基于小波去噪和数据融合的多传感器数据重建算法

《基于小波去噪和数据融合的多传感器数据重建算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第44卷　第1期复旦学报(自然科学版)Vo1.44,No.12005年2月JournalofFudanUniversity(NaturalScience)Feb.,2005　　文章编号:042727104(2005)0120161205X基于小波去噪和数据融合的多传感器数据重建算法杨惠娟,张建秋(复旦大学电子工程系电子测量技术与仪器实验室,上海200433))摘　要:为了从被噪声干扰的各个传感器测量值中获得更准确的测量结果,提出了一种基于小波去噪和多传感器数据融合的传感器数据重建算法.仿真和实验的结果都表明:由该算法重建得到的各个传感器的重建数据的方差低于传感器测量值的方

2、差.可以认为多传感器数据重建算法给出了对每一个传感器的更为准确的测量结果.关键词:信号处理;小波去噪;数据融合;多传感器系统;数据重建中图分类号:TN911.72文献标识码:A在工业应用中常用传感器组对同一个被测量目标在同一工业过程的不同位置进行测量,以获得对被测目标更准确的描述.此外,为了提高传感器的测量精度,人们经常将传感器构成阵列.例如:文献1采用多电极的方法来克服非对称管流对电磁流量计测量精度的影响,其基本原理是多电极中每对电极都可以作为一个流量传感器,那么多电极可以组合成一个传感器组,利用每一个传感器的测量值对其加权,进而对这组传感器的测量结果进行数据融合以达到

3、提高测量精度的目的.具体方法是在方差基本定义的基础上提出递归的估计方差的算法,利用估计的方差估计出每个数据的权值,进而对电磁流量计的流量进行递归估计,从而达到提高精度的目的.在对传感器数据进行处理之前,评价传感器数据的可靠性有利于控制系统的正常工作.采用神经网2络的方法确认传感器的数据,为了训练神经网络,往往需要很大的数据量,而且计算量也会随之增加.在实际的应用中,为了存储这些数据需要大容量的存储器,所以在实现上代价比较大.而且通过对一组特定数据集训练得到的神经网络,只适用于特定的应用环境.当运用环境改变时,必须重新训练神经网络,3因此通用性很差.Kalman滤波器也可用

4、于传感器数据的确认,但是需要建立一个系统模型,在实现上通用性不强.同时,在许多工业过程中,人们需要控制被测量的分布,全如:文献3讨论的通过对一个熔化炉的进出口及炉内之间温度的分布进行测量,以控制其温度的分布,从而达到获得更高质量和性能产品的目的.然而,由于传感器阵列或传感器组中的每一个传感器可能不同程度的受到噪声的干扰,所以如果直接用这些传感器数据估计被测量,得到的结果并不一定是最优的.为了获得对被测量的更优的估计,需要从被噪声干扰的各个传感器测量值中重建传感器的数据.从而使控制系统获得被测量在一个工业过程中的更为准确的分布信息.为了从受到不同噪声干扰的各个传感器测量值中

5、获得更准确的各个传感器数据,本文提出了一种基于小波去噪和多传感器数据融合的传感器数据重建算法.该方法首先将每个传感器的测量值用小波阈值的方法去噪,减小噪声对传感器测量值的影响.为了更好的重建传感器信号,先将各个传感器测量值进行归一化处理,再将归一化后的各个传感器测量值做基于最小均方的数据融合.多传感器数据融合目的在5于用较大的数据量,充分利用对被测目标的在时间与空间的信息,获得对被测量的描述.来自多传感器的信号所提供的信息具有相关性、互补性和冗余性,将同源数据进行组合,可得到统计上的优势.因此,融X收稿日期:2004205208作者简介:杨惠娟(1980—),女,硕士研究

6、生;通讯联系人张建秋教授,博士生导师.162复旦学报(自然科学版)　　　　　　　　　　　　　　　　第44卷合的结果对被测量的估计比单个传感器的测量值是更为准确的.最后,用融合的结果估计各个传感器的测量值,即重建传感器数据.仿真和实验的结果都表明该算法的有效性.1　基于小波去噪及多传感器数据融合的传感器数据重建算法为了使建议方法具有一般性,假设有N个传感器对同一被测量Y在一个工业过程不同位置进行测量,经由每个传感器得到的测量值记为Xj(j=1,2,⋯,N),由于测量过程中,存在内部和外部噪声的影响,测量值可以表示为:Xj(n)=S(n)+ej(n)j=1,2,⋯,N;(1)

7、S(n)为被测量,ej(n),(j=1,2,⋯,N)为第j个传感器在n时刻的加性噪声;Xj(n),(j=1,2,⋯,N)为第j个传感器在n时刻的观察值.由于每个传感器受到噪声干扰的程度不同,所以Xj(j=1,2,⋯,N)偏离真实的被测量的程度是不同的.1.1　小波去噪j/2j通常实际应用中使用的是离散化的小波基函数φjk(x)=2Ψ(2x-k),信号的小波分解函数为:jf(x,w)=66wjkΨ(2x-k).jk信号小波消噪方法主要通过设置阈值.通过信号的离散小波变换,计算所有小波系数,然后剔除被认为跟[7]噪声有关的小波系数