一種無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)事件實(shí)時(shí)預(yù)測(cè)方法
【專利摘要】一種無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)事件實(shí)時(shí)預(yù)測(cè)方法，基于如下系統(tǒng)：由靜止或移動(dòng)的傳感器節(jié)點(diǎn)以自組織和多跳的方式構(gòu)成無(wú)線傳感器網(wǎng)絡(luò)；當(dāng)無(wú)線傳感器網(wǎng)絡(luò)中某一個(gè)節(jié)點(diǎn)發(fā)生事件，將發(fā)生事件節(jié)點(diǎn)的最近m組屬性向量廣播給其余關(guān)心的節(jié)點(diǎn)，在各個(gè)節(jié)點(diǎn)本地刷新本節(jié)點(diǎn)最近m組屬性向量,并與事件節(jié)點(diǎn)的最近m組屬性向量進(jìn)行相似度計(jì)算，將計(jì)算結(jié)果回傳給基站，根據(jù)計(jì)算結(jié)果進(jìn)行趨勢(shì)判斷，并發(fā)出預(yù)警，維護(hù)人員得到預(yù)警后,采取相關(guān)干預(yù)措施，避免相同事件的發(fā)生；相似度計(jì)算采用輕量級(jí)距離計(jì)算方法，以減少能耗；相似度計(jì)算特征還在于計(jì)算變化趨勢(shì)，以及變化趨勢(shì)之間的距離。
【專利說(shuō)明】
-種無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)事件實(shí)時(shí)預(yù)測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及無(wú)線傳感器網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體設(shè)及一種無(wú)線傳感器網(wǎng)絡(luò)中根據(jù)已發(fā) 生事件節(jié)點(diǎn)的相關(guān)信息，來(lái)實(shí)時(shí)預(yù)測(cè)潛在發(fā)生事件節(jié)點(diǎn)的方法。
【背景技術(shù)】
[0002] 無(wú)線傳感器網(wǎng)絡(luò)是由大量的靜止或移動(dòng)的傳感器節(jié)點(diǎn)W自組織和多跳的方式構(gòu) 成的無(wú)線網(wǎng)絡(luò)，W協(xié)作地感知、采集、處理和傳輸網(wǎng)絡(luò)覆蓋地理區(qū)域內(nèi)被感知對(duì)象的信息， 并最終把運(yùn)些信息發(fā)送給網(wǎng)絡(luò)的所有者(基站、上位機(jī)或系統(tǒng)主機(jī)）。運(yùn)些節(jié)點(diǎn)采集不同的 物理數(shù)據(jù)，例如森林火災(zāi)監(jiān)測(cè)中的地理位置、空氣的濕度、溫度、氣壓、光強(qiáng)度及風(fēng)向等物理 指標(biāo)的數(shù)值。
[0003] 由于被監(jiān)控的對(duì)象和所處環(huán)境的復(fù)雜性，通常會(huì)導(dǎo)致一些節(jié)點(diǎn)監(jiān)控對(duì)象發(fā)生事 件，例如森林火災(zāi)、電梯故障、通信故障。目前，實(shí)際應(yīng)用中大多采用專家系統(tǒng)進(jìn)行事件預(yù) ，其缺點(diǎn)是只能預(yù)測(cè)已知明確原因的事件，對(duì)于多屬性的復(fù)雜環(huán)境，顯得乏力。也有基于 大量歷史數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)的預(yù)測(cè)方法，但運(yùn)類方法對(duì)未曾出現(xiàn)的事故無(wú)能為力，因?yàn)閷W(xué) 習(xí)具有滯后性。
