移动物联网负载终端坐标动态转换算法

2021-11-18史西兵赵政文

计算机仿真 2021年1期

史西兵，赵政文

(1. 西安财经大学信息学院，陕西西安 710100；2. 西北工业大学计算机学院，陕西西安 710129)

1 引言

移动物联网通过安装在不同物体上的传感器，将接口与无线网络连接，对物体赋予智能，实现人与物体、物体与物体的智能对话。不同领域对物联网功能性需求不断增加，导致物联网功能与实际需求之间产生较大缺口负载终端，而负载管理技术的出现，改变了这个局面。负载管理技术是使用微电子技术与传感器技术对不同物联网终端的参数进行采集，记载各项参数实时应用数据，以此增强物联网实际应用性，但是改管理系统存在风险较为集中的问题，局部故障就能引起系统整体瘫痪，由此文献[1]根据物联网终端网络自适应节点部署特点，构建虚拟力的函数模型并引入基函数矩阵，实现对物联网终端网络自适应节点的优化部署。，但是这种管理模式会增加数据量，加大运行成本；文献[2]针对消息在物联网中无方向性扩散的问题，结合节点对网络态势的感知，研究节点移动模型的基础上提出了节点位置信息驱动的终端缓存管理机制，但是这些信息经过采集后，通过物联网传输到管理中心，过程较为繁杂，实际能耗并没有得到控制。文献[3]基于物联网技术，使用云技术和无线通信技术对终端设备进行远程监控，形成电能质量治理系统，该系统稳定且实时性较强，即使改终端设备具有一定管理能力，但是智能化程度依旧较低。

为使物联网负载终端发挥最大作用，改善分布合理性与数字化终端位置，本文对其坐标动态转换算法进行研究，主要创新之处在于利用四点法直接计算转换参数的公式，提升系统稳定性，满足实际转换精度要求，提高转换效率，减少物联网能耗浪费。

2 移动物联网负载终端研究

2.1 负载终端测量计算

2.1.1 电参数采样

负荷终端最关键的作用是测量运行参数，而精确的测量将影响物联网的管理。测试仪器将物联网输入信号转换成与功率形成比例的脉冲信号，再将信号转换成分频信号的作用。倍增器是测量过程中的重要部件，倍增器的种类直接影响测量模块的组成。

通过作图法能计算出一个周期内每个采样点功率p(tn)，计算公式如下

pu(tn)=i(tn)

(1)

某个周期内平均功率P的表达式为

(2)

式中，u(tn)为采样周期函数。假设Δt=tk-tk-1，因此在此周期内的电能W表示为

(3)

式中，N为采样次数。如果Δt=0，则有

(4)

式(4)表示将不同采样点的输入信号相乘，再与采样周期相乘，得到此周期内平均电能。式(3)属于离散化表达式，能通过微处理器实现。此种方法利用A/D转换器将交流输入信号的模拟信号变换成数字信号。

假设在频率为50Hz的交流电压环境下，电流周期是20ms，采样周期为100us，则每个周期能进行200次采样。结合抽样原则，增多采样次数即可改善测量精准度。所以测量误差主要来自采样频率、转换器的转换精度以及元器件分散性导致的幅值与相位误差[4-6]，可通过硬件电路与软件程序实现误差补偿。

2.1.2 电能参数测量

含有k次谐波并具有周期特性的非正弦输入信号经过谐波分析后可得

(5)

(6)

2.2 移动物联网负载终端管理平台构建

2.2.1 结构框图

本次设计中，移动物联网负载终端利用嵌入式系统实现参数测量、存储和显示等功能，使用通讯接口和上位机确保双向通信，实现负荷管理相关功能。

图1 终端结构示意图

2.2.2 负荷管理终端操作系统选择标准

负荷终端设计要满足连续运行的要求，在正常运行时，要实现对用电端参数的实时测量，以达到检测测试点的用电状态，管理负荷，另外，负荷端还要有一定的扩展性。因此需要利用开放式的系统结构，保证系统的动态容量增长。

1)移植性

在嵌入式软件的开发过程中，对可移植性的需求是必须关注的。性能更好的软件通常具有更好的移植性能，并且可以运行于任意平台的系统中。软件的通用性常常无法与其它性能相结合，所以产品必须与操作系统紧密相连[7-8]，才能保证最优性能。

