基于形态滤波的车辆检测算法研究

劃学术研究
基于形态滤波的车辆检测算法研究*
张足生1陈伟12张先才1黄锦旺1陈亮彳
(1.东莞理工学院网络空间安全学院，广东东莞5238082.广东工业大学计算机学院，
广东广州5100063.深圳市凯达尔科技实业有限公司，广东深圳518055)摘要：近年来，越来越多的智能停车管理系统釆用无线磁阻传感器网络技术实现车辆检测。

但该技术面临磁干扰问题，在干扰环境下，己有的车辆检测算法精度急剧下降。

提出一种基于形态滤波的车辆检测算法，釆用级联形态开-闭和形态闭-开运算设计滤波器，可有效过滤噪声干扰，且不会造成车辆磁信号的偏倚现象。

实验结果表明：与己有车辆检测算法相比，本文算法提高了车辆检测准确率，检测精度达到98.5%。

关键词：车辆检测；磁阻传感器；地磁干扰；形态滤波
中图分类号：TP393文献标识码：A文章编号：］674-2605(2020)04-0004-08 DOI:10.3969/j.issn.l674-2605.2020.04.004
0引言
随着我国城市化进程不断加快，机动车保有量急剧增加，城市中心区交通拥堵及停车难问题日趋严重,智能交通已成为解决交通瓶颈的有效途径⑴。

无线磁阻传感器网络(wireless magnetic sensor networks, WMSN)是低功耗、低成本智能交通信息采集技术的发展趋势［%
WMSN利用车辆对地磁场扰动的检测原理实现交通信息实时采集、传感器节点电池供电和无线通信。

相较于传统检测技术:地感线圈冈、微波雷达［罠
超声［5仪红外［7］、视频［8-9］等，WMSN具有低成本、
低功耗、小型化等特点，生命周期长达5年以上。

基于WMSN可以实现静态交通管理：对每个停车位进行监控Wil］,获得车位的空闲状态及停车时长，可用于停车诱导、停车计费、反向寻车及违规停车检测等应用。

然而，WMSN检测对象“弱磁信号”容易受到干扰。

轨道交通是造成地磁场干扰的主要因素之一，很多城市地下有密集的轨道交通系统,如地铁、高铁、城际等。

在大地电磁学领域，已有一些研究成果可对轨道交通造成的地磁场干扰进行监测。

文献［12］、文献［13］根据地磁观测数据分析了地磁噪声来源，发现主要干扰源是直流电气化铁路(地铁)，且地铁干扰的主要原因是地铁系统产生的大地漏电电流造成的磁场噪声。

文献［14］、文献［15］在高速铁路系统附近区域部署电磁检测站，观测到强烈的磁场干扰。

对于车辆停泊、车流討数等检测，在低信噪比情况下，目标信号与干扰信号无法分辨，频繁出现误检和漏检，致使检测精度急剧下降。

本文基于形态学滤波原理，设计滤波器对干扰信号进行滤波，得到较纯净的车辆磁场信号，再利用阈值机制实现停報测。

1相关工作
基于WMSN实现动态趣及静态交通检测主要通过实验采集样本磁信号，利用统计分析得出目标信号特征，进而实现检测机制。

Cheung S Y等阿利用WMSN实现了厠检测、车速估计等应用。

Kwong K 等呵在路段出入口位置安装磁阻传感器，研究节点间磁信号的匹配模型，提出路段交通状态估计方法。

针对车速检测中，前后放置的磁阻传感器对同一厠的感知信号存在扭曲、变形问题，文献［18］提出一种基于动态时间规整的波形相似度计算方法，提高了车速检测精度。

但这类机制只适用于干净的磁场环境，没有考虑磁干扰问题。

有部分学者研究抗干扰检测机制。

崔莉等凹提出信号相关检测算法，通过比较理论模型信号与采样磁
18*基金项目：国家自然科学基金面上项目(61872083)；
广东省自然科学基金项目(2019A1515011123)；东莞理工学院科技产业创新服务专项(2019ZYFWXFD02)。

场信号的相似性来实现车辆检测，该方法可对非机动车（自行车、摩托车等）干扰进行排除。

文献［20］利用节点磁场波形与相邻节点波形进行比较实现停车检测，也具有一定抗干扰性。

文献［21］将停车过働分为驶入、停泊和驶离3个阶段，分析各阶段的信号变化特征，提取特征变量，利用线性判别函数实现车位状态的{0,1}二值分类检测,该方法可以降低邻近干扰带来的误检。