[0004] 鑒于整個(gè)無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)具有相似性，當(dāng)某一個(gè)節(jié)點(diǎn)發(fā)生事件(為了敘 述簡(jiǎn)潔，節(jié)點(diǎn)發(fā)生事件指的是節(jié)點(diǎn)所監(jiān)測(cè)的對(duì)象發(fā)生事件），該節(jié)點(diǎn)的信息對(duì)于其它節(jié)點(diǎn)具 有非常重要的參考作用。本發(fā)明根據(jù)運(yùn)一原理進(jìn)行節(jié)點(diǎn)事件的實(shí)時(shí)預(yù)測(cè)，同時(shí)具有易于實(shí) 施、計(jì)算量小、節(jié)能、預(yù)測(cè)準(zhǔn)確率高等特色。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的是，利用已經(jīng)發(fā)生事件節(jié)點(diǎn)的數(shù)據(jù)，實(shí)時(shí)在其它節(jié)點(diǎn)進(jìn)行相似度計(jì)算， 得到其它節(jié)點(diǎn)發(fā)生相同事件的概率，W便維護(hù)人員及時(shí)采取相關(guān)干預(yù)措施，避免相同事件 的發(fā)生，減少損失。
[0006] 本發(fā)明是運(yùn)樣實(shí)現(xiàn)的，一種無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)事件實(shí)時(shí)預(yù)測(cè)方法，基于如下系 統(tǒng)設(shè)置：由靜止或移動(dòng)的傳感器節(jié)點(diǎn)W自組織和多跳的方式構(gòu)成無(wú)線傳感器網(wǎng)絡(luò)，W感知、 采集、處理和傳輸無(wú)線傳感器網(wǎng)絡(luò)覆蓋地理區(qū)域內(nèi)被感知對(duì)象的信息，并最終把運(yùn)些信息 發(fā)送給無(wú)線傳感器網(wǎng)絡(luò)的基站；
[0007] (1)每隔固定時(shí)間，每個(gè)節(jié)點(diǎn)向基站發(fā)送一組最新數(shù)據(jù)；
[000引（2)節(jié)點(diǎn)采集數(shù)據(jù)包括監(jiān)測(cè)對(duì)象的n個(gè)屬性；
[0009] (3)節(jié)點(diǎn)數(shù)據(jù)采用本地存儲(chǔ)，保存m組最近歷史數(shù)據(jù)，運(yùn)行時(shí)最新數(shù)據(jù)覆蓋最舊數(shù) 據(jù)；
[0010] 無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)事件實(shí)時(shí)預(yù)測(cè)方法，W如下步驟：當(dāng)無(wú)線傳感器網(wǎng)絡(luò)中某一 個(gè)節(jié)點(diǎn)發(fā)生事件，將發(fā)生事件節(jié)點(diǎn)的最近m組屬性向量廣播給其余關(guān)屯、的節(jié)點(diǎn)（由維護(hù)人員 設(shè)定），在各個(gè)節(jié)點(diǎn)本地刷新本節(jié)點(diǎn)最近m組屬性向量，并與事件節(jié)點(diǎn)的最近m組屬性向量進(jìn) 行相似度計(jì)算，將計(jì)算結(jié)果回傳給基站，根據(jù)計(jì)算結(jié)果進(jìn)行趨勢(shì)判斷，并發(fā)出預(yù)警，維護(hù)人 員得到預(yù)警后，采取相關(guān)干預(yù)措施，避免相同事件的發(fā)生；
[0011] 相似度計(jì)算采用輕量級(jí)距離計(jì)算方法(如曼哈頓距離），W減少能耗；
[0012] 相似度計(jì)算特征還在于計(jì)算變化趨勢(shì)，W及變化趨勢(shì)之間的距離；
[0013] 最終判斷特征在于綜合相似度距離的變化趨勢(shì)，當(dāng)變化趨勢(shì)變小時(shí)，系統(tǒng)發(fā)出預(yù) 警。
