基于ZigBee的智能家居环境监测报警系统设计

来源 :第八届全国信号和智能信息处理与应用学术会议 | 被引量 : 0次 | 上传用户:huanxia185
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络经济的发展,以及人们对居住环境舒适化、安全化的需求,家庭网络日益受到人们的关注,推动了智能家居的产生和发展.结合当前智能家居的发展现状,着重研究了基于ZigBee技术的家居环境监测报警系统,对系统进行硬件电路设计和软件编程,实现环境监测功能和安防联动报警功能.通过各子系统统一的监测、控制和管理,实现系统整体投资最优化.
其他文献
针对LT喷泉码在准单向链路、高差错、链路恶劣易中断的信道环境应用时出现的运算量大、译码时延长、编码效率较低等问题,提出使用基于数据分块的分组级短码构造喷泉码的方案,其思路是将短码LT码方案和分组级LT码方案结合起来,并在子数据块的度序列生成过程中加入度值检验机制,以此来提高编码分组的有效性.实验仿真结果表明:与已提出的LT码方案相比,该方案能够有效地降低译码开销、计算代价和译码时延,提高系统的最大
利用NI多功能采集卡完成2FSK信号的调制与解调,通过LabWindows/CVI编程实现.解调算法不需要传统过零检测法复杂的滤波电路,通过搜索适用于解调不同频率的2FSK解码,克服了常规解调器只能解调固定2FSK信号的问题.调制算法在已知通信协议的基础上,通过对数据进行编码生成相位连续2FSK信号,利用采集卡的D/A通道定时发送,模拟通信系统的正常通信.该算法经实际通信系统验证效果较好.
针对LEACH存在的簇首能耗过分集中,簇首分布不合理,簇首比例无法达到最优值等问题,进行优化.提出一种能量高效的无线传感器网络自适应簇首选择算法ACHE,通过在簇首选举概率阀值中引入能量加权因子和能量判决门限,提高了高能量节点的簇首当选概率.仿真结果表明,ACHE算法可以有效地改善网络能耗均衡性,并延长网络的生命周期.
基于Xilinx公司模型开发工具System Generator(SG),设计并实现了的BPSK接收机的相关处理通道.详细介绍主要模块的设计,给出了集成在MathWorks公司的模型开发工具Simulink平台下的System Generator的设计模型,并下载到FPGA进行在板调试,提供Simulink仿真波形和Chipscope调试波形.经过仿真分析和对比验证,这种设计方式可以更快速高效地实
分布式全相参雷达要求各单元雷达的发射信号在目标处应相参叠加以实现发射相参,故需要对目标处各雷达信号的时间差和相位差(统称相参参数)进行估计.为了提高相参参数的估计精度,提出了基于修正代价函数的正交波形设计方法.提出了利用正交波形对分布式全相参雷达相参参数进行估计的方法.分析了正交信号非理想正交性对相参参数估计精度的影响,为了提高相参参数的估计精度,利用引导信息对原代价函数进行修正,提出了基于修正代
为应对Hadoop分布式文件系统(HDFS,Hadoop Distributed File System)在数据量与日俱增的今天显现出的一些不足,提出了基于分布式NameNode节点的HDFS.分析了单一NameNode节点存在的不足之处,在此基础上提出了设计目标,对基于分布式NameNode节点的HDFS进行了总体设计,包括superNameNode和分布式NameNode的主要功能和工作机制.
针对目前国内很多城市停车难的问题,除了不断加大基础设施的投入,扩建停车场外,最为有效的是对现有停车场系统进行合理分布、调度和管理.提出城市停车管理信息系统,对停车位进行系统有序的管理显得相当必要.提出的城市停车管理信息系统的实现方案包括四个部分:信息采集、信息处理、信息传输和信息发布系统.车位检测终端通过电磁感应线圈探测车位信息,并通过GPRS无线网络将停车场信息发送到信息处理系统,信息处理系统再
针对传统模拟控制系统信号抗干扰能力差、系统鲁棒性低等缺点,提出了一种基于DMX512协议的LED灯具调光系统.开发了一套可实际应用的基于DMX512协议的数字调光系统,分析了调光系统的组成结构、DMX512通信协议,阐述了系统的软硬件实现方法,并结合硬件优势实现了多个模块之间的通信.当对系统主控制板进行数据输入、控制时,即可实现对系统其他从控模块的远距离控制,从而实现对LED灯具亮度、开关的控制.
提出一种云智慧技术架构和无线3G网络接入与研究.随着3G无线网络的接入,使得云智慧技术的数据采集系统的数据传输更快,更实时和更加准确,并在Linux系统下进行USB 3G上网卡驱动开发.因此,随着高性能、高精度的数据采集系统的3G无线接入,远程监测、高精度测量、恶劣现场等环境下,将会得到更加广泛的应用.
提出了一种新的半监督图像分类方法.与以往的根据未标记图像确定分类边界的方法不同,该方法从所有有效数据(标记的和未标记的)进行有监督的图像特征学习.利用图像丰富的类别属性,从现有的数据自动采集,生成图像的原型集集合.对每个原型集进行特征学习.将这些原型集中的特征投影串联生成图像特征,进行图像分类.实验结果表明,该方法与其他方法可以很好地结合,性能优于以往的半监督图像分类方法.