基于加权字典学习的温度场重构方法、装置、设备及介质制造方法及图纸

一种基于加权字典学习的温度场重构方法，包括：初始化原始样本和字典，基于原始样本、预设的温度阈值及权重调整系数，计算与各温度场对应的第一权重矩阵，基于第一权重矩阵，将各温度场及字典进行矩阵变换计算，获得原始样本的稀疏表示，基于稀疏表示、原始样本和字典，更新字典，重复上述步骤，直至重复次数达到预设值，根据字典和第一权重矩阵，选出温度场中预设个数的最优温度测量位置，基于字典、实际设置的最优测量位置实时采集的温度、根据实时采集的温度计算的第二权重矩阵，重构温度场。本方法考虑了温度阈值与温度场重构精度的关系，可提高温度检测的精度。

【技术实现步骤摘要】
基于加权字典学习的温度场重构方法、装置、设备及介质
本公开涉及电子电路系统
，尤其涉及一种基于加权字典学习的温度场重构方法、装置、电子设备及计算机可读存储介质。
技术介绍
近年来，动态热管理技术(Dynamicthermalmanagement，DTM)在电子电路系统领域得到广泛应用。DTM利用电子系统内的温度传感器实时监测电子系统的温度场信息，调整系统工作在合适的温度范围内，可以有效地抑制系统过热情况发生。其中，温度场的监测精度对DTM准确、高效的运行的影响至关重要。通常，温度传感器数量远小于温度场分辨率，为了保证对温度场的监测精度，温度场重构技术(包括传感器位置布局与温度场重构算法)发挥了重要作用。特征映射技术是一种能够准确监测温度场的技术，但是该方法以最小均方误差作为求解原则，在求解过程中，并没有考虑DTM报警阈值与温度场重构精度之间的关系，因此，该方法对温度监测误差的容忍度较高，DTM的误触发率仍然有改进的空间。
技术实现思路
本公开一方面提供了一种基于加权字典学习的温度场重构方法，包括：初始化原始样本本文档来自技高网...

【技术保护点】
1.一种基于加权字典学习的温度场重构方法，其特征在于，包括：/n初始化原始样本和字典，所述原始样本为温度场先验信息，包括多个温度场；/n基于所述原始样本、预设的温度阈值及权重调整系数，计算与各所述温度场对应的第一权重矩阵；/n基于所述第一权重矩阵，将各所述温度场及所述字典进行矩阵变换计算，并根据变换结果，获得所述原始样本的稀疏表示；/n基于所述稀疏表示、所述原始样本和所述字典，更新所述字典；/n重复上述步骤，直至重复次数达到预设值；/n根据所述字典和所述第一权重矩阵，选出所述温度场中预设个数的最优温度测量位置；/n基于所述字典、所述最优测量位置实时采集的温度、根据所述实时采集的温度计算的第二权...

【技术特征摘要】
1.一种基于加权字典学习的温度场重构方法，其特征在于，包括：
初始化原始样本和字典，所述原始样本为温度场先验信息，包括多个温度场；
基于所述原始样本、预设的温度阈值及权重调整系数，计算与各所述温度场对应的第一权重矩阵；
基于所述第一权重矩阵，将各所述温度场及所述字典进行矩阵变换计算，并根据变换结果，获得所述原始样本的稀疏表示；
基于所述稀疏表示、所述原始样本和所述字典，更新所述字典；
重复上述步骤，直至重复次数达到预设值；
根据所述字典和所述第一权重矩阵，选出所述温度场中预设个数的最优温度测量位置；
基于所述字典、所述最优测量位置实时采集的温度、根据所述实时采集的温度计算的第二权重矩阵，重构所述温度场。


2.根据权利要求1所述的方法，其特征在于，所述基于所述原始样本、预设的温度阈值及权重调整系数，计算与各所述温度场对应的第一权重矩阵包括：
分别计算各所述温度场中的各数值的权重，所述权重构成了与对应的所述温度场矩阵大小相同的所述第一权重矩阵；
令ft表示第t个所述温度场，是一个W×H大小的离散化数据矩阵ft[n]为所述温度场ft的向量表示的元素，0≤n≤N-1，N＝WH，Tth表示预设的温度报警阈值，ω表示预设的权重调整系数，wt[n]表示第t个所述温度场中的第n个数据的权重，则：








3.根据权利要求1所述的方法，其特征在于，所述基于所述第一权重矩阵，将各所述温度场及所述字典进行矩阵变换计算，并根据变换结果，获得所述原始样本的稀疏表示包括：
依次将所述第一权重矩阵中与各所述温度场对应的的权重向量对角化，得到各所述权重向量的对角化矩阵；
将各所述对角化矩阵与对应的所述温度场和所述字典相乘，得到对应的所述温度场及所述字典相应的变换矩阵；
基于各所述温度场及所述字典相应的变换矩阵，利用最小二乘算法，获得各所述温度场的稀疏表示；
各所述温度场的稀疏表示共同构成了所述原始样本的稀疏表示。


4.根据权利要求1所述的方法，其特征在于，所述基于所述稀疏表示、所述原始样本和所述字典，更新所述字典包括：
基于所述稀疏表示、所述原始样本和所述字典，依次计算所述字典的各行向量的残差；
将所述残差作奇异值分解，得到所述残差的左奇异矩阵；
根据所述左奇异矩阵，更新所述字典对应的行向量；
其中，计算所述残差的公式包括：
令F表示所述原始样本，包括T个所述温度场，D表示所述字典，所述字典为N×K的矩阵，dk表示D的第k行向量，W表示所述第一权重矩阵，X表示所述原始样本的稀疏表示，E′k表示与dk对应的残差，则：



其中，dk＝0，dkv＝dk。


5.根据权利要求1所述的方法，其特征在于，所述根据所述字典和所述第一权重矩阵，选出所述温度场中预设个数的最优温度测量位置包括：
随机生成一个长度为预设个数备选位置向量和一个最优位置向量，长度均等于所述预设个数，所述备选位置向量和所述最优位置向量的各元素表示了一个温...

【专利技术属性】
技术研发人员：李文昌，张天一，
申请(专利权)人：中国科学院半导体研究所，
类型：发明
国别省市：北京;11