传感器校准的方法及装置制造方法及图纸

本发明专利技术提供一种传感器校准的方法及装置。其方法包括：获取目标传感器以及参考传感器采集的多个属性的测量数据；对所述参考传感器的所述测量数据进行数据维度的调整，得到数据维度为N*P*K的测量数据；将所述测量数据通过各自对应的通道输入至预测模型，输出所述目标传感器对应的各属性的预测数据；基于卡尔曼滤波器，结合目标传感器各属性的测量数据和预测数据，确定所述目标传感器各属性的校准数据。本发明专利技术通过采集参考传感器多属性的测量数据，进行数据维度调整为N*P*K的测量数据，实现同时使用多时刻参考传感器多属性的测量数据对当前时刻目标传感器的各属性数据进行预测和校准。准。准。

【技术实现步骤摘要】
传感器校准的方法及装置


[0001]本专利技术涉及无线传感网络
，尤其涉及传感器校准的方法及装置。

技术介绍

[0002]无线传感器网络(Wireless Sensor Network，简称“WSN”)是由具有无线通信，感知及计算能力的微型传感器节点组成的“智能”网络，它涉及多学科高度交叉、知识高度集成的前沿热点研究领域，现已广泛应用于军事、农业、环境检测、医疗卫生、工业、智能交通等各种领域。
[0003]目前对无线传感器数据漂移校准的方式主要有以下几种：一、人工手动校准，由人为的对产生漂移的传感器进行检测和手工校准；二、利用信号子空间的思想，对信号进行特征空间投影，然后再将无漂移信号从特征空间中恢复出来。三、基于预测模型的校准，利用不同传感器间的时空相关性对测量信号的测量数据建立预测模型，如支持向量机、BP神经网络等，从而获取测量信号中目标节点测量数据的预测读数，再利用卡尔曼滤波器追踪测量信号中的漂移数据。
[0004]现有人工手动对数据漂移校准的方法，只能在传感器分布相对固定、部署环境相对安全的特定环境中实现，而在传感本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种传感器校准的方法，其特征在于，包括：获取目标传感器以及参考传感器采集的多个属性的测量数据；对所述参考传感器的所述测量数据进行数据维度的调整，得到数据维度为N*P*K的测量数据；其中，N表示所述参考传感器的个数，P表示所述参考传感器测量数据的属性个数，K表示测量数据的采集时刻的次数；将所述数据维度为N*P*K的测量数据通过各自对应的通道输入至预测模型，输出所述目标传感器对应的各属性的预测数据；基于卡尔曼滤波器，结合目标传感器各属性的测量数据和预测数据，确定所述目标传感器各属性的校准数据；其中，所述预测模型是基于所述目标传感器的测量数据样本以及所述参考传感器的测量数据样本进行训练后得到的，且所述预测模型的全连接层的节点数与所述属性个数相同。2.根据权利要求1所述的传感器校准的方法，其特征在于，所述将所述数据维度为N*P*K的测量数据通过各自对应的通道输入至预测模型，输出所述目标传感器对应的各属性的预测数据，包括：将所述数据维度为N*P*K的测量数据按照各自对应的通道输入至所述预测模型的两层卷积层，对所述测量数据进行特征提取；将所述特征提取后的测量数据输入至所述预测模型的一层Flatten层，对不同时刻和不同属性的数据进行压平变换，得到一维结构的数据；将所述一维结构的数据输入至所述预测模型的一层全连接层，输出目标传感器各属性的预测数据；其中，所述预测模型中卷积层的输入通道数是根据所述数据维度为N*P*K的测量数据中K值确定的；所述预测模型中全连接层点数是根据所述数据维度为N*P*K的测量数据中P值确定的。3.根据权利要求1所述的传感器校准的方法，其特征在于，所述基于卡尔曼滤波器，结合目标传感器各属性的测量数据和预测数据，确定所述目标传感器各属性的校准数据，包括：将目标传感器的相同属性的测量数据和预测数据输入同一个卡尔曼滤波器，不同属性的测量数据和预测数据通过多个相同的卡尔曼滤波器，得到追踪各属性数据的漂移值；基于目标传感器的每个属性的所述测量数据和所述追踪各属性数据的漂移值，确定目标传感器的每个所述属性的校准数据。4.根据权利要求1所述的传感器校准的方法，其特征在于，所述训练样本是在无线传感网络初建立并开始测试的前T个时刻内获取的目标传感器以及参考传感器的多个属性的测量数据。5.一种传感器校准的装置，其特征在于，所述装置包括：获取模块，用于获取目标传感器以及参考传感器采集的多个属...

【专利技术属性】
技术研发人员：郭民鹏，
申请(专利权)人：中移雄安信息通信科技有限公司中国移动通信集团有限公司，
类型：发明
国别省市：