восприятия.

Применяемые на практике БСС имеют сложные структуры, причём сложность их структуры прямо пропорциональна количеству используемых СУ, которое в свою очередь зависит от количества и сложности физических объектов, подверженных телеизмерению. Наиболее распространенные топологии БСС схематически показаны на рисунке 5.

Список литературы диссертационного исследования кандидат наук Павлов Алексей Михайлович, 2023 год

Список литературы

1. Адамова А. А. Анализ перспектив интеграции беспроводных сенсорных сетей с сетью Интернет с использованием стандарта 6LoWPAN / А. А. Адамова, Л. Г. Аваева, А. В. Лохтуров // Надежность и качество сложных систем. - 2019. - № 1 (25). - С. 54-61.

2. Алексеев В. В. Теория алгоритмов: учебно-методическое пособие /

B.В. Алексеев .- Саров : СарФТИ НИЯУ МИФИ, 2021.- 98 с.

3. Андреев Ю. В. Беспроводная сенсорная сеть для медицинских приложений на основе сверхширокополосной прямохаотической технологии / Ю. В. Андреев, А.

C. Дмитриев, В. А. Лазарев [и др.] // Международный конгресс по информатике: информационные системы и технологии : материалы международного научного конгресса (Минск, 24-27 октября 2016 г.). - Минск : Белорусский государственный университет, 2016. - С. 602-606.

4. Аппаратные и программные решения для беспроводных сенсорных сетей. Лекция 3: Популярные и перспективные стандарты и протоколы беспроводных сенсорных сетей : 6LoWPAN. - Текст : электронный // Национальный открытый университет «ИНТУИТ» : [сайт]. - URL: https://mtuitm/studies/courses/12175/1168/lecture/19592?page=4 (дата обращения: 02.06.2021).

5. Астахова Т. Н. Исследование моделей связности сенсорных сетей / Т. Н. Астахова, Н. А. Верзун, В. В. Касаткин [и др.] // Информационно-управляющие системы. - 2019. - № 5 (102). - С. 38-50.

6. Атея А. А. Многоуровневый протокол кластеризации для крупномасштабных беспроводных сенсорных сетей / А. А. Атея, А. С. Мутханна, А. Е. Кучерявый // Информационные технологии и телекоммуникации. - 2018. - Т. 6, № 2. - С. 1-26.

7. Ачилова И. И. Исследование беспроводных сенсорных сетей / И. И. Ачилова, Е. В. Глушак // Международный журнал прикладных и фундаментальных исследований. - 2018. - № 5-1. - С. 11-17.

8. Бадриев И. Б. Разработка графического пользовательского интерфейса в среде MATLAB : учебное пособие / И. Б. Бадриев, В. В. Бандеров, О. А. Задворнов. -Казань : Казанский государственный университет, 2010. - 113 с.

9. Баскаков С. С. Беспроводные сенсорные сети на базе платформы MeshLogic / С. С. Баскаков, В. И. Оганов // Электронные компоненты. - 2006. - № 8. - С. 65-69.

10. Баскаков С. С. Оценка энергопотребления беспроводных узлов в сетях MeshLogic / С. С. Баскаков // Беспроводные технологии. - 2010. - № 1 (18). - С. 2831.

11. Березкин Е. Ф. Основы теории информации и кодирования: учебное пособие / Е. Ф. Березкин. - 3-е изд. - Санкт-Петербург : Лань, 2019. - 320 с. - ISBN 978-5-8114-4119-8.

12. Бершадский А. М. Обзор методов маршрутизации в беспроводных сенсорных сетях / А. М. Бершадский, Л. С. Курилов, А. Г. Финогеев // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2012. - № 1 (21). - С. 47-57.

13. Беспроводной промышленный мониторинг : интеллектуальные системы на базе сенсорных сетей. - Текст : электронный // Институт точной механики и вычислительной техники им. С. А. Лебедева РАН : [сайт]. - URL: http://ipmce.ru/img/release/is_sensor.pdf (дата обращения: 01.04.2021)

14. Бланшет Ж. QT 4: программирование GUI на С++ / Ж. Бланшет, М. Саммерфилд. - Москва : КУДИЦ-ПРЕСС, 2007. - 648 с.

15. Бронштейн И. Н. Справочник по математике для инженеров и учащихся втузов / И.Н. Бронштейн, К.А. Семендяев. - 13-е изд., исправленное. - Москва : Наука, Гл. ред. физ.-мат. лит., 1986. - 544 с.

16. Брюс П. Практическая статистика для специалистов Data Science: / П. Брюс, Э. Брюс ; пер. с англ. - Санкт-Петербург : БХВ-Петербург, 2018. - 304 с. - ISBN 978-5-9775-3974-6.

17. Булгаков С. В. Агрегирование информационных моделей / С. В. Булгаков // Перспективы науки и образования. - 2014. - № 3 (9). - С. 9-13.

18. Верзун Н. А. Энергетическая эффективность взаимодействия в беспроводных сенсорных сетях / Н. А. Верзун, М. О. Колбанёв, А. А. Шамин // Информационные технологии и телекоммуникации. - 2017. - Т. 5, № 1. - С. 88-96.

19. Волков А. Н. Сети связи пятого поколения: на пути к сетям 2030 / А. Н. Волков, А. С. А. Мутханна, А. Е. Кучерявый // Информационные технологии и телекоммуникации. - 2020. - Т. 8, № 2. - С. 32-43.

20. Володина Е. Е. Анализ развития интеллектуальных транспортных систем / Е. Е. Володина, Е. Е. Девяткин, Т. А. Суходольская // Экономика и качество систем связи. - 2017. - № 1 (3). - С. 40-46.

21. Галкин П. В. Анализ энергопотребления узлов беспроводных сенсорных сетей / П. В. Галкин // ScienceRise. - 2014. - № 2 (2). - С. 55-61.

22. Геворкян П. С. Теория вероятностей и математическая статистика / П. С. Геворкян, И. М. Эйсымонт, А. В. Потемкин. - 2-е изд., перераб. и доп. - Москва : Физматлит, 2016. - 176 с. - ISBN 978-5-9221-1682-4.

23. Гитис Л. Х. Статистическая классификация и кластерный анализ / Л.Х. Гитис. - Москва : Издательство МГГУ, 2003. - 157 с. - ISBN 5-7418-0010-6.

24. Голубничая Е. Ю. Агрегирование данных в беспроводных сенсорных сетях мониторинга / Е. Ю. Голубничая // Проблемы передачи информации в инфокоммуникационных системах : сборник докладов и тезисов VIII Всероссийской научно-практической конференции (Волгоград, 26 мая 2017 г.). - Волгоград : Волгоградский государственный университет, 2017. - С. 37-42.

25. Голубничая Е. Ю. Энергоэффективный синхронизированный доступ к каналам передачи данных в кластерных беспроводных сенсорных сетях / Е. Ю. Голубничая // T-Comm: Телекоммуникации и транспорт. - 2018. - Т. 12, № 8. - С. 918.

26. ГОСТ 15971-90 (ИСО 2382). Системы обработки информации. Термины и определения : гос. стандарт СССР: изд. офиц. : утв. и введ. в действие Постановлением Государственного комитета СССР по управлению качеством продукции и стандартам от 26 октября 1990 № 2698 : взамен ГОСТ 15971-84 : дата введ. 1992-01-01 / разраб. Государственным комитетом СССР по управлению

качеством продукции и стандартам. — Москва : Издательство стандартов, 1991. — 14 с.

