基于隐马尔科夫模型的液体压力传感器系统在线去噪方法技术方案

一种基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，包括：分别对隐马尔科夫模型的隐状态和观测状态以及液体压力传感器系统进行初始化；建立隐马尔科夫模型；根据隐马尔科夫模型对隐状态进行预测；根据隐状态的预测结果得到隐状态的最佳估计，从而实现液体压力传感器系统的在线去噪。本发明专利技术的基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，充分利用HMM的实时性和高效率，对液压传感器的状态进行合理预测，提高了传感器的测量精度。

On line denoising method of liquid pressure sensor system based on Hidden Markov model

【技术实现步骤摘要】
基于隐马尔科夫模型的液体压力传感器系统在线去噪方法
本专利技术涉及一种在线去噪方法。特别是涉及一种基于隐马尔科夫模型的液体压力传感器系统在线去噪方法。
技术介绍
随着工业化进程的加快，液体压力传感器的需求急剧增加，同时对传感器的测量精度提出了更高的要求。各种机械设备需要持续供能，因此气缸内的液体压力是保证设备正常运转的一个重要指标。在目前提出的液体压力测量的仪器中，有专家提出一种用于静压监测的新型光纤液体晶体传感器；也有利用偏振串扰分析仪设计液体压力光纤传感系统，并通过水深测量验证其可行性；此外，还有专家提出了一种具有良好单值线性压力响应的光纤法布里-珀罗液位传感器。以上方法一定程度上提高了测量精度，但没有考虑在线去噪问题。液体压力传感器工作性能受到液体压力传感器系统的系统噪声和测量噪声的限制。其中，系统噪声由于射频干扰和电磁干扰产生；测量噪声由液体压力传感器测量过程中的随机干扰引起。两类干扰的存在不可避免，因此测量值与理想值之间难免存在偏差。
技术实现思路
本专利技术所要解决的技术问题是，提供一种能够提高传感器测量精度的基于隐马尔科夫模型的液体压力传感器系统在线去噪方法。本专利技术所采用的技术方案是：一种基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，包括如下步骤：1)分别对隐马尔科夫模型的隐状态和观测状态以及液体压力传感器系统进行初始化；2)建立隐马尔科夫模型；3)根据隐马尔科夫模型对隐状态进行预测；4)根据隐状态的预测结果得到隐状态的最佳估计，从而实现液体压力传感器系统的在线去噪。步骤1)所述的初始化，包括：(1)设隐马尔科夫模型第t个时刻的隐状态为xt＝[d1,t,d2,t,…,di,t,…,dM,t]T，隐马尔科夫模型第t个时刻的观测状态为yt＝[C1,t,C2,t,…,Cj,t,…,CN,t]T。其中，di,t(i＝1,2,…,M)表示第t个时刻测量的第i个距离；Cj,t(j＝1,2,…,N)表示第t个时刻测量的第j个电容值；M、N分别代表隐状态和观测状态的个数。(2)设液体压力传感器系统的系统噪声wt和测量噪声vt是彼此不相关的高斯白噪声，且满足：wt～(0,Qt)，vt～(0,Rt)其中，和分别代表系统噪声和测量噪声的协方差。步骤2)所述的隐马尔科夫模型如下：xt＝Axt-1+But-1+wt-1(1)yt＝hxt+vt(2)其中，xt和xt-1分别为第t个时刻和第t-1个时刻的隐状态；是隐状态转移矩阵；是控制矩阵；是第t-1个时刻的输入控制信号；wt-1为系统噪声；yt为第t个时刻的观测状态；是转移概率矩阵，它描述了隐状态和观测状态的关系；vt是测量噪声。其中，M、N分别代表隐状态和观测状态的个数；k为常数；di,t-1表示第t-1个时刻测量的第i个距离。步骤3)所述的对隐状态进行预测，包括：(1)暂时忽略公式xt＝Axt-1+But-1+wt-1中系统噪声wt-1的影响，用第t-1个时刻隐状态的最佳估计预测第t个时刻的隐状态xt，得到第t个时刻的隐状态xt的预测估计其中，A、B分别为隐状态转移矩阵和控制矩阵；ut-1为输入控制信号；(2)联立公式(1)、(3)，得到预测误差et|t-1：其中，称为第t-1个时刻的估计误差；xt和xt-1分别为第t个时刻和第t-1个时刻的隐状态；(3)对公式(4)两侧求协方差，得到：Pt|t-1＝APt-1AT+Qt-1(5)其中，Pt|t-1、分别是et|t-1和et-1的协方差；Qt-1为wt-1的协方差。步骤4)包括：(1)利用观测状态yt对第t个时刻的隐状态xt的预测估计进行纠正，得到此时足够小，即为第t个时刻的隐状态的最佳估计：其中被称为新息；h是转移概率矩阵；被称为权重系数，并由下式计算得到：Kt＝Pt|t-1hT(hPt|t-1hT+Rt)-1(7)权重系数Kt物理意义为：误差较小的因子被赋予较大的权重，而误差较大的因子被赋予较小的权重；其中，Pt|t-1是预测误差et|t-1的协方差，Rt是测量噪声的协方差；(2)更新第t个时刻的估计误差et的协方差Pt，以确保第t+1个时刻继续迭代：Pt＝(I-Kth)Pt|t-1(8)其中，I是M×M的单位矩阵，M是隐状态的个数。所述的观测状态yt是液体压力传感器系统的测量值。本专利技术的基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，充分利用HMM的实时性和高效率，对液压传感器的状态进行合理预测，提高了传感器的测量精度。本专利技术的优点主要在于：1、可以从受误差影响的传感器测量值中估算出最佳状态。基于HMM的降噪方法，因噪声协方差被周期性和自适应追踪，因此可用于减小因噪声而产生的测量误差，实现传感器在线去噪。2、在任何具有隐状态信息的动态系统中，HMM可以根据观测状态对隐状态进行合理的估计。3、HMM可以从噪声观测中提取隐状态，利用测量值去纠正估计值，得到所求时刻状态的最优估计。附图说明图1是本专利技术涉及的液体压力传感器系统示意图；图2是本专利技术基于隐马尔科夫模型的液体压力传感器系统在线去噪方法的框图；图3是本专利技术中隐状态的循环迭代过程示意图；图4是本专利技术中隐马尔科夫模型和液体压力传感器系统测量值的效果对比图。具体实施方式下面结合实施例和附图对本专利技术的基于隐马尔科夫模型的液体压力传感器系统在线去噪方法做出详细说明。本专利技术的基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，所采用的液体压力传感器系统如图1所示，液压传感器利用射频识别技术，采用双标签耦合设计。两个标签分别通过固定胶固定在活塞和汽缸壁，且在阅读器工作范围之内。其中，标签采用商用带有自适应阻抗匹配电容的芯片，阅读器可以指示标签的匹配电容(C)，匹配电容(C)与两个标签之间的距离(d)满足C＝k/d+b，其中k,b是常量。当汽缸工作时，阀门A关闭、B打开，活塞沿-X方向移动；相反，当注入液体时，液体沿X方向挤压活塞。在这个不断循环的工作过程中，d随液体压力做周期性变化，标签自适应调整匹配电容的值，根据阅读器读取的匹配电容即可计算出标签之间的距离，进而利用胡克定律计算液体压力。为提高液体压力传感器系统的测量精度，将液体压力传感器系统的测量值经过隐马尔科夫模型进行在线去噪，即通过隐马尔科夫模型完成对液体压力传感器系统测量数据的修正，通过不断减小测量值与真实值的差距，实现传感器的在线去噪。如图2所示，本专利技术的基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，包括如下步骤：1)分别对隐马尔科夫模型的隐状态和观测状态以及液体压力传感器系统进行初始化；所述的初始化，包括：(1)设隐马尔科夫模型第t个时刻的隐状态为xt＝[d1,t,d2,t,…,di,本文档来自技高网...

