【摘 要】
：
实时和准确的田间信息获取是精准农业的关键技术.基于国家科技支撑计划"西部优势农产品生产精准管理关键技术",将无线传感器网络技术应用于精准农业,针对西部日光温室、果园和中草药大田设计了精准农业无线监测系统,并具体介绍了监测系统的感知节点和网关节点的软硬件设计.该项目的实施,将对传感器网络技术在农业领域的应用进行有益的探索.
【机 构】
：
西北工业大学计算机学院 西安 710072
【出 处】
：
第二届中国传感器网络学术会议暨第一届中韩传感器网络学术研讨会(CWSN2008\CKWSN2008)
论文部分内容阅读
实时和准确的田间信息获取是精准农业的关键技术.基于国家科技支撑计划"西部优势农产品生产精准管理关键技术",将无线传感器网络技术应用于精准农业,针对西部日光温室、果园和中草药大田设计了精准农业无线监测系统,并具体介绍了监测系统的感知节点和网关节点的软硬件设计.该项目的实施,将对传感器网络技术在农业领域的应用进行有益的探索.
其他文献
The embedded system provides human-centric services in many fields of education,information,industry and service.The monitoring programs have been variously developed for managing,controlling and test
For WSN node applications in which the reliable operations with limited resources are required,a scheme of Dual Priority Scheduling with Preemption Avoidance(DPS-PA)is proposed.The scheme approached t
节点自身的正确定位是传感器网络许多应用的前提,而不同的应用对自定位算法有不同的性能需求,因此针对不同的应用需求,开展对相关节点自定位算法的评估非常必要.而无论是通过物理实验还是运用现有通用网络仿真器时定位算法的评价实现起来困难都比较大,进行模拟仿真是一种有效方式.针对传感器网络节点自定位算法模拟仿真问题,运用Delphi语言设计了一套节点定位仿真系统,该系统实现了定位场景随机生成、定位算法模拟、定
针时H.264/AVC运用基于率失真优化的模式选择决策,而引入的巨大的计算复杂度问题,提出一种快速帧间模式选择算法。该算法利用图像内容特征和纹理特征,以及宏块间的运动相关性,对宏块帧间编码模式进行预,从而有效预先排除不妊要的帧间预测待选模式,提高了编码速度.实验结果表明,该算法在保证图像质量和码率变化较小的前提下,显著缩减了编码时间.
提出了一个可扩展、面向构件的并发离散事件驱动的无线传感器网络模拟平台H-Sim,该平台的构件具有高可复用性和低耦合度,可以有效解决NS-2等系统中存在的模块之间耦合度过高、调试和使用困难等问题。H-Sim能够模拟具有不同的协议栈和不同硬件结构的节点,并具有异构节点混合模拟的功能.H-Sim采用了多线程并发的方式,有效地利用多核心处理器的并发计算能力,较大幅度地提高系统的吞吐量。多线程调度的不确定性
分布式网构软件的网络环境日趋复杂,系统的需求分析、流程设计、软件架构、系统开发和质量保证都受到了分布式交互外部环境的影响.网络环境的复杂性和定位的可移动性使得移动环境感知机制有了更大的运作空间,网络传感器的原理将环境感知实体的自主行为供系统整合过程动态地调用,开放、动态的网络计算环境逐渐要求设计的系统能够满足不断变化的客户个性化需求,提高它们的自适应性。
数据管理技术是无线传感器网络的重要支撑技术,如何保证数据收集过程中能量的有效利用是数据管理的关键问题。建立一种线性模型用于预测数据节点的取值,并提出一种维护查询节点中用于存放模型的内存空间的策略.
In practical applications,wireless sensor networks (WSN) always work in entironment which very inclement.so the failure is often happen,furthermore,the maintenance for WSN is so difficult and even imp
主要研究基于无线传感器网络的多目标分类方法。所提出的分类器采用一种简洁的架构,即各个节点的分类结果通过噪声通道传输到管理节点作融合决策.优化分类方法的主要问题是其假设类别数随着最大目标数的指数倍增长.本文提出了一种基于粗略的分割假设空间的次优的分类器,其运算复杂度与目标数呈线性关系增长.通过真实教据的仿真结果证明次优混合密度高斯分类方法的性能与优化分类方法相当,而运算量远小于后者.
无线传感器节点由于能量有限,如何减少传感器节点的数据传输量,并保持传感器网络感知数据的准确性是研究者面临的难题。提出了一种适用于无线传感器网络的基于时空关联性的数据传输整合算法SenSVD(Sensor Singular Value Decomposition).此算法充分利用了无线传感器网络中感知数据的时空关联性,通过使用向量奇异值分解法(Singular Value Decomposition