27. ГОСТ 19.701-90 (ИСО 5807-85). Единая система программной документации. Схемы алгоритмов, программ, данных и систем. Обозначения условные и правила выполнения : межгосударственный стандарт : издание официальное : утвержден и введен в действие Постановлением Государственного комитета СССР по управлению качеством продукции и стандартам от 26 декабря 1990 г. № 3294 : взамен ГОСТ 19.002-80, ГОСТ 19.003-80 : переиздание: январь 2010 г. : дата введения 1992-01-01 / разработан и внесен Государственным Комитетом СССР по вычислительной технике и информатике. - Москва : Стандартинформ, 2010. - 24 с.

28. ГОСТ Р 2.105-2019. Единая система конструкторской документации. Общие требования к текстовым документам : национальный стандарт Российской Федерации : издание официальное : утвержден и введен в действие Приказом Федерального агентства по техническому регулированию и метрологии от 29 апреля 2019 г. № 175-ст : введен впервые : дата введения 2020-02-01 / разработан Федеральным государственным унитарным предприятием «Российский научно-технический центр информации по стандартизации, метрологии и оценке соответствия» (ФГУП «Стандартинформ»). - Москва : Стандартинформ, 2019. - 32 с.

29. ГОСТ Р 7.0.100-2018. Библиографическая запись. Библиографическое описание. Общие требования и правила составления : национальный стандарт Российской Федерации : издание официальное : утвержден и введен в действие Приказом Федерального агентства по техническому регулированию и метрологии от 3 декабря 2018 г. № 1050-ст : введен впервые : дата введения 2019-07-01 / разработан Федеральным государственным унитарным предприятием «Информационное телеграфное агентство России (ИТАР-ТАСС)» филиал «Российская книжная палата», Федеральным государственным бюджетным учреждением «Российская государственная библиотека», Федеральным государственным бюджетным учреждением «Российская национальная библиотека». - Москва : Стандартинформ, 2018. - 128 с.

30. Данилова Э. О. «Умный город»: технологические платформы на основе беспроводных сенсорных сетей / Э. О. Данилова, Е. А. Манунина // Роль местного самоуправления в развитии государства на современном этапе : материалы V Международной научно-практической конференции (Москва, 23-24 апреля 2020 г.). - Государственный университет управления. - Москва: Государственный университет управления, 2020. - С. 253-255.

31. Джеймс Г. Введение в статистическое обучение с примерами на языке R / Г. Джеймс, Д. Уиттон, Т. Хасти, Р. Тибширани ; пер. с англ. С.Э. Мастицкий. -Москва : ДМК Пресс, 2016. - 450 с. - ISBN 978-5-97060-293-5

32. Дмитриев А. С. Сверхширокополосные беспроводные нательные сенсорные сети / А. С. Дмитриев, В. А. Лазарев, М. И. Герасимов, А. И. Рыжов // Радиотехника и электроника. - 2013. - Т. 58, № 12. - С. 1160-1170. - DOI 10.7868/S0033849413110028.

33. Дьяконов В. П. MATLAB. Полный самоучитель / В.П. Дьяконов. -Москва : ДМК Пресс, 2012. - 768 с. - ISBN 978-5-94074-652-2.

34. Ерохин С. Д. Протоколы маршрутизации в беспроводных сенсорных сетях: основанные на местоположении узлов и направленные на агрегацию данных / С. Д. Ерохин, С. С. Махров // T-Comm: Телекоммуникации и транспорт. - 2013. - Т. 7, № 3. - С. 44-47.

35. Забарин М. А. Анализ возможностей имитационного моделирования беспроводных сенсорных сетей в симуляторе COOJA / М. А. Забарин, Ю. В. Пономарчук // Научно-техническое и экономическое сотрудничество стран АТР в XXI веке. - 2019. - Т. 2. - С. 27-31.

36. Забуга А. А. Теоретические основы информатики : учебное пособие / А.А. Забуга. - Санкт-Петербург : Питер, 2014. - 208 с. - ISBN 978-5-496-00744-3

37. Зеленин А. Н. Беспроводные сенсорные сети как часть инфокоммуникационной структуры. А. Н. Зеленин, В. А. Власова. - Текст : электронный. - 6 с. - URL: https://docplayer.ru/53368014-Ris-1-arhitektura-besprovodnoy-sensornoy-seti.html (дата обращения: 07.05.2021).

38. Зимин Д. В. Анализ проблем энергоэффективности беспроводных сетей передачи данных на базе стека протоколов ZigBee / Д. В. Зимин, К. А. Муравьёв // Надежность и качество : труды международного симпозиума (Пенза, 23-31 мая 2016 г.) / ФГБОУ ВПО «Московский государственный технический университет им. Н. Э. Баумана». - Пенза : Пензенский государственный университет, 2016. - С. 195-197.

39. Иваненко В. А. Анализ протоколов передачи данных от узлов в беспроводных сенсорных сетях / В. А. Иваненко // Восточно-Европейский журнал передовых технологий. - 2011. - Т. 2, № 10. - С. 9-12.

40. Иванов В. Э. Проблемно-ориентированные сенсорные сети: практический подход / В. Э. Иванов, А. В. Левенец, Чье Ен Ун ; под ред. Чье Ен Уна.

- Хабаровск : Изд-во Тихоокеанского государственного университета, 2015. - 219 с.

- ISBN 978-5-7389-1779-0.

41. Иванов О. В. Статистика. Доверительные интервалы. Проверка гипотез. Методы и их применение : учебный курс для социологов и менеджеров / О. В. Иванов.

- Москва : Изд-во МГУ, 2005. - Ч. 2. - 220 с.

42. Иванов О. В. Статистика. Описательная статистика. Теоретико-вероятностные основания статистического вывода : учебный курс для социологов и менеджеров / О. В. Иванов. - Москва : Изд-во МГУ, 2005. - Ч. 1. - 187 с.

43. Ивченко Г. И. Введение в математическую статистику : учебник / Г.И. Ивченко, Ю.И. Медведев. - Москва : Издательство ЛКИ, 2010. - 600 с. - ISBN 978-5382-01013-7.

44. Игнатьев Ю. Г. Аналитическая геометрия евклидового пространства : учебное пособие / Ю.Г. Игнатьев, А.А. Агафонов. - Казань : Казанский университет, 2014. - 204 с.

45. Информатика: учебное пособие. - Текст : электронный // psk68.ru : [сайт].

- URL: http://psk68.ru/files/metod/uchebnik_Informatika/algor.html (дата обращения: 12.04.2021).

46. Калантаев П. А. Web-семантическая сенсорная сеть мониторинга окружающей среды / П. А. Калантаев, В.П. Пяткин // ГЕО-Сибирь. - 2010. - Т. 4, № 1. - С. 97-101.

47. Киреев А. О. Распределенная система энергетического мониторинга беспроводных сенсорных сетей / А.О. Киреев, А.В. Светлов // Известия ЮФУ. Технические науки. - 2011. - № 5 (118). - С. 60-65.

48. Киричек Р. В. Теоретические и практические направления исследований в области летающих сенсорных сетей / А. Е. Кучерявый, А. Г. Владыко, Р. В. Киричек // Электросвязь. - 2015. - № 7. - С. 9-11.