对于抗干扰检测问题，一些学者尝试在磁阻传感器的基础上加装其他类型传感器进行辅助检测，如光敏、红外、超声、多普勒雷达等辅助传感器。

文献［22］设计一种磁阻传感器和光敏传感器合作工作方式：首先，利用光敏传感器检测汽车投下的阴影；然后，唤醒磁阻传感器进行彌检测。

文献［23附对垂直式停车位车辆检测准确率低的问题，用光敏传感器进行辅助判别。

这类方案往往在较为理想的干净环境下有效,而室外道路环境下，传感器节点布设在地面以下，模具封装需要考虑到抗压、防水、防盗等因素，且加装额外的传感器导致节点成本、功耗升高。

综合以上因素，目前在室外道路环境下，通过加装其他类型传感器解决磁干扰问题不是合适的方案。

目前，有关检测机制的研究主要集中在干净磁场环境下的彌检测，有少量关于邻近干扰的检测机制,但没有相关研究考虑轨道交通系统地磁场干扰问题，在这类强干扰环境下，已有算法的检测精度急剧下降,算法适用讎
2问题描述
2.1网络模型
WMSN模型可抽象为WMSN={D,R,BS},其中D={Di,Z>2,…,几}为传感器节点集合;R={Ri,人2,…，&«}为路由节点集合；为基站节点。

在每个停车位的中央安装1个传感器节点，如图1所示。

传感器节点D利用磁阻传感器，以/为采样频率周期性对地磁进行采样，采样磁场信号枚Q为
M：（k）=C.（約+厶（疋）+V.（上）i g{x,y,z}（1）式中，A;为最近釆样；C仏）为地球磁场；驱）为干扰磁场;欣）为车辆磁场；Z为标识磁传感器的采样轴。

图1传感器节点部署
通常磁传感器具有兀三轴采样信号。

传感器节点D运行车辆检测算法。

如果车位状态发生改变，传感器节点D•发送一个事件消息{D,Time（DS®}到基站
2.2地磁干扰
经检测，路边停车位附近的地磁干扰信号来源于路面下的地铁。

如图2所示，地铁系统的基本结构由整流变电站、架空电力线、列车、轨道和地面组成,其中地面和铁轨形成电流回路。

地铁系统产生磁场的主婪型有：
1）火车本身产生局部磁场；
2）由变电站■架空电力线■列车■轨道组成的环路中牵引电流产生磁场；
3）由于轨道和地面并非完全绝缘，轨道靠近地面，电流从轨道泄漏到地面产生的磁场。

在列车上或列车附近观察时，第1）和第2）类型的磁场比较明显。

但第3）类型的磁场可对地球磁场产生数十公里的直接影响▽切。

架空电力线
列车
~~
整流变电站
铁轨
图2地铁系统基本结构
2020年第41卷第4期自动化与信息工程
19
在卿【市瓢铁站桅的路边停车吐安的感器节点进行信号采集，如图3所示，地磁场被严重干扰。

得到的三轴原始信号进行信号合成；判断是否含有干扰信号；若存在干扰信号，则需进行形态滤波器及阈值检测；否则直接进行阈值检测。

300
200
1000
-200
-500
0 -100 Z-200
t1f t1r t1r r
____i i
)___? 2 5?40工
1............1..............1]I1............1.. (1)
■1
____i i
)0.5
!i
0：5122：533：544£5
1 1.5
2 2.5
3 3.5
4 4.55
三轴信号融!合
磁阻传感器周期性采样
J嶼）,倾战M（助
形态滤波器
30000.51
L52 2.53
Time/ms 3.54 4.55
xlO5
图3地铁系统产生的磁干扰信号
2.3问题定义
综算法的任务包括：1）分辨出信号是否被干扰;2）对干扰的信号进行除噪处理; 3）能准确翻倒铢讎该算法可定义为S（k）=Has_Vehicle[M}（£））⑵
输入：
M i（jk）=C f+Z f（Jt）+V t（Jt）ie[x i y,z]式中，C&Q为删磁场，通常在几公里的范围内恒定不变，为常量；瀚为停车时车辆产生的磁场信号;张）为轨道交通系统产生的地磁我信号。

