logo资料库

SensorML介绍.docx

发布时间：2022-06-02 发布人：admin 分类：说明书 资料大小：0.15M 资料格式：docx 举报 版权申诉
第1页 / 共8页
第2页 / 共8页
第3页 / 共8页
第4页 / 共8页
第5页 / 共8页
第6页 / 共8页
第7页 / 共8页
第8页 / 共8页
资料共8页，全文预览结束
    SensorML介绍
    SensorML的概念
    SensorML的优势
    电子标准表格
    传感节点、传感系统和过程的发现
    Lineage of Observations
    按需观测
    支持SWE其他服务
    支持即插即用
    提供压缩机制
    SensorML的发展
    进程
    语义网络的支持
    SensorML目的
    概述
    传感(系统)发现
    观测数据保存
    标准
    Sensor的重要性
    压缩数据
    软件支持
    对SWE支持
    SensorML是实现自动化及智能化sensor web的关键。
    SensorML组件
    Component
    System
    Process Model
    Process Chain
    Process Method
    Detector
    Sensor
    SensorML的设计前提及标准
    传感器的基本定义
    SensorML实现方式
    Sensor aggregation
    观测
    传感器响应特征
    采样及收集
    SensorML编码标准
    SensorML建模流程
    SensorML 介绍 SensorML 的概念 SensorML 提供标准模型和基于 XML 编码以描述传感器和观测过程(processes)。 其中观测过程可以包括 sensor 观测的过程和对上层生成(观测)信息的过程。在 SensorML 中，过程是可以被发现和执行的。所有的过程都需要定义 inputs, outputs, parameters, 和 method(后面会讲到)，以及相关的 metadata。Sensor 用于对 detectors 和作为过程(processes)的传感器(体现从物理世界转换数据 的过程)建模。 SensorML 的优势 电子标准表格 SensorML 可以用来在传感部件和传感系统中提供电子标准表格 传感节点、传感系统和过程的发现 SensorML 可以用来使传感器系统或过程被描述和发现(maybe 检索)。SensorML 提供了丰富的 metadata，这些 metadata 可以被用来发现(挖掘)传感系统和观测 过程。这些 metadata 包括：ID、分类、限制条件(time, legal, and security)、 服务能力、characteristics、contacts 和参考(系)。另外可能还会有输入、输 出、参数、系统定位(location)等。 Lineage of Observations SensorML 提供完整的、无二义性的关于 lineage of an observation.的描述。 也就是说，SensorML 可以描述(观测)过程的细节，其中观测可由几个 detectors 或者甚至由数据分析获得。 其不仅能够提供可靠的单一观测过程描述，其实在大多数情况下，process 的一 部分(或全部)是不断重复的、随时修改的或者在某已知条件下(signature source)的仿真。 按需观测 作为地理定位或为高层 process 提供观测服务的 Process chains 是可以用 SensorML 描述的，当然也可以在 web 上进行检索和发布，也可以在即使不知道 传感或过程的特性的情况下 按需执行。 这本来是 SensorML 最原始的目的，SensorML 也支持处理在 sensor chain(包括 传感器、数据中心、个人 PDA 等)内部的节点。即在此过程中，SensorML 可以处 理异种传感器，而无需其他软件实体。
    支持 SWE 其他服务 SensorML 关于 sensor systems 和仿真的描述文档可以被其他 SWE 的服务处理 (SOS/SPS/SAS)。SensorML 的定义基于 SWE 的通用数据定义。 支持即插即用 SensorML 支持即插即用的传感部署和仿真及过程。这课无缝地接入决策支持系 统。由 SensorML 描述的传感器及 process 的自描述特性也可支持自动配置 (auto-configuring)的 WSN 和自动控制的 WSN(如某节点可以广播警报条件、任 务，其他节点可以订阅广播等) 的开发。 提供压缩机制 SensorML 提供了压缩冗余参数和的机制。所以系统内的观测可以重新被处理 使用(即使此系统不再服务了，其他系统也可用)。这对长期性的项目(如地球气 候变化的观测)很有价值. SensorML 的发展 1998 年，在 Committee for Earth Observing Satellites (CEOS)赞助下，Dr. Mike Botts 开始开发基于 XML 的传感器建模语言，用以描述动态的远程控制传感器的 几何、动态和辐射等属性。初始的开发是在 NASA AIST 项目下进行的。在 2000 年，SensorML 被吸纳进 OGC 组织，并作为 SWE 建立的催化剂。SensorML 的进一 步发展融合了 OGC 的其他标准。 SensorML 的进一步的开发得到了 US Environmental Protection Agency (EPA) the US National GeoSpatial-Intelligence Agency (NGA) the US Joint Interoperability Test Command (JITC) the US Defense Information Systems Agency (DISA) SAIC General Dynamics Northrop Grumman SEICORP Oak Ridge National Labs NASA 的支持。