49. Клейнберг Д. Алгоритмы: разработка и применение. Классика Computers Science / Д. Клейнберг, Е. Тардос ; пер. с англ. Е. Матвеева. - Санкт-Петербург : Питер, 2016. - 800 с. - ISBN 978-5-496-01545-5

50. Коварцев А. Н. Алгоритмы и анализ сложности / А. Н. Коварцев, А. Н. Даниленко. - Самара: Издательство Самарского университета, 2018. - 128 с. - ISBN 978-5-7883-1263-7

51. Когельман Л. Г. Обзор применения беспроводных сенсорных сетей / Л. Г. Когельман // Современные информационные технологии. - 2020. - №2 31 (31). - С. 6575.

52. Колчин М. А. Метод агрегации и нормализации данных гетерогенной сенсорной сети / М. А. Колчин, И. А. Шилин, Н. В. Климов [и др.] // Известия высших учебных заведений. Приборостроение. - 2015. - Т. 58, № 11. - С. 945-951.

53. Колыбельников А. И. Обзор технологий беспроводных сетей / А. И. Колыбельников // Труды МФТИ. - 2012. - Т. 4, № 2. - С. 3-29.

54. Козырев Г. И., Назаров А.В., Шитов И.В. [и др.] Современная телеметрия в теории и на практике. Учебный курс. - Санкт-Петербург : Наука и Техника, 2007. -672 с.

55. Кормен Т. Алгоритмы. Построение и анализ / Т. Кормен, Ч. Лейзерсон, Р. Ривест, К. Штайнр ; пер. с англ. И.В. Красикова. - 3-е изд. - Москва : Вильямс, 2013. - 1328 с. - ISBN 975-5-8459-1794-2

56. Краснов М. Л. Вся высшая математика: учебник / М. Л. Краснов, А. И. Киселев, Г. И. Макаренко [и др.]. - Москва : Эдиториал УРСС, 2003. - Т. 1. - 328 с. -ISBN 5-354-00271-0.

57. Краткий обзор известных языков программирования. - Текст : электронный // it-black.ru : [сайт]. - URL: https://it-black.ru/kratkij-obzor-izvestnykh-yazykov-programmirovaniya / (дата обращения: 11.01.2022).

58. Крупский В. Н. Теория алгоритмов: введение в сложность вычислений / В. Н. Крупский. - 2-е изд., испр. и доп. - Москва : Юрайт, 2017. - 118 с. - ISBN 9785-534-04817-9.

59. Кудряшов С. В. Оптимальная маршрутизация информационных потоков в беспроводных сенсорных сетях / С. В. Кудряшов // Известия Российской академии наук. Теория и системы управления. - 2008. - № 2. - С. 126-140.

60. Кумаритова Д. Л. Обзор и сравнительный анализ технологий LPWAN сетей / Д. Л. Кумаритова, Р. В. Киричек // Информационные технологии и телекоммуникации. - 2016. - Т. 4, № 4. - С. 33-48.

61. Курбатова Н. В. Основы MATLAB в примерах и задачах: учебно-методическое пособие / Н. В. Курбатова, О. Г. Пустовалова. - Ростов-на-Дону : Южный федеральный университет, 2017. - 69 с.

62. Кучерявый А. Е. Летающие сенсорные сети / А. Е. Кучерявый, А. Г. Владыко, Р. В. Киричек [и др.] // Электросвязь. - 2014. - № 9. - С. 2-5.

63. Кучерявый А. Е. Обеспечение связности беспроводных сенсорных узлов гетерогенной сети / А. Е. Кучерявый, И. Н. Нуриллоев, А. И. Парамонов, А. В. Прокопьев // Информационные технологии и телекоммуникации. - 2015. - Т. 3, № 1.

- С. 115-122.

64. Кучерявый Е. А. Особенности развития и текущие проблемы автомобильных беспроводных сетей VANET / Е. А. Кучерявый, А. В. Винель, С. В. Ярцев // Электросвязь. - 2009. - № 1. - С. 24-28.

65. Лафоре Р. Объектно-ориентированное программирование в C++ / Р. Лафоре. - 4-е изд., исправленное. - Санкт-Петербург : Питер, 2004. - 923 с. - ISBN: 978-5-496-00353-7

66. Ли П. Архитектура интернета вещей / П. Ли ; пер. с англ. М. А. Райтмана.

- Москва : ДМК Пресс, 2019. - 454 с. - ISBN 978-5-97060-672-8.

67. Лихтциндер Б. Я. Адаптивное сжатие измерительных данных в беспроводных сенсорных сетях / Б. Я. Лихтциндер, Ю. О. Бакай // Измерение. Мониторинг. Управление. Контроль. - 2021. - № 1 (35). - С. 52-57.

68. Лихтциндер Б. Я. Адаптивный алгоритм сжатия данных в беспроводных сенсорных сетях / Б. Я. Лихтциндер // Информационные технологии и нанотехнологии (ИТНТ-2020) : сборник трудов по материалам VI Международной конференции и молодежной школы (Самара, 26-29 мая, 2020 г.). - Самара : Самарский национальный исследовательский университет имени академика С. П. Королева, 2020. - С. 118-122.

69. Луньков А. Д. Интеллектуальный анализ данных: учебно-методическое пособие / А. Д. Луньков, А. В. Харламов. - Саратов : Саратовский национальный исследовательский государственный университет, 2014. - 96 с.

70. Мальцева Н. С. Анализ способов построения беспроводных сенсорных сетей / Н.С. Мальцева, А. Д. Зубова, И. Н. Марышева // Инженерно-строительный вестник Прикаспия. - 2018. - № 2 (24). - С. 31-36.

71. Махров С. С. Использование систем моделирования беспроводных сенсорных сетей NS 2 и OMNeT++ / С. С. Махров // T-Comm: Телекоммуникации и транспорт. - 2013. - Т. 7, № 10. - С. 67-69.

72. Махров С. С. Нейросетевая кластеризация узлов беспроводной сенсорной сети / С. С. Махров // T-Comm : Телекоммуникации и транспорт. - 2014. - Т. 8, № 6. - С. 31-35.

73. Махров С. С. Протоколы маршрутизации в беспроводных сенсорных сетях: иерархические, основанные на мобильности, мультиориентированные и основанные на гетерогенности / С. С. Махров // T-Comm: Телекоммуникации и транспорт. - 2013. - Т. 7, № 5. - С. 39-42.

74. Метрики и расстояния для науки о данных и машинного обучения. -Текст : электронный // Машинное обучение : [сайт]. - 2019. - URL: https://www.machinelearningmastery.ru/similarity-and-distance-metrics-for-data-science-and-machine-leammg-e5121b3956f8/ (дата обращения: 14.03.2021).

75. Митрохин А. С. Применение беспроводных сенсорных сетей в медицинских распределенных информационных системах / А. С. Митрохин // Надежность и качество : труды международного симпозиума (Пенза, 21-31 мая 2012 г.). - Пенза : Пензенский государственный университет, 2012. - Т. 2. - С. 292-293.

76. Модель полиномиальной регрессии. - Текст : электронный // Хабр. Сообщество IT-специалистов : [сайт]. - 2018. - URL: https://habr.com/ru/post/414245/ (дата обращения: 17.03.2021).

77. Морозова Т. Ю. Управление данными в беспроводных системах мониторинга / Т. Ю. Морозова, И. А. Иванова , В. В. Никонов // Актуальные проблемы гуманитарных и естественных наук. - 2013. - № 11-1. - С. 112-118.

