【技术实现步骤摘要】
一种基于多分辨率小波的传感器数据降噪方法
[0001]本专利技术涉及数据降噪
，尤其涉及一种基于多分辨率小波的传感器数据降噪方法。
技术介绍
[0002]在智能楼宇领域以及智能市政中，存在着大量的传感器，这些传感器或密集或稀疏地分布，用来收集各类信息数据，例如温度、压力、流量、功率、湿度和热量等数据。大量分布式的传感器采集得到的数据是大数据分析以及智能化处理的基础。由于传感器的数量多且分布广，难免其中会有部分传感器出现异常，特别是现在部署大量的无线传感器的空间中，如何保障采集的传感器的基础数据的可信与可靠显得尤为关键。
[0003]传感器上传的数据可以被认为由两部分组成：一是被测对象属性的事迹值，二是产生于测量过程的随机误差。云计算、大数据平台以及相关的人工智能算法，在很大程度上无法将数据中真实有用的值，同测量过程中不可控的随机误差相分开。特别是一些算法对随机误差类的噪声非常敏感，可能会由于数据中存在的噪声导致计算失败，或者计算出错误的值。因此，数据的降噪就显得额外重要。
[0004]传统工业物联网(I...
【技术保护点】
【技术特征摘要】
1.一种基于多分辨率小波的传感器数据降噪方法，其特征在于，包括：S01、获取供热系统的一次管网中每一传感器在指定时段内的数据，将每一传感器的数据作为原始信号；S02、基于所述原始信号进行KS检测，获取最优分解层数J；S03、采用预先选择的小波函数和基函数以最优分解层数J对所述原始信号进行处理并重构，获得降噪后的目标信号。2.根据权利要求1所述的方法，其特征在于，所述S01之前，所述方法还包括：从云端设备中获取每一传感器在指定时间段内的数据，将获取的每一传感器的数据作为原始信号；或者，从云端设备中获取经过异常数据检测之后的每一传感器在指定时间段内的数据，将获取的每一传感器的数据作为原始信号。3.根据权利要求1所述的方法，其特征在于，S03包括：S03
‑
1、从预设的滤波函数中选择一组小波函数ψ(x)和基函数φ(x)；所述小波函数为高分辨率滤波函数，所述基函数为低分辨率滤波函数；S03
‑
2、基于最优分解层数J和小波函数ψ(x)、基函数φ(x)对所述原始信号进行分解处理，得到分解后的高分辨率信号和低分辨率信号；S03
‑
3、采用软阈值方式对所述高分辨率信号和低分辨率信号进行处理，得到处理后的两种信号；对处理后的两种信号进行重构，获得目标信号。4.根据权利要求3所述的方法，其特征在于，S03
‑
2包括：基于最优分解层数J和小波函数ψ(x)、采用下述公式对所述原始信号进行分解处理，得到分解后的低分辨率信号，基于最优分解层数J和基函数φ(x)，采用下述公式对原始信号进行分解处理，得到分解后的高分辨率信号；进行分解处理，得到分解后的高分辨率信号；进行分解处理，得到分解后的高分辨率信号；进行分解处理，得到分解后的高分辨率信号；获取高分辨率信号和低分辨率信号其中，Proj是一个计算符号，表示投影，V为一个空间的符号，V
j+1
为一个j+1层的空间符号；表示第V
j+1
空间的拆解投影过程，表示V
‑
J
空间组装投影过程，小波函数和基函数均为有长度的序列，k表示小波函数或基函数在长度序列中的位置；Z表示k的取值的总长度数值；C
j，k
表V空间中的投影结果，D
j，k
为W空间中的投影结果；W
j
表示一个j层的
空间符号；W表示另一个空间的符号；W
‑
i
表示一个
‑
i层的空间符号，W和V满足空间建立的关系，f(x)表示原始信号；j为分辨率，为从1开始取值的整数，J＝1时表示原始信号，J＜1时表示降采样信号，J＝
‑
1为进行一次分解得到的信号，J＝
‑
2为进行两次分解，f(x)中x为信号的索引，若要处理一天1440分钟的数据，则f(x)中x的取值为从1到1440的离散序列，f(1)为第一分钟传感器所上传的数据，i＝(
‑
J，
‑
J+1，...，
‑
1)；ψ(x)为小波函数，φ(x)为基函数，J为分解层数，i＝(
‑
J，
‑
J+1，...，
‑
...
【专利技术属性】
技术研发人员：张源，张同卫，李硕，张芬芳，
申请(专利权)人：国能龙源蓝天节能技术有限公司，
类型：发明
国别省市：
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。