英语原文共 20 页，剩余内容已隐藏，支付完成后下载完整资料
附录A 译文
利用开放源低成本低能耗蓝牙标签监测系统牛舍内奶牛的位置
1.导言
动物的身体定位及其运动对动物的健康和效率具有重要意义监测。通过对奶牛不典型行为和运动的分析，可以对奶牛的疾病、应激和产犊产生早期警报基于带有加速度计的标签的多种商业系统提供了从奶牛运动中获得的监测奶牛行为的能力。但是，这些系统的成本相对较高。
由于动物密度相对较高和金属结构的存在，奶场的定位环境具有挑战性。为了监测奶牛的室内位置，使用了几种技术。不同的超宽带(UWB)系统被用于几个研究。带0.5-2米的精度取决于谷仓中的位置。在中报告了使用基于超宽带的GeCowView在0.5–3m区域检测奶牛的能力，其灵敏度超过70%，电池寿命为3–4年;该系统的定位精度达到了16厘米，在奶牛身上贴标签时，定位误差最大可达数米。基于Decawave-UWB-DW1000芯片的定制设置达到了38cm的静态精度。中使用了精度为2米、电池寿命为30天的商用无线局域网（WLAN）系统，而[6]中使用了精度为3米、电池寿命为1天的商用无线局域网（WLAN）系统。中利用图像处理技术对牛的运动和行为进行监测。使用了一个自行设计的基于蓝牙的系统，精度为4.2米。户外动物位置由一个系统监控，该系统结合了全球定位GPS标签和BLE标签，用于识别和近似定位配备BLE标签的动物，以及基于BLE的系统。
蓝牙低能耗(BLE)技术的优点是电池寿命长、传感器，价格低。 然而，用于定位的BLE标签的接收信号强度（RSS）是有噪声的。此外，本文还分析了影响RSS和三边定位算法定位精度的诸多因素必须考虑在内：RSS传播模型的不规则性，标签指向接收站的方向，母牛身体对RSS的影响较小,谷仓障碍物反射和增加RSS等。一般来说，根据的估算，该方法的精度限制为2.7 m。为了补偿这些因素，应用了各种方法。文献研究了RSS传播模型。为了过滤谷仓内的标签位置，中值和扩展卡尔曼滤波器Viterbi算法和贝叶斯滤波器都被利用了。文献分别对BLE信号通道进行了处理。所开发的信号传播模型包括标签环境的结构的几何形状和材料属性，以及取决于标签方位的RSS映射 [16,24]。建立了通过奶牛身体时RSS减小的模型并且人体信号阴影得到了缓解。利用学习环境特征的算法进行定位。关于环境结构的信息被用来消除不可能的位置。代替描述环境特征，从环境中的几个点进行RSS的初步映射（指纹），尽管这种方法需要耗时的映射，其精度可能受到采样点分辨率的限制。
本研究的目的是设计一套奶牛在舍内环境下的定位系统，并评估其准确性。我们开发了一个奶牛位置监测系统。该系统包括贴在牛项圈上的低成本标签，牛项圈通过BLE协议向低成本信号发送信号并安装在类似于中的谷仓中的接收站。在该系统中，接收到的RSS作为伴随效应的奶牛运动加速度监测测量的标签。RSS由移动平均过滤器过滤。研究了标签取向对定位的影响。标签位置由维特比算法过滤。该系统的精确度在一个研究仓库中进行了测试。本研究中使用的数据和算法附于补充材料中。
本文的组织如下：节段 2介绍了定位系统的结构、实验环境、定位所采用的方法,并进行了定位实验。节段 3描述了实验中研究的标签RSS特性。节段 4 给出了实验结果。节段 5 给出了定位系统的精度，分析了实验结果，并与其他研究结果进行了比较。节段 6总结调查结果并为 未来的研究。
2.定位系统及精度
2.1 系统设计
该系统是作为一个项目的一部分开发的，该项目旨在开发一个低成本的开放源系统，用于监测奶牛的行为，使用加速度计和定位。本文重点研究了利用标签进行奶牛定位。选择基于nRF52832芯片（挪威特隆赫姆北欧半导体）的开放源码BLE标签(RuuviTag，Ruuvi Innovations，Porvoo，芬兰）作为平台。开发了用于测量25赫兹加速度并公布数据的新固件。