78. Мохсен М. Н. Модель энергопотребления узлов беспроводной сети датчиков для увеличения времени автономной работы сети / М.Н. Мохсен, И.В. Богуславский // Вестник ДГТУ. - 2014. - Т. 14, № 3 (78). - С. 37-44. - DOI 10.12737/5700

79. Мулярчик К. С. Качество обслуживания в беспроводных сенсорных сетях / К. С. Мулярчик, А. С. Полочанский // Журнал Белорусского государственного университета. Математика. Информатика. - 2017. - № 2. - С. 65-70.

80. Муравьев С. В. Передача данных в беспроводных сенсорных сетях с приоритетами на основе агрегирования предпочтений / С. В. Муравьев, Е. В. Тараканов // Известия Томского политехнического университета. - 2012. - Т. 320, № 5. - С. 111-116.

81. Настека А. В. Выявление аномалий в беспроводных сенсорных сетях системы «умный дом» / А. В. Настека, А. Н. Канев, Е. Е. Бессонова // Научно-технический вестник информационных технологий, механики и оптики. - 2017. - Т. 17, № 3. - С. 450-456

82. Никонова Е. З. Беспроводные датчики в нефтегазовой отрасли / Е. З. Никонова, А. А. Яковлева // Международный научно-исследовательский журнал. -2020. - № 6-1 (96). - С. 121-126.

83. Омётов А. Я. Анализ производительности беспроводной системы агрегации данных с состязанием для современных сенсорных сетей / А. Я. Омётов, С.

Д. Андреев, А. М. Тюрликов, Е. А. Кучерявый // Информатика и её применения. -2016. - Т. 10, № 3. - С. 23-31.

84. Павлов А. А. Протоколы маршрутизации в беспроводных сетях / А. А. Павлов, И.О. Датьев // Труды Кольского научного центра РАН. - 2014. - № 5 (24). -С. 64-75.

85. Павлов А.М. Алгоритм агрегирования квазистационарных измерительных данных сенсорных узлов / А.М. Павлов, В.А. Кудинов // Известия ЮЗГУ. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - Курск: Юго-Западный государственный университет, 2021. - Т. 11, № 3. - С. 34-47.

86. Павлов А.М. Влияние агрегирования квазистационарных измерительных данных сенсорных узлов на пропускную способность и энергопотребление беспроводной сенсорной сети / А.М. Павлов // Известия ЮЗГУ. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - Курск: Юго-Западный государственный университет, 2022. - Т. 12, № 1. - С. 54-64.

87. Павлов А.М. Выбор оптимального способа устранения выбросов данных сенсорных узлов в гетерогенных беспроводных сенсорных сетях / А.М. Павлов // Приоритетные направления инновационной деятельности в промышленности: сборник научных статей по итогам II международной научной конференции (Казань, 27-28 февраля 2021 г.). - Казань: Общество с ограниченной ответственностью «Конверт», 2021. - С. 192-194.

88. Павлов А.М. Метод интеллектуального квазииндифферентного агрегирования данных гетерогенных беспроводных сенсорных сетей / А. М. Павлов // Известия ВУЗов. Приборостроение. - Санкт-Петербург: ИТМО, 2021. - Т. 64, № 9. - С. 709-719. - DOI 10.17586/0021-3454-2021-64-9-709-719.

89. Павлов А.М. Оценка качества аппроксимации квазистационарных измерительных данных сенсорных узлов моделями регрессии / А.М. Павлов // II Всероссийская научно-техническая конференция «Интеллектуальные информационные системы: теория и практика» (Курск, 23-25 ноября 2021 г.). - Курск : Курский государственный университет, 2021. - С. 45-52.

90. Павлов А.М. Оценка энергоэффективности агрегирования разнородных данных в беспроводных сенсорных сетях / А.М. Павлов, И.А. Пожидаева // Экономика. Информатика. - Белгород: БелГУ, 2021. - Т. 48, № 1. - С. 156-167.

91. Павлов А.М. Представление данных сенсорных узлов в компактной форме с помощью функции агрегирования на основе линейной регрессии / А.М. Павлов, И.А. Пожидаева // Молодежь и наука: шаг к успеху : сборник научных статей 5-й Всероссийской научной конференции перспективных разработок молодых ученых (Курск, 22-23 марта 2021 г.). - Курск : Юго-Западный государственный университет, 2021. - Т. 3. - С. 228-232.

92. Павлов А.М. Применение среднего абсолютного отклонения для идентификации выбросов данных сенсорных узлов в гетерогенных беспроводных сенсорных сетях / А.М. Павлов // Молодежь и XXI век - 2021: материалы XI Международной молодежной научной конференции (Курск, 18-19 февраля 2021 г.). - Курск : Юго-Западный государственный университет, 2021. - Т. 4. - С. 421-424.

93. Павлов А.М. Применимость методов машинного обучения для решения задачи обнаружения вредоносного сетевого трафика / А.М. Павлов, И.А. Пожидаева // Школа молодых новаторов : сборник научных статей 2-й Международной научной конференции перспективных разработок молодых ученых (Курск, 18 июня 2021 г.). -Курск : Юго-Западный государственный университет, 2021. - Т. 2. - С. 257-261.

94. Пахомов Б. И. C# для начинающих / Б.И. Пахомов. - Санкт-Петербург : БХВ-Петербург, 2014. - 432 с. - ISBN 978-5-9775-0943-5

95. Петров Ю. Программирование на языке высокого уровня (Python). Вычислительная сложность алгоритмов : теория / Ю. Петров. - Текст : электронный. - 2021. - yuripetrov.ru: [сайт]. - URL: https://www.yuripetrov.ru/edu/python/ch_01_01.html, /ch_06_01.html (дата обращения: 03.03.2021).

96. Половко А. М. Интерполяция. Методы и компьютерные технологии их реализации / А. М. Половко, П. Н. Бутусов. - Санкт-Петербург : БХВ-Петербург, 2004. - 320 с. - ISBN 5-94157-493-2

97. Поляков В.И. Основы теории алгоритмов : учебное пособие / В.И. Поляков, В.И. Скорубский. - Санкт-Петербург : СПб НИУ ИТМО, 2012. - 51 с.

98. Попова О. А. О подходах к агрегации данных в задачах восстановления зависимостей / О. А. Попова // ИТНОУ: Информационные технологии в науке, образовании и управлении. - 2017. - № 2(2). - С. 45-50.

99. Припутин В. С. Исследование эффекта масштабируемости в беспроводных ad-hoc сетях / В. С. Припутин, А. О. Жанкевич // T-Comm -Телекоммуникации и транспорт. - 2010. - Т. 4, № 11. - С. 23-25.

100. Пустохайлова Е. А. Энергоэффективный многопутевой протокол маршрутизации в беспроводной сенсорной сети, основанный на решетке с использованием нечеткого подхода / Е. А. Пустохайлова, В. Д. Семейкин // Вестник Астраханского государственного технического университета. - 2016. - № 4. - С. 6573.

101. Расстояние Евклида (Euclid distance). - Текст : электронный // Аналитическая платформа Loginom : [сайт]. - URL: https://wiki.loginom.ru/articles/euclid-distance.html (дата обращения: 20.04.2021).

102. Розенберг И. Н. Обработка пространственной информации. / И.Н. Розенберг // Перспективы науки и образования. - 2015. - № 15 (3). - С. 17-24.

103. Росляков А. В. Интернет вещей: учебное пособие / А. В. Росляков, С. В. Ваняшин, А. Ю. Гребешков. - Самара : ПГУТИ, 2015. - 200 с.

