一種環保節能農業大棚的制作方法

本發明涉及農業領域，具體涉及一種環保節能農業大棚。

背景技術：

水資源同樣也是人類最寶貴的資源之一，但由于人類的浪費和污染，導致水資源的匱乏。目前，世界上大多國家都存在缺水現象。我國缺水問題更為嚴重，尤其是在我國的北方地區。雨水作為清潔的水源，正在受到人們的重視。雨水的回收利用有利于提高人們珍惜水資源、節約水資源的意識，具有良好的社會效益。雨水經過處理后，可以回收應用于農業領域，減少水土流失，緩解農業中用水與排水的問題。

量子通信是量子信息學的一個重要分支，其理論是基于量子力學和經典通信，即量子通信是量子力學和經典通信相結合的產物。量子通信通過量子信道傳遞信息，并能夠確保所傳輸信息的絕對安全。將量子通信技術運用到環境監測中，將大大提高生產環境監測數據傳輸的安全性。

技術實現要素：

為解決上述問題，本發明旨在提供一種環保節能農業大棚。

本發明的目的采用以下技術方案來實現：

一種環保節能農業大棚，包括：室內環境監測網絡和智能控制系統，所述智能控制系統包括太陽能電池板、蓄電池、照明設備、集水管路、過濾裝置、蓄水池、噴淋系統及控制中心；

所述太陽能電池板為一組，安裝于農業大棚外側頂部，并與控制中心連接，所述控制中心分別連接并控制蓄電池、照明設備及噴淋系統；

所述集水管路為開口向上的矩形凹槽，所述凹槽設置于農業大棚頂部外圍一周，所述集水管路收集的雨水匯集后經過過濾裝置流入底部的蓄水池，所述蓄水池為噴淋系統提供水源；

所述噴淋系統安裝于農業大棚內側頂部，包括：進水管、液壓缸及噴淋頭。

本發明的有益效果為：節約了資源，具有廣闊的應用前景。

附圖說明

利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限制，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。

圖1本發明結構示意圖；

圖2是本發明監測方法的流程示意圖。

具體實施方式

結合以下應用場景對本發明作進一步描述。

應用場景1

參見圖1、圖2，本應用場景的一個實施例的一種環保節能農業大棚，包括：室內環境監測網絡和智能控制系統，所述智能控制系統包括太陽能電池板、蓄電池、照明設備、集水管路、過濾裝置、蓄水池、噴淋系統及控制中心；

所述太陽能電池板為一組，安裝于農業大棚外側頂部，并與控制中心連接，所述控制中心分別連接并控制蓄電池、照明設備及噴淋系統；

所述集水管路為開口向上的矩形凹槽，所述凹槽設置于農業大棚頂部外圍一周，所述集水管路收集的雨水匯集后經過過濾裝置流入底部的蓄水池，所述蓄水池為噴淋系統提供水源；

所述噴淋系統安裝于農業大棚內側頂部，包括：進水管、液壓缸及噴淋頭。

優選地，所述太陽能電池板為晶體硅太陽能電池或薄膜太陽能電池中的任一種。

本優選實施例成本低、綠色環保。

優選地，所述照明設備為LED光源。

本優選實施節省能源。

優選地，所述室內環境監測網絡對大棚內環境進行監測，具體方法包括以下步驟：

S1構建用于監測的無線傳感器監測網絡，以及用于監測數據傳輸的量子通信網絡；

S2利用無線傳感器監測網絡監測并采集監測數據，并將監測數據通過量子通信網絡傳輸至預處理節點；

S3預處理節點根據監測數據的類型進行數據校準及融合預處理，預處理后的監測數據通過量子通信網絡傳輸至云服務中心；

S4云服務中心將接收到的監測數據和預先設置的與該監測數據所對應的設置閾值進行比較，若所述監測數據超出與其對應的設置閾值，則將所述監測數據及比較的結果發送至預設的移動管理終端。

本發明上述實施例構建了監測網絡。

優選的，所述無線傳感器監測網絡的構建包括傳感器節點的部署和傳感器節點的定位，所述傳感器節點的部署的方法包括：

(1)進行網絡第一次部署，設傳感器節點的監測半徑和通信半徑均為r，將監測區域劃分為重點監測區域和一般監測區域，重點監測區域劃分為正方形網格，傳感器節點部署于正方形網格中心，正方形網格邊長一般監測區域劃分為正六邊形網格，傳感器節點部署于正六邊形中心，正六邊形邊長

(2)進行網絡第二次部署，在傳感器網絡中部署一部分通信能力強的功能節點，設功能節點的通信半徑為4r，在重點監測區域和在一般監測區域分別按照(1)中的方法對功能節點進行部署。

本優選實施例對傳感器網絡的部署，實現了監測區域的無縫覆蓋，保證了全面監測，在重點區域采用正方形網格部署，在一般檢測區域采用正六邊形網格部署，既節約了傳感器數量，又保證了監測效果；增加功能節點，延長了整個傳感器網絡壽命，避免了傳感器節點過早衰竭。

優選的，所述傳感器節點的定位的方法包括：

1)未知傳感器節點將收到的各個參考節點的接收信號的強度指示和參考節點坐標發送到上位機；

2)上位機對接收到的接收信號的強度指示值進行預處理，包括：通過自定義的選取規則選取高概率發生區的接收信號的強度指示值，求取選取的接收信號的強度指示值的平均值作為最終的接收信號的強度指示值；所述自定義的選取規則為：

當未知傳感器節點收到的參考節點的接收信號的強度指示值滿足下述條件時，確定該強度指示值為高概率發生區的接收信號的強度指示值：

其中

式中，RSSI_i為未知傳感器節點收到每個參考節點第i次的接收信號的強度指示值，i∈[1,N]，T_L為設定的臨界值，T_L的取值范圍為[0.4,0.6]；

3)計算未知傳感器節點距離參考節點的距離；

4)計算未知傳感器節點的坐標，設k個參考節點的坐標分別為(x₁,y₁),(x₂,y₂),…,(x_k,y_k),未知傳感器節點到參考節點的距離分別為d₁,d₂,…,d_k，未知傳感器節點X的坐標計算公式為：