    进程 在 2007 年 6 月 23 日，SensorML 成为 OGC 的技术标准。UAH 和其他 sensor 技术 社区组织继续建立 Process Models, Process Chains,文档、软件系统等支持 SensorML。SensorML 在社区中经过了严格的考虑和测试。 语义网络的支持 SensorML 使用 XML 编码。SensorML 的模型和编码格式遵循 Semantic Web 的 Object-Association-Object 的概念。所以 SensorML 模型可以很方便的在 Semantic Web 编码。另外，SensorML 广泛利用软类型(soft-typing)，且在参数 定义中连接网络字典。 注：在软类型化系统中，像强制转型这样的运算在某些环境中可以被成功验证， 但并不禁止未经验证的强制转型。 SensorML 目的 概述 如今，sensor在已经作为基础性的设施出现在我们的日常生活中。其同时也在环 境、智能、应急管理、社区保安等领域发挥着重要作用。现在的主要问题是，异 构的网络及分散的传感器。 传感(系统)发现 这些传感器很少能够方便地发现、获取(观测数据)，因为其大多处在纵向的系统 当中。即使某些系统的(sensor)互操作性在某种程度上已经得到解决，其通常会 做成一个难于扩展的、turnkey(意思是把顾客所需要的东西“全部”提供给他们， 也可以理解为客户在投入资金后立即得到产出)系统，这种系统维护和扩展都会 耗费大量的资源。SensorML提供了通用的框架，用以描述任何传感系统及其处理 流程(processing). 观测数据保存 长期大地观测及其数据处理技术演进，越来越要求保存底层的传感数据和信息， 以保证重新处理数据。在现有系统中，这些信息和数据科在较长的时间后可能会 遗失。SensorML能够部分解决这个问题，因为其能根据定位和处理方式存储实时 数据及压缩的观测数据。 通常，客户端并不知道在特定的应用中某些公共或私有的传感系统的可用性。尤 其是在灾难预防和救助过程中，发现并获取相关区域的相关传感系统的观测数据 是相当关键的。 标准 SensorML提供了传感器和其他相关平台发布、检索服务能力、属性的标准方法。 SensorML也提供了无需先验知识即可获取定位、处理传感器信息的能力。 web-based sensor提供了快速获取环境信息的能力。sensor的流数据(信息)，在 标准的格式(编码)下，促进了(数据的)融合、分析和各式各样的数据“视图”的 创建(对终端用户来说意义重大，且避免重复获取不合适的数据)。这是很有意义 的改进，因为其缩短了观测到决策之间的时间。在重大的如应急联动、警报系统、
    预警系统等事件中，时间上的节省意义重大。 在日常的决策系统中，SensorML也能起到作用。这类开发引领融合的、分布式的、 监控、分发系统的实现，此类实现应用于政府、科研机构、商业机构以及公共服 务，这类决策系统是基于高质量、接近于实时的数据及信息。而且，近来的研究 和开发工作证明了sensor的按需定位的重要性：  远程传感数据的数据量大大压缩，大容量数据的预处理(如像素级的与经 纬度的映射)可由on-demand方式替换掉。  传感数据的数据融合及分析的能力提高。  更容易的修正终端设备引起的定位错误，并及时向系统域内通报的能力  The ability to take advantage of several adaptive methods in computer graphics for improving interactivity within visualization tools;  提升了时空数据搜索、检索的能力，而不需请求或者存储大量数据集。 SensorML支持描述观测测量和派生的过程，所以也可以提供传感观测的模拟数据。 因为都在使用的相同的框架，SensorML也有提供给高层信息可执行过程链的能力。 例如，将联机的远程传感器定位观测或按需(on-demand)的原始数据的过程处理 成为有意义的数据。 传统的系统中，底层传感器数据的定位及处理需要系统含有支持写处理或应用的 软件标准。标准的建模语言应建立在描述平台(位置、角度及仪器形态及动态等 的)属性。这样，开发时就可进行多种目标的融合开发。这些软件最终会提供简 单但是唯一的API给应用开发者将sensor信息与其他信息融合。 SensorML 的目标之一便是使软件库的开发者对于 sensor 可以解析出其角度、位 置等信息。另外，建立了一套在传感系统中存储和传输 sensor 的定位及角度信 息的标准，保证了此格式也可被 API 进行维护、可访问、可知。 Sensor 的重要性 压缩数据 长期数据储存及缩短时间 软件支持 略 对 SWE 支持 SWE框架的设计为sensor web提供了重要的贡献。SensorML是SWE中的重要的组成 部分，但是可以脱离SWE独立使用在其他sensor系统中。就像HTTP/HTML允许各种 类型的数据在WWW上传播一样，SWE也着眼于开发发现、交换甚至规划各种类型的 传感数据的方法。 SWE的目标如下：  发现符合要求的传感器及其传感观测  获取传感器服务能力信息及观测质量信息  使得软件可以自动地获取传感器信息及观测信息(及相应的process)
