技術(shù)特征：

1.一種基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)，其特征在于，所述基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)包括：

多通道脈沖水處理裝置，用于收集脈沖水的數(shù)據(jù)信號(hào)；所述多通道脈沖水處理裝置通過(guò)內(nèi)置的圖像處理模塊進(jìn)行建立圖像的顯著性模型，來(lái)判定水處理的質(zhì)量信息；所述建立圖像的顯著性模型包括：

利用預(yù)定過(guò)分割算法對(duì)所述圖像進(jìn)行過(guò)分割，得到至少一個(gè)區(qū)域，同一個(gè)所述區(qū)域中各個(gè)像素點(diǎn)的顏色值相同；

確定每個(gè)所述區(qū)域的顏色值和質(zhì)心；

根據(jù)各個(gè)區(qū)域所對(duì)應(yīng)的顏色值以及各個(gè)區(qū)域的質(zhì)心，建立所述顯著性模型；

所述顯著性模型為：

其中，S_i1為區(qū)域R_i中任一像素點(diǎn)的顯著性值，w(R_j)為區(qū)域R_j中的像素點(diǎn)的個(gè)數(shù)，D_S(R_i,R_j)用于表征所述區(qū)域R_i和所述區(qū)域R_j之間空間位置差異的度量值，D_C(R_i,R_j)用于表征所述區(qū)域R_i和所述區(qū)域R_j之間顏色差異的度量值，N為對(duì)所述圖像進(jìn)行過(guò)分割后得到的區(qū)域的總個(gè)數(shù)，D_S(R_i,R_j)為：Center(R_i)為所述區(qū)域R_i的質(zhì)心，Center(R_j)為所述區(qū)域R_j的質(zhì)心，當(dāng)所述圖像中各個(gè)像素點(diǎn)的坐標(biāo)均歸一化到[0,1]時(shí)；

或按照各個(gè)像素點(diǎn)的顏色值，對(duì)所述圖像中各個(gè)像素點(diǎn)進(jìn)行歸類(lèi)，將相同顏色值的像素點(diǎn)歸類(lèi)為同一種顏色類(lèi)型；

根據(jù)每種顏色類(lèi)型的顏色值，建立所述顯著性模型；

所述多通道脈沖水處理裝置用歸一化混合矩陣列向量估計(jì)時(shí)頻域跳頻源信號(hào)，具體步驟如下：

第一步，對(duì)所有采樣時(shí)刻索引p判斷該時(shí)刻索引屬于哪一跳，具體方法為：如果則表示時(shí)刻p屬于第l跳；如果則表示時(shí)刻p屬于第1跳，其中的第l個(gè)頻率跳變時(shí)刻的估計(jì)；

第二步，對(duì)第l(l＝1,2,…)跳的所有時(shí)刻p_l，估計(jì)該跳各跳頻源信號(hào)的時(shí)頻域數(shù)據(jù)，計(jì)算公式如下：

$\left\{\begin{array}{c}{\tilde{S}}_j(p_l,q)=\frac{1}{\left|\right|{\hat{a}}_j\left(l\right)|{|}^2}\·{\hat{a}}_j^H\left(l\right)\×\left[\begin{array}{c}{\tilde{X}}_1(p_l,q)\\ {\tilde{X}}_2(p_l,q)\\ .\\ .\\ .\\ {\tilde{X}}_M(p_l,q)\end{array}\right]\\ j=\underset{j_0=1:\hat{N}}{\arg \max }\left(\right|{\[{\tilde{X}}_1(p_l,q),{\tilde{X}}_2(p_l,q),\mathrm{...},{\tilde{X}}_M(p_l,q)\]}^H\×{\hat{a}}_{j_0}\left(l\right)\left|\right)\\ {\tilde{S}}_m(p_l,q)=0,m=1,2,\mathrm{...},M,m\≠j\\ q=0,1,2,\mathrm{...},N_{fft}-1\end{array}\right.;$

單片機(jī)分系統(tǒng)，與多通道脈沖水處理裝置有線連接，用于接收多通道脈沖水處理裝置收集的脈沖水?dāng)?shù)據(jù)信號(hào)，并進(jìn)行處理；