X＝(α^Tα)^-1α^Tβ

其中

本優選實施例設計了傳感器節點的定位的方法，提高了傳感器節點的定位精度，從而相對提高了監測的精度。

優選的，所述量子通信網絡的構建包括建立量子信道、確定量子密鑰分發方案；所述建立量子信道，包括以下步驟：

(1)建立量子信道的表述模型，定義輸入量子比特有限集合為I＝{|i₁>,|i₂>,…,|i_N>}，輸出量子比特的有限集合為O＝{|o₁>,|o>,…,|o_N>}的量子信道C為：將|i>∈I送入信道，信道的輸出是由密度算子ρ(|i>)完全決定的量子信息源的輸出；

(2)量子態在量子信道的傳輸過程中，與信道發生關聯，并在接收端全部或部分發生改變，成為新的態，信道中與量子態發生關聯的有非理想設備和噪聲，需對信道進行優化，包括：

令信道矩陣為X，噪聲為Z，則接受態J_k為：

J_k＝(X+Z)T_k，(k＝1,2,…,n)

式中，T_k表示同一測量基下的態矩陣，每列元素表示一個發送態；

用相關系數R₁、R₂分別表示非理想設備和噪聲與量子態的相關情況，通過波動方程理論及熱力學公式建模，得出滿足不同信道情況的具體信道模型；

所述量子密鑰分發方案基于BB84的協議確定，包括以下步驟：

(1)經過激光器、光混合器、衰減器和相位調制器，發送端生成單光子脈沖，以量子偏振態偏振角度作為信息傳輸的地址碼，發送端偏振態角度隨機取0，每個單光子脈沖發送前，發送端向接收端發送時鐘信號。發送端對每個單光子脈沖的偏振態相位進行編碼，發送端相位取0和π組成一組正交歸一基，接收端相位取0與其匹配，發送端相位取和組成另一組正交歸一基，接收端相位取與其匹配；

(2)接收端經過相位調制器、偏振控制器、光分束器、半波片、偏振分束器和單光子探測器接收到光單子脈沖，根據時鐘脈沖信號，對接收量子態進行測量，首先通過兩組不同基下的探測器讀數得出地址碼值，再推出相位信息，之后通過經典信道與發送端進行相位及偏振基比對；

(3)接收端篩選測量信息，拋棄錯誤偏振測量基得出的信息及錯誤相位測量基得出的信息，分別得出初始密鑰。

(4)接收端對對篩選后的測量基計數進行脈沖數比對，如果得到的正確結果的測量基脈沖數小于安全脈沖數門限值，則表明存在竊聽，此時，放棄本次密鑰協商，重新進行步驟(1)到(4)，如果接收端得到的正確結果的測量基脈沖數大于等于門限值，發送端和接收端通過經典信道進行數據協調和密性放大，從而獲得最終密鑰；

其中，安全脈沖門限值采用如下方法確定，

無竊聽時，接收端得到量子比特的正確率

式中，P_r表示正確選擇測量基時準確接收量子態的概率，P_w表示錯誤選擇測量基時準確接收量子態的概率；

存在竊聽時，安全通信門限根據信道情況確定安全門限，當接收端得到正確量子比特概率低于P_m時，存在竊聽。

本優選實施例由于通信設備的非理想性，以及信道中存在噪聲，量子信息在傳輸的過程中會發生改變，通過建立實際信道使得接收端判別通信過程是否安全的標準更為準確；量子偏振態具有相對穩定的固有特性和可區分性，可以在多用戶量子通信中有效地進行用戶的區分；對信道模型中安全門限進行了分析，推得了實際量子通信中判別竊聽的安全門限公式。

優選的，所述無線傳感器監測網絡包括網關、高能簇頭節點、終端節點，所述高能簇頭節點負責監測數據的有效采集，所述網關將采集到信息存儲到嵌入式數據庫中，在需要時將監測數據通過量子通信網絡傳輸到云服務中心；所述高能簇頭節點由簇頭節點、太陽能電池板、蓄電池、功率放大器和多個監測傳感器組成，所述簇頭節點的能量由太陽能電池板和蓄電池結合提供。

本優選實施例設置的簇頭節點的能量由太陽能電池板和蓄電池結合提供，能夠保證簇頭節點的能量提供，節省用電消耗，降低監測成本。

優選的，所述根據監測數據的類型進行數據校準及融合預處理，包括：

(1)將每個傳感器的監測數據通過BP神經網絡進行校準，同時剔除錯誤的數據，獲得更加準確的數據；所述通過BP神經網絡進行校準，包括：

1)構建BP神經網絡，以傳感器的監測值作為BP神經網絡的輸入層，以標準儀器的測量值作為BP神經網絡的輸出層；

2)進行BP神經網絡訓練，具體為：將傳感器的監測值從輸入層經BP神經網絡的隱含層傳向輸出層，如果在輸出層沒有得到期望的輸出值，則沿原通路將誤差返回，并根據誤差函數，采用梯度下降法修正各層神經元的權值和閾值，從而使誤差最小，最終達到期望效果，所述誤差函數定義為：

式中，w_ij為前一輸出層至隱含層的連接權值，x_i為前一輸出層的輸出值，T_i為隱含層的閾值，w_mj為隱含層至后一輸出層的連接權值，T_m為后一輸出層的閾值；

(2)通過自適應加權融合算法對多個傳感器的監測數據進行融合，具體為：根據各傳感器的監測值，以自適應的方式尋找各個傳感器對應的最優加權因子，在滿足總均方誤差最小的情況下，使得融合后的結果達到最優。

本優選實施例的預處理節點根據監測數據的類型進行數據校準及融合預處理，解決了一般傳感器測量的非線性誤差，使監測數據更加準確和可靠。

在此應用場景中，設定T_L的值為0.4，傳感器節點定位的精度提高了8％，監測精度提高了10％。

應用場景2

參見圖1、圖2，本應用場景的一個實施例的一種環保節能農業大棚，包括：室內環境監測網絡和智能控制系統，所述智能控制系統包括太陽能電池板、蓄電池、照明設備、集水管路、過濾裝置、蓄水池、噴淋系統及控制中心；

