专利名称：一种多功能传感器信号重构精度和计算量的平衡方法
技术领域：
本发明涉及传感器，尤其是涉及一种多功能传感器信号重构精度和计算量的平衡方法。
背景技术：
多功能传感器是能够同时测量多个物理量的传感器，是现代传感技术的主要发展趋势之一。随着多功能传感器的发展，其相应的信号重构方法也是必须研究的问题。目前，虽然适用于多功能传感器的信号重构方法有不少，但是既能保证重构精度，又能够在智能芯片上使用的方法很少，而基于B样条和卡尔曼滤波的重构方法就是其中之一。然而，目前该方法在B样条模型结构的选择上，一般是通过人工选择，并没有相应的算法指导，使得在重构过程中为了达到一定的精度，进行了大量不必要的计算。
目前，国内外在传感器的平衡算法上已有一定的研究，但是仍存在一些问题。大多数的文献中，并未研究传感器信号重构的平衡算法，对于模型的结构，一般采用的是多次尝试或者依靠经验的方法，只要获得了需要的重构效果，并不考虑其他的问题，如建模所需的计算量、模型的复杂程度等。文献(魏国，刘剑，孙金玮，et al.基于LS-SVM的非线性多功能传感器信号重构方法研究.自动化学报，2008，34(8):869-875)中，针对多功能传感器的信号重构，利用L折交叉验证优化了支持向量机的参数。然而，该文中仅研究了被优化参数对信号重构误差的影响，并未研究其对参数辨识所需计算量的影响° 文献(Michele Gubian, Anna Marconato, Andrea Boni, et al.A study onUncertainty-Complexity Tradeoffs for Dynamic Nonlinear Sensor Compensation.1EEE transactions on instrumentation and measurement，2009，58 (I):26-32)和文献(Michele Gubian, A.Marconato, A.Bonij et al.Uncertainty-Complexity Trade-Offs forSensor Compensation Design, AMUEM2007, Italy, 2007:127-132)在研究动态传感器非线性补偿问题时，釆用了支持向量机的方法对传感器进行了逆向建模。在该文中，作者研究了标定过程中的精度和计算复杂度的评价方法，并通过优化支持向量机的结构，实现了两者之间的平衡。然而，该文针对的是单一功能的传感器补偿问题，且被优化的对象为支持向量机。发明内容
本发明的目的在于提供一种多功能传感器信号重构精度和计算量的平衡方法。
首先，简要介绍一下B样条算法。B样条算法是构造复杂非线性曲线或曲面的重要工具。由B样条所构造的曲线或曲面具有良好的低阶光滑特性，用其建立多功能传感器逆模型能够有效地避免欠拟合和过拟合现象的出现，从而提高信号重构精度。以三输入单输出的模型为例，介绍B样条模型的基本结构。给定一组样本数据办^ ^^)}:^=^和三个方向上的节点序列:
权利要求
1.一种多功能传感器信号重构精度和计算量的平衡方法，其特征在于包括以下步骤: 1)根据每一个输入方向上节点向量维数的取值范围，确定对其进行二进制编码所需的位数，将所有输入方向上的节点向量维数放在同一个二进制数中，该二进制数就是遗传算法的个体； 2)随机产生初始种群，即由多个二进制数组成的数组； 3)令计数器N=l，N代表遗传算法循环的次数； 4 )对于种群中的所有个体，对其进行解码，获得其对应的各个方向上的节点向量维数，并以此建立B样条模型； 5)计算每个B样条模型的重构最小均方误差MSE以及建模所需的乘运算次数； 6)计算每个个体的适应度函数； 7)根据每个个体的适应度函数，对种群进行选择、交叉和变异操作，产生新的种群； 8)判断循环次数N是否到达预先设定的值Nmax，若未到达，则N=N+1并跳往步骤3;若达到设定值，则平衡算法结束，给出优化结果，即此时种群中的最优个体。
2.如权利要求1所述一种多功能传感器信号重构精度和计算量的平衡方法，其特征在于在步骤5)中，所述重构最小均方误差MSE的计算公式为:MSE = J-Zte-ft)2V =1 式中，η是样本数据的个数； gi样本数据的真实值； ft经过信号重构后，对样本数据的估计值； 乘运算次数的计算公式为:Num = NumsingleXn 式中，Num是整个信号重构所需的乘运算次数； Numsingle是单次卡 尔曼滤波所需的乘运算次数； 对于三输入单输出的B样条模型，单次卡尔曼滤波所需的乘运算次数为: Numsingle = λ 3+2 λ 2+9 λ +120 λ = (Li+k) (L2+k)...(Lm+k) 式中，λ是卡尔曼滤波状态向量的维数； m是传感器被测量的个数； L1, Iv-Lm为各个被测量对应的内节点向量维数； k为卡尔曼滤波的阶数。
3.如权利要求1所述一种多功能传感器信号重构精度和计算量的平衡方法，其特征在于在步骤6)中，所述计算每个个体的适应度函数的公式为:Fitness = Numsingle+P = λ 3+2 λ 2+9 λ +120+ΡΓΟMSEcs P = I [αMSE > ε 式中，Fitness是适应度函数； P是惩罚因子； ε是门限阀值；a是惩罚常数，一般设为一个极大的整数。
4.如权利要求1所述一种多功能传感器信号重构精度和计算量的平衡方法，其特征在于利用遗传算法对B样条模型的结构参数进行优化，使得适应度函数最小，遗传算法的步骤如下: 1)将B样条结构参数，即各个输入方向上的节点向量维数，即L，M和N进行二进制编码,并给出初始种群； 2)计算当前种群中个体的适应度函数以及利用B样条进行信号重构后的MSE； 3)计算适应度函数的取值； 4)利用遗传算法，对现有种群进行选择、交叉和变异，产生新的种群； 5)计算新种群中最优个体的适应度函数，若循环次数高于预设值Nmax则结束，否则返回步骤2 )。
全文摘要
一种多功能传感器信号重构精度和计算量的平衡方法，涉及传感器。对一种现有的基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法的精度和计算量进行平衡，其目标为使得平衡后的信号重构方法既能保证精度，计算量又相对较低。分别利用最小均方误差和乘运算次数对信号重构方法的精度和计算量进行了量化；利用这两个参数设计了适应度函数；利用遗传算法优化B样条的结构，使得适应度函数最小，以实现对信号重构方法精度和计算量的平衡。能够在保证精度较高的基础上，大大降低信号重构过程所需的计算量，同时也可以用于其他多功能传感器信号重构方法上。
文档编号G06F17/15GK103176951SQ201310121260
公开日2013年6月26日 申请日期2013年4月9日 优先权日2013年4月9日
发明者王昕 , 魏国, 孙金玮, 范贤光, 许英杰 申请人:厦门大学