输出：
1）哭）=1；在车位空闲期间检测到车辆存在，车位进入占用状态。

2）哭）=0;在车位占用期间检测到车辆驶出，车位则转为空闲状态。

3车辆斷算法
由于传感器节点由电池供电，且微处理器的计算能力及存储能力极度受限，复杂运算的信号处理方法并不适合，因此本文采用计算简便的形态滤波器进行去噪。

车辆检测算法的工作流程如图4所示，对采样
信碗）
阈值检测
|返回车辆检测结录
图4车辆检测算法工作流程图
3.1信号融合
车辆停泊在车位时，磁阻传感器会耕到磁场波动数据信号,采用三轴磁阻传感器进行周期性数据采集，周期设定为0.1s。

多次车辆停泊的采样数据如图5^r^o
012 2.85
Time/nis*1胪图5车辆停泊时的三轴原始信号
为减少计算玻度,并豁反贬轴的变换幅度,将三轴信号融合成一个信号。

/w=LI m W-a|©R,z}（3）
20
张足生陈伟张先才黄锦旺陈亮：基于形态滤波的车辆检测算法研究
式中，B 为i 轴的基线值，在传感器部署后进行初始 化，分别取传感器开启后的前50次采样数据的i 轴平
均值作为B 值。

图5融合后的数据如图6所示，数据存在大量噪 声，不利于车辆检测，需将融合后的数据除噪处理。

例为输入的待滤波信号，淀｛0,1,..., N-l ｝； g(m)
为采用的结构元素，1｝，且
则输入信号夬程)关于结构元素g (栩的腐蚀与膨胀运
算口 6]分别为
(/®g)W= min
+
{/(»-zn)+g(m)}
(/®g)W
max
n = 0 丄…,N-M
(8)
式中®和①分别表示腐蚀和膨胀运算。

输入信号血)关于结构元素妣的瞬闭与形态
开运算分别为
(/ • g) («) = [/© g®g](«)
(9)
(/ ° g)(») = [f®g ® g]何 (10)
3.2干扰判别
利用式(4)求窗口为£的移动平均值&Q 。

加+张一1)+...+于(1)
A(k) = ^
他+于3-1)+...+*
£+1)ifk<L if k>L
(4)
式中，犬助为三轴融合后的信号；Z 为缓存区的长度; 用她卩]缓存[金)，如)，…,Ak-L+1) ]o
利用式(5)判断当前值金)与移动平均值4(©的偏
离程度，其中71是阈值。

用BUFil^缓存[砒, 斫1),.... T(k~L+\)]o 统计肌岡Q 中购=1的次 数，若次数＞鸟，贝!I 表示信号被干扰；如式(6)所示， 如果廉)=1贝!)表示地铁系统干扰。

0 otherwise
心)=«
3.3滤波器设计
*-£+1
if ^T(k)>T 2
k
otherwise
(5)
(0
形态学构成简单，其基本运算为膨胀和腐蚀。

设
式中“ •”和“。

”分别为形态闭和形态开的运算符。

被干扰的信号从形态上通常表现为信号上叠加
了一些窄脉冲信号，即很低的波谷与很尖的波峰。

形
态闭运算可以填平谷，形态开运算可以削去峰。

采用同一类型和尺寸的结构元素,通过不同顺序
级®^开、闭运算旳，定义形态开■闭OC(/)和闭. 开滤波器C%)为
°c(/)=(/og)・gS)
(11)
CO (/) = (/.g)og(») (12)
由形态开、闭运算的功能可知，如式⑴)、式(⑵ 所示的形态开■闭和形态闭■开滤波器都能去除输入信
号中的正、负脉冲干扰信号。

一方面，形态开
运算具有收缩性，导致开■闭滤波器输出的信号变小；
另一方面，形态闭运算具有扩展性，导致闭■开滤波 器的输出信号变大。

因此，采用单一的形态开■闭或 形态闭■开滤波器都可能造成输出信号存在偏倚现象,
从而影响滤波器性能。

本文构造的滤波器如式(⑶所 示，采用级联形态开■闭和形态闭■开运算，该滤波器
用于地磁强干扰噪声的分离，可有效过滤地铁系统的 噪声干扰，且不縫騒出信号的偏倚现象。