包装在塑料盒中的标签通过尼龙搭扣带（图1）调整到一侧的牛项圈，测量加速度，并使用BLE4.2协议将测量值作为广告数据（24字节数据包）发送。信息发送频率为5赫兹。来自标签的信息由10个接收站接收，这些接收站是带有蓝牙天线的单板计算机（Raspberry Pi 3 B ，Raspberry Pi基金会，英国）。这些站被装在带有散热肋的密闭箱体中，并安装在3-5米高的谷仓结构上（如图所示 1c）。他们是均匀分布在谷仓内（图 2a）最小化到标签的最大距离。这些台站记录了RSS、标签加速度和接收时间。数据存储在工作站存储器中，并通过路由器(EA7500，Linksys)维护的本地网络通过消息队列协议(ZeroMQ，iMatix Corporation)发送。个人电脑（英特尔reg; Coretrade;i7-9750H，CPU 2。6GHz,RAM 16GB）接收来自微控制器的消息,并将原始数据存储在CSV文件中。数据管理程序分别用C 和C#(Microsoft,Redmond,WA,USA）编写。
图1 安装在谷仓内的位置和加速度测量系统的部件：防护塑料盒内的RuuviTag（a），牛项圈上的标签（b），安装在谷仓结构上的接收站（c）
2.2 谷仓和奶牛
一个研究仓库（赫尔辛基大学Viikki校区）被用来开发和验证该系统。谷仓由9.8times;42的面积（图2a）和46个平躺式围栏组成，包括24个采食量测量站（Hokofarm，Marknesse，荷兰）和一个挤奶机器人（宇航员，Lely，Maassluis，荷兰）。谷仓配备了五个经常记录的摄像机，覆盖了该地区的主要部分。试验选用35头艾尔夏奶牛。奶牛在哺乳期被安置在一个自由档畜棚（图2b）。
2.3 本地化
考虑到在畜棚环境中影响RSS的因素很多（标签和接收站特征的多样性、标签定向、取决于奶牛运动的标签遮挡、畜棚中的多种金属结构），我们假设基于畜棚结构描述的RSS指纹映射或路径损耗模型在此应用中是不可行的。 因此，只有在标签特性实验中创建的RSS传播模型（在第节中描述 3.1） 被利用了。
RSS传播模型（路径损耗对数距离模型[31]）描述RSS和到标签的距离之间的依赖关系的公式（1）表示，
其中D是接收站和标签之间的距离，n和A0是通过线性回归拟合的路径损耗
指路函数
图2 整个谷仓的地图（a）挤奶机器人前面的等候场被黄色遮蔽
正方形代表喂食器和水槽。灰色矩形代表挤奶机器人。蓝色大点和蓝色星号代表谷仓实验中的接收站。小红点和红色星号代表谷仓实验中使用的映射点。从其中一台摄像机可以看到谷仓的大致情况见（b）。
由于高的RSS噪声，简单的几何三边法用于标签定位计算是不实用的。因此，10个接收站获得了关于标签位置的冗余信息。标签定位等价于一个最优化问题的求解，即在所有接收站的RSS误差最小的情况下找到标签位置。将优化问题定义为定位误差函数的最小化 错误(x，y):
其中(x，y) 标签位置在谷仓坐标中（图2b）, RSS是由接收站 i测量出来的，根据传播模型（式（1））根据接收站之间的距离计算和位于点中的标签 (x，y)。该优化问题有两个变量，即谷仓中的标签坐标。
假设标签的高度（Z坐标）为1.5 m,并且没有考虑标签RSS和标签方向之间的依赖关系。
然而，在标签特性实验中，我们发现不同标签与接收站的RSS之间存在显著的变异。因此，RSS的测量值和计算值之间的差异被认为是错误地反映了标签和接收站之间的实际距离。假设所有标签的RSS传播模型具有相同的曲线形状（等式（1）中的系数n）但是不同的偏移（等式（1）中的系数A0），我们通过偏移因子来消除这种差异。然后，对定位误差函数进行了如下修正：
其中Nmes是测量RSS的移位因子，Npm是根据传播模型计算的RSS的移位因子。
为了使定位过程更加实用，将优化问题的解决方案替换为在预先定义的映射点上计算并存储在查找表中的RSS与实测RSS之间寻找最佳拟合。原因如下：
该方法的期望精度低于谷仓映射点的分辨率连续解是没；因此，优化问题的有意义的。
有限数量的位置允许对找到的位置进行进一步的分析，并通过维特比算法对它们进行过滤，同时考虑到谷仓的结构特征。
将计算的位置与从视频中获得的参考位置进行比较（需要密集的人工工作），对于预定义的点来说更加方便。
优化问题的求解通常比查找表中的搜索更耗费时间。此外，成本函数的非线性可能导致多个最小值，需要对该函数进行额外的分析。
预定义位置点的数目整个谷仓235英镑，等候场95英镑。它们分布在整个谷仓区域，整个谷仓的分辨率约为1m（图2a），候车场的分辨率约为0.5m。为了创建谷仓的RSS映射，使用从实验中导出的RSS传播模型计算每个位置点上每个站点的RSS值，并将其存储在查找表中。
2.4 标签位置筛选
RSS的噪声水平以及标签位置的噪声水平使得通过平均或中间滤波器过滤标签位置的效率不高。Viterbi算法使用谷仓结构并包含描述位置点之间通道概率的马尔可夫链。