所述太陽能電池板為一組，安裝于農業大棚外側頂部，并與控制中心連接，所述控制中心分別連接并控制蓄電池、照明設備及噴淋系統；

所述集水管路為開口向上的矩形凹槽，所述凹槽設置于農業大棚頂部外圍一周，所述集水管路收集的雨水匯集后經過過濾裝置流入底部的蓄水池，所述蓄水池為噴淋系統提供水源；

所述噴淋系統安裝于農業大棚內側頂部，包括：進水管、液壓缸及噴淋頭。

優選地，所述太陽能電池板為晶體硅太陽能電池或薄膜太陽能電池中的任一種。

本優選實施例成本低、綠色環保。

優選地，所述照明設備為LED光源。

本優選實施節省能源。

優選地，所述室內環境監測網絡對大棚內環境進行監測，具體方法包括以下步驟：

S1構建用于監測的無線傳感器監測網絡，以及用于監測數據傳輸的量子通信網絡；

S2利用無線傳感器監測網絡監測并采集監測數據，并將監測數據通過量子通信網絡傳輸至預處理節點；

S3預處理節點根據監測數據的類型進行數據校準及融合預處理，預處理后的監測數據通過量子通信網絡傳輸至云服務中心；

S4云服務中心將接收到的監測數據和預先設置的與該監測數據所對應的設置閾值進行比較，若所述監測數據超出與其對應的設置閾值，則將所述監測數據及比較的結果發送至預設的移動管理終端。

本發明上述實施例構建了監測網絡。

優選的，所述無線傳感器監測網絡的構建包括傳感器節點的部署和傳感器節點的定位，所述傳感器節點的部署的方法包括：

(1)進行網絡第一次部署，設傳感器節點的監測半徑和通信半徑均為r，將監測區域劃分為重點監測區域和一般監測區域，重點監測區域劃分為正方形網格，傳感器節點部署于正方形網格中心，正方形網格邊長一般監測區域劃分為正六邊形網格，傳感器節點部署于正六邊形中心，正六邊形邊長

(2)進行網絡第二次部署，在傳感器網絡中部署一部分通信能力強的功能節點，設功能節點的通信半徑為4r，在重點監測區域和在一般監測區域分別按照(1)中的方法對功能節點進行部署。

本優選實施例對傳感器網絡的部署，實現了監測區域的無縫覆蓋，保證了全面監測，在重點區域采用正方形網格部署，在一般檢測區域采用正六邊形網格部署，既節約了傳感器數量，又保證了監測效果；增加功能節點，延長了整個傳感器網絡壽命，避免了傳感器節點過早衰竭。

優選的，所述傳感器節點的定位的方法包括：

1)未知傳感器節點將收到的各個參考節點的接收信號的強度指示和參考節點坐標發送到上位機；

2)上位機對接收到的接收信號的強度指示值進行預處理，包括：通過自定義的選取規則選取高概率發生區的接收信號的強度指示值，求取選取的接收信號的強度指示值的平均值作為最終的接收信號的強度指示值；所述自定義的選取規則為：

當未知傳感器節點收到的參考節點的接收信號的強度指示值滿足下述條件時，確定該強度指示值為高概率發生區的接收信號的強度指示值：

其中

式中，RSSI_i為未知傳感器節點收到每個參考節點第i次的接收信號的強度指示值，i∈[1,N]，T_L為設定的臨界值，T_L的取值范圍為[0.4,0.6]；

3)計算未知傳感器節點距離參考節點的距離；

4)計算未知傳感器節點的坐標，設k個參考節點的坐標分別為(x₁,y₁),(x₂,y₂),…,(x_k,y_k),未知傳感器節點到參考節點的距離分別為d₁,d₂,…,d_k，未知傳感器節點X的坐標計算公式為：

X＝(α^Tα)^-1α^Tβ

其中

本優選實施例設計了傳感器節點的定位的方法，提高了傳感器節點的定位精度，從而相對提高了監測的精度。

優選的，所述量子通信網絡的構建包括建立量子信道、確定量子密鑰分發方案；所述建立量子信道，包括以下步驟：

(1)建立量子信道的表述模型，定義輸入量子比特有限集合為I＝{|i₁〉,|i₂>,…,|i_N>}，輸出量子比特的有限集合為O＝{|o₁〉,|o〉,…,|o_N〉}的量子信道C為：將|i〉∈I送入信道，信道的輸出是由密度算子ρ(|i〉)完全決定的量子信息源的輸出；

(2)量子態在量子信道的傳輸過程中，與信道發生關聯，并在接收端全部或部分發生改變，成為新的態，信道中與量子態發生關聯的有非理想設備和噪聲，需對信道進行優化，包括：

令信道矩陣為X，噪聲為Z，則接受態J_k為：

J_k＝(X+Z)T_k，(k＝1,2,…,n)

式中，T_k表示同一測量基下的態矩陣，每列元素表示一個發送態；

用相關系數R₁、R₂分別表示非理想設備和噪聲與量子態的相關情況，通過波動方程理論及熱力學公式建模，得出滿足不同信道情況的具體信道模型；

所述量子密鑰分發方案基于BB84的協議確定，包括以下步驟：

(1)經過激光器、光混合器、衰減器和相位調制器，發送端生成單光子脈沖，以量子偏振態偏振角度作為信息傳輸的地址碼，發送端偏振態角度隨機取0，每個單光子脈沖發送前，發送端向接收端發送時鐘信號。發送端對每個單光子脈沖的偏振態相位進行編碼，發送端相位取0和π組成一組正交歸一基，接收端相位取0與其匹配，發送端相位取和組成另一組正交歸一基，接收端相位取與其匹配；

(2)接收端經過相位調制器、偏振控制器、光分束器、半波片、偏振分束器和單光子探測器接收到光單子脈沖，根據時鐘脈沖信號，對接收量子態進行測量，首先通過兩組不同基下的探測器讀數得出地址碼值，再推出相位信息，之后通過經典信道與發送端進行相位及偏振基比對；

(3)接收端篩選測量信息，拋棄錯誤偏振測量基得出的信息及錯誤相位測量基得出的信息，分別得出初始密鑰。

(4)接收端對對篩選后的測量基計數進行脈沖數比對，如果得到的正確結果的測量基脈沖數小于安全脈沖數門限值，則表明存在竊聽，此時，放棄本次密鑰協商，重新進行步驟(1)到(4)，如果接收端得到的正確結果的測量基脈沖數大于等于門限值，發送端和接收端通過經典信道進行數據協調和密性放大，從而獲得最終密鑰；

其中，安全脈沖門限值采用如下方法確定，

無竊聽時，接收端得到量子比特的正確率

式中，P_r表示正確選擇測量基時準確接收量子態的概率，P_w表示錯誤選擇測量基時準確接收量子態的概率；

存在竊聽時，安全通信門限根據信道情況確定安全門限，當接收端得到正確量子比特概率低于P_m時，存在竊聽。

本優選實施例由于通信設備的非理想性，以及信道中存在噪聲，量子信息在傳輸的過程中會發生改變，通過建立實際信道使得接收端判別通信過程是否安全的標準更為準確；量子偏振態具有相對穩定的固有特性和可區分性，可以在多用戶量子通信中有效地進行用戶的區分；對信道模型中安全門限進行了分析，推得了實際量子通信中判別竊聽的安全門限公式。