2)可用资源

以低成本、高质量的产品为基础，以快速占领市场为根本目标，对系统资源的有效利用是选择系统类型时要着重考虑的标准。

3)系统定制绩效

针对产品需求，不同的用户关注的焦点不同，因此在设计时必须考虑系统的定制能力。

4)发展费用

每次选择都会对未来的开发和生产成本产生重大影响，如选择硬件的成本、人员培训成本以及与其他伙伴的沟通成本。

3 负载终端坐标动态转换算法探究

3.1 坐标转换模型建立

动态坐标转换主要分为不同参心坐标系转换、地心坐标系转换、参心和地心坐标系的转换，本质均为不同空间中直角坐标系之间相互转换，其核心内容是构建转换模型与计算转换参数。本文通过建立布尔莎模型对其进行分析。

(7)

式(14)即为布尔莎模型，也可称作B模型，此模型认为所有点坐标均不会受到平移、旋转、尺度等因素影响。

3.2 基于4点法的转换参数计算

已知4点法由四个公共点构成，可组成四组方程

(8)

将点2、3、4列方程减去第一列方程，即去除平移参数。获取旋转矩阵后，通过运算得出反对称矩阵[9]

S=2(I+RT)-1-1

(9)

利用上述公式即可得到转换参数。

3.3 旋转矩阵与位移向量获取

点集P与Q的质心分别表示为p、q，经过中心化处理后的点集表示为

(10)

(11)

由于噪声干扰与获取数据存在的不确定性，可通过减少误差函数方法对误差进行补偿。本文利用最小平方误差函数最小化方式将误差降到最低。

(12)

通过中心化处理后的总误差表达式为

(13)

当Δ出现最小值时，即可获取旋转矩阵R以及位移向量T。

3.4 基于网格的坐标转换实现

网格坐标转换核心是将较大转换区域分割为小网格单元，并将网格节点当做中心进行坐标变换[10]，从而达到小范围的精准拟合与整网连续效果。

3.4.1 构建网格

将待转换部分分割为有固定间隔的规则网格，采用此区域中一些存在新老两个坐标的公用点坐标差值[11-12]，通过数学模型计算每个网格单元节点相对的变换成新坐标的修正量。

3.4.2 网格内插

结合待求目标所在网格区域，获取网格文件对应四个节点坐标修正量，利用双线性内插模型对其计算。可得：

x=(Lp-L1)/(L2-L1);Y=(Bp-B1).(B2-B1)

(14)

(15)

式中，t1，t2，t3、t4分别表示节点坐标内的四个网格节点a、b、c、d坐标修正量，(B1，L1)，(B2，L2)，(B3，L3)，(B4，L4)代表四个网格节点在旧坐标系中经纬坐标；(Bp，Lp)描述待计算目标经纬度坐标，z是待计算目标的坐标修正量。

3.4.3 加权平均模型

构建坐标转换网格所需模型既有较为复杂的最小曲率模型，也包括加权平均模型，本文利用后者提高坐标转换精准度。

加权平均模型结合附近点对于中心点远近距离不同的权重，距离中心点越近的数据点对其产生影响也越大，因此占比越高，反之权重越小。模型通常表现为以下形式

(16)

式中，X为中心点估计值，xi表示中心点附近数据点，wi是与数据点相对权重。

权函数种类较多，本文利用如下形式

(17)

式中，di表示数据点到中心点距离，dmin为每个数据点到中心点最短距离。

距离计算方式通过大地线计算公式的简化形式表示

di=Rcos-1(sinBisinRg+cosBicosBgcos(Li-Lg))

(18)

3.4.4 计算步骤

1)利用公共点坐标差，通过最小二乘回归定义一个平面模型：ax+by+c=z(x，y)；

2)通过平面回归模型拟合值减掉获取的一组残差；

3)使用加权平均模型将节点附近一定半径区域内的公共点残差拟合在格网节点中，计算节点残差；

4)利用节点回归模型拟合值加上残差，获取节点相对的新老坐标系修正量；

5)经过双线内插获得网格中随机一点坐标修正量，加上旧坐标即可获得转换后的新坐标，从而实现移动物联网负载终端动态坐标转换。

4 实验研究

为验证所提方法性能，对负载终端坐标转换进行实验。实验环境为Intel(R)Core(TM)i5-2520M处理器+4GB内存+Linux操作系统。其中，在Amazon WebServices(AWS)datasets (https：∥aws.amazon.com/cn/datasets/ ) 根据实验需求，获取的数据长度为1060，初始数据采集包含经度、维度等信息。

在坐标转换过程中x轴、y轴与z轴的初始值与变换值误差曲线如图2所示。