观察状态为RSS值。隐藏状态是谷仓映射点中的位置。将Viterbi算法中的发射矩阵（P）（隐态和观测态之间的拟合）替换为计算所有映射点的概率的规则。位于点k的概率Pk取决于接收站测量的与为等式（4）中定义的所有测图点预先计算的之间的误差
为了计算过渡矩阵(TM)，考虑到位置点与障碍物之间的距离，基于提供的谷仓图和人工测量创建了相关谷仓结构的地图。TM是按照以下规则构建:
转移矩阵被归一化以提供等于1的概率之和。
获得原始RSS数据，采样时间为0.2 S。这导致在一个采样时间内，位置点之间不可能有通道。为了克服这一影响并减少计算工作量，将5 s的间隔折叠成单个采样点来减少RSS数据，其中RSS值作为间隔上的平均值。
标签定位的整个过程如图3所示
图3 奶牛定位流程图
2.5 定位系统的应用
为了估计系统的可能适用范围，在一周的时间内，在定位系统的帮助下，对整个谷仓试验中奶牛的位置进行了监测。为所有奶牛创建了一张地图，上面显示了在此期间在每个位置点所花费的时间分布。
2.6 系统精度估计
为了估计奶牛定位系统的精度，进行了两个不同接收站布置的实验，以发现接收站之间的平均距离（导致覆盖牛舍区域的接收站数量）对方法精度的影响。在试验1中，整个谷仓试验包括分布在整个区域的10个重复站，相邻站之间的平均距离为10米，如图2a所示。本试验是在两天左右的四个时间段内，用35头奶牛分组佩戴12个标签进行的。实验2包括7个接收站，分布在挤奶机器人前方的等待区，相邻站之间的平均距离为2m，如图所示 2a.这项试验是用19头戴着标签的母牛进行的，为期两天。
3.
通过以下系统在谷仓中测量牛的位置。喂食站记录进食和饮水时的位置。 挤奶时的位置由挤奶机器人记录。在小隔间里躺着、呆着和在小巷里走着的场景都被谷仓的摄像机记录下来（如图2b所示 ）并手动分类。如果奶牛在特定谷仓点的位置距离奶牛项圈最近超过5秒，则会记录奶牛在该点的位置。两个距离超过5米的点之间的连续步行也被记录在案。所有系统的时钟 与接收站同步，精度优于1秒。
3.1 标签特性实验装置
在RSS传播和RSS标签定位两个实验中测量了RSS的特性。为了最大限度地消除信号反射物体对RSS的影响，实验在离地面1.8米的空地（停车场）进行（图4）。最近的金属和混凝土物体至少相距20米（不包括沥青地面和灯柱）
图4 鲁维塔格坐标系（a）传播模型的建立与定向实验（b） 在万向节（a）和接收站（b）上安装RuuviTag。
图4a中给出了无封闭的RuuviTag及其坐标系.在RSS传播实验中，标签以接收站在X轴上，标签Z轴向上的方式定向。每隔一段距离,RSS记录时间为120 s,频率为5 Hz（共600个采样)。为了获得表示标签和接收站之间距离的RSS值，对RSS采样进行平均。在所有的实验中，标签都被放在后来在谷仓使用的一个围栏里。
将基于开放空间实验数据的RSS传播模型（系数n和A0）作为定位系统的传播模型，并应用于谷仓实验为了获得RSS标签和接收站的绝对特征，进行了开放空间实验。此外，我们还进行了谷仓实验，旨在证明特定条件下环境可能产生的影响。
3.2 RSS传播模型与RSS分集
为了建立标签RSS和接收站的传播模型,进行了RSS在1-15 m距离上的测量实验,实验步长为1 m。为探讨影响标签RSS变异的可能因素，对10个标签和10个接收站进行了传播模型实验。在谷仓条件下收集的数据对传播模型作了补充说明。
3.3.RSS标签方向依赖
由标签方向引起的RSS值的多样性代表了标签定位的不确定性；因此，对其进行了仔细的研究。找到两者之间的依赖关系,标签RSS和标签相对于接收站的定位，不同标签的实验进行定向。标签围绕地面Z和Y轴旋转theta;和Ф。通过图4b所示的万向节测量，分辨率为45°范围[0:135°]和[0:315°] 分别为（共32个位置）和RSS传播实验中的初始位置。假设RSS不依赖于围绕连接标签和标签的线的旋转接收站；因此，不考虑绕第三轴旋转。实验进行得很顺利在开放空间内使用3个标签和10个接收站进行。为了研究谷仓环境对RSS标签方向依赖性的影响，在谷仓中进行了另外一个类似的实验，包括6
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[606131]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
