本发明属于无线传感器技术领域，具体涉及一种多目标感知的智能传感器的应用方法。
背景技术：
多目标感知的智能传感器集成与系统以其独特的优势，成为mems及传感器集成系统重要的解决方法，也是未来实现复杂集成系统的重要策略，在民用领域和军事领域正在取代传统的单一传感器系统，成为未来的发展方向。
尽管多目标感知的智能传感器三维集成微系统为传感器的发展描绘了未来的方向，多传感器异质集成系统实现了复杂功能，并且一些商用产品已经出现，但是总体上多传感器集成仍处于发展过程中，实现多mems传感器与cmos电路的三维集成仍面临巨大的技术挑战：
（1）mems传感器三维集成工艺兼容性问题，绝大多数mems传感器具有脆弱的悬空微结构，在三维集成过程中很容易被破坏，导致常规三维集成方法对多数mems传感器应用并不适用；
（2）多传感器三维集成是一个复杂系统，在系统可靠性、器件特性、热力学等基础理论在应用方面有大量问题尚待解决；
（3）微米纳米集成传感器在跨尺度的能量转换过程和机理、被测物理化学量的交叉干扰，以及传感器的应力控制和纳米传感器噪声控制等方面仍旧有很多问题尚未解决。
技术实现要素：
本发明的目的在于提供一种多目标感知的智能传感器的应用方法，解决信号之间的匹配和干扰问题，融合各种传感器的测量数据,据集成传感信号的耦合过程、能量转换机理和电信号转换效率的方式，提供跨尺度能量转换和信号传输的有效方法，优化信号传输质量。
为实现上述目的，本发明提供如下技术方案：一种多目标感知的智能传感器的应用方法，所述的应用方法包括：
步骤一：采用以能量流为主线的方法，研究并建立多目标敏感过程中跨尺度的多场耦合模型和敏感机理模型；
步骤二：采用改进的低噪声放大器和ad转换器实现传感器输出微弱信号的处理。
步骤三：利用卡尔曼滤波和稀疏度自适应算法分别对测量数据进行数据融合和压缩处理；
优选的，所述步骤一，采用有限元分析结合lame问题的求解方法，建立tsv热膨胀过程的热力学耦合模型，在各向同性并且线弹性的条件下，铜柱热膨胀的理论模型采用热力耦合的a和b两个问题的叠加，其中问题a中系统受到温度增量δt的和表面均布应力σz的共同作用，tsv内部的应力是均匀的，tsv两端没有外部应力的作用，在问题a的模型上叠加问题b，使tsv表面受到反向的均布应力p（=σz）的作用，问题a采用理论过程求解，问题b采用半理论模型进行近似求解。
优选的，所述步骤一，利用多场耦合理论，建立由于热、力、电多物理场耦合作用下的结构和器件的原子滑移速率模型，对速率的积分对应结构的变形和能量的存储，因此将多物理场与能量流联系起来，作为传感器工作过程中抽象于敏感机理之上的物理过程，该过程将被测量的影响和传感器能量转换过程抽象出来，而且将多个影响因素耦合到一起，更重要的是在模型建立阶段不受尺寸的影响，将压阻与膜片这种尺寸跨度达到2-3个数量级的情况作为一个内部系统，降低有限元建模中大尺寸跨度引起的计算量和计算精度。
优选的，所述步骤二，多目标感知的智能传感器三维异质集成系统采用高性能的信号处理电路，对传感器输出的多个微弱信号分别进行放大和模拟-数字转换，多传感器三维异质集成系统的信号处理包括低噪声电压放大器、跨阻放大器、电流镜、高精度低功耗数模转换器（adc）模块，电场传感器的信号处理电路主要包括跨阻放大器和adc；压力和温度传感器的信号处理电路包括低噪声前置放大器、电流镜和高精度adc。
优选的，多目标感知的智能传感器信号测量系统将adc输出的电压数字信号进行量化测量，然后进行数据融合和数据压缩处理，得出输出电压和所测物理量的拟合曲线，利用卡尔曼滤波和稀疏度自适应算法来融合电场、压力和温度传感器的测量数据，从而校正传感器自身产生的漂移，多传感器数据融合算法采用卡尔曼滤波（kf）和扩展卡尔曼滤波（ekf），kf提供实时的加速度的更新，对于非线性模型，kf会产生较大的误差，甚至可能导致观测结果发散，ekf是针对kf这个缺点提出的，通过把非线性模型使用泰勒级数展开，保留一阶精度，从而转化为线性模型进行计算，状态转移矩阵和观测矩阵分别是使用非线性函数的雅克比矩阵来代替。
与现有技术相比，本发明的有益效果如下：