104. Садков А. Алгоритмы маршрутизации и самоорганизации : [презентация] / А. Садков. - Текст : электронный. - URL: http://www.myshared.ru/slide/72607/. - Дата публикации: 2014.

105. Салим А. Выбор головных узлов в однородной беспроводной сенсорной сети для обеспечения полного покрытия / А. Салим, А. Е. Кучерявый // Электросвязь. - 2009. - № 8. - С. 32-36.

106. Сафронов А. Стек протоколов MiWi для беспроводных сетей / А. Сафронов // Компоненты и технологии. - 2007. - № 4 (69). - С. 160-164.

107. Свидетельство о государственной регистрации программы для ЭВМ № 2020666390 Российская Федерация. Программа интеллектуального

квазииндифферентного агрегирования данных в беспроводных сенсорных сетях: заявка № 2020665766: зарег. 01.12.2020 : опубл. 09.12.2020 / Павлов А.М.

108. Свидетельство о государственной регистрации программы для ЭВМ № 2021610705 Российская Федерация. Программа оценки энергоэффективности агрегирования данных в беспроводных сенсорных сетях : заявка № 2021610112: зарег. 11.01.2021 : опубл. 19.01.2021 / Павлов А.М.

109. Свидетельство о государственной регистрации программы для ЭВМ № 2021611364 Российская Федерация. Программа аппроксимации данных беспроводных сенсорных узлов кусочно-полиномиальной регрессией: заявка № 2021610389 : зарег. 18.01.2021: опубл. 26.01.2021 / Павлов А.М.

110. Седалищев В. Н. Использование беспроводных сенсорных сетей для системного мониторинга пестицидов в биосфере / В. Н. Седалищев, О.В. Ударцева // Фундаментальные исследования. - 2012. - № 3, ч. 3. - С. 657-659.

111. Сергиевский М. В. Беспроводные сенсорные сети: эмуляция работы / М. В. Сергиевский, С. Н. Сыроежкин // КомпьютерПресс. - 2008. - № 11. - С. 140-142.

112. Скляр Б. Цифровая связь. Теоретические основы и практическое применение / Б. Скляр ; пер. с англ. Е.Г. Грозы., В.В. Марченко, А.В. Назаренко, О.М. Ядренко. - 2-е изд., исправленное. - Москва : Вильямс, 2003. - 1104 с. - ISBN 5-84590497-8

113. Смольников М. А. Использование агрегации данных в мобильных сенсорных сетях / М. А. Смольников, Ю. А. Скудняков // Информатика. - 2016. - № 4. - С. 111-116.

114. Смурыгин И. М. Концепция организации беспроводных сенсорных сетей и их применение / И. М. Смурыгин // Молодежный научно-технический вестник. -2012. - № 9. - С. 31.

115. Соколов Е. Семинары по метрическим методам классификации / Е. Соколов. - Текст : электронный. - 2014. - 5 c. - URL: https://docplayer.ru/73883185-Seminary-po-metricheskim-metodam-klassifikacii.html (дата обращения: 08.02.2021).

116. Соколов М. Программно-аппаратное обеспечение беспроводных сетей на основе технологии Zigbee / 802.15.4 / М. Соколов // Электронные компоненты. - 2004.

- № 12. - С. 80-87.

117. Средняя ошибка аппроксимации. - Текст : электронный // StudFiles.net : [сайт]. - URL: https://studfile.net/preview/2559155/page:4/ (дата обращения: 10.01.2022).

118. Тараканов Е. В. Агрегирование данных мультисенсоров в беспроводных сенсорных сетях : дис. ... канд. тех. наук : специальность 05.11.13 «Приборы и методы контроля природной среды, веществ, материалов и изделий» / Е. В. Тараканов ; Национальный исследовательский Томский политехнический университет. - Томск, 2012. - 95 с.

119. Тараканов Е. В. Экспериментальные исследования протокола передачи данных с приоритетами в беспроводной сенсорной сети в системе TOSSIM / Е. В. Тараканов // Известия Томского политехнического университета. - 2012. - Т. 321, № 5. - С. 223-227.

120. Тарханова О. Ю. Применение беспроводных сенсорных сетей в прецизионном сельском хозяйстве / О. Ю. Тарханова // Проблемы информатики. -2017. - № 4. - С. 1-31.

121. Терентьев М. Н. Обзор публикаций, посвящённых самоорганизации беспроводных сенсорных сетей / М. Н. Терентьев // Труды МАИ. - 2017. - № 94. - С. 28.

122. Уильям Г. Эконометрический анализ. Книга 1 / Г. Уильям; пер. с англ. А.В. Ходырев, А.С.Степанов, С.С. Синельникова и др. - Москва : Издательский дом Дело РАНХиГС, 2016. - 760 с. - ISBN 978-5-7749-1157-8

123. Умнов А. Е. Аналитическая геометрия и линейная алгебра / А.Е. Умнов

- 3-е изд., испр. и доп. - Москва : МФТИ, 2011. - 544 с. - ISBN 978-5-7417-0378-6

124. Федотов А. В. Моделирование нейронных сетей В Matlab : учебное пособие / А. В. Федотов. - Омск : Омский государственный технический университет, 2010. - 14 с. - URL: https://zzapomni.com/omgtu-omsk/fedotov-modelirovanie-neyronnyh-s-2010-8709 (дата обращения: 09.02.2021).

125. Финогеев А. Г. Применение гетерогенных беспроводных сетей при построении информационных пространств структурных подразделений вузов / А. Г. Финогеев, В. А. Маслов, А. А. Фиогеев // Новые образовательные технологии в вузе : сборник тезисов докладов седьмой международной научно-методической конференции (Екатеринбург, 8-10 февраля 2010 г.) : Часть 1. - Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2010. - С. 68-71.

126. Хопкрофт Дж. Введение в теорию автоматов, языков и вычислений / Дж. Хопкрофт, Р. Мотвани, Д. Ульман ; пер. с англ. О. И. Васылык, М. Саит-Аметова, А. Б. Ставровского. - 2-е изд., испр. - Москва : Вильямс, 2008. - 527 с. - ISBN 978-58459-1347-0.

127. Чубукова И. А. Data mining: учебное пособие / И. А. Чубукова. - 2-е изд., испр. - Москва : Интернет-университет информационных технологий, 2008. - 382 с. - (Основы информационных технологий). - ISBN 978-5-94774-819-2.

128. Шабельников А. Н. Интеллектуальные системы распределенного мониторинга на основе беспроводных сенсорных сетей с использованием системы мобильных объектов / А. Н. Шабельников, В. А. Шабельников, С. М. Ковалев. - 2018. -3c.- URL: https://revolution.allbest.ru/programming/00879658_0.html#text (дата обращения: 26.03.2021).

129. Шаев Ю. М. Технология «умного дома» и тенденции трансформаций жизненного пространства / Ю. М. Шаев, Е. О. Самойлова // Философские проблемы информационных технологий и киберпространства. - 2020. - № 1 (17). - С. 45-53.

130. Шлее М. - Qt 4.5. Профессиональное программирование на C++ / М. Шлее. - Санкт-Петербург : БХВ-Петербург, 2010. - 896 с. - ISBN 978-5-9775-0398-3.

131. 5 видов регрессии и их свойства. - Текст : электронный // medium.com : платформа для социальной журналистики : [сайт]. - URL: https://medium.com/nuances-of-programming/5-видов-регрессии-и-их-свойства-f1bb867aebcb (дата обращения: 12.04.2021).

