[发明专利]一种基于NB-IoT智能跟踪器的多载体振动自动识别方法有效
申请号: | 201710730751.2 | 申请日: | 2017-08-23 |
公开(公告)号: | CN107578609B | 公开(公告)日: | 2019-07-26 |
发明(设计)人: | 贾小波;王倩倩;吴淑琴;邹世合;王二龙 | 申请(专利权)人: | 郑州威科姆华大北斗导航科技有限公司 |
主分类号: | G08B21/24 | 分类号: | G08B21/24;G01H17/00 |
代理公司: | 郑州中原专利事务所有限公司 41109 | 代理人: | 霍彦伟;李想 |
地址: | 450000 河南省郑州市高新*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 nb iot 智能 跟踪 载体 振动 自动识别 方法 | ||
本发明提供一种基于NB‑IoT智能跟踪器的多载体振动自动识别方法,包括智能跟踪器,所述智能跟踪器包括具有加速度传感器的振动检测模块,与振动检测模块通信连接的智能处理模块,与智能处理模块通信连接的NB‑loT通信模块,通过振动检测模块的加速度传感器采集放置跟踪器的载体的加速度数据,并对加速度数据进行滤波;通过智能处理模块,将滤波后的加速度数据与预存的载体特质加速数据库中的载体特质加速数据进行对比,判断是否报警。发明的智能跟踪器对因载体振动不进行告警,避免误告警出现;同时采用本发明的多载体振动自动识别方法,能够显著减少跟踪器、防丢器等类似产品的误警、漏警概率,改善用户体验,提升产品的竞争力。
技术领域
本发明涉及一种智能跟踪器,尤其涉及一种NB-IoT智能跟踪器和使用该跟踪器的多载体振动自动识别方法。
背景技术
近年来,移动物联网发展势头迅猛,特别是窄带物联网业务因具有数据传输速率低、长距离、深覆盖等特点,适用众多领域,前景广阔。其中窄带物联网(Narrow BandInternet of Things, NB-IoT)是面向低功耗、广覆盖的全球唯一标准,是目前炙手可热的一项新技术,而本发明即是跟随时代前进的步伐,及时把握时代前进的方向,快而有力的利用NB-IoT技术。目前本公司已经基于NB-IoT研制了该智能跟踪器,并且该方法在此跟踪器上取得了良好的效果。
随着个人物品丢失事例的增多,人们对物品的防丢防盗越来越看重,随运而生,市面上有各种各样的防丢器、跟踪器等。目前,市面上的基于振动告警的跟踪器一般都是使用加速度传感器,采集到满足门限值的振动即告警,然而跟踪器应用环境复杂,一概而论而设置相同的告警门限,会出现大量的误报漏报等情况。
发明内容
本发明提供一种基于多载体振动自动识别技术的NB-IoT智能跟踪器,以解决现有技术存在的问题。
本发明采用以下技术方案:
一种基于NB-IoT智能跟踪器的多载体振动自动识别方法,
包括智能跟踪器,所述智能跟踪器包括具有加速度传感器的振动检测模块,与振动检测模块通信连接的智能处理模块,与智能处理模块通信连接的NB-loT通信模块,还包括为振动检测模块、智能处理模块、NB-loT通信模块供电的电源模块;
通过振动检测模块的加速度传感器采集放置跟踪器的载体的加速度数据,并对加速度数据进行滤波;
通过智能处理模块,将滤波后的加速度数据与预存的载体特质加速数据库中的载体特质加速数据进行对比,如果滤波后的加速度数据属于载体特质加速数据库中的其中一个载体特质加速度数据,则不进行报警;否则,通过NB-loT通信模块向远端服务器进行报警。
获取载体特质加速数据建立载体特质加速数据库的方法为:
通过加速度传感器采集载体的加速度数据,选取设定时长的加速度数据序列作为源对比序列;
选取源对比序列之后相隔设定时间间隔的设定时长加速度数据作为目标对比序列;
将源对比序列和目标对比序列通过自相关算法进行计算,得到自相关运算结果;
如果自相关运算结果小于设定的门限值,则把目标对比序列作为源对比序列,重新选取该源对比序列之后相隔设定时间间隔的设定时长加速度数据作为目标对比序列,进行自相关算法的计算;如果自相关运算结果大于设定门限,则将该源对比序列作为该载体的载体特质加速数据,并保存在载体特质加速数据库。
判断放置跟踪器的载体是否为已识别的具有载体特质加速数据的载体的方法为:
通过加速度传感器采集当前载体的加速度数据;
选取加速度数据中的设定时长的加速度数据序列作为源对比序列,并把载体特质加速数据库中的载体特质加速数据作为目标对比序列;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于郑州威科姆华大北斗导航科技有限公司,未经郑州威科姆华大北斗导航科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710730751.2/2.html,转载请声明来源钻瓜专利网。