[发明专利]一种多功能传感器信号重构精度和计算量的平衡方法

权利要求书

1.一种多功能传感器信号重构精度和计算量的平衡方法，其特征在于包括以下步骤：

1）根据每一个输入方向上节点向量维数的取值范围，确定对其进行二进制编码所需的位数，将所有输入方向上的节点向量维数放在同一个二进制数中，该二进制数就是遗传算法的个体；

2）随机产生初始种群，即由多个二进制数组成的数组；

3）令计数器N=1，N代表遗传算法循环的次数；

4）对于种群中的所有个体，对其进行解码，获得其对应的各个方向上的节点向量维数，并以此建立B样条模型；

5）计算每个B样条模型的重构最小均方误差MSE以及建模所需的乘运算次数；

6）计算每个个体的适应度函数；

7）根据每个个体的适应度函数，对种群进行选择、交叉和变异操作，产生新的种群；

8）判断循环次数N是否到达预先设定的值N_max，若未到达，则N=N+1并跳往步骤3；若达到设定值，则平衡算法结束，给出优化结果，即此时种群中的最优个体。

2.如权利要求1所述一种多功能传感器信号重构精度和计算量的平衡方法，其特征在于在步骤5）中，所述重构最小均方误差MSE的计算公式为：

MSE=1nΣi=1n(gi-g^i)2]]>

式中，n是样本数据的个数；

g_i样本数据的真实值；

经过信号重构后，对样本数据的估计值；

乘运算次数的计算公式为：

Num＝Num_single×n

式中，Num是整个信号重构所需的乘运算次数；

Num_single是单次卡尔曼滤波所需的乘运算次数；

对于三输入单输出的B样条模型，单次卡尔曼滤波所需的乘运算次数为：

Num_single＝λ³+2λ²+9λ+120

λ＝(L₁+k)(L₂+k)...(L_m+k)

式中，λ是卡尔曼滤波状态向量的维数；

m是传感器被测量的个数；

L₁,L₂…L_m为各个被测量对应的内节点向量维数；

k为卡尔曼滤波的阶数。