優選的，所述無線傳感器監測網絡包括網關、高能簇頭節點、終端節點，所述高能簇頭節點負責監測數據的有效采集，所述網關將采集到信息存儲到嵌入式數據庫中，在需要時將監測數據通過量子通信網絡傳輸到云服務中心；所述高能簇頭節點由簇頭節點、太陽能電池板、蓄電池、功率放大器和多個監測傳感器組成，所述簇頭節點的能量由太陽能電池板和蓄電池結合提供。

本優選實施例設置的簇頭節點的能量由太陽能電池板和蓄電池結合提供，能夠保證簇頭節點的能量提供，節省用電消耗，降低監測成本。

優選的，所述根據監測數據的類型進行數據校準及融合預處理，包括：

(1)將每個傳感器的監測數據通過BP神經網絡進行校準，同時剔除錯誤的數據，獲得更加準確的數據；所述通過BP神經網絡進行校準，包括：

1)構建BP神經網絡，以傳感器的監測值作為BP神經網絡的輸入層，以標準儀器的測量值作為BP神經網絡的輸出層；

2)進行BP神經網絡訓練，具體為：將傳感器的監測值從輸入層經BP神經網絡的隱含層傳向輸出層，如果在輸出層沒有得到期望的輸出值，則沿原通路將誤差返回，并根據誤差函數，采用梯度下降法修正各層神經元的權值和閾值，從而使誤差最小，最終達到期望效果，所述誤差函數定義為：

式中，w_ij為前一輸出層至隱含層的連接權值，x_i為前一輸出層的輸出值，T_i為隱含層的閾值，w_mj為隱含層至后一輸出層的連接權值，T_m為后一輸出層的閾值；

(2)通過自適應加權融合算法對多個傳感器的監測數據進行融合，具體為：根據各傳感器的監測值，以自適應的方式尋找各個傳感器對應的最優加權因子，在滿足總均方誤差最小的情況下，使得融合后的結果達到最優。

本優選實施例的預處理節點根據監測數據的類型進行數據校準及融合預處理，解決了一般傳感器測量的非線性誤差，使監測數據更加準確和可靠。

在此應用場景中，設定T_L的值為0.45，傳感器節點定位的精度提高了9％，監測精度提高了11％。

應用場景3

參見圖1、圖2，本應用場景的一個實施例的一種環保節能農業大棚，包括：室內環境監測網絡和智能控制系統，所述智能控制系統包括太陽能電池板、蓄電池、照明設備、集水管路、過濾裝置、蓄水池、噴淋系統及控制中心；

所述太陽能電池板為一組，安裝于農業大棚外側頂部，并與控制中心連接，所述控制中心分別連接并控制蓄電池、照明設備及噴淋系統；

所述集水管路為開口向上的矩形凹槽，所述凹槽設置于農業大棚頂部外圍一周，所述集水管路收集的雨水匯集后經過過濾裝置流入底部的蓄水池，所述蓄水池為噴淋系統提供水源；

所述噴淋系統安裝于農業大棚內側頂部，包括：進水管、液壓缸及噴淋頭。

優選地，所述太陽能電池板為晶體硅太陽能電池或薄膜太陽能電池中的任一種。

本優選實施例成本低、綠色環保。

優選地，所述照明設備為LED光源。

本優選實施節省能源。

優選地，所述室內環境監測網絡對大棚內環境進行監測，具體方法包括以下步驟：

S1構建用于監測的無線傳感器監測網絡，以及用于監測數據傳輸的量子通信網絡；

S2利用無線傳感器監測網絡監測并采集監測數據，并將監測數據通過量子通信網絡傳輸至預處理節點；

S3預處理節點根據監測數據的類型進行數據校準及融合預處理，預處理后的監測數據通過量子通信網絡傳輸至云服務中心；

S4云服務中心將接收到的監測數據和預先設置的與該監測數據所對應的設置閾值進行比較，若所述監測數據超出與其對應的設置閾值，則將所述監測數據及比較的結果發送至預設的移動管理終端。

本發明上述實施例構建了監測網絡。

優選的，所述無線傳感器監測網絡的構建包括傳感器節點的部署和傳感器節點的定位，所述傳感器節點的部署的方法包括：

(1)進行網絡第一次部署，設傳感器節點的監測半徑和通信半徑均為r，將監測區域劃分為重點監測區域和一般監測區域，重點監測區域劃分為正方形網格，傳感器節點部署于正方形網格中心，正方形網格邊長一般監測區域劃分為正六邊形網格，傳感器節點部署于正六邊形中心，正六邊形邊長

(2)進行網絡第二次部署，在傳感器網絡中部署一部分通信能力強的功能節點，設功能節點的通信半徑為4r，在重點監測區域和在一般監測區域分別按照(1)中的方法對功能節點進行部署。

本優選實施例對傳感器網絡的部署，實現了監測區域的無縫覆蓋，保證了全面監測，在重點區域采用正方形網格部署，在一般檢測區域采用正六邊形網格部署，既節約了傳感器數量，又保證了監測效果；增加功能節點，延長了整個傳感器網絡壽命，避免了傳感器節點過早衰竭。

優選的，所述傳感器節點的定位的方法包括：

1)未知傳感器節點將收到的各個參考節點的接收信號的強度指示和參考節點坐標發送到上位機；

2)上位機對接收到的接收信號的強度指示值進行預處理，包括：通過自定義的選取規則選取高概率發生區的接收信號的強度指示值，求取選取的接收信號的強度指示值的平均值作為最終的接收信號的強度指示值；所述自定義的選取規則為：

當未知傳感器節點收到的參考節點的接收信號的強度指示值滿足下述條件時，確定該強度指示值為高概率發生區的接收信號的強度指示值：

其中

式中，RSSI_i為未知傳感器節點收到每個參考節點第i次的接收信號的強度指示值，i∈[1,N]，T_L為設定的臨界值，T_L的取值范圍為[0.4,0.6]；

3)計算未知傳感器節點距離參考節點的距離；

4)計算未知傳感器節點的坐標，設k個參考節點的坐標分別為(x₁,y₁),(x₂,y₂),…,(x_k,y_k),未知傳感器節點到參考節點的距離分別為d₁,d₂,…,d_k，未知傳感器節點X的坐標計算公式為：

