[发明专利]基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法

说明书

技术领域

本发明涉及多功能传感器信号重构技术领域，具体涉及一种基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法。

背景技术

信号重构技术是多功能传感技术不可缺少的一部分，如何在保证传感精度的前提下，简化模型、降低计算量、使其适合在微处理器上应用是其技术关键。

常用的信号重构算法有查表法、移动最小二乘、支持向量机等。

查表法(Look-up table)是最简单也是最传统的一种信号重构方法，它将传感器的输入输出以表格的形式存储起来，使用时，直接在表中查出传感器输出信号对应的被测变量的值。查表法的精度完全依赖于表中数据的间隔，对存储空间的要求较高。对于多输入多输出的多功能传感器而言，查表法难以满足实际应用需要。

移动最小二乘(Moving Least Squares，MLS)的基本原理是，首先对全特性曲线在整个求解区域内分区，然后在不同的区域上用最小二乘拟合，即采用分区局部拟合。通过这样的处理，求解域内的每一个代测点都能够得到局部最优的结果，因此可以有效地提高信号重构的整体精度。

支持向量机(Support Vector Machine，SVM)是针对有限的样本信息的情况，在模型的复杂性和学习能力之间寻求最佳折中的学习方法，以期获得更好的推广能力。它利用结构风险最小化准则来代替传统的经验风险最小化准则，有效地避免了经典机器学习方法中的过拟合、局部极小化、维数灾难等问题。

后两种方法均是基于逆模型的多功能传感器的信号重构方法，能达到较高的建模精度。然而，它们对建模复杂性问题考虑不足，计算模型参数需要花费较多的系统资源。

发明内容

为了解决现有的多功能传感器信号重构方法建模复杂而占用系统资源较大的问题，本发明提供一种基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法。

本发明的基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法，所述信号重构方法包括如下步骤：

步骤一：利用B样条函数描述多功能传感器的逆模型结构

x^i=Σj1=-K+1L1Σj2=-K+1L2...Σjn=-K+1Ln[cj1,j2,...jnBj1,K(y1,i)Bj2,K(y2,i)...Bjn,K(yn,i)],]]>