所述單片機(jī)分系統(tǒng)的小波包去噪和小波包分解與重構(gòu)包括：(1)信號(hào)延拓，對(duì)小波包分解的各層信號(hào)進(jìn)行拋物線延拓；(2)設(shè)信號(hào)數(shù)據(jù)為x(a),x(a+1),x(a+2)，則延拓算子E的表達(dá)式為：(3)消去單子帶多余頻率成分：將延拓后的信號(hào)與分解低通濾波器h₀卷積，得到低頻系數(shù)，然后經(jīng)過(guò)HF-cut-IF算子處理，去掉多余的頻率成分，再進(jìn)行下采樣，得到下一層的低頻系數(shù)；將延拓后的信號(hào)與分解高通濾波器g₀卷積，得到高頻系數(shù)，然后經(jīng)過(guò)LF-cut-IF算子處理，去掉多余的頻率成分，再進(jìn)行下采樣，得到下一層高頻系數(shù)，HF-cut-IF算子采用LF-cut-IF算子采用，在HF-cut-IF算子公和LF-cut-IF算子公式中，x(n)為在2^j尺度上小波包的系數(shù)，N_j表示在2^j尺度上數(shù)據(jù)的長(zhǎng)度，k＝0，1，…，N_j-1；n＝0，1，…，N_j-1；

主控制系統(tǒng)，與單片機(jī)分系統(tǒng)有線連接，用于接收單片機(jī)分系統(tǒng)處理的信號(hào)，并通過(guò)互聯(lián)網(wǎng)發(fā)送至服務(wù)器；

服務(wù)器，通過(guò)互聯(lián)網(wǎng)與主控制系統(tǒng)連接，用于接收主控制系統(tǒng)的信號(hào)，并進(jìn)行存儲(chǔ)，通過(guò)網(wǎng)線或4G網(wǎng)絡(luò)發(fā)送至云計(jì)算中心、移動(dòng)終端；

所述服務(wù)器的無(wú)線傳感器網(wǎng)絡(luò)中安全數(shù)據(jù)檢索方法包括以下步驟：

步驟一，傳感器S_i完成一個(gè)周期的數(shù)據(jù)采集，采集的數(shù)據(jù)為(i，t，{d₁，d₂，…，d_n})，其中i為傳感器號(hào)，t為周期號(hào)；S_i首先采用AES對(duì)數(shù)據(jù){d₁，d₂，…，d_n}進(jìn)行加密，生成加密數(shù)據(jù){(d₁)_K，(d₂)_K，…，(d_n)_K}，其中K為數(shù)據(jù)加密密鑰；

步驟二，S_i為每一個(gè)數(shù)據(jù)構(gòu)建一個(gè)不可區(qū)分布魯姆過(guò)濾器，且每一個(gè)不可區(qū)分布魯姆過(guò)濾器分配一個(gè)唯一的ID號(hào)，對(duì)數(shù)據(jù)d_j，S_i構(gòu)建一個(gè)分配ID號(hào)為i_j的不可區(qū)分布魯姆過(guò)濾器B_ij；

步驟三，S_i將加密數(shù)據(jù)、對(duì)應(yīng)的不可區(qū)分布魯姆過(guò)濾器以及其ID號(hào)上傳到存儲(chǔ)節(jié)點(diǎn)，上傳的數(shù)據(jù)形式為：{(i₁，B_i1，(d₁)_K)，(i₂，B_i2(d₂)_K)，…，(i_n，B_in，(d_n)_K)}；

所述服務(wù)器發(fā)送數(shù)據(jù)具體包括：

第一步，按照下式，計(jì)算中間節(jié)點(diǎn)S₁,S₂,L,S_i,L,S_n到目的節(jié)點(diǎn)Sink的距離d_iSink，以及源節(jié)點(diǎn)N到目的節(jié)點(diǎn)Sink的距離d_NSink：

$d_{iSink}=\sqrt{{(x_i-x_{Sink})}^2+{(y_i-y_{Sink})}^2};$

$d_{NSink}=\sqrt{{(x_N-x_{Sink})}^2+{(y_N-y_{Sink})}^2};$

其中(x_i,y_i)為中間節(jié)點(diǎn)S₁,S₂,L,S_i,L,S_n的坐標(biāo)，(x_N,y_N)為源節(jié)點(diǎn)N的坐標(biāo)，(x_Sink,y_Sink)為目的節(jié)點(diǎn)Sink的坐標(biāo)；

第二步，源節(jié)點(diǎn)N選擇在其傳輸范圍內(nèi)，且到目的節(jié)點(diǎn)的距離d_iSink比源節(jié)點(diǎn)N到目的節(jié)點(diǎn)Sink的距離d_NSink更近的所有中間節(jié)點(diǎn)作為鄰居節(jié)點(diǎn)；

第三步，在所有鄰居節(jié)點(diǎn)中，源節(jié)點(diǎn)N根據(jù)路由算法公式選出下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)，公式如下：