X＝(α^Tα)^-1α^Tβ

其中

本優選實施例設計了傳感器節點的定位的方法，提高了傳感器節點的定位精度，從而相對提高了監測的精度。

優選的，所述量子通信網絡的構建包括建立量子信道、確定量子密鑰分發方案；所述建立量子信道，包括以下步驟：

(1)建立量子信道的表述模型，定義輸入量子比特有限集合為I＝{|i₁>,|i₂>,…,|i_N>}，輸出量子比特的有限集合為O＝{|o₁>,|o>,…,|o_N>}的量子信道C為：將|i>∈I送入信道，信道的輸出是由密度算子ρ(|i>)完全決定的量子信息源的輸出；

(2)量子態在量子信道的傳輸過程中，與信道發生關聯，并在接收端全部或部分發生改變，成為新的態，信道中與量子態發生關聯的有非理想設備和噪聲，需對信道進行優化，包括：

令信道矩陣為X，噪聲為Z，則接受態J_k為：

J_k＝(X+Z)T_k，(k＝1,2,…,n)

式中，T_k表示同一測量基下的態矩陣，每列元素表示一個發送態；

用相關系數R₁、R₂分別表示非理想設備和噪聲與量子態的相關情況，通過波動方程理論及熱力學公式建模，得出滿足不同信道情況的具體信道模型；

所述量子密鑰分發方案基于BB84的協議確定，包括以下步驟：

(1)經過激光器、光混合器、衰減器和相位調制器，發送端生成單光子脈沖，以量子偏振態偏振角度作為信息傳輸的地址碼，發送端偏振態角度隨機取0，每個單光子脈沖發送前，發送端向接收端發送時鐘信號。發送端對每個單光子脈沖的偏振態相位進行編碼，發送端相位取0和π組成一組正交歸一基，接收端相位取0與其匹配，發送端相位取和組成另一組正交歸一基，接收端相位取與其匹配；

(2)接收端經過相位調制器、偏振控制器、光分束器、半波片、偏振分束器和單光子探測器接收到光單子脈沖，根據時鐘脈沖信號，對接收量子態進行測量，首先通過兩組不同基下的探測器讀數得出地址碼值，再推出相位信息，之后通過經典信道與發送端進行相位及偏振基比對；

(3)接收端篩選測量信息，拋棄錯誤偏振測量基得出的信息及錯誤相位測量基得出的信息，分別得出初始密鑰。

(4)接收端對對篩選后的測量基計數進行脈沖數比對，如果得到的正確結果的測量基脈沖數小于安全脈沖數門限值，則表明存在竊聽，此時，放棄本次密鑰協商，重新進行步驟(1)到(4)，如果接收端得到的正確結果的測量基脈沖數大于等于門限值，發送端和接收端通過經典信道進行數據協調和密性放大，從而獲得最終密鑰；

其中，安全脈沖門限值采用如下方法確定，

無竊聽時，接收端得到量子比特的正確率

式中，P_r表示正確選擇測量基時準確接收量子態的概率，P_w表示錯誤選擇測量基時準確接收量子態的概率；

存在竊聽時，安全通信門限根據信道情況確定安全門限，當接收端得到正確量子比特概率低于P_m時，存在竊聽。

本優選實施例由于通信設備的非理想性，以及信道中存在噪聲，量子信息在傳輸的過程中會發生改變，通過建立實際信道使得接收端判別通信過程是否安全的標準更為準確；量子偏振態具有相對穩定的固有特性和可區分性，可以在多用戶量子通信中有效地進行用戶的區分；對信道模型中安全門限進行了分析，推得了實際量子通信中判別竊聽的安全門限公式。

優選的，所述無線傳感器監測網絡包括網關、高能簇頭節點、終端節點，所述高能簇頭節點負責監測數據的有效采集，所述網關將采集到信息存儲到嵌入式數據庫中，在需要時將監測數據通過量子通信網絡傳輸到云服務中心；所述高能簇頭節點由簇頭節點、太陽能電池板、蓄電池、功率放大器和多個監測傳感器組成，所述簇頭節點的能量由太陽能電池板和蓄電池結合提供。

本優選實施例設置的簇頭節點的能量由太陽能電池板和蓄電池結合提供，能夠保證簇頭節點的能量提供，節省用電消耗，降低監測成本。

優選的，所述根據監測數據的類型進行數據校準及融合預處理，包括：

(1)將每個傳感器的監測數據通過BP神經網絡進行校準，同時剔除錯誤的數據，獲得更加準確的數據；所述通過BP神經網絡進行校準，包括：

1)構建BP神經網絡，以傳感器的監測值作為BP神經網絡的輸入層，以標準儀器的測量值作為BP神經網絡的輸出層；

2)進行BP神經網絡訓練，具體為：將傳感器的監測值從輸入層經BP神經網絡的隱含層傳向輸出層，如果在輸出層沒有得到期望的輸出值，則沿原通路將誤差返回，并根據誤差函數，采用梯度下降法修正各層神經元的權值和閾值，從而使誤差最小，最終達到期望效果，所述誤差函數定義為：

式中，w_ij為前一輸出層至隱含層的連接權值，x_i為前一輸出層的輸出值，T_i為隱含層的閾值，w_mj為隱含層至后一輸出層的連接權值，T_m為后一輸出層的閾值；

(2)通過自適應加權融合算法對多個傳感器的監測數據進行融合，具體為：根據各傳感器的監測值，以自適應的方式尋找各個傳感器對應的最優加權因子，在滿足總均方誤差最小的情況下，使得融合后的結果達到最優。

本優選實施例的預處理節點根據監測數據的類型進行數據校準及融合預處理，解決了一般傳感器測量的非線性誤差，使監測數據更加準確和可靠。

在此應用場景中，設定T_L的值為0.5，傳感器節點定位的精度提高了10％，監測精度提高了12％。

應用場景4

參見圖1、圖2，本應用場景的一個實施例的一種環保節能農業大棚，包括：室內環境監測網絡和智能控制系統，所述智能控制系統包括太陽能電池板、蓄電池、照明設備、集水管路、過濾裝置、蓄水池、噴淋系統及控制中心；