L
2020年第41卷第4期自动化与信息工程
21
y(»)=|[0C(/(W))+C0(/(n))](13)
3.4检测算法伪代码
基于形态学滤波的车辆检测算法(morphology filter based algorithm,MFBA)的伪代码女口图7所示。

如果信号存在干扰，则进行形态滤波，班助为滤波后的信号。

使用阈值册对则进行检测：如果火)持续超过阈值场次，则判定有车；如果持续低于阈值珈次，则判定无车。

#define TH55~//阈值
#define TM20//临界值
录持续超过阈值的次数
加efow^_c<w»记录持续少于阈值的次数
Algorithm MFBA:期=HasJ^ehick(M^)
输入：原始采样信号W)
输出：车位状态：空闲S(Q=0,占用S@)=l
1:人砂一{胚依),嘶,胚依)}〃三轴融合
2:if(廉)=1)/〃(助=1表示有干扰
3:{y(Q=[OC(^))+CO(^))]/2;}〃形态滤波
4：else{KA片询;}
5:if(y(k)>=TH){over_count++;below_count=^}
6:else{below_count^+\over_count=Q;}
7:if(over_count>=TM&&S(A“)=O){S炉1;}
&else if(belaw_count>=TM&&S(k-l)=l){S(Q=0;} 9;else{S防
图7算法伪代码
4实验
磁阻传感器节点采用STM8L⑸C8MCU,集成HMC5883L磁传感器，无线通信采用Lora SX1278模块，15AH锂电池供电。

实验参数取值如表1所示。

表1实验参数
参数描述值
TH车辆检测阈值55
M车位状态改变的临界值20
L缓存区长度30
//Hz传感器采样频率10
Ti离群点判断阈值50
Ti判定干扰的临界值304.1形态结构选取
形态学滤波器性能与所设计的形态运算组合和结构元素2个因素有关。

结构元素的宽度和形态对滤波效果有很大影响。

已有研究结果表明吟1：有必要选择与目标信号特性相似的结构元素。

在形态滤波中,常用结构元素有三角型、直线型、正弦型、抛物线型等。

三角型结构元素如图8所示，用如图6所示信号作为输入，滤波后的信号如图9所示。

抛物线型结构元素如图10所示，对图6所示的信号进行滤波，滤波后的结果如图11所示。

由于待提取车辆的磁场信号与抛物线型结构更相似，从图11可见抛物线型结构元素的滤波效果比三角型结构元素更好。

在后续的实验中都采用如图10所示的抛物线型结构元素。

8
6
4
2
010********
Number of sanqjling points
图8三角型结构元素
5
00
00
4
00
00
3
2
3PSH0UIV
100
3
xlO6
L52
Time/ms
图9三角型滤波结果
22
张足生陈伟张先才黄锦旺陈亮：基于形态滤波的车辆检测算法研究
5
220
opanaulv
10
表2车辆检测统计结果
算法
车辆停 泊次数
正确检测 到的车辆 停泊次数
误检 率算法精度
MFBA 50004925
75
1.5%98.5%
5
5
()
50
o O 5 O 4 450
00
3O 25
00
2
opmqauly
5
10 15 20 25 30
35
Number of s ampling points
图10抛物线型结构元素
0.5
1
1.5 2
2.5
3Time/ms
xlO 6
图11抛物线型滤波结果
为方便多种算法的性能比较，磁阻传感器将原始
采样数据每30个打包成一个数据包并上传。

该封装 方法可减少传输冲突和能耗。

上位机软件接收基站上
传的磁场数据，实现卿解析，并将数据存储在卿 库中。

使用C 语言实现多种算法。

采用从实验中获得
的原始磁场信号，算法在服务器端运行。

将本文算法
MFBA 与 Max_Min[io]和 ATA (adaptive threshold algorithm)跑算法进行性能比较，对比实验结果如表 3所示。

表3算法性能比较
泊车次数/次正确检测次数/次检测精度/%
算法
MaxMin 3000257785.9
ATA
3000240080.0MFBA
3000
2955
98.5
4.2实验结果
为测试本文算法的检测精度，在深圳市某地铁站
IW 的路边停锚实地部署了 30个传感器节点实验
系统，测试场景如图12所示。