1、通过数据融合算法，使系统能够在最短时间内获得主要信息，并通过冗余信息使多目标的智能传感器系统的综合性能高于单传感器之和，针对不同传感器的组合，采用卡尔曼滤波和扩展卡尔曼滤波为基础的多传感器数据融合，通过不同传感器之间的测量信息融合算法，获得更高的集成性能，研究电场、温度、湿度、压力和加速度传感器的卡尔曼滤波和扩展卡尔曼滤波数据融合算法，对电场传感器的信息进行补偿，校正传感器自身漂移，获得比单一电场传感器更高的分辨率，排除环境干扰。
2、基于稀疏度自适应算法的数据压缩方法，对多传感器测量的数据进行冗余压缩处理，减小数据存储、处理和传输的负担。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种多目标感知的智能传感器的应用方法，所述的应用方法包括：步骤一：采用以能量流为主线的方法，研究并建立多目标敏感过程中跨尺度的多场耦合模型和敏感机理模型；所述步骤一，采用有限元分析结合lame问题的求解方法，建立tsv热膨胀过程的热力学耦合模型，在各向同性并且线弹性的条件下，铜柱热膨胀的理论模型可以采用热力耦合的a和b两个问题的叠加，其中问题a中系统受到温度增量δt的和表面均布应力σz的共同作用，此时tsv内部的应力是均匀的，由于tsv两端没有外部应力的作用，因此需要在问题a的模型上叠加问题b，使tsv表面受到反向的均布应力p(＝σz)的作用，问题a可以采用理论过程求解，问题b可以采用半理论模型进行近似求解；利用多场耦合理论，建立由于热、力、电多物理场耦合作用下的结构和器件的原子滑移速率模型，对速率的积分对应结构的变形和能量的存储，因此可以将多物理场与能量流联系起来，作为传感器工作过程中抽象于敏感机理之上的物理过程，该过程不但将被测量的影响和传感器能量转换过程抽象出来，而且将多个影响因素耦合到一起，更重要的是在模型建立阶段不受尺寸的影响，可以将压阻与膜片这种尺寸跨度达到2-3个数量级的情况作为一个内部系统进行考虑，从而降低了有限元建模中大尺寸跨度引起的计算量和计算精度的问题。步骤二：采用改进的低噪声放大器和ad转换器实现传感器输出微弱信号的处理；所述步骤二，多目标感知的智能传感器三维异质集成系统需要高性能的信号处理电路，对传感器输出的多个微弱信号分别进行放大和模拟-数字转换，多传感器三维异质集成系统的信号处理包括低噪声电压放大器、跨阻放大器、电流镜、高精度低功耗数模转换器(adc)模块，电场传感器的信号处理电路主要包括跨阻放大器和adc；压力和温度传感器的信号处理电路包括低噪声前置放大器、电流镜和高精度adc。步骤三：利用卡尔曼滤波和稀疏度自适应算法分别对测量数据进行数据融合和压缩处理；多目标感知的智能传感器信号测量系统将adc输出的电压数字信号进行量化测量，然后进行数据融合和数据压缩处理，得出输出电压和所测物理量的拟合曲线，利用卡尔曼滤波和稀疏度自适应算法来融合电场、压力和温度传感器的测量数据，从而校正传感器自身产生的漂移，多传感器数据融合算法采用卡尔曼滤波(kf)和扩展卡尔曼滤波(ekf)，kf可以提供实时的加速度的更新，但是kf是基于线性模型的滤波器，要求运动模型和观测模型为线性模型，对于非线性模型，kf会产生较大的误差，甚至可能导致观测结果发散，ekf是针对kf这个缺点提出的，通过把非线性模型使用泰勒级数展开，保留一阶精度，从而转化为线性模型进行计算，状态转移矩阵和观测矩阵分别是使用非线性函数的雅克比矩阵来代替。
本发明提供一种将电场传感器、压力传感器、温度传感器、湿度传感器和加速度传感器制造在同一个芯片上，根据mems兼容的三维集成技术，将多传感器芯片与cmos信号处理电路芯片三维集成的多目标感知的智能传感器，通过对指定空间电场强度和环境变量的监测，实现用智能电网中发电、输电和变电环节的故障早期预警的复杂物理环境测量的传感器微系统，通过多场耦合模型和敏感机理模型、传感器输出微弱信号的处理、数据融合和压缩处理，解决其中关键和基础科学问题的多目标感知的智能传感器的实现方法。
综上所述：本发明通过步骤一、步骤二和步骤三解决信号之间的匹配和干扰问题，融合各种传感器的测量数据,据集成传感信号的耦合过程、能量转换机理和电信号转换效率的方式，提供跨尺度能量转换和信号传输的有效方法，优化信号传输质量。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。