[0014] 本發(fā)明的思路是，當(dāng)無(wú)線傳感器網(wǎng)絡(luò)中某一個(gè)節(jié)點(diǎn)發(fā)生事件，將發(fā)生事件的節(jié)點(diǎn) 最近采集的數(shù)據(jù)所形成的m組屬性向量廣播給其余的關(guān)屯、節(jié)點(diǎn)，廣播的范圍可W人工設(shè)定， 然后在各個(gè)節(jié)點(diǎn)本地刷新屬性向量組，并與接收到的事件節(jié)點(diǎn)屬性向量組進(jìn)行相似度計(jì) 算，將計(jì)算結(jié)果回傳給基站，W便判斷數(shù)據(jù)變化趨勢(shì)，并發(fā)出預(yù)警。
[001引本發(fā)明具體包括如下步驟：
[0016] (1)當(dāng)無(wú)線傳感器網(wǎng)絡(luò)中某一個(gè)節(jié)點(diǎn)S發(fā)生了事件，立即將該節(jié)點(diǎn)最近的m條記錄 提取出來(lái)，構(gòu)成化下向量矩陣：
[0017]
[001引其中ei = (ei，e2,…，en)，iG[l，m]，是節(jié)點(diǎn)S在時(shí)刻i的所有監(jiān)控?cái)?shù)據(jù)組成的屬性 向量，ei是最新時(shí)刻的數(shù)據(jù)，em是最舊時(shí)刻數(shù)據(jù)。m條數(shù)據(jù)組成一個(gè)m X n的矩陣;提取m條數(shù)據(jù) 而不是一條數(shù)據(jù)的原因是某些屬性值的變化趨勢(shì)(而不是屬性值本身)對(duì)事件的預(yù)測(cè)更加 重要，比如溫度的急劇升高（而不是溫度高)說(shuō)明極有可能將要發(fā)生火災(zāi)事件，如果是一條 數(shù)據(jù)則無(wú)法攜帶運(yùn)種變化信息。
[0019] (2)由于節(jié)點(diǎn)能源有限，一般和基站的通信時(shí)間間隔相對(duì)較長(zhǎng)，所W系統(tǒng)此時(shí)需要 向其余關(guān)屯、的節(jié)點(diǎn)廣播數(shù)據(jù)A。
[0020] (3)節(jié)點(diǎn)T接收到廣播數(shù)據(jù)后，在節(jié)點(diǎn)本地進(jìn)行相似度計(jì)算，每個(gè)節(jié)點(diǎn)本地屬性向 量為t=(tl，t2，???，tn)，節(jié)點(diǎn)本地屬性組成如下矩陣B:
[0021]
[0022] 為了降低計(jì)算量，減少能耗，采取計(jì)算簡(jiǎn)單的曼哈頓距離作為相似度度量方式。距 離越小表示越有可能發(fā)生相同事件。兩個(gè)向量之間的距離用d表示，先對(duì)每一行進(jìn)行相似度 計(jì)算(n是屬性的數(shù)量）：
[0023] I 一行相似度，
[0024] I二行相似度，
[0025]
[00%] 第m行相似度，
[0027] 然后取平均值得到行距離山：
[002引扣S是iAi/巧，S、T之間的相似度，
[0029]接著計(jì)算每列之間的變化趨勢(shì)相似度，即先依次采用一元線性回歸方法計(jì)算A、B 每個(gè)屬性的變化曲線的近似斜率，得到斜率向量Ka =化1，k2，…，kn)，Kb =化1，k2，…，kn)，kj 體現(xiàn)每個(gè)屬性相鄰兩個(gè)時(shí)刻的變化趨勢(shì)，再計(jì)算A、B變化趨勢(shì)的距離dc:
[0030]
[0031] 距離越小，變化趨勢(shì)越相似，表明T越有可能發(fā)生類似S的事件；
[0032] (4)將(山，山)返回給基站；
[003；3] (5)-個(gè)周期后，更新本地矩陣B，再次計(jì)算，得到(山，山)返回給基站；
[0034] (6)因?yàn)榫嚯x大小沒(méi)有參照值，所W直接觀察計(jì)算出來(lái)的數(shù)值并沒(méi)有太大意義，由 于所處環(huán)境復(fù)雜，影響因素眾多，很多事件發(fā)生都是多個(gè)因素綜合導(dǎo)致的結(jié)果，歷史數(shù)據(jù)庫(kù) 中沒(méi)有相似的數(shù)據(jù)，導(dǎo)致計(jì)算出一個(gè)參考的闊值也非常困難，但是觀察返回值(山，山)的變 化情況可W進(jìn)行有效預(yù)測(cè)，也即，當(dāng)過(guò)了t個(gè)周期后，基站收到T節(jié)點(diǎn)的t組(山，山)數(shù)據(jù)，如果 兩個(gè)值都出現(xiàn)了不斷變小的趨勢(shì)，那么巧自常有可能即將發(fā)生相同的事件，系統(tǒng)發(fā)出預(yù)警。