该实验系统持续运行
超过5个月，统计的车辆检测算法的平均精度为
98.5%,如表2所示。

图12测试场景MaxMin 算法基于统计车辆波形的最大值、最少
值作为特征变量，迎特定阈值对特征变融行检测, 检测精度为85.9%。

ATA 算法基于阈值和状态机机制
对车辆进行检测，检测精度为80.0%=这2种算法对 强磁车辆都能成功检测，但由于没有滤波功能，导致 抗干扰性差，在低信噪比情况下，无法准确实现弱磁
信号车辆的检测。

本文算法MFBA 对受干扰的信号 进行滤波,检测精度为98.5%,优于Max_Min 和ATA 算法。

采样的磁信号如图13所示。

3种算法的检测结果
如图14所示。

ATA 和Max Min 算法在37 min 时都 出现了误检。

此外，ATA 算法在48 min 时对一次停 车事件产生了漏检，但MFBA 算法正确地检测到所
有停车事件。

2020年第41卷第4期自动化与信息工程
23
250
(•sneoul)
ppgQpausepv 200
150
100
50
49 0
313437404346
Time/min
图13待检测信号
111
Max-Min
11u1U L1
MFBA 」ru rn
31343740434649
Time/min
图143种算法的检测结果
5结论
本文提出了抗干扰的停车检测算法，设计形态滤波器，采用抛物线型结构元素，将受干扰的信强行滤波，结合阈值检测机制实现停车检测算法。