132. Aalsalem M. Y. Wireless Sensor Networks in oil and gas industry: Recent advances, taxonomy, requirements, and open challenges / M. Y. Aalsalem, W. Z. Khan, W.

Gharibi [et al.] // Journal of Network and Computer Applications. - 2018. - № 113. - P. 87-97.

133. Aho A. V. The Design and Analysis of Computer Algorithms / A. V. Aho, J. E. Hopcroft, J. D. Ullman. - Massachusetts : Addison-Wesley Publishing Company, 1974. - 479 p.

134. Akyildiz I. F. Wireless sensor networks: a survey / I. F. Akyildiz, W. Su, Y. Sankarasubramaniam, E. Cayirci // Computer Networks. - 2002. - № 38. - P. 393-422.

135. Anderson D. R. Essentials of Modern Business Statistics with Microsoft Office Excel / D. R. Anderson, D. J. Sweeney, T. A. Williams, J. D. Camm, J. J. Cochran. - Boston : Cengage Learning, 2016. - 669 p. - ISBN: 978-1-337-29835-3

136. Arduino Mega 2560. - Текст : электронный // Arduino.ru : [сайт]. - 2021. -URL: http://arduino.ru/Hardware/ArduinoBoardMega2560 (дата обращения: 19.09.2021)

137. ATmega640/V-1280/V-1281/V-2560/V-2561/V : datasheet. - Текст : электронный // Microchip.com : [сайт]. - URL: https://ww1.microchip.com/downloads/en/DeviceDoc/ATmega640-1280-1281-2560-2561 -Datasheet-DS40002211A.pdf (дата обращения: 17.02.2021).

138. Boulkenafed M. Using group management to tame mobile ad hoc networks / M. Boulkenafed, Sacchetti D., Issarny V. // IFIP TC8 Working Conference on Mobile Information Systems (MOBIS) 15-17 September 2004 Oslo, Norway. - 2004. - P. 1-17. -DOI 10.1007/0-387-22874-8_17

139. Crawley M. J. The R Book / M. J. Crawley. - Chichester, Southern Gate : John Wiley & Sons, 2007. - 649 p. - ISBN: 978-0-470-51024-7

140. Devore J. L. Modern Mathematical Statistics with Applications / Devore J. L., Berk K. N., Carlton M. A. - Cham, Switzerland : Springer, 2021. - 976 p.

141. Dufour J.-M. Coefficients of determination / J.-M. Dufour. - Canada : McGill University, 2011. - 12 p.

142. Greene D. H. Mathematics for the Analysis of Algorithms / D. H. Greene, D. E. Knuth. - Boston : Birkhauser. - 1982. - 120 p.

143. Heinzelman W. Energy-efficient communication protocol for wireless microsensor networks / W. Heinzelman, A. Chandrakasan, H. Balakrishnan // Proceedings

of the 33rd Annual Hawaii International Conference on System Sciences. - Maui, Hawaii: IEEE Computer Society Press, 2000. - P. 2-10. - DOI 10.1109/HICSS.2000.926982

144. John O. R. Applied Regression Analysis: A Research Tool, Second Edition / O. R. John, G. P. Sastry, A. D. David. - New York : Springer, 1998. - 658 p. - ISBN 0-38798454-2

145. Junior J. A. Routing in Vehicular Ad Hoc Networks: Main Characteristics and Tendencies / J. A. Junior, E. C. G. Wille // Journal of Computer Networks and Communications. - 2018. - Vol. 2018. - P. 1-10.

146. Jurdak R. Wireless Sensor Network Anomalies: Diagnosis and Detection Strategies / R. Jurdak, X. Rosalind Wang, O. Obst, P. Valencia // Intelligence-Based Systems Engineering. . - 2011. - № 10. - P. 309-325. - DOI 10.1007/978-3-642-17931-0_12

147. Kasirajan P. A New Adaptive Compression Scheme for Data Aggregation in Wireless Sensor Networks / P. Kasirajan, С. Larsen, S. Jagannathan // ACM Transactions on Sensor Networks. - 2012. - № 9. - P. 1-26. - DOI 10.1145/2379799.2379804

148. Khalil N. Wireless Sensors Networks for Internet of Things / N. Khalil, M. Riduan Abid, D. Benhaddou, M. Gerndt // 2014 IEEE Ninth International Conference on Intelligent Sensors, Sensor Networks and Information Processing (ISSNIP) Symposium on Public Internet of Things Singapore, 21-24 April 2014. - 2014. - № 1. - P. 1-6.

149. Larose D. T. Data mining and predictive analytics / D. T. Larose, C. D. Larose. - Hoboken, New Jersey : Wiley & Sons, 2015. - 824 p. - ISBN 978-1-118-11619-7

150. Levis P. TinyOS: An Operating System for Sensor Networks / P. Levis, S. Madden, J. Polastre [et al.] // Ambient Intelligence. - 2005. - P. 115-148.

151. Micaz. Wireless measurement system : datasheet. - Текст : электронный // Scribd.com : интернет-сервис облачного хранения документов : [сайт]. - URL: https://www.scribd.com/document/427843991/micaz-datasheet-pdf (дата обращения: 17.02.2021).

152. Morteza M. A Survey on Centralised and Distributed Clustering Routing Algorithms for WSNs / M. Morteza, L. Hadi // IEEE 81st Vehicular Technology Conference: VTC2015-Spring. - Glasgow, Scotland: IEEE, 2015. - P. 1-6. -DOI 10.1109/VTCSPRING.2015.7145650

153. Negra Rim. Wireless Body Area Networks: Applications and Technologies / Rim Negra, Imen Jemili, Abdelfettah Belghith // Procedia Computer Science. - 2016. - № 83. - С. 1274-1281.

154. Sadagopan Narayanan. Active Query Forwarding in Sensor Networks / Narayanan Sadagopan, Bhaskar Krishnamachari, Ahmed Helmy // Ad Hoc Networks. -2005. - № 3 (1). - P. 91-113.

155. Sarangapani J. Wireless Ad hoc and Sensor Networks: Protocols, Performance, and Control / J. Sarangapani. - Missouri, USA : CRC Press, 2007. - 514 p.

156. Shao Т. A Prioritized Convergeeast Scheme using Consensus Ranking in Wireless Sensor Networks / T. Shao, M. Ch. Chan , S.V. Muravyov, E. V. Tarakanov // Proceedings of the IEEE Sensors Applications Symposium (SAS-2010) (Limerick, Ireland, 23-25 February 2010). - Limerick: IEEE, 2010. - P. 251-256.

157. TelosB mote platform : user manual. - Текст : электронный // Manualzz.com : the universal manuals library : [сайт]. - URL: https://manualzz.com/doc/15475480/telosb (дата обращения: 18.03.2021).

158. Toh C.-K. Ad Hoc Mobile Wireless Networks: Protocols and Systems / C.-K. Toh, Ph. D. - Cambridge : Pearson Education, 2001. - 328 p. - ISBN 978-0-13-007817-9.

159. Villas L.A. A spatial correlation aware algorithm to perform efficient data collection in wireless sensor networks. Ad Hoc Networks / L.A. Villas, A. Boukerche, H.A. De Oliveira, R.B. De Araujo, A.A. Loureiro // International Journal for Research in Emerging Science and Technology. -2014. - № 12 (1). - P. 69-85.