$M=\frac{\mathrm{\α}D}{\mathrm{\β}E+\mathrm{\γ}S};$

其中，M表示節(jié)點(diǎn)的綜合值；D表示鄰居節(jié)點(diǎn)到目的節(jié)點(diǎn)Sink的距離；E表示節(jié)點(diǎn)的剩余能量，等于節(jié)點(diǎn)的初始能量減去每次接收和轉(zhuǎn)發(fā)數(shù)據(jù)所消耗的能量；S表示節(jié)點(diǎn)的安全度，所有節(jié)點(diǎn)預(yù)設(shè)相同初始值，當(dāng)目的節(jié)點(diǎn)Sink接收到的數(shù)據(jù)與源節(jié)點(diǎn)N發(fā)送的數(shù)據(jù)不一致時(shí)，則將本次數(shù)據(jù)傳輸路徑中所有節(jié)點(diǎn)的安全度降為當(dāng)前值的二分之一；α，β，γ為常數(shù)；依次計(jì)算每個(gè)鄰居節(jié)點(diǎn)的M值，將其中M值最小的鄰居節(jié)點(diǎn)作為下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)，即到目的節(jié)點(diǎn)Sink的距離最短，剩余能量最多且安全度最大的鄰居節(jié)點(diǎn)；

第四步，源節(jié)點(diǎn)N將含水印數(shù)據(jù)序列wdata發(fā)送給選出的下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)；

第五步，下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)接收到含水印數(shù)據(jù)序列wdata，重復(fù)第一步到第四步，繼續(xù)選出后續(xù)轉(zhuǎn)發(fā)節(jié)點(diǎn)并轉(zhuǎn)發(fā)含水印數(shù)據(jù)序列wdata，直至將含水印數(shù)據(jù)序列wdata傳送到目的節(jié)點(diǎn)Sink；

云計(jì)算中心，通過(guò)網(wǎng)絡(luò)與服務(wù)器連接，用于對(duì)服務(wù)器的數(shù)據(jù)進(jìn)行計(jì)算，實(shí)現(xiàn)與以往數(shù)據(jù)對(duì)比，形成表格或曲線圖，返回服務(wù)器進(jìn)行存儲(chǔ)并顯示；

移動(dòng)終端，通過(guò)4G網(wǎng)絡(luò)與服務(wù)器連接，實(shí)現(xiàn)對(duì)服務(wù)器的遠(yuǎn)程控制，達(dá)到遠(yuǎn)程接收數(shù)據(jù)。

2.如權(quán)利要求1所述的基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)，其特征在于，所述無(wú)線傳感器的簇的建立階段，簇首節(jié)點(diǎn)產(chǎn)生后，主動(dòng)向網(wǎng)絡(luò)中所有節(jié)點(diǎn)廣播這一消息；未被選擇作為簇首的傳感器節(jié)點(diǎn)選擇最優(yōu)簇首，并發(fā)送加入該簇的請(qǐng)求信息；簇首收到請(qǐng)求后，將節(jié)點(diǎn)設(shè)置為簇內(nèi)成員；簇形成后，簇首通過(guò)廣播方式告知為簇內(nèi)每一個(gè)節(jié)點(diǎn)分配一個(gè)TDMA通信時(shí)隙；只有在屬于自己的時(shí)隙內(nèi)，成員節(jié)點(diǎn)才向簇首節(jié)點(diǎn)發(fā)送數(shù)據(jù)。

3.如權(quán)利要求2所述的基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)，其特征在于，成員節(jié)點(diǎn)向簇首節(jié)點(diǎn)發(fā)送數(shù)據(jù)，具體包括：

(1)在每一輪中選舉PN個(gè)簇頭節(jié)點(diǎn)，其中P為優(yōu)化簇頭比例，也是加權(quán)概率；每一個(gè)節(jié)點(diǎn)由下面的概率門(mén)限來(lái)決定是否成為簇頭節(jié)點(diǎn)：

$T\left(n_i\right)=\left\{\begin{array}{c}\frac{P_{opt}}{1-P_{opt}\[r\mathrm{mod}(1/P_{opt})\]},\∀n_i\∈G\\ 0,\∀n_i\∉G\end{array}\right.;$

其中，r為當(dāng)前的輪數(shù)，G為在最近輪中沒(méi)有成為簇頭的節(jié)點(diǎn)集合；每個(gè)節(jié)點(diǎn)都有機(jī)會(huì)輪流成為消耗能量較多的簇頭節(jié)點(diǎn)；

