基于自适应加权的多传感器实时数据特征值提取

摘要：

为实现监测数据的特征值提取,对传感器数据的预处理、时间维及空间维融合方法开展了研究.建立了实时数据融合模型,提出了基于3σ-grubbs检验的异常数据预处理方法,兼顾了异常数据剔除的速度与精度,能很好地消除疏失误差;对单个传感器数据采用分批估计原理进行融合,得到了特征估计值,实现了数据在时间维上的融合;通过对多个传感器的特征估计值采用自适应加权方法进行赋权,实现了数据在空间上的融合,并提出了考虑传感器精度的算法修正.实例计算表明,数据经3σ-grubbs方法处理后方差减小了20％～54％,与传统的算术平均滤波方法相比,分批估计自适应加权融合算法的数据融合方差明显更小,考虑传感器精度后的融合结果更接近高精度传感器值,特征值提取结果更加准确、可靠.

关键词：监测数据、多传感器、疏失误差、特征值融合、分批估计、自适应加权

所属期刊栏目：35

分类号：TN919;TP391.7

资助基金：国家重点研发计划;新疆维吾尔自治区自然科学基金

在线出版日期：2023-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：368-376