【技术保护点】
1.一种基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，其特征在于，包括如下步骤：/n1)分别对隐马尔科夫模型的隐状态和观测状态以及液体压力传感器系统进行初始化；/n2)建立隐马尔科夫模型；/n3)根据隐马尔科夫模型对隐状态进行预测；/n4)根据隐状态的预测结果得到隐状态的最佳估计，从而实现液体压力传感器系统的在线去噪。/n

【技术特征摘要】
1.一种基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，其特征在于，包括如下步骤：
1)分别对隐马尔科夫模型的隐状态和观测状态以及液体压力传感器系统进行初始化；
2)建立隐马尔科夫模型；
3)根据隐马尔科夫模型对隐状态进行预测；
4)根据隐状态的预测结果得到隐状态的最佳估计，从而实现液体压力传感器系统的在线去噪。


2.根据权利要求1所述的基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，其特征在于，步骤1)所述的初始化，包括：
(1)设隐马尔科夫模型第t个时刻的隐状态为xt＝[d1,t,d2,t,…,di,t,…,dM,t]T，隐马尔科夫模型第t个时刻的观测状态为yt＝[C1,t,C2,t,…,Cj,t,…,CN,t]T。
其中，di,t(i＝1,2,…,M)表示第t个时刻测量的第i个距离；Cj,t(j＝1,2,…,N)表示第t个时刻测量的第j个电容值；M、N分别代表隐状态和观测状态的个数。
(2)设液体压力传感器系统的系统噪声wt和测量噪声vt是彼此不相关的高斯白噪声，且满足：
wt～(0,Qt)，vt～(0,Rt)
其中，和分别代表系统噪声和测量噪声的协方差。


3.根据权利要求1所述的基于隐马尔科夫模型的液体压力传感器系统在线去噪方法，其特征在于，步骤2)所述的隐马尔科夫模型如下：
xt＝Axt-1+But-1+wt-1(1)
yt＝hxt+vt(2)
其中，xt和xt-1分别为第t个时刻和第t-1个时刻的隐状态；是隐状态转移矩阵；是控制矩阵；是第t-1个时刻的输入控制信号；wt-1为系统噪声；yt为第t个时刻的观测状态；是转移概率矩阵，它描述了隐状态和观测状态的关系；vt是测量噪声。
其中，M、N分别代表隐状态和观测状态的个数；k为常数；di,t-1表示第t-1个时刻测量的第i个距离。


4.根据权利要求1所述的基于隐...

【专利技术属性】
技术研发人员：冯人海，常燕燕，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12