E₀表示普通節(jié)點(diǎn)的初始能量，a₁,a₂,...,a_n分別表示n種特殊節(jié)點(diǎn)所占的比例，b₁,b₂,...,b_n分別表示特殊節(jié)點(diǎn)初始能量超過(guò)普通節(jié)點(diǎn)初始能量的倍數(shù)；

a₁N,a₂N,...,a_nN個(gè)特殊節(jié)點(diǎn)的初始能量分別為E₀(1+b₁),E₀(1+b₂),...,E₀(1+b_n)，剩下的(1-a₁-a₂,...-a_n)N個(gè)普通節(jié)點(diǎn)的初始能量為E₀(1+b_n)；

多級(jí)異構(gòu)網(wǎng)絡(luò)總的初始能量為：

$\begin{array}{c}{E}_{total}=E_0(1+b_1)a_{1}N+E_0(1+b_2)a_{2}N+\mathrm{...}+E_0(1+b_n)a_{n}N\\ +E_0(1-a_1-a_2-\mathrm{...}-a_n)N\\ =E_{0}N(1+a_1{b}_1+a_2{b}_2+\mathrm{...}+a_n{b}_n)\\ =E_{0}N(1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i{b}_i)\end{array};$

N個(gè)傳感器節(jié)點(diǎn)隨機(jī)均勻分布在一個(gè)半徑為A的圓形區(qū)域，sink節(jié)點(diǎn)位于區(qū)域中間，每一輪向簇頭發(fā)送數(shù)據(jù)的過(guò)程中所耗的總能量為：

$E_{round}=k(2{\mathrm{NE}}_{elec}+{\mathrm{NE}}_{DA}+{\mathrm{l\ϵ}}_{amp}{d^4}_{\sin k}+{\mathrm{N\ϵ}}_{fs}{{\stackrel{\‾}{d}}_{CH}}^2)$

其中，l為簇頭數(shù)，E_elec表示運(yùn)行傳輸電路或者接收電路時(shí)每比特?cái)?shù)據(jù)所消耗的能量，E_DA為簇頭執(zhí)行數(shù)據(jù)融合的代價(jià)，為簇頭到sink節(jié)點(diǎn)的平均距離，為簇成員節(jié)點(diǎn)到簇頭節(jié)點(diǎn)的平均距離，ε_ampd⁴_sink和為放大器消耗的能量：

計(jì)算得到

對(duì)E_round關(guān)于l求偏導(dǎo)，并令該偏導(dǎo)數(shù)為0，則最優(yōu)的簇頭數(shù)為：

$l_{opt}=\sqrt{\frac{N}{2}}\sqrt{\frac{{\mathrm{\ϵ}}_{fs}}{{\mathrm{\ϵ}}_{amp}}}\frac{A}{{d^2}_{\sin k}};$

得到網(wǎng)絡(luò)在每一輪消耗的能量總數(shù)E_round；同時(shí)，

網(wǎng)絡(luò)的初始總能量E_total已知，R_total為網(wǎng)絡(luò)生命周期的估計(jì)值，也可得到：

R_tatal＝E_total/E_round；

對(duì)這n+1種節(jié)點(diǎn)按照其初始能量取不同的加權(quán)概率P_i：

$P_1=\frac{1+b_1}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i{b}_i},P_2=\frac{1+b_2}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i{b}_i},\mathrm{...},P_n=\frac{1+b_n}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i{b}_i},P_0=\frac{1}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i{b}_i},$

(2)節(jié)點(diǎn)i在第r輪的當(dāng)前能量E_i(r)來(lái)選取其簇頭輪轉(zhuǎn)周期T_i，表示網(wǎng)絡(luò)在第r輪的平均能量，以作為參考能量與節(jié)點(diǎn)的當(dāng)前能量E_i(r)作比較，得到：

$H_i\left(r\right)=P_{opt}\frac{E_i\left(r\right)}{\stackrel{\‾}{E}\left(r\right)}{P}_i;$

其中，P_opt為優(yōu)化簇頭比例；

第r輪后網(wǎng)絡(luò)每個(gè)節(jié)點(diǎn)的平均能量為：

$\stackrel{\‾}{E}\left(r\right)=\frac{E_{total}}{N}(1-\frac{r}{R_{total}});$

代入計(jì)算得到加權(quán)概率H_i(r)；

$H_1\left(r\right)=P_{opt}\frac{E_1\left(r\right)}{\stackrel{\‾}{E}\left(r\right)}\frac{1+b_1}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i{b}_i},H_2\left(r\right)=P_{opt}\frac{E_2\left(r\right)}{\stackrel{\‾}{E}\left(r\right)}\frac{1+b_2}{1+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{a}_i{b}_i},\mathrm{...},$

