【技术实现步骤摘要】
一种基于相对波动的自适应信号融合方法及系统
本专利技术涉及多传感器信号融合
，特别是涉及一种基于相对波动的自适应信号融合方法及系统。
技术介绍
在现代信号采集的过程中，通过安装单个传感器进行目标信号测量，是最为简单快速的方式。但在目标工况复杂、噪声污染严重等情况下，目标信号可能会出现识别困难、湮没在噪声中等问题。为了能够降低目标信号的提取难度，则需要在单一传感器采集信号的基础上，添加额外的传感器。目的是，通过融合多个传感器所采集到的信号，来对单个传感器中存在的噪声和不确定信息进行抑制，同时对目标信号进行适当增强。国内外学者对信号融合的相关内容进行了大量的研究，也给出了很多经典的信号融合算法，例如：卡尔曼滤波、模糊阈值理论和随机加权融合算法等。但这些方法都不可避免的存在一些局限性。其中，卡尔曼滤波和模糊阈值理论的数学基础分别是条件概率分布和模糊隶属函数，当采集到的信号数据相差较大的情况下，则会造成两种算法的精度和效率的降低。随机加权融合算法作为一种新型的信号融合算法，因具备无需先验条件、结构简单、精度高、误差低等...
【技术保护点】
1.一种基于相对波动的自适应信号融合方法，其特征在于，包括：/n对变量信号进行采样，并分别向其中加入N组不同方差的高斯白噪声，得到变化后的变量信号；/n分别计算N组所述变化后的变量信号在k时刻的采集信号相对于历史采集信号的波动值；/n分别计算N组所述变化后的变量信号在k时刻的所述波动值相对于(k-1)时刻波动值的变化情况，得到相对波动值；/n根据所述相对波动值，分别计算N组所述变化后的变量信号的自适应均衡因子；/n根据所述自适应均衡因子，得到N组更加接近真值的最佳估计值；/n根据传统随机加权融合算法中的加权方法，得到所述最佳估计值在融合过程中对应的的权值；/n根据所述权重值...
【技术特征摘要】 【专利技术属性】
1.一种基于相对波动的自适应信号融合方法，其特征在于，包括：
对变量信号进行采样，并分别向其中加入N组不同方差的高斯白噪声，得到变化后的变量信号；
分别计算N组所述变化后的变量信号在k时刻的采集信号相对于历史采集信号的波动值；
分别计算N组所述变化后的变量信号在k时刻的所述波动值相对于(k-1)时刻波动值的变化情况，得到相对波动值；
根据所述相对波动值，分别计算N组所述变化后的变量信号的自适应均衡因子；
根据所述自适应均衡因子，得到N组更加接近真值的最佳估计值；
根据传统随机加权融合算法中的加权方法，得到所述最佳估计值在融合过程中对应的的权值；
根据所述权重值对N组所述最佳估计值进行加权融合，得到均方误差最小情况下的融合信号。
2.根据权利要求1所述的基于相对波动的自适应信号融合方法，其特征在于，所述分别计算N组所述变化后的变量信号在k时刻的采集信号相对于历史采集信号的波动值，具体包括：
采用公式分别计算N组所述变化后的变量信号在k时刻的采集信号相对于历史采集信号的波动值；
其中，Yp(k)为波动值，p＝1,2,...,n，p为传感器，Xp(k)为第k个信号，Xp(i)为第i个信号。
3.根据权利要求1所述的基于相对波动的自适应信号融合方法，其特征在于，所述分别计算N组所述变化后的变量信号在k时刻的所述波动值相对于(k-1)时刻波动值的变化情况，得到相对波动值，具体包括：
采用公式γp(k)＝(Yp(k)-Yp(k-1))分别计算N组所述变化后的变量信号在k时刻的所述波动值相对于(k-1)时刻波动值的变化情况，得到相对波动值；
其中，γp(k)为相对波动值，Yp(k)为第k个信号点处的信号波动值，Yp(k-1)为第(k-1)个信号点处的波动值。
4.根据权利要求1所述的基于相对波动的自适应信号融合方法，其特征在于，所述根据所述相对波动值，分别计算N组所述变化后的变量信号的自适应均衡因子，具体包括：
根据所述相对波动值采用公式分别计算N组所述变化后的变量信号的自适应均衡因子；
其中，γp(k)是信号在第k个信号点处的相对波动值；γ是相对波动值的阈值，αp(k)为第k个信号点处的自适应均衡因子。
5.根据权利要求1所述的基于相对波动的自适应信号融合方法，其特征在于，所述根据所述自适应均衡因子，得到N组更加接近真值的最佳估计值，具体包括：
根据所述自适应均衡因子采用公式对N组变量信号的估计值进行调整，得到N组更加接近真值的最佳估计值；
其中，αp为第p个传感器的自适应均衡因子，Xp(k)为k＝1时刻更加接近真值的最佳估计值，X'p(k)为k≥2时刻更加接近真值的最佳估计值。
技术研发人员：孟宗，潘作舟，石颖，张光雅，郜文清，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。