本技術涉及數據分析，具體涉及一種基于活動軌跡的家禽狀態監測方法及監測系。
背景技術：
1、在家禽的規模化養殖場中，為了保證家禽的健康，常常需要對家禽（例如：雞）的健康狀態進行監控，現有技術中常常通過人工觀察的方式進行監測，上述方法極度依賴工作人員的經驗，主觀性強，其監測準確度有限，同時還不能實現24小時不間斷的監控。
2、部分大型養殖場則通過攝像頭采集雞只的視覺圖像，通過視覺圖像分析雞只的精神狀態，進而判斷其健康狀態，但是上述方法不但對技術要求較高，同時在養殖場中，雞只之間的遮擋和攝像頭的布置位置極易影響視覺圖像的采集質量，進而影響底層數據的準確性，其監測的精度較低。?
技術實現思路
1、本技術的主要目的在于提供一種基于活動軌跡的家禽狀態監測方法及監測系統，旨在解決現有技術中存在的監測準確性低的缺陷。
2、本技術通過以下技術方案實現上述目的：
3、一種基于活動軌跡的家禽狀態監測方法，包括以下步驟：
4、獲取基準接收時間t0-i、第一接收時間t1-i和第二接收時間t2-i；其中i表示時間戳編號；
5、根據所述基準接收時間t0-i、第一接收時間t1-i和第二接收時間t2-i解算生成移動軌跡點集；
6、基于時間窗口從所述移動軌跡點集中隨機截取若干軌跡點子集；
7、分別對各所述軌跡點子集進行特征提取，獲取各時間窗口的特征參數集；所述特征參數集包括平均運動速度、活動范圍參數和活動頻率參數；
8、根據各所述特征參數集分別為各時間窗口生成分時監測結果；
9、根據各分時監測結果生成健康監測結果。
10、可選的，根據所述基準接收時間t0-i、第一接收時間t1-i和第二接收時間t2-i解算生成移動軌跡點集，包括以下步驟：
11、根據時間戳編號將各所述基準接收時間t0-i、第一接收時間t1-i和第二接收時間t2-i組合為若干計算組，其中各計算組的表達式為（t0-i、t1-i、t2-i），i表示時間戳編號；
12、獲取任一計算組，分別計算第一時間差和第二時間差；其中所述第一時間差的計算表達式為，所述第二時間差的計算表達式為；
13、根據所述第一時間差計算第一距離差；其中所述第一距離差的計算表達式為，c表示電磁波的傳播速度；
14、根據所述第二時間差計算第二距離差；其中，所述第二距離差的計算表達式為，c表示電磁波的傳播速度；
15、根據所述第一距離差與所述第二距離差構建雙曲線定位模型，解算所述雙曲線定位模型獲取實時坐標；其中所述雙曲線定位模型的表達式為，（x、y）表示雞只的坐標，（x0、y0）、（x1、y1）和（x2、y2）分別表示基準信號接收器、第一信號接收器和第二信號接收器的位置坐標；
16、重復獲取任一計算組，分別計算第一時間差和第二時間差的步驟，獲取移動軌跡點集。
17、可選的，基于時間窗口從所述移動軌跡點集中隨機截取若干軌跡點子集，包括以下步驟：
18、設定時間窗口總時長t、移動步長δt和時間窗口數量q；
19、在所述移動軌跡點集中選擇一軌跡點作為起始點，隨后根據時間窗口總時長t和相鄰軌跡點時間間隔生成第一個軌跡點子集；
20、根據移動步長δt和時間窗口數量q依次生成若干軌跡點子集。
21、可選的，分別對各所述軌跡點子集進行特征提取，獲取各時間窗口的特征參數集；所述特征參數集包括平均運動速度、活動范圍參數和活動頻率參數，包括以下步驟：
22、獲取各時間窗口的軌跡點子集；
23、根據各所述軌跡點子集，分別計算各時間窗口的平均運動速度；
24、根據各所述軌跡點子集，分別為各時間窗口生成最小包圍圓，取各最小包圍圓的半徑為活動范圍參數；其中j表示時間窗口的編號；
25、設定位移閾值，根據位移閾值和各所述軌跡點子集分別計算各時間窗口的活動頻率參數；
26、分別為各時間窗口輸出特征參數集，，...，，其中，j表示時間窗口的編號。
27、可選的，平均運動速度的計算表達式為，其中j表示時間窗口的編號，bj表示編號為j的時間窗口內的軌跡點數，sj和ej分別表示編號為j的時間窗口的起始軌跡點和終止軌跡點，表示相鄰兩軌跡點的采樣時間間隔，k表示軌跡點編號，（xk、yk）表示編號為k的軌跡點的坐標。
28、可選的，設定位移閾值，根據位移閾值和各所述軌跡點子集分別計算各時間窗口的活動頻率參數，包括以下步驟：
29、設定位移閾值d0；
30、根據各所述軌跡點子集，分別計算任意相鄰兩點之間的實際位移dk-k+1，生成實際位移集合{d1-2、d2-3、...、dk-k+1}j；其中k和k+1表示相鄰兩軌跡點的編號，j表示時間窗口的編號；
