本科生国家级优秀大创项目——基于北斗卫星的动物联网(AoT)技术
本科生国家级优秀大创项目基于北斗卫星的动物联网(AoT)技术，项目成员李浩宇、伍俊亮、何颖，指导老师朱祥维教授，以鸟类迁徙导航为研究中心，主要完成以下内容，并形成基于北斗卫星的动物联网系统：一、硬件设计
追踪器尺寸3×3cm，重量5.3g，已经比较接近国内主要的几家生产鸟类跟踪装置的公司的产品。
我们进行了进一步的低功耗设计：
调整BC20的工作模式，NB-IoT部分进入PSM模式，GNSS部分进入Standby模式。PSM状态下，NB-IoT功耗最低，此时CPU会掉电，耗流仅为3.7µA左右。Standby是一种维持GNSS热启动的待机模式。
经最终测试，使用800mAh的锂电池供电，平均耗流2.03 mA，平均续航4天。
最后，我们将定位器置于无人机上测试，并进行了手动路径规划、定点路径规划两次测试。测试平台与测试路线如下图所示：
定位数据上传到了物联网平台One-Net，可以实时查看。与设定轨迹对比，轨迹无误。且将大疆的飞行轨迹提取后，与我们的定位追踪器时间戳对齐，数据一致。
二、算法设计：GNSS -> ACC
本项目除了获取目标载体的定位数据，还需通过加速度数据对其行为进行分析。开发了一种能保证估计精度，且仅基于 GNSS 定位数据即可估计加速度的算法。
首先追踪器会在短时间内高采样率（20Hz 左右）地采集 GNSS 数据，然后通过卡尔曼滤波去噪。考虑到头尾的滤波数据误差较大，会剔除掉该部分的定位数据。接着通过最小平方估计加速度，最后再经过一次自适应巴特特沃斯低通滤波器去噪。
该部分是加速度估计的核心部分。每5个连续GPS数据构成的轨迹都能通过4阶多项式描述，该多项式的参数一定有唯一解。为了减少边界效应的影响，估计的加速度是位于第3个GPS位置的加速度，自然坐标系以他为原点。最后只需对轨迹求二阶导即可得到前进加速度和转向加速度。对于轨迹后面的加速度，以5个GPS数据为滑动窗口，逐个估计即可。
最后一步还需经过自适应巴特沃斯低通滤波器，并以此调整低通滤波器的截止频率。最终得到比较接近于真实加速度的曲线。
三、行为分类模型：DCL
与中山大学生态学院刘阳团队合作，使用设备为环球信士HQBG1512，含ACC加速度计，可以采集ACC数据，在训练前完成数据预处理与预训练。最后输出.npz文件，向DCL模型输入加速度数据、时间戳以及数据标注。
DCL模型，深度卷积和长短期记忆循环神经网络。结合卷积神经网络（CNN）在空间特征提取上的优势，以及长短时记忆网络（LSTM）在时间序列数据处理上的优势。CNN通过卷积层、池化层等操作，能够从原始数据中提取出有效的空间特征；而LSTM则能够处理时间序列数据，捕捉数据之间的时间依赖关系。因此在处理传感器信号这类同时具有空间和时间特性的数据上具有显著的优势。
最后分类效果如下：
目前主要难点：真实数据的采集与标注难以获取、行为类别数量不平衡、数据噪声较大、数据复杂性较高。
图文 | 李浩宇
排版 | 李芳
-END-
页:
[1]