基于CC3200的大棚温湿度无线控制系统设计_英文_赵成城

在大型区域医院的用电比例上，照明用电一直占有很高的比例，若要有效的管理用电量，那就是一个非常值得探讨的问题了。且不提采用何种照明灯具，当医疗院所的采光设计极佳时，其所需的光照度一定是低于一般照明设备开启时百分之百的亮度，若能有效的侦测太阳光线进入绿建筑医疗院所的可见亮度，再辅以调整室内照明灯具所提供的照明度，以达到一个适合的室内亮度，且需适时的依外部光线来调整室内照明的照度，既可达到充足照明同时符合节能省电的效果，想必是最理想的室内照明组合了。 本参考设计是将CC3200 SimpleLink:trade_mark: Wi-Fi:registered:通讯模块搭配可见光传感器OPT3001所构成的IOT室内光线监控系统，其藉由侦测外部光源信息后将该信息提供给其他云端照明控制系统进行照明控制调节系统做为调整照明系统提供照明亮度的重要依据以达到更人性化的IOT照明功能。 展示板照片 方案方块图 核心技术优势 (1)外部电源供电给LDO TPS7B6933 (2)LDO TPS7B6933再提供电源给WIFI模块CC32000与光侦测器OPT3001 (3)OPT3001将所侦测的光线数据提供给WIFI模块CC32000 (4) CC3200WIFI 模块将光线数据经WIFI传送到云端平台 (5) 使用者可透过云端平台监控区域之照明情况 方案规格 (1)采用TI CC3200 WIFI模块进行光线数据信息传输 (2)外部电源搭配TPS7B6933为模块供电 (3)光线数据可提供给监控系统作为调整照明设备之照度以达到节能之效果 (4) OPT3001为可见光传感器可避免不可见光照度影响室内亮度参考数据 方案来源于大大通。

第4章行人步频探测和步长估计 图4．4步频探测算法流程图 45

第4章行人步频探测和步长估计 高斯噪声，A、B和C为该模型的回归参数，通过有GPS信号情况下的训练过 程求解确定。 其它的线性模型方程与(4．2)类似，其差异仅在加速度统计特征变量的具体选 择上Ⅸappi et al，2001；Lepp蕴koski et al，2002；Shin et al，2005)。 非线性步长模型：因为没有充分理论证明步长与这些统计特征值之间的线性 关系，一些研究者采用了各种非线性模型，如1个参数非线性模型(Fang et al， 2005；Weinberg，2002)： 瓯=K·√k—A嘶。 (4．3) 其中4嗽和以。。分别表示一步内加速度的最大值和最小值，K是模型系数。该模 型因为只有1个参数，统计特征值也不需要通过复杂处理获得，因此很容易在实 时估计算法中实现。 另外一个模型将人行走模式近似为一个倒立的单摆，通过三角关系计算步长 为： 最=￡·√2·[I-COS(ak)] (4．4) 其中ak通过对第k步内小腿旋转角速度积分获得，L是该用户的腿长。其它类似 的非线性公式都通过经验获得，可以参考Kim et al，2004；孙作雷等，2008。 人工智能步长模型：人工智能模型的最大优点是不用关心步长和加速度统计 特征变量之间的具体映射关系。除此之外，这些模型在应用到不同运动模式和地 面情况的场景中更加灵活和适应性强，不像以上介绍的三种模型对地形、运动模 式等的适应性不足。Cho and Park，2006使用一个人工神经网络ANN(Artificial Neural Network)估计步长，其输入包括：步频、每步加速度方差和地形的斜率。 在Beauregard and Haas，2006中，4个参数应用到ANN模型中，每步最大值、 最小值、方差和该步加速度的积分。 Grejner-Brzezinska教授的研究团队在人工智能的步长模型方面做了大量的 研究(G-rejner-Brzezinska et al，2006，2007和2008)。她们开发了一个6个输入 的ANN模型来估计步长，包括步频、该步加速度绝对值、加速度绝对值的方差、 该步高度变化、路面坡度和行人的身高，该模型能使步长的估计误差减小到1 cm 以内。此外，为了解决单个步长模型在运动模式和自然环境变化的情况下可能失 效的问题，她们引入了复杂逻辑理论用于识别行人的运动模式，动态选择不同场 景下最适合的步长估计模型(Moafipoor et al，2008；Moafipoor，2009)。 一旦探测到每个跨步的发生，确定该步的持续时间甄(即步频的倒数 瓯=1／sr。)和估计其步长&，就可以通过以下公式获得当前步行人的速度和距 离： 42

包括CC3200中文手册和CC3200开发板全套资料。

cc3200 sdk 1.1.0 CC3200SDK-1.1.0-windows-installer.exe

第2章基于GPS和自包含传感器的定位技术 B=旯’够 (2．8) 其中屏为第i颗卫星到接收机之间的伪距，见为光波波长，够为信号发射和接 收时的频率差。由于卫星速度可以从自身星历中获知，故观测到四颗及以上卫星 的多普勒频移时，即可解算得到用户的运动速度。 由于定位是通过测量卫星视线范围LOS(Line of Sight)内接收机的信号到 达时间TOA(Time OfArrival)实现的，定位精度受到众多因素的影响，如卫星 轨道误差、电离层延迟、对流层延迟、多路径效应和钟差等。虽然卫星和接收机 钟差可以通过差分GPS(DGPS)等消除(Zogg，2002)，电离层和平流层延迟等 误差可以建模补偿，但是GPS信号在城市峡谷和室内环境中受到反射、吸收、 干扰等影响导致定位精度变化很大，而且无法预测环境影响，只能借助其它方式 辅助导航定位。 2．2基于自包含传感器的相对定位技术 基于自包含传感器的定位技术，其突出优势在于导航定位的自主性和连续 性。自包含传感器包括惯性传感器(加速度计和陀螺仪)、磁罗盘、气压计、倾 斜仪、视觉传感器等。目前在个人导航中常用的是加速度计、陀螺仪、磁罗盘和 气压计，通过航迹推算的方式计算出行人的位置，所以也叫做航迹推算DR(Dead Reckoning)传感器。航迹推算是利用已知的初始位置和姿态，根据航向角和速 度的变化，实时确定运动体位置的定位算法。它是一种相对定位的方法，必须通 过事先输入的绝对位置和姿态才能推算出行人的定位信息。由于本文实现的定位 算法是针对行人水平面二维定位的情况，这里主要讨论二维航迹推算算法，而不 考虑高度的计算。 行人导航存在两种基于自包含传感器的定位技术：基于传统惯性导航机制的 定位技术和基于行人航迹推算PDR(Pedestrian Dead Reckoning)的定位技术。 惯性导航方法普遍用于惯性导航系统INS(Inertial Navigation System)中，这种 方法对于定位对象没有限制，可以是车辆、舰船、飞行器和行人。而后一种算法 利用行人跨步时的运动生理学特性，探测行走时的跨步和估计步长，只能用于行 人导航情况。它们本质上都是航迹推算，区别在于航迹推算所需参数求解方法的 不同。 2。2．1 航迹推算基本原理 19

CC3200 Altium pcb SCH 版本 TI 原厂资料，可以做入门学习用

远程浇水系统 APP远程监测，控制系统（云服务器，CC3200） 文件说明 FlowerManager：安卓应用程序代码。 CC3200的一部分：CC3200相关代码。 SpringBoot的一部分：主要后台代码部分。

该资源基于TI官方的CC3200 SDK开发，使用MQTT协议接入云平台工作，实现传感器的数据采集和控制。