所述太陽能電池板為一組，安裝于農業大棚外側頂部，并與控制中心連接，所述控制中心分別連接并控制蓄電池、照明設備及噴淋系統；

所述集水管路為開口向上的矩形凹槽，所述凹槽設置于農業大棚頂部外圍一周，所述集水管路收集的雨水匯集后經過過濾裝置流入底部的蓄水池，所述蓄水池為噴淋系統提供水源；

所述噴淋系統安裝于農業大棚內側頂部，包括：進水管、液壓缸及噴淋頭。

優選地，所述太陽能電池板為晶體硅太陽能電池或薄膜太陽能電池中的任一種。

本優選實施例成本低、綠色環保。

優選地，所述照明設備為LED光源。

本優選實施節省能源。

優選地，所述室內環境監測網絡對大棚內環境進行監測，具體方法包括以下步驟：

S1構建用于監測的無線傳感器監測網絡，以及用于監測數據傳輸的量子通信網絡；

S2利用無線傳感器監測網絡監測并采集監測數據，并將監測數據通過量子通信網絡傳輸至預處理節點；

S3預處理節點根據監測數據的類型進行數據校準及融合預處理，預處理后的監測數據通過量子通信網絡傳輸至云服務中心；

S4云服務中心將接收到的監測數據和預先設置的與該監測數據所對應的設置閾值進行比較，若所述監測數據超出與其對應的設置閾值，則將所述監測數據及比較的結果發送至預設的移動管理終端。

本發明上述實施例構建了監測網絡。

優選的，所述無線傳感器監測網絡的構建包括傳感器節點的部署和傳感器節點的定位，所述傳感器節點的部署的方法包括：

(1)進行網絡第一次部署，設傳感器節點的監測半徑和通信半徑均為r，將監測區域劃分為重點監測區域和一般監測區域，重點監測區域劃分為正方形網格，傳感器節點部署于正方形網格中心，正方形網格邊長一般監測區域劃分為正六邊形網格，傳感器節點部署于正六邊形中心，正六邊形邊長

(2)進行網絡第二次部署，在傳感器網絡中部署一部分通信能力強的功能節點，設功能節點的通信半徑為4r，在重點監測區域和在一般監測區域分別按照(1)中的方法對功能節點進行部署。

本優選實施例對傳感器網絡的部署，實現了監測區域的無縫覆蓋，保證了全面監測，在重點區域采用正方形網格部署，在一般檢測區域采用正六邊形網格部署，既節約了傳感器數量，又保證了監測效果；增加功能節點，延長了整個傳感器網絡壽命，避免了傳感器節點過早衰竭。

優選的，所述傳感器節點的定位的方法包括：

1)未知傳感器節點將收到的各個參考節點的接收信號的強度指示和參考節點坐標發送到上位機；

2)上位機對接收到的接收信號的強度指示值進行預處理，包括：通過自定義的選取規則選取高概率發生區的接收信號的強度指示值，求取選取的接收信號的強度指示值的平均值作為最終的接收信號的強度指示值；所述自定義的選取規則為：

當未知傳感器節點收到的參考節點的接收信號的強度指示值滿足下述條件時，確定該強度指示值為高概率發生區的接收信號的強度指示值：

其中

式中，RSSI_i為未知傳感器節點收到每個參考節點第i次的接收信號的強度指示值，i∈[1,N]，T_L為設定的臨界值，T_L的取值范圍為[0.4,0.6]；

3)計算未知傳感器節點距離參考節點的距離；

4)計算未知傳感器節點的坐標，設k個參考節點的坐標分別為(x₁,y₁),(x₂,y₂),…,(x_k,y_k),未知傳感器節點到參考節點的距離分別為d₁,d₂,…,d_k，未知傳感器節點X的坐標計算公式為：

X＝(α^Tα)^-1α^Tβ

其中

本優選實施例設計了傳感器節點的定位的方法，提高了傳感器節點的定位精度，從而相對提高了監測的精度。

優選的，所述量子通信網絡的構建包括建立量子信道、確定量子密鑰分發方案；所述建立量子信道，包括以下步驟：

(1)建立量子信道的表述模型，定義輸入量子比特有限集合為I＝{|i₁>,|i₂>,…,|i_N〉}，輸出量子比特的有限集合為O＝{|o₁〉,|o〉,…,|o_N〉}的量子信道C為：將|i>∈I送入信道，信道的輸出是由密度算子ρ(|i〉)完全決定的量子信息源的輸出；

(2)量子態在量子信道的傳輸過程中，與信道發生關聯，并在接收端全部或部分發生改變，成為新的態，信道中與量子態發生關聯的有非理想設備和噪聲，需對信道進行優化，包括：

令信道矩陣為X，噪聲為Z，則接受態J_k為：

J_k＝(X+Z)T_k，(k＝1,2,…,n)

式中，T_k表示同一測量基下的態矩陣，每列元素表示一個發送態；

用相關系數R₁、R₂分別表示非理想設備和噪聲與量子態的相關情況，通過波動方程理論及熱力學公式建模，得出滿足不同信道情況的具體信道模型；

所述量子密鑰分發方案基于BB84的協議確定，包括以下步驟：

(1)經過激光器、光混合器、衰減器和相位調制器，發送端生成單光子脈沖，以量子偏振態偏振角度作為信息傳輸的地址碼，發送端偏振態角度隨機取0，每個單光子脈沖發送前，發送端向接收端發送時鐘信號。發送端對每個單光子脈沖的偏振態相位進行編碼，發送端相位取0和π組成一組正交歸一基，接收端相位取0與其匹配，發送端相位取和組成另一組正交歸一基，接收端相位取與其匹配；

(2)接收端經過相位調制器、偏振控制器、光分束器、半波片、偏振分束器和單光子探測器接收到光單子脈沖，根據時鐘脈沖信號，對接收量子態進行測量，首先通過兩組不同基下的探測器讀數得出地址碼值，再推出相位信息，之后通過經典信道與發送端進行相位及偏振基比對；

(3)接收端篩選測量信息，拋棄錯誤偏振測量基得出的信息及錯誤相位測量基得出的信息，分別得出初始密鑰。

(4)接收端對對篩選后的測量基計數進行脈沖數比對，如果得到的正確結果的測量基脈沖數小于安全脈沖數門限值，則表明存在竊聽，此時，放棄本次密鑰協商，重新進行步驟(1)到(4)，如果接收端得到的正確結果的測量基脈沖數大于等于門限值，發送端和接收端通過經典信道進行數據協調和密性放大，從而獲得最終密鑰；