[0035] 本發(fā)明的有益效果，當(dāng)無(wú)線傳感器網(wǎng)絡(luò)中某一個(gè)節(jié)點(diǎn)發(fā)生事件，將發(fā)生事件的節(jié) 點(diǎn)最近采集的數(shù)據(jù)所形成的屬性向量組廣播給其余關(guān)屯、的節(jié)點(diǎn)，利用已經(jīng)發(fā)生事件節(jié)點(diǎn)的 數(shù)據(jù)，實(shí)時(shí)在其它節(jié)點(diǎn)進(jìn)行相似度計(jì)算，將計(jì)算結(jié)果回傳給基站，W便判斷數(shù)據(jù)變化趨勢(shì)， 進(jìn)一步預(yù)測(cè)出其它節(jié)點(diǎn)發(fā)生相同事件的概率，并發(fā)出預(yù)警，由維護(hù)人員及時(shí)采取相關(guān)干預(yù) 措施，避免相同事件的發(fā)生，減少損失。
【附圖說(shuō)明】
[0036] 圖1所示為本發(fā)明所述一種無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)事件實(shí)時(shí)預(yù)測(cè)方法的總流程圖；
[0037] 圖2a-圖2c所示為基站與不同節(jié)點(diǎn)之間的數(shù)據(jù)交互示意圖。
【具體實(shí)施方式】
[0038] 下面結(jié)合說(shuō)明書附圖對(duì)本發(fā)明實(shí)施方式作進(jìn)一步說(shuō)明，但本發(fā)明不局限于下面的 實(shí)例。
[0039] 實(shí)例：采用真實(shí)的數(shù)據(jù)集Intel Lab Data,數(shù)據(jù)來(lái)源是部署在因特爾伯克利研究 所的54個(gè)傳感器在2004年2月28號(hào)至4月5號(hào)之間采集到的數(shù)據(jù)，主要包括溫度、濕度、光強(qiáng) 和電壓等物理指標(biāo)。本實(shí)驗(yàn)對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理，將原始數(shù)據(jù)從每隔30秒采集一個(gè)數(shù)據(jù)改 為每隔5分鐘取一個(gè)(平均)數(shù)據(jù)。實(shí)驗(yàn)中，將濕度、光強(qiáng)、電壓作為屬性，溫度作為事件指標(biāo)， 設(shè)定溫度達(dá)到20°C為發(fā)生事件(受光照影響的升溫除外）。
[0040] 截取第1個(gè)節(jié)點(diǎn)2004-02-28 08:23開(kāi)始的數(shù)據(jù)，如表1所示?？蒞看出，第5個(gè)數(shù)據(jù) 溫度開(kāi)始超過(guò)20°C，即發(fā)生了事件。
[0041] 表1:1號(hào)節(jié)點(diǎn)數(shù)據(jù) 「nrvn1

[0043] 此時(shí)基站檢測(cè)到事件發(fā)生，立即將序號(hào)1-5行最新的5條數(shù)據(jù)提取出來(lái)，記為矩陣 A，廣播給附近其他節(jié)點(diǎn)。本實(shí)驗(yàn)選取了環(huán)境比較相似的3、4、6號(hào)節(jié)點(diǎn)，即把矩陣A發(fā)送給3、 4、6號(hào)節(jié)點(diǎn)。
[0044]
[0045] 3號(hào)節(jié)點(diǎn)的數(shù)據(jù)如表2所示。
[0046] 表2:3號(hào)節(jié)點(diǎn)數(shù)據(jù)
[0047]
[0化1]計(jì)算A、B的相似度：
[0052] Stepl:計(jì)算行相似度 [0053]計(jì)算對(duì)應(yīng)行的相似度：
