一种多类型传感器通用动态补偿方法技术

本发明专利技术提供了一种多类型传感器通用动态补偿方法，属于传感器补偿技术领域，包括：获取多个类型传感器的动态校准数据及其对应的标准数据；训练好第一生成对抗网络，将其模型参数迁移到第二生成对抗网络的对应模块中；将时频转换后的数据集中的动态校准数据和标准数据输入第二生成对抗网络中，得到单只传感器动态补偿模型；将单只传感器动态补偿模型中的损失函数值、模型网络参数、单只传感器动态补偿模型输出值、多类型传感器待补偿数据集合输入元学习网络中，得到通用传感器动态补偿模型；将其他的传感器动态校准数据输入通用传感器动态补偿模型中训练后得到适用于该传感器的补偿模型。该方法能够对多个类型的传感器进行信号补偿。信号补偿。信号补偿。

【技术实现步骤摘要】
一种多类型传感器通用动态补偿方法


[0001]本专利技术属于传感器补偿
，具体涉及一种多类型传感器通用动态补偿方法。

技术介绍

[0002]随着科技的发展，人们对自然的探索精度越来越来高，对偶发或突发的瞬态信号的准确度越来越受到重视。常见的瞬态测试如火箭发射、武器测试、楼房爆破、高铁进出隧道等过程。目前随着采集设备的性能的提升，瞬态测试系统中测试带宽的主要瓶颈为各类型传感器的工作频带。其动态性能不足导致输出信号失真，从而引起测试的动态误差，对系统测试精度造成影响。由于所测试的物理量类型和范围不同，使用的传感器类型和量程也不尽相同，每一个类型和量程的传感器在进行瞬态测试时均需要考虑其动态特性，并对不能满足瞬态信号特征的传感器进行针对性补偿。为了减少动态误差，目前需要针对每只传感器的动态特性，选择合适的补偿算法求取补偿模型。
[0003]常用的补偿方法分为两大类：第一类，先求取传感器系统传递模型，再依据传递模型针对性的构造动态补偿系统模型。此类方法最早可追溯到1984年，DavidC.Hyland等人提出将传感器近似为二阶线性系统，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多类型传感器通用动态补偿方法，其特征在于，包括：将多个类型传感器的动态校准数据及其对应的标准数据进行时频转换，构成时频转换后的数据集；训练好一个第一生成对抗网络，将其生成器G0的隐含层参数、判别器D0的隐含层参数、判别器D0的输出层参数迁移到第二生成对抗网络的对应模块中，作为所述第二生成对抗网络的初始参数；将所述标准数据输入所述第二生成对抗网络的判别器D1中，将所述动态校准数据输入所述第二生成对抗网络的生成器G1中，训练生成器G1得到单只传感器动态补偿模型；将多类型传感器待补偿数据集合、所述单只传感器动态补偿模型中的损失函数值、模型网络参数、单只传感器动态补偿模型输出值作为元学习网络的输入端，由元学习网络判别所述单只传感器动态补偿模型的优劣，并反向调节单只传感器动态补偿模型中的参数；待元学习网络训练完毕且调整单只传感器动态补偿模型完毕后，得到通用传感器动态补偿模型；利用其他传感器的动态校准数据及其对应的标准数据对所述通用传感器动态补偿模型进行训练，得到适用于所述其他传感器的特异性动态补偿模型，利用所述特异性动态补偿模型对所述其他传感器进行信号补偿。2.根据权利要求1所述的一种多类型传感器通用动态补偿方法，其特征在于，所述将多类型传感器的动态校准数据及其对应的标准数据进行时频转换的公式为：其中，w为频率，t为时间，e
‑
iwt
为复变函数，f(t)为任意时域信号，F(w)为傅里叶变换后的频域信号。3.根据权利要求1所述的一种多类型传感器通用动态补偿方法，其特征在于，所述第一生成对抗网络为语音增强网络，其生成器G0的输入为带噪声语音，其判别器D0的输入为所述带噪声语音所对应的纯净语音。4.根据权利要求3所述的一种多类型传感器通用动态补偿方法，其特征在于，所述判别器D0的数学模型为：其中，p为真实样本，P<...

【专利技术属性】
技术研发人员：徐博，韩太林，王啸，王英志，杨絮，鞠明池，刘轩，陈怡嘉，韩镇宇，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：