160. Vuran M.C. Spatio-temporal correlation: theory and applications for wireless sensor networks. / M.C. Vuran, O.B. Akan, I.F. Akyildiz // Elsevier Computer Networks. -2004. - № 45 (3). - P. 245-259.

161. Xu Tao. Application of Wireless Sensor Network Technology in Logistics Information System / Tao Xu, Lina Gong, Wei Zhang [et al.] // 2017 5th International Conference on Computer-Aided Design, Manufacturing, Modeling and Simulation (CDMMS 2017) : AIP Conference Proceedings. - 2017. - № 1834 (1). - URL: https://www.researchgate.net/publication/316577870_Application_of_wireless_sensor_net work_technology_in_logistics_information_system (дата обращения: 10.04.2021). - DOI 10.1063/1.4981549.

Приложение А. Характеристики датчиков и устройств макета сенсорного узла

Микроконтроллер ATmega 2560

Рабочее напряжение 5 В

Входное напряжение (рекомендуемое) 7 - 12 В

Входное напряжение (предельное) 6 - 20 В

Цифровые порты ввода/вывода 54 шт. (14 с ШИМ)

Аналоговые порты 16 шт.

Максимальный ток цифровых портов 40 мА

Максимальный ток для вывода 3.3У В 50 мА

Флеш-память 256 Кб (8 Кб для загрузчика)

ОЗУ 8 Кб

Энергонезависимая память 4 Кб

Тактовая частота 16 МГц

Типы выводов питания

VIN Вывод для подачи входного напряжения от внешнего источника питания.

5V Вывод с регулируемым напряжением 5 В

3.3V Вывод с регулируемым напряжением 3,3 В

GND Вывод заземления.

IOREF Информационное напряжение микроконтроллера (для плат расширения).

AREF Вывод для подключения внешнего опорного напряжения АЦП.

Порты ввода/вывода

Тип Номер порта Описание

Последов № 0: 0 (RX), 1 (TX); № 1: 19 (RX), 18 (TX); Порты для получения (ЯХ) и передачи (ТХ) данных. Порты 0 и 1 подключены к

шина № 2: 17 (RX), 16 (TX); № 3: 15 (RX), 14 (TX). соответствующим выводам микросхемы последовательной шины ATmega8U2.

Внешнее прерывание 2 (прерывание 0), 3 (прерывание 1), 18 (прерывание 5), 19 (прерывание 4), 20 (прерывание 3), 21 (прерывание 2). Порты с прерываниями.

ШИМ 2 - 13; 44 - 46. Порты с ШИМ (8 бит).

SPI 50 (MISO), 51 (MOSI), 52 (SCK), 53 (SS) Порты для SPI ^Р).

LED 13 Встроенный светодиод.

I2C 20 (SDA), 21 (SCL) Вывод для связи 12С.

Reset Дополнительный Вывод для перезагрузки микроконтроллера.

TZT 90 DC 9V

Диапазон рабочих температур: -40° C - 85° C

Напряжение электропитания: 9 В

GY-NE06M2

Напряжение электропитания: 3 - 5 В

Точность позиционирования: до 5 м

Время горячего старта: 1 с.

Чувствительность сигнала: -162 дБм

Частота обновления координат: 5 Гц

Диапазон рабочих температур: -40 - 85° C

Интерфейс обмена данными: UART (TTL)

Чипсет: U-blox NEO-6M GPS

Поддержка 8БЛ8: (WAAS, EGNOS, MSAS, GAGAN)

Диапазон скоростей передачи данных: 4800 - 230400 бод

DHT22

Напряжение электропитания: 3,3 - 5,5 В

Потребляемый ток: В режиме ожидания: до 50 мкА В режиме измерений: до 1,5 мА

Диапазон измерений температуры: -40° C - 80° C

Погрешность измерений температуры: ± 0,5 ° C

Шаг измерения температуры: 0,1° C

Диапазон измерений влажности: 0 - 99,9 %

Погрешность измерений влажности: ±2 % при t = 25° C

Шаг измерения влажности: 0,1 %

Период телеметрирования: 2 с.

Выходной сигнал: Цифровой

MQ-135 Gas Sensor

Напряжение электропитания: 2,5 - 5 В

Напряжение электропитания нагревателя: 5 В

Потребляемый ток: 150 мА

Диапазоны измерений: 10 - 300 ppm (Аммиак) 10 - 1000 ppm (Бензин) 10 - 300 ppm (Спирты)

Breadboard Mini

Количество контактных точек 170 шт.

ESP8266 Wi-Fi module

Чипсет: ESP8266EX

Поддерживаемые протоколы: 802.11 b/g/n/e/i

Диапазон частот: 2,4 Ггц - 2,5 Ггц

Напряжение электропитания: 2,5 - 3,6 В

Потребляемый ток: 80 мА

Режимы Wi-Fi: Station/SoftAP/SoftAP+Station

Безопасность: WPA/WPA2

Поддерживаемые скорости передачи данных: 74800, 115200 бод

Приложение Б. Фрагменты исходного кода программ

classdef CLASS_SU_v3

properties (GetAccess = public, SetAccess = public) ID;

LVL_CHARGE;

GPS_POS;

DATA;

DATA_NOT_ANOMAL; TABLE;

f_struct = struct('f,'fitobject', 'x', 'XOut', 'y', 'YOut', 'coef, 'coeffvals');

type_node;

porog_cheb;

mah;

mas_f_struct = {};

methods

function obj = CLASS_SU_v3(ID, type_node, LVL_CHARGE, GPS_POS, DATA, TABLE) if(nargin > 0)

obj.ID = ID;

obj.LVL_CHARGE = LVL_CHARGE; obj.GPS_POS = GPS_POS; obj.DATA = DATA; obj.type_node = type_node;

end

end

function obj = f_segment(obj) length_segment = 10;

kol_segment = fix(length(obj.DATA)/length_segment); obj.DATA = obj.DATA(1:length_segment*kol_segment); obj.DATA = reshape(obj.DATA, [], kol_segment); obj.DATA = obj.DATA';

end

function obj = f_anomal_del(obj)

for i = 1:1: (size(obj .DATA,1))

obj.DATA_NOT_ANOMAL(i,:) = filloutliers((obj.DATA(i,:)),'center');

end

for m = 1:1: size(obj .DATA_NOT_ANOMAL,1)

for n = 1:1: size(obj.DATA_NOT_ANOMAL,2)

if isnan(obj.DATA_NOT_ANOMAL(m,n)) == 1 obj.DATA_NOT_ANOMAL(m,n) = obj.DATA_NOT_ANOMAL(m,n-1);

end

end

end

end

function obj = f_plot_data(obj) plot(obj.DATA);

function obj = f_interpolate(obj)

obj.DATA_NOT_ANOMAL = obj .DATA_NOT_ANOMAL'; fig = figure(1); grid off; hold on;

for ii = 1:1:n_s1

for i=1:1: n_s2

for j = 1:1: l_s

x(ij) = (j+10*(i-1));

end

end

x = x';

[x, y] = prepareCurveData(x(:,ii), obj .DATA_NOT_ANOMAL(: ,ii)); f = fit( x , y, 'poly2' ); obj.f_struct(ii).f = f; obj.f_struct(ii).x = x; obj.f_struct(ii).y = y; coef = coeffvalues(f); obj.f_struct(ii).coef = coef; obj.mas_f_struct{ii} = obj.f_struct(ii);

end

close (fig);

end

function f_cheb(v1, v2) v1 = v1'; v2 = v2';

for i =1:1:size(v1, 1)

m(i) = cheb(v1, v2); disp(m);

end

end

end

end

function MenuSelected(app, event)