31、根據停留區間篩分公式在所述實際位移集合內篩選并統計停留區間個數aj，其中所述停留區間篩分公式的表達式為dk-k+1≤d0；
32、根據活動頻率參數的計算公式計算活動頻率參數，其中所述活動頻率參數的計算表達式為，其中表示相鄰兩軌跡點的采樣時間間隔。
33、可選的，根據各所述特征參數集分別為各時間窗口生成分時監測結果，包括以下步驟：
34、獲取任一特征參數集，對其進行歸一計算，獲取特征歸一參數集；
35、對所述特征歸一參數集進行加權計算，獲取狀態加權得分；其中所述狀態加權得分的計算表達式為且；
36、設定狀態判定模型，根據所述狀態判定模型和所述狀態加權得分輸出分時健康監測結果；其中所述狀態判定模型的表達式為，s0表示狀態判定閾值，為常數。
37、重復獲取任意特征參數集，對其進行歸一計算，獲取特征歸一參數集的步驟，分別獲取各時間窗口的分時監測結果。
38、可選的，特征歸一參數集的計算表達式為，其中和分別表示最大平均速度和最小平均速度，rmax和rmin分別表示最大活動半徑和最小活動半徑；和分別表示活動頻率參數的最大值和最小值。
39、可選的，根據各分時監測結果生成健康監測結果，包括以下步驟：
40、根據時間戳將各分時監測結果進行排序，生成狀態判定序列{p1、p2、...、pj}；
41、設定連續非正常周期判定閾值n0和累計非正常周期判定閾值m0；
42、統計所述狀態判定序列中實際連續非正常最大周期數n；
43、統計所述狀態判定序列中實際累計非正常周期數m；
44、若滿足n≥n0或/且m≥m0則判定狀態異常，否則判定狀態正常。
45、相應的，本技術還公開了基于上述監測方法的監測系統，包括
46、數據獲取模塊，用于獲取基準接收時間t0-i、第一接收時間t1-i和第二接收時間t2-i；其中i表示時間戳編號；
47、軌跡點計算模塊，用于根據所述基準接收時間t0-i、第一接收時間t1-i和第二接收時間t2-i解算生成移動軌跡點集；
48、分解模塊，用于基于時間窗口從所述移動軌跡點集中隨機截取若干軌跡點子集；
49、特征提取模塊，用于分別對各所述軌跡點子集進行特征提取，獲取各時間窗口的特征參數集；所述特征參數集包括平均運動速度、活動范圍參數和活動頻率參數；
50、第一計算模塊，用于根據各所述特征參數集分別為各時間窗口生成分時監測結果；
51、健康判定模塊，用于根據各分時監測結果生成健康監測結果。
52、與現有技術相比，本技術具有以下有益效果：
53、本技術首先獲取基準接收時間、第一接收時間和第二接收時間，并根據基準接收時間、第一接收時間和第二接收時間計算移動軌跡點集合，再基于時間窗口從移動軌跡點集中截取若干軌跡點子集，隨后分別對各軌跡點子集進行特征提取，獲取各個時間窗口的特征參數集，隨后根據各特征參數集分別生成各時間窗口的分時監測結果，最后根據各分時監測結果生成健康監測結果；
54、與現有技術相比，本技術具有以下有益效果：
55、本技術首先獲取獲取雞只的基準接收時間、第一接收時間和第二接收時間，并根據基準接收時間、第一接收時間和第二接收時間計算雞只的移動軌跡點集合，再基于時間窗口從移動軌跡點集中截取若干軌跡點子集，隨后分別對各軌跡點子集進行特征提取，獲取各個時間窗口的特征參數集，隨后根據各特征參數集分別生成各時間窗口的分時健康狀態監測結果，最后根據各分時健康狀態監測結果輸出雞只的健康監測結果；
56、與現有技術相比，本技術通過全自動的數據采集和計算實現了軌跡點的全自動計算，不但監控效率更高，同時通過客觀的模型對所有參數進行計算，從而排除了人工經驗判定的主觀性，提高監測結果的客觀性，有利于提高監測結果的準確性；
57、其次，本技術通過無線電發射器和多個接收器組網，隨著軌跡點的變化，無線電信號發射器和各個接收器之間的間距將發生變化，通過接收信號的時間差即可計算上述距離差，進而構建多個雙曲線函數，各個雙曲線函數的交點即為實時坐標；上述技術方案不但硬件設備簡單，有利于降低硬件成本，同時其定位精度不受定位信號強弱的影響，能夠實現高精度定位，為后續的計算準確的基礎參數，提高監測的準確性；
58、最后，本技術對軌跡點的采集方法能夠盡可能降低遮擋和安裝點位的影響，從而提高監測準確度；同時本技術所述的軌跡點采集不受光線的影響，因此其能夠實現24小時監控，因此其能夠有效保證底層數據的準確性和連續性，進而確保最終監測結果的準確性和可靠性。