其中，安全脈沖門限值采用如下方法確定，

無竊聽時，接收端得到量子比特的正確率

式中，P_r表示正確選擇測量基時準確接收量子態的概率，P_w表示錯誤選擇測量基時準確接收量子態的概率；

存在竊聽時，安全通信門限根據信道情況確定安全門限，當接收端得到正確量子比特概率低于P_m時，存在竊聽。

本優選實施例由于通信設備的非理想性，以及信道中存在噪聲，量子信息在傳輸的過程中會發生改變，通過建立實際信道使得接收端判別通信過程是否安全的標準更為準確；量子偏振態具有相對穩定的固有特性和可區分性，可以在多用戶量子通信中有效地進行用戶的區分；對信道模型中安全門限進行了分析，推得了實際量子通信中判別竊聽的安全門限公式。

優選的，所述無線傳感器監測網絡包括網關、高能簇頭節點、終端節點，所述高能簇頭節點負責監測數據的有效采集，所述網關將采集到信息存儲到嵌入式數據庫中，在需要時將監測數據通過量子通信網絡傳輸到云服務中心；所述高能簇頭節點由簇頭節點、太陽能電池板、蓄電池、功率放大器和多個監測傳感器組成，所述簇頭節點的能量由太陽能電池板和蓄電池結合提供。

本優選實施例設置的簇頭節點的能量由太陽能電池板和蓄電池結合提供，能夠保證簇頭節點的能量提供，節省用電消耗，降低監測成本。

優選的，所述根據監測數據的類型進行數據校準及融合預處理，包括：

(1)將每個傳感器的監測數據通過BP神經網絡進行校準，同時剔除錯誤的數據，獲得更加準確的數據；所述通過BP神經網絡進行校準，包括：

1)構建BP神經網絡，以傳感器的監測值作為BP神經網絡的輸入層，以標準儀器的測量值作為BP神經網絡的輸出層；

2)進行BP神經網絡訓練，具體為：將傳感器的監測值從輸入層經BP神經網絡的隱含層傳向輸出層，如果在輸出層沒有得到期望的輸出值，則沿原通路將誤差返回，并根據誤差函數，采用梯度下降法修正各層神經元的權值和閾值，從而使誤差最小，最終達到期望效果，所述誤差函數定義為：

式中，w_ij為前一輸出層至隱含層的連接權值，x_i為前一輸出層的輸出值，T_i為隱含層的閾值，w_mj為隱含層至后一輸出層的連接權值，T_m為后一輸出層的閾值；

(2)通過自適應加權融合算法對多個傳感器的監測數據進行融合，具體為：根據各傳感器的監測值，以自適應的方式尋找各個傳感器對應的最優加權因子，在滿足總均方誤差最小的情況下，使得融合后的結果達到最優。

本優選實施例的預處理節點根據監測數據的類型進行數據校準及融合預處理，解決了一般傳感器測量的非線性誤差，使監測數據更加準確和可靠。

在此應用場景中，設定T_L的值為0.55，傳感器節點定位的精度提高了8.5％，監測精度提高了8％。

應用場景5

參見圖1、圖2，本應用場景的一個實施例的一種環保節能農業大棚，包括：室內環境監測網絡和智能控制系統，所述智能控制系統包括太陽能電池板、蓄電池、照明設備、集水管路、過濾裝置、蓄水池、噴淋系統及控制中心；

所述太陽能電池板為一組，安裝于農業大棚外側頂部，并與控制中心連接，所述控制中心分別連接并控制蓄電池、照明設備及噴淋系統；

所述集水管路為開口向上的矩形凹槽，所述凹槽設置于農業大棚頂部外圍一周，所述集水管路收集的雨水匯集后經過過濾裝置流入底部的蓄水池，所述蓄水池為噴淋系統提供水源；

所述噴淋系統安裝于農業大棚內側頂部，包括：進水管、液壓缸及噴淋頭。

優選地，所述太陽能電池板為晶體硅太陽能電池或薄膜太陽能電池中的任一種。

本優選實施例成本低、綠色環保。

優選地，所述照明設備為LED光源。

本優選實施節省能源。

優選地，所述室內環境監測網絡對大棚內環境進行監測，具體方法包括以下步驟：

S1構建用于監測的無線傳感器監測網絡，以及用于監測數據傳輸的量子通信網絡；

S2利用無線傳感器監測網絡監測并采集監測數據，并將監測數據通過量子通信網絡傳輸至預處理節點；

S3預處理節點根據監測數據的類型進行數據校準及融合預處理，預處理后的監測數據通過量子通信網絡傳輸至云服務中心；

S4云服務中心將接收到的監測數據和預先設置的與該監測數據所對應的設置閾值進行比較，若所述監測數據超出與其對應的設置閾值，則將所述監測數據及比較的結果發送至預設的移動管理終端。

本發明上述實施例構建了監測網絡。

優選的，所述無線傳感器監測網絡的構建包括傳感器節點的部署和傳感器節點的定位，所述傳感器節點的部署的方法包括：

(1)進行網絡第一次部署，設傳感器節點的監測半徑和通信半徑均為r，將監測區域劃分為重點監測區域和一般監測區域，重點監測區域劃分為正方形網格，傳感器節點部署于正方形網格中心，正方形網格邊長一般監測區域劃分為正六邊形網格，傳感器節點部署于正六邊形中心，正六邊形邊長

(2)進行網絡第二次部署，在傳感器網絡中部署一部分通信能力強的功能節點，設功能節點的通信半徑為4r，在重點監測區域和在一般監測區域分別按照(1)中的方法對功能節點進行部署。

本優選實施例對傳感器網絡的部署，實現了監測區域的無縫覆蓋，保證了全面監測，在重點區域采用正方形網格部署，在一般檢測區域采用正六邊形網格部署，既節約了傳感器數量，又保證了監測效果；增加功能節點，延長了整個傳感器網絡壽命，避免了傳感器節點過早衰竭。

優選的，所述傳感器節點的定位的方法包括：

1)未知傳感器節點將收到的各個參考節點的接收信號的強度指示和參考節點坐標發送到上位機；

2)上位機對接收到的接收信號的強度指示值進行預處理，包括：通過自定義的選取規則選取高概率發生區的接收信號的強度指示值，求取選取的接收信號的強度指示值的平均值作為最終的接收信號的強度指示值；所述自定義的選取規則為：