[0化4]
行相似度，
[0化5] 第二
第= 第四 第五 行相似度，
[0化9] 計(jì)算平均值:化= 78.2。
[0060] Step2:計(jì)算列相似度
[0061] 計(jì)算A每一列的變化趨勢(shì)，用一元線性回歸方法進(jìn)行計(jì)算，得到KA= (0.3385， 0.0，-0.003)和邸=(0.261,-2.944,0.0)，
[0。足勺1
[0063] 4和6號(hào)節(jié)點(diǎn)的數(shù)據(jù)如表3和表4所示。計(jì)算過(guò)程同Stepl和Step2。
[0064] 表3:4號(hào)節(jié)點(diǎn)數(shù)據(jù) 「00 化 1

[0068] 3、4、6號(hào)節(jié)點(diǎn)分別將(dr，dc)返回給基站。持續(xù)5個(gè)周期后，基站共收到3、4、6節(jié)點(diǎn) 的數(shù)據(jù)如表5和表6所示。
[0069] 表5:行距離表 「00701
L0073J 根據(jù)表5和表6的數(shù)據(jù)，綜合判斷3、4、6號(hào)節(jié)點(diǎn)與1號(hào)節(jié)點(diǎn)之間行、列距離值的變化 趨勢(shì)，系統(tǒng)會(huì)在5分鐘的時(shí)候，對(duì)4號(hào)節(jié)點(diǎn)發(fā)出事件預(yù)警。觀察表5和表6,不難發(fā)現(xiàn):3、4號(hào)節(jié) 點(diǎn)行距離減小趨勢(shì)明顯，說(shuō)明3、4號(hào)節(jié)點(diǎn)與1號(hào)節(jié)點(diǎn)總體狀態(tài)越來(lái)越相似;4、6號(hào)節(jié)點(diǎn)列距離 有減小趨勢(shì)，說(shuō)明4、6號(hào)節(jié)點(diǎn)的狀態(tài)變化趨勢(shì)與1號(hào)節(jié)點(diǎn)的狀態(tài)變化趨勢(shì)越來(lái)越相似。也就 是說(shuō)，4號(hào)節(jié)點(diǎn)發(fā)生事件概率最高。實(shí)際上，4號(hào)節(jié)點(diǎn)在20分鐘的時(shí)候溫度的確超過(guò)20°C，而6 號(hào)節(jié)點(diǎn)溫度未曾達(dá)到20°C，與預(yù)測(cè)結(jié)果相吻合。至于3號(hào)節(jié)點(diǎn)，在20分鐘的時(shí)候溫度也超過(guò) 2(TC，但3號(hào)節(jié)點(diǎn)的狀態(tài)變化趨勢(shì)緩慢，所W未予報(bào)警。
【主權(quán)項(xiàng)】
1. 一種無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)事件實(shí)時(shí)預(yù)測(cè)方法，基于如下系統(tǒng)：由靜止或移動(dòng)的傳感 器節(jié)點(diǎn)W自組織和多跳的方式構(gòu)成無(wú)線傳感器網(wǎng)絡(luò)，W感知、采集、處理和傳輸無(wú)線傳感器 網(wǎng)絡(luò)覆蓋地理區(qū)域內(nèi)被感知對(duì)象的信息，并最終把運(yùn)些信息發(fā)送給無(wú)線傳感器網(wǎng)絡(luò)的基 站； (1) 每隔固定時(shí)間，每個(gè)節(jié)點(diǎn)向基站發(fā)送一組最新數(shù)據(jù)； (2) 節(jié)點(diǎn)采集數(shù)據(jù)包括監(jiān)測(cè)對(duì)象的η個(gè)屬性； (3) 節(jié)點(diǎn)數(shù)據(jù)采用本地存儲(chǔ)，保存m組最近歷史數(shù)據(jù)，運(yùn)行時(shí)最新數(shù)據(jù)覆蓋最舊數(shù)據(jù)； 采用上述系統(tǒng)的預(yù)測(cè)方法W如下步驟：當(dāng)無(wú)線傳感器網(wǎng)絡(luò)中某一個(gè)節(jié)點(diǎn)發(fā)生事件，將 