$H_n\left(r\right)=P_{opt}\frac{E_n\left(r\right)}{\stackrel{\‾}{E}\left(r\right)}\frac{1+b_n}{1+\underset{i=1}{\overset{n}{\Σ}}{a}_i{b}_i},H_0\left(r\right)=P_{opt}\frac{E_0\left(r\right)}{\stackrel{\‾}{E}\left(r\right)}\frac{1}{1+\underset{i=1}{\overset{n}{\Σ}}{a}_i{b}_i},$

得到各節(jié)點(diǎn)的概率門(mén)限。

4.如權(quán)利要求1所述的基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)，其特征在于，所述云計(jì)算中心的離散函數(shù)模型：

$u\left(n\right)=u\left(0\right)+\underset{j=1}{\overset{n}{\Σ}}\mathrm{\α}(\mathrm{\μ},v,j,n)u(j-1)(1-u(j-1\left)\right);$

式中：u(0)為初始信號(hào)，μ為混沌參數(shù)，ν為分?jǐn)?shù)階階數(shù)，n為信號(hào)長(zhǎng)度，j表示第j步迭代，α(μ,ν,j,n)為離散積分核，u(n)為第n步信號(hào)，n和N設(shè)置為800，m為1,L,N的整。

5.如權(quán)利要求1所述的基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)，其特征在于，服務(wù)器的信號(hào)間干擾關(guān)系分析方法包括：

一)，確定干擾信號(hào)在無(wú)線信號(hào)領(lǐng)域上的若干特征參數(shù)CP，并基于特征參數(shù)形成對(duì)應(yīng)的干擾空間模型，基于建立的干擾空間模型，確定待分析的干擾信號(hào)特征矢量與參照信號(hào)特征矢量

二)，基于干擾空間模型，針對(duì)干擾信號(hào)特征矢量定義對(duì)參照信號(hào)特征矢量的位移矢量

6.如權(quán)利要求5所述的基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)，其特征在于，服務(wù)器的信號(hào)間干擾關(guān)系分析方法還包括：

定義位移矢量在干擾空間中對(duì)某個(gè)維度坐標(biāo)軸的投影，為干擾信號(hào)特征矢量到參照信號(hào)特征矢量在該CP維度上的距離，即有：

其中PRJ(·)算子表示針對(duì)某一CP維度的投影運(yùn)算；

定義干擾信號(hào)對(duì)參照信號(hào)的干擾狀態(tài)為S，用以表示干擾信號(hào)對(duì)參照信號(hào)的干擾關(guān)系；

$S(\stackrel{\→}{V_I},\stackrel{\→}{V_S})=\left\{\begin{array}{cc}0& \∃{\mathrm{CP}}_i,d_{{\mathrm{CP}}_i,(I,S)}\≥{\mathrm{\Δ}}_{{\mathrm{CP}}_i}\\ 1& \∀{\mathrm{CP}}_i,d_{{\mathrm{CP}}_i,(I,S)}\<{\mathrm{\Δ}}_{{\mathrm{CP}}_i}\end{array}\right..$

7.如權(quán)利要求5所述的基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)，其特征在于，服務(wù)器的信號(hào)間干擾關(guān)系分析方法還包括：在已經(jīng)形成干擾的前提下，首先需要選取并確定干擾作用參數(shù)EP，對(duì)于干擾信號(hào)而言，參數(shù)通常為信號(hào)功率p或者能量e；

定義干擾信號(hào)對(duì)參照信號(hào)的干擾程度為G，用以衡量干擾信號(hào)對(duì)參照信號(hào)的干擾影響程度。

8.如權(quán)利要求1所述的基于云計(jì)算的脈沖水處理裝置的遠(yuǎn)程控制系統(tǒng)，其特征在于，圖像處理模塊采用MRD算法根據(jù)魯棒統(tǒng)計(jì)來(lái)改進(jìn)圖像相關(guān)性度量方法，利用魯棒估計(jì)函數(shù)對(duì)象素灰度差進(jìn)行加權(quán)后求和；

MRD算法的算式為：

$D(m,n)=\frac{1}{KL}\underset{i=1}{\overset{K}{\Σ}}\underset{j=1}{\overset{L}{\Σ}}\mathrm{\ρ}\left(f\right(i+m,j+n)-T(i,j);\mathrm{\σ})$

其中，ρ(x；σ)為魯棒估計(jì)函數(shù)，T:K×L的模板圖像，f:M×N的實(shí)時(shí)圖像，1≤m≤M–K+1，1≤n≤N–L+1，當(dāng)D(m,n)取最小值時(shí)，是最佳匹配。