实验结果表明该算法的检测精度达到9&5%。

参考文献
[1]郭戈,许阳光，徐涛，等.网联共享车路协同智能交通系统综
述[JJ.控制与决策201934(11):2375-2389.
⑵孙荣丽，王睿，崔莉.交通无线传感器网络研究进展[几计算
机研究与发展,2012,48(S2):360-366.
[3]Ali S,Gecnrge B,Vanajakshi L,ctal.A multiple inductive loop
vehicle detecticm system for heterogeneous and lane-less traffic[J].IEEE Transactions on bnstrumentation and MeasuremEE2011,61(5):1353-1360.[4]Lopez A A,Quevedo A,Yusfe F,et al.Coherent signal
processing for traffic flow measuring radar sensor[J].IEEE Sensors Journal,2018,18(2):4803-4813.
[5]Park W,Kim B,Seo D,et al.Paddng space detection using
ultrasonic sensor in parking assistance system[C网EEE Intelligent Vdiicles Syn^osiunL IEEE,2008.
[6]Wu T,Tsai P,Hu N,et al.Research and in申lementatkm of
auto parking system based cm ultrasonic sensors©"2016 International Con^ence on Advanced Materials for Science and Engineering(ICAMSE).IEEE,2016.
[7]Li L,Zhang Y,Lv S,et al.Design of i ntelligent inftaied vehicle
detect system based on ZigBeefC]^2015Chinese Automation Congress(CAC). IEEE,2015.
[8]Huang C,Vu H.Vacant paddng和ace detecticm based on a
multilayer inference fiamework[J].IEEE Transactions on Cucuits and Systems for Video Technology,2017,27(9): 2041-2054.
[9]TschEtscher M,Prub B,Hom D.A simulated car-park
environmrait for lhe evaluation of video-based(m-site parking guidance syst^ns[CJ/ZIEEE hitelligrait Vehicles Syn^osium.
IEEE,2017.
[10]Gu J,Zhang Z,Yu F,et al.Design and in甲lemcitatian of a
street paddog system using wireless saisor netw(nks[C]/7 IEEE Intemational Con&raice on Industrial Informatics.
IEEE,2012.
[11]陈嘉明，张足生,吴晓轉基于磁阻传感器的智能车位锁停
WW算泼J].集成楙2019,8(6):21-30.
[12]Sanlarelli L,Palangio P,Lauietis M.Electromagnetic
badcground noise at L*Aquila Geomagnetic Observatory[J].
Annales ofGeophysicaes,2014,57(2):1153-1161.
[13]Chen C H,Lin C H,Yen H Y,et al.Artificial magnetic
distuibance fix»n the mass i^pid transit system in Taiwan[J].
Terra Nova,2017,29(5):306-311.
[14]BeUan D,Pignari S A.M(mitoring of electiomagnetic
environmrait along high-speed railway lines based on con^ressive sensing[J].Progress in Hectxomagnetics Research C,2015,58(6):183-191.
[15]Bellan D,Spadacini G,Fedeli E,et al.Space-frequency
analysis and experimental measufement of magnetic field missions radiated by high-speed railway systems[J].IEEE Tiansacticms cm Electromagnetic Cooqpatibility,2013,55(6):
24
张足生陈伟张先才黄锦旺陈亮：基于形态滤波的车辆检测算法研究
1031-1042.
[16]Cheung S Y,Varaiya P.Traffic surveillance by wireless
sensor networks:Final report[R],Technical report,California PATH,University of C alifornia,Berkeley,CA94720,2007.
[17]Kwong K,Kavaler R,Rajagopal R,et al.Real-time
measurement of link vehicle count and travel time in a road network[J].IEEE Transactions on Intelligent Transportation Systems,2010,11(4):814-825.
[18]Zhang Z,Zhao T,Ao X,et al.A vehicle speed estimation
algorithm based on dynamic time warping approach[J],IEEE Sensor Journal,2017,17(8):2456-2463.
[19]Zhang L,Wang R,Cui L.Real-time traffic monitoring with
magnetic sensor networks[J].Journal of I nformation Science and Engmeering,2011,27(4):1473-1486.
[20]Zhu H,Feng S,Yu F.Parking detection method based on
finite-state machine and collaborative decision-making[J].
IEEE Sensors Journal,2018,18(23):9829-9839.
[21]Zhang Z,Tao M,Yuan H.A parking occiq)ancy detection
algorithm based on AMR sensor[J].IEEE Sensors Journal,
2015,15(2):1261-1269.
[22]Sifuentes E,Casas O,Pallas-Areny R.Wireless magnetic
sensor node for vehicle detection with optical wake-up[J], IEEE Sensors Journal,2011,11(8):1669-1676.
[23]Huang Y,Chen Y,You C,et al.Toward an easy deployable
outdoor parking system一lessons from long-tenn deployment[C]//2017IEEE International Conference on Pervasive Confuting and Communications.IEEE,2017. [24]谢凡，滕云田湖星星,等地磁台站的城市轨道交通干扰的
小波抑制桶研究一以天津轨道交通干扰为例[J].地球物理学报,2011,54(10):2698-2707.
[25]吴利辉，滕云田,王喜珍，等.南京地磁台地铁干扰特征分析
与抑制处理[J].地震地磁观测与研%,2009,30(6):32-39. [26]刘艳丽，赵为松,李海坤，等.基于形态滤波的脉搏波信号基
线漂移消除方法研究[J].合肥工业大学学报(自然科学版),2011,34(4):525-52&
[27]李晋,汤井田，肖晓，等.基于组合广义形态滤波的大地电磁
资料处理[J].中南大学学报(自然科学版),2014,45(1): 173-185.
Research on Vehicle Detection Algorithm Based on Morphological Filtering Zhang Zusheng1Chen Wei1,2Zhang Xiancai1Huang Jinwang1Chen Liang3
(1.Dongguan University of Technology,School of Cyberspace Security,Guangzhou510006,China
2.Guangdong University of Technology,School of Computer Science,Guangzhou510006,China
3.Shenzhen Cadre Technology Industry Co.Ltd,Shenzhen518055,China)
Abstract：In recent years,more and more intelligent parking management systems use wireless magnetic sensor network technology to realize vehicle detection.However,this technology is facing the problem of magnetic interference.Under the interference environment,the vehicle detection accuracy of the existing algorithm drops sharply.This paper proposes a vehicle detection algorithm based on morphological filtering,which uses cascading morphological open-close and close-off operations to design filters.This filter can effectively filter noise without causing bias of the vehicle magnetic signal.The experimental results show that,compared with the existing vehicle detection algorithms,the algorithm in this paper improves the vehicle detection accuracy rate,and the detection accuracy reaches98.5%.
Key words：vehicle detection;magnetic sensor;magnetic interference;morphological filtering
作者简介：
张足生(通信作者)，男，1980年生，博士，副研究员，主要研究方向：物联网。

E-mail:****************.cn 陈伟，男，1995年生，硕士研究生，主要研究方向：智能交通。

张先才，男，1995年生，硕士研究生，主要研究方向：物联网。

黄锦旺，男，1984年生，博士，讲师，主要研究方向：数字信号处理。

陈亮，男，1984年生，硕士研究生，工程师，主要研究方向：物联网。

2020年第41卷第4期自动化与信息工程25。