     实时(或者隔一段时间)检索的能力(涉及到相应的编码标准)  规划以获得所需数据(或观测策略等)  发布订阅及以此基础上延伸出来的警报服务 SensorML 是实现自动化及智能化 sensor web 的关键。  其提供了发现传感器包括传感能力、位置、规划能力等所需的信息。其也 通过 SensorML-aware 软件提供了对实时观测的定位、联机的手段。  其描述了接口和可规划参数，可用于 sensor 规划服务  其提供了对传感系统中 sensor 描述携带警报信息的支持  智能传感器可实现 SensorML 描述， SensorML 组件 Component 物理意义上的原子过程，从一种信息模式转化为另一种(不就是 Transducer 的定 义…)。例如，传感器将环境数据转化成数字化的数据。如 detector、actuator、 物理过滤器等都是 Component。 System 一组 Component 或是子 system 组成的(物理意义上的)模型。System 与一个物理 世界的 process 对应，所以 System 可以提供额外的关于其 components 和通信接 口的定义。 Process Model 定义：原子性的非物理处理模块。常用作更复杂的 process chain 中。其与 Process Method(定义处理接口和模型执行方式)相关。并且精确地定义其自身的 I/O 和参数。一个 Component 被认为是 Process Model 的真实世界的相等物。 Process Chain 定义：各个相连的 processes 或子 process chain 的组合。process chain 也包 含可能的数据源和子部件之间的连接。与 process model 一样，其也精确的定义 了其自身的 I/O 和参数。 Process Method 定义 Process Model 的操作和接口。可以在库中存储，不同的 Process Model 实例可以共用一份 Process Method(用 xlink 机制就行)。其本质是定义了 Process Model 的接口及算法 and can point the user to existing implementations. Detector 定义：Process Model 配置中用以描述观测系统中的原子性的组件的采样、相应 特性的简单的检查设备。detector 只有一个输入和一个输出，并且都是数量单 位的数据。复杂的 sensor 则应是此种 detector 组成(当然可以组成 sensor 或 system)。SensorML 中，detector 就是 Process Model 的一个实例特例。
    Sensor 指的是完整的传感器(系统)。 SensorML 的设计前提及标准 传感器的基本定义 sensor是测量物理数量的仪器。一次sensor测量可通过对输入的phenomenon 的采样观测被描述成一个过程(process)这个phenomenon的部分属性的部分测量 结果就可作为sensor的输出。观测值由sensor的采样、响应参数及采样/监测方 式决定。通常，原始数据被硬件处理或者通过软件处理，生成上层可用的信息。 SensorML模型不会涉及观测的从何处开始/结束，这部分只要由observation这个 过程简单的决定。 目前，有种类众多的传感器，如简单的摄像头到复杂的电子望远镜，甚至地 球同步轨道卫星板载的辐射计等。在某些情况下，感知的工作可能由人来完成(而 并不是仪器)，并且观测数据的结果的领域很宽广。典型的，sensor分为两种。 in-situ传感器实时观测周围环境的介质的物理属性。而远程(remote)传感器观 测(感兴趣的)性质的物理属性，这一般是远程进行的，通常是观测目标物体的辐 射反射或者释放。 无论怎样，SensorML schema 中描述的几何属性在 sensor 的本地坐标系中定 义，且与本地地理域相关。例如，为了完整的描述风力测量器的风速与风向测量， sensor 需要被安装在如建筑的屋顶一样的高处。 SensorML 实现方式 有三种实现SensorML的方式。 第一种，先对一个sensor system进行一个描述，且认为这个描述的有效期很长。 全部的参数或其他数据都作为此system的process chain的潜在输入。这种方式 支持实时或压缩的观测，最好的提供了按需发现、处理数据的灵活性 第二种，在某个特定的时间段内，定义一个 sensor system 的描述。例如，数据 提供者可能会提供扫描仪生成的卫星图像。而 system 描述作为 metadata 的一部 分，提供了用户定位或其他操作影像数据的能力。 第三种，将现有的 SensorML 文档作为获取将来数据的参考。这就是说，用户可 以发布使用 SensorML process chain 描述的算法，通过特定的传感器进行大地 观测、派生出海平面温度或者海藻浓度等。 将此种拖拽形式的可执行 process 应用于任何(相适应的)观测数据，可使按需生 成上层信息变得简单，同时也可在算法内进行参数优化。另外，用户可以只简单 的提供一个 process chain 用于定位远程观测，而无需重复描述。 Sensor aggregation Detectors就是一个简单的(实际的或者虚拟的)设备，以一个信号作为输入而生 成一个或多个输出。其基于简单的模型，将输入值映射到输出值(可能会考虑参