[app.var_filename, app.var_path] = uigetfile('*.txt', 'MultiSelectV'on"); app.mas_full_filename = strcat(app.var_path, app.var_filename);

for i = 1:1:length(app.mas_full_filename)

app.mas_file_id(i) = fopen(app.mas_full_filename{i}, 'r'); app.mas_MID_SU{i} = fscanf(app.mas_file_id(i),'%f);

end

app.UITable.ColumnFormat = {'logical', 'char', 'char', 'char', 'char', 'char', 'char', 'char', 'char', 'char'};

app.UITable.ColumnEditable = [true false false false false false false false false false];

q = {};

for i = 1:1:length(app.mas_full_filename)

if(app.mas_MID_SU{i}(cell_m(1 )) == 0)

app.id_SU = 'Идентификатор не найден';

else

app.id_SU = strcat('CY № ', num2str(app.mas_MID_SU{i}(2)));

end

if(app.mas_MID_SU{i}( cell_m(2)) == 135)

app.type_SU = 'MQ-135'; elseif (app.mas_MID_SU{i}( cell_m(3)) == 22) app.type_SU = 'DHT22';

else

app.type_SU = app.mas_MID_SU{i}( cell_m(3));

end

if(app.mas_MID_SU{i}( cell_m(4)) == 1) sost_SU = 'Вкл.';

else

sost_SU = 'Выкл.';

end

if(app.mas_MID_SU{i}( cell_m(5)) > 0)

app.level_charge_SU = app.mas_MID_SU{i}( cell_m(5));

else

app.level_charge_SU = 'Батарея полностью разряжена';

end

q(i,:) = {true, app.mas_full_filename{i}, app.id_SU, app.type_SU, sost_SU, app.level_charge_SU, app.mas_MID_SU{i}( cell_m(6)), app.mas_MID_SU{i}( cell_m(7)), app.mas_MID_SU{i}( cell_m(8)), []};

end

app.UITable.Data = q;

end

function Button_4Pushed(app, event)

app.Lamp.Color = [0 1 0]; app.Slider.Enable = 'on';

for i = 1:1 :length(app.mas_MID_SU)

app.DATA_SU{i} = app.mas_MID_SU{i}(9:1:end); app.DATA_SU{i} = app.DATA_SU{i}';

end

for i = 1:1 :length(app.mas_MID_SU)

SU{i} = CLASS_SU_v3(app.id_SU, app.type_SU, app.level_charge_SU,

[app.mas_MID_SU{i}(6) app.mas_MID_SU{i}(7) app.mas_MID_SU{i}(8)],

app.DATA_SU{i});

SU{i} = SU{i}.f_segment();

SU{i} = SU{i}.f_anomal_del();

SU{i} = SU{i}.f_median_filtr_seg();

SU{i} = SU{i}.f_interpolate();

for ii = 1:1:i max count

pause(1/pz);

app.UIAxes.XGrid = 'on'; app.UIAxes.YGrid = 'on'; app.UIAxes.NextPlot = 'add';

if strcmp(app.Switch.Value, 'Вкл.')

plot(app.UIAxes, SU{1}.mas_f_struct{ii}.x, SU{1}.mas_f_struct{ii}.y, 'Marker',"*M,MLineStyleM,MnoneM,MColor",'blue');

plot(app.UIAxes, SU{1}.mas_f_struct{ii}.x, SU{1}.mas_f_struct{ii}.f.p1 *

(SU{1}.mas_f_struct{ii}.x*2) + SU{1}.mas_f_struct{ii}.f.p2 *

(SU{1}.mas_f_struct{ii}.x) + SU{1}.mas_f_struct{ii}.f.p3,'Color','red');

app.Edit_Kol_Segment.Value = ii;

app.EditCoefB0.Value = SU{1}.mas_f_struct{ii}.f.p1;

app.EditCoefB 1.Value = SU{1}.mas_f_struct{ii}.f.p2;

app.EditCoefB2.Value = SU{1}.mas_f_struct{ii}.f.p3;

else

end

app.Slider.Value = (ii/100)*100;

end

app.Lamp.Color = [0.5 0.5 0.5]; app.Edit_Kol_SU.Value = length(SU); V_DATA = 0;

for i = 1:1:length(SU)

V_DATA = V_DATA + length(app.DATA_SU{i});

end

app.Edit_V_Data.Value = V_DATA; V_AGR_DATA = l_seg_tn*num + ost; app.Edit_V_Agr_Data.Value = V_AGR_DATA; l_pak = f_pack();

KAIP = 1 - (floor(V_AGR_DATA/l_pak) / floor(V_DATA/l_pak)); app.Edit_KAIP.Value = KAIP; Nsu = kol_SU-1;

ENERGY_LEVEL = KAIP*app.Edit_E0.Value*Nsu; app.Edit_Energy.Value = ENERGY_LEVEL ;

end

Приложение В. Информационные документы, подтверждающие результаты

диссертационного исследования

УТВЕРЖДАЮ Генеральный конструктор -

2 Ж/Ч гЛМ/ A.B. Майоров

_2022 г.

АКТ

внедрения результатов диссертационного исследования Павлова Алексея Михайловича на тему

«Сжатие многомерных измерительных данных сенсорных узлов на основе агрегирования кусочно-стационарных цифровых потоков»

Комиссия в составе начальника отдела №616 Вельских Г.Н., инженера-конструктора отдела №616 Вендина A.C., инженера-технолога отдела №616 Худицына М.С. рассмотрела основные положения и результаты диссертационного исследования Павлова A.M. и установила следующее:

1. Согласно предварительным оценкам внедрение предложенных методов, алгоритмов и отдельных процедур структурного преобразования и сжатия телеметрических данных повысит эффективность сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования цифровых потоков от множества датчиков и обеспечит уменьшение объемов их битового представления на этапе формирования единого монопотока с адекватным учетом корреляционных взаимосвязей;

2. Принять к использованию метод сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования множества кусочно-стационарных цифровых потоков с использованием кусочно-параболической аппроксимации, показывающий высокую эффективность на данных, обладающих кусочно-стационарными свойствами, что подтверждается результатами вычислительных экспериментов;

3. Принять к использованию метод контроля за стационарностью цифровых потоков на основе медианной фильтрации многомерных измерительных данных сенсорных узлов, поступающих от множества датчиков, позволяющий получить более высокие показатели предварительной

обработки телеметрических данных, что подтверждается результатами вычислительных экспериментов;

4. Прототипы программ, реализующие предлагаемый в диссертационном исследовании принцип сжатия многомерных измерительных данных сенсорных узлов на основе агрегирования кусочно-стационарных цифровых потоков множества датчиков с использованием кусочно-параболической аппроксимации имеют технический эффект и могут быть полезно внедрены;

5. Предлагаемый алгоритм сжатия многомерных измерительных данных на основе агрегирования множества кусочно-стационарных цифровых потоков обладает низкой вычислительной сложностью и использован в макете блока беспроводной передачи данных ББПД предприятия для уменьшения объема телеметрических данных.

Данный акт внедрения не налагает на АО «Авиаавтоматика» им. В.В. Тарасова никаких дополнительных финансовых и юридических обязательств перед Павловым Алексеем Михайловичем.

Председатель комиссии: Начальник отдела ' - Г.Н. Вельских

Члены комиссии:

Инженер-конструктор Инженер-технолог