發(fā)生事件節(jié)點(diǎn)的最近m組屬性向量廣播給其余關(guān)屯、的節(jié)點(diǎn)，在各個(gè)節(jié)點(diǎn)本地刷新本節(jié)點(diǎn)最 近m組屬性向量，并與事件節(jié)點(diǎn)的最近m組屬性向量進(jìn)行相似度計(jì)算，將計(jì)算結(jié)果回傳給基 站，根據(jù)計(jì)算結(jié)果進(jìn)行趨勢(shì)判斷，并發(fā)出預(yù)警，維護(hù)人員得到預(yù)警后，采取相關(guān)干預(yù)措施，避 免相同事件的發(fā)生； 相似度計(jì)算采用輕量級(jí)距離計(jì)算方法，W減少能耗； 相似度計(jì)算特征還在于計(jì)算變化趨勢(shì)，W及變化趨勢(shì)之間的距離； 最終判斷特征在于綜合相似度距離的變化趨勢(shì)，當(dāng)變化趨勢(shì)變小時(shí)，系統(tǒng)發(fā)出預(yù)警。2. 根據(jù)權(quán)利要求1所述的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)事件實(shí)時(shí)預(yù)測(cè)方法，其特征是采用如下 步驟： (1) 當(dāng)無(wú)線傳感器網(wǎng)絡(luò)中某一個(gè)節(jié)點(diǎn)S發(fā)生了事件，立即將該節(jié)點(diǎn)在監(jiān)控中屯、最近的m 條記錄提取出來(lái)，構(gòu)成如下向量矩陣：其中61=(61，62，-'，6。），1￡[1，111]，是節(jié)點(diǎn)5在時(shí)亥1]1的所有監(jiān)控?cái)?shù)據(jù)組成的屬性向量， ei是最新時(shí)刻的數(shù)據(jù)，em是最舊時(shí)刻數(shù)據(jù);m條數(shù)據(jù)組成一個(gè)mXn的矩陣； (2) 系統(tǒng)此時(shí)需要向其余所有關(guān)屯、的節(jié)點(diǎn)廣播數(shù)據(jù)A; (3) 節(jié)點(diǎn)T接收到廣播數(shù)據(jù)后，在節(jié)點(diǎn)本地進(jìn)行相似度計(jì)算，每個(gè)節(jié)點(diǎn)本地屬性向量為t =(ti，t2，…，tn)，節(jié)點(diǎn)本地最近m組屬性組成如下矩陣B:為了降低計(jì)算量，減少能耗，采取計(jì)算簡(jiǎn)單的曼哈頓距離作為相似度度量方式;距離越 小表示越有可能發(fā)生相同事件;兩個(gè)向量之間的距離用d表示，先對(duì)每一行進(jìn)行相似度計(jì)算 (η是屬性的個(gè)數(shù)）：第一行相似度，第二行相似度，第m行相似度， 然后取平均值得到行距離山：S、T之間的相似度， 接著計(jì)算每列之間的變化趨勢(shì)相似度，即先依次采用一元線性回歸方法計(jì)算A、B每個(gè) 屬性的變化曲線的近似斜率，得到斜率向量Ka=化1，k2，…，kn)，Kb =化1，k2，…，kn)，kj體現(xiàn) 每個(gè)屬性相鄰兩個(gè)時(shí)刻的變化趨勢(shì)，再計(jì)算A、B變化趨勢(shì)的距離dc:距離越小，變化趨勢(shì)越相似，表明T越有可能發(fā)生類似S的事件； (4) 將(山，山)返回給基站； (5) -個(gè)周期后，更新本地矩陣B，再次計(jì)算，得到(山，山)返回給基站； (6) 觀察返回值(山，山)的變化情況可W進(jìn)行有效預(yù)測(cè)：當(dāng)過(guò)了t個(gè)周期后，基站收至I"節(jié) 點(diǎn)的t組(山，山)數(shù)據(jù);如果兩個(gè)值都出現(xiàn)了不斷變小的趨勢(shì)，那么認(rèn)為T即將發(fā)生相同的事 件，系統(tǒng)發(fā)出預(yù)警。
【文檔編號(hào)】H04W24/02GK105939524SQ201610453143
【公開(kāi)日】2016年9月14日
【申請(qǐng)日】2016年6月21日
【發(fā)明人】楊坤奎, 劉奇志
【申請(qǐng)人】南京大學(xué)