    数)。有另外一种简单的过程(有可能是软件的或是硬件的)。这种设备应是设计 完善且支持通用软件模型的校准曲线及查询表的。在SensorML中，原子性的 process被定义成process model(请参见术语表)。原子性是指，纯粹的处理 (process)，作为类似于物理意义上的component(请参见术语表)，而不包含连接 其他时空域， Sensors 多数情况下是由一些这样的 process 组成的，用来(串行或并行)组成 process chain(参见术语表)，用以进行输入输出结果映射。有的 process chain 可以被设计成获取输入，通过串行独立的 process，生成输出值。在 SensorML 中，如果这个组合不包含物理实体(而是纯 process 组成)，这种组合的 process 可作为 process chain。 对于大多数的传感器而言，需要将其与一定的(物理意义上的)时空域相连，使其 有一定的相关性。SensorML 中，与物理世界时空域相连的组合的 process，可作 为 system。所以，System 定义了很多与时空域或者地理空间域相关的传感器。 SensorML 中的 Process chains 和 Systems 是作为组合(样式)而出现的，但是其 实如 process chain 也可作为一个 process，而 system 其实也可以是更大的 system 的 subsystem。 观测 传感器的目标是在给定的采样空间观测特定的属性。当此测量进行时，结果可被 及时的应用或者储存。在最低层级，这个观测是典型的对某些属性的间接观测而 不是直接的物理观测。例如，一个观测可以是水银柱的高度或者是电路的电压。 为了使这些观测与物理属性更好的连接起来，新的观测将会从已知的sensor校 准函数与处理算法中派生。SensorML允许描述观测的任何层级(前提是观测描述 的创建者希望显示到这一级别)。例如，用户可指定sensor测量原始电压数据， 提供校准描述，这样其他的数量测量也可进行转换。而sensor描述面向的是环境 温度，此时可选是否应用此种校准。 SensorML 文档会描述 sensor 观测了何种物理属性，且会描述相关的信息及属性 和观测的质量。另外，SensorML 文档可能会通过一个或多个数据提供类型提供 或链接这些观测的数据值。但是，SensorML 不会包含观测的特定值。 传感器响应特征 传感器的响应特征决定了其对特定刺激的反应方式和其在给定环境条件下的应 激操作。在响应特征中，应在敏感度、精度及环境条件(影响)几个方面规划标准。 大部分的sensor响应特征可以用通用响应模型定义(如detector model…)但是， 可能会有特殊的传感器需要对其自身的特殊参数进行全面描述。这可以通过通用 模型的派生来解决。 采样及收集 传感器在规定的时空域的样本中测量某属性。以 in-situ 传感器举例，其就是在 实时的，空间域是附近的样本中工作(空间容量比较小)。这个容量可能极小或这
    不可知、不重要什么的。对于 remote 传感器来说，样本涉及到容量或表面区域(的 大小)。 样本的集合区域可能也和坐标系有关。当然，如remote sensor，在其SensorML 中的几何描述确是与local的坐标系而不是全局的坐标系相关。这样允许相同的 传感器模型用在各种平台上，而无需大改。在这种情况下，独立的样本空间内， 传感器的size、shape等信息是在其local坐标系内确定的。 样本的坐标系可与某传感器的坐标系进行转换以相关联(简单转换或者复杂的如 矩阵的转换)。 (Possible transformations for sample collections include unstructured grids, regular arrays, scanners, frame cameras, and mathematical functions.简单的转换方式) SensorML 编码标准 具体需要用的时候参考其对应的 schema 基本就可以了。具体的描述见 SensorML 标准文 档中 SensorML Conceptual Models 一章。其组件介绍请参见本文的 SensorML 组件一节。 SensorML 建模流程 这是应用 SensorML 进行建模的流程(是《基于 SWE 的传感器 WEB 信息建模研究》这篇 论文中提出的，并没有一个 SWE 官方的流程)我觉得这个可以算我现在读的文章中比较 详尽的流程图了。这个流程图体现了 SensorML 的两种方式(物理和纯处理)的建模方式的 异同，按照文章说法，基本上按照此方法可以实现 SensorML 的目标。
    分享到：
    赞 收藏

    相关推荐

    资料库

    行业

    共收录7266份资料，累计15个分类，关注成员有19位，主要包括：物流,旅游,餐饮零售,网络游戏,咨询,金融,电子政务,外包,教育,制造,医疗,嵌入式,互联网,交通,电信

    热门标签

    物流 旅游 餐饮零售 网络游戏 咨询 金融 电子政务 外包 教育 制造 医疗 嵌入式 互联网 交通 电信

    最新资料