基于LoRa的河流流速测量系统与方法

研究了一种河道单侧多LoRa基站的无线浮标计数测流速方法,LoRa模块能实现毫秒级计时,测量精度能够达到分米级,对河水流速能够实现实时稳定监控。在通过电信号强度计算浮标的位置坐标时,采用差分和多次测量求均值和方差的方法能够较大限度的提高计算精度。利用电波在自由空间的传波损耗与距离的关系,以及三点定位法,能够计算出浮标的位置,并最终可得到其运动轨迹。本文能实现无线、高效、高精度的河水流速测量,节省了人力物力并且对野外复杂环境和恶劣天气的适应性更强,从而使河水流速测量更高效便捷。

基于局部密度的快速离群点检测算法

已有的密度离群点检测算法LOF不能适应数据分布异常情况离群点检测,INFLO算法虽引入反向k近邻点集有效地解决了数据分布异常情况的离群点检测问题,但存在需要对所有数据点不加区分地分析其k近邻和反向k近邻点集导致的效率降低问题。针对该问题,提出局部密度离群点检测算法——LDBO,引入强k近邻点和弱k近邻点概念,通过分析邻近数据点的离群相关性,对数据点区别对待;并提出数据点离群性预判断策略,尽可能避免不必要的反向k近邻分析,有效提高数据分布异常情况离群点检测算法的效率。理论分析和实验结果表明,LDBO算法效率优于INFLO,算法是有效可行的。