林启明

（南京邮电大学 电子与光学工程学院，江苏 南京 210023）

0 引言

窄带物联网（NB-IOT）是当前一种最有前景的低功率广域物联网技术，它可以很好地适用长距离、低速率的应用场景，并且可以直接部署在GSM和LTE网络下，具有部署成本低、覆盖范围广的特点[1]。传统的通信模块如GSM等存在着功耗较大、信号穿透性差等缺点。而NB-IoT克服了这些不足，是未来物联网领域替代GSM技术的理想选择。物联网应用常常伴随着海量的数据收集，结合统计机器学习技术对数据分类和预测是常见手段。本文首先介绍了一个典型的NB-IoT应用的设计方案，然后提出一种机器学习中两种典型学习方法的混合模型，并分析了混合模型的性能指标，发现混合模型具有更加高的分类准确率。

1 NB-IoT在智能农业领域的应用

1.1 总体设计

目前的物联网运用中，数据传输模块主要是采用GSM、GPRS等网络将数据通过基站发送到服务器端口，或者利用现场传输协议。近年来推出的NB-IoT组网具有功耗极低、信号传输距离远，在停车场、地下室等网络信号较难覆盖的场所都有良好的辐射范围等优点。本文结合物联网在农业中的应用，设计了一种能够监测农业生产中常见的数据，并在云服务器上进行监测的系统。系统的总体框架如图1所示，主要分为3个部分，即信号采集部分、控制器和监控平台[2]。

图1 总体框图

1.2 系统功能

通过土壤湿度模块、光照强度模块、温湿度模块分别测量农业生产环境中的土壤湿度、光强和空气温湿度等信息。……