當未知傳感器節點收到的參考節點的接收信號的強度指示值滿足下述條件時，確定該強度指示值為高概率發生區的接收信號的強度指示值：

其中

式中，RSSI_i為未知傳感器節點收到每個參考節點第i次的接收信號的強度指示值，i∈[1,N]，T_L為設定的臨界值，T_L的取值范圍為[0.4,0.6]；

3)計算未知傳感器節點距離參考節點的距離；

4)計算未知傳感器節點的坐標，設k個參考節點的坐標分別為(x₁,y₁),(x₂,y₂),…,(x_k,y_k),未知傳感器節點到參考節點的距離分別為d₁,d₂,…,d_k，未知傳感器節點X的坐標計算公式為：

X＝(α^Tα)^-1α^Tβ

其中

本優選實施例設計了傳感器節點的定位的方法，提高了傳感器節點的定位精度，從而相對提高了監測的精度。

優選的，所述量子通信網絡的構建包括建立量子信道、確定量子密鑰分發方案；所述建立量子信道，包括以下步驟：

(1)建立量子信道的表述模型，定義輸入量子比特有限集合為I＝{|i₁>,|i₂>,…,|i_N>}，輸出量子比特的有限集合為O＝{|o₁>,|o>,…,|o_N>}的量子信道C為：將|i>∈I送入信道，信道的輸出是由密度算子ρ(|i>)完全決定的量子信息源的輸出；

(2)量子態在量子信道的傳輸過程中，與信道發生關聯，并在接收端全部或部分發生改變，成為新的態，信道中與量子態發生關聯的有非理想設備和噪聲，需對信道進行優化，包括：

令信道矩陣為X，噪聲為Z，則接受態J_k為：

J_k＝(X+Z)T_k，(k＝1,2,…,n)

式中，T_k表示同一測量基下的態矩陣，每列元素表示一個發送態；

用相關系數R₁、R₂分別表示非理想設備和噪聲與量子態的相關情況，通過波動方程理論及熱力學公式建模，得出滿足不同信道情況的具體信道模型；

所述量子密鑰分發方案基于BB84的協議確定，包括以下步驟：

(1)經過激光器、光混合器、衰減器和相位調制器，發送端生成單光子脈沖，以量子偏振態偏振角度作為信息傳輸的地址碼，發送端偏振態角度隨機取0，每個單光子脈沖發送前，發送端向接收端發送時鐘信號。發送端對每個單光子脈沖的偏振態相位進行編碼，發送端相位取0和π組成一組正交歸一基，接收端相位取0與其匹配，發送端相位取和組成另一組正交歸一基，接收端相位取與其匹配；

(2)接收端經過相位調制器、偏振控制器、光分束器、半波片、偏振分束器和單光子探測器接收到光單子脈沖，根據時鐘脈沖信號，對接收量子態進行測量，首先通過兩組不同基下的探測器讀數得出地址碼值，再推出相位信息，之后通過經典信道與發送端進行相位及偏振基比對；

(3)接收端篩選測量信息，拋棄錯誤偏振測量基得出的信息及錯誤相位測量基得出的信息，分別得出初始密鑰。

(4)接收端對對篩選后的測量基計數進行脈沖數比對，如果得到的正確結果的測量基脈沖數小于安全脈沖數門限值，則表明存在竊聽，此時，放棄本次密鑰協商，重新進行步驟(1)到(4)，如果接收端得到的正確結果的測量基脈沖數大于等于門限值，發送端和接收端通過經典信道進行數據協調和密性放大，從而獲得最終密鑰；

其中，安全脈沖門限值采用如下方法確定，

無竊聽時，接收端得到量子比特的正確率

式中，P_r表示正確選擇測量基時準確接收量子態的概率，P_w表示錯誤選擇測量基時準確接收量子態的概率；

存在竊聽時，安全通信門限根據信道情況確定安全門限，當接收端得到正確量子比特概率低于P_m時，存在竊聽。

本優選實施例由于通信設備的非理想性，以及信道中存在噪聲，量子信息在傳輸的過程中會發生改變，通過建立實際信道使得接收端判別通信過程是否安全的標準更為準確；量子偏振態具有相對穩定的固有特性和可區分性，可以在多用戶量子通信中有效地進行用戶的區分；對信道模型中安全門限進行了分析，推得了實際量子通信中判別竊聽的安全門限公式。

優選的，所述無線傳感器監測網絡包括網關、高能簇頭節點、終端節點，所述高能簇頭節點負責監測數據的有效采集，所述網關將采集到信息存儲到嵌入式數據庫中，在需要時將監測數據通過量子通信網絡傳輸到云服務中心；所述高能簇頭節點由簇頭節點、太陽能電池板、蓄電池、功率放大器和多個監測傳感器組成，所述簇頭節點的能量由太陽能電池板和蓄電池結合提供。

本優選實施例設置的簇頭節點的能量由太陽能電池板和蓄電池結合提供，能夠保證簇頭節點的能量提供，節省用電消耗，降低監測成本。

優選的，所述根據監測數據的類型進行數據校準及融合預處理，包括：

(1)將每個傳感器的監測數據通過BP神經網絡進行校準，同時剔除錯誤的數據，獲得更加準確的數據；所述通過BP神經網絡進行校準，包括：

1)構建BP神經網絡，以傳感器的監測值作為BP神經網絡的輸入層，以標準儀器的測量值作為BP神經網絡的輸出層；

2)進行BP神經網絡訓練，具體為：將傳感器的監測值從輸入層經BP神經網絡的隱含層傳向輸出層，如果在輸出層沒有得到期望的輸出值，則沿原通路將誤差返回，并根據誤差函數，采用梯度下降法修正各層神經元的權值和閾值，從而使誤差最小，最終達到期望效果，所述誤差函數定義為：

式中，w_ij為前一輸出層至隱含層的連接權值，x_i為前一輸出層的輸出值，T_i為隱含層的閾值，w_mj為隱含層至后一輸出層的連接權值，T_m為后一輸出層的閾值；

(2)通過自適應加權融合算法對多個傳感器的監測數據進行融合，具體為：根據各傳感器的監測值，以自適應的方式尋找各個傳感器對應的最優加權因子，在滿足總均方誤差最小的情況下，使得融合后的結果達到最優。

本優選實施例的預處理節點根據監測數據的類型進行數據校準及融合預處理，解決了一般傳感器測量的非線性誤差，使監測數據更加準確和可靠。

在此應用場景中，設定T_L的值為0.6，傳感器節點定位的精度提高了9.5％，監測精度提高了10.5％。

最后應當說明的是，以上實施例僅用以說明本發明的技術方案，而非對本發明保護范圍的限制，盡管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實質和范圍。